关键词:
风力发电机
永磁同步电机
无模型预测电流控制
一阶超局部模型
神经网络观测器
双矢量控制
摘要:
针对风电机组变桨系统永磁同步电机(PMSM)在复杂运行环境中参数时变引发的模型失配难题,提出了一种融合超局部建模、HBF神经网络观测器以及改进双矢量调制的PMSM无模型预测电流控制(HBF-MFPCC)方案。根据一阶超局部模型原理构建了PMSM无模型预测电流控制的预测模型,仅需使用电机的电流和电压等历史信息即可预测未来时刻的电流值,彻底摆脱对电机电阻、电感和磁链等参数的依赖,解决了传统模型预测电流控制(MPCC)依赖于精确电机参数的问题;设计了一种HBF神经网络观测器来对预测模型的集总误差进行快速辨识,采用决策树优化基函数中心与宽度,该观测器具有较高的辨识速度和适应性,能够有效提高预测模型的准确度;采用一种改进的双矢量最优占空比调制策略,从19组电压矢量组合中选择最优矢量作用于逆变器,并通过自适应时长分配抑制电流纹波,提高电流的跟踪性能。仿真和实验结果表明,在模拟极端参数失配的工况下,提出的HBF-MFPCC策略相比MPCC策略能够使电流跟踪误差降低50%,谐波失真率降低28%;设计的HBF神经网络观测器能够使电流跟踪误差降低53%,谐波失真率降低55%;改进双矢量调制方法能够使电流跟踪误差降低24%,谐波失真率降低11%;该方案能够显著提高系统的鲁棒性且保证良好的电流跟踪性能。