CN113833606A - 阻尼控制方法、系统和可读存储介质 - Google Patents
阻尼控制方法、系统和可读存储介质 Download PDFInfo
- Publication number
- CN113833606A CN113833606A CN202111153169.7A CN202111153169A CN113833606A CN 113833606 A CN113833606 A CN 113833606A CN 202111153169 A CN202111153169 A CN 202111153169A CN 113833606 A CN113833606 A CN 113833606A
- Authority
- CN
- China
- Prior art keywords
- generating set
- wind generating
- damping
- damping control
- tower
- 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
Links
- 238000013016 damping Methods 0.000 title claims abstract description 155
- 238000000034 method Methods 0.000 title claims abstract description 60
- 238000006073 displacement reaction Methods 0.000 claims abstract description 65
- 239000013598 vector Substances 0.000 claims abstract description 26
- 238000001914 filtration Methods 0.000 claims abstract description 22
- 238000004088 simulation Methods 0.000 claims description 41
- 230000014509 gene expression Effects 0.000 description 23
- 230000001133 acceleration Effects 0.000 description 12
- 238000010586 diagram Methods 0.000 description 6
- 239000011159 matrix material Substances 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000010248 power generation Methods 0.000 description 3
- 230000007704 transition Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- OIGNJSKKLXVSLS-VWUMJDOOSA-N prednisolone Chemical compound O=C1C=C[C@]2(C)[C@H]3[C@@H](O)C[C@](C)([C@@](CC4)(O)C(=O)CO)[C@@H]4[C@@H]3CCC2=C1 OIGNJSKKLXVSLS-VWUMJDOOSA-N 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 239000000126 substance Substances 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
- F03D7/00—Controlling wind motors
- F03D7/02—Controlling wind motors the wind motors having rotation axis substantially parallel to the air flow entering the rotor
- F03D7/022—Adjusting aerodynamic properties of the blades
- F03D7/0224—Adjusting blade pitch
-
- 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
- F03D7/02—Controlling wind motors the wind motors having rotation axis substantially parallel to the air flow entering the rotor
- F03D7/0296—Controlling wind motors the wind motors having rotation axis substantially parallel to the air flow entering the rotor to prevent, counteract or reduce noise emissions
-
- 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
- F03D7/02—Controlling wind motors the wind motors having rotation axis substantially parallel to the air flow entering the rotor
- F03D7/04—Automatic control; Regulation
- F03D7/042—Automatic control; Regulation by means of an electrical or electronic controller
- F03D7/043—Automatic control; Regulation by means of an electrical or electronic controller characterised by the type of control logic
- F03D7/045—Automatic control; Regulation by means of an electrical or electronic controller characterised by the type of control logic with model-based controls
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
- F05B—INDEXING SCHEME RELATING TO WIND, SPRING, WEIGHT, INERTIA OR LIKE MOTORS, TO MACHINES OR ENGINES FOR LIQUIDS COVERED BY SUBCLASSES F03B, F03D AND F03G
- F05B2260/00—Function
- F05B2260/70—Adjusting of angle of incidence or attack of rotating blades
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
- F05B—INDEXING SCHEME RELATING TO WIND, SPRING, WEIGHT, INERTIA OR LIKE MOTORS, TO MACHINES OR ENGINES FOR LIQUIDS COVERED BY SUBCLASSES F03B, F03D AND F03G
- F05B2260/00—Function
- F05B2260/96—Preventing, counteracting or reducing vibration or noise
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
- F05B—INDEXING SCHEME RELATING TO WIND, SPRING, WEIGHT, INERTIA OR LIKE MOTORS, TO MACHINES OR ENGINES FOR LIQUIDS COVERED BY SUBCLASSES F03B, F03D AND F03G
- F05B2270/00—Control
- F05B2270/70—Type of control algorithm
-
- 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)
- Physics & Mathematics (AREA)
- Fluid Mechanics (AREA)
- Wind Motors (AREA)
Abstract
本申请提供一种阻尼控制方法、系统和可读存储介质。阻尼控制方法包括根据卡尔曼滤波算法、风力发电机组的状态方程和输出方程,确定风力发电机组的塔顶前后位移,其中,状态方程和输出方程包括表示塔顶前后位移的状态向量;根据塔顶前后位移,确定风力发电机组的阻尼桨距角;及根据阻尼桨距角和风力发电机组的变桨桨距角,对风力发电机组进行变桨控制,以至少对塔架的阻尼进行控制。可以降低阻尼控制成本。
Description
技术领域
本发明涉及风电领域,尤其涉及一种阻尼控制方法、系统和可读存储介质。
背景技术
塔架为风力发电机组的关键部件之一。目前,大型风力发电机组的塔架多为柔性塔架,这种塔架的前后阻尼较小,风力发电机组运行时,塔架会产生较为严重的振动,给塔架造成较大载荷,影响风力发电机组的可靠性和使用寿命。一些技术中,通过对塔架的前后阻尼进行控制,可以达到增加塔架的前后阻尼,减小塔架振动的目的。但这些技术中的塔架阻尼控制成本较高。
发明内容
本申请提供一种阻尼控制方法、系统和可读存储介质,可以降低塔架阻尼控制成本。
本申请提供一种阻尼控制方法,所述阻尼控制方法包括:
根据卡尔曼滤波算法、风力发电机组的状态方程和输出方程,确定所述风力发电机组的塔顶前后位移,其中,所述状态方程和所述输出方程包括表示塔顶前后位移的状态向量;
根据所述塔顶前后位移,确定所述风力发电机组的阻尼桨距角;
根据所述阻尼桨距角和所述风力发电机组的变桨桨距角,对所述风力发电机组进行变桨控制,以至少对所述塔架的阻尼进行控制。
本申请提供一种风力发电机组的控制器,包括一个或多个处理器,用于实现如上所述的阻尼控制方法。
本申请提供一种可读存储介质,其上存储有程序,该程序被处理器执行时,实现如上所述的模拟方法。
在一些实施例中,本申请的阻尼控制方法根据卡尔曼滤波算法、风力发电机组的状态方程和输出方程,确定风力发电机组的塔顶前后位移,再根据塔顶前后位移,确定风力发电机组的阻尼桨距角,根据阻尼桨距角对风力发电机组的塔架的阻尼进行控制。本申请通过卡尔曼滤波算法对风力发电机组的塔顶前后位移进行估计,可以无需设置加速度传感器检测塔顶前后加速度,从而降低了塔架阻尼控制成本。
附图说明
图1是相关技术中的风力发电机组的控制原理示意框图;
图2是本申请的一个实施例提供的阻尼控制方法的流程图;
图3是本申请的一个实施例提供的风力发电机组的控制原理示意框图;
图4是本申请一个实施例提供的控制器的模块框图。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施例并不代表与本说明书一个或多个实施例相一致的所有实施例。相反,它们仅是与如所附权利要求书中所详述的、本说明书一个或多个实施例的一些方面相一致的装置和方法的例子。
需要说明的是:在其他实施例中并不一定按照本说明书示出和描述的顺序来执行相应方法的步骤。在一些其他实施例中,其方法所包括的步骤可以比本说明书所描述的更多或更少。此外,本说明书中所描述的单个步骤,在其他实施例中可能被分解为多个步骤进行描述;而本说明书中所描述的多个步骤,在其他实施例中也可能被合并为单个步骤进行描述。
以下先对相关技术中的塔架前后阻尼控制原理进行说明。
在一些实施例中,风力发电机组的塔顶前后动态特性方程如表达式(1):
其中,FA表示风力发电机组的风轮轴向推力;
x表示风力发电机组的塔顶前后位移;
mt表示风力发电机组的塔架质量;
kt表示风力发电机组的塔架刚度;
Bt表示风力发电机组的塔架前后阻尼。
对于大型风力发电机组来说,表达式(1)中的塔架前后阻尼Bt较小,大型风力发电机组属于弱阻尼系统,风力发电机组运行过程中,会给塔架造成比较大的载荷。相关技术中,通过在风力发电机组原有的桨距角控制基础上,增加额外的桨距角控制,来对塔架前后阻尼Bt进行控制。即在风力发电机组原有的桨距角基础上,新增阻尼桨距角△β,以使风力发电机组的风轮在原有的轴向推力基础上产生额外的轴向推力△FA,如此增大塔架前后阻尼Bt。风力发电机组的塔顶前后动态特性方程如表达式(2):
将表达式(3)代入到表达式(2)中,可以得到表达式(4):
比较表达式(1)和表达式(4),可以看出风力发电机组的塔架前后阻尼从Bt增大为Bt+Bp,因此,通过新增阻尼桨距角△β,来增加额外的轴向推力△FA的方式,可以达到增大塔架前后阻尼的目的。
进一步的,上述阻尼桨距角△β可通过如下方法确定:
在一些实施例中,风轮轴向推力FA可以表示为表达式(5):
FA=f(v,β,w) (5)
其中,v表示风速;
β表示风力发电机组的桨距角;
w表示风力发电机组的风轮转速。
在运行平衡点处对上述表达式(5)进行线性化处理,并保持风速v和风轮转速w固定,可以得到表达式(6):
将表达式(6)代入到表达式(3)中,可以得到阻尼桨距角△β的表达式(7):
根据表达式(7),可以确定阻尼桨距角Δβ,从而可以对风力发电机组的桨距角进行额外控制。但风力发电机组的塔顶前后移动速度通常较难获取到,因此在实际应用中,通过加速度传感器测量风力发电机组的塔顶前后加速度再对塔顶前后加速度进行积分,得到塔顶前后移动速度
图1是相关技术中的风力发电机组的部分控制原理示意框图。参考图1,与风力发电机组连接的控制系统包括变速控制环、变桨控制环和阻尼控制环,其中:
变速控制环用于根据风力发电机机组的发电机实际转速wg,输出发电机转矩Te,对发电机的转矩进行控制。
变桨控制环用于根据发电机实际转速wg与发电机参考转速wref(额定发电转速)的转速偏差Δw,输出变桨桨距角βr,对风力发电机组进行变桨控制,以使发电机实际转速wg维持在发电机参考转速wref附近,进而使风力发电机组的实际功率维持在额定功率附近。
阻尼控制环用于对风力发电机组的塔顶前后加速度进行积分,得到塔顶前后移动速度再将塔顶前后移动速度乘以预设的增益系数,输出对应的阻尼控制桨距角Δβ,对风力发电机组进行额外的变桨控制,以对塔架前后阻尼进行控制。
在实际控制中,可以先将变桨桨距角βr和阻尼控制桨距角Δβ相加得到主控桨距角βd,再将主控桨距角βd作为风力发电机组的变桨系统的输入,由变桨系统根据主控桨距角βd,输出对应的桨距角β,对风力发电机组进行变桨控制,进而同时对发电机实际转速wg和塔架前后阻尼进行控制。
在一些实施例中,基于变速控制环输出的发电机转矩Te和变桨系统输出的桨距角β,对风力发电机组进行控制,同时,风力发电机组输出发电机实际转速wg作为控制反馈,以使变速控制环和变桨控制环根据实时的发电机实际转速wg对风力发电机组进行控制。
在图1中,变速控制环、变桨控制环和阻尼控制环对应的控制逻辑,可以设置于风力发电机组的主控制器中;变桨系统对应的控制逻辑,可以设置于风力发电机组的变桨控制器中。
图2是本申请的一个实施例提供的阻尼控制方法的流程图。图2所示的阻尼控制方法应用于风力发电机组的控制器,包括步骤S21至步骤S23。
步骤S21,根据卡尔曼滤波算法、风力发电机组的状态方程和输出方程,确定风力发电机组的塔顶前后位移,其中,状态方程和输出方程包括表示塔顶前后位移的状态向量。
卡尔曼滤波(Kalman filtering)算法是一种利用线性系统状态方程,通过系统输入输出观测数据,对系统状态进行最优估计的算法。本申请实施例,通过卡尔曼滤波算法,利用风力发电机组的状态方程和输出方程,对塔顶前后位移进行最优估计。
在一些实施例中,步骤21包括:根据卡尔曼滤波算法、与风力发电机组所在环境的实际风速对应的状态方程和输出方程,确定风力发电机组的塔顶前后位移。与风力发电机组所在环境的实际风速可以为当前风速。实际风速不同,对应的状态方程和输出方程不同,在不同风速下利用不同的状态方程和输出方程计算塔顶前后位移,如此使得本申请的阻尼控制方法具有较好的适应性,计算出的塔顶前后位移精确度较高。
在一些实施例中,风力发电机组的状态方程和输出方程可以通过模拟方法来确定。模拟方法可以应用于电子设备(例如电脑)。可以建立风力发电机组模型,并基于风力发电机组模型,确定风力发电机组的状态方程和输出方程。在一些实施例中,风力发电机组在不同风速下对应的状态方程和输出方程可以通过模拟方法来确定。基于风力发电机组模型,确定风力发电机组在不同风速下的状态方程和输出方程。
在一些实施例中,模拟方法包括:
1)根据风力发电机组的特性参数,生成风力发电机组模型。
在一些实施例中,可以通过运行FAST软件来生成风力发电机组模型。FAST软件自带多种风力发电机组模型。风力发电机组的特性参数作为FAST软件的输入参数,进行参数设置后,运行FAST软件,生成对应的风力发电机组模型。风力发电机组的特性参数包括但不限于风力发电机组的输出容量、叶片参数、塔架参数、以及用于模拟风力发电机组所在环境实际风速的湍流风模型等。比如,风力发电机组的输出容量为1.5MW,在FAST软件中将表示风力发电机组模型的输出容量的参数设置为1.5MW,FAST软件生成输出容量为1.5MW的风力发电机组模型。
在一些实施例中,结合参考图1,在步骤1)中生成的风力发电机组模型为风力发电机组的非线性气动模型,用于模拟图1中的风力发电机组。风力发电机组模型的输入变量包括风力发电机组所在环境的模拟风速V’、风力发电机组的模拟桨距角β’和发电机模拟转矩Te′。风力发电机组模型的输出变量包括风力发电机组的发电机模拟转速wg′。
2)根据预设风速和自由度,对风力发电机组模型进行线性化处理,得到风力发电机组在预设风速下对应的状态空间方程,状态空间方程包括风力发电机组的状态方程和输出方程。在一些实施例中,由于FAST软件具备从非线性风力发电机组模型中获取线性风力发电机组模型的能力,可以通过运行FAST软件,来对风力发电机组模型进行线性化处理。
在一些实施例中,可以设定多个预设风速。预设风速不同,对应的湍流风模型不同,得到的状态空间方程不同,进而对应的状态方程和输出方程不同。如此可以得到不同风速对应的状态方程和输出方程,从而在步骤S21中可以根据实际风速对应的状态方程和输出方程,确定风力发电机组的塔顶前后位移。
在一些实施例中,自由度包括风力发电机组的一阶塔顶前后位移(TwFADOF1),用于保证生成的状态方程和输出方程包括表示塔顶前后位移的状态向量。自由度还可以包括风力发电机组的一阶叶片叶尖拍打位移(FlapDOF1)和发电机旋转自由度(GenDOF)。一阶叶片叶尖拍打位移和发电机旋转自由度用于使线性化处理后的风力发电机组模型具有较为丰富的功能。可以理解的是,出于不同的模型设计考虑,自由度可以根据实际进行调整,比如在上述三个自由度的基础上,增加其他的自由度,以使线性化处理后的风力发电机组模型具有更加丰富的功能。
在一些实施例中,基于包括一阶叶片叶尖拍打位移、发电机旋转自由度和一阶塔顶前后位移的自由度,FAST软件对风力发电机组模型进行线性化处理后,输出的状态方程如表达式(8),对应的输出方程如表达式(9):
y=Cx+Du (9)
其中,
y表示风力发电机组的输出变量;
A表示系统矩阵,B表示控制矩阵,C表示输出矩阵,D表示直接转移矩阵。在FAST软件输出的状态方程和输出方程中,上述A、B、C、D为已知值。不同风速下的状态方程和输出方程,上述A、B、C、D可以至少部分不同。
将上述表达式(8)和(9)转换为离散化方程,使得可以利用卡尔曼滤波算法确定离散时刻的状态向量的取值(包括“x1:塔顶前后位移(m)”的取值)。离散化处理后的离散状态方程如表达式(10),对应的离散输出方程如表达式(11):
xk=Fk-1xk-1+Gk-1uk-1+wk-1 (10)
zk=Hk-1xk+vk (11)
其中,表达式(10)中,xk表示风力发电机组在k时刻的状态向量的值;xk-1表示风力发电机组在k-1时刻的状态向量的值;uk-1表示风力发电机组在k-1时刻的输入变量的值;wk-1为k-1时刻的噪声信号;Fk-1和Gk-1为状态方程的状态转移矩阵。对于不同风速下的离散状态方程,Fk-1、Gk-1和wk-1可以至少部分不同。
表达式(11)中,zk表示风力发电机组的输出变量在k时刻的值,在此为在k时刻的发电机转速wg,xk表示风力发电机组在k时刻的状态向量的值,vk表示风力发电机组在k时刻的噪声信号,Hk-1为输出方程的状态转换矩阵,Hk-1为已知的值。对于不同风速下的离散输出方程,Hk-1和vk可以至少部分不同。
通过模拟方法得到风力发电机组的状态方程和输出方程后,可以将不同风速对应的离散状态方程和离散输出方程,烧录到风力发电机组的主控制器中,以便在步骤S21中,由风力发电机组的主控制器根据风力发电机组的状态方程和输出方程,确定风力发电机组的塔顶前后位移。
根据卡尔曼滤波算法,基于k-1时刻的状态向量x的值和离散状态方程,可以得到k时刻的状态向量x的估计值;基于离散输出方程在k时刻的输出值,可以得到状态向量x在k时刻的观测值;根据状态向量x在k时刻的估计值和观测值,可以得到状态向量x在k时刻的最优估计值。在一些实施例中,可以根据卡尔曼滤波算法、状态方程、输出方程和状态向量的目标初始状态值,确定风力发电机组的塔顶前后位移。目标初始状态值是状态向量在0时刻的目标初始值。根据目标初始状态值,利用卡尔曼滤波算法,可以得到下一时刻的状态向量的值,进而如此得到再下一时刻的状态向量的值,从而可以得到各个离散时刻的状态向量的取值。在一些实施例中,不同风速对应不同的目标初始状态值。
在本申请一些实施例中,可以将状态向量在不同风速下的目标初始状态值烧录到风力发电机组的控制器中,控制器根据卡尔曼滤波算法、状态方程、输出方程和状态向量的目标初始状态值,确定风力发电机组的塔顶前后位移。在一些实施例中,可以将状态向量在不同风速下的目标初始状态值烧录到风力发电机组的控制器中,控制器根据卡尔曼滤波算法、实际风速对应的状态方程、实际风速对应的输出方程和实际风速对应的目标初始状态值,确定风力发电机组的塔顶前后位移。其中,目标初始状态值的确定,可参见后续相关描述,此处不赘述。
在其他一些实施例中,也可以是所有或多个风速对应相同的状态方程、输出方程和目标初始状态值。如此,以简化控制逻辑。
步骤S22,根据塔顶前后位移,确定风力发电机组的阻尼桨距角。
在一些实施例中,根据塔顶前后位移,确定风力发电机组的阻尼桨距角,包括:
根据所述塔顶前后位移和目标增益系数,确定所述风力发电机组的阻尼桨距角。在一些实施例中,可以根据塔顶前后位移,确定机舱前后速度;根据机舱前后速度和目标增益系数,确定风力发电机组的阻尼桨距角。在一些实施例中,将机舱前后速度和目标增益系数相乘,得到风力发电机组的阻尼桨距角。其中,目标增益系数的确定,可参见后续相关描述,此处不赘述。
步骤S23,根据阻尼桨距角和风力发电机组的变桨桨距角,对风力发电机组进行变桨控制,以至少对塔架的阻尼进行控制。
在一些实施例中,如图1相关描述,可以将阻尼桨距角与变桨桨距角相加,得到总桨距角,将总桨距角输入风力发电机组,以同时控制风力发电机组的发电机功率和塔架前后阻尼。
在另一些实施例中,可以将阻尼桨距角输入风力发电机组,由风力发电机组对阻尼桨距角与变桨桨距角进行相加,以根据相加得到的总桨距角,同时控制风力发电机组的发电机功率和塔架前后阻尼。
以下对如何确定目标初始状态值和目标增益系数进行说明。
在一些实施例中,上述建立的风力发电机组模型为风力发电机组的气动模型,可以通过Matlab软件搭建与风力发电机组的控制器对应的控制器模型。然后基于控制器模型和风力发电机组模型,来对风力发电机组的阻尼控制和非阻尼控制进行模拟,以确定目标初始状态值和目标增益系数。控制器模型可用于运行模拟方法。
在一些实施例中,目标初始状态值可以是通过如下的模拟方法来确定的:
1)根据卡尔曼滤波算法、状态方程、输出方程和备选初始状态值,确定风力发电机组的塔顶前后模拟位移。备选初始状态值为目标初始状态值的备选值,可以是根据人工经验进行确定的。
2)根据塔顶前后模拟位移,确定风力发电机组的阻尼模拟桨距角。
3)根据阻尼模拟桨距角、风力发电机组的变桨模拟桨距角和风力发电机组对应的风力发电机组模型,对风力发电机组的塔架的阻尼控制进行模拟,以确定阻尼控制下塔架的模拟载荷。和步骤S23类似,控制器模型可以将阻尼模拟桨距角和变桨模拟桨距角相加,得到模拟总桨距角,并将模拟总桨距角输入到风力发电机组模型,对风力发电机组的塔架的阻尼控制进行模拟。
在一些实施例中,阻尼控制模拟时,FAST软件可以根据风力发电机组模型的塔架载荷模拟数据,确定阻尼控制下塔架的模拟载荷。
4)根据风力发电机组的变桨模拟桨距角和风力发电机组模型,对塔架的非阻尼控制进行模拟,以确定非阻尼控制下塔架的模拟载荷。
在一些实施例中,在步骤4),输入到风力发电机组模型的桨距角未包括用于阻尼控制的桨距角,对塔架的非阻尼控制进行模拟。在这个模拟过程中,FAST软件可以根据风力发电机组模型的塔架载荷模拟数据,确定非阻尼控制下塔架的模拟载荷。非阻尼控制指对塔架未进行阻尼控制。
其中,目标初始状态值为满足如下条件时的备选初始状态值:
基于备选初始状态值对风力发电机组的阻尼控制进行模拟后,阻尼控制下塔架的模拟载荷小于非阻尼控制下塔架的模拟载荷。
表示基于该备选初始状态值对风力发电机组进行阻尼控制时,可以达到降低塔架前后载荷的目的。
若基于备选初始状态值,确定阻尼控制下塔架的模拟载荷大于或等于非阻尼控制下塔架的模拟载荷,表示该备选初始状态值不是目标值,因此对备选初始状态值进行调整,然后基于调整后的备选初始状态值,重新执行上述步骤1)至步骤4)的模拟方法,阻尼控制下塔架的模拟载荷小于非阻尼控制下塔架的模拟载荷。
在一些实施例中,不同风速可以对应不同的目标初始状态值。针对不同的风速,可以基于不同的备选初始状态值,分别执行上述步骤1)至步骤4)的模拟方法,以确定不同风速下对应的目标初始状态值。
在一些实施例中,目标增益系数可以是通过如下的模拟方法来确定的:
根据卡尔曼滤波算法、状态方程和输出方程,确定风力发电机组的塔顶前后模拟位移。
根据塔顶前后模拟位移和备选增益系数,确定风力发电机组的阻尼模拟桨距角。备选增益系数为目标增益系数的备选值,可以是根据人工经验进行确定的。
根据阻尼模拟桨距角、风力发电机组的变桨模拟桨距角和风力发电机组对应的风力发电机组模型,对风力发电机组的塔架的阻尼控制进行模拟,以确定阻尼控制下塔架的模拟载荷。
根据风力发电机组的变桨模拟桨距角和风力发电机组模型,对塔架的非阻尼控制进行模拟,确定非阻尼控制下塔架的模拟载荷。
目标增益系数为满足如下条件时的备选增益系数:
基于备选增益系数对风力发电机组的阻尼控制进行模拟后,阻尼控制下塔架的模拟载荷小于非阻尼控制下塔架的模拟载荷。
阻尼模拟载荷小于非阻尼模拟载荷的条件下的备选增益系数。
其中,上述确定目标增益系数的原理与确定目标初始状态值的原理类似,此处不赘述。
在一些实施例中,目标增益系数和目标初始状态值可以结合调整,模拟方法包括:
1)根据卡尔曼滤波算法、状态方程、输出方程和备选初始状态值,确定风力发电机组的塔顶前后模拟位移。
2)根据塔顶前后模拟位移和备选增益系数,确定风力发电机组的阻尼模拟桨距角。
3)根据阻尼模拟桨距角、风力发电机组的变桨模拟桨距角和风力发电机组对应的风力发电机组模型,对风力发电机组的塔架的阻尼控制进行模拟,以确定阻尼控制下塔架的模拟载荷。
4)根据风力发电机组的变桨模拟桨距角和风力发电机组模型,对塔架的非阻尼控制进行模拟,以确定非阻尼控制下塔架的模拟载荷。
其中,目标初始状态值和目标增益系数为满足如下条件时的备选初始状态值和备选增益系数:
基于备选初始状态值和备选增益系数对风力发电机组的阻尼控制进行模拟后,阻尼控制下塔架的模拟载荷小于非阻尼控制下塔架的模拟载荷。
表示基于该备选初始状态值和备选增益系数对风力发电机组进行阻尼控制时,可以达到降低塔架前后载荷的目的。
若基于备选初始状态值和备选增益系数,确定阻尼控制下塔架的模拟载荷大于或等于非阻尼控制下塔架的模拟载荷,表示该备选初始状态值和备选增益系数中的至少一个不是目标值,因此对备选初始状态值和备选增益系数分别进行调整,或是对备选初始状态值和备选增益系数的其中一个进行调整,然后基于调整后的备选初始状态值和备选增益系数,重新执行上述步骤1)至步骤4)的模拟方法,直至阻尼控制下塔架的模拟载荷小于非阻尼控制下塔架的模拟载荷。
在一些实施例中,不同风速可以对应不同的目标初始状态值和/或不同的目标增益系数。针对不同的风速,可以基于不同的备选初始状态值和/或不同的备选增益系数,分别执行上述步骤1)至步骤4)的模拟方法,以确定不同风速下对应的目标初始状态值和目标增益系数。
图3是本申请的一个实施例提供的风力发电机组的控制原理示意框图。
图3和图1类似,主要区别在于,本申请通过卡尔曼滤波算法确定出风力发电机组的塔顶前后位移,然后将塔顶前后位移作为阻尼控制环的输入,对塔顶前后位移进行微分后,得到塔顶前后速度,以确定风力发电机组的阻尼桨距角。
通过上述相关描述可知,在一些实施例中,本申请的阻尼控制方法根据卡尔曼滤波算法、风力发电机组的状态方程和输出方程,确定风力发电机组的塔顶前后位移,再根据塔顶前后位移,确定风力发电机组的阻尼桨距角,根据阻尼桨距角对风力发电机组的塔架的阻尼进行控制。本申请通过卡尔曼滤波算法对风力发电机组的塔顶前后位移进行估计,可以无需设置加速度传感器检测塔顶前后加速度,从而降低了塔架阻尼控制成本。而且通过卡尔曼滤波算法可以对塔顶前后位移进行最优估计,从而使得塔架阻尼控制的准确度高。
图4是本申请一个实施例提供的风力发电机组的控制器500的模块框图。
控制器500包括一个或多个处理器501,用于实现如上描述的阻尼控制方法。在一些实施例中,控制器500可以包括可读存储介质509,可读存储介质509可以存储有可被处理器501调用的程序,可以包括非易失性存储介质。
在一些实施例中,控制器500可以包括内存508和接口507。
在一些实施例中,控制器500还可以根据实际应用包括其他硬件。
本申请实施例的可读存储介质509,其上存储有程序,该程序被处理器501执行时,用于实现如上描述的阻尼控制方法。
本申请可采用在一个或多个其中包含有程序代码的可读存储介质509(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。可读存储介质509包括永久性和非永久性、可移动和非可移动媒体,可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。可读存储介质509的例子包括但不限于:相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。
以上所述仅为本说明书的较佳实施例而已,并不用以限制本说明书,凡在本说明书的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本说明书保护的范围之内。
以上所述仅为本说明书的较佳实施例而已,并不用以限制本说明书,凡在本说明书的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本说明书保护的范围之内。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
Claims (11)
1.一种阻尼控制方法,其特征在于,所述阻尼控制方法包括:
根据卡尔曼滤波算法、风力发电机组的状态方程和输出方程,确定所述风力发电机组的塔顶前后位移,其中,所述状态方程和所述输出方程包括表示塔顶前后位移的状态向量;
根据所述塔顶前后位移,确定所述风力发电机组的阻尼桨距角;及
根据所述阻尼桨距角和所述风力发电机组的变桨桨距角,对所述风力发电机组进行变桨控制,以至少对塔架的阻尼进行控制。
2.如权利要求1所述的阻尼控制方法,其特征在于,所述根据卡尔曼滤波算法、风力发电机组的状态方程和输出方程,确定所述风力发电机组的塔顶前后位移,包括:
根据所述卡尔曼滤波算法、所述状态方程、所述输出方程和所述状态向量的目标初始状态值,确定所述风力发电机组的塔顶前后位移。
3.如权利要求2所述的阻尼控制方法,其特征在于,所述目标初始状态值是通过模拟方法来确定的,所述模拟方法包括:
根据卡尔曼滤波算法、所述状态方程、所述输出方程和备选初始状态值,确定所述风力发电机组的塔顶前后模拟位移;
根据所述塔顶前后模拟位移,确定所述风力发电机组的阻尼模拟桨距角;
根据所述阻尼模拟桨距角、所述风力发电机组的变桨模拟桨距角和所述风力发电机组对应的风力发电机组模型,对所述风力发电机组的塔架的阻尼控制进行模拟,以确定阻尼控制下所述塔架的模拟载荷;
根据所述风力发电机组的变桨模拟桨距角和所述风力发电机组模型,对所述塔架的非阻尼控制进行模拟,以确定非阻尼控制下所述塔架的模拟载荷;
所述目标初始状态值为满足如下条件时的所述备选初始状态值:
基于所述备选初始状态值对所述风力发电机组的阻尼控制进行模拟后,阻尼控制下所述塔架的模拟载荷小于非阻尼控制下所述塔架的模拟载荷。
4.如权利要求1所述的阻尼控制方法,其特征在于,所述根据所述塔顶前后位移,确定所述风力发电机组的阻尼桨距角,包括:
根据所述塔顶前后位移和目标增益系数,确定所述风力发电机组的阻尼桨距角。
5.如权利要求4所述的阻尼控制方法,其特征在于,所述根据所述塔顶前后位移和目标增益系数,确定所述风力发电机组的阻尼桨距角,包括:
根据所述塔顶前后位移,确定机舱前后速度;
根据所述机舱前后速度和所述目标增益系数,确定所述风力发电机组的阻尼桨距角。
6.如权利要求4所述的阻尼控制方法,其特征在于,所述目标增益系数是通过模拟方法来确定的,所述模拟方法包括:
根据卡尔曼滤波算法、所述状态方程和所述输出方程,确定所述风力发电机组的塔顶前后模拟位移;
根据所述塔顶前后模拟位移和备选增益系数,确定所述风力发电机组的阻尼模拟桨距角;
根据所述阻尼模拟桨距角、所述风力发电机组的变桨模拟桨距角和所述风力发电机组对应的风力发电机组模型,对所述风力发电机组的塔架的阻尼控制进行模拟,以确定阻尼控制下所述塔架的模拟载荷;
根据所述风力发电机组的变桨模拟桨距角和所述风力发电机组模型,对所述塔架的非阻尼控制进行模拟,确定非阻尼控制下所述塔架的模拟载荷;
所述目标初始状态值为满足如下条件时的所述备选增益系数:
基于所述备选增益系数对所述风力发电机组的阻尼控制进行模拟后,阻尼控制下所述塔架的模拟载荷小于非阻尼控制下所述塔架的模拟载荷。
7.如权利要求3或6所述的阻尼控制方法,其特征在于,所述模拟方法包括:
根据所述风力发电机组的特性参数,生成所述风力发电机组模型;
根据预设风速和自由度,对所述风力发电机组模型进行线性化处理,得到所述风力发电机组在所述预设风速下对应的状态空间方程,所述状态空间方程包括所述风力发电机组的所述状态方程和所述输出方程。
8.如权利要求7所述的阻尼控制方法,其特征在于,所述自由度包括所述风力发电机组的一阶叶片叶尖拍打位移、发电机旋转自由度和一阶塔顶前后位移。
9.如权利要求1所述的阻尼控制方法,其特征在于,所述根据卡尔曼滤波算法、风力发电机组的状态方程和输出方程,确定所述风力发电机组的塔顶前后位移,包括:
根据卡尔曼滤波算法、与所述风力发电机组所在环境的实际风速对应的状态方程和输出方程,确定所述风力发电机组的塔顶前后位移。
10.一种风力发电机组的控制器,其特征在于,包括一个或多个处理器,用于实现如权利要求1-9中任一项所述的阻尼控制方法。
11.一种可读存储介质,其特征在于,其上存储有程序,该程序被处理器执行时,实现如权利要求1-9中任一项所述的阻尼控制方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111153169.7A CN113833606B (zh) | 2021-09-29 | 2021-09-29 | 阻尼控制方法、系统和可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111153169.7A CN113833606B (zh) | 2021-09-29 | 2021-09-29 | 阻尼控制方法、系统和可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113833606A true CN113833606A (zh) | 2021-12-24 |
CN113833606B CN113833606B (zh) | 2023-09-26 |
Family
ID=78967501
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111153169.7A Active CN113833606B (zh) | 2021-09-29 | 2021-09-29 | 阻尼控制方法、系统和可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113833606B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114427514A (zh) * | 2022-01-18 | 2022-05-03 | 武汉理工大学 | 用于抑制系统低频振荡的双馈风机本地阻尼控制系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080206051A1 (en) * | 2004-02-27 | 2008-08-28 | Tsuyoshi Wakasa | Wind Turbine Generator, Active Damping Method Thereof, and Windmill Tower |
CN103758699A (zh) * | 2014-02-20 | 2014-04-30 | 浙江运达风电股份有限公司 | 一种风力发电机组的桨距角控制方法及桨距角控制器 |
CN110456637A (zh) * | 2019-07-16 | 2019-11-15 | 大连理工大学 | 一种减小风机振动的自适应模糊多目标机电控制方法 |
CN110494648A (zh) * | 2017-02-10 | 2019-11-22 | 维斯塔斯风力系统集团公司 | 基于位置对机舱运动的减振 |
CN112128052A (zh) * | 2020-08-18 | 2020-12-25 | 明阳智慧能源集团股份公司 | 一种基于控制策略优化的风力发电机组塔架降载方法 |
CN113390376A (zh) * | 2020-03-13 | 2021-09-14 | 新疆金风科技股份有限公司 | 确定风力发电机组的机舱位移的方法、装置和系统 |
-
2021
- 2021-09-29 CN CN202111153169.7A patent/CN113833606B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080206051A1 (en) * | 2004-02-27 | 2008-08-28 | Tsuyoshi Wakasa | Wind Turbine Generator, Active Damping Method Thereof, and Windmill Tower |
CN103758699A (zh) * | 2014-02-20 | 2014-04-30 | 浙江运达风电股份有限公司 | 一种风力发电机组的桨距角控制方法及桨距角控制器 |
CN110494648A (zh) * | 2017-02-10 | 2019-11-22 | 维斯塔斯风力系统集团公司 | 基于位置对机舱运动的减振 |
CN110456637A (zh) * | 2019-07-16 | 2019-11-15 | 大连理工大学 | 一种减小风机振动的自适应模糊多目标机电控制方法 |
CN113390376A (zh) * | 2020-03-13 | 2021-09-14 | 新疆金风科技股份有限公司 | 确定风力发电机组的机舱位移的方法、装置和系统 |
CN112128052A (zh) * | 2020-08-18 | 2020-12-25 | 明阳智慧能源集团股份公司 | 一种基于控制策略优化的风力发电机组塔架降载方法 |
Non-Patent Citations (1)
Title |
---|
卓沛骏等: "基于卡尔曼滤波算法的风电机组塔顶位移监测方法", 《噪声与振动控制》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114427514A (zh) * | 2022-01-18 | 2022-05-03 | 武汉理工大学 | 用于抑制系统低频振荡的双馈风机本地阻尼控制系统 |
Also Published As
Publication number | Publication date |
---|---|
CN113833606B (zh) | 2023-09-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
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 | |
Barlas et al. | Model predictive control for wind turbines with distributed active flaps: incorporating inflow signals and actuator constraints | |
CN109416021B (zh) | 风力涡轮机的基于激光雷达的多变量前馈控制 | |
Van der Hooft et al. | Wind turbine control algorithms | |
US10302067B2 (en) | Model based controller for a wind turbine generator | |
CN104797813B (zh) | 使用入射风速估算的风轮机控制方法 | |
Wright et al. | Design of controls to attenuate loads in the controls advanced research turbine | |
CN113833606B (zh) | 阻尼控制方法、系统和可读存储介质 | |
CN112682254A (zh) | 一种基于动态多模型预测控制器的风机有功功率跟踪方法 | |
Lenfest et al. | Tuning of nacelle feedback gains for floating wind turbine controllers using a two-dof model | |
Kimball et al. | Results from the FOCAL experiment campaign 1: turbine control co-design | |
Branlard et al. | A digital twin solution for floating offshore wind turbines validated using a full-scale prototype | |
Fontanella et al. | A 6-DOFs hardware-in-the-loop system for wind tunnel tests of floating offshore wind turbines | |
Yuan et al. | Disturbance observer-based pitch control of wind turbines for enhanced speed regulation | |
KR101280764B1 (ko) | 풍속 피드포워드 제어를 이용한 풍력 터빈 제어 방법 및 그 장치 | |
CN113864114A (zh) | 半潜漂浮式风机协调控制方法、装置、设备及存储介质 | |
Lupton et al. | Improved linearised models of wind turbine aerodynamics and control system dynamics using harmonic linearisation | |
Magar et al. | Direct adaptive torque control for maximizing the power captured by wind turbine in partial loading condition | |
Dittmer et al. | A velocity quasiLPV-MPC algorithm for wind turbine control | |
Elmaati et al. | An integrator based wind speed estimator for wind turbine control | |
Bhatt et al. | Stochastic dynamical wake modeling for wind farms | |
CN111639428A (zh) | 带襟翼的风力发电机的动力学仿真方法、设备及介质 | |
JP2008273316A (ja) | 車両制御装置 | |
CN114060210B (zh) | 风电机组的降载控制方法、装置以及控制系统 | |
Bayati et al. | Hybrid HIL Testing of Floating Wind Turbines Within LIFES50+ Project |
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 |