大型风电机组关键承载部件主动阻尼降载优化控制

为降低大型风电机组关键承载部件的载荷和疲劳损伤,通过施加主动阻尼控制来进行降载,从而延长机组关键承载部件寿命。首先从理论上分析主动阻尼控制的基本原理与其关键控制参数,并应用FAST与MATLAB的联合仿真平台分别对叶片、塔架、传动链施加主动阻尼控制进行仿真,根据仿真结果分析了5 MW风电机组关键承载部件主动阻尼控制的有效性。然后设计在现有变桨功率控制环上加入主动阻尼控制环的独立变桨控制策略,同时建立一种适用于载荷控制效果评估的疲劳损伤计算方法,利用遗传算法以风机关键承载部件疲劳经济损失最小为目标进行各主动阻尼控制器与独立变桨控制器参数的联合优化。最后对算例机组进行了独立变桨载荷控制仿真,仿真结果表明,所设计的独立主动阻尼控制策略与参数优化方法在不影响功率控制的同时能够降低关键部位的疲劳载荷,并且能够取得最优化控制效果。     

双馈风力发电机的一次调频控制

风电机组并网冲击导致系统惯性降低,双馈风机发电机可通过对励磁电流的控制改变电机转速,从而利用转子动能调节功率支撑,减小对电网的扰动.针对变速风电机组的综合调频问题,通过对风力发电机一次调频特性的分析,结合矢量控制调功、附加功率惯性控制和PI变桨控制技术,实现了双馈风机一次调频组合控制,基于Matlab搭建了双馈风机发电系统仿真模型,仿真结果显示所采用的组合控制方案能对系统提供功率支撑,提高了系统频率稳定性.     

风机独立变桨超级电容双向DC-DC变流器仿真研究

采用超级电容作为风机变桨系统后备电源,可提高变桨电源的可靠性、安全性和免维护性.提出了一种双向DC-DC变流器的超级电容充放电方案.对双向DC-DC变流器进行小信号建模,对系统进行了有、无PI控制器的稳定性比较,给定输入电压,通过调节PI控制器中的参数来获得期望电压和电流,对Buck与Boost两种工作情况进行仿真,验证能量双向PI控制的可行性.仿真结果表明,采用双向DC-DC变换器的PI控制参数设计,可以有效实现超级电容充放电控制.     

双馈风力发电机组转子侧控制策略改进

基于现场风电机组功率转速曲线,对双馈风电机组常规功率控制策略的不足进行了分析,考虑机组转速限制条件和功率快速跟踪控制要求,对双馈风电机组转子侧变流器功率解耦控制策略以及变桨控制策略进行了改进,即转子侧有功控制环采用风力机输出转矩直接控制,并加转速外环实现对转速的准确控制;变桨控制策略采用直接功率控制。最后,应用提出的改进控制策略对双馈风电机组全程运行性能进行了仿真,并和常规控制策略进行了比较。结果验证了控制策略改进的有效性和正确性。     

风电机组的开放移动控制结构和主控系统设计

针对风电机组点对点封闭结构和随机非线性问题,提出了风电机组的开放移动控制结构和功率曲线LUT线性化方法。在风电机组的线性化转矩和变桨开放移动控制结构框架里,采用PLCopen移动控制系统设计标准设计风电机组主控系统。基于PLCopen标准的风机主控系统设计方法明确了风机转矩和变桨控制器的设计依据和开发标准,对风电机组的主控系统设计和风机整机控制系统集成有指导意义。     

海上浮式风电机组变桨距自抗扰控制策略研究

为有效抑制由随机风、浪载荷引起的海上浮式风电机组发电功率波动,提出了变桨距线性自抗扰控制(LADRC)策略。综合考虑气动力、水动力、结构弹性和变桨距控制等影响因素,建立5 MW级海上浮式风电机组气弹水控耦合系统动力学模型,基于恒转矩控制目标设计变桨距线性自抗扰控制器,分别采用带宽整定法和BP神经网络整定法对控制器参数进行整定,对比分析变桨距线性自抗扰控制对发电功率波动的抑制效果。研究结果表明:采用带宽整定和BP神经网络整定的变桨距线性自抗扰控制可以有效地改善海上浮式风电机组变桨距灵敏度,抑制发电功率波动。     

减小风剪、塔影和湍流效应的独立变桨控制研究

针对现阶段兆瓦级风力发电机组(简称风力机组)运行在高风速时,由于风剪、塔影、湍流等因素影响,传统的PI统一变桨控制不能很好控制叶轮的不平衡载荷问题,提出了基于叶根载荷反馈的独立变桨控制策略。首先使用Bladed平台计算翼型的气动参数,再将各叶片的叶根载荷通过d-q坐标变换送入PI控制器中计算出各叶片最佳增益;其结果经过d-q坐标逆变换,获得各叶片附加桨距角,在统一变桨的基础上实现对各叶片独立变桨的控制。通过对叶根载荷和叶片挥舞弯矩仿真分析,验证了建立的独立变桨控制策略的优越性。     

数据驱动的变速变桨风能转换系统恒功率控制

为了实现风能转换系统在额定风速以上的恒功率控制,必须同时控制桨距角和电磁转矩。针对变速变桨风能转换系统具有强非线性和不确定性难于建立精确模型的问题,将数据驱动的最优控制理论和多变量控制策略相结合,根据变速变桨风能转换系统的输入输出数据得出系统的马尔可夫参数,据此构造一个基于数据的状态观测控制器,并通过差分Riccati方程的闭合解来设计多变量最优反馈控制器。在MATLAB/Simulink的仿真结果表明:在不建立模型的基础上设计的数据驱动的多变量最优控制器能够有效地实现系统的恒功率输出控制。     

基于DDPG算法的风力发电机变桨距控制研究

风电机组模型的不确定性以及风速等外部干扰严重影响风电机组输出功率的稳定性,基于准确风机参数的传统控制策略难以满足系统控制需求。因此,本文提出一种基于DDPG算法的风机变桨距控制器。借助强化学习仅需与环境交互无需建模的优势,以风机模型为训练环境,功率为奖励目标,变桨角度为输出,采用深度神经网络搭建Actor-Critic单元,训练最优变桨策略。采用阶跃、低湍流、高湍流三种典型风况对算法进行检测。仿真结果表明,不同风况下基于DDPG算法控制器的控制精度、超调量、调节时间等性能均优于传统比例-积分-微分控制器效果。     

基于柔性传动链的风力机功率控制

针对风力机变桨系统特性,研究功率控制策略。首先分析风力机能量转换理论,确定影响功率输出的重要因素;再建立变桨系统闭环传递函数模型;以低速轴和高速轴为纽带,考虑柔性,建立柔性传动链系统模型。由于作用在风轮上的风速难于准确实时测量,以最小二乘支持向量机方法对风速进行预测,然后采用变论域模糊方法实现变桨过程中的功率控制,提高系统的自适应能力。仿真验证了所提方法的适用性和有效性。     

船用汽轮机变工况的遗传粒子群优化智能控制方法研究

为提升船用汽轮发电机组大幅变工况时的控制精度和鲁棒性,以船用汽轮机调节系统各部件的模块化数学模型为基础,建立汽轮机组数字电液(digital electric hydraulic,DEH)闭环模糊比例、积分、微分(proportion integration derivative,PID)控制模型;融合遗传算法的选择、交叉、变异和自适应递减权重法,提出遗传粒子群智能优化算法,并结合标准测试函数验证提出算法具有较高的收敛速度和精度;基于遗传粒子群智能优化算法建立汽轮机变工况自适应智能模糊PID控制模型,实现模糊PID的量化因子与比例因子最优化设计,进而开展船用汽轮发电机组大幅变工况动态特性及扰动因素影响分析,结果表明本文建立的自适应智能模糊PID控制模型具有更好的控制稳态性能与鲁棒性,为船用汽轮机组大幅度变工况智能控制优化设计提供了有力的技术支撑。     

基于权系数法的功率和载荷协同控制策略

针对大型风机在高风速区由风剪切效应引起的输出功率波动和叶轮不平衡载荷,从功率和载荷两个维度出发,以NREL公司的5MW陆基风机为对象,提出一种基于权系数法的功率和载荷双目标协同的独立变桨控制策略。首先,以遗传算法优化的PID作为主控制器,通过风轮转速反馈得到统一变桨距角;其次,根据方位角反馈得到各桨叶的动态权系数,以此调整各桨叶的桨距角;最后,将叶根挥舞力矩反馈给模糊PID控制器得到载荷影响下的桨距角微调量,并对桨距角进行修正。通过FAST和Matlab/Simulink平台联合仿真,将所提控制策略与统一变桨距控制和独立变桨PI控制对比分析。结果表明,所提控制策略能有效地将输出功率稳定在额定功率附近,并且对于降低风轮不平衡载荷具有显著效果。     

采用模糊规则的风机超速区 变参数综合惯性控制方法

对风机参与电力系统调频的控制策略进行研究,提出一种基于模糊规则的风机超速区变参数综合惯性控制方法.首先,分析风机传统综合惯性控制方法,针对电网频率的二次跌落问题,对风机超速状态下的惯性响应特性进行研究,使风机具有更好的转速恢复能力;然后,针对风机实际运行状态与惯性控制系统参数间的动态匹配问题,以频率差值和频率变化率为考量标准,制定模糊规则,实现风机惯性控制更优的动态响应,并进一步减小电网频率的二次跌落.仿真实验表明:文中方法具有可行性和有效性.     

水平轴变转速风力机气动参数辨识

文章对变转速水平轴风力机气动参数辨识的问题进行了研究 .风轮的功率曲线为风力机气动性能的整体体现 ,直接影响系统的经济性与控制性能 .通常情况下 ,功率曲线与桨距角和叶尖速比有关 ,可以看成是它们的非线性函数 ,一般由气动性能计算得到 .本文首先利用辨识算法 ,在风轮功率曲线的函数形式假设已知的前提下 ,利用测量的输入输出数据 ,辨识出功率曲线函数的参数 .最后 ,利用辨识出的曲线参数 ,预估系统风轮转速 ,并与测量的转速对比 ,以验证辨识模型的准确性 .     

基于粒子群优化算法的高速网络可变结构节点位置控制

针对网络节点位置控制中网络容量较低、 控制过程节点能量消耗较大等问题, 提出一种基于粒子群优化算法的高速网络可变结构节点位置控制方法. 该方法结合粒子群优化算法与Metropolis接受准则, 找到各网络节点对应的粒子位置, 对初始位置权重进行自适应调节, 得出粒子最优值并建立高速网络可变结构节点位置控制模型, 以实现可变结构节点位置控制. 仿真实验与当前方法进行对比测试的结果表明, 该网络节点位置控制方法在250个节点位置控制实验过程中, 能量消耗可控制在30 kJ内, 控制效率较高.     

一种基于改进自抗扰控制器的风电机组变桨距控制策略

为了改善风电机组的恒功率输出区域的动态性能,提出了一种基于改进自抗扰控制器的变桨控制策略。当风速高于额定风速时,通过调节桨距角改变风机气动转矩,保证风机输出功率的稳定性。设计了一个改进的连续光滑的非线性函数,可有效提高系统的抗扰动能力。基于该非线性函数对传统自抗扰控制器做出了改进。仿真结果证明,改进自抗扰控制器的变桨距控制系统能够对桨距角进行精确调整并将输出功率快速稳定到额定值附近,具有较快的响应速度及较好的抗扰动能力。     

变速恒频风力发电机组最大能量捕获策略研究

风力发电主要目的是尽可能的利用风能,针对变速恒频风力发电系统,分析了风力机特性及最大风能捕获原理.在额定风速以下通过调节发电机的转矩使转速跟随风速变化以获得最佳叶尖速比;在额定风速以上通过调整桨叶节距,保证额定功率输出而不越限.由于风速测量的准确性不高,以及风力发电系统的精确模型较难建立,采用传统的PID控制器难以在风速快速变化的情况下实现良好的控制效果.为了进一步提高风能的利用效率,文中研究了基于功率变化信息的双模糊控制策略,实现最大功率点跟踪和变速变桨控制.仿真结果表明,该控制策略能够提高风能捕获效率,较好地平滑风电机组输出功率.     

基于自适应遗传-粒子群优化算法的风电场微观选址优化

为了减小尾流效应对风电场发电量的影响,提高风能利用率,提出了一种自适应权重的遗传-粒子群优化算法(genetic-particle swarm optimization algorithm, GA-PSO)。首先,以风电场单位发电成本为目标函数,风机坐标为优化变量,通过在优化变量的速度更新中加入惯性权重,以改变算法的寻优速度;其次,在WASP软件选址的基础上,对风电机组进行布局优化;进而,将计算结果与遗传算法(genetic algorithm, GA)、萤火虫算法(firefly algorithm, FA)和粒子群(particle swarm algorithm, PSO)优化算法进行对比。结果表明：运用PGOA算法优化后的风电场单位发电成本为2 016元/GWh,减少了232元/GWh,年发电量为82.633 GWh,比优化前提高了8.538 GWh,同时尾流损失减小了1.12%。可见研究结论对未来的风电场微观选址具有一定指导意义。