CN113359468B - 基于鲁棒自适应与滑模变结构控制的风电机组容错控制方法 - Google Patents
基于鲁棒自适应与滑模变结构控制的风电机组容错控制方法 Download PDFInfo
- Publication number
- CN113359468B CN113359468B CN202110749367.3A CN202110749367A CN113359468B CN 113359468 B CN113359468 B CN 113359468B CN 202110749367 A CN202110749367 A CN 202110749367A CN 113359468 B CN113359468 B CN 113359468B
- Authority
- CN
- China
- Prior art keywords
- fault
- control
- speed
- generator
- formula
- 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 41
- 238000010248 power generation Methods 0.000 claims abstract description 49
- 230000005540 biological transmission Effects 0.000 claims description 40
- 230000006870 function Effects 0.000 claims description 18
- 239000011159 matrix material Substances 0.000 claims description 12
- 230000003044 adaptive effect Effects 0.000 claims description 9
- 238000013016 damping Methods 0.000 claims description 9
- 238000003745 diagnosis Methods 0.000 claims description 8
- 230000008878 coupling Effects 0.000 claims description 7
- 238000010168 coupling process Methods 0.000 claims description 7
- 238000005859 coupling reaction Methods 0.000 claims description 7
- 238000013461 design Methods 0.000 claims description 7
- 230000007246 mechanism Effects 0.000 claims description 7
- 230000008569 process Effects 0.000 claims description 7
- 238000009795 derivation Methods 0.000 claims description 6
- 238000006467 substitution reaction Methods 0.000 claims description 6
- 230000000694 effects Effects 0.000 claims description 5
- 230000010354 integration Effects 0.000 claims description 4
- 230000006641 stabilisation Effects 0.000 claims description 4
- 238000011105 stabilization Methods 0.000 claims description 4
- IUTDVGSJRKTQPM-UHFFFAOYSA-N [4-(1,3-benzothiazol-2-yl)phenyl]boronic acid Chemical compound C1=CC(B(O)O)=CC=C1C1=NC2=CC=CC=C2S1 IUTDVGSJRKTQPM-UHFFFAOYSA-N 0.000 claims description 3
- 238000013459 approach Methods 0.000 claims description 3
- 230000008859 change Effects 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 3
- 238000013507 mapping Methods 0.000 claims description 3
- 238000005259 measurement Methods 0.000 claims description 3
- 230000001105 regulatory effect Effects 0.000 claims description 3
- 238000011217 control strategy Methods 0.000 abstract 2
- 238000009434 installation Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000002427 irreversible effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
- G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
-
- 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)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Control Of Eletrric Generators (AREA)
- Wind Motors (AREA)
Abstract
本发明针对风力发电系统执行器恒偏差故障等两种常见故障引起的安全问题，发明了一种基于鲁棒自适应控制和滑模变结构控制的故障风机控制方法。首先采用多模型预测控制作为风力发电系统的故障容错策略，当风电系统发生故障时，根据故障类型切换相对应的控制策略，达到容错的目的。在此基础上，考虑到控制律应该具有泛用性，而非仅针对特定模型结构或特定参数，并考虑到故障风机模型误差以及障风机的参数具有不确定性，通过鲁棒自适应控制与滑模变结构控制增加故障容错控制的鲁棒性、自适应程度。该方法能够有效根据故障类型切换相对应的控制策略，达到稳定容错的目的。
Description
技术领域
本发明涉及的是一种风力发电、容错控制技术领域，具体的说就是一种基于鲁棒自适应与滑模变结构控制的风电机组容错控制方法。
背景技术
风力发电行业正在迅速发展，但是随着风电装机总量的不断增加，因机组故障的造成的经济损失将会越加严重；频繁出现故障不仅会缩短风机的使用寿命，增加风场的运营费用，降低了风机组的发电效率，在严重的情况下还会对连接的电网造成不可逆的损坏，所以必须对风电机组的一些潜在故障进行检测和容错控制，对机组的运行状况进行检测，以此保证风电机组的安全运行；事实上风力发电系统在实际安装与运行初期的磨合过程中就已经会出现大量的故障，影响了风力机的正常工作，降低了风电机组的整体运行效率；据统计，在国内某电力公司运营的风电机组当中，在经历了各种故障后，三百多台的风力机最终实际能运行的只有三分之一，运行效率惨不忍睹；无独有偶，国外很多风电公司在风场的风电机组安装初期，也会遭遇到相同的问题，极大地降低了设备的运行效率；考虑到我国现有很多风电机组安装在环境恶劣的地区，受多种环境因素的影响，故障率较多，并且非计划的维修服务费是非常昂贵的，采用故障检测、诊断和容错控制方案可以对涡轮机从检测出故障到下一次计划维护期间产生一些作用，将对风电运行成本的降低和机组寿命的提高有很明显的帮助，并能有效地促进风能的开发利用。
发明内容
技术问题：风机发生故障时，由于本身模型参数甚多，各个变量之间耦合度较高，短时间内难以精确找出故障原因，从而作出相对应的调整；因此在故障突然发生时，需要及时快速有效的控制调整，使系统达到某个稳定的状态；同时还需考虑到故障风机的理想转速跟踪及跟踪精度以及跟踪速度的要求；
技术方案：针对上述问题，本发明采用基于鲁棒自适应控制与滑模变结构的故障风机控制方法，利用两种算法对故障系统进行强镇定，针对两种不同的故障设计出对应的容错控制器，当系统发生故障时，由主动容错系统按照故障诊断机构提供的实时信息，选择切换相对应的容错控制器，从而达到风电系统对故障容错的效果；
1.基于鲁棒自适应与滑模变结构控制的风电机组容错控制方法，其特征在于该方法使用鲁棒自适应控制和滑模变结构控制对故障系统进行强镇定，控制方法参考变分梯度下降算法的思想，一次只调整一个变量，达到稳定容错的目的；针对两种不同的故障设计出对应的容错控制器，当系统发生故障时，由主动容错系统按照故障诊断机构提供的实时信息，选择切换相对应的容错控制器，从而达到风电系统对故障容错的效果；并进一步考虑到多模型误差以及故障风机的参数不确定性，采用鲁棒自适应控制和滑模变结构控制增加算法的鲁棒性、自适应程度；本发明实现如下：
首先，设计基于多模型容错控制的风力发电系统，风力发电系统多模型预测控制基本原理是把复杂非线性风能转换系统转换为几个简单的线性系统，运用间隙度量理论挑选出最拟合复杂非线性风力发电系统动态特性的模型，最后对线性模型设计出它们的子预测控制器，由此依据设定的切换函数，选择线性系统对应的子预测控制器来对整个系统进行实时控制；当齿轮箱的转动惯量远小于低速轴、高速轴以及发电机的转动惯量时，相对于整个传动系统来说，它的影响可以忽略不计，不妨把它看成是一个比例放大环节，可以表示为
ωg＝iωt (1)
高速轴目的是把转子转速提高到发电机需要的水平，高速轴的运动方程如式所示
其中，ωg为发电机转子的转速；ωt为风轮转速；i为齿轮箱的传动比；Tg为发电机的电磁转矩；Ttw为传动机构转矩；Jg为发电机的转动惯量；
传动机构转矩Ttw运动方程如式3所示
Ttw＝ksθtw+Bs(iωt-ωg) (3)
其中ks为传动轴的刚度系数；Bs为阻尼系数；θtw为传动轴扭角；
风机发生故障时，由于本身模型参数甚多，各个变量之间耦合度较高，短时间内难以精确找出故障原因，从而作出相对应的调整；因此在故障突然发生时，需要及时快速有效的控制调整，使系统达到某个稳定的状态；考虑到故障风机的理想转速跟踪在要顾及跟踪精度以及跟踪速度的要求，设计故障风机理想转速跟踪改进自适应鲁棒控制算法，如式(4)所示；该算法核心思想是建立在不确定性参数有界的基础上，主动放弃测量参数的精确值，从而使得控制器能不断逼近参数而完成控制目标；
其中为发电机转子转速的导数，Bs为传动系统的阻尼系数，ks为传动系统的刚度系数，i为齿轮箱的传动比，上述参数均为风力发电系统的未知故障参数，ωt为风轮转速，ωg为发电机转子转速，Tg为发电机电磁转矩；
由于桨距角β与风轮转速ωt存在映射关系，建立不等式映射有
cβ＜ωt (5)
其中c为一未知常数，c＞0；将式(5)代入式(4)可得
设假设故障系统中各个未知的故障参数都是有界的，定义转子跟踪误差e有：
其中ωg发电机转子的转速，为理想发电机转子的转速转速；对式(7)左右两边求导有：
由式(6)和式(7)得
其中L(·)为包含各种非线性未知参数以及时变条件的项
定义一个标量函数如下：
由式(8)可知L(·)包含各种非线性未知参数以及时变条件，在假设L(·)有界的条件下，存在一个未知额常数b＞0可得：
且b的选择范围如下：
由式(6)、式(8)、式(9)、式(10)设计控制器如下：
其中kr＞0，为一定常数，是b的误差估计值,/>为/>的导数，sign()为符号函数；
其中σ＞0为一正比例自适应常数；
由式(8)、式(12)、式(13)可得
其中Jt＞0为故障风机转动惯量，是一个未知但有界的正常数，所以总存在一个负常数λr有
构造李雅普诺夫方程有：
左右两边求导得：
稳定性证明：
根据Barbalat引理可得，当时t→∞有，e→0；上式证明了当时间足够长的时候，实际发电机转速与目标发电机转速之差趋向零，即控制器能有效跟踪发电机的目标转速，同也知道发电机转速与目标发电机转速之差收敛于零的速度与学习率kr有关，当学习kr的绝对值越大的时候，转速跟踪速度就越快，但同时收敛过程中抖动也会越大；
然后，设计基于滑模变结构控制的额定功率跟踪：
如式(18)所示，风力发电系统整合模型是一个两出两入的非线性强耦合系统；联立式易得系统整体模型如下
其中，i为传动比；Jt为风力机转动惯量；Cp为风能利用系数；λ为叶尖速比；β为桨距角；ρ为被假设为常数的空气密度；π为圆周率；R为风力机叶片长度；V为有效风速；Jg为发电机转动惯量；i为传动比；Ks为传动系统的刚度系数；Bs为传动系统的阻尼系数；τg为系统的时间常数；
x＝[ωt,ωg,Ttw,Tg,β]T，y＝[ωg,Pg]T
由于故障参数不能观测，所以使用滑模变结构控制对额定功率进行跟踪；由式(18)可得：
设输出功率误差ep
ep＝Pg-Pd (20)
其中Tg为发电机电磁转矩；Pg为系统输出功率；Pd为系统输出功率参考值；
电磁转矩控制率为
其中ΔTg为发电机电磁转矩增量；为发电机电磁转矩增量的导数；ωd为发电机转子转速参考值；λω为大于零的正常数；建立李雅普诺夫函数有
则有
根据Barbalat引理可得，当时t→∞有，ep→0；上式证明了当时间足够长的时候，实际发电机转速与目标发电机转速之差趋向零，同也知道发电机转速与目标发电机转速之差收敛于零的速度与学习率λω有关，当学习λω的绝对值越大的时候，转速跟踪速度就越快，但同时收敛过程中抖动也会越大；
风力发电系统线性模型如式24所示
其中
由于执行系统是一阶系统，对执行系统进行化简有：
其中d1，d2分别为x1，x2达到输入参考值u1，u2之前的抖动；则有
设状态参考值为xd＝[x1d,x2d,x3d]T，xd＝0，z＝x-xd，则有
整理后得
其中A，B分别状态矩阵与输入矩阵，u*为参考输入、d为执行器抖动z＝x-xd＝[x1,x2,x3]T-[x1d,x2d,x3d]T；
定义滑模函数为
s＝BTPz (29)
其中，P为3X3阶正定矩阵，通过P的设计实现s＝0；
设计滑模控制器
u(t)＝ueq+un (30)
根据等效控制原理，取d＝0，则有和/>可得
从而
ueq＝-(BTPB)-1BTPAz(t) (31)
为了保证取鲁棒控制项
un＝-(BTPB)-1[|BTPB|δf+ε0]sgn(s) (32)
其中δf＞d,ε0＞0；
取李雅普诺夫函数
则有
联合式29、式33和式34则有
求解控制律中的对称正定阵P，将控制律式30写成
u(t)＝-Kz(t)+v(t) (36)
其中，v(t)＝Kz+ueq+un
则代入式29有
其中，通过设计K使A为Hurwitz，则可保证闭环系统稳定；
取李雅普洛夫函数为
V＝zTPz (38)
则有
由控制律式30易知，存在t≥t0，s＝BPz(t)＝0成立，即有sT＝zTPB＝0成立，则上式变为
为保证需要
将P-1分别乘以式40的左右两边可得
取X＝P-1，则有
(A-BK)X+X(A-BK)T＜0 (43)取L＝KX，则有
AX-BL+XAT-LTBT＜0 (44)
即有
AX+XAT＜BL+LTBT (45)
即可协同设计X,K使得系统稳定；
最后设计风力发电系统输出功率恒增益容错控制，当风力发电系统发生输出功率恒增益故障时，故障输出功率变化率如下：
其中γP为与正常输出相比产生的增益系数；
由故障诊断易知，执行器工作正常，结合式37则有
其中执行器恒增益矩阵C＝dig[1,γp,1,1,1]；
根据代入式(4)易知
设计风力发电系统输出功率恒偏差容错控制，当风力发电系统发生输出功率恒偏差故障的时候，故障如式(49)所示：
其中ΔP为功率偏差，d为执行器抖动；
根据代入式(4)易知
其中ΔTg、Δβ分别为发电机输出转矩偏差与输出桨距角偏差；
系统运行，具体运行步骤如下：
算法主要分为两个主要的步骤，步骤一：由于变桨距控制精度低而且输出的桨距角不连续，不适合用于严格精细的控制，所以先使用自适应鲁棒控制调整桨距角的大小，对额定转速进行跟踪，达到故障系统的初步调整；步骤二：设计发电机转速与额定转速之间的误差为e1(k)＝ω(k)-ωd(k)，设计额定功率与功率之间的误差为e2(k)＝P(k)-Pd(k)，总误差为e(k)＝[e1(k),e2(k)]T；利用滑模变结构控制调整发电机电磁转矩对风力发电系统的额定功率进行跟踪；算法流程如下；
Step1：判定e1(k)是否大于0，是则转到Step2，否则转到Step3；
Step2：使用自适应鲁棒控制跟踪额定转速，判断是否是则转到Step3，否则转到Step2；
Step3：使用滑模变结构控制跟踪额定功率，判定是否是则转到Step4，否则转到Step2；
Step4：风力发电系统额定功率、额定转速跟踪完毕。
附图说明
本发明有以下附图：
图1多模型预测控制原理图
图2风力发电系统整合模型；
图3算法流程图；
具体实施方式：
本发明提出的基于鲁棒自适应与滑模变结构控制的风电机组容错控制方法结合附图及具体实施方式详述如下：
1.基于鲁棒自适应与滑模变结构控制的风电机组容错控制方法，其特征在于该方法使用鲁棒自适应控制和滑模变结构控制对故障系统进行强镇定，控制方法参考变分梯度下降算法的思想，一次只调整一个变量，达到稳定容错的目的；针对两种不同的故障设计出对应的容错控制器，当系统发生故障时，由主动容错系统按照故障诊断机构提供的实时信息，选择切换相对应的容错控制器，从而达到风电系统对故障容错的效果；并进一步考虑到多模型误差以及故障风机的参数不确定性，采用鲁棒自适应控制和滑模变结构控制增加算法的鲁棒性、自适应程度；本发明实现如下：
首先，设计基于多模型容错控制的风力发电系统，风力发电系统多模型预测控制基本原理是把复杂非线性风能转换系统转换为几个简单的线性系统，运用间隙度量理论挑选出最拟合复杂非线性风力发电系统动态特性的模型，最后对线性模型设计出它们的子预测控制器，由此依据设定的切换函数，选择线性系统对应的子预测控制器来对整个系统进行实时控制，如图1参考输入r分别与模型误差em1、em2、.....emm产生参考轨迹输入各个预测控制器，通过设定的切换函数，选择线性系统对应的子预测控制器来对整个系统进行实时控制得到输出y；当齿轮箱的转动惯量远小于低速轴、高速轴以及发电机的转动惯量时，相对于整个传动系统来说，它的影响可以忽略不计，不妨把它看成是一个比例放大环节，可以表示为
ωg＝iωt (1)
高速轴目的是把转子转速提高到发电机需要的水平，高速轴的运动方程如式所示
其中，ωg为发电机转子的转速；ωt为风轮转速；i为齿轮箱的传动比；Tg为发电机的电磁转矩；Ttw为传动机构转矩；Jg为发电机的转动惯量；
传动机构转矩Ttw运动方程如式3所示
Ttw＝ksθtw+Bs(iωt-ωg) (3)
其中ks为传动轴的刚度系数；Bs为阻尼系数；θtw为传动轴扭角；
风机发生故障时，由于本身模型参数甚多，各个变量之间耦合度较高，短时间内难以精确找出故障原因，从而作出相对应的调整；因此在故障突然发生时，需要及时快速有效的控制调整，使系统达到某个稳定的状态；考虑到故障风机的理想转速跟踪在要顾及跟踪精度以及跟踪速度的要求，设计故障风机理想转速跟踪改进自适应鲁棒控制算法，如式(4)所示；该算法核心思想是建立在不确定性参数有界的基础上，主动放弃测量参数的精确值，从而使得控制器能不断逼近参数而完成控制目标；
其中为发电机转子转速的导数，Bs为传动系统的阻尼系数，ks为传动系统的刚度系数，i为齿轮箱的传动比，上述参数均为风力发电系统的未知故障参数，ωt为风轮转速，ωg为发电机转子转速，Tg为发电机电磁转矩；
由于桨距角β与风轮转速ωt存在映射关系，建立不等式映射有
cβ＜ωt (5)
其中c为一未知常数，c＞0；将式(5)代入式(4)可得
设假设故障系统中各个未知的故障参数都是有界的，定义转子跟踪误差e有：
其中ωg发电机转子的转速，为理想发电机转子的转速转速；对式(7)左右两边求导有：
由式(6)和式(7)得
其中L(·)为包含各种非线性未知参数以及时变条件的项
定义一个标量函数如下：
由式(8)可知L(·)包含各种非线性未知参数以及时变条件，在假设L(·)有界的条件下，存在一个未知额常数b＞0可得：
且b的选择范围如下：
由式(6)、式(8)、式(9)、式(10)设计控制器如下：
其中kr＞0，为一定常数，是b的误差估计值,/>为/>的导数，sign()为符号函数；
其中σ＞0为一正比例自适应常数；
由式(8)、式(12)、式(13)可得
其中Jt＞0为故障风机转动惯量，是一个未知但有界的正常数，所以总存在一个负常数λr有
构造李雅普诺夫方程有：
左右两边求导得：
稳定性证明：
根据Barbalat引理可得，当时t→∞有，e→0；上式证明了当时间足够长的时候，实际发电机转速与目标发电机转速之差趋向零，即控制器能有效跟踪发电机的目标转速，同也知道发电机转速与目标发电机转速之差收敛于零的速度与学习率kr有关，当学习kr的绝对值越大的时候，转速跟踪速度就越快，但同时收敛过程中抖动也会越大；
然后，设计基于滑模变结构控制的额定功率跟踪：
如图2，如式(18)所示，风力发电系统整合模型是一个两出两入的非线性强耦合系统；其主要结构包括变桨距系统、风力机、发电机及其控制系统以及传动系统；联立式易得系统整体模型如下：
其中，i为传动比；Jt为风力机转动惯量；Cp为风能利用系数；λ为叶尖速比；β为桨距角；ρ为被假设为常数的空气密度；π为圆周率；R为风力机叶片长度；V为有效风速；Jg为发电机转动惯量；i为传动比；Ks为传动系统的刚度系数；Bs为传动系统的阻尼系数；τg为系统的时间常数；
x＝[ωt,ωg,Ttw,Tg,β]T，y＝[ωg,Pg]T
由于故障参数不能观测，所以使用滑模变结构控制对额定功率进行跟踪；由式(18)可得：
/>
设输出功率误差ep
ep＝Pg-Pd (20)
其中Tg为发电机电磁转矩；Pg为系统输出功率；Pd为系统输出功率参考值；
电磁转矩控制率为
其中ΔTg为发电机电磁转矩增量；为发电机电磁转矩增量的导数；ωd为发电机转子转速参考值；λω为大于零的正常数；建立李雅普诺夫函数有
则有
根据Barbalat引理可得，当时t→∞有，ep→0；上式证明了当时间足够长的时候，实际发电机转速与目标发电机转速之差趋向零，同也知道发电机转速与目标发电机转速之差收敛于零的速度与学习率λω有关，当学习λω的绝对值越大的时候，转速跟踪速度就越快，但同时收敛过程中抖动也会越大；
风力发电系统线性模型如式24所示
其中
x＝[ωt,ωg,Ttw,Tg,β]T，y＝[ωg,Pg]T，
/>
由于执行系统是一阶系统，对执行系统进行化简有：
其中d1，d2分别为x1，x2达到输入参考值u1，u2之前的抖动；
则有
设状态参考值为xd＝[x1d,x2d,x3d]T，xd＝0，z＝x-xd，则有
整理后得
其中A，B分别状态矩阵与输入矩阵，u*为参考输入、d为执行器抖动z＝x-xd＝[x1,x2,x3]T-[x1d,x2d,x3d]T；
定义滑模函数为
s＝BTPz (29)
其中，P为3X3阶正定矩阵，通过P的设计实现s＝0；
设计滑模控制器
u(t)＝ueq+un (30)
根据等效控制原理，取d＝0，则有和/>可得
从而
ueq＝-(BTPB)-1BTPAz(t) (31)
为了保证取鲁棒控制项
un＝-(BTPB)-1[|BTPB|δf+ε0]sgn(s) (32)
其中δf＞d,ε0＞0；
取李雅普诺夫函数
则有
联合式29、式33和式34则有
求解控制律中的对称正定阵P，将控制律式30写成
u(t)＝-Kz(t)+v(t) (36)
其中，v(t)＝Kz+ueq+un
则代入式29有
其中，通过设计K使/>为Hurwitz，则可保证闭环系统稳定；
取李雅普洛夫函数为
V＝zTPz (38)
则有
由控制律式30易知，存在t≥t0，s＝BPz(t)＝0成立，即有sT＝zTPB＝0成立，则上式变为
为保证需要
将P-1分别乘以式40的左右两边可得
取X＝P-1，则有
(A-BK)X+X(A-BK)T＜0 (43)取L＝KX，则有
AX-BL+XAT-LTBT＜0 (44)
即有
AX+XAT＜BL+LTBT (45)
即可协同设计X,K使得系统稳定；
最后设计风力发电系统输出功率恒增益容错控制，当风力发电系统发生输出功率恒增益故障时，故障输出功率变化率如下：
其中γP为与正常输出相比产生的增益系数；
由故障诊断易知，执行器工作正常，结合式37则有
其中执行器恒增益矩阵C＝dig[1,γp,1,1,1]；
根据代入式(4)易知
设计风力发电系统输出功率恒偏差容错控制，当风力发电系统发生输出功率恒偏差故障的时候，故障如式(49)所示：
其中ΔP为功率偏差，d为执行器抖动；
根据代入式(4)易知
其中ΔTg、Δβ分别为发电机输出转矩偏差与输出桨距角偏差；
使用如图3所示的算法流程即可完成针对两种故障的风电机组容错控制。
为进一步解释本发明的技术方案，系统运行，具体运行步骤如下：
主要分为两个主要的步骤，步骤一：由于变桨距控制精度低而且输出的桨距角不连续，不适合用于严格精细的控制，所以先使用自适应鲁棒控制调整桨距角的大小，对额定转速进行跟踪，达到故障系统的初步调整,；步骤二：设计发电机转速与额定转速之间的误差为e1(k)＝ω(k)-ωd(k)，设计额定功率与功率之间的误差为e2(k)＝P(k)-Pd(k)，总误差为e(k)＝[e1(k),e2(k)]T；利用滑模变结构控制调整发电机电磁转矩对风力发电系统的额定功率进行跟踪；算法流程如下；
Step1：判定e1(k)是否大于0，是则转到Step2，否则转到Step3；
Step2：使用自适应鲁棒控制跟踪额定转速，判断是否是则转到Step3，否则转到Step2；
Step3：使用滑模变结构控制跟踪额定功率，判定是否是则转到Step4，否则转到Step2；/>
Step4：风力发电系统额定功率、额定转速跟踪完毕；
上述运行步骤通过鲁棒自适应控制与滑模变结构控制算法实现额定转速与额定功率跟踪能有效对故障风机进行容错控制；
上述具体实现只是本发明的较佳实现而已，当然，本发明还可有其他多种实施例，在不背离本发明精神及其实质的情况下，熟悉本领域的技术人员当可根据本发明做出相应的改变和变形，但这些相应的改变和变形都应属于本发明的权利要求的保护范围。
Claims (1)
1.基于鲁棒自适应与滑模变结构控制的风电机组容错控制方法，其特征在于该方法使用鲁棒自适应控制和滑模变结构控制对故障系统进行强镇定，控制方法参考变分梯度下降算法的思想，一次只调整一个变量，达到稳定容错的目的；针对两种不同的故障设计出对应的容错控制器，当系统发生故障时，由主动容错系统按照故障诊断机构提供的实时信息，选择切换相对应的容错控制器，从而达到风电系统对故障容错的效果；并进一步考虑到多模型误差以及故障风机的参数不确定性，采用鲁棒自适应控制和滑模变结构控制增加算法的鲁棒性、自适应程度；
首先，设计基于多模型容错控制的风力发电系统，风力发电系统多模型预测控制基本原理是把复杂非线性风能转换系统转换为几个简单的线性系统，运用间隙度量理论挑选出最拟合复杂非线性风力发电系统动态特性的模型，最后对线性模型设计出它们的子预测控制器，由此依据设定的切换函数，选择线性系统对应的子预测控制器来对整个系统进行实时控制；当齿轮箱的转动惯量远小于低速轴、高速轴以及发电机的转动惯量时，相对于整个传动系统来说，它的影响可以忽略不计，不妨把它看成是一个比例放大环节，可以表示为
ωg＝iωt (1)
高速轴目的是把转子转速提高到发电机需要的水平，高速轴的运动方程如式所示
其中，ωg为发电机转子的转速；ωt为风轮转速；i为齿轮箱的传动比；Tg为发电机的电磁转矩；Ttw为传动机构转矩；Jg为发电机的转动惯量；
传动机构转矩Ttw运动方程如式3所示
Ttw＝ksθtw+Bs(iωt-ωg) (3)
其中ks为传动轴的刚度系数；Bs为阻尼系数；θtw为传动轴扭角；
风机发生故障时，由于本身模型参数甚多，各个变量之间耦合度较高，短时间内难以精确找出故障原因，从而作出相对应的调整；因此在故障突然发生时，需要及时快速有效的控制调整，使系统达到某个稳定的状态；考虑到故障风机的理想转速跟踪在要顾及跟踪精度以及跟踪速度的要求，设计故障风机理想转速跟踪改进自适应鲁棒控制算法，如式(4)所示；该算法核心思想是建立在不确定性参数有界的基础上，主动放弃测量参数的精确值，从而使得控制器能不断逼近参数而完成控制目标；
其中为发电机转子转速的导数，Bs为传动系统的阻尼系数，ks为传动系统的刚度系数，i为齿轮箱的传动比，上述参数均为风力发电系统的未知故障参数，ωt为风轮转速，ωg为发电机转子转速，Tg为发电机电磁转矩；
由于桨距角β与风轮转速ωt存在映射关系，建立不等式映射有
cβ＜ωt (5)
其中c为一未知常数，c＞0；将式(5)代入式(4)可得
设假设故障系统中各个未知的故障参数都是有界的，定义转子跟踪误差e有：
其中ωg发电机转子的转速，为理想发电机转子的转速转速；对式(7)左右两边求导有：
由式(6)和式(7)得
其中L(·)为包含各种非线性未知参数以及时变条件的项
定义一个标量函数如下：
由式(8)可知L(·)包含各种非线性未知参数以及时变条件，在假设L(·)有界的条件下，存在一个未知额常数b＞0可得：
且b的选择范围如下：
由式(6)、式(8)、式(9)、式(10)设计控制器如下：
其中kr＞0，为一定常数，是b的误差估计值,/>为/>的导数，sign()为符号函数；
其中σ＞0为一正比例自适应常数；
由式(8)、式(12)、式(13)可得
其中Jt＞0为故障风机转动惯量，是一个未知但有界的正常数，所以总存在一个负常数λr有
构造李雅普诺夫方程有：
左右两边求导得：
稳定性证明：
根据Barbalat引理可得，当时t→∞有，e→0；上式证明了当时间足够长的时候，实际发电机转速与目标发电机转速之差趋向零，即控制器能有效跟踪发电机的目标转速，同也知道发电机转速与目标发电机转速之差收敛于零的速度与学习率kr有关，当学习kr的绝对值越大的时候，转速跟踪速度就越快，但同时收敛过程中抖动也会越大；
然后，设计基于滑模变结构控制的额定功率跟踪：
如式(18)所示，风力发电系统整合模型是一个两出两入的非线性强耦合系统；联立式易得系统整体模型如下
其中，i为传动比；Jt为风力机转动惯量；Cp为风能利用系数；λ为叶尖速比；β为桨距角；ρ为被假设为常数的空气密度；π为圆周率；R为风力机叶片长度；V为有效风速；Jg为发电机转动惯量；i为传动比；Ks为传动系统的刚度系数；Bs为传动系统的阻尼系数；τg为系统的时间常数；
由于故障参数不能观测，所以使用滑模变结构控制对额定功率进行跟踪；由式(18)可得：
设输出功率误差ep
ep＝Pg-Pd (20)
其中Tg为发电机电磁转矩；Pg为系统输出功率；Pd为系统输出功率参考值；
电磁转矩控制率为
其中ΔTg为发电机电磁转矩增量；为发电机电磁转矩增量的导数；ωd为发电机转子转速参考值；λω为大于零的正常数；建立李雅普诺夫函数有
则有
根据Barbalat引理可得，当时t→∞有，ep→0；上式证明了当时间足够长的时候，实际发电机转速与目标发电机转速之差趋向零，同也知道发电机转速与目标发电机转速之差收敛于零的速度与学习率λω有关，当学习λω的绝对值越大的时候，转速跟踪速度就越快，但同时收敛过程中抖动也会越大；
风力发电系统线性模型如式24所示
其中
由于执行系统是一阶系统，对执行系统进行化简有：
其中d1，d2分别为x1，x2达到输入参考值u1，u2之前的抖动；则有
设状态参考值为xd＝[x1d,x2d,x3d]T，xd＝0，z＝x-xd，则有
整理后得
其中A，B分别状态矩阵与输入矩阵，u*为参考输入、d为执行器抖动z＝x-xd＝[x1,x2,x3]T-[x1d,x2d,x3d]T；
定义滑模函数为
s＝BTPz (29)
其中，P为3X3阶正定矩阵，通过P的设计实现s＝0；
设计滑模控制器
u(t)＝ueq+un (30)
根据等效控制原理，取d＝0，则有和/>可得
从而
ueq＝-(BTPB)-1BTPAz(t) (31)
为了保证取鲁棒控制项
un＝-(BTPB)-1[|BTPB|δf+ε0]sgn(s) (32)
其中δf＞d,ε0＞0；
取李雅普诺夫函数
则有
联合式29、式33和式34则有
求解控制律中的对称正定阵P，将控制律式30写成
u(t)＝-Kz(t)+v(t) (36)
其中，v(t)＝Kz+ueq+un
则代入式29有
其中，通过设计K使/>为Hurwitz，则可保证闭环系统稳定；
取李雅普洛夫函数为
V＝zTPz (38)
则有
由控制律式30易知，存在t≥t0，s＝BPz(t)＝0成立，即有sT＝zTPB＝0成立，则上式变为
为保证需要
将P-1分别乘以式40的左右两边可得
取X＝P-1，则有
(A-BK)X+X(A-BK)T＜0 (43)
取L＝KX，则有
AX-BL+XAT-LTBT＜0 (44)
即有
AX+XAT＜BL+LTBT (45)
即可协同设计X,K使得系统稳定；
最后设计风力发电系统输出功率恒增益容错控制，当风力发电系统发生输出功率恒增益故障时，故障输出功率变化率如下：
其中γP为与正常输出相比产生的增益系数；
由故障诊断易知，执行器工作正常，结合式37则有
其中执行器恒增益矩阵C＝dig[1,γp,1,1,1]；
根据代入式(4)易知
设计风力发电系统输出功率恒偏差容错控制，当风力发电系统发生输出功率恒偏差故障的时候，故障如式(49)所示：
其中ΔP为功率偏差，d为执行器抖动；
根据代入式(4)易知
其中ΔTg、Δβ分别为发电机输出转矩偏差与输出桨距角偏差；
系统运行，具体运行步骤如下：
算法主要分为两个主要的步骤，步骤一：由于变桨距控制精度低而且输出的桨距角不连续，不适合用于严格精细的控制，所以先使用自适应鲁棒控制调整桨距角的大小，对额定转速进行跟踪，达到故障系统的初步调整；步骤二：设计发电机转速与额定转速之间的误差为e1(k)＝ω(k)-ωd(k)，设计额定功率与功率之间的误差为e2(k)＝P(k)-Pd(k)，总误差为e(k)＝[e1(k),e2(k)]T；利用滑模变结构控制调整发电机电磁转矩对风力发电系统的额定功率进行跟踪；算法流程如下；
Step1：判定e1(k)是否大于0，是则转到Step2，否则转到Step3；
Step2：使用自适应鲁棒控制跟踪额定转速，判断是否是则转到Step3，否则转到Step2；
Step3：使用滑模变结构控制跟踪额定功率，判定是否是则转到Step4，否则转到Step2；
Step4：风力发电系统额定功率、额定转速跟踪完毕。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110749367.3A CN113359468B (zh) | 2021-07-01 | 2021-07-01 | 基于鲁棒自适应与滑模变结构控制的风电机组容错控制方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110749367.3A CN113359468B (zh) | 2021-07-01 | 2021-07-01 | 基于鲁棒自适应与滑模变结构控制的风电机组容错控制方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113359468A CN113359468A (zh) | 2021-09-07 |
| CN113359468B true CN113359468B (zh) | 2024-04-23 |
Family
ID=77537921
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110749367.3A Active CN113359468B (zh) | 2021-07-01 | 2021-07-01 | 基于鲁棒自适应与滑模变结构控制的风电机组容错控制方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113359468B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115685847B (zh) * | 2022-11-04 | 2023-06-20 | 华北电力大学 | 漂浮式风电机组的容错控制方法及装置 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DK200900377A (en) * | 2009-03-18 | 2010-02-18 | Vestas Wind Sys As | Fault tolerant design for a wind turbine |
| CN104614984A (zh) * | 2014-11-20 | 2015-05-13 | 南京理工大学 | 一种电机位置伺服系统的高精度控制方法 |
| CN108983606A (zh) * | 2018-07-09 | 2018-12-11 | 南京理工大学 | 一种机械臂系统的鲁棒滑模自适应控制方法 |
-
2021
- 2021-07-01 CN CN202110749367.3A patent/CN113359468B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DK200900377A (en) * | 2009-03-18 | 2010-02-18 | Vestas Wind Sys As | Fault tolerant design for a wind turbine |
| CN104614984A (zh) * | 2014-11-20 | 2015-05-13 | 南京理工大学 | 一种电机位置伺服系统的高精度控制方法 |
| CN108983606A (zh) * | 2018-07-09 | 2018-12-11 | 南京理工大学 | 一种机械臂系统的鲁棒滑模自适应控制方法 |
Non-Patent Citations (2)
| Title |
|---|
| 基于自适应滑模观测器的风机齿轮箱故障估计;章敏;文传博;;上海电机学院学报;20180425(02);全文 * |
| 风力发电系统执行器故障诊断与MPPT滑模容错控制;茅靖峰;吴博文;吴爱华;张旭东;於锋;;太阳能学报;20201028(10);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113359468A (zh) | 2021-09-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Habibi et al. | Reliability improvement of wind turbine power generation using model-based fault detection and fault tolerant control: A review | |
| Habibi et al. | Adaptive PID control of wind turbines for power regulation with unknown control direction and actuator faults | |
| CN110566403A (zh) | 一种风力发电t-s模糊鲁棒调度容错控制方法 | |
| Sami et al. | An FTC approach to wind turbine power maximisation via TS fuzzy modelling and control | |
| Mazare et al. | Uncertainty estimator-based dual layer adaptive fault-tolerant control for wind turbines | |
| CN110500239A (zh) | 一种基于高阶滑模观测器的风电机组自适应反演滑模优化控制方法 | |
| Barrera-Cardenas et al. | Optimal LQG controller for variable speed wind turbine based on genetic algorithms | |
| Sami et al. | Global wind turbine FTC via TS fuzzy modelling and control | |
| CN111188732B (zh) | 一种风力发电变桨鲁棒容错控制方法 | |
| Rezaei | Advanced control of wind turbines: Brief survey, categorization, and challenges | |
| Aghaeinezhad et al. | Individual pitch angle control of a variable speed wind turbine using adaptive fractional order non-singular fast terminal sliding mode control | |
| CN113359468B (zh) | 基于鲁棒自适应与滑模变结构控制的风电机组容错控制方法 | |
| Adegas et al. | Structured linear parameter varying control of wind turbines | |
| Song et al. | Fault-Tolerant Control of Floating Wind Turbine With Switched Adaptive Sliding Mode Controller | |
| CN114294159A (zh) | 风电机组变桨双控制器的控制方法及装置 | |
| Hawkins et al. | Region II wind power capture maximization using robust control and estimation with alternating gradient search | |
| Wang et al. | Wind power compound model-free adaptive predictive control based on full wind speed | |
| Wang et al. | Composite model-free adaptive predictive control for wind power generation based on full wind speed | |
| CN113031440B (zh) | 基于反馈线性化与预测控制的风力机变桨距控制方法 | |
| Kim et al. | Control allocation based compensation for faulty blade actuator of wind turbine | |
| Habibi et al. | A neuro-adaptive maximum power tracking control of variable speed wind turbines with actuator faults | |
| Farsoni et al. | Simulation and experimental validation of fuzzy control techniques for wind turbine system and hydroelectric plant | |
| Xu et al. | Iterative Neuro-fuzzy Hammerstein Model Based Model Predictive Control for Wind Turbines | |
| Reddy et al. | Fuzzy Logic-Based Pitch Angle Control for VariableSpeed Wind Systems | |
| Stock et al. | Design and implementation of a wind farm controller using aerodynamics estimated from LIDAR scans of wind turbine blades |
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 |