CN110071667A - 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 PDF

Info

Publication number
CN110071667A
CN110071667A CN201910389955.3A CN201910389955A CN110071667A CN 110071667 A CN110071667 A CN 110071667A CN 201910389955 A CN201910389955 A CN 201910389955A CN 110071667 A CN110071667 A CN 110071667A
Authority
CN
China
Prior art keywords
identified
vector
doubly
fed wind
identification
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
CN201910389955.3A
Other languages
English (en)
Other versions
CN110071667B (zh
Inventor
林家威
吴生清
乐起亮
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.)
Sinodaan Co ltd
Original Assignee
Fujian Hongmin Power Engineering Supervision Co ltd
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 Fujian Hongmin Power Engineering Supervision Co ltd filed Critical Fujian Hongmin Power Engineering Supervision Co ltd
Priority to CN201910389955.3A priority Critical patent/CN110071667B/zh
Publication of CN110071667A publication Critical patent/CN110071667A/zh
Application granted granted Critical
Publication of CN110071667B publication Critical patent/CN110071667B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
    • 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
    • H02P21/00—Arrangements or methods for the control of electric machines by vector control, e.g. by control of field orientation
    • H02P21/14—Estimation or adaptation of machine parameters, e.g. flux, current or voltage
    • 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
    • H02P2101/00—Special adaptation of control arrangements for generators
    • H02P2101/15—Special adaptation of control arrangements for generators for wind-driven turbines
    • 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
    • H02P2103/00—Controlling arrangements characterised by the type of generator
    • H02P2103/10—Controlling arrangements characterised by the type of generator of the asynchronous type

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Data Mining & Analysis (AREA)
  • Power Engineering (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Algebra (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，涉及风力发电领域，包括：首先，确定待辨识参数；然后，连续间隔采集双馈风力发电机模型的运行数据，构建待辨识抽样矩阵；然后，根据第一求解公式，求解粗辨识向量；响应于运行数据的采样项数少于或等于M，则将粗辨识向量做为第N+1项的待辨识向量；响应于运行数据的采样项数大于M，则根据第二求解公式，求解细辨识向量，将细辨识向量做为第N+1项的待辨识向量；最后，将待辨识向量发送至双馈风力发电机控制器。本发明对前项数据进行剔除，使得计算处理量变少，同时，由于参数辨识系统是一个渐变系统，距离当前时间节点越远的数据准确性越低，将距离当前时刻的数据进行剔除，有效提高系统精度。

Description

一种双馈风力发电机参数辨识方法
技术领域
本发明涉及风力发电领域，特别是涉及一种双馈风力发电机参数辨识方法。
背景技术
双馈异步风力发电机在结构上和绕线异步电机类似,因其定子、转子都可以馈入或者馈出能量,“双馈”的定义由此而来。由于双馈发电机是由转子提供交流励磁,所以双馈发电机也称为交流励磁同步发电机或者异步化同步发电机。
双馈调速是将双馈电机的定子绕组接入工频电源,转子绕组接到一个频率、幅值、相位和相序都可以调节的变频电源上。双馈电机在稳态运行的时候,定子旋转磁场和转子旋转磁场在空间保持相对静止。当定子旋转磁场以同步速旋转时,转子旋转磁场相对于转子以滑差频率旋转。当转子转速低于同步速时,转子旋转磁场旋转方向和转子转向相同,否则相反。双馈电机转子接变频器,其调速的基本思想就是要在转子回路上串入附加电势,通过调节附加电势的大小、相位和相序来实现双馈调速。
双馈异步风力发电机的系统参数是一个不断变化的过程，典型的因素是温度、天气状况使得整个系统发生变化，需要实时对系统参数进行辨识。现有技术存在的问题在于，随着双馈异步风力发电机辨识的进行，辨识数据量越来越多，极大地增大了处理数据的数量，使得处理速度变慢或处理成本提高。
发明内容
有鉴于现有技术的上述的一部分缺陷，本发明所要解决的技术问题是提供一种双馈风力发电机参数辨识方法，旨在当处理数据量过高时，对前项数据进行剔除，并保留最近的数据并进行参数辨识，提高系统参数辨识的响应速度。
为实现上述目的，本发明提供了一种双馈风力发电机参数辨识方法，所述方法包括：
步骤S1、确定待辨识参数；所述待辨识参数包括：定子电感Ls、定子电阻Rs、转子电感LR、转子电阻Rr、定转子互感Lm，双馈风力发电机模型满足如下关系：
其中，ω1为定子电流角频率，ω2为转子电流角频率，usd、usq分别是定子电压dq轴分量，urd、urq分别是转子电压dq轴分量，isd、isq分别是定子电流dq轴分量，ird、irq分别是转子电流dq轴分量；
步骤S2、连续间隔采集所述双馈风力发电机模型的运行数据，构建第一待辨识抽样矩阵以及第二待辨识抽样矩阵；所述运行数据包括所述定子电压dq轴分量、转子电压dq轴分量、定子电流dq轴分量以及所述转子电流dq轴分量；
所述第一待辨识抽样矩阵为：Y1(N)＝Φ1(N)η1(N)+E1(N)；
所述第二待辨识抽样矩阵为：Y2(N)＝Φ2(N)η2(N)+E2(N)；
其中， E1(N)、E2(N)为残差项，E1(N)＝[e1(1)+e1(2),...,+e1(N)]T，E2(N)＝[e2(1)+e2(2),...,+e2(N)]T；η1(N)为第一待辨识向量，η2(N)为第二待辨识向量，η1(N)＝[Lr,Lm,Rr]T，η2(N)＝[Lr,Lm,Rr]T；k为所述运行数据的编号；
步骤S3、根据第一求解公式，分别递推求解所述第一待辨识向量η1(N)、所述第二待辨识向量η2(N)的第一粗辨识向量第二粗辨识向量
其中，所述第一求解公式为：
所述
所述I为单位矩阵；
在求解时，分别将所述第一待辨识向量η1(N)、所述第二待辨识向量η2(N)做为所述代入；
步骤S4、响应于所述运行数据的采样项数少于或等于M，则将步骤S3中所求得的做为第N+1项的第一待辨识向量η1(N+1)，将步骤S3中所求得的做为第N+1项的第二待辨识向量η2(N+1)；
响应于所述运行数据的采样项数大于M，则根据第二求解公式，分别递推求解所述第一待辨识向量η1(N)、所述第二待辨识向量η2(N)的第一细辨识向量第二细辨识向量将所求得的所述第一细辨识向量做为第N+1项的所述第一待辨识向量η1(N+1)，将所求得的所述第二细辨识向量做为第N+1项的所述第二待辨识向量η2(N+1)；其中，
所述第二求解公式为：
所述
所述I为单位矩阵；
在求解时，分别将所述第一粗辨识向量第二粗辨识向量做为所述代入；
步骤S5、将所述第一待辨识向量η1(N+1)、所述第二待辨识向量η2(N+1)发送至双馈风力发电机控制器。
在该技术方案中，当数据量大于M项时，对前项数据进行剔除，使得计算处理量变少，同时，由于参数辨识系统是一个渐变系统，距离当前时间节点越远的数据准确性越低，将距离当前时刻的数据进行剔除，有效提高系统精度。此外，待辨识向量通过第一公式、第二公式两步求解，一方面能够兼容数据量较少无需剔除的情况，同时，另一方面，两步数据所获得的参数辨识精度越较高，增强辨识准确度。
在一具体实施方式中，η1(N)|N＝1、η2(N)|N＝1为预设值，所述η1(N)|N＝1、所述η2(N)|N＝1由运行测量求解获得。
在一具体实施方式中，K(N)|N＝1、P(N)|N＝1为预设值，所述K(N)|N＝1、所述P(N)|N＝1由运行测量求解获得。
在一具体实施方式中，当所述N＝M+1时，S(M+1)为S(N)的预设起始值，T(M+1)为T(N)的预设起始值；所述S(M+1)、所述T(M+1)由运行测量求解获得。
本发明的有益效果是：在本发明中，当数据量大于M项时，对前项数据进行剔除，使得计算处理量变少，同时，由于参数辨识系统是一个渐变系统，距离当前时间节点越远的数据准确性越低，将距离当前时刻的数据进行剔除，有效提高系统精度。此外，待辨识向量通过第一公式、第二公式两步求解，一方面能够兼容数据量较少无需剔除的情况，同时，另一方面，两步数据所获得的参数辨识精度越较高，增强辨识准确度。
附图说明
图1是本发明一具体实施方式的一种双馈风力发电机参数辨识方法的流程示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步说明：
双馈风力发电机是一个复杂的时变系统，各个时间节点的系统输出不仅与当前输入输出有关，同时还与历史输入输出有关，其系统可描述为：
其中，{u(k),y(k)}为测量输入、输出序列，a1,...,ana,b1,...,bnb为系统待辨识参数，ana>bnb。
典型的最小二乘法的标准形式为：
Y(N)＝Φ(N)η(N)+E(N) (2)；
当ΦT (N)Φ(N)非奇异时，求得极小值：
而对于双馈风力发电机系统模型而言，当增加一组数据[u(N+1),y(N+1)]T时，
其中，
同理，若数据减少一行[u(1),y(1)]T时，
在本发明中，通过限定双馈风力发电机的数据项数，保持数据上限为M项，当项数为M+1时，需要将首先进行剔除，保持双馈风力发电机的数据项数为M项。在实际运算中，可以采用先增加数据并删除数据保持数据上限为M项。为了便于表述，将双馈风力发电机的最小二乘法的标准形式为：
Y(N,N)＝Φ(N,N)η(N,N)+E(N,N)；
当增加数据之后最小二乘法的标准形式定义为：
Y(N+1,N)＝Φ(N+1,N)η(N+1,N)+E(N+1,N)；
基于上式，为完成递推，删除数据之后最小二乘法的标准形式定义为：
Y(N+1,N+1)＝Φ(N+1,N+1)η(N+1,N+1)+E(N+1,N+1)；
其中，且代入公式(3)可知：
指的一提的是，Φ(N+1,N)、Φ(N+1,N+1)二者是需要进行方向求解。
对公式(4)-(5)使用矩阵求逆化简可得：
其中，I为单位矩阵。
在本发明中，当数据量大于M项时，对前项数据进行剔除，使得计算处理量变少，同时，由于参数辨识系统是一个渐变系统，距离当前时间节点越远的数据准确性越低，将距离当前时刻的数据进行剔除，有效提高系统精度。此外，待辨识向量通过第一公式、第二公式两步求解，一方面能够兼容数据量较少无需剔除的情况，同时，另一方面，两步数据所获得的参数辨识精度越较高，增强辨识准确度。
在本发明中，通过且将Φ(N,N)、Φ(N+1,N)、Φ(N+1,N+1)三变量串联起来，有效实现了从Φ(N,N)到Φ(N+1,N+1)的递推，以便换算获得第一公式以及第二公式。
具体而言，如图1所示，在本发明第一实例中，提供一种双馈风力发电机参数辨识方法，所述方法包括：
步骤S1、确定待辨识参数；所述待辨识参数包括：定子电感Ls、定子电阻Rs、转子电感LR、转子电阻Rr、定转子互感Lm，双馈风力发电机模型满足如下关系：
其中，ω1为定子电流角频率，即电网工频频率50HZ，ω2为转子电流角频率，usd、usq分别是定子电压dq轴分量，urd、urq分别是转子电压dq轴分量，isd、isq分别是定子电流dq轴分量，ird、irq分别是转子电流dq轴分量；
步骤S2、连续间隔采集所述双馈风力发电机模型的运行数据，构建第一待辨识抽样矩阵以及第二待辨识抽样矩阵；所述运行数据包括所述定子电压dq轴分量、转子电压dq轴分量、定子电流dq轴分量以及所述转子电流dq轴分量；
所述第一待辨识抽样矩阵为：Y1(N)＝Φ1(N)η1(N)+E1(N)；
所述第二待辨识抽样矩阵为：Y2(N)＝Φ2(N)η2(N)+E2(N)；
其中， E1(N)、E2(N)为残差项，E1(N)＝[e1(1)+e1(2),...,+e1(N)]T，E2(N)＝[e2(1)+e2(2),...,+e2(N)]T；η1(N)为第一待辨识向量，η2(N)为第二待辨识向量，η1(N)＝[Lr,Lm,Rr]T，η2(N)＝[Lr,Lm,Rr]T；k为所述运行数据的编号；
步骤S3、根据第一求解公式，分别递推求解所述第一待辨识向量η1(N)、所述第二待辨识向量η2(N)的第一粗辨识向量第二粗辨识向量
其中，所述第一求解公式为：
所述
所述I为单位矩阵；
在求解时，分别将所述第一待辨识向量η1(N)、所述第二待辨识向量η2(N)做为所述代入；
步骤S4、响应于所述运行数据的采样项数少于或等于M，则将步骤S3中所求得的做为第N+1项的第一待辨识向量η1(N+1)，将步骤S3中所求得的做为第N+1项的第二待辨识向量η2(N+1)；
响应于所述运行数据的采样项数大于M，则根据第二求解公式，分别递推求解所述第一待辨识向量η1(N)、所述第二待辨识向量η2(N)的第一细辨识向量第二细辨识向量将所求得的所述第一细辨识向量做为第N+1项的所述第一待辨识向量η1(N+1)，将所求得的所述第二细辨识向量做为第N+1项的所述第二待辨识向量η2(N+1)；其中，
所述第二求解公式为：
所述
所述I为单位矩阵；
在求解时，分别将所述第一粗辨识向量第二粗辨识向量做为所述代入；
步骤S5、将所述第一待辨识向量η1(N+1)、所述第二待辨识向量η2(N+1)发送至双馈风力发电机控制器。
在本实施例中，η1(N)|N＝1、η2(N)|N＝1为预设值，所述η1(N)|N＝1、所述η2(N)|N＝1由运行测量求解获得。
在本实施例中，K(N)|N＝1、P(N)|N＝1为预设值，所述K(N)|N＝1、所述P(N)|N＝1由运行测量求解获得。
在本实施例中，当所述N＝M+1时，S(M+1)为S(N)的预设起始值，T(M+1)为T(N)的预设起始值；所述S(M+1)、所述T(M+1)由运行测量求解获得。
值得一提的是，在本实施例中，在第一待辨识抽样矩阵以及第二待辨识抽样矩阵中均包含有Lm，当二者求解数据不同时，在实际操作中，在分别在两个辨识抽样矩阵中保存并计算。此外，也可以通过对二者求平均值并进行存储。
以上详细描述了本发明的较佳具体实施例。应当理解，本领域的普通技术人员无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此，凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案，皆应在由权利要求书所确定的保护范围内。

Claims (4)

1.一种双馈风力发电机参数辨识方法，其特征在于，所述方法包括：
步骤S1、确定待辨识参数；所述待辨识参数包括：定子电感Ls、定子电阻Rs、转子电感LR、转子电阻Rr、定转子互感Lm，双馈风力发电机模型满足如下关系：
其中，ω1为定子电流角频率，ω2为转子电流角频率，usd、usq分别是定子电压dq轴分量，urd、urq分别是转子电压dq轴分量，isd、isq分别是定子电流dq轴分量，ird、irq分别是转子电流dq轴分量；
步骤S2、连续间隔采集所述双馈风力发电机模型的运行数据，构建第一待辨识抽样矩阵以及第二待辨识抽样矩阵；所述运行数据包括所述定子电压dq轴分量、转子电压dq轴分量、定子电流dq轴分量以及所述转子电流dq轴分量；
所述第一待辨识抽样矩阵为：Y1(N)＝Φ1(N)η1(N)+E1(N)；
所述第二待辨识抽样矩阵为：Y2(N)＝Φ2(N)η2(N)+E2(N)；
其中， E1(N)、E2(N)为残差项，E1(N)＝[e1(1)+e1(2),...,+e1(N)]T，E2(N)＝[e2(1)+e2(2),...,+e2(N)]T；η1(N)为第一待辨识向量，η2(N)为第二待辨识向量，η1(N)＝[Lr,Lm,Rr]T，η2(N)＝[Lr,Lm,Rr]T；k为所述运行数据的编号；
步骤S3、根据第一求解公式，分别递推求解所述第一待辨识向量η1(N)、所述第二待辨识向量η2(N)的第一粗辨识向量第二粗辨识向量
其中，所述第一求解公式为：
所述
所述I为单位矩阵；
在求解时，分别将所述第一待辨识向量η1(N)、所述第二待辨识向量η2(N)做为所述代入；
步骤S4、响应于所述运行数据的采样项数少于或等于M，则将步骤S3中所求得的做为第N+1项的第一待辨识向量η1(N+1)，将步骤S3中所求得的做为第N+1项的第二待辨识向量η2(N+1)；
响应于所述运行数据的采样项数大于M，则根据第二求解公式，分别递推求解所述第一待辨识向量η1(N)、所述第二待辨识向量η2(N)的第一细辨识向量第二细辨识向量将所求得的所述第一细辨识向量做为第N+1项的所述第一待辨识向量η1(N+1)，将所求得的所述第二细辨识向量做为第N+1项的所述第二待辨识向量η2(N+1)；其中，
所述第二求解公式为：
所述
所述I为单位矩阵；
在求解时，分别将所述第一粗辨识向量第二粗辨识向量做为所述代入；
步骤S5、将所述第一待辨识向量η1(N+1)、所述第二待辨识向量η2(N+1)发送至双馈风力发电机控制器。
2.如权利要求1所述的一种双馈风力发电机参数辨识方法，其特征在于，η1(N)|N＝1、η2(N)|N＝1为预设值，所述η1(N)|N＝1、所述η2(N)|N＝1由运行测量求解获得。
3.如权利要求1所述的一种双馈风力发电机参数辨识方法，其特征在于，K(N)|N＝1、P(N)|N＝1为预设值，所述K(N)|N＝1、所述P(N)|N＝1由运行测量求解获得。
4.如权利要求1所述的一种双馈风力发电机参数辨识方法，其特征在于，当所述N＝M+1时，S(M+1)为S(N)的预设起始值，T(M+1)为T(N)的预设起始值；所述S(M+1)、所述T(M+1)由运行测量求解获得。
CN201910389955.3A 2019-05-10 2019-05-10 一种双馈风力发电机参数辨识方法 Active CN110071667B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910389955.3A CN110071667B (zh) 2019-05-10 2019-05-10 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
CN201910389955.3A CN110071667B (zh) 2019-05-10 2019-05-10 一种双馈风力发电机参数辨识方法

Publications (2)

Publication Number Publication Date
CN110071667A true CN110071667A (zh) 2019-07-30
CN110071667B CN110071667B (zh) 2020-09-25

Family

ID=67370482

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910389955.3A Active CN110071667B (zh) 2019-05-10 2019-05-10 一种双馈风力发电机参数辨识方法

Country Status (1)

Country Link
CN (1) CN110071667B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110297186A (zh) * 2019-08-14 2019-10-01 莆田市烛火信息技术有限公司 一种新能源汽车电池参数检测方法
CN110297185A (zh) * 2019-08-14 2019-10-01 莆田市烛火信息技术有限公司 一种新能源汽车电池参数动态监测系统
CN111444626A (zh) * 2020-04-07 2020-07-24 河北工业大学 双馈风机结构参数在线参数辨识方法
CN113032968A (zh) * 2021-03-02 2021-06-25 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
CN113391575A (zh) * 2020-03-13 2021-09-14 新疆金风科技股份有限公司 风力发电机组的变桨执行机构在线状态辨识方法及装置

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090021208A1 (en) * 2007-07-19 2009-01-22 Hamilton Sundstrand Corporation On-line measurement of an induction machine's rotor time constant by small signal d-axis current injection
US20100060210A1 (en) * 2008-09-10 2010-03-11 Jingbo Liu Method and apparatus for automatically identifying electrical parameters in a sensor-less pmsm
CN101699763A (zh) * 2009-09-11 2010-04-28 上海新时达电气股份有限公司 交流永磁同步电机伺服系统的转动惯量辨识方法
CN103618492A (zh) * 2013-08-09 2014-03-05 国家电网公司 一种基于时频变换的同步发电机参数辨识方法
CN103825521A (zh) * 2014-02-25 2014-05-28 河海大学 一种双馈风电机组驱动系统及发电机参数辨识方法
CN105259756A (zh) * 2015-10-20 2016-01-20 广东电网有限责任公司电力科学研究院 电厂控制回路模型辨识方法与系统
CN106788092A (zh) * 2017-02-28 2017-05-31 南京工程学院 一种基于原子分解法的同步电机参数辨识方法
CN107453401A (zh) * 2017-09-13 2017-12-08 河海大学 一种双馈风力发电机参数辨识方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090021208A1 (en) * 2007-07-19 2009-01-22 Hamilton Sundstrand Corporation On-line measurement of an induction machine's rotor time constant by small signal d-axis current injection
US20100060210A1 (en) * 2008-09-10 2010-03-11 Jingbo Liu Method and apparatus for automatically identifying electrical parameters in a sensor-less pmsm
CN101699763A (zh) * 2009-09-11 2010-04-28 上海新时达电气股份有限公司 交流永磁同步电机伺服系统的转动惯量辨识方法
CN103618492A (zh) * 2013-08-09 2014-03-05 国家电网公司 一种基于时频变换的同步发电机参数辨识方法
CN103825521A (zh) * 2014-02-25 2014-05-28 河海大学 一种双馈风电机组驱动系统及发电机参数辨识方法
CN105259756A (zh) * 2015-10-20 2016-01-20 广东电网有限责任公司电力科学研究院 电厂控制回路模型辨识方法与系统
CN106788092A (zh) * 2017-02-28 2017-05-31 南京工程学院 一种基于原子分解法的同步电机参数辨识方法
CN107453401A (zh) * 2017-09-13 2017-12-08 河海大学 一种双馈风力发电机参数辨识方法

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110297186A (zh) * 2019-08-14 2019-10-01 莆田市烛火信息技术有限公司 一种新能源汽车电池参数检测方法
CN110297185A (zh) * 2019-08-14 2019-10-01 莆田市烛火信息技术有限公司 一种新能源汽车电池参数动态监测系统
CN113391575A (zh) * 2020-03-13 2021-09-14 新疆金风科技股份有限公司 风力发电机组的变桨执行机构在线状态辨识方法及装置
CN111444626A (zh) * 2020-04-07 2020-07-24 河北工业大学 双馈风机结构参数在线参数辨识方法
CN111444626B (zh) * 2020-04-07 2022-03-15 河北工业大学 双馈风机结构参数在线参数辨识方法
CN113032968A (zh) * 2021-03-02 2021-06-25 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
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

Also Published As

Publication number Publication date
CN110071667B (zh) 2020-09-25

Similar Documents

Publication Publication Date Title
CN110071667A (zh) 一种双馈风力发电机参数辨识方法
Jabr et al. Design and implementation of neuro-fuzzy vector control for wind-driven doubly-fed induction generator
CN102611380B (zh) 一种双馈电机参数在线辨识方法
Arthishri et al. Simplified methods for the analysis of self‐excited induction generators
CN108664671B (zh) 一种风电场多机聚合模型参数辨识方法及装置
CN102664580B (zh) 电力系统多稳定器的混合智能控制方法
Cirrincione et al. Growing neural gas (GNG)-based maximum power point tracking for high-performance wind generator with an induction machine
CN109962479A (zh) 一种基于交替迭代优化的同步调相机电气参数分布联合辨识方法
CN108199373A (zh) 基于灵敏度分析的同步调相机参数分步辨识方法及装置
CN108365785A (zh) 一种异步电机重复预测控制方法
Loucif et al. Backstepping control of double fed induction generator driven by wind turbine
CN115549139A (zh) 一种新能源发电和负荷混合模型辨识建模方法
Aissaoui et al. Application of fuzzy logic in control of electrical machines
CN116738636A (zh) 考虑阻抗特性及同步机制的双馈风电场站的多机等值方法
Meghni et al. An optimal torque control based on intelligent tracking range (MPPT-OTC-ANN) for permanent magnet direct drive WECS
CN113285638B (zh) 一种风力发电机转子侧变换器的功率控制方法及系统
Lu et al. A wavelet/PSO based voltage regulation scheme and suitability analysis of copper-and aluminum-rotor induction machines for distributed wind power generation
CN107425780A (zh) 一种无刷双馈电机直接转矩控制的系统和方法
CN108984844B (zh) 一种无刷双馈电机性能的分析方法及装置
Bubalo et al. Wind energy conversion system using advanced speed control and model-based loss minimization
CN108923707A (zh) 双馈电机系统的控制方法、系统、装置及可读存储介质
Belfedal et al. Comparison of PI and direct power control with SVM of doubly fed induction generator
Sharma et al. Performance analysis of self excited induction generator using Artificial Bee Colony algorithm
CN113783183A (zh) 弱电网下双馈风机在故障穿越期间的暂态稳定性评估方法
CN108988714B (zh) 一种自励异步发电机暂态稳定分析模型及方法

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
TR01 Transfer of patent right

Effective date of registration: 20220517

Address after: 510000 room 602, No. 1421, North Guangzhou Avenue, Baiyun District, Guangzhou, Guangdong

Patentee after: SINODAAN Co.,Ltd.

Address before: 350000 tower 10, 150 Huqian Road, Gulou District, Fuzhou City, Fujian Province

Patentee before: FUJIAN HONGMIN POWER ENGINEERING SUPERVISION CO.,LTD.

TR01 Transfer of patent right