Page 147 - 《中国电力》2026年第3期
P. 147

王宇等：基于多时间尺度故障过程分区的                     DFIG  参数分层递进式辨识策略                   2026  年第 3 期



              风 电 机 组 （ doubly feed induction generator， DFIG）  参数辨识问题，本文提出了一种基于多时间尺度
              作为主流机型之一，对其电磁暂态模型进行研究，                            故 障 过 程 分 区 的 参 数 分 层 递 进 式 辨 识 策 略 。 首
              具有理论与实践意义           [3-4] 。但由于涉及商业机密，             先，基于黑盒模型动态响应特性确定了模型结构
              其模型参数难以直接从铭牌或手册上获取，对研                             及 待 辨 识 参 数 。 其 次 ， 分 别 对 故 障 穿 越 （ fault
              究  DFIG  内 部 控 制 结 构 及 暂 态 特 性 产 生 阻 力     [5-8] ，  ride-through， FRT） 主 导 参 数 和  PI 控 制 器 参 数 进
              亟须对黑盒模型参数进行辨识。                                    行摄动分析，并对穿越过程进行分区，根据主导
                  对于风电机组参数辨识，国内外学者做了诸                           动态过程与辨识区间不同，建立                  4  层辨识架构。
              多研究工作，主要分为电气参数辨识                    [9-14]  和变流   通过不同层级参数响应差异化特性，利用差分进
              器控制参数辨识        [15-22]  两类。文献  [9] 基于遗忘因子         化 方 法 实 现 全 工 况 下 的 多 参 数 自 适 应 辨 识 。 最
              递推最小二乘法，提出了可以同时辨识永磁同步                             后，根据辨识结果搭建             DFIG  白盒模型，与厂家
              电机定子电枢电阻、电感、转子永磁磁链                      3  个电     黑盒模型进行对比，证明所提分层递进式辨识策
              气参数的方法；文献           [10] 表明风电机组的电气部               略的有效性，并将其与传统方法比较，验证所提
              分可以近似，以减少需要辨识的参数个数，用优                             方法辨识速度快、准确性高。

              化粒子群算法辨识出了风电机组驱动系统的参数；
              文献   [12] 分析了   DFIG  在发生三相短路故障后的                 1    DFIG  分层递进式辨识原理依据
              暂态特性，并依据短路电流解析式辨识出了                       DFIG
              的参数。上述文献仅对电气参数或变流器控制参                             1.1    研究对象、问题及模型分析
              数进行了辨识，然而风机动态特性受多个参数影                                 本文以厂家      DFIG  电磁暂态黑盒模型为研究对
              响，比如在低电压穿越期间无功支撑系数对出力                             象，其通常只提供主电路及外部特性信息，而内
              特性的影响大于变流器控制参数。为搭建更加准                             部控制结构与控制参数为保密内容。
              确的   DFIG  电磁模型，除部分参数可从厂家封装                           基于   DFIG  黑盒模型，可获取主电路等外部参
              模型直接获取外，其余参数均需要进行辨识。                              数，但转子侧变流器（rotor side converter，RSC）、
                  变流器中    PI 控制器参数可唯一辨识          [15] ，文献  [16]  网侧变流器（grid side converter，GSC）的        PI 参数

              基于正余弦优化算法，辨识了变流器参数；文献                      [17]   及  FRT  控制参数等无法直接获取。因此，需要明
              建立了灰盒阻抗模型，比较了                4  种神经网路算法           确  DFIG  模型结构及待辨识参数，并通过摄动分
              的误差，并解决了转子侧变流器内环控制参数轨                             析各参数在多时间尺度动态过程中的主导性，将
              迹灵敏度低的问题，辨识出了功率外环和电流内                             参数分层并确定对应数据时段与辨识顺序。

              环的控制参数；文献            [18] 基于卡尔曼滤波算法，              1.2    明确  DFIG  模型结构及待辨识参数
              通过观测与状态转移矩阵建立                 DFIG  参数辨识模             为获知    DFIG  模型结构与待辨识参数，首先对
              型；文献     [20-21] 分别根据网侧与转子侧变流器的                   某厂家    2.5 MW  封装模型进行故障穿越暂态特性
              解 耦 模 型 ， 分 析 传 递 函 数 灵 敏 度 后 提 取 频 率 序           分析。图     1 是  RSC  控制的定子电流与        GSC  控制的
              列，运用优化算法辨识出了网侧控制器、转子侧                             网侧电流在大、小功率下电压跌落至                    0.2 p.u.时的
              控制器的参数。                                           变化曲线。图        1  中：i 、i 与 q  i 、i 分别为定子
                                                                                                  q
                                                                                             gd
                                                                                                 g
                                                                                    sd
                                                                                        s
                  由于待辨识参数较多，通过一次辨识难以准                           电流与网侧电流的有功、无功电流。
              确获取所有模型参数          [23-24] ，分步辨识可有效解决该                由图   1  可知，定子有功电流在大功率下的低
              问题  [25-30] 。文献  [25] 提出了能够辨识内环         PI 控制     电压穿越过程有         3  次暂态过程，分别对应电压下
              器参数与无功电流支撑系数的分步辨识方法；文                             降过阈值后由功率外环切换到                FRT  有功控制与电
              献  [26] 将参数按灵敏度分类，并提出了分类分步                        流内环级联控制、故障清除后再切换到有功定斜
              一体化辨识方法。若在分类分步辨识的基础上，                             率恢复控制、最后再切换至功率外环控制的                        3 次
              考虑各个参数主导不同的动态工程，依照层级化                             切换过程；小功率下定子有功电流则无定斜率恢
              顺序进行辨识，可以提高辨识精确度与辨识速度。                            复环节。由此可知          RSC  的结构是     FRT  控制与   RSC
                  基于上述分析，针对多工况下               DFIG  黑盒模型        内外环组成。

                                                                                                           143
   142   143   144   145   146   147   148   149   150   151   152