CN109687524B - 双馈风力发电机组的多目标模型预测控制方法 - Google Patents
双馈风力发电机组的多目标模型预测控制方法 Download PDFInfo
- Publication number
- CN109687524B CN109687524B CN201910157261.7A CN201910157261A CN109687524B CN 109687524 B CN109687524 B CN 109687524B CN 201910157261 A CN201910157261 A CN 201910157261A CN 109687524 B CN109687524 B CN 109687524B
- Authority
- CN
- China
- Prior art keywords
- moment
- rotor
- stator voltage
- component
- formula
- 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 24
- 239000013598 vector Substances 0.000 claims abstract description 52
- 238000004364 calculation method Methods 0.000 claims abstract description 11
- 230000009466 transformation Effects 0.000 claims abstract description 11
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 10
- 238000005070 sampling Methods 0.000 claims abstract description 10
- 230000001360 synchronised effect Effects 0.000 claims description 15
- 238000012937 correction Methods 0.000 claims description 12
- 230000003068 static effect Effects 0.000 claims description 9
- 238000004804 winding Methods 0.000 claims description 9
- 238000012545 processing Methods 0.000 claims description 6
- 239000011541 reaction mixture Substances 0.000 claims description 3
- 238000010187 selection method Methods 0.000 abstract description 4
- 230000010349 pulsation Effects 0.000 description 6
- 238000011217 control strategy Methods 0.000 description 5
- 238000010248 power generation Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000001629 suppression Effects 0.000 description 3
- 230000033228 biological regulation Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000011089 mechanical engineering Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 230000002401 inhibitory effect Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000013341 scale-up Methods 0.000 description 1
Images
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
- Control Of Eletrric Generators (AREA)
Abstract
本发明公开了一种双馈风力发电机组的多目标模型预测控制方法,其步骤包括:1对定子电压和转子电流采样离散,并对其进行正负序分解;2利用预测方程对定子电压和转子电流的正负序分量进行两步预测;3根据所提出的误差函数方程计算结果,采用采用有限集模型预测控制(FCS‑MPC)选择合适的开关矢量sa(k)、sb(k)和sc(k);4.根据优化的电压矢量选择方法确定下一时刻的备选开关矢量。本发明能增强双馈风力发电机组不平衡故障下稳定运行的能力,同时避免复杂的坐标变换和转子电流指令值计算,实现双馈风力发电机组转子电流的统一控制。
Description
技术领域
本发明围绕新能源发电技术领域,研究双馈风力发电机组控制方法,涉及一种不平衡电网电压下双馈风电机组的控制策略,特别是涉及多目标的模型预测控制方法。
背景技术
随着风力发电技术的不断发展,风能已经成为最具规模化应用前景的可再生能源之一。其中,基于双馈感应发电机的风力发电系统具有变速恒频和四象限运行能力、有功无功独立调节、变流器容量小等优点,在风力发电领域得到广泛应用。但是由于双馈风力发电机组定子直接与电网相连,容易受到电网电压的影响,当电网电压不平衡时,双馈风力发电机组会出现功率波动、转矩波动、电流谐波等现象,严重时甚至会导致风电机组从电网中脱出。但是从电网安全运行角度来说,要求风电机组能承受一定程度的负序电流而不脱网,风电场接入电力系统技术规定中明确规定当风电场并网点的负序电压不平衡度达2%、短时达4%条件下,风电机组应能正常不脱网运行。因此,双馈风力发电机组在电网电压不平衡条件下的控制技术对于提高风电机组运行的可靠性有重要意义。
目前,不平衡电网电压下的双馈风力发电机组控制技术主要基于矢量控制(Vector Control,VC)和直接功率控制(Direct Power Control,DPC),其控制的关键都在于采用的控制器对参考量无静差的跟踪能力。已经公开的相关文献如题为“电网电压不对称骤升下双馈风力发电机改进控制策略”(谢震,张兴,杨淑英,.中国电机工程学报,2013,33(15))的文章,提出了一种双馈风力发电机组在不平衡电网电压下运行的控制方法,通过在在正、反转同步坐标系上分别对正、负序分量进行控制,利用比例积分调节器实现无静差控制,具有良好的稳态性能。同时,该文章提出的控制方案中仍存在以下不足:
1)所设计的控制策略需要对不平衡电压电流进行正负序分解和坐标变换,运算量较大且对精度要求高;
2)在同步旋转坐标系下电流环的比例积分调节器进行闭环控制只能实现一个控制目标。
另外,题为“电网电压不平衡时基于谐振闭环调节的双馈异步发电机转矩波动抑制策略”(程鹏,年珩.中国电机工程学报,2015,35(7).)的文章,采用了比例谐振控制器代替传统的矢量控制中的比例积分(PI)控制器,可以在αβ轴上实现对双馈风力发电机组转子电流的统一控制,无需正、负序分解,同时也省去了复杂的坐标变换,而且利用比例谐振控制器的控制方案还可以通过给定不同的转子电流指令值实现不同的控制目标,同时该文章提出的技术方案仍存在以下问题:
1)闭环控制的参考指令中,每种电流指令值只能对应唯一的控制目标,灵活性较差;
2)抑制策略中的指令值计算规则复杂,在实际运行控制中受到限制。
发明内容
本发明为克服现有技术存在的不足之处,提出一种双馈风力发电机组的多目标模型预测控制方法,以期能增强双馈风力发电机组不平衡故障下稳定运行的能力,同时避免复杂的坐标变换和转子电流指令值计算,实现双馈风力发电机组转子电流的统一控制。
本发明为达到上述发明目的,采用如下技术方案:
本发明一种双馈风力发电机组的多目标模型预测控制方法的特点是按照以下步骤进行:
步骤1,实时采样双馈风力发电机组的定子电压三相交流信号Usabc、转子线圈电流三相交流信号Irabc和直流侧电压信号Udc,通过光电编码器提取所述双馈风力发电机组的转子旋转角速度ωr,根据所述转子旋转角速度ωr和双馈风力发电机组的极对数p,利用转子角度计算方程得到双馈风力发电机组的转子角度θr;
步骤2,离散化和坐标变换:
步骤2.1,定义离散采样周期为Ts,当前采样时刻为k,并初始化k=0;
步骤2.2,对所述定子电压三相交流信号Usabc、转子线圈电流三相交流信号Irabc、直流侧电压信号Udc进行DSP数字化离散处理,得到k时刻的定子电压三相交流信号usabc(k)、转子k时刻的线圈电流三相交流信号irabc(k)、k时刻的直流侧电压信号udc(k);
步骤2.3,对所述k时刻的定子电压三相交流信号usabc(k)、转子k时刻的线圈电流三相交流信号irabc(k)、k时刻的直流侧电压信号udc(k)进行abc三相静止坐标系到αβ两相静止坐标系的坐标变换,得到双馈风力发电机组k时刻的定子电压αβ分量usαβ(k)、k时刻的定子输出电流αβ分量isαβ(k)和k时刻的转子线圈电流αβ分量irαβ(k);
步骤3,转子电流指令计算:
步骤3.1,利用式(1)计算k时刻的转子电压urαβ(k):
式(1)中,sa(k)、sb(k)和sc(k)表示k时刻的逆变器三相桥臂的开关矢量;当k=0时,开关矢量为所设定的初值;
步骤3.2,利用双二阶广义积分器对所述k时刻的定子电压αβ分量usαβ(k)进行正负序分解,得到k时刻的定子电压αβ正序分量usαβ+(k)和k时刻的定子电压αβ负序分量usαβ-(k);
式(2)中,和表示dq两相同步旋转坐标系下k时刻的转子有功电流正负序分量的参考指令;和表示dq两相同步旋转坐标系下k时刻的转子无功电流正负序分量的参考指令;θslip(k)表示k时刻的转差角度,当k=0时,θslip(k)为给定的初值;
步骤4,k+1时刻转子电流和定子电压预测:
步骤4.1,利用线性差分方法对所述k时刻的定子电压αβ分量usαβ(k)进行延时补偿,获得到k+1时刻的定子电压αβ分量usαβ(k+1);
步骤4.2,利用式(3)对所述k时刻的转子线圈电流αβ分量irαβ(k)进行延时补偿控制,得到k+1时刻的转子线圈电流αβ分量irαβ(k+1):
步骤4.3,利用双二阶广义积分器对所述k+1时刻的定子电压αβ分量usαβ(k+1)进行正负序分解,得到k+1时刻的定子电压αβ正序分量usαβ+(k+1)和k+1时刻的定子电压αβ负序分量usαβ-(k+1);
步骤4.4,利用双二阶广义积分器的锁相环对所述k+1时刻的定子电压αβ分量usαβ(k+1)进行处理,得到k+1时刻的电网电压同步旋转角度θs(k+1)以及转差角度θslip(k+1);
步骤5,k+2时刻定子电压αβ正负序分量预测:
步骤5.1,利用线性差分方法对所述k+1时刻的定子电压αβ正序分量usαβ+(k+1)进行延时补偿,获得到k+2时刻的定子电压αβ正序分量usαβ+(k+2);
步骤5.2,利用线性差分方法对所述k+1时刻的定子电压αβ负序分量usαβ-(k+1)进行延时补偿,获得到k+2时刻的定子电压αβ负序分量usαβ-(k+2);
步骤6,利用式(4)预测k+1时刻的转子电压urαβ(k+1):
式(4)中,sa′(k+1)、sb′(k+1)和sc′(k+1)为k+1时刻用于控制逆变器三相桥臂的备用矢量;当k=0时,备用矢量为设定的初值;
步骤7,k+2时刻转子电流预测:
步骤7.1,利用式(3)对所述k+1时刻的转子线圈电流αβ分量irαβ(k+1)进行延时补偿控制,得到k+2时刻的转子线圈电流αβ分量irαβ(k+2);
步骤7.4,利用式(6)得到k+2时刻的有功功率预测值Ps(k+2):
式(6)中,usα(k+2)为定子电压k+2时刻的α轴的分量;usβ(k+2)为定子电压k+2时刻的β轴的分量;irα(k+2)为k+2时刻转子电流α轴分量;irβ(k+2)为k+2时刻转子电流β轴分量;usα-(k+2)为定子电压k+2时刻的α轴的负序分量;usβ-(k+2)为定子电压k+2时刻的β轴的负序分量;
步骤7.6,利用(8)得到k+2时刻的无功功率预测值Qs(k+2):
步骤7.8,利用式(10)得到k+2时刻的电磁转矩预测值Ts(k+2):
步骤8,利用式(11)得到k+2时刻的误差函数J(k+2):
式(11)中,λP为有功功率误差的权重系数;λQ为无功功率误差的权重系数;λTe为电磁转矩误差的权重系数;
步骤9,根据误差函数J(k+2)的计算结果选取k+1时刻的逆变器三相桥臂的开关矢量sa(k+1)、sb(k+1)和sc(k+1);
步骤10,当k+1时刻的逆变器三相桥臂的开关矢量sa(k+1)、sb(k+1)和sc(k+1)为零矢量时,将k+1时刻用于控制逆变器三相桥臂的备用矢量sa′(k+1)、sb′(k+1)和sc′(k+1)切换到任意非零矢量;
当k+1时刻的逆变器三相桥臂的开关矢量sa(k+1)、sb(k+1)和sc(k+1)为非零矢量时,将k+1时刻用于控制逆变器三相桥臂的备用矢量sa′(k+1)、sb′(k+1)和sc′(k+1)切换到相邻矢量;
步骤11,将k+1赋值给k,返回步骤2.2执行。
与已有技术相比,本发明有益效果体现在:
1、本发明通过对αβ坐标系下双馈风力发电机组模型的分析,得出了有功功率、无功功率和电磁转矩的预测方程,避免了复杂的坐标变换,无需计算不同控制目标对应的转子电流参考值即可满足控制需求,降低了控制系统的计算量和复杂度,有助于提升动态响应能力。
2、本发明考虑到不平电网电压下双馈风电机组运行中存在的多个脉动变量,建立了包含有功功率、无功功率、电磁转矩等变量的误差函数方程,并加入了权重系数,可以灵活调节各个变量在误差函数方程中所占的权重,大幅提高了控制系统的灵活性和多目标控制能力,增强了在不平衡故障中的稳定运行能力。
3、本发明在逆变器三相桥臂的备选矢量选择方法上采用优化的电压矢量选择方法,降低了备选矢量的数量和计算量,限制了逆变器三相桥臂开关管的动作次数,进一步降低了开关损耗。
附图说明
图1为本发明所采用模型预测多目标控制策略控制框图;
图2为本发明所采用优化的电压矢量选择方法图。
具体实施方式
如图1所示,本实施例中,不平衡电网电压下双馈风电机组多目标模型控制结构,恰中所包含的控制对象:图1中的转子侧变流器、转子绕组电流霍尔元件、光电测速编码器、定子端电压霍尔元件、延时补偿环节、DSOGI正负序分解、DSOGI-PLL、矢量选择优化、预测控制、误差函数J。
本发明实施时的基本参数设置如下:
双馈风力发电机组的额定功率Ps为11kW,额定频率f为50Hz,电网电压Uabc为190V,直流母线电压Udc为300V,电机极对数P为3,定子电阻Rs为0.7Ω,转子电阻Rr为0.59Ω,定转子互感Lm为0.1089H,定子绕组全自感Ls为0.0021H,转子绕组全自感Lr为0.0041H。在本实施例中,定子端电网电压调压器构造不平衡电网,A相电压升高到1.2pu,电网电压不平衡度约为6%。
本实施例中,一种双馈风力发电机组的多目标模型预测控制方法,是以抑制电网电压不平衡故障下双馈风力发电机组输出有功功率脉动、无功功率脉动和转矩脉动为目标,提出一种双馈风力发电机组多目标控制策略,能在低开关频率下实现多目标的同时控制,从而提升双馈风电机组的稳定运行能力。具体的说,该控制方法是按照以下步骤进行:
步骤1,实时采样双馈风力发电机组的定子电压三相交流信号Usabc、转子线圈电流三相交流信号Irabc和直流侧电压信号Udc,通过光电编码器提取双馈风力发电机组的转子旋转角速度ωr,根据转子旋转角速度ωr和双馈风力发电机组的极对数p,利用转子角度计算方程得到双馈风力发电机组的转子角度θr;
步骤2,离散化和坐标变换:
步骤2.1,定义离散采样周期为Ts,本实施例中,令Ts=0.00001s,当前采样时刻为k,并初始化k=0;
步骤2.2,对定子电压三相交流信号Usabc、转子线圈电流三相交流信号Irabc、直流侧电压信号Udc进行DSP数字化离散处理,得到k时刻的定子电压三相交流信号usabc(k)、转子k时刻的线圈电流三相交流信号irabc(k)、k时刻的直流侧电压信号udc(k);
步骤2.3,对k时刻的定子电压三相交流信号usabc(k)、转子k时刻的线圈电流三相交流信号irabc(k)、k时刻的直流侧电压信号udc(k)进行abc三相静止坐标系到αβ两相静止坐标系的坐标变换,得到双馈风力发电机组k时刻的定子电压αβ分量usαβ(k)、k时刻的定子输出电流αβ分量isαβ(k)和k时刻的转子线圈电流αβ分量irαβ(k);
步骤3,转子电流指令计算:
步骤3.1,利用式(1)计算k时刻的转子电压urαβ(k):
式(1)中,sa(k)、sb(k)和sc(k)表示k时刻的逆变器三相桥臂的开关矢量;当k=0时,开关矢量设定初值,本实施例中,sa(k)=0、sb(k)=0和sc(k)=1;
步骤3.2,利用双二阶广义积分器对k时刻的定子电压αβ分量usαβ(k)进行正负序分解,得到k时刻的定子电压αβ正序分量usαβ+(k)和k时刻的定子电压αβ负序分量usαβ-(k);
步骤4,k+1时刻转子电流和定子电压预测:
步骤4.1,利用线性差分方法对k时刻的定子电压αβ分量usαβ(k)进行延时补偿,获得到k+1时刻的定子电压αβ分量usαβ(k+1);
步骤4.2,利用式(3)对k时刻的转子线圈电流αβ分量irαβ(k)进行延时补偿控制,得到k+1时刻的转子线圈电流αβ分量irαβ(k+1):
本实施例中,同步旋转角速度ω1=314.159rad/s
步骤4.3,利用双二阶广义积分器对k+1时刻的定子电压αβ分量usαβ(k+1)进行正负序分解,得到k+1时刻的定子电压αβ正序分量usαβ+(k+1)和k+1时刻的定子电压αβ负序分量usαβ-(k+1);
步骤4.4,利用双二阶广义积分器的锁相环对k+1时刻的定子电压αβ分量usαβ(k+1)进行处理,得到k+1时刻的电网电压同步旋转角度θs(k+1)以及转差角度θslip(k+1);
步骤5,k+2时刻定子电压αβ正负序分量预测:
步骤5.1,利用线性差分方法对k+1时刻的定子电压αβ正序分量usαβ+(k+1)进行延时补偿,获得到k+2时刻的定子电压αβ正序分量usαβ+(k+2);
步骤5.2,利用线性差分方法对k+1时刻的定子电压αβ负序分量usαβ-(k+1)进行延时补偿,获得到k+2时刻的定子电压αβ负序分量usαβ-(k+2);
步骤6,利用式(4)预测k+1时刻的转子电压urαβ(k+1):
式(4)中,s′a(k+1)、s′b(k+1)和s′c(k+1)为k+1时刻用于控制逆变器三相桥臂的备用矢量;当k=0时,备用矢量sa′(k+1)=0、sb′(k+1)=0、sc′(k+1)=1;
步骤7,k+2时刻转子电流预测:
步骤7.1,利用式(3)对k+1时刻的转子线圈电流αβ分量irαβ(k+1)进行延时补偿控制,得到k+2时刻的转子线圈电流αβ分量irαβ(k+2);
步骤7.4,利用式(6)得到k+2时刻的有功功率预测值Ps(k+2):
式(6)中,usα(k+2)为定子电压k+2时刻的α轴的分量;usβ(k+2)为定子电压k+2时刻的β轴的分量;irα(k+2)为k+2时刻转子电流α轴分量;irβ(k+2)为k+2时刻转子电流β轴分量;usα-(k+2)为定子电压k+2时刻的α轴的负序分量;usβ-(k+2)为定子电压k+2时刻的β轴的负序分量;
步骤7.6,利用(8)得到k+2时刻的无功功率预测值Qs(k+2):
步骤7.8,利用式(10)得到k+2时刻的电磁转矩预测值Ts(k+2):
步骤8,利用式(11)得到k+2时刻的误差函数J(k+2):
式(11)中,λP为有功功率误差的权重系数;λQ为无功功率误差的权重系数;λTe为电磁转矩误差的权重系数;
误差函数的权重系数(λP,λQ,λTe)取值变化直接决定了控制效果。本实施例的研究表明,权重系数(λP,λQ,λTe)取值(0.001,0.01,0)时比取值为(0.002,0.02,0)时,对有功功率脉动和无功功率脉动的抑制效果减弱60%,表明,权重系数越大,对相应目标的控制效果越强,但是权重系数过大将影响电流指令的控制效果。
步骤9,根据误差函数J(k+2)的计算结果选取k+1时刻的逆变器三相桥臂的开关矢量sa(k+1)、sb(k+1)和sc(k+1);
步骤10,如图2所示,优化的电压矢量选择备用矢量的的原则为:
当k+1时刻的逆变器三相桥臂的开关矢量sa(k+1)、sb(k+1)和sc(k+1)为零矢量时,将k+1时刻用于控制逆变器三相桥臂的备用矢量s′a(k+1)、s′b(k+1)和s′c(k+1)切换到任意非零矢量;
当k+1时刻的逆变器三相桥臂的开关矢量sa(k+1)、sb(k+1)和sc(k+1)为非零矢量时,将k+1时刻用于控制逆变器三相桥臂的备用矢量s′a(k+1)、s′b(k+1)和s′c(k+1)切换到相邻矢量;
将选择的备用矢量用于步骤6;
步骤11,将k+1赋值给k,返回步骤2.2执行。
Claims (1)
1.一种双馈风力发电机组的多目标模型预测控制方法,其特征是按照以下步骤进行:
步骤1,实时采样双馈风力发电机组的定子电压三相交流信号Usabc、转子线圈电流三相交流信号Irabc和直流侧电压信号Udc,通过光电编码器提取所述双馈风力发电机组的转子旋转角速度ωr,根据所述转子旋转角速度ωr和双馈风力发电机组的极对数p,利用转子角度计算方程得到双馈风力发电机组的转子角度θr;
步骤2,离散化和坐标变换:
步骤2.1,定义离散采样周期为Ts,当前采样时刻为k,并初始化k=0;
步骤2.2,对所述定子电压三相交流信号Usabc、转子线圈电流三相交流信号Irabc、直流侧电压信号Udc进行DSP数字化离散处理,得到k时刻的定子电压三相交流信号usabc(k)、转子k时刻的线圈电流三相交流信号irabc(k)、k时刻的直流侧电压信号udc(k);
步骤2.3,对所述k时刻的定子电压三相交流信号usabc(k)、转子k时刻的线圈电流三相交流信号irabc(k)、k时刻的直流侧电压信号udc(k)进行abc三相静止坐标系到αβ两相静止坐标系的坐标变换,得到双馈风力发电机组k时刻的定子电压αβ分量usαβ(k)、k时刻的定子输出电流αβ分量isαβ(k)和k时刻的转子线圈电流αβ分量irαβ(k);
步骤3,转子电流指令计算:
步骤3.1,利用式(1)计算k时刻的转子电压urαβ(k):
式(1)中,sa(k)、sb(k)和sc(k)表示k时刻的逆变器三相桥臂的开关矢量;当k=0时,开关矢量为所设定的初值;
步骤3.2,利用双二阶广义积分器对所述k时刻的定子电压αβ分量usαβ(k)进行正负序分解,得到k时刻的定子电压αβ正序分量usαβ+(k)和k时刻的定子电压αβ负序分量usαβ-(k);
式(2)中,和表示dq两相同步旋转坐标系下k时刻的转子有功电流正负序分量的参考指令;和表示dq两相同步旋转坐标系下k时刻的转子无功电流正负序分量的参考指令;θslip(k)表示k时刻的转差角度,当k=0时,θslip(k)为给定的初值;
步骤4,k+1时刻转子电流和定子电压预测:
步骤4.1,利用线性差分方法对所述k时刻的定子电压αβ分量usαβ(k)进行延时补偿,获得到k+1时刻的定子电压αβ分量usαβ(k+1);
步骤4.2,利用式(3)对所述k时刻的转子线圈电流αβ分量irαβ(k)进行延时补偿控制,得到k+1时刻的转子线圈电流αβ分量irαβ(k+1):
步骤4.3,利用双二阶广义积分器对所述k+1时刻的定子电压αβ分量usαβ(k+1)进行正负序分解,得到k+1时刻的定子电压αβ正序分量usαβ+(k+1)和k+1时刻的定子电压αβ负序分量usαβ-(k+1);
步骤4.4,利用双二阶广义积分器的锁相环对所述k+1时刻的定子电压αβ分量usαβ(k+1)进行处理,得到k+1时刻的电网电压同步旋转角度θs(k+1)以及转差角度θslip(k+1);
步骤5,k+2时刻定子电压αβ正负序分量预测:
步骤5.1,利用线性差分方法对所述k+1时刻的定子电压αβ正序分量usαβ+(k+1)进行延时补偿,获得到k+2时刻的定子电压αβ正序分量usαβ+(k+2);
步骤5.2,利用线性差分方法对所述k+1时刻的定子电压αβ负序分量usαβ-(k+1)进行延时补偿,获得到k+2时刻的定子电压αβ负序分量usαβ-(k+2);
步骤6,利用式(4)预测k+1时刻的转子电压urαβ(k+1):
式(4)中,s′a(k+1)、s′b(k+1)和s′c(k+1)为k+1时刻用于控制逆变器三相桥臂的备用矢量;当k=0时,备用矢量为设定的初值;
步骤7,k+2时刻转子电流预测:
步骤7.1,利用式(3)对所述k+1时刻的转子线圈电流αβ分量irαβ(k+1)进行延时补偿控制,得到k+2时刻的转子线圈电流αβ分量irαβ(k+2);
步骤7.3,利用式(5)得到k+2时刻的有功功率的给定值Ps *(k+2):
步骤7.4,利用式(6)得到k+2时刻的有功功率预测值Ps(k+2):
式(6)中,usα(k+2)为定子电压k+2时刻的α轴的分量;usβ(k+2)为定子电压k+2时刻的β轴的分量;irα(k+2)为k+2时刻转子电流α轴分量;irβ(k+2)为k+2时刻转子电流β轴分量;usα-(k+2)为定子电压k+2时刻的α轴的负序分量;usβ-(k+2)为定子电压k+2时刻的β轴的负序分量;
步骤7.6,利用(8)得到k+2时刻的无功功率预测值Qs(k+2):
步骤7.8,利用式(10)得到k+2时刻的电磁转矩预测值Ts(k+2):
步骤8,利用式(11)得到k+2时刻的误差函数J(k+2):
式(11)中,λP为有功功率误差的权重系数;λQ为无功功率误差的权重系数;λTe为电磁转矩误差的权重系数;
步骤9,根据误差函数J(k+2)的计算结果选取k+1时刻的逆变器三相桥臂的开关矢量sa(k+1)、sb(k+1)和sc(k+1);
步骤10,当k+1时刻的逆变器三相桥臂的开关矢量sa(k+1)、sb(k+1)和sc(k+1)为零矢量时,将k+1时刻用于控制逆变器三相桥臂的备用矢量s′a(k+1)、s′b(k+1)和s′c(k+1)切换到任意非零矢量;
当k+1时刻的逆变器三相桥臂的开关矢量sa(k+1)、sb(k+1)和sc(k+1)为非零矢量时,将k+1时刻用于控制逆变器三相桥臂的备用矢量s′a(k+1)、s′b(k+1)和s′c(k+1)切换到相邻矢量;
步骤11,将k+1赋值给k,返回步骤2.2执行。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910157261.7A CN109687524B (zh) | 2019-03-01 | 2019-03-01 | 双馈风力发电机组的多目标模型预测控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910157261.7A CN109687524B (zh) | 2019-03-01 | 2019-03-01 | 双馈风力发电机组的多目标模型预测控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109687524A CN109687524A (zh) | 2019-04-26 |
CN109687524B true CN109687524B (zh) | 2021-01-15 |
Family
ID=66197405
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910157261.7A Active CN109687524B (zh) | 2019-03-01 | 2019-03-01 | 双馈风力发电机组的多目标模型预测控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109687524B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106849941B (zh) * | 2017-04-14 | 2021-08-10 | 深圳市英威腾电气股份有限公司 | 一种软件锁相环的实现方法及装置 |
CN110165954B (zh) * | 2019-05-30 | 2020-09-29 | 湖南师范大学 | 一种双馈风力发电系统机侧变流器模型预测控制方法 |
CN112886884B (zh) * | 2021-04-08 | 2022-03-22 | 太原理工大学 | 一种dfig多目标优化控制目标函数的设计方法 |
CN113452068B (zh) * | 2021-06-23 | 2022-06-14 | 湖北工业大学 | 一种连接风电场的vsc整流站多步模型预测控制方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103107534B (zh) * | 2013-01-16 | 2015-10-07 | 浙江大学 | 一种双馈感应发电系统优化功率预测控制方法 |
CN104967376B (zh) * | 2015-07-07 | 2017-08-25 | 河南师范大学 | 双馈风力发电机转子磁链无差拍故障运行方法 |
US10103663B1 (en) * | 2017-04-18 | 2018-10-16 | General Electric Company | Control method for protecting switching devices in power converters in doubly fed induction generator power systems |
CN107425539B (zh) * | 2017-06-26 | 2020-02-07 | 重庆大学 | 电网不对称故障下双馈风电机组的增强低电压穿越控制方法 |
CN108683198B (zh) * | 2018-03-29 | 2020-04-03 | 合肥工业大学 | 双馈风力发电机组的电压控制型虚拟同步方法 |
-
2019
- 2019-03-01 CN CN201910157261.7A patent/CN109687524B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN109687524A (zh) | 2019-04-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109687524B (zh) | 双馈风力发电机组的多目标模型预测控制方法 | |
Amrane et al. | Design and implementation of high performance field oriented control for grid-connected doubly fed induction generator via hysteresis rotor current controller | |
CN108418502B (zh) | 一种基于改进式svpwm的永磁同步电机开绕组容错直接转矩控制方法 | |
Zhang et al. | Indirect stator-quantities control for the brushless doubly fed induction machine | |
CN110021953B (zh) | 电网电压不平衡时柔性多状态开关的直流侧电压控制方法 | |
CN108494007B (zh) | 电网电压不平衡时基于直接功率控制的虚拟同步发电机控制方法 | |
WO2016089859A1 (en) | Bidirectional high frequency variable speed drive for chp (combined heating and power) and flywheel applications | |
CN108880384B (zh) | 一种无刷双馈感应电机的调制模型预测控制方法及系统 | |
CN112019113B (zh) | 基于多目标模型预测的风电机组优化控制方法 | |
CN106452263B (zh) | 一种不平衡电网下dfig基于拓展有功功率的滑模变结构直接功率控制方法 | |
CN113472257A (zh) | 基于扰动补偿的永磁直驱风力发电系统有限集模型预测电流控制方法 | |
CN103427738A (zh) | 一种双馈感应发电机优化预测直接功率控制方法 | |
CN103107534B (zh) | 一种双馈感应发电系统优化功率预测控制方法 | |
Zou et al. | Generalized Clarke transformation and enhanced dual-loop control scheme for three-phase PWM converters under the unbalanced utility grid | |
CN103208817B (zh) | 一种基于二阶滑模的dfig控制方法 | |
CN112436776B (zh) | 用于五相分数槽集中绕组容错电机的开路容错直接转矩控制方法 | |
CN107453662B (zh) | 基于自适应反推控制的机械弹性储能用PMSG闭环I/f控制方法 | |
Wen et al. | Improved optimal duty model predictive current control strategy for PMSM | |
CN110165954B (zh) | 一种双馈风力发电系统机侧变流器模型预测控制方法 | |
CN113992095B (zh) | 一种低复杂度的双三相永磁同步发电机pmsg模型预测直接功率控制方法 | |
CN115833690A (zh) | 六相永磁同步电机无参数模型预测电流控制系统及方法 | |
Phan et al. | Enhanced proportional-resonant current controller for unbalanced stand-alone DFIG-based wind turbines | |
CN110224653B (zh) | 一种用于三相异步电机的新型直接转矩控制方法 | |
CN110289629B (zh) | 一种不平衡电网下基于拓展功率的dfig虚拟同步控制方法 | |
CN107872172B (zh) | 一种闭环及v/f控制的电机在mmc变频器下的启动方法 |
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 |