本发明涉及风力发电领域，特别涉及一种双馈电机系统的控制方法、系统、装置及可读存储介质。
背景技术
风力发电作为一种可再生的清洁能源，目前已经得到广泛的应用。目前风力发电系统使用的电机大部分是双馈感应发电机，参见图1所示的双馈电机系统。
混沌现象是指发生在确定性系统中的貌似随机的不规则运动，一种拉伸与折叠的变换。对于一个确定非线性动力系统，混沌状态是一种不收敛不发散，无周期的不规则运动，该发散状态通过的正值lyapunov指数进行表征。lyapunov指数反映了系统在相空间中相邻轨线间发散或分离的平均指数率，因此，对于一个有界的动力系统，最大lyapunov指数的正负号是衡量系统是否出现混沌运动的重要判据
进一步研究表明，混沌是非线性动力系统的固有特性，是非线性系统普遍存在的现象。牛顿确定性理论能够充分处理的多为线性系统，而线性系统大多是由非线性系统简化来的。因此，现实生活和实际工程技术问题中混沌无处不在。
目前双馈电机研究主要集中在矢量控制调速及变速恒频运行上，有关电机混沌运动分析与控制研究则主要针对永磁同步电机，双馈电机的相关研究较少。实际上，在某些特定工作条件下，双馈电机系统亦会呈现混沌运行特性，可表现为定转子电流、转速及转矩的剧烈振荡，控制性能的不稳定，系统不规则电磁噪声等。有关双馈电机的混沌运动分析与控制，还没有相关的研究。
因此，如何提供一种解决上述技术问题的方案是目前本领域技术人员需要解决的问题。
技术实现要素：
有鉴于此，本发明的目的在于提供一种双馈电机系统的控制方法、系统、装置及可读存储介质。其具体方案如下：
一种双馈电机系统的控制方法，包括：
根据双馈电机系统的矢量控制策略，建立双馈电机数学模型，得到系统状态方程；
根据所述双馈电机系统的参数，判断所述双馈电机系统是否处于混沌状态；
如果是，对所述系统状态方程进行解耦，得到解耦后的多模型复合状态方程；
根据所述多模型复合状态方程构建控制量，并将所述控制量输入所述多模型复合状态方程，以控制所述双馈电机系统脱离混沌状态。
优选的，所述根据所述双馈电机系统的参数，判断所述双馈电机系统是否处于混沌状态的过程，具体包括：
根据所述双馈电机数学模型和wolf算法，获取所述双馈电机系统的lyapunov指数谱；
根据所述双馈电机系统的参数，计算当前最大lyapunov指数；
如果当前最大lyapunov指数为正，则判定所述双馈电机系统处于所述混沌状态。
优选的，所述根据所述多模型复合状态方程构建控制量，并将所述控制量输入所述多模型复合状态方程，以控制所述双馈电机系统脱离混沌状态的过程，具体包括：
利用反步法，根据所述多模型复合状态方程构建控制量，并将所述控制量输入所述多模型复合状态方程，以控制所述双馈电机系统脱离混沌状态。
优选的，所述根据所述多模型复合状态方程构建控制量，并将所述控制量输入所述多模型复合状态方程，以控制所述双馈电机系统脱离混沌状态的过程，还包括：
利用自适应法，确定所述多模型复合状态方程中的未知参数。
优选的，所述系统状态方程具体为：
其中，idr、iqr分别为转子绕组在d轴和q轴上的电流分量，udr、uqr分别为转子绕组在d轴和q轴上的电压分量，rr为转子绕组的电阻，lr为转子绕组的自感，lm为同轴定转子等效绕组间的互感，j为发电机转动惯量，d为阻尼系数，tl为输入转矩，ω1、ωr分别为同步角频率、转子角频率；
所述多模型复合状态方程具体为：
其中，udr*、uqr*分别为输入解耦控制器的控制信号，
优选的，所述利用反步法，根据所述多模型复合状态方程构建控制量的过程，具体包括：
利用第一公式和第二公式，根据所述多模型负荷状态方程构建控制量；
所述第一公式为：
所述第二公式为：
式中idr*为期望转子d轴电流，k1、k2、k3为控制增益，k1>0，k2>0，k3>0。
优选的，所述利用自适应法，确定所述多模型复合状态方程中的未知参数的过程，具体包括：
利用第三公式，确定所述多模型复合状态方程中的未知参数；
其中，所述第三公式为：
式中未知参数为μ和t，对应的估计值记为
相应的，本发明还公开了一种双馈电机系统的控制系统，包括：
第一方程模块，用于根据双馈电机系统的矢量控制策略，建立双馈电机数学模型，得到系统状态方程；
判断模块，用于根据所述双馈电机系统的参数，判断所述双馈电机系统是否处于混沌状态；如果是，触发第二方程模块；
所述第二方程模块，用于对所述系统状态方程进行解耦，得到解耦后的多模型复合状态方程；
计算模块，用于根据所述多模型复合状态方程构建控制量，并将所述控制量输入所述多模型复合状态方程，以控制所述双馈电机系统脱离混沌状态。
相应的，本发明还公开了一种双馈电机系统的控制装置，包括：
存储器，用于存储计算机程序；
处理器，用于执行所述计算机程序时实现如上文任一项所述双馈电机系统的控制方法的步骤。
本发明还公开了一种可读存储介质，所述可读存储介质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如上文任一项所述双馈电机系统的控制方法的步骤。
本发明公开了一种双馈电机系统的控制方法，包括：根据双馈电机系统的矢量控制策略，建立双馈电机数学模型，得到系统状态方程；根据所述双馈电机系统的参数，判断所述双馈电机系统是否处于混沌状态；如果是，对所述系统状态方程进行解耦，得到解耦后的多模型复合状态方程；根据所述多模型复合状态方程构建控制量，并将所述控制量输入所述多模型复合状态方程，以控制所述双馈电机系统脱离混沌状态。本发明中，通过多模型复合状态方程构建控制量，利用控制量来控制所述双馈电机系统，能够让混沌状态的双馈电机系统快速脱离混沌状态，并且稳定快速收敛。相比现有技术，本发明在用于双馈电机系统控制时响应速度块，控制精度高，鲁棒性强。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
图1为现有技术中一种双馈电机系统的结构分布图；
图2为本发明实施例中一种双馈电机系统的控制方法的步骤流程图；
图3为混沌状态下双馈电机系统中转子电流的相平面；
图4为混沌状态下双馈电机系统中的转速时间序列；
图5为本发明实施例中具体的最大lyapunov指数谱；
图6为本发明实施例中具体的状态反馈解耦框图；
图7为本发明实施例中具体的转速跟随效果图；
图8为本发明实施例中一种双馈电机系统的控制系统的结构分布图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明实施例公开了一种双馈电机系统的控制方法，参见图2所示，包括：
s1：根据双馈电机系统的矢量控制策略，建立双馈电机数学模型，得到系统状态方程；
具体的，令双馈电机的定子接电网，转子接交流励磁变换器，此时双馈电机系统具有经典的矢量控制策略，根据该策略可以得到同步旋转d-q坐标系下的双馈电机数学模型，其中包括与双馈电机系统相关的电压方程、磁链方程和运动方程，对双馈电机数学模型进行处理，可以得到准确的系统状态方程。
s2：根据所述双馈电机系统的参数，判断所述双馈电机系统是否处于混沌状态；
双馈电机系统在一些特定参数和工作条件下会处于混沌状态，本实施例中经过多次试验，可以调试得到对应混沌状态的参数条件，并在该参数条件下进行混沌系统仿真。参见图3和图4所示，图3为混沌状态下双馈电机系统中转子电流d轴分量idr与q轴分量iqr的相平面，图4为混沌状态下双馈电机系统中的转速时间序列。可以看出，在混沌状态下，双馈电机系统的转速和电流都呈现不规则的波动，这种波动对双馈电机系统的运行产生很大的影响。
因此，判断所述双馈电机系统是否处于混沌状态，如果是，要尽快采取措施脱离混沌状态，如果否，则说明双馈电机系统运行正常。
s3：如果是，对所述系统状态方程进行解耦，得到解耦后的多模型复合状态方程；
可以理解的是，步骤s1中的系统状态方程直观地体现各类状态变量之间的关系，但是并不能直接应用在计算和构建控制量中，因此需要对该系统状态方程进行解耦，得到简化后的多模型复合状态方程，以便后续构建控制量。
s4：根据所述多模型复合状态方程构建控制量，并将所述控制量输入所述多模型复合状态方程，以控制所述双馈电机系统脱离混沌状态。
可以理解的是，对于双馈电机系统而言，输入相应的控制量，能够改变双馈电机系统的状态，如果当时双馈电机系统处于混沌状态，那么可以输入适量的控制量，以改变原来的混沌状态。
本发明公开了一种双馈电机系统的控制方法，包括：根据双馈电机系统的矢量控制策略，建立双馈电机数学模型，得到系统状态方程；根据所述双馈电机系统的参数，判断所述双馈电机系统是否处于混沌状态；如果是，对所述系统状态方程进行解耦，得到解耦后的多模型复合状态方程；根据所述多模型复合状态方程构建控制量，并将所述控制量输入所述多模型复合状态方程，以控制所述双馈电机系统脱离混沌状态。本发明中，通过多模型复合状态方程构建控制量，利用控制量来控制所述双馈电机系统，能够让混沌状态的双馈电机系统快速脱离混沌状态，并且稳定快速收敛。相比现有技术，本发明在用于双馈电机系统控制时响应速度块，控制精度高，鲁棒性强。
本发明实施例公开了一种具体的双馈电机系统的控制方法，相对于上一实施例，本实施例对技术方案作了进一步的说明和优化。具体的：
步骤s1中的双馈电机数学模型包括：
(1)电压方程
(2)磁链方程
(3)运动方程
式中，ψds、ψqs、ψdr、ψqr分别为定子和转子在d轴和q轴上磁链的分量；uds、uqs、udr、uqr分别为定子和转子在d轴和q轴上电压的分量；ids、iqs、idr、iqr分别为定子和转子在d轴和q轴上电流的分量；ls、lr分别为定子和转子绕组自感，lm为同轴定转子等效绕组间的互感；rs、rr分别为定子和转子绕组电阻；j为发电机转动惯量，np为极对数，d为阻尼系数，tl为风机输入转矩，ω1、ωr、ωs分别为同步角频率、转子角频率、转差角频率，其中ωs＝ω1-ωr。
另外，实际双馈电机模型较为复杂，本实施例中应用时进行模型简化和降阶，将同步旋转d-q坐标系的q轴定向与定子电压矢量us上，有如下近似关系：
根据式(1-4)，定义扩散系数为
该三阶状态方程，也就是上述实施例中的系统状态方程。
步骤s2中所述根据所述双馈电机系统的参数，判断所述双馈电机系统是否处于混沌状态的过程，具体包括：
s21：根据所述双馈电机数学模型和wolf算法，获取所述双馈电机系统的lyapunov指数谱；
s22：根据所述双馈电机系统的参数，计算当前最大lyapunov指数；
s23：如果当前最大lyapunov指数为正，则判定所述双馈电机系统处于所述混沌状态。
可以理解的是，最大lyapunov指数的正负是衡量双馈电机系统是否出现混沌运动的重要判据，如果存在真的最大lyapunov指数，则说明该系统出现了混沌状态。
最大lyapunov指数的计算方法有很多种，由a.wolf等人提出的算法简单易懂易于实现，当然也可以用其他方法进行计算最大lyapunov指数。
根据上一实施例中，双馈电机系统在一些特定参数和工作条件下会出于混沌状态，在本实施例中进行参数设定和仿真。根据双馈电机系统的实际参数，取rr＝0.02ω，ls＝83mh，lr＝80mh，ω1＝100πrad，np＝2，d＝0，tl＝1nm，us＝220v。考虑dfig设计制造上存在差异及工况变化时，扩散系数σ将随之改变，据定义，有：
令[x1,x2,x3]t＝[idr,iqr,ωr]t＝[0.1,0.1,0.1]t，取输入量[udr,uqr]t＝[0,0]t，采用wolf算法，得到最大lyapunov指数谱，参见图5所示。
据图5知，随着扩散系数σ的增大，最大lyapunov指数基本成上升趋势，当系统参数取值约为σ＝0.58时系统的最大lyapunov指数由负转正。根据双馈电机系统的实际参数，选取σ＝0.6，通过计算得到此时的最大lyapunov指数为λmax＝0.3036，在此参数下进行混沌系统仿真，也即此时双馈电机系统处于混沌状态。
其中，步骤s3中对所述系统状态方程进行解耦，得到解耦后的多模型复合状态方程的过程，具体包括：
参照图6的状态反馈解耦框图，先针对式(5)状态方程idr和iqr之间的耦合关系写成矩阵形式：
以idr、iqr为系统输出，输出矩阵记为y，有：
y＝ci(8)
式中
构造经过系统解耦后的状态方程：
由(7～10)式，并令
式中udr*、uqr*分别为输入解耦控制器的控制信号。
通过解耦控制，将原来的系统状态方程由三阶模型简化为由一个一阶和二阶模型复合的多模型复合状态方程，为后续构建控制量奠定基础。
步骤s4中所述根据所述多模型复合状态方程构建控制量，并将所述控制量输入所述多模型复合状态方程，以控制所述双馈电机系统脱离混沌状态的过程，具体包括：
利用反步法，根据所述多模型复合状态方程构建控制量，并将所述控制量输入所述多模型复合状态方程，以控制所述双馈电机系统脱离混沌状态。
更具体的，利用第一公式和第二公式，根据所述多模型负荷状态方程构建控制量；
所述第一公式为：
所述第二公式为：
式中k1、k2、k3为控制增益，k1>0，k2>0，k3>0。
上述公式的推理过程如下所示：
式(11)所示系统中，由于d-q轴分量已经解耦，调节udr*可使d轴电流idr稳定，调节uqr*可达到控制q轴电流iqr和电机转速v的目的。
设idr*，ωr*为方程(11)期望的转子d轴电流和转速，合理控制idr*可调节dfig系统功率因数，通常idr*给定值为常数。定义转子d轴电流idr和转速ωr跟踪误差：
对式(12)求导，可得跟踪误差动态方程：
针对idr，由(12，13)式的e1，构造状态：
构造udr*控制率为：
也即第一公式，式中k1为控制增益，k1>0，构造lyapunov函数：
对其求导并将(15)式代入(14)式可得：
由此可知λ1≥0且
针对(12，13)式的e2，构造状态方程：
式中k2为控制增益，k2>0，构造lyapunov函数：
求导可得：
为使
其动态方程为：
由式(13)(14)(21)(22)，得到带uqr*的e3动态方程：
构造控制率uqr*为：
也即第二公式，式中k2、k3为控制增益，k2、k3>0：
在式(15)和(24)的控制率下，由式(14)(18)(22)，得到所构造的虚拟控制系统的状态方程为：
据式(25)，构造如下lyapunov函数：
对其求导并将式(25)代入可得：
可见，在选取输入合适的控制量udr*和uqr*作用下，双馈电机系统可从混沌状态中脱离出来，实现速度和电流跟踪，并可保持在稳定状态。
进一步的，步骤s4所述根据所述多模型复合状态方程构建控制量，并将所述控制量输入所述多模型复合状态方程，以控制所述双馈电机系统脱离混沌状态的过程，还包括：
利用自适应法，确定所述多模型复合状态方程中的未知参数。
本步骤针对双馈电机系统中存在不确定参数，构建自适应的控制率，并与上文中的反步法结合构成自适应反步法控制器，使双馈电机快速脱离混沌状态，并保证系统状态能快速稳定收敛至给定值。
其中，所述利用自适应法，确定所述多模型复合状态方程中的未知参数的过程，具体包括：
利用第三公式，确定所述多模型复合状态方程中的未知参数；
其中，所述第三公式为：
当双馈电机系统存在不确定参数时，可采用自适应反步法控制器，假定式(11)中的μ和t未知，其估计值记为
式(28)代入式(18)，误差状态方程变为：
选取虚拟控制量e3为：
对e3求导，类似于式(22)和式(23)的方法推导，构造出控制率：
在式(31)控制率下，由转速误差e2以及虚拟控制量e3组成的动态方程变为：
构造lyapunov函数：
式中，ηt，ημ为自适应增益。对式(33)求导，并将式(31)的控制率和式(32)的状态方程代入，得到如下动态方程：
由于
估计值
可见，采用自适应反步控制策略可对双馈电机系统进行混沌控制，同时可实施未知参数在线估计。
应用本实施例中的方法，对双馈电机系统进行仿真，得到如图7所示的转速跟随效果，可以看出，由于1s前未对双馈电机系统进行控制，电机处于混沌状态，转速处于不规则的波动状态；在1s后应用本实施例控制方法对双馈电机系统控制，可以看出电机能够迅速跟随转速的设定值，且在设定值变换波动时，也能很好地保持跟随状态。
相应的，本发明实施例还公开了一种双馈电机系统的控制系统，参见图8所示，包括：
第一方程模块01，用于根据双馈电机系统的矢量控制策略，建立双馈电机数学模型，得到系统状态方程；
判断模块02，用于根据所述双馈电机系统的参数，判断所述双馈电机系统是否处于混沌状态；如果是，触发第二方程模块03；
所述第二方程模块03，用于对所述系统状态方程进行解耦，得到解耦后的多模型复合状态方程；
计算模块04，用于根据所述多模型复合状态方程构建控制量，并将所述控制量输入所述多模型复合状态方程，以控制所述双馈电机系统脱离混沌状态。
本发明实施例具有与上述实施例中一种双馈电机系统的控制方法相同的有益效果。
相应的，本发明还公开了一种双馈电机系统的控制装置，包括：
存储器，用于存储计算机程序；
处理器，用于执行所述计算机程序时实现如上文任一项所述双馈电机系统的控制方法的步骤。
具体的，有关双馈电机系统的控制方法的细节可以参照上述实施例中的相关描述，此处不再赘述。
本发明实施例具有与上述实施例中一种双馈电机系统的控制方法相同的有益效果。
本发明还公开了一种可读存储介质，所述可读存储介质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如上文任一项所述双馈电机系统的控制方法的步骤。
具体的，有关双馈电机系统的控制方法的细节可以参照上述实施例中的相关描述，此处不再赘述。
本发明实施例具有与上述实施例中一种双馈电机系统的控制方法相同的有益效果。
最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上对本发明所提供的一种双馈电机系统的控制方法、系统、装置及可读存储介质进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。