CN107453401B - 一种双馈风力发电机参数辨识方法 - Google Patents
一种双馈风力发电机参数辨识方法 Download PDFInfo
- Publication number
- CN107453401B CN107453401B CN201710820979.0A CN201710820979A CN107453401B CN 107453401 B CN107453401 B CN 107453401B CN 201710820979 A CN201710820979 A CN 201710820979A CN 107453401 B CN107453401 B CN 107453401B
- Authority
- CN
- China
- Prior art keywords
- identified
- parameter
- fed wind
- wind turbine
- turbine generator
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 22
- 230000035945 sensitivity Effects 0.000 claims abstract description 35
- 238000004088 simulation Methods 0.000 claims abstract description 11
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 4
- 238000005457 optimization Methods 0.000 claims abstract description 4
- 239000002245 particle Substances 0.000 claims abstract description 4
- 238000005070 sampling Methods 0.000 claims description 7
- 238000012935 Averaging Methods 0.000 claims description 6
- 230000005540 biological transmission Effects 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 2
- 239000003990 capacitor Substances 0.000 description 2
- 230000001052 transient effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000009191 jumping Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
Classifications
-
- H02J3/386—
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/70—Wind energy
- Y02E10/76—Power conversion electric or electronic aspects
Landscapes
- Wind Motors (AREA)
- Control Of Eletrric Generators (AREA)
Abstract
本发明公开了一种双馈风力发电机参数辨识方法。首先，基于仿真平台，搭建含双馈风电机组的仿真系统；在双馈风电机组端口设置三相短路故障，将双馈风电机组输出的有功功率和无功功率作为输出量，计算各参数的轨迹灵敏度，并确定重点待辨识参数；根据轨迹灵敏度曲线形状，判断重点待辨识参数是否能被区分辨识；将双馈风电机组端口电压幅值和相位作为输入量，将双馈风电机组输出的有功功率和无功功率作为输出量，建立辨识的目标函数，采用粒子群优化算法辨识双馈风电机组的参数；最后，通过平均值法得到参数的最终辨识结果。本发明综合考虑出口电压幅值和相角变化，提高了参数辨识精度。
Description
技术领域
本发明属于电力系统建模领域，特别涉及了一种双馈风力发电机参数辨识方法。
背景技术
建模是电力系统计算、分析以及运行控制的基础。合理而精准的风电机组模型参数对电力系统电磁暂态和机电暂态仿真分析的正确性尤为重要，如何得到更接近实际的风电机组模型参数，是电力学术界和工业界的研究热点。
在现有的双馈风电机组参数辨识技术中，一般仅将风电机组端口电压的幅值变化作为输入量。这种方法只适用于双馈风电机组直接接在无穷大系统上，此时风电机组出口故障仅影响到电压的幅值变化，而不影响相位。然而实际系统中不存在理想的无穷大系统，当双馈风电机组接在一个一般规模的电力系统时，参数辨识时忽视端口电压相位的跳变，辨识精度较差。
发明内容
为了解决上述背景技术提出的技术问题，本发明旨在提供一种双馈风力发电机参数辨识方法，综合考虑出口电压幅值和相角变化，提高参数辨识精度。
为了实现上述技术目的，本发明的技术方案为：
一种双馈风力发电机参数辨识方法，包括以下步骤：
(1)基于Matlab/Simulink仿真平台，搭建含双馈风电机组的仿真系统；
(2)在双馈风电机组端口设置三相短路故障，将双馈风电机组输出的有功功率和无功功率作为输出量，计算各参数的轨迹灵敏度，并根据轨迹灵敏度数值大小确定重点待辨识参数；
(3)根据轨迹灵敏度曲线形状，判断重点待辨识参数是否能被区分辨识；
(4)将双馈风电机组端口电压幅值和相位作为输入量，将双馈风电机组输出的有功功率和无功功率作为输出量，建立辨识的目标函数，采用粒子群优化算法辨识双馈风电机组的参数；
(5)对于每个参数，将多次的参数辨识结果进行平均，设定剔除阈值，剔除与均值偏差超过剔除阈值的参数辨识结果；再将剩下的参数辨识结果重新平均，并将均值作为该参数的辨识结果。
进一步地，在步骤(1)中，所搭建的仿真系统为双馈风电机组通过升压变及输电线路接入无穷大系统。
进一步地，在步骤(2)中，计算各参数的轨迹灵敏度的步骤如下：
(a)将一个待辨识参数θ的数值增大Δθ，仿真得到观测量y的受扰轨迹y(θ)；
(b)将待辨识参数θ的数值减少Δθ，仿真得到观测量y的受扰轨迹y′(θ)；
(c)计算参数θ的轨迹灵敏度Sj：
上式中，n为观测量的总采样点数，下标k表示第k次观测；Δθ＝10％θ0，其中θ0为待辨识参数θ的初始值。
进一步地，在步骤(2)中，确定重点待辨识参数的方法为，在所有参数的轨迹灵敏度中，选择轨迹灵敏度大于最小轨迹灵敏度5倍的参数作为重点待辨识参数。
进一步地，在步骤(3)中，判断重点待辨识参数是否能被区分辨识的方法为，比较各重点待识别参数的轨迹灵敏度曲线的相位，若其中某2个或者2个以上参数的轨迹灵敏度同相或反相时，则判断这些同相或反相的参数不能被区分辨识，否则判断所有参数能被区分辨识。
进一步地，在步骤(4)中，所示辨识的目标函数：
上式中，P(n)、Q(n)分别为风电机组输出的有功功率和无功功率，Pest(n)、Qest(n)分别为基于辨识参数的输出有功功率和无功功率，K为输出功率的总采样点数，n为采样点数的标号。
采用上述技术方案带来的有益效果：
与现有技术相比，本发明在对双馈风电机组进行参数辨识时，同时将端口电压幅值和相角作为输入量。主要原因在于电网侧发生三相故障时，双馈风电机组端口的电压幅值和相位会同时发生跳变，现有技术仅考虑电压幅值的变化，这样的辨识结果会带来较大的误差。本发明综合考虑端口电压幅值和相角变化进行参数辨识，与仅考虑电压幅值变化的辨识结果相比较，提高了参数的辨识精度。
附图说明
图1为本发明的方法流程图；
图2为含双馈风电机组的仿真系统结构图；
图3为双馈风力发电机的结构图；
图4为背靠背变流器的结构图；
图5为转子侧变流器控制环节结构图；
图6为网侧变流器控制环节结构图；
图7各参数的轨迹灵敏度曲线图；
图8(a)-8(g)为电压幅值跌落至80％UN、相角跳变10°下20次参数辨识结果图；
图9(a)-9(g)为电压幅值跌落至50％UN、相角跳变30°下20次参数辨识结果图。
具体实施方式
以下将结合附图，对本发明的技术方案进行详细说明。
本发明提出了一种双馈风力发电机参数辨识方法，如图1所示。
步骤1：将一台基于双馈风电机组通过升压变和输电线路接于无穷大电网，仿真系统如图2所示，该仿真系统搭建于Matlab 2012b软件中，系统中所有元件均取自Matlab自带的风电场算例(Wind Farm(DFIG Phasor Model)Demo)，元件参数均取默认值。其中，双馈风力发电机模型如图3所示，图中Ls＝Lσs+Lm,Lr＝Lσr+Lm,Xs＝ωsLs,Xr＝ωsLr,Xm＝ωsLm；Rs和Rr是定转子电阻；Lσs和Lσr是定转子漏抗；Lm是互感；ωs是同步转速；sr是转子滑差；ids和iqs是定子d、q轴电流；vds和vqs是定子d、q轴电压；idr和iqr是转子d、q轴电流；vdr和vqr是转子d、q轴电压。图4为变流器模型，图中ig和vg是网侧变换器电流和电压；vDC是直流电容电压；iDC是电容电流；C是电容器电容。图5为转子侧变流器控制环节结构图，图中Kp1和Ki1分别为功率变换器PI增益；KQI和KVI分别为电压和无功功率变换器增益；Kp3和Ki3分别为网侧电压变换器增益；idr_ref和iqr_ref分别为发电机侧变换器d、q轴电流参考值；vs_ref是电压参考值；Pref是有功功率参考值，由Pref＝PBωt/ωtB得出，其中ωtB是风机转速基值；PB是ωtB下的最大输出有功功率；Qref设置为0。图6为网侧变流器控制环节结构图，图中Kpdg和Kidg分别为直流电压变换器增益；Kpg和Kig分别为网侧电流变换器增益；vDC_ref是直流电压参考值；iqg_ref是网侧变换器电流参考值。
步骤2：在双馈风电机组端口设置三相短路故障，故障开始于t＝0.01s时，故障持续时间为0.2s，即在0.21s时故障消失，系统恢复至原状态。
以发电机出口的有功功率和无功功率作为输出信号，得到发电机各参数在故障期间的轨迹灵敏度曲线，进一步计算各参数轨迹灵敏度的大小。
轨迹灵敏度计算方法如下：
a：将一个待辨识参数θ的数值增大Δθ，仿真得到观测量y的受扰轨迹y(θ)；
b：将待辨识参数θ的数值减少Δθ，仿真得到观测量y的受扰轨迹y′(θ)；
c：然后根据公式计算参数θ的轨迹灵敏度Sj，式中，n为观测量的总采样点数，下标k表示第k次观测；Δθ＝10％θ0，其中θ0为待辨识参数θ的初始值。
为定量比较各参数轨迹灵敏度的大小，根据进一步计算各参数的轨迹灵敏度的绝对平均值。其中，K为观察窗口内的轨迹灵敏度总点数。计算结果见表1：
表1参数轨迹灵敏度大小
根据表1中的轨迹灵敏度结果，可以看出DFIG参数中除了转子电阻都有较高灵敏度，转子侧变换器参数Kp2、Ki2灵敏度高于其他参数。因此，选取待辨识参数为θ＝[Rs,Lσs,Lσr,Lm,Kp2,Ki2]；
步骤3：根据步骤3中待辨识参数的轨迹灵敏度曲线，见图7。可以看出参数Lsσ和Lrσ的轨迹灵敏度轨迹基本同时过零，由此可以判断参数Lsσ和Lrσ不能区分辨识，其它参数能够辨识。
步骤4：通过调整故障的接地电阻，使得端口故障期间电压幅值跌落到80％UN，且相角跳变10°，采集双馈风电机组输出的有功功率和无功功率受扰轨线，采用粒子群优化算法对各参数进行20次参数辨识，辨识的目标函数为：其中，P和Q分别为风电机组出口有功、无功功率；下标est为基于辨识值的输出功率；K为受扰轨线时间窗口内的总点数。
步骤5：将20次的参数辨识结果进行平均，剔除与均值偏差较大的参数；再将剩下的参数重新平均，作为双馈风电机组各参数的辨识结果。
同时为了与常规不计及相位变化的参数辨识结果作比较，在不考虑双馈风电机组端口电压相位的情况下，对双馈风电机组各参数重新辨识，结果见图8(a)-8(g)及表2。其中，
表2电压幅值跌落到80％UN且相角跳变10°下的参数辨识结果
步骤6：改变接地电阻，使得双馈风电机组端口三相短路情况下电压幅值跌落到50％UN、相角跳变30°，重复步骤4和步骤5，辨识结果见表3和图9(a)-9(g)。
表3电压幅值跌落到50％UN且相角跳变30°下的参数辨识结果
根据表2和表3结果可以看出：
1、同时考虑端口电压幅值和相位变化的参数辨识精度高于不考虑相位变化的参数辨识精度，说明了本发明方法的有效性；
2、参数Lsσ和Lrσ的单个辨识精度低于两者之和的辨识精度，说明了参数Lsσ和Lrσ不可区分辨识。
实施例仅为说明本发明的技术思想，不能以此限定本发明的保护范围，凡是按照本发明提出的技术思想，在技术方案基础上所做的任何改动，均落入本发明保护范围之内。
Claims (2)
1.一种双馈风力发电机参数辨识方法，其特征在于，包括以下步骤：
(1)基于Matlab/Simulink仿真平台，搭建含双馈风电机组的仿真系统；
(2)在双馈风电机组端口设置三相短路故障，将双馈风电机组输出的有功功率和无功功率作为输出量，计算各参数的轨迹灵敏度，并根据轨迹灵敏度数值大小确定重点待辨识参数；
计算各参数的轨迹灵敏度的过程如下：
(a)将一个待辨识参数θ的数值增大Δθ，仿真得到观测量y的受扰轨迹y(θ)；
(b)将待辨识参数θ的数值减少Δθ，仿真得到观测量y的受扰轨迹y′(θ)；
(c)计算参数θ的轨迹灵敏度Sj：
上式中，n为观测量的总采样点数，下标k表示第k次观测；Δθ＝10％θ0，其中θ0为待辨识参数θ的初始值；
确定重点待辨识参数的方法为，在所有参数的轨迹灵敏度中，选择轨迹灵敏度大于最小轨迹灵敏度5倍的参数作为重点待辨识参数；
(3)根据轨迹灵敏度曲线形状，判断重点待辨识参数是否能被区分辨识；
判断重点待辨识参数是否能被区分辨识的方法为，比较各重点待识别参数的轨迹灵敏度曲线的相位，若其中某2个或者2个以上参数的轨迹灵敏度同相或反相时，则判断这些同相或反相的参数不能被区分辨识，否则判断所有参数能被区分辨识；
(4)将双馈风电机组端口电压幅值和相位作为输入量，将双馈风电机组输出的有功功率和无功功率作为输出量，建立辨识的目标函数，采用粒子群优化算法辨识双馈风电机组的参数；
所述辨识的目标函数如下：
上式中，P(n)、Q(n)分别为风电机组输出的有功功率和无功功率，Pest(n)、Qest(n)分别为基于辨识参数的输出有功功率和无功功率，K为输出功率的总采样点数，n为采样点数的标号；
(5)对于每个参数，将多次的参数辨识结果进行平均，设定剔除阈值，剔除与均值偏差超过剔除阈值的参数辨识结果；再将剩下的参数辨识结果重新平均，并将均值作为该参数的辨识结果。
2.根据权利要求1所述双馈风力发电机参数辨识方法，其特征在于：在步骤(1)中，所搭建的仿真系统为双馈风电机组通过升压变及输电线路接入无穷大系统。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710820979.0A CN107453401B (zh) | 2017-09-13 | 2017-09-13 | 一种双馈风力发电机参数辨识方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710820979.0A CN107453401B (zh) | 2017-09-13 | 2017-09-13 | 一种双馈风力发电机参数辨识方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107453401A CN107453401A (zh) | 2017-12-08 |
| CN107453401B true CN107453401B (zh) | 2019-12-31 |
Family
ID=60496423
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710820979.0A Active CN107453401B (zh) | 2017-09-13 | 2017-09-13 | 一种双馈风力发电机参数辨识方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107453401B (zh) |
Families Citing this family (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107798205B (zh) * | 2017-12-11 | 2020-04-21 | 河海大学 | 双馈感应风力发电机组轴系模型参数的单独辨识方法 |
| CN108198091B (zh) * | 2017-12-25 | 2021-11-05 | 贵州电网有限责任公司电力调度控制中心 | 一种基于改进粒子群算法的风电系统无功优化方法 |
| CN108197381B (zh) * | 2017-12-29 | 2019-09-27 | 河海大学 | 基于寻优空间形态分析的参数辨识方法 |
| CN110071667B (zh) * | 2019-05-10 | 2020-09-25 | 福建省宏闽电力工程监理有限公司 | 一种双馈风力发电机参数辨识方法 |
| CN111460596B (zh) * | 2020-03-13 | 2022-10-14 | 河海大学 | 一种风电场多机等值下等值机参数的分步获取方法 |
| CN111769595A (zh) * | 2020-07-07 | 2020-10-13 | 南京工程学院 | 基于参数辨识的风力发电机网侧变流器等效电容求取方法 |
| CN112632766B (zh) * | 2020-12-18 | 2022-11-15 | 河海大学 | 一种基于bp神经网络的双馈风电机组参数辨识方法及装置 |
| CN113032968B (zh) * | 2021-03-02 | 2023-10-31 | 国网冀北电力有限公司电力科学研究院 | 双馈风机控制器参数辨识方法及装置 |
| CN113849975B (zh) * | 2021-09-24 | 2024-03-19 | 国网重庆市电力公司电力科学研究院 | 一种双馈风电机组低电压穿越特性辨识方法和系统 |
| CN114925541A (zh) * | 2022-06-06 | 2022-08-19 | 广东电网有限责任公司 | 风电机组控制装置建模参数辨识方法、装置、终端及介质 |
| CN115828569B (zh) * | 2022-11-26 | 2023-10-31 | 昆明理工大学 | 基于鲸鱼优化算法的双馈风电机组传动系统参数辨识方法 |
| CN115952662B (zh) * | 2022-12-26 | 2023-09-19 | 昆明理工大学 | 一种基于改进灰狼算法的双馈风力发电机参数辨识方法 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106169747B (zh) * | 2016-07-20 | 2018-07-10 | 河海大学 | 一种双馈感应发电机参数辨识方法 |
| CN106058937B (zh) * | 2016-07-29 | 2018-05-08 | 河海大学 | 一种含直驱永磁风电场的配电网广义负荷建模方法 |
-
2017
- 2017-09-13 CN CN201710820979.0A patent/CN107453401B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN107453401A (zh) | 2017-12-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107453401B (zh) | 一种双馈风力发电机参数辨识方法 | |
| CN106169747B (zh) | 一种双馈感应发电机参数辨识方法 | |
| CN107451364B (zh) | 一种dfig风电场等值参数的辨识方法 | |
| CN105375532B (zh) | 一种适用于双馈风电场联络线的故障选相方法 | |
| CN108446515B (zh) | 一种基于双馈风力发电机组短路电流特征分析的风电场等值方法 | |
| WO2015035892A1 (zh) | 一种双馈异步发电机组暂态短路电流的计算方法 | |
| CN110912186B (zh) | 双馈型风力发电虚拟同步发电机建模方法 | |
| CN106058937B (zh) | 一种含直驱永磁风电场的配电网广义负荷建模方法 | |
| CN102760191B (zh) | 基于转速分群的双馈机组风电场等值建模系统及方法 | |
| CN108664671B (zh) | 一种风电场多机聚合模型参数辨识方法及装置 | |
| CN103825521B (zh) | 一种双馈风电机组中驱动系统及发电机参数的辨识方法 | |
| CN115425689B (zh) | 双馈风电机组转子侧故障穿越控制方法、系统及电子设备 | |
| Noureldeen et al. | Modeling and investigation of Gulf El-Zayt wind farm for stability studying during extreme gust wind occurrence | |
| CN106778041A (zh) | 一种双馈电机三相短路电流最大值的简化计算方法 | |
| Elizondo et al. | Model reduction, validation, and calibration of wind power plants for dynamic studies | |
| CN114513004A (zh) | 基于改进k-means算法新能源场站等值方法及应用 | |
| CN106410862A (zh) | 基于有功恢复斜率校正的风电场单机等值方法 | |
| CN110210170B (zh) | 一种大规模风电机群等值小信号模型建模方法 | |
| CN110165644B (zh) | 一种基于暂态电流时频特性的新能源场站纵联保护方法 | |
| CN108258725A (zh) | 一种基于等效功角同调的双馈风电机动态等值方法 | |
| CN111293693A (zh) | 基于扩展卡尔曼滤波的双馈风机变流器控制参数辨识方法 | |
| Wang et al. | Impedance model identification of DFIG-based wind turbine based on neural network | |
| CN116191374A (zh) | 基于频域阻抗模型的双馈风电场纵联保护方法和系统 | |
| CN104466947B (zh) | 基于区间联络线量测的互联电网暂稳控制策略制定方法 | |
| Gao et al. | Improved extended kalman filter based dynamic equivalent method of DFIG wind farm cluster |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |