CN111027169A - 一种适用于风力发电机叶轮面等效风速的改进型观测方法 - Google Patents
一种适用于风力发电机叶轮面等效风速的改进型观测方法 Download PDFInfo
- Publication number
- CN111027169A CN111027169A CN201910987101.5A CN201910987101A CN111027169A CN 111027169 A CN111027169 A CN 111027169A CN 201910987101 A CN201910987101 A CN 201910987101A CN 111027169 A CN111027169 A CN 111027169A
- Authority
- CN
- China
- Prior art keywords
- wind speed
- impeller
- model
- observation
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 39
- 230000005540 biological transmission Effects 0.000 claims abstract description 7
- 230000006870 function Effects 0.000 claims description 7
- 238000012549 training Methods 0.000 claims description 7
- 230000004913 activation Effects 0.000 claims description 3
- 238000013016 damping Methods 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- 238000012886 linear function Methods 0.000 claims description 2
- 238000013507 mapping Methods 0.000 abstract description 2
- 230000007547 defect Effects 0.000 abstract 1
- 238000003062 neural network model Methods 0.000 abstract 1
- 238000004422 calculation algorithm Methods 0.000 description 17
- 238000004364 calculation method Methods 0.000 description 12
- 238000004088 simulation Methods 0.000 description 4
- 230000006872 improvement Effects 0.000 description 3
- 238000011217 control strategy Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000002940 Newton-Raphson method Methods 0.000 description 1
- 230000000593 degrading effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
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
- F03D17/00—Monitoring or testing of wind motors, e.g. diagnostics
-
- 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
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)
Abstract
本发明提供了一种风力发电机叶轮面等效风速的改进型观测方法。针对基于风电机组机理模型的观测方法对模型参数的依赖性强,以及基于神经网络模型的方法存在数据量大、计算量大、模型复杂等缺点,进行针对性的改进型的建模。首先利用未知输入扰动观测器对风机传动链模型进行未知输入气动转矩的精确观测,然后利用基于非线性输入‑输出映射的极限学习机模型逼近风力机的气动特性,从而降低了模型复杂度,同时提高了叶轮面等效风速的观测精度,且大大加快了观测速度。
Description
技术领域
本发明属于风力发电机领域,涉及大型风力发电机的风速观测及风机控制问题,尤其是涉及到一种适用于风力发电机叶轮面等效风速的改进型观测方法。
背景技术
随着风能市场的激烈竞争,通过控制策略优化提升风力发电机组性能和降低机组部件载荷具有极其重要的意义。众所周知,和传统的一般控制问题不同,风力发电机主要由外力驱动,即风速,风速是一个随时间和空间维度变化的随机变量,也是决定风力发电机工作点的动力学参数变量。这意味着风不但影响电机组各个结构部件的动态特性,而且作为关键因素决定机组运行状态。因此,风速信息在风力发电机的控制应用中是不可缺少的。然而,采用风速计测量的机舱风速精度不高,难以应用于先进的控制系统,因为它只能测量单点的受转子旋转强烈干扰的风速。对于影响风力发电机整个转子的风速,它并不是一个合格的代表。换句话说,它需要使用多个风速计来获取更多的风速信息。显然,更多的风速计将会增加风机的成本,降低风力发电机的可靠性。因此,有必要准确观测影响整个转子的风速,即叶轮面等效风速(EWS)。
由于观测的EWS主要用于实时控制算法,观测结果将直接影响控制器的有效性。只有在掌握风速这一关键信息后,才能设计出适当的控制策略进行机组主动保护,降低极端工况下机组部件载荷。
发明内容
鉴于此,本发明提供一种适用于风力发电机叶轮面等效风速的改进型观测方法,以降低风速观测的成本,提升风力发电机组性能及降低机组部件载荷损耗。该方法首先利用未知输入干扰观测器(UIDOB)观测输入气动力矩,避免了状态观测器的观测精度不高的问题。其次,利用快速有效的极限学习机(ELM)算法对风力发电机的气动特性进行非线性输入输出映射。该方法考虑了风力发电机空气动力学的非线性特性和风湍流特性,计算速度快且计算复杂度低,对计算机性能的要求也比较低。
为实现上述目的,本发明的技术方案如下:
一种适用于风力发电机叶轮面等效风速的改进型观测方法,所述观测方法包括以下步骤:
步骤二、建立ELM风速观测模型:
则ELM风速观测模型为:
其中,Xj表示第j个输入变量,表示叶轮面等效风速估计值,i表示隐含层节点,j表示样本集,bi是第i个隐含层节点的偏置项,Wi是输入层与第i个隐含层节点之间的权重,αi是第i个隐含层节点与输出层之间的权重,M是隐含层单元数,L是样本集大小,g(·)表示激活函数;
进一步的改进,所述步骤一中,传动链二质量体模型具体为:
ωr m=ωr+ETa
其中,γ=(θr-θg/N),θr和θg分别为叶轮和发电机旋转角度,sdt和ddt分别为传动链刚度系数和阻尼系数,ωr和ωg分别为叶轮和发电机转速,Jr和Jg分别为叶轮和发电机转动惯量,Ta和Tg分别为气动转矩和发电机电气转矩,Tsh为低速轴机械转矩,Tsh/N为高速轴机械转矩,N为齿轮箱变比,E为扰动系数,ωr m是ωr的测量值。
进一步的改进,未知输入干扰观测器具体为:
其中^为对应的观测值,KP和KI分别是比例增益和积分增益。
本发明的改进型观测方法中提出了一种提高观测精度的未知输入干扰观测器,降级计算成本和计算复杂度的ELM风速观测算法。内容包括建立未知输入干扰观测器的数学模型,并针对风力发电机空气动力学的非线性特性,设计了一种基于ELM风速观测算法对非线性函数进行拟合。该方法在拟合过程中无需知晓函数参数信息,避免了对模型参数的过度依赖问题。在实际应用中,该方法每次只需输入一个和一个桨距角β,便可以实现叶轮面等效风速的观测,计算速度快且计算复杂度低,对计算机性能的要求也比较低。
附图说明
图1为本发明的叶轮面等效风速观测器结构框图;
图2为本发明的叶轮面等效风速观测算法流程图;
图3为平均风速2m/s的气动转矩观测结果图;
图4为平均风速10m/s的气动转矩观测结果图;
图5为平均风速18m/s的气动转矩观测结果图;
图6为平均风速2m/s的叶轮面等效风速观测结果图;
图7为平均风速10m/s的叶轮面等效风速观测结果图;
图8为平均风速18m/s的叶轮面等效风速观测结果图。
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详细描述。所描述的实施例旨在便于对本发明的理解,而对其不起任何限定作用。
本发明提供了一种改进型观测方法,用于保证叶轮面等效风速的精确及实时的观测,图1为本发明观测器的结构框图,所述观测方法包括以下步骤:
(2)建立极限学习机(ELM)风速观测模型,由步骤(1)所观测的气动转矩和量测所得的叶轮转速ωr计算得到的及量测所得的桨距角β作为模型输入,叶轮面等效风速υe作为模型输出,离线训练得到ELM风速观测算法模型;
本观测器主要由两部分组成,观测算法的具体流程如图2所示。第一部分用UIDOB去观测未知输入Ta,相对来说,用输入观测器去观测输入,比用状态观测器去观测输入的精确度要高;第二部分本发明是用快速ELM算法去拟合非线性函数,相对而言,本发明的计算速度更快且计算复杂度降低,对计算机性能的要求也比较低。
具体的,图2中采用的观测算法包括以下步骤:
步骤一:设计未知输入扰动观测器
风电机组传动链二质量体模型具体为:
ωr m=ωr+ETa
其中,γ=(θr-θg/N),θr和θg分别为叶轮和发电机旋转角度,sdt和ddt为传动链刚度系数和阻尼系数,ωr和ωg为叶轮和发电机转速,Jr和Jg为叶轮和发电机转动惯量,Ta和Tg为气动转矩和发电机电气转矩,Tsh为低速轴机械转矩,Tsh/N为高速轴机械转矩,N为齿轮箱变比,E为扰动系数,ωr m是ωr的测量值。其未知输入观测器具体为:
其中^为对应的观测值,KP和KI分别是比例增益和积分增益。
风机气动系统用于将捕获的风能转化为机械能,根据空气动力学原理,叶轮实际捕获功率为
其中,R是叶轮半径;υe是叶轮面等效风速;ρ是空气密度;Cp(λ,β)是风能利用系数,表征静态气动特性,可定义为叶尖速比和桨距角的非线性函数形式;叶尖速比λ的定义为ωr是叶轮转速,β是桨距角。风机气动转矩为
式(2)可整理为
步骤三:离线训练ELM风速观测算法模型
可得其ELM风速观测算法模型,具体为:
其中,Xj表示第j个输入变量,表示叶轮面等效风速估计值,i表示隐含层节点,j表示样本集,bi是第i个隐含层节点的偏置项,Wi是输入层与第i个隐含层节点之间的权重,αi是第i个隐含层节点与输出层之间的权重,M是隐含层单元数,L是样本集大小,g(·)表示激活函数;步骤四:用ELM风速观测算法实时观测叶轮面等效风速
为说明所采用UIDOB观测器的实际效果,本发明对所提出的观测器进行了仿真模拟。为了简便起见,给出了平均风速为2m/s,10m/s,18m/s的气动转矩观测结果,如图3-5所示。仿真中,KP=[-0.16 -0.07 0.14]T,KI=10000000,E=0.0002。气动转矩的理论值,经典卡尔曼滤波(KF)方法的观测值,UIDOB的观测值分别绘制成绿色、红色和蓝色,如图3-5(a)所示。KF方法的相对误差和UIDOB方法的相对误差,分别绘制成红色和蓝色,如图3-5(b)所示。由图3-5(a)可知,三种气动转矩趋势相同。然而,基于UIDOB的观测器具有更好的性能和更高的精度,如图3-5(b)所示。KF方法的缺点是不能直接用于输入估计。而当Ta的值过小时,则会出现较大的波动,如图3(b)所示。因为当平均风速(2m/s)小于风机切入风速(3m/s)时,风力发电机可能处于静止状态。
最后,为了说明所述叶轮面等效风速观测方法的实际效果,验证所提出的观测算法的有效性,本发明对所提出的ELM观测算法进行了仿真模拟。与气动转矩的观测结果相对应,给出了平均风速为2m/s,10m/s,18m/s的等效风速观测结果,如图6-8所示。如图6-8(a)所示,KF方法和UIDOB-ELM方法都能跟踪叶轮面等效风速(EWS)真实值的变化轨迹。然而,KF方法的估计误差基本保持在0.5m/s内,本发明的估计误差保持在0.2m/s,说明本发明的观测方法具有更好的跟踪精度,如图6-8(b)所示。当风速太小时,会有较大的波动误差如图6(b)所示。因此,本发明适用于风速大于2m/s的情况。如图6-8(b)所示,所提出的观测方法在开始时未能观测出某些点的实际速度。因为UIDOB的气动转矩观测值一开始就含有异常值,这一结果超出了预期,但也是可以接受的。需要注意的是,估计精度在峰谷点处有所下降。其原因是这些点风速变化起伏较大,影响了观测精度,观测器在其他时刻工作完全正常。
为了检验计算效率,对提出的观测器和KF方法进行了在线运行时间的计算,如表1所示。由表1可以看出,与KF方法相比,所提出的观测方法的计算效率提高了10-14%。值得指出的是,仿真测试是在CPU1.8GHz,内存8GB的笔记本电脑上进行的。实验结果表明,所提方法比KF方法速度更快。由于UIDOB的阶数比KF滤波器的阶数低一阶,而且ELM算法比牛顿拉弗逊方法花费的时间更短。因此,所提方法的计算速度更快且计算复杂度更低,对计算机性能的要求也比较低。
表1
最后,本发明的方法仅为较佳的实施方案,并非用于限定本发明的保护范围。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 (3)
1.一种适用于风力发电机叶轮面等效风速的改进型观测方法,其特征在于,所述观测方法包括以下步骤:
步骤二、建立极限学习机ELM风速观测模型:
则极限学习机ELM风速观测模型为:
其中,Xj表示第j个输入变量,表示叶轮面等效风速估计值,i表示隐含层节点,j表示样本集,bi是第i个隐含层节点的偏置项,Wi是输入层与第i个隐含层节点之间的权重,αi是第i个隐含层节点与输出层之间的权重,M是隐含层单元数,L是样本集大小,g(·)表示激活函数;
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910987101.5A CN111027169A (zh) | 2019-10-17 | 2019-10-17 | 一种适用于风力发电机叶轮面等效风速的改进型观测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910987101.5A CN111027169A (zh) | 2019-10-17 | 2019-10-17 | 一种适用于风力发电机叶轮面等效风速的改进型观测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111027169A true CN111027169A (zh) | 2020-04-17 |
Family
ID=70201039
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910987101.5A Pending CN111027169A (zh) | 2019-10-17 | 2019-10-17 | 一种适用于风力发电机叶轮面等效风速的改进型观测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111027169A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111666716A (zh) * | 2020-06-05 | 2020-09-15 | 中南大学 | 大型风电机组叶轮面等效风速预测方法 |
CN113219478A (zh) * | 2021-04-19 | 2021-08-06 | 华能陇东能源有限责任公司 | 风机叶轮面范围风速风向测量和预测方法、装置及存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108196532A (zh) * | 2018-03-07 | 2018-06-22 | 山东科技大学 | 一种基于非线性自适应观测器的无人机纵向飞行控制系统故障检测与分离方法 |
CN110263477A (zh) * | 2019-06-28 | 2019-09-20 | 湘电风能有限公司 | 一种风力发电机组叶尖速比获取方法 |
-
2019
- 2019-10-17 CN CN201910987101.5A patent/CN111027169A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108196532A (zh) * | 2018-03-07 | 2018-06-22 | 山东科技大学 | 一种基于非线性自适应观测器的无人机纵向飞行控制系统故障检测与分离方法 |
CN110263477A (zh) * | 2019-06-28 | 2019-09-20 | 湘电风能有限公司 | 一种风力发电机组叶尖速比获取方法 |
Non-Patent Citations (1)
Title |
---|
XIAOFEI DENG 等: "Sensorless effective wind speed estimation method based on unknown input disturbance observer and extreme learning machine" * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111666716A (zh) * | 2020-06-05 | 2020-09-15 | 中南大学 | 大型风电机组叶轮面等效风速预测方法 |
CN111666716B (zh) * | 2020-06-05 | 2022-05-20 | 中南大学 | 大型风电机组叶轮面等效风速预测方法 |
CN113219478A (zh) * | 2021-04-19 | 2021-08-06 | 华能陇东能源有限责任公司 | 风机叶轮面范围风速风向测量和预测方法、装置及存储介质 |
CN113219478B (zh) * | 2021-04-19 | 2023-08-01 | 华能陇东能源有限责任公司 | 风机叶轮面范围风速风向测量和预测方法、装置及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108334672B (zh) | 基于有效风速估计的变速风力发电机组最大风能捕获方法 | |
CN109340062B (zh) | 一种低风速风电机组数字双胞胎式的疲劳损伤预测方法 | |
Huang et al. | Experimental study of the protuberance effect on the blade performance of a small horizontal axis wind turbine | |
Castaignet et al. | Frequency-weighted model predictive control of trailing edge flaps on a wind turbine blade | |
CN101430246A (zh) | 风力发电模拟试验平台 | |
KR101939903B1 (ko) | 가변 속도를 갖는 풍력 터빈의 모델 예측 제어 방법 및 그 시스템 | |
CN110145436A (zh) | 应用于风机的非线性经济模型预测控制方法 | |
CN107947228B (zh) | 基于Markov理论的含风电电力系统随机稳定性分析方法 | |
CN111027169A (zh) | 一种适用于风力发电机叶轮面等效风速的改进型观测方法 | |
Wendler et al. | An unsteady aerodynamics model for lifting line free vortex wake simulations of hawt and vawt in qblade | |
CN111859650B (zh) | 基于在线式联合仿真的风电机组传动链虚拟地面试验方法 | |
CN107045574A (zh) | 基于svr的风力发电机组低风速段有效风速估计方法 | |
Wang et al. | Non‐linear tip speed ratio cascade control for variable speed high power wind turbines: a backstepping approach | |
CN103758699A (zh) | 一种风力发电机组的桨距角控制方法及桨距角控制器 | |
CN106777499B (zh) | 一种双馈异步风力发电机组的整机动态建模方法 | |
Hafidi et al. | Wind speed estimation for wind turbine control | |
CN111734585B (zh) | 风力发电机的极限载荷的确定方法、装置及可读存储介质 | |
KR101413565B1 (ko) | 풍력터빈 피치제어기의 성능 평가장치 및 그 방법 | |
CN115270605A (zh) | 一种基于数据驱动的风电机组的疲劳载荷抑制方法 | |
CN111859649A (zh) | 基于虚拟仿真的风电机组传动链地面试验工况建立方法 | |
Hossain et al. | Energy efficient wind turbine system based on fuzzy control approach | |
CN114294159A (zh) | 风电机组变桨双控制器的控制方法及装置 | |
Wang et al. | Individual pitch control of wind turbines based on svm load estimation and lidar measurement | |
CN117108445B (zh) | 一种串列式双风轮风电机组数字孪生仿真方法 | |
GB2555010A (en) | Determining loads on a wind turbine |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200417 |
|
RJ01 | Rejection of invention patent application after publication |