[发明专利]基于改进SVD-Prony算法的发电机参数辨识方法

说明书

本发明涉及风力发电机参数辨识技术领域，是一种基于改进SVD‑Prony算法的发电机参数辨识方法，第一步建立基于三相短路故障的直驱风力发电机辨识模型；第二步使用改进SVD‑Prony算法得到各分量拟合模型；第三步，计算特征量得到风力发电机待辨识参数R、L和ψ；第四步计算误差评价指标，若辨识参数的准确性低，则执行第二步，若辨识参数的准确性高，则进入第五步；第五步输出直驱风力发电机辨识参数。本发明通过使用改进SVD‑Prony辨识算法，有效去除了噪声且确定拟合模型阶数，通过改进SVD‑Prony算法辨识短路电流各分量对应的特征量，进而辨识直驱风力发电机参数，通过计算误差评价指标验证辨识参数的准确性。

技术领域

本发明涉及风力发电机参数辨识技术领域，是一种基于改进SVD-Prony算法的直驱风力发电机参数辨识方法，即基于改进SVD-Prony算法的发电机参数辨识方法。

背景技术

现有的直驱风力发电机故障率低，易于保养和维修，具有较强的低电压穿越能力，对电网友好，因此直驱风力发电机在风电并网中所占的比重也越来越大。风力发电机参数(电阻、电感、磁链)是含风电电力系统电磁暂态和机电暂态计算和控制的基础数据，由于缺少准确的实际参数，造成计算结果与实际工况不符，严重影响计算的准确性和可信度，因此精确捕获风力发电机准确参数的重要性显得越来越突出。

国内外专家对同步发电机的参数辨识方法和算法进行了大量的研究。由于三相短路电流中存在基波分量和谐波分量，各分量的变化规律由发电机的参数决定，因此现有技术中采用定子端突然三相短路试验获取三相短路电流，采用全局最优位置变异PSO优化算法对三相短路时的双馈式异步风力发电机参数进行分步辨识，但都不适用于辨识直驱风力发电机参数。采用微变搜索法、最小二乘法、快速傅里叶变换算法(FFT)、神经网络算法、粒子群算法对永磁同步电机进行参数辨识，应用效果不显著；利用Prony算法的辨识精度高、辨识速度快且能够在线辨识等优点，并各自增加滤波方法、小波软阈值去噪方法、神经网络算法等改进措施抑制噪声干扰，但目的是辨识电力系统低频振荡参数，而不是辨识风力发电机参数，且不能准确的确定拟合模型的阶数，影响了参数辨识的准确度。

发明内容

本发明提供了一种基于改进SVD-Prony算法的直驱风力发电机参数辨识方法，克服了上述现有技术之不足，其能有效解决现有技术对直驱风力发电机参数辨识准确度低的问题。

本发明的技术方案是通过以下措施来实现的：该基于改进SVD-Prony算法的直驱风力发电机参数辨识方法包括以下步骤：

第一步，建立基于三相短路故障的直驱风力发电机辨识模型，采样三相短路故障时直驱风力发电机的定子端电流，利用FFT变换将采样的直驱风力发电机定子端电流分解为基波分量和谐波分量，得到基波分量的辨识模型i₁(n)和谐波分量的辨识模型i₂(n)，进入第二步；

第二步，使用改进SVD-Prony算法分别得到基波分量的拟合模型和谐波分量的拟合模型进入第三步；

第三步，令计算特征量，求解特征量方程组得到直驱风力发电机待辨识参数：定子绕组电阻R、定子等效电感L、永磁体磁链ψ，进入第四步；

第四步，计算辨识参数误差评价指标，判断直驱风力发电机组辨识参数的准确性，若辨识参数的准确性低，则执行第二步，若辨识参数的准确性高，则进入第五步；

第五步，输出直驱风力发电机辨识参数，结束。

下面是对上述发明技术方案的进一步优化或/和改进：

上述第一步中，建立直驱风力发电机辨识模型的过程，包括以下步骤：

(1)直驱风力发电机的数学模型如下：