1.基于粒子群算法的事件触发滑模观测器的双馈风力发电机故障检测方法,包括如下步骤:步骤一:构建双馈风力发电机的转子电流滑模观测器;
步骤二:引入粒子群算法,对构建滑模观测器的参数进行寻优;
步骤三:引入事件触发控制机制,对构建的滑模观测器进行控制;
步骤四:通过将双馈风力发电机无故障状态下转子电流输出值与滑模观测值作差,得到双馈风力发电机无扰动工作状态下的最大跟踪残差值;
步骤五:引入转子电流传感器故障,利用转子电流输出值与滑模观测值的残差与无故障状态下的最大跟踪残差值比较,从而实现双馈风力发电机的故障检测;
步骤六:引入电网电压跌落故障,利用转子电流输出值与滑模观测值的残差与无故障状态下的最大跟踪残差值比较,从而实现双馈风力发电机的故障检测;
步骤七:引入定子匝间短路故障,利用转子电流输出值与滑模观测值的残差与无故障状态下的最大跟踪残差值比较,从而实现双馈风力发电机的故障检测;
其中,所述步骤一滑模观测器的表达式为:
根据双馈风力发电机的转子电流状态空间方程,搭建转子电流的滑模观测器,引入滑模趋近率系统的转子电压方程为:
系统的定子电压方程:
系统的磁链方程:
式中,u
其中
考虑转子电流的状态方程,其状态方程为:
其中i
本发明忽略定子电阻,则其定子磁链定向和定子电压定向,二者没有区别,忽略定子电阻,采用电压和磁链定向后满足的方程为:ψ
建立定子电流项与转子电流项之间的关系为:式中ψ
根据转子电流状态方程构建滑模观测器模型:其中
设计转子电流滑模观测器的趋近率:
结合滑模变结构控制理论,设计滑模控制律
将滑模控制律代入转子电流滑模观测器模型中,便可以得到基于趋近率的滑模观测器:其中,所述步骤二中粒子群算法的适应度函数表达式为:C
2.根据权利要求1所述的基于粒子群算法的事件触发滑模观测器的双馈风力发电机的故障检测方法,其特征在于,所述步骤三中事件触发控制的判断条件的表达式为:t
其中A和c是双馈风力发电机状态方程中的参数,e(t)是t时刻的跟踪误差,引入事件触发控制机制,设计事件触发判断条件,将事件触发控制的原理与滑模观测器结合起来,在保证系统稳定控制效果的同时减少计算单元与执行单元之间的通信,同时削弱滑模观测器的抖振。
3.根据权利要求1所述的基于粒子群算法的事件触发滑模观测器的双馈风力发电机的故障检测方法,其特征在于,所述步骤四中通过将转子电流输出值i
4.根据权利要求1所述的基于粒子群算法的事件触发滑模观测器的双馈风力发电机的故障检测方法,其特征在于,所述步骤五中在双馈风力发电机的任意时间段发生转子电流传感器故障,通过把故障状态下的转子电流输出值与基于粒子群算法的事件触发滑模观测值作差,用所得到的残差Δ与无扰动工作状态下的最大跟踪残差值Δ观测双馈风力发电机的转子电流输出值,在任意时刻的转子电流传感器中加入故障值
5.根据权利要求1所述的基于粒子群算法的事件触发滑模观测器的双馈风力发电机的故障检测方法,其特征在于,所述步骤六中在双馈风力发电机的任意时间段发生电压跌落故障,通过把故障状态下的转子电流输出值与基于粒子群算法的事件触发滑模观测值作差,用所得到的残差Δ与无扰动工作状态下的最大跟踪残差值Δ建立双馈风力发电机的电网电压跌落故障为
6.根据权利要求1所述的基于粒子群算法的事件触发滑模观测器的双馈风力发电机的故障检测方法,其特征在于,所述步骤七中在双馈风力发电机的任意时间段发生定子匝间短路故障,通过把故障状态下的转子电流输出值与基于粒子群算法的事件触发滑模观测值作差,用所得到的残差Δ与无扰动工作状态下的最大跟踪残差值Δ设双馈风力发电机发生定子匝间故障时定子电阻变化量为