| Journal: | Ingeniería y competitividad |
| Database: | PERIÓDICA |
| System number: | 000420984 |
| ISSN: | 0123-3033 |
| Authors: | Zuluaga, Carlos D1 Giraldo, Eduardo1 |
| Institutions: | 1Universidad Tecnológica de Pereira, Programa de Ingeniería Eléctrica, Pereira, Risaralda. Colombia |
| Year: | 2013 |
| Volumen: | 15 |
| Number: | 1 |
| Pages: | 49-61 |
| Country: | Colombia |
| Language: | Español |
| Document type: | Artículo |
| Approach: | Aplicado, descriptivo |
| Spanish abstract | Este documento presenta una metodología de identificación de un generador de inducción doblemente alimentado (DFIG) en presencia de datos espurios. El DFIG es ampliamente usado en la producción de energía eléctrica a partir del viento; un problema en el control de estas máquinas, es el cambio en los parámetros del sistema, haciendo que el esquema de control no tenga un óptimo desempeño. Además, si el sistema sensorial no es confiable, se puede incurrir en que las mediciones contengan datos espurios. Para llevar a cabo la identificación se emplea tres filtros de Kalman secuenciales, dos de ellos corresponden al filtro de Kalman dual, el otro corresponde al filtro de Kalman de estadística robusta. La metodología se implementó en Matlab, mostrando que la técnica no se ve afectada por datos espurios, obteniendo errores residuales menores al 1.2% para la identificación del DFIG en presencia de estos datos |
| English abstract | This paper presents a methodology for parameter identification of a doubly fed induction generator (DFIG) in the presence of spurious data. DFIG is widely used in the electrical energy production using wind; one problem that the control system for these machines faces is the variability in the parameter values, and optimal performance for this control system is then hard to achieve. Besides, if the sensory system is not reliable, incurring in measurements with high uncertainty may be very common. To perform the parameter identification, three sequential Kalman filters are used, two of them are the dual Kalman filter, and another is the robust statistic Kalman filter. The methodology was implemented in Matlab, showing that the method is not affected by these data, obtaining residual errors smaller than 1.2% for the DFIG identification in the presence of these data |
| Disciplines: | Ingeniería |
| Keyword: | Ingeniería eléctrica, Generadores de inducción, Filtro Kalman, Sistemas de identificación, Datos espurios |
| Keyword: | Electrical engineering, Induction generators, Kalman filter, Identification systems, Spurious data |
| Full text: | Texto completo (Ver PDF) |
