CN103410659B - 基于High-Gain观测器的风力发电机组有效风速获取方法 - Google Patents
基于High-Gain观测器的风力发电机组有效风速获取方法 Download PDFInfo
- Publication number
- CN103410659B CN103410659B CN201310162618.3A CN201310162618A CN103410659B CN 103410659 B CN103410659 B CN 103410659B CN 201310162618 A CN201310162618 A CN 201310162618A CN 103410659 B CN103410659 B CN 103410659B
- Authority
- CN
- China
- Prior art keywords
- wind
- omega
- generating set
- centerdot
- speed
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 25
- 238000013461 design Methods 0.000 claims abstract description 13
- 238000005070 sampling Methods 0.000 claims description 14
- 238000013016 damping Methods 0.000 claims description 8
- 238000013507 mapping Methods 0.000 claims description 7
- 238000013459 approach Methods 0.000 claims description 6
- 238000006073 displacement reaction Methods 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 230000009467 reduction Effects 0.000 claims description 3
- 230000000979 retarding effect Effects 0.000 claims description 3
- 238000010219 correlation analysis Methods 0.000 claims 1
- 238000004458 analytical method Methods 0.000 abstract description 9
- 238000004364 calculation method Methods 0.000 abstract description 3
- 230000008859 change Effects 0.000 description 9
- 230000005611 electricity Effects 0.000 description 8
- 230000006870 function Effects 0.000 description 7
- 238000005259 measurement Methods 0.000 description 6
- 238000006243 chemical reaction Methods 0.000 description 5
- 238000012706 support-vector machine Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000003247 decreasing effect Effects 0.000 description 2
- 210000002569 neuron Anatomy 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/70—Wind energy
- Y02E10/72—Wind turbines with rotation axis in wind direction
Landscapes
- Control Of Eletrric Generators (AREA)
- Wind Motors (AREA)
Abstract
本发明公开了一种基于High-Gain观测器的风力发电机组有效风速获取方法。该方法首先通过传感器采集风力发电机组的风轮转子转速 ,并对数据进行滤波和整理预处理,消除来自风电场环境和风机塔架本身的高频扰动;再结合风机的机械和电气特性建立High-Gain观测器,最后通过二次曲面拟合多项式函数,得到有效风速估计值,作为风机控制系统重要的参考输入,应用于风机的转矩控制、节距角控制和偏航控制,还可应用于风电场可靠性和经济效益分析、评价和分析风电场接入电网对电力系统的影响等,对风电场并网的规划与设计、包含风电的电网安全稳定性分析与计算、保护和安全自动装置配置与整定都具有重要的科学意义和应用价值。
Description
技术领域
本发明属于风力发电机组控制技术领域,尤其涉及一种有效风速获取方法。
背景技术
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连续随机的非线性多变量系统,控制技术方案的及时精确有效是大型并网风力发电机组安全高效运行的关键。实际运行中,不同风电场在地形地貌、机型、规模、机组布置和风速分布等方面都是千差万别的,而风速和风速分布是决定风电场风力发电机组运行特性的重要因素。由于风力机组处于三维时变的风场环境中,风速大小方向在整个风机叶轮扫风平面上分布不同,而且受塔架、湍流、地表情况的影响,基于如超声波测风仪、毕托管测风仪等风速传感测量仪器直接测量得到的风速值只是一点上的风速,与整个风力机旋转平面所受到的有效风速有较大差别,据此调节发电机的电磁转矩Tg是不精确的。通过软测量方法精确地估计有效风速ve可以帮助得到最优转速轨迹ωd,提高风力发电机组控制系统设计的性能。
近年来,国内外科研人员针对有效风速的估计和风速软测量提出了一系列方法,主要以风机转子转速ωr、发电机功率pg和节距角β为二次变量实现对主导变量即有效风速v的估计。目前主要采用的技术方案有使用支持向量机(SVM)、神经网络或卡尔曼滤波器进行离线辨识,并进行在先自校正。例如,把大型变速风力发电机组的风速检测问题作为软测量问题来研究,并建立基于SVM的风力发电机组的风速软测量模型。但由于SVM算法对大规模训练样本难以实施,参数不容易调整,随着相关参数的数量增加计算量急剧增大。再例如,利用神经网络对风机各非线性数据进行建模,通过反复学习来调节自身的网络结构和连接权值,但神经网络结构复杂,容易陷入局部极小,更可能会出现过学习问题,导致泛化能力下降,不适用于大型风力发电机组的控制系统设计。若采用卡尔曼滤波器进行风速估计并应用在变速风力发电机组的转速和桨距角控制中,由于卡尔曼滤波器是基于非线性系统在运行点处的线性化模型进行状态估计,线性化模型在每个采样时刻都要重新计算参数进行更新,当风速大范围变化时,卡尔曼滤波器很难进行实时工作,造成控制系统实际工作时很大的计算量,降低整个风力机组控制系统的运行速度,控制不及时而导致发电机输出功率产生较大摄动,对电网的稳定工作造成影响。
发明内容
本发明的目的在于针对现有技术的不足,提供一种基于High-Gain观测器的风力发电机组有效风速获取方法,本发明可在减少控制系统工作量的同时,较精确的求取风电场风力发电机组的有效风速,具有精确度高、实际操作方便、参数调整简单易行、技术方案泛化能力强等特点。本发明获取的有效风速作为风机控制系统重要的参考输入信号,直接应用于风机的转矩控制、节距角控制和偏航控制,据此计算发电机输出功率,有助于提高风电功率预测的精度和提升风机整机性能,增强风机控制系统的实时性、有效性和可靠性。本发明不仅能够应用在风力发电机组控制系统设计,还可应用于风电场可靠性和经济效益分析、正确评价和分析风电场接入电网对电力系统的影响等,对风电场接入电力系统的规划与设计、包含风电的电网安全稳定性分析与计算、保护和安全自动装置配置与整定都具有重要的科学意义和应用价值。
本发明的目的是通过以下技术方案来实现的:一种基于High-Gain观测器的风力发电机组有效风速的估计方法,包括以下步骤:
步骤一:数据来源和预处理:
本发明的实施需要采集风力发电机组的风轮转子转速ωr。考虑到转子转速ωr改变要储存和释放动能,速度变化的惯性会对风机额定功率造成影响,当风机加速时,电功率小于机械功率;当风轮减速时,电功率大于机械功率。惯性越大,转速越高,减速或加速越快,动能转换的功率越大。所以,改变风轮转速所需的时间取决于风力机的惯性和所加的减速转矩,为了减小改变ωr所需的机械功率消耗带来的发电机端的功率负荷,要对采集到的叶轮转子转速ωr(k)作低通滤波处理,加入变流器,消除来自环境的高频抖动部分,得到可用于有效风速估计和控制系统设计的采样数据其中,k表示第k个采样时间。
步骤二:构造High-Gain观测器,通过采样数据得到
风机传动链的动力特性可由如下方程组表示:
其中,J表示转动惯量,K表示阻尼,B表示刚性系数,θ表示风轮转子角位移,下标r表示风机转子侧,下标g表示风机电机侧,Ta是风作用于风轮转动产生的气动转矩,Tem表示发电机电磁转矩,Tls表示转子侧的低速制动转矩,Ths表示电机侧的高速启动转矩。进一步可得到如下表达式:
Jt是风机总的转动惯量,Kt是风机总的阻尼,Bt是风机总的刚性系数(由于实际值很小,工程上通常省略掉这一项),Tg是发电机电磁转矩到风机转子侧的等效值(风机转子侧与电机侧依靠变速箱连接)。
对风机特性,定义新的状态变量如下:
u=Tg
y=x1
进一步得到新的状态空间表达:
可以看到,系统是完全可控的,但x2无法通过直接计算得到,因为和的变化是未知的。根据High-Gain估计原理,构造观测器形如:
其中,0<ε<1是可设计的常数;di,i=1,2…,n-1满足多项式是Hurwitz的。
按照上述方法构造新的状态变量ξ1、ξ2建立观测器逼近风机动力特性,如下:
为当前时刻风机转子转速测量值;0<ε<1是可设计的常数;d1满足多项式是Hurwitz的,即的两个根s1,s2均满足Re(si)<0,i=1,2。
根据High-Gain估计算法约束条件设置参数ε和d1,进一步有:对任意ε>0,存在正的常向量h=[h1,h2]T和时间t*,使得有:
其中,
High-Gain算法可保证均有:
即和均是有界的。由此,在采样时刻k得到风机转子转速ωr的测量值可得到当前时刻估计值为:
步骤三:通过和计算气动转矩的估计值
将当前采样时刻转子转速和步骤二根据High-Gain观测器估计得到的代入到步骤二得到的如下风机动力特性表达式:
有:
其中,Tg(k)为k时刻风机发电机的电磁转矩,控制系统通过改变Tg(k)对风机进行控制。气动转矩估计值由上式可计算得到。
步骤四:建立气动转矩Ta与有效风速v的映射关系:
在风力发电系统中,风机受风力冲击使叶轮转动而捕获的机械功率Pa表示为:
其中,风能利用系数Cp(λ,β)<1表示风机从自然风能中吸取能量的大小程度,是关于叶尖速比λ和节距角β的函数。叶尖速比用来表示风轮在不同风速下的状态,R为风轮叶片半径,v为有效风速(主导风速)。
从上述表达式推导出气动转矩Ta的另一个表达式:
可以看出Ta=Ta(v,ωr,β)是关于有效风速v、转子转速ωr和节距角β的函数。
由于转子转速ωr可在每个采样时刻测量得到,节距角β确定已知,则从气动转矩Ta的估计反推至有效风速v是可以实现的,步骤五会进行详述。当节距角β为不同的确定值时,Cp关于λ构成近似偶数次曲线的变化,随β减小至0,Cp能达到的最大值逐渐增大。
步骤五:通过Cp二次曲面的散点拟合多项式函数,得到有效风速估计值
对于某一特定型号的风机,其Cp(λ,β)曲面是确定已知的,工程上常用如下表达式得到:
式中,m为中间变量,当节距角β为不同的确定取值时,风能利用系数Cp关于叶尖速比λ构成一簇无因次曲线,变化趋势为:Cp随λ增大逐渐平稳增大,达到峰值,最后平稳减小。现采用的方法为:根据不同β值下的Cp(λ)工程曲线,拟合以λ为自变量的多项式,得到气动转矩Ta关于有效风速v的表达式,最后通过迭代计算找到v的最佳逼近。
假设:
考虑步骤三估计得到的风机气动转矩估计值和步骤四得到的气动转矩Ta关于有效风速v的映射关系Ta=Ta(v,ωr,β),有:
这个等式中,每个采样时刻的和都是确定已知的,有效风速v的当前时刻估计值是唯一变量。实际上,在低于发电机额定功率的工作区域,该多项式只有唯一解,所以采用迭代算法计算在一小段循环后即能达到收敛,从采样得到转子转速到计算得到有效风速估计值只需要非常短的时间,大大减小了控制步长,对大型风力发电机组的实时控制有很大贡献。
最后,本发明获取的有效风速作为风机控制系统重要的参考输入信号,可以直接应用于风机的转矩控制、节距角控制和偏航控制,增强风机控制系统的实时性、有效性和可靠性。
本发明的有益效果是:
本发明是一种与High-Gain估计算法和高增益观测器相结合的方法,适用于风力发电机组控制系统设计中获得有效风速估计。在每个采样时刻,通过风机高速轴传感器对叶轮转子转速ωr进行测量,经过数据预处理和变流器传送至控制系统针对风机动力特性建立的High-Gain观测器中,对当前时刻的转速变化率进行估算,再根据风机机械原理计算当前时刻气动转矩Ta;另一方面,通过工程上广泛应用的功率系数Cp(λ,β)三维曲面和机械功率捕获这一物理过程原理建立气动转矩Ta与有效风速v的映射关系;根据上述两方面,再次应用Cp(λ,β)曲面进行多项式函数曲线拟合,通过牛顿迭代算法计算得到有效风速v,作为风机控制系统重要的参考输入信号,直接应用于风机的转矩控制、节距角控制和偏航控制,据此计算发电机输出功率,有助于提高风电功率预测的精度和提升风机整机性能。
本发明解决了现有技术中长期存在的待解决而又一直未能解决的风速测量误差大等问题,能够有效规避使用风速仪直接测量的方式,较精确地求取风电场风力发电机组的有效风速,具有精确度高、实际操作方便、参数调整简单易行、泛化能力强等特点。本发明不仅能够应用在风力发电机组控制系统设计,还可应用于风电场可靠性和经济效益分析、正确评价和分析风电场接入电网对电力系统的影响等,对风电场接入电力系统的规划与设计、包含风电的电网安全稳定性分析与计算、保护和安全自动装置配置与整定都具有重要的科学意义和应用价值。
附图说明
图1为风力发电机最大风能捕获运行风速区间示意图;
图2为风力发电机组的动态特性框图;
图3为不同β值下风力机性能(功率系数)Cp(λ,β)特性曲线簇;
图4为基于HGO的风力发电机组有效风速估计方法的流程图;
图5为有效风速获取的实验结果示意图。
具体实施方式
以下结合附图及具体实施例作详述,但不作为对本发明的限定。
首先结合图1和图2解释一下本方法的理论背景:如图1所示,风速在切入风速vcut-in到额定风速vcut-off之间(即风力发电机最大风能捕获运行风速区间)是本方法的适用区间,此时风机启动运行且并网发电。如图2所示风力发电机组的动态特性,风能以一定速度作用在风机叶轮上,驱动叶轮转动产生转速ωr,产生气动机械功率Pa=Ta×ωr作用于传动链,经过变速箱(Gearbox)作用被放大后传递至发电机端,带动发电机运转产生电功率Pg=Tg×ωg。最重要的是,风力发电机组控制系统根据发电机产生的电功率值,可以与最优产能轨迹相比较得到差值,再通过在低于额定风速时改变永磁发电机的改变发电机的电磁转矩Tg和在高于额定风速时改变风机叶轮的节距角β实现最大风能捕获的控制目标。要实现最大风能捕获这一控制目标的优化,有效风速可确知十分重要。
本发明基于High-Gain观测器的风力发电机组有效风速获取方法的具体实施过程包括以下步骤:
步骤一:数据来源和预处理:
本实施例所采用的数据全来源于对某风电股份有限公司生产的额定功率1.5MW大型风力发电机组在实际风电场运行时由高速轴上以旋转编码器为传感器采集风机叶轮转子转速ωr(k)所得,发电机采用绕线式双馈异步发电机,风机切入风速3m/s,切出风速25m/s。ωr的改变要储存和释放动能,考虑到转速变化的惯性会对额定功率造成影响,当风机加速时,电功率小于机械功率;当风轮减速时,电功率大于机械功率。惯性越大,转速越高,减速或加速越快,动能转换的功率越大。所以,改变风轮转速所需的时间取决于风力机的惯性和所加的减速转矩,为了减小改变ωr所需的机械功率消耗带来的发电机端的功率负荷,要对采集到的叶轮转子转速ωr(k)作低通滤波处理,加入变流器,消除来自环境的高频抖动部分,得到可用于有效风速估计和控制系统设计的采样数据
步骤二:构造High-Gain观测器,通过采样数据得到
风机传动链的动力特性可由如下方程组表示:
其中,J表示转动惯量,K表示阻尼,B表示刚性系数,θ表示风轮转子角位移,下标r表示风机转子侧,下标g表示风机电机侧,Ta是风作用于风轮转动产生的气动转矩,Tem表示发电机电磁转矩,Tls表示转子侧的低速制动转矩,Ths表示电机侧的高速启动转矩。进一步可得到如下表达式:
Jt是风机总的转动惯量,Kt是风机总的阻尼,Bt是风机总的刚性系数(由于实际值很小,工程上通常省略掉这一项),Tg是发电机电磁转矩到风机转子侧的等效值(风机转子侧与电机侧依靠变速箱连接)。
在具体实施例中,风机采用的是额定功率1.5MW三叶水平轴迎风式变速风力发电机,风轮半径r=77m,变速箱的变速比ng=104.494,风轮转动惯量Jr=4456761kg·m2,阻尼Kr=45.52N·m/rad/s,发电机转动惯量Jg=123kg·m2,阻尼Kg=0.4N·m/rad/s,Jt和Kt按 计算得到。
对风机特性,定义新的状态变量如下:
u=Tg
y=x1
进一步得到新的状态空间表达:
可以看到,系统是完全可控的,但x2无法通过直接计算得到,因为和的变化是未知的。根据High-Gain估计原理,构造观测器逼近风机动力特性:
其中,构造新的状态变量ξ1,ξ2建立观测器,并且为当前时刻风机转子转速测量值;0<ε<1是可设计的常数;选择d1使得多项式是Hurwitz的,即的两个根s1,s2均满足Re(si)<0,i=1,2。
根据High-Gain估计算法约束条件设置参数ε和d1,进一步有:对任意ε>0,存在正的常向量h=[h1,h2]T和时间t*,使得有:
其中,
在具体实施例中,风机对象本身n=2,选取参数ε=0.01,d1=2,建立High-Gain观测器如下:
High-Gain算法可保证均有
即和均是有界的。由此,在采样时刻k得到风机转子转速ωr的测量值可得到当前时刻估计值为:
在具体实施例里,状态估计为:
步骤三:通过和计算气动转矩的估计值
将当前采样时刻转子转速和步骤二根据High-Gain观测器估计得到的代入到步骤二得到的如下风机动力特性表达式:
有:
其中,Tg(k)为k时刻风机发电机的电磁转矩,控制系统通过改变Tg(k)对风机进行控制。气动转矩估计值由上式可计算得到。
在具体实施例中,风机控制系统设计为简单的转矩控制,具体是选择为使发电机电磁转矩Tg跟随理想轨迹Tgd的跟踪控制,控制器的输出序列Tg(k)使误差ek=Tg(k)-Tgd(k)收敛,即满足:
步骤四:建立气动转矩Ta与有效风速v的映射关系:
在风力发电系统中,风机受风力冲击使叶轮转动而捕获的机械功率Pa表示为:
其中,风能利用系数Cp(λ,β)<1表示风机从自然风能中吸取能量的大小程度,是关于叶尖速比λ和节距角β的函数。叶尖速比用来表示风轮在不同风速下的状态,R为风轮叶片半径,v为有效风速(主导风速)。如图3所示,Cp关于λ和β构成一组convex的曲线簇。
从上述表达式推导出气动转矩Ta的另一个表达式:
可以看出Ta=Ta(v,ωr,β)是关于有效风速v、转子转速ωr和节距角β的函数。
在具体实施例中,转子转速ωr可在每个采样时刻测量得到,节距角β确定已知,则从气动转矩Ta的估计反推至有效风速v是可以实现的,步骤五会进行详述。如图3所示,当节距角β为不同的确定值时,Cp关于λ构成近似偶数次曲线的变化,随β减小至0,Cp能达到的最大值逐渐增大。
步骤五:通过Cp二次曲面的散值点拟合多项式函数,计算得到有效风速估计值
对于某一特定型号的风机,其Cp(λ,β)曲面是确定已知的,工程上常用如下表达式得到:
当节距角β为不同的确定取值时,风能利用系数Cp关于叶尖速比λ构成一簇无因次曲线,变化趋势为:Cp随λ增大逐渐平稳增大,达到峰值,最后平稳减小。现采用的方法为:根据不同β值下的Cp(λ)工程曲线,拟合以λ为自变量的多项式,得到气动转矩Ta关于有效风速v的表达式,最后通过迭代计算找到v的最佳逼近。
在具体实施例中,针对某风电股份有限公司生产的某款额定功率1.5MW大型风力发电机,我们假设:
考虑步骤三估计得到的风机气动转矩估计值和步骤四得到的气动转矩Ta关于有效风速v的映射关系Ta=Ta(v,ωr,β),有:
这个等式中,每个采样时刻的和都是确定已知的,有效风速v的当前时刻估计值是唯一变量,在实施例中取多项式阶次n=4,并运用牛顿迭代法计算得到的解。实际上,在低于发电机额定功率的工作区域,该4次多项式只有唯一解,所以迭代算法在一小段循环后便达到收敛,从采样得到转子转速到计算得到有效风速估计值只需要非常短的时间,大大减小了控制步长,对大型风力发电机组的实时控制有很大贡献。
本技术方案在该款额定功率1.5MW大型风力发电机进行了反复实验,可以看到本方案不仅较精确的求取风电场风力发电机组的有效风速,且具有精确度高、实际操作方便、参数调整简单易行、泛化能力强等优点。本发明不仅能够应用在风力发电机组控制系统设计,还可应用于风电场可靠性和经济效益分析、正确评价和分析风电场接入电网对电力系统的影响等,对风电场接入电力系统的规划与设计、包含风电的电网安全稳定性分析与计算、保护和安全自动装置配置与整定都具有重要的科学意义和应用价值。
Claims (1)
1.一种基于High-Gain观测器及相关分析的风力发电机组有效风速获取方法,其特征在于:
包括以下步骤:
步骤一:数据来源和预处理:采集风力发电机组的风轮转子转速ωr,对采集到的风轮转子转速ωr(k)作低通滤波处理,加入变流器,消除来自环境的高频抖动部分,得到可用于有效风速估计和控制系统设计的采样数据其中,k表示第k个采样时间;
步骤二:构造High-Gain观测器,通过采样数据得到
风力发电机组传动链的动力特性可由如下方程组表示:
其中,J表示转动惯量,K表示阻尼,B表示刚性系数,θ表示风轮转子角位移,下标r表示风力发电机组转子侧,下标g表示风力发电机组电机侧,Ta是风作用于风轮转动产生的气动转矩,Tem表示发电机电磁转矩,Tls表示转子侧的低速制动转矩,Ths表示电机侧的高速启动转矩;进一步可得到如下表达式:
Jt是风力发电机组总的转动惯量,Kt是风力发电机组总的阻尼,Bt是风力发电机组总的刚性系数,Tg是发电机电磁转矩到风力发电机组转子侧的等效值;
风力发电机组总的刚性系数Bt的实际值很小,因此,
对风力发电机组特性,定义新的状态变量如下:
u=Tg
y=x1
得到新的状态空间表达:
根据High-Gain估计原理,构造观测器形如:
其中,0<ε<1是可设计的常数;di,i=1,2…,n-1满足多项式是Hurwitz的;
按照上述方法构造新的状态变量ξ1、ξ2建立观测器逼近风力发电机组动力特性,如下:
并且为当前时刻风轮转子转速测量值;0<ε<1;d1满足多项式是Hurwitz的,即的两个根s1,s2均满足Re(si)<0,i=1,2;
由此,在采样时刻k得到风轮转子转速ωr的测量值可得到当前时刻估计值为:
步骤三:通过和得到气动转矩的估计值
将当前采样时刻转子转速和步骤二根据High-Gain观测器估计得到的代入到步骤二得到的如下风力发电机组动力特性表达式:
有:
其中,Tg(k)为k时刻风力发电机组的电磁转矩,控制系统通过改变Tg(k)对风力发电机组转子侧的转矩进行控制;气动转矩估计值由上式可计算得到;
步骤四:建立气动转矩Ta与有效风速v的映射关系:
在风力发电系统中,风力发电机组受风力冲击使叶轮转动而捕获的机械功率Pa表示为:
其中,风能利用系数Cp(λ,β)<1表示风力发电机组从自然风能中吸取能量的大小程度,是关于叶尖速比λ和节距角β的函数;叶尖速比用来表示风轮在不同风速下的状态,R为风轮叶片半径,v为有效风速;
从上述表达式推导出气动转矩Ta的另一个表达式:
可以看出Ta=Ta(v,ωr,β)是关于有效风速v、转子转速ωr和节距角β的函数;
步骤五:通过Cp二次曲面的散点拟合多项式函数得到有效风速估计值
风力发电机组的Cp(λ,β)曲面在工程上用如下表达式得到:
其中,m为中间变量,当节距角β为不同的确定取值时,风能利用系数Cp关于叶尖速比λ构成一簇无因次曲线,变化趋势为:Cp随λ增大逐渐平稳增大,达到峰值,最后平稳减小;现采用的方法为:根据不同β值下的Cp(λ)工程曲线,拟合以λ为自变量的多项式,得到气动转矩Ta关于有效风速v的表达式,最后通过迭代计算找到v的最佳逼近;
假设:
考虑步骤三估计得到的风力发电机组气动转矩估计值和步骤四得到的气动转矩Ta关于有效风速v的映射关系Ta=Ta(v,ωr,β),有:
这个等式中,每个采样时刻的和都是确定已知的,有效风速v的当前时刻估计值是唯一变量;实际上,在低于发电机额定功率的工作区域,该多项式只有唯一解,所以采用迭代算法计算在一小段循环后即能达到收敛,至此,获取得到有效风速v。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310162618.3A CN103410659B (zh) | 2013-05-03 | 2013-05-03 | 基于High-Gain观测器的风力发电机组有效风速获取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310162618.3A CN103410659B (zh) | 2013-05-03 | 2013-05-03 | 基于High-Gain观测器的风力发电机组有效风速获取方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103410659A CN103410659A (zh) | 2013-11-27 |
CN103410659B true CN103410659B (zh) | 2015-06-17 |
Family
ID=49603692
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310162618.3A Active CN103410659B (zh) | 2013-05-03 | 2013-05-03 | 基于High-Gain观测器的风力发电机组有效风速获取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103410659B (zh) |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105089946B (zh) * | 2015-05-28 | 2018-01-23 | 国家电网公司 | 风电机组传动系统转动惯量的获取方法 |
CN105138845B (zh) * | 2015-08-28 | 2018-05-22 | 东方电气风电有限公司 | 获得风力发电机风速值的方法 |
DE102016103254A1 (de) | 2016-02-24 | 2017-08-24 | Wobben Properties Gmbh | Verfahren zum Bestimmen einer äquivalenten Windgeschwindigkeit |
CN107784371B (zh) * | 2016-08-24 | 2021-03-23 | 天津理工大学 | 基于非线性拟合的风力偏航状态智能自适应控制方法 |
CN107656091B (zh) * | 2017-09-06 | 2019-11-05 | 中国船舶重工集团海装风电股份有限公司 | 一种基于风机控制传感器的风速测量方法及其系统 |
CN108223300A (zh) * | 2017-11-13 | 2018-06-29 | 国网浙江省电力公司绍兴供电公司 | 一种应用于风力发电系统的在线风速估计方法 |
CN108334672B (zh) * | 2018-01-14 | 2019-12-24 | 浙江大学 | 基于有效风速估计的变速风力发电机组最大风能捕获方法 |
CN108717266B (zh) * | 2018-05-30 | 2021-03-12 | 迪比(重庆)智能科技研究院有限公司 | 风场风机功率基于扰动观测器的神经自适应跟踪控制方法 |
CN110263477B (zh) * | 2019-06-28 | 2023-06-23 | 湘电风能有限公司 | 一种风力发电机组叶尖速比获取方法 |
CN110765640B (zh) * | 2019-11-05 | 2022-05-10 | 中国船舶重工集团海装风电股份有限公司 | 一种转子有效风速的计算方法、系统及设备 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003158895A (ja) * | 2001-11-19 | 2003-05-30 | Mitsubishi Heavy Ind Ltd | 風力発電装置の制御方法 |
US7823437B2 (en) * | 2007-06-18 | 2010-11-02 | General Electric Company | Anemometer calibration method and wind turbine |
CN101793907A (zh) * | 2010-02-05 | 2010-08-04 | 浙江大学 | 一种风电场短期风速预测方法 |
CN102831321B (zh) * | 2012-08-29 | 2015-09-02 | 浙江大学 | 一种基于蒙特卡洛方法的风电场风险评估方法 |
-
2013
- 2013-05-03 CN CN201310162618.3A patent/CN103410659B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN103410659A (zh) | 2013-11-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103410659B (zh) | 基于High-Gain观测器的风力发电机组有效风速获取方法 | |
CN103850876B (zh) | 一种适用于无载荷测量的风电机组独立变桨控制方法 | |
CN103244348B (zh) | 变速变桨风力发电机组功率曲线优化方法 | |
CN102705169B (zh) | 一种风力发电运行状态监测与控制模型机 | |
Eisenhut et al. | Wind-turbine model for system simulations near cut-in wind speed | |
CN101272121B (zh) | 一种风力发电机组的最大功率点跟踪方法 | |
CN102072083B (zh) | 一种双馈风力发电系统最大风能跟踪方法 | |
CN104675629B (zh) | 一种变速风力发电机组的最大风能捕获方法 | |
CN107061158B (zh) | 一种低风速下风力发电机的预测与跟踪控制方法 | |
CN107045574B (zh) | 基于svr的风力发电机组低风速段有效风速估计方法 | |
CN103362735B (zh) | 变速变桨风力发电机组基于最优阻力矩跟踪的最大功率追踪控制方法 | |
CN107451364A (zh) | 一种dfig风电场等值参数的辨识方法 | |
CN106777499B (zh) | 一种双馈异步风力发电机组的整机动态建模方法 | |
Kozak | Effects of unsteady aerodynamics on vertical-axis wind turbine performance | |
CN105138845B (zh) | 获得风力发电机风速值的方法 | |
CN102156044B (zh) | 适用于直驱型风电机组测试的风力机模拟器选型方法 | |
CN106286151A (zh) | 一种风电机组低速轴扭转载荷监测方法及载荷分析方法 | |
Danao et al. | Effects on the performance of vertical axis wind turbines with unsteady wind inflow: A numerical study | |
CN114033617B (zh) | 一种控制参量自适应调整的可控风力发电方法及系统 | |
CN103362736B (zh) | 变速变桨风力发电机组基于内模控制的最大功率追踪控制方法 | |
CN103375332B (zh) | 变速变桨风力发电机组最优阻力矩动态优化方法 | |
CN101252334B (zh) | 变速恒频风力发电机动态最优能量捕获方法 | |
CN101750215B (zh) | 风电主控制系统和逆变系统的试验系统 | |
Fedak et al. | Determination of the number of Vertical Axis Wind Turbine blades based on power spectrum | |
CN105515029A (zh) | 飞轮储能系统的控制方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |