CN112748663B - 一种基于数据驱动输出反馈的风电转矩容错控制方法 - Google Patents

Abstract

一种基于数据驱动输出反馈的风电转矩容错控制方法，应用于具有执行器故障的风电转矩控制系统，包括以下步骤，步骤1：建立具有执行器故障的风机转矩控制系统动力学模型；步骤2：利用系统输入输出数据设计残差发生器；步骤3：建立了故障检测机制进行容错控制；考虑了风电机组无模型时依据机组的历史数据进行子空间辨识，得到故障诊断所需要的残差生成器，使得该方法的适用范围更广；建立了故障前和执行器恒增益变化故障后的风电转矩控制系统的闭环控制模型，给出了执行器恒增益变化故障下的基于输出反馈最优控制的容错控制方法。

Description

一种基于数据驱动输出反馈的风电转矩容错控制方法

技术领域

本发明属于风电转矩控制的容错控制技术领域，具体涉及一种基于数据驱动输出反馈的风电转矩容错控制方法。

背景技术

近年来，风电机组运营管理面临巨大挑战，风电机组的机型多样，零部件及控制系统也种类繁多，主控系统，变桨系统，变流器等软件系统在发生故障时生成的日志文件均需使用专业工具下载和查看，且分析过程复杂，需要人员具有较强的技术能力和数据分析经验，而风电场往往地域偏辟，自然环境恶劣，人员配备困难且更替频繁，人员处理经验不足导致在故障发生阶段响应不及时，在故障分析阶段故障定位不准确，在故障解决阶段处理效果不理想，给风电场带来了较大损失。

我国风电产业的蓬勃发展的同时面临着机组故障多发的境遇，如何减少风电机组及关键部件的突发事故率和故障停机时间，降低维修成本，提高发电率和经济效益成为风力发电投资、建设、运营维护必须尽快解决的问题。风电机组可靠性的问题已成为风电制造业发展的瓶颈。

因此，对风电机组设备状态做出实时、可靠的评价，减少停机或避免事故扩大化，保障风电机组安全可靠的运行，提高企业设备运行管理水平及维修效能，节省检修费用，具有显著的经济效益，亟需在风电场故障实时诊断和容错控制方面进行改进。

另外，风机控制系统通过通信网络将传感器、控制器、被控对象等各个单元连接。在实际情况中，通常无法获得关于系统内部状态的完整信息。提供基于输出反馈的有源容错控制(FTC)框架，实现考虑最优性能的无模型容错控制(FTC)，比基于状态反馈的容错控制(FTC)更难解决，也更有应用价值。

发明内容

为了克服以上现有生产中技术的不足，提供了一种基于数据驱动输出反馈的风电转矩容错控制方法。

一种基于数据驱动输出反馈的风电转矩容错控制方法，应用于具有执行器故障的风电转矩控制系统，其特征在于，包括以下步骤，

步骤1：建立具有执行器故障的风机转矩控制系统动力学模型；

步骤2：利用系统输入输出数据设计残差发生器；

步骤3：建立了故障检测机制进行容错控制。

本发明的有益效果是：1、本发明考虑了风电机组无模型时依据机组的历史数据进行子空间辨识，进而直接得到故障诊断所需要的残差生成器，使得该方法的适用范围更广。2、本发明针对考虑具有执行器故障的风机转矩控制控制系统，建立了故障前和执行器恒增益变化故障后的风电转矩控制系统的闭环控制模型，给出了执行器恒增益变化故障下的基于输出反馈最优控制的容错控制方法，仿真结果表明，该方法对该故障具有良好的容错效果以及可靠性。

附图说明

图1为容错控制方法流程图；

图2为执行器故障前后系统输出；

图3为故障前后残差生成器输出；

具体实施方式

下面结合附图对本发明作进一步描述，应当理解，此处所描述的内容仅用于说明和解释本发明，并不用于限定本发明。

一种基于数据驱动的输出反馈容错控制方法，应用于具有执行器故障的风电转矩控制系统，包括以下步骤：

第一步，建立具有执行器故障的风机转矩控制系统动力学模型，模型采用线性离散模型，其状态空间表达式可以表示如下：

x_k+1＝(A+ΔA)x_k+(B+ΔB)u_k

y_k＝Cx_k，

其中，x_k∈Rⁿ，u_k∈R^l，y_k∈R^m，分别表示风机转矩控制系统的状态变量、控制输入量和控制输出量。A、B、C为适当的已知维数的矩阵，ΔA和ΔB表示可能发生的故障。其中R^x，x取值不同可代表不同维数的矩阵。

第二步，利用系统输入输出数据设计残差发生器：

为了检测故障并根据输入输出信息写入系统状态，仅利用少量输入输出数据，设计一种具有满阶变换阵Tn的残差发生器。

首先给出奇偶空间

和

的辨识算法，两个空间中包含了系统动态模型的基本信息，当故障引起系统动态模型发生变化时，两个空间会有明显变化；

然后给出构造的单输出系统的能观测性矩阵

的估计算法和降阶奇偶向量θ_n+1的计算算法，根据这两种算法进行数据驱动残差发生器的设计。

具体步骤如下：

2.1辨识奇偶空间

和

辨识步骤如下：

1)在输入激励的条件下，收集系统输入输出数据组({y_i，u_i})，i＝k，k+1，...)，然后构造[Y^T _k，f，U^T _k，f]^T。

其中，Y_k，f＝[y_k，k+f-1 y_k+1，k+f … y_k+N-1k+N+f-2]

f＞n时表示“未来”输入输出，Y_k，f是个含输出数据的Hankel矩阵，形式如上，U_k，f是一个含有输入数据的Hankel矩阵，与输出矩阵具有同样的形式。

f与N的值可根据所需实际采集的数据量来选择。

2)将

进行SVD分解，

U对应于∑中的非零奇异值的第一个(lf+n)左奇异向量；U^⊥包括剩余的(mf-n)个左奇异向量，对应于零奇异值。类比U，V对应于右奇异向量。

3)U^⊥T的第一个mf列和最后一个lf列作为U_mf和U_lf。

则可以得到奇偶空间

2.2估计能观测性矩阵

计算降阶奇偶校验向量θ_n+1

算法步骤如下：生成扩展观测矩阵，

其是以下状态空间模型的扩展观测矩阵；

其中，上述模型表示由收集的系统输入输出数据所得出的新的状态空间模型。带^均表示为估计值。

进行定义过程，

γ_f是一个f*mf维矩阵，是由服从均匀分布的m维行向量作为对角元素的分块矩阵组成。

选择其中的前n行即得到

其中，

对

进行SVD(奇异值分解)分解可以得到其等价空间

再对

应用降阶算法，即可得到奇偶校验向量，为如下形式：

Θ＝[θ_n+1 0 . 0]∈R^f

θ_n+1＝[θ_n+1，1 θ_n+1，2 . θ_n+1，n+1]∈Rⁿ⁺¹

2.3设计数据驱动残差生成器

利用2.2中得出的降阶等价向量θ_n+1，以及

G₀＝θ_n+1，n+1

C₀＝[0 0 … 1]∈Rⁿ

再利用2.1中得到的

以及利用最小二乘的方法，进行H_f-1的估计，

然后可以得到行向量：

进而可以得到B₀

由

最后可得到残差生成器：

z_k+1＝A₀z_k+B₀u_k+L₀y_k

r_k＝G₀y_k-C₀z_k

第三步，建立了故障检测机制进行容错控制。

进行风机转矩控制系统容错控制器的设计，设计一种基于输入输出数据的时变对象值函数近似(value functionapproximation，VFA)结构。利用所提出的VFA以及上述步骤结果，进行考虑最优性能的无模型输出反馈容错控制。

步骤如下；

3.1容错控制器设计之前，设定如下：

当任何故障以ΔA形式发生时，(A+ΔA，C)都是可观测的，可将系统状态变量写成如下表达形式：

x_k＝LZ_k-n，k-1 (1)

其中两个矩阵有如下形式，

Tn为满阶变换阵；

x_k+1＝Ax_k+Bu_k

F是无故障情况下的状态空间模型y_k＝Cx_k，与状态空间模型

之间的状态转移矩阵，即

3.2设计容错控制器，实现未知风机转矩控制动态系统的数据驱动输出反馈容错控制策略：

容错控制算法如下：

1)利用残差生成器计算残差信号r_k，将其绝对值与给定阈值J_th比较，如果大于Jth，则令

否则，继续1)。

2)根据过去n个时刻的输入输出值，构造

更新权重向量W_k。

3)根据

κ为可调常量，

可以构造

其中，R、Q为给定的正定矩阵，G为系统方程G＝γA^TPA-γA^TPB(R/γ+B^TPB)^-1B^TPA+C^TQC的解。同时，为了构建与当前故障(或正常)系统相对应的新的残差发生器，收集在线获取的风机转矩控制系统输入输出数据。

4)通过对3)中式子对u_k求偏导，构建新的控制器

γ也是可调参数，在0-1之间。

5)重复上述2)、3)、4)步直至系统状态x_k收敛。

6)如果|r_k|＞J_th或者是第一次迭代，就直接进行第二步中的2.3，收集在线获取的风机转矩控制系统输入输出数据构造新的残差生成器，以检测下一个故障。

7)令迭代次数h＝h+1，然后进行步骤1)。

下面通过实施例，并结合附图，对本发明的技术方案作进一步具体的说明。

实施例：通过仿真模拟风电转矩控制系统恒增益变化故障，进行风电转矩控制系统执行器故障时的容错控制。

步骤一：通过建立风电转矩控制系统状态空间方程获取Hankel矩阵，然后通过算法程序模拟得到“过去”和“未来”两种状态的数据，以此进行子空间辨识生成残差生成器，最终进行最优控制器的设计。

故障之前风机的转矩控制系统故障之前的状态空间方程具体为以下形式：

通过对上述模型进行仿真得出u_k与y_k的数据集。

故障后的系统的状态空间表达式，原来系统的系统矩阵A、输入矩阵B、以及输出矩阵C变为如下形式的表达式：

用该模型进行算法程序模拟得到Hankel矩阵，得到“过去”和“未来”两种状态的数据，以此生成残差生成器。

步骤二：在残差生成器的基础上设计控制器对系统进行控制，给定参数

γ＝0.5，

求得最优控制矩阵G＝[0.0334 0.2029 -0.0002 0.1871

0.20291.2344 -0.0012 1.1355

-0.0002 -0.0012 0.0000 -0.0011

0.1871 1.1355 -0.0011 1.0468]；

图2和图3为风机转矩控制系统执行器故障模拟仿真图。

从图2和图3看出，系统刚开始时，输出并未跟随输入呈现正弦变化，输出不稳定，这是由于系统本身具有白噪声，7s时系统出现故障，输出反馈控制器开始起作用，输出不再呈现规律的正弦曲线，到10s时，系统已基本在控制器的作用下恢复正常，输出已能够正常跟踪输入，且可以使使性能指标恢复到与故障前系统相近的程度，与原系统的输出控制在误差10％以内。

步骤三：结果分析

对于所设计的基于数据驱动的输出反馈容错控制器，从对故障后的反应时间来看，反应时间较短，在这个控制层面上，可防止系统在较长故障反应中可能会出现的一系列输出参数不正常的情况，避免对整个系统造成严重损害。容错控制器的在线重构与反应能力是整个系统安全的保障。

其次，故障之后容错控制器在重构之后能不能使系统恢复到一定性能，即在相同输入时系统能否产生在输出误差允许范围内的输出值。从输出反馈控制器的仿真模拟图中可以看出，系统故障前后输出在波形的幅值和形状上基本相似，仅在幅值上有一些误差。

最后应说明的是：以上所述仅为本发明的解释，并不用于限制本发明，尽管对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。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)

1.一种基于数据驱动输出反馈的风电转矩容错控制方法，应用于具有执行器故障的风电转矩控制系统，其特征在于，包括以下步骤，

步骤1：建立具有执行器故障的风机转矩控制系统动力学模型；

步骤1中，模型采用线性离散模型，其状态空间表达式表示如下：

x_k+1＝(A+ΔA)x_k+(B+ΔB)u_k

y_k＝Cx_k，

其中，x_k∈Rⁿ，u_k∈R^l，y_k∈R^m，分别表示风机转矩控制系统的状态变量、控制输入量和控制输出量；A、B、C为适当的已知维数的矩阵，ΔA和ΔB表示可能发生的故障；其中R^x，x取值不同可代表不同维数的矩阵；

步骤2：利用系统输入输出数据设计残差发生器；

步骤3：建立了故障检测机制进行容错控制；

步骤3中包括：

容错控制器设计之前，设定如下：

当任何故障以ΔA形式发生时，(A+ΔA,C)都是可观测的，将系统状态变量写成如下表达形式：

x_k＝LZ_k-n,k-1 (1)

其中两个矩阵有如下形式，

Tn为满阶变换阵；

F是无故障情况下的状态空间模型

与状态空间模型

之间的状态转移矩阵，即

设计容错控制器，容错控制算法如下：

1)利用残差生成器计算残差信号r_k，将其绝对值与给定阈值J_th比较，如果大于J_th，则令

否则，继续1)；

2)根据过去若干个时刻的输入输出值，构造

更新权重向量W_k；

3)根据

κ为可调常量，

可以构造

其中，R、Q为给定的正定矩阵，G为系统方程G＝γA^TPA-γA^TPB(R/γ+B^TPB)^-1B^TPA+C^TQC的解；同时，为了构建与当前故障或正常系统相对应的新的残差发生器，收集在线获取的风机转矩控制系统输入输出数据；

4)通过步骤3)中对u_k求偏导，构建新的控制器

γ也是可调参数，在0-1之间；

5)重复上述2)、3)、4)步直至系统状态x_k收敛；

6)如果|r_k|＞J_th或者是第一次迭代，就直接进行步骤2，收集在线获取的风机转矩控制系统输入输出数据构造新的残差生成器，以检测下一个故障；

7)令迭代次数h＝h+1，然后进行步骤1)。

2.根据权利要求1所述的一种基于数据驱动输出反馈的风电转矩容错控制方法，其特征在于，步骤2中，利用少量输入输出数据，设计具有满阶变换阵Tn的残差发生器；首先给出奇偶空间

和

的辨识算法，两个空间中包含了系统动态模型的基本信息；然后给出构造的单输出系统的能观测性矩阵

的估计算法和降阶奇偶校验向量θ_n+1的计算算法，根据这两种算法进行数据驱动残差发生器的设计。

3.根据权利要求2所述的一种基于数据驱动输出反馈的风电转矩容错控制方法，其特征在于，包括如下步骤：

步骤2.1，辨识奇偶空间

和

步骤2.2，估计能观测性矩阵

计算降阶奇偶校验向量θ_n+1；

步骤2.3，设计数据驱动残差生成器。

Images