面向双馈风电场+串补系统的次同步振荡快速自适应抑制控制

天津大学天津大学主要研究方向主要研究方向研究成果研究成果项、二等奖3项获日内瓦国际发明展金奖4项(特许金奖1项)装机容量/GW装机容量/GWQ一助个本不-Q新能源高渗透-电力系统2012-2024年全球风机装机容量nn留m赞河北沽源地区某风电场SSO事故双馈风电场经串补并网(DWF+SC)系统SSO现象典型特征：振荡机理特殊性：换流器参与等效谐振引发负阻尼振荡失稳。多维度动态特性：动态特性受风机参数、电网条件、风速等运行工况多重影响，振荡频率呈现大范围时变特性。抑制挑战性特征：受换流器快速响应及限幅环节影响，易出现小扰动快速发散，导致常规控制策略失效，抑制难度显著增加。6点出点美国明尼苏达州中南部某风电场美国明尼苏达州中南部某风电场SSO事故njWAAwwwMWMMMMw20Hz左右SSOwww电气参数失配(负电阻主导)(RSC快速调节)电网固有参数(线路电感、串补度)(幅值增长速率高)IGE:系统在次同步频率下呈负阻尼，导致不断增长的SSR。SSCI:转子换流器快速动作导致，振荡增长和发散速度更快。一、研究背景—-SSO抑制策略分类分析8■8■国内外学者针对DWF+SC系统SSO问题提出了电网侧和风机侧的SSO抑制控制策略。■通过分类分析，现有SSO抑制策略存在自适应性欠缺和响应速度较慢两大技术挑战。新型控制器依赖精确建模、对改进型输入控制信号响应速度较慢/需结合特定信号远端、解释机理不足成本高、控制复杂、占地转子转速参数整定复杂频率范围窄、参数优化复杂、缺少自适应性【a-u)0Km+K辅助阻尼控制器u参数整定k一、研究背景—-SSO抑制控制策略技术挑战一nd)刑申i09■经典策略抑制能力不足、频段固定，依赖特定场景，难以实现大范围SSO抑制，缺乏自适应性。■亟需设计一种SSO自适应抑制策略，以实现多频段下的更好的SSO滤除效果。B偏离控制器一、研究背景——SSO抑制控制策略技术挑战二■■现有策略参数更新复杂且更新时间存在延迟，导致极端工况下抑制时间过长，威胁设备安全。■迫切需要突破提升SSO抑制即时性的技术瓶颈，以优化抑制器性能并确保设备安全可靠运行。振荡程度随即时性降低愈加剧烈0020风电机组大规模脱网四四四四风机退出四四四口由四H◎C5时间(s)二、研究路线与基础——技术路线总结与展望介绍研究背景与现状总结与展望介绍研究背景与现状。小信号模型，分析主导SSO模态及关键影响因素，并揭sOSC,并通过C-HIL验证其在MA-SOSC基础上引入基于控制器硬件在环C+HIL)平台搭建背景意义研究现状改进频率锁定与更◆研究背景及现状新算法性评估模型基础RSRSC电流内环比例系数RSC电流内环积分系数风速、串补。度影度影响关键影响因素仿真验证影响因素变化时主导关键影响因素仿真验证影响因素变化时主导SSO模态根轨迹图PI-iMA-SOSCMA-SOSC应用位置除，通过滑窗式快速傅里叶变换OnMA-SOSC控制设计架构频率锁定与更新fn滑窗快速傅里叶算法RLS权重系数更新算法SFFT在时间窗口内获取采样RSC内环电流信号差的幅频特性，并提取振荡最大幅值对应的频率，即主导SSO振荡频率sso。围，从而优化抑制效果。主主导SSO频率辨识模块A-SOFSSO滤除模块三、MA-SOSC设计——锁频模块与MA-SOSC设计优势■■频率锁频模块通过合理的延时设计(z),有效屏蔽了频率辨识模块在SSO发生初期输出跳变带来的信号干扰，在确保频率锁定准确性基础上，实现了A-SOF参考频率f的自适应更新。_f,whenfoe[naf]Ⅱ否是r时间?↓是否0.0925.030.350.400三、MA-SOSC设计——C-HIL验证■■在C-HIL中搭建了DWF+SC系统模型，用于对比验证所提MA-SOSC的SSO抑制性能。■C-HIL中，DSP用于实现GSC和附加MA-SOSC的RSC,RT-LAB率下限SSO频率上限模块的频率锁定三、MA-SOSC设计——频率辨识与锁定效果验证■■在Kc连续阶跃升高情况下，MA-SOSC能做到迅速、主动、准确地辨识出主导SSO频率的变化(约100ms)并及时锁定并更新A-SOF参考频率(约50ms),有效剔除SSO分量。——MA-SOSC——MA-SOSC0035t=50ms5011油SSDC中心频率02运行工况Ⅱ(4H)本5I(a)电磁转矩响应(b)电磁转矩响应9505050I8(d)SSO频率辨识时间s)(e)SSO频率辨识时所(s)天津大学天津大学MA-SOSC通过三模块协同控制实现SSO精准抑制：A-SOF滤除RSC内环电流次同步振荡分量；频率辨识模块实时辨识主导频率；锁频模块过滤输出跳变，动态修正A-SOF参考频率。相比传统策略，MA-SOSC具备更快的收敛速度、更低的超调量及多工况适应能力，适用性强，具有显著工程应用价值。系统发生三相接地故障时3种控制策略的SSO抑制性能对比+模型离线训练桌←■FA-SOSC沿用MA-SOSC控制架构与SSO抑制理论，结合SFFT辨识数据误差特征与长短期记忆神经网络算法(LSTM),提出了改进锁频模块，以实现SSO抑制即时性的有效提升。因时间窗内辨识数据不完整而导致辨识结果出现阶跃变频率的映射关系，是提升抑制及时性用于LSTM预测的SFFT辨识误差数据特征区域尖峰式阶梯状特征SSO频率(20Hz)出现5四、FA-SOSC——LSTM架构与训练评估预测且由预测且由F具以采,123A56***垫LSTM单个神经元细胞内部结构B,=o,Ctanh(C,) 我回■改进锁频模块所采用的LSTM模型，通过1747组特征数据集训练，足以捕捉SFFT数据误差特征，实现无需复杂系统建模且较为准确的主导SSO频率预测。预测值pre(Hz)fs⁰期望值(Hz)误差Hz)由于SF据误差捕捉与的实现123456789■改进锁频模块■改进锁频模块集成了频率预测、锁定与更新功能，构建了特征感知-准确预测-自适应更新协同机制，实现了瞬态、稳态参数自修正，理论可在SSO发生100ms后预测出主导SSO频率。频率更新为预测频率提前精准抑制约50V否JssoVsc.fsul?是是数据量>m?是是否是四、FA-SOSC——频率预测效果验证■■在K连续阶跃升高情况下，改进SSO锁频模块使频率更新时间平均缩短50%,通过动态时序特征提取与时间常数τ的协同优化，有效抑制系统响应发散，使SSO幅值降低约30%。FA-SOSCMA-SOSC(0.699,f=21Hz)50(a)系统电磁转矩响应(b)SSO频率预测改进锁频模块频率辨识模块四、FA-SOSC——多工况下控制器性能对比■■ASDC因传统滤波器性能不足，振荡超调显著。而FA-SOSC在响应速度与抑制性能方面均展现出显著优势，减轻了极端工况下的大幅振荡现象，有效拓宽了设备稳定运行范围，优势显著。频率(Hb)电磁转矩(pu)(e)电磁转矩响应电磁转矩(pu)00电磁转矩(电磁转矩(pu)2(b)电磁转矩响应