CN112615393B - 基于矢量拟合的直驱风电机组控制器参数辨识方法及装置 - Google Patents

基于矢量拟合的直驱风电机组控制器参数辨识方法及装置 Download PDF

Info

Publication number
CN112615393B
CN112615393B CN202011456388.8A CN202011456388A CN112615393B CN 112615393 B CN112615393 B CN 112615393B CN 202011456388 A CN202011456388 A CN 202011456388A CN 112615393 B CN112615393 B CN 112615393B
Authority
CN
China
Prior art keywords
admittance
side subsystem
direct
subsystem
port
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
Application number
CN202011456388.8A
Other languages
English (en)
Other versions
CN112615393A (zh
Inventor
吕敬
王哲
戴金水
吴林林
刘辉
王潇
李蕴红
张瑞芳
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.)
Electric Power Research Institute of State Grid Jibei Electric Power Co Ltd
Shanghai Jiao Tong University
Original Assignee
Electric Power Research Institute of State Grid Jibei Electric Power Co Ltd
Shanghai Jiao Tong 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 Electric Power Research Institute of State Grid Jibei Electric Power Co Ltd, Shanghai Jiao Tong University filed Critical Electric Power Research Institute of State Grid Jibei Electric Power Co Ltd
Priority to CN202011456388.8A priority Critical patent/CN112615393B/zh
Publication of CN112615393A publication Critical patent/CN112615393A/zh
Application granted granted Critical
Publication of CN112615393B publication Critical patent/CN112615393B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/381—Dispersed generators
    • 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
    • H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/20—The dispersed energy generation being of renewable origin
    • H02J2300/28—The renewable source being wind energy
    • 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
    • Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
    • Y02B10/00—Integration of renewable energy sources in buildings
    • Y02B10/30—Wind power
    • 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

本发明提供了一种基于矢量拟合的直驱风电机组控制器参数辨识方法及装置，将直驱风电机组划分为机侧子系统和网侧子系统，建立机侧子系统的直流侧导纳和网侧子系统的交流侧导纳，并将二者转化为标准的传递函数和拟合传递函数。通过扫频手段分别获得直流端口的导纳数据和交流端口的测量导纳数据，采用矢量拟合算法对测量的导纳数据进行矢量拟合，分别得到导纳数据的传递函数和拟合传递函数。分别将对应的传递函数中的对应系数的差值做最小二乘，得到直驱风电机组机侧控制器和网侧控制器参数的估计值。本发明通过端口测量导纳实现不同带宽控制下直驱风电机组控制器参数精确辨识，具有操作性强、简便、精确等优点，适用于多带宽控制系统参数辨识。

Description

基于矢量拟合的直驱风电机组控制器参数辨识方法及装置
技术领域
本发明涉及风力发电技术领域，具体地，涉及一种基于矢量拟合(vector-fitting)的直驱风电机组控制器参数辨识方法及装置。
背景技术
随着化石燃料的快速消耗和环境的恶化，环保型可再生能源在发电中扮演着愈来愈重要的角色。作为应用最为广泛的可持续能源，风电近年来发展迅速。2017年安装的风力发电量超过52GW，全球总装机容量达到539GW。目前，我国的风电和光伏装机容量均为世界第一，已成为我国第三大主力电源。
直驱型风力发电机组成为海上风力发电的主流机型，具有容量大、电网友好性等优势。直驱风力发电机组由永磁同步发电机、机侧变流器及其控制器、网侧变流器及其控制器、交流侧滤波器等构成，其中变流器作为关键元件，其性能直接影响到整个直驱风力发电并网系统是否能够稳定、安全、可靠、高效地运行。由于风机制造商出于商业保密的原因，实际风电机组变流器的控制器参数往往并不可知，即存在“灰箱”问题，给系统建模和分析带来了不便。目前，针对风电机组参数辨识方面的研究多集中在电气参数辨识，如发电机参数辨识等。少数文献研究了风电变流器的控制器参数辨识，但多采用时域辨识方法，对具有多带宽控制环节的控制系统参数辨识精度不高。此外，由于目前风电并网的稳定性问题较为突出，工程中体现为各种振荡现象，引起了国内外学术界和工业界的广泛关注，目前主流的稳定性分析方法为基于阻抗的分析方法。风电机组的端口阻抗特性既可通过理论建模得到，也可通过扫频测量得到，为使用阻抗法分析风电并网稳定性提供了便利。鉴于此，研究基于端口阻抗特性的直驱风电机组控制器参数辨识方法具有重要的实用价值。
目前没有发现同本发明类似技术的说明或报道，也尚未收集到国内外类似的资料。
发明内容
本发明针对现有技术中存在的上述不足，提供了一种基于矢量拟合(vector-fitting)的直驱风电机组控制器参数辨识方法及装置。
本发明是通过以下技术方案实现的。
根据本发明的一个方面，提供了一种基于矢量拟合的直驱风电机组控制器参数辨识方法，包括：
将直驱风电机组在直流侧划分为机侧子系统和网侧子系统；
确定直驱风电机组机侧子系统和网侧子系统的控制结构以及电气参数；建立机侧子系统的直流端口导纳Ydc，将直流端口导纳Ydc转化为标准的传递函数G1(s)；
获得机侧子系统的直流端口导纳Ydc的导纳数据，采用vector-fitting(矢量拟合)算法对获得的直流端口导纳Ydc的导纳数据进行精确矢量拟合，得到直流端口导纳Ydc的拟合传递函数H1(s)；
将机侧子系统的传递函数H1(s)和G1(s)对应项系数做差，并通过最小二乘原理求解机侧子系统控制器参数；
建立网侧子系统在dq坐标系下的导纳矩阵模型，设导纳矩阵第一行第二列元素为交流端口导纳Ydq；将交流端口导纳Ydq转化为标准的传递函数G2(s)；
获得网侧子系统的交流端口导纳Ydq的导纳数据，采用vector-fitting算法对获得的交流端口导纳Ydq的导纳数据进行精确矢量拟合，得到交流端口导纳Ydq的拟合传递函数H2(s)；
将网侧子系统的传递函数H2(s)和G2(s)对应项系数做差，并通过最小二乘原理求解网侧子系统控制器参数。
其中，s为拉普拉斯算子。
优选地，所述机侧子系统的控制器参数包括：
转矩外环PI控制器参数比例系数Kp_t和积分系数Ki_t、电流内环PI控制器参数比例系数Kpm_i和积分系数Kim_i；。
优选地，所述网侧子系统的控制器参数包括：
电流内环PI控制器参数比例系数Kp_i和积分系数Ki_i、功率外环PI控制器参数比例系数Kp_q和积分系数Ki_q、电压外环PI控制器参数比例系数Kp_udc和积分系数Ki_udc、锁相环PI控制器参数比例系数Kp_pll和积分系数Ki_pll。优选地，所述将直驱风电机组在直流侧划分为机侧子系统和网侧子系统，包括：
将直驱风电机组在直流母线处进行分割，即将永磁直驱发电机与机侧变流器作为机侧子系统，将网侧变流器、滤波器与外部电网作为网侧子系统；同时对于机侧子系统假定网侧子系统控制特性是理想的，即将网侧子系统等效为一个理想直流电压源；对于网侧子系统假定机侧子系统控制特性是理想的，对机侧子系统体现为恒定功率源。
优选地，所述确定直驱风电机组机侧子系统和网侧子系统的控制结构以及电气参数，包括：
确定机侧子系统的直驱发电机控制结构和机侧变流器控制结构；确定直驱发电机的电气参数，包括额定容量、转子极对数、转动惯量、额定转速和/或转子磁链；
确定网侧子系统的网侧变流器控制结构和滤波器结构，确定网侧变流器的电气参数，包括额定功率、直流侧电容值、交流侧滤波器参数、直流侧电压和/或交流电网电压。
优选地，所述建立机侧子系统的直流端口导纳Ydc，将直流端口导纳Ydc转化为标准的传递函数G1(s)，包括：
在确定了直驱风电机组机侧子系统控制结构以及电气参数的基础上，推导机侧子系统的直流端口导纳Ydc：
ΔIdc＝Ydc(s)·ΔUdc (1)
其中，ΔIdc为直流端口电流增量扰动值，ΔUdc为直流端口电压增量扰动值；
对于Δii(s)＝Yi(s)·Δui(s)所表示的等效导纳模型，当组件i为单端口网络组件时，所述Yi(s)为单一传递函数；其中，Δii(s)、Δui(s)分别表示端口电流、电压增量列向量；
对式(1)中机侧子系统的直流端口导纳Ydc进行含控制器参数的化简运算，确定Ydc的实际分子分母阶次，得到Ydc的传递函数的有理分式表达形式G1(s)如下：
Figure BDA0002829441300000041
式(2)中，an～a0分别为G1(s)分母多项式由高次到低次的多项式系数，bm～b0分别为G1(s)分子多项式由高次到低次的多项式系数sm表示G1(s)分子多项式最高次项的字母部分，sn表示G1(s)分子多项式最高次项的字母部分；式(2)的参数特征为：an＝1，G1(s)其余各项系数an-1～a0、bm～b0均含有控制器待辨识参数，且均无虚部。
优选地，所述获得机侧子系统的直流端口导纳Ydc的导纳数据，采用vector-fitting算法对获得的直流端口导纳Ydc的导纳数据进行精确矢量拟合，得到直流端口导纳Ydc的拟合传递函数H1(s)，包括：
采用机侧子系统扫频方法，在机侧子系统的机侧变流器直流侧注入频率为wp的小扰动电压，测量直流侧电压及电流，并对其进行FFT分析，即计算得到扰动频率ωp下的导纳，通过改变扰动频率ωp，即获得一系列频率下机侧子系统的直流端口导纳数据；
采用Vector-fitting算法，通过求解线性最小二乘问题将初始极点集重新定位到更好的位置，对状态方程进行拟合，拟合方程形式如下：
Figure BDA0002829441300000042
其中，h(s)为拟合结果的传递函数表达式，am为拟合得到的极点，rm为极点am对应的留数，d为实数，e为实数；
若G1(s)分子阶数低于分母(m＜n)，在采用Vector-fitting算法前，将目标拟合结果设置为d＝0、e＝0；若G1(s)分子阶数等于分母(m＝n)，在采用Vector-Fitting算法前，将目标拟合结果设置为d＝1、e＝0；将机侧子系统扫频所得的直流端口导纳数据作为算法输入参数设置初始极点为算法默认值，得到拟合结果如下所示：
Figure BDA0002829441300000043
使用Vector-Fitting算法得到的拟合结果中，a′n～a′0分别为：H1(s)分母多项式由高次到低次的多项式系数，b′m～b′0分别为：H1(s)分子多项式由高次到低次的多项式系数；其中a'n＝1，a'n-1～a'0、b'm～b'0均为虚部远小于实部的复数，在接下来的最小二乘辨识过程中，忽略a'n-1～a'0、b'm～b'0的虚部，只使用其实部。
优选地，所述将机侧子系统的传递函数H1(s)和G1(s)对应项系数做差，并通过最小二乘原理求解机侧子系统控制器参数，包括：
建立最小二乘输入列向量Y为G1(s)和H1(s)各项系数的差值：
Figure BDA0002829441300000051
将高次项次数降低，使列向量Y中所有元素次数保持在同一数量级，然后对列向量Y进行最小二乘运算，得到待辨识机侧子系统控制器参数的精确辨识结果。
优选地，所述建立网侧子系统在dq坐标系下的导纳矩阵模型，设导纳矩阵第一行第二列元素为交流端口导纳Ydq；将交流端口导纳Ydq转化为标准的传递函数G2(s)，包括：
在确定了直驱风电机组网侧子系统控制结构以及电气参数的基础上，推导网侧子系统在dq坐标系下的导纳矩阵模型，其中交流端口导纳Ydq为该导纳矩阵的第一行第二列元素：
Figure BDA0002829441300000052
其中，Δid为网侧子系统交流端口d轴电流扰动值，Δiq为网侧子系统交流端口q轴电流扰动值，Ydd(s)为导纳矩阵第一行第一列元素，Yqd(s)为导纳矩阵第二行第一列元素，Yqq(s)为导纳矩阵第二行第二列元素，Δud为网侧子系统交流端口d轴电压扰动值，Δuq为网侧子系统交流端口q轴电压扰动值；
对于Δii(s)＝Yi(s)·Δui(s)所表示的等效导纳模型，当组件i为多端口网络组件时，所述Yi(s)为传递函数矩阵；Ydq(s)为导纳矩阵的一个元素，为单一传递函数；其中，Δii(s)、Δui(s)分别表示端口电流、电压增量列向量；
对式(6)中网侧子系统交流端口导纳Ydq进行含控制器参数的化简运算，确定Ydq实际分子分母阶次，得到Ydq的传递函数的有理分式表达形式G2(s)如下：
Figure BDA0002829441300000061
优选地，所述获得网侧子系统的交流端口导纳Ydq的导纳数据，采用vector-fitting算法对获得的交流端口导纳Ydq的导纳数据进行精确矢量拟合，得到交流端口导纳Ydq的拟合传递函数H2(s)，包括：
采用网侧子系统扫频方法，在网侧子系统的网侧变流器交流侧注入频率为wp的q轴小扰动电压，测量三相交流侧电压和电流，将三相电压和电流变换到两相dq同步旋转坐标系下的电压和电流，对dq坐标系下的电压和电流进行FFT分析，即计算得到扰动频率wp下的dq导纳，通过改变扰动频率wp，即获得一系列频率下网侧子系统的交流端口导纳数据；
使用Vector-Fitting算法对网侧子系统扫频所得的Ydq导纳数据拟合得到传递函数表达式H2(s)；将网侧子系统扫频所得的Ydq导纳数据作为算法输入参数，设置初始极点为算法默认值，得到拟合结果H2(s)：
Figure BDA0002829441300000062
优选地，所述将网侧子系统的传递函数H2(s)和G2(s)对应项系数做差，并通过最小二乘原理求解网侧子系统控制器参数，包括：
建立最小二乘输入列向量Y1为G2(s)和H2(s)各项系数的差值:
Figure BDA0002829441300000063
将高次项次数降低，使列向量Y1中所有元素次数保持在同一数量级，然后对列向量Y1进行最小二乘运算，得到待辨识网侧子系统控制器参数的精确辨识结果。
根据本发明的另一个方面，提供了一种基于矢量拟合的直驱风电机组控制器参数辨识装置，包括：
分割系统模块：将直驱风电机组在直流侧划分为机侧子系统和网侧子系统；
获取模块：确定直驱风电机组机侧子系统和网侧子系统的控制结构以及电气参数；
建立机侧子系统理论导纳标准式模块：建立机侧子系统的直流端口导纳Ydc，将直流端口导纳Ydc转化为标准的传递函数G1(s)；
建立机侧子系统扫频导纳拟合标准式模块：获得机侧子系统的直流侧端口导纳Ydc的导纳数据，采用vector-fitting算法对获得的直流端口导纳Ydc的导纳数据进行精确矢量拟合，得到直流端口导纳Ydc的拟合传递函数H1(s)；
机侧子系统控制器参数辨识模块：将机侧子系统的传递函数H1(s)和G1(s)对应项系数做差，并通过最小二乘原理求解机侧子系统控制器参数；
建立网侧子系统理论导纳标准式模块：建立网侧子系统在dq坐标系下的导纳矩阵模型，设导纳矩阵第一行第二列元素为交流端口导纳Ydq；将交流端口导纳Ydq转化为标准的传递函数G2(s)；
建立网侧子系统扫频导纳拟合标准式模块：获得网侧子系统的交流侧端口导纳Ydq的导纳数据，采用vector-fitting算法对获得的交流端口导纳Ydq的导纳数据进行精确矢量拟合，得到交流端口导纳Ydq的拟合传递函数H2(s)；
网侧子系统控制器参数辨识模块：将网侧子系统的传递函数H2(s)和G2(s)对应项系数做差，并通过最小二乘原理求解网侧子系统控制器参数。
由于采用了上述技术方案，本发明与现有技术相比，包括如下至少一项有益效果：
1、本发明提供的基于矢量拟合的直驱风电机组控制器参数辨识方法及装置，将直驱风电机组分割为机侧子系统和网侧子系统，分别对机侧子系统和网侧子系统的控制器参数进行辨识，将复杂模型转化为简单模型，可保证参数辨识的精度。
2、本发明提供的基于矢量拟合的直驱风电机组控制器参数辨识方法及装置，利用宽频阻抗特性对不同控制环节的控制参数进行辨识，所辨识出的参数能够保证直驱风电机组端口阻抗特性的一致性。
3)本发明提供的基于矢量拟合的直驱风电机组控制器参数辨识方法及装置，是一种基于端口阻抗特性的频域辨识方法，相比现有的时域辨识方法，更能够适用于具有不同带宽控制环节的系统参数精确辨识，辨识精度高，可操作性强。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：
图1是本发明一个实施例的直驱风电机组的结构示意图；
图2是本发明一个实施例的直驱风电机组机侧子系统控制结构示意图；
图3是本发明一个实施例的直驱风电机组网侧子系统控制结构示意图；
图4是本发明一个实施例的基于矢量拟合(vector-fitting)的直驱风电机组控制器参数辨识方法的流程图；
图5是本发明一个实施例的机侧和网侧子系统辨识结果参数与原始参数所形成阻抗曲线对比，其中图(a)是机侧子系统直流端口导纳特性曲线，图(b)是网侧子系统交流端口Ydq导纳特性曲线；
图6是本发明一个实施例的基于矢量拟合(vector-fitting)的直驱风电机组控制器参数辨识装置的流程图。
具体实施方式
下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明，但不以任何形式限制本发明。应当指出的是，对本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进。这些都属于本发明的保护范围。
本发明一实施例提供了一种基于矢量拟合(vector-fitting)的直驱风电机组控制器参数辨识方法，首先，将直驱风电机组从直流侧划分为机侧子系统和网侧子系统，分别建立机侧子系统的直流侧导纳Ydc和网侧子系统的交流侧dq导纳Ydq，并将二者转化为标准的传递函数形式G1(s)和G2(s)。然后，通过扫频手段分别获得机侧子系统直流端口的测量导纳数据和网侧子系统交流端口的测量导纳数据，采用vector-fitting算法对测量的导纳数据进行矢量拟合，分别得到测量导纳的传递函数表达式H1(s)和H2(s)。最后，将H1(s)和G1(s)、H2(s)和G2(s)对应系数的差值做最小二乘，得到直驱风电机组机侧控制器和网侧控制器参数的估计值。
具体地，本实施例提供的基于矢量拟合的直驱风电机组控制器参数辨识方法，包括以下步骤：
步骤1，对直驱风电机组在直流母线端进行物理层面上的分割，即机侧子系统和网侧子系统；
步骤2，确定直驱风电机组机侧子系统和网侧子系统的控制结构以及电气参数；
步骤3，建立机侧子系统的直流端口导纳Ydc，将其转化为标准的有理分式表达形式的传递函数G1(s)；
步骤4，通过扫频手段获得机侧子系统的直流侧端口导纳数据，采用vector-fitting算法对测量的Ydc导纳数据进行精确矢量拟合，得到其有理分式表达形式的拟合传递函数H1(s)；
步骤5，将机侧子系统和网侧子系统的传递函数H1(s)和G1(s)对应项系数做差，并通过最小二乘原理求解机侧子系统控制器参数；
步骤6，建立网侧子系统在dq坐标系下的导纳矩阵模型，设交流端口导纳Ydq为该导纳矩阵第一行第二列元素；将该元素转化为标准的有理分式表达形式的传递函数G2(s)；
步骤7，通过扫频手段获得网侧子系统交流侧端口导纳数据，采用vector-fitting算法对测量的Ydq导纳数据进行精确矢量拟合，得到有理分式表达形式的拟合传递函数H2(s)；
步骤8，将机侧子系统和网侧子系统的传递函数H2(s)和G2(s)对应项系数做差，并通过最小二乘原理求解网侧子系统控制器参数。
其中，s为拉普拉斯算子。
作为一优选实施例，机侧子系统的控制器参数包括：
转矩外环PI控制器参数比例系数Kp_t和积分系数Ki_t、电流内环PI控制器参数比例系数Kpm_i和积分系数Kim_i；。
作为一优选实施例，网侧子系统的控制器参数包括：
电流内环PI控制器参数比例系数Kp_i和积分系数Ki_i、功率外环PI控制器参数比例系数Kp_q和积分系数Ki_q、电压外环PI控制器参数比例系数Kp_udc和积分系数Ki_udc、锁相环PI控制器参数比例系数Kp_pll和积分系数Ki_pll。
作为一优选实施例，步骤1，包括：
将直驱风电机组在直流母线处进行分割，即将永磁直驱发电机与机侧变流器作为机侧子系统，将网侧变流器、滤波器与外部电网作为网侧子系统；同时对于机侧子系统假定网侧子系统控制特性是理想的，即将网侧子系统等效为一个理想直流电压源；对于网侧子系统假定机侧子系统控制特性是理想的，对机侧子系统体现为恒定功率源。
作为一优选实施例，步骤2，包括：
确定机侧子系统的直驱发电机控制结构和机侧变流器控制结构；确定直驱发电机的电气参数，包括额定容量、转子极对数、转动惯量、额定转速和/或转子磁链；
确定网侧子系统的网侧变流器控制结构和滤波器结构，确定网侧变流器的电气参数，包括额定功率、直流侧电容值、交流侧滤波器参数、直流侧电压和/或交流电网电压。
作为一优选实施例，步骤3，包括：
在确定了直驱风电机组机侧子系统控制结构以及电气参数的基础上，推导机侧子系统的直流端口导纳Ydc：
ΔIdc＝Ydc(s)·ΔUdc (1)
其中，ΔIdc为直流端口电流增量扰动值，ΔUdc为直流端口电压增量扰动值；
对于Δii(s)＝Yi(s)·Δui(s)所表示的等效导纳模型，当组件i为单端口网络组件时，Yi(s)为单一传递函数；其中，Δii(s)、Δui(s)分别表示端口电流、电压增量列向量；
对式(1)中机侧子系统的直流端口导纳Ydc进行含控制器参数的化简运算，确定Ydc的实际分子分母阶次，得到Ydc的传递函数的有理分式表达形式G1(s)如下：
Figure BDA0002829441300000101
式(2)的参数特征为：an＝1，G1(s)其余各项系数an-1～a0、bm～b0均含有控制器待辨识参数，且均无虚部，sm表示G1(s)分子多项式最高次项的字母部分，sn表示G1(s)分母多项式最高次项的字母部分。
作为一优选实施例，步骤4，包括：
采用机侧子系统扫频方法，在机侧子系统的机侧变流器直流侧注入频率为ωp的小扰动电压，测量直流侧电压及电流，并对其进行FFT分析，即计算得到扰动频率ωp下的导纳，通过改变扰动频率ωp，即获得一系列频率下机侧子系统的直流端口导纳数据；
采用Vector-fitting算法，通过求解线性最小二乘问题将初始极点集重新定位到更好的位置的迭代技术，对状态方程进行拟合，本实施例主要使用其传统标量方程拟合的功能，其拟合方程形式如下：
Figure BDA0002829441300000111
其中，h(s)为拟合结果的传递函数表达式，s为拉普拉斯算子，am为拟合得到的极点，rm为极点am对应的留数，d为实数，e为实数；
若G1(s)分子阶数低于分母(m＜n)，在采用Vector-fitting算法前，将目标拟合结果设置为d＝0、e＝0；若G1(s)分子阶数等于分母(m＝n)，在采用Vector-Fitting算法前，将目标拟合结果设置为d＝1、e＝0；将机侧子系统扫频所得的直流端口导纳数据作为算法输入参数，设置初始极点为算法默认值，得到拟合结果如下所示：
Figure BDA0002829441300000112
使用Vector-Fitting算法得到的拟合结果中，其中a'n＝1，a'n-1～a'0、b'm～b'0均为虚部远小于实部的复数，在接下来的最小二乘辨识过程中，忽略a'n-1～a'0、b'm～b'0的虚部，只使用其实部。
作为一优选实施例，步骤5，包括：
建立最小二乘输入列向量Y为G1(s)和H1(s)各项系数的差值：
Figure BDA0002829441300000121
由于列向量Y的元素之间次数差距很大，需要更合理分配它们的权重，来使最小二乘更加适用，本实施例采取将高次项次数降低，使列向量Y中所有元素次数保持在同一数量级的方法，然后对列向量Y进行最小二乘运算，得到待辨识机侧子系统控制器参数的精确辨识结果。
作为一优选实施例，步骤6，包括：
在确定了直驱风电机组网侧子系统控制结构以及电气参数的基础上，推导网侧子系统在dq坐标系下的导纳矩阵模型，该导纳矩阵为2×2的导纳矩阵，其中交流端口导纳Ydq为该导纳矩阵的第一行第二列元素：
Figure BDA0002829441300000122
其中，Δid为网侧子系统交流端口d轴电流扰动值，Δiq为网侧子系统交流端口q轴电流扰动值，Ydd(s)为导纳矩阵第一行第一列元素，Yqd(s)为导纳矩阵第二行第一列元素，Yqq(s)为导纳矩阵第二行第二列元素，Δud为网侧子系统交流端口d轴电压扰动值，Δuq为网侧子系统交流端口q轴电压扰动值；
对于Δii(s)＝Yi(s)·Δui(s)所表示的等效导纳模型，当组件i为多端口网络组件时，Yi(s)为传递函数矩阵；Ydq(s)为导纳矩阵的一个元素，为单一传递函数；其中，Δii(s)、Δui(s)分别表示端口电流、电压增量列向量；
对式(6)中网侧子系统交流端口导纳Ydq进行含控制器参数的化简运算，确定Ydq实际分子分母阶次，得到Ydq的传递函数的有理分式表达形式G2(s)：
Figure BDA0002829441300000123
作为一优选实施例，步骤7，包括：
采用网侧子系统扫频方法，在网侧子系统的网侧变流器交流侧注入频率为ωp的q轴小扰动电压，测量三相交流侧电压和电流，将三相电压和电流变换到两相dq同步旋转坐标系下的电压和电流，对dq坐标系下的电压和电流进行FFT分析，即计算得到扰动频率ωp下的dq导纳，通过改变扰动频率ωp，即获得一系列频率下网侧子系统的交流端口导纳数据；
使用Vector-Fitting算法对网侧子系统扫频所得的Ydq导纳数据拟合得到传递函数表达式H2(s)；将网侧子系统扫频所得的Ydq导纳数据作为算法输入参数，设置初始极点为算法默认值，得到拟合结果H2(s)：
Figure BDA0002829441300000131
作为一优选实施例，步骤8，包括：
建立最小二乘输入列向量Y1为G2(s)和H2(s)各项系数的差值：
Figure BDA0002829441300000132
由于列向量Y1的元素之间次数差距很大，需要更合理分配它们的权重，来使最小二乘更加适用，本实施例采取将高次项次数降低，使列向量Y1中所有元素次数保持在同一数量级的方法，然后对列向量Y1进行最小二乘运算，得到待辨识网侧子系统控制器参数的精确辨识结果。
下面结合附图对本发明上述实施例所提供的技术方案进一步详细描述如下。
在本发明部分实施例中，交流电网电压为560V/50Hz，网侧并网逆变器PCC点相电压为560V/50Hz，直流母线额定电压1.1kV。直驱风力发电机采用三相永磁同步发电机，额定容量为2MVA，发电机惯量为0.7s，额定转速为20rpm。
如图1所示，采用结构为最为成熟且工程广泛应用的直驱风力发电机组，包括直驱风力发电机，机侧变流器，网侧变流器，滤波器及电网。
如图2所示，机侧子系统采取典型的转矩外环、电流内环控制结构，同时将网侧子系统视作理想电压源。待辨识控制器参数为转矩外环PI控制器参数比例系数Kp_t和积分系数Ki_t、电流内环PI控制器参数比例系数Kpm_i和积分系数Kim_i。
如图3所示，网侧子系统采用应用广泛的UdcQ外环，电流内环的双环控制系统，同时将机侧子系统视作恒功率源，待辨识参数为电流内环PI控制器参数比例系数Kp_i和积分系数Ki_i、无功功率外环PI控制器参数比例系数Kp_q和积分系数Ki_q、电压外环PI控制器参数比例系数Kp_udc和积分系数Ki_udc、锁相环PI控制器参数比例系数Kp_pll和积分系数Ki_pll。
如图4所示，基于矢量拟合(vector-fitting)的直驱风电机组控制器参数辨识方法，包括如下步骤：
步骤1，将直驱风电机组在直流侧划分为机侧子系统和网侧子系统；
步骤2，确定直驱风电机组机侧子系统和网侧子系统的控制结构以及电气参数；
步骤3，建立机侧子系统的直流端口导纳Ydc，将其转化为标准的有理分式表达形式G1(s)；
步骤4，通过扫频手段获得机侧子系统的直流侧端口导纳数据，采用vector-fitting算法对测量的Ydc导纳数据进行精确矢量拟合，得到其拟合传递函数的有理分式表达形式H1(s)；
步骤5，将机侧子系统的H1(s)和G1(s)对应项系数做差，并通过最小二乘原理求解机侧子系统控制器参数；
步骤6，建立网侧子系统在dq坐标系下的2×2导纳矩阵模型，Ydq为该矩阵第一行第二列元素；将其转化为标准的有理分式表达形式G2(s)；
步骤7，通过扫频手段获得网侧子系统交流侧端口导纳数据，采用vector-fitting算法对测量的Ydq导纳数据进行精确矢量拟合，得到其拟合传递函数的有理分式表达形式H2(s)；
步骤8，将网侧子系统的H2(s)和G2(s)对应项系数做差，并通过最小二乘原理求解网侧子系统控制器参数。
如图5所示，将H1(s)和G1(s)对应项系数做差，并通过最小二乘原理求解机侧控制器参数；将H2(s)和G2(s)对应项系数做差，并通过最小二乘原理求解网侧控制器参数。得到的参数辨识结果与原始参数如下式所示，左侧为原始参数，右侧为辨识结果，并且将参数辨识结果与原始参数带入G1(s)和G2(s)中，绘制它们的曲线，得到的结果完全重合，图5表明本发明所提出的参数辨识方法能够在较宽频率范围内保证端口导纳特性不变，具有高度准确性。
Figure BDA0002829441300000151
由此可见，本发明上述实施例所提供的方法，通过导纳特性实现精确的直驱风电机组控制器参数辨识，为直驱风电机组控制器参数辨识提供了一个准确可行的方法。有助于通过光伏逆变器外特性获得准确的控制器参数来帮助分析直驱风力发电系统并网过程。
本发明另一实施例提供了一种基于矢量拟合(vector-fitting)的直驱风电机组控制器参数辨识装置，如图6所示，包括如下模块：
获取模块：确定直驱风电机组机侧子系统和网侧子系统的控制结构以及电气参数；
建立机侧子系统理论导纳标准式模块：建立机侧子系统的直流端口导纳Ydc，将其转化为标准的有理分式表达形式G1(s)；
建立机侧子系统扫频导纳拟合标准式模块：通过扫频手段获得机侧子系统的直流侧端口导纳数据，采用vector-fitting算法对测量的Ydc导纳数据进行精确矢量拟合，得到其拟合传递函数的有理分式表达形式H1(s)；
机侧子系统控制器参数辨识模块：将机侧子系统的H1(s)和G1(s)对应项系数做差，并通过最小二乘原理求解机侧子系统控制器参数；
建立网侧子系统理论导纳标准式模块：建立网侧子系统在dq坐标系下的导纳矩阵模型，交流端口导纳Ydq为该矩阵第一行第二列元素；将其转化为标准的有理分式表达形式的传递函数G2(s)；
建立网侧子系统扫频导纳拟合标准式模块：通过扫频手段获得网侧子系统交流侧端口导纳数据，采用vector-fitting算法对测量的Ydq导纳数据进行精确矢量拟合，得到其有理分式表达形式的拟合传递函数H2(s)；
网侧子系统控制器参数辨识模块：将网侧子系统的H2(s)和G2(s)对应项系数做差，并通过最小二乘原理求解网侧子系统控制器参数。
作为一优选实施例，机侧子系统的控制器参数包括：
转矩外环PI控制器参数比例系数Kp_t和积分系数Ki_t、电流内环PI控制器参数比例系数Kpm_i和积分系数Kim_i。
作为一优选实施例，网侧子系统的控制器参数包括：
电流内环PI控制器参数比例系数Kp_i和积分系数Ki_i、功率外环PI控制器参数比例系数Kp_q和积分系数Ki_q、电压外环PI控制器参数比例系数Kp_udc和积分系数Ki_udc、锁相环PI控制器参数比例系数Kp_pll和积分系数Ki_pll。
作为一优选实施例，分割系统模块中：
将直驱风电机组在直流母线处进行分割，即将永磁直驱发电机与机侧变流器作为机侧子系统，将网侧变流器与外部电网作为网侧子系统；同时对于机侧子系统假定网侧子系统控制特性是理想的，也就是可以等效为一个理想直流电压源；对于网侧子系统假定机侧子系统控制特性是理想的，对其体现为恒定功率源。
作为一优选实施例，获取模块中：
确定机侧子系统的直驱风机控制结构和机侧变流器结构，确定直驱风力发电机的电气参数，包括额定容量、转子极对数、转动惯量、额定转速、转子磁链等。
确定网侧子系统的具体控制结构和滤波器结构，确定网侧三相变流器的电气参数，包括额定功率、直流侧电容值、交流侧滤波器参数、直流侧电压、交流电网电压等。
作为一优选实施例，建立机侧子系统理论导纳标准式模块中：
在确定了机侧子系统风机控制结构和机侧变流器结构的基础上，理论推导机侧系统的直流侧导纳Ydc：
ΔIdc＝Ydc(s)·ΔUdc
对上式中机侧子系统直流侧导纳Ydc进行含控制器参数的化简运算，确定其实际分子分母阶次，得到Ydc的有理分式表达形式G1(s)如下：
Figure BDA0002829441300000171
上式的参数特征为：an＝1，G1(s)其余各项系数an-1～a0、bm～b0均含有控制器待辨识参数，且均无虚部。
作为一优选实施例，建立机侧子系统扫频导纳拟合标准式模块中：
机侧子系统扫频方法的具体实现是，在机侧变流器直流侧注入频率为ωp的单相小扰动电压，测量直流侧电压及电流，并对其进行FFT分析，即可计算得到扰动频率ωp下的导纳。，通过改变扰动频率ωp，即可获得一系列频率下机侧子系统的直流侧导纳。
使用Vector-Fitting算法将机侧子系统扫频所得的Ydc导纳数据进行精确矢量拟合得到拟合结果H1(s)如下：
Figure BDA0002829441300000172
作为一优选实施例，，机侧子系统控制器参数辨识模块中：
建立最小二乘输入列向量为G1(s)和H1(s)各项系数的差值：
Figure BDA0002829441300000173
由于列向量Y的元素之间次数差距很大，需要更合理分配它们的权重，来使最小二乘更加适用，本发明采取将高次项次数降低，使Y所有列向量元素次数保持在同一数量级的方法，然后对向量Y进行最小二乘运算，可以得到待辨识机侧子系统控制器参数的精确辨识结果。
作为一优选实施例，建立网侧子系统理论导纳标准式模块中：
在确定了网侧子系统具体的控制结构和滤波器结构的基础上，理论推导网侧子系统在dq坐标系下的导纳矩阵模型，该导纳矩阵为2×2的导纳矩阵，其中Ydq为该矩阵第一行第二列元素：
Figure BDA0002829441300000181
对上式中网侧子系统纳Ydq进行含控制器参数的化简运算，确定其实际分子分母阶次，得到Ydq的有理分式表达形式G2(s)，其形式与G1(s)形式一致。
作为一优选实施例，，建立网侧子系统扫频导纳拟合标准式模块中：
网侧子系统扫频方法的具体实现是，在网侧变流器交流侧注入频率为ωp的q轴小扰动电压，测量三相交流侧电压和电流，将三相电压和电流变换到两相dq同步旋转坐标系下的电压和电流，对dq坐标系下的电压和电流进行FFT分析，即可计算得到扰动频率ωp下的dq导纳，通过改变扰动频率，即可获得一系列频率下网侧子系统的交流侧导纳。
使用Vector-Fitting算法对网侧子系统扫频所得的Ydq导纳数据拟合得到H2(s)。H2(s)形式与H1(s)相同。
作为一优选实施例，网侧子系统控制器参数辨识模块，进一步包括：
建立最小二乘输入列向量为G2(s)和H2(s)各项系数的差值Y1，其形式与权利6中Y的形式相同。由于列向量Y1的元素之间次数差距很大，需要更合理分配它们的权重，来使最小二乘更加适用，本发明采取将高次项次数降低，使Y1所有列向量元素次数保持在同一数量级的方法，然后对向量Y1进行最小二乘运算，可以得到待辨识网侧子系统控制器参数的精确辨识结果。
本发明上述实施例提供的基于矢量拟合的直驱风电机组控制器参数辨识方法及装置，将直驱风电机组从直流侧划分为机侧子系统和网侧子系统，分别建立机侧子系统的直流侧导纳Ydc和网侧子系统的交流侧dq导纳Ydq，并将二者转化为标准的传递函数形式G1(s)和G2(s)。然后，通过扫频手段分别获得机侧子系统直流端口的测量导纳数据和网侧子系统交流端口的测量导纳数据，采用vector-fitting算法对测量的导纳数据进行矢量拟合，分别得到测量导纳的传递函数表达式H1(s)和H2(s)。最后，将H1(s)和G1(s)、H2(s)和G2(s)对应系数的差值做最小二乘，得到直驱风电机组机侧控制器和网侧控制器参数的估计值。本发明上述实施例通过端口测量导纳实现不同带宽控制下直驱风电机组控制器参数的精确辨识，具有操作性强、简便、精确等优点，适用于多带宽控制系统的参数辨识。
需要说明的是，本发明提供的方法中的步骤，可以利用系统中对应的模块、装置、单元等予以实现，本领域技术人员可以参照系统的技术方案实现方法的步骤流程，即，系统中的实施例可理解为实现方法的优选例，在此不予赘述。
以上对本发明的具体实施例进行了描述。需要理解的是，本发明并不局限于上述特定实施方式，本领域技术人员可以在权利要求的范围内做出各种变形或修改，这并不影响本发明的实质内容。

Claims (10)

1.一种基于矢量拟合的直驱风电机组控制器参数辨识方法，其特征在于，包括：
将直驱风电机组在直流侧划分为机侧子系统和网侧子系统；
确定直驱风电机组机侧子系统和网侧子系统的控制结构以及电气参数；建立机侧子系统的直流端口导纳Ydc，将直流端口导纳Ydc转化为传递函数G1(s)；
获得机侧子系统的直流端口导纳Ydc的导纳数据，采用矢量拟合算法对获得的直流端口导纳Ydc的导纳数据进行精确矢量拟合，得到直流端口导纳Ydc的拟合传递函数H1(s)；
将机侧子系统的传递函数H1(s)和G1(s)对应项系数做差，并通过最小二乘原理求解机侧子系统控制器参数；
建立网侧子系统在dq坐标系下的导纳矩阵模型，设导纳矩阵第一行第二列元素为交流端口导纳Ydq；将交流端口导纳Ydq转化为传递函数G2(s)；
获得网侧子系统的交流端口导纳Ydq的导纳数据，采用矢量拟合算法对获得的交流端口导纳Ydq的导纳数据进行精确矢量拟合，得到交流端口导纳Ydq的拟合传递函数H2(s)；
将网侧子系统的传递函数H2(s)和G2(s)对应项系数做差，并通过最小二乘原理求解网侧子系统控制器参数。
2.根据权利要求1所述的基于矢量拟合的直驱风电机组控制器参数辨识方法，其特征在于，所述将直驱风电机组在直流侧划分为机侧子系统和网侧子系统，包括：
将直驱风电机组在直流母线处进行分割，即将永磁直驱发电机与机侧变流器作为机侧子系统，将网侧变流器、滤波器与外部电网作为网侧子系统；同时对于机侧子系统假定网侧子系统控制特性是理想的，即将网侧子系统等效为一个理想直流电压源；对于网侧子系统假定机侧子系统控制特性是理想的，对机侧子系统体现为恒定功率源。
3.根据权利要求1所述的基于矢量拟合的直驱风电机组控制器参数辨识方法，其特征在于，所述确定直驱风电机组机侧子系统和网侧子系统的控制结构以及电气参数，包括：
确定机侧子系统的直驱发电机控制结构和机侧变流器控制结构；确定直驱发电机的电气参数，包括额定容量、转子极对数、转动惯量、额定转速和/或转子磁链；
确定网侧子系统的网侧变流器控制结构和滤波器结构，确定网侧变流器的电气参数，包括额定功率、直流侧电容值、交流侧滤波器参数、直流侧电压和/或交流电网电压。
4.根据权利要求1所述的基于矢量拟合的直驱风电机组控制器参数辨识方法，其特征在于，所述建立机侧子系统的直流端口导纳Ydc，将直流端口导纳Ydc转化为标准的传递函数G1(s)，包括：
在确定了直驱风电机组机侧子系统控制结构以及电气参数的基础上，推导机侧子系统的直流端口导纳Ydc：
ΔIdc＝Ydc(s)·ΔUdc (1)
其中，ΔIdc为直流端口电流增量扰动值，ΔUdc为直流端口电压增量扰动值；
对于Δii(s)＝Yi(s)·Δui(s)所表示的等效导纳模型，当组件i为单端口网络组件时，所述Yi(s)为单一传递函数；其中，Δii(s)、Δui(s)分别表示端口电流、电压增量列向量；
对式(1)中机侧子系统的直流端口导纳Ydc进行含控制器参数的简化运算，确定Ydc的实际分子分母阶次，得到Ydc的传递函数的有理分式表达形式G1(s)如下：
Figure FDA0004169180060000021
式(2)中，an～a0分别为G1(s)分母多项式由高次到低次的多项式系数，bm～b0分别为G1(s)分子多项式由高次到低次的多项式系数，sm表示G1(s)分子多项式最高次项的自变量部分，sn表示G1(s)分母多项式最高次项的自变量部分；
其中：an＝1，G1(s)其余各项系数an-1～a0、bm～b0均含有控制器待辨识参数，且均无虚部。
5.根据权利要求1所述的基于矢量拟合的直驱风电机组控制器参数辨识方法，其特征在于，所述获得机侧子系统的直流端口导纳Ydc的导纳数据，采用矢量拟合算法对获得的直流端口导纳Ydc的导纳数据进行精确矢量拟合，得到直流端口导纳Ydc的拟合传递函数H1(s)，包括：
采用机侧子系统扫频方法，在机侧子系统的机侧变流器直流侧注入频率为ωp的扰动电压，测量直流侧电压及电流，并对其进行FFT分析，即计算得到扰动频率ωp下的导纳，通过改变扰动频率ωp，即获得一系列频率下机侧子系统的直流端口导纳数据；
采用矢量拟合算法，通过求解线性最小二乘问题将初始极点集重新定位到更好的位置，对状态方程进行拟合，拟合方程形式如下：
Figure FDA0004169180060000031
其中，h(s)为拟合结果的传递函数表达式，s为拉普拉斯算子，am为拟合得到的极点，rm为极点am对应的留数，d和e分别为实数；N为极点个数；
若G1(s)分子阶数低于分母，即m＜n，在采用矢量拟合算法前，将目标拟合结果设置为d＝0、e＝0；若G1(s)分子阶数等于分母，即m＝n，在采用矢量拟合算法前，将目标拟合结果设置为d＝1、e＝0；将机侧子系统扫频所得的直流端口导纳数据作为算法输入参数，设置初始极点为算法默认值，得到拟合结果如下所示：
Figure FDA0004169180060000032
使用矢量拟合算法得到的拟合结果中，a′n～a′0分别为H1(s)分母多项式由高次到低次的多项式系数，b′m～b′0分别为H1(s)分子多项式由高次到低次的多项式系数；其中：a'n＝1，a'n-1～a'0、b'm～b'0均为虚部小于实部的复数，在最小二乘辨识过程中，忽略a'n-1～a'0、b'm～b'0的虚部，只使用其实部；s表示H1(s)的自变量，上标m和n分别表示分子和分母的阶数。
6.根据权利要求1所述的基于矢量拟合的直驱风电机组控制器参数辨识方法，其特征在于，所述将机侧子系统的传递函数H1(s)和G1(s)对应项系数做差，并通过最小二乘原理求解机侧子系统控制器参数，包括：
建立最小二乘输入列向量Y为G1(s)和H1(s)各项系数的差值：
Figure FDA0004169180060000041
其中，an-1～a0分别为G1(s)分母多项式由高次到低次的多项式系数，bm～b0分别为G1(s)分子多项式由高次到低次的多项式系数；a′n-1～a′0分别为H1(s)分母多项式由高次到低次的多项式系数，b′m～b′0分别为H1(s)分子多项式由高次到低次的多项式系数；
将高次项次数降低，使列向量Y中所有元素次数保持在同一数量级，然后对列向量Y进行最小二乘运算，得到待辨识机侧子系统控制器参数的精确辨识结果。
7.根据权利要求1所述的基于矢量拟合的直驱风电机组控制器参数辨识方法，其特征在于，所述建立网侧子系统在dq坐标系下的导纳矩阵模型，设导纳矩阵第一行第二列元素为交流端口导纳Ydq；将交流端口导纳Ydq转化为标准的传递函数G2(s)，包括：
在确定了直驱风电机组网侧子系统控制结构以及电气参数的基础上，推导网侧子系统在dq坐标系下的导纳矩阵模型，其中交流端口导纳Ydq为该导纳矩阵的第一行第二列元素：
Figure FDA0004169180060000042
其中，Δid为网侧子系统交流端口d轴电流扰动值，Δiq为网侧子系统交流端口q轴电流扰动值，Ydd(s)为导纳矩阵第一行第一列元素，Yqd(s)为导纳矩阵第二行第一列元素，Yqq(s)为导纳矩阵第二行第二列元素，Δud为网侧子系统交流端口d轴电压扰动值，Δuq为网侧子系统交流端口q轴电压扰动值；
对于Δii(s)＝Yi(s)·Δui(s)所表示的等效导纳模型，当组件i为多端口网络组件时，所述Yi(s)为传递函数矩阵；Ydq(s)为导纳矩阵的一个元素，为单一传递函数；其中，Δii(s)、Δui(s)分别表示端口电流、电压增量列向量；
对式(6)中网侧子系统交流端口导纳Ydq进行含控制器参数的化简运算，确定Ydq实际分子分母阶次，得到Ydq的传递函数的有理分式表达形式G2(s)如下：
Figure FDA0004169180060000051
式(7)中，an～a0分别为G2(s)分母多项式由高次到低次的多项式系数，bm～b0分别为G2(s)分子多项式由高次到低次的多项式系数，sm表示G2(s)分子多项式最高次项的自变量部分，sn表示G2(s)分母多项式最高次项的自变量部分。
8.根据权利要求1所述的基于矢量拟合的直驱风电机组控制器参数辨识方法，其特征在于，所述获得网侧子系统的交流端口导纳Ydq的导纳数据，采用矢量拟合算法对获得的交流端口导纳Ydq的导纳数据进行精确矢量拟合，得到交流端口导纳Ydq的拟合传递函数H2(s)，包括：
采用网侧子系统扫频方法，在网侧子系统的网侧变流器交流侧注入频率为ωp的q轴扰动电压，测量三相交流侧电压和电流，将三相电压和电流变换到两相dq同步旋转坐标系下的电压和电流，对dq坐标系下的电压和电流进行FFT分析，即计算得到扰动频率ωp下的dq导纳，通过改变扰动频率ωp，即获得一系列频率下网侧子系统的交流端口导纳数据；
使用矢量拟合算法对网侧子系统扫频所得的Ydq导纳数据拟合得到传递函数表达式H2(s)；将网侧子系统扫频所得的Ydq导纳数据作为算法输入参数，设置初始极点为算法默认值，得到拟合结果H2(s)：
Figure FDA0004169180060000052
式(8)中，a′n～a′0分别为H2(s)分母多项式由高次到低次的多项式系数，b′m～b′0分别为H2(s)分子多项式由高次到低次的多项式系数；s表示H2(s)的自变量，上标m和n分别表示分子和分母的阶数。
9.根据权利要求1所述的基于矢量拟合的直驱风电机组控制器参数辨识方法，其特征在于，所述将网侧子系统的传递函数H2(s)和G2(s)对应项系数做差，并通过最小二乘原理求解网侧子系统控制器参数，包括：
建立最小二乘输入列向量Y1为G2(s)和H2(s)各项系数的差值：
Figure FDA0004169180060000061
其中，an-1～a0分别为G2(s)分母多项式由高次到低次的多项式系数，bm～b0分别为G2(s)分子多项式由高次到低次的多项式系数；a′n-1～a′0分别为H2(s)分母多项式由高次到低次的多项式系数，b′m～b′0分别为H2(s)分子多项式由高次到低次的多项式系数；
将高次项次数降低，使列向量Y1中所有元素次数保持在同一数量级，然后对列向量Y1进行最小二乘运算，得到待辨识网侧子系统控制器参数的精确辨识结果。
10.一种基于矢量拟合的直驱风电机组控制器参数辨识装置，其特征在于，包括：
分割系统模块：将直驱风电机组在直流侧划分为机侧子系统和网侧子系统；
获取模块：确定直驱风电机组机侧子系统和网侧子系统的控制结构以及电气参数；
建立机侧子系统理论导纳标准式模块：建立机侧子系统的直流端口导纳Ydc，将直流端口导纳Ydc转化为传递函数G1(s)；
建立机侧子系统扫频导纳拟合标准式模块：获得机侧子系统的直流侧端口导纳Ydc的导纳数据，采用vector-fitting算法对获得的直流端口导纳Ydc的导纳数据进行精确矢量拟合，得到直流端口导纳Ydc的拟合传递函数H1(s)；
机侧子系统控制器参数辨识模块：将机侧子系统的传递函数H1(s)和G1(s)对应项系数做差，并通过最小二乘原理求解机侧子系统控制器参数；
建立网侧子系统理论导纳标准式模块：建立网侧子系统在dq坐标系下的导纳矩阵模型，设导纳矩阵第一行第二列元素为交流端口导纳Ydq；将交流端口导纳Ydq转化为传递函数G2(s)；
建立网侧子系统扫频导纳拟合标准式模块：获得网侧子系统的交流侧端口导纳Ydq的导纳数据，采用vector-fitting算法对获得的交流端口导纳Ydq的导纳数据进行精确矢量拟合，得到交流端口导纳Ydq的拟合传递函数H2(s)；
网侧子系统控制器参数辨识模块：将网侧子系统的传递函数H2(s)和G2(s)对应项系数做差，并通过最小二乘原理求解网侧子系统控制器参数。
CN202011456388.8A 2020-12-11 2020-12-11 基于矢量拟合的直驱风电机组控制器参数辨识方法及装置 Active CN112615393B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011456388.8A CN112615393B (zh) 2020-12-11 2020-12-11 基于矢量拟合的直驱风电机组控制器参数辨识方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011456388.8A CN112615393B (zh) 2020-12-11 2020-12-11 基于矢量拟合的直驱风电机组控制器参数辨识方法及装置

Publications (2)

Publication Number Publication Date
CN112615393A CN112615393A (zh) 2021-04-06
CN112615393B true CN112615393B (zh) 2023-05-19

Family

ID=75233250

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011456388.8A Active CN112615393B (zh) 2020-12-11 2020-12-11 基于矢量拟合的直驱风电机组控制器参数辨识方法及装置

Country Status (1)

Country Link
CN (1) CN112615393B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114123336B (zh) * 2021-11-30 2023-06-16 国网山东省电力公司德州供电公司 一种直驱风机变流器的控制参数辨识方法及系统
CN114172201B (zh) * 2021-12-10 2023-06-23 国网福建省电力有限公司 一种模块化直驱风机控制模型结构识别方法
CN116305805B (zh) * 2023-01-31 2023-12-19 四川大学 消除大规模换流器稳定性降阶分析误差的模型构建方法
CN117277412B (zh) * 2023-09-26 2024-02-27 中国电力科学研究院有限公司 风电机组变流器的控制参数识别方法、系统、设备和介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107091958A (zh) * 2017-03-21 2017-08-25 国网天津市电力公司 一种输电线路参数在线辨识系统及其辨识方法
CN108763802A (zh) * 2018-06-04 2018-11-06 天津农学院 计及电力传输线的电力电子换流系统电磁干扰估算方法
CN109449958A (zh) * 2018-11-29 2019-03-08 云南电网有限责任公司 一种双馈风机并网系统稳定性分析方法
CN110148967A (zh) * 2019-06-18 2019-08-20 华北电力大学 一种基于导纳分析直驱风机次同步振荡特性的研究方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8756047B2 (en) * 2010-09-27 2014-06-17 Sureshchandra B Patel Method of artificial nueral network loadflow computation for electrical power system

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107091958A (zh) * 2017-03-21 2017-08-25 国网天津市电力公司 一种输电线路参数在线辨识系统及其辨识方法
CN108763802A (zh) * 2018-06-04 2018-11-06 天津农学院 计及电力传输线的电力电子换流系统电磁干扰估算方法
CN109449958A (zh) * 2018-11-29 2019-03-08 云南电网有限责任公司 一种双馈风机并网系统稳定性分析方法
CN110148967A (zh) * 2019-06-18 2019-08-20 华北电力大学 一种基于导纳分析直驱风机次同步振荡特性的研究方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
An Algorithm for Fractional Order System Identification;Xixiao Liu et al.;《2014 IEEE 17th International Conference on Computational Science and Engineering》;20150129;第66-71页 *
基于多新息最小二乘算法的电力线路参数辨识;原康康等;《电力工程技术》;20200731;第39卷(第4期);第55-60页 *

Also Published As

Publication number Publication date
CN112615393A (zh) 2021-04-06

Similar Documents

Publication Publication Date Title
CN112615393B (zh) 基于矢量拟合的直驱风电机组控制器参数辨识方法及装置
CN112165115B (zh) 一种直驱风电机组灰箱模型的参数辨识方法及装置
CN110112769A (zh) 虚拟同步机输出反馈自适应控制方法
CN109586337B (zh) 基于频域建模的vsc并网系统次同步振荡风险评估方法
CN109921421B (zh) 双馈风电机组输出谐波电流模型建立方法
CN111541246B (zh) 一种电力系统交直流潮流的全纯嵌入计算方法
CN114325097A (zh) 一种基于二次侧扰动注入的双馈型发电设备阻抗测量方法
CN109066725B (zh) 一种用于次同步振荡仿真的直驱风机等值建模方法
CN111769597B (zh) 一种双馈风力发电机的降维建模分析方法
CN111697618B (zh) 大规模风电场宽频域全模型阻抗建模与稳定性分析方法
CN106451539A (zh) 一种计及永磁直驱风电机组动态特性的风电场并网稳定分析方法
CN113378347B (zh) 一种基于模块化多端口的风电机组频域阻抗建模方法
CN111130135A (zh) 一种适用于高比例新能源接入下的电力系统惯量计算方法
CN105552951B (zh) 一种基于重复滑模的dfig系统控制方法
CN109088436B (zh) 一种vsc多尺度暂态建模方法
CN117277412B (zh) 风电机组变流器的控制参数识别方法、系统、设备和介质
CN113241779B (zh) 一种直驱风电场并网系统的稳定分析方法及装置
CN112260263B (zh) 陆上双馈风场经传统直流送出系统的阻抗测量方法及装置
CN109657380A (zh) 一种基于扩展卡尔曼滤波的双馈风电场动态等值方法
CN110336299A (zh) 一种考虑综合能源系统小干扰稳定的配网重构方法
CN113285639B (zh) 一种双馈式感应发电机系统基频负序阻抗确定方法及系统
CN108448989A (zh) 一种双馈感应发电机定子电流观测器构建方法
CN114006400A (zh) 考虑功率外环控制的双馈风机阻抗模型及推导方法
Gao et al. Improved extended kalman filter based dynamic equivalent method of DFIG wind farm cluster
Zhang et al. Research on equivalent electromechanical transient modeling of PMSG-based wind farms

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