CN107482971A - 一种并网风力发电机控制器及其控制方法 - Google Patents

一种并网风力发电机控制器及其控制方法 Download PDF

Info

Publication number
CN107482971A
CN107482971A CN201710825701.2A CN201710825701A CN107482971A CN 107482971 A CN107482971 A CN 107482971A CN 201710825701 A CN201710825701 A CN 201710825701A CN 107482971 A CN107482971 A CN 107482971A
Authority
CN
China
Prior art keywords
circuit module
voltage
current
current signal
control circuit
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.)
Granted
Application number
CN201710825701.2A
Other languages
English (en)
Other versions
CN107482971B (zh
Inventor
蔡斌军
李谭欣
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hunan Institute of Engineering
Original Assignee
Hunan Institute of Engineering
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Hunan Institute of Engineering filed Critical Hunan Institute of Engineering
Priority to CN201710825701.2A priority Critical patent/CN107482971B/zh
Publication of CN107482971A publication Critical patent/CN107482971A/zh
Application granted granted Critical
Publication of CN107482971B publication Critical patent/CN107482971B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • HELECTRICITY
    • H02GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02PCONTROL OR REGULATION OF ELECTRIC MOTORS, ELECTRIC GENERATORS OR DYNAMO-ELECTRIC CONVERTERS; CONTROLLING TRANSFORMERS, REACTORS OR CHOKE COILS
    • H02P9/00Arrangements for controlling electric generators for the purpose of obtaining a desired output
    • H02P9/10Control effected upon generator excitation circuit to reduce harmful effects of overloads or transients, e.g. sudden application of load, sudden removal of load, sudden change of load
    • HELECTRICITY
    • H02GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02PCONTROL OR REGULATION OF ELECTRIC MOTORS, ELECTRIC GENERATORS OR DYNAMO-ELECTRIC CONVERTERS; CONTROLLING TRANSFORMERS, REACTORS OR CHOKE COILS
    • H02P2101/00Special adaptation of control arrangements for generators
    • H02P2101/15Special adaptation of control arrangements for generators for wind-driven turbines

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Control Of Eletrric Generators (AREA)
  • Wind Motors (AREA)

Abstract

本发明属于风力发电技术领域,公开了一种并网风力发电机控制器及控制方法,设置有整流滤波电路模块、采样电路模块、控制电路模块、接触器模块、降压电路模块、稳压电路模块、充电电路模块、制动控制电路模块以及显示电路模块;整流滤波电路模块与采样电路模块连接,用于将并网风力发电机的三相交流电整流成平滑的直流电压或电流,并将该平滑的直流电压或电流传输到并网逆变器上,由所述并网逆变器将该直流电压或电流逆变成并网发电所需的电网电压或电流等。本发明控制模块进行多次相似度计算即多次增强性非线性变换,用多数值、多标准的加权平均值建立相似度标准,达到了算法高效并有较强的稳定性。

Description

一种并网风力发电机控制器及其控制方法
技术领域
本发明属于发电技术领域,尤其涉及一种并网风力发电机控制器及其控制方法。
背景技术
风能作为一种清洁的可再生能源,其蕴量巨大,越来越受到世界各国的重视,并网风力发电机控制器作为并网风力发电系统主要控制部件,在并网风力发电中起着及其重要的作用,但是目前的并网风力发电机控制器,控制电路采用蓄电池供电,当网电断电后,由于蓄电池仍旧给控制器供电,蓄电池亏电,造成蓄电池永久损坏。
并网型风力发电是规模较大的风力发电场,容量大约为几兆瓦到几百兆瓦,由几十台甚至成百上千台风电机组成,并网运行的风力发电场可以得到大电网的补偿和支撑,更加充分的开发可利用的风力资源,是国内外风力发电的主要发展方向。并网风力发电机控制器是并网风力发电技术的核心,其主要功能是将风力发电输出的三相交流电压进行整流滤波,整流滤波后将直流电压输送给并网逆变器,并检测输出电压的高低、工作电流的大小,当超过设定的电压或电流后通过制动电路进行制动,使风力发电机停止工作,从而避免过压或过流对逆变器造成的损坏。然而在实际运用过程中发现,传统并网风力发电机控制器设计不合理,无法适用风力较大的场合下。具体原因分析如下:当风力发电机发生过压或过流时通过制动控制电路进行制动,这时风机转速慢慢降低,随着风机转速的降低,其产生的电压不能维持控制电路工作,制动电路就会停止工作,此时风力发电机便会恢复发电。对于偶尔阵风的场合这种设计能满足要求,但如果是台风或者风力较大的场合下,风机就会不停地制动、停止、制动、停止......,这种循环往复交替的工作方式对风机、并网逆变器的冲击很大,严重影响风机和逆变器的使用寿命,维护维修成本很高。当然,为维持制动电路能持续工作,有的厂家为制动电路接入外部电源,但这种解决方式需要定期维护外置电源,人工消耗很大,并没有从根本上解决问题。
综上所述,遇到大风天气时,容易出现风力发电机空转飞车事故。风机运行过程中无法精确控制风力发电机的输出电压,从而无法保证并网风力发电系统各个部件在最佳电压下工作;而且传统并网风力发电机控制器还存在设计复杂,元器件购进成本高。
发明内容
为解决现有技术存在的问题,本发明的目的在于提供一种并网风力发电机控制器及其控制方法。
本发明是这样实现的,一种并网风力发电机控制器,所述并网风力发电机控制器包括整流滤波电路模块、采样电路模块、控制电路模块、接触器模块、降压电路模块、稳压电路模块、充电电路模块、制动控制电路模块以及显示电路模块;
所述整流滤波电路模块与采样电路模块连接,用于将并网风力发电机的三相交流电整流成平滑的直流电压或电流,并将该平滑的直流电压或电流传输到并网逆变器上,由所述并网逆变器将该直流电压或电流逆变成并网发电所需的电网电压或电流;所述整流滤波电路模块平滑表达式为:
其中滑模控制项为:
式中,是x1,x2的观测值,k1,k2为待设计常数,sgn(·)为符号函数;
所述采样电路模块与控制电路模块连接,用于采集并网风力发电机输出的电压和电流信号,并传送至控制电路模块;所述采样电路模块采用适合处理电压和电流信息的脉冲耦合神经网络模型对并网风力发电机输出的电压和电流信号进行采集;所述电压和电流信号受到密度较小的脉冲噪声污染通过自适应加权滤波处理;所述电压和电流信号受到密度较大的脉冲噪声污染采用保持边缘细节信息的引入双结构元素数学形态学进行二次滤波;适合处理电压和电流信息的脉冲耦合神经网络模型:
Fij[n]=Sij
Uij[n]=Fij[n](1+βij[n]Lij[n]);
θij[n]=θ0e-αθ(n-1);
其中,βij[n]为自适应链接强度系数;
Sij、Fij[n]、Lij[n]、Uij[n]、θij[n]分别为输入电压和电流信号、反馈输入、链接输入、内部活动项及动态阈值,Nw为所选待处理窗口W中的电压和电流信号总数,Δ为调节系数,选取1~3;
电压和电流信号自适应加权滤波处理的实现方法包括:
当脉冲输出Yij=1且NY=1~8,NY是当在3*3模板B中为1个数,选取滤波窗口M,对噪声污染信号fij的自适应滤波,滤波方程为:
式中,xrs是滤波窗口中对应电压和电流的系数,Srs为滤波窗口中对应电压和电流信号的灰度值,fij为滤波后对应窗口中心位置的输出值:
式中Dij为方形滤波窗口M中电压和电流信号灰度中值,Ωij滤波窗口各电压和电流信号与中心灰度差绝对均值,max为求最大值符号;
选取滤波窗口M选取大小为m*m的滤波窗口M,窗口大小的选取原则是:
所述控制电路模块与接触器模块连接,用于计算和分析所述并网风力发电机的实际工作电压或电流;
所述控制电路模块采用多次相似度计算,按加权平均取值,以欧式距离Eu和相和系数Sim的评定公式如下:
式中n为向量变形的次数,ki为权重系数,Eui和Simi为第i次变形后向量的欧式距离,Eu(P,Q)为欧式距离的评定,n=4,ki取0.25;
所述接触器模块与控制电路模块连接,用于接收控制电路模块输出的控制信号,并根据控制信号,控制三相卸荷器的卸荷状态;
所述降压电路模块的输入端与所述整流滤波电路模块的输出端电连接,所述降压电路模块输出端与所述稳压电路模块的输入端电连接;所述稳压电路模块为所述主控电路模块提供电源;
所述充电电路模块与所述制动控制电路模块一端相连接;所述降压电路模块、稳压电路模块用于将所述整流滤波电路模块整流出的直流高压降压;
所述充电电路模块用于为所述制动控制电路模块充电;
所述制动控制电路模块输入端与所述控制电路模块输出端电信号相连,所述制动控制电路模块输出端与所述并网风力发电机电连接;所述制动控制电路模块用于控制所述并网风力发电机处于制动或非制动状态;
所述显示电路模块与所述控制电路模块输出端电连接,用于显示并网风力发电机控制器的工作状态;
进一步,所述接触器模块上还连接有一个手动控制装置。
进一步,所述控制电路模块在进行多次相似度计算前需进行采样电路模块传输的数据预处理,包括:
按照下述公式对所述采样电路模块传输的电压和电流信号中的每一帧电压和电流信号进行噪声跟踪,获取每一帧电压和电流信号的噪声谱N(w,n):
其中,X(w,n)表示所述电压和电流信号的短时傅里叶变换;αu、αd为预设系数且0<αd<αu<1;w表示频域上的频点序号;n表示时域上的帧序号。
进一步,所述控制电路模块在进行多次相似度计算前需进行采样电路模块传输的数据预处理,还包括:按照下述公式对每一帧采样电路模块传输的电压和电流信号的短时傅里叶变换进行二值化处理得到二值谱Xb(w,n):
Tb为预设第一阈值。
进一步,将其中一路电压和电流信号对应的Ka个二值谱与另一路电压和电流信号对应的Kb个二值谱进行两两间的相干性匹配得到所述第一匹配结果,所述第一匹配结果包括匹配度最高的一组二值谱对应的匹配位置和匹配度,Ka、Kb均为正整数;
对于每一路电压和电流信号,按照下述公式计算所述电压和电流信号中的每一帧电压和电流信号的功率谱P(w,n):
P(w,n)=αpP(w,n-1)+(1-αp)|X(w,n)|2
其中,X(w,n)表示所述电压和电流信号的短时傅里叶变换;
αp为预设系数且0<αp<1;w表示频域上的频点序号;n表示时域上的帧序号。
进一步,按照下述公式计算每一帧电压和电流信号的功率谱的谱间相关性DP(w,n):
DP(w,n)=|P(w+1,n)-P(w,n)|;
按照下述公式对所述谱间相关性DP(w,n)进行噪声跟踪,获取每一帧电压和电流信号的噪声功率谱的谱间相关性NDP(w,n):
其中,βu、βd为预设系数且0<βd<βu<1。
本发明的另一目的在于提供一种并网风力发电机控制器的控制方法,包括以下步骤:
当网电供电时,采样电路模块采集电压或电流信号,并将采集到的电压或电流信号与基准电压或基准电流做比较;
将比较后的电压或电流信号,传送至控制电路模块,控制电路模块根据对比的信号,调控三相卸荷器的卸荷状态;
当网电停止供电时,采样电路模块及控制电路模块断电,接触器模块工作,控制三相卸荷器进行三相卸荷,控制风力发电机进入刹车状态。
本发明所述的控制器本体能够稳定风力发电机的输出电压,确保并网风力发电系统中其他各个部件在最佳的工作电压下运行;在没有网电时,控制器本体能够自动断开,并控制风力发电机三相卸荷,风力发电机处于刹车状态。从而保证在断电情况下,整个系统的安全,不会在断电时或遇到大风,导致风力发电机空转飞车的事故;控制器本体的供电装置与网电连接,并通过网电供电,省去了蓄电池,节省了系统成本,提高了系统运行可靠性。
本发明有效解决了传统并网风力发电机控制器无法适用风力较大场合下的问题,大幅度提高产品使用寿命;本发明在传统繁杂的电路基础上进行全新电路模块设计,简化电路结构,所采用的元器件均为市面常见元器件,大幅度降低控制器制造成本,性能稳定,实用性很强,经济、社会效益大幅度提升,本发明可广泛应用于风力发电机技术领域。
本发明提供的整流滤波电路模块平滑方法在系统模型不确定、参数发生变化或是存在外部扰动的情况下具有良好的鲁棒性,能有效地减少对精确系统模型的依赖。
本发明控制模块利用脉冲耦合神经网络的同步脉冲发放特性区分定位脉冲噪声点和信号点位置,相对传统的基于中值检测或相关改进中值检测方法具有更高的噪点检测性能,相对于其他阈值噪点检测方法;本发明无需设定检测阈值,噪声错检率和漏检率低,噪声检测精度较高;同时,相对于其他噪声迭代检测方法;本发明方法检测时间短,自动性强;
目前还没有任何脉冲噪声采集方法应用在电力脉冲噪声的采集中;
本发明控制模块进行多次相似度计算即多次增强性非线性变换,用多数值、多标准的加权平均值建立相似度标准,达到了算法高效并有较强的稳定性。
附图说明
图1是本发明实施例提供的并网风力发电机控制器示意图。
图中:1、整流滤波电路模块;2、采样电路模块;3、控制电路模块;4、接触器模块;5、降压电路模块;6、稳压电路模块;7、充电电路模块;8、制动控制电路模块;9、显示电路模块。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
下面结合附图及具体实施例对本发明的应用原理作进一步描述。
如图1所示,本发明实施例提供的并网风力发电机控制器,包括整流滤波电路模块1、采样电路模块2、控制电路模块3、接触器模块4、降压电路模块5、稳压电路模块6、充电电路模块7、制动控制电路模块8以及显示电路模块9;
所述整流滤波电路模块1与采样电路模块连接,用于将并网风力发电机的三相交流电整流成平滑的直流电压或电流,并将该平滑的直流电压或电流传输到并网逆变器上,由所述并网逆变器将该直流电压或电流逆变成并网发电所需的电网电压或电流;所述整流滤波电路模块平滑表达式为:
其中滑模控制项为:
式中,是x1,x2的观测值,k1,k2为待设计常数,sgn(·)为符号函数;
所述采样电路模块2与控制电路模块连接,用于采集并网风力发电机输出的电压和电流信号,并传送至控制电路模块;所述采样电路模块采用适合处理电压和电流信息的脉冲耦合神经网络模型对并网风力发电机输出的电压和电流信号进行采集;所述电压和电流信号受到密度较小的脉冲噪声污染通过自适应加权滤波处理;所述电压和电流信号受到密度较大的脉冲噪声污染采用保持边缘细节信息的引入双结构元素数学形态学进行二次滤波;适合处理电压和电流信息的脉冲耦合神经网络模型:
Fij[n]=Sij
Uij[n]=Fij[n](1+βij[n]Lij[n]);
θij[n]=θ0e-αθ(n-1)
其中,βij[n]为自适应链接强度系数;
Sij、Fij[n]、Lij[n]、Uij[n]、θij[n]分别为输入电压和电流信号、反馈输入、链接输入、内部活动项及动态阈值,Nw为所选待处理窗口W中的电压和电流信号总数,Δ为调节系数,选取1~3;
电压和电流信号自适应加权滤波处理的实现方法包括:
当脉冲输出Yij=1且NY=1~8,NY是当在3*3模板B中为1个数,选取滤波窗口M,对噪声污染信号fij的自适应滤波,滤波方程为:
式中,xrs是滤波窗口中对应电压和电流的系数,Srs为滤波窗口中对应电压和电流信号的灰度值,fij为滤波后对应窗口中心位置的输出值:
式中Dij为方形滤波窗口M中电压和电流信号灰度中值,Ωij滤波窗口各电压和电流信号与中心灰度差绝对均值,max为求最大值符号;
选取滤波窗口M选取大小为m*m的滤波窗口M,窗口大小的选取原则是:
所述控制电路模块3与接触器模块连接,用于计算和分析所述并网风力发电机的实际工作电压或电流;
所述控制电路模块采用多次相似度计算,按加权平均取值,以欧式距离Eu和相和系数Sim的评定公式如下:
式中n为向量变形的次数,ki为权重系数,Eui和Simi为第i次变形后向量的欧式距离,Eu(P,Q)为欧式距离的评定,n=4,ki取0.25;
所述接触器模块4与控制电路模块连接,用于接收控制电路模块输出的控制信号,并根据控制信号,控制三相卸荷器的卸荷状态;
所述降压电路模块5的输入端与所述整流滤波电路模块的输出端电连接,所述降压电路模块输出端与所述稳压电路模块6的输入端电连接;所述稳压电路模块为所述主控电路模块提供电源;
所述充电电路模块7与所述制动控制电路模块一端相连接;所述降压电路模块、稳压电路模块用于将所述整流滤波电路模块整流出的直流高压降压;
所述充电电路模块用于为所述制动控制电路模块充电;
所述制动控制电路模块8输入端与所述控制电路模块输出端电信号相连,所述制动控制电路模块输出端与所述并网风力发电机电连接;所述制动控制电路模块用于控制所述并网风力发电机处于制动或非制动状态;
所述显示电路模块9与所述控制电路模块输出端电连接,用于显示并网风力发电机控制器的工作状态;
所述接触器模块上还连接有一个手动控制装置。
所述控制电路模块在进行多次相似度计算前需进行采样电路模块传输的数据预处理,包括:
按照下述公式对所述采样电路模块传输的电压和电流信号中的每一帧电压和电流信号进行噪声跟踪,获取每一帧电压和电流信号的噪声谱N(w,n):
其中,X(w,n)表示所述电压和电流信号的短时傅里叶变换;αu、αd为预设系数且0<αd<αu<1;w表示频域上的频点序号;n表示时域上的帧序号。
所述控制电路模块在进行多次相似度计算前需进行采样电路模块传输的数据预处理,还包括:按照下述公式对每一帧采样电路模块传输的电压和电流信号的短时傅里叶变换进行二值化处理得到二值谱Xb(w,n):
Tb为预设第一阈值。
进一步,将其中一路电压和电流信号对应的Ka个二值谱与另一路电压和电流信号对应的Kb个二值谱进行两两间的相干性匹配得到所述第一匹配结果,所述第一匹配结果包括匹配度最高的一组二值谱对应的匹配位置和匹配度,Ka、Kb均为正整数;
对于每一路电压和电流信号,按照下述公式计算所述电压和电流信号中的每一帧电压和电流信号的功率谱P(w,n):
P(w,n)=αpP(w,n-1)+(1-αp)|X(w,n)|2
其中,X(w,n)表示所述电压和电流信号的短时傅里叶变换;
αp为预设系数且0<αp<1;w表示频域上的频点序号;n表示时域上的帧序号。
按照下述公式计算每一帧电压和电流信号的功率谱的谱间相关性DP(w,n):
DP(w,n)=|P(w+1,n)-P(w,n)|;
按照下述公式对所述谱间相关性DP(w,n)进行噪声跟踪,获取每一帧电压和电流信号的噪声功率谱的谱间相关性NDP(w,n):
其中,βu、βd为预设系数且0<βd<βu<1。
本发明实施例提供一种并网风力发电机控制器的控制方法,包括以下步骤:
当网电供电时,采样电路模块采集电压或电流信号,并将采集到的电压或电流信号与基准电压或基准电流做比较;
将比较后的电压或电流信号,传送至控制电路模块,控制电路模块根据对比的信号,调控三相卸荷器的卸荷状态;
当网电停止供电时,采样电路模块及控制电路模块断电,接触器模块工作,控制三相卸荷器进行三相卸荷,控制风力发电机进入刹车状态。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。

Claims (7)

1.一种并网风力发电机控制器,其特征在于,所述并网风力发电机控制器包括整流滤波电路模块、采样电路模块、控制电路模块、接触器模块、降压电路模块、稳压电路模块、充电电路模块、制动控制电路模块以及显示电路模块;
所述整流滤波电路模块与采样电路模块连接,用于将并网风力发电机的三相交流电整流成平滑的直流电压或电流,并将该平滑的直流电压或电流传输到并网逆变器上,由所述并网逆变器将该直流电压或电流逆变成并网发电所需的电网电压或电流;所述整流滤波电路模块平滑表达式为:
其中滑模控制项为:
式中,是x1,x2的观测值,k1,k2为待设计常数,sgn(·)为符号函数;
所述采样电路模块与控制电路模块连接,用于采集并网风力发电机输出的电压和电流信号,并传送至控制电路模块;所述采样电路模块采用适合处理电压和电流信息的脉冲耦合神经网络模型对并网风力发电机输出的电压和电流信号进行采集;所述电压和电流信号受到密度较小的脉冲噪声污染通过自适应加权滤波处理;所述电压和电流信号受到密度较大的脉冲噪声污染采用保持边缘细节信息的引入双结构元素数学形态学进行二次滤波;适合处理电压和电流信息的脉冲耦合神经网络模型:
Fij[n]=Sij
Uij[n]=Fij[n](1+βij[n]Lij[n]);
θij[n]=θ0e-αθ(n-1)
其中,βij[n]为自适应链接强度系数;
Sij、Fij[n]、Lij[n]、Uij[n]、θij[n]分别为输入电压和电流信号、反馈输入、链接输入、内部活动项及动态阈值,Nw为所选待处理窗口W中的电压和电流信号总数,Δ为调节系数,选取1~3;
电压和电流信号自适应加权滤波处理的实现方法包括:
当脉冲输出Yij=1且NY=1~8,NY是当在3*3模板B中为1个数,选取滤波窗口M,对噪声污染信号fij的自适应滤波,滤波方程为:
式中,xrs是滤波窗口中对应电压和电流的系数,Srs为滤波窗口中对应电压和电流信号的灰度值,fij为滤波后对应窗口中心位置的输出值:
式中Dij为方形滤波窗口M中电压和电流信号灰度中值,Ωij滤波窗口各电压和电流信号与中心灰度差绝对均值,max为求最大值符号;
选取滤波窗口M选取大小为m*m的滤波窗口M,窗口大小的选取原则是:
所述控制电路模块与接触器模块连接,用于计算和分析所述并网风力发电机的实际工作电压或电流;
所述控制电路模块采用多次相似度计算,按加权平均取值,以欧式距离Eu和相和系数Sim的评定公式如下:
式中n为向量变形的次数,ki为权重系数,Eui和Simi为第i次变形后向量的欧式距离,Eu(P,Q)为欧式距离的评定,n=4,ki取0.25;
所述接触器模块与控制电路模块连接,用于接收控制电路模块输出的控制信号,并根据控制信号,控制三相卸荷器的卸荷状态;
所述降压电路模块的输入端与所述整流滤波电路模块的输出端电连接,所述降压电路模块输出端与所述稳压电路模块的输入端电连接;所述稳压电路模块为所述主控电路模块提供电源;
所述充电电路模块与所述制动控制电路模块一端相连接;所述降压电路模块、稳压电路模块用于将所述整流滤波电路模块整流出的直流高压降压;
所述充电电路模块用于为所述制动控制电路模块充电;
所述制动控制电路模块输入端与所述控制电路模块输出端电信号相连,所述制动控制电路模块输出端与所述并网风力发电机电连接;所述制动控制电路模块用于控制所述并网风力发电机处于制动或非制动状态;
所述显示电路模块与所述控制电路模块输出端电连接,用于显示并网风力发电机控制器的工作状态。
2.如权利要求1所述的并网风力发电机控制器,其特征在于,所述接触器模块上还连接有一个手动控制装置。
3.如权利要求1所述的并网风力发电机控制器,其特征在于,所述控制电路模块在进行多次相似度计算前需进行采样电路模块传输的数据预处理,包括:
按照下述公式对所述采样电路模块传输的电压和电流信号中的每一帧电压和电流信号进行噪声跟踪,获取每一帧电压和电流信号的噪声谱N(w,n):
其中,X(w,n)表示所述电压和电流信号的短时傅里叶变换;αu、αd为预设系数且0<αd<αu<1;w表示频域上的频点序号;n表示时域上的帧序号。
4.如权利要求3所述的并网风力发电机控制器,其特征在于,所述控制电路模块在进行多次相似度计算前需进行采样电路模块传输的数据预处理,还包括:按照下述公式对每一帧采样电路模块传输的电压和电流信号的短时傅里叶变换进行二值化处理得到二值谱Xb(w,n):
Tb为预设第一阈值。
5.如权利要求4所述的并网风力发电机控制器,其特征在于,将其中一路电压和电流信号对应的Ka个二值谱与另一路电压和电流信号对应的Kb个二值谱进行两两间的相干性匹配得到所述第一匹配结果,所述第一匹配结果包括匹配度最高的一组二值谱对应的匹配位置和匹配度,Ka、Kb均为正整数;
对于每一路电压和电流信号,按照下述公式计算所述电压和电流信号中的每一帧电压和电流信号的功率谱P(w,n):
P(w,n)=αpP(w,n-1)+(1-αp)|X(w,n)|2
其中,X(w,n)表示所述电压和电流信号的短时傅里叶变换;
αp为预设系数且0<αp<1;w表示频域上的频点序号;n表示时域上的帧序号。
6.如权利要求5所述的并网风力发电机控制器,其特征在于,按照下述公式计算每一帧电压和电流信号的功率谱的谱间相关性DP(w,n):
DP(w,n)=|P(w+1,n)-P(w,n)|;
按照下述公式对所述谱间相关性DP(w,n)进行噪声跟踪,获取每一帧电压和电流信号的噪声功率谱的谱间相关性NDP(w,n):
其中,βu、βd为预设系数且0<βd<βu<1。
7.一种如权利要求1所述的并网风力发电机控制器的控制方法,其特征在于,所述并网风力发电机控制器的控制方法包括以下步骤:
当网电供电时,采样电路模块采集电压或电流信号,并将采集到的电压或电流信号与基准电压或基准电流做比较;
将比较后的电压或电流信号,传送至控制电路模块,控制电路模块根据对比的信号,调控三相卸荷器的卸荷状态;
当网电停止供电时,采样电路模块及控制电路模块断电,接触器模块工作,控制三相卸荷器进行三相卸荷,控制风力发电机进入刹车状态。
CN201710825701.2A 2017-09-14 2017-09-14 一种并网风力发电机控制器及其控制方法 Active CN107482971B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710825701.2A CN107482971B (zh) 2017-09-14 2017-09-14 一种并网风力发电机控制器及其控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710825701.2A CN107482971B (zh) 2017-09-14 2017-09-14 一种并网风力发电机控制器及其控制方法

Publications (2)

Publication Number Publication Date
CN107482971A true CN107482971A (zh) 2017-12-15
CN107482971B CN107482971B (zh) 2019-11-19

Family

ID=60585284

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710825701.2A Active CN107482971B (zh) 2017-09-14 2017-09-14 一种并网风力发电机控制器及其控制方法

Country Status (1)

Country Link
CN (1) CN107482971B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109062208A (zh) * 2018-08-03 2018-12-21 合肥工业大学 一种不确定轮式移动机器人的自适应轨迹跟踪控制电路

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5259064A (en) * 1991-01-25 1993-11-02 Ricoh Company, Ltd. Signal processing apparatus having at least one neural network having pulse density signals as inputs and outputs
CN103259472A (zh) * 2013-04-19 2013-08-21 上海交通大学 大型发电机组次同步振荡的反振荡自适应抑制系统
CN104732500A (zh) * 2015-04-10 2015-06-24 天水师范学院 脉冲耦合神经网络中药材显微图像噪声滤除系统及方法
CN105303272A (zh) * 2015-12-09 2016-02-03 南京工程学院 一种基于脉冲耦合神经网络的配电网孤岛划分方法
CN107065540A (zh) * 2017-03-15 2017-08-18 东北电力大学 一种基于神经网络的自适应动态面分布控制方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5259064A (en) * 1991-01-25 1993-11-02 Ricoh Company, Ltd. Signal processing apparatus having at least one neural network having pulse density signals as inputs and outputs
CN103259472A (zh) * 2013-04-19 2013-08-21 上海交通大学 大型发电机组次同步振荡的反振荡自适应抑制系统
CN104732500A (zh) * 2015-04-10 2015-06-24 天水师范学院 脉冲耦合神经网络中药材显微图像噪声滤除系统及方法
CN105303272A (zh) * 2015-12-09 2016-02-03 南京工程学院 一种基于脉冲耦合神经网络的配电网孤岛划分方法
CN107065540A (zh) * 2017-03-15 2017-08-18 东北电力大学 一种基于神经网络的自适应动态面分布控制方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109062208A (zh) * 2018-08-03 2018-12-21 合肥工业大学 一种不确定轮式移动机器人的自适应轨迹跟踪控制电路

Also Published As

Publication number Publication date
CN107482971B (zh) 2019-11-19

Similar Documents

Publication Publication Date Title
CN103762616B (zh) 一种基于功率预测方法的混合储能光伏发电系统
CN107153150A (zh) 一种配电网过电压故障类型识别方法及装置
CN103259287B (zh) 一种分布式新能源发电系统的双向并网逆变装置及方法
CN107451364A (zh) 一种dfig风电场等值参数的辨识方法
Kabat et al. Fuzzy logic based fault current prediction in double fed induction generator based wind turbine system
CN107482971B (zh) 一种并网风力发电机控制器及其控制方法
CN107732955B (zh) 一种风力发电高压直流输电方法及装置
CN115102160A (zh) 一种薄弱电网条件下牵引供电系统日前能量优化调度方法
CN111879514A (zh) 基于elm模型的无刷直流电机轴承故障诊断方法
CN108923720B (zh) 一种无电解电容变频驱动控制方法及系统
CN104283224B (zh) 一种限制风电波动率的储能系统平滑风电功率控制方法
CN107017664B (zh) 一种风光互补发电系统最大功率分时跟踪方法
CN111261978B (zh) 一种基于储能电池交流预热的储能电站冬季保温方法
CN112039051A (zh) 一种含双馈风力发电机接入变电站母线负荷的实时建模方法
CN110336502A (zh) 抽水蓄能可变速机组黑启动交流励磁装置及其控制方法
CN106730646A (zh) 电动跑步机控制系统及计步方法
CN203278263U (zh) 一种分布式新能源发电系统的双向并网逆变装置
CN107979324A (zh) 太阳能充电系统及其控制方法
CN105552951A (zh) 一种基于重复滑模的dfig系统控制方法
CN103886182A (zh) 一种双馈机组风电场聚合模型参数等值方法
CN107749728A (zh) 一种驱动势能性负载的异步电机矢量控制装置和方法
CN113962162A (zh) 一种含高比例新能源交直流混联系统仿真建模方法
Soumia et al. Maximum power tracking control wind turbine based on permanent magnet synchronous generator with complete converter
Mitra et al. Stability enhancement of wind farm connected power system using superconducting magnetic energy storage unit
CN104079222B (zh) 一种直驱式海洋波浪发电机输出功率的平稳方法

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