定子双绕组风力感应发电机优化设计方法.docVIP

定子双绕组风力感应发电机优化设计方法 第35卷第3期2015年3月 电力自动化设备 ElectricPowerAutomationEquipment Vol. 35No. 3Mar.2O15 韩 力1,罗张尧1，2，金 刹3，袁 春3,卢 彬1，潘小兵3 （1.重庆大学输配电装备及系统安全与新技术国家重点实验室，重庆 400044； 2.国家电网重庆市电力公司万州供电分公司，重庆404000; 3.重庆通 信学院军用特种电源军队重点实验室，重庆400035） 结合定子双绕组感应发电机（DWIG）在风力发电场合的运行特 点，建立了风力DWIG的优化设计模型，提出了相应的优化目标、优化变 量及约朿条件。针对粒子群优化算法早熟收敛的问题，提出了一种具有向 成功和失败双重学习能力的遗传-粒子群综合算法（GPSMA）。在此基础上， 分别以转速范围内的控制绕组电流及额定效率为优化冃标，利用GPSMA 对一台18.5kW的DWIG进行了优化设计，并对2套优化方案进行了分析。 结果表明，优化之后的样机的控制绕组电流最大值下降了 62.7%或额定效 率提高了 0.94%,说明GPSMA有助于 DWIG优化设计。 关键词：感应发电机；定子双绕组感应发电机；风电；遗传一粒子群 综合算法；发电机；设计；优化 TM315； 0224 : ADOI： 10.16081 / j.issn.1006-6047.2015.03.006 0引言 定子双绕组感应发电机 DWIG (Dualstator-WindinglnductionGenerator) 是一种励磁无功连续可调的新型交流电机，它不仅继承了笼型转子感应电 机结构简单、运行可靠、维护方便等优点，而且克服了传统感应发电系统 电力电子装置容量和体积大、谐波成分大等缺陷，在独立电源和风力发电 领域具有广阔应用前景［1-3］0 目前，DWIG在电磁设计及无功功率容量优化方面已取得了一定的研 究成果［4-7］。励磁变换器容量对风力DWIG系统成本和体积有重要影响， 而控制绕组电流在发电机变速运行过程中的最大值反映了励磁变换器的 容量［4］。为此，文献［4-5］通过励磁电容的优化选取，实现控制绕组电 流在整个变速范围内的最大值最小，以达到励磁变换器容量最小化的目的 但研究是在电机木体参数固定不变的情况下进行的。然而，对DWIG电机 本体参数和励磁电容进行一体优化的文献还不多见。文献［6］和［7］分 别采用粒子群优化PSO (ParticleSwarmOptimization)算法和改进的遗传算 法GA (GeneticAlgorithm),对应用于独立电源系统的DWIG进行了优化设 计，但该研宄主要针对额定转速及以上且输出功率保持恒定的工况进行的 未讨论额定转速以下的工况。此外，文献［6］中的PSO算法具有容易早 熟收敛的缺点，文献［7］从自身参数调整的角度出发进行GA改进，这不 能较大程度地改变GA收敛速度慢的缺点；其次， 收稿 F1 期：2014-05-20；修回日期：2015-01-14 基金项目：军用特种电源军队重点实验室开放课题资助项目 (MSPS2013-01) 文献［6］、［7］的优化变量个数分别仅有7个和9个，相对较少。因 此，有必要针对风力DWIG进一步开展电机木体参数和励磁电容一体优化 的研究。 随着优化技术的发展，PSO算法以其概念简单、收敛速度快、易于编 程等特点在电机优化设计屮应用广泛。然而，该算法存在早熟收敛的问题， 尤其在复杂多峰问题中表现较为明显［8］。在对PSO算法进行的各种改进 中，混合算法成为改进研究中很重要的一个分支，具有较高的研究价值和 较好的应用前景［9］。与此同时，近年来基于Memetic思想的算法研究成 为进化计算的一个研究热点［10］，它体现了一种更为广义的混合优化思 想，从一定程度上对现有混合算法的研究思路进行了补充和完善［11］。 相对于传统两两优势互补相结合的思路而言，它提供了一种更为广阔的综 合算法思路。基于该思想，可进一步开展对DWIG优化算法的研宂工作。 为此，本文以笼型转子结构的DWIG为研宄对象，首先分析风力DWIG 的特点，其次根据风力发电的特点建立优化设计模型，然后基于Memetic 算法思想提出具有向成功和失败双重学习能力的遗传-粒子群综合算法 GPSMA (Genetic-ParticleSwarmMemeticAlgorithm),最后运用 GPSMA 对一 台18.5kW的DWIG样机进行优化设计，并对优化方案进行分析。 1.1 风力DWIG的特点 系统结构及输出功率特点 风力DWIG系统主要包括DWIG本体、风力机、齿轮箱、励磁变换器 和励磁电容、整流桥等其他辅助设备，系统结构如图1所示。该发电系统 既可直接为直流负载供电，也可通过