CN114109717A - 基于边缘计算的智慧风电系统 - Google Patents
基于边缘计算的智慧风电系统 Download PDFInfo
- Publication number
- CN114109717A CN114109717A CN202111348998.0A CN202111348998A CN114109717A CN 114109717 A CN114109717 A CN 114109717A CN 202111348998 A CN202111348998 A CN 202111348998A CN 114109717 A CN114109717 A CN 114109717A
- Authority
- CN
- China
- Prior art keywords
- wind
- wind turbine
- turbine generator
- control unit
- voltage
- 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
- 238000004364 calculation method Methods 0.000 title claims abstract description 30
- 238000012423 maintenance Methods 0.000 claims abstract description 9
- 230000001360 synchronised effect Effects 0.000 claims description 17
- 238000000034 method Methods 0.000 claims description 7
- 238000005259 measurement Methods 0.000 claims description 6
- 230000007613 environmental effect Effects 0.000 claims description 4
- 238000004458 analytical method Methods 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 230000014509 gene expression Effects 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 3
- 230000008569 process Effects 0.000 claims description 3
- 239000000126 substance Substances 0.000 claims description 2
- 238000010248 power generation Methods 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 239000002028 Biomass Substances 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000011160 research 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
- F03D7/00—Controlling wind motors
-
- 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
- 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
- F05B2270/10—Purpose of the control system
- F05B2270/103—Purpose of the control system to affect the output of the engine
- F05B2270/1033—Power (if explicitly mentioned)
-
- 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)
- Control Of Eletrric Generators (AREA)
- Wind Motors (AREA)
Abstract
本公开提供一种基于边缘计算的智慧风电系统,所述智慧风电系统包括风电机组和边缘计算设备,所述边缘计算设备包括前端传感器和控制单元;所述前端传感器分别与所述风电机组和所述控制单元电连接;其中,所述前端传感器,用于采集所述风电机组的实际运行数据,并将所述实际运行数据发送至所述控制单元;所述控制单元,用于基于所述实际运行数据,采用卡尔曼算法对所述风电机组进行最大功率跟踪控制。基于卡尔曼预估算法对风力发电机组的最大功率点进行控制,有助于风力发电机快速准确跟踪最大功率点。此外,本公开还基于边缘计算,将控制算法布置在风力发电机运行现场,能及时为风电机组的运行提供更合适的运维方案,提高风能利用率。
Description
技术领域
本公开属于风力发电技术领域,具体涉及一种基于边缘计算的智慧风电系统。
背景技术
利用可再生能源电力如光伏、风能、生物质、潮汐发电等已成为解决全球能源危机和环境问题的有效方案。风力发电机组因其无污染、可获得性好、成本低等优点,在我国电力市场的占有率逐年攀升。然而风力发电系统的最大功率跟踪控制是一个挑战性课题,其对控制系统的鲁棒稳定性和抗扰性能要求很高。由于永磁同步发电机往往存在内部参数摄动和外部转矩扰动的问题,传统的MPPT方法无法实现快速准确跟踪风力发电机组的最大功率点,降低了风能利用率。为尽可能实现最大功率跟踪,达到提高风能最大利用效率的目的,有必要研究先进的风力发电机组MPPT控制方法和智慧化就地计算方案。
发明内容
本公开旨在至少解决现有技术中存在的技术问题之一,提供一种基于边缘计算的智慧风电系统。
本公开提供一种基于边缘计算的智慧风电系统,所述智慧风电系统包括风电机组和边缘计算设备,所述边缘计算设备包括前端传感器和控制单元;所述前端传感器分别与所述风电机组和所述控制单元电连接;其中,
所述前端传感器,用于采集所述风电机组的实际运行数据,并将所述实际运行数据发送至所述控制单元;
所述控制单元,用于基于所述实际运行数据,采用卡尔曼算法对所述风电机组进行最大功率跟踪控制。
在一些实施方式中,所述风电机组包括依次相连的风机、永磁同步发电机和交直流转换器,所述前端传感器分别与所述风机、所述永磁同步发电机和所述交直流转换器电连接。
在一些实施方式中,所述实际运行数据包括风机运行的环境条件、桨距角、永磁同步电机位置角、永磁同步发电机输出功率中的至少一者。
在一些实施方式中,所述边缘计算设备还包括云计算单元,所述云计算单元与所述控制单元电连接;
所述云计算单元,用于实现风电机组实际运行数据的就地分析计算,为风电机组提供实时合适的运维方案。
在一些实施方式中,所述云计算单元采用5G云计算。
在一些实施方式中,所述控制单元,具体还用于:
通过考虑卡尔曼预估器的增益矩阵A=1,B=M,C=1的标准形式,由VWN[k]和IWN[k]表示风能转化系统特征的状态空间表达式如下:
通过卡尔曼预估器预测风力发电机组最大功率点电压和误差协方差,以实现对所述风电机组进行最大功率跟踪控制。
在一些实施方式中,所述控制单元,用于通过卡尔曼预估器预测风力发电机组最大功率点电压和误差协方差,以实现对所述风电机组进行最大功率跟踪控制,包括:
(1)时间更新
误差协方差H[k]-计算公式如下:
H[k]-=H[k-1]+Q(4)
其中,Q为协方差过程噪声;
(2)测量更新
卡尔曼MPPT控制器的增益K[k]基于时间更新阶段的误差协方差H[k]-和测量噪声R得到:
K[k]=H[k]-·[H[k]-+R]-1 (5)
基于测量电压和时间更新k时刻的电压状态和误差协方差状态:
H[k]=(1-K[k])·H[k]- (7)
最后,更新后的电压VWN[k]将准确跟踪风力发电机组的最大功率点,即k时刻风力发电机组的最大功率点电压与参考电压相等:VWN[k]=VWN-ref。
本公开的基于边缘计算的智慧风电系统,基于卡尔曼预估算法对风力发电机组的最大功率点进行控制,有助于风力发电机快速准确跟踪最大功率点。此外,本公开还基于边缘计算,将控制算法布置在风力发电机运行现场,能及时为风电机组的运行提供更合适的运维方案,提高风能利用率。
附图说明
图1为本公开一实施例的基于边缘计算的智慧风电系统的结构示意图;
图2为本公开另一实施例的基于边缘计算的智慧风电系统的结构示意图。
具体实施方式
为使本领域技术人员更好地理解本公开的技术方案,下面结合附图和具体实施方式对本公开作进一步详细描述。
风机的工作原理是通过风轮将风能转换为机械能,再以转矩的形式输送到永磁同步发电机进行发电。传统地风力发电机组控制系统通常由风机、永磁同步发电机、交直流转换器、控制器及外界负载组成。
风力发电场的选址通常为迎风面的浅海区域、陆地迎风面的山坡等,具有人烟稀少环境恶劣、不方便人员的维护和故障检查及抢修等特点,从而导致许多风力发电机组故障率和运维成本较高。随着电网中风力发电机组的装机容量不断增长,通过加强监测系统、减少停机时间和指导预测性维护是十分必要的。边缘计算设备前端传感器、数据传输、监测云平台组成,具有即插即用、快速组网等优点。受益于蓬勃发展的边缘处理技术,可通过在风电场安装边缘计算设备及时感知风力发电机组运行状况,减少数据传输的损耗及时滞,进而提高风力发电机组的风能利用率。结合卡尔曼预估与边缘计算的风力发电机组MPPT控制框架如图2所示。
本实施例的一方面,如图1和图2所示,涉及一种基于边缘计算的智慧风电系统100,所述智慧风电系统100包括风电机组110和边缘计算设备120。
示例性的,如图1所示,所述风电机组110包括依次相连的风机111、永磁同步发电机112和交直流转换器113。所述边缘计算设备120包括前端传感器121和控制单元122。所述前端传感器121分别与所述风电机组110和所述控制单元122电连接。进一步地,所述前端传感器121分别与所述风机111、所述永磁同步发电机112和所述交直流转换器113电连接。
所述前端传感器121,用于采集所述风电机组110的实际运行数据,并将所述实际运行数据发送至所述控制单元122。所述控制单元122,用于基于所述实际运行数据,采用卡尔曼算法对所述风电机组110进行最大功率跟踪控制。
本公开的基于边缘计算的智慧风电系统,基于卡尔曼预估算法对风力发电机组的最大功率点进行控制,有助于风力发电机快速准确跟踪最大功率点。此外,本公开还基于边缘计算,将控制算法布置在风力发电机运行现场,能及时为风电机组的运行提供更合适的运维方案,提高风能利用率。
在一些实施方式中,所述实际运行数据包括风机运行的环境条件、桨距角、永磁同步电机位置角、永磁同步发电机输出功率中的至少一者。
示例性的,如图1和图2所示,所述边缘计算设备120还包括云计算单元123,所述云计算单元123与所述控制单元122电连接。所述云计算单元123,用于实现风电机组实际运行数据的就地分析计算,为风电机组提供实时合适的运维方案。所述云计算单元可以采用5G云计算。
在一些实施方式中,所述控制单元122,具体还用于:
假设风力发电控制系统的直流-直流变换器由卡尔曼最大功率跟踪算法产生的脉冲控制。在永磁同步电机风能系统中,整流器直流侧电压和功率分别与转子转速和转矩成正比。为了从永磁同步电机风系统中提取最大功率,采用卡尔曼算法对风力发电机组进行最大功率跟踪控制。
通过考虑卡尔曼预估器的增益矩阵A=1,B=M,C=1的标准形式,由VWN[k]和IWN[k]表示风能转化系统特征的状态空间表达式如下:
通过卡尔曼预估器预测风力发电机组最大功率点电压和误差协方差,以实现对所述风电机组进行最大功率跟踪控制。
在一些实施方式中,所述控制单元122,用于通过卡尔曼预估器预测风力发电机组最大功率点电压和误差协方差,以实现对所述风电机组进行最大功率跟踪控制,包括:
(1)时间更新
误差协方差H[k]-计算公式如下:
H[k]-=H[k-1]+Q (4)
其中,Q为协方差过程噪声;
(2)测量更新
卡尔曼MPPT控制器的增益K[k]基于时间更新阶段的误差协方差H[k]-和测量噪声R得到:
K[k]=H[k]-·[H[k]-+R]-1 (5)
基于测量电压和时间更新k时刻的电压状态和误差协方差状态:
H[k]=(1-K[k])·H[k]- (7)
最后,更新后的电压VWN[k]将准确跟踪风力发电机组的最大功率点,即k时刻风力发电机组的最大功率点电压与参考电压相等:VWN[k]=VWN-ref。
可以理解的是,以上实施方式仅仅是为了说明本公开的原理而采用的示例性实施方式,然而本公开并不局限于此。对于本领域内的普通技术人员而言,在不脱离本公开的精神和实质的情况下,可以做出各种变型和改进,这些变型和改进也视为本公开的保护范围。
Claims (7)
1.一种基于边缘计算的智慧风电系统,其特征在于,所述智慧风电系统包括风电机组和边缘计算设备,所述边缘计算设备包括前端传感器和控制单元;所述前端传感器分别与所述风电机组和所述控制单元电连接;其中,
所述前端传感器,用于采集所述风电机组的实际运行数据,并将所述实际运行数据发送至所述控制单元;
所述控制单元,用于基于所述实际运行数据,采用卡尔曼算法对所述风电机组进行最大功率跟踪控制。
2.根据权利要求1所述的智慧风电系统,其特征在于,所述风电机组包括依次相连的风机、永磁同步发电机和交直流转换器,所述前端传感器分别与所述风机、所述永磁同步发电机和所述交直流转换器电连接。
3.根据权利要求2所述的智慧风电系统,其特征在于,所述实际运行数据包括风机运行的环境条件、桨距角、永磁同步电机位置角、永磁同步发电机输出功率中的至少一者。
4.根据权利要求1至3任一项所述的智慧风电系统,其特征在于,所述边缘计算设备还包括云计算单元,所述云计算单元与所述控制单元电连接;
所述云计算单元,用于实现风电机组实际运行数据的就地分析计算,为风电机组提供实时合适的运维方案。
5.根据权利要求4所述的智慧风电系统,其特征在于,所述云计算单元采用5G云计算。
7.根据权利要求6所述的智慧风电系统,其特征在于,所述控制单元,用于通过卡尔曼预估器预测风力发电机组最大功率点电压和误差协方差,以实现对所述风电机组进行最大功率跟踪控制,包括:
(1)时间更新
误差协方差H[k]-计算公式如下:
H[k]-=H[k-1]+Q (4)
其中,Q为协方差过程噪声;
(2)测量更新
卡尔曼MPPT控制器的增益K[k]基于时间更新阶段的误差协方差H[k]-和测量噪声R得到:
K[k]=H[k]-·[H[k]-+R]-1 (5)
基于测量电压和时间更新k时刻的电压状态和误差协方差状态:
H[k]=(1-K[k])·H[k]- (7)
最后,更新后的电压VWN[k]将准确跟踪风力发电机组的最大功率点,即k时刻风力发电机组的最大功率点电压与参考电压相等:VWN[k]=VWN-ref。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111348998.0A CN114109717A (zh) | 2021-11-15 | 2021-11-15 | 基于边缘计算的智慧风电系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111348998.0A CN114109717A (zh) | 2021-11-15 | 2021-11-15 | 基于边缘计算的智慧风电系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114109717A true CN114109717A (zh) | 2022-03-01 |
Family
ID=80395391
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111348998.0A Pending CN114109717A (zh) | 2021-11-15 | 2021-11-15 | 基于边缘计算的智慧风电系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114109717A (zh) |
-
2021
- 2021-11-15 CN CN202111348998.0A patent/CN114109717A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Valenciaga et al. | Power control of a solar/wind generation system without wind measurement: A passivity/sliding mode approach | |
Blaabjerg et al. | Power converters and control of renewable energy systems | |
Fathabadi | Novel highly accurate universal maximum power point tracker for maximum power extraction from hybrid fuel cell/photovoltaic/wind power generation systems | |
CN102787974B (zh) | 用于风电变桨的全数字式交流永磁同步电机伺服驱动器 | |
CN105574610B (zh) | 一种风力发电机组优化启动控制方法 | |
CN102638195A (zh) | 一种太阳能发电系统控制装置及方法 | |
Ren et al. | Control strategy of maximum wind energy capture of direct-drive wind turbine generator based on neural-network | |
CN102255596A (zh) | 一种离网型双馈风力发电系统及其最大风能捕获方法 | |
Milivojevic et al. | Power and energy analysis of commercial small wind turbine systems | |
CN104967376A (zh) | 双馈风力发电机转子磁链无差拍故障运行方法 | |
CN102097826B (zh) | 电励磁双凸极风力发电系统的结构与控制方法 | |
CN202483794U (zh) | 垂直轴风力机旋转主轴振颤的机电协调抑制装置 | |
CN114109717A (zh) | 基于边缘计算的智慧风电系统 | |
Stefan et al. | Modeling of wind turbine generator with boost converter MPPT | |
Roy et al. | Challenges to diffusion of small wind turbines in India | |
CN101383577A (zh) | 电励磁双凸极风力发电机系统最大风能的跟踪控制方法 | |
CN206397645U (zh) | 船舶水轮机波浪能发电装置 | |
CN101702522A (zh) | 配有功率跟踪分析的小型风力发电机组 | |
CN104124710A (zh) | 一种基于功率预测的风电并网运行控制方法 | |
CN104079222B (zh) | 一种直驱式海洋波浪发电机输出功率的平稳方法 | |
Khan et al. | Investigation of advanced implementation of permanent magnet synchronous generator in renewable energy | |
Kumar et al. | Hybrid energy system simulation and modelling incorporating wind and solar power | |
CN111075648B (zh) | 一种混合励磁海上风力发电系统 | |
Porselvan et al. | Design and Simulation of VAWT based on Power Supply for EV | |
Eme et al. | Addendum of 2MW Wind Turbine to A Power with Directly-Driven Permanent Magnet Generation System |
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 |