CN104612904A - 一种双馈型风力发电机组最大风能捕获方法 - Google Patents

Abstract

本发明公开了风力发电领域的一种双馈型风力发电机组最大风能捕获方法，构建以风速值、风向值、风轮转速值为输入量，电磁转矩值为输出量的BP神经网络模型，再根据叶尖速比点公式，计算期望的理论最佳风轮转速值，代入所述BP神经网络模型中确定电磁转矩值初始控制量，然后采用变步长的爬山搜索法，随着控制周期数的升高缩小电磁转矩值变化步长，在小范围内改变电磁转矩值大小以寻找最大功率值点，并在每次搜索前测量实时发电机转速值，在发电机转速值相比整个搜索开始时的初始发电机转速值的变化值超出限值时，重新启动搜索，在相邻两个控制周期的发电机转速值或者发电功率值的差值的绝对值小于限值时结束搜索。其技术效果是可以在爬山搜索中避免搜索周期过长或发生振荡，保证最大功率的捕获。

Description

一种双馈型风力发电机组最大风能捕获方法

技术领域

本发明涉及风力发电领域的一种双馈型风力发电机组最大风能捕获方法。

背景技术

风力发电机组在额定风速值以下为实现最大风能捕获，通常需要控制风轮转速值以匹配实时风速值，从而使风机运行在最佳叶尖速比点。对双馈型风力发电机组而言，风轮转速值是由风能产生的动力矩值和双馈电机产生的电磁转矩值共同决定的，所以可通过逆变器主动改变双馈电机产生的电磁转矩值的大小来调节风轮转速值实现预定的风轮转速值。然而，风速值的快速波动性和风轮转速值的大惯性使得这样的跟踪控制难以实施。目前，用于风力发电机组最大风能捕获的主流方法有三种：叶尖速比控制法，功率信号反馈法和爬山搜索法。叶尖速比控制法需要精确测量风速值，再根据风速值大小来控制风轮转速值，但作用于风轮上的“面风”采用常规测风仪无法精确测量。功率信号反馈法是将风机的输出功率值和风轮转速值联系起来，按风轮转速值的大小获取理论最佳的输出功率值，再通过控制调节风力发电机组励磁转矩值大小来获取最大输出功率值，但针对不同的风机其理论风轮转速值和最佳输出功率值的关系曲线不易获得。爬山搜索法无需实时测量风速值，也不要求提供理论功率值曲线，而爬山搜索法是通过对双馈电机不断施加转矩值的扰动观察实际功率值输出变化来实现最大风能捕获。常规的爬山搜索法存在一些缺点，如控制周期长，在最大功率值点附近可能存在振荡，尤其在风速值变化较快时，爬山搜索法可能失效，导致风能捕获效率下降。

发明内容

本发明的目的是为了克服现有技术的不足，提供一种双馈型风力发电机组最大风能捕获方法，其以BP神经网络和叶尖速比法确定电磁转矩值初始控制量，然后采用变步长的爬山搜索法在小范围内改变电磁转矩值大小以寻找最大功率值点，并可在爬山搜索中避免搜索周期过长或发生振荡。

实现上述目的的一种技术方案是：一种双馈型风力发电机组最大风能捕获方法，包括下列步骤：

建立BP神经网络模型步骤：采集风机转子平衡状态下多个时间点的风速值，风向值，风轮转速值和电磁转矩值，建立以风速值，风向值和风轮转速值为输入量，电磁转矩值为输出量的BP神经网络模型；

电磁转矩值初始控制量计算及控制步骤：依据期望的理论最佳风轮转速值公式，即：

计算得到期望的理论最佳风轮转速值并将其代入所述的BP神经网络模型中，计算得到电磁转矩值初始控制量T(0)，并以此时的发电机转速值作为启动爬山搜索前的初始发电机转速值ω₀，其中，ν为10秒风速平均值，R为风机的风轮半径，λ_opt为最佳叶尖速比点；

电磁转矩值初次扰动步骤：等待T_L个采样周期，待风机转子处于平衡状态后，记录当前发电机转速值ω₁及发电功率值P₁,并根据公式T(n)＝T(n-1)+T_step×α(n)计算控制周期数n为1时的电磁转矩值T(1)，其中α(n)＝exp(-30×(n/N)^p)，N为最大控制周期数，p为1～30间任意一个整数，T_step为电磁转矩值最大变化步长；

发电机转速值判断步骤：等待T_L个采样周期后，先将控制周期数n加1，再记录控制周期数为n时的发电机转速值ω_n，并计算ω_n相比于初始发电机转速值ω₀的变化值Δω₀，若|Δω₀|>Δω_max，返回电磁转矩值初始值计算及控制步骤，其中Δω_max为设定的最大发电机转速偏差值，否则进入下一步骤；

爬山搜索启动判断步骤：计算相邻两个控制周期间的发电机转速值的差值Δω，以及发电功率值的差值ΔP，其中Δω＝ω_n-ω_n-1，ΔP＝P_n-P_n-1，若|ΔP|≤ΔP_min或|Δω|≤Δω_min，则结束本次搜索；若|ΔP|>ΔP_min且|Δω|>Δω_min，则进入下一步骤；ΔP_min为寻优发电功率容许变化值，Δω_min为寻优发电机转速容许变化值；

控制周期数判断步骤：若控制周期n大于最大控制周期数N，结束本次搜索，若控制周期数n小于等于最大控制周期数N，返回发电机转速值判断步骤；

爬山搜索电磁转矩值及扰动步骤：根据公式T(n+1)＝T(n)+ΔT^*，计算并输出控制周期数为n+1时的电磁转矩值T(n+1)；其中ΔT^*为电磁转矩值变化步长，爬山搜索确定电磁转矩值的规则如下：

当ΔP>0且Δω≥0时，ΔT^*＝-T_step×α(n)，即T(n+1)＝T(n)-T_step×α(n)；

当ΔP>0且Δω<0时，ΔT^*＝T_step×α(n)，T(n+1)＝T(n)+T_step×α(n)；

当ΔP<0且Δω≥0时，ΔT^*＝T_step×α(n)，T(n+1)＝T(n)+T_step×α(n)；

当ΔP<0且Δω<0时，ΔT^*＝-T_step×α(n)，即T(n+1)＝T(n)-T_step×α(n)。

进一步的，所述建立BP神经网络模型步骤中建立的BP神经网络模型的隐藏层含有十五个神经单元。

进一步的，电磁转矩值初次扰动步骤和爬山搜索电磁转矩值及扰动步骤中，电磁转矩值是限值输出的。

采用了本发明的一种双馈型风力发电机组最大风能捕获方法的技术方案，构建以风速值、风向值、风轮转速值为输入量，电磁转矩值为输出量的BP神经网络模型，再根据叶尖速比点公式，计算期望的理论最佳风轮转速值，代入所述BP神经网络模型中确定电磁转矩值初始控制量，然后采用变步长的爬山搜索法，随着控制周期数的升高缩小电磁转矩值变化步长，在小范围内改变电磁转矩值大小以寻找最大功率值点，并在每次搜索前测量实时发电机转速值，在发电机转速值相比整个搜索开始时的初始发电机转速值的变化值超出限值时，重新启动搜索，在相邻两个控制周期的发电机转速值或者发电功率值的差值的绝对值小于限值时结束搜索。其技术效果是可以在爬山搜索中避免搜索周期过长或发生振荡，保证最大功率的捕获。

附图说明

图1为本发明的一种双馈型风力发电机组最大风能捕获方法的流程图。

图2为本发明的一种双馈型风力发电机组最大风能捕获方法中构建的BP神经网络模型。

图3为本发明的一种双馈型风力发电机组最大风能捕获方法中使用的爬山搜索电磁转矩值变化步长的系数曲线图。

具体实施方式

请参阅图1，本发明的发明人为了能更好地对本发明的技术方案进行理解，下面通过具体地实施例，并结合附图进行详细地说明：

本发明的一种双馈型风力发电机组最大风能捕获方法包括下列方面的工作：

1.BP(error Back Propagation)神经网络模型建立：

采集风力发电机组在启动风速至额定风速之间，即低风速下的现场实时运行数据，采集的现场实时运行数据包括：风速值，风向值和风轮转速值，以及风机中双馈电机电磁转矩,简称电磁转矩值。在采集风速值，风向值和风轮转速值的过程中，风机的运行状态为稳定的平衡状态而非过渡状态。采集到足够多的风速值，风向值，风轮转速值和电磁转矩值的样本后，建立BP神经网络模型，该BP神经网络模型的输入量包括：风速值，风向值和风轮转速值，输出量为电磁转矩值。该BP神经网络模型的结构为三维输入，一维输出，即由三个输入量和一个输出量组成的BP神经网络模型。该BP神经网络模型中，在输入量和输出量之间的隐藏层中一共设置了用15个神经单元(请参阅图2)。其中，风速值和风向值的获得可使用风机的机舱上的测风仪来进行采样，无需增加额外的测量装置。

2.电磁转矩值初始控制量的获取：

根据现场实时采集的风速值以及风机的风轮半径，可计算期望的理论最佳风轮转速值由于最佳叶尖速比点公式如下：

可以得到期望的理论最佳风轮转速值为：

其中，ν为10秒风速平均值，单位为米/秒，R为风机的风轮半径，单位为米，为期望的理论最佳风轮转速值，单位为转/分钟。将期望的理论最佳风轮转速值以及实时的风向值和风速值输入建好的BP神经网络模型中，从而得到电磁转矩值初始控制量T(0)。

3.变步长爬山搜索法调整电磁转矩值：

变步长爬山搜索法调整电磁转矩值，无需测量实时的风速值，也不要求提供风力发电机组的理论功率值曲线，但为避免振荡，需要设置合理的电磁转矩值变化步长，以及停止搜索的条件。

爬山搜索需要良好的快速性和准确性，搜索规则是关键。由于风力发电功率值是正比于电磁转矩值和风轮转速值，或者电磁转矩值和发电机转速值的乘积，因此，可通过改变电磁转矩值来改变发电机转速值从而实现最大功率捕获。假定风速值不变化或变化很小，当增加电磁转矩值会导致发电机转速值减小，其控制规律为：

1)若ΔP>0且Δω≥0，则ΔT^*＝-T_step×α；

2)若ΔP>0且Δω<0，则ΔT^*＝T_step×α；

3)若ΔP<0且Δω≥0，则ΔT^*＝T_step×α；

4)若ΔP<0且Δω<0，则ΔT^*＝-T_step×α。

当风机转子处于平衡状态下，ΔP为相邻两个控制周期间发电功率值的差值。Δω为相邻两个控制周期间发电机转速值的差值，其中发出相邻两次调整电磁转矩值指令之间的时间间隔为一个控制周期。每个控制周期中，控制周期数n加1，n为正整数。T_step大于0，为电磁转矩值最大变化步长；α大于0，为比例因子；ΔT^*为电磁转矩值变化步长，其数值直接决定了电磁转矩值变化步长的大小。由于ΔT^*越大，风机转子的响应周期就会越长，其中响应周期为一个调整电磁转矩值指令下发到发电机和风机进入平衡状态之间的时间间隔。因此响应周期必须小于控制周期。所以，ΔT^*的大小应与对风速值，风向值和电磁转矩值进行采样的采样周期T_s相匹配，采样周期T_s和T_step的大小应根据响应周期来选取。

为提高搜索的快速性，应采用变步长法，即初始搜索的电磁转矩值最大变化步长应较大，随着控制周期数n的增加逐步减小电磁转矩值变化步长，直至相邻两个控制周期间的发电机转速值的差值Δω，或发电功率值的差值ΔP在可接受范围内，即相邻两个控制周期间，发电功率值的差值的绝对值|ΔP|小于寻优发电功率容许变化值ΔP_min，|ΔP|<ΔP_min，或者控制周期数n大于最大控制周期数N。电磁转矩值变化可按下式计算：

$\left\{\begin{array}{c}T(n+1)=T\left(n\right)\&PlusMinus;T_{\mathrm{step}}\&times;\mathrm{\&alpha;}\left(n\right)\\ \mathrm{\&alpha;}\left(n\right)=\exp (-30\&times;{(n/N)}^p)\end{array}\right.$

其中，T(n)为控制周期数为n时的电磁转矩值，N为最大控制周期数，p为大于1的整数，可根据具体情况在[1,30]间选取，如p取3，最大控制周期数N为10，使控制周期数n＝N时，系数α(n)小于10^-5，系数α(n)的变化曲线如图3所示。

4.启动新一轮爬山搜索条件

设爬山搜索过程中最大发电机转速偏差值为Δω_max，即检测到控制周期数为n时的发电机转速值ω_n相比于初始发电机转速值ω₀的变化值Δω₀已超过最大发电机转速偏差值Δω_max，可视为风况已发生较大变化，初始电磁转矩值控制量T(0)失效，需要启动新一轮的搜索。即当|ω_n-ω₀|≥Δω_max时，则停止本轮搜索，启动新一轮搜索。这正是每个控制周期中需要等待T_L个采样周期后再计算下一控制周期的电磁转矩值原因。

下面对本发明的一种双馈型风力发电机组最大风能捕获方法中使用的数学符号进行说明：T_s为采样周期，单位：秒；ΔP_min为寻优发电功率容许变化值ΔP_min，发电功率值变化的绝对值小于该值视为无变化。Δω_min为寻优发电机转速容许变化值，发电机转速值变化的绝对值小于该值视为无变化。Δω_max最大发电机转速偏差值。T_step为最大电磁转矩值变化步长；T_L为一个控制周期中，调整电磁转矩值指令下发后等待的采样周期个数，[T_min,T_max]为低风速下有效电磁转矩值范围。N为最大控制周期个数。在任意一个控制周期中，T(n+1)的最大输出值为T_max，最小输出值为T_min。

本发明的一种双馈型风力发电机组最大风能捕获方法具体包括下列步骤：

建立BP神经网络模型步骤：采集风机转子平衡状态下多个时间点的风速值，风向值，风轮转速值和电磁转矩值，建立以风速值，风向值和风轮转速值为输入量，电磁转矩值为输出量的BP神经网络模型；

电磁转矩值初始控制量计算及控制步骤：依据期望的理论最佳风轮转速值公式，即：

计算得到期望的理论最佳风轮转速值并将其代入所述的BP神经网络模型中，计算得到电磁转矩值初始控制量T(0)，并以此时的发电机转速值作为启动爬山搜索前的初始发电机转速值ω₀。其中，ν为10秒风速平均值，R为风机的风轮半径，λ_opt为最佳叶尖速比点；

电磁转矩值初次扰动步骤：等待T_L个采样周期，待转子处于平衡状态后，记录当前发电机转速值ω₁及发电功率值P₁,并根据公式T(n)＝T(n-1)+T_step×α(n-1)计算控制周期数n为1时的电磁转矩值T(1)，其中α(n)＝exp(-30×(n/N)^p)，N为最大控制周期数，p为1～30间任意一个整数，T_step为电磁转矩值最大变化步长；

发电机转速值判断步骤：等待TL个采样周期后，记录此时发电机转速值ω_n，并计算ω_n与电磁转矩初次扰动时记录的发电机转速值ω₀之间的偏差Δω₀，若|Δω₀|>Δω_max，返回电磁转矩值初始值计算及控制步骤，其中Δω_max为设定的最大发电机转速偏差值。否则进入下一步骤；

爬山搜索启动判断步骤：计算计算相邻两个控制周期间的发电机转速值的差值Δω，以及发电功率值的差值ΔP，，其中Δω＝ω_n-ω_n-1，ΔP＝P_n-P_n-1，若|ΔP|≤ΔP_min或|Δω|≤Δω_min，则结束本次搜索；若|ΔP|>ΔP_min且|Δω|>Δω_min，则进入下一步的控制周期数判断步骤；

控制周期数判断步骤：若控制周期数n大于最大控制周期数N，进入结束本次搜索，若控制周期数n小于等于最大控制周期数N，返回发电机转速值判断步骤；

爬山搜索电磁转矩值及扰动步骤：根据T(n+1)＝T(n)+ΔT^*，计算并输出控制周期数为n+1时的电磁转矩值T(n+1)；其中ΔT^*为电磁转矩值变化步长，爬山搜索确定电磁转矩值变化步长ΔT^*的规则如下：

当ΔP>0且Δω≥0时，ΔT^*＝-T_step×α(n)，即T(n+1)＝T(n)-T_step×α(n)；

当ΔP>0且Δω<0时，ΔT^*＝T_step×α(n)，T(n+1)＝T(n)+T_step×α(n)；

当ΔP<0且Δω≥0时，ΔT^*＝T_step×α(n)，T(n+1)＝T(n)+T_step×α(n)；

当ΔP<0且Δω<0时，ΔT^*＝-T_step×α(n)，即T(n+1)＝T(n)-T_step×α(n)。

若T(n+1)≥T_max，则T(n+1)＝T_max，若T(n+1)≤T_min，则T(n+1)＝T_min，即T(n+1)是限值输出的。

本技术领域中的普通技术人员应当认识到，以上的实施例仅是用来说明本发明，而并非用作为对本发明的限定，只要在本发明的实质精神范围内，对以上所述实施例的变化、变型都将落在本发明的权利要求书范围内。

Claims (3)

1.一种双馈型风力发电机组最大风能捕获方法，包括下列步骤：

建立BP神经网络模型步骤：采集风机转子平衡状态下多个时间点的风速值，风向值，风轮转速值和电磁转矩值，建立以风速值，风向值和风轮转速值为输入量，电磁转矩值为输出量的BP神经网络模型；

电磁转矩值初始控制量计算及控制步骤：依据期望的理论最佳风轮转速值公式，即：

计算得到期望的理论最佳风轮转速值并将其代入所述的BP神经网络模型中，计算得到电磁转矩值初始控制量T(0)，并以此时的发电机转速值作为启动爬山搜索前的初始发电机转速值ω₀，其中，ν为10秒风速平均值，R为风机的风轮半径，λ_opt为最佳叶尖速比点；

电磁转矩值初次扰动步骤：等待T_L个采样周期，待风机转子处于平衡状态后，记录当前发电机转速值ω₁及发电功率值P₁,并根据公式T(n)＝T(n-1)+T_step×α(n)计算控制周期数n为1时的电磁转矩值T(1)，其中α(n)＝exp(-30×(n/N)^p)，N为最大控制周期数，p为1～30间任意一个整数，T_step为电磁转矩值最大变化步长；

发电机转速值判断步骤：等待T_L个采样周期后，先将控制周期数n加1，再记录控制周期数为n时的发电机转速值ω_n，并计算ω_n相比于初始发电机转速值ω₀的变化值Δω₀，若|Δω₀|>Δω_max，返回电磁转矩值初始值计算及控制步骤，其中Δω_max为设定的最大发电机转速偏差值，否则进入下一步骤；

爬山搜索启动判断步骤：计算相邻两个控制周期间的发电机转速值的差值Δω，以及发电功率值的差值ΔP，其中Δω＝ω_n-ω_n-1，ΔP＝P_n-P_n-1，若|ΔP|≤ΔP_min或|Δω|≤Δω_min，则结束本次搜索；若|ΔP|>ΔP_min且|Δω|>Δω_min，则进入下一步骤；ΔP_min为寻优发电功率容许变化值，Δω_min为寻优发电机转速容许变化值；

控制周期数判断步骤：若控制周期n大于最大控制周期数N，结束本次搜索，若控制周期数n小于等于最大控制周期数N，返回发电机转速值判断步骤；

爬山搜索电磁转矩值及扰动步骤：根据公式T(n+1)＝T(n)+ΔT^*，计算并输出控制周期数为n+1时的电磁转矩值T(n+1)；其中ΔT^*为电磁转矩值变化步长，爬山搜索确定电磁转矩值的规则如下：

当ΔP>0且Δω≥0时，ΔT^*＝-T_step×α(n)，即T(n+1)＝T(n)-T_step×α(n)；

当ΔP>0且Δω<0时，ΔT^*＝T_step×α(n)，T(n+1)＝T(n)+T_step×α(n)；

当ΔP<0且Δω≥0时，ΔT^*＝T_step×α(n)，T(n+1)＝T(n)+T_step×α(n)；

当ΔP<0且Δω<0时，ΔT^*＝-T_step×α(n)，即T(n+1)＝T(n)-T_step×α(n)。

2.根据权利要求1所述的一种双馈型风力发电机组最大风能捕获方法，其特征在于：所述建立BP神经网络模型步骤中建立的BP神经网络模型的隐藏层含有十五个神经单元。

3.根据权利要求1所述的一种双馈型风力发电机组最大风能捕获方法，其特征在于：电磁转矩值初次扰动步骤和爬山搜索电磁转矩值及扰动步骤中，电磁转矩值是限值输出的。