風(fēng)力發(fā)電機的功率解耦計算

2024年3月29日發(fā)(作者：人物生涯訪談報告)

新能源

New Energy

風(fēng)力發(fā)電機的功率解耦計算

內(nèi)蒙古龍源蒙東新能源有限公司 于重陽

摘要：介紹一種雙饋變流器的有功無功解耦算法，主要闡述定子功率與轉(zhuǎn)子電流間的運算關(guān)系，并通過實驗

數(shù)據(jù)對計算進行驗證。

關(guān)鍵詞：雙饋發(fā)電機；風(fēng)電機組；變流器

基金項目：國家能源投資集團科技項目

雙

關(guān)系。

饋發(fā)電機為當前風(fēng)力發(fā)電機組的大部

件之一，變流器經(jīng)過矢量計算調(diào)節(jié)發(fā)

電機轉(zhuǎn)子電流，使得機組能夠變速恒

頻運行。雙饋變流器僅參與整機的

出功率，η為機組效率。

根據(jù)機組發(fā)電機轉(zhuǎn)速，可通過機械功率求得定

子功率指令值（假設(shè)機組未主動限制功率或轉(zhuǎn)矩）：

P

s

=

1

P，式中P

s

為定子有功功率，s為轉(zhuǎn)差

1-s

mec

20%功率控制即可實現(xiàn)整機的有功、無功平滑調(diào)節(jié)，

其主要原理源于雙饋發(fā)電機的解耦計算。本文主要

對雙饋發(fā)電機的功率解耦計算進行闡述，講述雙饋

發(fā)電機定子有功、定子無功與轉(zhuǎn)子dq軸電流之間的

率；可求得：I

sd

=P

s

/3U

s

，I

sq

=Q

s

/3U

s

，式中I

sd

為

定子d軸電流，I

sq

為定子q軸電流，U

s

為定子電壓，

Q

s

為定子無功功率（一般只要抵消掉機組其他輸出

無功即可，整機輸出無功為0）。

根據(jù)d軸電流和磁鏈關(guān)系可得

[1]

：I

sd

(L

os

+L

m

)

=I

rd

×L

m

，式中L

os

為發(fā)電機定子漏感，L

m

為發(fā)電

機互感電感。即：I

rd

=I

sd

X

os

+X

m

L

os

+L

m

=I

sd

，式

L

m

X

m

1 雙饋發(fā)電機單相穩(wěn)態(tài)等效電路圖

在雙饋發(fā)電機單相穩(wěn)態(tài)等效電路圖中，I

s

為定

子電流，R

s

為定子電阻，jω

s

L

os

為定子漏抗，U

s

為

定子相電壓，E

s

為定子的感應(yīng)電動勢，I

m

為虛擬勵

磁電流。I

r

為折算到定子側(cè)的轉(zhuǎn)子電流，R

r

/s為折

算到定子側(cè)的轉(zhuǎn)子電阻，jω

s

L

σγ

為折算到定子側(cè)的

轉(zhuǎn)子漏抗，U

r

/s為折算到定子側(cè)的轉(zhuǎn)子相電壓。

中X

os

為發(fā)電機定子漏抗，X

m

為發(fā)電機互感電抗。

根據(jù)q軸電流和磁鏈關(guān)系可得：I

sq

(L

os

+L

m

)

=I

rq

×L

m

=ψ

s

≈I

m

×L

m

，式中ψ

s

為定子磁鏈，I

m

為互

感電流。即：I

rq

=

≈

U

s

-I

sq

(X

os

+X

m

)

X

m

I

m

×L

m

-I

rq

(L

os

+L

m

)

L

m

=

I

m

×X

m

-I

rq

(X

os

+X

m

)

X

m

2 計算過程

可以通過機組的總輸出功率求得機組的機械功

率：P

mec

=P/η，式中P

mec

為機械功率，P為機組輸

。

綜上可得：

Q

X

os

+X

m

U

s

-

s

×(X

os

+X

m

)

P

s

3U

s

I

rd

=

3U

×；I

rq

=

s

X

m

X

m

因此轉(zhuǎn)子dq軸電流與定子有功、無功之間

存在上述等式關(guān)系。在雙饋變流器中輸入發(fā)電機

參數(shù)X

m

、X

σs

等，變流器即可根據(jù)上述等式，通

過控制轉(zhuǎn)子dq軸電流達到控制定子有功無功的

圖1 單相穩(wěn)態(tài)等效電路

目的。

118 EPEM 2021.2

3 實驗數(shù)據(jù)及計算結(jié)果對比

根據(jù)轉(zhuǎn)子I

rd

及I

rq

可以求得轉(zhuǎn)子模型電流

I

’

r

=；轉(zhuǎn)子實際電流為I

r

=I

r

×u≈I

r

×(N

s

/

N

r

)，式中N

s

為發(fā)電機定子繞組匝數(shù)，N

r

為發(fā)電機

轉(zhuǎn)子繞組匝數(shù)，u為發(fā)電機靜態(tài)變比。

已知某發(fā)電機型號為永濟1.5MW-YJ93A，電

機參數(shù)：X

m

=1.5642Ω,X

σs

=0.02754Ω。對該發(fā)電

機進行工作特性實驗，實驗數(shù)據(jù)如表1。通過上述推

導(dǎo)公式，計算結(jié)果如表2。由表1及表2可知，計算結(jié)

果與實驗測試結(jié)果基本一致。

表1 工作特性實驗數(shù)據(jù)

總功率轉(zhuǎn)速定子電流定子電壓轉(zhuǎn)子電流I

r

（kW）

系數(shù)

（rpm）（A）（V）（A）

4230.9911

4790.9990

6370.9913

7280.9914

9930.9916

8510.9915

12200.9912

15220.9918

表2 推導(dǎo)計算結(jié)果

P

s

Q

s

I

sd

I

sq

I

rd

I

rq

轉(zhuǎn)子電流

（kW）（kVar）（A）（A）（A）（A）I

r

（A）

581.0 137.3 487.6 115.2 496.2 136.7 176.8

608.8 127.6 510.9 107.1 519.9 145.0 185.5

742.4 118.9 622.1 99.6 633.0 152.9 223.8

787.8 136.3 659.2 114.1 670.8 138.6 235.4

857.8 106.0 711.6 88.0 724.1 167.4 255.4

936.2 263.9 790.2 222.7 804.1 25.8 276.5

1088.5 181.2 892.7 148.6 908.4 108.6 314.4

1281.0 217.6 1065.7 181.1 1084.5 71.9 373.5

4 拓展應(yīng)用

目前雙饋風(fēng)力發(fā)電機組廣泛用于風(fēng)力發(fā)電領(lǐng)域，

但是雙饋風(fēng)力發(fā)電機組在實際使用時，發(fā)電機和變

流器會經(jīng)常發(fā)生故障，兩者故障率較高。又由于發(fā)

電機和變流器緊密聯(lián)系在一起，兩者的故障現(xiàn)象一

致，因此雙饋風(fēng)力發(fā)電機組會發(fā)出同一個故障信號

來表示發(fā)電機和變流器故障。但是在后期的維修過

程中，維修工人無法判斷是發(fā)電機出現(xiàn)故障還是變

流器出現(xiàn)故障，故障原因很難劃分。

對上述發(fā)電機還是變流器出現(xiàn)故障，目前主要

是在靜態(tài)環(huán)境下（即在停機狀態(tài)下）通過絕緣搖表

或者直阻測試儀對發(fā)電機進行電阻檢測，但是此種

新能源

New Energy

檢測在靜態(tài)的時候檢測是正常的，但是當發(fā)電機轉(zhuǎn)

動起來雙饋風(fēng)力發(fā)電機組還是會發(fā)出故障信號，此

種靜態(tài)的檢測對發(fā)電機還是變流器出現(xiàn)故障容易判

斷錯誤，實際錯誤故障不容易暴露，因此無法準確

判斷是發(fā)電機故障還是變流器故障。

通過該計算方法，現(xiàn)場人員可以通過粗略計算

來判斷風(fēng)電機組雙饋發(fā)電機或雙饋變流器的故障。

工作過程中，若變流器檢測轉(zhuǎn)子電流值與計算值出

現(xiàn)明顯偏差，說明雙饋發(fā)電機勵磁特性出現(xiàn)變化，

從某種角度上指明發(fā)電機已經(jīng)出現(xiàn)了內(nèi)部故障，故

障形式通常為繞組匝間短路、絕緣擊穿等。

參考文獻

[1]Gonzalo Fed Induction

Machine:Modeling and Control for Wind Energy

Generaton.2014,5.

（上接114頁）

場實測的數(shù)據(jù)驗證的該模型的正確性與適用性。

參考文獻

[1]X L An,D X Jiang,S H Li and J

diagnosis of direct-drive wind turbine bad on

support vector machine[J].Journal of physics

conference ries,2011,1.

[2] and .“Using SCADA Data Fusion by

Swarm Intelligence for Wind Turbine Condition

Monitoring”2013 Fourth Global Congress on

Intelligent Systems,Hong Kong,2013.

[3],, .“Fault Diagnosis

for Large-Scale IP Networks Bad on Dynamic

Bayesian Model”2009 Fifth International

Conference on Natural Computation,Tianjin,2009.

[4]韓文虹,高淑婷.SOM離散化和IGA優(yōu)化神經(jīng)網(wǎng)

絡(luò)傳感器故障診斷[J].中國測試,2014,5.

[5]梁瀟,王海峰,等. 基于貝葉斯網(wǎng)絡(luò)的列控車載

設(shè)備故障診斷方法[J]. 鐵道學(xué)報,2017,39(08):93-

100.

[6]劉浩然,丁攀,等.基于貝葉斯算法的中文垃圾郵

件過濾系統(tǒng)研究[J].通信學(xué)報,2018,12.

[7]徐源音,柴玉梅,等.基于OCC模型和貝葉斯網(wǎng)

絡(luò)的情緒句分類方法[J].計算機科學(xué),2020,3.

2021.2 EPEM 119