CN108979957B - 获取变速风力发电机组最大风能的非线性预测控制方法 - Google Patents
获取变速风力发电机组最大风能的非线性预测控制方法 Download PDFInfo
- Publication number
- CN108979957B CN108979957B CN201810779831.1A CN201810779831A CN108979957B CN 108979957 B CN108979957 B CN 108979957B CN 201810779831 A CN201810779831 A CN 201810779831A CN 108979957 B CN108979957 B CN 108979957B
- Authority
- CN
- China
- Prior art keywords
- wind
- speed
- torque
- generator
- energy
- 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 38
- 238000010248 power generation Methods 0.000 claims abstract description 15
- 241001212789 Dynamis Species 0.000 claims description 3
- 238000005259 measurement Methods 0.000 claims 1
- 238000005457 optimization Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification 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
-
- 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
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A30/00—Adapting or protecting infrastructure or their operation
-
- 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
本发明公开了一种获取变速风力发电机组最大风能的非线性预测控制方法,包括:引入动态区域来约束发电机转矩的允许范围;确定候选发电机转矩的有限控制集;搜索最优发电机转矩序列;将最优发电机转矩序列的第一个元素作为控制器输出。本发明在变速风力发电机组非线性预测模型的基础上,直接搜索最优发电机转矩序列,使所提出的控制器充分利用较长的预测范围,该方法在最大风能获取方面具有较高的效率和优越的性能。
Description
技术领域
本发明涉及工业控制领域,具体涉及一种获取变速风力发电机组最大风能的非线性预测控制方法。
背景技术
大型变速风力发电机组(VSWTs,variable-speed wind turbines)的最大风能获取(MWEE,maximum wind energy extraction)是通过跟踪最大功率点(MPP,maximum powerpoint)来实现的,也就是说叶轮的最佳转速依赖于风速,但是增加的转动惯量和高湍流阻碍了大型变速风力发电机组MPP跟踪的实现。为了提高变速风力发电机组的风能获取,学者提出一些先进的预测技术,例如激光雷达(LIDAR,light detection and ranging)和先进预测方法,从而利用未来的风信息进行控制。比如,一些学者尝试将预测风速作为可靠的输入进而优化转子转速参考值。与此同时,诸多利用预测风速的预测控制技术也发展起来,用以跟踪MPP。然而,现有预测控制技术均采用线性模型线性化方法,仅能在短预测时域内实现局部最大风能捕获。
发明内容
本发明的目的在于克服现有技术中存在的缺陷,提供一种用于获取大型变速风力发电机组最大风能捕获的非线性预测控制方法。
本发明采用以下技术方案:
一种获取大型变速风力发电机组最大风能的非线性预测控制方法,包括:
S1、引入动态区域来约束发电机转矩的允许范围;
S2、确定候选发电机转矩的有限控制集;
S3、搜索最优发电机转矩序列;
S4、将所述最优发电机转矩序列的第一元素作为控制器输出。
进一步,所述步骤S1包括:
所述动态区域为:
其中,和时应所述发电机转矩的最小值和最大值,分别根据下面两个公式动态地进行调节:
其中,kopt是最优转矩增益,其中,ρ是空气密度,R是叶轮半径,是最大气动系数,λ是叶尖速比;
分别表示最小预测的叶轮转速和最大预测的叶轮转速,
其中V1,V2,...,Vn表示平均风速,c1和c2分别是小于1和大于1的常值。
进一步,所述步骤S2包括:
将所述动态区域划分为m个子区间,得到包含m个元素的有限控制集:
仅对第一个周期进行全局搜索,对剩余的n-1个周期采用邻域搜索技术,在第k个周期内那么在第k+1个周期的可用搜索域为:
其中,mp≤m是领域候选数目。
进一步,所述步骤S3还包括:
计算所述有限控制集中每一个发电机转矩对应的叶轮转速,计算公式如下:
其中,λk=ωrkR/Vk,Δt表示短周期,JR表示转子-发电机组合惯性;
从计算得到的叶轮转速中寻找最优叶轮转速,并获取得到所述最优叶轮转速时对应的发电机转矩序列。
进一步,所述最优叶轮转速为所述变速风力发电机组获得最大风能时的叶轮转速。
进一步,所述最优叶轮转速计算过程如下:
所述风力发电机组获取最大风能的同时要避免超速,即需要满足:
其中,w是权重系数,
将长周期T分为n段短周期Δt,变速风力发电机组在特定时间T内获取如风能E为
则,所述风力发电机组获取最大风能时对应的最优叶轮转速需要满足:
本发明的优点和有益效果在于:
本发明提供一种用于获取变速风力发电机组最大风能的非线性预测控制方法,在变速风力发电机组非线性预测模型的基础上,直接搜索最优发电机转矩序列,使所提出的控制方法充分利用较长的预测范围,在最大风能获取方面具有较高的效率和优越的性能。
附图说明
图1为本发明获取变速风力发电机组最大风能的非线性预测控制方法流程示意图。
具体实施方式
下面结合附图和实施例,对本发明的具体实施方式作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案,而不能以此来限制本发明的保护范围。
如图1所示,为本发明获取变速风力发电机组最大风能的非线性预测控制方法流程示意图。所述方法包括:
S1、引入动态区域来约束发电机转矩的允许范围;
S2、确定候选发电机转矩的有限控制集;
S3、搜索最优发电机转矩序列;
S4、将所述最优发电机转矩序列的第一个元素作为控制器输出。
下面对所述用于获取变速风力发电机组最大风能的非线性预测控制方法做进一步描述。
变速风力发电机组在特定时间T内获取的风能E为:
其中,k=ρπR2/2,p是空气密度,R是叶轮半径,Cp(λ)是最大气动系数,λ是叶尖速比。
由上式可知,要获得最大风能即最大化Cp(λ)。然而,由于V是一个不断变化的量,且大型变速风力发电机组叶轮有较大的转动惯性,要在一个很长的周期内维持最大的是不切实际的。
为此,将长周期T分为n段短周期Δt,变速风力发电机组在特定时间T内获取的风能E为
其中,Δt是短周期的时间长度,V1,V2,...,Vn和Cp1,Cp2,...Cpn分别是风速和功率获取系数在短周期内的平均值。
基于上述公式,利用预先获知的n个短周期内的平均风速,通过非线性预测控制方法来实现额定风速以下的最大风能获取。
在额定风速以下,变速风力发电机组的首要控制目标是获取最大风能,同时要避免超速,这个可表示为一个优化问题,即:
其中,w是权重系数,
将公式(2)和(4)带入公式(3)得到:
其中,w1,w2,...,wn和ωr1,ωr2,...,ωrn分别是短周期内的权重系数和叶轮平均转速。
求取公式(5)的解即是寻找最优叶轮转速ωrk(k=1,2,...,n)。预测的叶轮转速ωrk表示为:
其中,λk=ωrkR/Vk,Tgk是第k个周期所需的发电机转矩,Δt表示短周期,JR表示转子-发电机组合惯性。
气动系数Cp(λ)是关于叶尖速比(TSR,tip speed ratio)λ的非线性函数,其表达式如下:
Cp(λ)=p4λ4+p3λ3+p2λ2+p1λ+p0 (7)
其中,P4、P3、P2、P1为常数,由风电机组叶片的气动属性决定。
由公式(5)-(7)可知,MWEE是一个非线性的优化问题。假设V1,V2,...,Vn是可利用先进预测技术获得的量,那么,该优化问题的求解方法是寻找最优转矩需求序列Tgk(k=1,2,...,n),其中穷举法是比较有效的方法,但该方法需要占用较高的计算内存。为此,本文提出一种高效的搜索方法,首先引入了一个动态区域来约束所需的发电机转矩的允许范围:
其中,和对应所述发电机转矩的最小值和最大值,分别根据下面两个公式动态地进行调节:
其中,kopt是最优转矩增益, 分别表示最小预测的叶轮转速和最大预测的叶轮转速,
其中V1,V2,...,Vn表示平均风速,c1和c2分别是小于1和大于1的常值。
通过将公式(8)中的动态区域划分为m个子区间,得到包含m个元素的有限控制集:
仅对第一个周期进行全局搜索,对剩余的n-1个周期采用邻域搜索技术,在第k个周期内那么在第k+1个周期的可用搜索域为:
其中,mp≤m是领域候选数目。
根据公式(11)、(12)确定Tgk的有限控制集后,这个非线性优化问题可通过以下步骤进行求解:
确定长和短的周期T和Δt;
获取预先可知的平均风速V1,V2,...,Vn;
利用ωrk-1和公式(6)预测公式(11)-(12)中每个Tgk所对应的叶轮转速;
根据ωr1,ωr2,...,ωrn计算公式(5),并找到对应于式(5)最大值的最优发电机转矩序列Tg1,Tg2,...,Tgn。
最后,执行上述搜索算法实现非线性预测控制,控制周期为Δt,以最优发电机转矩序列的第一个元素作为控制器输出。
本发明提供一种用于获取变速风力发电机组最大风能的非线性预测控制方法,在变速风力发电机组非线性预测模型的基础上,直接搜索最优发电机转矩序列。所提出的控制方法能充分利用较长的预测范围,在最大风能获取方面具有较高的效率和优越的性能。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (5)
1.一种获取大型变速风力发电机组最大风能的非线性预测控制方法,其特征在于,所述方法包括:
S1、引入动态区域来约束发电机转矩的允许范围;
S2、确定候选发电机转矩的有限控制集;
S3、搜索最优发电机转矩序列;
S4、将所述最优发电机转矩序列的第一个元素作为控制器输出;
在所述搜索最优发电机转矩序列之前还包括:
将长周期T分为n段短周期Δt,变速风力发电机组在特定时间T内获取的风能E为
其中,k=ρπR2/2,ρ是空气密度,R是叶轮半径,Cp1(λ),cp2(λ),...,Cpn(λ)为气动系数,λ为叶尖速比,V1,V2,...,Vn表示预测风速平均值;
所述风力发电机组获取最大风能的同时要避免超速,即需要满足:
其中,Emax为当气动系数最大时获取的最大风能,w是权重系数,
则,所述风力发电机组获取最大风能时对应的最优叶轮转速需要满足:
其中,w1,w2,...,wn和ωr1,ωr2,...,ωrn分别是短周期内的权重系数和叶轮平均转速,为最大气动系数;
对所述风力发电机组获取最大风能时对应的最优叶轮转速需要满足的公式进行求解即是寻找最优叶轮转速ωrk(k=1,2,...,n),预测的叶轮转速ωrk表示为:
其中,λk=ωrkR/Vk,N是齿轮箱变比,Tgk是第k个周期所需的发电机转矩,Δt表示短周期,JR表示转子-发电机组合惯性。
2.如权利要求1所述的方法,其特征在于,所述步骤S1包括:
所述动态区域为:
其中,和对应所述候选发电机转矩的最小值和最大值,分别根据下面两个公式动态地进行调节:
其中,kopt是最优转矩增益, 是发电机额定转矩,ρ是空气密度,N是齿轮箱变比,R是叶轮半径,是最大气动系数,λ是叶尖速比,ωr0表示当前控制周期内的测量测速,k=1,2...,n表示预测时域内的第k个周期;
分别表示预测时域内的叶轮转速最小值和最大值;
其中V1,V2,...,Vn表示预测风速平均值,c1和c2分别是小于1和大于1的常值。
3.如权利要求2所述的方法,其特征在于,所述预测风速信息来源于风向预测算法或先进lidar测风设备。
4.如权利要求2所述的方法,其特征在于,所述步骤S2包括:
将所述动态区域划分为m个子区间,得到包含m个元素的有限控制集:
仅对第一个周期进行全局搜索,对剩余的n-1个周期采用邻域搜索技术,在第k个周期内那么在第k+1个周期的可用搜索域为:
其中,mp≤m是邻域控制集元素候选数目。
5.如权利要求4所述的方法,其特征在于,所述步骤S3还包括:
计算所述有限控制集中每一个发电机转矩元素对应的叶轮转速ωrk;
从计算得到的叶轮转速中寻找最优叶轮转速,获得所述最优叶轮转速时对应的发电机转矩即为最优转矩,进而得到最优转矩序列。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810779831.1A CN108979957B (zh) | 2018-07-16 | 2018-07-16 | 获取变速风力发电机组最大风能的非线性预测控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810779831.1A CN108979957B (zh) | 2018-07-16 | 2018-07-16 | 获取变速风力发电机组最大风能的非线性预测控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108979957A CN108979957A (zh) | 2018-12-11 |
CN108979957B true CN108979957B (zh) | 2019-08-02 |
Family
ID=64548747
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810779831.1A Active CN108979957B (zh) | 2018-07-16 | 2018-07-16 | 获取变速风力发电机组最大风能的非线性预测控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108979957B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110030148A (zh) * | 2019-04-22 | 2019-07-19 | 中南大学 | 基于风速提前测量的非线性预测变桨控制方法 |
CN110145436A (zh) * | 2019-04-28 | 2019-08-20 | 华北电力大学 | 应用于风机的非线性经济模型预测控制方法 |
CN110374799B (zh) * | 2019-07-24 | 2021-06-01 | 华北电力大学 | 一种风力发电系统大工况范围控制方法 |
CN110552850B (zh) * | 2019-09-09 | 2021-04-23 | 中南大学 | 一种基于风速提前测量的风电机组有功调节方法及装置 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103603767B (zh) * | 2013-09-18 | 2016-03-30 | 国家电网公司 | 一种基于滑模的极值搜索控制参数自适应调整方法 |
CN104675629B (zh) * | 2014-12-03 | 2017-12-08 | 浙江大学 | 一种变速风力发电机组的最大风能捕获方法 |
US20160160839A1 (en) * | 2014-12-09 | 2016-06-09 | State Grid Corporation Of China | Method for controlling inertia response of variable-speed wind turbine generator |
CN104747369B (zh) * | 2015-01-27 | 2017-12-29 | 中国船舶重工集团海装风电股份有限公司 | 一种变空气密度下最佳叶尖速比控制方法及装置 |
CN105156271B (zh) * | 2015-10-22 | 2018-06-29 | 扬州大学 | 受扰风力发电机系统的抗干扰最优功率跟踪控制方法 |
-
2018
- 2018-07-16 CN CN201810779831.1A patent/CN108979957B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN108979957A (zh) | 2018-12-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108979957B (zh) | 获取变速风力发电机组最大风能的非线性预测控制方法 | |
Kot et al. | Comparison of maximum peak power tracking algorithms for a small wind turbine | |
Zamzoum et al. | Power control of variable speed wind turbine based on doubly fed induction generator using indirect field‐oriented control with fuzzy logic controllers for performance optimization | |
CN104454346B (zh) | 一种小型永磁直驱风力发电系统最大功率跟踪控制方法 | |
Zamzoum et al. | Active and reactive power control of wind turbine based on doubly fed induction generator using adaptive sliding mode approach | |
CN109194208A (zh) | 无速度传感器控制方法 | |
Ganjefar et al. | A novel-strategy controller design for maximum power extraction in stand-alone windmill systems | |
Aldin et al. | Robust speed controller for PMSG wind system based on Harris Hawks optimization via wind speed estimation: a real case study | |
Ounnas et al. | A fuzzy tracking control design strategy for wind energy conversion system | |
Dursun et al. | Second-order fast terminal sliding mode control for MPPT of PMSG-based wind energy conversion system | |
CN110030148A (zh) | 基于风速提前测量的非线性预测变桨控制方法 | |
Achouri et al. | Wind speed forecasting techniques for maximum power point tracking control in variable speed wind turbine generator | |
Sun et al. | Design and optimization of control parameters based on direct-drive permanent magnet synchronous generator for wind power system | |
Yuhendri et al. | A Novel Sensorless MPPT Control For Wind Turbine Generators Using Very Sparse Matrix Converter Based on Hybrid Inteligent Control | |
Zhou et al. | A combined control strategy of wind energy conversion system with direct-driven PMSG | |
Soukkou et al. | Adaptive command filtered backstepping control and its application to permanent magnet synchronous generator based wind energy conversion system | |
Fu et al. | MPPT control based fuzzy for wind energy generating system | |
Djoudi et al. | Real time estimation of DFIG inductances and rotor currents | |
Khan et al. | Neural network-based control for wind turbine system with pmsg: A case study for hafar al-batin | |
Nguyen et al. | Combined RBFN based MPPT and d-axis stator current control for permanent magnet synchronous generators | |
Li et al. | Overview of Maximum power point tracking control method for wind power generation system | |
Gao et al. | Neural network parameter optimization for model predictive direct speed control of PMSM | |
Younes et al. | Wind Speed Estimation U sing Mechanical Torque Observer | |
Azzouz et al. | Evaluation of fuzzy-based maximum power tracking in wind energy conversion systems (WECS) | |
Abo-Khalil et al. | Different Approaches for Efficiency Optimization of DFIG Wind Power Generation Systems |
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 |