CN110889781A - 基于滑模控制的风电机组保性能最大功率跟踪方法 - Google Patents

基于滑模控制的风电机组保性能最大功率跟踪方法 Download PDF

Info

Publication number
CN110889781A
CN110889781A CN201911224401.4A CN201911224401A CN110889781A CN 110889781 A CN110889781 A CN 110889781A CN 201911224401 A CN201911224401 A CN 201911224401A CN 110889781 A CN110889781 A CN 110889781A
Authority
CN
China
Prior art keywords
maximum power
power tracking
control
wind
turbine generator
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
Application number
CN201911224401.4A
Other languages
English (en)
Other versions
CN110889781B (zh
Inventor
杨秦敏
焦绪国
陈积明
叶毅
李思亮
申云
程捷
李思涵
李宜祥
田洪海
姚禹
邹小标
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhejiang University ZJU
Original Assignee
Zhejiang University ZJU
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Zhejiang University ZJU filed Critical Zhejiang University ZJU
Priority to CN201911224401.4A priority Critical patent/CN110889781B/zh
Publication of CN110889781A publication Critical patent/CN110889781A/zh
Application granted granted Critical
Publication of CN110889781B publication Critical patent/CN110889781B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply
    • 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
    • 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
    • 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
    • Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
    • Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
    • 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
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P70/00—Climate change mitigation technologies in the production process for final industrial or consumer products
    • Y02P70/50—Manufacturing or production processes characterised by the final manufactured product
    • 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
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Economics (AREA)
  • Health & Medical Sciences (AREA)
  • Water Supply & Treatment (AREA)
  • Marketing (AREA)
  • Mechanical Engineering (AREA)
  • General Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Sustainable Energy (AREA)
  • Sustainable Development (AREA)
  • Public Health (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Combustion & Propulsion (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Wind Motors (AREA)
  • Control Of Eletrric Generators (AREA)

Abstract

本发明公开了一种基于滑模控制的风电机组保性能最大功率跟踪方法。求取风电机组实现最大功率跟踪的控制目标，并计算最大功率跟踪误差，求取最大功率跟踪误差的动态特性，根据滑模控制原理设计控制信号表达式，根据李雅普诺夫稳定性原理和栅栏李亚普诺夫函数设计控制增益的更新率。该方法避免了对系统未知动态的过估计，使得控制增益能够根据未知动态的变化维持在合理的范围内，减小电磁转矩的抖动，进而减小传动链系统的机械载荷，延长机组的服役寿命，提高最大功率跟踪的稳态性能，提高机组风能捕获效率，需要调试的控制参数少，设计及实施过程简单，与传统的最优转矩控制算法相比，能够提高机组产能，增加风电场的经济效益。

Description

基于滑模控制的风电机组保性能最大功率跟踪方法
技术领域
本发明涉及风力发电机组控制技术领域，特别涉及基于滑模控制的风电机组保性能最大功率跟踪方法。
背景技术
近年来我国风电装机容量的增长速度稳居全球第一，然而，由于我国风力发电起步较晚，目前我国的风电公司还是靠国外风电巨头的开发平台和控制系统来进行上层的风电技术研发。因此，打破垄断，研发具有自主知识产权的智能风电控制系统具有重要的战略意义。
最大风能捕获是风电机组的主要控制目标之一，是风电场经济效益最大化的重要保证，为实现这一目标，目前工业上普遍采用最优转矩控制算法，该算法的原理十分简单，即在假设风速为定值的情况下，仅考虑系统稳态，将控制增益乘以发电机转速的平方作为电磁转矩的设定值。然而，由于最优转矩控制算法仅仅考虑系统稳态，在湍流风情况下，风能捕获效率下降，从而影响了机组产能。
针对最优转矩控制算法存在的问题，学者们提出了直接功率法，即假设有效风速信息是已知的，进而计算出最优功率，将最大风能捕获转化为最大功率跟踪问题。在此基础上，大量的方法被提出，比如基于神经网路的自适应控制、模糊控制等智能控制方法，然而，大多数已经存在的方法无法保证系统的跟踪误差收敛到用户自定义的界中，即无法实现机组的保性能控制，目前的少数方法虽然能够实现机组的保性能控制，但是其设计过程复杂，需要调试的参数较多，在实际应用时，实施成本较高。
本发明基于栅栏李亚普诺夫函数和鲁棒控制思想，设计一种简单易行、需要调试的参数少的风电机组的最大风能捕获方法，能够实现机组的保性能控制，提高机组产能，增加风电场的经济效益。
发明内容
为了提高风电机组的风能捕获效率，解决现有最大风能捕获方法捕风效率低、不能保证系统稳态性能、设计过程复杂、需要调试的参数多的问题，本发明提供一种简单易行、控制参数调试简单的最大风能捕获方法，能够实现机组的保性能控制，进而提高机组发电量。
本发明解决其技术问题所采用的技术方案是：一种基于滑模控制的风电机组保性能最大功率跟踪方法，该方法包括以下步骤：
(1)获得电网的风电机组实现最大功率跟踪的控制目标；
(2)根据最大功率跟踪的控制目标，计算最大功率跟踪误差e；
(3)求取最大功率跟踪误差e的动态特性；
(4)根据e的动态特性，设计控制信号表达式为：
Figure BDA0002301744580000021
其中，
Figure BDA0002301744580000022
电磁转矩设定值的导数，ωr是风轮转速，sgn(·)是符号函数，控制增益K(t,e)的更新率设计为：
Figure BDA0002301744580000023
其中是sgn(·)是符号函数，
Figure BDA0002301744580000024
是需要根据风能捕获效率确定的控制参数，Kb(e)是如下的栅栏李亚普诺夫函数：
Figure BDA0002301744580000025
其中，ε是需要根据风能捕获效率确定的控制参数，
Figure BDA0002301744580000026
是方程
Figure BDA0002301744580000027
的最小解。
进一步地，所述步骤(1)中，最大功率跟踪的控制目标是：
Figure BDA0002301744580000028
其中，0＜np＜1是电网预留功率比例因子，ρ是空气密度，R是风轮半径，Cpmax是机组最优功率系数，v是有效风速。
进一步地，所述步骤(2)中，通过下式计算最大功率跟踪误差e；
e＝Pg-Pref
其中，Pg＝Tgωr是发电机功率，Tg是发电机等效电磁转矩，ωr是风轮转速。
进一步地，所述步骤(3)中，大功率跟踪误差e的动态特性为：
Figure BDA0002301744580000029
其中，
Figure BDA00023017445800000210
是需要设计的控制信号，
Figure BDA00023017445800000211
是未知不确定动态。
本发明的有益效果是：通过在控制增益的更新率中引入栅栏李亚普诺夫函数，保证了系统的稳态特性，能够根据用户需求减小稳态跟踪误差；使用鲁棒控制思想完成控制器设计，简化了控制器设计，需要调试的参数少，避免了繁琐的智能控制器设计过程。本发明提供的基于鲁棒控制的风电机组保性能最大功率跟踪方法，通过合理设计控制增益的更新率避免了对系统未知动态的过估计，使得控制增益能够根据未知动态的变化维持在合理的范围内，减小电磁转矩的抖动，进而减小传动链系统的机械载荷，延长机组的服役寿命，实施过程简单，实用性良好，与传统的最优转矩控制算法相比，能够提高机组产能，增加风电场的经济效益。
附图说明
图1为栅栏李亚普诺夫函数
Figure BDA0002301744580000031
图像；
图2为基于滑模控制的风电机组保性能最大功率跟踪方法设计流程图；
图3为本发明仿真的风速图；
图4为本发明方法和传统方法功率对比图。
具体实施方式
下面结合附图和具体实施例对本发明作进一步详细说明。
本发明提供的一种基于滑模控制的风电机组保性能最大功率跟踪方法，包括下述步骤：
步骤1，获得电网的电网风电机组实现最大功率跟踪的控制目标。为实现最大功率跟踪，风电机组的机械功率Pa应该满足：
Pa＝Pamax
其中，
Figure BDA0002301744580000032
是机械功率最优值，ρ是空气密度，R是风轮半径，Cpmax是机组最优功率系数，v是有效风速。
进一步，在实际应用中，风电机组一般会预留一部分能量参与电网的频率调整，因此，风电机组实现最大功率跟踪的控制目标可以表述为：
Figure BDA0002301744580000033
其中，0＜np＜1是电网预留功率比例因子。
步骤2，计算最大功率跟踪误差，并设置最大功率跟踪误差的上下界。根据步骤1求得的最大功率跟踪的控制目标，计算最大功率跟踪误差e如下：
e＝Pg-Pref
其中，Pg＝Tgωr是发电机功率，Tg是发电机等效电磁转矩，ωr是风轮转速。
步骤3，计算最大功率跟踪误差的动态特性，得到
Figure BDA0002301744580000041
其中，
Figure BDA0002301744580000042
是需要设计的控制信号，
Figure BDA0002301744580000043
是未知不确定动态。
步骤4，根据滑模控制原理，利用栅栏李亚普诺夫函数和步骤3获取得到的最大功率跟踪误差的动态特性，选取最大功率跟踪误差e作为滑模面，设计得到如下的控制信号表达式
Figure BDA0002301744580000044
其中，sgn(·)是符号函数，控制增益K(t,e)的更新率设计为：
Figure BDA0002301744580000045
其中是sgn(·)是符号函数，
Figure BDA0002301744580000046
是需要根据风能捕获效率确定的控制参数，Kb(e)是如下的栅栏李亚普诺夫函数：
Figure BDA0002301744580000047
其中，ε是需要根据风能捕获效率确定的控制参数，
Figure BDA0002301744580000048
是方程
Figure BDA0002301744580000049
的最小解，图1是ε＝10时的栅栏李亚普诺夫函数的图像。根据李雅普诺夫稳定性原理，在上述控制信号的作用下，系统是有界的，且当
Figure BDA00023017445800000410
时，满足|e(t)|≤ε，即最大功率跟踪误差的绝对值不会超过ε，这有助于提高最大功率跟踪效果，提升机组产能，增加风电场的经济效益。同时，该方法能够避免控制增益更新率对系统未知动态的过估计，使得控制增益能够根据未知动态的变化维持在合理的范围内，减小电磁转矩的抖动，进而减小系统的机械载荷，降低机组故障率，延长机组的服役寿命。
实施例
本实施例使用GH Bladed风电开发软件，对本发明提供的方法的有效性进行验证。为说明本发明的创新性，与目前工业上普遍采用的最优转矩控制方法进行对比
Figure BDA00023017445800000411
其中，TgOTC是最优转矩控制算法给出的电磁转矩值，kopt是控制参数，ωg是发电机转速，ρ＝1.225Kg/m3是空气密度，R＝38.5m是风轮半径，Cpmax＝0.482是最大风能捕获系数，λopt＝8.5是最佳叶尖速比，ng＝104.494是齿轮箱的传动比。
如图1所示，是栅栏李亚普诺夫函数
Figure BDA0002301744580000051
的图像，其中ε＝10。可见，经过栅栏李亚普诺夫函数的作用后，误差被限制在预设的误差界中，因此，本发明方法能够提升最优功率跟踪效果。
如图2所示，是基于滑模控制的风电机组保性能最大功率跟踪方法设计流程图。首先，求取风电机组实现最大功率跟踪的控制目标，并计算最大功率跟踪误差e；其次，最大功率跟踪误差e的动态特性；最后，根据e的动态特性，设计得到控制信号的最终表达式。
如图3所示，是仿真中用到的6m/s湍流风，可见，该湍流风较好地模拟了实际的风况。
如图4所示，是本发明方法和传统方法功率对比图。由于栅栏李亚普诺夫函数的作用，本发明方法在瞬态和稳态都能够取得较好的最优发电功率曲线跟踪效果。经计算，本发明方法的机组产能比传统最优转矩法提高了3.13％，说明了本发明方法能够较大幅度地提高机组的产能，从而提高风电场的经济效益。
上述实施例用来解释说明本发明，而不是对本发明进行限制，在本发明的精神和权利要求的保护范围内，对本发明作出的任何修改和改变，都落入本发明的保护范围。

Claims (4)

1.一种基于滑模控制的风电机组保性能最大功率跟踪方法，其特征在于，该方法包括以下步骤：
(1)获得电网的风电机组实现最大功率跟踪的控制目标；
(2)根据最大功率跟踪的控制目标，计算最大功率跟踪误差e。
(3)求取最大功率跟踪误差e的动态特性。
(4)根据e的动态特性，设计控制信号表达式为：
Figure FDA0002301744570000011
其中，
Figure FDA0002301744570000012
电磁转矩设定值的导数，ωr是风轮转速，sgn(·)是符号函数，控制增益K(t,e)的更新率设计为：
Figure FDA0002301744570000013
其中是sgn(·)是符号函数，
Figure FDA0002301744570000014
是需要根据风能捕获效率确定的控制参数，Kb(e)是如下的栅栏李亚普诺夫函数：
Figure FDA0002301744570000015
其中，ε是需要根据风能捕获效率确定的控制参数，
Figure FDA0002301744570000016
是方程
Figure FDA0002301744570000017
的最小解。
2.根据权利要求1所述的基于滑模控制的风电机组保性能最大功率跟踪方法，其特征在于，所述步骤(1)中，最大功率跟踪的控制目标是：
Figure FDA0002301744570000018
其中，0＜np＜1是电网预留功率比例因子，ρ是空气密度，R是风轮半径，Cpmax是机组最优功率系数，v是有效风速。
3.根据权利要求2所述的基于滑模控制的风电机组保性能最大功率跟踪方法，其特征在于，所述步骤(2)中，通过下式计算最大功率跟踪误差e；
e＝Pg-Pref
其中，Pg＝Tgωr是发电机功率，Tg是发电机等效电磁转矩，ωr是风轮转速。
4.根据权利要求3所述的基于滑模控制的风电机组保性能最大功率跟踪方法，其特征在于，所述步骤(3)中，最大功率跟踪误差e的动态特性为：
Figure FDA0002301744570000021
其中，
Figure FDA0002301744570000022
是需要设计的控制信号，
Figure FDA0002301744570000023
是未知不确定动态。该未知不确定动态将会在设计的控制信号中进行补偿。
CN201911224401.4A 2019-12-04 2019-12-04 基于滑模控制的风电机组保性能最大功率跟踪方法 Active CN110889781B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911224401.4A CN110889781B (zh) 2019-12-04 2019-12-04 基于滑模控制的风电机组保性能最大功率跟踪方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911224401.4A CN110889781B (zh) 2019-12-04 2019-12-04 基于滑模控制的风电机组保性能最大功率跟踪方法

Publications (2)

Publication Number Publication Date
CN110889781A true CN110889781A (zh) 2020-03-17
CN110889781B CN110889781B (zh) 2022-05-27

Family

ID=69750266

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911224401.4A Active CN110889781B (zh) 2019-12-04 2019-12-04 基于滑模控制的风电机组保性能最大功率跟踪方法

Country Status (1)

Country Link
CN (1) CN110889781B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111664062A (zh) * 2020-06-16 2020-09-15 湖南科技大学 基于新型可切换趋近率的双馈感应电机故障检测方法
CN112879217A (zh) * 2021-01-22 2021-06-01 湘潭大学 一种基于负载的低风速风力机双积分滑模控制方法
CN115288928A (zh) * 2022-08-15 2022-11-04 西安热工研究院有限公司 一种风电机组最大功率点跟踪控制方法及系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103362738A (zh) * 2012-04-11 2013-10-23 北京能高自动化技术股份有限公司 变速变桨风力发电机组基于前馈解耦控制的最大功率追踪控制方法
CN104141591A (zh) * 2014-07-16 2014-11-12 南京工程学院 风力发电最大功率点跟踪的改进自适应转矩控制方法
EP3333418A1 (de) * 2016-12-06 2018-06-13 Nordex Energy GmbH Verfahren zur reparatur einer in einer windenergieanlage montierten azimutbremsscheibe sowie eine solche
CN109139363A (zh) * 2017-06-15 2019-01-04 南京工程学院 一种提升多机型风力机性能的最大功率点跟踪控制方法
CN110206686A (zh) * 2019-07-17 2019-09-06 星际（重庆）智能装备技术研究院有限公司 一种用于风力发电机组的自适应最大功率跟踪控制方法
CN110345006A (zh) * 2019-03-29 2019-10-18 苏州科技大学 一种风力发电机组低风速区最大功率跟踪优化控制方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103362738A (zh) * 2012-04-11 2013-10-23 北京能高自动化技术股份有限公司 变速变桨风力发电机组基于前馈解耦控制的最大功率追踪控制方法
CN104141591A (zh) * 2014-07-16 2014-11-12 南京工程学院 风力发电最大功率点跟踪的改进自适应转矩控制方法
EP3333418A1 (de) * 2016-12-06 2018-06-13 Nordex Energy GmbH Verfahren zur reparatur einer in einer windenergieanlage montierten azimutbremsscheibe sowie eine solche
CN109139363A (zh) * 2017-06-15 2019-01-04 南京工程学院 一种提升多机型风力机性能的最大功率点跟踪控制方法
CN110345006A (zh) * 2019-03-29 2019-10-18 苏州科技大学 一种风力发电机组低风速区最大功率跟踪优化控制方法
CN110206686A (zh) * 2019-07-17 2019-09-06 星际（重庆）智能装备技术研究院有限公司 一种用于风力发电机组的自适应最大功率跟踪控制方法

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111664062A (zh) * 2020-06-16 2020-09-15 湖南科技大学 基于新型可切换趋近率的双馈感应电机故障检测方法
CN111664062B (zh) * 2020-06-16 2021-05-11 湖南科技大学 基于可切换滑模趋近率的双馈感应发电机故障检测方法
CN112879217A (zh) * 2021-01-22 2021-06-01 湘潭大学 一种基于负载的低风速风力机双积分滑模控制方法
CN115288928A (zh) * 2022-08-15 2022-11-04 西安热工研究院有限公司 一种风电机组最大功率点跟踪控制方法及系统
CN115288928B (zh) * 2022-08-15 2024-05-07 西安热工研究院有限公司 一种风电机组最大功率点跟踪控制方法及系统

Also Published As

Publication number Publication date
CN110889781B (zh) 2022-05-27

Similar Documents

Publication Publication Date Title
Meng et al. Guaranteed performance control of DFIG variable-speed wind turbines
Golnary et al. Dynamic modelling and design of various robust sliding mode controls for the wind turbine with estimation of wind speed
CN110889781B (zh) 基于滑模控制的风电机组保性能最大功率跟踪方法
Johnson Adaptive torque control of variable speed wind turbines
CN109347097B (zh) 一种基于改进粒子群优化算法的双馈风电系统次同步振荡抑制策略
Tian et al. Virtual inertia optimisation control of DFIG and assessment of equivalent inertia time constant of power grid
Moriarty et al. Wind turbine modeling overview for control engineers
Zhang et al. Control optimisation for pumped storage unit in micro‐grid with wind power penetration using improved grey wolf optimiser
De Kooning et al. Shaft speed ripples in wind turbines caused by tower shadow and wind shear
CN110206686A (zh) 一种用于风力发电机组的自适应最大功率跟踪控制方法
Lin et al. Design of a novel intelligent damping controller for unified power flow controller in power system connected offshore power applications
Sethi et al. Modeling of a wind turbine farm in presence of wake interactions
Zhang et al. An improved maximum power point tracking method based on decreasing torque gain for large scale wind turbines at low wind sites
Kazemi et al. Adaptive fractional‐order control of power system frequency in the presence of wind turbine
Yang et al. Wind and wave disturbances compensation to floating offshore wind turbine using improved individual pitch control based on fuzzy control strategy
Bagherieh et al. Utilization of blade pitch control in low wind speed for floating offshore wind turbines
Djamel Eddine Kerrouche et al. Modeling and Lyapunov-designed based on adaptive gain sliding mode control for wind turbines
Ma et al. Offshore wind power generation system control using robust economic MPC scheme
Eskandari et al. Optimization of wind energy extraction for variable speed wind turbines using fuzzy backstepping sliding mode control based on multi objective PSO
Chhor et al. Operation and control strategies for wind energy conversion systems: Review and simulation study
Wang et al. Comparative study on primary frequency control schemes for variable‐speed wind turbines
Chen et al. An aerodynamics-based novel optimal power extraction strategy for offshore wind farms with central VSCs
Jia et al. Fluctuating characteristic and power smoothing strategies of WECS
Yao et al. Active power dispatch strategy of the wind farm based on improved multi‐agent consistency algorithm
Huang et al. Error-based active disturbance rejection control for wind turbine output power regulation

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