船舶电力系统中同步发电机的实测建模

赵顺利，陈红涛，梁春芳，朱铁林，杨智勇

(91515部队，海南三亚 572016)

船舶电力系统中同步发电机的实测建模

赵顺利，陈红涛，梁春芳，朱铁林，杨智勇

(91515部队，海南三亚 572016)

本文分析了船舶电力系统中同步发电机的派克模型和实用模型，提出了运用最小二乘法和人工鱼群智能算法混合算法辨识同步发电机参数的方法，并进行了仿真实验，验证了该方法的正确性和高效性。利用实验平台，对柴油发电机组中同步发电机通过特定实验测试和参数辨识处理，建立了符合实际运行状况的同步发电机模型。

同步发电机 最小二乘法 人工鱼群智能算法 参数辨识

0 引言

同步发电机是船舶电力系统的核心设备，为整个船舶电力系统提供电能。在船舶电力系统的稳定性等研究方面，往往需要不同尺度的同步发电机的数学模型来支持研究；同步发电机模型建立的精准程度，又常常影响着仿真分析、控制管理等工作的准确程度[1-2]。

本文运用最小二乘法和人工鱼群智能算法混合算法对同步发电机参数进行了仿真辨识，建立了符合实际运行状况的同步发电机模型。

1 同步发电机的派克（Park）模型方程

1.1 dq0坐标系下的派克（Park）模型方程

在同步发电机dq0坐标系统下，d轴与转子磁场方向一致，q轴超前d轴90°电角度。在dq0坐标系统里，电机电路方程中的参数转化为常数，方程变得简单，计算简单，因此，在电力系统分析与计算中有很广泛的应用[3]。

4）采用adx标幺值系统。

经过详细的数学推导得知，同步发电机的电压方程为：

磁链方程为：

式中各参数的意义具体参考文献[3]。

在dq0坐标系下，电感参数是不变的（转化为常数），而且d、q、0三轴之间互相存在解耦关系，因此派克变换和同步发电机派克方程在电力系统分析计算中得到了广泛应用。

2 同步发电机的实用模型

为了理论研究方便，计算简单，通常将派克方程中的转子变量(如fDQi、fDQψ和fu)计算折合到定子侧，用实用物理量表示，以便更好的在定子侧进行分析和测量，这样就推导出同步发电机的实用模型，详细推导过程见文献[3]。实用模型将动态过程分解为稳态、瞬态和超瞬态过程，对应这些过程的参数(如和等)，称为实用参数，这些参数主要用来反映电机动态过程中的本质规律。

忽略q轴g绕组的瞬变效应，只计及f、D和Q绕组的电磁暂态。同步发电机五阶实用模型既计及了许多实际因素，有适中的计算量，有明确的物理概念，因而应用比较广泛。在同步发电机测试和参数辨识中，许多文献都以五阶实用模型作为研究对象，本文也将采用五阶实用模型作为参数辨识研究的对象。

d轴电气模型：

q轴电气模型：

在同步发电机参数辨识中，需要求解微分方程，那么就需要知道状态量的初始值，而暂态电势次暂态电势等很难直接测量获取，因此在辨识过程中，经常运用增量方程，每个增量的初始值就为0。

d轴增量方程为：

q轴增量方程：

3 同步发电机参数辨识算法研究

3.1 参数可辨识性分析和算法研究

文献[8]提出了基于可观测量的同步发电机参数的时域辨识方法，运用最小二乘法对同步发电机派克（Park）模型参数进行辨识，并进行了仿真实验，证明了该方法的有效性和准确性。文献[9]运用人工鱼群智能算法对同步发电机实用模型参数进行了辨识，并进行了仿真实验，验证了此方法的正确性。

如果利用最小二乘法辨识同步发电机的稳态参数，计算出同步发电机派克模型的稳态参数ar、，把稳态参数作为已知量，根据同步发电机派克模型和实用模型参数转换公式可以计算出同步发电机实用模型的参数dX、qX、K。在人工鱼群智能算法中，把参数dX、qX、K作为已知量，同步发电机五阶实用模型d轴需要辨识的参数由6个减少为4个，q轴需要辨识的参数由3个减少为2个，再利用人工鱼群智能算法辨识剩余的暂态参数，这样可以减少需要辨识的参数，提高了参数辨识的精度，有助于提高参数辨识的速度。

3.2 仿真实验

根据文献[12]，利用MATLAB/Simulink软件搭建同步发电机单机无穷大系统仿真模型，搭建仿真模型，仿真系统中同步发电机的基本参数设定为S=50 MVA，额定电压V=10.5 kV，额定频率

在仿真系统中，采用输入机械功率突变作为扰动方式，建立发电机的动态过程，在t=4 s时，发电机的输入机械功率由0.8降为0.6，对系统进行仿真实验，可以测量得到同步发电机端口电压、电流以及励磁电压、电流、功角的变化，数据采样时间间隔是0.001 s。

同步发电机五阶实用模型d、q轴电流实测曲线和辨识参数得到的电流曲线结果如图1和图2所示。

从同步发电机参数仿真实验结果可以得知，最小二乘法和人工鱼群智能算法混合算法辨识同步发电机参数，在稳态和暂态参数辨识上都能取得比较的好效果，辨识效率高，说明这种方法是有正确有效的，且效果好于单独利用最小二乘法和人工鱼群智能算法辨识同步发电机参数的方法。

图1 同步发电机d轴电流曲线

图2 同步发电机q轴电流曲线

4 同步发电机实测建模实验

4.1 实验系统搭建

船舶综合电力推进最小模拟实验平台包括柴油机、三相同步发电机组、变频控制柜、异步电动机以及磁阻负载器。实测建模实验中，需要搭建实时数据采集控制平台，这里使用AppSIM实时系统以及相关的传感器进行数据采集。

4.2 实测建模实验方案

做实验时，首先启动AppSIM实时系统，系统正常工作以后，然后启动柴油发电机组，并确认机组是处在正常运行状态。在机组正常运行十分钟后，给机组加静负载，功率为9 kW。在柴油发电机组带负载运行15 min后，进行抛负载操作，把8 kW静负载完全抛去，此时柴油发电机组的负载为1 kW，用AppSIM实时系统采集负载抛载前30 s至抛载后30 s的数据，并进行数据储存。停止柴油发电机组，切断各数据采集模块的电源，实验结束。

4.3 数据处理

利用实验所采集的数据，采用MATLAB/ Simulink软件对数据进行滤波处理，并进行dq0坐标转换和标幺化处理，最后进行同步发电机参数辨识，建立同步发电机模型。

1）实测数据

在实验中，通过AppSIM实时系统采集的同步发电机三相电压、三相电流、励磁电压、励磁电流和转子机械角度的原始数据，情况如下。

实验中采集的同步发电机三相电压和三相电流数据如图3、4所示。

图3 ABC三相电压局部值

图4 ABC三相电流局部值

实验中采集的同步发电机励磁电压、励磁电流数据和转子机械角度值如图5、6、7所示。

2）数据处理

实测数据进行滤波处理、坐标转换和标幺化[3]处理以后，得到的数据情况如图8～13所示。

图5 励磁绕组电压局部值

图6 励磁绕组电流局部值

图7 转子机械角度局部值

图8 电压ud标幺值

图9 电压uq标幺值

图10 电流id标幺值

图11 电流iq标幺值

图12 励磁绕组电压标幺值

图13 励磁绕组电流标幺值

3）参数辨识

利用经过处理后的标幺值，运用最小二乘法和人工鱼群智能算法混合算法，对同步发电机五阶实用模型进行参数辨识，得到的参数如表1和表2所示。

表1 d轴参数辨识结果

表2 d轴参数辨识结果

电流曲线拟合结果如图14、图15所示。

图14 同步发电机d轴电流曲线

图 15 同步发电机q轴电流曲线

通过分析参数辨识结果，总体上能辨识出同步发电机的参数，能建立适合实际运行状态的同步发电机模型，从实测数据发现，有很强的噪声信号，对实测的数据会造成很大的干扰，在数据进行滤波处理的过程中，会造成相位的延迟，造成了暂态参数辨识的结果误差比较大，效果相对差了些。

5 结语

本文以船舶综合全电力推进最小实验系统中的同步发电机为实测对象，完成了动态数据采集、数据滤波降噪处理和基于混合辨识算法的实物测试建模，并通过物理实验结果，证明了所提动态数据获取实验法和辨识算法的有效性，建立了符合实际运行状况的同步发电机实用模型，为系统的仿真分析和控制管理提供了依据。

[1] 罗成汉. 船舶电力推进模拟平台的研究. 武汉理工大学博士学位论文, 2013.

[2] 高海波, 陈辉, 林治国. 基于Saber的船舶电力推进系统的建模及仿真. 船舶工程, 2013, 35(4)： 59-62.

[3] 倪以信, 陈寿孙, 张宝霖. 动态电力系统理论和方法. 北京： 清华大学出版社, 2000.

[4] 王川. 负荷冲击型大扰动下船舶综合电网暂态电压稳定性研究. 大连海事大学博士学位论文, 2012：3-6.

[5] 沈善德. 电力系统辨识. 北京： 清华大学出版社, 1993： 23-25．

[6] 鞠平. 电力系统非线性辨识. 南京： 河海大学出版社, 1999.

[7] 庞中华, 崔红. 系统辨识与自适应控制MATLAB仿真. 北京： 北京航空航天大学出版社, 2009： 52.

[8] 冯树辉. 基于同步发电机参数辨识的最优励磁控制系统设计与仿真研究. 重庆大学硕士学位论文, 2012．

[9] 黄其新. 基于功角测量的同步发电机参数辨识方法与应用研究. 南京： 河海大学硕士学位论文, 2007.

[10] 孙黎霞, 鞠平等. 基于PARK模型的同步发电机参数辨识[J]. 中国电机工程学报, 2009, 29（19）：50-56.

[11] 李晓磊, 薛云灿, 路飞, 田国会.基于人工鱼群算法的参数估计方法. 山东大学学报, 2004, 34(3)：84-87.

[12] 王晶. 电力系统的 MATLAB/SIMULINK 仿真与应用[M]. 西安： 西安电子科技大学出版社, 2008.

[13] 黄淼. 基于抛载试验和在线时域测试的同步发电机参数辨识新方法. 重庆大学博士学位论文, 2011.

[14] Wamkeue R, Jolette C, Kairous D. Estimation of synchronous generator parameters from load rejection analytical responses [C]. 2010 9th International Conference on Environment and Electrical Engineering, Prague, Czech Republic, IEEE, 2010：392-395.

[15] Ahmadi, R, Behjati, HFerdowsi, MB . Dynamic modeling and stability analysis of an experimental test Bench for electric-ship propulsion. IEEE, 2013：110-115.

Data Modeling of Synchronous Generator in Marine Power System

Zhao Shunli, Chen Hongtao, Liang Chunfang, Zhu Tielin, Yang Zhiyong
（Unit 91515, Sanya 572016, Hainan, China）

In this paper, the synchronous generator of the park's model and practical model is analyzed. By using the method of least square method and artificial fish intelligence algorithm, the algorithm to identify synchronous generator parameters is proposed. Simulation results validate the correctness and efficiency of this method. By using the experimental platform, the synchronous generator in the diesel generator set is tested and the parameters identification is processed, and the model of the synchronous generator is established.

synchronous generator; least square method; artificial fish intelligence algorithm; parameters identification

TP311.5

A

1003-4862（2016）12-0053-05

2016-05-18

赵顺利(1981-)，男，工程硕士。专业方向：电力系统及自动化。