基于ipso的dfig变桨距ladrc方法及系统的制作方法
【专利摘要】本发明公开了风电机组控制系统领域的一种基于IPSO的DFIG变桨距LADRC方法及系统，方法具体为把双馈风机机组的变桨距系统的线性自抗扰控制系统要调节的参数即线性扩张状态观测器的带宽，非线性误差反馈控制器的带宽和桨距角的估计值赋值给粒子群，通过对粒子群的免疫优化，实现了对双馈风机机组的变桨距系统的线性自抗扰控制系统要调节参数的优化。系统包括初始化装置、计算比较装置、选择复制装置、赋值更新装置、轮盘选择装置、交叉装置、变异装置、粒子群重塑装置和迭代输出装置。本发明利用免疫粒子群优化算法对优化参数寻优，避免了手动寻优得到系统控制器参数的最优值的困难性和手动往复寻优的复杂性。
【专利说明】基于IPSO的DFIG变桨距LADRC方法及系统
【技术领域】
[0001] 本发明属于风电机组控制系统领域，特别涉及一种基于免疫粒子群优化算法 IPSO (Immune Particle Swarm Optimization)的双馈风机 DFIG (Doubly-fed Induction Generator)变奖距系统线性自抗扰控制 ADRC (active disturbance rejection control) 方法。
【背景技术】
[0002] 为降低风轮负荷以延长其使用寿命，抑制风力发电机组输出功率波动以降低对电 网的不利影响，大中型风电机组通常在额定风速以上采用变桨距控制，即通过改变风轮桨 距角，进而相应改变风能利用系数，使机组输出功率保持稳定，但是风力发电机组具有较大 的转动惯量和较严重的非线性，并且自然风速变化范围大，使得变桨距系统控制困难。
[0003] 将线性自抗扰控制策略应用在具有大惯性、非线性系统中，可以有效的减少控制 过程中的检测量，简化复杂的控制过程。文献"风力发电机组变桨距线性自抗扰控制[J]"， 张金芳，华东电力，2013, 41 (2) :371-375,将线性自抗扰控制应用到变桨距系统中，虽然取 得了一定的控制效果，但是线性自抗扰控制在参数寻优上存在明显缺陷，往往通过试凑法 和经验法获得最优参数，不利于优化控制。
[0004] 文献"免疫粒子群算法的改进及应用[J]"，殷富，计算机应用，2010,30(7): 1883-1888,表明了免疫粒子群算法既克服了粒子群算法以及免疫算法的缺点，又结合了两 种算法的优点，一方面可以保证种群的多样性，通过利用免疫记忆与自我调节机制，抑制浓 度过高的抗体；二是具有很强的全局搜索能力，主要通过变异和种群刷新，不断的产生新的 个体，搜索尽可能多的空间。
[0005] 故为了进一步完善双馈风电机组变桨距系统的控制，本发明应用免疫粒子群优化 算法对基于线性自抗扰控制的双馈风电机组变桨距系统进行参数寻优。
【发明内容】
[0006] 本发明的目的是提供一种基于IPSO的DFIG变桨距LADRC方法，使得当风速发生 变化时，机组的桨距角以及功率的变化最小，其特征是所述方法包括：
[0007] 步骤1 :把双馈风电机组变桨距系统的线性自抗扰控制系统要调节的参数即线性 扩张状态观测器的带宽，非线性误差反馈控制器的带宽和桨距角的估计值赋值给粒子群A， 初始化粒子群A、迭代次数、最大迭代次数和免疫记忆细胞；
[0008] 步骤2:计算粒子群A中每个粒子的适应度并比较大小；
[0009] 步骤3 :依次选取n个适应度值最小的粒子复制到免疫记忆细胞中，组成粒子群B; 其中，n为自然数；
[0010] 步骤4 :选择粒子群A中适应度最小值赋值给个体极值和全局极值；更新免疫粒子 群的位置向量及速度向量；
[0011] 步骤5 :计算粒子群A中每个粒子的适应度浓度，根据轮盘赌选择法生成子代1粒 子群；
[0012] 步骤6:将子代1粒子群中所有粒子进行交叉操作，生成子代2粒子群；
[0013] 步骤7:将子代2粒子群中的每个粒子进行变异操作，形成子代3粒子群；
[0014] 步骤8 :计算子代3粒子群中每个粒子的适应度并比较大小，依次选取100-n个适 应度值最小的粒子复制到免疫记忆细胞中，组成粒子群F;粒子群A=粒子群F+粒子群B;
[0015] 步骤9 :当迭代次数〈最大迭代次数时，重复步骤2-8 ;当迭代次数彡最大迭代次 数时，结束迭代；输出全局极值即变桨距系统的线性自抗扰控制系统中需要调节的参数即 (线性扩张状态观测器的带宽、非线性误差反馈控制器的带宽和桨距角的估计值）的最优 值。
[0016] 所述步骤8中，如果子代3中不足100-n个粒子，用空粒子即双馈风电机组变桨距 系统的线性自抗扰控制系统要调节的参数都设为〇补充。
[0017] 所述步骤4中，免疫粒子的速度向量V的更新公式为：
[0018] vk+1 =wVk+cm(PBESTk-Xk) +c2r2 (GBESTk-Xk)
[0019] 其中：vk+1为粒子更新后的速度向量；
[0020] Vk为粒子更新前的速度向量
[0021] Cp C2为学习因子；
[0022] ri、r2为为区间（0, 1)的随机数；
[0023] PBESTk为粒子更新前的个体极值；
[0024] GBESTk为粒子更新前的全局极值；
[0025] Xk为粒子更新前位置向量；
[0026] w为惯性因子。
[0027] 所述惯性因子w的选取公式为：
[0028]
【权利要求】
1. 一种基于IPSO的DFIG变桨距LADRC方法，其特征是所述方法包括： 步骤1 :把双馈风电机组变桨距系统的线性自抗扰控制系统要调节的参数即线性扩张 状态观测器的带宽，非线性误差反馈控制器的带宽和桨距角的估计值赋值给粒子群A，初始 化粒子群A、迭代次数、最大迭代次数和免疫记忆细胞； 步骤2 :计算粒子群A中每个粒子的适应度并比较大小； 步骤3 :依次选取η个适应度值最小的粒子复制到免疫记忆细胞中，组成粒子群B;其 中：η为自然数； 步骤4 :选择粒子群A中适应度最小值赋值给个体极值和全局极值；更新免疫粒子群的 位置向量及速度向量； 步骤5 :计算粒子群A中每个粒子的适应度浓度，根据轮盘赌选择法生成子代1粒子 群； 步骤6 :将子代1粒子群中所有粒子进行交叉操作，生成子代2粒子群； 步骤7 :将子代2粒子群中的每个粒子进行变异操作，形成子代3粒子群； 步骤8 :计算子代3粒子群中每个粒子的适应度并比较大小，依次选取100-η个适应度 值最小的粒子复制到免疫记忆细胞中，组成粒子群F;粒子群A=粒子群F+粒子群B; 步骤9 :当迭代次数〈最大迭代次数时，重复步骤2-8 ;当迭代次数>最大迭代次数时， 结束迭代；输出全局极值即变桨距系统的线性自抗扰控制系统中需要调节的参数即（线性 扩张状态观测器的带宽、非线性误差反馈控制器的带宽和桨距角的估计值）的最优值。
2. 根据权利要求1所述的一种基于IPSO的DFIG变桨距LADRC方法，其特征是所述步 骤8中，如果子代3中不足100-η个粒子，用空粒子即双馈风电机组变桨距系统的线性自抗 扰控制系统要调节的参数都设为0补充。
3. 根据权利要求1所述的一种基于IPSO的DFIG变桨距LADRC方法，其特征是所述步 骤4中，免疫粒子的速度向量V的更新公式为： Vk+1=wvk+ciri(PBESTk-Xk) +c2r2 (GBESTk-Xk) 其中，vk+1为粒子更新后的速度向量； Vk为粒子更新前的速度向量Cp C2为学习因子； W2为区间（0，1)的随机数； PBESTk为粒子更新前的个体极值； GBESTk为粒子更新前的全局极值； Xk为粒子更新前位置向量；w为惯性因子。
4. 根据权利要求2所述的一种基于IPSO的DFIG变桨距LADRC方法，其特征是所述惯 性因子w的选取公式为： 你腿= wmax -ITER-H""; ITER麵 MAXITER 其中，ITER为迭代次数； MAXITER为最大迭代次数； Witek为第ITER次迭代时的惯性因子； Wniax为最大惯性因子； Wnlin为最小惯性因子。
5.根据权利要求1所述的一种基于IPSO的DFIG变桨距LADRC方法，其特征是所述步 骤6中进行交叉操作的交叉概率为：
其中：P。是交叉概率； Pca是交叉概率上限； Pe2是交叉概率下限；fmax是粒子群最大适应度； favg是粒子群平均适应度； f'是交叉粒子的适应度值。
6.根据权利要求1所述的一种基于IPSO的DFIG变桨距LADRC方法，其特征是所述步 骤7中进行变异操作的变异概率为：
其中：Pm是变异概率； Pml是变异概率上限； Pm2是变异概率下限； 是种群最大适应度；favg是中群平均适应度； f是要变异个体的适应度值。
7.根据权利要求1所述的一种基于IPSO的DFIG变桨距LADRC方法，其特征是，所述双 馈风电机组变桨距系统的线性自抗扰控制系统为：
其中，f为双馈风机机组总扰动；y为双馈风机机组实际输出有功功率；y'是y的导 数；Z1是7的观测值；Z2是7'的观测值；Z3是€观测值；·是求导运算；u是线性自抗扰 控制系统的控制量；Utl为非线性误差反馈控制器的输出量；r为参考输入；b为桨距角估计 Z1 =Z2+I^y-Zl) 值；11，12，13，1^ 1，1^2和13为待调节参数；<4=23+/ 2(^-21) +如为线性扩张状态观测器； Z3=I3Iy-Z1) W0 =勾（r-z丨）十人2 (/-Z2)为非线性误差反馈控制器。
8. 根据权利要求7所述的一种基于IPSO的DFIG变桨距LADRC方法，其特征是，所述 线性扩张状态观测器的增益矩阵为L= [I1, 12,I3]，用特征多项式形式表示为（s+Coci)3 = J+lY+lp+li，其中％为线性扩张状态观测器的带宽，参数I1,12和I3通过％调节；s为 非0向量。
9. 根据权利要求7所述的一种基于IPSO的DFIG变桨距LADRC方法，其特征是，所述 非线性误差反馈控制器增益矩阵为K= [ki，k2]T，用特征多项式的形式表示为（s+ω。)2 = Ak2^k1，其中，ω。为非线性误差反馈控制器的带宽，参数I^k2，通过ω。调节；s为非〇向 量。
10. -种基于IPSO的DFIG变桨距LADRC系统，其特征在于，所述系统包括： 初始化装置，用于把双馈风电机组变桨距系统的线性自抗扰控制系统要调节的参数即 线性扩张状态观测器的带宽，非线性误差反馈控制器的带宽和桨距角的估计值赋值给粒子 群Α，初始化粒子群Α、迭代次数、最大迭代次数和免疫记忆细胞； 计算比较装置，用于计算粒子群A中每个粒子的适应度并比较大小； 选择复制装置，用于依次选取η个适应度值最小的粒子复制到免疫记忆细胞中，组成 粒子群B;其中，η为自然数； 赋值更新装置，用于选择粒子群A中适应度最小值赋值给个体极值和全局极值；更新 免疫粒子群的位置向量及速度向量； 轮盘选择装置，用于计算粒子群A中每个粒子的适应度浓度，根据轮盘赌选择法生成 子代1粒子群； 交叉装置，用于将子代1粒子群中所有粒子进行交叉操作，生成子代2粒子群； 变异装置，将子代2粒子群中的每个粒子进行变异操作，形成子代3粒子群； 粒子群重塑装置，用于计算子代3粒子群中每个粒子的适应度并比较大小，依次选取 100-η个适应度值最小的粒子复制到免疫记忆细胞中，组成粒子群F;粒子群A=粒子群F+ 粒子群B;迭代输出装置，当迭代次数〈最大迭代次数时，重复步骤2-8 ;当迭代次数>最大 迭代次数时，结束迭代；输出全局极值即变桨距系统的线性自抗扰控制系统中需要调节的 参数即（线性扩张状态观测器的带宽、非线性误差反馈控制器的带宽和桨距角的估计值） 的最优值。
【文档编号】F03D7/00GK104314755SQ201410490670
【公开日】2015年1月28日 申请日期:2014年9月23日 优先权日:2014年9月23日
【发明者】张金芳, 张辰, 郭萍 申请人:华北电力大学