CN110456637A - 一种减小风机振动的自适应模糊多目标机电控制方法 - Google Patents

一种减小风机振动的自适应模糊多目标机电控制方法 Download PDF

Info

Publication number
CN110456637A
CN110456637A CN201910639244.7A CN201910639244A CN110456637A CN 110456637 A CN110456637 A CN 110456637A CN 201910639244 A CN201910639244 A CN 201910639244A CN 110456637 A CN110456637 A CN 110456637A
Authority
CN
China
Prior art keywords
control
fuzzy
adaptive
displacement
feedback
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.)
Withdrawn
Application number
CN201910639244.7A
Other languages
English (en)
Inventor
陈健云
徐强
李静
苑晨阳
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Dalian University of Technology
Original Assignee
Dalian University of Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Dalian University of Technology filed Critical Dalian University of Technology
Priority to CN201910639244.7A priority Critical patent/CN110456637A/zh
Publication of CN110456637A publication Critical patent/CN110456637A/zh
Withdrawn legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
    • G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance

Landscapes

  • Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Buildings Adapted To Withstand Abnormal External Influences (AREA)
  • Wind Motors (AREA)
  • Control Of Positive-Displacement Air Blowers (AREA)

Abstract

本发明属于风力发电机技术领域，提供了一种减小风机振动的自适应模糊多目标机电控制方法，在机电控制以风轮转速和风速作为反馈量的基础上，增加地震动作用下的塔顶位移和速度作为反馈量，以桨距角变化量Δβb位输出量，根据实时位移反应自适应调整模糊控制的比例因子；将结构地震动振动响应的桨距角自适应模糊控制与发电功率稳定的机电控制桨距角相结合，通过增加机电控制***的控制目标，实现地震动响应的控制。本发明可以在反馈控制中增加椭圆函数带通滤波器和chebyshev低通滤波器以改善塔架侧向阻尼，并与TMD等结构振动控制措施相结合，会进一步提高减震率。

Description

一种减小风机振动的自适应模糊多目标机电控制方法
技术领域
本发明属于风力发电机技术领域，涉及一种减小风机结构振动的自适应模糊多目标变桨矩机电控制方法。
背景技术
我国为地震动活跃区，无论是陆上风能资源丰富的西部地区还是海上风能资源丰富的东南沿海地区，都面临着地震动的威胁。避免风电结构在地震动下的破坏十分重要。风电结构的特征以及地震动的偶然性，使得通过振动控制措施降低风机结构在地震动下的振动具有更好的经济性和可行性。
目前降低风机结构振动通常采取的是布置阻尼器等措施，比如塔架中布置悬吊式TMD、磁流变阻尼器、质量球BVA等，这些附加的控制器在风机运行过程中，尤其是停机状态对于降低风机结构振动具有良好的效果。也有不少利用机电控制进行结构振动控制的措施，比如PID控制与模糊控制相结合的方法等。但是目前普遍是针对风机运行过程中的风荷载降低疲劳振动的措施，而且参数优化通常是以提高发电功率稳定性作为唯一目标函数，缺乏针对地震动荷载作用下的振动采用机电控制将降低结构振动进行参数优化的减震方法。
由于风机运行过程中的气动阻尼作用，风机结构在运行状态下遭受地震动作用的振动要远小于停机状态下的振动。因此，改变风机运行策略，在地震动发生时保持风机的机电控制，研究通过机电控制措施降低风机结构在地震动下的振动对于保证风机结构抗震安全十分必要。
发明内容
本发明提出一种减小风机结构在地震动作用下的振动响应的自适应模糊多目标机电控制方法，其主要创新性在于将模糊控制与变桨距机电控制相结合，通过改变机电控制***的控制目标，通过桨距角调整气动作用参数。
本发明的技术方案：
一种减小风机振动的自适应模糊多目标机电控制方法，步骤如下：
(1)根据风场地震动危险性分析和风机结构特征，确定输入变量：位移、速度论域以及输出变量：桨距角增量Δβb模糊等级，采用三角形隶属度对输入变量进行模糊化，采用重心法进行反模糊化；建立Mamdani模糊控制规则：
if x1∈Ai and x2∈Bj，then y∈Cij (1)
其中，x1、x2分别为输入的位移和速度，y为输出桨距角增量，Ai和Bj分别为位移和速度响应模糊集中第i、j个模糊元素，Cij为根据模糊控制规则确定的输出模糊集元素；按照下表得到如图1所示的模糊控制曲面；
输入变量(位移和速度)从负向最大到正向最大分为五个模糊等级NL,NS,ZE,PS,PL(模糊等级Ai和Bi)，输出变量(桨距角增量)按照从小到大分为五个模糊等级VS,S,M,L,VL(模糊规则C)；
模糊集隶属函数采用下式：
其中，x和μ(x)分别为模量变量及对应的隶属度函数，m0和σ0分别为模糊集中心点和宽度；
(2)采用风电机组机电控制桨距角控制器，根据风速和叶轮转速反馈，以输出功率稳定性作为目标函数，得到机电控制的桨距角控制初值β0；
(3)根据塔顶监测位移，确定自适应比例因子：
fs＝k0e|u| (3)
其中，fs为自适应比例因子，k0为比例系数，u为塔顶监测反馈位移。
本发明的关键步骤之一，在基于发电功率稳定性的机电控制基础上，增加了塔顶位移反馈，并根据反馈位移确定用于振动控制的比例因子；
(4)根据塔顶位移和速度反馈，采用图2所示的自适应模糊控制器，确定以结构振动控制为目标函数的桨距角输出变化量Δβ0；
本发明的关键步骤之二，根据塔顶位移反馈，在发电功率稳定性为单目标的控制基础上增加塔顶位移为控制目标的优化控制，确定了桨距角变化增量；
(5)将自适应模糊控制与机电控制相结合，采用如图3所示的机电-结构振动控制***，根据自适应模糊控制得到的Δβ0，得到新的桨距角控制值βb，从而通过气动阻尼变化降低风和地震动组合作用下的风机结构的振动响应。
本发明的有益效果：将模糊控制与机电控制相结合，采用的自适应比例因子，通过将机电控制中的单目标控制优化改变为同时考虑塔顶振动的多目标控制优化(以上步骤3、4、5)，解决了传统的模糊控制中在降低峰值反应的同时增加其他时段内反应的问题，在保证输出功率稳定性的同时降低地震动响应。
本发明可以在反馈控制中增加椭圆函数带通滤波器和chebyshev低通滤波器以改善塔架侧向阻尼，并与TMD等结构振动控制措施相结合，会进一步提高减震率。
附图说明
图1是输入、输出变量模糊控制曲面示意图；
图2是自适应比例因子函数关系图；
图3是自适应模糊变桨距控制***；
图4是单条地震波作用下塔顶位移的时程曲线对比；
图5是控制前后塔架底部弯矩的易损性对比；
其中，TTFA为塔顶前后位移，MA为塔底弯矩，SPF表示自适应模糊控制。
具体实施方式
以下结合附图和技术方案，进一步说明本发明的具体实施方式。
实施例：
NREL 5MW风机，风轮直径126米，轮毂高度9米。设定平均风速为20m/s，地震动在PEER中根据震源深度为±20-40km选取50条地震波。
(1)根据该型号风机的动力响应特征，将输入变量(位移和速度)分别分为五个模糊等级NL,NS,ZE,PS,PL(模糊等级Ai和Bi)，输出变量(桨距角增量)按照大小分为五个模糊等级VS,S,M,L,VL(模糊规则C)，建立模糊控制规则如附图1所示。
(2)采用风电机组机电控制桨距角控制器，根据脉动风速时程和叶轮转速反馈，以输出功率稳定性作为目标函数，得到机电控制的桨距角控制初值β0；
(3)根据塔顶监测位移，确定自适应比例因子：
fs＝k0e|u| (3)
其中，fs为自适应比例因子，k0为比例系数，u为塔顶监测反馈位移。
(4)根据塔顶位移和速度反馈，采用图2所示的自适应模糊控制器，确定以结构振动控制为目标函数的桨距角输出变化量Δβ0；
(5)将自适应模糊控制与机电控制相结合，采用如图3所示的机电-结构振动控制***，根据自适应模糊控制得到的Δβ0，得到新的桨距角控制值βb，从而通过气动阻尼变化降低风和地震动组合作用下的风机结构的振动响应。
其中一条地震动的控制结果如图4所示，50条地震动下的考虑结构振动控制和不考虑的塔顶响应的易损性曲线比较如图5所示。可以看出自适应模糊控制方案能够对塔架地震动振动起到有效的控制作用。

Claims (1)

1.一种减小风机振动的自适应模糊多目标机电控制方法，其特征在于，步骤如下：
(1)根据风场地震动危险性分析和风机结构特征，确定输入变量：位移、速度论域以及输出变量：桨距角增量Δβb模糊等级，采用三角形隶属度对输入变量进行模糊化，采用重心法进行反模糊化；建立Mamdani模糊控制规则：
if x1∈Ai and x2∈Bj，then y∈Cij (1)
其中，x1、x2分别为输入的位移和速度，y为输出桨距角增量，Ai和Bj分别为位移和速度响应模糊集中第i、j个模糊元素，Cij为根据模糊控制规则确定的输出模糊集元素；按照下表得到模糊控制曲面；
输入变量从负向最大到正向最大分为五个模糊等级NL,NS,ZE,PS,PL，输出变量按照从小到大分为五个模糊等级VS,S,M,L,VL；
模糊集隶属函数采用下式：
其中，x和μ(x)分别为模量变量及对应的隶属度函数，m0和σ0分别为模糊集中心点和宽度；
(2)采用风电机组机电控制桨距角控制器，根据风速和叶轮转速反馈，以输出功率稳定性作为目标函数，得到机电控制的桨距角控制初值β0；
(3)根据塔顶监测位移，确定自适应比例因子：
fs＝k0e|u| (3)
其中，fs为自适应比例因子，k0为比例系数，u为塔顶监测反馈位移；
本发明的关键步骤之一，在基于发电功率稳定性的机电控制基础上，增加了塔顶位移反馈，并根据反馈位移确定用于振动控制的比例因子；
(4)根据塔顶位移和速度反馈，采用自适应模糊控制器，确定以结构振动控制为目标函数的桨距角输出变化量Δβ0；
(5)将自适应模糊控制与机电控制相结合，采用机电-结构振动控制***，根据自适应模糊控制器得到的Δβ0，得到新的桨距角控制值βb，从而通过气动阻尼变化降低风和地震动组合作用下的风机结构的振动响应。
CN201910639244.7A 2019-07-16 2019-07-16 一种减小风机振动的自适应模糊多目标机电控制方法 Withdrawn CN110456637A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910639244.7A CN110456637A (zh) 2019-07-16 2019-07-16 一种减小风机振动的自适应模糊多目标机电控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910639244.7A CN110456637A (zh) 2019-07-16 2019-07-16 一种减小风机振动的自适应模糊多目标机电控制方法

Publications (1)

Publication Number Publication Date
CN110456637A true CN110456637A (zh) 2019-11-15

Family

ID=68481319

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910639244.7A Withdrawn CN110456637A (zh) 2019-07-16 2019-07-16 一种减小风机振动的自适应模糊多目标机电控制方法

Country Status (1)

Country Link
CN (1) CN110456637A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112682256A (zh) * 2020-12-09 2021-04-20 北京华能新锐控制技术有限公司 一种基于tmd与变桨优化控制的风机联合减载方法
CN113833606A (zh) * 2021-09-29 2021-12-24 上海电气风电集团股份有限公司 阻尼控制方法、***和可读存储介质
CN113915059A (zh) * 2021-09-09 2022-01-11 明阳智慧能源集团股份公司 一种风力发电机组塔架振动控制方法与***

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103321839A (zh) * 2012-03-20 2013-09-25 华锐风电科技(集团)股份有限公司 风机振动监测方法及***、风机监控器
CN105221335A (zh) * 2015-10-12 2016-01-06 大连理工大学 一种减小风机叶片摆振的智能控制器及其方法
CN105508135A (zh) * 2015-12-14 2016-04-20 沈阳华创风能有限公司 一种基于模糊前馈与模糊pid控制结合的变桨控制方法
CN106246464A (zh) * 2016-07-28 2016-12-21 许继集团有限公司 一种风力发电机组变桨距的模糊pi控制方法和装置
CN206530440U (zh) * 2017-03-02 2017-09-29 长春工程学院 一种基于振动速度反馈的风机独立变桨控制装置
CN108919648A (zh) * 2018-07-26 2018-11-30 太原科技大学 基于模糊逻辑推理的风机塔筒半主动控制方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103321839A (zh) * 2012-03-20 2013-09-25 华锐风电科技(集团)股份有限公司 风机振动监测方法及***、风机监控器
CN105221335A (zh) * 2015-10-12 2016-01-06 大连理工大学 一种减小风机叶片摆振的智能控制器及其方法
CN105508135A (zh) * 2015-12-14 2016-04-20 沈阳华创风能有限公司 一种基于模糊前馈与模糊pid控制结合的变桨控制方法
CN106246464A (zh) * 2016-07-28 2016-12-21 许继集团有限公司 一种风力发电机组变桨距的模糊pi控制方法和装置
CN206530440U (zh) * 2017-03-02 2017-09-29 长春工程学院 一种基于振动速度反馈的风机独立变桨控制装置
CN108919648A (zh) * 2018-07-26 2018-11-30 太原科技大学 基于模糊逻辑推理的风机塔筒半主动控制方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
MUHAMMAD BILAL KADRI;SHEHRYAR KHAN: "Fuzzy adaptive pitch controller of a wind turbine", 《2012 15TH INTERNATIONAL MULTITOPIC CONFERENCE (INMIC)》 *
苑晨阳: "大型风机结构振动的结构—机电智能控制研究", 《中国博士学位论文全文数据库 工程科技Ⅱ辑》 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112682256A (zh) * 2020-12-09 2021-04-20 北京华能新锐控制技术有限公司 一种基于tmd与变桨优化控制的风机联合减载方法
CN113915059A (zh) * 2021-09-09 2022-01-11 明阳智慧能源集团股份公司 一种风力发电机组塔架振动控制方法与***
CN113915059B (zh) * 2021-09-09 2023-03-14 明阳智慧能源集团股份公司 一种风力发电机组塔架振动控制方法与***
CN113833606A (zh) * 2021-09-29 2021-12-24 上海电气风电集团股份有限公司 阻尼控制方法、***和可读存储介质
CN113833606B (zh) * 2021-09-29 2023-09-26 上海电气风电集团股份有限公司 阻尼控制方法、***和可读存储介质

Similar Documents

Publication Publication Date Title
López-Queija et al. Review of control technologies for floating offshore wind turbines
Soltani et al. Estimation of rotor effective wind speed: A comparison
CN101603502B (zh) 一种基于人工智能的风能控制方法
CN110456637A (zh) 一种减小风机振动的自适应模糊多目标机电控制方法
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
Fischer et al. Study on control concepts suitable for mitigation of loads from misaligned wind and waves on offshore wind turbines supported on monopiles
Moodi et al. Wind turbine control using TS systems with nonlinear consequent parts
CN109296500B (zh) 基于鲁棒控制理论的最大风能捕获方法
WO2010060772A2 (en) Control strategy for wind turbine
CN105626378A (zh) 基于rbf神经网络的大型风电机组独立变桨控制方法
CN112260325A (zh) 一种考虑风力发电机疲劳载荷的风电场有功功率控制方法
Ciri et al. Large eddy simulation for an array of turbines with extremum seeking control
Lindeberg et al. Smooth transition between controllers for floating wind turbines
Nam et al. Alleviating the tower mechanical load of multi-MW wind turbines with LQR control
Sudharsan et al. Active flow control in Horizontal Axis Wind Turbine using PI-R controllers
Habibi et al. Power improvement of non-linear wind turbines during partial load operation using fuzzy inference control
Pham et al. LQR control for a multi-MW wind turbine
Shakeel Neural networks based prediction of wind energy using pitch angle control
CN108240286B (zh) 基于惯容的漂浮式海上风力发电机无源结构控制装置的参数优化方法
Suryanarayanan et al. Control of large wind turbines: Review and suggested approach to multivariable design
Suryanarayanan et al. On the dynamics of the pitch control loop in horizontal-axis large wind turbines
Coronado et al. Adaptive control of variable-speed variable-pitch wind turbines for power regulation
Ke et al. Theoretical and experimental study of gust response alleviation using neuro-fuzzy control law for a flexible wing model
Li et al. Individual blade pitch control for floating wind turbines bearing the coupling of aerodynamic-hydrodynamic–mooring loads
Maheswari et al. Analysis of modelling of active stall controlled and active pitch controlled variable speed wind turbines

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
WW01 Invention patent application withdrawn after publication
WW01 Invention patent application withdrawn after publication

Application publication date: 20191115