CN108717266A - 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 - Google Patents

Abstract

本发明公开了一种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，包括：步骤一：建立风机功率的系统模型，步骤二：设计控制风机输出功率跟踪最大功率的控制器u_i：而和的自适应律为步骤三：将控制器u_i计算得到的指令输入风机系统，控制风机输出功率跟踪风机的最大输出功率。本发明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，其控制器能使风场中在有相互之间的扰动的时候，系统的输出功率能更好的地跟踪理想的最大功率信号，并确保系统跟踪误差渐近趋于零。

Description

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

技术领域

本发明涉及风场中风机控制技术领域，特别涉及一种控制风机跟踪最大输出功率的方法。

背景技术

现在风能被广泛利用，在风机功率控制方面，许多诸如滑膜，模糊，最优，反推控制等都与之结合，以达到跟踪最大功率的效果。风电场电力系统涉及大量风机，风机间的相互扰动对控制风场中风机，这会对控制器控制风场中每个风机的输出功率都能跟踪最优输出功率造成明显影响。但是现有的控制方法中，并没有考虑到风机之间有相互扰动的情况，因而控制系统输出功率追踪最大功率的效果还有待提高。

发明内容

有鉴于此，本发明的目的一种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，实现在风场中风机之间有相互扰动的情况下，使系统中各风机都产生近乎最佳的功率输出，从而使系统的输出功率能更好的地跟踪最大功率，并确保跟踪误差渐近趋于零。

本发明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，包括以下步骤：

步骤一：建立风机功率的系统模型

由风机产生的气动功率P_a为：

其中ρ为风的密度，v为风速，R为风机转子的半径，C_P(λ,β)表示风机功率转换效率；β是叶片俯仰角。

叶尖速比λ由以下公式决定：

其中ω_r是风机转子的角速度，于是P_a另一表达式为

P_a＝ω_rT_a

T_a表示空气动力学力矩；

风机转子和发电机之间有以下数学关系

其中J_r是风机转子惯量，J_g是发电机转子惯量，是风机转子的角加速度，ω_g是发电机转子的角速度，是发电机转子的角加速度，K_r是风机转子的外部阻尼，K_g是发电机转子的外部阻尼；T_ls是低速扭矩，T_hs是高速扭矩，T_em是发电机电磁转矩。连接风机转子和发电机转子的变速器的速比n_g为：

传动系统可以写为

其中

J_t＝J_r+n_g ²J_g

K_t＝K_r+n_g ²K_g

T_g＝n_gT_em

及而，

考虑到受环境变化引起的扰动，于是用ξ_i(·)表示系统中每个风机受到的扰动

于是每个风机的输出功率为

P_gi＝T_emiω_gi＝n_giT_emiω_ri

由于风机的输出功率越大，风机的转速越快，风机之间的塔影效应就越大，从而会影响到其它风机的输出功率，用ψ_i(P_g1,P_g2...P_gN)表示风机之间的这种影响；

y_i＝P_gi

以上式中a_i(t)＝n_giω_ri，a_i(t)u_i是风机系统的输入，y_i是风机系统的输出；

步骤二：设计控制风机输出功率跟踪最大功率的控制器；

1)定义速度函数

其中T是可以任意设定的有限时间；是任意非递减函数，满足显然，当t≥T，有

于是引入以下速度函数

其中0＜b_f＜＜1为可任意设定的参数；

2)定义一个连续函数：

其中Z＝[z₁,z₂...z_q]∈R^q是神经网络的输入矢量；为权重，ξ(Z)是有界的逼近误差，满足|ξ(Z)|≤ξ_M；存在理想的W^*,ξ^*能最大限度的逼近函数：

对于基函数S(Z)＝[s₁(Z),...,s_p(Z)]^T的选择之一为

其中μ_j＝[μ_j1,...,μ_jq]^T,j＝1,...p，表明存在未知常数满足S_j(Z)＜γ，φ_j是高斯函数的宽度；W^*满足：

于是基于这些性质，与上面的函数进行逼近

3)定义新的动力学

定义跟踪误差e_i＝P_gi-P_gi ^*，由于引入了速度函数，于是一个新的误差产生了：

设定条件：1)复合扰动f_i未知但是有界满足|f_i|≤α_i；2)相互影响N是风机数量；其中φ_i,j(y_j)≥0分别为未知常数和未知光滑函数；

4)为了简化计算和补偿相互作用，引入下面的未知变量ρ_i和平滑函数

于是

其中

为了设计复合扰动的观测器，定义变量

k₀＞0为设计参数

再定义

于是得到控制器控制器u_i：

而和的自适应律为

其中k_i0＞0,k_i1＞0,k_i2＞0,,γ_ρi＞0,σ_ρi＞0为可任意设置的常数；

步骤三：将控制器u_i计算得到的指令输入风机系统，控制系统输出功率跟踪最大输出功率。

本发明的有益效果：

本发明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，其控制器能使风场中在有相互之间的扰动的时候，使系统中各风机都产生近乎最佳的功率输出，从而使系统的输出功率能更好的地跟踪最大功率，并确保跟踪误差渐近趋于零。

具体实施方式

下面结合实施例对本发明作进一步描述。

本实施例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，包括以下步骤：

步骤一：建立风机功率的系统模型

由风机产生的气动功率P_a为：

其中ρ为风的密度，v为风速，R为风机转子的半径，C_P(λ,β)表示风机功率转换效率；β是叶片俯仰角。

叶尖速比λ由以下公式决定：

其中ω_r是风机转子的角速度，于是P_a另一表达式为

P_a＝ω_rT_a

T_a表示空气动力学力矩；

风机转子和发电机之间有以下数学关系

其中J_r是风机转子惯量，J_g是发电机转子惯量，是风机转子的角加速度，ω_g是发电机转子的角速度，是发电机转子的角加速度，K_r是风机转子的外部阻尼，K_g是发电机转子的外部阻尼；T_ls是低速扭矩，T_hs是高速扭矩，T_em是发电机电磁转矩；连接风机转子和发电机转子的变速器的速比n_g为：

传动系统可以写为

其中

J_t＝J_r+n_g ²J_g

K_t＝K_r+n_g ²K_g

T_g＝n_gT_em

及而，

考虑到受环境变化引起的扰动，于是用ξ_i(·)表示系统中每个风机受到的扰动

于是每个风机的输出功率为

P_gi＝T_emiω_gi＝n_giT_emiω_ri

由于风机的输出功率越大，风机的转速越快，风机之间的塔影效应就越大，从而会影响到其它风机的输出功率，用ψ_i(P_g1,P_g2...P_gN)表示风机之间的这种影响；

y_i＝P_gi

其中a_i(t)＝n_giω_ri，a_i(t)u_i是风机系统的输入，y_i是风机系统的输出；下标中的i＝1、2、3……N，i是对风机的编号，表示任意一个风机；

步骤二：设计控制风机输出功率跟踪最大功率的控制器；

1)定义速度函数

其中T是可以任意设定的有限时间；是任意非递减函数，满足显然，当t≥T，有

于是引入以下速度函数

其中0＜b_f＜＜1为可任意设定的参数；

2)定义一个连续函数：

其中Z＝[z₁,z₂...z_q]∈R^q是神经网络的输入矢量；为权重，ξ(Z)是有界的逼近误差，满足ξ(Z)|≤ξ_M；存在理想的W^*,ξ^*能最大限度的逼近函数：

对于基函数S(Z)＝[s₁(Z),...,s_p(Z)]^T的选择之一为

其中μ_j＝[μ_j1,...,μ_jq]^T,j＝1,...p，表明存在未知常数满足S_j(Z)＜γ，φ_j是高斯函数的宽度；W^*满足：

是函数的估计值；

于是基于这些性质，与上面的函数进行逼近

3)定义新的动力学

定义跟踪误差e_i＝P_gi-P_gi ^*，由于引入了速度函数，于是一个新的误差产生了：

设定条件：1)复合扰动f_i未知但是有界满足|f_i|≤α_i；2)相互影响N是风机数量；其中φ_i,j(y_j)≥0分别为未知常数和未知光滑函数；

4)为了简化计算和补偿相互作用，引入下面的未知变量ρ_i和平滑函数

于是

其中

为了设计复合扰动的观测器，定义变量

k₀＞0为设计参数

再定义

于是得到控制器控制器u_i：

而和的自适应律为

其中k_i0＞0,k_i1＞0,k_i2＞0,,γ_ρi＞0,σ_ρi＞0为可任意设置的常数；

步骤三：将控制器u_i计算得到的指令输入风机系统，控制系统输出功率跟踪最大输出功率。

下面对使用本实施例中的控制器能使风机系统的输出功率跟踪理想的最大输出功率进行证明：

建立李雅普诺夫函数

其中：

则

运用杨氏不等式得到

于是得到

又由于

于是得到以下

带入上式

利用如下不等式

进一步可以得到：

考虑到整个闭环系统、控制律和自适应律，然后，整个闭环系统的所有信号都是半最终一致有界，并且跟踪性能可以保证。

建立整个闭环系统的李雅普诺夫函数：

将ρ_i，φ_i的定义带入，则有：

以上表面

q_i才有界并且假设其界限为Q_i≥0，于是有以下结论：

满足

则系统最后趋于稳定并且误差有界；进一步分析，因为之前得到

当

由此可以看出误差的衰减率不小于

通过上述证明可知，本实施例中风场中风机功率的基于扰动观测器的神经自适应跟踪控制方法，其控制器能使风场中在有相互之间的扰动的时候，系统的输出功率能更好的地跟踪理想的最大功率信号，并确保系统跟踪误差渐近趋于零。

最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的宗旨和范围，其均应涵盖在本发明的权利要求范围当中。

Claims (1)

1.一种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，其特征在于：包括以下步骤：

步骤一：建立风机功率的系统模型

由风机产生的气动功率P_a为：

其中ρ为风的密度，v为风速，R为风机转子的半径，C_P(λ,β)表示风机功率转换效率；β为叶片俯仰角。

叶尖速比λ由以下公式决定：

其中ω_r是风机转子的角速度，于是P_a另一表达式为

P_a＝ω_rT_a

T_a表示空气动力学力矩；

风机转子和发电机之间有以下数学关系

其中J_r是风机转子惯量，J_g是发电机转子惯量，是风机转子的角加速度，ω_g是发电机转子的角速度，是发电机转子的角加速度，K_r是风机转子的外部阻尼，K_g是发电机转子的外部阻尼；T_ls是低速扭矩，T_hs是高速扭矩，T_em是发电机电磁转矩；连接风机转子和发电机转子的变速器的速比n_g为：

传动系统可以写为

其中

J_t＝J_r+n_g ²J_g

K_t＝K_r+n_g ²K_g

T_g＝n_gT_em

及而，

考虑到受环境变化引起的扰动，于是用ξ_i(·)表示系统中每个风机受到的扰动

于是每个风机的输出功率为

P_gi＝T_emiω_gi＝n_giT_emiω_ri

由于风机的输出功率越大，风机的转速越快，风机之间的塔影效应就越大，从而会影响到其它风机的输出功率，用ψ_i(P_g1,P_g2...P_gN)表示风机之间的这种影响；

y_i＝P_gi

其中a_i(t)＝n_giω_ri，a_i(t)u_i是风机系统的输入，y_i是风机系统的输出。

步骤二：设计控制风机输出功率跟踪最大功率的控制器；

1)定义速度函数

其中T是可以任意设定的有限时间；是任意非递减函数，满足

显然，当t≥T，有

于是引入以下速度函数

其中0＜b_f＜＜1为可任意设定的参数；

2)定义一个连续函数：

其中Z＝[z₁,z₂...z_q]∈R^q是神经网络的输入矢量；为权重，ξ(Z)是有界的逼近误差，满足|ξ(Z)|≤ξ_M；存在理想的W^*,ξ^*能最大限度的逼近函数：

对于基函数S(Z)＝[s₁(Z),...,s_p(Z)]^T的选择之一为

其中μ_j＝[μ_j1,...,μ_jq]^T,j＝1,...p，表明存在未知常数满足S_j(Z)＜γ，φ_j是高斯函数的宽度；W^*满足：

于是基于这些性质，与上面的函数进行逼近

3)定义新的动力学

定义跟踪误差e_i＝P_gi-P_gi ^*，由于引入了速度函数，于是一个新的误差产生了：

设定条件：1)复合扰动f_i未知但是有界满足|f_i|≤α_i；2)相互影响N为风机数量；其中φ_i,j(y_j)≥0分别为未知常数和未知光滑函数；

4)为了简化计算和补偿相互作用，引入下面的未知变量ρ_i和平滑函数

于是

其中

为了设计复合扰动的观测器，定义变量

k₀＞0为设计参数

再定义

于是得到控制器控制器u_i：

而和的自适应律为

其中k_i0＞0,k_i1＞0,k_i2＞0,,γ_ρi＞0,σ_ρi＞0为可任意设置的常数；

步骤三：将控制器u_i计算得到的指令输入风机系统，控制系统输出功率跟踪最大输出功率。