变速恒频双馈风力发电机结构分散化并网控制

刘新宇, 姚致清，陈铁军

（1.郑州大学电气工程学院， 河南 郑州 450001；2.华北水利水电学院，河南 郑州 450011；3.华中科技大学，湖北 武汉 430074；4.许继集团有限公司，河南 许昌 461000）

0 引言

双馈式变速变桨距风力发电是近几年来发展起来的一种全新高效的发电方式，它的突出优点在于它能够追踪最佳风能利用系数， 最大限度地捕获风能，并且发电机和网侧的连接是柔性连接，可以根据电网电压、电流和发电机的转速来调节转子励磁电流，从而精确地调节发电机定子输出电压，实现软并网，避免了并网时发生的电流冲击和过大的电压波动。正是由于上述的特点，变速恒频双馈风力发电机的并网控制技术已经成为越来越多科研人员研究的热点。

目前，变速恒频风力发电机组的并网方式主要有空载并网、带独立负载并网和孤岛并网三种并网方式。其中，空载并网时发电机不带负载，也不参与能量和转速的控制，容易实现。根据双馈式变速变桨风力机空载并网的特点， 国内外学者已经进行了大量深入的研究，提出了多种控制算法，主要有PI（比例积分）控制、鲁棒控制、变结构控制、自抗扰控制、预测控制、模糊控制等各种控制方法。这些方法均在变速变桨风力发电并网的某一方面展示了其优越性, 但各有其局限性。文献[1-4]提出了双馈风力发电机并网的PI（比例积分）控制，将矢量控制技术应用到了双馈发电机并网控制之中，提出了一种基于定子磁链定向和电网电压定向的空载并网控制方法，实现了风力发电有功和无功的解耦控制。但在这些控制方法中，由于变速变桨风力发电机组本身的非线性和不确定性，使得PI调节器的控制参数受电机参数变化的影响较大，系统的实时性和抗扰动性能都较差。文献[5]将滑模变结构复合控制引入到双馈发电机并网控制技术中，提高了并网的动态响应速度，系统对内部参数的摄动和外部干扰具有较强的鲁棒性。但这种控制方法仍然没有摆脱PI控制思想的束缚，控制性能依赖控制器参数程度较高。文献[6]针对变速变桨风力发电机并网特点，提出了一种自抗扰并网控制策略，该控制策略不需要精确电机参数就可以实现并网控制，并对参数的摄动以及内外扰动都具有良好的鲁棒性。但这种方法同样需要繁杂的k1、k2参数选择，计算量大，理论过于复杂，而且过于依赖设计者经验，在应用中没有表现出比传统方法太多的优势。

本文提出按照双馈风力发电机并网过程运动特性的基本因果关系即因果链，建立起双馈风力发电并网的结构分散化模型，并以该模型为基础，分别在子系统级上设计预估系统和控制系统，从而达到对整个并网系统的预估和控制。既保证了发电机转子的d轴电流、q轴电流快速收敛和较好的跟踪精度，又很好地改善了并网过程的动态响应性能，为双馈式风力发电并网控制开辟了一条新的途径。

1 链系统控制方法的基本思想

链系统方法[7]认为系统原本是自下而上一些简单的子系统通过相互间的信息传递而相互关联、相互影响而形成的，而非分解来的，其控制思想是通过对一般多输入多输出受控系统进行因果分析，抽取其在控制方面起主要作用的因果关系，得到从控制输入经若干中间测量输出，最后达到受控输出的链状因果结构（因果链），如图1所示。

图1 因果链结构图Fig. 1 Structure diagram of the causality chain

图1 中，10Z 为控制输入；11Z 、12Z 、13Z 为中间测量输出；14Z为受控输出；i1Σ， i=1，2，3，4称为因果链中的单元。

按照上述链系统的思想，可以认为系统是由若干条因果链以及链与链中各子系统相互联系、相互制约而形成的分散化结构，如图2所示。

图2 分散模型结构图Fig. 2 Structure diagram of the decentralized model

由图2可以看出，链系统中的每个单元通过关联与其他相关单元相关联。通过自身动态变化和单元间相互影响过程，共同描述对象的整体运动特性。通过接受本单元相关信息和直接关联的单元的测量和预测信息，预测该单元的运动趋势，并分析判断，做出该单元的控制决策。针对每个单元设计单元预测系统和控制系统。各单元预测系统按照研究对象的关联模式相互关联，并经由关联传递单元预测信息，共同完成对整体系统未来一定时间动态特性的预测，各单元控制系统也经由关联传递控制信息，从而完成对整体系统的控制。

2 双馈发电机并网分析与建模

双馈风力发电机并网控制策略如图3所示。发电机在并网前定子开路，取电网电压和转子电流作为控制信息提供给控制系统，据此调节发电机的励磁，按并网条件控制发电机定子空载电压。当发电机定子输出电压和电网电压在幅值﹑频率和相位上完全相同时，进行并网操作。并网成功后，系统自动从并网控制切换到发电控制[8-9]（最佳风能追踪控制）。

图3 双馈风力发电机并网控制策略图Fig. 3 Cutting-in control strategy diagram of the double-fed wind turbine

2.1 双馈发电机数学模型

如图4所示，采用电动机惯例的双馈发电机在两相旋转d-q坐标系下的电压方程和磁链方程如式（1）、式（2）所示[10]。

图4 双馈发电机在两相旋转坐标系下的模型Fig. 4 Two-phase rotating coordinate model of the doubly-fed generator

式中： Rr为转子绕组等效电阻； Ls、 Lr、 Lm分别为定、转子绕组自感及互感； ids、 iqs、idr、 iqr分别为d、q轴定子和转子电流；uds、uqs、udr、uqr分别为d、q 轴定、转子电压； ψds、ψqs、ψdr、ψqr分别为d、q轴定子磁链和转子磁链；ω1、ωs分别为同步角频率和转差角频率。

当双馈发电机定子磁链达到稳态，并忽略其电磁暂态过程时，定、转子电压与定、转子磁链方程变为式（3）、式（4）所示。

另外，通过对式（3）、式（4）的分析可知，系统在空载并网前定子电流为零，则可得

由式（5）可知，空载时只需控制转子电流就可以使定子输出电压满足并网的条件。但是，控制转子电流是通过间接控制变频器加在转子上的外加电压来实现的，所以，还需推导出变频器加在转子上的外加电压与转子电流之间的关系[11]。因此，将式（4）代入式（3）得

式（6）就是变频器加在转子上的外加电压与转子电流之间的关系式。

另外，当把定子电压定向在d-q坐标系的d轴上时，由式（5）可得转子电流的给定值为

2.2 双馈风力发电并网链系统模型

将式（6）离散化得

通过对式（8）的分析，根据链系统分析方法可知，待控系统的受控输出是双馈电机转子电流dri、qri，控制输入是转子电压dru 、qru ，二者应分别引导一条因果链，这里顺次定义为iL， 2,1=i 。

1）双馈电机转子d轴电流链1L

Z10：转子d轴电流控制信号 udr(k)； Z11：转子d轴电流 idr(k)。

2）双馈电机转子q轴电流链 L2

Z20：转子q轴电流控制信号 uqr(k)； Z21：转子q轴电流 iqr(k)。

整个双馈风力发电并网链结构控制模型如图5所示，它由2个单元模型、2条因果链、2项链间关联构成。

图5 双馈风力发电并网链结构控制模型Fig. 5 Chain-structure diagram of the double-fed variable-speed variable-pitch wind turbine system

从图中可以看出，双馈风力发电并网控制系统是一个两输入两输出系统，两个输出量分别是双馈电机转子电流的d、q轴分量，两个控制输入量分别是转子电压信号的d、q轴分量。系统的转子电压信号的d、q轴分量信号任被改变其一，都将影响到系统输出转子电流的d、q轴分量的大小，所以双馈风力发电并网系统是一个强耦合的多变量系统。以往对双馈风力发电并网系统的控制方法大部分是在对系统解耦之后进行的，但是耦合系统所包含的信息远远多于解耦系统包含的信息，强行割裂系统内的信息关联可能会造成系统的不稳定。本文采用依托因果链传递预估信息和控制指令的控制方法不再强行对系统进行解耦，为双馈风力发电并网控制提供了新的思路。

假设各单元ij∑的动态模型取[12]

其中： Xij是和输出有关的变量串集合，它由两部分组成，一部分是对∑ij有直接作用的控制输入，另一部分是对∑ij有关联作用的其他单元的测量输出；Zij、Zij−1∈Z，Zij−1是对单元∑ij输出Zij有直接影响作用的输入；的滞后步数；Fij是待辨识的参数集合。因此可以得出各单元模型，双馈电机输出转子d轴电流链模型为

双馈电机输出转子q轴电流链模型为

3 预估和控制

3.1 预估

预估是克服时滞，提高控制品质的一种有效方法。为了克服双馈风力发电并网系统滞后的影响，需要进行预估。基于结构分散化模型设计的预估系统，它拥有单元预估系统、基本关联模型和依托因果链的预估信息传递模型，因此能够保证在子系统设计的预估算法，仍然能够获得对整体系统运动特性的预估。在单采样周期链系统中，因变量1−ijZ相对于果变量ijZ的滞后步数为而0iZ相对于ijZ 的滞后为

则双馈电机输出转子d轴电流链预估模型为

双馈电机输出转子d轴电流链预估模型为

3.2 控制

链系统控制算法的基本思想是确定一组可实现的子控制器，依托相应因果链的控制指令传递模型，使系统整体控制性能达到预定的指标。由文献[12]可以得到双馈电机输出转子d轴电流链的控制算法。

令

其中：1−z 是一步延时算子；1p是设计参数。

则可以得到

将式（17）带入式（16），整理得到

同理，令

其中：1−z 是一步延时算子；2p是设计参数。

则可以得到

而

将式（21）带入式（20），整理可以得到双馈电机输出转子d轴电流链的控制算法。

式(18)、式(22)即是双馈电机转子输出电流链的控制算法，其中1a、2a、1b、2b、1c、2c是待辨识参数；1p、2p为设计参数。*10Z 、*20Z 、*11Z 、分别是10Z 、20Z 、11Z 、21Z 的期望值；分别是10Z、20Z、11Z、21Z的估计值。

空载并网时，式（7）中的参数采用辨识的方法来确定的。根据实时采集到的us、irq的值进行参数辨识，得到参数－1/ω1Lm的辨识值，从而避免了控制性能对系统参数变化的敏感性。另外，由于系统最终的控制目的是使定子端电压的大小和电网电压一致，所以定子电压us用电网电压ug来替代。整个双馈发电机空载并网控制系统框图如图6所示。

图6 双馈发电机空载并网控制系统框图Fig. 6 Cutting-in control system diagram of the double-fed wind turbine without load

4 系统仿真与结果分析

为了验证链系统并网控制策略的合理性，本文利用 Matlab软件平台对所提出的控制策略进行可行性仿真实验。仿真中所使用的7.5 kW双馈电机风力发电系统实验平台的主要参数，如表1所示。

表1 仿真参数Table 1 Simulation parameters

在实际运行当中，双馈电机风力发电系统的相关参数会随着环境和时间的推移发生变化，所以常规的 PI控制器的参数整定成为了制约该控制方法的瓶颈。而链系统并网控制算法可以根据需要实时更新其参数值，实现了系统并网的实时控制。式(11)~式(12)中的系统参数的实时数值可以通过最小二乘法递推算法在线辨识得到[13]，表2是某一时段辨识出的实时参数值。

表2 某一时段辨识出的实时参数值Table 2 The identified real-time parameters of the certain period of time

文中p、p′为预估设计参数，取值范围为(-1~1)，仿真时取0.91。

图7和图8分别是在并网前常规PI控制定子电压仿真曲线图和结构分散化控制定子电压仿真曲线图。

图7 常规PI控制定子电压仿真曲线Fig. 7 Stator voltage simulation curve of the conventional PI control

图8 结构分散化控制定子电压仿真曲线Fig. 8 Stator voltage simulation curve of the structure decentralized control

从图7和图8可以看出：采用常规PI控制时，定子电压大约在七个周期的时间才能完全达到并网要求的电压精度。要进一步加快系统的响应速度，势必会产生很大的超调，从而影响到系统的稳定性。而采用结构分散化控制只需半个周期的时间就达到了并网电压的精度要求，且不会产生超调。可见对于并网前定子输出电压的控制，结构分散化控制方法明显优于常规PI控制方法。

图9和图10分别是在并网时常规PI控制定子三相电流仿真曲线图和结构分散化控制定子三相电流仿真曲线图。

图9 常规PI控制定子三相并网电流仿真曲线Fig. 9 Stator three-phase grid-connected current simulation curve of the conventional PI control

图10 结构分散化控制定子三相并网电流仿真曲线Fig. 10 Stator three-phase grid-connected current simulation curve of the structure decentralized control

从图9和图10可以看出：采用常规PI控制，在并网的瞬间会产生较大的冲击电流，进而引起电网电压波动。随着风电机组的单机容量越来越大，这种冲击是必须要避免的[14]。而采用结构分散化控制时，在并网的瞬间定子三相冲击电流很小，基本上实现了双馈风力发电机的无冲击并网。

图11和图12分别是在并网前常规PI控制转子电流q轴、d轴分量仿真曲线图。图13和图14分别是在并网前结构分散化控制转子电流q轴、d轴分量仿真曲线图。

从图11~图14可以看出：采用结构分散化控制算法可以使转子电流q轴、d轴分量很快跟随上了给定值，而常规PI控制跟随速度较慢且超调较大。可见采用结构分散化的控制方法可以很好改善转子电流的动态波形，进而使定子空载电压很快达到并网所要求的精度。所以通过对并网时转子电流q轴、d轴分量的动态仿真波形分析可知，结构分散化并网控制方法明显优于常规PI并网控制方法。

图11 常规PI控制转子q轴电流仿真曲线Fig. 11 Rotor q-axis current component simulation curve of the conventional PI control

图12 常规PI控制转子d轴电流仿真曲线Fig. 12 Rotor d-axis current component simulation curve of the conventional PI control

图13 结构分散化控制转子q轴电流仿真曲线Fig. 13 Rotor q-axis current component simulation curve of the structure decentralized control

图14 结构分散化控制转子d轴电流仿真曲线Fig.14 Rotor d-axis current component simulation curve of the structure decentralized control

5 结论

本文采用链系统控制方法，通过对双馈风力发电机并网模型进行动态分析，以双馈发电机转子电流的q轴、d轴分量为重点控制的对象，充分考虑双馈风力发电系统并网过程中的耦合关系，改善了风力发电系统定子输出电压的质量。仿真结果表明，与传统PI控制方法相比，采用结构分散化控制方法，实现了系统相关参数的实时在线辨识，解决了目前双馈风力发电系统并网时采用常规PI控制所遇到的瓶颈，使整个风力发电并网过程的控制更具有适应性和稳定性，进而对提高风力发电系统并网的质量有重大的意义。

[1] 曾志勇, 王清灵, 冯靖. 变速恒频双馈风电负载并网控制[J]. 电力系统保护与控制, 2009, 37(14): 34-37．ZENG Zhi-yong, WANG Qing-ling, FENG Jing. Study on the load cutting-in control of the variable speed constant frequency (VSCF) wind-power generator[J].Power System Protection and Control, 2009, 37(14):34-37．

[2] 王思耕, 葛宝明, 毕大强. 基于虚拟同步发电机的风电场并网控制研究[J]. 电力系统保护与控制, 2011,39(21): 49-54.WANG Si-geng, GE Bao-ming, BI Da-qiang. Control strategies of grid-connected wind farm based on virtual synchronous generator[J]. Power System Protection and Control, 2011, 39(21): 49-54.

[3] 刘其辉，贺益康，张建华．交流励磁变速恒频风力发电机并网控制策略[J]. 电力系统自动化, 2006, 30(3)：51-55.LIU Qi-hui, HE Yi-kang, ZHANG Jian-hua. Grid connection control strategy of AC-excited VSCF wind powergenerator[J]. Automation of Electric Power Systems, 2006, 30(3): 51-55.

[4] 赵栋利, 许洪华, 赵斌. 变速恒频风力双馈发电机并网电压控制研究[J]. 太阳能学报, 2004, 25(5): 587-591.ZHAO Dong-li, XU Hong-hua, ZHAO Bin. Study on the cut-in voltage control of a VSCF double-fed induction enerator[J]. Acta Energiae Solaris Sinica, 2004, 25(5):587-591．

[5] 周明明, 李世华. 变速恒频双馈风力发电机并网的复合控制[J]. 东南大学学报, 2012, 42(1): 55-61.ZHOU Ming-ming, LI Shi-hua. Composite control for cutting-in control of variable speed constant frequency doubly fed wind power generator[J]. Journal of Southeast University, 2012, 42(1): 55-61.

[6] 付旺保, 赵栋利, 潘磊. 基于自抗扰控制器的变速恒频风力发电并网控制[J]. 中国电机工程学报, 2006,26(3): 13-18.FU Wang-bao, ZHAO Dong-li, PAN Lei. Cutting-in control of the VSCF wind power generator based on auto-disturbance rejection controller[J]. Proceedings of the CSEE, 2006, 26(3): 13-18.

[7] 陈铁军. 结构分散化方法控制理论[M]. 乌鲁木齐：科技出版社, 2004: 6-50．CHEN Tie-jun. The decentralized structure control theory[M]. Urumqi: Science and Technology Press, 2004:6-50．

[8] 何玉林, 刘军, 李俊, 等. 变速变桨距风力发电机组控制策略优化[J]. 电力系统保护与控制, 2009, 37(12):56-59.HE Yu-lin, LIU Jun, LI Jun, et al. Variable-speed variable-pitch wind turbine control strategy optimization[J]. Power System Protection and Control,2009, 37(12): 56-59．

[9] 冯希科, 邰能灵, 宋凯. 风力发电机对配电网影响的比较分析[J]. 电力系统保护与控制, 2009, 37(11):25-29.FENG Xi-ke, TAI Neng-ling, SONG Kai. The impact of wind turbines on the comparative analysis of distribution networks[J]. Power System Protection and Control, 2009,37(11): 25-29.

[10] 任永峰, 安中全. 双馈式风力发电机组柔性并网运行与控制[M]. 北京: 机械工业出版社, 2011.REN Yong-feng, AN Zhong-quan. Flexible grid connected operation and control of the double-fed wind turbine generator[M]. Beijing: China Machine Press,2011.

[11] 赵宇, 郭清滔, 王奔, 等. 基于变结构控制的交流励磁变速恒频风力发电机励磁控制研究[J]. 电力系统保护与控制, 2010, 38(15): 13-17.ZHAO Yu, GUO Qing-tao, WANG Ben, et al. Research of AC excited VSCF wind power generator excitation control system based on variable structure control[J].Power System Protection and Control, 2010, 38(15):13-17.

[12] 陈铁军，陈华芳. 高炉炼铁焦比和炉温的链系统控制算法研究[J]. 化工自动化仪表, 2010, 37(4): 26-28.CHEN Tie-jun, CHEN Hua-fang. Research on coke ratio and temperature control algorithm in puddling based on chain system[J]. Control and Instruments in Chemical Industry, 2010, 37(4): 26-28.

[13] 王鸿山. 风力发电机控制中的参数辨识技术[D]. 合肥:合肥工业大学, 2009.WANG Hong-shan. Technology of parameters identification for wind-driven generator control[D]. Hefei:Hefei University of Technology, 2009.

[14] 玉华, 周任军, 韩磊, 等. 基于 CVaR的风电并网发电风险效益分析[J]. 电力系统保护与控制, 2012, 40(4):43-47.YU Hua, ZHOU Ren-jun, HAN Lei, et al. Analysis on risk and economic benefits of grid-connected wind farm based on CVaR[J]. Power System Protection and Control,2012, 40(4): 43-47.