本發明涉及電力變換器的，尤其涉及基于粒子群算法的直驅風電機組控制參數辨識方法及系統。
背景技術：
1、隨著環境保護意識的增強以及能源可持續利用的重要性日益凸顯，新能源電源在電力系統中的占比逐步提升。風電、光伏等新能源具有間歇性、隨機波動性等特點，大規模接入可能影響電網穩定運行。構建精確的新能源模型是實現電力系統分析、控制設計、規劃和運行方案制定的基礎。模型精度取決于并網逆變器相關控制參數的準確性，而設備制造商和運營商在通常不會提供這些參數。為此需要通過對其響應特性進行試驗測試來實現相關控制參數的辨識。
2、目前參數辨識方法主要采用最小二乘法或神經網絡等方法，通過施加擾動、測量輸出實現參數的辨識。一些在設備外部施加擾動、獲取設備內部的量測信息，一些方法在設備內部控制參數施加擾動、測量相應的輸出量，一些方法需要同時獲取擾動和觀測量，在工程實際現場應用時對實驗條件要求較高，難以實施。
技術實現思路
1、鑒于上述現有存在的問題，提出了本發明。本發明針對現有參數辨識方法對實驗要求過高或所需設備內部觀測過多的問題，通過構造與該設備頻率響應特性近似或一致的系統，實現對原設備參數的辨識，本發明僅需在端口進行試驗和測量來獲得頻率響應特性，對試驗條件要求低。
2、為解決上述技術問題，提出了基于粒子群算法的直驅風電機組控制參數辨識方法，包括，
3、建立直驅風機并網逆變器的數學模型，求解直驅風機并網逆變器閉環傳遞函數；對直驅風機并網逆變器模型端口施加擾動電壓，測量系統輸出電流，獲得頻率響應特性曲線；構建直驅風機并網逆變器優化模型并進行模型不確定性處理；利用粒子群算法求解與原系統頻率響應擬合度最高的參數組合，實現對原系統控制參數的辨識。
4、作為本發明所述的基于粒子群算法的直驅風電機組控制參數辨識方法的一種優選方案，其中：所述數學模型包括，分別通過建立電網側電感矩陣和變流器兩部分的動態方程模型。
5、其中，變流器各環節的動態方程為：
6、鎖相環方程：
7、
8、其中，θpll為鎖相環輸出角度，uq為并網點電壓q軸分量，kppll、kipll為鎖相環比例、積分系數，ω0為同步轉速，ω為鎖相環測量轉速，s為微分算子。
9、電流內環控制方程：
10、
11、其中，usd、usq為逆變器側電壓d、q軸分量，ud為并網點電壓d軸分量，kpi、kii為內環控制器比例、積分系數，idref、iqref、id、iq為電流參考值、實際值，t為時間常數，lf為逆變器側濾波器電感，t為時間常數。
12、濾波電感電壓方程：
13、usd＝ud+(lfs+r)id-ωlfiq
14、usq＝uq+(lfs+r)iq+ωlfid
15、其中，r為濾波器電阻。
16、電壓外環控制方程：
17、
18、其中，kpdc、kidc為外環pi控制器比例、積分系數，udc為直流母線電壓。
19、直流母線電壓方程：
20、
21、其中，cdc為直流側電容，pm為直流側有功功率。
22、電網側純感性阻抗矩陣h(s)為：
23、
24、其中，egd、egq為電網擾動電壓d、q分量，lg為電網側電感。
25、作為本發明所述的基于粒子群算法的直驅風電機組控制參數辨識方法的一種優選方案，其中：所述直驅風機并網逆變器閉環傳遞函數包括，將動態方程在額定工作點線性化，規定變流器的功率因數范圍為0至1，得到dq坐標下變流器側的狀態空間方程及傳遞函數g-1(s)：
26、
27、上式經變換得到：
28、
29、其中，ydd，yqq為dq坐標系下對應導納開環傳遞函數，功率因數范圍為0至1時，yqd，ydq取零，u0、i0為穩態電壓和電流。
30、
31、將電網側阻抗矩陣作為反饋通道引入傳遞函數中，以電壓為輸入，電流為輸出，可得到該系統的完整閉環傳遞函數：
32、
33、其中，ygdd、ygdq、ygqd、ygqq為dq坐標系下對應導納閉環傳遞函數，分別為：
34、
35、其中，udc0為線性化后額定工作點處直流電壓。
36、作為本發明所述的基于粒子群算法的直驅風電機組控制參數辨識方法的一種優選方案，其中：所述頻率響應特性曲線包括對模型施加擾動，搭建直驅風機并網逆變器的仿真模型，在并網端口點處每間隔10hz分別施加幅值為0.02p.u.的電壓擾動，測量電流輸出，獲得dq坐標下頻率響應特性的伯德圖。
37、作為本發明所述的基于粒子群算法的直驅風電機組控制參數辨識方法的一種優選方案，其中：所述構建直驅風機并網逆變器優化模型包括，采用標準差為目標函數的適應度值公式為：
38、
39、其中，a,aa_meas為原系統伯德圖幅值，測量系統幅值。為原系統伯德圖相位，測量系統相位。n為測量數據長度。
40、優化目標使參考頻率響應特性與辨識所得實際頻率響應特性幅值和相位的差值最小。
41、作為本發明所述的基于粒子群算法的直驅風電機組控制參數辨識方法的一種優選方案，其中：所述模型不確定性處理包括，處理直驅風電機組數學模型參數中的不確定性：
42、
43、當|u(xi)|<∈，∈＝1.5且所有x對應的u(xi)值都落在(-1kw,1kw)時，則認為不確定性已處理完成，當|u(xi)|≥∈，∈＝1.5且所有x對應的u(xi)值未全部落在(-1kw,1kw)時，則數學模型還存在不確定性，則繼續更新，直至滿足|u(xi)|<∈，∈＝1.5且所有x對應的u(xi)值都落在(-1kw,1kw)時停止更新。
44、其中，u(xi)為不確定處理函數，xi為第i個粒子的位置，n為粒子群算法中的粒子數量，πj第i個粒子的個體最優位置，f(xi)為所述建立電網側電感矩陣和變流器兩部分的動態方程模型。
45、作為本發明所述的基于粒子群算法的直驅風電機組控制參數辨識方法的一種優選方案，其中：所述對原系統控制參數的辨識包括，確定待辨識參數包括kpdc、kidc、kpi、kii、kppll、kipll六個，設定種群大小，維度的初始值，并初始化6個控制器參數值。
46、計算適應度值，求出個體和群體最優，更新個體速度和位置，產生新種群。
47、所述更新個體速度和位置包括，采用粒子群算法速度與位置更新公式為：
48、
49、xu+1＝xu+vu+1
50、其中，x、v分別為粒子位置和速度，ω為慣性權重，c1、c2分別為社會權重、認知權重學習因子，r1、r2為0～1之間的隨機值，pb、gb為種群和全局最優值。
51、判斷是否滿足精度包括模型誤差不超過5％，若滿足精度，則輸出參數最優值，若不滿足精度，則重新更新個體速度和位置。
52、本發明的另外一個目的是提供了基于粒子群算法的直驅風電機組控制參數辨識系統，本發明實現對直驅風電機組控制參數的準確辨識，以提高直驅風電機組的控制性能和穩定性。通過優化模型參數，使得模型的頻率響應特性與實際系統的頻率響應特性之間的差異最小，從而提高直驅風電機組在并網運行時的性能，確保其能高效、穩定地運行，滿足電網的要求。
53、作為本發明所述的基于粒子群算法的直驅風電機組控制參數辨識系統的一種優選方案，其特征在于，包括模型建立與線性化模塊、頻率響應特性曲線獲取模塊以及粒子群優化與參數辨識模塊。
54、所述模型建立與線性化模塊，負責建立直驅風機并網逆變器的數學模型，包括電網側電感矩陣和變流器兩部分的動態方程模型，通過對動態方程在額定工作點進行線性化處理，得到dq坐標下變流器側的狀態空間方程及傳遞函數作為后續參數辨識的基礎。
55、所述頻率響應特性曲線獲取模塊，通過在直驅風機并網逆變器的仿真模型上施加擾動電壓，并測量系統輸出電流，得到系統的頻率響應特性曲線，與數學模型預測的響應進行對比，以評估模型參數的準確性。
56、所述粒子群優化與參數辨識模塊，使用粒子群算法來優化數學模型中的參數，使得模型的頻率響應特性與實際系統的頻率響應特性之間的差異最小，并利用粒子群算法的迭代過程來尋找最優的參數組合。
57、一種計算機設備，包括存儲器和處理器，所述存儲器存儲有計算機程序，其特征在于，所述處理器執行所述計算機程序時實現基于粒子群算法的直驅風電機組控制參數辨識所述的方法的步驟。
58、一種計算機可讀存儲介質，其上存儲有計算機程序，其特征在于，所述計算機程序被處理器執行時實現基于粒子群算法的直驅風電機組控制參數辨識所述的方法的步驟。
59、本發明的有益效果：本發明針對現有控制參數辨識方法大多需要獲取設備內部測量信息，對實驗條件要求較高的問題，提出了一種基于粒子群算法的直驅風機并網逆變器控制參數辨識方法。該參數辨識算法能在僅在端口施加電壓擾動并測量電流輸出情況下對控制器參數進行辨識，對實驗條件要求較低，且最大誤差不超過2％，具有較高的辨識精度。并且可由新能源場站與電網公司分散實施，具有較好的實用性