[发明专利]一种基于ANN自适应滤波的风剪切3倍频纹波抑制方法

说明书

本发明公开了一种基于ANN自适应滤波的风剪切3倍频纹波抑制方法，将ANN自适应滤波器嵌入转速双闭环控制系统中，并以外环风轮转速参考值为锁相信号，以转子电流指令信号为学习对象；ANN自适应滤波器中神经元输出和学习对象的误差信号不断调节权值，在满足最小均方差情况下得到内环的转子电流指令信号直流量逼近值，即转子恒电流指令；该指令信号结合PID控制器控制实际转子电流经反馈通道跟踪指令信号，3倍频纹波得到抑制。其应用于风剪切效应下的双馈风机控制系统，由于转子电流与电磁转矩及定子功率间的强耦合关系，在抑制转子电流3倍频纹波的同时能够实现恒电磁转矩控制和定子恒功率控制，避免离心转矩损害机械部件和3倍频电能功率波动涌入电网。

技术领域

本发明涉及倍频纹波抑制方法，尤其是由风剪切效应引起的3倍频纹波的基于ANN自适应滤波的纹波抑制方法。

背景技术

对纹波进行实时准确的检测是抑制纹波的一个关键技术问题。目前，通常采用基于“瞬时无功功率理论”的纹波电流检测方法，但是这种方法计算复杂，精度不高，实时性和自适应能力较差。因此，有必要借助其他理论或途径寻找新的纹波检测方法。人工神经网络(ANN)具有良好的自学习和自适应能力，利用人工神经网络的拓扑结构和算法，提出一种基于ANN的纹波电流检测方法，能够对对特定次纹波进行实时准确的动态检测，保证纹波抑制效果。

选用ANN实现自适应滤波器的主要原因在于，锁相信号经过PLL电路得到sinωt、cosωt，再倍频得到3次正弦和余弦信号，作为参考信号；人工神经网络的净输入又可以由它们线性组合而成，映射关系比较简单，再考虑到自适应滤波器的易于实现性和纹波电流检测的实时性要求，自适应滤波器的结构应该尽量简单，单个神经元结构简单，而且具有一定的映射和自适应学习能力，所以选用单个神经元作为自适应滤波器。

根据ANN理论，经过若干次迭代学习之后，权值会逼近最优值，此时误差均方趋向于最小值，意味着在最小均方误差意义下，ANN自适应滤波器输出最佳逼近需要检测的电流信号，滤掉了其他电流分量。

发明内容

针对双馈风机中存在风剪切3倍频纹波的问题，本发明提供了一种基于ANN自适应滤波的3倍频纹波抑制方法，其应用对象是风剪切效应下的双馈风机控制系统,由于转子电流与电磁转矩及定子功率间的强耦合关系，在抑制转子电流3倍频纹波的同时能够实现恒电磁转矩控制和定子恒功率控制，避免离心转矩损害机械部件和3倍频电能功率波动涌入电网。

为实现上述目的，本发明提供一种基于ANN自适应滤波的风剪切3倍频纹波抑制方法，包括以下步骤：

步骤1，对风力发电机组转速双闭环控制系统中的风轮转速参考值和转子电流指令信号进行采集，并将采集结果分别作为ANN自适应滤波器的锁相信号和学习对象；

步骤2，ANN自适应滤波器的神经元输出和学习对象的误差信号不断调节神经元的权值；

步骤3，在满足最小方差情况下得到电流内环的转子恒电流指令信号；

步骤4，转子恒电流指令信号取代原转子电流指令信号，参与内环转子电流控制；

步骤5，转子恒电流指令信号结合PID控制器控制实际转子电流经反馈通道跟踪指令信号，转子电流纹波从而得到抑制。

进一步优选的，步骤1中，ANN自适应滤波器将风轮转速参考值当作锁相倍频信号，生成参考信号；将转子电流指令信号当作学习对象；ANN自适应滤波器的信号输入及生成的具体过程为：

步骤1.1，

设定风轮转速参考值，即ANN滤波器锁相信号为ω，ANN自适应滤波器学习对象为i_rref，滤波器输出为

设定学习对象其中是纹波分量，是直流分量；设定神经元函数：f(x)＝x，输出为其中是学习得到的纹波分量，是学习得到的直流分量；设定误差信号为