[发明专利]基于MDPSO的永磁直驱风力发电机参数辨识方法

说明书

本发明涉及一种永磁风力发电机参数辨识技术领域，是一种基于MDPSO的永磁直驱风力发电机参数辨识方法，包括以下步骤S1：采样辨识风力发电机的所需参数，建立永磁直驱风力发电机定子电压电流模型；S2：建立并得到永磁直驱风力发电辨识模型：S3：建立误差目标函数J(θ)；S4：使用MDPSO算法优化求解误差目标函数J(θ)，得到a_q,b_q,c_q,d_q最优解；S5：计算出要辨识的风力发电机参数R,L_d,L_q,ψ；S6:根据M_rmin准则对机侧变流器电流内环控制的PI参数动态整定，得到新的PI参数值。本发明提出自适应空间搜索向量和平均最优位置变量的改进粒子群算法MDPSO，改进后的MDPSO算法具有较强的鲁棒性、较高的收敛精度和较快的收敛速度，并克服了一般粒子群算法容易陷入局部最优解的问题。

技术领域

本发明涉及一种永磁风力发电机参数辨识技术领域，是一种基于MDPSO的永磁直驱风力发电机参数辨识方法。

背景技术

现今，备受广泛应用的变速恒频风力发电机组有2种：双馈感应风力发电机组(DFIG) 和永磁直驱风力发电机组(D-PMSG)。相比较DFIG而言，D-PMSG的结构简单、发电率高、噪声小和维护工作量小的特点，在风力发电领域受到了越来越多的重视。一般来说，PMSG 机侧变流器矢量控制系统通常是转速外环、电流内环(通常内外环控制器主要是PI控制器)，而矢量控制性能也受控制器参数值的优劣影响。控制器的PI参数值通常根据发电机的电阻、电感、磁链等固有参数整定得到，同时温度、磁通饱和、肌肤效应等也影响发电机的固有参数。运行过程中，风力发电机固有参数值是变化的，而变流器控制的PI参数不随之动态整定，会影响风力发电机的控制效果。因此，有必要准确辨识发电机固有参数值，改善控制性能，提高PMSG的风能利用率。

传统的辨识方法主要有：扩展卡尔曼滤波方法(EKF)，模型参考自适应辨识方法(MARS)，递推最小二乘法(RLS)等。永磁直驱风力发电机控制系统具有非线性时变特征，准确辨识风力发电机的多参数问题非常困难，辨识算法需权衡诸如复杂性、收敛性和计算时间等因素，使用传统辨识方法往往找不到系统的最优值。随着计算机技术的迅速发展和广泛应用，研究人员将智能优化算法应用于电机的多参数辨识。这些算法主要包括：鱼群算法，遗传算法，粒子群算法等。遗传算法相比其他智能算法，对辨识初始值要求高，计算密集且耗时；鱼群算法和粒子群算法尽管相对简单，但很容易陷入局部最优解。鉴于粒子群算法容易陷入局部最优解的问题，若引入平均最好位置，使粒子初始化时没有确定轨迹，改进后的算法不仅提高了收敛速度还增强了全局搜索能力，但是收敛精度没有明显的提高；如果利用传统粒子群算法对PMSM的电阻和转矩等参数进行辨识，辨识精度较高，但该算法无法辨识磁链与电感，存在一定的缺陷；若吸纳了人工免疫系统机理和完全学习型粒子群算法的优势，设计一种基于免疫机理的完全学习型粒子群进化计算模型框架，该算法具有较强的收敛性和复杂的多样性，但是计算过程相对复杂，收敛速度慢；如果引入自适应空间搜索向量，以帮助粒子逃离局部最优问题，但是收敛速度较慢。

发明内容

本发明提供了一种基于MDPSO的永磁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，其能有效解决永磁直驱风力发电机多参数辨识难的问题，更进一步解决了传统的参数辨识方法存在收敛精度差、收敛速度慢，影响风力发电机的控制效果，使得永磁直驱风力发电机组的风能利用率低的问题。

本发明的技术方案是通过以下措施来实现的：一种基于MDPSO的永磁直驱风力发电机参数辨识方法，包括以下步骤：

S1：采样辨识风力发电机的所需参数，选取电机出口端测得电机转速和电机输出的三相电流，使用电流控制器的直轴电压u_d和交轴电压u_q，建立永磁直驱风力发电机定子电压电流模型：