CN107975457B - 一种抑制风速波动干扰的风电机组变桨控制方法 - Google Patents
一种抑制风速波动干扰的风电机组变桨控制方法 Download PDFInfo
- Publication number
- CN107975457B CN107975457B CN201711147579.4A CN201711147579A CN107975457B CN 107975457 B CN107975457 B CN 107975457B CN 201711147579 A CN201711147579 A CN 201711147579A CN 107975457 B CN107975457 B CN 107975457B
- Authority
- CN
- China
- Prior art keywords
- wind speed
- wind
- control
- wind turbine
- formula
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 31
- 230000002401 inhibitory effect Effects 0.000 title claims abstract description 5
- 230000008569 process Effects 0.000 claims abstract description 11
- 238000013461 design Methods 0.000 claims description 14
- 230000005540 biological transmission Effects 0.000 claims description 11
- 239000011159 matrix material Substances 0.000 claims description 9
- 238000001914 filtration Methods 0.000 claims description 8
- 238000013507 mapping Methods 0.000 claims description 7
- 238000005259 measurement Methods 0.000 claims description 4
- 230000026676 system process Effects 0.000 claims description 3
- 230000007704 transition Effects 0.000 claims description 3
- 238000010248 power generation Methods 0.000 abstract description 8
- 230000000694 effects Effects 0.000 abstract description 5
- 230000004044 response Effects 0.000 abstract description 4
- 230000000739 chaotic effect Effects 0.000 abstract 1
- 238000013528 artificial neural network Methods 0.000 description 4
- 238000005457 optimization Methods 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 238000011217 control strategy Methods 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- 230000007423 decrease Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000002068 genetic effect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000005764 inhibitory process Effects 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000004513 sizing 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
- F03D7/02—Controlling wind motors the wind motors having rotation axis substantially parallel to the air flow entering the rotor
- F03D7/022—Adjusting aerodynamic properties of the blades
- F03D7/0224—Adjusting blade pitch
-
- 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
- F03D7/02—Controlling wind motors the wind motors having rotation axis substantially parallel to the air flow entering the rotor
- F03D7/04—Automatic control; Regulation
-
- 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
- F05B2260/82—Forecasts
- F05B2260/821—Parameter estimation or prediction
- F05B2260/8211—Parameter estimation or prediction of the weather
-
- 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
-
- 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
- F05B2270/00—Control
- F05B2270/30—Control parameters, e.g. input parameters
- F05B2270/32—Wind speeds
-
- 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
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A30/00—Adapting or protecting infrastructure or their operation
-
- 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)
- Physics & Mathematics (AREA)
- Fluid Mechanics (AREA)
- Control Of Eletrric Generators (AREA)
- Wind Motors (AREA)
Abstract
本发明请求保护一种抑制风速波动干扰的风电机组变桨控制方法,涉及到风力发电变桨控制领域。首先,为了避免风电机组非线性造成的控制混沌效应,进而在额定风速以上的恒功率点对风电机组进行线性化;同时考虑到传统PID控制器在功率精度控制上难以达到满意的效果,进而设计了一种滑模控制器。其次,针对滑模控制导致的控制过程出现的抖动问题,采取了对风速波动干扰进行预估补偿的方法。最后,为了解决机组大惯性导致的控制过程时滞效应,利用了卡尔曼滤波器和牛顿拉夫逊算法对有效风速进行预测,从而对桨距角进行补偿。本发明提出的控制方法能够很好的降低滑模抖动,提高***的响应速度,同时能很好的稳定输出功率,具有一定的实用价值。
Description
技术领域
本发明属于风力发电变桨控制领域,具体是一种控制风力机输出功率的变桨控制方法,该方法是基于抑制风速波动干扰和稳定输出功率的风电机组变桨控制方法。
背景技术
由于可再生能源的绿色、可持续等优点,得到世界各国的大量关注。风力发电是很重要的一种可再生能源,装机容量占了电力消耗的重要比重,因此,提高发电品质具有重要意义。额定风速以上,必须保持输出功率恒定。变桨距控制技术是保持输出功率恒定的重要手段之一[1-2]。
由于风力机的时滞、非线性等特性,常规PID控制器难以满足控制要求,为了提高控制精度和***稳定性,目前,已有众多学者对这一问题进行了深入研究,提出了诸多方案。如模糊控制、神经网络、滑模变结构控制,前馈-反馈控制等先进控制理论。文献[3]推导了风电机组的仿射非线性模型,在此基础上设计了非线性控制器,并进行了精确线性化。文献[4]采用智能遗传算法优化PID参数,提高变桨控制器性能。文献[5]根据已知的风力机特性和滑模变结构***理论,推导出在切换面上的等效控制和切换面上滑模运动的状态方程。为了削弱抖振,采用基于最大风能追踪控制的模糊滑模控制方法。文献[6]在平衡点附近将风力机线性化后,采用线性参数变化算法提高控制精度。文献[7]针对实际作用在风力机上的有效风速难以测量的问题,设计Kalman滤波器,通过对风轮气动转矩的最优估计及其与风速的关系,对风速进行递推计算。同时,以风轮转速的平稳性和塔顶位移的最小化为优化控制目标,设计了变桨距预测控制器。文献[8]针对变速变桨风力发电机组如何抑制反馈信号滞后引起的输出功率波动进行研究。在传统PID反馈控制和基于测量风速前馈控制的基础上,提出了有效风速估计的前馈与传统PID反馈结合的变桨距控制策略,通过卡尔曼滤波与牛顿-拉夫逊算法进行有效风速估计,根据估计的有效风速给出合适的前馈桨距角,实现动态前馈补偿。文献[9]建立的前馈反馈控制策略,反馈控制增加了微分环节,前馈控制器采用的是模糊控制规则,也取得了很好的控制效果。文献[10]采用径向基神经网络优化PI控制器参数,并用粒子群算法优化神经网络。文献[11]设计了具有优化参数的PI控制器,同时采用延时干扰估计和信号补偿技术。
上述研究针对风电机组控制***中功率稳定问题,尝试了多种控制方法。其各自解决了一些问题,使控制性能得到了提升。本发明在借鉴了这些研究的基础上,采用了滑模变结构控制,同时对风速波动干扰进行预估补偿,降低抖动,并且利用卡尔曼算法对桨距角进行预测补偿,提高了***的响应速度。
参考文献:
[1]Xiu-xing Yin,Yong-gang Lin,Wei Li,Ya-jing Gu,Xiao-jun Wang,Peng-fei Lei.Design,modeling and implementation of a novel pitch angle controlsystem for wind turbine.Renewable Energy,2015,81:599-608.
[2]杨俊华,郑俭华,杨梦丽,吴捷.变桨距风力发电机组恒功率反馈线性化控制.控制理论与应用,2012,29(10):1365-1370.
[3]包能胜,叶枝全.水平轴矢速型风力机主动非线性控制[J].太阳能学报,2004,25(4):519—524.
[4]ZaferCivelek,MuratLüy,HayatiMamur.Proportional-integral-derivative parameter optimisation ofblade pitch controller in wind turbinesby a new intelligent genetic algorithm.IET Renewable Power Generation.2016,10(8):1-9.
[5]秦斌,周浩,邱丽,郭百顺,王欣.基于模糊滑模控制的风力发电***最大风能追踪[J].上海交通大学学报,2014,48(07):993-997.
[6]Fernando A.Inthamoussou,Hernán De Battista,Ricardo J.Mantz.LPV-based active power control ofwind turbines covering the complete wind speedrange.Renewable Energy.2016,99:996-1007.
[7]王晓兰,唐慧敏,包广清,张晓英,梁琛.抑制载荷的风力机扰动前馈与预测反馈复合控制[J].电工技术学报,2016,31(02):230-235.
[8]何玉林,黄帅,杜静,苏东旭,李俊.基于前馈的风力发电机组变桨距控制[J].电力***保护与控制,2012,40(03):15-20.
[9]郭鹏.模糊前馈与模糊PID结合的风力发电机组变桨距控制.中国电机工程学报,2010,30(8):123-128.
[10]Iman Poultangari,Reza Shahnazi,Mansour Sheikhan.RBF neuralnetwork based PI pitch controller for a class of5-MW windturbines usingparticle swarm optimization algorithm.ISA Transaction,2012,51:641-648.
[11]Richie Gao,Zhiwei Gao.Pitch control for wind turbine systemsusing optimization,estimation andcompensation.Renewable Energy.2016,91:501-515.
[12]徐红,刘东乐.基于观测器的风力发电***滑膜变结构控制.电力***及其自动化学报[J],2013,25(2):20-25.
[13]Endusa Billy Muhando,Tomonobu Senjyu,Naomitsu Urasaki,et al.Gainscheduling control of variable speed WTG under widely varying turbulenceloading[J].Renewable Energy,2007,32:2407-2423.
[14]Boukhezzar B,Siguerdidjane H,Maureen Hand M.Nonlinear control ofvariable-speed wind turbines generator torque limiting and power optimization[J].Journal of Solar Energy Engineering,2006,128:516-530.
发明内容
本发明旨在解决以上现有技术的问题,提出了一种降低控制过程的抖动问题、提高控制精度、提高***的响应速度的抑制风速波动干扰的风电机组变桨控制方法。本发明的技术方案如下:
一种抑制风速波动干扰的风电机组变桨控制方法,其包括以下步骤:
1)、首先,在额定风速以上的恒功率点对风电机组模型进行线性化,并设计了一种滑模控制器;设计滑模控制器为us=ψx1+φsgn(s),式中:ψ为风轮误差系数,φ为滑模干扰切换增益系数,x1为输入误差,s为切换函数。
2)、其次,针对步骤1)滑模控制导致的控制过程出现的抖动,采取了对风速波动干扰进行预估补偿的方法,先利用卡尔曼滤波算法对气动转矩进行估计,再利用牛顿拉夫逊算法对有效风速进行估计,得到估计的干扰量,降低切换增益;
3)、最后根据步骤2)预估的有效风速,以及风速与桨距角的关系,对桨距角进行实时补偿。
进一步的,所述步骤2)利用卡尔曼滤波算法对气动转矩进行估计,再利用牛顿拉夫逊算法对有效风速进行估计,得到估计的干扰量具体包括;
气动转矩的一阶马尔科夫过程为:
式中:Ta为气动转矩,Tψ为转矩相关系数。
可以得到传动***的状态方程为:
式中:ωr为风轮转速,Zt为阻力矩常数,Jz为风电***折算后的转动惯量,Ta为气动转矩,U为控制输入转矩,
根据实际需要可以设定***输出方程为:
Y=HX (27)
式中:H=[1 0];
根据采样需要,取其周期为0.001S对***方程进行离散化,得到传动***的离散化模型为:
式中:F(k+1,k)为状态转移矩阵;B(k+1,k)为控制矩阵;X(k)为状态向量;H为状态观测矩阵;υ为***测量噪声;ω为***过程噪声;
采取了卡尔曼滤波算法对风速进行预估,在得到气动转矩估计值的基础上再利用牛顿拉夫逊算法对最优风速进行估计;
根据牛顿拉夫逊算法的迭代思想,最优风速估计的迭代表达式为:
式中:为当前时刻最优风速;Kn为优化求导函数;ρ为空气密度;Cp为风能利用系数;R为风轮半径;λ为叶尖速比;为下一时刻最优风速;预估气动转矩;Jn为优化的目标函数。
进一步的,所述步骤3)风速与桨距角的关系为:,风速V输入量与桨距角β输出值之间的非线性映射关系模型如下
β(v)=a0+a1v+…anvn,
β=f(Pd,V),Pa=(1+k%)Pd (31)
式中:an为拟合系数,Pd为额定输出功率,为定值,Pa表示叶轮吸收的功率,风电机组的能量损耗根据具体的情况设定其值为k%。
本发明的优点及有益效果如下:
(1)由于风电机组是一个强非线性,大惯性的复杂***,所以采用了在额定风速以上的恒功率点对其进行线性化,以便在全局范围内对***进行控制,同时设计了一种滑模变结构控制器,以提高控制精度。
(2)在线性化***中存在风速波动干扰项,为了消除干扰,本发明对风速干扰波动进行了实时预估补偿,以便使设计的控制率中的干扰切换增益系数降低,从而降低控制过程的抖动问题。
(3)由于风电机组的大惯性,从而容易造成控制信号的延迟,从而产生变桨不及时,为了解决这一问题,本发明采用卡尔曼滤波器以及牛顿拉夫逊算法对有效风速进行预估,从而对桨距角进行补偿,提高***的响应速度。
附图说明
图1是本发明提供优选实施例风电***结构图;
图2为控制策略示意图;
图3为输入风速图;
图4为输出功率对比仿真图;
图5为滑模控制输出功率图;
图6为变桨对比仿真图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、详细地描述。所描述的实施例仅仅是本发明的一部分实施例。
本发明解决上述技术问题的技术方案是:
1)对风力机模型实施线性化并设计控制率
风力机将风能转换为机械能,根据空气动力学的贝兹理论(Betz theory)[2]可知:
Pa=0.5ρπR2Cp(λ,β)V3 (1)
式中:Pa为风机叶轮吸收的功率;ρ为空气密度;R为风机叶轮半径;Cp为捕获风能时的风能利用系数,其为λ、β的函数;V为实际风速;β为风机的桨距角;λ为叶尖速比,其为风轮转速与桨距角的函数,即
λ=ωrR/V (2)
式中:ωr为风轮转速。
风能利用系数Cp为λ、β的函数,其与风力机的结构性能相关。一般根据经验选取下面特性曲线去近似拟合风力机吸收风能的特性。
Cp=(0.44-0.0167β)sin(π(λ-3)/(15-0.3β))-0.00184(λ-3)β (3)
风力机的传动模型为(其模型见附图1):
式中:Jf为风机叶轮的转动惯量;Tz为阻力矩,假定其集中在齿轮箱的低速端;Tl增速齿轮箱的低速端转矩;Jdg为发电机转动惯量;ωh为齿轮箱高速端转速;Th为齿轮箱输出转矩;Te为发电机的电磁转矩,因为本文为额定风速以上恒功率控制,可设定其为定值,其值根据具体发电要求设定。
***阻力矩特性和传动比为:
Tz=Ztωr (6)
k=ωh/ωr (7)
式中:Zt为阻力矩常数,其与低速端传力结构有关。k为齿轮的传动比。
将式(5)、(6)、(7)带入式(4)可得整个风力机传动***部分的特性方程:
Jz=k2Jdg+Jf (9)
式中:Jz为整个风电***折算后的转动惯量。
变桨执行机构为液压传动,其为一阶惯性环节:
由于本发明是针对额定风速以上恒功率控制,则电磁转矩和参考转速为定值,故可认为***阻力矩为常量。
由于风机的气动转矩为三个变量的非线性函数,即
将式(11)在额定风速以上的恒功率点(vp,βp,ωp)展开[12]
其中,Δv=v-vp,Δβ=β-βp,Δω=ω-ωp,则有
忽略高阶无穷小量,并定义:
联立式(8),(9),(13)可得
根据式(10)和(14)可得
设定飞、风轮的参考转速为ωref,定义:x1=ωref-ω,则式(15)可转化为矩阵形式
根据线性化后的***,以Δω为控制器输入,u=Δβr-Δβ为输出,为干扰,设计滑模控制器为
us=ψx1+φsgn(s) (17)
式中:ψ为风轮误差系数,φ为滑模干扰切换增益系数。
其切换函数为
s=cx1+x2 (18)
式中:c为正常数。
根据设计要求,要求c,ψ,φ满足如下要求
φ>|d|max(21)
对切换函数求导得
则
根据式(20)得设计要求,可知
根据设计要求式(21)可知,随着干扰d的减小,切换干扰增益φ也会减小,从而达到降低抖动的效果。
2)对风速波动干扰进行补偿
为了降低滑模抖动,本发明设计了风速干扰补偿的方法。本发明先利用卡尔曼滤波算法对气动转矩进行估计,再利用牛顿拉夫逊算法对有效风速进行估计,从而得到估计的干扰量,降低切换增益。
气动转矩的一阶马尔科夫过程为[13]:
将式(25)带入式(8)中,可以得到传动***的状态方程为:
根据实际需要可以设定***输出方程为:
Y=HX (27)
式中:H=[1 0]。
根据采样需要,取其周期为0.001S对***方程进行离散化,得到传动***的离散化模型为:
式中:F(k+1,k)为状态转移矩阵;X(k)为状态向量;H为状态观测矩阵;υ为***测量噪声;ω为***过程噪声。
由于风速时变性、湍流、塔架影响造成风速计测量的局限性,本文采取了卡尔曼滤波算法对风速进行预估。在得到气动转矩估计值的基础上再利用牛顿拉夫逊算法对最优风速进行估计。
根据牛顿拉夫逊算法的迭代思想[14],最优风速估计的迭代表达式为:
式中:为当前时刻最优风速;为下一时刻最优风速;预估气动转矩;Jn为优化的目标函数
3)对桨距角输入量进行补偿
当风力机桨叶生产定型后,其风能利用曲线就确定了,所以Cp的曲线就不会发生变化,并且风轮转速应维持在额定值附近,所以Cp与实际风速V之间的关系,就变成了桨距角β与V之间的确定的非线性关系。故风力机捕捉的机械能可以简写为[9]:
Pa=f(V,β) (30)
风电机组的能量损耗在生产定型后基本保持不变,主要包括一些传动过程中的一些摩擦损耗,可以根据具体的情况设定其值为k%,为了保持输出功率恒定,则叶轮吸收的功率为:
Pa=(1+K%)Pd (31)
式中:Pd为额定输出功率,为定值。
根据式(30)和(31)有
β=f(Pd,V) (32)
由于实际的风电***的非线性以及其复杂的结构,故式(32)中的函数关系一定特别复杂。为了得到简化后精确的桨距角与实际风速之间的非线性映射关系,文章先通过牛顿拉夫逊算法计算得到复杂情况下的额定风速到切出风速之间对应的桨距角,再利用最小二乘法拟合风速输入量与桨距角输出值之间的非线性映射关系。
风速V输入量与桨距角β输出值之间的非线性映射关系模型如下
β(v)=a0+a1v+…anvn (33)
在MATLAB平台上,以随机风速(附图3)为实际输入,对风电***控制模型(见附图2)进行仿真,,实验分析结果如下:从仿真附图4,5可以得出,相比于传统PID控制,滑模变结构的控制方法,提高了输出功率的控制精度,减小了波动误差,但抖动比较厉害;在加入风速波动干扰补偿和控制输入桨距角预测补偿后,仿真附图6中的变桨过程抖动在一定程度上减小了,同时变桨输出的响应速度得到了提升。因为对干扰进行补偿后,减小了切换增益,从而达到了降低滑模抖动的效果;加入桨距角预测补偿后,可以对变桨过程超前补偿,避免了风电***的大惯性造成的变桨延迟导致的输出功率波动。
以上这些实施例应理解为仅用于说明本发明而不用于限制本发明的保护范围。在阅读了本发明的记载的内容之后,技术人员可以对本发明作各种改动或修改,这些等效变化和修饰同样落入本发明权利要求所限定的范围。
Claims (2)
1.一种抑制风速波动干扰的风电机组变桨控制方法,其特征在于,包括以下步骤:
1)、首先,在额定风速以上的恒功率点对风电机组模型进行线性化,并设计了一种滑模控制器;设计滑模控制器为式中:ψ为风轮误差系数,为滑模干扰切换增益系数,x1为表示输入误差,s为切换函数;
2)、其次,针对步骤1)滑模控制导致的控制过程出现的抖动,采取了对风速波动干扰进行预估补偿的方法,先利用卡尔曼滤波算法对气动转矩进行估计,再利用牛顿拉夫逊算法对有效风速进行估计,得到估计的干扰量,降低切换增益,再利用最小二乘法拟合风速输入量与桨距角输出值之间的非线性映射关系,
风速V输入量与桨距角β输出值之间的非线性映射关系模型如下
β(v)=a0+a1v+…anvn,an表示拟合系数;
3)、最后根据步骤2)预估的有效风速,以及风速与桨距角的关系,对桨距角进行实时补偿;
所述步骤2)利用卡尔曼滤波算法对气动转矩进行估计,再利用牛顿拉夫逊算法对有效风速进行估计,得到估计的干扰量具体包括;
气动转矩的一阶马尔科夫过程为:
式中:Ta为气动转矩,Tψ为转矩相关系数;
可以得到传动***的状态方程为:
式中:ωr为风轮转速,Zt为阻力矩常数,Jz为风电***折算后的转动惯量,Ta为气动转矩,U为控制输入转矩,
设定***输出方程为:
Y=HX
式中:H=[1 0];
取其周期为0.001S对***方程进行离散化,得到传动***的离散化模型为:
式中:F(k+1,k)为状态转移矩阵;B(k+1,k)为控制矩阵;X(k)为状态向量;H为状态观测矩阵;υ为***测量噪声;ω为***过程噪声;
采取了卡尔曼滤波算法对风速进行预估,在得到气动转矩估计值的基础上再利用牛顿拉夫逊算法对最优风速进行估计;
根据牛顿拉夫逊算法的迭代思想,最优风速估计的迭代表达式为:
式中:为当前时刻最优风速;Kn为优化求导函数;ρ为空气密度;Cp为风能利用系数;Cq为转矩系数;为风轮转速估计值,R为风轮半径;λ为叶尖速比;为下一时刻最优风速;预估气动转矩;Jn为优化的目标函数。
2.根据权利要求1所述的抑制风速波动干扰的风电机组变桨控制方法,其特征在于,所述步骤3)风速与桨距角的关系为确定的非线性关系:风速V输入量与桨距角β输出值之间的非线性映射关系模型如下
β(v)=a0+a1v+…anvn,
β=f(Pd,V),Pa=(1+k%)Pd
式中:an为拟合系数,Pd为额定输出功率为定值,Pa表示叶轮吸收的功率,风电机组的能量损耗根据具体的情况设定其值为k%。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711147579.4A CN107975457B (zh) | 2017-11-17 | 2017-11-17 | 一种抑制风速波动干扰的风电机组变桨控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711147579.4A CN107975457B (zh) | 2017-11-17 | 2017-11-17 | 一种抑制风速波动干扰的风电机组变桨控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107975457A CN107975457A (zh) | 2018-05-01 |
CN107975457B true CN107975457B (zh) | 2019-12-31 |
Family
ID=62010470
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711147579.4A Active CN107975457B (zh) | 2017-11-17 | 2017-11-17 | 一种抑制风速波动干扰的风电机组变桨控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107975457B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111219293B (zh) * | 2020-02-18 | 2021-12-17 | 南京理工大学 | 基于线性自抗扰控制的变桨控制器设计方法 |
CN111812983A (zh) * | 2020-07-19 | 2020-10-23 | 国网山西省电力公司电力科学研究院 | 一种基于微分平坦自抗扰控制的风电机组一次调频减载控制方法 |
CN114428456B (zh) * | 2020-10-29 | 2024-05-14 | 北京国电智深控制技术有限公司 | 一种火电机组控制***的控制方法及装置 |
CN112879217A (zh) * | 2021-01-22 | 2021-06-01 | 湘潭大学 | 一种基于负载的低风速风力机双积分滑模控制方法 |
CN113007022A (zh) * | 2021-03-23 | 2021-06-22 | 新疆工程学院 | 基于风速对风机性能影响的数据驱动模型装置及其构建方法 |
CN113847202B (zh) * | 2021-09-16 | 2023-06-06 | 国电投河南新能源有限公司 | 一种风电机组变桨稳转速控制***及控制方法 |
CN114294164B (zh) * | 2021-12-09 | 2023-03-28 | 重庆邮电大学 | 一种风力发电机分数阶变桨控制方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103166565A (zh) * | 2011-12-13 | 2013-06-19 | 上海电气集团股份有限公司 | 一种滑模控制器及一种双模态控制*** |
CN103291543A (zh) * | 2013-06-20 | 2013-09-11 | 上海电力学院 | 基于滑模控制理论的设计风机变桨距控制器方法 |
CN104595106A (zh) * | 2014-05-19 | 2015-05-06 | 湖南工业大学 | 基于强化学习补偿的风力发电变桨距控制方法 |
CN105179164A (zh) * | 2015-06-25 | 2015-12-23 | 江苏科技大学 | 基于t-s模糊模型的风能转换***滑模控制方法及装置 |
CN105978373A (zh) * | 2016-06-28 | 2016-09-28 | 南京理工大学 | 实现微电网稳定的三相逆变器逆推滑模控制方法及*** |
CN107061164A (zh) * | 2017-06-07 | 2017-08-18 | 哈尔滨工业大学 | 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 |
-
2017
- 2017-11-17 CN CN201711147579.4A patent/CN107975457B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103166565A (zh) * | 2011-12-13 | 2013-06-19 | 上海电气集团股份有限公司 | 一种滑模控制器及一种双模态控制*** |
CN103291543A (zh) * | 2013-06-20 | 2013-09-11 | 上海电力学院 | 基于滑模控制理论的设计风机变桨距控制器方法 |
CN104595106A (zh) * | 2014-05-19 | 2015-05-06 | 湖南工业大学 | 基于强化学习补偿的风力发电变桨距控制方法 |
CN105179164A (zh) * | 2015-06-25 | 2015-12-23 | 江苏科技大学 | 基于t-s模糊模型的风能转换***滑模控制方法及装置 |
CN105978373A (zh) * | 2016-06-28 | 2016-09-28 | 南京理工大学 | 实现微电网稳定的三相逆变器逆推滑模控制方法及*** |
CN107061164A (zh) * | 2017-06-07 | 2017-08-18 | 哈尔滨工业大学 | 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 |
Non-Patent Citations (1)
Title |
---|
基于前馈的风力发电机组变桨距控制;何玉林等;《电力***保护与控制》;20120201;第40卷(第3期);第15-20页 * |
Also Published As
Publication number | Publication date |
---|---|
CN107975457A (zh) | 2018-05-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107975457B (zh) | 一种抑制风速波动干扰的风电机组变桨控制方法 | |
CN107559143B (zh) | 一种大型风力机尾缘襟翼结构参数寻优及多目标襟翼优化控制方法 | |
Van der Hooft et al. | Wind turbine control algorithms | |
CN102797629B (zh) | 一种风电机组的控制方法、控制器及其控制*** | |
CN102906418B (zh) | 风力涡轮机 | |
CN105545595B (zh) | 基于径向基神经网络的风力机反馈线性化功率控制方法 | |
CN103527405B (zh) | 一种双馈式风力发电机组变桨距控制方法 | |
CN103807096A (zh) | 风力涡轮机及其控制方法 | |
CN105508135A (zh) | 一种基于模糊前馈与模糊pid控制结合的变桨控制方法 | |
Dhar et al. | Study on pitch angle control of a variable speed wind turbine using different control strategies | |
Anjun et al. | Pitch control of large scale wind turbine based on expert PID control | |
CN111188732B (zh) | 一种风力发电变桨鲁棒容错控制方法 | |
CN111219293B (zh) | 基于线性自抗扰控制的变桨控制器设计方法 | |
Aldair et al. | Design of pitch angle controller for wind turbine based on pi neurofuzzy model | |
Jiao et al. | Effective wind speed estimation and prediction based feedforward feedback pitch control for wind turbines | |
Xia et al. | A new pitch control method for large scale wind turbine based on ADRC | |
Madsen et al. | Preview-based asymmetric load reduction of wind turbines | |
Faridi et al. | Pitch control of wind turbine blades in noisy and unstable wind conditions | |
Wan-Jun et al. | Variable pitch sliding mode control of wind turbine based on disturbance observer | |
CN114876732A (zh) | 一种风电机组变桨的控制方法及装置 | |
Schlipf | Prospects of multivariable feedforward control of wind turbines using lidar | |
Tofighi et al. | Nonlinear model predictive control approach for structural load mitigation of wind turbines in presence of wind measurement uncertainties | |
Le-peng et al. | Simulation for strategy of maximal wind energy capture of doubly fed induction generators | |
Kader et al. | A novel control scheme for pitch regulated vertical axis wind turbine | |
Aschemann et al. | Active damping and drive train control for a wind turbine with a hydrostatic transmission and a PMSG |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |