CN113890442A - 一种粒子群滑模观测器风力发电机转子电流故障检测方法 - Google Patents

一种粒子群滑模观测器风力发电机转子电流故障检测方法 Download PDF

Info

Publication number
CN113890442A
CN113890442A CN202111180728.3A CN202111180728A CN113890442A CN 113890442 A CN113890442 A CN 113890442A CN 202111180728 A CN202111180728 A CN 202111180728A CN 113890442 A CN113890442 A CN 113890442A
Authority
CN
China
Prior art keywords
rotor
current
stator
coordinate system
voltage
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
CN202111180728.3A
Other languages
English (en)
Other versions
CN113890442B (zh
Inventor
于文新
钟广林
王俊年
陆洋
李燕
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.)
Hunan University of Science and Technology
Original Assignee
Hunan University of Science and Technology
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 Hunan University of Science and Technology filed Critical Hunan University of Science and Technology
Priority to CN202111180728.3A priority Critical patent/CN113890442B/zh
Publication of CN113890442A publication Critical patent/CN113890442A/zh
Application granted granted Critical
Publication of CN113890442B publication Critical patent/CN113890442B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • H02P21/13—Observer control, e.g. using Luenberger observers or Kalman filters
    • 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
    • H02P21/0003—Control strategies in general, e.g. linear type, e.g. P, PI, PID, using robust control
    • H02P21/0007—Control strategies in general, e.g. linear type, e.g. P, PI, PID, using robust control using sliding mode control
    • 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
    • H02P21/22—Current control, e.g. using a current control loop
    • 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
    • H02P9/02—Details of the control

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Control Of Eletrric Generators (AREA)
  • Control Of Ac Motors In General (AREA)

Abstract

本发明公开了一种粒子群滑模观测器风力发电机转子电流故障检测方法，包括以下步骤：获取三相电压分量和三相电流分量；得到同步旋转坐标系下的定转子电压和定转子电流；建立状态空间方程；采取定子电压定向控制的方法求出定转子电流之间的关系，借助两者之间的关系，组成以转子电流为状态变量的状态方程；增加切换控制项，构成滑模控制律，组成转子电流观测器；设计适应度函数，利用粒子群优化算法对滑模观测器的参数进行寻优；获得转子电流观测残差。本发明设计了一种PSO‑SMO方法，通过对滑模观测器的参数进行寻优从而提高观测器的性能。该模型用于双馈异步风力发电机的故障检测时，能有效的提高其观测精度和响应速度。

Description

一种粒子群滑模观测器风力发电机转子电流故障检测方法
技术领域
本发明涉及一种粒子群滑模观测器风力发电机转子电流故障检测方法，属于电气控制领域。
背景技术
双馈异步风力发电机（DFIG）是目前应用最为广泛的风力发电机，其由定子绕组直连定频三相电网的绕线型感应发电机和安装在转子绕组上的双向背靠背IGBT电压源变流器组成。相比于一般异步电机，该系统可使定子和转子都与电网进行功率交换。由于DFIG的内部结构复杂，且运行环境复杂多变，易导致系统发生电气、机械故障。一旦系统内部产生故障，对其进行故障维修的成本较大。因此，DFIG控制系统应具备早期故障在线检测能力，提高风力发电机的可靠性，降低维护成本。
转子电流是识别DFIG故障的重要特征之一。DFIG在切入电网时，定子侧电压会发生突变，导致转子侧电流急剧上升，而引起电网发生震荡，进而影响转子侧变流器的安全运行。而转子侧变流器是通过转子电流分量对有功功率和无功功率实施控制的。又因为用于信号采集的电流传感器，其状态是直接影响风力发电机故障检测的重要因素之一，所以本发明把转子电流作为观测对象，实施对DFIG的故障检测是有效且十分必要的。在故障检测方法方面，基于解析模型的故障检测方法通过设置DFIG故障观测器的方式来获取实际值的估计值，即观测值。根据实际值与观测值作差，通过观测残差来检测电机是否发生故障。该方法为DFIG转子电流的测量提供了一个有效途径，避免了传统方法的系统开支以及硬件的复杂性。但是直接应用于DFIG的故障检测中还有不足之处，即观测器的参数取值常常采取经验值。时常因为参数选取不合理而导致转子电流观测器的观测值不准确，可能由于参数较大引起观测值发生抖振，也可能由于参数较小导致观测值收敛过慢，甚至发散。这样会极大降低观测器的故障检测精度，甚至会引起误报警。
发明内容
本发明的目的在于解决风力发电机故障检测的问题，提供了一种粒子群滑模观测器风力发电机转子电流故障检测方法。
为解决上述技术问题，本发明提供了一种粒子群滑模观测器风力发电机转子电流故障检测方法，包括以下步骤：
步骤一，DFIG的定子侧和转子侧分别与电网端和背靠背功率变换器连接。电机定转子两侧处均通过电压和电流传感器获取三相电压分量和三相电流分量，分别为定子电压u s abc 、转子电压u r abc 和定子电流i s abc 、转子电流i r abc ；
步骤二，将自然坐标系下的三相电压分量和三相电流分量经过Clark变换以及Park变换后换算得到d-q坐标系下的定子电压u s dq 、转子电压u r dq 和定子电流i s dq 、转子电流i r dq ；
步骤三，根据DFIG的电压方程和磁链方程建立状态空间方程；其中，换算得到的d-q坐标系下的电流分量和电压分量分别作为状态变量和输入变量；
步骤四，在步骤三的基础上，仅考虑定子电流i s dq 为状态变量的状态空间模型时,采取定子电压定向控制的方法求出定转子电流之间的关系；借助两者之间关系，将状态空间模型中的定子电流用转子电流表示，组成以转子电流i r dq 为状态变量的状态方程；其中，输入变量仍为d-q坐标系下的电压分量；
步骤五，根据以转子电流i r dq 为状态变量的状态方程构造转子电流观测器；在此基础上，增加切换控制项u sw ，构成滑模控制律v，组成转子电流观测器；此时，观测值为转子电流和转子转速；系统通过转子电流观测器获取d-q坐标系下的转子电流观测值
Figure RE-725309DEST_PATH_IMAGE001
和转子转速观测值
Figure RE-32794DEST_PATH_IMAGE002
；
步骤六，设计适应度函数，利用PSO(Particle Swarm Optimization,粒子群优化算法)算法对SMO（Sliding Mode Observer，滑模观测器）的参数进行优化；其中，将随机产生的每个粒子的相关数值赋值给滑模控制律v的参数，根据本发明所设计的适应度函数计算每个粒子的适应度值F(X i )；
步骤七，将转子转速观测值
Figure RE-923389DEST_PATH_IMAGE003
代入状态空间方程获得转子电流观测值
Figure RE-720444DEST_PATH_IMAGE004
以此构成无速度传感器的情况；通过d-q坐标系下系统实际转子电流值与转子电流观测值作差，获得系统转子电流观测残差；
步骤八，在某时段设置三相电压接地，模拟电网端电压跌落故障；通过步骤七中的转子电流观测残差的方法实现电压跌落故障的检测；
步骤九，在转子电流传感器的输出端处加入扰动，模拟系统发生转子电流传感器故障；通过步骤七中的转子电流观测残差的方法实现传感器故障的检测。
本发明的优点在于。
(1)本发明的步骤五中，通过增加切换控制项来构成滑模控制律，使系统具有抖振更小，抗干扰能力更强的特点。
(2)本发明的步骤六中，通过设计适应度函数，利用PSO算法对滑模观测器的参数进行寻优。在观测器中应用这种方法能有效避免采取经验值而带来的不合理情况，实现了寻找滑模观测器的经优化后的参数。
(3)本发明的步骤八和步骤九中，在故障发生时系统能够通过步骤七中转子电流观测残差的方法快速而精准的识别故障。
附图说明
图1为定子电压定向的滑模观测器DFIG控制结构图。
图2为实施参数寻优的PSO-SMO 原理图。
具体实施方式
下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。
基于解析模型的故障检测方法，通过设置DFIG故障观测器的方式来获取实际值的估计值，即观测值。根据实际值与观测值作差，即通过观测残差来检测电机是否发生故障。该方法为DFIG转子电流的测量提供了一个有效途径，避免了传统方法的系统开支以及硬件的复杂性。但是直接应用于DFIG的故障检测中还有不足之处，即滑模观测器的参数取值常常采取经验值。时常因为参数选取不合理而导致转子电流观测器的观测值不准确，可能由于参数较大引起观测值发生抖振，也可能由于参数较小导致观测值收敛过慢，甚至发散。因此设计了一种PSO-SMO方法，通过对滑模观测器的参数进行寻优从而提高观测器的性能。本发明应用于双馈异步风力发电机的故障检测时，能有效的提高其观测精度和响应速度。
如图1至图2所示，本发明的一种粒子群滑模观测器风力发电机转子电流故障检测方法，包括以下步骤：
步骤一，DFIG的定子侧和转子侧分别与电网端和背靠背功率变换器连接。电机定转子两侧处均通过电压和电流传感器获取三相电压分量和三相电流分量，分别为定子电压u s abc 、转子电压u r abc 和定子电流i s abc 、转子电流i r abc 。
步骤二，将自然坐标系下的三相电压分量和三相电流分量经过Clark变换以及Park变换后换算得到d-q坐标系下的定子电压u s dq 、转子电压u r dq 和定子电流i s dq 、转子电流i r dq 。
步骤三，根据DFIG的电压方程和磁链方程建立状态空间方程。其中，换算得到的d-q坐标系下的电流分量和电压分量分别作为状态变量和输入变量。
所述电压方程为：
Figure RE-329280DEST_PATH_IMAGE005
，
Figure RE-440455DEST_PATH_IMAGE006
，
所述的磁链方程为：
Figure RE-451137DEST_PATH_IMAGE007
，
Figure RE-356776DEST_PATH_IMAGE008
，
Figure RE-452908DEST_PATH_IMAGE009
,
式中，u d s 、u q s 、u d r 、u q r 为d-q坐标系下两轴的定转子电压分量，i d s 、i q s 、i d r 、i q r 为d-q坐标系下两轴的定转子电流分量，
Figure RE-164512DEST_PATH_IMAGE011
为d-q坐标系下两轴的定转子磁通量，R s 、R r 为定转子的电阻，L s 、L r 为定转子的自感，Lm为定转子之间的互感，
Figure RE-468848DEST_PATH_IMAGE012
为定转子的漏感，
Figure RE-607705DEST_PATH_IMAGE014
为定转子的转速，
Figure RE-191133DEST_PATH_IMAGE016
为滑差转速；
将d-q坐标系下的电流分量作为状态变量，d-q坐标系下的电压分量作为输入量。DFIG的状态空间方程为：
Figure RE-378532DEST_PATH_IMAGE017
Figure RE-363805DEST_PATH_IMAGE018
Figure RE-611247DEST_PATH_IMAGE019
Figure RE-681971DEST_PATH_IMAGE020
,其中
Figure RE-735378DEST_PATH_IMAGE021
表示漏感系数。
步骤四，在步骤三的基础上，仅考虑定子电流i s dq 为状态变量的状态空间模型时，采取定子电压定向控制的方法求出定转子电流之间的关系。借助两者之间关系，将状态空间模型中的定子电流用转子电流表示，组成以转子电流i r dq 为状态变量的状态方程。其中，输入变量仍为d-q坐标系下的电压分量。
所述仅考虑定子电流i s dq 为状态变量的状态空间模型时，其模型为：
Figure RE-512841DEST_PATH_IMAGE022
、
上式中，i r =[i r d i r q ] T ，i s =[i s d i s q ] T ，u=[u d s u q s u d r u q r ] T ,
Figure RE-993501DEST_PATH_IMAGE023
，
Figure RE-285942DEST_PATH_IMAGE024
，
Figure RE-579258DEST_PATH_IMAGE025
，
Figure RE-273544DEST_PATH_IMAGE026
，u d s 、u q s 、u d r 、u q r 为坐标系下两轴的定转子电压分量，i d s 、i q s 、i d r 、i q r 为d-q坐标系下两轴的定转子电流分量，R s 、R r 为定转子的电阻，L s 、L r 定转子的自感，L m 定转子之间的互感，
Figure RE-925106DEST_PATH_IMAGE027
为定转子的转速，
Figure RE-908105DEST_PATH_IMAGE021
为漏感系数，
Figure RE-303314DEST_PATH_IMAGE028
为滑差转速；
采用定子电压定向控制的方法，忽略定子电阻，定子电压与定子磁链定向后的方程为：
Figure RE-852107DEST_PATH_IMAGE029
，
Figure RE-877832DEST_PATH_IMAGE030
Figure RE-144866DEST_PATH_IMAGE031
为定子磁链的幅值，
Figure RE-343766DEST_PATH_IMAGE032
为定子的转速，
经换算获得定转子电流之间的关系为：
Figure RE-747065DEST_PATH_IMAGE033
，
建立以转子电流为状态变量的状态方程为：
Figure RE-943691DEST_PATH_IMAGE034
，式中，
Figure RE-698021DEST_PATH_IMAGE035
，
Figure RE-435033DEST_PATH_IMAGE036
，
Figure RE-397566DEST_PATH_IMAGE037
。
步骤五，根据以转子电流i r dq 为状态变量的状态方程构造转子电流观测器。在此基础上，增加切换控制项u sw ，构成滑模控制律v，组成转子电流观测器。此时，观测值为转子电流和转子转速。系统通过转子电流观测器获取d-q坐标系下的转子电流观测值
Figure RE-827410DEST_PATH_IMAGE001
和转子转速观测值
Figure RE-741139DEST_PATH_IMAGE002
。
建立转子电流观测器：
Figure RE-281842DEST_PATH_IMAGE038
，
式中，i r =[i r d i r q ] T ，u=[u d s u q s u d r u q r ] T ，
Figure RE-925313DEST_PATH_IMAGE039
，
Figure RE-198163DEST_PATH_IMAGE040
，
Figure RE-927084DEST_PATH_IMAGE041
，
Figure RE-5899DEST_PATH_IMAGE042
，i r d 、i r q 为坐标系下两轴的转子电流实际值，
Figure RE-441559DEST_PATH_IMAGE043
为d-q坐标系下两轴的转子电流观测值，u d s 、u q s 、u d r 、u q r 为d-q坐标系下两轴的定转子电压分量，R s 、R r 为定转子的电阻，L s 、L r 为定转子的自感，L m 为定转子之间的互感，
Figure RE-947627DEST_PATH_IMAGE027
为定转子的转速，
Figure RE-163845DEST_PATH_IMAGE028
为滑差转速，
Figure RE-482568DEST_PATH_IMAGE044
为定子磁链的幅值，v为控制律，
Figure RE-835052DEST_PATH_IMAGE044
为定子磁链的幅值，
Figure RE-777600DEST_PATH_IMAGE045
为滑模参数，
Figure RE-153218DEST_PATH_IMAGE046
为漏感系数；
为了确保在系统状态远离滑模面时，系统以较大的速度趋近于滑模面；在系统状态趋近滑模面时，系统有较小的控制参数而不是为零。又为了降低抖振，在系统里增加切换控制项u sw ，构成滑模控制律v；
所述切换控制项u sw 为：
Figure RE-573835DEST_PATH_IMAGE047
,
所述滑模控制律为v=u eq +u sw ，即：
Figure RE-46405DEST_PATH_IMAGE048
，
式中，u eq =-As，s=[s d s q ] T ，w f =w s -w r ，
Figure RE-894275DEST_PATH_IMAGE049
，
Figure RE-757189DEST_PATH_IMAGE050
，i d r 、i q r 为d-q坐标系下两轴的转子电流实际值，
Figure RE-981497DEST_PATH_IMAGE043
为d-q坐标系下两轴的转子电流观测值，u d s 、u q s 、u d r 、u q r 为d-q坐标系下两轴的定转子电压分量，R s 、R r 为定转子的电阻，L s 、L r 为定转子的自感，L m 为定转子之间的互感，
Figure RE-308573DEST_PATH_IMAGE027
为定转子的转速，
Figure RE-530607DEST_PATH_IMAGE028
为滑差转速，
Figure RE-943134DEST_PATH_IMAGE044
为定子磁链的幅值，v为控制律，u eq 为等效控制项，sign(x)为符号函数，
Figure RE-144701DEST_PATH_IMAGE046
为漏感系数，s d 、s q 为坐标系下两轴的滑模面，
Figure RE-326284DEST_PATH_IMAGE045
为滑模参数。
步骤六，设计适应度函数，利用PSO算法对滑模观测器的参数进行寻优。其中，将随机产生的每个粒子的相关数值赋值给滑模控制律v的参数，根据本发明所设计的适应度函数计算每个粒子的适应度值F(X i )。
所述适应度函数为：
Figure RE-781536DEST_PATH_IMAGE051
，
式中, [t 0 , T]为滑模观测器的收敛区间，α、β为权重比值，s d 、s q 为d-q坐标系下两轴的滑模面，i r d 、i r q 为d-q坐标系下两轴的转子电流实际值，
Figure RE-681359DEST_PATH_IMAGE052
为d-q坐标系下两轴的转子电流观测值，t为系统运行时间，
对滑模观测器的参数进行寻优的具体过程为，
包含群体规模n在内进行粒子群初始化，即随机生成每个粒子的位置X i 和速度V i ，
将随机产生的每个粒子的相关数值赋值给滑模控制律v的参数，根据本发明所设计的适应度函数计算每个粒子的适应度值F(X i )，
对每个粒子X i ，将其适应度值F(X i )与个体极值的适应度值P best (i)比较大小。若F(X i )< F(P best (i))，则用F(X i )取代F(P best (i))，
对每个粒子X i ，将其适应度值F(X i )与群体极值G best 的适应度值F(G best )比较大小。若F(X i )< F(G best )，则用F(X i )取代F(G best )，
粒子通过上述两种极值迭代更新自身的速度和位置，更新公式分别是：
Figure RE-185153DEST_PATH_IMAGE053
，
Figure RE-221242DEST_PATH_IMAGE054
，
其中，ω为惯性权重，
Figure RE-847395DEST_PATH_IMAGE055
，
Figure RE-172197DEST_PATH_IMAGE056
，k为当前迭代次数，V id 为粒子的速度，c 1 ，c 2为加速度因子，P id k 、X id k、 、V id k 代表在进行第k次迭代时的第i个粒子在第d维位置上的个体极值、位置极值和速度极值，P dg k 代表在进行第k次迭代时的全体极值，r 1 、r 2 为分布在[0,1]之间的随机数。为防止粒子盲目搜索，位置和速度限制为[-X max , X max ]，[-V max , V max ]，
按上述更新公式更新粒子的速度X i k 和位置V i k 。若满足终止条件，即到达最大迭代次数或F(G best )<R th ，则退出优化算法，获得最优解
Figure RE-276419DEST_PATH_IMAGE057
。
步骤七，将转子转速观测值
Figure RE-432594DEST_PATH_IMAGE058
代入状态空间方程获得转子电流观测值
Figure RE-167332DEST_PATH_IMAGE059
。通过d-q坐标系下系统实际转子电流值与转子电流观测值作差，获得系统转子电流观测残差。
Figure RE-776168DEST_PATH_IMAGE060
，
Figure RE-949660DEST_PATH_IMAGE061
，
式中，i d r 、i q r 为d-q坐标系下两轴的转子电流分量，
Figure RE-396560DEST_PATH_IMAGE062
为d-q坐标系下两轴的转子电流观测值分量，
Figure RE-364516DEST_PATH_IMAGE063
为判断故障的阀值。
步骤八，在某时段设置三相电压接地，模拟电网侧发生电压跌落故障。通过步骤七中的转子电流观测残差的方法实现电压跌落故障的检测。
建立电压故障为
Figure RE-460648DEST_PATH_IMAGE064
。当
Figure RE-578777DEST_PATH_IMAGE065
，
Figure RE-709544DEST_PATH_IMAGE066
时，表示系统发生电压跌落故障；当
Figure RE-848401DEST_PATH_IMAGE067
，
Figure RE-635091DEST_PATH_IMAGE068
时，表示系统未发生故障。其中，U g 是电网电压幅值，
Figure RE-884807DEST_PATH_IMAGE069
是电网电压的电角速度，h是故障程度百分比，i d r 、i q r 为d-q坐标系下两轴的转子电流分量，
Figure RE-870081DEST_PATH_IMAGE070
为d-q坐标系下两轴的转子电流观测值分量，
Figure RE-117522DEST_PATH_IMAGE071
为判断故障的阀值。
步骤九，在转子电流传感器的输出端处加入扰动，模拟系统发生转子电流传感器故障。通过步骤七中的转子电流观测残差的方法实现传感器故障的检测。
设定转子电流传感器的输出端处所加入扰动值为
Figure RE-188247DEST_PATH_IMAGE072
，模拟转子电流发生传感器故障的情况。当
Figure RE-241653DEST_PATH_IMAGE073
，
Figure RE-344800DEST_PATH_IMAGE074
时，表示系统发生传感器故障；当
Figure RE-825460DEST_PATH_IMAGE075
，
Figure RE-117901DEST_PATH_IMAGE076
时，表示系统未发生故障。其中，i d r 、i q r 为d-q坐标系下两轴的转子电流分量，
Figure RE-912682DEST_PATH_IMAGE077
为d-q坐标系下两轴的转子电流观测值分量，
Figure RE-DEST_PATH_IMAGE078
为判断故障的阀值。

Claims (3)

1.一种粒子群滑模观测器风力发电机转子电流故障检测方法，其特征在于，包括以下步骤：
步骤一，DFIG（doubly-fed induction generator,双馈异步风力发电机）的定子侧和转子侧分别与电网端和背靠背功率变换器连接；电机定转子两侧处均通过电压和电流传感器获取三相电压分量和三相电流分量，分别为定子电压u s abc 、转子电压u r abc 和定子电流i s abc 、转子电流i r abc ；
步骤二，将自然坐标系下的三相电压分量和三相电流分量经过Clark变换以及Park变换后换算得到d-q坐标系下的定子电压u s dq 、转子电压u r dq 和定子电流i s dq 、转子电流i r dq ；
步骤三，根据DFIG的电压方程和磁链方程建立状态空间方程；其中，换算得到的d-q坐标系下的电流分量和电压分量分别作为状态变量和输入变量；
步骤四，在步骤三的基础上，仅考虑定子电流i s dq 为状态变量的状态空间模型时, 采取定子电压定向控制的方法求出定转子电流之间的关系；借助两者之间关系，将状态空间模型中的定子电流用转子电流表示，组成以转子电流i r dq 为状态变量的状态方程；其中，输入变量仍为d-q坐标系下的电压分量；
步骤五，根据以转子电流i r dq 为状态变量的状态方程构造转子电流观测器；在此基础上，增加切换控制项u sw ，构成滑模控制律v，组成转子电流观测器；此时，观测值为转子电流和转子转速；系统通过转子电流观测器获取d-q坐标系下的转子电流观测值
Figure RE-925986DEST_PATH_IMAGE001
和转子转速观测值
Figure RE-814308DEST_PATH_IMAGE002
；
步骤六，设计适应度函数，利用PSO(Particle Swarm Optimization,粒子群优化算法)算法对SMO（Sliding Mode Observer，滑模观测器）的参数进行优化；其中，将随机产生的每个粒子的相关数值赋值给滑模控制律v的参数，根据本发明所设计的适应度函数计算每个粒子的适应度值F(X i )；
步骤七，将转子转速观测值
Figure RE-696813DEST_PATH_IMAGE003
代入状态空间方程获得转子电流观测值
Figure RE-49297DEST_PATH_IMAGE004
以此构成无速度传感器的情况；通过d-q坐标系下系统实际转子电流值与转子电流观测值作差，获得系统转子电流观测残差；
步骤八，在某时段设置三相电压接地，模拟电网端电压跌落故障；通过步骤七中的转子电流观测残差的方法实现电压跌落故障的检测；
步骤九，在转子电流传感器的输出端处加入扰动，模拟系统发生转子电流传感器故障；通过步骤七中的转子电流观测残差的方法实现传感器故障的检测。
2.根据权利要求1所述的一种粒子群滑模观测器风力发电机转子电流故障检测方法，其特征在于，在步骤五中，
所述切换控制项u sw 为：
Figure RE-929528DEST_PATH_IMAGE005
，
所述滑模控制律为v=u eq+ u sw ，即：
Figure RE-367463DEST_PATH_IMAGE006
，
所述转子电流观测器为：
Figure RE-227228DEST_PATH_IMAGE007
，
式中u eq =-As，s=[s d s q ] T ，w f =w s -w r ，i r =[i r d i r q ] T ，u=[u d s u q s u d r u q r ] T ，
Figure RE-699798DEST_PATH_IMAGE008
，k=[k 1 k 2 ] T ，
Figure RE-813247DEST_PATH_IMAGE009
，
Figure RE-676161DEST_PATH_IMAGE010
，
Figure RE-900469DEST_PATH_IMAGE011
，
Figure RE-899649DEST_PATH_IMAGE012
，
Figure RE-184000DEST_PATH_IMAGE013
，
Figure RE-534210DEST_PATH_IMAGE014
，i r d 、i r q 为d-q坐标系下两轴的转子电流实际值，
Figure RE-562208DEST_PATH_IMAGE015
为坐标系下两轴的转子电流观测值，u d s 、u q s 、u d r 、u q r 为d-q坐标系下两轴的定转子电压分量，R s 、R r 为定转子的电阻，L s 、L r 为定转子的自感，L m 为定转子之间的互感，
Figure RE-180009DEST_PATH_IMAGE016
为定转子的转速，
Figure RE-369682DEST_PATH_IMAGE017
为滑差转速，
Figure RE-269505DEST_PATH_IMAGE018
为定子磁链的幅值，v为控制律，u eq 为等效控制项，sign(x)为符号函数，σ为漏感系数，s d 、s q 为d-q坐标系下两轴的滑模面，k 1 、k 2 、ε 1 、ε 2 为滑模参数。
3.根据权利要求1所述的一种粒子群滑模观测器风力发电机转子电流故障检测方法，其特征在于，在步骤六中：
所述适应度函数为：
Figure RE-773299DEST_PATH_IMAGE019
，
Figure RE-74967DEST_PATH_IMAGE020
，
式中, [t 0 , T]为滑模观测器的收敛区间，α、β为权重比值，s d 、s q 为d-q坐标系下两轴的滑模面，i r d 、i r q 为d-q坐标系下两轴的转子电流实际值，
Figure RE-373224DEST_PATH_IMAGE015
为d-q坐标系下两轴的转子电流观测值，t为系统运行时间。
CN202111180728.3A 2021-10-11 2021-10-11 一种粒子群滑模观测器风力发电机转子电流故障检测方法 Active CN113890442B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111180728.3A CN113890442B (zh) 2021-10-11 2021-10-11 一种粒子群滑模观测器风力发电机转子电流故障检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111180728.3A CN113890442B (zh) 2021-10-11 2021-10-11 一种粒子群滑模观测器风力发电机转子电流故障检测方法

Publications (2)

Publication Number Publication Date
CN113890442A true CN113890442A (zh) 2022-01-04
CN113890442B CN113890442B (zh) 2023-10-13

Family

ID=79005963

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111180728.3A Active CN113890442B (zh) 2021-10-11 2021-10-11 一种粒子群滑模观测器风力发电机转子电流故障检测方法

Country Status (1)

Country Link
CN (1) CN113890442B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114325387A (zh) * 2022-01-17 2022-04-12 湖南科技大学 一种基于粒子群反演滑模观测器感应电机状态监测方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20100068866A (ko) * 2008-12-15 2010-06-24 한국전기연구원 영구자석형 동기 전동기의 센서리스 제어방법
US20110257800A1 (en) * 2010-04-14 2011-10-20 Zakariya Al-Hamouz Particle swarm optimizing sliding mode controller
CN103346728A (zh) * 2013-07-31 2013-10-09 哈尔滨工业大学 双馈风力发电机定转子电流传感器故障判断方法
CN112003523A (zh) * 2020-07-29 2020-11-27 西安理工大学 一种提高永磁同步直线电机速度估计稳定性的方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20100068866A (ko) * 2008-12-15 2010-06-24 한국전기연구원 영구자석형 동기 전동기의 센서리스 제어방법
US20110257800A1 (en) * 2010-04-14 2011-10-20 Zakariya Al-Hamouz Particle swarm optimizing sliding mode controller
CN103346728A (zh) * 2013-07-31 2013-10-09 哈尔滨工业大学 双馈风力发电机定转子电流传感器故障判断方法
CN112003523A (zh) * 2020-07-29 2020-11-27 西安理工大学 一种提高永磁同步直线电机速度估计稳定性的方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
吴海伟;徐柳飞;杨丹琳;: "基于SMO算法的模糊PID负载频率控制性能研究", 信息技术, no. 06 *
王俊年;申群太;周少武;沈洪远;: "基于微粒群优化算法的锌电解分时供电优化调度", 信息与控制, no. 05 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114325387A (zh) * 2022-01-17 2022-04-12 湖南科技大学 一种基于粒子群反演滑模观测器感应电机状态监测方法
CN114325387B (zh) * 2022-01-17 2023-10-03 湖南科技大学 一种基于粒子群反演滑模观测器感应电机状态监测方法

Also Published As

Publication number Publication date
CN113890442B (zh) 2023-10-13

Similar Documents

Publication Publication Date Title
CN110649846B (zh) 基于滑模观测器的双馈感应发电机故障检测方法
Pucci et al. Neural MPPT control of wind generators with induction machines without speed sensors
CN107451364B (zh) 一种dfig风电场等值参数的辨识方法
CN103091109B (zh) 用于风力发电机动态特性测试的风轮机模拟器的控制方法
CN106014877A (zh) 风力发电系统多故障诊断与容错控制
CN103995245B (zh) 双馈风力发电机定转子电流信号检测系统的故障判断方法
CN111664062B (zh) 基于可切换滑模趋近率的双馈感应发电机故障检测方法
Benbouzid et al. A high-order sliding mode observer for sensorless control of DFIG-based wind turbines
Azad et al. Parameter estimation of doubly fed induction generator driven by wind turbine
CN102510253B (zh) 一种无轴承同步磁阻电机无传感器控制器及其控制方法
CN110212575A (zh) 双馈风机单机无穷大系统的小干扰稳定性模态分析方法
Yan et al. Torque estimation and control of PMSM based on deep learning
Fan et al. Dynamic state estimation and parameter calibration of a DFIG using the ensemble Kalman filter
CN109960823A (zh) 风力发电机组的等效风速确定方法和设备
CN113890442A (zh) 一种粒子群滑模观测器风力发电机转子电流故障检测方法
Zheng et al. Full-order terminal sliding mode stator flux observer for DFIG
Yao et al. Data fusion methods for convolutional neural network based on self-sensing motor drive system
CN106026826A (zh) 电动车驱动电机工况匹配控制功效性的网络化测控方法
CN112083349B (zh) 一种永磁同步电机定子绕组匝间短路故障诊断方法
CN114355190B (zh) 一种可切换滑模观测器的双馈电机匝间短路故障检测方法
Gong et al. Wind speed and rotor position sensorless control for direct-drive pmg wind turbines
CN115114964B (zh) 一种基于数据驱动的传感器间歇性故障诊断方法
CN111293693A (zh) 基于扩展卡尔曼滤波的双馈风机变流器控制参数辨识方法
Rigatos et al. Condition Monitoring of Wind-Power Units Using the H-Infinity Kalman Filter
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

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