CN108964127A - 一种双馈风力发电系统故障穿越的控制方法 - Google Patents
一种双馈风力发电系统故障穿越的控制方法 Download PDFInfo
- Publication number
- CN108964127A CN108964127A CN201810846870.9A CN201810846870A CN108964127A CN 108964127 A CN108964127 A CN 108964127A CN 201810846870 A CN201810846870 A CN 201810846870A CN 108964127 A CN108964127 A CN 108964127A
- Authority
- CN
- China
- Prior art keywords
- rotor
- power generation
- generation system
- wind power
- robust
- 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
Links
- 238000010248 power generation Methods 0.000 title claims abstract description 54
- 238000000034 method Methods 0.000 title claims abstract description 51
- 230000009977 dual effect Effects 0.000 title claims abstract description 43
- 230000005284 excitation Effects 0.000 claims abstract description 22
- 238000005516 engineering process Methods 0.000 claims abstract description 21
- 230000000694 effects Effects 0.000 claims abstract description 19
- 230000004044 response Effects 0.000 claims abstract description 16
- 239000011159 matrix material Substances 0.000 claims description 32
- 230000001052 transient effect Effects 0.000 claims description 18
- 230000007246 mechanism Effects 0.000 claims description 11
- 230000001629 suppression Effects 0.000 claims description 11
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 9
- 230000001419 dependent effect Effects 0.000 claims description 5
- 230000005611 electricity Effects 0.000 claims description 5
- 230000004888 barrier function Effects 0.000 claims description 3
- 230000001914 calming effect Effects 0.000 claims description 3
- 238000010845 search algorithm Methods 0.000 claims 1
- 238000013178 mathematical model Methods 0.000 abstract description 3
- 230000001276 controlling effect Effects 0.000 description 30
- 230000000875 corresponding effect Effects 0.000 description 11
- 230000006872 improvement Effects 0.000 description 9
- 238000004422 calculation algorithm Methods 0.000 description 5
- 238000004590 computer program Methods 0.000 description 4
- 238000004088 simulation Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 230000002401 inhibitory effect Effects 0.000 description 3
- 230000001360 synchronised effect Effects 0.000 description 3
- 230000033228 biological regulation Effects 0.000 description 2
- 230000002596 correlated effect Effects 0.000 description 2
- 230000000670 limiting effect Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000002411 adverse Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 238000009415 formwork Methods 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 238000005312 nonlinear dynamic Methods 0.000 description 1
- 230000036961 partial effect Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
Classifications
-
- H02J3/386—
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02P—CONTROL OR REGULATION OF ELECTRIC MOTORS, ELECTRIC GENERATORS OR DYNAMO-ELECTRIC CONVERTERS; CONTROLLING TRANSFORMERS, REACTORS OR CHOKE COILS
- H02P9/00—Arrangements for controlling electric generators for the purpose of obtaining a desired output
- H02P9/007—Control circuits for doubly fed generators
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02P—CONTROL OR REGULATION OF ELECTRIC MOTORS, ELECTRIC GENERATORS OR DYNAMO-ELECTRIC CONVERTERS; CONTROLLING TRANSFORMERS, REACTORS OR CHOKE COILS
- H02P9/00—Arrangements for controlling electric generators for the purpose of obtaining a desired output
- H02P9/10—Control 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
- H02P9/102—Control 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 for limiting effects of transients
-
- 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]
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02P—CONTROL OR REGULATION OF ELECTRIC MOTORS, ELECTRIC GENERATORS OR DYNAMO-ELECTRIC CONVERTERS; CONTROLLING TRANSFORMERS, REACTORS OR CHOKE COILS
- H02P2101/00—Special adaptation of control arrangements for generators
- H02P2101/15—Special adaptation of control arrangements for generators for wind-driven turbines
-
- 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
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Control Of Eletrric Generators (AREA)
Abstract
本发明提供了一种双馈风力发电系统故障穿越的控制方法，其中，包括：S1，求解预设鲁棒H∞控制模型，获取所述转子侧换流器励磁电压控制信号，其中，所述预设鲁棒H∞控制模型的目标为最大化故障期间所述风力发电系统的干扰抑制效果和提升动态响应性能；S2，根据转子侧换流器励磁电压控制信号，对换流器开断进行控制，以实现对双馈风力发电系统的故障穿越控制。基于ISS理论更新被控对象数学模型，使得受控系统的稳定性具有理论保证。本发明将基于SDRE技术对双馈风力发电系统进行鲁棒控制，提升双馈风力发电系统的故障穿越能力。
Description
技术领域
本发明属于电力系统控制技术领域，具体涉及一种双馈风力发电系统故障穿越的控制方法。
背景技术
由于化石能源的枯竭和环境污染问题凸显，大力发展可再生能源发电技术已成为世界共识。其中，风力发电系统是近年来发展最迅速的可再生能源发电技术。双馈风机(DoublyFedInductionGenerater，DFIG)作为最重要的风力发电机之一，具有尺寸更小，成本更低，控制灵活等优点,并广泛应用于实际应用。
然而伴随着双馈风力发电机组的大量投运，其对电网波动敏感的特点可能对整个电力系统的稳定性产生不利影响。因此，许多国家的电网规范提供了双馈风力发电系统在电网故障时的技术规定，不仅要求风力发电系统在故障期间连续运行，还要为系统提供功率支撑。
一种有效提高双馈风机故障穿越(FaultRideThrough，FRT)能力的方法是外加动态无功功率补偿器(例如静态同步补偿器(STATCOM))，可以通过利用静态无功补偿器(SVC))以提供瞬态无功功率支持。然而，出于经济性的考虑，很多双馈风力发电系统并未安装无功补偿装置。为了克服此问题，需要设计相应故障穿越控制策略以充分利用DFIG自身的无功功率调节能力。传统的PID控制器因其具有简单、可靠等特性，已被广泛应用于双馈风机功率解耦控制中。但是，PID控制器通常是基于线性化系统模型设计的，在严重故障情况下，无法保证系统的稳定性和良好的动态响应性能。
鲁棒H∞控制方法已广泛应用于电力系统中以获得良好的干扰抑制效果和动态响应性能。对于非线性系统的鲁棒H∞控制，通常需求解Hamilton-Jacobi-Issacs(HJI)偏微分方程以获得相应的控制律。然而，对于非线性形式的HJI不等式尚无一般性解法，为该理论的应用带来一定困难。状态相关Riccati方程(SDRE)技术因其简单、有效，已在非线性控制领域受到广泛关注。SDRE技术将所研究系统的非线性动态分解为状态向量和状态相关矩阵值函数的乘积，使得所研究系统得以继承线性系统特征，并同时保留原有的非线性特征。由于状态相关系数(SDC)矩阵的非唯一性，SDRE技术为进一步优化控制性能提供了额外的自由度。目前，有必要提升双馈风力发电系统的故障穿越能力。
发明内容
为克服现有技术中的问题，本发明的目的在于提供一种双馈风力发电系统故障穿越的控制方法。
为实现上述目的，本发明采用如下的技术方案：
一种双馈风力发电系统故障穿越控制方法，包括以下步骤：
S1，通过求解预设鲁棒H∞控制模型，获取转子侧换流器励磁电压控制信号，其中，所述预设鲁棒H∞控制模型的目标函数为最大化故障期间风力发电系统的干扰抑制效果和动态响应性能；
S2，根据转子侧换流器励磁电压控制信号，对换流器开断进行控制，以实现对双馈风力发电系统的故障穿越控制。
本发明进一步的改进在于，预设鲁棒H∞控制模型的表达式如下：
其中，u表示控制输入，d表示外部干扰，x是系统状态，且xe表示相对于某一操作条件的平衡点，z是调节输出，h和k是光滑映射，γ为扰动到输出的增益；
对于双馈风风力发电系统，双馈风风力发电系统详细的五阶动态方程的表达式如下：
其中，s，H分别为转子转差率和总惯量常数，Ps，Pm分别为电功率及机械功率，ωs为同步转子转速，Vds，Vqs分别为定子电压在d/q轴的分量，T′为转子电流时间常数，X，X′分别为定、转子暂态电抗，Rr为转子电阻，E′d，E′q分别为暂态电抗上面的电压在d/q轴的分量，Ids，Iqs分别为定子电流在d/q轴的分量，Vdr，Vqr分别为定子电压在d/q轴的分量；
将双馈风机五阶动态方程的平衡点平移至原点，得到预设鲁棒H∞控制模型中的动态方程，表达式如下：
本发明进一步的改进在于，将求解鲁棒H∞控制模型转化为求解以下的HJI方程：
其中Q和R是控制目标中的权重矩阵。
本发明进一步的改进在于，先构造双馈风力发电系统ISS-Lyapunov函数，并设计参数化的ISS控制器以镇定双馈风力发电系统，再将HJI方程将转化为状态相关Riccati不等式；Riccati不等式通过Matlab中的线性矩阵不等式工具求解。
本发明进一步的改进在于，为保证系统逐点满足稳定性和可控性，进行如下定义：
定义1考虑如下的仿射非线性系统：
如果以下不等式成立：
则上述仿射非线性系统是输入-状态稳定的；其中x∈Rn，d∈Rp，f：Rn→Rn，g：Rn→Rn ×p，|·|分别表示欧几里得范数，||·||∞表示(本质)上确界；β和γ是比较函数，比较函数的定义如下：
函数
函数
函数
定义2如果对于如下含有外部扰动的受控非线性系统：
若存在正定的且径向无界的函数V，使得对于所有x≠0，以下条件成立：
则受控非线性系统为可输入-状态稳定的系统，即存在某一控制律u＝k(x)，使得受控系统满足输入-状态稳定的定义2；其中，ρ是比较函数，V称为ISS控制Lyapunov函数；
采用参数化的ISS控制器以保证受控系统的稳定性和可控性，相应参数化的ISS控制器表达式如下：
其中，ξ与正交，β在的范围内，V是系统的ISS-CLF，
参数化的ISS控制器提供了相对于某些约束选择控制参数的自由度，所以更新后的双馈风力发电机模型重新制定为以下形式：
令ξ表示为它垂直于其中kε∈Rn；
用ISS控制器实现的双馈风力发电机新的动态模型表示为如下仿射非线性系统：
其中，g3(x)为矩阵g2(x)和由所构成的矩阵的乘积组成；v表示新控制输入，其形式为[v1 v2]T＝[β kε]T；
新的鲁棒H∞控制模型的表达式如下：
本发明进一步的改进在于，基于SDRE技术对双馈风力风机模型进行扩展线性化：
其中，f(x)和h(x)为连续可微函数，并且B1(x)，B2(x)，D(x)∈C0(Ω)，Ω表示系统状态变量的定义域；
A(x)和C(x)称为状态相关系数，表达式如下：
对于多维系统而言，存在无限个SDC分解；
对于具有多个变量的非线性系统，若存在两个不相关的SDC矩阵，则非线性函数的无限个SDC参数化由以下超平面表示：
A(α，x)＝αA1(x)+(1-α)A2(x)
选择最优SDC分解的方法是最大化受控系统的逐点可控性，具体为采用Gramian奇异值度量受控系统的可控性；可控性Gramian的定义如下：
其中是和的解；考虑无限时间尺度H∞控制问题，并且初始时间ti为0；
令σmin(P)表示矩阵P的最小奇异值，σmin(P)的值越大表明系统的可控性越强；基于搜索算法，寻求使σmin(P)值最大的向量α，以获得最优的SDC分解。
本发明进一步的改进在于，基于SDRE技术对所述双馈风力风机发电系统进行扩展线性化，得到如下的线性结构：
通过选择调节输出z，鲁棒H∞控制为状态波动和控制效果之间的权衡提供了额外的自由度；调节输出z按以下形式选择；
其中，Q＝CTC和R＝KTK是正定对称矩阵，而且||z(t)||2＝zT(t)z(t)＝xTQx+vTRv。
本发明进一步的改进在于，鲁棒控制的控制目标是降低外部干扰对系统动态特性和转子电流的影响；由于转子过电流通常发生在严重电网故障的初始故障期，所以控制目标在暂态过程中分为以下两个阶段；
故障初期的目标是抑制转子过电流，以保证DFIG的不间断运行；DFIG的转子电流的表达式如下：
加权矩阵的选择如下：
其中CS1和KS1表示第一阶段的加权矩阵，λC，λK是相应的系数；
在故障初期后，目标是获得理想的动态性能；因此，选择Q(x)与状态变量的偏移程度正相关，并选择R(x)作与状态变量偏移反相关，从而节省了平衡点附近的控制成本；权重矩阵的表达式如下：
其中λQ，λR是相应的系数，并且mi是正实常数；
双馈风力发电系统的鲁棒H∞控制信号通过求以下状态相关Riccati方程获得：
其中
得出基于SDRE的DFIG鲁棒H∞控制信号，表达式如下：
其中，P是状态相关Riccati方程的解，为一正定对称矩阵；
求得基于SDRE的DFIG鲁棒H∞控制信号后，获取转子侧换流器励磁电压控制信号。
本发明进一步的改进在于，为求解Riccati方程，先使用二分法通过多次迭代求出能够使所述状态相关Riccati方程有解的最小的γ值(扰动到输出的增益)，然后将此γ值代入Riccati方程并用Matlab中的线性矩阵不等式工具求解，具体流程如下：
第一步，设置γ的取值上限H、下限L、求解精度δ、迭代次数计数变量m、以及迭代次数上限M；
第二步，如果H-L≤δ，跳至第五步，否则进行下一步；
第三步，如果m≥M，跳至第五步，否则进行下一步；
第四步，根据当前γ能否使得方程有解，更新γ、上限H及下限L，如果γ使得方程有解，令H＝γ，如果当前γ不能使得方程有解，令L＝γ，然后转至第二步；
第五步，将γ代入Riccati方程，调用Matlab中线性矩阵不等式工具的函数求解此方程。
本发明进一步的改进在于，为了避免整个故障期间的转子过电流，在故障后启动转子电流抑制机制；转子电流的表达式如下：
设Irmax和分别表示转子电流的最大容许值和估算的转子电流；如果令更新的控制输入表达式如下：
其中，s*，表示相应的状态变量和预定的控制输入，和表示更新的控制输入；为保证系统一定的安全裕度，选择小于Irmax的转子电流Irthr作为转子电流的门槛值，将比率k更新为
由于换流器容量的限制，在严重故障情况下，上述转子电流抑制机制可能无法确保故障初期转子电流不越限；应用主动式Crowbar电路用于抑制初始故障期间的瞬态过电流；一旦发生转子过流，主动式Crowbar电路将被激活，在转子电流恢复至最大允许值以下后，退出Crowbar保护电路，转子电流抑制机制得以恢复并在故障期间为系统提供支撑。
与现有技术相比，本发明具有的有益效果：本发明通过引入目标函数为最大化故障期间所述风力发电系统的干扰抑制效果和动态响应性能的鲁棒H∞控制模型，并根据该预设鲁棒H∞控制模型求解出转子侧换流器励磁电压控制信号，对换流器开断进行控制，以实现对所述双馈风力发电系统的故障穿越控制，基于ISS理论更新被控对象数学模型，使得受控系统的稳定性具有理论保证。本发明将基于SDRE技术对双馈风力发电系统进行鲁棒控制，提升双馈风力发电系统的故障穿越能力。本发明具有更好的电压支撑效果，能够获得了更好的电压动态响应。
附图说明
图1为基于SDRE的鲁棒控制方法的流程图。
图2为测试系统的结构图。
图3为DFIG的转子电流图。其中，(a)为转子电流动态响应，(b)为故障初期转子电流放大。
图4为风电场的有功功率输出图。
图5为风电场的无功功率输出图。
图6为风电场的终端电压图。
图7为DFIG的转子速度图。
图8为本发明实施例提供的一种双馈风机故障穿越系统的结构框图。
图9为本发明的流程图。
图中，1为计算模块，2为调控模块。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
在含有双馈风机的电力系统中，为了能够实现双馈风力发电系统故障穿越，就需要充分利用换流器自身的控制能力进行控制，以最大化故障期间所述风力发电系统的干扰抑制效果并提升动态响应性能。本发明的控制方法应用于系统故障期间，稳态运行时双馈风机均采用传统PI控制方法。
如图1和图9所示，本发明的控制方法包括：
S1，通过求解预设鲁棒H∞控制模型，获取转子侧换流器励磁电压控制信号，其中，预设鲁棒H∞控制模型的目标函数为最大化故障期间风力发电系统的干扰抑制效果和动态响应性能；
S2，根据转子侧换流器励磁电压控制信号，对换流器开断进行控制，以实现对双馈风力发电系统的故障穿越控制。
本发明使用输入-状态稳定(Input-to-State Stabiliy,ISS)理论保证系统的稳定性、基于状态相关Riccati方程(StateDependentRiccati Equation,SDRE)近似求解鲁棒H∞控制问题，设计转子电流抑制机制和主动式撬棒保护电路以抑制转子过电流；所述ISS控制器具备两个可调参数，并将其设置为新的控制变量。将SDRE方法通过状态相关系数(StateDependentCoefficient，SDC)分解，对非线性系统进行扩展线性化，并利用线性鲁棒控制理论求解所述鲁棒控制问题。所述转子电流抑制机制根据转子电流的实测值和门槛值更新转子侧换流器励磁电压，当故障初期出现转子过电流时，所述主动式撬棒保护电路在故障初期短时投入。
预设鲁棒H∞控制模型的具体过程为：构造双馈风力发电系统ISS-Lyapunov函数，并设计参数化的ISS控制器以镇定双馈风力发电系统。
求解预设鲁棒H∞控制模型的具体过程如下：
利用Matlab中的线性矩阵不等式(LinearMatrixInequality，LMI)工具，对所述鲁棒控制模型进行求解，得到转子换流器励磁电压控制信号。
具体的，利用基于二分法的搜索算法，找到能使所述状态相关Riccati方程有解的最小的γ(扰动到输出的增益)。
其中，所述基于二分法的搜索算法包括：
在初始化算法时，设置初始搜索范围，并给定搜索精度及迭代次数上限，将搜索范围的上边界赋值给γ；
在迭代中更新搜索范围时，考察区间中点能否使方程有解，如果能则将区间中点赋值给γ，并将搜索范围更新为区间的前二分之一，否则将搜索范围更新为区间的后二分之一；
在迭代中更新搜索范围时，如果已经达到给定的搜索精度，或迭代次数达到上限，则停止迭代。
首先，预设鲁棒H∞控制模型的表达式如下：
其中，u表示控制输入，d表示外部干扰，x是系统状态，且xe表示相对于某一操作条件的平衡点，z是调节输出，h和k是光滑映射，γ为扰动到输出的增益。
具体地，对于双馈风风力发电系统，双馈风风力发电系统详细的五阶动态方程的表达式如下：
其中，s，H分别为转子转差率和总惯量常数，Ps，Pm分别为电功率及机械功率，ωs为同步转子转速，Vds，Vqs分别为定子电压在d/q轴的分量，T′为转子电流时间常数，X，X′分别为定、转子暂态电抗，Rr为转子电阻，E′d，E′q分别为暂态电抗上面的电压在d/q轴的分量，Ids，Iqs分别为定子电流在d/q轴的分量，Vdr，Vqr分别为定子电压在d/q轴的分量。
将双馈风机五阶动态方程的平衡点平移至原点，得到预设鲁棒H∞控制模型中的动态方程，表达式如下：
本发明实施例提供的一种双馈风力发电系统故障穿越控制方法，通过引入目标函数为最大化故障期间所述风力发电系统的干扰抑制效果并提升动态响应性能的鲁棒H∞控制模型，并根据该预设鲁棒H∞控制模型求解出转子侧换流器励磁电压控制信号，对换流器开断进行控制，以实现对双馈风力发电系统的故障穿越控制，基于ISS理论更新被控对象数学模型，使得受控系统的稳定性具有理论保证。
基于上述实施例，所述鲁棒H∞控制模型可转化为求解以下的HJI方程获得。
其中Q和R是控制目标中的权重矩阵。对于非线性系统而言，缺乏求解HJI方程的一般性方法，本发明基于SDRE技术的近似求解所述鲁棒H∞控制模型。
基于上述实施例，本发明通过SDRE技术近似求解鲁棒H∞控制模型。具体地，在研究线性系统的鲁棒控制时，将HJI方程将转化为状态相关Riccati不等式。Riccati不等式可以通过Matlab中的线性矩阵不等式(LMI)工具求解。
基于SDRE技术对非线性系统进行扩展线性化，使得转换后系统具有线性结构。因此，线性系统的特性得以应用于原非线性系统的控制器设计中。
具体地，SDRE技术的应用需要系统逐点满足稳定性和可控性。基于上述实施例，本发明通过ISS理论保证受控系统的稳定性和可控性。
定义1考虑如下的仿射非线性系统：
如果以下不等式成立：
则上述仿射非线性系统是输入-状态稳定的。其中x∈Rn，d∈Rp，f：Rn→Rn，g：Rn→Rn ×p，|·|分别表示欧几里得范数，||·||∞表示(本质)上确界。β和γ是比较函数，
比较函数的定义如下：
函数
函数
函数
定义2如果对于如下含有外部扰动的受控非线性系统：
若存在正定的且径向无界的函数V，使得对于所有x≠0，以下条件成立：
则受控非线性系统为可输入-状态稳定的系统，即存在某一控制律u＝k(x)，使得受控系统满足输入-状态稳定的定义2。其中，ρ是比较函数，V称为ISS控制Lyapunov函数。
本发明采用参数化的ISS控制器以保证受控系统的稳定性和可控性，相应的ISS控制器表达式如下：
其中，ξ与正交，β在的范围内，V是系统的ISS-CLF，
基于上述实施例，参数化的ISS控制器提供了相对于某些约束选择控制参数的自由度。因此，本发明利用SDRF技术为ISS控制器参数的选择提供指导，更新后的双馈风力发电机模型可以重新制定为以下形式：
令ξ可以表示为它垂直于其中kε∈Rn。
具体的，用ISS控制器实现的DFIG(双馈风力发电机)新的动态模型可以表示为如下仿射非线性系统：
其中，g3(x)为矩阵g2(x)和由所构成的矩阵的乘积组成。v表示新控制输入，其形式为[v1 v2]T＝[β kε]T，
具体地，新的鲁棒H∞控制模型的表达式如下：
具体的，基于SDRE技术对双馈风力风机模型进行扩展线性化：
其中，f(x)和h(x)为连续可微函数，并且B1(x)，B2(x)，D(x)∈C0(Ω)，Ω表示系统状态变量的定义域。
具体地，A(x)和C(x)称为状态相关系数(SDC)，表达式如下：
具体地，对于多维系统而言，存在无限个SDC分解，SDC分解选择的灵活性将为SDRE控制带来额外的自由度。
具体地，对于具有多个变量的非线性系统，若存在两个不相关的SDC矩阵，则非线性函数的无限个SDC参数化可以由以下超平面表示：
A(α，x)＝αA1(x)+(1-α)A2(x)
具体地，一种选择最优SDC分解的方法是最大化受控系统的逐点可控性。本发明采用Gramian奇异值度量受控系统的可控性。可控性Gramian的定义如下：
其中是和的解。本发明考虑无限时间尺度H∞控制问题，并且初始时间ti为0。
令σmin(P)表示矩阵P的最小奇异值，σmin(P)的值越大表明系统的可控性越强。基于搜索算法，寻求使σmin(P)值最大的向量α，以获得最优的SDC分解。
具体地，基于SDRE技术对所述双馈风力风机发电系统进行扩展线性化，得到如下的线性结构：
具体地，通过选择调节输出z，鲁棒H∞控制为状态波动和控制效果之间的权衡提供了额外的自由度。在本发明中，调节输出z按以下形式选择。
其中，Q＝CTC和R＝KTK是正定对称矩阵，而且||z(t)||2＝zT(t)z(t)＝xTQx+vTRv。
具体地，所提出的鲁棒控制的控制目标是降低外部干扰对系统动态特性和转子电流的影响。由于转子过电流通常发生在严重电网故障的初始故障期，所以控制目标在暂态过程中分为以下两个阶段。
故障初期的目标是抑制转子过电流，以保证DFIG的不间断运行。DFIG的转子电流的表达式如下：
具体地，加权矩阵的选择如下：
其中CS1和KS1表示第一阶段的加权矩阵，而λC，λK是相应的系数。在本发明中，第一阶段的持续时间选为0.033s(2个系统周期)。
在故障初期后，目标是获得理想的动态性能。因此，选择Q(x)与状态变量的偏移程度正相关，并选择R(x)作与状态变量偏移反相关，从而节省了平衡点附近的控制成本。具体地，权重矩阵的表达式如下：
其中λQ，λR是相应的系数，并且mi是正实常数。
基于上述实施例，双馈风力发电系统的鲁棒H∞控制信号可通过求以下状态相关Riccati方程获得：
其中
基于上述实施例，得出基于SDRE的DFIG鲁棒H∞控制信号，表达式如下：
其中，P是状态相关Riccati方程的解，为一正定对称矩阵。
求得基于SDRE的DFIG鲁棒H∞控制信号后，可以获取转子侧换流器励磁电压控制信号；
具体地，为求解Riccati方程，先使用二分法通过多次迭代求出可以使所述状态相关Riccati方程有解的最小的γ值(扰动到输出的增益)，然后将此γ值代入Riccati方程并用Matlab中的线性矩阵不等式(Linear Matrix Inequality，LMI)工具求解，具体流程如下：
第一步，设置γ的取值上限H、下限L、求解精度δ、迭代次数计数变量m、以及迭代次数上限M；
第二步，如果H-L≤δ，跳至第五步，否则进行下一步；
第三步，如果m≥M，跳至第五步，否则进行下一步；
第四步，根据当前γ能否使得方程有解，更新γ、上限H及下限L，如果γ使得方程有解，令H＝γ，如果当前γ不能使得方程有解，令L＝γ，然后转至第二步；
第五步，将γ代入Riccati方程，调用Matlab中LMI工具的函数直接求解此方程。
为了避免整个故障期间的转子过电流，本发明提出转子电流抑制机制，并在故障后启动。转子电流的表达式如下：
设Irmax和分别表示转子电流的最大容许值和估算的转子电流。如果令更新的控制输入表达式如下：
其中，s*，表示相应的状态变量和预定的控制输入，和表示更新的控制输入。为保证系统一定的安全裕度，选择小于Irmax的转子电流Irthr作为转子电流的门槛值，将比率k更新为
由于换流器容量的限制，在严重故障情况下，上述转子电流抑制机制可能无法确保故障初期转子电流不越限。
基于上述实施例，应用主动式Crowbar保护电路用于抑制初始故障期间的瞬态过电流。在本发明中，一旦发生转子过流，主动式Crowbar电路将被激活，并且Crowbar电路的持续时间大约为1.5个系统周期(接近0.025s)。在转子电流恢复至最大允许值以下后，退出Crowbar保护电路，转子电流抑制机制得以恢复并在故障期间为系统提供支撑。
下面通过一个实例对本发明实施例进行进一步说明，以下仅为本发明实施例的一个实例，本发明实施例并不以此为限。
测试系统如图2所示，通过时域仿真验证了该方法在干扰抑制及提升动态性能方面的有效性。
1)参数设定
双馈风力发电系统总功率为9MW，配备6台1.5MW DFIG风力发电机，具体仿真模型可参考Matlab/Simulink 2016a。风速设置为15m/秒。在本发明中，转子电流的极限值设置为2p.u.。基于转子电流限制机制，转子电流的阈值设置为1.75p.u.，以保证约15％的安全裕度。本发明实施例对常规PI控制器、原始ISS控制器和本发明提出的基于SDRE技术的控制方法进行了仿真分析。
2)求解结果
首先，考虑严重的故障状况。在25kV母线上，t＝0s时系统发生三相接地故障，接地电阻为0.5Ω，故障持续时间为0.4s。通过MATLAB仿真，比较传统PI控制器、滑模(SMC)控制器和所述基于SDRE技术的鲁棒H∞控制器对双馈风机故障穿越的控制效果。实施例系统结构如图2所示；
具体地，系统动态响应如图3、图4、图5、图6和图7所示。其中，转子电流的极限值(2p.u.)及其相应的门槛值(1.75p.u.)分别如图3(a)和图3(b)中虚线所示。从图3可以看出，当DFIG的转子在电流超过2p.u.时，crowbar保护电路被激活。与PI和SMC控制器相比，所述基于SDRE的鲁棒H∞控制器在初始故障期具有较好的转子电流抑制效果。从图6中可以看出，在暂态过程中，基于SDRE的鲁棒H∞控制器的双馈风机端电压约为0.4p.u.，而SMC控制器和传统PI控制器的端电压分别约为0.15p.u.和0.2p.u.。因此，本发明所述方法具有更好的电压支撑效果。在图4中，基于所述鲁棒H∞控制器，风电场可以产生比PI控制器和SMC控制器更好的有功功率支撑效果，能够有效抑制转子超速，如图7所示。
在图5中，所述鲁棒H∞控制器在暂态期间能够提供更多的无功功率支撑，从而在故障期间为端电压提供的更多支持。因此，本发明的方法获得了更好的电压动态响应，如图6所示。
图8为本发明实施例提供的一种双馈风力发电系统故障穿越控制方法，所述双馈风力发电系统包括风机本体、感应电机、换流器、以及控制系统，所述控制系统包括：计算模块1和调控模块2。其中：
计算模块1用于通过求解预设鲁棒H∞控制模型，获取所述转子侧换流器励磁电压控制信号，其中，所述预设鲁棒H∞控制模型的目标函数为最大化故障期间所述风力发电系统的干扰抑制效果和动态响应性能。调控模块2用于根据转子侧换流器励磁电压控制信号，对换流器开断进行控制，以实现对所述双馈风力发电系统的故障穿越控制。
本发明实施例提供的一种双馈风力发电系统故障穿越控制方法及系统，通过引入目标函数为最大化故障期间所述风力发电系统的干扰抑制效果和动态响应性能的鲁棒H∞控制模型，并根据该预设鲁棒H∞控制模型求解出转子侧换流器励磁电压控制信号，对换流器开断进行控制，以实现对所述双馈风力发电系统的故障穿越控制，基于ISS理论更新被控对象数学模型，使得受控系统的稳定性具有理论保证。
本发明实施例公开一种计算机程序产品，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，计算机能够执行上述各方法实施例所提供的方法，例如包括：通过预设鲁棒H∞控制模型，获取所述转子侧换流器励磁电压控制信号，其中，所述预设鲁棒H∞控制模型的目标函数为最大化故障期间所述风力发电系统的干扰抑制效果和动态响应性能；根据转子侧换流器励磁电压控制信号，对换流器开断进行控制，以实现对所述双馈风力发电系统的故障穿越控制。
本发明实施例提供一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行上述各方法实施例所提供的方法，例如包括：通过预设鲁棒H∞控制模型，获取所述转子侧换流器励磁电压控制信号，其中，所述预设鲁棒H∞控制模型的目标函数为最大化故障期间所述风力发电系统的干扰抑制效果和动态响应性能；根据转子侧换流器励磁电压控制信号，对换流器开断进行控制，以实现对所述双馈风力发电系统的故障穿越控制。
本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于一计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种双馈风力发电系统故障穿越控制方法，其特征在于，包括以下步骤：
S1，通过求解预设鲁棒H∞控制模型，获取转子侧换流器励磁电压控制信号，其中，所述预设鲁棒H∞控制模型的目标函数为最大化故障期间风力发电系统的干扰抑制效果和动态响应性能；
S2，根据转子侧换流器励磁电压控制信号，对换流器开断进行控制，以实现对双馈风力发电系统的故障穿越控制。
2.根据权利要求1所述的一种双馈风力发电系统故障穿越控制方法，其特征在于，预设鲁棒H∞控制模型的表达式如下：
其中，u表示控制输入，d表示外部干扰，x是系统状态，且xe表示相对于某一操作条件的平衡点，z是调节输出，h和k是光滑映射，γ为扰动到输出的增益；
对于双馈风风力发电系统，双馈风风力发电系统详细的五阶动态方程的表达式如下：
其中，s，H分别为转子转差率和总惯量常数，Ps，Pm分别为电功率及机械功率，ωs为同步转子转速，Vds，Vqs分别为定子电压在d/q轴的分量，T′为转子电流时间常数，X，X′分别为定、转子暂态电抗，Rr为转子电阻，E′d，E′q分别为暂态电抗上面的电压在d/q轴的分量，Ids，Iqs分别为定子电流在d/q轴的分量，Vdr，Vqr分别为定子电压在d/q轴的分量；
将双馈风机五阶动态方程的平衡点平移至原点，得到预设鲁棒H∞控制模型中的动态方程，表达式如下：
3.根据权利要求2所述的一种双馈风力发电系统故障穿越控制方法，其特征在于，
将求解鲁棒H∞控制模型转化为求解以下的HJI方程：
其中Q和R是控制目标中的权重矩阵。
4.根据权利要求3所述的一种双馈风力发电系统故障穿越控制方法，其特征在于，先构造双馈风力发电系统ISS-Lyapunov函数，并设计参数化的ISS控制器以镇定双馈风力发电系统，再将HJI方程将转化为状态相关Riccati不等式；Riccati不等式通过Matlab中的线性矩阵不等式工具求解。
5.根据权利要求4所述的一种双馈风力发电系统故障穿越控制方法，其特征在于，为保证系统逐点满足稳定性和可控性，进行如下定义：
定义1 考虑如下的仿射非线性系统：
如果以下不等式成立：
则上述仿射非线性系统是输入-状态稳定的；其中x∈Rn，d∈Rp，f：Rn→Rn，g：Rn→Rn×p，|·|分别表示欧几里得范数，||·||∞表示(本质)上确界；β和γ是比较函数，比较函数的定义如下：
函数
函数
函数
定义2 如果对于如下含有外部扰动的受控非线性系统：
若存在正定的且径向无界的函数V，使得对于所有x≠0，以下条件成立：
则受控非线性系统为可输入-状态稳定的系统，即存在某一控制律u＝k(x)，使得受控系统满足输入-状态稳定的定义2；其中，ρ是比较函数，V称为ISS控制Lyapunov函数；
采用参数化的ISS控制器以保证受控系统的稳定性和可控性，相应参数化的ISS控制器表达式如下：
其中，ξ与正交，β在的范围内，V是系统的ISS-CLF，
参数化的ISS控制器提供了相对于某些约束选择控制参数的自由度，所以更新后的双馈风力发电机模型重新制定为以下形式：
令ξ表示为它垂直于其中kε∈Rn；
用ISS控制器实现的双馈风力发电机新的动态模型表示为如下仿射非线性系统：
其中，g3(x)为矩阵g2(x)和由所构成的矩阵的乘积组成；v表示新控制输入，其形式为[v1 v2]T＝[β kε]T；
新的鲁棒H∞控制模型的表达式如下：
6.根据权利要求5所说的一种双馈风力发电系统故障穿越控制方法，其特征在于，基于SDRE技术对双馈风力风机模型进行扩展线性化：
其中，f(x)和h(x)为连续可微函数，并且B1(x)，B2(x)，D(x)∈C0(Ω)，Ω表示系统状态变量的定义域；
A(x)和C(x)称为状态相关系数，表达式如下：
对于多维系统而言，存在无限个SDC分解；
对于具有多个变量的非线性系统，若存在两个不相关的SDC矩阵，则非线性函数的无限个SDC参数化由以下超平面表示：
A(α，x)＝αA1(x)+(1-α)A2(x)
选择最优SDC分解的方法是最大化受控系统的逐点可控性，具体为采用Gramian奇异值度量受控系统的可控性；可控性Gramian的定义如下：
其中是和的解；考虑无限时间尺度H∞控制问题，并且初始时间ti为0；
令σmin(P)表示矩阵P的最小奇异值，σmin(P)的值越大表明系统的可控性越强；基于搜索算法，寻求使σmin(P)值最大的向量α，以获得最优的SDC分解。
7.根据权利要求6所说的一种双馈风力发电系统故障穿越控制方法，其特征在于，基于SDRE技术对所述双馈风力风机发电系统进行扩展线性化，得到如下的线性结构：
通过选择调节输出z，鲁棒H∞控制为状态波动和控制效果之间的权衡提供了额外的自由度；调节输出z按以下形式选择；
其中，Q＝CTC和R＝KTK是正定对称矩阵，而且||z(t)||2＝zT(t)z(t)＝xTQx+vTRv。
8.根据权利要求7所说的一种双馈风力发电系统故障穿越控制方法，其特征在于，鲁棒控制的控制目标是降低外部干扰对系统动态特性和转子电流的影响；由于转子过电流通常发生在严重电网故障的初始故障期，所以控制目标在暂态过程中分为以下两个阶段；
故障初期的目标是抑制转子过电流，以保证DFIG的不间断运行；DFIG的转子电流的表达式如下：
加权矩阵的选择如下：
其中CS1和Ks1表示第一阶段的加权矩阵，λC，λK是相应的系数；
在故障初期后，目标是获得理想的动态性能；因此，选择Q(x)与状态变量的偏移程度正相关，并选择R(x)作与状态变量偏移反相关，从而节省了平衡点附近的控制成本；权重矩阵的表达式如下：
其中λQ，λR是相应的系数，并且mi是正实常数；
双馈风力发电系统的鲁棒H∞控制信号通过求以下状态相关Riccati方程获得：
其中
得出基于SDRE的DFIG鲁棒H∞控制信号，表达式如下：
其中，P是状态相关Riccati方程的解，为一正定对称矩阵；
求得基于SDRE的DFIG鲁棒H∞控制信号后，获取转子侧换流器励磁电压控制信号。
9.根据权利要求8所说的一种双馈风力发电系统故障穿越控制方法，其特征在于，为求解Riccati方程，先使用二分法通过多次迭代求出能够使所述状态相关Riccati方程有解的最小的γ值(扰动到输出的增益)，然后将此γ值代入Riccati方程并用Matlab中的线性矩阵不等式工具求解，具体流程如下：
第一步，设置γ的取值上限H、下限L、求解精度δ、迭代次数计数变量m、以及迭代次数上限M；
第二步，如果H-L≤δ，跳至第五步，否则进行下一步；
第三步，如果m≥M，跳至第五步，否则进行下一步；
第四步，根据当前γ能否使得方程有解，更新γ、上限H及下限L，如果γ使得方程有解，令H＝γ，如果当前γ不能使得方程有解，令L＝γ，然后转至第二步；
第五步，将γ代入Riccati方程，调用Matlab中线性矩阵不等式工具的函数求解此方程。
10.根据权利要求9所说的一种双馈风力发电系统故障穿越控制方法，其特征在于，为了避免整个故障期间的转子过电流，在故障后启动转子电流抑制机制；转子电流的表达式如下：
设Irmax和分别表示转子电流的最大容许值和估算的转子电流；如果令更新的控制输入表达式如下：
其中，s*，表示相应的状态变量和预定的控制输入，和表示更新的控制输入；为保证系统一定的安全裕度，选择小于Irmax的转子电流Irthr作为转子电流的门槛值，将比率k更新为
由于换流器容量的限制，在严重故障情况下，上述转子电流抑制机制可能无法确保故障初期转子电流不越限；应用主动式Crowbar电路用于抑制初始故障期间的瞬态过电流；一旦发生转子过流，主动式Crowbar电路将被激活，在转子电流恢复至最大允许值以下后，退出Crowbar保护电路，转子电流抑制机制得以恢复并在故障期间为系统提供支撑。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810846870.9A CN108964127B (zh) | 2018-07-27 | 2018-07-27 | 一种双馈风力发电系统故障穿越的控制方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810846870.9A CN108964127B (zh) | 2018-07-27 | 2018-07-27 | 一种双馈风力发电系统故障穿越的控制方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108964127A true CN108964127A (zh) | 2018-12-07 |
| CN108964127B CN108964127B (zh) | 2020-03-13 |
Family
ID=64466230
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810846870.9A Active CN108964127B (zh) | 2018-07-27 | 2018-07-27 | 一种双馈风力发电系统故障穿越的控制方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108964127B (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109474014A (zh) * | 2018-12-13 | 2019-03-15 | 西安交通大学 | 一种对双馈风场接入电网友好性的量化评估方法 |
| CN110336323A (zh) * | 2019-07-12 | 2019-10-15 | 哈尔滨理工大学 | 一种改进的低压穿越控制系统 |
| CN110518595A (zh) * | 2019-08-09 | 2019-11-29 | 西安交通大学 | 一种抑制高压直流输电系统送端过电压的方法 |
| CN112257291A (zh) * | 2020-11-09 | 2021-01-22 | 新疆大学 | 基于区间参数pid控制器的双馈风力发电系统电流控制方法 |
| CN116911578A (zh) * | 2023-09-13 | 2023-10-20 | 华能信息技术有限公司 | 一种风电控制系统的人机交互方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102611118A (zh) * | 2012-03-14 | 2012-07-25 | 清华大学 | 一种引入预测信息的风电场综合无功电压控制方法 |
| CN103812108A (zh) * | 2014-01-24 | 2014-05-21 | 清华大学 | 一种考虑电网连接电抗器参数摄动的apf控制算法 |
| CN107579546A (zh) * | 2016-11-10 | 2018-01-12 | 中国能源建设集团广东省电力设计研究院有限公司 | 基于双馈风电机组风机拓扑结构的海上风电场无功优化配置方法 |
-
2018
- 2018-07-27 CN CN201810846870.9A patent/CN108964127B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102611118A (zh) * | 2012-03-14 | 2012-07-25 | 清华大学 | 一种引入预测信息的风电场综合无功电压控制方法 |
| CN103812108A (zh) * | 2014-01-24 | 2014-05-21 | 清华大学 | 一种考虑电网连接电抗器参数摄动的apf控制算法 |
| CN107579546A (zh) * | 2016-11-10 | 2018-01-12 | 中国能源建设集团广东省电力设计研究院有限公司 | 基于双馈风电机组风机拓扑结构的海上风电场无功优化配置方法 |
Non-Patent Citations (2)
| Title |
|---|
| BOYU QIN ; HAOYUAN SUN: "State Dependent Riccati Equation Based Rotor-Side Converter Control for Doubly Fed Wind Generator", 《IEEE ACCESS》 * |
| 邓三星 等；: "基于状态相关Riccati方程的双馈风机控制", 《电网技术》 * |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109474014A (zh) * | 2018-12-13 | 2019-03-15 | 西安交通大学 | 一种对双馈风场接入电网友好性的量化评估方法 |
| CN110336323A (zh) * | 2019-07-12 | 2019-10-15 | 哈尔滨理工大学 | 一种改进的低压穿越控制系统 |
| CN110518595A (zh) * | 2019-08-09 | 2019-11-29 | 西安交通大学 | 一种抑制高压直流输电系统送端过电压的方法 |
| CN112257291A (zh) * | 2020-11-09 | 2021-01-22 | 新疆大学 | 基于区间参数pid控制器的双馈风力发电系统电流控制方法 |
| CN112257291B (zh) * | 2020-11-09 | 2022-08-23 | 新疆大学 | 基于区间参数pid控制器的双馈风力发电系统电流控制方法 |
| CN116911578A (zh) * | 2023-09-13 | 2023-10-20 | 华能信息技术有限公司 | 一种风电控制系统的人机交互方法 |
| CN116911578B (zh) * | 2023-09-13 | 2024-02-27 | 华能信息技术有限公司 | 一种风电控制系统的人机交互方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108964127B (zh) | 2020-03-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Chowdhury et al. | Nonlinear controller design for series-compensated DFIG-based wind farms to mitigate subsynchronous control interaction | |
| CN108964127A (zh) | 一种双馈风力发电系统故障穿越的控制方法 | |
| Pradhan et al. | Adaptive virtual inertia-based frequency regulation in wind power systems | |
| Ochoa et al. | Frequency dependent strategy for mitigating wind power fluctuations of a doubly-fed induction generator wind turbine based on virtual inertia control and blade pitch angle regulation | |
| Naik et al. | Design and implementation of interval type-2 fuzzy logic-PI based adaptive controller for DFIG based wind energy system | |
| Liu et al. | Co-ordinated multiloop switching control of DFIG for resilience enhancement of wind power penetrated power systems | |
| Mensou et al. | An efficient nonlinear Backstepping controller approach of a wind power generation system based on a DFIG | |
| Wang et al. | Utilisation of kinetic energy from wind turbine for grid connections: a review paper | |
| CN108631332B (zh) | 双馈风电场次同步振荡svc抑制方法及装置 | |
| Zamzoum et al. | Performance analysis of a robust adaptive fuzzy logic controller for wind turbine power limitation | |
| Zamzoum et al. | Active and reactive power control of wind turbine based on doubly fed induction generator using adaptive sliding mode approach | |
| Laghridat et al. | A novel adaptive active disturbance rejection control strategy to improve the stability and robustness for a wind turbine using a doubly fed induction generator | |
| Nasiri et al. | PID-type terminal sliding mode control for permanent magnet synchronous generator-based enhanced wind energy conversion systems | |
| Zhou et al. | Q-learning and dynamic fuzzy Q-learning based intelligent controllers for wind energy conversion systems | |
| Roy et al. | Mitigation of SSR in series-compensated DFIG-based wind farms with STATCOMs using a nonlinear backstepping control scheme | |
| Hamid et al. | Performance improvement of the variable speed wind turbine driving a DFIG using nonlinear control strategies | |
| Bakir et al. | Experimental evaluation of water cycle technique for control parameters optimization of double-fed induction generator-based wind turbine | |
| Kumar et al. | Comparative analysis of control schemes for dfig-based wind energy system | |
| CN114069711A (zh) | 一种海上风电虚拟惯量控制系统 | |
| Sravanthi et al. | Critical clearing time and transient stability analysis of SCIG based wind farm with STATCOM | |
| Radmanesh et al. | Elimination of sub-synchronous resonance via doubly-fed induction generator based on teaching-learning-based optimization (TLBO) algorithm | |
| Manjeera et al. | Design and Implementation of Fuzzy logic-2DOF controller for Emulation of wind turbine System | |
| Karami et al. | Implementation of SVC based on grey theory and fuzzy logic to improve LVRT capability of wind distributed generations | |
| CN112994048B (zh) | 考虑频率电压交互的双馈风机一次调频控制方法及装置 | |
| Nadour et al. | Advanced backstepping control of a wind energy conversion system using a doubly-fed induction generator |
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 |