基于双馈电机风力发电系统最优控制

《基于双馈电机风力发电系统最优控制》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、基于双馈电机风力发电系统最优控制　　近年来，风力发电发展迅速，基于双馈发电机的变速风力发电机能够对电机的有功功率和无功功率进行解耦控制，能够更有效率和电能质量。本文采用粒子集群最优化的算法，以转子中的冲击电流最小为目标，对双馈风力发电机的转子变频器的控制器参数进行优化。关键词：双馈风力发电，参数优化，粒子群算法，MATLAB/SIMULINK中图分类号：TB857+3文献标识码：A背景及研究目的风力发电技术得到快速发展，相比于恒速的风力异步发电机，基于双馈发电机的变速风力发电机能够对电机的有功功率和无功功率进行单独控制，能够更有效率的能量生产，并且当电力系统出现类似

2、网络电压降低或者短路的扰动时，能够提高系统的动态性能。本文以转子中冲击电流最小为优化目标，对双馈风力发电机的转子变频器的PI控制器参数进行优化。仿真结果表明提出的设计方法对于寻找PI控制器的最优参数是非常有效的，双馈发电机的转子电流得到了有效的抑制。变速恒频双馈风力发电系统6变速恒频双馈风力发电机系统主要优点在于风力机是变速运行，可以在很宽的风速范围内保持近乎恒定的最佳叶尖速比，提高了风力机的运行效率。下图是一个大型风机接入入电力系统的模型。大量的风机被简化由一个大型的风机模型来描绘，这个风机通过一个升压变压器与电网相连接。图2.1风机接入电力系统模型双馈变速恒频风

3、力发电机与绕线式感应电机结构相似，只是转子上多了滑环，与系统相连的双馈电机示意图见图2.2。图2.2双馈电机接入系统基于双馈感应式发电机的电机系统，发电机的转子轴通过变速箱与风机相连，双馈感应式发电机的定子绕组直接与电网相连。连接于发电机端口基于PWM的“背靠背”反馈到转子绕组上，为双馈感应式发电机提供励磁，由于“背靠背”由电力电子元件组成，所以对双馈感应式发电机的控制比较灵活，相应比较块，并且能够实现有功功率和无功功率的解耦控制。图2.3双馈发电机电机结构图仿真结果分析6PSO算法和遗传算法（GeneticAlgorithm，GA）类似，也是一种基于迭代的优化工具

4、。从生物的群体行为规律和社会心理学中得到启发，初始化系统为一组随机解，通过某种方式迭代寻找最优解。在本文中，目标是在发生故障时，减小转子中的电流。在MATLAB中，双馈风力发电机模型中，控制器模型中控制器参数有：端口电压控制器参数：kp1，ki1；功率控制器参数：kp2，ki2；电容器电压控制器参数：kp3，ki3；网络侧变换器电流控制器参数：kp4，ki4；转子侧变换器电流控制器参数：kp5，ki5。初始参数为：表4.1双馈电机控制器的初始参数表4.2双馈电机控制器的参数的搜索范围（注：最大参数值为原始参数的1.5倍；最小参数值为原始参数的0.5倍）仿真程序采用初

5、始参数的模型进行仿真，观察转子电流，得到转子电流的响应曲线如下：图4.1初始参数模型的转子电流曲线（两条曲线分别为id和iq）6上图之中，，ir曲线如下：图4.2初始参数模型的转子电流曲线ir经过粒子群优化算法进行优化，得到优化以后的参数为：表4.3双馈电机控制器的优化参数仿真程序采用优化后的参数进行仿真，得到转子电流的响应曲线如下：图4.3优化后得到的转子电流曲线（两条曲线分别为id和iq）上图之中，，ir曲线如下：图4.4优化后得到的转子电流曲线ir表4.4双馈电机控制器参数优化前后转子电流最大值比较：转子电流最大幅值（pu）优化前0.8873优化后0.7763

6、由此可见，经过粒子群最佳化算法优化，转子电流得到大幅度的减小，从而提高系统的动态性能。本文提出的算法能够很好的改善变速双馈风力发电机控制器的参数，提高系统的动态性能。6结论与展望本文对这一问题作了学习和研究，接入电网的大型风场的基于双馈发电机的风力发电机系统已经被建立模型来描述一个总体的模型。DFIG的控制器和两个背靠背连接的IGBT脉冲调制器的控制，也就是转子侧的转换器和电网侧的转换器。粒子群算法(PSO)算法用来发现的最优参数。通过MATLAB/SIMULINK仿真分析。发现采用粒子群最佳化优化方法（PSO）优化双馈电机的控制器后，能够明显的减少转子电流，提高了

7、该风力发电系统的性能。结果表明,所提出的设计方法高效找到PI控制器的最优参数，并且在大范围内改善风力涡轮发电机系统的暂态性能。参考文献：张希良．风能开发利用[M]．化学工业出版社，2005年1月.WeiQiao,GaneshK.Venayagamoorthy,andRonaldG.Harley,DesignofOptimalPIControllersforDoublyFedInductionGeneratorsDrivenbyWindTurbinesUsingParticleSwarmOptimization.2006InternationalJointConf