CN105156271A - 受扰风力发电机系统的抗干扰最优功率跟踪控制方法 - Google Patents
受扰风力发电机系统的抗干扰最优功率跟踪控制方法 Download PDFInfo
- Publication number
- CN105156271A CN105156271A CN201510690691.7A CN201510690691A CN105156271A CN 105156271 A CN105156271 A CN 105156271A CN 201510690691 A CN201510690691 A CN 201510690691A CN 105156271 A CN105156271 A CN 105156271A
- Authority
- CN
- China
- Prior art keywords
- interference
- wind
- model
- eso
- 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.)
- Granted
Links
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)
Abstract
本发明公开了一种受扰风力发电机系统的抗干扰最优功率跟踪控制方法,该方法针对永磁同步风力发电机系统中存在的强干扰和不确定性等问题,基于矢量控制,采用系统辨识以及自适应扩张状态观测器和模型预测优化控制的复合跟踪控制方法,即将根据测得的永磁同步风力发电机的实际转速和测得的电流信息辨识出部分模型信息以及自适应扩张状态观测器观测的干扰值引入到预测模型中,得到包含干扰信息和不确定性的复合预测模型,使风力发电机系统的预测模型更加理想精确,有利于模型预测优化控制发挥其闭环调节能力,使得闭环系统在抑制风力发电机外部干扰的同时能够取得优化的高性能功率跟踪结果。
Description
技术领域
本发明涉及一种受扰风力发电机系统的抗干扰最优功率跟踪控制方法,特别是一种基于风机受扰特性以及风能捕获原理的永磁同步风力发电机最大风能捕获研究,属于风力发电系统高效运行控制技术领域。
背景技术
随着风电产业的蓬勃发展,人们对风力发电系统的安全可靠性、成本、发电效率和发电质量等提出了更高的要求。众所周知风力发电机是风力发电系统的关键部件之一,风力发电机的转速控制直接影响着风力发电系统的性能和效率。永磁同步风力发电机由于其结构简单,在稳定性和可靠性上有更大优势,因而得到广泛的应用。
然而风力发电机大多都是长期在恶劣和复杂的环境中工作,外界的干扰因素较多。风能是一种不可控的过程性能源,具有随机性、间歇性、不稳定性等特征。风向和风速是时刻变化的,且风速的不断变化也会导致风机工况点的大范围变化,从而造成系统参数大范围的变化,不同工况间切换容易使控制系统暂态响应变差,难以较好满足机组的动态性能。而且风力发电机系统本身是一个高阶非线性、多变量、强耦合的复杂系统,且参数并不完全精确可知,这些特征给风力发电机系统控制上带来了新的挑战和困难。
传统的反馈控制方法常常无法及时快速地对干扰进行抑制。在风力发电系统中,干扰往往不可测、很难测或可测但检测仪表价格昂贵,这些因素限制了直接前馈控制的应用。主动抗干扰控制技术能够根据干扰的量测值或者估计值在控制设计中对系统中存在的干扰进行直接补偿或抵消,能够更快地处理干扰对系统的影响。而且这种主动抗干扰技术不必改变正在应用或已经应用多年的反馈控制设计部分,不必设计全新的、不同的控制策略,从而省去了新控制系统的方案论证及验证过程。其中基于干扰观测器的控制和我国学者韩京清研究员于上世纪90年代提出的基于扩张状态观测器(ExtendedStateObserver,ESO)的控制方法在工程应用研究中最为广泛。ESO将系统的模型摄动和外部干扰一起作为集总干扰进行估计,通过非线性反馈形成控制量进行补偿和控制。由于其不依赖精确的被控对象和干扰的数学模型,算法简单,在未知强非线性和不确定强干扰作用下仍能保证控制精度,显示出良好的工程应用前景。
近年来人们陆续提出了很多有效的干扰估计技术来处理风力发电机系统中遇到的干扰。文献(JooYJ,BackJH.Powerregulationofvariablespeedwindturbinesusingpitchcontrolbasedondisturbanceobserver.JournalofElectricalEngineeringandTechnology,7(2):273-280,2012.)在变速风力发电机组控制系统中,采用变桨距控制和干扰观测器结合的控制方法,提高了系统的稳定性和抗干扰能力。文献(Coral-EnriquezH,Cortes-RomeroJ,RamosGA.Robustactivedisturbancerejectioncontrolapproachtomaximizeenergycaptureinvariable-speedwindturbines.MathematicalProblemsinEngineering,396740,1-12,2013.)针对变风速风力发电机提出一种鲁棒主动干扰抑制方法使风力发电机的速度轨迹最优。文献(周明明,李世华.变速恒频双馈风力发电机并网的复合控制.东南大学学报(自然科学版),42(1):55-61,2012.)针对变速恒频风力发电机并网系统,提出了一种基于终端滑模和扩张状态观测器的转子电流复合控制方法,使系统对参数摄动和干扰具有更强的鲁棒性,同时减小了滑模的抖动。文献(SongZF,ShiTN,XiaCL,ChenW.AnoveladaptivecontrolschemefordynamicperformanceimprovementofDFIG-Basedwindturbines.Energy,38(1):104-117,2012.)对风力发电机系统采用基于扩张状态观测器的自适应电流控制器,使系统在电网干扰、系统交叉耦合和参数不确定的情况下能高效地跟踪速度设定值。以上方法在参数大范围变化以及强外部干扰的情况下,干扰观测器估计干扰的压力会很大,影响观测精度,而且前馈和反馈的简单复合,会引起总控制量饱和,系统存在如何协调两种不同控制作用的问题。
发明内容
本发明针对上述永磁同步风力发电机系统中存在的强干扰和不确定性等问题,提供一种受扰风力发电机系统的抗干扰最优功率跟踪控制方法,通过本发明实现根据工况确定系统风速、电机转速与输出最佳功率函数关系;对扩张状态观测器进行在线自适应修正来减轻ESO观测的压力,提高参数变化情况下扩张状态观测器的观测精度,提高控制算法对工况变化的自适应性;协调或者兼顾反馈调节和前馈补偿这两种不同的控制作用,找到最优的主动抗干扰优化控制方法。
本发明的目的是通过以下技术方案实现的,一种受扰风力发电机系统的抗干扰最优功率跟踪控制方法,其特征在于,所述方法是,采用系统辨识以及自适应扩张状态观测器和模型预测优化控制的复合跟踪控制方法,即将根据测得的永磁同步风力发电机的实际转速和测得的电流信息辨识出部分模型信息以及自适应扩张状态观测器观测的干扰值引入到预测模型中,得到包含干扰信息和不确定性的复合预测模型,使风力发电机系统的预测模型更加理想精确,有利于模型预测优化控制发挥其闭环调节能力,使得闭环系统在抑制风力发电机外部干扰的同时能够取得优化的高性能功率跟踪结果。
所述复合跟踪控制方法的步骤如下:
1)首先针对永磁同步风力发风机实际运行过程中电机转速随风速变化的规律,通过推算风机捕获风能与风速、电机转速的函数关系,设计最优功率情况下系统运行模式,进而通过调节永磁同步发电机转速使其运行在最佳叶尖速比下,即可获得最大功率利用系数,进而得到最优功率输出,Pm=(1/2λ3)ρπR5CPω3,λ=2πRn/v=ωR/v,其中ρ为空气密度;R为风轮机转子半径;v为风速;β为桨距角;λ为叶尖速比;
2)所述自适应扩张状态观测器是针对永磁同步风力发电机在运行过程中系统参数和干扰不断变化会影响扩张状态观测器ESO的估计精度和估计负担的情况,通过模型辨识的方法估计出部分模型信息补偿到ESO中去,可以使ESO在线自适应调整,不但可以减轻ESO估计负担,而且可以提高估计精度;
3)所述复合抗干扰最优功率跟踪控制最后利用模型预测控制的优势,将自适应扩张状态观测器观测的干扰值和系统辨识得到的参数,引入到预测模型中得到复合预测模型,这样模型预测输出就能在有干扰和不确定性的情况下更加准确地预测永磁同步风力发电机系统的输出变化,使得闭环系统在抑制外部干扰同时能够取得优化的结果;同时,干扰估计值被有机地纳入到系统的预测模型中,而不是和模型预测控制简单复合,这样不会破坏滚动优化时对变量约束的处理能力,能够实现抗干扰前提下的变量约束处理。
根据λ=2πRn/v=ωR/v,调节永磁同步风力发电机转速ω使转速跟踪风速v的变化,使永磁同步风力发电机工作于最佳叶尖速比条件下,从而达到最优功率。
所述永磁同步风力发电机的控制策略采用矢量控制。
所述永磁同步风力发电机的实际转速和测得的电流信息辨识出实时部分模型信息和b0,将辨识的模型信息引入到ESO设计中得到 可以使ESO在线自适应调整。
所述在线自适应调整参数的ESO使 即ESO能使z1自动跟踪上ω,在辨识精确地情况下,z2估计的干扰项基本上为0,让ESO去估计小幅值干扰,不但减轻了ESO估计负担,而且提高了估计精度。
所述自适应扩张状态观测器和模型预测控制不是简单的复合,而是将辨识的模型信息和自适应扩张状态观测器干扰估计值有机地纳入到系统的预测模型中得到复合预测模型,解决控制量饱和的问题而且不会破坏滚动优化时对变量约束的处理能力,实现抗干扰前提下的变量约束处理。
基于自适应扩张状态观测器干扰估计值,永磁同步风力发电机系统的抗干扰复合预测优化控制律为则k时刻的即时控制增量Δu(k)给出的实际控制输入u(k)=u(k-1)+Δu(k)作用于受控对象,到下一时刻,重新计算Δu(k+1)进行滚动优化。
本发明的有益效果是:
(1)风向和风速是时刻变化的,本发明可以根据风速的变化调节永磁同步风力发电机的转速从而来捕获最大风能,而且对风能的变化具有鲁棒性。
(2)扩张状态观测器不依赖于系统和干扰的数学模型,它不仅能得到不确定对象的状态,还能获得对象模型中内扰(不确定项)和外扰总的实时估计量,把该估计值补偿到控制系统中,就可以抑制干扰,进而改善系统的性能。
(3)风机在实际运行过程中遇到的阵风、风切变和负载变化等干扰会引起工况变化,从而造成风机参数大范围变化。通过系统辨识方法得到被控对象的模型信息或者部分模型信息并且在ESO设计中充分利用这些被控对象模型信息补偿对象的一些不确定性,将缓解ESO对干扰的估计压力,提高ESO的自适应性和观测精度。
(4)模型预测控制具有控制效果好、鲁棒性强等优点,可有效地克服系统的不确定性、非线性和关联性,并在控制设计时考虑了系统某些关键部件存在的多种物理结构、机械承载方面的各种约束,具有处理控制和状态约束的能力。
(5)将自适应扩张状态观测器观测的干扰值和系统辨识得到的参数值,引入到预测模型中,这样预测输出就能在有干扰和参数变化的情况下更加准确地预测系统的输出变化,系统的预测模型更加理想精确,同时,干扰前馈被有机地纳入到系统的预测模型中,而不是和预测控制简单复合,这样不会出现控制量饱和的问题而且不会破坏滚动优化时对变量约束的处理能力,能够实现抗干扰前提下的变量约束处理。
本发明可用于复杂环境的风力发电机系统的最大风能捕获,不仅在以永磁同步电机风力发电机为动力装置的系统中有很高的应用价值,而且在以其它类型的风力发电机系统中,应用前景也非常广阔。
附图说明
图1为本发明中的风力机运行模式;
图2为本发明中叶尖速比与功率利用关系;
图3为本发明中基于系统辨识的自适应ESO原理图;
图4为本发明中永磁同步风力发电机抗干扰复合预测优化控制原理;
图5为本发明中永磁同步风力发电机抗干扰复合预测优化控制流程图。
具体实施方式
结合附图和实施例进一步说明本发明,本发明针对永磁同步风力发电机系统中存在的强干扰和不确定性等问题,采用自适应扩张状态观测器、系统辨识、模型预测控制等先进控制方法和优化技术同时结合矢量控制技术,提出一种抗干扰复合预测优化控制方案,保证系统即使在参数大范围摄动和多种外界干扰情况下仍能最大程度捕获风能。
1)最大风能捕获原理:如图1所示,风轮机的转子根据风速变化、转子所允许最大转速和额定功率等客观条件可工作在最大功率捕获、恒转速和恒功率3种模式下,实现最大风能捕获的控制目标。其中,vin代表切入风速,vb为转子最大转速时所对应的风速,vr为额定风速,vout为切出风速,Pm为机械输出功率,ω为风力发电机的角速度,CP表示功率系数。
图2显示了功率系数与叶尖速比以及桨距角的具体关系,由图可以发现当β=0°时,功率利用系数CP=0.48即风机可获得最大功率输出
其中ρ为空气密度(kg/m3);R为风轮机转子半径(m);v为风速(m/s);β为桨距角(°);λ为叶尖速比,表示风轮在不同的风速中的状态用叶片的叶尖圆周速度与风速之比。
风力机的动态方程可以描述为:
众所周知,永磁同步风力发电机是直驱系统的能量转化核心环节,风机和发电机可以看成一个整体,则风机的转速是由风机提供的机械转矩Tm和发电机受到的电磁转矩Te共同作用决定的。假设三相系统对称,电机为面装式,忽略磁路饱和、齿槽效应、磁滞、涡流损耗的影响,空间磁场呈正弦分布,采用基于i* d=0的磁场定向矢量控制技术,在随转子旋转的dq坐标系上,永磁同步风力发电机的数学模型为:
式(2)~(3)中,J为风机系统的转动惯性系数,ω为风力机转子速度,θ为风力机的转角,Te=npψfiq,B为摩擦系数,K为风力发电系统扭矩系数,id、iq分别为发电机d、q轴的电流分量,ud、uq分别为d、q轴的电压分量,L为电感,R为定子电阻,np为电机极对数,ψf为永磁体的磁链。
由状态方程(3)可知,电流和转速之间存在耦合,不便于实现对转矩的线性化控制。在实际工程中,为了使转速和电流近似解耦,常采用的控制策略。通过恰当选取电流环的控制器参数一般能够使永磁同步电机基于矢量控制的双闭环解耦控制结构如图4所示。
2)基于系统辨识的自适应ESO设计:由于永磁同步风力发电机系统是一个多变量、强耦合、参数时变的非线性系统,永磁同步风力发电机在运行过程中系统参数和干扰处于不断变化状态,这就增加了ESO的估计负担,从而直接影响到干扰估计的精度。针对这种情况,如果能通过建模、系统辨识或估计等方法得到被控对象的模型或部分模型从而得到模型信息,并且在ESO设计时重复利用这些得到的被控对象模型信息补偿对象的一些不确定性,将有利于缓解ESO对干扰的估计压力。PMSG速度输出方程为
其中, 为辨识模型信息。根据辨识的模型信息,可以得到PMSG的模型补偿扩张状态观测器为
可见估计出的模型信息,补偿到ESO中去,可以使ESO在线自适应调整,这样即ESO能使z1自动跟踪上ω,在辨识精确地情况下,z2估计的干扰项基本上为0,让ESO去估计小幅度干扰,不但减轻了ESO估计负担,而且提高了估计精度。于是可得到永磁同步风力发电机的基于辨识模型补偿ESO的复合控制结构图如图3所示。
3)风力发电机的抗干扰复合预测优化控制器
模型预测控制具有控制效果好、鲁棒性强等优点,可有效地克服系统的不确定性、非线性和关联性,并在控制设计时考虑了系统中对被控变量和操纵变量的各种约束。
在许多强干扰的情况下,普通模型预测控制往往难以保证好的控制性能,预测的系统输出与实际输出偏差增大,使得根据综合性能指标滚动优化计算出来的控制量不再是优化的,闭环系统的优化性能难以得到保证。
本发明将自适应扩张状态观测器观测的干扰值和系统辨识得到的参数,引入到预测模型中,由于模型中有了对干扰的跟踪估计和自适应辨识得到的准确系统参数,系统的预测模型更加理想精确,有利于模型预测优化控制发挥其闭环调节能力,使得闭环系统在抑制外部干扰同时能够取得优化的高性能控制结果。同时,干扰前馈被有机地纳入到系统的预测模型中,而不是和预测控制简单复合,这样不会破坏滚动优化时对变量约束的处理能力,能够实现抗干扰前提下的变量约束处理。这种基于复合预测模型和自适应扩张状态观测器的抗干扰复合预测优化控制原理图如图4所示。
根据风力发电系统高性能的要求,取与瞬态性能和稳态性能直接相关的在线滚动优化的性能指标函数为:
写成矢量表示式为Q=diag[q1,q2,...,qP],R=diag[r1,r2,...,rL]。基于自适应扩张状态观测器干扰估计值,提出如下基于复合预测模型的抗干扰复合预测优化控制律:
其中,P为预测时域,L为控制时域,qj为误差权系数,ri为控制权系数,A为由系统的阶跃响应特性决定的动态矩阵。则k时刻的即时控制增量Δu(k)给出的实际控制输入u(k)=u(k-1)+Δu(k)作用于受控对象,到下一时刻,重新计算Δu(k+1)进行滚动优化。由式(7)可以看出自适应扩张状态观测器的干扰估计值被纳入到式(6)滚动优化预测控制的框架中,因此复合预测控制器的输出(7)是综合指标意义下的最优输出,使得闭环系统在抑制外部干扰的同时能够取得优化的高性能控制结果。
本方案的算法流程图如图5所示。首先根据测得的当前风速v和λ=ωR/v,计算出风机的参考转速然后采集发电机的实际转速ω和电流iq,根据这些信息辨识出发电机部分模型信息根据ω,iq以及辨识出的部分模型信息,设计可以在线自适应调整的ESO,然后将ESO观测的状态和干扰值以及系统辨识得到的信息引入到预测模型中设计复合模型预测控制器,得到最优的预测控制律将其代入PMSG速度输出方程得到电机的实际转速ω,最后根据ω-ω*计算实际转速和期望转速之间的偏差大小来重新计算所设计的控制器的输出。
上述实施例不以任何方式限制本发明,凡是采用等同替换或等效变换的方式获得的技术方案均落在本发明的保护范围内。
Claims (8)
1.一种受扰风力发电机系统的抗干扰最优功率跟踪控制方法,其特征在于,所述方法是,采用系统辨识以及自适应扩张状态观测器和模型预测优化控制的复合跟踪控制方法,即将根据测得的永磁同步风力发电机的实际转速和测得的电流信息辨识出部分模型信息以及自适应扩张状态观测器观测的干扰值引入到预测模型中,得到包含干扰信息和不确定性的复合预测模型,使永磁同步风力发电机系统的预测模型更加理想精确,有利于模型预测优化控制发挥其闭环调节能力,使得闭环系统在抑制永磁同步风力发电机外部干扰的同时能够取得优化的高性能功率跟踪结果。
2.根据权利要求1所述受扰风力发电机系统的抗干扰最优功率跟踪控制方法,其特征在于,所述复合跟踪控制方法的步骤如下:
1)首先针对永磁同步风力发风机实际运行过程中电机转速随风速变化的规律,通过推算风机捕获风能与风速、电机转速的函数关系,设计最优功率情况下系统运行模式,进而通过调节永磁同步发电机转速使其运行在最佳叶尖速比下,即可获得最大功率利用系数,进而得到最优功率输出,Pm=(1/2λ3)ρπR5CPω3,λ=2πRn/v=ωR/v,其中ρ为空气密度,R为风轮机转子半径,v为风速,β为桨距角,λ为叶尖速比,ω为风力发电机的角速度,CP表示功率系数;
2)所述自适应扩张状态观测器是针对永磁同步风力发电机在运行过程中系统参数和干扰不断变化会影响扩张状态观测器ESO的估计精度和估计负担的情况,通过模型辨识的方法估计出部分模型信息补偿到ESO中去,可以使ESO在线自适应调整,不但可以减轻ESO估计负担,而且可以提高估计精度;
3)所述复合抗干扰最优功率跟踪控制最后利用模型预测控制的优势,将自适应扩张状态观测器观测的干扰值和系统辨识得到的参数,引入到预测模型中得到复合预测模型,这样模型预测输出就能在有干扰和不确定性的情况下更加准确地预测永磁同步风力发电机系统的输出变化,使得闭环系统在抑制外部干扰同时能够取得优化的结果;同时,干扰估计值被有机地纳入到系统的预测模型中,而不是和模型预测控制简单复合,这样不会破坏滚动优化时对变量约束的处理能力,能够实现抗干扰前提下的变量约束处理。
3.根据权利要求2所述的受扰风力发电机系统的抗干扰最优功率跟踪控制方法,其特征在于:根据λ=2πRn/v=ωR/v,调节永磁同步风力发电机转速ω使转速跟踪风速v的变化,使永磁同步风力发电机工作于最佳叶尖速比条件下,从而达到最优功率。
4.根据权利要求1所述的受扰风力发电机系统的抗干扰最优功率跟踪控制方法,其特征在于,所述永磁同步风力发电机的控制策略采用矢量控制。
5.根据权利要求1所述的受扰风力发电机系统的抗干扰最优功率跟踪控制方法,其特征在于,所述永磁同步风力发电机的实际转速和测得的电流信息辨识出实时部分模型信息和b0,将辨识的模型信息引入到ESO设计中得到 可以使ESO在线自适应调整。
6.根据权利要求5所述的受扰风力发电机系统的抗干扰最优功率跟踪控制方法,其特征在于,所述在线自适应调整参数的ESO使即ESO能使z1自动跟踪上ω,在辨识精确地情况下,z2估计的干扰项基本上为0,让ESO去估计小幅值干扰,不但减轻了ESO估计负担,而且提高了估计精度。
7.根据权利要求1所述的受扰风力发电机系统的抗干扰最优功率跟踪控制方法,其特征在于,所述自适应扩张状态观测器和模型预测控制不是简单的复合,而是将辨识的模型信息和自适应扩张状态观测器干扰估计值有机地纳入到系统的预测模型中得到复合预测模型,解决控制量饱和的问题而且不会破坏滚动优化时对变量约束的处理能力,实现抗干扰前提下的变量约束处理。
8.根据权利要求7所述的受扰风力发电机系统的抗干扰最优功率跟踪控制方法,其特征在于,基于自适应扩张状态观测器干扰估计值,永磁同步风力发电机系统的抗干扰复合预测优化控制律为 则k时刻的即时控制增量Δu(k)给出的实际控制输入u(k)=u(k-1)+Δu(k)作用于受控对象,到下一时刻,重新计算Δu(k+1)进行滚动优化。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510690691.7A CN105156271B (zh) | 2015-10-22 | 2015-10-22 | 受扰风力发电机系统的抗干扰最优功率跟踪控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510690691.7A CN105156271B (zh) | 2015-10-22 | 2015-10-22 | 受扰风力发电机系统的抗干扰最优功率跟踪控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105156271A true CN105156271A (zh) | 2015-12-16 |
CN105156271B CN105156271B (zh) | 2018-06-29 |
Family
ID=54797269
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510690691.7A Active CN105156271B (zh) | 2015-10-22 | 2015-10-22 | 受扰风力发电机系统的抗干扰最优功率跟踪控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105156271B (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108717266A (zh) * | 2018-05-30 | 2018-10-30 | 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 |
CN108979961A (zh) * | 2018-07-26 | 2018-12-11 | 扬州大学 | 一种小型风力发电系统安全运行保护系统及其保护方法 |
CN108979957A (zh) * | 2018-07-16 | 2018-12-11 | 中南大学 | 获取变速风力发电机组最大风能的非线性预测控制方法 |
CN109139365A (zh) * | 2018-09-03 | 2019-01-04 | 浙江运达风电股份有限公司 | 一种提高大型风电机组发电性能的最优转速控制方法 |
CN109416523A (zh) * | 2016-05-03 | 2019-03-01 | 维斯塔斯风力系统集团公司 | 在低电压电网事件期间使用mpc控制风力涡轮机 |
CN110784146A (zh) * | 2019-10-12 | 2020-02-11 | 武汉科技大学 | 一种基于预测补偿的交流伺服系统速度环参数自校正方法 |
CN112523945A (zh) * | 2020-12-29 | 2021-03-19 | 重庆邮电大学 | 一种双馈风力机最大风能捕获自抗扰非线性控制方法 |
CN112922782A (zh) * | 2021-02-03 | 2021-06-08 | 浙江运达风电股份有限公司 | 一种基于adrc控制的风力发电机组传动链加阻方法 |
CN114465528A (zh) * | 2022-02-21 | 2022-05-10 | 四川莱斯特真空科技有限公司 | 电机同步驱动方法及系统 |
CN115800398A (zh) * | 2022-11-29 | 2023-03-14 | 盛东如东海上风力发电有限责任公司 | 纵向相邻风电机组中上游风电机组的功率优化方法及系统 |
CN117318562A (zh) * | 2023-10-24 | 2023-12-29 | 北京皓德创业科技有限公司 | 一种节能电机曲线设计方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090257873A1 (en) * | 2008-04-15 | 2009-10-15 | Per Egedal | Method and apparatus for prediction-based wind turbine control |
US20110049885A1 (en) * | 2009-09-03 | 2011-03-03 | Gamesa Innovation & Technology, S.L. | Wind turbine control methods and systems |
WO2011076295A2 (en) * | 2009-12-21 | 2011-06-30 | Vestas Wind Systems A/S | A wind turbine having a control method and controller for performing predictive control of a wind turbine generator |
CN104570730A (zh) * | 2014-11-26 | 2015-04-29 | 中国科学院光电技术研究所 | 一种改进的自抗扰控制方法 |
-
2015
- 2015-10-22 CN CN201510690691.7A patent/CN105156271B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090257873A1 (en) * | 2008-04-15 | 2009-10-15 | Per Egedal | Method and apparatus for prediction-based wind turbine control |
US20110049885A1 (en) * | 2009-09-03 | 2011-03-03 | Gamesa Innovation & Technology, S.L. | Wind turbine control methods and systems |
WO2011076295A2 (en) * | 2009-12-21 | 2011-06-30 | Vestas Wind Systems A/S | A wind turbine having a control method and controller for performing predictive control of a wind turbine generator |
CN104570730A (zh) * | 2014-11-26 | 2015-04-29 | 中国科学院光电技术研究所 | 一种改进的自抗扰控制方法 |
Non-Patent Citations (4)
Title |
---|
HUIXIAN LIU等: "Speed Control for PMSM Servo System Using Predictive Function Control and Extended State Observer", 《IEEE TRANSACTIONS ON INDUSTRIAL ELECTRONIC》 * |
刘志刚等: "基于永磁同步电机模型辨识与补偿的自抗扰控制器", 《中国机电工程学报》 * |
范中华等: "基于永磁同步电机调速系统的模型预测控制方法", 《第31届中国控制会议论文集》 * |
茅靖峰等: "基于扩张状态观测的永磁直驱风力发电系统MPPT自适应滑模控制", 《电力系统保护与控制》 * |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109416523B (zh) * | 2016-05-03 | 2022-06-07 | 维斯塔斯风力系统集团公司 | 在低电压电网事件期间使用mpc控制风力涡轮机 |
US11125209B2 (en) | 2016-05-03 | 2021-09-21 | Vestas Wind Systems A/S | Controlling a wind turbine during a low voltage grid event using MPC |
CN109416523A (zh) * | 2016-05-03 | 2019-03-01 | 维斯塔斯风力系统集团公司 | 在低电压电网事件期间使用mpc控制风力涡轮机 |
CN108717266A (zh) * | 2018-05-30 | 2018-10-30 | 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 |
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 |
CN108979957A (zh) * | 2018-07-16 | 2018-12-11 | 中南大学 | 获取变速风力发电机组最大风能的非线性预测控制方法 |
CN108979961B (zh) * | 2018-07-26 | 2019-12-06 | 扬州大学 | 一种小型风力发电系统安全运行保护系统及其保护方法 |
CN108979961A (zh) * | 2018-07-26 | 2018-12-11 | 扬州大学 | 一种小型风力发电系统安全运行保护系统及其保护方法 |
CN109139365A (zh) * | 2018-09-03 | 2019-01-04 | 浙江运达风电股份有限公司 | 一种提高大型风电机组发电性能的最优转速控制方法 |
CN110784146A (zh) * | 2019-10-12 | 2020-02-11 | 武汉科技大学 | 一种基于预测补偿的交流伺服系统速度环参数自校正方法 |
CN112523945A (zh) * | 2020-12-29 | 2021-03-19 | 重庆邮电大学 | 一种双馈风力机最大风能捕获自抗扰非线性控制方法 |
CN112922782A (zh) * | 2021-02-03 | 2021-06-08 | 浙江运达风电股份有限公司 | 一种基于adrc控制的风力发电机组传动链加阻方法 |
CN114465528A (zh) * | 2022-02-21 | 2022-05-10 | 四川莱斯特真空科技有限公司 | 电机同步驱动方法及系统 |
CN115800398A (zh) * | 2022-11-29 | 2023-03-14 | 盛东如东海上风力发电有限责任公司 | 纵向相邻风电机组中上游风电机组的功率优化方法及系统 |
CN117318562A (zh) * | 2023-10-24 | 2023-12-29 | 北京皓德创业科技有限公司 | 一种节能电机曲线设计方法 |
CN117318562B (zh) * | 2023-10-24 | 2024-05-03 | 北京皓德创业科技有限公司 | 一种节能电机曲线设计方法 |
Also Published As
Publication number | Publication date |
---|---|
CN105156271B (zh) | 2018-06-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105156271A (zh) | 受扰风力发电机系统的抗干扰最优功率跟踪控制方法 | |
Chen et al. | Design of robust MPPT controller for grid-connected PMSG-Based wind turbine via perturbation observation based nonlinear adaptive control | |
Wu et al. | Extreme learning machine based wind speed estimation and sensorless control for wind turbine power generation system | |
Meng et al. | Guaranteed performance control of DFIG variable-speed wind turbines | |
Kerrouche et al. | Decoupled control of doubly fed induction generator by vector control for wind energy conversion system | |
Li et al. | On the rejection of internal and external disturbances in a wind energy conversion system with direct-driven PMSG | |
Dali et al. | A new robust control scheme: Application for MPP tracking of a PMSG-based variable-speed wind turbine | |
Mirzaei et al. | Robust model predictive control of a wind turbine | |
CN107911057A (zh) | 一种用于飞轮储能系统的转子位置鲁棒观测方法 | |
Tohidi et al. | Adaptive disturbance rejection control scheme for DFIG-based wind turbine: Theory and experiments | |
Wang et al. | Adaptive back-stepping control for a permanent magnet synchronous generator wind energy conversion system | |
CN112731805B (zh) | 一种基于风速估计的风力发电机最大功率跟踪无传感器鲁棒控制方法 | |
CN110454328A (zh) | 一种无风速传感器下的风力发电系统功率追踪方法 | |
CN103895832A (zh) | 一种船舶电伺服鳍、翼鳍减横摇智能矢量控制方法 | |
Ciccarelli et al. | Sliding mode control based robust observer of aerodynamic torque for variable-speed wind turbines | |
Neammanee et al. | Control strategies for variable-speed fixed-pitch wind turbines | |
Llano et al. | Control algorithms for permanent magnet generators evaluated on a wind turbine emulator test-rig | |
Corradini et al. | Fault-tolerant sensorless control of wind turbines achieving efficiency maximization in the presence of electrical faults | |
Sun et al. | MPPT adaptive controller of DC-based DFIG in resistances uncertainty | |
Venkateswaran et al. | Maximum power extraction for PMVG-based WECS using q-learning mppt algorithm with finite-time control scheme | |
Tadesse et al. | Design and analysis of rate predictive fractional-order sliding mode controller (RP-FOSMC) for MPPT and power regulation of DFIG-based wind energy conversion system (WECS) | |
Hawkins et al. | Region II wind power capture maximization using robust control and estimation with alternating gradient search | |
CN103746628A (zh) | 一种双馈感应风力发电机转子侧换流器的控制方法 | |
Zhou et al. | A combined control strategy of wind energy conversion system with direct-driven PMSG | |
Delavari et al. | Robust control of a permanent magnet synchronous generators based wind energy conversion |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |