CN106169747B - 一种双馈感应发电机参数辨识方法 - Google Patents

一种双馈感应发电机参数辨识方法 Download PDF

Info

Publication number
CN106169747B
CN106169747B CN201610574727.XA CN201610574727A CN106169747B CN 106169747 B CN106169747 B CN 106169747B CN 201610574727 A CN201610574727 A CN 201610574727A CN 106169747 B CN106169747 B CN 106169747B
Authority
CN
China
Prior art keywords
stator
short circuit
parameter
identification
identified
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Expired - Fee Related
Application number
CN201610574727.XA
Other languages
English (en)
Other versions
CN106169747A (zh
Inventor
潘学萍
殷紫吟
鞠平
吴峰
金宇清
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hohai University HHU
Original Assignee
Hohai University HHU
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Hohai University HHU filed Critical Hohai University HHU
Priority to CN201610574727.XA priority Critical patent/CN106169747B/zh
Publication of CN106169747A publication Critical patent/CN106169747A/zh
Application granted granted Critical
Publication of CN106169747B publication Critical patent/CN106169747B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/30—Circuit design
    • G06F30/36—Circuit design at the analogue level
    • G06F30/367—Design verification, e.g. using simulation, simulation program with integrated circuit emphasis [SPICE], direct methods or relaxation methods
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
    • Y02B10/00—Integration of renewable energy sources in buildings
    • Y02B10/30—Wind power

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Power Engineering (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Control Of Eletrric Generators (AREA)

Abstract

本发明公开了一种双馈感应发电机（DFIG）参数辨识方法，属电力***建模领域。首先，确定双馈感应发电机在端口三相金属性短路情况下定子轴短路电流的解析表达式，根据该解析表达式确定待辨识参数；基于Matlab/Simulink平台搭建含双馈风电机组的单机无穷大***，在双馈感应发电机端口设置三相金属性短路，仿真获得定子轴短路电流的受扰轨线；采用轨迹灵敏度方法，分析各待辨识参数的可辨识性以及参数辨识的难易程度；最后采用粒子群优化算法辨识各待辨识参数，基于多次辨识结果确定参数辨识值。本发明基于定子轴短路电流进行DFIG参数辨识，与基于有功功率和无功功率相比，受变流器控制环节的影响小；采用多次参数辨识结果确定参数辨识值，避免了单次辨识可能导致的误差大的问题。

Description

一种双馈感应发电机参数辨识方法
技术领域
本发明属于电力***建模领域，特别涉及一种双馈感应发电机参数辨识方法。
背景技术
建模是电力***计算、分析以及运行控制的基础。合理而精准的风电机组模型参数对电力***电磁暂态和机电暂态仿真分析的正确性尤为重要，如何得到更接近实际的风电机组模型参数，是电力学术界和工业界的研究热点。
在辨识双馈感应发电机DFIG参数时，目前一般基于风电机组在端口电压跌落下有功功率和无功功率的受扰轨线进行参数辨识。但由于变流器控制环节动态与DFIG动态耦合较强，电压跌落下风电机组出口的有功功率、无功功率受扰轨线动态不仅与DFIG密切相关，受变流器控制环节的影响也较大。因此基于有功功率和无功功率辨识DFIG参数时，如果控制器参数给定值不准确，将导致发电机参数的较大辨识误差。
发明内容
本发明所要解决的技术问题是：针对目前DFIG参数辨识精度受变流器控制环节影响的问题，提出一种基于定子dq轴短路电流作为观测量的参数辨识新方法。本发明提出的双馈感应发电机参数辨识方法，基于定子dq轴短路电流进行参数辨识；本发明还基于多次辨识结果获得参数辨识值，避免了单次辨识可能带来误差大的问题。
本发明为解决上述技术问题采用以下技术方案：
本发明提供一种双馈感应发电机参数辨识方法，包括以下具体步骤：
步骤1，根据双馈感应发电机在端口三相金属性短路情况下的定子dq轴短路电流的解析表达式，确定待辨识参数；
步骤2，基于Matlab/Simulink平台搭建含双馈风电机组的单机无穷大***，在双馈感应发电机端口设置三相金属性短路故障，仿真获得定子dq轴短路电流的受扰轨线；
步骤3，采用轨迹灵敏度方法，以定子dq轴短路电流作为观测量，计算待辨识参数的轨迹灵敏度；
步骤4，根据步骤3中计算得到的轨迹灵敏度曲线，判断待辨识参数的可辨识性；
步骤5，计算短路后不同时间窗口内各待辨识参数的轨迹灵敏度的绝对平均值，选择轨迹灵敏度的绝对平均值最大的时间窗口进行参数辨识；
步骤6，根据步骤5选择的时间窗口，采用粒子群优化算法进行参数辨识，辨识的目标函数为误差指标err达到最小，即其中，K为辨识时间窗口内定子dq轴短路电流的总点数；isd_est(n)为辨识时间窗口内第n个基于辨识值的定子d轴短路电流；isd(n)为辨识时间窗口内第n个定子d轴短路电流实际值；isq_est(n)为辨识时间窗口内第n个基于辨识值的定子q轴短路电流；isq(n)为辨识时间窗口内第n个定子q轴短路电流实际值；
步骤7，单独进行多次参数辨识，计算多次参数辨识结果的均值，剔除与均值偏差大于100％的辨识结果；再将剩下的辨识结果重新求取均值，作为DFIG各待辨识参数的最终辨识结果。
作为本发明的进一步优化方案，步骤1中定子dq轴短路电流的解析表达式为：
式中，isd和isq分别为定子d轴短路电流和q轴短路电流；is∞和δsu分别为定子侧稳态电流的幅值和相位；M为暂态电感，Ls为定子自感，Ls＝Lσs+Lm，Lσs为定子漏感，Lm为定转子互感，Lr为转子自感，Lr＝Lσr+Lm，Lσr为转子漏感；和分别为定子和转子磁链幅值的初值；ωs为同步转速；t为时间；δ1和δ2分别为定子和转子磁链相位的初值；TS和Tr分别为定子和转子衰减时间常数，ω0为额定同步转速；Rs为定子电阻，Rr为转子电阻；s为滑差。
作为本发明的进一步优化方案，步骤1中待辨识参数为Rs、Rr、LsLr和Lm。
作为本发明的进一步优化方案，步骤2中双馈风电机组采用相量模型phasormodel。
作为本发明的进一步优化方案，步骤3中轨迹灵敏度的计算方法为：
a：将一个待辨识参数θ的数值增大Δθ，仿真得到定子dq轴短路电流受扰轨迹y，其中，Δθ为增量，Δθ＝10％θ0，θ0为待辨识参数θ的初始值；
b：将待辨识参数θ的数值减少Δθ，仿真得到定子dq轴短路电流受扰轨迹y′；
c：根据公式计算θ的轨迹灵敏度Sj，其中，K为辨识时间窗口内定子dq轴短路电流的总点数；y(n)和y′(n)分别为第n个定子d轴和q轴短路电流。
作为本发明的进一步优化方案，步骤4中待辨识参数可辨识性的判断方法为：如果有大于或等于2个待辨识参数的轨迹灵敏度曲线同时过零点，则判定这些参数不是唯一可辨识；如果所有参数的灵敏度都不同时过零，则判定这些参数唯一可辨识。
作为本发明的进一步优化方案，步骤3中选择变流器控制环节动作结束后的时间窗口进行轨迹灵敏度计算。
本发明采用以上技术方案与现有技术相比，具有以下技术效果：本发明提出采用双馈感应发电机在端口三相短路情况下定子dq轴短路电流进行参数辨识，受变流器控制环节的参数影响小，辨识精度高；采用多次参数辨识结果确定参数辨识值，避免了单次辨识可能导致的误差较大的问题，整体上提高了参数的辨识精度。
附图说明
图1为含双馈风电机组的单机无穷大***结构图。
图2为双馈风电机组的结构图。
图3为DFIG各参数的轨迹灵敏度，其中，(a)为定子电阻Rs的轨迹灵敏度，(b)转子电阻Rr的轨迹灵敏度，(c)定转子漏感Lσs、Lσr的轨迹灵敏度，(d)定转子互感Lm的轨迹灵敏度。
图4为各待辨识参数的50次辨识结果，其中，(a)为定子电阻Rs的50次辨识结果，(b)为转子电阻Rr的50次辨识结果，(c)为定转子自感的乘积LsLr的50次辨识结果，(d)为定转子互感Lm的50次辨识结果。
图5为基于参数辨识结果与实际短路电流的受扰轨线，其中，(a)为定子d轴电流isd的受扰轨线，(b)定子q轴电流isq的受扰轨线。
图6为本发明的工作流程图。
具体实施方式
下面结合附图以及具体实施例对本发明的技术方案做进一步的详细说明：
仿真***如图1所示，为一台基于DFIG的风电机组接入无穷大***，该仿真***搭建于Matlab 2013b软件平台，***中所有元件均取自Matlab自带的风电场算例，双馈风电机组采用相量模型(phasor model)，双馈感应发电机的参数见表1。
表1 DFIG仿真参数
参数名 数值
额定功率/MW 1.5
额定电压/kV 0.575
初始转差/pu 0.2
定子电阻/pu 0.00706
转子电阻/pu 0.005
定子漏感/pu 0.171
转子漏感/pu 0.156
互感/pu 2.9
双馈风电机组的结构如图2所示，其中，β为风力机叶片的桨距角，ωr为DFIG转子转速，ir为转子绕组中的电流(以下简称“转子电流”)，vdr和vqr分别为转子励磁电压的d轴和q轴分量；vDC代表直流侧电容的电压；vg、ig分别代表网侧变流器的输出电压、电流；vdg、vqg分别代表网侧变流器输出电压的d、q轴分量。
在如图1所示的双馈感应发电机端口B1母线处设置三相金属性短路故障，在时间t＝1s时，B1母线电压降为零，故障持续0.2s，在时间t＝1.2s故障消失，***恢复至原状态。
如图6所示，本发明提供的DFIG参数辨识的具体步骤如下：
步骤1：根据双馈风电机组的定子dq轴短路电流解析表达式，分析参数的可辨识性。
定子dq轴短路电流表达式如下：
式中，is∞和δsu分别为定子侧稳态电流的幅值与相位；M为暂态电感，Ls为定子自感，Ls＝Lσs+Lm，Lσs为定子漏感，Lm为定转子互感，Lr为转子自感，Lr＝Lσr+Lm，Lσr为转子漏感；和分别为定子和转子磁链幅值的初值；ωs为同步转速；t为时间；δ1和δ2分别为定子和转子磁链相位的初值；TS和Tr分别为定子和转子衰减时间常数，ω0为额定同步转速；Rs为定子电阻，Rr为转子电阻；s为滑差。
根据上述定子dq轴短路电流的解析表达式可知：如果定子dq轴短路电流的解析表达式已知，则参数Lr/M、Lm/M、Ts以及Tr可知，且由于ω0与初始状态有关，数值已知。则根据Lr/M、Lm/M、Ts以及Tr可求得参数Rs和Rr。根据Lr/M和Lm/M可求得LsLr以及Lm。因此如果定子dq轴短路电流已知，则参数Rs、Rr、LsLr以及Lm可辨识，但参数Ls和Lr不可单独辨识。
步骤2：以定子dq轴短路电流为观测量，计算各参数的轨迹灵敏度，如图3所示。从图3中参数Lσs和Lσr的轨迹灵敏度曲线，可以判断参数Lσs和Lσr无法区分辨识，由于Ls＝Lσs+Lm，Lr＝Lσr+Lm，则参数Ls与Lr也无法区分辨识。该结论与步骤1中的结论一致。
步骤3：为定量比较各参数轨迹灵敏度的大小，进一步计算各参数的轨迹灵敏度的绝对平均值。选择受扰轨线时间窗口为变流器控制环节动作结束后的时段，以便忽略控制器的动态特性对短路电流的影响。本发明选择从1.06s开始到故障结束前的时间窗口进行灵敏度计算。不同观察时窗内各参数轨迹灵敏度的结果见表2。
表2不同观察时窗下各参数的轨迹灵敏度
时窗/s Rs/pu Lσs/pu Rr/pu Lσr/pu Lm/pu
1.06-1.10 0.0992 0.2657 0.0462 0.2103 0.0924
1.06-1.12 0.1031 0.2582 0.0340 0.2095 0.1998
1.06-1.14 0.1022 0.2489 0.0272 0.1801 0.2064
1.06-1.16 0.1030 0.2711 0.0230 0.2191 0.2092
1.06-1.18 0.1025 0.2607 0.0210 0.1966 0.2164
1.06-1.20 0.1034 0.2609 0.0200 0.1931 0.2306
步骤4：从表2中选择轨迹灵敏度绝对平均值最大的时间窗口的受扰轨线进行参数辨识。如选择时间窗口[1.06-1.2s]内的定子dq轴短路电流受扰轨线辨识定子电阻Rs与互感Lm，选择时间窗口[1.06-1.1s]内定子dq轴短路电流受扰轨线辨识转子电阻Rr，选择时间窗口[1.06-1.16s]内定子dq轴短路电流受扰轨线辨识定转子自感之积LsLr。
步骤5：采用粒子群优化算法辨识各参数。单独进行多次(本发明采用50次)参数辨识，多次辨识结果见图4。将多次参数辨识结果平均，剔除与均值偏差大于100％的辨识结果；再将剩下的参数重新平均，作为DFIG各参数的最终辨识结果，见表3。
表3DFIG参数辨识结果
参数 真值 均值 方差×10-4 均值偏差/％
Rs/pu 0.00706 0.00745 33.00 5.5241％
Rr/pu 0.005 0.00529 70.00 5.8000％
LsLr/pu 9.385 9.43672 14.43 0.5511％
Lm/pu 2.9 2.90209 1.64 0.0721％
步骤6：比较基于参数辨识结果与实际短路电流的受扰轨线，见图5。
以上所述，仅为本发明中的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉该技术的人在本发明所揭示的技术范围内，可理解想到的变换或替换，都应涵盖在本发明的包含范围之内，因此，本发明的保护范围应该以权利要求书的保护范围为准。

Claims (7)

1.一种双馈感应发电机参数辨识方法，其特征在于，包括以下具体步骤：
步骤1，根据双馈感应发电机DFIG在端口三相金属性短路情况下的定子dq轴短路电流的解析表达式，确定待辨识参数；
步骤2，基于Matlab/Simulink平台搭建含双馈风电机组的单机无穷大***，在双馈感应发电机端口设置三相金属性短路故障，仿真获得定子dq轴短路电流的受扰轨线；
步骤3，采用轨迹灵敏度方法，以定子dq轴短路电流作为观测量，计算待辨识参数的轨迹灵敏度；
步骤4，根据步骤3中计算得到的轨迹灵敏度曲线，判断待辨识参数的可辨识性；
步骤5，计算短路后不同时间窗口内各待辨识参数的轨迹灵敏度的绝对平均值，选择轨迹灵敏度的绝对平均值最大的时间窗口进行参数辨识；
步骤6，根据步骤5选择的时间窗口，采用粒子群优化算法进行参数辨识，辨识的目标函数为误差指标err达到最小，即其中，K为辨识时间窗口内定子dq轴短路电流的总点数；isd_est(n)为辨识时间窗口内第n个基于辨识值的定子d轴短路电流；isd(n)为辨识时间窗口内第n个定子d轴短路电流实际值；isq_est(n)为辨识时间窗口内第n个基于辨识值的定子q轴短路电流；isq(n)为辨识时间窗口内第n个定子q轴短路电流实际值；
步骤7，单独进行多次参数辨识，计算多次参数辨识结果的均值，剔除与均值偏差大于100％的辨识结果；再将剩下的辨识结果重新求取均值，作为DFIG各待辨识参数的最终辨识结果。
2.根据权利要求1所述的一种双馈感应发电机参数辨识方法，其特征在于，步骤1中定子dq轴短路电流的解析表达式为：
式中，isd和isq分别为定子d轴短路电流和q轴短路电流；is∞和δsu分别为定子侧稳态电流的幅值和相位；M为暂态电感，Ls为定子自感，Ls＝Lσs+Lm，Lσs为定子漏感，Lm为定转子互感，Lr为转子自感，Lr＝Lσr+Lm，Lσr为转子漏感；和分别为定子和转子磁链幅值的初值；ωs为同步转速；t为时间；δ1和δ2分别为定子和转子磁链相位的初值；TS和Tr分别为定子和转子衰减时间常数，ω0为额定同步转速；Rs为定子电阻，Rr为转子电阻；s为滑差。
3.根据权利要求2所述的一种双馈感应发电机参数辨识方法，其特征在于，步骤1中待辨识参数为Rs、Rr、LsLr和Lm。
4.根据权利要求1所述的一种双馈感应发电机参数辨识方法，其特征在于，步骤2中双馈风电机组采用相量模型phasor model。
5.根据权利要求1所述的一种双馈感应发电机参数辨识方法，其特征在于，步骤3中轨迹灵敏度的计算方法为：
a：将一个待辨识参数θ的数值增大Δθ，仿真得到定子dq轴短路电流受扰轨迹y，其中，Δθ为增量，Δθ＝10％θ0，θ0为待辨识参数θ的初始值；
b：将待辨识参数θ的数值减少Δθ，仿真得到定子dq轴短路电流受扰轨迹y′；
c：根据公式计算θ的轨迹灵敏度Sj，其中，K为辨识时间窗口内定子dq轴短路电流的总点数；y(n)和y′(n)分别为第n个定子d轴和q轴短路电流。
6.根据权利要求1所述的一种双馈感应发电机参数辨识方法，其特征在于，步骤4中待辨识参数可辨识性的判断方法为：如果有大于或等于2个待辨识参数的轨迹灵敏度曲线同时过零点，则判定这些参数不是唯一可辨识；如果所有参数的灵敏度都不同时过零，则判定这些参数唯一可辨识。
7.根据权利要求1所述的一种双馈感应发电机参数辨识方法，其特征在于，步骤3中选择变流器控制环节动作结束后的时间窗口进行轨迹灵敏度计算。
CN201610574727.XA 2016-07-20 2016-07-20 一种双馈感应发电机参数辨识方法 Expired - Fee Related CN106169747B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610574727.XA CN106169747B (zh) 2016-07-20 2016-07-20 一种双馈感应发电机参数辨识方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610574727.XA CN106169747B (zh) 2016-07-20 2016-07-20 一种双馈感应发电机参数辨识方法

Publications (2)

Publication Number Publication Date
CN106169747A CN106169747A (zh) 2016-11-30
CN106169747B true CN106169747B (zh) 2018-07-10

Family

ID=58065451

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610574727.XA Expired - Fee Related CN106169747B (zh) 2016-07-20 2016-07-20 一种双馈感应发电机参数辨识方法

Country Status (1)

Country Link
CN (1) CN106169747B (zh)

Families Citing this family (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107239606B (zh) * 2017-05-27 2020-11-03 国网福建省电力有限公司 一种用于压水堆***动态模型参数评价的灵敏度分析方法
CN107453401B (zh) * 2017-09-13 2019-12-31 河海大学 一种双馈风力发电机参数辨识方法
CN107798205B (zh) * 2017-12-11 2020-04-21 河海大学 双馈感应风力发电机组轴系模型参数的单独辨识方法
CN108197381B (zh) * 2017-12-29 2019-09-27 河海大学 基于寻优空间形态分析的参数辨识方法
CN109981011B (zh) * 2019-04-03 2021-03-09 中国水利水电科学研究院 一种发电机参数辨识方法
CN111293693A (zh) * 2020-03-30 2020-06-16 华北电力大学 基于扩展卡尔曼滤波的双馈风机变流器控制参数辨识方法
CN111444626B (zh) * 2020-04-07 2022-03-15 河北工业大学 双馈风机结构参数在线参数辨识方法
CN112198452B (zh) * 2020-09-21 2023-09-05 华北电力大学 一种适用于工程实用化的新能源短路电流表达式的构建方法
CN112241602A (zh) * 2020-10-20 2021-01-19 国网宁夏电力有限公司电力科学研究院 基于粒子群优化的电磁暂态仿真参数优化方法
CN112632766B (zh) * 2020-12-18 2022-11-15 河海大学 一种基于bp神经网络的双馈风电机组参数辨识方法及装置
CN113032968B (zh) * 2021-03-02 2023-10-31 国网冀北电力有限公司电力科学研究院 双馈风机控制器参数辨识方法及装置
CN113642163A (zh) * 2021-07-28 2021-11-12 哈尔滨工业大学 一种基于数学机械化的dfig风电场等值建模方法
CN113849975B (zh) * 2021-09-24 2024-03-19 国网重庆市电力公司电力科学研究院 一种双馈风电机组低电压穿越特性辨识方法和***
CN115828569B (zh) * 2022-11-26 2023-10-31 昆明理工大学 基于鲸鱼优化算法的双馈风电机组传动***参数辨识方法
CN117117976B (zh) * 2023-10-25 2024-03-05 广东电网有限责任公司中山供电局 一种双馈感应风力发电机参数辨识方法及装置

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103701389A (zh) * 2013-12-12 2014-04-02 河海大学 一种双馈感应发电机控制器参数辨识方法
CN103825521A (zh) * 2014-02-25 2014-05-28 河海大学 一种双馈风电机组驱动***及发电机参数辨识方法
CN104218864A (zh) * 2014-08-19 2014-12-17 河海大学 一种双馈风电机组转子侧控制器参数辨识的频域方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050137834A1 (en) * 2003-12-18 2005-06-23 Heydt Gerald T. System and method of estimating synchronous generator parameters

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103701389A (zh) * 2013-12-12 2014-04-02 河海大学 一种双馈感应发电机控制器参数辨识方法
CN103825521A (zh) * 2014-02-25 2014-05-28 河海大学 一种双馈风电机组驱动***及发电机参数辨识方法
CN104218864A (zh) * 2014-08-19 2014-12-17 河海大学 一种双馈风电机组转子侧控制器参数辨识的频域方法

Also Published As

Publication number Publication date
CN106169747A (zh) 2016-11-30

Similar Documents

Publication Publication Date Title
CN106169747B (zh) 一种双馈感应发电机参数辨识方法
CN107453401B (zh) 一种双馈风力发电机参数辨识方法
Gagnon et al. Modeling and real-time simulation of a doubly-fed induction generator driven by a wind turbine
Li et al. An improved single-machine equivalent method of wind power plants by calibrating power recovery behaviors
US8610306B2 (en) Power plant control system and method for influencing high voltage characteristics
CN105375532B (zh) 一种适用于双馈风电场联络线的故障选相方法
CN108446515B (zh) 一种基于双馈风力发电机组短路电流特征分析的风电场等值方法
CN103825521B (zh) 一种双馈风电机组中驱动***及发电机参数的辨识方法
Zaker et al. Improving synchronous generator parameters estimation using $ d-q $ axes tests and considering saturation effect
Gritli et al. A diagnostic space vector-based index for rotor electrical fault detection in wound-rotor induction machines under speed transient
CN107132450A (zh) 一种海上双馈电机定子绕组匝间短路早期故障辨识方法
Vermeulen et al. Online estimation of synchronous generator parameters using PRBS perturbations
CN104218864B (zh) 一种双馈风电机组转子侧控制器参数辨识的频域方法
CN102611380B (zh) 一种双馈电机参数在线辨识方法
Mini et al. Fault detection and diagnosis of an induction motor using fuzzy logic
CN109800455B (zh) 一种双馈风电机组暂态无功特性仿真方法和装置
Sadeghi et al. Voltage-dip analysis of brushless doubly fed induction generator using reduced T-model
Bossoufi et al. Robust adaptive Backstepping control approach of DFIG generators for wind turbines variable-speed
Pan et al. Hierarchical parameter estimation of DFIG and drive train system in a wind turbine generator
Li et al. A novel digital Automatic Voltage Regulator for synchronous generator
CN108462207B (zh) 一种计及变流器暂态调控的双馈电机短路电流计算方法
CN113285639B (zh) 一种双馈式感应发电机***基频负序阻抗确定方法及***
CN109657380A (zh) 一种基于扩展卡尔曼滤波的双馈风电场动态等值方法
Bednarz et al. Identification of the stator faults in the induction motor drives using parameter estimator
Xu et al. Wound-rotor induction machine model with saturation and high-frequency effects

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20180710

Termination date: 20210720