一种风电机组机电暂态调频模型的参数辨识方法及介质与流程

本发明涉及风力发电机组，具体为一种风电机组机电暂态调频模型的参数辨识方法及介质，适用于对风电机组机电暂态调频模型参数的辨识，从而获取机电暂态调频模型准确的控制参数，为大规模风电接入电力系统的频率稳定性分析提供模型基础，对提高风电机组机电暂态模型仿真精度具有重大意义。

背景技术：

1、近年来风力发电发展迅速，装机规模快速增加，未来电网风电渗透率将持续走高。与此同时，高比例风电并网背景下的电网安全稳定运行问题日趋严重。目前电网分析主要依靠数字仿真或混合仿真，准确的模型和参数是获得正确仿真结果的必要条件，因此对风机控制器建模并进行参数辨识具有重要的研究意义。

2、目前风电一次调频方式主要有利用转子动能、减载备用和外加储能。对于利用转子动能的方式而言，转子动能有限，转速无法长时间维持在降速或升速状态，调频能力相对较弱；对于减载备用方式而言，采用转子超速备用将使机组运行在非最优功率点，且转子超速控制作用区间有限，仅适用于中低风速；储能系统具有响应迅速、控制灵活的特点，是一种性能优异的调频资源，却受限于较高的投资成本和运行维护成本。

3、本发明建立风电机组考虑惯量支撑和基于桨距角调节实现调频响应的传递函数模型，通过双线性变换法建立了面向功率、桨距角等实测信号的辨识模型，基于小生境粒子群算法，对风电机组调频模型中附加频率控制和桨距角控制的控制参数和pi调节器参数进行辨识。

技术实现思路

1、本发明针对风电机组机电暂态调频模型，考虑惯量支撑和基于桨距角调节实现一次调频的方式，建立了基于变桨减载的风电机组附加调频模型，并设计了一种基于功率、桨距角等风电机组惯量和一次调频实测数据的风电机组调频模型参数辨识方法，该辨识方法建立了调频模型的多输入单输出等效模型，基于小生境粒子群算法对输入输出数据寻优辨识得到控制器比例和pi参数辨识值。本发明对该辨识方法的原理、实现步骤、以及相关参数进行了介绍，并公开了基于该辨识方法的风机机电暂态调频模型控制参数的辨识。

2、本发明的一种风电机组机电暂态调频模型的参数辨识方法，包括：

3、对正常运行的风电机组施加电网频率扰动激励信号，采集施加激励信号的调频控制系统输入输出变量数据；

4、利用小生境粒子群算法基于输入输出数据对建立的风电机组调频机电暂态模型寻优求解，寻优结果即为调频控制参数辨识结果。

5、作为优选，风电机组调频机电暂态模型包括附加频率控制模块和桨距角控制模块，其中

6、风电机组调频机电暂态模型输入输出变量包括附加频率控制模块输入量u1、u2和输出量y1，以及桨距角控制模块输入量u3、u4和输出量y2，

7、

8、

9、δf为电力系统频率变化；pagc为风电场agc下发的有功功率控制指令值；ps、pcmd、ωr和ωn分别为定子输出有功、附加下垂控制产生的定子有功参考值、转子转速和额定转速，βcmd为桨距角参考值。

10、

11、

12、作为优选，基于双输入单输出离散数学模型建立的附加频率控制模块、桨距角控制模块拟合误差最小的优化目标函数为q1、q2，其表达式如下式所示：

13、

14、其中，y′1(k)、y'2(k)为离散化测量输出量，为信息向量，其分别由输入变量u1(k)、u1(k-1)、u2(k)和u3(k)、u3(k-1)、u4(k)、u4(k-1)构成，为参数向量，其分别由离散域待辨识参数和构成。

15、作为优选，离散域待辨识参数为离散域数学模型真实值a1、a2、b1在辨识模型中的辨识值，离散域待辨识参数为离散域数学模型真实值c1、c2、d1、d2在辨识模型中的辨识值。离散域数学模型真实值可根据下式计算：

16、

17、其中kp、kd分别为附加一次调频控制的下垂参数和附加惯量控制的比例参数，kpp、kip、kpc和kic分别为桨距角控制比例、积分参数和桨距角补偿控制比例、积分参数。

18、作为优选，所述风电机组调频机电暂态模型附加频率控制模块中，响应频率变化量的一次调频下垂控制按照下垂曲线生成下垂有功参考值，响应频率变化率的惯量控制按比例产生惯量有功参考值，将二者叠加至已接收到的agc指令上。

19、作为优选，所述风力发电机调频机电暂态模型桨距角控制模块中，桨距角控制环以风机转子转速与额定转速的偏差值作为输入，经pi控制器产生桨距角指令，同时，桨距角补偿环以当前输出有功与附加一次调频下垂控制环产生的功率参考值之间的偏差值作为输入，经pi控制器产生桨距角补偿指令，二者叠加得到总的桨距角参考值，下发至桨距角机械环节。

20、作为优选，小生境粒子群算法寻优求解过程是利用小生境粒子群算法进行控制参数寻优辨识的方法，寻优过程分为粒子群体更新和小生境群体更新两个阶段，粒子群体的更新方程和小生境群体的半径计算方程如下式所示：

21、

22、式中ω为惯性权重，为第i个粒子到第k代为止搜索到的历史最优解，为整个粒子群到目前为止搜索到的最优解，分别是第i个粒子当前的位置和飞行速度，c1，c2称为加速度因子，r1，r2是[0,1]之间的随机数；zsj,g、分别为小生镜群体sj中的最优粒子和除最优粒子以外的粒子。

23、作为优选，小生境群体更新遵循以下判据：

24、判据一：若粒子zi进入小生镜群体sj区域内，即则此粒子将被sj接受。

25、判据二：若两个小生镜群体sj、sk区域相交，即两个小生镜群体合并。

26、作为优选，寻优过程具体包括

27、步骤1：设置算法参数并初始化粒子群，设置种群个体为n，最大迭代次数m次，kp、kd、kpp、kip、kpc和kic为个体的位置参数。

28、步骤2：初始化种群，随机生成每个个体位置；

29、步骤3：按优化目标函数为q1、q2公式计算所有解的适应度；

30、步骤4：以适应度最小的粒子为中心，构造一个圆形小生镜群体，半径的大小为与其最近粒子的距离；

31、步骤5：采用群体最优值为小生境群体的最优值的方式，按粒子群体的更新方程对粒子位置与速度进行更新；

32、步骤6：按小生境群体更新判据更新小生境群体；

33、步骤7：更新最优适应度和全局最优解；

34、步骤8：若满足qmin<或达到最大迭代次数，则终止迭代，输出最优解即为辨识结果，否则重复步骤3-7直至满足qmin小于或达到最大迭代次数，则终止迭代。

35、一种非暂态计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现所述参数辨识方法。

36、本发明与现有技术相比，具有以下优点和效果：与利用转子动能、减载备用和外加储能等方法对比，变桨距控制具备一定的备用容量，且调节能力较强，调节范围较大，可以实现全风速下的功率控制。所建立机电暂态调频模型考虑实测信号特征与可获取性，提高了工程实用性。对多输入双输出系统进行分步寻优辨识，实现了系统结构的拆分，将问题转化为双输入单输出系统的参数辨识，避免了结构耦合带来的辨识困难。所用小生境粒子群算法操作简便，能够合理搜寻到全局最优值，为参数辨识一致性提供了有力支撑。