技术领域
[0001] 本
发明涉及风电领域，特别涉及一种
风力发电机组叶尖速比获取方法。
背景技术
[0002]
风能是绿色
能源，风力发电对保护生态环境和改善能源结构具有重要意义。
风力发电机组是一个复杂非线性多变量系统，控制系统方案的实时性与可靠性是有效保证风力发电机组安全高效运行的关键。
[0003] 实际运行中，不同风
电场在地形
地貌、机型、布置和风频分布等千差万别，发电量和安全性是决定风电场风力发电机组运行特性的最重要因素。如何在实现最大效率吸收风能的同时保证风力发电机安全平稳是风力发电机的基本设计问题。
[0004] 为提高风力发电机最大功率
跟踪性能，学者们提出基于叶尖速比的最大功率跟踪
控制器方法，该方法的基本思想是，放弃以前使用静态增益进行转矩跟踪而是将
最大功率点跟踪问题转化为最优叶尖速比跟踪问题。同时，叶尖速比也可作为保证风力发电机安全性的一个
基础指标。
[0005] 目前最佳叶尖速比法作为实现最大功率跟踪主要方法之一，传统的设计思路为要获得叶尖速比就应当先获得可靠的风速，在风速测量的基础上计算叶尖速比，再根据最佳叶尖速比得到对应的最优转距。
[0006] 目前风速信息的获取通常有两类方法：一类使用
风速计或者使用
激光雷达测风装置。由于风力机组实际运行时处于风流场环境中，风速大小方向在整个风机
叶轮平面上分布不均，而且受塔影、风
湍流、气温等的影响。使用风速计只能测量叶轮后某一点的风速，其无法代表有效风速，同时受到叶轮运动扰动后的测量误差较大与整个风力机旋转平面所受到的有效风速有较大差别。使用激光雷达测风装置则价格昂贵，加之使用激光雷达存在风流场演化计算等不确定因素，不利于大规模应用。另一类利用风力发电机系统的物理特性与
风能利用系数Cp，设计观测器进行风速观测。这类方式的主要
缺陷在于使用了风能利用系数Cp，由于风能利用系数Cp在部分区存在多值解导致求解耗时部分区域准确性不佳等问题，限制了实际可作用风速区间。因此，基于以上方式进行风力发电机组控制均不是理想的可靠方法。
发明内容
[0007] 为了解决上述技术问题，本发明提供一种
算法简单、计算
精度高的风力发电机组叶尖速比获取方法。
[0008] 本发明解决上述问题的技术方案是：一种风力发电机组叶尖速比获取方法，包括以下步骤：
[0009] 步骤一：构造传动链观测器，通过使用卡尔曼观测器，从最终观测结果中获得原传动链系统的真实状态；
[0010] 步骤二：通过
传感器获得叶轮
轮毂转速ωr以及风力发电机组的发电机转矩Tg，得到叶轮实际吸收的
气动转矩Ta；
[0011] 步骤三：建立风力发电机的气动转矩Ta与风力发电机的叶尖速比λ的映射关系；
[0012] 步骤四：通过二次曲面的散点拟合多项式函数，得到叶尖速比λ。
[0013] 上述风力发电机组叶尖速比获取方法，风机等效传动链的动力特性由如下方程组表示：
[0014]
[0015]
[0016] 其中，Je表示等效
转动惯量， 表示风机轮毂
加速度，Ta是叶轮实际吸收的气动转矩，Tg表示风机发电机转矩，Tloss表示风机转矩损失，Pg表示风机发电机功率,ωr表示风机轮毂转速。
[0017] 上述风力发电机组叶尖速比获取方法，所述步骤一具体步骤为：
[0018] 假定风力发电机传动链线性时变系统的观测表达式为：
[0019] dx(t)＝(A(t)x(t)+B(t)u(t))dt+dn(t)
[0020] y(tk)＝H(tk)x(tk)+D(tk)u(tk)+v(tk)
[0021] 式中，dx(t)为系统状态在t时刻的一阶微分，A(t)为风机系统在t时刻的状态矩阵，B(t)为风机系统在t时刻的输入矩阵，x(t)为系统在t时刻的状态量，u(t)为在t时刻的系统输入，dt为微分时间，dn(t)为在t时刻的噪声干扰项；
[0022] y(tk)为在tk时刻的系统输出，H(tk)为风机系统在tk时刻的卡尔曼观测输出矩阵，D(tk)为风机系统在tk时刻的卡尔曼观测前馈矩阵，x(tk)为系统在tk时刻的状态量，u(tk)为在tk时刻的系统输入，v(tk)为在tk时刻的观测噪声干扰项；
[0023] 给定其初始测量值以及实际测量数据
[0024] y(t0),y(t1),y(t2),…,u(t),t≥t0
[0025]
[0026] 上式中，y(t0),y(t1),y(t2)为系统在t0、t1、t2时刻的输出， 表示系统初始状态的估计， 表示在 时刻的系统状态估计， 表示在 时刻的卡尔曼矩阵，P0表示初始状态的卡尔曼矩阵；
[0027] 对于实际风机系统，使用tk时刻实际传感器值更新状态更新观测结果，得到观测结果 中获得原传动链系统的真实状态，其中包含叶轮轮毂转速观测值 以及叶轮加速度观测值
[0028] 上述风力发电机组叶尖速比获取方法，所述步骤二中，使用步骤一中卡尔曼观测器并考虑工程偏差进一步得到如下表达式：
[0029]
[0030] 其中k表示第k时刻，Je为轮毂总等效转矩， 为观测得到的叶轮加速度， 为叶轮实际吸收的气动转矩观测值，Tloss为系统效率损失转矩。
[0031] 上述风力发电机组叶尖速比获取方法，所述步骤三具体步骤为：
[0032] 引入风力发电机组转矩系数Cq定义如下：
[0033]
[0034] 其中，Cq(λ,θ)是风力发电机的转矩系数，ρ是空气
密度，ve是等效叶轮风速，S是叶轮等效扫风面积，R是叶轮等效半径，叶尖速比λ用来表示叶轮在不同风速下的状态，对于风力发电机的叶尖速比λ有如下定义：
[0035]
[0036] ve＝ωrRλ
[0037] 综合转矩系数Cq方程并去除其中风速相关参数有:
[0038]
[0039] 风力发电机的转矩系数Cq(λ,θ)<1是表示在外界风流场作用下风力发电机的获得旋转
扭矩的系数，其是关于叶尖速比λ和桨距
角θ的一个非线性曲面函数；
[0040] 从上述表达式分离气动转矩Ta得到：
[0041]
[0042]
[0043] 式中， 表示在 条件下求解λ；
[0044] 明确Ta＝Ta(λ,θ,ωr)是关于叶尖速比λ、轮毂转速ωr和桨距角θ的函数；
[0045] 在风力发电机实际运行过程中，由于轮毂转速ωr、桨距角θ可在每个
采样周期测量得到，因此当已知Cq(λ,θ)曲面的情况下，使用轮毂转速ωr、桨距角θ以及步骤三所述方式获得气动转矩Ta计算得到叶尖速比λ。
[0046] 上述风力发电机组叶尖速比获取方法，所述步骤四具体步骤为：
[0047] 对于实际运行的风力发电机，Cq(λ,θ)曲面是已知的，为使用数学方法表达Cq(λ,θ)曲面，工程使用以下表达式获得其分段拟合：
[0048]
[0049] 式中，m为将桨距角θ离散化后的某一离散点，n为多项式曲线拟合阶数，α为各项系数，θm为第m个θ离散点，αm,n表示在第m个θ离散点的第n项λ系数；
[0050] 当桨距角θ为不同的确定取值时，风能利用系数Cq关于叶尖速比λ构成一簇曲线，根据不同θ值下的Cq(λ)分段曲线，拟合以叶尖速比λ为自变量的多项式，得到气动转矩Ta关于有效风速λ的表达式，最后通过
迭代计算找到λ的最佳估计；
[0051] 考虑步骤三估计得到的风机气动转矩观测值 和步骤四得到的气动转矩Ta关于叶尖速比λ的映射关系Ta＝Ta(λ,θ,ωr)，有：
[0052]
[0053]
[0054] 式中，k表示第k时刻，通过步骤二得到的气动转矩观测值 和通过步骤一得到的叶轮轮毂转速观测值 都是已知值，对于特定风机系统的叶轮半径R与空气密度ρ也是已知的，因此当前时刻叶尖速比λ观测值是唯一变量。
[0055] 本发明的有益效果在于：本发明首先构造传动链观测器，通过使用卡尔曼观测器，从最终观测结果中获得原传动链系统的真实状态；然后通过传感器获得叶轮轮毂转速ωr以及风力发电机组的发电机转矩Tg，得到叶轮实际吸收的气动转矩Ta；再建立风力发电机的气动转矩Ta与风力发电机的叶尖速比λ的映射关系；最后通过二次曲面的散点拟合多项式函数，得到叶尖速比λ，本发明通过对风力发电机物理系统本质特性的分析本发明直接减少了风速获取和风速估计部分，可在风力发电机控制系统在线实时运行环境下下，获得风电场风力发电机组的有效叶尖速比，有助于提高风力发电机组控制精度提升风机整机性能，增强风机控制系统的实时性、有效性和可靠性，可为经济效益分析、风电场整体运行
稳定性分析等方面提供基础应用支持。
附图说明
[0056] 图1风力发电机传动链示意图。
[0057] 图2不同桨距角θ值下风力发电机的转矩系数Cq(λ,θ)是特性曲线簇示意图。
[0058] 图3风力发电机组叶尖速比获取方法的
流程图。
[0059] 图4叶尖速比在线计算实验结果示意图。
具体实施方式
[0060] 下面结合附图和
实施例对本发明作进一步的说明。
[0061] 如图1所示风力发电机传动链示意图，风流场以一定速度作用在
风机叶轮上，叶轮与轮毂的等效旋转惯量为Je，驱动叶轮转动产生转速ωr，同时产生气动功率Pa＝Ta×ωr作用于传动链，传动链带动发电机运转产生电功率Pg＝Tg×ωr。对于风力发电机组而言，风力发电机组控制系统需要根据叶轮所吸收的气动功率Pa准确调整输出电功率Pg，使得风机系统维持平衡状态。而准确调整输出电功率Pg的前提是获得准确的叶尖速比λ，并使用叶尖速比λ实时调整发电机转矩Tg。因此，要实现风力发电机组高效、可靠这一控制目标，叶尖速比λ的获取十分重要。
[0062] 本发明的实施需要采集风力发电机组的叶轮轮毂转速ωr、风力发电机组的发电机转矩Tg。特别的，当风力发电机组的发电机转矩Tg无法获取时可使用风力发电机组的发电机输出有功功率Pg代替，其替换方式为Tg＝(Pg/ωr)。
[0063] 由于风力发电机组的叶轮轮毂转速ωr来自于传感器，在工程应用中需要充分考虑传感器
信号受到各种干扰的影响，因此要对采集到的风力发电机组的叶轮轮毂转速ωr作滤波处理，使用低通
滤波器滤除其高频部分。
[0064] 一种风力发电机组叶尖速比获取方法，包括以下步骤：
[0065] 步骤一：构造传动链观测器，通过使用卡尔曼观测器，从最终观测结果中获得原传动链系统的真实状态。
[0066] 风机等效传动链的动力特性由如下方程组表示：
[0067]
[0068]
[0069] 其中，Je表示等效转动惯量， 表示风机轮毂加速度，Ta是叶轮实际吸收的气动转矩，Tg表示风机发电机转矩，Tloss表示风机转矩损失，Pg表示风机发电机功率，ωr表示风机轮毂转速。
[0070] 在风机实际控制系统中为可靠求取传动链系统真实状态，构造离散时间卡尔曼观测器如下：
[0071] 假定风力发电机传动链线性时变系统的观测表达式为：
[0072] dx(t)＝(A(t)x(t)+B(t)u(t))dt+dn(t)
[0073] y(tk)＝H(tk)x(tk)+D(tk)u(tk)+v(tk)
[0074] 式中，dx(t)为系统状态在t时刻的一阶微分，A(t)为风机系统在t时刻的状态矩阵，B(t)为风机系统在t时刻的输入矩阵，x(t)为系统在t时刻的状态量，u(t)为在t时刻的系统输入，dt为微分时间，dn(t)为在t时刻的噪声干扰项；
[0075] y(tk)为在tk时刻的系统输出，H(tk)为风机系统在tk时刻的卡尔曼观测输出矩阵，D(tk)为风机系统在tk时刻的卡尔曼观测前馈矩阵，x(tk)为系统在tk时刻的状态量，u(tk)为在tk时刻的系统输入，v(tk)为在tk时刻的观测噪声干扰项；
[0076] 给定其初始测量值以及实际测量数据
[0077] y(t0),y(t1),y(t2),…,u(t),t≥t0
[0078]
[0079] 上式中，y(t0),y(t1),y(t2)为系统在t0、t1、t2时刻的输出， 表示系统初始状态的估计， 表示在 时刻的系统状态估计， 表示在 时刻的卡尔曼矩阵，P0表示初始状态的卡尔曼矩阵；t0与 代表不同的两个时刻， 为比t0稍早的时刻，用于表示一个初始状态。
[0080] 对于实际风机系统，使用tk时刻实际传感器值更新状态更新观测结果，得到观测结果 中获得原传动链系统的真实状态，其中包含叶轮轮毂转速观测值以及叶轮加速度观测值
[0081] 步骤二：通过传感器获得叶轮轮毂转速ωr以及风力发电机组的发电机转矩Tg，得到叶轮实际吸收的气动转矩Ta。
[0082] 使用步骤一中卡尔曼观测器并考虑工程偏差进一步得到如下表达式：
[0083]
[0084] 其中k表示第k时刻，Je为轮毂总等效转矩， 为观测得到的叶轮加速度， 为叶轮实际吸收的气动转矩观测值，Tloss为系统效率损失转矩。
[0085] 步骤三：建立风力发电机的气动转矩Ta与风力发电机的叶尖速比λ的映射关系。具体步骤为：
[0086] 引入风力发电机组转矩系数Cq定义如下：
[0087]
[0088] 其中，Cq(λ,θ)是风力发电机的转矩系数，ρ是空气密度，ve是等效叶轮风速，S是叶轮等效扫风面积，R是叶轮等效半径，叶尖速比λ用来表示叶轮在不同风速下的状态，对于风力发电机的叶尖速比λ有如下定义：
[0089]
[0090] ve＝ωrRλ
[0091] 综合转矩系数Cq方程并去除其中风速相关参数有:
[0092]
[0093] 风力发电机的转矩系数Cq(λ,θ)<1是表示在外界风流场作用下风力发电机的获得旋转扭矩的系数，其是关于叶尖速比λ和桨距角θ的一个非线性曲面函数；
[0094] 从上述表达式分离气动转矩Ta得到：
[0095]
[0096]
[0097] 式中， 表示在 条件下求解λ。
[0098] 明确Ta＝Ta(λ,θ,ωr)是关于叶尖速比λ、轮毂转速ωr和桨距角θ的函数。
[0099] 在风力发电机实际运行过程中，由于轮毂转速ωr、桨距角θ可在每个采样周期测量得到，因此当已知Cq(λ,θ)曲面的情况下，使用轮毂转速ωr、桨距角θ以及步骤三所述方式获得气动转矩Ta计算得到叶尖速比λ。
[0100] 步骤四：通过二次曲面的散点拟合多项式函数，得到叶尖速比λ。具体步骤为：
[0101] 对于实际运行的风力发电机，Cq(λ,θ)曲面是已知的，为使用数学方法表达Cq(λ,θ)曲面，工程使用以下表达式获得其分段拟合：
[0102]
[0103] 式中，m为将桨距角θ离散化后的某一离散点，n为多项式曲线拟合阶数，α为各项系数，θm为第m个θ离散点，αm,n表示在第m个θ离散点的第n项λ系数；
[0104] 当桨距角θ为不同的确定取值时，风能利用系数Cq关于叶尖速比λ构成一簇曲线，根据不同θ值下的Cq(λ)分段曲线，拟合以叶尖速比λ为自变量的多项式，得到气动转矩Ta关于有效风速λ的表达式，最后通过迭代计算找到λ的最佳估计；
[0105] 考虑步骤三估计得到的风机气动转矩观测值 和步骤四得到的气动转矩Ta关于叶尖速比λ的映射关系Ta＝Ta(λ,θ,ωr)，有：
[0106]
[0107]
[0108] 式中，k表示第k时刻，通过步骤二得到的气动转矩观测值 和通过步骤一得到的叶轮轮毂转速观测值 都是已知值，对于特定风机系统的叶轮半径R与空气密度ρ也是已知的，因此当前时刻叶尖速比λ观测值是唯一变量。
[0109] 利用上式通过数值求解方法，叶尖速比λ可利用以上方式可靠求出。实际实施过程中，可选用Newton-Rapson迭代法进行求解。
[0110] 最后，本发明获取的叶尖速比λ可作为风机控制系统重要的参考
输入信号，可以无需再次滤波做用于风力发电机的转矩控制、叶轮桨距角控制等实时控制过程，从而提高风机控制系统的准确性和可靠性。
