无刷双馈风力发电机的无速度传感器矢量控制技术

为克服在无刷双馈发电机(BDFG)矢量控制系统中安装速度传感器给控制稳定性和精度带来的不良影响,提出了基于定子功率侧磁链观测的模型参考自适应转速辨识控制策略.该策略是对BDFG功率侧的定子磁链进行观测得到参考模型,再设计可调模型,利用调节两模型间的误差来估计转速.建立了MATLAB/Simulink环境下控制系统的仿真模型,仿真研究结果表明,所提出的速度自适应观测器可实现在静态和动态情况下电机速度的精确辨识和有功与无功的解耦控制,并在小功率的无刷双馈发电机平台上进行了实验,结果验证了控制方案的有效性和可行性.     

双馈风力发电机无速度传感器控制研究

结合模型参考自适应法(MRAS)和定子电压定向矢量控制的特点,提出了一种新型的基于MRAS双馈风力发电机无速度传感器矢量控制方案。这一新的方案,在理论分析、Simulink仿真的基础上通过双馈风力发电机组实验平台进行了不同转速工作方式下的实验论证,结果证明此方案具有良好的动、静态性能;能够在低速和高速的情况下准确的辨识转子位置和转速。     

基于转子电流的双馈感应电机无速度传感器控制

提出一种基于转子电流的模型参考自适应系统(MRAS)的双馈感应电机(DFIM)无速度传感器控制方法.首先建立了基于定子磁链定向的DFIM矢量控制模型,实现了电机转速/转矩控制和有功/无功功率解耦控制,然后采用基于MRAS的转速辨识方法,将测量得到的转子电流作为参考模型,通过定子电压和电流估测得到的转子电流作为自适应模型,用PI闭环控制构造转子位置和转速信息.为验证理论分析的正确性,以50 kW的DFIM为例设计了一套控制系统.通过电动机运行工况下的空载变速实验和发电机运行工况下的功率控制实验,估测转子位置和转速在不同转速和功率工况下都能准确跟踪实际值.仿真和实验结果表明系统能实现对DFIM无速度传感器控制,证明了所提出的方案的可行性.     

基于模型参考自适应的无刷双馈电机独立发电系统转速辨识方法

基于无刷双馈电机的独立发电系统可用于偏远地区的独立供电及舰船轴带发电等场合,但该系统中的测速码盘在一定程度上抵消了电机无刷化带来的好处。引入转速辨识技术,通过辨识算法获得实时转速信息可解决这一问题。该文将模型参考自适应思路引入无刷双馈独立发电控制系统中,构建了一种改进型的模型参考自适应系统(model reference adaptive system,MRAS)用于转速辨识。该MRAS的坐标系依控制绕组电流矢量定向,选取控制绕组电流q轴分量(常数零)作为参考模型,并以需辩识的转子转速为变量构造控制绕组q轴分量的可调模型。该MRAS不但简化了参考模型与可调模型的求解,还使得参考模型与可调模型的矢量叉乘运算简化为标量作差运算。此外,由于该MRAS由可测电压和电流为基础独立构造,因此可与多种控制方案配合使用,具有较好的通用性与灵活性。     

基于神经网络的双馈风电机组转速PID控制仿真

为了提高双馈风电机组的转速控制性能,采用了基于BP神经网络的PID控制方案和基于RBF神经网络辨识的PID控制方案,在推导出双馈风电机组暂态电势恒定情况下随风速变化的二阶转速调节模型基础上,分别编制仿真程序,对风电机组转速控制进行了跟踪仿真分析.针对上述两种方案的缺陷,提出了基于RBF网络辨识的单神经元网络PID控制和基于RBF网络辨识的BP神经网络PID控制两种改进控制方案,达到了优化风电机组转速控制性能的目的.     

一种新型的交互式MRAS速度辨识仿真

提出一种新型的交互式MRAS.在基于无功功率的MRAS基础上,将参考模型和可调模型互换,同时辨识感应电机转速和定子漏感.该方法引入无功功率物理量,使参考模型中不包含纯积分和定子电阻,并且通过辨识并在线调整定子漏感,消除了定子漏感变化对MRAS速度辨识精度的影响.仿真结果表明,该方法提高了系统对参数变化的鲁棒性,拓宽了调速范围,且具有结构简单的特点.     

模型参考自适应无速度传感器技术在永磁直驱风力发电系统中应用

针对直驱风力发电系统(DDWPS)中测速码盘容易受到干扰的问题提出了一种模型参考自适应系统(MRAS)无速度传感器永磁同步发电机(PMSG)控制方案.选择PMSG本身作为参考模型,电机的电流模型为可调模型,可调模型中的电流和转速量为待估计参数,根据利用Popov超稳定理论得到的自适应律实时地调节可调模型中的电流值,使其与电机定子的实际电流矢量误差收敛于零,同时使可调模型中的转速逼近实际值.利用估计到的转速进行永磁直驱风力发电机的电流闭环矢量控制,电网侧采用PWM整流器的有源逆变工作方式实现直驱系统背靠背变流器的并网发电.给出了DDWPS背靠背变流器的详细控制框图.通过仿真和实验验证了基于MRAS的转速估计方法及DDWPS背靠背变流器控制方案的正确性和可行性.     

基于二阶滑模的MRAS型感应电机转速辨识

针对感应电机无传感器控制,提出了一种基于二阶滑模与模型参考自适应系统(MRAS)相结合的转速辨识方法。将采用Super-Twisting二阶滑模理论构造的滑模观测器作为MRAS参考模型对所构造中间变量进行观测,将磁链的电流模型改造为该中间变量的可调模型,且其可调量为转速变量,进而构造出MRAS,实现对转速的闭环观测。所构造的MRAS具有低通滤波特性,能有效克服系统中电流谐波的影响,更好地提高了系统性能。仿真和实验结果验证了该方案的可行性和有效性。     

基于神经网络的双馈风电机组转速PID控制仿真

为了提高双馈风电机组的转速控制性能,采用了基于BP神经网络的PID控制方案和基于RBF神经网络辨识的PID控制方案,在推导出双馈风电机组暂态电势恒定情况下随风速变化的二阶转速调节模型基础上,分别编制仿真程序,对风电机组转速控制进行了跟踪仿真分析。针对上述两种方案的缺陷,提出了基于RBF网络辨识的单神经元网络PID控制和基于RBF网络辨识的BP神经网络PID控制两种改进控制方案,达到了优化风电机组转速控制性能的目的。     

基于MRAS的永磁同步电机无传感器矢量控制研究

提出了一种基于模型参考自适应理论(MRAS)的速度与位置估算方法。以PMSM本身作为参考模型,以含有转速变量的定子电流方程作为可调模型,以Popov超稳定性理论为基础设计自适应律,当可调模型等效于参考模型时,输出的估计转速收敛于真实值,实现了无速度传感器的电机控制。利用MATLAB/Simulink搭建了仿真模型,仿真结果表明基于MRAS的无传感器控制对转速和转子位置角有很好的辨识效果。