双馈异步风力发电机参数辨识

发布时间：2017-09-18 10:44

  本文关键词：双馈异步风力发电机参数辨识

  更多相关文章： 双馈异步风力发电机 参数辨识 时域辨识方法 粒子群优化算法 参数评估

【摘要】：在传统煤炭石油资源日渐短缺和环境保护要求日益提高的今天,人们对新能源不断的发展和利用,风能已成为新能源领域中可开发利用水平最高,最具商业化发展的新型清洁能源。随着风电机组装机容量的不断扩大,其运行状况对电网运行的稳定性和可靠性影响也越来越大,不仅对电力系统的频率、电压和波形产生干扰,而且直接影响了电力系统调度。所以,获取准确的风力发电机参数有助于电力调度部门统筹安排调度计划,对研究大规模风电接入的影响和电力系统实时潮流计算等有着重要意义。针对实际运行中的双馈异步风力发电机参数难以直接测量的问题,本文以甘肃某风电场1.5MW双馈异步风力发电机为研究对象,分别采用带遗忘因子的递推最小二乘法、模型参考自适应法和模拟退火粒子群优化算法来进行参数辨识,然后以辨识精度最高的算法辨识得到的发电机参数作为参数评估的依据,采用基于数学模型的方法对辨识得到的参数进行评估研究。首先,在分析双馈异步风力发电机工作运行原理的基础上,搭建三相静止和两相旋转坐标系下的双馈异步风力发电机数学模型,并对参数的可辨识性进行分析。之后提出了两种时域辨识算法,基于带遗忘因子的递推最小二乘法和基于模型参考自适应法的双馈异步风力发电机参数辨识。带遗忘因子的递推最小二乘法克服了递推最小二乘法因新采集的观测数据积累造成待辨识参数值饱和而起不到更新作用的缺点,大大提高了待辨识参数的精度。模型参考自适应法通过搭建以定子电流为状态变量的数学模型来构造双馈异步风力发电机的观测模型和误差模型,通过Lyapunov稳定性设计参数的自适应律,在MATLAB中搭建仿真模型得到参数的辨识结果,与带遗忘因子的递推最小二乘法相比,基于模型参考自适应法辨识得到的参数精度更高。其次,随着智能控制的发展,粒子群算法因计算简单、收敛性好等特点,被广泛的应用到实际工程问题。但是,粒子群算法在寻优的过程中容易因早熟而陷入局部最优解,导致寻优后期粒子多样性不足而无法获得全局最优值。将模拟退火算法可以有效跳出局部最优解的特点与粒子群算法快速寻优的特性相结合,达到增强全局寻优能力的目的,提出了基于模拟退火粒子群优化算法的电气参数辨识,通过在MATLAB中仿真验证,基于模拟退火粒子群优化算法辨识得到的电气参数精度最高。最后,通过搭建双馈异步风力发电机的功率预测模型及建立评估可信度指标,仿真比较实际测量的功率曲线和计算功率曲线的相似度并进行计算分析,最终达到双馈异步风力发电机参数评估的目的。为电力系统调度部门评估发电机组的运行状态、电网的潮流计算及研究大规模风电接入对电网的影响提供依据。
【关键词】：双馈异步风力发电机 参数辨识 时域辨识方法 粒子群优化算法 参数评估
【学位授予单位】：兰州交通大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TM315
【目录】：

• 摘要4-6
• Abstract6-10
• 1 绪论10-16
• 1.1 论文的选题背景和研究意义10-12
• 1.1.1 论文的选题背景10-12
• 1.1.2 论文的研究意义12
• 1.2 双馈异步风力发电机参数辨识的国内外研究现状12-15
• 1.3 论文的主要研究内容15-16
• 2 双馈异步风力发电机的数学模型16-26
• 2.1 双馈异步风力发电机的工作原理16-18
• 2.2 双馈异步风力发电机在三相静止坐标系下的数学模型18-22
• 2.2.1 电压方程19-20
• 2.2.2 磁链方程20-21
• 2.2.3 转矩和运动方程21-22
• 2.3 双馈异步风力发电机在两相旋转坐标系下的数学模型22-24
• 2.3.1 电压方程23
• 2.3.2 磁链方程23
• 2.3.3 转矩和运动方程23-24
• 2.4 双馈异步风力发电机参数可辨识性分析24-25
• 2.5 小结25-26
• 3 双馈异步风力发电机参数的时域辨识方法26-48
• 3.1 最小二乘法26-29
• 3.1.1 最小二乘法原理26-27
• 3.1.2 带遗忘因子的递推最小二乘法27-29
• 3.2 基于FFRLS的双馈异步风力发电机参数辨识29-37
• 3.2.1 电气参数辨识模型29-32
• 3.2.2 机械参数辨识模型32-33
• 3.2.3 仿真分析33-37
• 3.3 基于MRAS的双馈异步风力发电机参数辨识37-47
• 3.3.1 模型参考自适应系统37-38
• 3.3.2 电气参数辨识模型38-41
• 3.3.3 机械参数辨识模型41
• 3.3.4 参数自适应律的设计41-43
• 3.3.5 仿真分析43-47
• 3.4 小结47-48
• 4 基于SA-PSO的双馈异步风力发电机电气参数辨识48-57
• 4.1 粒子群优化算法48-49
• 4.1.1 带惯性权重的粒子群算法49
• 4.1.2 带收缩因子的粒子群算法49
• 4.2 模拟退火粒子群优化算法49-50
• 4.3 数学模型50-51
• 4.4 基于SA-PSO算法的电气参数辨识步骤51-53
• 4.5 基于不同算法的测试函数算例分析53-54
• 4.6 电气参数辨识仿真分析54-56
• 4.7 小结56-57
• 5 双馈异步风力发电机辨识参数的评估57-64
• 5.1 参数评估的意义57
• 5.2 参数评估方法57-60
• 5.2.1 辨识参数的评估模型58-59
• 5.2.2 可信度指标的建立59-60
• 5.3 算例分析60-63
• 5.4 小结63-64
• 结论64-66
• 致谢66-67
• 参考文献67-70
• 附录A 仿真模型70-71
• 附录B 机组参数及采集数据表71-74
• 攻读学位期间的研究成果74

【参考文献】

中国期刊全文数据库 前1条

1 罗慧;刘军锋;万淑芸;;感应电机参数的离线辨识[J];电气传动;2006年08期

，

本文编号：875034