【技术实现步骤摘要】
一种基于多模态风机电源数据学习的参数辨识方法及系统
[0001]本专利技术涉及多模态风机电源参数辨识
，特别是一种基于多模态风机电源数据学习的参数辨识方法及系统
。
技术介绍
[0002]近年来，越来越多的研究工作者开始使用深度学习方法来对风机机组进行短路电流参数辨识，这与传统非深度学习的计算模型相比，基于深度学习的方法在准确率以及许多指标上具有更好的表现能力，甚至能够处理更复杂的问题，在实际应用中的实时性强
。
[0003]目前已有众多基于深度学习算法来处理不同电源的风机短路数据的研究，但大多都是针对单一的电源数据
(
包含有双馈电源
、
直驱电源
、
同步电源之一
)
进行相关研究；另外，深度学习作为一种数据驱动的算法，考虑到真实短路电流数据的获取复杂且成本巨大，因此目前所使用深度学习进行风电机组参数辨识方法主要存在以下几点缺点：对单一电源的参数辨识往往是针对特定任务所设计的方案，不足以对多场景条件下的风机短路进行参数辨识
【技术保护点】
【技术特征摘要】
1.
一种基于多模态风机电源数据学习的参数辨识方法，其特征在于：包括，构建带有双馈电源和直驱电源的风电短路场景，搭建风电机组的仿真系统；采集双馈电源和直驱电源的短路数据，使用短路数据作为真实标签，制作成对的训练数据集；训练并优化神经网络模型，判断参数辨识的准确性
。2.
如权利要求1所述的一种基于多模态风机电源数据学习的参数辨识方法，其特征在于：所述搭建风电机组的仿真系统包括，通过
Simulink
仿真平台分别构建一个双馈风电机组系统和一个直驱风电机组系统
。3.
如权利要求2所述的一种基于多模态风机电源数据学习的参数辨识方法，其特征在于：所述双馈电源和直驱电源的短路数据包括永磁直驱发电机有功短路电流
、
永磁直驱发电机无功短路电流
、
永磁直驱发电机三相电流及双馈感应发电机三相短路电流
。4.
如权利要求3所述的一种基于多模态风机电源数据学习的参数辨识方法，其特征在于：所述永磁直驱发电机有功短路电流由全功率变流器决定，故障时机械时间常数大，暂态过程中风机输出功率不变，风机输出功率表示为，其中，
P
是风机的输出功率，
C
是直流母线电容；直流电压外环控制表示为，直流电压外环控制表示为，其中，
u
dc
为直流母线电压，为直流母线电压参考电压，
t
为时间，
k
up
为电流外环比例，
k
ui
为积分系数，
k
ip
为电流内环比例，
k
ii
为积分系数，
i
d
为有功电流，
i
q
为无功电流，为有功电流的参考值，为无功电流的参考值，
u
d
为变流器网侧的直轴电压，
u
q
为变流器网侧的交轴电压；若风机出口处发生三相短路故障，则直轴电流为零输入响应和
2P/3u
d
倍阶跃响应的合成，有功短路电流表示为，其中，
i
d(0)
为故障前的有功电流，
ω
n
为无阻尼频率，
ω
d
有阻尼频率，
ξ
为直流母线电压控制系数，
a
为故障时的电流相角
。5.
如权利要求4所述的一种基于多模态风机电源数据学习的参数辨识方法，其特征在于：所述永磁直驱发电机无功短路电流表示为，
其中，
L
为网侧滤波器的电感，
R
为网侧滤波器的电阻，
ω
为电网频率
。6.
如权利要求5所述的一种基于多模态风机电源数据学习的参数辨识方法，特征在于：所述永磁直驱发电机三相电流表示为，
i
abc
＝
p
‑1i
dq0dq0
其中，
i
abc
为...
【专利技术属性】
技术研发人员：朱勇，陶用伟，李泽群，王常沛，徐坤，张韵，王泽芬，刘岑俐，丁志敏，陈愿米，陈舸，肖彬，沈祖涛，周斌，杨晓燕，黄琼，王秀境，滕阳，任小诚，周西南，吴应双，范俊秋，郝丽萍，姚璐，王婵，时敏，王瑞祥，王雨，龙夫，薛严，杨键，吴秋君，蒋进芳，袁光沧，肖浩宇，潘云，李旻哲，陈琳，苏华英，王国松，王寅，姚刚，戴雯菊，曹杰，陈锐，汪明清，田年杰，代江，姜有泉，王融融，张俨，蒲清昕，廖玉琼，付麟淞，张正雄，程萍锐，顾本洪，陶国昌，曾泓霖，杨瑞，张淳珍，潘平路，罗晶，舒晓晴，唐洁瑶，杨名雯，陈龙，尚晓霞，徐朝兵，潘光俐，袁，
申请(专利权)人：贵州电网有限责任公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。