[发明专利]一种海上风电虚拟惯量调频装置的辨识控制及检测方法

说明书

本发明公开了一种海上风电虚拟惯量调频装置的辨识控制及检测方法，本方案利用Hammerstein模型建立虚拟惯量辨识控制器的数学模型，然后利用NFM拟合非线性环节，然后结合蝙蝠优化算法识别各模块的参数，进而辨识模型结果，并通过数据采样获得不同的电网频率与有功功率数值，让模型保留控制律，同时也复现控制器的性能，最后根据不同的实际风速和转子转速比较器，实时检测系统调频的状态。

技术领域

本发明涉及海上风电控制装置，具体涉及一种海上风电虚拟惯量调频装置的辨识控制及检测方法。

背景技术

在海上风电系统中，目前通常运用的双馈感应电机，主要分为机械、电气和控制三部分，在电网发生扰动时，双馈电机系统可以通过快速改变转子侧频率的方法来迅速改变转速，充分利用转子动能，达到释放或吸收能量，补偿电网扰动的目的。

目前，对风电系统一次调频的方式主要集中在功率备用控制和转子动能控制两方面，海上风电机组均能够有效地参与系统调频，虚拟惯量控制主要是通过设计附加频响模块吸收或释放风力机的旋转动能来实现的。现有的虚拟惯性研究主要集中在频率调节方面，惯性响应暂时释放储存在旋转质量中的动能，以阻止扰动初始阶段的频率下降。

在实际工业过程中，利用Hammerstein模型可以把非线性系统预测控制问题转化为线性系统的控制问题，在此之上，蝙蝠算法作为一种具有全局优化能力的启发式算法，不依赖于具体的统计特性，是处理这类复杂问题的有效手段。基于Hammerstein模型的虚拟惯量控制能够解决微电网的频率支撑问题，从而在允许变化的范围内，调节并预测电网的频率，控制有功功率的输出。但是，实际的双馈感应发电机在系统工作过程中，仍旧存在较大的噪声与扰动，非线性影响大，一般的控制器输出的控制量会产生大毛尖现象。

此外，Hammerstien模型的辨识参数，原本是采用最小二乘法进行参数辨识，但是最小二乘法收敛度低，精度不够高，会存在陷入局部最优解，使得性能大大降低。而DFIG风力发电系统的非线性强，扰动大，系统中存在测量噪声。

发明内容

发明目的：本发明的目的是提供一种具有较强的抗干扰能力，同时保留了控制的最优控制率，抗扰动能力强的海上风电虚拟惯量调频装置的辨识控制方法以及检测精度更高更有效的检测方法。

技术方案：本发明所述的海上风电虚拟惯量调频装置的辨识控制方法，以基于蝙蝠算法的Hammerstein模型建立虚拟惯量控制器的数学模型，在该Hammerstein模型中，利用所述蝙蝠算法同时寻优NFM参数和线性动态环节参数方法为：利用arma算法的求解最小值方法，得到蝙蝠算法的目标函数为：

在上式中，为第k次迭代时Φ(b)的估计值，为每个蝙蝠在第k次迭代的最佳位置，全局蝙蝠的最佳位置为：

根据约束条件和适应度函数指标，获得当前迭代次数下的最优解，同时对上述Hammerstein模型进行归一化操作。

通过上述技术方案，在arma进行参数寻优时，结合蝙蝠使得能够在重噪声环境中能较为准确地辨识，通过NFM拟合非线性环节，避免了算法的局限性，实现了整体最优解。