CN112260325A - 一种考虑风力发电机疲劳载荷的风电场有功功率控制方法 - Google Patents

一种考虑风力发电机疲劳载荷的风电场有功功率控制方法 Download PDF

Info

Publication number
CN112260325A
CN112260325A CN202011326372.5A CN202011326372A CN112260325A CN 112260325 A CN112260325 A CN 112260325A CN 202011326372 A CN202011326372 A CN 202011326372A CN 112260325 A CN112260325 A CN 112260325A
Authority
CN
China
Prior art keywords
wind
driven generator
wind driven
fatigue load
power
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
Application number
CN202011326372.5A
Other languages
English (en)
Inventor
赵洁
马宇辉
贾陈伊洋
刘琦
方宇迪
何育钦
麻高源
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.)
Wuhan University WHU
Original Assignee
Wuhan University WHU
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 Wuhan University WHU filed Critical Wuhan University WHU
Priority to CN202011326372.5A priority Critical patent/CN112260325A/zh
Publication of CN112260325A publication Critical patent/CN112260325A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • HELECTRICITY
    • H02GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02JCIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00Circuit arrangements for ac mains or ac distribution networks
    • H02J3/38Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/46Controlling of the sharing of output between the generators, converters, or transformers
    • H02J3/48Controlling the sharing of the in-phase component
    • HELECTRICITY
    • H02GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02JCIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00Circuit arrangements for ac mains or ac distribution networks
    • H02J3/008Circuit arrangements for ac mains or ac distribution networks involving trading of energy or energy transmission rights
    • HELECTRICITY
    • H02GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02JCIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00Circuit arrangements for ac mains or ac distribution networks
    • H02J3/38Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • HELECTRICITY
    • H02GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02JCIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2203/00Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/20Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
    • HELECTRICITY
    • H02GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02JCIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2300/00Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/20The dispersed energy generation being of renewable origin
    • H02J2300/28The renewable source being wind energy
    • YGENERAL 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
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02EREDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E10/00Energy generation through renewable energy sources
    • Y02E10/70Wind energy
    • Y02E10/76Power conversion electric or electronic aspects

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Wind Motors (AREA)

Abstract

本发明涉及一种考虑风力发电机疲劳载荷的风电场有功功率控制方法,包括:步骤1:忽略发电机和变桨器的快速动态变化,同时考虑风力发电机的疲劳载荷,对风力发电机、风速、湍流强度进行建模。步骤2:研究风力发电机的控制方法。步骤3:采用湍流强度、平均风速与有功功率指令分别评估风力发电机传动抽与杆塔的等效损伤载荷。步骤4:建立考虑风力发电机疲劳载荷的有功控制方法。步骤5:采用改进粒子群优化算法对风电场内各台风力发电机有功功率分配进行优化控制。步骤6:以矩形分布的25个风力发电机组成的风电场进行方法的仿真验证。本发明无需对现有风力发电机控制器进行复杂修改,且控制效果较好,对风电场调度控制有较强的实用价值。

Description

一种考虑风力发电机疲劳载荷的风电场有功功率控制方法
技术领域
本发明属于电力系统规划技术领域,具体涉及一种考虑风力发电机疲劳载荷的风电场有功功率控制方法。
背景技术
随着传统化石能源的衰竭和环境污染、全球气候变暖等问题的加剧,能源问题已经成为世界各国经济和社会发展面临的严峻挑战。风能是储量较大,技术条件较成熟,开发成本较低的一种可再生能源。以风电等为代表的分布式发电作为清洁环保的灵活发电方式,已成为世界各国政府、工业界和学术界关注的焦点。风力发电需求的快速上升,对风机的单机容量提出了更高的要求,由此也促使了风机本身的结构尺寸急剧增大,最明显的特征就是塔筒高度越来越高,风轮直径越来越大。风机工作时承受的载荷多为随时间和空间变化的载荷,其构件多为高周疲劳构件,因此不仅要满足极限强度的要求,也要满足疲劳强度的要求在风电场层面,如何通过对风力发电机的合理控制来减少实现风能的最大化利用,并同时降低风电运维成本,已成为风电产业越来越关注的问题。现有的方法均需对风力发电机控制器进行较复杂的调整,实用性受限,且未考虑转矩剧烈变化可能增加风力发电机疲劳载荷强度,反而对降低发电成本产生负面作用。综上所述,为实现风能的最大化利用,降低风电场的发电成本,本发明提出了一种研究考虑风力发电机疲劳载荷强度的风电场有功功率控制方法,包括风力发电机建模、风力发电机控制方法、风力发电机疲劳载荷计算、风力发电机风速建模与风力发电机湍流强度建模。采用湍流强度、平均风速与有功功率指令分别评估风力发电机传动抽与杆塔的等效损伤载荷,以此量化评估风力发电机综合疲劳载荷强度,从而应用于风电场有功功率分配的在线优化。以最大风能捕获量为目标,同时使各风力发电机的疲劳载荷强度保持在一定的允许范围内,并采用改进粒子群优化算法对风电场内各台风力发电机有功功率分配进行优化控制。算例验证了所提控制方法的有效性,有助于降低风力发电机疲劳载荷强度,并减少风电场运维与发电成本,提高系统运行的经济性。
发明内容
本发明针对现有技术的不足,提出了一种考虑风力发电机疲劳载荷的风电场有功功率控制方法。
一种考虑风力发电机疲劳载荷的风电场有功功率控制方法,其特征在于,包括以下步骤:
步骤1:建立风力发电机模型,包括空气动力学模型、传动机构模型、发电机模型、桨距角系统模型和杆塔模型;建立风力发电机的风速模型,采用多重尾流模型评估计算风力发电机的风速;建立风力发电机湍流强度模型,其增加量通过Frandsen模型进行计算评估。采用Max-ω方法减少风力发电机的疲劳载荷,研究风力发电机处于限功率运行状态下的控制方法。
步骤2:采用湍流强度、平均风速与有功功率指令分别评估风力发电机传动抽与杆塔的等效损伤载荷,以此量化评估风力发电机综合疲劳载荷强度。
步骤3:以最大风能捕获量为目标,同时使各风力发电机的疲劳载荷强度保持在设定的允许范围内,建立考虑风力发电机疲劳载荷的有功控制方法。
步骤4:采用改进粒子群优化算法对风电场内各台风力发电机有功功率分配进行优化控制,具体是:首先适应度函数从粒子群主函数得到粒子的位置值,然后根据风力发电机的风速值以及湍流强度值,通过所建立的风力发电机模型、风速模型、湍流强度模型来计算适应度值,并将其反馈至适应度评估函数中来对粒子进行评估,进而更新粒子速度和位置,多次迭代来求解最优。
在上述的一种考虑风力发电机疲劳载荷的风电场有功功率控制方法,步骤1提出的风力发电机处于限功率运行状态下的控制方法如下:
当风电场处于限功率运行状态下,风力发电机的输出功率会低于其在MPPT状态下的输出功率。由式(1)可知,风力发电机减载运行时其参考功率和最优功率可以表示为:
Figure BDA0002794388840000031
其中,
Figure BDA0002794388840000032
表示风力发电机减载运行的参考功率,
Figure BDA0002794388840000033
表示风力发电机减载运行的最优功率;ρ为空气密度;R为风力发电机叶片长度;vr为转子上的有效风速;
Figure BDA0002794388840000034
分别为参考功率与最优功率下对应的风能利用利用系数,即:
Figure BDA0002794388840000035
具体步骤如下:
步骤1:对风能利用系数的取值取决于不同的叶尖速比λ与桨距角θ组合。选取合适的λ与θ组合,减少风力发电机的疲劳载荷应。
步骤2:采用Max-ω方法有效减轻转子负载,同时增加转子的转动动能。
步骤3:将转子转速控制和变桨控制结合实现风力发电机的减载运行,即:让ωr大于ωopt直到其达到ωmax,如果在此之后风力发电机有功功率仍大于参考值,则改变桨距角。
以NREL 5MW风力发电机的减载控制原理图为例,在给定风速vr=8m/s时,风力发电机的功率系数将在不同的ωr和θ组合下变化,当风力发电机运行于MPPT状态时,工作状态位于A点,若风力发电机减载运行,通过对转子转速的超速控制,其工作状态将由A点转移到B点。若想在B点之后继续降低功率,由于转子转速已经达到最大,需要增加桨距角,风力发电机工作状态将由B点转移到D点。同时,如果给定的风速较大,则对应的A点可能与B点重合,那么桨距角将在不改变ωr的条件下进行调整。综上,只要风速和有功功率参考值确定,对应的λ与θ即可确定。
在上述的一种考虑风力发电机疲劳载荷的风电场有功功率控制方法,步骤2对疲劳载荷的评估可采用雨流计数法,该算法的输出是离散的数据组(χj,Nj)。其中χj为周期振幅循环中心,Nj为在第j个循环中的振幅周期数,算法的循环数可调,为p。
每种材料都有固定的应力循环次数,材料的特性可由S-N曲线进行描述,可表示为:
Figure BDA0002794388840000041
其中,χ为应力幅值;K为材料能承受应力幅值为χ的周期次数;m为经验确定的材料特性系数,即Wohler系数;C为材料所能承受的最大静态应力。
基于疲劳累积损伤理论Palmgren-Miner(简称Miner规则),风力发电机组件的总损伤可表示为:
Figure BDA0002794388840000042
其中,kj为组件在应力水平χj下所经历的循环次数;Kj为导致组件失效的应力水平χj下的循环次数(可由S-N曲线计算得到)。
等效损伤载荷DEL(Damage Equivalent Load,DEL)是在时间T内产生与原始信号相同损伤的恒定频率f正弦应力的振幅,结合式(3)-(4),可表示为:
Figure BDA0002794388840000043
结合上述理论,通过分别评估风力发电机传动抽与杆塔的等效损伤载荷DEL可对风力发电机的疲劳载荷进行分析。对DEL通过Miner规则进行评估,该规则取决于S-N曲线斜率所确定的材料特性,然后由Mcrunch代码进行计算。
对于单个风力发电机,若确定了其控制方法,则风力发电机传动轴和杆塔的疲劳载荷强度将会受到湍流强度、有效风速与风力发电机控制器的控制参考值(即风力发电机的有功出力需求Pref)的影响。因此,可分别以不同的湍流强度Ti、风速vr和有功功率参考值Pref三者的数据组合来对风力发电机的疲劳载荷进行计算评估。
传动轴与杆塔的DEL计算结果可以形成两组数据查找表:传动轴疲劳载荷表Fsha(Ti,v,Pref)、杆塔疲劳载荷表Ftow(Ti,v,Pref),进而通过对两者的加权结合可对风力发电机的总疲劳载荷进行计算,即:
Ffat=αshaFshatowFtow (6)
其中,αsha与αtow分别为可调的权重系数,其取决于风力发电机传动轴与杆塔的成本与设计寿命。由此,可从查找表Ffat(Ti,v,Pref)中对风力发电机的总疲劳载荷情况进行快速的搜索确定,这非常适合风力发电机控制器的优化控制。
在上述的一种考虑风力发电机疲劳载荷的风电场有功功率控制方法,步骤2中,对于数据查找表的生成可以借助风电场模拟工具箱SimWindFarm,其中风电场的生成采用Kaimal频谱的Veers算法并参考海上风力发电机IEC 61400-3标准,风力发电机的模型与控制方法如步骤1所述。由于风电场是随机产生的,因此需要在每个工作点进行长时间的模拟。
在每个工作点进行长时间的模拟时,仿真时间设置为每次10分钟,60次共计600分钟。在10分钟内将对传动轴与杆塔的DEL计算值分别转化为单位值。然后使用公式(5)进行计算总DEL,进而生成风力发电机疲劳载荷查找表。由于风力发电机传动轴比杆塔更容易损伤,αsha取2、αtow取1。
在上述的一种考虑风力发电机疲劳载荷的风电场有功功率控制方法,步骤3考虑风力发电机的疲劳载荷强度,控制目标为实现最大风能捕获量的同时优化风电场各风力发电机的疲劳载荷强度。对风电场疲劳载荷的表示取风电场内所有风力发电机所经历的最大疲劳载荷强度,即:
Figure BDA0002794388840000061
其中,
Figure BDA0002794388840000062
为风电场的疲劳载荷强度;
Figure BDA0002794388840000063
为风电场内第i台风力发电机的疲劳载荷强度,可由式(6)进行计算。
目标函数为:
Figure BDA0002794388840000064
其中,
Figure BDA0002794388840000065
为第i台风力发电机的风能捕获量;
Figure BDA0002794388840000066
为第i台风力发电机的功率指令值。
约束条件为:
Figure BDA0002794388840000067
其中,
Figure BDA0002794388840000068
分别为采用本发明所述方法和采用现有MPPT方法下的疲劳载荷强度;
Figure BDA0002794388840000069
为风力发电机的额定输出功率;
Figure BDA00027943888400000610
为允许的疲劳载荷强度增加量系数。
在上述的一种考虑风力发电机疲劳载荷的风电场有功功率控制方法,步骤4采用改进的粒子群算法(APSO)作为风电场调度优化算法,具体步骤如下:
步骤1:初始化粒子的位置和速度值,将N个粒子随机分布在可行解区域内,粒子所在位置代表优化问题的解;每个粒子都对应一个初始速度,为[0,1]的随机数,具体是:
Figure BDA00027943888400000611
步骤2:根据风力发电机的风速值以及湍流强度值,通过所建立的风力发电机模型、风速模型、湍流强度模型来计算适应度值。对于所提控制方法中的约束条件,采用罚函数来处理,因此适应度函数可表示为:
Figure BDA0002794388840000071
其中
Figure BDA0002794388840000072
为优化目标;
Figure BDA0002794388840000073
为惩罚强度,如式(12所示);
Figure BDA0002794388840000074
为惩罚因子,如式(13)所示。
Figure BDA0002794388840000075
Figure BDA0002794388840000076
其中q为约束条件个数;
Figure BDA0002794388840000077
为第i台风力发电机的功率指令值;
Figure BDA0002794388840000078
分别为采用本发明所述方法和采用现有MPPT策略下的疲劳载荷强度;
Figure BDA0002794388840000079
为允许的疲劳载荷强度增加量系数,取0.05。
Figure BDA00027943888400000710
为风力发电机的额定输出功率。
步骤3:将计算的适应度值反馈至适应度评估函数中来对粒子进行评估,同时更新全局最优粒子位置:
Figure BDA00027943888400000711
其中
Figure BDA00027943888400000712
为第k次迭代所得适应度函数值,gk代表第k次迭代全局最优位置,C(gk -1)代表第k-1次迭代所得的全局最优适应度函数值,gk-1代表第k-1次迭代时的全局最优位置。
步骤4:进行相应的粒子速度与位置更新,进而多次迭代来求解最优。粒子速度与位置更新方法如式(15)所示:
Figure BDA00027943888400000713
其中
Figure BDA00027943888400000714
为第k次迭代中第i个粒子的速度与位置;δ为漫游粒子的随机振幅系数;μ为收敛速度系数;γ为随机振幅的衰减系数;gk为全局最优位置;
Figure BDA0002794388840000081
分别为第i个粒子的上限与下限。
因此,本发明具有如下优点:
1.从整个风电场角度出发,通过优化每台风力发电机间的疲劳载荷强度使其到达一种均衡,可以避免在单台风力发电机上产生过大的疲劳载荷强度,使各风力发电机的使用寿命接近,从而有效的减少风力发电机的维护次数,降低运维成本,提高安全系数。
2.该风电场有功控制策略,能保证风力发电机的疲劳载荷水平在一定强度的同时,使风能捕获量最大,可提高发电效率,有效控制风电场发电成本,有助于增加系统运行经济性。
3.无需对现有风力发电机控制器进行复杂修改,且控制效果较好,对风电场调度控制有较强的实用价值。
附图说明
图1为风力发电机功率控制模型。
图2为风力发电机减载控制原理(以NREL 5MW风力发电机为例)。
图3为基于APSO的有功调度方法流程图。
图4为风电场各风力发电机分布图。
图5(a)为不同湍流强度下的风力发电机疲劳载荷强度(湍流强度为0.1时风力发电机疲劳载荷强度)。
图5(b)为不同湍流强度下的风力发电机疲劳载荷强度(湍流强度为0.2时风力发电机疲劳载荷强度)。
图5(c)为不同湍流强度下的风力发电机疲劳载荷强度(湍流强度为0.3时风力发电机疲劳载荷强度)。
图6(a)为不同方法下各风力发电机的参变量(平均功率指令)。
图6(b)为不同方法下各风力发电机的参变量(平均风速)。
图6(c)为不同方法下各风力发电机的参变量(湍流强度)。
图6(d)为不同方法下各风力发电机的参变量(湍流值)。
图6(e)为不同方法下各风力发电机的参变量(疲劳载荷强度)。
图7(a)为不同风速下各控制方法结果(风能捕获量)。
图7(b)为不同风速下各控制方法结果(疲劳载荷强度)。
具体实施方式
下面是本发明的优选实施例,并结合附图,对本发明具体应用作进一步说明。
实施例:
本发明采用以矩形分布的25个风力发电机组成的风电场进行方法的仿真验证,如图4所示。风力发电机之间的距离为7个转子直径。风力发电机模型采用5MW的NERL风力发电机模型。
为了分析风力发电机在不同工况下的疲劳载荷情况,计算风力发电机在不同湍流强度下的总疲劳载荷,如图5所示。
可以看出,当湍流强度Ti较低时,位于高风速区的风力发电机总疲劳载荷较小,且随着Ti的增加而增大。随着风速与功率参考值的增加,在风力发电机转矩控制器负责调节功率的区域,传动轴的疲劳载荷增加,而在风力发电机桨距控制器占主导地位的区域,传动轴的疲劳载荷减小。同时,当桨距控制器占主导地位时,负载的变化主要由风力发电机叶片承担,这会减轻传动轴上的负载变化。而对于杆塔的疲劳载荷,主要是由塔架推力的变化引起的,其与风速、桨距角和叶尖速比有关。由于风力发电机的总疲劳载荷需综合考虑传动轴与杆塔,因此当Ti较低时,位于高风速区的疲劳载荷会降低。而当Ti较高时,实时风速变化较大,这将导致风力发电机控制器在转矩控制区与变桨控制区之间的频繁切换,这会给传动轴与杆塔带来更多的疲劳载荷,因此在高风速区风力发电机总疲劳载荷会随着Ti的增大而显著增大。
同时,由图5可以看出,对于风速相同的风力发电机,功率指令Pref的增加必然会导致风力发电机疲劳载荷的增加,同时,在限功率模式下,当Pref为常数时,由于Ct的特性,风速越高,风力发电机的疲劳载荷越小。而在最大功率跟踪模式(MPPT)下,当风速低于额定风速时,风速越高,风力发电机的疲劳载荷越大。因此在MPPT模式下,由于有功功率输出的波动,风力发电机的主轴扭矩波动较大,会极大的增加风力发电机的疲劳载荷。所以有必要根据风力发电机组的运行情况,对其功率分配进行优化。
当风速为10m/s,风向为270°,湍流强度为0.1时,对以下3种控制方法进行对比分析。
1)方法1。风力发电机采用MPPT进行控制,不考虑功率约束限制。
2)方法2。对风电场采用MPPT控制,即以风力发电机的最大风能捕获量为目标的控制方法。
3)方法3。以最大风能捕获量为目标同时考虑风力发电机疲劳载荷的控制方法,即本发明推荐控制方法。
分别计算每种调度方法的捕获风能以及风力发电机的疲劳载荷强度,对于捕获的风能取10min内累计风能捕获功率。为了使优化结果更加准确,采用APSO算法分别对方法2与方法3进行100次优化计算,并从中选取最佳结果。结果如表2所示。各个风力发电机的功率指令值、风速、湍流强度、疲劳载荷值在采用不同的调度方法下的值如图6所示。其中风力发电机的功率指令值和风速取10min内的平均值。
可以看出:
(1)对于总风能捕获量,方法2最高,然而其疲劳载荷强度也是最高的,与方法2相比,方法3的风能捕获量虽没有方法2高,但方法3的疲劳载荷水平低于方法2,且与方法1相比,在允许的偏差范围内,其中方法2相比方法1对风能的捕获量增加了0.5899MWh,占方法1总风能捕获量的7.1%。然而,方法2相对于方法1,风力发电机的疲劳载荷强度增加了12.74%。因此,考虑疲劳载荷强度,方法3最优。
(2)方法2和方法3降低了第一列中每个风力发电机的功率指令值,然而增加了下游风力发电机的捕获功率与风速。因此,在下游风力发电机所捕获的风能会增加,同时风力发电机的总捕获功率会上升。
(3)由图6(c)可知,方法2与方法3降低了下游风力发电机的湍流强度。但是由图6(d)可知,方法2和3的湍流值(湍流强度乘以风速)增加了。同时由图6(e)可知,方法2和3的疲劳载荷强度高于方法1,方法2的风力发电机疲劳载荷强度最高。因此,上游风力发电机减载运行可以减少下游风力发电机的风速损失,使风力发电机发出更多的功率,但同时会增加湍流,从而增加下游风力发电机的疲劳载荷强度。
当风向为270°,湍流强度为0.1时,采用3.3中所述三种控制方法进行对比分析。对于风速的范围取5m/s~14m/s。
在10min内使用三种不同调度方法下的平均风能捕获功率如图7(a)所示。从中可看出,方法2在每一种风速下都可以带来最高的风能捕获量,同时,方法3略低于方法2的风能捕获量,但高于方法1。
如图7(b)所示,给出了采用不同方法下的风力发电机疲劳载荷强度,当风速处于7m/s~12m/s时,方法3相比于方法2减小了风力发电机的疲劳载荷强度。然而,在其它风速下风力发电机的疲劳载荷强度并没有降低,因在这些风速下,方法的控制流程并没有超出式(22)约束条件。当风速处于7m/s~12m/s,由于受式(22)的限制,风力发电机的疲劳载荷强度会降低,且与方法1的疲劳载荷强度相差不大,但风能捕获量相较方法2有所减少。因此,本发明所提出的方法3是保证风力发电机的疲劳载荷水平在一定强度的前提下,而使风能捕获量最大的方案。
综上所述1)风力发电机疲劳载荷受湍流强度、平均风速及功率指令的影响。当湍流强度较低时,位于高风速区风力发电机的总疲劳载荷较小,且总疲劳载荷随湍流强度的增加而增大,有必要优化分配风力发电机功率指令;2)考虑风力发电机疲劳载荷的风电场有功控制方法,能保证风力发电机的疲劳载荷水平在一定强度,而使风能捕获量最大,可有效控制风电场运维与发电成本,有助于提高系统运行经济性;3)考虑风力发电机疲劳载荷的风电场有功控制方法,无需对现有风力发电机控制器进行复杂修改,且控制效果较好,对风电场调度控制有较强的实用价值。
本实施例验证了所提出的一种考虑风力发电机疲劳载荷的风电场有功功率控制方法的有效性。
本发明中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。

Claims (6)

1.一种考虑风力发电机疲劳载荷的风电场有功功率控制方法,其特征在于,包括以下步骤:
步骤1:建立风力发电机模型,包括空气动力学模型、传动机构模型、发电机模型、桨距角系统模型和杆塔模型;建立风力发电机的风速模型,采用多重尾流模型评估计算风力发电机的风速;建立风力发电机湍流强度模型,其增加量通过Frandsen模型进行计算评估;采用Max-ω方法减少风力发电机的疲劳载荷,研究风力发电机处于限功率运行状态下的控制方法;
步骤2:采用湍流强度、平均风速与有功功率指令分别评估风力发电机传动抽与杆塔的等效损伤载荷,以此量化评估风力发电机综合疲劳载荷强度;
步骤3:以最大风能捕获量为目标,同时使各风力发电机的疲劳载荷强度保持在设定的允许范围内,建立考虑风力发电机疲劳载荷的有功控制方法;
步骤4:采用改进粒子群优化算法对风电场内各台风力发电机有功功率分配进行优化控制,具体是:首先适应度函数从粒子群主函数得到粒子的位置值,然后根据风力发电机的风速值以及湍流强度值,通过所建立的风力发电机模型、风速模型、湍流强度模型来计算适应度值,并将其反馈至适应度评估函数中来对粒子进行评估,进而更新粒子速度和位置,多次迭代来求解最优。
2.根据权利要求1所述的一种考虑风力发电机疲劳载荷的风电场有功功率控制方法,其特征在于,步骤1中风力发电机处于限功率运行状态下的控制方法如下:
当风电场处于限功率运行状态下,风力发电机的输出功率会低于风力发电机在MPPT状态即运行于最大功率跟踪模式下的输出功率;由式(1)可知,风力发电机减载运行时其参考功率和最优功率可以表示为:
Figure FDA0002794388830000021
其中,
Figure FDA0002794388830000022
表示风力发电机减载运行的参考功率,
Figure FDA0002794388830000023
表示风力发电机减载运行的最优功率;ρ为空气密度;R为风力发电机叶片长度;vr为转子上的有效风速;
Figure FDA0002794388830000024
分别为参考功率与最优功率下对应的风能利用利用系数,即:
Figure FDA0002794388830000025
具体步骤如下:
步骤1:对风能利用系数的取值取决于不同的叶尖速比λ与桨距角θ组合;选取合适的λ与θ组合,减少风力发电机的疲劳载荷应;
步骤2:采用Max-ω方法有效减轻转子负载,同时增加转子的转动动能;
步骤3:将转子转速控制和变桨控制结合实现风力发电机的减载运行,即:让ωr大于ωopt直到其达到ωmax,如果在此之后风力发电机有功功率仍大于参考值,则改变桨距角。
3.根据权利要求1所述的一种考虑风力发电机疲劳载荷的风电场有功功率控制方法,其特征在于,步骤2对疲劳载荷的评估可采用雨流计数法,该算法的输出是离散的数据组(χj,Nj);其中χj为周期振幅循环中心,Nj为在第j个循环中的振幅周期数,算法的循环数可调,为p;
每种材料都有固定的应力循环次数,材料的特性可由S-N曲线进行描述,可表示为:
Figure FDA0002794388830000031
其中,χ为应力幅值;K为材料能承受应力幅值为χ的周期次数;m为经验确定的材料特性系数,即Wohler系数;C为材料所能承受的最大静态应力;
基于疲劳累积损伤理论Palmgren-Miner即Miner规则,风力发电机组件的总损伤可表示为:
Figure FDA0002794388830000032
其中,kj为组件在应力水平χj下所经历的循环次数;Kj为导致组件失效的应力水平χj下的循环次数,由S-N曲线计算得到;
等效损伤载荷DEL(Damage Equivalent Load,DEL)是在时间T内产生与原始信号相同损伤的恒定频率f正弦应力的振幅,结合式(3)-(4),可表示为:
Figure FDA0002794388830000033
结合上述理论,通过分别评估风力发电机传动抽与杆塔的等效损伤载荷DEL可对风力发电机的疲劳载荷进行分析;对DEL通过Miner规则进行评估,该规则取决于S-N曲线斜率所确定的材料特性,然后由Mcrunch代码进行计算;
对于单个风力发电机,若确定了其控制方法,则风力发电机传动轴和杆塔的疲劳载荷强度将会受到湍流强度、有效风速与风力发电机控制器的控制参考值即风力发电机的有功出力需求Pref的影响;因此,可分别以不同的湍流强度Ti、风速vr和有功功率参考值Pref三者的数据组合来对风力发电机的疲劳载荷进行计算评估;
传动轴与杆塔的DEL计算结果可以形成两组数据查找表:传动轴疲劳载荷表Fsha(Ti,v,Pref)、杆塔疲劳载荷表Ftow(Ti,v,Pref),进而通过对两者的加权结合可对风力发电机的总疲劳载荷进行计算,即:
Ffat=αshaFshatowFtow (6)
其中,αsha与αtow分别为可调的权重系数,其取决于风力发电机传动轴与杆塔的成本与设计寿命;由此,可从查找表Ffat(Ti,v,Pref)中对风力发电机的总疲劳载荷情况进行快速的搜索确定,这非常适合风力发电机控制器的优化控制。
4.根据权利要求1所述的一种考虑风力发电机疲劳载荷的风电场有功功率控制方法,其特征在于,步骤2中,对于数据查找表的生成可以借助风电场模拟工具箱SimWindFarm,其中风电场的生成采用Kaimal频谱的Veers算法并参考海上风力发电机IEC 61400-3标准,风力发电机的模型与控制方法如步骤1所述;由于风电场是随机产生的,因此需要在每个工作点进行长时间的模拟;
在每个工作点进行长时间的模拟时,仿真时间设置为每次10分钟,60次共计600分钟;在10分钟内将对传动轴与杆塔的DEL计算值分别转化为单位值;然后使用公式(5)进行计算总DEL,进而生成风力发电机疲劳载荷查找表;由于风力发电机传动轴比杆塔更容易损伤,αsha取2、αtow取1。
5.根据权利要求1所述的一种考虑风力发电机疲劳载荷的风电场有功功率控制方法,其特征在于,步骤3考虑风力发电机的疲劳载荷强度,控制目标为实现最大风能捕获量的同时优化风电场各风力发电机的疲劳载荷强度;对风电场疲劳载荷的表示取风电场内所有风力发电机所经历的最大疲劳载荷强度,即:
Figure FDA0002794388830000051
其中,
Figure FDA0002794388830000052
为风电场的疲劳载荷强度;
Figure FDA0002794388830000053
为风电场内第i台风力发电机的疲劳载荷强度,可由式(6)进行计算;
目标函数为:
Figure FDA0002794388830000054
其中,
Figure FDA0002794388830000055
为第i台风力发电机的风能捕获量;
Figure FDA0002794388830000056
为第i台风力发电机的功率指令值;
约束条件为:
Figure FDA0002794388830000057
其中,
Figure FDA0002794388830000058
分别为采用本发明所述方法和采用现有MPPT方法下的疲劳载荷强度;
Figure FDA0002794388830000059
为风力发电机的额定输出功率;
Figure FDA00027943888300000510
为允许的疲劳载荷强度增加量系数。
6.根据权利要求所述的一种考虑风力发电机疲劳载荷的风电场有功功率控制方法,其特征在于,步骤4采用改进的粒子群算法(APSO)作为风电场调度优化算法,具体步骤如下:
步骤1:初始化粒子的位置和速度值,将N个粒子随机分布在可行解区域内,粒子所在位置代表优化问题的解;每个粒子都对应一个初始速度,为[0,1]的随机数,具体是:
Figure FDA0002794388830000061
步骤2:根据风力发电机的风速值以及湍流强度值,通过所建立的风力发电机模型、风速模型、湍流强度模型来计算适应度值;对于所提控制方法中的约束条件,采用罚函数来处理,因此适应度函数可表示为:
Figure FDA0002794388830000062
其中
Figure FDA0002794388830000063
为优化目标;
Figure FDA0002794388830000064
为惩罚强度,如式(12所示);
Figure FDA0002794388830000065
为惩罚因子,如式(13)所示;
Figure FDA0002794388830000066
Figure FDA0002794388830000067
其中q为约束条件个数;
Figure FDA0002794388830000068
为第i台风力发电机的功率指令值;
Figure FDA0002794388830000069
分别为采用本发明所述方法和采用现有MPPT策略下的疲劳载荷强度;
Figure FDA00027943888300000610
为允许的疲劳载荷强度增加量系数,取0.05;
Figure FDA00027943888300000611
为风力发电机的额定输出功率;
步骤3:将计算的适应度值反馈至适应度评估函数中来对粒子进行评估,同时更新全局最优粒子位置:
Figure FDA0002794388830000071
其中
Figure FDA0002794388830000072
为第k次迭代所得适应度函数值,gk代表第k次迭代全局最优位置,C(gk-1)代表第k-1次迭代所得的全局最优适应度函数值,gk-1代表第k-1次迭代时的全局最优位置;
步骤4:进行相应的粒子速度与位置更新,进而多次迭代来求解最优;粒子速度与位置更新方法如式(15)所示:
Figure FDA0002794388830000073
其中
Figure FDA0002794388830000074
为第k次迭代中第i个粒子的速度与位置;δ为漫游粒子的随机振幅系数;μ为收敛速度系数;γ为随机振幅的衰减系数;gk为全局最优位置;
Figure FDA0002794388830000075
分别为第i个粒子的上限与下限。
CN202011326372.5A 2020-11-24 2020-11-24 一种考虑风力发电机疲劳载荷的风电场有功功率控制方法 Pending CN112260325A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011326372.5A CN112260325A (zh) 2020-11-24 2020-11-24 一种考虑风力发电机疲劳载荷的风电场有功功率控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011326372.5A CN112260325A (zh) 2020-11-24 2020-11-24 一种考虑风力发电机疲劳载荷的风电场有功功率控制方法

Publications (1)

Publication Number Publication Date
CN112260325A true CN112260325A (zh) 2021-01-22

Family

ID=74225467

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011326372.5A Pending CN112260325A (zh) 2020-11-24 2020-11-24 一种考虑风力发电机疲劳载荷的风电场有功功率控制方法

Country Status (1)

Country Link
CN (1) CN112260325A (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113659630A (zh) * 2021-07-26 2021-11-16 明阳智慧能源集团股份公司 基于疲劳损伤值估计的风电场功率优化调度方法及系统
CN113869771A (zh) * 2021-10-12 2021-12-31 浙江大学 基于局域疲劳载荷均衡的海上风电场功率调度方法
WO2023092915A1 (zh) * 2021-11-29 2023-06-01 北京金风科创风电设备有限公司 风电场的功率控制方法和装置
CN116667344A (zh) * 2023-07-31 2023-08-29 浙江大学 海上风电场自适应局域疲劳载荷均衡调度方法及装置
CN117113710A (zh) * 2023-09-06 2023-11-24 江苏中车电机有限公司 一种基于智能监测的风力发电机螺栓疲劳寿命预测方法
CN117419002A (zh) * 2023-12-18 2024-01-19 东方电气风电股份有限公司 一种国产化风机智能控制方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103595076A (zh) * 2013-11-29 2014-02-19 湘潭大学 一种提高风力发电机组疲劳均匀性的有功功率分配方法
CN110671266A (zh) * 2019-11-13 2020-01-10 大连理工大学 一种智能变桨距机电控制优化方法
CN111327070A (zh) * 2018-12-17 2020-06-23 北京金风科创风电设备有限公司 风电场能量管理方法及系统

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103595076A (zh) * 2013-11-29 2014-02-19 湘潭大学 一种提高风力发电机组疲劳均匀性的有功功率分配方法
CN111327070A (zh) * 2018-12-17 2020-06-23 北京金风科创风电设备有限公司 风电场能量管理方法及系统
CN110671266A (zh) * 2019-11-13 2020-01-10 大连理工大学 一种智能变桨距机电控制优化方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
BAOHUA ZHANG: "Optimized Power Dispatch in Wind Farms for Power Maximizing Considering Fatigue Loads", 《IEEE TRANSACTIONS ON SUSTAINABLE ENERGY》 *
QI YAO: "Optimized Active Power Dispatching Strategy Considering Fatigue Load of Wind Turbines During De-Loading Operation", 《IEEE ACCESS》 *
张奔等: "基于疲劳分布的风电场有功控制策略", 《人民长江》 *
林湘宁等: "一种计及等效损伤载荷约束的风机黏性控制策略", 《中国电机工程学报》 *
许帅等: "限功率控制下风电机组叶片疲劳损伤研究", 《太阳能学报》 *

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113659630A (zh) * 2021-07-26 2021-11-16 明阳智慧能源集团股份公司 基于疲劳损伤值估计的风电场功率优化调度方法及系统
CN113659630B (zh) * 2021-07-26 2024-03-19 明阳智慧能源集团股份公司 基于疲劳损伤值估计的风电场功率优化调度方法及系统
CN113869771A (zh) * 2021-10-12 2021-12-31 浙江大学 基于局域疲劳载荷均衡的海上风电场功率调度方法
CN113869771B (zh) * 2021-10-12 2024-04-19 浙江大学 基于局域疲劳载荷均衡的海上风电场功率调度方法
WO2023092915A1 (zh) * 2021-11-29 2023-06-01 北京金风科创风电设备有限公司 风电场的功率控制方法和装置
CN116667344A (zh) * 2023-07-31 2023-08-29 浙江大学 海上风电场自适应局域疲劳载荷均衡调度方法及装置
CN116667344B (zh) * 2023-07-31 2023-10-10 浙江大学 海上风电场自适应局域疲劳载荷均衡调度方法及装置
CN117113710A (zh) * 2023-09-06 2023-11-24 江苏中车电机有限公司 一种基于智能监测的风力发电机螺栓疲劳寿命预测方法
CN117419002A (zh) * 2023-12-18 2024-01-19 东方电气风电股份有限公司 一种国产化风机智能控制方法

Similar Documents

Publication Publication Date Title
CN112260325A (zh) 一种考虑风力发电机疲劳载荷的风电场有功功率控制方法
Tang et al. Active power control of wind turbine generators via coordinated rotor speed and pitch angle regulation
Aho et al. A tutorial of wind turbine control for supporting grid frequency through active power control
JP6762170B2 (ja) ウィンドファームまたはウィンドファームの制御方法
Allamehzadeh Wind energy history, technology and control
Tao et al. Quantitative assessment on fatigue damage induced by wake effect and yaw misalignment for floating offshore wind turbines
CN109268205A (zh) 一种基于智能风力机的风电场优化控制方法
Sudharsan et al. Active flow control in Horizontal Axis Wind Turbine using PI-R controllers
CN105909469B (zh) 一种减小变桨动作的变速恒频风电机组的限功率控制方法
CN105257475A (zh) 一种失速型风力发电机组的控制方法
Zhao et al. Active power control strategy of wind farm considering fatigue load of wind turbines
Suryanarayanan et al. Control of large wind turbines: Review and suggested approach to multivariable design
CN109611274A (zh) 一种风力发电机组高风速区lqg优化控制方法
Suryanarayanan et al. On the dynamics of the pitch control loop in horizontal-axis large wind turbines
Berg Wind energy conversion
Xingjia et al. Individual pitch control for variable speed turbine blade load mitigation
CN109991851B (zh) 一种应用于大规模风电场的分布式经济模型预测控制方法
Petrović et al. Reduction of wind turbine tower oscillations based on individual pitch control
Ding et al. An optimal design method of swept blades for HAWTs
CN103375332A (zh) 变速变桨风力发电机组最优阻力矩动态优化方法
CN104564519B (zh) 桨距角控制与超级电容相结合的风电入网功率控制方法
CN115833274A (zh) 一种考虑机组历史疲劳载荷的风电场调频功率分配方法
Liu et al. Individual pitch control strategy of wind turbine to reduce load fluctuations and torque ripples
Ghefiri et al. Firefly algorithm based-pitch angle control of a tidal stream generator for power limitation mode
Yusong et al. The control strategy and simulation of the yaw system for MW rated 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
RJ01 Rejection of invention patent application after publication

Application publication date: 20210122