风速波动时基于UKF-DFNN的变桨距控制

针对风速大于额定风速时风速波动引起风电机组的功率波动及变桨距系统频繁启停的问题,提出基于无迹卡尔曼滤波(unscented Kalman filter,简称UKF)与动态模糊神经网络(dynamic fuzzy neural network,简称DFNN)相结合的变桨距控制策略.为了消除传统变桨距控制中风速作为输入信号时产生的时延,将风电机组转速及输出功率作为反馈输入量.利用UKF对反馈输入量进行实时滤波处理,且将滤波后的数据用DFNN动态调整其权重,得到精确的桨距角指令值.采用Matlab/Simulink构建仿真模型,将UKF-DFNN控制与模糊PID、径向基函数(radial basis function,简称RBF)神经网络控制进行对比分析.仿真结果表明:所提策略能提高风速波动时系统的鲁棒性、抑制桨距角的波动范围、输出稳定的功率.     

基于多模型切换阶梯式广义预测控制的电站锅炉主汽温控制

为改善大型电站锅炉主汽温控制中自动化程度低、控制品质较差的问题,针对过热回路的大惯性、大滞后以及对象模型随负荷变化较大等特点,提出了一种基于模型切换的阶梯式广义预测控制方法,并将风量、上层磨煤量、蒸汽流量等影响因素综合应用于主汽温串级控制.该方法已在山东石横电厂1 025 t/h大型锅炉中进行了应用,结果表明,在机组正常工作负荷范围内均具有很好的控制品质,成功解决了该厂自建厂以来一直无法解决的主汽温自动控制问题.同时此控制器的设计具有较好的通用性和可移植性,适用于大滞后严重非线性时变系统的控制,易于推广应用.     

定桨距风力发电机非并网系统内模控制

以定桨距风力发电机为例,对非并网风力发电机的稳定问题进行了分析研究,提出采用内模控制方法消除定桨距风力发电系统本身存在的正反馈效应,设计出稳定的控制系统.在系统中采用检测风速的控制方法,由风速检测值得到转速参考值,根据转速参考值与反馈值之间的误差信号得到发电机转矩参考值,转矩控制系统通过调节其输出端电流控制实际的电磁转矩,使其随参考值变化以实现变速运行.基于实时仿真系统RT-LAB进行了半实物实时仿真实验.实验结果表明:通过内模控制,定桨距风力发电机非并网系统可以在设计风速范围内稳定运行,达到了并网变桨距变速风力机的发电效果.     

工业电加热炉非线性批量PID控制研究

在工业控制过程中,电加热炉温度控制系统是一个严重的非线性,大惯性,时变和纯滞后环节.由于传统PID的局限性,如果采用传统的PID对该系统进行控制很难在时变系统中达到良好的性能.基于对此问题的考虑,本文应用批量PID控制方法以及应用一种新的PID参数整定方法来解决在电加热炉控制过程中的一些实际问题.     

综合智能系统在热力系统中的应用研究

在热力系统中,由于很多过程是非线性、大惯性、大滞后的环节,并且常常带有强烈耦合,动态特性随着运行工况的变化而大幅度变化,使传统控制理论的应用受到限制.在热力系统控制中应用综合智能系统,将传统人工智能、人工神经网络、模糊逻辑和进化计算等几种智能信息处理方法有机地结合起来,以期综合优点、互补不足,以解决常规控制难以奏效的一些控制难题.针对热力系统中实际控制对象复杂多变的特点,应用模块化的编程方法,将多种智能控制策略综合应用,并与传统控制方法有机结合,建立了综合智能控制系统.该系统可方便组态应用于热力系统,解决复杂控制问题.文中提供了几种典型综合智能控制系统的结构框图,并给出了应用实例.     

基于Internet交互系统引入微分环的多媒体同步方法

针对交互系统多媒体同步中存在的问题，提出了引入预测环节的多媒体同步方法，采用控制论方法，将交互系统的多媒体信息传输与回放过程作为一个系统进行分析，得出发送缓冲和接收缓冲是惯性环节，网络传输是迟滞环节，各环节都存在一定的相角滞后，媒体信息预测是一个微分环节，可引入一定的相角超前，将这种预测环节引入到多媒体同步系统中，对系统进行超前校正，可改善系统的实时性能，减小网络延迟抖动对多媒体同步的影响，仿真结果证明了预测环节在克服网络延迟抖动的影响，提高交互系统的实时性，改善媒体间同步效果等方面的有效性。     

模糊预测自适应控制算法应用分析

基于无辩识自适应控制方式在大滞后系统控制中的不足,采用模糊集合理论改进无辩识自适应控制,设计出模糊预测控制器,不仅解决了带有时滞、不确定性、大惯性工业过程的控制问题,而且没有对过程模型提出要求,并在实际应用中取得了良好的效果。     

采用风机限转矩控制的微电网一次调频方法

对风电主导的微电网一次调频方法进行研究.首先,提出双馈感应式风机(DFIG)限转矩惯性控制方法,使风机能在短时内提取大量转子动能,对微电网进行频率支撑;然后,提出附加桨距角调整的补偿方法,通过桨距角变化使风机捕获更多机械功率,减少电网频率二次跌落幅度;最后,在Matlab/Simulink环境下,构建微电网模型并进行仿真.仿真结果表明:在不同的风速下,文中方法能提升微电网频率调整的动态响应能力,有效地减少电网频率二次跌落幅度.     

模糊控制在变桨距恒速恒频风力发电机中的应用

根据变桨距恒速恒频风力发电机的桨距控制原理,采用模糊推理策略,提出了对风力机的桨叶节距角进行控制,使其在高风速时始终保持额定转速,从而获得稳定的输出功率的方法.     

大型风力发电系统的多模型预测控制

针对风力发电系统具有的强非线性、多输入多输出、强干扰、工作点变化等特性,综合考虑系统噪声和量测噪声,在包括切入风速到切出风速的全运行区间,根据不同控制区域的不同控制要求,建立多模型库及其预测控制器,并利用多模型切换算法切换到最适配的模型,以预测最优电机转矩和桨距控制信号,并运用转矩控制增加传动链的阻尼,达到转速快速跟踪与降低传动扭矩的目的.仿真表明:运用多模型预测控制器能够减少噪声及干扰对系统的影响,有效控制转速,并减少扭矩脉动.     

基于风速估计和风剪切的风力发电机组变桨距控制

为提高大型风力发电机组捕获风能的能力,改善其主要零部件受荷载情况,提出基于有效风速估计和风剪切的风力发电机组独立变桨距控制策略.以某5 MW变速变桨风力发电机组为验证对象,基于Bladed软件平台对传统统一变桨控制策略和独立变桨控制策略进行仿真比较.结果表明:相对于统一变桨距控制策略,独立变桨距控制策略不但能满足维持风力发电机组输出功率额定值稳定的要求,而且使发电机组主要零部件的受荷载情况得到明显改善.     

基于速度势面元法的风力机风轮三维气动性能预估

大型风力机风轮气动设计和性能分析需要更加准确、快速的预估方法。风力机风轮三维流场具有低Mach数、高Reynolds数的特点,该文把风轮流场简化为有势流场,将叶片表面和尾迹视为有势流场的边界,采用速度势方程作为流动控制方程,使用面元法进行求解,建立了风力机风轮三维气动性能数值计算的模型,并编制了计算程序。同时,还建立了适用于水平轴风力机的尾迹迭代求解方法,考虑了表面摩擦阻力对风轮转矩和推力的影响,提高了计算精度。与实验结果对比证明,该方法具有很好的计算准确性,为进一步研究常规运行工况下的风力机风轮气动性能,特别是大型变速变桨风力机气动性能提供了一个准确、快速的预估方法。     

基于天牛须搜索算法的短期风电功率组合预测

为了提高风电功率预测精度,提出了一种完全集成经验模态分解(complete ensemble empirical mode decomposition adaptive noise, CEEMDAN)、极限学习机(extreme learning machine, ELM)和改进天牛须搜索算法(improved beetle antennae search algorithm, IBAS)的组合预测模型来预测风电功率。引入动态惯性权重改进天牛的位置更新方式,提高天牛须搜索算法的寻优能力。在预测过程中,首先通过CEEMDAN对原始风电功率数据进行预处理,将非平稳信号分解为一组按照频率和振幅大小排列的序列分量,减少数据波动带来的预测误差。然后利用IBAS优化ELM构建预测模型,分别预测每个序列分量,最后叠加每个序列分量的预测值得到最终预测值。仿真结果表明,与其他预测模型相比,本预测模型预测精度最高,评价指标平均绝对误差(mean absolute error, MAE)、均方根误差(root mean square error, RMSE)、平均绝对百分比误差(mean absolute ...     

风电场风速时间序列的复杂动力学特性分析

利用混沌理论对风电场风速数据进行了相空间重构,首先由C-C方法计算出嵌入维数和延迟时间,然后采用G-P算法计算出吸引子关联维数,最后用小数据量改进算法得出风速时间序列的最大Lyapunov指数,由计算结果发现风电场风速时间序列具有混沌特性,为利用混沌预测方法进一步提高风速预测精度提供参考.     

基于延迟时间模型的风电机组维修策略

为了解决目前风电机组故障维修不合理导致维修成本过高、运维效率低的问题,以多部件串联风电机组为对象展开维修策略研究：基于延迟时间理论将部件故障分为潜在故障和功能故障,在预防性检测的基础上推迟维修,提出一种机会维修方法。综合考虑备件物流、停机时间及维修成本等因素,建立了风电机组机会维修模型。结合风场实际故障数据,采用蒙特卡洛法求解该模型,探索了检测周期和推迟维修时间对风电机组可用度和维修成本的影响规律,结果表明,考虑推迟维修时的机会维修策略优于传统预防性维修,该模型求解得到的最佳方案能够将风电机组可用度提升至98%,更具有经济优势和工程应用价值。     

基于改进最小二乘支持向量机方法的短期风速预测

为了进一步提高短期风速预测的精度,分析了一种改进的风速预测方法.该方法考虑风速发生变化的极值点对总体预测误差的影响,以及预测曲线较实际曲线产生的滞后,分别对预测数据进行了极值点修正和偏移量处理.在对未来1 h风速进行预测时,相比粒子群优化(PSO)的最小二乘支持向量机(LS-SVM)模型、未经优化的LS-SVM模型及反向传播(BP)神经网络模型,所提出的模型具有较高的预测精度和运算速度.算例结果表明,改进的LS-SVM算法是进行短期风速预测的有效方法.     

基于互补集合经验模态分解-模糊熵-深度信念网络的短期风速预测

针对原始风速序列具有非线性、非平稳性和不可控性的问题,提出基于互补集合经验模态分解(complementary ensemble empirical mode decomposition,CEEMD)-模糊熵(fuzzy entropy,FE)-深度信念网络(deep belief network,DBN)的短期风速预测模型。首先,利用CEEMD方法将原始风速序列分解为一系列不同尺度的本征模态分量(IMF)以降低其非平稳性;其次,利用模糊熵方法将多个IMF分量进行重组以避免分量数目过多给预测精度造成的影响;最后,利用深度信念网络其强大的深度特征提取能力和非线性映射学习能力的优点,分别对新的分量进行预测和叠加获得最终预测值。实验表明,较BP神经网络模型和DBN模型,组合模型提高了预测精度,具有可行性和有效性。     

风电场功率曲线异常数据的清洗与建模

风电场风速功率数据中通常包含大量异常数据,难以反映风机的真实工作情况,影响风电功率预测的准确性,进而造成一定的经济损失.针对该问题,分析异常数据的特征,提出滑差-四分位异常数据剔除方法,并利用高次多项式和Logistic函数对剔除后的数据进行风速-功率曲线建模,最后用和方差、均方根误差和确定系数验证该方法的适用性和有效性.实例分析表明,该方法简单高效、通用性强,可显著提高风电机组功率特性分析的准确度.     

中小型风力机功率曲线的分析与优化

以提高风力机发电效率为目标,对风机功率曲线的工作点及可优化区间进行分析,为功率曲线优化提供基础。根据风力机的监测数据,采用最小二乘法与查表法估算出最优功率曲线,将其与叶尖速比法结合,调整风力机内部参数,以进行功率曲线优化。该方法利用实际的中小型风力机机进行试验,克服了叶尖速比法需要建立准确风力机模型及风速测量等在实际生活中应用的局限性;并对单台风力机建立模型,理论输出功率精度高,具有很高的自适应性。通过对多台风力机功率曲线的对比分析,发现该方法对优化风力机的功率曲线具有一定效果,可为中小型风力机的优化提供参考。     

基于风场大数据互信息关联的风电机组性能评估

在风电机组现场运行大数据基础上,提出了一种互信息关联分析的风电机组输出功率建模方法;并基于该模型对风机叶片加装涡流发生器前后风电机组的性能进行了评估分析。计算验证结果表明:所建模型能够较好的拟合机组的输出功率;同时在叶片前缘附件加装涡流发生器,可以有效的改善机组的发电性能,提升风机对风能的利用率。