[发明专利]一种风电场PI控制器参数整定方法和装置

说明书

本发明提供了一种风电场PI控制器参数整定方法和装置，对风电场每个PI控制器的参数进行正交试验，得到每个参数的取值范围；基于所述取值范围对参数进行初始化；基于初始化后的参数采用粒子群优化算法确定参数的整定结果，通过本发明得到的优化效果和PI控制器性能均较好，大大加快了迭代收敛速度，且避免陷入局部极值的情况；本发明采用的混沌正交粒子群算法能够合理确定每个参数的寻优范围、寻优方向以及相应权重，同时提高初始值质量，有效减少迭代次数，不仅对风电场与电网之间公共连接点的端电压有更好的补偿效果，同时有效提高了基于双馈型异步风力发电机的输出特性。

技术领域

本发明涉及新能源技术领域，具体涉及一种风电场PI控制器参数整定方法和装置。

背景技术

相比于传统的化石能源，风电作为一种清洁能源，因具有无污染无排放、绿色环保等优点而备受关注。双馈型异步风力发电机(Double-Fed Induction Generator，DFIG)是目前风电场的主流机型之一，双馈型异步风力发电机中的背靠背变换器控制系统由多个比例积分(proportional integral，PI)控制器构成，每个PI控制器参数对风电场的整体特性都有不同的影响。静止同步补偿器(Static Synchronous Compensator，STATCOM)作为无功补偿装置能有效改善风电场电网电压波动问题，目前一般风电场中均配备STATCOM，STATCOM控制系统中嵌入多个PI控制器，PI控制器参数的设计直接影响STATCOM的控制性能。从外部看，DFIG和STATCOM作为一个整体响应系统动态变化，为了获得良好的输出特性，需要考虑两者的多个PI控制器参数的优化整定方法。

现有技术中针对PI控制器参数的整定方法主要有调整试凑法、近似线性化法和智能优化算法。①调整试凑法虽然在实际工程中使用较多，但其计算复杂，需要对参数多次调整试凑，优化效果差；②近似线性化法是在控制系统确定的工作点处进行线性化处理，而当控制系统的运行状态发生变化或者遭遇大干扰故障时，PI控制器性能差，控制系统性能随之变差；③粒子群优化算法(Particle Swarm Optimization，PSO)作为智能优化算法之一，粒子群优化算法适用于多目标优化问题，且其具有参数少、程序简单易实现等优点，但也存在迭代收敛速度较慢，易陷入局部极值等缺点。

发明内容

为了克服上述现有技术中优化效果差、PI控制器性能差、迭代收敛速度较慢且易陷入局部极值的不足，本发明提供一种风电场PI控制器参数整定方法和装置，对每个PI控制器的参数进行正交试验，得到每个参数的取值范围；基于所述取值范围对参数进行初始化；基于初始化后的参数采用粒子群优化算法确定参数的整定结果，通过本发明得到的优化效果和PI控制器性能均较好，大大加快了迭代收敛速度，且避免陷入局部极值的情况。

为了实现上述发明目的，本发明采取如下技术方案：

一方面，本发明提供一种风电场PI控制器参数整定方法，包括：

对每个PI控制器的参数进行正交试验，得到每个参数的取值范围；

基于所述取值范围对参数进行初始化；

基于初始化后的参数采用粒子群优化算法确定参数的整定结果。

所述对风电场每个PI控制器的参数进行正交试验，包括：

采用正交优选法和正交优选趋势法对每个PI控制器的参数进行正交试验。

所述PI控制器的参数包括双馈型异步风力发电机的PI控制器参数和静止同步补偿器的PI控制器参数。

所述基于所述取值范围对参数进行初始化，包括：

采用混沌算法在参数的取值范围内生成随机向量；

计算双馈型异步风力发电机的权重因子以及双馈型异步风力发电机和静止同步补偿器之间的权重因子；