Real-Time Parameter Identification for Reliable Operation of Synchronous Generators
Master thesis
Permanent lenke
https://hdl.handle.net/11250/2778198Utgivelsesdato
2020Metadata
Vis full innførselSamlinger
- Institutt for elkraftteknikk [2500]
Sammendrag
Denne masteroppgaven utforsker metoder for online identifiksajon av synkronmaskiner ved hjelp av online målinger. Det sentrale konseptet for online parameterestimeringsalgoritmen er å bruke de dynamiske målingene fra maskinen i kombinasjon med estimater av parametrene for å få maskinmodellen til å stemme overens med målingene. Målet er å bruke allerede tilgjengelige målinger for å forbedre produsentens estimater av synkronmaskinparametrene som muligens er kalkulert fra still-still-tester for flere tiår siden.
Modellen av generatoren er basert på Parks modell av synkronmaskiner med en observatør for demperviklingsstrømmene. Generatoren som ble modellert var en ti-pol salient-pole synkrongenerator fra Voith som ligger i et tysk vannkraftverk. Tre hundre sekunder spennings- og strømmålinger ble mottatt fra generatoren under steady-state med nominell last koblet til nettet. Induktanser og motstander til generatoren ble beregnet ut fra tilgjengelige data fra databladet. Modellen for parameterestimering er bygget i MATLAB Simulink. For å estimere rotorposisjonen til generatoren, ble benyttet et phase-locked-loop kontrollsystem signalet fra fasespenningen til fase a. Et Kalman-filter ble brukt som en optimal observatør for å filtrere og korrigere målingene ved å bruke tidligere kunnskap om generatoren og dens parametere. Metoden for parameterestimering bruker recursive least squares (RLS) algoritmen for å lage et estimat for induktansene og motstandene til maskinen ved å bruke tilgjengelige målinger.
På grunn av forstyrrelser og støy tilstede i målingene av feltspenning og -strøm, ga imidlertid resultater fra parameterestimeringen ved bruk av de virkelige målingene fra generatoren store feil. Av denne grunn ble det besluttet å bruke målinger opprettet av en Synchronous Machine-blokk fra Simscape-biblioteket i Simulink som ble modellert til å være lik Voith-generatoren for videre simuleringer. For å utforske hvordan algoritmen reagerer på endringer i maskinparametrene, presenteres en casestudie der RLS-algoritmen ble gitt et feil initialt estimat for parameterestimering. Algoritmen viste først dårlig evne til å spore endringer i maskinparametrene og konvergerte mot et feilaktig estimat. Imidlertid, etter tuning av intiell parameter-kovariansmatrise, viste parameterestimeringen betydelige forbedringer. Den var i stand til å konvergere mot riktig verdi av parameteren selv med et feil initialt estimat. Konklusjonen fra oppgaven er at parameterestimeringsalgoritmen, hvis den er tunet riktig, kan gi mer nøyaktige estimater for maskinens parametere enn produsentens parametere hentet fra 'stand-still'-tester muligens fra mange år siden. Før algoritmen kan brukes i bransjen, må det imidlertid implementeres en mer effektiv måte for støyfiltrering og avvisning av dårlige målinger. This master thesis explores the online identification methods for synchronous machineparameters using online measurements. The central concept of the online parameter estimationalgorithm is to use the dynamic measurements from the machine in combinationwith the manufacturer’s estimates of the parameters to make the machine model agreewith the measurements. The goal is to use already available measurements to improveupon manufacturers estimates of the synchronous machine parameters which may be obtainedfrom stand-still tests decades ago.
The model of the generator is based on Park’s model of the synchronous machine with anobserver for the damper winding currents. The generator modelled was a ten pole salient polesynchronous generator from Voith situated in a German hydropower-plant. Threehundred seconds of voltage and current measurements was received from the generatorduring steady-state running on rated load connected to the grid. Inductances and resistancesof the generator were calculated from the available data from the datasheet. Themodel for the parameter estimation is built in MATLAB Simulink. To estimate the rotorposition of the generator, a phase-locked-loop control system was implemented on thesignal from the phase a voltage. A Kalman Filter was used as an optimal observer to filterand correct the measurements by using previous knowledge about the synchronousgenerator and its parameters. The method for parameter estimation uses the recursiveleast squares (RLS) algorithm to create an estimate for the inductances and resistances ofthe machine using available measurements.
However, due to disturbances and noise present in the measurements of the field voltageand current, results from the parameter estimation using the real measurements from thegenerator had large errors. For this reason, it was decided to use measurements createdby a Synchronous Machine block from the Simscape library in Simulink which was modelledto be equal to the Voith generator for further simulations. To explore how the algorithmreacts to changes in the machine parameters, a case study is presented where theRLS algorithm was given a deliberately faulty initial estimate for the parameter estimation.The algorithm first showed poor ability to track changes in the machine parametersand would converge towards an erroneous estimate. However, after tuning of the initialparameter covariance matrix, the parameter estimation showed significant improvements.It was able to converge towards the correct value of the parameter even with an incorrectinitial estimate. The conjecture from the thesis is that the parameter estimation algorithm,if tuned correctly, could give more accurate estimations for the parameters of the machine, than the manufacturer’s parameters obtained from stand-still tests possibly frommany years ago. However, before the algorithm could be used in the industry a more effectiveway for noise filtering and rejection of bad measurements has to be implemented.