CN112019108A - 一种基于谐波注入的永磁同步发电机转矩脉动抑制方法 - Google Patents

Abstract

本发明涉及风力发电控制领域，特别涉及一种基于谐波注入的永磁同步发电机转矩脉动抑制方法。该方法包括以下步骤：对三相电流进行坐标变换和滤波处理，提取谐波电流；根据对应的稳态电压方程和模糊神经PI控制算法，得到谐波电压；对谐波电压进行坐标变换，得到补偿电压，将得到的补偿电压谐波与矢量控制得到的系统电压共同作用到SVPWM调制模块，去除发电机组中的特定谐波。现有的数据提取误差较大和传统的PI控制效果不佳的问题，而本发明提高了谐波的提取精度和提取模块的动态响应能力，在谐波电压计算模块提出了模糊神经PI控制算法，提高了谐波电压的计算精度，谐波注入到系统中后，对转矩脉动的抑制效果更好。

Description

一种基于谐波注入的永磁同步发电机转矩脉动抑制方法

技术领域：

本发明涉及风力发电控制领域，特别涉及一种基于谐波注入的永磁同步发电机转矩脉动抑制方法。

背景技术：

风力发电是风能利用的主要方式，近些年来在世界各国都得到了广泛的应用。随着风电机组单机容量的递增，直驱式风电机组已然成为一种新的发展趋势，其无刷和无齿轮箱增速等结构特点，不仅提高了风电转换效率，也大大降低了故障发生率和维护成本。但受环境、地理位置和其自身结构设计等方面的影响，风电机组在运行过程中会产生较强的转矩脉动，于是许多专家学者开始致力研究转矩脉动的抑制。而当前的转矩脉动抑制技术虽然不在是只针对某种特定的情况，但往往会出现数据提取误差较大的问题，并且采用传统的PI控制，系统的实时性较差，抑制效果也不是很好。

发明内容：

发明目的：

本发明的目的是提供一种基于谐波注入的永磁同步发电机转矩脉动抑制方法，解决现有的数据提取误差较大和传统的PI控制效果不佳的问题，实现转矩脉动的有效抑制。

技术方案：

一种基于谐波注入的永磁同步发电机转矩脉动抑制方法，该方法包括以下步骤：

(1)对三相电流进行坐标变换和滤波处理，提取谐波电流；

(2)根据对应的稳态电压方程和模糊神经PI控制算法，得到谐波电压；

(3)对谐波电压进行坐标变换，得到补偿电压，将得到的补偿电压谐波与矢量控制得到的系统电压共同作用到SVPWM调制模块，去除发电机组中的谐波电流。

进一步的，谐波电流的提取包括：

对永磁同步发电机进行矢量控制得到系统电压U^* _αβ，通过SVPWM作用于变流器来调节整个系统，然后将发电机定子电流i_a，i_b，i_c经旋转坐标变换后，变换到5次、7次dq坐标轴系下，坐标变换公式为：

上述式中，θ_5/7为5、7次谐波的初相角，发电机发出的是三相电流，用i_A，i_B，i_C分别表示各相的相电流，对三相电流进行坐标变换后，得到i_d和i_q，分别表示d轴电流和q轴电流，i_d5/7表示5次或7次d轴电流，i_q5/7表示5次或7次q轴电流；

由于5次、7次谐波只有在各自的dq坐标轴系下为直流量，所以5次dq坐标轴系下只有5次谐波为直流量，其余均为交流，7次dq坐标轴系下只有7次谐波为直流量，再采用电流提取模块将这两个dq坐标轴系下的交流分量处理之后就得到i_{d5_dc}、i_{q5_dc}、i_{d7_dc}、i_{q7_dc}，i_{d5_dc}表示5次d轴电流直流量，i_{q5_dc}表示5次q轴电流直流量，i_{d7_dc}表示7次d轴电流直流量，i_{q7_dc}表示7次q轴电流直流量。

进一步的，电流平均值法的公式为：

i_m为输入电流，T为积分周期，这里取基波周期的六分之一，t₁为电流输入的时刻，经拉普拉斯变换，电流平均值法的传递函数为：

s是拉普拉斯算子。

进一步的，步骤2中的谐波电压具体步骤：

将提取出的谐波电流经模糊神经PI控制后，得到近似于期望值的输出电流，由5、7次谐波稳态电压方程，q轴电流会影响d轴电压，而d轴电流也会对q轴电压产生影响，因此采用交叉解耦环节计算得到u_{d5_dc}、u_{q5_dc}、u_{d7_dc}、u_{q7_dc}，u_{d5_dc}表示5次d轴电压直流量，u_{q5_dc}表示5次q轴电压直流量，u_{d7_dc}表示7次d轴电压直流量，u_{q7_dc}表示7次q轴电压直流量；

5、7次谐波稳态电压计算公式为：

式中，ω为基波角速度；L_d、L_q为dq轴电感；R_s为定子电阻，u_d5表示5次d轴电压，u_q5表示5次q轴电压，u_d7表示7次d轴电压，u_q7表示7次q轴电压。

进一步的，模糊神经PI控制算法包括3部分：

a、模糊控制

首先将输入的精确量谐波电流误差e(t)和误差变化率ec(t)送入到模糊化层，采用高斯函数作为隶属度函数分别计算出两个输入量属于n个模糊集合的程度，输出为：

式中，i＝1，2；j＝l，2，…n；c_ij和b_ij分别是高斯函数第i个输入变量的第j个模糊集合的隶属函数的均差和标准差；

然后经过模糊推理层的处理后实现模糊规则的匹配及各节点间的模糊运算，输出为：

f₂(k)＝f₁(1,j₁)×f₁(2,j₂)

式中，j₁＝j₂＝l，2，…n；k＝1，2，…n²；

b、神经网略控制

根据系统运行状态，采用神经网略算法对权值进行在线修正，进行实时在线调节PI参数，使得性能指标函数

达到最优；修正方程式为：

式中，ω_ij为权值系数，λ和η分别为学习速率和学习动量因子，均在(0,1)上取值，k为迭代步骤；输出为：

式中，f₂(j)为模糊推理层的输出量，ω_1j和ω_2j为权值系数；

c、PI控制

把比例和积分作为控制量，通过动态变化的比例和积分系数，对谐波电流参考值和实际值间的误差进行控制，然后作用与被控对象，使谐波电流实际值不断近似于参考值；PI控制公式为：

式中，U(t)为谐波电流，k_p为比例系数，k_i为积分系数，e(t)为误差。

进一步的，由于谐波电压计算模块得到的5，7次谐波电压分别在5，7次坐标系下，与基波电压在不同的坐标系，需要变换到同一坐标系下才能进行数学运算；通过反Park变换，将5，7次谐波电压变换到αβ坐标系下，公式为：

式中，θ_5/7为5、7次谐波的初相角；u_α、u_β分别表示α、β轴上的电压；

将得到的补偿电压U_αβ谐波注入到系统中，与矢量控制得到的系统电压U^* _αβ共同作用到SVPWM调制模块，从而去除发电机组中的特定谐波，实现抑制转矩脉动的目的。

优点及效果：

本发明具有以下优点和有益效果：

本发明所述的基于谐波注入的永磁同步发电机转矩脉动抑制方法，在谐波电流提取模块采用了电流平均值法，提高了谐波的提取精度和提取模块的动态响应能力，在谐波电压计算模块提出了模糊神经PI控制算法，提高了谐波电压的计算精度，谐波注入到系统中后，对转矩脉动的抑制效果更好。

附图说明：

图1是基于谐波注入的永磁同步发电机转矩脉动抑制方法流程图；

图2是基于谐波注入的永磁同步发电机转矩脉动抑制框图；

图3是永磁同步发电机转矩脉动的谐波注入抑制算法。

具体实施方式：

下面结合附图对本发明做进一步的说明：

如图1所示，一种基于谐波注入的永磁同步发电机转矩脉动抑制方法，该方法包括以下步骤：

使用电阻串接到输出电路中，流过的电流会在电阻上形成相应的电压，电压信号经AD量化转换为相应的数字信号，从而采集到三相电流。

(1)对三相电流进行坐标变换和滤波处理，提取谐波电流；

(2)根据对应的稳态电压方程和模糊神经PI控制算法，得到谐波电压；

(3)对谐波电压进行坐标变换，得到补偿电压，将得到的补偿电压谐波与矢量控制得到的系统电压共同作用到SVPWM调制模块，去除发电机组中的特定谐波即谐波电流，进而实现抑制转矩脉动的目的。

本发明对步骤(1)中电流提取模块进行了改进，采用电流平均值法替代了常用的低通滤波器(LPF)，根据交流量在一个周期内积分值为0的特点，使输入电流经过积分、延迟和除法3个模块后提取出直流分量。此方法能够同时达到较好的提取精度和动态响应能力。

步骤(2)中所加入的控制器不在采用传统的PI控制，而是提出了一种模糊神经PI控制算法，它包括3个部分：模糊控制、神经网络控制和PI控制。利用模糊量化模块对系统的状态变量进行模糊量化和归一化处理，再把归一化后的输入数值根据输入变量模糊子集的隶属函数找出相应的隶属度，送给RBF神经网络，然后通过神经网络的自学习，使模糊规则的生成转变为加权系数的确定和调节，最后根据系统的运行状态，调节PI控制的参数，使系统最终达到最优控制。

谐波电流的提取包括：

对永磁同步发电机进行矢量控制得到系统电压U^* _αβ，通过SVPWM作用于变流器来调节整个系统，然后将发电机定子电流i_a，i_b，i_c经旋转坐标变换后，变换到5次、7次dq坐标轴系下，坐标变换公式为：

上述式中，θ_5/7为5、7次谐波的初相角，发电机发出的是三相电流，用i_A，i_B，i_C分别表示各相的相电流，对三相电流进行坐标变换后，得到i_d和i_q，分别表示d轴电流和q轴电流，i_d5/7表示5次或7次d轴电流，i_q5/7表示5次或7次q轴电流；

由于除了3的倍数以外的奇次谐波都有，比如还有11次、13次等，但是5次和7次谐波比较突出，所以本发明主要讨论5次和7次。由于5次、7次谐波只有在各自的dq坐标轴系下为直流量，所以5次dq坐标轴系下只有5次谐波为直流量，其余均为交流，同理7次dq坐标轴系下只有7次谐波为直流量，再采用电流提取模块将这两个dq坐标轴系下的交流分量处理之后就得到i_{d5_dc}、i_{q5_dc}、i_{d7_dc}、i_{q7_dc}，i_{d5_dc}表示5次d轴电流直流量，i_{q5_dc}表示5次q轴电流直流量，i_{d7_dc}表示7次d轴电流直流量，i_{q7_dc}表示7次q轴电流直流量。

电流平均值法的公式为：

i_m为输入电流，T为积分周期，这里取基波周期的六分之一，t₁为电流输入的时刻，经拉普拉斯变换，电流平均值法的传递函数为：

s是拉普拉斯算子。

步骤2中的谐波电压具体步骤：

将提取出的谐波电流经模糊神经PI控制后，得到近似于期望值的输出电流，由5、7次谐波稳态电压方程，q轴电流会影响d轴电压，而d轴电流也会对q轴电压产生影响，因此采用交叉解耦环节计算得到u_{d5_dc}、u_{q5_dc}、u_{d7_dc}、u_{q7_dc}，5、7次谐波稳态电压计算公式为：

式中，ω为基波角速度；L_d、L_q为dq轴电感；R_s为定子电阻。

模糊神经PI控制算法包括3部分：

a、模糊控制

首先将输入的精确量谐波电流误差e(t)和误差变化率ec(t)送入到模糊化层，谐波电流误差e(t)是将步骤1中提取的谐波电流与所给出的参考值作差得到的，为了更好的抑制转矩脉动，一般将所给出的谐波电流参考值设定为0；误差变化率ec(t)是将谐波电流误差e(t)对时间t求导得到的。

采用高斯函数作为隶属度函数分别计算出两个输入量属于n个模糊集合的程度，输出为：

式中，i＝1，2；j＝l，2，…n；c_ij和b_ij分别是高斯函数第i个输入变量的第j个模糊集合的隶属函数的均差和标准差；

然后经过模糊推理层的处理后实现模糊规则的匹配及各节点间的模糊运算，输出为：

f₂(k)＝f₁(1,j₁)×f₁(2,j₂)

式中，j₁＝j₂＝l，2，…n；k＝1，2，…n²；

b、神经网略控制

根据系统运行状态，采用神经网略算法对权值进行在线修正，进行实时在线调节PI参数，使得性能指标函数

达到最优；修正方程式为：

式中，ω_ij为权值系数，λ和η分别为学习速率和学习动量因子，均在(0,1)上取值，k为迭代步骤；输出为：

式中，f₂(j)为模糊推理层的输出量，ω_1j和ω_2j为权值系数；

c、PI控制

把比例和积分作为控制量，通过动态变化的比例和积分系数，对谐波电流参考值和实际值间的误差进行控制，然后作用与被控对象，使谐波电流实际值不断近似于参考值；PI控制公式为：

式中，U(t)为谐波电流，k_p为比例系数，k_i为积分系数，e(t)为误差。

由于谐波电压计算模块得到的5，7次谐波电压分别在5，7次坐标系下，与基波电压在不同的坐标系，需要变换到同一坐标系下才能进行数学运算；通过反Park变换，将5，7次谐波电压变换到αβ坐标系下，公式为：

＝式中，θ_5/7为5、7次谐波的初相角；

将得到的补偿电压U_αβ谐波注入到系统中，与矢量控制得到的系统电压U^* _αβ共同作用到SVPWM调制模块，从而去除发电机组中的特定谐波，实现抑制转矩脉动的目的。

Claims (6)

1.一种基于谐波注入的永磁同步发电机转矩脉动抑制方法，其特征在于：该方法包括以下步骤：

(1)对三相电流进行坐标变换和滤波处理，提取谐波电流；

(2)根据对应的稳态电压方程和模糊神经PI控制算法，得到谐波电压；

(3)对谐波电压进行坐标变换，得到补偿电压，将得到的补偿电压谐波与矢量控制得到的系统电压共同作用到SVPWM调制模块，去除发电机组中谐波电流。

2.根据权利要求1所述的一种基于谐波注入的永磁同步发电机转矩脉动抑制方法，其特征在于：谐波电流的提取包括：

对永磁同步发电机进行矢量控制得到系统电压U^* _αβ，通过SVPWM作用于变流器来调节整个系统，然后将发电机定子电流i_a，i_b，i_c经旋转坐标变换后，变换到5次、7次dq坐标轴系下，坐标变换公式为：

上述式中，θ_5/7为5、7次谐波的初相角，发电机发出的是三相电流，用i_A，i_B，i_C分别表示各相的相电流，对三相电流进行坐标变换后，得到i_d和i_q，分别表示d轴电流和q轴电流，i_d5/7表示5次或7次d轴电流，i_q5/7表示5次或7次q轴电流；

由于5次、7次谐波只有在各自的dq坐标轴系下为直流量，所以5次dq坐标轴系下只有5次谐波为直流量，其余均为交流，7次dq坐标轴系下只有7次谐波为直流量，再采用电流提取模块将这两个dq坐标轴系下的交流分量处理之后就得到i_{d5_dc}、i_{q5_dc}、i_{d7_dc}、i_{q7_dc}，i_{d5_dc}表示5次d轴电流直流量，i_{q5_dc}表示5次q轴电流直流量，i_{d7_dc}表示7次d轴电流直流量，i_{q7_dc}表示7次q轴电流直流量。

3.根据权利要求2所述的一种基于谐波注入的永磁同步发电机转矩脉动抑制方法，其特征在于：电流平均值法的公式为：

i_m为输入电流，T为积分周期，取基波周期的六分之一，t₁为电流输入的时刻，经拉普拉斯变换，电流平均值法的传递函数为：

s是拉普拉斯算子。

4.根据权利要求1所述的一种基于谐波注入的永磁同步发电机转矩脉动抑制方法，其特征在于：步骤2中的谐波电压具体步骤：

将提取出的谐波电流经模糊神经PI控制后，得到近似于期望值的输出电流，由5、7次谐波稳态电压方程，q轴电流会影响d轴电压，而d轴电流也会对q轴电压产生影响，因此采用交叉解耦环节计算得到u_{d5_dc}、u_{q5_dc}、u_{d7_dc}、u_{q7_dc}，u_{d5_dc}表示5次d轴电压直流量，u_{q5_dc}表示5次q轴电压直流量，u_{d7_dc}表示7次d轴电压直流量，u_{q7_dc}表示7次q轴电压直流量；

5、7次谐波稳态电压计算公式为：

式中，ω为基波角速度；L_d、L_q为dq轴电感；R_s为定子电阻，u_d5表示5次d轴电压，u_q5表示5次q轴电压，u_d7表示7次d轴电压，u_q7表示7次q轴电压。

5.根据权利要求1或4所述的一种基于谐波注入的永磁同步发电机转矩脉动抑制方法，其特征在于：模糊神经PI控制算法包括3部分：

a、模糊控制

首先将输入的精确量谐波电流误差e(t)和误差变化率ec(t)送入到模糊化层，采用高斯函数作为隶属度函数分别计算出两个输入量属于n个模糊集合的程度，输出为：

式中，i＝1，2；j＝l，2，…n；c_ij和b_ij分别是高斯函数第i个输入变量的第j个模糊集合的隶属函数的均差和标准差；

然后经过模糊推理层的处理后实现模糊规则的匹配及各节点间的模糊运算，输出为：

f₂(k)＝f₁(1,j₁)×f₁(2,j₂)

式中，j₁＝j₂＝l，2，…n；k＝1，2，…n²；

b、神经网略控制

根据系统运行状态，采用神经网略算法对权值进行在线修正，进行实时在线调节PI参数，使得性能指标函数

达到最优；修正方程式为：

式中，ω_ij为权值系数，λ和η分别为学习速率和学习动量因子，均在(0,1)上取值，k为迭代步骤；输出为：

式中，f₂(j)为模糊推理层的输出量，ω_1j和ω_2j为权值系数；

c、PI控制

把比例和积分作为控制量，通过动态变化的比例和积分系数，对谐波电流参考值和实际值间的误差进行控制，然后作用与被控对象，使谐波电流实际值不断近似于参考值；PI控制公式为：

式中，U(t)为谐波电流，k_p为比例系数，k_i为积分系数，e(t)为误差。

6.根据权利要求1或4所述的一种基于谐波注入的永磁同步发电机转矩脉动抑制方法，其特征在于：由于谐波电压计算模块得到的5，7次谐波电压分别在5，7次坐标系下，与基波电压在不同的坐标系，需要变换到同一坐标系下才能进行数学运算；通过反Park变换，将5，7次谐波电压变换到αβ坐标系下，公式为：

式中，θ_5/7为5、7次谐波的初相角；u_α、u_β分别表示α、β轴上的电压；

将得到的补偿电压U_αβ谐波注入到系统中，与矢量控制得到的系统电压U^* _αβ共同作用到SVPWM调制模块，从而去除发电机组中的特定谐波，实现抑制转矩脉动的目的。

Images