CN109888776A - 针对直驱型风电场次同步谐振频率的预测方法及终端设备 - Google Patents

针对直驱型风电场次同步谐振频率的预测方法及终端设备 Download PDF

Info

Publication number
CN109888776A
CN109888776A CN201910185286.8A CN201910185286A CN109888776A CN 109888776 A CN109888776 A CN 109888776A CN 201910185286 A CN201910185286 A CN 201910185286A CN 109888776 A CN109888776 A CN 109888776A
Authority
CN
China
Prior art keywords
grid
model
indicate
side converter
resonance frequency
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
CN201910185286.8A
Other languages
English (en)
Other versions
CN109888776B (zh
Inventor
王芸
陶国清
吴燕平
陈宇
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.)
Shenzhen University
Original Assignee
Shenzhen University
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 Shenzhen University filed Critical Shenzhen University
Priority to CN201910185286.8A priority Critical patent/CN109888776B/zh
Publication of CN109888776A publication Critical patent/CN109888776A/zh
Application granted granted Critical
Publication of CN109888776B publication Critical patent/CN109888776B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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

本发明公开了一种针对直驱型风电场次同步谐振频率的预测方法及终端设备，所述方法包括采集风电场系统网侧变流器的输出信号，根据输出信号及内部物理量关系建立网侧变流器模型、锁相环模型及网侧变流器控制器模型；根据网侧变流器模型、锁相环模型及网侧变流器控制器模型建立次同步谐振预测模型；根据次同步谐振频率预测模型预测谐振频率点，并根据谐振频率点对风电场系统进行调整，以抑制次同步谐振。本发明利用状态空间方程建立的次同步谐振预测模型，并通过次同步谐振预测模型预测风电场系统的谐振频率，并根据所述谐振频率预测谐振频率点，并根据谐振频率点提前在系统中添加保护措施，避免发生次同步谐振，保证系统持续安全稳定运行。

Description

针对直驱型风电场次同步谐振频率的预测方法及终端设备
技术领域
本发明涉及风电场技术领域，特别涉及一种针对直驱型风电场次同步谐振频率的预测方法及终端设备。
背景技术
近年来，随着以风电为主的大规模新能源发电集群广泛接入交流电网，给电力系统安全稳定运行带来了新的挑战。与传统发电设备不同，新能源发电机组多采用电力电子变流器接入电网，变流器与电网相互作用，容易引发次同步谐振(Sub-synchronousResonance，SSR)问题，造成机组停机乃至设备损坏。
发明内容
本发明要解决的技术问题在于提供一种针对直驱型风电场的次同步谐振频率的预测方法及终端设备。
本发明所采用的技术方案如下：
一种针对直驱型风电场次同步谐振频率的预测方法，其包括：
采集风电场系统网侧变流器的输出信号，并根据所述输出信号及内部物理量关系建立网侧变流器模型、锁相环模型以及网侧变流器控制器模型；
根据所述网侧变流器模型、锁相环模型以及网侧变流器控制器模型建立次同步谐振预测模型；
根据所述次同步谐振频率预测模型预测风电场的谐振频率点，并根据所述谐振频率点对所述风电场系统参数进行调整，以抑制次同步谐振。
所述针对直驱型风电场次同步谐振频率的预测方法，其中，采集风电场系统网侧变流器的输出信号，并根据所述输出信号及内部物理量关系建立网侧变流器模型、锁相环模型以及网侧变流器控制器模型具体包括：
采集风电场系统网侧变流器的输出信号，其中，所述输出信号包括电流信号、电压信号、电网电压相位以及电网电压角速度；
获取风电场系统的静态工作点参数，并根据所述输出信号及内部物理量关系以及静态工作点参数在d-q坐标系下分别建立网侧变流器模型、锁相环模型以及网侧变流器控制器模型。
所述针对直驱型风电场次同步谐振频率的预测方法，其中，所述网侧变流器模型的表达式为：
其中，Vgd表示网侧变流器d轴输出电压实际值，Vgq表示网侧变流器q轴输出电压实际值，Vpccd表示并网节点电压信号在d轴的分量，Vpccq表示并网节点电压信号在q轴的分量，R1表示网侧变流器滤波电阻，igd表示输电线路电流信号在d轴的分量，igq表示输电线路电流信号在q轴的分量，idc表示流出直流母线电流,L1表示网侧变流器滤波电感，ωg表示电网电压的角速度，c表示母线电容参数，dd表示控制器控制信号在d轴平均占空比，dq表示控制器控制信号在q轴平均占空比。
所述的针对直驱型风电场次同步谐振频率的预测方法，其中，所述锁相环模型的表达式为：
其中，θpll表示锁相环相角角度,表示并网节点电压参考信号在d轴的分量，表示电压参考信号在q轴的分量，δ表示表示扰动因子，kipll表示锁相环积分控制参数，kppll表示锁相环比例控制参数，ωg表示电网电压的角速度。
所述的针对直驱型风电场次同步谐振频率的预测方法，其中于，所述网侧变流器控制器模型的表达式为：
其中，表示网侧变流器输出电压的d轴参考值，表示网侧变流器输出电压的q轴参考值,kp1表示电流内环比例控制参数，kp2表示电压外环比例控制参数，ki1表示电流内环积分控制参数，ki2表示电压外环积分控制参数，表示直流母线电压参考值，Udc表示直流母线电压，igd表示输电线路电流信号在d轴的分量，ωg表示电网电压的角速度，L1表示网侧变流器滤波电感，igq表示电流信号在q轴的分量，表示电流参考信号在q轴的分量，Vpccq表示并网节点电压信号在q轴的分量。
所述针对直驱型风电场次同步谐振频率的预测方法，其中，所述根据所述网侧变流器模型、锁相环模型以及网侧变流器控制器模型建立次同步谐振预测模型具体为：
将网侧变流器模型、锁相环模型以及网侧变流器控制器模型进行联立，以得到用于预测风电场系统谐振的8阶次同步谐振预测模型。
所述针对直驱型风电场次同步谐振频率的预测方法，其中，所述根据所述次同步谐振频率预测模型去预测风电场的谐振频率点，并根据所述谐振频率对所述风电场系统参数进行调整，以抑制次同步谐振具体包括：
提取所述次同步谐振频率预测模型的状态空间模型，并获取所述状态空间模型的特征根；
根据所述特征根确定所述风电场的谐振频率点，并根据所述谐振频率点对所述风电场系统参数进行调整，以抑制次同步谐振。
所述针对直驱型风电场次同步谐振频率的预测方法，其中，所述方法还包括：
依次调整所述风电场系统的控制参数，并获取所述状态空间模型的特征根模态的变化趋势，其中，所述控制参数包括电流内环控制参数，电压外环控制参数以及锁相环控制参数；
根据所述变化趋势和谐振频率选取控制参数，以优化风电场系统。
一种计算机可读存储介质，所述计算机可读存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现如上任一所述的针对直驱型风电场次同步谐振频率的预测方法中的步骤。
一种终端设备，其包括：处理器、存储器及通信总线；所述存储器上存储有可被所述处理器执行的计算机可读程序；
所述通信总线实现处理器和存储器之间的连接通信；
所述处理器执行所述计算机可读程序时实现如上任一所述的针对直驱型风电场次同步谐振频率的预测方法中的步骤。
有益效果：与现有技术相比，本发明提供了一种针对直驱型风电场次同步谐振频率的预测方法及终端设备，所述方法包括：采集风电场系统网侧变流器的输出信号，并根据所述输出信号及内部物理量关系建立网侧变流器模型、锁相环模型以及网侧变流器控制器模型；根据所述网侧变流器模型、锁相环模型以及网侧变流器控制器模型建立次同步谐振预测模型；根据所述次同步谐振频率预测模型预测风电场的谐振频率点，并根据所述谐振频率对所述风电场系统参数进行调整，以抑制次同步谐振。本发明基于模型降阶思想去建立的次同步谐振预测模型，并通过次同步谐振预测模型预测风电场系统的谐振频率，并根据所述谐振频率预测谐振频率点，并根据所述谐振频率点提前在系统中添加保护措施，以避免发生次同步谐振，保证系统持续安全稳定运行。
附图说明
图1为本发明提供的针对直驱型风电场次同步谐振频率的预测方法的一个实施例的流程图。
图2为本发明提供的针对直驱型风电场次同步谐振频率的预测方法的一个实施例中风电系统的结构示意图。
图3为本发明提供的针对直驱型风电场次同步谐振频率的预测方法的一个实施例中锁相环控制结构的示意图。
图4为本发明提供的针对直驱型风电场次同步谐振频率的预测方法的一个实施例中网侧变流器控制器模型的控制结构的示意图。
图5为本发明提供的终端设备的结构原理图。
具体实施方式
本发明提供一种针对直驱型风电场次同步谐振频率的预测方法及终端设备，为使本发明的目的、技术方案及效果更加清楚、明确，以下参照附图并举实施例对本发明进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
本技术领域技术人员可以理解，除非特意声明，这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是，本发明的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件，但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。应该理解，当我们称元件被“连接”或“耦接”到另一元件时，它可以直接连接或耦接到其他元件，或者也可以存在中间元件。此外，这里使用的“连接”或“耦接”可以包括无线连接或无线耦接。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的全部或任一单元和全部组合。
本技术领域技术人员可以理解，除非另外定义，这里使用的所有术语(包括技术术语和科学术语)，具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是，诸如通用字典中定义的那些术语，应该被理解为具有与现有技术的上下文中的意义一致的意义，并且除非像这里一样被特定定义，否则不会用理想化或过于正式的含义来解释。
下面结合附图，通过对实施例的描述，对发明内容作进一步说明。
请参照图1，图1为本发明提供的针对直驱型风电场次同步谐振频率的预测方法的较佳实施例的流程图。所述方法包括：
S10、采集风电场系统网侧变流器的输出信号，并根据所述输出信号及内部物理量关系建立网侧变流器模型、锁相环模型以及网侧变流器控制器模型。
具体地，所述风电场系统为现有的风电场并网系统，在本实施例中，所述风电场系统以如图2所示的背靠背式变流器的永磁同步电机(PMSG)风电场并网系统为例加以说明。所述输出信号为所述风电场系统网侧变流器的输出信号，所述输出信号可以包括三相电流信号、三相电压信号、直流母线电压信号Udc以及电网电压的相位θ和角速度ωg，其中三相电流、电压信号经过矢量变换在d-q坐标系下d轴和q轴分别为igd,igq,Vpccd,Vpccq。另外，所述内部物理量关系包括网侧变流器滤波电阻、网络变流器滤波电感以及母线电容参数。
进一步，所述采集风电场系统网侧变流器的输出信号，并根据所述输出信号及内部物理量关系建立网侧变流器模型、锁相环模型以及网侧变流器控制器模型具体包括：
采集风电场系统网侧变流器的输出信号，其中，所述输出信号包括电流信号、电压信号、电网电压相位以及电网电压角速度；
获取风电场系统的静态工作点参数，并根据所述输出信号及内部物理量关系以及静态工作点参数在d-q坐标系下分别建立网侧变流器模型、锁相环模型以及网侧变流器控制器模型。
具体地，所述静态工作点参数为根据风电场系统性能指标要求确定的风电场系统的静态工作点参数。所述静态工作点参数包括d轴平均占空比dd，q轴平均占空比dq，机侧流入直流侧的电流Idcs以及风电场系统参考电流此外，根据厂家提供的变流器技术参数获取网侧变流器的阻抗参数R1,L1以及母线电容参数c，其中，风电场系统的比例积分参数根据系统实际性能指标自行设定。
进一步，所述网侧变流器模型、锁相环模型以及网侧变流器控制器模型是根据所述输出信号以及静态工作点参数确定生成，其中，所述网侧变流器模型的微分方程可以为：
其中，Vgd表示网侧变流器d轴输出电压实际值，Vgp表示网侧变流器q轴输出电压实际值，Vpccd表示电压信号在d轴的分量，Vpccq表示电压信号在q轴的分量，R1表示网侧变流器滤波电阻，igd表示电流信号在d轴的分量，igq表示电流信号在q轴的分量，idc表示流出直流母线电流，L1表示网侧变流器滤波电感，ωg表示电网电压的角速度，c表示母线电容参数，dd表示d轴平均占空比，dq表示q轴平均占空比。
所述锁相环模型的微分方程为：
其中，θpll表示锁相环相角角度，表示参考电压信号在d轴的分量，表示参考电压信号在q轴的分量，δ表示扰动因子，kipll表示锁相环积分控制参数，kppll表示锁相环比例控制参数，ωg表示电网电压的角速度。
所述网侧变流器控制器模型的微分方程为：
其中，表示网侧变流器d轴输出电压的参考值，表示网侧变流器q轴输出电压的参考值kp1表示电流内环比例控制参数，kp2表示电流外环比例控制参数，ki1表示电压内环积分控制参数，ki2表示电压外环积分控制参数，表示直流母线参考电压信号，Udc表示直流母线电压信号，igd表示电流信号在d轴的分量，ωg表示电网电压的角速度，L1表示网侧变流器滤波电感，igq表示电流信号在q轴的分量，表示参考电流信号在q轴的分量，Vpccq表示电压信号在q轴的分量。
进一步，在本实施例中，所述锁相环模型的微分方式是根据锁相环的控制结构得出，其中，所述锁相环控制结构可以采用如图3所述的结构，在所述锁相环控制结构中，Ua,Ub,Uc,是三相电压的a,b,c相电压。对于所述锁相环控制结构，在平衡状态下当电网波动时，电网相位也会随着变化，这里假设平衡状态下电网电压相位角为θ*，扰动状态下为电网电压相位角为θ，并且两个电网电压相位角的关系在d-q变换过程中的旋转矩阵可以表示为：
假设θ＝θ*+δ，δ→0，那么根据等价无穷小可以将旋转矩阵T简化为下式：
从而，电网电压波动瞬间可以表示下式：
因此，由锁相环控制结构可以的得出锁相环的模型微分方程表示为：
S20、根据所述网侧变流器模型、锁相环模型以及网侧变流器控制器模型建立次同步谐振预测模型。
具体地，根据所述网侧变流器模型、锁相环模型以及网侧变流器控制器模型建立次同步谐振预测模型为将所述网侧变流器模型的微分方程、锁相环模型的微分方程以及网测变流器的微分方程进行联立，以得到8阶次同步谐振预测模型。
进一步，所述根据所述网侧变流器模型、锁相环模型以及网侧变流器控制器模型建立次同步谐振预测模型具体为：
将网侧变流器模型、锁相环模型以及网侧变流器控制器模型进行联立，以得到用于预测风电场系统谐振的8阶次同步谐振预测模型。
具体地，在得到网侧变流器模型的微分方程、锁相环模型的微分方程以及网测变流器的微分方程后。对网测变流器的微分方程后进行优化，在优化过程中忽略脉冲宽度调制算法的瞬时性，可以得出那么根据网侧变流器控制器模型的控制结构以及网侧变流器控制器模型的微分方程可以转换公式为：
其中，所述网侧变流器控制器模型的控制结构可以采用如图4所示的控制结构。
进一步，在对网侧变流器控制器模型的微分方程优化后，根据两个电网电压相位角的关系在d-q变换过程中的旋转矩阵可以得出电流信号的转换关系式为：
那么根据网测变流器模型的微分方程、锁相环模型的微分方程、转换公式以及电流信号的转换关系式可以为8阶次同步谐振预测模型的状态空间模型为：
其中，A为状系数矩阵，B控制参数矩阵,x为状态变量，u为输入变量；
S30、根据所述次同步谐振频率预测模型预测风电场的谐振频率点，并根据所述谐振频率对所述风电场系统参数进行调整，以抑制次同步谐振。
具体地，在获取到次同步谐振频率预测模型后，根据所述次同步谐振频率预测模型预测风电场的谐振频率点，并预测到的谐振频率确定谐振频率点。在预测到谐振频率点后，根据所述谐振频率点增设保护设备以对所述风电场系统参数进行调整，从而可以抑制风电场系统的次同步谐振。相应的，所述根据所述次同步谐振频率预测模型预测风电场的谐振频率点，并根据所述谐振频率对所述风电场系统参数进行调整，以抑制次同步谐振具体包括：
提取所述次同步谐振频率预测模型的状态空间模型，并获取所述状态空间模型的特征根；
根据所述特征根确定所述风电场的谐振频率点，并根据所述谐振频率点对所述风电场系统参数进行调整，以抑制次同步谐振。
具体地，获取到次同步谐振频率预测模型中的所有参数后，获取所述次同步谐振频率预测模型的状态空间模型的特征根，并对所述特征根进行分析以得特征根模态的实部和虚部，并根据所述特征根模态的实部和虚部确定风电场谐振频率。
进一步，在本发明的一个实施例中，当建立所述次同步谐振频率预测模型后，可以通过所述次同步谐振频率预测模型对风电场系统中的各控制参数进行优化。相应的，所述次同步谐振预测方法还包括：
S40、依次调整所述风电场系统的控制参数，并获取所述状态矩阵的特征根模态的变化趋势，其中，所述控制参数包括电流内环控制参数，电压外环控制参数以及锁相环控制参数；
S50、根据所述变化趋势和谐振频率选取控制参数，以优化风电场系统。
具体地，在获取到次同步谐振频率预测模型，可以调整次同步谐振频率预测模型包含的控制参数，并根据分别获取调整前和调整后的控制参数对应的状态空间模型的特征根的特征根模态变化的趋势，根据特征根模态的变化趋势，可以选取优选控制参数，从而优化风电场系统。例如，将电流环比例参数由1逐步切换到2的过程，状态空间方程的一对特征根从左半平面移动到右半平面,从而可以得出系统不稳定。同时，不稳定点的虚轴的值为±182j，若系统的基频为50Hz,则此时系统的谐振频率约为29Hz。依次类推，可以对风电场系统的所有控制参数进行优化，其中，所有控制参数包括电流内环控制参数、电压外环控制参数、锁相环控制参数。
进一步，考虑变流器并网系统物理器件老化、温度等原因会对实际的阻抗参数产生影响，从而可以通过次同步谐振频率预测模型确定不同系统阻抗参数对谐振频率的影响。这样可以量化阻抗参数对系统性能的影响，从而在设计控制系统时提前考虑到参数变化，为阻抗参数预留变化范围，这样在器件老化或者温度等原因使得被控对象系统模型参数变化时，直驱型风型电场系统依然能稳定运行。
基于上述的次同步谐振预测方法，本发明还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现如上述实施例所述的次同步谐振预测方法中的步骤
基于上述的次同步谐振预测方法，本发明还提供了一种终端设备，如图5所示，其包括至少一个处理器(processor)20；显示屏21；以及存储器(memory)22，还可以包括通信接口(Communications Interface)23和总线24。其中，处理器20、显示屏21、存储器22和通信接口23可以通过总线24完成相互间的通信。显示屏21设置为显示初始设置模式中预设的用户引导界面。通信接口23可以传输信息。处理器20可以调用存储器22中的逻辑指令，以执行上述实施例中的方法。
此外，上述的存储器22中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。
存储器22作为一种计算机可读存储介质，可设置为存储软件程序、计算机可执行程序，如本公开实施例中的方法对应的程序指令或模块。处理器20通过运行存储在存储器22中的软件程序、指令或模块，从而执行功能应用以及数据处理，即实现上述实施例中的方法。
存储器22可包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储数据区可存储根据终端设备的使用所创建的数据等。此外，存储器22可以包括高速随机存取存储器，还可以包括非易失性存储器。例如，U盘、移动硬盘、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等多种可以存储程序代码的介质，也可以是暂态存储介质。
此外，上述存储介质以及终端设备中的多条指令处理器加载并执行的具体过程在上述方法中已经详细说明，在这里就不再一一陈述。
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)

1.一种针对直驱型风电场次同步谐振频率的预测方法，其特征在于，其包括：
采集风电场系统网侧变流器的输出信号，并根据所述输出信号及内部物理量关系建立网侧变流器模型、锁相环模型以及网侧变流器控制器模型；
根据所述网侧变流器模型、锁相环模型以及网侧变流器控制器模型建立次同步谐振预测模型；
根据所述次同步谐振频率预测模型预测风电场的谐振频率点，并根据预测到的谐振频率点对所述风电场系统进行调整，以抑制次同步谐振。
2.根据权利要求1所述，针对直驱型风电场次同步谐振频率的预测方法，其特征在于，采集风电场系统网侧变流器的输出信号，并根据所述输出信号及内部物理量关系建立网侧变流器模型、锁相环模型以及网侧变流器控制器模型具体包括：
采集风电场系统网侧变流器的输出信号，其中，所述输出信号包括网侧变流器电流信号、网侧变流器电压信号、电网电压相位以及电网电压角速度；
获取风电场系统的静态工作点参数，并根据所述输出信号及内部物理量关系以及静态工作点参数在d-q坐标系下分别建立网侧变流器模型、锁相环模型以及网侧变流器控制器模型。
3.根据权利要求1或2所述针对直驱型风电场次同步谐振频率的预测方法，其特征在于，所述网侧变流器模型的表达式为：
其中，Vgd表示网侧变流器d轴输出电压实际值，Vgq表示网侧变流器q轴输出电压实际值，Vpccd表示并网节点电压信号在d轴的分量，Vpccq表示并网节点电压信号在q轴的分量，R1表示网侧变流器滤波电阻，igd表示输电线路电流信号在d轴的分量，igq表示输电线路电流信号在q轴的分量，idc表示流出直流母线电流,L1表示网侧变流器滤波电感，ωg表示电网电压的角速度，c表示母线电容参数，dd表示控制器控制信号在d轴平均占空比，dq表示控制器控制信号在q轴平均占空比。
4.根据权利要求1或2所述的针对直驱型风电场次同步谐振频率的预测方法，其特征在于，所述锁相环模型的表达式为：
其中，θpll表示锁相环相角角度,表示并网节点电压参考信号在d轴的分量，表示电压参考信号在q轴的分量，δ表示表示扰动因子，kipll表示锁相环积分控制参数，kppll表示锁相环比例控制参数，ωg表示电网电压的角速度。
5.根据权利要求1或2所述的针对直驱型风电场次同步谐振频率的预测方法，其特征在于，所述网侧变流器控制器模型的表达式为：
其中，表示网侧变流器输出电压的d轴参考值，表示网侧变流器输出电压的q轴参考值,kp1表示电流内环比例控制参数，kp2表示电压外环比例控制参数，ki1表示电流内环积分控制参数，ki2表示电压外环积分控制参数，表示直流母线电压参考值，Udc表示直流母线电压，igd表示输电线路电流信号在d轴的分量，ωg表示电网电压的角速度，L1表示网侧变流器滤波电感，igq表示电流信号在q轴的分量，表示电流参考信号在q轴的分量，Vpccq表示并网节点电压信号在q轴的分量。
6.根据权利要求1所述针对直驱型风电场次同步谐振频率的预测方法，其特征在于，根据所述网侧变流器模型、锁相环模型以及网侧变流器控制器模型建立次同步谐振预测模型，具体为：
将网侧变流器模型、锁相环模型以及网侧变流器控制器模型进行联立，以得到用于预测风电场系统谐振频率的8阶状态空间模型。
7.根据权利要求1所述的针对直驱型风电场次同步谐振频率的预测方法，其特征在于，根据所述次同步谐振频率预测模型预测风电场的谐振频率点，并根据预测到的谐振频率点对所述风电场系统参数进行调整，以抑制次同步谐振频率，具体包括：
建立所述次同步谐振频率预测模型的状态空间模型，并获取所述状态空间模型的特征根；
根据所述特征根确定所述风电场的谐振频率点，并根据所述谐振频率点对所述风电场系统进行调整，以抑制次同步谐振。
8.根据权利要求1所述的针对直驱型风电场次同步谐振频率的预测方法，其特征在于，所述方法还包括：
依次调整所述风电场系统的控制参数，并获取所述状态空间模型的特征根模态的变化趋势，其中，所述控制参数包括电流内环控制参数，电压外环控制参数以及锁相环控制参数；
根据所述变化趋势确定控制参数对谐振频率影响，并根据谐振频率选取控制参数，以优化风电场系统。
9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现如权利要求1～8任意一项所述的针对直驱型风电场次同步谐振频率的预测方法中的步骤。
10.一种终端设备，其特征在于，包括：处理器、存储器及通信总线；所述存储器上存储有可被所述处理器执行的计算机可读程序；
所述通信总线实现处理器和存储器之间的连接通信；
所述处理器执行所述计算机可读程序时实现如权利要求1-8任意一项所述的针对直驱型风电场次同步谐振频率的预测方法中的步骤。
CN201910185286.8A 2019-03-12 2019-03-12 针对直驱型风电场次同步谐振频率的预测方法及终端设备 Active CN109888776B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910185286.8A CN109888776B (zh) 2019-03-12 2019-03-12 针对直驱型风电场次同步谐振频率的预测方法及终端设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910185286.8A CN109888776B (zh) 2019-03-12 2019-03-12 针对直驱型风电场次同步谐振频率的预测方法及终端设备

Publications (2)

Publication Number Publication Date
CN109888776A true CN109888776A (zh) 2019-06-14
CN109888776B CN109888776B (zh) 2022-08-05

Family

ID=66931828

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910185286.8A Active CN109888776B (zh) 2019-03-12 2019-03-12 针对直驱型风电场次同步谐振频率的预测方法及终端设备

Country Status (1)

Country Link
CN (1) CN109888776B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110299712A (zh) * 2019-07-30 2019-10-01 华北电力大学 一种直驱风机次同步振荡的控制方法及系统
CN110492757A (zh) * 2019-08-13 2019-11-22 上海电机学院 一种背靠背变流器控制器
CN111313436A (zh) * 2020-03-23 2020-06-19 云南电网有限责任公司 一种规避谐振的风电系统控制方法及装置
CN111541242A (zh) * 2020-04-27 2020-08-14 深圳大学 一种混合型风电场的次同步振荡频率的预测方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB201520973D0 (en) * 2015-02-13 2016-01-13 Beijing Sifang Automation Co Method and device for sub-synchronous oscillation protection in wind farms
CN107181267A (zh) * 2017-06-16 2017-09-19 清华大学 风电场次同步谐振抑制方法及系统
CN108631338A (zh) * 2018-06-21 2018-10-09 国网宁夏电力有限公司电力科学研究院 一种用于抑制双馈风电场并网次同步振荡的方法
CN109066725A (zh) * 2018-08-02 2018-12-21 华北电力大学 一种用于次同步振荡仿真的直驱风机等值建模方法
CN109103903A (zh) * 2018-09-13 2018-12-28 华北电力大学 一种用于直驱风机引发次同步振荡的判断方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB201520973D0 (en) * 2015-02-13 2016-01-13 Beijing Sifang Automation Co Method and device for sub-synchronous oscillation protection in wind farms
CN107181267A (zh) * 2017-06-16 2017-09-19 清华大学 风电场次同步谐振抑制方法及系统
CN108631338A (zh) * 2018-06-21 2018-10-09 国网宁夏电力有限公司电力科学研究院 一种用于抑制双馈风电场并网次同步振荡的方法
CN109066725A (zh) * 2018-08-02 2018-12-21 华北电力大学 一种用于次同步振荡仿真的直驱风机等值建模方法
CN109103903A (zh) * 2018-09-13 2018-12-28 华北电力大学 一种用于直驱风机引发次同步振荡的判断方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
邱海峰等: "直流近区含直驱机组的次同步振荡机理研究及抑制措施", 《电力电容器与无功补偿》 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110299712A (zh) * 2019-07-30 2019-10-01 华北电力大学 一种直驱风机次同步振荡的控制方法及系统
CN110299712B (zh) * 2019-07-30 2021-02-09 华北电力大学 一种直驱风机次同步振荡的控制方法及系统
CN110492757A (zh) * 2019-08-13 2019-11-22 上海电机学院 一种背靠背变流器控制器
CN110492757B (zh) * 2019-08-13 2021-10-08 上海电机学院 一种背靠背变流器控制器
CN111313436A (zh) * 2020-03-23 2020-06-19 云南电网有限责任公司 一种规避谐振的风电系统控制方法及装置
CN111541242A (zh) * 2020-04-27 2020-08-14 深圳大学 一种混合型风电场的次同步振荡频率的预测方法

Also Published As

Publication number Publication date
CN109888776B (zh) 2022-08-05

Similar Documents

Publication Publication Date Title
CN109888776A (zh) 针对直驱型风电场次同步谐振频率的预测方法及终端设备
Hu et al. Small signal instability of PLL-synchronized type-4 wind turbines connected to high-impedance AC grid during LVRT
Yassin et al. Enhancement low‐voltage ride through capability of permanent magnet synchronous generator‐based wind turbines using interval type‐2 fuzzy control
Zhang et al. Nonlinear direct control for three-level NPC back-to-back converter PMSG wind turbine systems: Experimental assessment with FPGA
EP3499672A1 (en) Method and device for controlling distribution of unbalanced and harmonic power among parallel inverters
Zhao et al. Control interaction modeling and analysis of grid-forming battery energy storage system for offshore wind power plant
Anttila et al. Grid forming inverters: A review of the state of the art of key elements for microgrid operation
Fang et al. State-space modeling and control of grid-tied power converters with capacitive/battery energy storage and grid-supportive services
CN103544378A (zh) 一种直流输电用交流系统谐波阻抗计算方法
CN112039347A (zh) 一种模块化智能组合风电变流器及其控制方法
CN112149280B (zh) 含svg的新能源的多馈入系统电网强度获得方法
Shadoul et al. A comprehensive review on a virtual-synchronous generator: Topologies, control orders and techniques, energy storages, and applications
Peng et al. Virtual synchronous generator control strategy incorporating improved governor control and coupling compensation for AC microgrid
Djalal et al. Small-Signal-Stability Enhancement using a Power-System Stabilizer based on the Cuckoo-Search Algorithm against Contingency N-1 in the Sulselrabar 150-kV System
Akkari et al. Impact of the DC cable models on the SVD analysis of a Multi-Terminal HVDC system
CN113890059A (zh) 一种混合储能vsg控制系统稳定性分析方法及系统
Sang et al. Virtual synchronous generator, a comprehensive overview
Shao et al. An equivalent model for sub-synchronous oscillation analysis in direct-drive wind farms with VSC-HVDC systems
CN110460035A (zh) 基于鲁棒扰动观测器的dc-dc变换器动态补偿方法及系统
AL-Rubayi et al. Enhancement transient stability of power system using UPFC with M-PSO
CN108988387A (zh) 基于转子电流移相平均的双馈风电机组次同步谐振抑制方法
CN111641229A (zh) 基于扩展谐波域模型的风力发电系统输出监测方法及系统
Gao et al. Finite control set model predictive control integrated with disturbance observer for battery energy storage power conversion system
Stojić et al. Novel proportional-integral-resonant current controller for three phase PWM converters
CN112765932B (zh) 分析svg对双馈并网系统的影响的方法及装置

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