永磁直驱风电系统ADRC控制优化实践

1. 项目概述

永磁直驱风力发电系统作为当前风电领域的主流技术路线之一，其控制性能直接决定了发电效率和电网稳定性。这个项目聚焦于两个核心环节——机侧变流器和网侧变流器的协同优化，并创新性地引入自抗扰控制（ADRC）技术来提升系统整体性能。

在实际风场运行中，我们常遇到三个典型问题：风速突变导致机械转矩波动、电网电压跌落时无功支撑不足、以及传统PI控制器参数整定困难。ADRC技术的优势在于其不依赖于精确数学模型，通过实时估计和补偿内外扰动，显著提升了系统的鲁棒性。我在新疆某风电场调试时就曾遇到这样的情况：当风速在3秒内从8m/s骤增至12m/s时，采用传统矢量控制的机组出现了明显的直流母线电压波动（波动幅度达±50V），而采用ADRC方案的机组电压波动控制在±15V以内。

2. 系统架构与核心挑战

2.1 永磁直驱系统典型结构

典型永磁直驱系统包含以下关键组件：

• 永磁同步发电机（PMSG）
• 机侧变流器（Machine-side Converter）
• 网侧变流器（Grid-side Converter）
• 直流母线电容
• LCL滤波电路

其中，机侧变流器负责最大风能追踪（MPPT）和发电机转矩控制，网侧变流器则要维持直流母线电压稳定并实现单位功率因数并网。这两个变流器通过直流母线耦合，存在强耦合关系——机侧功率波动会直接影响网侧性能，反之亦然。

2.2 传统控制方案的局限性

常规PI控制存在三个主要缺陷：

1. 参数整定依赖精确模型：实际机组参数会随温度、老化等变化
2. 抗扰动能力弱：需要针对不同风速段单独整定参数
3. 动态响应慢：阶跃响应超调量通常超过15%

下表对比了传统PI与ADRC的关键性能指标：

3. 自抗扰控制实现方案

3.1 ADRC核心算法解析

ADRC由三部分组成：

1. 跟踪微分器（TD）：安排过渡过程

   matlab复制% 二阶TD离散实现
   function [x1,x2] = TD(v, h, r)
       persistent x1_prev x2_prev
       if isempty(x1_prev)
           x1_prev = 0; x2_prev = 0;
       end
       fh = fhan(x1_prev - v, x2_prev, r, h);
       x1 = x1_prev + h * x2_prev;
       x2 = x2_prev + h * fh;
       x1_prev = x1; x2_prev = x2;
   end
   

2. 扩张状态观测器（ESO）：实时估计总扰动

   matlab复制% 三阶ESO实现
   function [z1,z2,z3] = ESO(y, u, h, beta1, beta2, beta3)
       persistent z1_prev z2_prev z3_prev
       if isempty(z1_prev)
           z1_prev = 0; z2_prev = 0; z3_prev = 0;
       end
       e = z1_prev - y;
       z1 = z1_prev + h*(z2_prev - beta1*e);
       z2 = z2_prev + h*(z3_prev - beta2*e + u);
       z3 = z3_prev + h*(-beta3*e);
       z1_prev = z1; z2_prev = z2; z3_prev = z3;
   end
   

3. 非线性状态误差反馈（NLSEF）：生成控制量

3.2 机侧变流器控制策略

机侧ADRC控制器设计要点：

1. 将发电机电磁转矩作为被控量
2. 将风速波动、转动惯量变化等视为总扰动
3. 带宽参数ω_c取值为20-50rad/s（根据机组容量调整）

关键参数整定经验：

• 大型机组（>3MW）：TD参数r取200-300，h=0.001
• 中型机组：r取100-200，h=0.002
• ESO参数β1=3ω_o, β2=3ω_o², β3=ω_o³（ω_o取5-10倍ω_c）

调试技巧：先固定ω_o=5ω_c进行初步整定，再微调β3改善扰动抑制效果

3.3 网侧变流器控制策略

网侧控制采用双闭环结构：

• 外环：ADRC电压环（控制直流母线电压）
• 内环：ADRC电流环（控制d/q轴电流）

特殊处理：

1. 电网电压前馈补偿
2. LCL谐振抑制（在ESO中增加谐振频率观测）
3. 不对称电网下的序分量分离

实测数据表明，在电网电压跌落30%时，采用ADRC的网侧变流器可在20ms内恢复正常工作状态，而PI控制需要80-100ms。

4. 协同优化策略

4.1 功率平衡协调机制

设计功率平衡因子α：

code复制P_mppt = α*P_opt + (1-α)*P_limit

其中：

• P_opt：理论最大功率点功率
• P_limit：网侧最大传输能力

动态调整策略：

1. 当直流电压>1.05U_dc_ref时：α每100ms减小0.01
2. 当直流电压<0.95U_dc_ref时：α每100ms增加0.02
3. 正常范围：α=1

4.2 动态参数耦合方法

建立机侧与网侧控制器的参数关联矩阵：

code复制[ω_c_GSC]   [1.2   0.6] [ω_c_MSC]
[ω_o_GSC] = [0.8   1.4] [ω_o_MSC]

这种耦合方式使得当机侧带宽提升时，网侧会相应调整观测器带宽，保持系统动态平衡。

5. 风速建模与验证

5.1 四分量风速模型

完整风速模型包含：

1. 基本风（Weibull分布）

   matlab复制V_base = A*(1-exp(-(t/B)^C))
   

2. 渐变风（斜坡函数）
3. 阵风（Gaussian脉冲）
4. 湍流（Kaimal谱）

   matlab复制S(f) = 4σ^2*L/V / (1+6fL/V)^(5/3)
   

5.2 模型参数辨识

采用改进的粒子群算法（PSO）进行参数辨识：

1. 初始化粒子群（种群大小50-100）
2. 适应度函数取实际功率与模型功率的RMSE
3. 引入自适应惯性权重：

   matlab复制w = w_max - (w_max-w_min)*(k/k_max)^2
   

在某2.5MW机组上的验证结果显示，该模型预测误差<3%，优于传统的ARMA模型（误差约8%）。

6. 实验验证与性能分析

6.1 测试平台搭建

硬件配置：

• RT-Lab OP5600实时仿真器
• 2MW PMSG数字孪生模型
• 三电平NPC变流器硬件在环

测试场景：

1. 阶跃风速（8m/s→12m/s）
2. 湍流风速（平均10m/s，湍流强度15%）
3. 电网电压跌落（0.7pu持续500ms）

6.2 关键性能指标对比

7. 工程实施经验

7.1 参数整定步骤

1. 先整定TD参数：从r=50开始，逐步增加至阶跃响应无超调
2. 再整定ESO：先设β1=3ω_o，观察扰动估计效果
3. 最后调整NLSEF：优先保证动态性能，再优化稳态精度

现场调试发现：当机组运行温度升高20℃时，ADRC仍能保持稳定，而PI控制需要重新整定参数。

7.2 常见问题排查

1. 观测器发散现象：

   • 检查采样周期是否过大（应<50μs）
   • 降低ESO带宽ω_o 20%-30%

2. 高频振荡问题：

   • 在控制量输出端增加一阶低通滤波器
   • 截止频率设为开关频率的1/5-1/10

3. 抗饱和处理：

   matlab复制if u > umax
       u = umax;
       z3 = z3 - k*(u - umax);  % k=0.1-0.3
   end
   

8. 未来优化方向

1. 结合深度学习算法在线调整ADRC参数
2. 开发基于FPGA的硬件ADRC控制器（延迟<5μs）
3. 研究海上风电特殊工况下的ADRC改进方案

在实际项目中，我们通过在张家口风电场6个月的运行测试，验证了该方案可使年发电量提升3.5-4.2%，同时减少变流器热损耗15%以上。特别是在冬季低温环境下（-25℃），ADRC表现出比PI控制更好的参数适应性。