双馈风力发电机组参数辨识的群智能算法研究

发布时间：2017-11-13 22:07

  本文关键词：双馈风力发电机组参数辨识的群智能算法研究

  更多相关文章： 双馈风力发电机 参数辨识 数学模型 粒子群算法 量子粒子群算法

【摘要】：随着煤、化石燃料等能源的消耗,经济增长与能源短缺的矛盾已经成为世界上一个严峻的问题。因此风能等可再生能源在电网大规模集成,风力发电技术越来越成熟。由于双馈风力发电机组具有结构简单、可靠性高、参数配置合理、技术娴熟等特点,已成为风力发电系统中的主流机型,应用十分广泛。在实际的风电场中,双馈风力发电机的定转子电阻、电感等参数会由于发电机的长时间运行以及机械损耗等因素发生变化,从而影响双馈风力发电机调速性能。因此用参数辨识法来获得准确的电机参数是本文研究的重点,主要包括以下几点:(1)首先介绍了双馈风力发电机参数辨识方法的研究现状、双馈电机的基本结构及其工作原理。然后建立了双馈风力发电机在三相静止坐标系下的数学模型,并经过坐标系转换成任意速两相旋转坐标系下的数学模型,为后面的参数辨识打好理论的基础。研究了双馈电机定子磁链矢量控制的原理,并在此基础上,分析了不精准的电机参数对控制性能的影响,并阐述了参数辨识的重要性。(2)为了确保双馈风力发电机参数的准确性,提高发电机的控制性能,提出了基于混合量子粒子群算法的参数辨识方法。首先根据双馈电机在两相旋转坐标系下的基本数学模型推导出参数辨识的模型,然后对量子粒子群算法进行改进并与模拟退火算法进行混合,得到混合量子粒子群辨识算法。最后在Matlab/Simulink中将所提出的混合算法用于双馈风力发电机的参数辨识,将所提混合量子粒子群算法效果与传统粒子群算法、量子粒子群算法和改进后的量子粒子群算法分析对比。仿真结果表明所提出的算法能提高定子电阻、定子电感、转子电阻、转子电感以及定转子互感五个参数的辨识精度。(3)针对双馈风力发电机多参数辨识问题,提出了基于改进竞技粒子群算法的参数辨识方法。在研究竞技粒子群辨识算法的过程中,针对其收敛速度较慢的问题,对所引入的竞技机制以及学习策略进行了改进,在粒子迭代过程中,优胜的粒子仍需向个体最优和全局最优的粒子学习,从而提高了算法的收敛速度和收敛精度。最后在Matlab/Simulink中基于风电并网仿真模型,采用所提出的方法对双馈电机进行辨识。仿真结果表明,所提出的算法能够准确地辨识定子电阻、转子电阻、定子电感、转子电感和定转子互感电感,其辨识效果优于粒子群算法、量子粒子群算法和竞技粒子群算法。
【学位授予单位】：江南大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TM315
，

本文编号：1182586