1.一种双馈风机参数的多目标高维多分数阶优化方法,其特征在于,该方法在使用过程中的步骤为:步骤(i):随机产生N个控制器,初始化N个控制器的参数;
步骤(ii):将控制器个体放入双馈感应发电系统的模型中,计算每个控制器个体的适应度的值,利用帕累托原则处理非支配解集,将所得到的数据进行存储;
风力涡轮机的数学模型为:
‑1 ‑1 3 ‑1
λi =(λ+0.08β) ‑0.035(β+1) (3)式中,Pm是风力涡轮机输出的机械功率;Pv是风力涡轮机的输入功率,即气流通过扫琼面积时所具有的动能;CP是风能利用系数;λ是叶尖速比;β是桨距角;ρ是轮毂处的空气密度;R为风轮半径;λi是叶尖速比λ和桨距角β的函数;ω是风轮旋转角速度;vwind为轮毂处的风速;
双馈风力发电机的数学模型为:
Te=(e′qs/ws)iqs+(e′ds/ws)ids (9)Pe=e′qsiqs+e′dsids (10)Qs=vqsids‑vdsiqs=vqsids (11)式中,ids和jqs分别为d轴定子电流和q轴定子电流;vds和vqs分别为d轴定子外部电压和q轴定子外部电压;vdr和vqr分别表示d轴转子电压和q轴转子电压;e′ds和e′qs分别表示d轴和q轴的内部电压;wb表示基准电角速;ws表示同步角速度;wr表示转子角速度;Lm为互感;Te是发电机产生的电磁转矩;Pe是发电机的有功功率;Qs是无功功率;L′s是定子电感;R1、R2、Tr、Lrr
2 2
为中间量,R1=Rs+(Lm+Lrr) Rr,R2=(Lm/Lrr) Rr,Tr=Lrr/Rr,Lrr=1.005×1.01Lm,L′s=
1.01Lm;Rs表示定子电阻;Rr表示转子电阻;设置q轴为定子电压方向,d轴设置为与q轴垂直,则有vds=0;且vqs=vt,vqs的值为端电压幅值;
双馈风机中转轴系统的数学模型为:
Hm=Ht+Hg (12)
式中,Hm表示集中惯性常数;Ht是风力涡轮机的集中惯性常数;Hg是发电机的集中惯性常数;转轴系统中电磁动态方程如式(13)所示;wm是集中惯性系统的转速,其值等于发电机转速wr;D表示集中惯性系统阻尼,Tm表示机械转矩,且Tm=Pm/ωm;
两个适应度f1(x)和f2(x),f1(x)为在运行的时间内无功功率误差最小;f2(x)为在运行时间内转子转速误差最小;
步骤(iii):通过支配关系和拥挤距离确定每个控制器个体的局部最优值和全局最优值;
步骤(iv):采用高维多分数阶优化方法进行控制器个体的更新,重新调整控制器个体的位置;
用来重新调整控制器个体的位置的勘探控制器部分由以下部分构成:‑x
sign(·)=e (18)
式中,k是高维多分数阶优化算法的迭代次数;sign(·)为符号函数,用来进行解的范‑x围的搜索;e 为递减的指数函数; 是勘探控制器第j个信息的第i层分数阶的比例参数;
为勘探控制器第j个信息的第i层分数阶的阶次参数;εj,i和δj,i分别是勘探控制器更新策略的比例增益和分数阶阶次增益;
用来重新调整控制器个体的位置的开发控制器部分由以下部分构成:式中, 是开发控制器第j个信息的第i层分数阶的比例参数; 是开发控制器第j个信息的第i层分数阶的阶次参数;Tmil为计算机当前时间的毫秒值,Tmil∈[000,999);
Connect(·)是一个数值级联函数;
第a个控制器在第(k+1)次迭代时的自变量的值 为:式中, 是适应度函数值; 是分数阶积分函数; 是分数阶微分函数;
步骤(v):更新存储数据,存储非支配解,将支配解删除;
步骤(vi):更新局部最优解和全局最优解,判断是否满足迭代要求,若满足,则运行结束,输出双馈风机控制器的控制参数;如不满足则返回第(ii)步,继续进行迭代计算。