CN107313898B - 基于Markov跳变规律的风力发电系统控制的方法 - Google Patents
基于Markov跳变规律的风力发电系统控制的方法 Download PDFInfo
- Publication number
- CN107313898B CN107313898B CN201710696878.7A CN201710696878A CN107313898B CN 107313898 B CN107313898 B CN 107313898B CN 201710696878 A CN201710696878 A CN 201710696878A CN 107313898 B CN107313898 B CN 107313898B
- Authority
- CN
- China
- Prior art keywords
- wind speed
- wind
- interval
- state
- model
- 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 23
- 238000010248 power generation Methods 0.000 claims description 67
- 239000011159 matrix material Substances 0.000 claims description 20
- 230000007704 transition Effects 0.000 claims description 17
- 230000005540 biological transmission Effects 0.000 claims description 9
- 238000001914 filtration Methods 0.000 claims description 6
- 230000009471 action Effects 0.000 claims description 4
- 238000013016 damping Methods 0.000 claims description 3
- 230000009191 jumping Effects 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 230000011218 segmentation Effects 0.000 claims description 3
- 230000008569 process Effects 0.000 claims description 2
- 230000000694 effects Effects 0.000 abstract description 5
- 230000006872 improvement Effects 0.000 abstract description 4
- 230000003416 augmentation Effects 0.000 abstract description 2
- 238000011217 control strategy Methods 0.000 description 5
- 230000010355 oscillation Effects 0.000 description 2
- 238000007664 blowing Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000005309 stochastic process Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F03—MACHINES OR ENGINES FOR LIQUIDS; WIND, SPRING, OR WEIGHT MOTORS; PRODUCING MECHANICAL POWER OR A REACTIVE PROPULSIVE THRUST, NOT OTHERWISE PROVIDED FOR
- F03D—WIND MOTORS
- F03D7/00—Controlling wind motors
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
- F05B—INDEXING SCHEME RELATING TO WIND, SPRING, WEIGHT, INERTIA OR LIKE MOTORS, TO MACHINES OR ENGINES FOR LIQUIDS COVERED BY SUBCLASSES F03B, F03D AND F03G
- F05B2260/00—Function
- F05B2260/84—Modelling or simulation
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
- F05B—INDEXING SCHEME RELATING TO WIND, SPRING, WEIGHT, INERTIA OR LIKE MOTORS, TO MACHINES OR ENGINES FOR LIQUIDS COVERED BY SUBCLASSES F03B, F03D AND F03G
- F05B2270/00—Control
- F05B2270/30—Control parameters, e.g. input parameters
- F05B2270/32—Wind speeds
-
- 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
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Sustainable Development (AREA)
- Sustainable Energy (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Wind Motors (AREA)
- Control Of Eletrric Generators (AREA)
Abstract
本发明公开了基于Markov跳变规律的风力发电系统控制的方法,其特征是对作用在风力发电机上的风速进行滤波,提取低频风速;对整个风速区间按设定的间隔拆分为多个状态;对滤波后的低频风速建立Markov模型;对风力发电系统状态空间模型进行扩阶,将原有的风力发电系统描述为包含风速Markov增广模型的Markov跳变系统。本发明的优越效果是将风速的随机波动规律引入到风力发电系统模型中,实现了对风机的精准建模和有效控制以实现对风机的工况点切换控制效果的改进,同时有效降低了输出功率的波动频率,相比传统的现有的控制器有更强的稳定性。
Description
技术领域
本发明涉及基于Markov跳变规律的风力发电系统控制的方法,属于风力发电技术领域。
背景技术
风能是一项重要的可再生能源,对风能的有效利用是眼下解决能源问题和环保问题的重要部分,风力发电系统作为吸收风能并转化为电能的重要系统,其运行稳定性和输出电能的质量对电网稳定性有至关重要的影响。对风力发电系统的控制策略都是在额定风速以下尽可能的从自然风中汲取能量,在额定风速以上稳定功率输出在额定功率点。由于风速具有随机性,其随机波动经常导致风力发电系统工况点的波动,同时在湍流风速的影响下造成输出功率的波动。
由于风力发电系统的强非线性特性,现有的风机控制策略大都基于一个或一组线性化工况点,而当风机的运行偏离工况点时,控制效果会明显降低。有的控制策略会采取增益调度的方式,使控制率满足特定的情况,但当系统在工况点之前跳变的时候,对LPV控制器的求解会是个很大的问题;同时,这种切换策略和风场里真实的风速随机性规律并不相同。
公开号为CN105134496A的专利申请公开了一种风力发电系统具有风车、升力改进设备、电力发电机、存储设备以及控制器。所述风车在接收到气流时旋转。所述升力改进设备具有运行和停止的能力,所述升力改进设备在运行时增加所述风车的叶片的升力。所述电力发电机通过所述风车的旋转来生成电力,并且在抑制所述风车的旋转的方向上生成力矩。所述存储设备存储指示所述电力发电机的与所述电力发电机的旋转速度有关的所述力矩的特性的多个特性图。所述控制器通过切换和使用所述存储设备的与所述升力改进设备的运行或停止的状态对应的所述多个特性图来控制所述电力发电机的发电量。
公开号为CN104632542A的专利申请公开了一种风力发电方法,基于风力发电设备的风力发电方法。采用该风力发电机组的发电方法为:利用自然风驱动风力发电组转动,控制设备根据风向,风速,风湍流,突风深度的参数控制风力发电机组的工作状态,风力发电机组将电力输送给蓄电设备或电网;所述的控制设备为风速监测器备,变频器,中央处理器,蓄电设备或电网负荷控制器;所述的蓄电设备或电网负荷控制器与变频器相连,中央处理器与风速监测器备,中央处理器根据风速监测器备与蓄电设备或电网负荷控制器收集到的数据控制变频器。
公开号为CN104234926A的专利申请公开了一种高效风筒发电方法及系统,其特征是利用鼓风机向风筒内不断鼓风,并使所鼓风机吹出的风在导流罩和导流板的作用下推动风力发电机叶片远离叶片轴的尾部,利用杠杆原理推动叶片转动,进而带动叶片轴转动,叶片轴带动发电机转动发电。
综上所述,现有的风力发电系统控制器设计,仅考虑了风机内部的状态,对风速的随机性规律并没有处理,而作为驱动整个风力发电系统的能量来源和核心部分,风速的随机波动对风力发电系统的稳定和安全运行、平滑的功率输出有着非常重要的影响。
在随机过程分析中,Markov链模型经常用来表示一个随机系统的参数或状态从某个状态向其他状态转移的概率,以一阶或是高阶Markov转移概率矩阵来表示。在太阳能功率预测和其他一些强随机性领域内,Markov跳变已经逐渐开始推广应用,作为对系统随机性的描述并指导系统工作。
发明内容
本发明的目的在于提供一种能够克服上述技术问题的基于Markov跳变规律的风力发电系统控制的方法。
本发明所述方法包括以下步骤:
步骤1、风速的区间划分:
选取一个风速区间,设区间的初始风速为V0,区间的终止风速为VN,区间内选取风速点分别记为V1,V2,V3….VN-1,将待选风速区间划分为N个风速段。对风速的划分为等间隔或者不等间隔,风速区间的划分如下表所示:
以5MW机型为例,额定风速11m/s到切除风速25m/s,以每相邻两个整数点风速区间内的风速为一个子区间,将额定风速以上的风速区间均分为14个区间,每个区间内风速范围1m。
步骤2、风速的Markov建模:
步骤2.1,取一段风速数据,小时级或分钟级或秒级,对风速数据进行频域滤波,选取适当的采样频率,将风速分为高频和低频两部分,Vs为低频风速,Vw为高频风速,即:
V(t)=Vs(t)+VW(t)
提取风速的低频数据进行后续分析,高频风速作为扰动信号;
步骤2.2,对滤波后的风速数据,按步骤1的风速区间划分对风速分为N个风速点,形成N个风速区间,则所选取的风速共有N个状态;
步骤2.3,对整段风速文件进行遍历,并按照风速划分的区间,计算整段风速中,第一个状态出现的频次,记为C1;
步骤2.4,再次对风速文件进行遍历,统计整段风速中所有出现的第一状态的后续风速状态,并各自计算出现的频次,分别为C1,1、C1,2……C1,N;
步骤2.5,以i状态为初始状态,j状态为后续状态(i、j≤N),重复2.3、2.4两步,计算i状态出现的频次和前一时刻为i状态基础上,下一时刻为j状态的频次;
步骤2.6,利用下面的公式,计算风速从i状态跳变到j状态的概率,记为Pi,j:
步骤2.7,对所有状态计算转移概率,按下面的结构列写成为转移概率矩阵,
步骤3、风机模型与工况点选取:
步骤3.1,根据风力发电系统的传动链、发电机子系统,用一组微分方程来描述,在额定风速以上的风力发电系统,选取传动轴扭转角度δ、风轮转速ωr、发电机转速ωg、桨距角β四个量为状态变量,以发电机工况点稳定转速ωz设定值和桨距角输入值βd为控制量,即u=[βd,ωz]x=[δ,ωr,ωg,β],将湍流风Vw作为扰动量,风力发电系统的非线性微分方程模型为:
其中:
Tm为转子机械侧转矩,由于转子机械侧转矩是非线性的,因此利用泰勒展开对Tm对平均风速Vs进行展开,即:
Tm=Tm1(Vs)+Tm2(Vs)Vw
其中:
以上公式中:
Ng代表传动轴齿轮箱的齿比;
Jr代表转子转动惯量;
Jg代表发电机转动惯量;
KDT和BDT分别代表传动轴的扭转刚性系数和扭转阻尼系数;
Bg为发电机转矩/转速曲线的斜率;
发电机转矩Tg=Bg(ωg-ωz);
τ为变桨执行器等效一阶惯性环节的惯性时间常数;
步骤3.2,利用泰勒展开在稳态风速点即操作点对上式中的非线性部分进行展开,选取工况点即在所选取的i工况点对应的扭转角度δ、风轮转速ωr、发电机转速ωg、桨距角β四个参数,在工况点进行泰勒展开线性化,并忽略其高次项,建立风力发电系统的线性模型,线性化后的风力发电系统状态空间模型为:
其中,和分别为当前工况点线性化后的状态矩阵和干扰输入矩阵,为控制输入矩阵:
步骤3.3,根据风速区间的划分,选取区间内的操作点,选取首尾风速的中间值作为风速区间操作点,即在选取的操作点对风机进行线性化,如下表所示:
步骤4、控制器、线性化模型切换动作:
对步骤2.1滤波后得到的低频风速,选取需要进行控制的时间段,按照风速区间在时域进行划分,当某时间段内的风速均处于i区间时,用i区间工况点来代替这一段风速,依次类推,对待控制风速区间划分为由多个工况点拼接而成的分段连续风速,如果分段时,部分时间点风速瞬时跃迁,但在短时间内回到风速区间内时,忽略短时跃迁风速的影响,以避免控制器频繁切换导致系统不稳定,以98%为阈值,最少有98%的风速处于被选风速区间内,同时跃迁风速持续时间不超过3个时间周期。对于不同精度要求的系统,阈值的选取有所不同;
当风速在两个风速区间内切换时,风力发电机的线性化模型同样在两个区间内的工况点间切换,对应的控制器针对两个工况点的控制目标分别调整和设计,不同的控制器具有相同的结构和不同的参数。当工况点切换时,控制器和系统模型同时动作,对控制器进行线性插值,将阶跃的信号变换为多级斜坡信号,降低切换点的不稳定性。
步骤5、风力发电系统Markov跳变系统:
步骤5.1,在步骤3中,得到的风力发电系统的状态空间模型如下所示:
对上述线性状态空间模型利用零阶保持器算法进行离散化,得到风力发电系统的时间离散状态空间模型,如下所示:
x(k+1)=A(i)x(k)+B1u(k)+B2(i)VW(k)
式中各参数均为前文相应连续参数离散后的数据,x(k)、u(k)、VW(k)为离散的系统状态、控制输入和干扰输入;
步骤5.2,考虑步骤2得到的风速跳变模型,风速的跳变规律记为:
V(k)=Vs(k,r(k))+VW(k)
其中r(k)为风速的马尔可夫链,Vs(k,r(k))为满足风速马尔可夫统计规律的风速模型;
步骤5.3,工况点的切换规则满足风速马尔可夫链,将离散状态空间模型与马尔可夫链结合能得到风力发电系统的离散马尔可夫跳变系统模型,如下所示:
式中:
A(r(k))表示满足风速马尔可夫链r(k)的离散状态矩阵,
Zinf(k)=ωg,表示由风速湍流VW造成的调节偏差,
C为系统的输出观测矩阵;
步骤5.4,对得到的风力发电系统Markov跳变模型选用适当的控制方法建立控制策略,例如选用区域极点配置、LQ控制器。
本发明所述方法将风速的随机波动规律引入到风力发电系统模型中,使风力发电系统模型不仅包含风机内部状态,同时考虑风速的随机性规律,在Markov的框架下统一了风速在各工况的跳变规律、模型切换、控制器切换的规律来降低控制器、控制模式切换导致的系统震荡和不稳定以提高系统的稳定性;在对连续线性的风力发电系统引入Markov跳变系统的概念,在考虑风速随机性的基础上以Markov跳变系统来描述原有风机,实现对风机的精准建模和有效控制以实现对风机的工况点切换控制效果的改进,同时能够有效降低输出功率的波动频率,本发明所述方法是对作用在风力发电机上的风速进行滤波,提取低频风速;对整个风速区间按设定的间隔拆分为多个状态;对滤波后的低频风速建立Markov模型;对风力发电系统状态空间模型进行扩阶,将原有的风力发电系统描述为包含风速Markov增广模型的Markov跳变系统。
本发明的优越效果是针对风力发电系统,在考虑了风速随机性、工况点切换、控制器切换,使控制器更好地适应风速湍流,将风速的随机波动规律引入到风力发电系统模型中,使风力发电系统模型不仅包含风机内部状态,同时考虑风速的随机性规律,在Markov的框架下统一了风速在各工况的跳变规律、模型切换、控制器切换的规律来降低控制器、控制模式切换导致的系统震荡和不稳定以提高系统的稳定性,在对连续线性的风力发电系统引入Markov跳变系统的概念,在考虑风速随机性的基础上以Markov跳变系统来描述原有风机,实现了对风机的精准建模和有效控制以实现对风机的工况点切换控制效果的改进,同时有效降低了输出功率的波动频率,相比传统的现有的控制器有更强的稳定性。
附图说明
图1是本发明所述方法的计算从i状态跳变到j状态的转移概率流程图;
图2是本发明所述方法的步骤流程图。
具体实施方式
下面结合附图对本发明的实施方式进行详细描述。本发明所述方法包括以下步骤:
步骤1、风速的区间划分:
选取一个风速区间,设区间的初始风速为V0,区间的终止风速为VN,区间内选取风速点分别记为V1,V2,V3….VN-1,将待选风速区间划分为N个风速段。对风速的划分为等间隔或者不等间隔,风速区间的划分如下表所示:
以5MW机型为例,额定风速11m/s到切除风速25m/s,以每相邻两个整数点风速区间内的风速为一个子区间,将额定风速以上的风速区间均分为14个区间,每个区间内风速范围1m。
步骤2、风速的Markov建模:
步骤2.1,取一段风速数据,小时级或分钟级或秒级,对风速数据进行频域滤波,选取适当的采样频率,将风速分为高频和低频两部分,Vs为低频风速,Vw为高频风速,即:
V(t)=Vs(t)+VW(t)
提取风速的低频数据进行后续分析,高频风速作为扰动信号;
步骤2.2,对滤波后的风速数据,按步骤1的风速区间划分对风速分为N个风速点,形成N个风速区间,则所选取的风速共有N个状态;
步骤2.3,对整段风速文件进行遍历,并按照风速划分的区间,计算整段风速中,第一个状态出现的频次,记为C1;
步骤2.4,再次对风速文件进行遍历,统计整段风速中所有出现的第一状态的后续风速状态,并各自计算出现的频次,分别为C1,1、C1,2……C1,N;
步骤2.5,以i状态为初始状态,j状态为后续状态(i、j≤N),重复2.3、2.4两步,计算i状态出现的频次和前一时刻为i状态基础上,下一时刻为j状态的频次;
步骤2.6,利用下面的公式,计算风速从i状态跳变到j状态的概率,记为Pi,j,如图1所示;
步骤2.7,对所有状态计算转移概率,按下面的结构列写成为转移概率矩阵。
步骤3、风机模型与工况点选取:
步骤3.1,根据风力发电系统的传动链、发电机子系统,用一组微分方程来描述,在额定风速以上的风力发电系统,选取传动轴扭转角度δ、风轮转速ωr、发电机转速ωg、桨距角β四个量为状态变量,以发电机工况点稳定转速ωz设定值和桨距角输入值βd为控制量,即u=[βd,ωz]x=[δ,ωr,ωg,β],将湍流风Vw作为扰动量,风力发电系统的非线性微分方程模型为:
其中:
Tm为转子机械侧转矩。由于转子机械侧转矩是非线性的,因此利用泰勒展开对Tm对平均风速Vs进行展开,即:
Tm=Tm1(Vs)+Tm2(Vs)VW
其中:
以上公式中:
Ng代表传动轴齿轮箱的齿比;
Jr代表转子转动惯量;
Jg代表发电机转动惯量;
KDT和BDT分别代表传动轴的扭转刚性系数和扭转阻尼系数;
Bg为发电机转矩/转速曲线的斜率;
发电机转矩Tg=Bg(ωg-ωz);
τ为变桨执行器等效一阶惯性环节的惯性时间常数;
步骤3.2,利用泰勒展开在稳态风速点即操作点对上式中的非线性部分进行展开,选取工况点即在所选取的i工况点对应的扭转角度δ、风轮转速ωr、发电机转速ωg、桨距角β四个参数,在工况点进行泰勒展开线性化,并忽略其高次项,建立风力发电系统的线性模型。线性化后的风力发电系统状态空间模型为:
其中,和分别为当前工况点线性化后的状态矩阵和干扰输入矩阵,为控制输入矩阵:
步骤3.3,根据风速区间的划分,选取区间内的操作点,选取首尾风速的中间值作为风速区间操作点,即在选取的操作点对风机进行线性化,如下表所示:
步骤4、控制器、线性化模型切换动作:
对步骤2.1滤波后得到的低频风速,选取需要进行控制的时间段,按照风速区间在时域进行划分,当某时间段内的风速均处于i区间时,用i区间工况点来代替这一段风速,依次类推,对待控制风速区间划分为由多个工况点拼接而成的分段连续风速。如果分段时,部分时间点风速瞬时跃迁,但在短时间内回到风速区间内时,忽略短时跃迁风速的影响,以避免控制器频繁切换导致系统不稳定。以98%为阈值,最少有98%的风速处于被选风速区间内,同时跃迁风速持续时间不超过3个时间周期,对于不同精度要求的系统,阈值的选取有所不同;
当风速在两个风速区间内切换时,风力发电机的线性化模型同样在两个区间内的工况点间切换,对应的控制器针对两个工况点的控制目标分别调整和设计,不同的控制器具有相同的结构和不同的参数。当工况点切换时,控制器和系统模型同时动作,对控制器进行线性插值,将阶跃的信号变换为多级斜坡信号,降低切换点的不稳定性。
步骤5、风力发电系统Markov跳变系统:
步骤5.1,在步骤3中,得到的风力发电系统的状态空间模型如下所示:
对上述线性状态空间模型利用零阶保持器算法进行离散化,得到风力发电系统的时间离散状态空间模型,如下所示:
x(k+1)=A(i)x(k)+B1u(k)+B2(i)VW(k)
式中各参数均为前文相应连续参数离散后的数据,x(k)、u(k)、VW(k)为离散的系统状态、控制输入和干扰输入;
步骤5.2,考虑步骤2得到的风速跳变模型,风速的跳变规律记为:
V(k)=Vs(k,r(k))+VW(k)
其中r(k)为风速的马尔可夫链,Vs(k,r(k))为满足风速马尔可夫统计规律的风速模型;
步骤5.3,工况点的切换规则满足风速马尔可夫链,将离散状态空间模型与马尔可夫链结合能得到风力发电系统的离散马尔可夫跳变系统模型,如下所示:
式中:
A(r(k))表示满足风速马尔可夫链r(k)的离散状态矩阵;
Zinf(k)=ωg,表示由风速湍流Vw造成的调节偏差;
C为系统的输出观测矩阵;
步骤5.4,对得到的风力发电系统Markov跳变模型选用适当的控制方法建立控制策略,例如选用区域极点配置、LQ控制器。
如图1所示,首先对读取的风速点位置状态设为k,并进行初始化使k=0;风速的频次数据存放在名称为C(i)和C(i,j)的两个变量内。对待读取的风速文件,首先读取第0个数据,在Matlab软件中,数组编号从0开始,根据已经划分好的风速区间分布和本次待计数的区间i,判断当前读入的风速数据是否在风速区间i内。若风速在区间i内,则C(i)增加一次,并继续读取下一个风速点,判断此风速点是否在j风速区间内,满足则C(i,j)增加一次。若判断发现不满足当前目标区间的风速,则对状态k进行加一操作,重新读取第k个风速点并进行判断。在两次判断和计数均进行完毕后,检查当前风速点是否为本端风速的最后一个风速点,即是否已经遍历了整个风速文件,若是,则结束遍历,计算当前划分风况的转移概率,即P(i,j);若不是,则对状态k进行加一操作,重新读取第k个风速点并进行判断,参与循环。
如图2所示,发明所述方法表述为以下形式:首先,对待操作风速按照适当的间隔和长度划分风速区间,并计算风速的转移概率矩阵,得到和形成风速的Markov链;同时,对风力发电系统建立非线性机理模型,并在各个选定的风速区间的中心点进行当前工况点线性化,对线性化后的风力发电系统模型使用零阶保持器法进行离散化,得到离散模型。结合离散模型和风速Markov链,建立风力发电系统的Markov跳变系统模型,然后采用预测控制、区域极点配置、线性二次型优化的方式设计控制器。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明公开的范围内,能够轻易想到的变化或替换,都应涵盖在本发明权利要求的保护范围内。
Claims (2)
1.基于Markov跳变规律的风力发电系统控制的方法,其特征在于,包括以下步骤:
步骤1、风速的区间划分;
选取一个风速区间,设区间的初始风速为V0,区间的终止风速为VN,区间内选取风速点分别记为V1,V2,V3....VN-1,将待选风速区间划分为N个风速段,对风速的划分为等间隔或者不等间隔;
步骤2、风速的Markov建模:
步骤2.1:取一段风速数据,小时级或分钟级或秒级,对风速数据进行频域滤波,选取适当的采样频率,将风速分为高频和低频两部分,Vs为低频风速,VW为高频风速,即:
V(t)=Vs(t)+VW(t)
提取风速的低频数据进行后续分析,高频风速作为扰动信号;
步骤2.2:对滤波后的风速数据,按步骤1的风速区间划分对风速分为N个风速点,形成N个风速区间,则所选取的风速共有N个状态;
步骤2.3:对整段风速文件进行遍历,并按照风速划分的区间,计算整段风速中,第一个状态出现的频次,记为C1;
步骤2.4:再次对风速文件进行遍历,统计整段风速中所有出现的第一状态的后续风速状态,并各自计算出现的频次,分别为C1,1、C1,2……C1,N;
步骤2.5:以i状态为初始状态,j状态为后续状态(i、j≤N),重复2.3、2.4两步,计算i状态出现的频次和前一时刻为i状态基础上,下一时刻为j状态的频次;
步骤2.6:利用下面的公式,计算风速从i状态跳变到j状态的概率,记为Pi,j;
步骤2.7:对所有状态计算转移概率,按下面的结构列写成为转移概率矩阵,
步骤3、风机模型与工况点选取:
步骤3.1:根据风力发电系统的传动链、发电机子系统,用一组微分方程来描述,在额定风速以上的风力发电系统,选取传动轴扭转角度δ、风轮转速ωr、发电机转速ωg、桨距角β四个量为状态变量,以发电机工况点稳定转速ωz设定值和桨距角输入值βd为控制量,即u=[βd,ωz]x=[δ,ωr,ωg,β],将湍流风VW作为扰动量,风力发电系统的非线性微分方程模型为:
其中:
Tm为转子转矩,由于机械侧转矩是非线性的,因此利用泰勒展开对Tm对平均风速Vs进行展开,即:
Tm=Tm1(Vs)+Tm2(Vs)VW
其中:
以上公式中:
Ng代表传动轴齿轮箱的齿比;
Jr代表转子转动惯量;
Jg代表发电机转动惯量;
KDT和BDT分别代表传动轴的扭转刚性系数和扭转阻尼系数;
Bg为发电机转矩/转速曲线的斜率;
发电机转矩Tg=Bg(ωg-ωz);
τ为变桨执行器等效一阶惯性环节的惯性时间常数;
步骤3.2:利用泰勒展开在稳态风速点即操作点对上式中的非线性部分进行展开,选取工况点即在所选取的i工况点对应的扭转角度δ、风轮转速ωr、发电机转速ωg、桨距角β四个参数,在工况点进行泰勒展开线性化,并忽略其高次项,建立风力发电系统的线性模型,线性化后的风力发电系统状态空间模型为:
其中,和分别为当前工况点线性化后的状态矩阵和干扰输入矩阵,为控制输入矩阵;
步骤3.3:根据风速区间的划分,选取区间内的操作点,一般选取首尾风速的中间值作为风速区间操作点,即在选取的操作点对风机进行线性化;
步骤4、控制器、线性化模型切换动作:
对步骤2.1滤波后得到的低频风速,选取需要进行控制的时间段,按照风速区间在时域进行划分,当某时间段内的风速均处于i区间时,用i区间工况点来代替这一段风速,依次类推,对待控制风速区间划分为由多个工况点拼接而成的分段连续风速,如果分段时,部分时间点风速瞬时跃迁,但在短时间内回到风速区间内时,忽略短时跃迁风速的影响,以避免控制器频繁切换导致系统不稳定,以98%为阈值,最少有98%的风速处于被选风速区间内,同时跃迁风速持续时间不超过3个时间周期,当风速在两个风速区间内切换时,风力发电机的线性化模型同样在两个区间内的工况点间切换,对应的控制器针对两个工况点的控制目标分别调整和设计,不同的控制器具有相同的结构和不同的参数,当工况点切换时,控制器和系统模型同时动作,对控制器进行线性插值,将阶跃的信号变换为多级斜坡信号,降低切换点的不稳定性;
步骤5、风力发电系统Markov跳变系统:
步骤5.1:在步骤3中,得到的风力发电系统的状态空间模型如下所示:
对上述线性状态空间模型利用零阶保持器算法进行离散化,得到风力发电系统的时间离散状态空间模型,如下所示:
x(k+1)=A(i)x(k)+B1u(k)+B2(i)VW(k)
式中各参数均为前文相应连续参数离散后的数据,x(k)、u(k)、VW(k)为离散的系统状态、控制输入和干扰输入;
步骤5.2;考虑步骤2得到的风速跳变模型,风速的跳变规律记为:
V(k)=Vs(k,r(k))+VW(k)
其中r(k)为风速的马尔可夫链,Vs(k,r(k))为满足风速马尔可夫统计规律的风速模型;
步骤5.3:工况点的切换规则满足风速马尔可夫链,将离散状态空间模型与马尔可夫链结合能得到风力发电系统的离散马尔可夫跳变系统模型,如下所示:
式中:
A(r(k))表示满足风速马尔可夫链r(k)的离散状态矩阵;
Zinf(k)=ωg,表示由风速湍流VW造成的调节偏差;
C为系统的输出观测矩阵;
步骤5.4:对得到的风力发电系统Markov跳变模型选用区域极点配置、LQ控制器。
2.根据权利要求1所述的基于Markov跳变规律的风力发电系统控制的方法,其特征在于,所述步骤1中,额定风速11m/s到切除风速25m/s,以每相邻两个整数点风速区间内的风速为一个子区间,将额定风速以上的风速区间均分为14个区间,每个区间内风速范围1m。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710696878.7A CN107313898B (zh) | 2017-08-15 | 2017-08-15 | 基于Markov跳变规律的风力发电系统控制的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710696878.7A CN107313898B (zh) | 2017-08-15 | 2017-08-15 | 基于Markov跳变规律的风力发电系统控制的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107313898A CN107313898A (zh) | 2017-11-03 |
CN107313898B true CN107313898B (zh) | 2019-05-21 |
Family
ID=60176814
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710696878.7A Active CN107313898B (zh) | 2017-08-15 | 2017-08-15 | 基于Markov跳变规律的风力发电系统控制的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107313898B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107947228B (zh) * | 2017-11-16 | 2021-04-06 | 河海大学 | 基于Markov理论的含风电电力系统随机稳定性分析方法 |
CN111367175B (zh) * | 2020-03-17 | 2021-04-02 | 江南大学 | 一种未知转移概率跳变系统的邻态偏差智能控制方法 |
CN113605484B (zh) * | 2021-08-06 | 2023-02-03 | 徐州徐工挖掘机械有限公司 | 一种挖掘机电控方法及系统 |
CN116859745B (zh) * | 2023-08-03 | 2024-05-31 | 江南大学 | 基于偏差评价机制的跳变系统无模型博弈控制的设计方法 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9460478B2 (en) * | 2012-12-17 | 2016-10-04 | Arizona Board Of Regents On Behalf Of Arizona State University | System and method for wind generation forecasting |
CN103996071A (zh) * | 2014-02-25 | 2014-08-20 | 沈阳理工大学 | 一种基于马尔科夫理论的风电场风速预测方法 |
CN103812123B (zh) * | 2014-02-28 | 2016-04-20 | 华北电力大学 | 考虑电力系统跳变特性的时滞稳定控制系统及其方法 |
CN104850710A (zh) * | 2015-05-26 | 2015-08-19 | 河海大学 | 一种基于随机偏微分方程的风速波动特性建模方法 |
CN104933636B (zh) * | 2015-06-12 | 2019-02-05 | 华北电力大学 | 多工况电力系统稳定性分析方法及装置 |
CN106780134A (zh) * | 2016-12-13 | 2017-05-31 | 中国电力科学研究院 | 风电功率生成算法中风电状态数上限的确定方法及系统 |
-
2017
- 2017-08-15 CN CN201710696878.7A patent/CN107313898B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN107313898A (zh) | 2017-11-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107313898B (zh) | 基于Markov跳变规律的风力发电系统控制的方法 | |
CN104976056B (zh) | 用于风力涡轮的推力速度控制的系统和方法 | |
Hwas et al. | Wind turbine control using PI pitch angle controller | |
Ciri et al. | Model-free control of wind farms: A comparative study between individual and coordinated extremum seeking | |
Beltran et al. | High-order sliding-mode control of variable-speed wind turbines | |
CN102011700B (zh) | 风轮机控制方法和系统 | |
CN102434391B (zh) | 一种基于起始转速调整的改进最大功率点跟踪控制方法 | |
Ofualagba et al. | Wind energy conversion system-wind turbine modeling | |
CN110145436A (zh) | 应用于风机的非线性经济模型预测控制方法 | |
CN105673322B (zh) | 实现风力机mppt控制的变参数非线性反馈控制方法 | |
Hoffmann | A comparison of control concepts for wind turbines in terms of energy capture | |
Dhar et al. | Study on pitch angle control of a variable speed wind turbine using different control strategies | |
CN112682254B (zh) | 一种基于动态多模型预测控制器的风机有功功率跟踪方法 | |
CN117028145B (zh) | 考虑塔架载荷抑制的风电机组有功功率控制方法及装置 | |
CN115167140B (zh) | 风力发电机组多目标随机模型预测控制策略方法及系统 | |
Coronado et al. | Adaptive control of variable-speed variable-pitch wind turbines for power regulation | |
Jiao et al. | Effective wind speed estimation and prediction based feedforward feedback pitch control for wind turbines | |
Mirzaei | Wind turbine control: Robust model based approach | |
CN115182844A (zh) | 一种变速风力发电机组有界ude转矩控制方法 | |
Cardenas et al. | Power limitation in variable speed wind turbines with fixed pitch angle | |
Gui et al. | Complementary sliding mode control for variable speed variable pitch wind turbine based on feedback linearization | |
Yan et al. | MIMO control of wind turbine using direct shooting method | |
Niss et al. | A Youla-Kucera approach to gain-scheduling with application to wind turbine control | |
Ofualagba et al. | The modeling and dynamic characteristics of a variable speed wind turbine | |
KR101939908B1 (ko) | 풍력 터빈의 전역적 전력 조정 방법 및 그 시스템 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |