一种抑制风速波动干扰的风电机组变桨控制方法
阅读：857发布：2020-05-15
专利汇可以提供一种抑制风速波动干扰的风电机组变桨控制方法专利检索，专利查询，专利分析的服务。并且本 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，提高系统的响应速度，同时能很好的稳定输出功率，具有一定的实用价值。，下面是一种抑制风速波动干扰的风电机组变桨控制方法专利的具体信息内容。
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；
可以得到传动系统的状态方程为：
式中：ωr为风轮转速，Zt为阻力矩常数，Jz为风电系统折算后的转动惯量，Ta为气动转矩，U为控制输入转矩，
设定系统输出方程为：
Y＝HX
式中：H＝[1 0]；
取其周期为0.001S对系统方程进行离散化，得到传动系统的离散化模型为：
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为系统测量噪声；ω为系统过程噪声；
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％。
一种抑制风速波动干扰的风电机组变桨控制方法
技术领域
背景技术
[0002] 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]。
[0003] 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系统稳定性，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系统理论，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。
[0004] 上述研究针对风电机组控制系统中功率稳定问题，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，提高了系统的响应速度。
[0005] 参考文献：
[0006] [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 control system for wind turbine.Renewable Energy,2015,81:599-608.
[0009] [4]ZaferCivelek, MuratLüy,HayatiMamur.Proportional-integral-derivative parameter optimisation ofblade pitch controller in wind turbines by a new intelligent genetic algorithm.IET Renewable Power Generation.2016,10(8):1-9.
[0010] [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系统最大风能追踪[J].上海交通大学学报,2014,48(07):993-997.
[0011] [6]Fernando A.Inthamoussou,Hernán De Battista,Ricardo J.Mantz.LPV-based active power control ofwind turbines covering the complete wind speed range.Renewable Energy.2016,99:996-1007.
[0012] [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.
[0013] [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].电力系统保护与控制,2012,40(03):15-20.
[0014] [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.
[0015] [10]Iman Poultangari,Reza Shahnazi,Mansour Sheikhan.RBF neural network based PI pitch controller for a class of5-MW windturbines using particle swarm optimization algorithm.ISA Transaction,2012,51:641-648.[0016] [11]Richie Gao,Zhiwei Gao.Pitch control for wind turbine systems using optimization,estimation andcompensation.Renewable Energy.2016,91:501-515.
[0017] [12]徐红，刘东乐.基于观测器的风力发电系统滑膜变结构控制.电力系统及其自动化学报[J]，2013，25(2)：20-25.
[0018] [13]Endusa Billy Muhando,Tomonobu Senjyu,Naomitsu Urasaki,et al.Gain scheduling control of variable speed WTG under widely varying turbulence loading[J].Renewable Energy,2007,32:2407-2423.
[0019] [14]Boukhezzar B,Siguerdidjane H,Maureen Hand M.Nonlinear control of variable-speed wind turbines generator torque limiting and power optimization[J].Journal of Solar Energy Engineering,2006,128:516-530.
发明内容
[0020] 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、提高系统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：
[0021] 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：
[0022] 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。
[0023] 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；
[0024] 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。
[0025] 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；
[0027]
[0028] 式中：Ta为气动转矩，Tψ为转矩相关系数。
[0029] 可以得到传动系统的状态方程为：
[0030]
[0031] 式中：ωr为风轮转速，Zt为阻力矩常数，Jz为风电系统折算后的转动惯量，Ta为气动转矩，U为控制输入转矩，
[0032] 根据实际需要可以设定系统输出方程为：
[0033] Y＝HX (27)
[0034] 式中：H＝[1 0]；
[0035] 根据采样需要，取其周期为0.001S对系统方程进行离散化，得到传动系统的离散化模型为：
[0036]
[0037] 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为系统测量噪声；ω为系统过程噪声；
[0038] 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；
[0039] 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：
[0040]
[0042] 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
[0043] β(v)＝a0+a1v+…anvn，
[0044] β＝f(Pd,V)，Pa＝(1+k％)Pd (31)
[0046] 本发明的优点及有益效果如下：
[0047] (1)由于风电机组是一个强非线性，大惯性的复杂系统，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系统进行控制，同时设计了一种滑模变结构控制器，以提高控制精度。
[0048] (2)在线性化系统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。
[0049] (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，提高系统的响应速度。附图说明
[0050] 图1是本发明提供优选实施例风电系统结构图；
[0051] 图2为控制策略示意图；
[0052] 图3为输入风速图；
[0053] 图4为输出功率对比仿真图；
[0054] 图5为滑模控制输出功率图；
[0055] 图6为变桨对比仿真图。
具体实施方式
[0056] 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。
[0057] 本发明解决上述技术问题的技术方案是：
[0058] 1)对风力机模型实施线性化并设计控制率
[0060] Pa＝0.5ρπR2Cp(λ,β)V3 (1)
[0061] 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
[0062] λ＝ωrR/V (2)
[0063] 式中：ωr为风轮转速。
[0064] 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。
[0065] Cp＝(0.44-0.0167β)sin(π(λ-3)/(15-0.3β))-0.00184(λ-3)β (3)[0066] 风力机的传动模型为(其模型见附图1):
[0067]
[0068]
[0069] 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。
[0070] 系统阻力矩特性和传动比为：
[0071] Tz＝Ztωr (6)
[0072] k＝ωh/ωr (7)
[0073] 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。
[0074] 将式(5)、(6)、(7)带入式(4)可得整个风力机传动系统部分的特性方程：
[0075]
[0076] Jz＝k2Jdg+Jf (9)
[0077] 式中：Jz为整个风电系统折算后的转动惯量。
[0078] 变桨执行机构为液压传动，其为一阶惯性环节：
[0079]
[0080] 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，故可认为系统阻力矩为常量。
[0081] 由于风机的气动转矩为三个变量的非线性函数，即
[0082]
[0083] 将式(11)在额定风速以上的恒功率点(vp，βp，ωp)展开[12]
[0084]
[0085] 其中，Δv＝v-vp，Δβ＝β-βp，Δω＝ω-ωp，则有
[0086]
[0087] 忽略高阶无穷小量，并定义：
[0088] 联立式(8)，(9)，(13)可得
[0089]
[0090] 根据式(10)和(14)可得
[0091]
[0092] 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
[0093]
[0094] 根据线性化后的系统，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
[0095] us＝ψx1+φsgn(s) (17)
[0096] 式中:ψ为风轮误差系数，φ为滑模干扰切换增益系数。
[0097] 其切换函数为
[0098] s＝cx1+x2 (18)
[0099] 式中：c为正常数。
[0100] 根据设计要求,要求c，ψ，φ满足如下要求
[0101]
[0102]
[0103] φ＞|d|max(21)
[0104] 对切换函数求导得
[0105]
[0106] 则
[0107]
[0108] 根据式(20)得设计要求，可知
[0109]
[0110] 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。
[0111] 2)对风速波动干扰进行补偿
[0112] 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。
[0113] 气动转矩的一阶马尔科夫过程为[13]：
[0114]
[0115] 将式(25)带入式(8)中，可以得到传动系统的状态方程为：
[0116]
[0117] 根据实际需要可以设定系统输出方程为：
[0118] Y＝HX (27)
[0119] 式中：H＝[1 0]。
[0120] 根据采样需要，取其周期为0.001S对系统方程进行离散化，得到传动系统的离散化模型为：
[0121]
[0122] 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为系统测量噪声；ω为系统过程噪声。
[0124] 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：
[0125]
[0126] 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
[0127] 3)对桨距角输入量进行补偿
[0128] 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]：
[0129] Pa＝f(V,β) (30)
[0130] 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：
[0131] Pa＝(1+K％)Pd (31)
[0132] 式中：Pd为额定输出功率，为定值。
[0133] 根据式(30)和(31)有
[0134] β＝f(Pd,V) (32)
[0135] 由于实际的风电系统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。
[0136] 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
[0137] β(v)＝a0+a1v+…anvn (33)
[0138] 在MATLAB平台上，以随机风速(附图3)为实际输入，对风电系统控制模型(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，避免了风电系统的大惯性造成的变桨延迟导致的输出功率波动。
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 一种无风速传感器下的风力发电系统功率追踪方法 | 2020-05-18 | 307 |
| 一种基于遗传算法寻优的风力发电机组发电量提升方法 | 2020-05-12 | 904 |
| 一种计及风资源利用率预测评估的方法 | 2020-05-18 | 989 |
| 风力发电叶片桨矩角的确定方法 | 2020-05-19 | 101 |
| 一种高比例风电电力系统多时间尺度频率优化控制方法 | 2020-05-08 | 290 |
| 一种抑制风速波动干扰的风电机组变桨控制方法 | 2020-05-15 | 857 |
| 一种计及广义无功源的配电网低电压综合治理方法 | 2020-05-17 | 692 |
| 一种计及辅助调频服务的双馈风电场的等值建模方法 | 2020-05-08 | 396 |
| 发电机有功功率及风电机组参数计算方法、风电机组模型 | 2020-05-12 | 311 |
| 一种变速风电机组的分频控制方法及控制系统 | 2020-05-14 | 126 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台，是提供专利分析，专利查询，专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据，免费查、免费专利分析。
分析报告
专利汇分析报告产品可以对行业情报数据进行梳理分析，涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度，系统通过AI智能系统对图表进行解读，只需1分钟，一键生成行业专利分析报告。
QQ群二维码
意见反馈
意见反馈