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技术

本发明专利技术公开一种基于扩展卡尔曼滤波的双馈风力发电机变流器控制参数辨识方法。该方法包括：构建完整的双馈风机变流器控制系统模型；确定待辨识参数包括控制器PI环节中的各积分系数和比例系数；结合轨迹灵敏度对变流器控制参数进行可辨识性及辨识的难易程度分析；基于扩展卡尔曼滤波(EKF)的迭代过程，利用实际运行过程中可以直接测量的相量，转子侧、定子侧和电网侧的电压和电流，建立控制系统的参数辨识模型；通过重复辨识，并对实验结果进行分析，得到最终的参数辨识结果。本发明专利技术可以有效解决由于PI控制器的输入和输出终端直接测试较为困难，导致控制器参数无法直接辨识的问题，参数辨识的结果较为准确，且整个过程简单，计算速度快。

Control parameter identification method of doubly fed fan converter based on extended Kalman filter

【技术实现步骤摘要】
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
本专利技术涉及电力系统领域，特别是涉及一种基于扩展卡尔曼滤波的双馈风力发电机变流器控制参数辨识方法。
技术介绍
中国风电发展迅速。截至2017年底，我国风电新增装机容量累计达到19.66千兆瓦，装机容量达到168.2兆瓦，居世界第一。永磁风力发电机(PMSG)和双馈风力发电机(DFIG)是我国常用的两种风力发电机，由于效率高、可控性好，在不同领域得到了成功的应用。在风力发电系统的研究中，需要准确的风电机组模型参数。实际上，在实际电网中安装的风电机组品牌和类型很多。但由于检测技术或知识产权保护不足，多数厂家没有提供准确的模型参数。此外，在风电场运行期间，每台风机的实际参数值可能会在运行一段时间后从初始设定值变化，这可能导致模拟与实际情况之间出现较大偏差，有时会对系统造成损害。因此，针对风机实际运行状态下的参数辨识一直是研究的热点。目前，针对参数辨识方法主要包括：扩展卡尔曼滤波(EKF)、神经网络、基于模型参考的方法、基于最小二乘的方法、自适应技术和改进粒子群算法等优化算法。这些方法广泛应用于风力发电机的电气系统和传动系统的参数识别，但关于DFIG控制器的参数识别模型较少。控制器作为DFIG的重要组成部分。其控制方式和模型参数对动态特性有很大影响。有学者提出，可以将各个PI控制器的输入输出端引出，逐个测试PI控制器的参数。但是，这种方法只能在厂家的配合下实施，很难推广。因此考虑利用实际运行过程中可以直接测量的相量，建立控制系统的参数辨识模型。由于不同的相量在实际运行过程中受不同控制参数的影响，因此，结合扩展卡尔曼滤波算法的迭代过程，将测量量分别作为输入向量和量测向量引入算法，可以建立完整的DFIG控制参数辨识模型，且计算精度高，速度快。
技术实现思路
本专利技术的目的是提供一种基于扩展卡尔曼滤波的双馈风力发电机变流器控制参数辨识方法，以提高风机模型参数的精准度，为后续的仿真奠定良好的基础。为实现上述目的，本专利技术提供了如下方案：构建完整的双馈风机变流器控制系统模型；所述待辨识参数包括变流器控制系统PI环节中的各积分系数和比例系数Kp1～Kp7，Ki1～Ki7；基于轨迹灵敏度对所述变流器控制参数进行可辨识性及辨识的难易程度分析；基于扩展卡尔曼滤波(EKF)算法的迭代过程，利用实际运行过程中可以直接测量的相量，转子侧、定子侧和电网侧的电压和电流，建立所述控制系统的参数辨识模型；通过重复辨识，并对实验结果进行分析，得到所述控制器参数的最终辨识结果。可选的，所述构建完整的双馈风机变流器控制系统模型，具体包括：建立转子侧变流器(RSC)控制系统的代数方程和动态方程；建立网侧变流器(GSC)控制系统的代数方程和动态方程。可选的，所述确定待辨识参数，具体包括控制器PI环节中的各积分系数和比例系数Kp1～Kp7，Ki1～Ki7。可选的，所述基于参数的轨迹灵敏度对控制参数的可辨识性及辨识难易程度进行分析，具体包括：所述控制器参数Kj对动态响应的灵敏度计算；将Kj的值增加ΔKj，通过模拟Y(k)得到观测值Y；将Kj的值减少ΔKj，通过模拟Y(k)得到观测值Y'；根据计算Kj的轨迹灵敏度Sj，其中，Y0为Kj取原始值Kj0时，观测Y相对应的稳态值；ΔKj取10％Kj；对所述参数的轨迹灵敏度曲线的各采样值进行求和，绝对值的大小代表了参数的灵敏度大小，灵敏度较大的参数辨识难度较小，灵敏度较小的参数辨识难度较大。可选的，所述基于扩展卡尔曼滤波(EKF)的迭代过程，利用实际运行过程中可以直接测量的相量，转子侧、定子侧和电网侧的电压和电流，建立所述控制系统的参数辨识模型，具体包括：采用分步辨识，将所述RSC控制器和GSC控制器参数按照不同控制环路与级联顺序分别分为两组，[Kp1,Ki1,Kp2,Ki2]，[Kp3,Ki3,Kp4,Ki4]和[Kp5,Ki5,Kp6,Ki6]，[Kp7,Ki7]；根据不同分组，选取不同的初始状态变量X、输入变量u及量测变量z；基于扩展卡尔曼滤波的迭代过程，建立控制器的离散状态空间方程；在保证稳态跟踪和迭代不发散的原则下，设定迭代的初始值；利用建立好的EKF参数辨识模型，实现DFIG控制器参数辨识。可选的，所述通过重复辨识，并对实验结果进行分析，得到最终的参数辨识结果，具体包括：改变所述辨识模型的迭代初始值，对进行50次参数的重复辨识；取各次辨识结果的平均值作为所述参数的最终辨识结果；对所述参数的最终辨识结果进行误差分析。根据本专利技术提供的具体实施例，本专利技术公开了以下技术效果：本专利技术在建立完整的双馈风力发电机变流器控制系统的基础上，采用轨迹灵敏度对变流器控制参数进行可辨识性及辨识的难易程度分析；基于扩展卡尔曼滤波(EKF)的迭代过程，利用实际运行过程中可以直接测量的相量，转子侧、定子侧和电网侧的电压和电流，建立控制系统的参数辨识模型，本专利技术的整个过程简单，计算速度快。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术基于扩展卡尔曼滤波的双馈风力发电机变流器控制参数辨识方法的流程示意图；图2为本专利技术实施例1的双馈风机转子侧换流器控制示意图；图3为本专利技术实施例1的双馈风机网侧换流器控制示意图；图4为本专利技术实施例1的系统结构图；图5为本专利技术实施例1的DFIG转子侧变流器控制参数辨识结果图；图6为本专利技术实施例1的DFIG网侧变流器控制参数辨识结果图；图7为本专利技术实施例1的DFIG转子侧变流器控制参数辨识结果的误差分析图；图8为本专利技术实施例1的DFIG网侧变流器控制参数辨识结果的误差分析图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。为使本专利技术的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本专利技术作进一步详细的说明。图1为本专利技术基于扩展卡尔曼滤波的双馈风力发电机变流器控制参数辨识方法的流程示意图。如图1所示，包括以下步骤：步骤1：构建完整的双馈风机变流器控制系统模型，基于变流器控制系统的控制策略模型，得出控制系统的代数方程，引入积分环节PI控制器的输出量建立其动态方程，具体过程如下：(1)转子侧变流器(RSC)控制器根据图2所示的控制策略图，以下代数方程可以写成：...

【技术保护点】
1.一种基于扩展卡尔曼滤波的双馈风力发电机(DFIG)变流器控制参数辨识方法，其特征在于，包括：/n构建完整的双馈风机变流器控制系统模型；/n所述待辨识参数包括变流器控制系统PI环节中的各积分系数和比例系数K

【技术特征摘要】
1.一种基于扩展卡尔曼滤波的双馈风力发电机(DFIG)变流器控制参数辨识方法，其特征在于，包括：
构建完整的双馈风机变流器控制系统模型；
所述待辨识参数包括变流器控制系统PI环节中的各积分系数和比例系数Kp1～Kp7，Ki1～Ki7；
基于轨迹灵敏度对所述变流器控制参数进行可辨识性及辨识的难易程度分析；
基于扩展卡尔曼滤波(EKF)算法的迭代过程，利用实际运行过程中可以直接测量的相量，转子侧、定子侧和电网侧的电压和电流，建立所述控制系统的参数辨识模型；
通过重复辨识，并对实验结果进行分析，得到所述控制器参数的最终辨识结果。


2.根据权利要求1所述的基于扩展卡尔曼滤波的双馈风力发电机变流器控制参数辨识方法，其特征在于，构建所述完整的双馈风机变流器控制系统模型，具体包括：
建立转子侧变流器(RSC)控制系统的代数方程和动态方程；
建立网侧变流器(GSC)控制系统的代数方程和动态方程。


3.根据权利要求1所述的基于扩展卡尔曼滤波的双馈风力发电机变流器控制参数辨识方法，其特征在于，确定所述的待辨识参数，具体包括控制器PI环节中的各积分系数和比例系数Kp1～Kp7，Ki1～Ki7。


4.根据权利要求1所述的基于扩展卡尔曼滤波的双馈风力发电机变流器控制参数辨识方法，其特征在于，所述基于参数的轨迹灵敏度对控制参数的可辨识性及辨识难易程度进行分析，具体包括：
所述控制器参数Kj对动态响应的灵敏度计算；
将Kj的值增加ΔKj，通过模拟Y(k)得到观测值Y；
将Kj的值减少ΔKj，通过模拟Y(...

【专利技术属性】
技术研发人员：王彤，高明阳，王增平，
申请(专利权)人：华北电力大学，
类型：发明
国别省市：北京;11