[发明专利]一种风力发电机的分布式状态融合估计方法

说明书

一种针对噪声统计特性未知情况下风力发电机的分布式状态融合估计方法，提出双馈感应发电机的数学模型；建立发电机的状态空间模型；设计噪声统计特性未知的分布式融合估计方法；设置电机参数，求解两个优化问题得到局部最优增益以及分布式加权融合矩阵；迭代更新得到发电机状态的融合估计。本发明针对噪声统计特性无法准确获取时，提出了一种新的分布式融合估计方法来处理风力发电机的状态估计问题，且具有较高的估计精度。

技术领域

本发明主要针对风力发电机的状态监测，通过多传感器融合技术对风力发电机的状态进行估计。

背景技术

随着世界环境问题的日益严峻，国际社会对能源安全、生态污染、气候异常等问题越来越重视，减少化石能源的使用，加快开发和利用可再生能源已成为世界各国的共识。其中风力发电在可再生能源发展中占据着重要地位，已在全球范围内实现大规模应用。风力发电是一种利用风动能转换为机械动能，再向电能转换的过程，其工作原理是借助风的动力来推动风车叶片旋转，再通过增速机加快风车叶片旋转的速度，带动发电机发电。通常，出于监控和维护目的，在风力发电机内会嵌入多种传感器用以测量电机的状态。

目前，已有不少研究工作提出了多种估计算法和模型来估计发电机的状态。其中基于卡尔曼滤波的动态状态估计方法，解决了在未知风速条件下风力发电机模型状态估计问题。而扩展卡尔曼滤波器调整前馈反馈最优控制器，用于多风速干扰下的永磁同步发电机功率点跟踪。值得注意的是卡尔曼滤波器、扩展卡尔曼滤波器、无迹卡尔曼滤波器等方法多用于处理协方差已知的白噪声。然而在实际风力发电系统中，发电机可能遭受多种未知干扰，导致噪声的统计特性不容易精确获得。同时，上述估计方法只考虑了单传感器的情况，但是随着信息技术的发展，单传感器的估计精度已无法满足对系统的估计精度要求。因此，本技术提出了一种噪声统计特性未知的多传感器分布式融合估计方法，用于估计风力发电机的状态。

发明内容

为了解决噪声统计特性已知的问题，以及提高状态估计精度，本发明提出了一种噪声统计特性未知的分布式融合估计方法。

本发明为了实现上述目的，提出了如下的技术方案：

一种风力发电机的分布式状态融合估计方法，包括以下步骤：

步骤一：建立双馈感应发电机的数学模型，过程如下：

双馈感应发电机的数学模型是一个高阶、非线性、强耦合的多变量系统，为了建立数学模型，作如下假设：1.1.忽略空间谐波，磁势沿气隙圆周按正弦分布；1.2.忽略磁路饱和，各绕组的自感和互感都是线性的；1.3.不考虑频率和温度变化对绕组电阻的影响；1.4.定子电流流向电机时，电流值为负值；1.5.使用同步旋转两相dq坐标系推导方程，d轴与q轴相差90°，在上述假设下，推出双馈感应电机数学模型，其表达式为：

ψ_ds＝-L_si_ds+L_mi_dr

ψ_qs＝-L_si_qs+L_mi_qr

ψ_dr＝-L_si_dr-L_mi_ds

ψ_qr＝-L_si_qr-L_mi_qs