CN104533714B - 一种风力发电机组控制器参数辨识与整定方法 - Google Patents
一种风力发电机组控制器参数辨识与整定方法 Download PDFInfo
- Publication number
- CN104533714B CN104533714B CN201410610288.4A CN201410610288A CN104533714B CN 104533714 B CN104533714 B CN 104533714B CN 201410610288 A CN201410610288 A CN 201410610288A CN 104533714 B CN104533714 B CN 104533714B
- Authority
- CN
- China
- Prior art keywords
- parameter
- wind speed
- wind
- model
- speed
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims abstract description 48
- 230000006978 adaptation Effects 0.000 claims abstract description 25
- 238000013461 design Methods 0.000 claims abstract description 8
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 7
- 230000009467 reduction Effects 0.000 claims abstract description 7
- 230000008859 change Effects 0.000 claims description 19
- 238000012546 transfer Methods 0.000 claims description 15
- 238000005457 optimization Methods 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 9
- 230000005540 biological transmission Effects 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 7
- 230000020509 sex determination Effects 0.000 claims description 6
- 230000015572 biosynthetic process Effects 0.000 claims description 5
- 238000003786 synthesis reaction Methods 0.000 claims description 5
- 230000009466 transformation Effects 0.000 claims description 5
- 230000010354 integration Effects 0.000 claims description 4
- 238000005259 measurement Methods 0.000 claims description 4
- 238000004458 analytical method Methods 0.000 claims description 3
- 238000005520 cutting process Methods 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims description 2
- 238000004064 recycling Methods 0.000 claims description 2
- 230000006641 stabilisation Effects 0.000 claims description 2
- 238000011105 stabilization Methods 0.000 claims description 2
- 230000003111 delayed effect Effects 0.000 claims 1
- 230000005611 electricity Effects 0.000 abstract description 4
- 238000005516 engineering process Methods 0.000 abstract description 4
- 241000208340 Araliaceae Species 0.000 description 3
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 3
- 235000003140 Panax quinquefolius Nutrition 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 235000008434 ginseng Nutrition 0.000 description 3
- 238000013178 mathematical model Methods 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- 241000196324 Embryophyta Species 0.000 description 1
- -1 [Kp Substances 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 210000003746 feather Anatomy 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000010977 unit operation Methods 0.000 description 1
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F03—MACHINES OR ENGINES FOR LIQUIDS; WIND, SPRING, OR WEIGHT MOTORS; PRODUCING MECHANICAL POWER OR A REACTIVE PROPULSIVE THRUST, NOT OTHERWISE PROVIDED FOR
- F03D—WIND MOTORS
- F03D7/00—Controlling wind motors
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
- F05B—INDEXING SCHEME RELATING TO WIND, SPRING, WEIGHT, INERTIA OR LIKE MOTORS, TO MACHINES OR ENGINES FOR LIQUIDS COVERED BY SUBCLASSES F03B, F03D AND F03G
- F05B2260/00—Function
- F05B2260/84—Modelling or simulation
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/70—Wind energy
- Y02E10/72—Wind turbines with rotation axis in wind direction
Landscapes
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Sustainable Development (AREA)
- Sustainable Energy (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Wind Motors (AREA)
- Feedback Control In General (AREA)
Abstract
本发明公开了属于风力发电机组控制技术领域的一种风力发电机组控制器参数辨识与整定方法。该方法利用Bladed软件模型线性化结合模型降阶算法建立了适用于参数整定的机组线性化模型,然后根据风场风速分布概率进行控制器PI参数最优整定与综合计算,并基于Bladed软件参数辨识结果计算了最优转速‑转矩控制的增益系数和自适应变桨距控制中的增益因子;本发明根据机组设备参数建立的Bladed仿真模型进行最大风能利用系数、最佳叶尖速比和最优桨距角等相关参数的辨识,对实现机组最大风能捕获控制提供了重要的先决条件;实现了自适应变桨距控制,增强了普通PI变桨控制器的鲁棒性。为控制器设计与优化提供指导,具有很强的实用与参考价值。
Description
技术领域
本发明属于风力发电机组控制技术领域,特别涉及一种风力发电机组控制器参数辨识与整定方法。
背景技术
目前,大型兆瓦级的风力发电机组均采用了变速变桨距控制技术。典型的控制***结构如图1。由于自然风的大范围随机变化,控制器的作用随着机组运行状况的不同分为桨距控制和转矩控制。在额定值以下转矩控制回路有效,通过改变转矩控制转速,而桨距角保持最优桨距角不变,实现最大风能追踪;反之则桨距控制回路有效,通过改变桨距角来控制转速,而转矩保持额定,实现恒功率控制。由于风力发电***具有强非线性和参数时变等特点,机组模型不易建立,因此国内外学者提出了许多不依赖对象模型先进的智能控制算法或智能自整定PID控制。但作为风电控制器的核心硬件,大多数可编程控制器(PLC)尚无法实现智能控制,许多先进算法中大量的数据计算也会影响控制器的实时性,目前应用于实际机组控制中仍主要为PI控制和查表控制等传统控制算法,其控制参数设置的优劣直接影响着控制器的控制效果。
工业过程PID控制器参数的整定方法很多,依据对模型的依赖性主要分为两种整定方法:一种是基于规则的工程整定法,另一种是基于模型的理论整定方法。工程整定法不依赖对象数学模型,但主要以工程经验为依据,不具有一般性。而且许多方法,比如阶跃响应法和临界比例带法等,需要对控制对象做大量扰动实验,由于风速扰动的随机性而很难实现。理论整定方法则需要对象的数学模型,大型风力发电机组是一个连续的非线性多变量随机***,无法直接建立用于参数整定的线性化模型,而目前广泛应用于控制器仿真的非线性机理模型,因其中理想化的理论假设和近似处理太多影响了模型准确性,而且不适用于参数整定。
由GH公司开发的权威风力发电机组仿真软件Bladed可利用大量详细的设备参数建立数学机组仿真模型,由于该软件通过德国船级社和IEC认证,仿真计算准确,模型精确度高,已成为公认的行业标准之一。由于风力发电***是一个连续的非线性多变量随机***,因此其控制器参数在设计和优化过程中不易整定和辨识,而国内外目前对于这方面的研究还不多,没有形成比较***、完整的辨识与整定方法。Bladed软件被广泛应用于机组的设计及优化中,许多机组都可以根据其设备参数建立仿真模型,本发明借助Bladed软件的模型线性化和参数辨识功能对机组控制器参数进行了辨识计算和整定,采用其模型线性化和参数辨识功能,获得用于机组控制器参数计算与整定的重要特性参数和线性模型,然后基于机组线性模型结合风场风速分布概率对转矩及桨距PI控制器参数进行最优整定与综合计算,并根据参数辨识结果计算转矩控制的最优增益系数、自适应桨距控制的增益因子等参数,形成了一种基于Bladed的风电控制器参数辨识与整定方法,可为实际风力发电机组控制器参数设置与优化提供方法指导。
发明内容
本发明的目的是提出了一种风力发电机组控制器参数辨识与整定方法,其特征在于,针对风力发电机组控制器参数在设计和优化过程中不易计算与整定的问题,利用Bladed软件模型线性化结合模型降阶算法建立了适用于参数整定的机组线性化模型,然后结合风场风速分布概率进行了控制器PI参数最优整定与综合计算,并基于Bladed软件参数辨识结果计算了转矩控制的最优增益系数及自适应桨距控制的增益因子等参数;所述风力发电机组控制器参数辨识与整定方法具体步骤如下:
步骤1:基于Bladed的风电机组模型线性化
根据机组设备参数由Bladed建立风电机组模型,使用Bladed软件模型线性化进行模型计算,然后通过Matlab软件对计算结果进行转换处理,得到各风速点用于桨距控制器PI参数整定的桨距-转速传递函数模型和用于转矩控制器PI参数整定的转矩-转速传递函数模型。
步骤2:线性化模型降阶处理
对转矩-转速模型和桨距-转速模型采用最小二乘拟合法降阶为一阶惯性时延环节模型。
步骤3:转矩控制器PI参数整定
1)利用Bladed软件辨识机组转速稳定在临界值ωs=(S1+S4)/2时的风速vs,其中,S1为机组最小转速,S4为机组最大转速;
2)根据风场风速分布概率密度按照下式计算切入风速区间[vin,vs]的风速概率Pin与额定风速区间[vs,ve]的风速概率Pe:
其中,vin为切入风速,ve为额定风速,f(v)为风速分布概率密度函数;
3)根据切入风速点模型和额定风速点模型分别进行最优PI参数整定,得到PI参数[Kpin,Tiin]和[Kpe,Tie];
4)对[Kpin,Tiin]和[Kpe,Tie]按照下式进行综合计算,得到转矩控制器的最终PI参数[KpQ,TiQ]:
其中,w1、w2为计算权值。
步骤4:桨距控制器PI参数整定
1)将[ve,vout]的风速范围分成m个风速区间:[ve,v1],[v1,v2],[v2,v3],…[vm-1,vout],其中,vout为切出风速;
2)根据风速分布概率密度曲线,计算每个区间的风速概率Pi:
其中,f(v)为风速分布概率密度函数;
3)基于每个风速区间中点的桨距-转速模型,进行最优整定得到一组PI参数[Kpi,Tii];
4)将整定得到的各PI参数[Kpi,Tii]按照下式进行综合计算,即可得到桨距控制器最终PI参数[Kpβ,Tiβ]:
其中,wi为计算权值。
步骤5:判定***内部稳定性
对由步骤3和步骤4整定得到的闭环转矩和桨距PI控制***进行内部稳定性判定。
步骤6:最优转速-转矩控制器参数辨识与计算
利用Bladed分别辨识最优桨距角、最大风能利用系数和最佳叶尖速比,然后利用辨识参数计算最优增益系数。
步骤7:自适应变桨控制器参数设置
1)利用Bladed软件辨识出额定风速以上各个风速区间中点的桨距角稳态值βi;
2)将步骤4整定的PI参数及桨距角辨识结果制成形如表3自适应变桨控制参数表格;
表3自适应变桨距控制PI参数表
3)计算增益因子加入表3中,根据表中增益因子随桨距角变化实现自适应变桨控制。
所述步骤3和步骤4中选择兼顾***动态性能和稳定特性ISTE作为PI参数优化整定的最优准则,根据通过模型降阶得到的一阶惯性迟延环节模型,利用最优参数整定公式进行PI参数整定计算,实现对转矩控制器的最优PI参数整定。
所述步骤3转矩控制器PI参数整定,根据切入风速和额定风速点的模型分别进行最优PI参数整定;在整定时可先根据切入风速和额定风速的转矩-转速模型分别进行最优化整定再利用风速分布概率进行综合,得到转矩控制器最终PI参数。
所述步骤4桨距PI控制器参数整定,根据额定风速以上各个风速区间中点的桨距-转速模型分别进行最优PI参数整定;整定得到的一系列PI参数利用风速分布概率进行综合,得到桨距控制器最终PI参数。
所述步骤6中最优增益系数Kopt的计算,即:
其中,ρ为空气密度,kg/m3;R为风轮半径,m;Cpmax为最大风能利用系数;G为齿轮箱传动比;λopt为最佳叶尖速比;
需要最大风能利用系数和最佳叶尖速比这两个关键特性参数;对于低于额定风速进行转矩控制时,桨距角被设置为最优桨距角度βopt,由于各风机叶片的气动特性不同,该值并非一定为0度,其值是否最优也直接影响机组的发电效率;本发明利用Bladed软件的性能参数计算功能获得对应不同桨距角的尖速比-风能利用系数曲线簇,然后根据三条原则确定最优桨距角:第一,Cpmax要高;第二,Cp-λ曲线的顶端要平;第三,λ要尽可能的小。再根据所选最优桨距角下的叶尖速比-风能利用系数曲线得出最大风能利用系数和最佳叶尖速比。
所述步骤7中将步骤4整定的PI参数随桨距角变化的数据制成自适应变桨控制参数表格(表3),桨距控制器可根据桨距角(查表3)的实时变化来自适应调整变桨控制器PI参数;也可选择表3中第一组参数作为变桨控制器PI参数,利用随桨距角变化的增益因子构成如下式所述的自适应变桨距控制器:
其中,F(β)为增益因子,Kp为比例系数,Ti为积分时间,s为拉式变换算子。
所述步骤5的***内部稳定性判定中,风电机组控制***可以视为典型反馈控制***结构的扩展,具体结构如图3,外部扰动为风速v,n为转速测量噪声,ωr为转速设定,仅分析***的输入和输出稳定性只能保证由稳定输入激励下的输出信号有界性;只有***从输入信号(ωr,v,n)到内部输出信号(x1,x2,x3)的9个闭环传递函数都稳定,***才是内部稳定的,***传递函数可以表示成:
其中,G(s)为机组传递函数,H(s)为测量反馈环节传递函数,Gc(s)为控制器传递函数,
根据内部稳定性定理,闭环***内部稳定的充要条件:
1)传递函数1+G(s)Gc(s)H(s)没有实部大于等于零的零点;
2)乘积G(s)Gc(s)H(s)中没有实部大于等于零的零极点对消。
第一个条件等效于闭环***的稳定性,所以只需判定第二个条件。因此,本发明对由最优参数整定得到的闭环转矩和桨距控制***进行内部稳定性判定,从而保证***的稳定性。
本发明的有益效果:
1)本发明着眼于实际需求,针对风力发电机组控制器参数在设计和优化过程中不易计算与整定的问题,提出了一种基于Bladed软件的风力发电机组控制器参数辨识与整定方法,可为控制器设计与优化提供指导,具有很强的实用与参考价值;
2)本发明根据机组设备参数建立的Bladed仿真模型进行最大风能利用系数、最佳叶尖速比和最优桨距角等相关参数的辨识,这对实现机组最大风能捕获控制提供了重要的先决条件;
3)本发明利用Bladed的模型线性化并通过模型降阶获得适用于PI参数整定的机组线性模型,利用该模型便于实现对转矩与桨距控制器的PI参数整定;
4)本发明基于不同风速点模型分别整定出多组PI参数,再根据其变化规律,计算PI参数自适应调整的增益因子,实现了自适应变桨距控制,增强了普通PI变桨控制器的鲁棒性。
附图说明
图1为风力发电机组控制***结构图。
图2为风力发电机组转速-转矩曲线。
图3为带有风速扰动的反馈控制***。
图4为风能利用系数曲线簇。
图5为控制器参数整定流程图。
具体实施方式
本发明提出了一种风力发电机组控制器参数辨识与整定方法,针对风力发电机组控制器参数在设计和优化过程中不易计算与整定的问题,利用Bladed软件模型线性化结合模型降阶算法建立了适用于参数整定的机组线性化模型,然后结合风场风速分布概率进行了控制器PI参数最优整定与综合计算,并基于Bladed软件参数辨识结果计算了转矩控制的最优增益系数及自适应桨距控制的增益因子等控制器参数。
下面根据图2-5对上述步骤具体说明如下:
该方法的控制器参数整定流程图由图5所示,具体实施步骤如下:
步骤1:模型线性化处理
1)对由Bladed建立的风电机组模型应用线性化(Model Linearization)计算功能;
2)对计算结果进行线性模型(Linear Model)后处理获得模型数据文件。
步骤2:线性化模型降阶处理
1)将该文件运用Matlab软件进行等效变换,得到各风速点用于控制器PI参数整定的桨距-转速传递函数模型Gβ’(s)和转矩-转速传递函数模型GQ’(s),对转矩-转速模型Gβ’(s)和桨距-转速模型GQ’(s)采用最小二乘拟合法降阶为一阶惯性时延环节模型GQ(s)和Gβ(s),其传递函数形式为:
其中,K为比例系数,T为惯性时间常数,L为纯延迟时间,s为拉式变换算子。
步骤3:转矩控制器PI参数整定
1)转矩控制器最优PI参数整定
PI控制是在PID控制基础上去掉微分,其描述方程为:
其传递函数为:
式中,Kp为比例系数;Ti为积分时间;e(t)为设定值与测量值之差;t为时间变量;最优转矩控制器PI参数整定是根据不同的标准进行PI参数的寻优计算,最优准则定义为:
式中,向量θ是转矩控制器PI参数组成的集合,即[Kp,Ti];随n值的不同,常用准则如表1所示:
表1目标函数公式
为兼顾***动态性能和稳定特性,本发明选择ISTE作为最优整定的目标函数。由于已经获取一阶惯性时延模型Gβ(s)和GQ(s),典型的转矩控制器最优PI参数能够直接根据如下公式计算:
式中(a,b)对应的系数由表2查询:
表2转矩控制器最优PI参数
2)基于风速分布概率的转矩控制器PI参数综合整定
应用本发明建模方法,可得到高于额定风速时各工作点的桨距-转速线性模型和低于额定风速各风速点的转矩-转速线性模型。由于风力发电***的非线性和参数时变等特点,如果风速间隔较大,在各个风速点线性模型参数变化较大,所以基于某一个风速点模型整定的PI参数无法在整个工作范围都取得最优控制效果。
低于额定风速下的恒转速控制包含图2中AB段和GH段两部分,但一般由一个转矩控制器进行PI控制完成,在测量转速越过临界值(S1+S4)/2时转速设定可在最小转速S1与最大转速S4之间进行切换。本发明根据切入风速和额定风速时的转矩-转速模型分别进行最优参数整定再根据风速分布概率进行综合计算,具体计算过程如下:
(1)利用Bladed软件辨识出机组转速稳定在临界值(S1+S4)/2时的风速vs;
(2)根据风场风速分布概率密度按照下式计算切入风速区间[vin,vs]与额定风速区间[vs,ve]的风速概率;
其中,Pin为切入风速区间的风速概率,Pe为额定风速区间的风速概率,f(v)风速分布概率密度函数;
(3)根据切入风速点模型GQin(s)和额定风速点模型GQe(s)分别进行最优PI参数整定,得到PI参数[Kpin,Tiin]和[Kpe,Tie];
(4)对[Kpin,Tiin]和[Kpe,Tie]按照式(8)进行综合计算,得到转矩控制器的PI参数;
式中,w1、w2为计算权值,f(v)风速分布概率密度函数。
步骤4:桨距控制器PI参数整定
1)将额定风速至切出风速之间的风速范围分成m个风速区间;
2)根据风速分布概率密度计算每个区间的风速概率;
3)基于每个风速区间中点的桨距-转速模型,利用步骤3中所述的转矩控制器最优PI参数整定方法进行桨距控制器PI参数整定;
对于参数无法实时在线调整的典型的变桨控制器必须对各个风速点模型所整定的结果进行综合,得到兼顾整个风速范围PI参数。根据风场风速概率分布按照以下过程进行计算:
(1)首先将[ve,vout]的风速范围分成m个风速区间:[ve,v1],[v1,v2],[v2,v3],…[vm-1,vout],其中,vout为切出风速;
(2)根据风速分布概率密度曲线,计算每个区间的风速概率Pi:
其中,f(v)为风速分布概率密度函数;
(3)基于每个风速区间中点的桨距-转速模型,进行最优整定得到一组PI参数[Kpi,Tii];
(4)将整定得到的各PI参数[Kpi,Tii]按照式(10)进行综合计算,即可得到桨距控制器最终PI参数[Kpβ,Tiβ]:
其中,wi为计算权值。
步骤5:判定***内部稳定性
对由步骤3和步骤4整定得到的闭环转矩和桨距PI控制***进行内部稳定性判定,如不稳定可调整步骤3或步骤4中最优整定的指标或参数重新进行整定;
由于风速扰动信号的随机性,风电机组控制***可以视为典型反馈控制***结构的扩展,外部扰动为风速v,n为转速测量噪声,ωr为转速设定,仅分析***的输入和输出稳定性只能保证由稳定输入激励下的输出信号有界性;只有***从输入信号(ωr,v,n)到内部输出信号(x1,x2,x3)的9个闭环传递函数都稳定,***才是内部稳定的,***传递函数可以表示成:
其中,G(s)为机组传递函数模型,H(s)为测量反馈环节传递函数模型,Gc(s)为控制器传递函数模型,
根据内部稳定性定理,闭环***内部稳定的充要条件:
1)传递函数1+G(s)Gc(s)H(s)没有实部大于等于零的零点;
2)乘积G(s)Gc(s)H(s)中没有实部大于等于零的零极点对消。
第一个条件等效于闭环***的稳定性,所以只需判定第二个条件。因此,本发明对由最优参数整定得到的闭环转矩和桨距控制***进行内部稳定性判定,从而保证***的稳定性。
步骤6:最优转速-转矩控制器参数辨识与计算
1)利用Bladed分别辨识最优桨距角度βopt、最大风能利用系数Cpmax和最佳叶尖速比λopt;
2)利用式(12)计算最优比例增益Kopt,即:
其中,ρ——空气密度,kg/m3;R——风轮半径,m;Cpmax——最大风能利用系数;G——齿轮箱传动比;λopt——最佳叶尖速比;
该计算中需要最大风能利用系数Cpmax和最佳叶尖速比λopt这两个关键特性参数;对于低于额定风速进行转矩控制时,桨距角被设置为最优桨距角度βopt,由于各风机叶片的气动特性不同,该值并非一定为0度,其值是否最优也直接影响机组的发电效率;本发明利用Bladed软件的性能参数计算功能获得的如图4所示的叶尖速比-风能利用系数曲线簇,然后根据三条原则确定最优桨距角:第一,Cpmax要高;第二,Cp-λ曲线的顶端要平;第三,λ要尽可能的小。再根据所选最优桨距角下的叶尖速比-风能利用系数曲线得出最大风能利用系数和最佳叶尖速比;
步骤7:自适应变桨控制参数设置
将步骤4整定的PI参数及桨距角辨识结果制成如表3所示的自适应变桨控制参数表格。桨距控制器可根据桨距角(查表3)的实时变化来自适应调整桨距控制器的变桨PI参数;
表3自适应变桨距控制PI参数表
根据工作点随风速变化在线调整桨距控制器的变桨参数,自适应变桨控制会取得相对典型变桨距PI控制器更好的控制效果。对于如何进行PI参数在线调整,许多学者主张采用智能整定方法,目前在PLC中还不易实现。本发明根据不同风速的模型分别整定出最优PI参数,再根据风速变化进行自适应调整。由于实际机组的测量风速存在较大误差,因此利用Bladed软件辨识出各个风速点的机组桨距角的稳态值;也可选择表3中第一组参数作为桨距控制器的变桨PI参数;
由于目前实际机组中多利用随桨距角变化的增益因子构成如下式所述的自适应变桨距控制:其形式为:
其中,F(β)为随桨距角β变化的增益因子,Kp为比例系数,Ti为积分时间,s为拉式变换算子。
实现自适应变桨距控制也可选择整定的最终PI参数作为式(13)中的Kp和Ti,然后利用各风速点PI参数与Kp和Ti的比值计算各个风速点的增益因子Fi,计算Fi时可根据(14)式估算再根据实际运行情况进行调整,这样,虽然桨距控制器的PI控制比例系数和积分时间固定不变,但利用增益因子随桨距角变化可自动调整桨距控制器变桨控制参数,从而实现自适应变桨控制算法;
具体实施过程如下:
1)利用Bladed软件辨识出额定风速以上各个风速区间中点的桨距角稳态值βi;
2)计算增益因子Fi补入上表,采用如式(13)的变增益因子实现桨距控制器的自适应变桨控制。
Claims (7)
1.一种风力发电机组控制器参数辨识与整定方法,其特征在于,针对风力发电机组控制器参数在设计和优化过程中不易计算与整定的问题,利用Bladed软件模型线性化结合模型降阶算法建立了适用于参数整定的机组线性化模型,然后结合风场风速分布概率进行了控制器PI参数最优整定与综合计算,并基于Bladed软件参数辨识结果计算了转矩控制的最优增益系数及自适应桨距控制的增益因子参数;所述风力发电机组控制器参数辨识与整定方法具体步骤如下:
步骤1:基于Bladed的风电机组模型线性化
根据机组设备参数由Bladed建立风电机组模型,使用Bladed软件模型线性化进行模型计算,然后通过Matlab软件对计算结果进行转换处理,得到各风速点用于桨距控制器PI参数整定的桨距-转速传递函数模型和用于转矩控制器PI参数整定的转矩-转速传递函数模型;
步骤2:线性化模型降阶处理
对转矩-转速模型和桨距-转速模型采用最小二乘拟合法降阶为一阶惯性时延环节模型;
步骤3:转矩控制器PI参数整定
1)利用Bladed软件辨识机组转速稳定在临界值ωs=(S1+S4)/2时的风速vs,其中,S1为机组最小转速,S4为机组最大转速;
2)根据风场风速分布概率密度按照下式计算切入风速区间[vin,vs]的风速概率Pin与额定风速区间[vs,ve]的风速概率Pe:
其中,vin为切入风速,ve为额定风速,f(v)为风速分布概率密度函数;
3)根据切入风速点模型和额定风速点模型分别进行最优PI参数整定,得 到PI参数[Kpin,Tiin]和[Kpe,Tie];
4)对[Kpin,Tiin]和[Kpe,Tie]按照下式进行综合计算,得到转矩控制器的最终PI参数[KpQ,TiQ]:
其中,w1、w2为计算权值;
步骤4:桨距控制器PI参数整定
1)将[ve,vout]的风速范围分成m个风速区间:[ve,v1],[v1,v2],[v2,v3],…[vm-1,vout],其中,vout为切出风速;
2)根据风速分布概率密度曲线,计算每个区间的风速概率Pi:
其中,f(v)为风速分布概率密度函数;
3)基于每个风速区间中点的桨距-转速模型,进行最优整定得到一组PI参数[Kpi,Tii];
4)将整定得到的各PI参数[Kpi,Tii]按照下式进行综合计算,即可得到桨距控制器最终PI参数[Kpβ,Tiβ]:
其中,wi为计算权值;
步骤5:判定***内部稳定性
对由步骤3和步骤4整定得到的闭环转矩和桨距PI控制***进行内部稳定性判定;
步骤6:最优转速-转矩控制器参数辨识与计算
利用Bladed分别辨识最优桨距角、最大风能利用系数和最佳叶尖速比,然后利用辨识参数计算最优增益系数;
步骤7:自适应变桨控制参数设置
1)利用Bladed软件辨识出额定风速以上各个风速区间中点的桨距角稳态值βi;
2)将步骤4整定的PI参数及桨距角辨识结果制成如表3所示的自适应变桨控制参数表格;
表3自适应变桨距控制PI参数表
3)计算增益因子补入表3中,根据表中增益因子随桨距角变化实现自适应变桨控制。
2.根据权利要求1所述的风力发电机组控制器参数辨识与整定方法,其特征在于,所述步骤3和步骤4中选择兼顾***动态性能和稳定特性ISTE作为PI参数优化整定的最优准则,通过模型降阶得到的一阶惯性迟延环节模型,利用最优参数整定公式进行PI参数整定计算,实现对PI控制器的最优参数整定。
3.根据权利要求1所述的风力发电机组控制器参数辨识与整定方法,其特征在于,所述步骤3转矩PI控制器参数整定,根据切入风速和额定风速点的模型分别进行最优PI参数整定;在整定时可先根据切入风速和额定风速的转矩-转速模型分别进行最优化整定再利用风速分布概率进行综合,得到转矩控制器最终PI参数。
4.根据权利要求1所述的风力发电机组控制器参数辨识与整定方法,其特征在于,所述步骤4桨距PI控制器参数整定,根据额定风速以上各个风速区间中点的桨距-转速模型分别进行最优PI参数整定;对整定得到的一组PI参数利用风速分布概率进行综合,得到桨距控制器最终PI参数。
5.根据权利要求1所述的风力发电机组控制器参数辨识与整定方法,其特征在于,所述步骤6中最优增益系数Kopt的计算,即:
其中,ρ为空气密度,kg/m3;R为风轮半径,m;Cpmax为最大风能利用系数;G为齿轮箱传动比;λopt为最佳叶尖速比;
需要最大风能利用系数和最佳叶尖速比这两个关键特性参数;对于低于额定风速进行转矩控制时,桨距角被设置为最优桨距角度βopt,由于各风机叶片的气动特性不同,该值并非一定为0度,其值是否最优也直接影响机组的发电效率;利用Bladed软件的性能参数计算功能获得对应不同桨距角的叶尖速比-风能利用系数曲线簇,然后根据三条原则确定最优桨距角:第一,Cpmax要高;第二,Cp-λ曲线的顶端要平;第三,λ要尽可能的小;再根据所选最优桨距角下的叶尖速比-风能利用系数曲线得出最大风能利用系数和最佳叶尖速比。
6.根据权利要求1所述的风力发电机组控制器参数辨识与整定方法,其特征在于,所述步骤7中将步骤4整定的PI参数随桨距角变化的数据制成自适应变桨控制参数表3,控制器可根据桨距角的实时变化查表来自适应调整桨距控制器的变桨PI参数;或选择表3中第一组PI参数作为桨距控制器的变桨PI参数,利用随桨距角变化的增益因子构成如下式所述的自适应变桨距控制:
其中,F(β)为增益因子,Kp为比例系数,Ti为积分时间,s为拉式变换算子。
7.根据权利要求1所述的风力发电机组控制器参数辨识与整定方法,其特征在于,所述步骤5的***内部稳定性判定中,风电机组控制***视为典型反馈控制***结构的扩展,外部扰动为风速v,n为转速测量噪声,ωr为转速设定,仅分析***的输入和输出稳定性只能保证由稳定输入激励下的输出信号有界性;只有***从输入信号(ωr,v,n)到内部输出信号(x1,x2,x3)的9个闭环传递函数都稳定,***才是内部稳定的,***传递函数表示成:
其中,G(s)为机组传递函数模型,H(s)为测量反馈环节传递函数模型,Gc(s)为控制器传递函数模型,
根据内部稳定性定理,闭环***内部稳定的充要条件:
1)传递函数1+G(s)Gc(s)H(s)没有实部大于等于零的零点;
2)乘积G(s)Gc(s)H(s)中没有实部大于等于零的零极点对消;
第一个条件等效于闭环***的稳定性,所以只需判定第二个条件;因此,对由最优参数整定得到的闭环转矩和桨距控制***进行内部稳定性判定,从而保证***的稳定性。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410610288.4A CN104533714B (zh) | 2014-11-03 | 2014-11-03 | 一种风力发电机组控制器参数辨识与整定方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410610288.4A CN104533714B (zh) | 2014-11-03 | 2014-11-03 | 一种风力发电机组控制器参数辨识与整定方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104533714A CN104533714A (zh) | 2015-04-22 |
CN104533714B true CN104533714B (zh) | 2017-03-01 |
Family
ID=52849305
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410610288.4A Expired - Fee Related CN104533714B (zh) | 2014-11-03 | 2014-11-03 | 一种风力发电机组控制器参数辨识与整定方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104533714B (zh) |
Families Citing this family (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
ES2819124T3 (es) | 2015-10-09 | 2021-04-15 | Vestas Wind Sys As | Aumento de potencia de un aerogenerador usando un control predictivo de modelo |
CN105402085B (zh) * | 2015-12-03 | 2018-05-08 | 国电联合动力技术有限公司 | 一种风机调整控制参数的方法和应用该方法的控制*** |
EP3436693B1 (en) * | 2016-03-30 | 2021-05-12 | Vestas Wind Systems A/S | Control of a wind turbine using real-time gain calculation |
EP3440346B1 (en) | 2016-04-07 | 2021-06-02 | Vestas Wind Systems A/S | Control of a wind turbine taking noise into account |
CN105927470A (zh) * | 2016-05-18 | 2016-09-07 | 浙江运达风电股份有限公司 | 一种基于动态转矩限值的风电机组最大风能捕获控制方法 |
CN106208549B (zh) * | 2016-07-06 | 2018-08-14 | 河南理工大学 | 基于高温超导励磁线圈的凸极式海上风机参数优化方法 |
CN107676230A (zh) * | 2017-10-12 | 2018-02-09 | 佛山伊贝尔科技有限公司 | 一种涡轮机性能监测方法 |
CN108762074B (zh) * | 2018-05-23 | 2020-12-29 | 大连海事大学 | 一种面向恶劣海况船舶安全保障能力提升的船舶控制方法 |
CN110645145B (zh) * | 2018-06-27 | 2021-09-14 | 新疆金风科技股份有限公司 | 风力发电机组的控制方法和控制设备 |
CN110345007A (zh) * | 2019-06-03 | 2019-10-18 | 天津瑞源电气有限公司 | 一种风电机组变桨***切换控制方法 |
CN110912180A (zh) * | 2019-06-11 | 2020-03-24 | 贵州电网有限责任公司 | 基于选择模式分析的双馈风机模型降阶方法 |
CN110838725B (zh) * | 2019-09-19 | 2021-05-07 | 国电新能源技术研究院有限公司 | 一种风电场闭环pi控制器参数整定方法及装置 |
CN110912185B (zh) * | 2019-11-22 | 2021-10-08 | 华北电力大学 | 一种含风力发电电网自动发电控制***pid控制器设计方法 |
CN113007012B (zh) * | 2019-12-19 | 2022-09-23 | 新疆金风科技股份有限公司 | 扭矩控制系数的寻优方法和装置、风力发电机组 |
CN114094890B (zh) * | 2021-11-02 | 2023-12-19 | 南京航空航天大学 | 一种调磁调压直流发电机***的最优动态pi参数整定方法 |
CN114542378B (zh) * | 2022-04-26 | 2022-07-12 | 东方电气风电股份有限公司 | 一种动态计算风力发电机组最优最小桨角的方法 |
CN115167140B (zh) * | 2022-07-27 | 2023-10-10 | 华北电力大学 | 风力发电机组多目标随机模型预测控制策略方法及*** |
CN116819971B (zh) * | 2023-08-28 | 2023-11-14 | 合力(天津)能源科技股份有限公司 | 一种涡轮发电机组的输出稳定性控制方法及*** |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102497156A (zh) * | 2011-12-27 | 2012-06-13 | 东南大学 | 永磁同步电机速度环的神经网络自校正控制方法 |
CN103268065A (zh) * | 2013-05-07 | 2013-08-28 | 江苏大学 | 轴向混合磁轴承蚁群算法分数阶pid控制器的构造方法 |
CN104005909A (zh) * | 2014-04-22 | 2014-08-27 | 重庆邮电大学 | 非线性前馈与模糊pid结合的风力发电机组变桨距控制方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110257800A1 (en) * | 2010-04-14 | 2011-10-20 | Zakariya Al-Hamouz | Particle swarm optimizing sliding mode controller |
-
2014
- 2014-11-03 CN CN201410610288.4A patent/CN104533714B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102497156A (zh) * | 2011-12-27 | 2012-06-13 | 东南大学 | 永磁同步电机速度环的神经网络自校正控制方法 |
CN103268065A (zh) * | 2013-05-07 | 2013-08-28 | 江苏大学 | 轴向混合磁轴承蚁群算法分数阶pid控制器的构造方法 |
CN104005909A (zh) * | 2014-04-22 | 2014-08-27 | 重庆邮电大学 | 非线性前馈与模糊pid结合的风力发电机组变桨距控制方法 |
Also Published As
Publication number | Publication date |
---|---|
CN104533714A (zh) | 2015-04-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104533714B (zh) | 一种风力发电机组控制器参数辨识与整定方法 | |
CN106812658B (zh) | 一种风力发电机组的控制方法及装置 | |
CN102797629B (zh) | 一种风电机组的控制方法、控制器及其控制*** | |
CN103939286B (zh) | 变速恒频风电机组变速变桨距联合控制方法 | |
CN104005909B (zh) | 非线性前馈与模糊pid结合的风力发电机组变桨距控制方法 | |
CN110566406B (zh) | 基于强化学习的风电机组实时变桨距鲁棒控制***及方法 | |
CN104868480B (zh) | 一种有功无功协调的主动配电网鲁棒电压控制方法 | |
CN105894391B (zh) | 基于scada运行数据提取的风电机组转矩控制性能评估方法 | |
CN106894947B (zh) | 一种低风速变速变桨风力机叶片优化设计方法 | |
CN107679769A (zh) | 含风电的电力***频率响应模型建立方法和频率特性指标计算方法 | |
CN107947228B (zh) | 基于Markov理论的含风电电力***随机稳定性分析方法 | |
CN106979126A (zh) | 基于svr的风力发电机组高风速段有效风速估计方法 | |
CN103758699A (zh) | 一种风力发电机组的桨距角控制方法及桨距角控制器 | |
Tian et al. | Active power dispatch method for a wind farm central controller considering wake effect | |
CN110970925A (zh) | 基于双馈风机快速有功功率调制改善***阻尼及建模方法 | |
CN107846030A (zh) | 一种考虑最优转子惯性动能的双馈风电场频率控制方法 | |
WO2018115423A1 (en) | Fatigue load minimization in an operation of a wind farm | |
CN104675629A (zh) | 一种变速风力发电机组的最大风能捕获方法 | |
CN104747369A (zh) | 一种变空气密度下最佳叶尖速比控制方法及装置 | |
CN107061164A (zh) | 一种考虑执行机构不确定的风机变桨距滑模自适应控制方法 | |
CN110968958B (zh) | 一种基于单机等值与选择模态分析的风电场等值建模方法 | |
CN108343546A (zh) | 一种基于pi算法的风机变桨控制方法及*** | |
CN106894949A (zh) | 基于环境因素的风机功率信号反馈方法 | |
CN112636366B (zh) | 一种基于控制过程数据拟合的风电场动态频率控制方法 | |
CN109611274A (zh) | 一种风力发电机组高风速区lqg优化控制方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20170301 Termination date: 20171103 |
|
CF01 | Termination of patent right due to non-payment of annual fee |