CN113985731B - 应用一阶数字滤波器改进的风电试验台时延辨识方法及系统 - Google Patents

Abstract

本发明公开了一种应用一阶数字滤波器改进的风电试验台时延辨识方法及系统。针对风电机组试验台现有的时延测量方法存在难以低损伤测量的问题，本方法在试验台传动链模型的基础上，在补偿转矩环节引入一阶滤波器，进而对原模型进行改进。加入一阶滤波器环节后，得到以传动链不平衡转矩为输入、补偿转矩为输出的传递函数，利用二分法查找临界稳定状态，将临界稳定条件和临界稳定值代入特征方程，从而求解得到试验台时延。该方法与不加滤波器辨识时延的策略相比，能较好地减缓试验台失稳时的振荡发散速度，有利于保护试验台。

Description

应用一阶数字滤波器改进的风电试验台时延辨识方法及系统

技术领域

本发明属于时延辨识领域，特别是一种应用一阶数字滤波器改进的风电试验台时延辨识方法及系统。

背景技术

风电机组试验台的控制系统属于数字控制系统，系统中不同模块之间的数据传输需要进行通信，会产生通信时延，这一时延会对控制系统产生影响，具有降低风电机组试验台稳定性的消极作用。若能对这一时延进行有效辨识，则可以针对性地设计高阶滤波器，从而能够大大地提高风电机组试验台的稳定性。

有方法提出了在应用传统惯量补偿策略的情境下，通过获取试验台临界振荡的补偿转矩的周期来进行时延辨识，这种方法避免了昂贵的专用仪器设备，同时也具有一定的工程实用性；但在此情境下，试验台的补偿转矩发散速度非常快，剧烈振荡的补偿转矩会对试验台产生损伤，这是此方法产生的一种不可避免的缺点。

发明内容

本发明的目的在于针对上述现有技术存在的问题，提供一种应用一阶数字滤波器改进的风电试验台时延辨识方法及系统。利用二分法查找风电机组试验台临界失稳时的补偿倍数，代入传递函数特征方程，进一步求解得到系统的时延大小，可低成本、低损伤地实现风电机组试验台系统的时延辨识。

实现本发明目的的技术解决方案为：一种应用一阶数字滤波器改进的风电试验台时延辨识方法，所述方法包括以下步骤：

步骤1，建立基于一阶滤波器的改进转动惯量补偿策略的风电机组试验台传动链模型；

步骤2，对所述风电机组试验台传动链模型进行离散化，获得以补偿转矩为输出，以不平衡转矩为输入的z域传递函数H(z)；

步骤3，基于所述风电机组试验台传动链模型，令不平衡转矩为阶跃输入，系统为零初始状态，通过二分法查找风电机组试验台的临界稳定状态，并提取对应的状态参数；

步骤4，基于所述临界稳定状态的参数值求解时延阶数k₀。

进一步地，步骤1所述建立基于一阶滤波器的改进转动惯量补偿策略的风电机组试验台传动链模型，具体包括：

在传统转动惯量补偿策略的基础上引入一阶数字滤波器，由此基于传统的风电机组试验台离散模型获得包含一阶数字滤波器的风电机组试验台传动链模型，该模型是在传统的风电机组试验台离散模型的转矩补偿回路引入一阶数字滤波器。

进一步地，步骤2所述对所述风电机组试验台传动链模型进行离散化，获得以补偿转矩为输出，以不平衡转矩为输入的z域传递函数H(z)，具体为：

考虑系统时延以补偿转矩T_comp为输出，传动链不平衡转矩ΔT为输入，进行离散z变换，得到传递函数H(z)：

式中，β＝(J_t-J_s)/J_s，表示相对补偿倍数，其中J_t为折算至高速侧的风力机全部转动惯量，J_s为风力机模拟器传动链全部转动惯量，α_d为一阶数字滤波器的系数，k₀为时延相对于控制周期T的倍数，定义为时延阶数。

进一步地，，步骤3所述基于所述风电机组试验台传动链模型，令不平衡转矩为阶跃输入，系统为零初始状态，通过二分法查找风电机组试验台的临界稳定状态，并提取对应的状态参数，具体包括：

通过二分法修改被补偿的转动惯量J_t以修改补偿倍数，在风电机组试验台进行多次试验，直至补偿转矩的输出波形出现临界振荡，获取此时的临界转动惯量J_t0。

进一步地，步骤4所述基于所述临界稳定状态的参数值求解时延阶数k₀，具体包括：

步骤4-1，根据步骤3所得的临界转动惯量J_t0，求解β₀：

β₀＝(J_t0-J_s)/J_s

步骤4-2，基于步骤3获得的临界稳定状态参数值，利用此状态下传递函数特征方程根的模为1，代入β₀与α_d，并代入可以得到：

利用欧拉公式，并根据复数方程的条件可得如下方程组：

式中，

之后求解x、y值，即可求得时延阶数k₀。

实现上述方法的应用一阶数字滤波器改进的风电试验台时延辨识系统，所述系统包括：

模型构建模块，用于建立基于一阶滤波器的改进转动惯量补偿策略的风电机组试验台传动链模型；

离散化模块，用于对所述风电机组试验台传动链模型进行离散化，获得以补偿转矩为输出，以不平衡转矩为输入的z域传递函数H(z)；

临界提取模块，基于所述风电机组试验台传动链模型，令不平衡转矩为阶跃输入，系统为零初始状态，通过二分法查找风电机组试验台的临界稳定状态，并提取对应的状态参数；

时延计算模块，用于基于所述临界稳定状态的参数值求解时延阶数k₀。

本发明与现有技术相比，其显著优点为：1)本发明充分考虑了已经建成的风电试验台系统很难低成本、低损伤地实现该时延的毫秒级直接测量问题，设计了一种基于一阶滤波器的改进转动惯量补偿策略的风电机组试验台的时延辨识方法，实现了试验台系统时延低成本、低损伤的辨识；2)通过本发明方法辨识得到试验台系统的时延，为转动惯量补偿策略滤波器参数的选择提供有效的时延参考，以保障风电机组试验台的稳定性。

下面结合附图对本发明作进一步详细描述。

附图说明

图1为一个实施例中应用一阶数字滤波器改进的风电试验台时延辨识方法的流程图。

图2为一个实施例中引入一阶滤波器后以补偿转矩T_comp为输出，不平衡转矩ΔT为输入的传动链控制框图。

图3为一个实施例中一阶滤波器与无滤波器系统的发散速度对比示意图。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。

在一个实施例中，结合图1，提供了一种应用一阶数字滤波器改进的风电试验台时延辨识方法，所述方法包括以下步骤：

步骤1，建立基于一阶滤波器的改进转动惯量补偿策略的风电机组试验台传动链模型；

步骤2，对所述风电机组试验台传动链模型进行离散化，获得以补偿转矩为输出，以不平衡转矩为输入的z域传递函数H(z)；

步骤3，基于所述风电机组试验台传动链模型，令不平衡转矩为阶跃输入，系统为零初始状态，通过二分法查找风电机组试验台的临界稳定状态，并提取对应的状态参数；

步骤4，基于所述临界稳定状态的参数值求解时延阶数k₀。这里，利用临界稳定状态的特点——此时传递函数特征方程根的模为1(即|z|＝1)——代入已知量来求出时延阶数k₀。

进一步地，在其中一个实施例中，步骤1所述建立基于一阶滤波器的改进转动惯量补偿策略的风电机组试验台传动链模型，具体包括：

在传统转动惯量补偿策略的基础上引入一阶数字滤波器，由此基于传统的风电机组试验台离散模型获得包含一阶数字滤波器的风电机组试验台传动链模型如图2所示。

进一步地，在其中一个实施例中，步骤2所述对所述风电机组试验台传动链模型进行离散化，获得以补偿转矩为输出，以不平衡转矩为输入的z域传递函数H(z)，具体为：

考虑系统时延以补偿转矩T_comp为输出，传动链不平衡转矩ΔT为输入，进行离散z变换，得到传递函数H(z)：

式中，β＝(J_t-J_s)/J_s，表示相对补偿倍数，其中J_t为折算至高速侧的风力机全部转动惯量，J_s为风力机模拟器传动链全部转动惯量，α_d为一阶数字滤波器的系数，k₀为时延相对于控制周期T的倍数，定义为时延阶数。

进一步地，在其中一个实施例中，步骤3所述基于所述风电机组试验台传动链模型，令不平衡转矩为阶跃输入，系统为零初始状态，通过二分法查找风电机组试验台的临界稳定状态，并提取对应的状态参数，具体包括：

通过二分法修改被补偿的转动惯量J_t以修改补偿倍数，在风电机组试验台进行多次试验，直至补偿转矩的输出波形出现临界振荡，获取此时的临界转动惯量J_t0。

进一步地，在其中一个实施例中，步骤4所述基于所述临界稳定状态的参数值求解时延阶数k₀，具体包括：

步骤4-1，根据步骤3所得的临界转动惯量J_t0，求解β₀：

β₀＝(J_t0-J_s)/J_s

步骤4-2，基于步骤3获得的临界稳定状态参数值，利用此状态下传递函数特征方程根的模为1，代入β₀与α_d，并代入可以得到：

利用欧拉公式，并根据复数方程的条件可得如下方程组：

式中，

注意到，故求解x、y值，即可求得时延阶数k₀。

在一个实施例中，提出了一种应用一阶数字滤波器改进的风电试验台时延辨识系统，所述系统包括：

模型构建模块，用于建立基于一阶滤波器的改进转动惯量补偿策略的风电机组试验台传动链模型；

离散化模块，用于对所述风电机组试验台传动链模型进行离散化，获得以补偿转矩为输出，以不平衡转矩为输入的z域传递函数H(z)；

临界提取模块，基于所述风电机组试验台传动链模型，令不平衡转矩为阶跃输入，系统为零初始状态，通过二分法查找风电机组试验台的临界稳定状态，并提取对应的状态参数；

时延计算模块，用于基于所述临界稳定状态的参数值求解时延阶数k₀。

关于应用一阶数字滤波器改进的风电试验台时延辨识系统的具体限定可以参见上文中对于应用一阶数字滤波器改进的风电试验台时延辨识方法的限定，在此不再赘述。上述基于应用一阶数字滤波器改进的风电试验台时延辨识方法中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。

作为一种具体示例，在其中一个实施例中，对本发明应用一阶数字滤波器改进的风电试验台时延辨识方法进行进一步验证说明。

以8m/s的恒风速作为风电机组试验台的输入，惯量模拟倍数设为6.6倍，进行时延辨识实验。控制周期T＝40ms，取时延阶数理论值k₀＝1，利用二分法查找可知临界稳定时，J_t0＝8.11，由此按照上述步骤可解得k_0实验值＝0.9538。

其他阶数也可以此类推，时延阶数辨识结果如下表1所示。

表1 一阶滤波器系统的时延阶数辨识结果

k0	1	2	3	4
					k0实验值	0.9538	1.8723	2.7613	3.6230

由表1可以看出，本方法的辨识结果与理论结果相符。时延辨识实验结果说明本发明所提辨识方法准确有效。

图3为一阶滤波器与无滤波器系统的发散速度对比示意图，由图可以看出，保持其他条件不变时，时延阶数为1的情况下，加一阶滤波器后试验台失稳时的振荡发散速度比不加滤波器的振荡发散速度要慢得多，有效降低了振荡带来的试验台损伤。

综上，与不加滤波器的时延辨识方法相比，本发明可以也不借助任何测量设备，不介入风电机组试验台系统的通信回路，低成本并且低损伤地实现时延准确辨识。

以上显示和描述了本发明的基本原理、主要特征及优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。

Claims (5)

1.一种应用一阶数字滤波器改进的风电试验台时延辨识方法，其特征在于，所述方法包括以下步骤：

步骤1，建立基于一阶滤波器的改进转动惯量补偿策略的风电机组试验台传动链模型；

步骤2，对所述风电机组试验台传动链模型进行离散化，获得以补偿转矩为输出，以不平衡转矩为输入的z域传递函数H(z)；具体为：

考虑系统时延以补偿转矩T_comp为输出，传动链不平衡转矩ΔT为输入，进行离散z变换，得到传递函数H(z)：

式中，β＝(J_t-J_s)/J_s，表示相对补偿倍数，其中J_t为折算至高速侧的风力机全部转动惯量，J_s为风力机模拟器传动链全部转动惯量，α_d为一阶数字滤波器的系数，k₀为时延相对于控制周期T的倍数，定义为时延阶数；

步骤3，基于所述风电机组试验台传动链模型，令不平衡转矩为阶跃输入，系统为零初始状态，通过二分法查找风电机组试验台的临界稳定状态，并提取对应的状态参数；

步骤4，基于所述临界稳定状态的参数值求解时延阶数k₀。

2.根据权利要求1所述的应用一阶数字滤波器改进的风电试验台时延辨识方法，其特征在于，步骤1所述建立基于一阶滤波器的改进转动惯量补偿策略的风电机组试验台传动链模型，具体包括：

在传统转动惯量补偿策略的基础上引入一阶数字滤波器，由此基于传统的风电机组试验台离散模型获得包含一阶数字滤波器的风电机组试验台传动链模型，该模型是在传统的风电机组试验台离散模型的转矩补偿回路引入一阶数字滤波器。

3.根据权利要求2所述的应用一阶数字滤波器改进的风电试验台时延辨识方法，其特征在于，步骤3所述基于所述风电机组试验台传动链模型，令不平衡转矩为阶跃输入，系统为零初始状态，通过二分法查找风电机组试验台的临界稳定状态，并提取对应的状态参数，具体包括：

通过二分法修改被补偿的转动惯量J_t以修改补偿倍数，在风电机组试验台进行多次试验，直至补偿转矩的输出波形出现临界振荡，获取此时的临界转动惯量J_t0。

4.根据权利要求3所述的应用一阶数字滤波器改进的风电试验台时延辨识方法，其特征在于，步骤4所述基于所述临界稳定状态的参数值求解时延阶数k₀，具体包括：

步骤4-1，根据步骤3所得的临界转动惯量J_t0，求解β₀：

β₀＝(J_t0-J_s)/J_s

步骤4-2，基于步骤3获得的临界稳定状态参数值，利用此状态下传递函数特征方程根的模为1，代入β₀与α_d，并代入可以得到：

利用欧拉公式，并根据复数方程的条件可得如下方程组：

式中，

之后求解x、y值，即可求得时延阶数k₀。

5.实现权利要求1至4任意一项所述方法的应用一阶数字滤波器改进的风电试验台时延辨识系统，其特征在于，所述系统包括：

模型构建模块，用于建立基于一阶滤波器的改进转动惯量补偿策略的风电机组试验台传动链模型；

离散化模块，用于对所述风电机组试验台传动链模型进行离散化，获得以补偿转矩为输出，以不平衡转矩为输入的z域传递函数H(z)；

临界提取模块，基于所述风电机组试验台传动链模型，令不平衡转矩为阶跃输入，系统为零初始状态，通过二分法查找风电机组试验台的临界稳定状态，并提取对应的状态参数；

时延计算模块，用于基于所述临界稳定状态的参数值求解时延阶数k₀。