基于粒子群算法的双馈风电场模型参数辨识.docxVIP

2014.5 理论与算法

基于粒子群算法的双馈风电场模型参数辨识

吴荣（河海大学能源与电气学院江苏南京,211100）

摘要：双馈感应发电机（DFIG）是目前国内外风力发电机的（WTG）的主流机型。为了研究大规模风电并网对电力系统的影响，必须要有准确的风力发电场的模型和参数。为此，本文通过粒子群算法，对双馈风电场模型参数进行辨识，以得到更准确的电气参数，并应用Digsilent软件搭建仿真模型，验证其方法的有效性。

关键词：双馈风电场；粒子群算法；参数辨识中图分类号:TP301文献标识码:A

ParametersidentificationofthedoublyfedwindfarmmodelbasedontheparticleswarmalgorithmWuRong

(CollegeofEnergyandElectricalEngineering，HohaiUniversity，Nanjing,211100，China)

：：AbstractDoublyfedinductiongenerator(DFIG)isthemainstreammodelofforeignanddomesticwindturbinesgenerator(WTG).Inordertostudytheimpactoflarge-scalewindpoweronthepowersystemnetwork,wemusthaveaccuratewindfarmmodelsandparameters.Tothisend,inthepaper,weidentifythedoublyfedwindfarmmodelparametersbytheparticleswarmalgorithm(PSO),inordertoobtainamoreaccurateelectricalparameters.Finally,theefficiencyofthemethodisvalidatedbythesimulationresultsobtainedinDigsilentenvironment.

：

：

KeywordsDoublyfedinductiongenerator;particleswarmalgorithm;parameteridentification

0 引言

风能是一种最具活力的可再生能源，它实质上是太阳能的

度，严重的更可能会给电网的安全稳定带来危险。

为此，本文以DFIG风电场为对象，应用粒子群算法获取

转化形式。风能利用就是将风的动能转化成机械能，再转化成其

他能量形式。当今风能只要用来风力发电，而风力发电经过30

DFIG风电场的准确参数，有利于提高对含风电场电力系统动态

特性分析的准确性。

多年来的发展，技术已经比较成熟，已经有大量的风力发电场投 1入商业运营。风力发电机(WTG)的主要类型有鼠笼异步发电机

(SCIG)、双馈感应发电机(DFIG)和永磁同步发电机(PMSG)等，

其中DFIG风力发电机具有实现最大风能捕获、有功无功解耦控

制等优点，是目前的主流机型。

越来越多的风电机组接入电网，会对电力系统的安全稳定运

行产生重大影响。为了研究风电机组接入对电网的具体影响及其

解决措施，就必须要有精确的风力发电机模型和参数。由于目前

的研究成果主要是从理论上做定性分析，对参数的精确性要求不

高，一般只要取值合理就行，大部分使用的都是各类仿真软件中

预设的数值。

然而，如果要分析实际风电场与电网间的交互作用，就必须

采用真实有效的模型参数，否则会大幅度的降低分析结果的可信

DFIG模型

图1基于双馈感应发电机的风力发电系统

41

理论与算法

DFIG的模型由风能转化模型、传动系统模型、电机模型和控

制系统模型共同组成，如图1所示。

风能转化模型可以用公式（1）、（2）表示，即：

(1)

(2)

式中，为风轮输出的有功功率；为风轮的能量转化系数；为风轮扫略面积；为空气密度；为风速；为风轮半径；

为叶尖转速比；为角频率；为桨距角。DFIG的传动系统和电机模型为：

(3)

2014.5

简单有效的策略就是搜寻当前距离食物最近的鸟的周围区域。粒

子群算法是从这种生物种群行为特征中得到启发，算法中每个粒

子都代表问题的一个潜在解，每个粒子对应一个由适应度函数决

定的适应度值。粒子的速度决定了粒子移动的方向和距离，速度

随自身及其他