基于改进svd-prony算法的永磁同步风力发电机参数辨识-刘洋.pdf

《基于改进svd-prony算法的永磁同步风力发电机参数辨识-刘洋.pdf》由会员分享，可在线阅读，更多相关《基于改进svd-prony算法的永磁同步风力发电机参数辨识-刘洋.pdf（5页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、基于改进SVDProny算法的永磁同步风力发电机参数辨识刘 洋，蔺(新疆大学电气工程学院，红，晁 勤新疆乌鲁木齐830001)摘要：准确建立永磁同步风力发电机模型对分析与控制电网安全稳定至关重要，但发电机参数难以准确确定，因此依据永磁同步风力发电机定子侧三相短路电流的基波分量和谐波分量变化规律由发电机参数决定的特征，提出了基于改进SVDPmny算法的永磁同步风力发电机参数辨识方法。通过对2种类型的算例进行参数辨识，验证了本文提出的永磁同步风力发电机参数辨识方法可行、辨识模型有效、辨识参数准确。关键词：永磁同步风力发电机；改进SVDProny算法；三相短路电流辨识模型；参数辨识Parameter

2、 Identification of Permanent Magnet Synchronous Wind Power GenentorBased on Improved SVDProny AlgorithmLIU Yang，LIN Hong。CHA0 Qin(School of Electrical Engineering，xinjiang universiy，urumqi 83000l，xinjiang，China)Abstract： n is very important to establish an accurate model of permanent magnet synchron

3、ous wind power generator foranalyzing and controlling the security and stability of power system， but the generator parameters are dimcult to determineaccurately As the fact that current fundamental component and harmonic component of three-phase short-circuit currentoccurred in elect“c power system

4、 are determined by generator parameters， a parameter identmcation method of permanentmagnet synchronous wind power generator based on improved SVDProny algorithm is proposed Througb the case studies of twotypes of examples， it is proved that the proposed parameter identification method of permanent

5、magnet synchronous wind powergenerator is feasible， the identification model is effective and the parameters are accurateKey Words： permanent magnet synchmnous generator； improved SVDProny algorithm； model of three-phase short-circuitcurrent； parameter identification中图分类号：TK83 文献标识码：A 文章编号：05599342(

6、2017)12-0092-05由于永磁同步风力发电机具有功率因数高、效率高和易于精确定位控制等优点，永磁同步风力发电机被广泛应用大型风力发电机、高性能精确伺服中。“。发电机参数(电阻、电感、磁链)是分析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，因此精确捕获永磁同步风力发电机参数的重要性显得越来越突出。国内外专家对发电机参数辨识进行了大量的研究。由于三相短路电流中存在基波和谐波分量，各分量的变化规律由发电机的参数决定“。，因此有文四阢甜er钉n，2献采用发电机定子侧三相短路试验获取三相短路电流的方法进行参数辨

7、识，文献9采用最小二乘法对三相短路的双馈式异步风力发电机进行参数辨识；文献10采用全局最优位置变异Ps0优化算法对三相短路的双馈式异步风力发电机参数进行分步辨识，但都不适用于辨识永磁同步风力发电机参数。文献收稿日期：20170612基金项目：国家自然科学基金项目(51667019)；国家国际科技合作(2013DFG61520)；新疆自治区高校科研计划(xJEDu2叭3109)作者简介：刘洋(1993一)男，山东淄博人，硕士研究生，主要研究方向为风力发电机的参数辨识万方数据要：!要：三竺 ：!：!：兰：兰兰：竺二三：竺I=：竺!兰：竺：竺一_墨雷图冒冒譬Ii冒1l一13分别采用快速傅里叶变换算法

8、(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，但未采用短路试验法。文献14-16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、小波预处理、神经网络算法等改进措施抑制噪声干扰，但辨识的是低频振荡参数，而不是永磁同步风力发电机参数，且不能准确确定拟合模型的阶数，影响了参数辨识的准确度。本文针对以上问题，建立了永磁同步风力发电机定子侧三相短路电流的辨识模型，提出改进SVDProny辨识算法，达到了去除噪声且能确定拟合模型阶数的效果，采用FFT法将三相短路电流分解成基波和谐波两个分量，通过改进SVDProny算法辨识出各电流分量对应的特征量，进而

9、辨识出永磁同步风力发电机参数，对2种类型的算例准确辨识出了永磁同步风力发电机参数，并仿真验证了本文辨识方法的可行性、模型的有效性以及辨识的参数准确性。1参数辨识模型i。=Csin一Dcosfc：堕竿学(3)。一三2甜2+露2、。7r、L妒一uq+RudD=L_-T1二r。+尺2(2)定子端突然加上与短路前端电压大小相等方向相反的三相电压状态。此时对式(2)进行拉氏变换可以求得定子电流复频域的解 。肼(s)一厶(。)：A小)+必!(4)式中，s为拉普拉斯算子；厶为初始电流；E为单位矩阵。由于定子突然加反向电压，则初始电流为0，接着进行拉氏反变换可以得到在d、q轴中定子电流的时域解，对其进行坐标变

10、换并与式(3)叠加可以得到网侧三相短路时发电机A相电流的辨识模型=2csin卜Dc。s t+c。s()+坠业sint+c。(ccJ)+堕型c。sfe-：i。+i：(5)E=些兰笔高等堕型 (6)E=7i。一 L o J(2+R2) 。采用文献17给出了永磁同步风力发电机的数 ，：二丝竺生二拿绎孚耋芸壬型 (7)黧式，为不荔蓦主主量“为衰减的谐波分厂dirp 1 r 1 ，7一l云l l詈 l屯1 l言 o r“。1 _o 量；c、D、E、F是辨识模型的特征量，经过辨识吲2 l：山社，J+l。廿。J+h咄j嘉霎姜蓑嚣篡篓萋集会蒿熹、力篓鍪嚣掣式中，“。、i。、i。分别为定子端电压和电流的d轴和q

11、轴分量，可以直接测量获得；为定子电角速度，=，其中n。为发电机转子极对数，叫，为转子转速可以测得，则山可以计算得到；L为定子等效电感；沙为永磁体磁链；尺为定子绕组电阻，R，沙是可辨。识的。对式(1)进行简化 7曼!：Al+BU+妒A=尺T R一i曰。oLo L(2)，=M。“，=i。i。7，妒；o 一砂永磁同步风力发电机定子侧三相短路过程可以分解为两种状态：(1)短路前的稳定运行状态。此时dd=0，即式(2)左端为0，在此条件下求解式(2)并经坐标变换后得到稳态运行时发电机定子A相电流表达式为幺值)为：尺=o011 62，=0378，廿=1215，=35，=l，“。=1。将参数代入式(6)形成

12、的辨识模型电流与将参数代入搭建的Simulink仿真模块中生成的短路电流如图1所示。对图1a、lb两图对比可以得到，两种方法得到的电流波形相同，验证了辨识模型的正确性。2改进SVD，Prony辨识算法21 SVD算法设观测信号为笫(n)(n=o，1，一1)，其中为采样点总数。将x(n)构造为矩阵X，为使SVD分解具有一定的抗噪声能力，常取4一3。则观测信号矩阵x为X=省(O) 石(1)石(1) 省(2)： ：x(，一L一1) x(一L)对x进行sVD分解舅(三)算(L+1)z(一1)(8)X=Uy4 (9)式中，X为(一L)(L+1)维复数矩阵，U和y分耽ter胁em4州nj2一万方数据时间(

13、pn)b Simulink仿真图1 电流波形比较别为(一L)(一)维和(L+1)(三+1)维酉阵，上标水表示矩阵的共轭，是奇异值矩阵，主对角元素是奇异值盯，奇异值中包含了x矩阵秩的特性信息。211 消除噪声观测信号并(凡)中包含真正信号及噪声信号，利用SVD算法对其分解如式(8)，其中较大的奇异值反映了真实信号，较小的奇异值则反映噪声信号，将小于奇异值均值的奇异值置零，再进行SVD反变换重构观测信号；(n)，就可以去除信号中的噪声，还可保留观测信号的基本特征不变。212 计算阶数定义Frobenious范数意义上可最佳逼近x的矩阵F”=U。y+ (10)式中，。是中i个较大的奇异值构成的对角阵

14、。x逼近x的程度可用逼近性能测度表示： 啪，=龉=(筹糍)7，为了很好地表征矩阵特性，常取一个非常接近1的数作为阈值，然后设定七的初值，计算”(后)，若t，(|)小于选取的阈值，则增大|值，直至F(南)大于该阈值，从而确定了矩阵x的有效秩，即拟合模型阶数。22 改进SVDProny算法Prony算法用一组具有任意振幅、相位、频率、衰减因子的复指数函数的线性组合近似拟合观测信号并(n)，改进SVD-Prony算法拟合模型为未(n)=6。彳：，(n=o，1，一1；m=l，2，矗)(12)其中，矗为拟合模型有效阶数，由sVD算法确定，为采样点总数，6。和为复数。构造后x(矗+1)的去噪后的R矩阵巨蟹

15、曩繁硪-弘， r(2，o)r(2，1)r(2，后)I|口-f o f、 lI L r(后，0) r(七，1) r(|，七)JL口。J L O jr(i，)2乏；(n一，)互(n一儿(14)万方数据三：!兰!：竺 ：兰：三：兰：竺兰：!：三!：竺竺!：竺!竺三!三竺竺!曩蓄蓄冒蓄霍冒32 误差评价当原始参数未知或者观测信号并非理想信号时，一般用信噪比5姗来衡量辨识误差，SR值越高，则误差越小，辨识参数的精确性越好。信噪比定义为 s瑚_20lg高等(16)r，nSl石L凡，一菇l凡J式中，rms为均方根；sR单位为dB。百分比误差表示辨识参数值与参数准确值之间差值与参数准确值的百分比，PE值越小，

16、则误差越小，辨识精度越高。百分比误差定义为 JPE：卫生生=剑x100 (17)石(凡)当PE20 dB时，辨识结果可以接受；当s尺40 dB时，辨识结果更为理想。4算例及仿真41 算例1(基于辨识模型的带噪声观测信号)为了验证本文提出的改进SVDProny算法能够有效辨识永磁同步风力发电机参数，对一台参数已知的发电机进行仿真，设置发电机参数(标幺值)为：尺=0011 62、L=0378，砂=1215，=35，u。=l，。=1。根据式(5)构造已知参数观测信号，如图1(a)所示。通过文献4中提出的确定最佳采样间隔与采样点数方法，确定当采样间隔=25ms、采样点数=250时，拟合效果最好。在已知

17、参数观测信号中加入高斯白噪声(如图2a)生成带噪声的已知参数观测信号如图2(b)所示，从图中可以看到，加入高斯白噪声后在局部改变了理想信号的波形，必然会对参数的精确辨识造成干扰。由改进sVDProny算法计算出的基波拟合模型有效阶数后为32，谐波的拟合模型有效阶数克为33。用传统Prony算法以及改进SVDProny算法进行参数辨识，参数辨识结果(标幺值)如表l所示。表1 有噪声影响辨识的参数从表1中看出：在有噪声干扰的情况下，采用传统Prony算法辨识参数，PE最高误差达到2727，sNR为203658dB，参数辨识精度较低；采用本文提出的改进SVDProny算法辨识参数，PE4。穹e遥0鲁

18、二：蓍-24时间8高斯门噪时问5b带噪声的已知参数观测信号图2加噪声的观测信号的最大误差仅为4648，SNR为45110 1 dB，参数辨识的精度较为理想。分别将改进sVDProny算法与传统Prony算法辨识的参数代人辨识模型，生成的观测信号与不带噪声的已知参数观测信号拟合波形如图3所示。从图3中可以看出，传统Prony算法辨识参数生成的观测信号偏差较大，而改进的sVDProny算法辨识参数生成的观测信号偏差较小。一L知参数观测信号改进SVDProny观测f传统Prony观测信号图3拟台波形从表1和图3中可以看出本文提出的改进SVDProny算法去噪效果好，辨识的参数较精确。42 算例2(基

19、于Simunk仿真波形)利用Matlabsimulink搭建永磁同步风力发电机与电网的仿真模型。设置发电机参数为：R=001n，沙=0175 wb，L=0003 H，发电机出口电压为690 V，经过机侧变压器升压为35 kV，后经输电线路送往220 kV变电站。时间为05 s时发生三相短路故障，故障电流波形如图4所示。由改进sVDProny算法计算出基波拟合模型有万方数据墨薯i蓄銎蓄蛋 竺：竺： ：=：2图4故障电流波形效阶数七为9，谐波的拟合模型有效阶数矗为3。用改进sVDProny算法进行参数辨识，参数辨识结果(标幺值)如表2所示。表2仿真中辨识的参数从表2中可以看出，采用改进SVDPro

20、ny算法辨识的参数PE皆小于5，SNR达到了60632 5dB，辨识结果较为理想。将辨识参数代入辨识模型生成的观测信号与采集的观测信号拟合波形如图5所示。从图5中发现改进sVDProny算法具有很高的参数辨识精度，满足在线辨识的要求。图5 改进的SVD-P rony算法拟合的波形5结论依据永磁同步风力发电机定子侧三相短路电流的基波和谐波分量变化规律由发电机参数决定的特征，建立了发电机定子侧三相短路时短路电流的辨识模型。并在传统Prony算法基础上进行了改进。通过对加人噪声的观测信号和搭建的仿真模型进行参数辨识，结果表明改进SVDProny算法在噪声影响和在线条件下皆能较为准确地辨识发电机参数，

21、且比传统Prony算法辨识准确度更高、抗噪性能更好。墨Wm舯“l4312参考文献：1康劲松，劳建忠直驱型风力发电系统中永磁同步发电机的控制技术研究J机电一体化，2010，17(8)：13-172刘侃，章兢基于自适应线性元件神经网络的表面式永磁同步电机参数在线辨识J中国电机工程学报20lO，30(30)：68733周义杰年珩变流器单边可控下开绕组永磁同步发电机的控制技术J电工技术学报，2015，30(1 0)：123-1304苏小林，周双喜Pmny法在同步发电机参数辨识中应用J电力自动化设备，2006，26(9)：14：5肖曦许青松，王雅婷，等基于遗传算法的内埋式永磁同步电机参数辨识方法J电工技

22、术学报，2014，29(3)：21-266金宇清，赵泽，鞠平双馈感应风力发电机的参数辨识分析J高电压技术20ll，37(7)：170017057李兴源，朱瑞可王渝红，等基于EMD和Prony算法的同步电机参数辨识J电网技术，2012，36(8)：136-1398张建华，陈星莺，刘皓明，等双馈风力发电机三相短路分析及短路器最大电阻整定J电力自动化设备，2009，29(4)：6-10：9张建华，辛付龙，陈星莺，等双馈风力发电机三相短路状态下的参数辨识J电力自动化设备，2012，32(6)：868910潘学萍，鞠平，徐倩，等双馈风力发电机参数分步辨识及观测量的选择J中国电机工程学报，2013，33(

23、13)：1161261 1RAHMAN K M，HITI SIdenti6cation of machine parameters of asynchr。nous motorJ IEEE Transactions on Industry Applications，2005，4l(2)：55756512LIu K，zHANG Q，cHEN J T，el aL Online multiparameIer esIi-mation of nonsalIen卜pole PM synchronous machines with temperaturevariation trackingJ IEEE Tra

24、nsactions on Indust“al Electronics，2011，58(5)：1776一178813傅小利，顾红兵陈国呈，等基于柯西变异粒子群算法的永磁同步电机参数辨识J电工技术学报，2叭4，(5)：127-13114李大虎，曹一家基于模糊滤波和Prony算法的低频振荡模式在线辨识方法J电力系统自动化，2007，31(1)：141 915任子晖，刘吴岳，徐进霞基于小波变换和改进Prony方法的电能质量扰动分析J j电力系统保护与控制，2016(9)：12212816竺炜，唐颖杰，周有庆，等基于改进Prony算法的电力系统低频振荡模式识别J电网技术，2009，33(5)：4447，53：17蔺红，晁勤并网型直驱式永磁同步风力发电系统暂态特性仿真分析J电力自动化设备，2010，30(11)：15(责任编辑 高 瑜)万方数据