本文關(guān)鍵詞：雙饋風(fēng)力發(fā)電機(jī)組參數(shù)辨識(shí)的群智能算法研究

  更多相關(guān)文章： 雙饋風(fēng)力發(fā)電機(jī) 參數(shù)辨識(shí) 數(shù)學(xué)模型 粒子群算法 量子粒子群算法

【摘要】：隨著煤、化石燃料等能源的消耗,經(jīng)濟(jì)增長(zhǎng)與能源短缺的矛盾已經(jīng)成為世界上一個(gè)嚴(yán)峻的問(wèn)題。因此風(fēng)能等可再生能源在電網(wǎng)大規(guī)模集成,風(fēng)力發(fā)電技術(shù)越來(lái)越成熟。由于雙饋風(fēng)力發(fā)電機(jī)組具有結(jié)構(gòu)簡(jiǎn)單、可靠性高、參數(shù)配置合理、技術(shù)嫻熟等特點(diǎn),已成為風(fēng)力發(fā)電系統(tǒng)中的主流機(jī)型,應(yīng)用十分廣泛。在實(shí)際的風(fēng)電場(chǎng)中,雙饋風(fēng)力發(fā)電機(jī)的定轉(zhuǎn)子電阻、電感等參數(shù)會(huì)由于發(fā)電機(jī)的長(zhǎng)時(shí)間運(yùn)行以及機(jī)械損耗等因素發(fā)生變化,從而影響雙饋風(fēng)力發(fā)電機(jī)調(diào)速性能。因此用參數(shù)辨識(shí)法來(lái)獲得準(zhǔn)確的電機(jī)參數(shù)是本文研究的重點(diǎn),主要包括以下幾點(diǎn):(1)首先介紹了雙饋風(fēng)力發(fā)電機(jī)參數(shù)辨識(shí)方法的研究現(xiàn)狀、雙饋電機(jī)的基本結(jié)構(gòu)及其工作原理。然后建立了雙饋風(fēng)力發(fā)電機(jī)在三相靜止坐標(biāo)系下的數(shù)學(xué)模型,并經(jīng)過(guò)坐標(biāo)系轉(zhuǎn)換成任意速兩相旋轉(zhuǎn)坐標(biāo)系下的數(shù)學(xué)模型,為后面的參數(shù)辨識(shí)打好理論的基礎(chǔ)。研究了雙饋電機(jī)定子磁鏈?zhǔn)噶靠刂频脑?并在此基礎(chǔ)上,分析了不精準(zhǔn)的電機(jī)參數(shù)對(duì)控制性能的影響,并闡述了參數(shù)辨識(shí)的重要性。(2)為了確保雙饋風(fēng)力發(fā)電機(jī)參數(shù)的準(zhǔn)確性,提高發(fā)電機(jī)的控制性能,提出了基于混合量子粒子群算法的參數(shù)辨識(shí)方法。首先根據(jù)雙饋電機(jī)在兩相旋轉(zhuǎn)坐標(biāo)系下的基本數(shù)學(xué)模型推導(dǎo)出參數(shù)辨識(shí)的模型,然后對(duì)量子粒子群算法進(jìn)行改進(jìn)并與模擬退火算法進(jìn)行混合,得到混合量子粒子群辨識(shí)算法。最后在Matlab/Simulink中將所提出的混合算法用于雙饋風(fēng)力發(fā)電機(jī)的參數(shù)辨識(shí),將所提混合量子粒子群算法效果與傳統(tǒng)粒子群算法、量子粒子群算法和改進(jìn)后的量子粒子群算法分析對(duì)比。仿真結(jié)果表明所提出的算法能提高定子電阻、定子電感、轉(zhuǎn)子電阻、轉(zhuǎn)子電感以及定轉(zhuǎn)子互感五個(gè)參數(shù)的辨識(shí)精度。(3)針對(duì)雙饋風(fēng)力發(fā)電機(jī)多參數(shù)辨識(shí)問(wèn)題,提出了基于改進(jìn)競(jìng)技粒子群算法的參數(shù)辨識(shí)方法。在研究競(jìng)技粒子群辨識(shí)算法的過(guò)程中,針對(duì)其收斂速度較慢的問(wèn)題,對(duì)所引入的競(jìng)技機(jī)制以及學(xué)習(xí)策略進(jìn)行了改進(jìn),在粒子迭代過(guò)程中,優(yōu)勝的粒子仍需向個(gè)體最優(yōu)和全局最優(yōu)的粒子學(xué)習(xí),從而提高了算法的收斂速度和收斂精度。最后在Matlab/Simulink中基于風(fēng)電并網(wǎng)仿真模型,采用所提出的方法對(duì)雙饋電機(jī)進(jìn)行辨識(shí)。仿真結(jié)果表明,所提出的算法能夠準(zhǔn)確地辨識(shí)定子電阻、轉(zhuǎn)子電阻、定子電感、轉(zhuǎn)子電感和定轉(zhuǎn)子互感電感,其辨識(shí)效果優(yōu)于粒子群算法、量子粒子群算法和競(jìng)技粒子群算法。
【學(xué)位授予單位】：江南大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類(lèi)號(hào)】：TM315
，

本文編號(hào)：1182586