1. 分布式电源接入配电网的核心挑战
双馈感应发电机(DFIG)作为主流的风力发电技术,其接入配电网时会产生三个层面的影响:
-
电压波动问题:DFIG的功率输出随风速变化而波动,导致并网点电压幅值波动。实测数据显示,10MW风电场在阵风条件下可能引起±5%的电压偏差。
-
谐波污染:变流器开关操作产生的高频谐波(主要分布在2-7kHz范围)会劣化电能质量。某330kV风电场实测THD值可达3.8%,超出国标限值。
-
保护系统误动:传统过电流保护在分布式电源接入后可能出现保护区域重叠,导致非故障区段误跳闸。案例显示,当分布式电源渗透率超过30%时,误动作概率提升40%。
关键提示:进行仿真时需特别注意电网短路容量与分布式电源容量的比值(SCR),当SCR<20时系统稳定性显著下降。
2. DFIG建模的数学基础
2.1 坐标系转换原理
采用Park变换将三相静止坐标系(abc)转换为两相旋转坐标系(dq),变换矩阵为:
code复制[vd] [ cosθ cos(θ-2π/3) cos(θ+2π/3)] [va]
[vq] = [ -sinθ -sin(θ-2π/3) -sin(θ+2π/3)] [vb]
[v0] [ 1/√2 1/√2 1/√2 ] [vc]
其中θ为转子位置角,该变换将时变电感转换为常值参数,极大简化了方程求解。
2.2 关键动态方程
定子侧电压方程:
code复制vds = Rs·ids + dψds/dt - ωs·ψqs
vqs = Rs·iqs + dψqs/dt + ωs·ψds
转子侧电压方程(考虑变流器控制):
code复制vdr = Rr·idr + dψdr/dt - (ωs-ωr)·ψqr
vqr = Rr·iqr + dψqr/dt + (ωs-ωr)·ψdr
磁链方程中,ψds = Ls·ids + Lm·idr,体现定转子间的磁耦合效应。
3. Python实现要点
3.1 模型结构设计
python复制class DFIG:
def __init__(self):
self.params = {
'Rs': 0.01, # 定子电阻(pu)
'Rr': 0.015, # 转子电阻(pu)
'Ls': 3.5, # 定子漏感(pu)
'Lr': 3.6, # 转子漏感(pu)
'Lm': 3.4 # 互感(pu)
}
self.state = {'ids':0, 'iqs':0, 'idr':0, 'iqr':0} # 状态变量初始化
3.2 数值求解方法
采用四阶Runge-Kutta法求解微分方程组,时间步长Δt建议取1ms以下:
python复制def solve_rk4(self, vds, vqs, vdr, vqr, ωs, ωr, dt):
# 计算k1-k4系数
k1 = self._dfig_ode(vds, vqs, vdr, vqr, ωs, ωr)
k2 = self._dfig_ode(vds, vqs+0.5*dt*k1[1], ...)
# ...完整RK4步骤
self.state['ids'] += (k1[0]+2*k2[0]+2*k3[0]+k4[0])*dt/6
# 更新其他状态量
4. 并网仿真实践
4.1 典型测试场景配置
| 场景类型 | 风速变化 | 电网故障 | 控制目标 |
|---|---|---|---|
| 低电压穿越 | 阶梯上升 | 三相短路 | 维持并网 |
| 频率响应 | 随机波动 | 负荷突增 | 一次调频 |
| 谐波分析 | 恒定风速 | 背景谐波 | THD控制 |
4.2 控制策略实现
转子侧变流器采用矢量控制,核心PI调节器代码:
python复制class PIController:
def __init__(self, Kp, Ki):
self.Kp = Kp # 比例系数
self.Ki = Ki # 积分系数
self.integral = 0
def update(self, error, dt):
self.integral += error * dt
return self.Kp*error + self.Ki*self.integral
5. 实测问题排查指南
5.1 常见异常现象
-
发散振荡:通常因步长过大或PI参数不合理导致,可尝试:
- 将仿真步长从1ms降至0.1ms
- 按Ziegler-Nichols法重新整定PI参数
-
功率响应迟缓:检查转子电流限幅值是否过小,标准设定应为额定电流的1.2倍
5.2 精度验证方法
- 稳态工况下验证功率平衡:
code复制|Ps + Pr - Ploss| < 1e-3 (标幺值) - 对比商业软件(如PSCAD)的阶跃响应曲线,关键时间常数偏差应<5%
在完成10MW DFIG的72小时连续仿真后,发现采用自适应步长算法可提升计算效率约35%,但需注意在故障起始时刻强制采用固定小步长(0.01ms)以保证暂态过程捕捉精度。
