朱益华,李卫星,李成翔,等/基于频域通用建模的双馈风电机组参数的一体化辨识方法/2024,48(15):92-101.
研究背景
随着风电在电网中所占比例的逐年提升，双馈风电机组作为风电市场的主流机型，其动态特性，尤其是故障穿越特性，对电力系统的影响日益显著。精准分析大规模风电对电力系统的影响，需要构建能够表征实际风电机组动态特性的白盒模型。其中，模型结构可以通过调研或故障穿越响应曲线的形态获得，但模型参数包含发电机参数、变流器参数、转子侧控制器参数、网侧控制器参数、故障穿越控制器参数等，各个参数交互影响，难以辨识。
研究内容
2.1 双馈风电机组参数分类分步辨识的原理依据
本文提出的基于故障穿越特性分析的双馈风电机组参数分类分步一体化辨识方法的原理依据如图1所示。由图1可以看出，双馈风电机组主要由主电路和控制电路两部分构成，将其响应的全过程分为：故障前稳态、故障期间暂态、故障期间暂稳态、故障清除后暂态、故障清除后恢复过程和故障清除后稳态6个阶段(标注为阶段I~VI)。结合图1所示双馈风电机组的结构和故障穿越响应过程的综合分析，可将风电机组的参数进一步分为第1类发电机参数、第2类变流器相关参数、第3类故障穿越响应曲线形态主导参数、第4类转子侧变流器(RSC)内外环比例-积分(PI)控制器参数、网侧变流器(GSC)内外环PI控制器参数。
图1 双馈型风电机组参数分类分步辨识方法的原理依据
2.2 双馈风电机组参数分类分步辨识的频域模型构建
涉及第1和第2类参数的主电路频域模型见原文式(1)—式(6)。
2.2.1 涉及第3类参数的控制器频域模型
转子无功电流的参考值为：
(1)
式中：Lm为定子和转子间的互感；Ls为定子自感；ψs为定子磁链；kq为无功支撑系数；uset为无功电压阈值；us为机端电压；In为额定电流。
转子有功电流的参考值为：
(2)
式中：ip,normal为故障发生前有功电流的稳态值；Imax为最大电流限幅。
有功功率恢复参考值为：
(3)
式中：rp为有功功率恢复速率。
2.2.2 涉及第4类参数的控制器频域模型
短路故障下双馈型风电机组电压与转子电流间的频域模型为：
(4)
(5)
式中：kpr为PI控制器的比例系数；kir为PI控制器的积分系数；ir(s)为转子电流；ψs0(s)为定子磁链初始状态；下标d、q表示对应变量的d、q轴分量，下同；本文变量中含有(s)的表示频域变量，不含(s)的表示时域变量，下同。
(6)
式中：kpp和kpi分别为有功外环的比例系数和积分系数；kqp和kqi分别为无功外环的比例系数和积分系数；Pref和P分别为有功参考值和实际值；Qref和Q分别为无功参考值和实际值。
GSC控制器：
(7)
式中：kpg和kig分别为GSC内环控制器比例系数和积分系数；igd(s)、igq(s)分别为网侧控制器电流ig的d、q轴分量；vgd(s)、vgq(s)分别为电网电压的d、q轴分量；下标ref为对应变量的参考值，下同。
(8)
式中：kpv和kiv分别为GSC外环控制器的比例和积分系数；Vbus分别为直流电压实际值。
2.3 双馈型风电机组参数的分类分步一体化辨识方法及实现方案
第1类参数可由中度故障工况下的阶段II、IV辨识。第2类参数可由重度故障工况下的阶段II、IV辨识，也可采用工程整定方法。第1和第2类参数构成的主电路参数组是构建双馈风电机组仿真模型的物理基础，共同决定了第3和第4类参数的被控对象，需要优先辨识。第3类参数可由中度和重度故障工况下的阶段III、V辨识，第4类参数可由中度或重度故障工况下的阶段II和阶段IV辨识。第3类故障穿越响应曲线形态主导参数组成的故障穿越控制器作为故障情况下RSC内环控制器的输入，将直接影响第4类RSC/GSC的内外环参数，尤其是RSC内环PI的辨识效果。若第3类参数辨识不准，第4类参数无论辨识有多准确都无法正确表征双馈风电机组的故障穿越特性，因此第3类参数的辨识次序需优于第4类参数。本文提出将双馈型风电机组参数分为4类的方案，其类别编号同时也是辨识的流程次序和优先级，不可调换，共同构成了机组参数的分类分步一体化辨识方法。
实验验证
对某厂家双馈风电机组ADPSS黑盒封装模型进行了辨识，分别基于参数辨识结果构建的仿真模型和厂家封装模型进行故障穿越仿真，二者故障穿越全过程各阶段的基波正序电压、有功功率、无功功率、有功电流和无功电流对比如图2所示。
图2 20%电压跌落工况厂家黑盒模型与辨识出的白盒模型的故障响应特性对比
结语
针对目前双馈风电机组大扰动情况下参数整体辨识方法缺失，且无法精准辨识外特性不敏感的内环控制器参数问题，提出了适用于故障穿越工况的频域辨识模型构建方法和机组参数的分类分步一体化辨识方法，通过仿真模型和所构建频域模型故障穿越响应特性对比、参数辨识值与真值的对比及辨识出的白盒模型和厂家黑盒响应特性的对比，验证了提出的辨识模型和分类分步一体化参数辨识方法的正确性。结果表明，提出的辨识方法具有准确性高、适用性强、数据获取简单和仿真速度快等优点。
/ 引文信息
朱益华,李卫星,李成翔,等.基于频域通用建模的双馈风电机组参数的一体化辨识方法[J].电力系统自动化,2024,48(15):92-101.
ZHU Yihua, LI Weixing, LI Chengxiang, et al. Integrated Identification Method for Parameters of Doubly-fed Wind Turbines Based on General Modeling in Frequency Domain[J]. Automation of Electric Power Systems, 2024, 48(15):92-101.
主要作者简介
Introduction to the Main Authors
高级工程师，现任南方电网科学研究院有限责任公司仿真所所长助理，长期从事交直流大电网实时仿真、复杂电网稳定分析与控制、新能源并网仿真与控制等领域的研究工作。先后荣获15项省部级科技奖励，发表学术论文40余篇，参编专著1部，授权发明专利35项，参编IEEE标准1项、行业标准4项、团体标准1项。
博士，教授，博士生导师，大连理工大学电气工程学院院长，辽宁省科技创新领军人才，IEEE PES Renewable Energy Modeling Satellite Subcommittee Chair、IEC SC8A新能源建模工作组专家、中国仿真学会电力系统仿真专委会副主任委员、IEEE PES东北分会主席、辽宁省电机工程学会副理事长、中国人工智能学会大电网智能分析与控制学组副组长、中国电机工程学会能源互联网专委会委员，IEEE Transactions on Industry Applications等SCI/Ei期刊编委。
郑重声明：根据国家版权局相关规定，纸媒、网站、微博、微信公众号转载、摘编本微信作品，需包含本微信名称、二维码等关键信息，并在文首注明《电力系统自动化》原创。个人请按本微信原文转发、分享。
