CN114412721A - 一种风力发电机组叶轮等效风速观测方法 - Google Patents
一种风力发电机组叶轮等效风速观测方法 Download PDFInfo
- Publication number
- CN114412721A CN114412721A CN202111514297.XA CN202111514297A CN114412721A CN 114412721 A CN114412721 A CN 114412721A CN 202111514297 A CN202111514297 A CN 202111514297A CN 114412721 A CN114412721 A CN 114412721A
- Authority
- CN
- China
- Prior art keywords
- impeller
- matrix
- equation
- speed
- moment
- 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
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
- F03D17/00—Monitoring or testing of wind motors, e.g. diagnostics
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)
- Wind Motors (AREA)
Abstract
本发明公开了一种风力发电机组叶轮等效风速观测方法,包括:1)建立风力发电机组的叶轮转速微分方程和叶轮气动扭矩微分方程;2)求解叶轮气动扭矩微分方程中的偏微分系数;3)将微分方程离散化变换,结合偏微分系数,得到差分方程,应用差分方程得到预测矩阵、状态量的预测值;4)定义协方差矩阵的更新方程,基于更新方程得到新的协方差矩阵;5)建立测量方程组,基于测量方程得到测量矩阵;6)修正状态量的预测值,得到状态量的最优估计值;7)计算叶轮等效风速。本发明在不增加硬件传感器的情况下,利用线性系统状态方程,通过风力发电机组输入与输出的测量信号,对叶轮等效风速进行最优估计,作为叶轮平面的平均风速测量值。
Description
技术领域
本发明涉及风力发电的技术领域,尤其是指一种基于状态空间矩阵方程的风力发电机组叶轮等效风速观测方法。
背景技术
风力发电机组是将风能转化为电能的设备,作为可持续可再生的绿色能源,风力发电机组不断向大型化发展。风速作为重要的测量的准确性,对风力发电机组的正常运行和安全停机起着至关重要的作用。目前,大型化风力发电机组的风速测量仪一般是安装在机舱尾部,测量的风速受到叶轮的遮挡和尾流的干扰,且测得的风速信号为单点风速信号,不能代表整个叶轮平面的平均风速,因此测量的风速极不准确,难以满足控制对测量风速的要求。其它的方案是采用激光雷达安装在机舱上或轮毂内,虽然激光雷达可以准确的测量叶轮平面的平均风速,但增加激光雷达传感器设备将增加成本,并且激光雷达的可靠性还不能很好满足风力发电机组的要求。
发明内容
本发明的目的在于克服现有技术的缺点与不足,提供一种基于状态空间矩阵方程的风力发电机组叶轮等效风速观测方法,在不增加硬件传感器的情况下,利用线性系统状态方程,通过风力发电机组输入与输出的测量信号,对叶轮等效风速进行最优估计,作为叶轮平面的平均风速测量值,用于风力发电机组的可靠运行和控制。
为实现上述目的,本发明所提供的技术方案为:一种风力发电机组叶轮等效风速观测方法,包括以下步骤:
1)应用动力学方程,分别建立风力发电机组的叶轮转速微分方程和叶轮气动扭矩微分方程;
2)应用叶轮气动扭矩进行偏微分计算,求解叶轮气动扭矩微分方程中的偏微分系数;
3)将叶轮转速微分方程和叶轮气动扭矩微分方程进行离散化变换,结合步骤2)中的偏微分系数,得到差分方程,再应用差分方程得到预测矩阵、状态量的预测值;
4)用步骤3)的预测矩阵,定义协方差矩阵的更新方程,基于更新方程得到新的协方差矩阵;
5)用状态量与测量量之间的等式关系建立测量方程组,其中,状态量可能是不能直接测量的,但是能够通过建立测量方程间接反映;再基于测量方程得到测量矩阵;
6)用步骤5)得到的测量矩阵、测量量和步骤4)得到的协方差矩阵修正步骤3)中状态量的预测值,得到状态量的最优估计值;
7)用步骤6)得到的状态量的最优估计值,计算叶轮等效风速。
进一步,在步骤1)中,建立的叶轮转速微分方程和叶轮气动扭矩微分方程,如下:
在上式中,Jr是叶轮等效转动惯量,包括叶轮的转动惯量、齿轮箱等效到低速轴的转动惯量、高速轴及发电机转子等效到低速轴的转动惯量,即Jr是代表从叶轮到发电机整个传动系等效到低速轴叶轮侧的整体转动惯量,对于确定的风力发电机组,此参数为固定值;ωr是叶轮的转速,为风力发电机组在运行过程中的状态量,其转速不断变化,随风速的增加叶轮转速从切入转速到额定转速变化;Ta是叶轮气动扭矩,即叶轮在旋转过程中从风能中获得的驱动叶轮旋转的气动扭转力,叶轮气动扭矩为状态量,随外在的风况及机组的运行状态而改变;N是齿轮箱增速比,对于确定的机组为固定参数,即叶轮低的转速,经过齿轮箱的增速后得到高转速低扭矩,发电机在高速下运转而发电;Tg是发电机扭矩;β是叶轮桨叶的变桨角度,在风力发电机组运行过程中,叶轮桨叶的变桨角度在0度到90度之间变化;V是叶轮平面的等效风速,代表整个叶轮平面的风速的平均值;其中,叶轮气动扭矩是叶轮转速、变桨角度、风速的函数。
进一步,在步骤2)中,求解叶轮气动扭矩微分方程中的偏微分系数,如下:
在上式中,叶轮的气动扭矩Ta(ωr,β,V)是叶轮转速ωr、桨叶角度β和叶轮等效风速V的函数;ρ是空气密度,能够通过传感器测量得到,π是圆周率常量,R是叶轮半径,即整个叶轮扫略面积向着叶轮旋转轴线投影圆,其投影圆的半径就是R,对于确定的机组其叶轮半径R为常量,V是等效风速,为整个叶轮平面风速的平均值,代表叶轮平面感受到的风速的平均效果,Cq是扭矩系数,是叶尖速比λ和桨叶角度β的二维函数;当叶片的气动外形确定后,扭矩系数Cq为一个确定的二维曲面,能够通过气动计算程序输出得到;λ是叶尖速比,即叶片叶尖的线速度与等效风速的比值,λ=ωrR/V,其中,叶片叶尖线速度能够由叶轮转速ωr与叶轮半径R乘积得到。
进一步,在步骤3)中,将叶轮转速微分方程和叶轮气动扭矩微分方程进行离散化变换,结合步骤2)中的偏微分系数,得到差分方程,再应用差分方程得到预测矩阵、状态量的预测值,如下:
将以上方程组写成矩阵形式,得到如下的矩阵表达式,称为状态方程,状态方程用矩阵表达为:
对上述矩阵表达各部分作如下说明:
a、状态向量
状态向量xk-1是一个列向量,右下脚标k-1指在时间k-1时刻,表示机组在k-1时刻的状态量;状态向量是表示状态量在k时刻的预测值,是通过状态方程从k-1时刻的状态推导得到的k时刻的预测值,其中上标^表示预测值;ωr,k-1是指叶轮转速在k-1时刻的值,右下角标k-1表示在时间k-1时刻;在下一时刻,即k时刻由状态方程得到叶轮转速的预测值其中上标^表示预测值;Ta,k-1是指叶轮的气动扭矩在k-1时刻的值,右下角标k-1表示在时间k-1时刻;在下一时刻,即k时刻由状态方程得到叶轮的气动扭矩的预测值其中上标^表示预测值;
b、预测矩阵
预测矩阵Fk-1是一个二维方阵,右下脚标k-1指在时间k-1时刻的预测矩阵;在预测矩阵Fk-1中,第一行第一个元素是常数1;第一行第二个元素是时间步长Δt与叶轮等效转动惯量Jr的比值;第二行第一个元素是常量0;第二行第二个元素是时间步长Δt与叶轮等效转动惯量Jr的比值,再乘以叶轮气动扭矩Ta对叶轮转速ωr的偏微分;预测矩阵Fk-1为一个系数矩阵,它的每个元素在步骤2)的计算过程中完全确定,在每经过一个时间步长应更新预测矩阵Fk-1,即在k时刻矩阵更新为Fk;
c、控制矩阵
控制矩阵Bk-1是一个二维方阵,右下脚标k-1指在时间k-1时刻的控制矩阵;在控制矩阵Bk-1中,第一行第一个元素是-1与时间步长Δt乘积,乘以齿轮箱增速比N与叶轮等效转动惯量Jr的比值;第一行第二个元素是常量0;第二行第三个元素是-1与时间步长Δt乘积,乘以齿轮箱增速比N与叶轮等效转动惯量Jr的比值,再乘以叶轮气动扭矩Ta对叶轮转速ωr的偏微分;第二行第二个元素是时间步长Δt,乘以叶轮气动扭矩Ta对叶轮转速ωr的偏微分;控制矩阵Bk-1为一个系数矩阵,它的每个元素在步骤2)的计算过程中完全确定,每经过一个时间步长应更新预测矩阵Bk-1,即在k时刻矩阵更新为Bk;
d、控制向量
控制向量uk-1是一个列向量,右下脚标k-1指在时间k-1时刻,表示机组在k-1时刻的输入量;Tg,k-1是指机组的发电机扭矩在k-1时刻的测量值,在风力发电机组运行过程中实时测量得到;是指叶轮桨叶变桨速率在k-1时刻的测量值,在风力发电机组运行过程中实时测量得到;
状态方程能够简写为下方的表达式,称为预测方程:
进一步,在步骤4)中,定义协方差矩阵的更新方程,如下:
在上式中,p1,k-1是在k-1时刻叶轮转速是方差,p2,k-1和p3,k-1是在k-1时刻叶轮转速与叶轮气动扭矩的协方差,p2,k-1与p3,k-1数值相等,p4,k-1是在k-1时刻叶轮气动扭矩方差,q1为预测过程中风速变化引起叶轮转速不确定度,q2为预测过程中风速引起气动扭矩的不确定度,是在k时刻叶轮转速方差的预测值,和是在k时刻叶轮转速与叶轮气动扭矩协方差的预测值,与数值相等,是在k时刻叶轮气动扭矩方差的预测值;
若规定如下的矩阵:
则协方差矩阵方程能够简写为如下表达式:
协方差矩阵Pk-1是一个二维方阵,右下脚标k-1代表时刻k-1;新的不确定性矩阵由上一不确定性矩阵Pk-1通过预测矩阵Fk-1的变化得到,并加上外部环境的干扰即矩阵Q;是预测矩阵Fk-1的转置矩阵;矩阵Q是一个对角矩阵;协方差矩阵表示了机组状态的预测值的不确定度,通过协方差矩阵方程每个时间步长更新。
进一步,在步骤5)中,利用状态量与测量量之间的等式关系建立测量方程组,再基于测量方程得到测量矩阵,如下:
其中,是在k时刻的叶轮转速的预测值,是在k时刻机组发电机功率的预测值,ε是传动系效率,包括主轴承效率、齿轮箱效率和发电机效率,Jr是叶轮等效转动惯量,Δt是时间步长,是叶轮转速的变化速率,是在时刻k叶轮气动扭矩的预测值;
将以上测量方程写成矩阵表达式:
若将测量矩阵Hk表示如下:
测量方程能够简写为:
进一步,在步骤6)中,需建立如下的修正方程:
在修正方程中,ωr,k是叶轮转速在k时刻的最优估计值,是叶轮转速在k时刻的预测值,在步骤3)中计算得到,是叶轮转速在k时刻的测量值,由叶轮速度传感器直接测量得到,Ta,k是叶轮气动扭矩在k时刻的最优估计值,是叶轮气动扭矩在k时刻的预测值,在步骤3)中计算得到,是机组发电机功率在k时刻的测量值,由功率传感器直接测量得到,ε是传动系效率,Jr是叶轮等效转动惯量,是在k时刻叶轮转速的变化速率,Δt是计算时间步长,K是增益矩阵为二维方阵;
将修正方程简写成如下形式:
其中:
增益矩阵K表达式如下:
矩阵R作为对角矩阵,元素r1和r2表示作为可调参数,主要考虑了测量引入的不确定度;
协方差矩阵更新方程如下:
进一步,在步骤7)中,计算叶轮等效风速,如下:
Vk=(2Ta,k/ρπR3Cq(λk,βk))1/2
其中,Vk是在k时刻叶轮等效风速的观测值,Ta,k是在k时刻叶轮气动扭矩最优估计值,在步骤6)中计算得到,ρ是机组外界的空气密度,R是叶轮半径,Cq(λk,βk)是扭矩系数,通过叶尖速比λk和叶片变桨角度βk查表得到。
本发明与现有技术相比,具有如下优点与有益效果:
目前风力发电机组风速信号采用机舱尾部风速传感器,测量风速为单点风速且受到叶轮遮挡和尾流干扰,风速信号不能代表叶轮平面的平均风速。本发明针对以上不足,无需增加硬件传感器,将整个叶轮当做风速传感器,建立机组的状态空间方程,并利用可测量的信号(叶轮转速、发电机功率等),最优观测出叶轮等效风速,作为叶轮平面的平均风速测量值,用于风力发电机组的可靠运行和控制。
附图说明
图1为本发明方法的逻辑控制框图。
具体实施方式
下面结合具体实施例对本发明作进一步说明。
本实施例公开了一种风力发电机组叶轮等效风速观测方法,其逻辑见图1所示,叶轮等效风速观测的实现,需要建立如下的状态空间方程,首先是根据上一状态最优估计值来预测当前状态,其次是通过当前传感器测量数据修正状态估计值,需要如下的步骤:
步骤1:应用动力学方程,分别建立风力发电机组的叶轮转速微分方程和叶轮气动扭矩微分方程。
在上式中,Jr是叶轮等效转动惯量,包括叶轮的转动惯量、齿轮箱等效到低速轴的转动惯量、高速轴及发电机转子等效到低速轴的转动惯量;即Jr是代表从叶轮到发电机整个传动系等效到低速轴叶轮侧的整体转动惯量,对于确定的风力发电机组,此参数为固定值,可通过设计参数获得。ωr是叶轮的转速,为风力发电机组在运行过程中的状态量,其转速不断变化,随风速的增加叶轮转速从切入转速到额定转速变化。Ta是叶轮气动扭矩,即叶轮在旋转过程中从风能中获得的驱动叶轮旋转的气动扭转力;叶轮气动扭矩为状态量,随外在的风况及机组的运行状态而改变。N是齿轮箱增速比,对于确定的机组为固定参数;即叶轮较低的转速,经过齿轮箱的增速后得到高转速低扭矩,发电机在高速下运转而发电。Tg是发电机扭矩,β是叶轮桨叶的变桨角度,在风力发电机组运行过程中,叶轮桨叶的变桨角度在0度到90度之间变化。V是叶轮平面的等效风速,代表整个叶轮平面的风速的平均值。需要注意,叶轮气动扭矩是叶轮转速、变桨角度、风速的函数。
步骤2:应用叶轮气动扭矩进行偏微分计算,求解叶轮气动扭矩微分方程中的偏微分系数。
在上式中,叶轮的气动扭矩Ta(ωr,β,V)是叶轮转速ωr、桨叶角度β和叶轮等效风速V的函数。空气密度ρ可通过传感器测量得到。π是圆周率常量。R是叶轮半径,即整个风轮扫略面积向着叶轮旋转轴线投影圆,其投影圆的半径就是R,对于确定的机组其叶轮半径R为常量。V是等效风速,为整个叶轮平面风速的平均值,代表叶轮平面感受到的风速的平均效果。Cq是扭矩系数,是叶尖速比λ和桨叶角度β的二维函数;当叶片的气动外形确定后,扭矩系数Cq为一个确定的二维曲面,可以通过气动计算程序输出得到。λ是叶尖速比,即叶片叶尖的线速度与等效风速的比值,λ=ωrR/V;其中,叶片叶尖线速度可由叶轮转速ωr与叶轮半径R乘积得到。
步骤3:将叶轮转速微分方程和叶轮气动扭矩微分方程进行离散化变换,结合步骤2中的偏微分系数,得到差分方程。风力发电机组的控制系统是数字离散控制器,以固定的时间步长计算的处理器。因此,连续的微分方程必须转化成离散差分方程,以固定的时间步长进行更新迭代计算。再应用差分方程得到预测矩阵、状态量的预测值。
可以将以上方程组写成矩阵形式,得到如下的矩阵表达式,称为状态方程。状态方程用矩阵表达为:
对上述矩阵表达各部分作如下说明:
a、状态向量
状态向量xk-1是一个列向量,右下脚标k-1指在时间k-1时刻,表示机组在k-1时刻的状态量。状态向量是表示状态量在k时刻的预测值,是通过状态方程从k-1时刻的状态推导得到的k时刻的预测值,其中上标^表示预测值。ωr,k-1是指叶轮转速在k-1时刻的值,右下角标k-1表示在时间k-1时刻;在下一时刻,即k时刻由状态方程得到叶轮转速的预测值其中上标^表示预测值。Ta,k-1是指叶轮的气动扭矩在k-1时刻的值,右下角标k-1表示在时间k-1时刻;在下一时刻,即k时刻由状态方程得到叶轮的气动扭矩的预测值其中上标^表示预测值。
b、预测矩阵
预测矩阵Fk-1是一个二维方阵,右下脚标k-1指在时间k-1时刻的预测矩阵。在预测矩阵Fk-1中,第一行第一个元素是常数1;第一行第二个元素是时间步长Δt与叶轮等效转动惯量Jr的比值;第二行第一个元素是常量0;第二行第二个元素是时间步长Δt与叶轮等效转动惯量Jr的比值,再乘以叶轮气动扭矩Ta对叶轮转速ωr的偏微分。预测矩阵Fk-1为一个系数矩阵,它的每个元素在“步骤2”的计算过程中完全确定,在每经过一个时间步长应更新预测矩阵Fk-1,即在k时刻矩阵更新为Fk。
c、控制矩阵
控制矩阵Bk-1是一个二维方阵,右下脚标k-1指在时间k-1时刻的控制矩阵。在控制矩阵Bk-1中,第一行第一个元素是-1与时间步长Δt乘积,乘以齿轮箱增速比N与叶轮等效转动惯量Jr的比值;第一行第二个元素是常量0;第二行第三个元素是-1与时间步长Δt乘积,乘以齿轮箱增速比N与叶轮等效转动惯量Jr的比值,再乘以叶轮气动扭矩Ta对叶轮转速ωr的偏微分;第二行第二个元素是时间步长Δt,乘以叶轮气动扭矩Ta对叶轮转速ωr的偏微分。控制矩阵Bk-1为一个系数矩阵,它的每个元素在“步骤2”的计算过程中完全确定,每经过一个时间步长应更新预测矩阵Bk-1,即在k时刻矩阵更新为Bk。
d、控制向量
控制向量uk-1是一个列向量,右下脚标k-1指在时间k-1时刻,表示机组在k-1时刻的输入量。Tg,k-1是指机组发电机扭矩在k-1时刻的测量值,在风力发电机组运行过程中实时测量得到。是指叶轮桨叶变桨速率在k-1时刻的测量值,在风力发电机组运行过程中实时测量得到。
状态方程用可简写为下方的表达式,称为预测方程:
步骤4:用步骤3的预测矩阵,定义协方差矩阵的更新方程,基于更新方程得到新的协方差矩阵。
在上式中,p1,k-1是在k-1时刻叶轮转速是方差,p2,k-1和p3,k-1是在k-1时刻叶轮转速与叶轮气动扭矩的协方差,p2,k-1与p3,k-1数值相等,p4,k-1是在k-1时刻叶轮气动扭矩方差,q1为预测过程中风速变化引起叶轮转速不确定度,q2为预测过程中风速引起气动扭矩的不确定度,是在k时刻叶轮转速方差的预测值,和是在k时刻叶轮转速与叶轮气动扭矩协方差的预测值,与数值相等,是在k时刻叶轮气动扭矩方差的预测值。
若规定如下的矩阵:
则协方差矩阵方程可简写为如下表达式:
协方差矩阵Pk-1是一个二维方阵,右下脚标k-1代表时刻k-1。新的不确定性矩阵由上一不确定性矩阵Pk-1通过预测矩阵Fk-1的变化得到,并加上外部环境的干扰Q。是预测矩阵Fk-1的转置矩阵。矩阵Q是一个对角矩阵,协方差矩阵表示了机组状态的预测值的不确定度,通过协方差矩阵方程每个时间步长更新。
步骤5:用状态量与测量量之间的等式关系建立测量方程组,状态量可能是不可直接测量的,如气动扭矩;但是可以通过建立测量方程间接反映。再基于测量方程得到测量矩阵。
其中,是在k时刻的叶轮转速的预测值,是在k时刻机组发电机功率的预测值,ε是传动系效率,包括主轴承效率、齿轮箱效率、发电机效率,Jr是叶轮等效转动惯量,Δt是时间步长,是叶轮转速的变化速率,是在时刻k叶轮气动扭矩的预测值。
将以上测量方程写成矩阵表达式:
若将测量矩阵Hk表示如下:
测量方程可简写为:
步骤6:用步骤5得到的测量矩阵、测量量和步骤4得到的协方差矩阵修正步骤3中状态量的预测值,得到状态量的最优估计值。
在修正方程中,ωr,k是叶轮转速在k时刻的最优估计值,是叶轮转速在k时刻的预测值(由步骤3预测方程中计算得到),是叶轮转速在k时刻的测量值(由叶轮速度传感器直接测量得到),Ta,k是叶轮气动扭矩在k时刻的最优估计值,是叶轮气动扭矩在k时刻的预测值(由步骤3预测方程中计算得到),是机组发电机功率在k时刻的测量值(由功率传感器直接测量得到),ε是传动系效率,Jr是叶轮等效转动惯量,是在k时刻叶轮转速的变化速率,Δt是计算时间步长。K是增益矩阵为二维方阵。
将修正方程简写成如下形式:
其中:
增益矩阵K表达式如下:
矩阵R作为对角矩阵,元素r1和r2表示作为可调参数,主要考虑了测量引入的不确定度。
协方差矩阵更新方程如下:
步骤7:用步骤6得到的状态量的最优估计值,计算叶轮等效风速。
Vk=(2Ta,k/ρπR3Cq(λk,βk))1/2
其中,Vk是在k时刻叶轮等效风速的观测值,Ta,k是在k时刻叶轮气动扭矩最优估计值(在步骤6中计算得到),ρ是机组外界的空气密度,R是叶轮半径,Cq(λk,βk)是扭矩系数,通过叶尖速比λk和叶片变桨角度βk查表得到。
以上所述实施例只为本发明之较佳实施例,并非以此限制本发明的实施范围,故凡依本发明之形状、原理所作的变化,均应涵盖在本发明的保护范围内。
Claims (8)
1.一种风力发电机组叶轮等效风速观测方法,其特征在于,包括以下步骤:
1)应用动力学方程,分别建立风力发电机组的叶轮转速微分方程和叶轮气动扭矩微分方程;
2)应用叶轮气动扭矩进行偏微分计算,求解叶轮气动扭矩微分方程中的偏微分系数;
3)将叶轮转速微分方程和叶轮气动扭矩微分方程进行离散化变换,结合步骤2)中的偏微分系数,得到差分方程,再应用差分方程得到预测矩阵、状态量的预测值;
4)用步骤3)的预测矩阵,定义协方差矩阵的更新方程,基于更新方程得到新的协方差矩阵;
5)用状态量与测量量之间的等式关系建立测量方程组,其中,状态量可能是不能直接测量的,但是能够通过建立测量方程间接反映;再基于测量方程得到测量矩阵;
6)用步骤5)得到的测量矩阵、测量量和步骤4)得到的协方差矩阵修正步骤3)中状态量的预测值,得到状态量的最优估计值;
7)用步骤6)得到的状态量的最优估计值,计算叶轮等效风速。
2.根据权利要求1所述的一种风力发电机组叶轮等效风速观测方法,其特征在于:在步骤1)中,建立的叶轮转速微分方程和叶轮气动扭矩微分方程,如下:
在上式中,Jr是叶轮等效转动惯量,包括叶轮的转动惯量、齿轮箱等效到低速轴的转动惯量、高速轴及发电机转子等效到低速轴的转动惯量,即Jr是代表从叶轮到发电机整个传动系等效到低速轴叶轮侧的整体转动惯量,对于确定的风力发电机组,此参数为固定值;ωr是叶轮的转速,为风力发电机组在运行过程中的状态量,其转速不断变化,随风速的增加叶轮转速从切入转速到额定转速变化;Ta是叶轮气动扭矩,即叶轮在旋转过程中从风能中获得的驱动叶轮旋转的气动扭转力,叶轮气动扭矩为状态量,随外在的风况及机组的运行状态而改变;N是齿轮箱增速比,对于确定的机组为固定参数,即叶轮低的转速,经过齿轮箱的增速后得到高转速低扭矩,发电机在高速下运转而发电;Tg是发电机扭矩;β是叶轮桨叶的变桨角度,在风力发电机组运行过程中,叶轮桨叶的变桨角度在0度到90度之间变化;V是叶轮平面的等效风速,代表整个叶轮平面的风速的平均值;其中,叶轮气动扭矩是叶轮转速、变桨角度、风速的函数。
3.根据权利要求1所述的一种风力发电机组叶轮等效风速观测方法,其特征在于:在步骤2)中,求解叶轮气动扭矩微分方程中的偏微分系数,如下:
在上式中,叶轮的气动扭矩Ta(ωr,β,V)是叶轮转速ωr、桨叶角度β和叶轮等效风速V的函数;ρ是空气密度,能够通过传感器测量得到,π是圆周率常量,R是叶轮半径,即整个叶轮扫略面积向着叶轮旋转轴线投影圆,其投影圆的半径就是R,对于确定的机组其叶轮半径R为常量,V是等效风速,为整个叶轮平面风速的平均值,代表叶轮平面感受到的风速的平均效果,Cq是扭矩系数,是叶尖速比λ和桨叶角度β的二维函数;当叶片的气动外形确定后,扭矩系数Cq为一个确定的二维曲面,能够通过气动计算程序输出得到;λ是叶尖速比,即叶片叶尖的线速度与等效风速的比值,λ=ωrR/V,其中,叶片叶尖线速度能够由叶轮转速ωr与叶轮半径R乘积得到。
4.根据权利要求1所述的一种风力发电机组叶轮等效风速观测方法,其特征在于:在步骤3)中,将叶轮转速微分方程和叶轮气动扭矩微分方程进行离散化变换,结合步骤2)中的偏微分系数,得到差分方程,再应用差分方程得到预测矩阵、状态量的预测值,如下:
将以上方程组写成矩阵形式,得到如下的矩阵表达式,称为状态方程,状态方程用矩阵表达为:
对上述矩阵表达各部分作如下说明:
a、状态向量
状态向量xk-1是一个列向量,右下脚标k-1指在时间k-1时刻,表示机组在k-1时刻的状态量;状态向量是表示状态量在k时刻的预测值,是通过状态方程从k-1时刻的状态推导得到的k时刻的预测值,其中上标^表示预测值;ωr,k-1是指叶轮转速在k-1时刻的值,右下角标k-1表示在时间k-1时刻;在下一时刻,即k时刻由状态方程得到叶轮转速的预测值其中上标^表示预测值;Ta,k-1是指叶轮的气动扭矩在k-1时刻的值,右下角标k-1表示在时间k-1时刻;在下一时刻,即k时刻由状态方程得到叶轮的气动扭矩的预测值其中上标^表示预测值;
b、预测矩阵
预测矩阵Fk-1是一个二维方阵,右下脚标k-1指在时间k-1时刻的预测矩阵;在预测矩阵Fk-1中,第一行第一个元素是常数1;第一行第二个元素是时间步长Δt与叶轮等效转动惯量Jr的比值;第二行第一个元素是常量0;第二行第二个元素是时间步长Δt与叶轮等效转动惯量Jr的比值,再乘以叶轮气动扭矩Ta对叶轮转速ωr的偏微分;预测矩阵Fk-1为一个系数矩阵,它的每个元素在步骤2)的计算过程中完全确定,在每经过一个时间步长应更新预测矩阵Fk-1,即在k时刻矩阵更新为Fk;
c、控制矩阵
控制矩阵Bk-1是一个二维方阵,右下脚标k-1指在时间k-1时刻的控制矩阵;在控制矩阵Bk-1中,第一行第一个元素是-1与时间步长Δt乘积,乘以齿轮箱增速比N与叶轮等效转动惯量Jr的比值;第一行第二个元素是常量0;第二行第三个元素是-1与时间步长Δt乘积,乘以齿轮箱增速比N与叶轮等效转动惯量Jr的比值,再乘以叶轮气动扭矩Ta对叶轮转速ωr的偏微分;第二行第二个元素是时间步长Δt,乘以叶轮气动扭矩Ta对叶轮转速ωr的偏微分;控制矩阵Bk-1为一个系数矩阵,它的每个元素在步骤2)的计算过程中完全确定,每经过一个时间步长应更新预测矩阵Bk-1,即在k时刻矩阵更新为Bk;
d、控制向量
控制向量uk-1是一个列向量,右下脚标k-1指在时间k-1时刻,表示机组在k-1时刻的输入量;Tg,k-1是指机组的发电机扭矩在k-1时刻的测量值,在风力发电机组运行过程中实时测量得到;是指叶轮桨叶变桨速率在k-1时刻的测量值,在风力发电机组运行过程中实时测量得到;
状态方程能够简写为下方的表达式,称为预测方程:
5.根据权利要求1所述的一种风力发电机组叶轮等效风速观测方法,其特征在于:在步骤4)中,定义协方差矩阵的更新方程,如下:
在上式中,p1,k-1是在k-1时刻叶轮转速是方差,p2,k-1和p3,k-1是在k-1时刻叶轮转速与叶轮气动扭矩的协方差,p2,k-1与p3,k-1数值相等,p4,k-1是在k-1时刻叶轮气动扭矩方差,q1为预测过程中风速变化引起叶轮转速不确定度,q2为预测过程中风速引起气动扭矩的不确定度,是在k时刻叶轮转速方差的预测值,和是在k时刻叶轮转速与叶轮气动扭矩协方差的预测值,与数值相等,是在k时刻叶轮气动扭矩方差的预测值;
若规定如下的矩阵:
则协方差矩阵方程能够简写为如下表达式:
6.根据权利要求1所述的一种风力发电机组叶轮等效风速观测方法,其特征在于:在步骤5)中,利用状态量与测量量之间的等式关系建立测量方程组,再基于测量方程得到测量矩阵,如下:
其中,是在k时刻的叶轮转速的预测值,是在k时刻机组发电机功率的预测值,ε是传动系效率,包括主轴承效率、齿轮箱效率和发电机效率,Jr是叶轮等效转动惯量,Δt是时间步长,是叶轮转速的变化速率,是在时刻k叶轮气动扭矩的预测值;
将以上测量方程写成矩阵表达式:
若将测量矩阵Hk表示如下:
测量方程能够简写为:
7.根据权利要求1所述的一种风力发电机组叶轮等效风速观测方法,其特征在于:在步骤6)中,需建立如下的修正方程:
在修正方程中,ωr,k是叶轮转速在k时刻的最优估计值,是叶轮转速在k时刻的预测值,在步骤3)中计算得到,是叶轮转速在k时刻的测量值,由叶轮速度传感器直接测量得到,Ta,k是叶轮气动扭矩在k时刻的最优估计值,是叶轮气动扭矩在k时刻的预测值,在步骤3)中计算得到,是机组发电机功率在k时刻的测量值,由功率传感器直接测量得到,ε是传动系效率,Jr是叶轮等效转动惯量,是在k时刻叶轮转速的变化速率,Δt是计算时间步长,K是增益矩阵为二维方阵;
将修正方程简写成如下形式:
其中:
增益矩阵K表达式如下:
矩阵R作为对角矩阵,元素r1和r2表示作为可调参数,主要考虑了测量引入的不确定度;
协方差矩阵更新方程如下:
8.根据权利要求1所述的一种风力发电机组叶轮等效风速观测方法,其特征在于:在步骤7)中,计算叶轮等效风速,如下:
Vk=(2Ta,k/ρπR3Cq(λk,βk))1/2
其中,Vk是在k时刻叶轮等效风速的观测值,Ta,k是在k时刻叶轮气动扭矩最优估计值,在步骤6)中计算得到,ρ是机组外界的空气密度,R是叶轮半径,Cq(λk,βk)是扭矩系数,通过叶尖速比λk和叶片变桨角度βk查表得到。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111514297.XA CN114412721A (zh) | 2021-12-13 | 2021-12-13 | 一种风力发电机组叶轮等效风速观测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111514297.XA CN114412721A (zh) | 2021-12-13 | 2021-12-13 | 一种风力发电机组叶轮等效风速观测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114412721A true CN114412721A (zh) | 2022-04-29 |
Family
ID=81264776
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111514297.XA Pending CN114412721A (zh) | 2021-12-13 | 2021-12-13 | 一种风力发电机组叶轮等效风速观测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114412721A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115078759A (zh) * | 2022-07-20 | 2022-09-20 | 岚图汽车科技有限公司 | 一种测风系统、测风控制方法及相关设备 |
CN115345387A (zh) * | 2022-10-18 | 2022-11-15 | 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院) | 一种风场风速预测方法、装置及存储介质 |
-
2021
- 2021-12-13 CN CN202111514297.XA patent/CN114412721A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115078759A (zh) * | 2022-07-20 | 2022-09-20 | 岚图汽车科技有限公司 | 一种测风系统、测风控制方法及相关设备 |
CN115345387A (zh) * | 2022-10-18 | 2022-11-15 | 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院) | 一种风场风速预测方法、装置及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114412721A (zh) | 一种风力发电机组叶轮等效风速观测方法 | |
KR102044589B1 (ko) | 입사 풍속 평가에 의한 풍력 터빈을 제어하기 위한 방법 | |
CN107002636B (zh) | 用于估计风速,包括计算针对叶片扭转调节的桨距角的方法 | |
CN104936859B (zh) | 用于发动机的控制设备 | |
CN107709766A (zh) | 校准风力涡轮机的负载传感器的方法 | |
CN103850876A (zh) | 一种适用于无载荷测量的风电机组独立变桨控制方法 | |
CN108488035B (zh) | 永磁直驱风力发电机组失速和变桨混合控制方法 | |
CN110552850B (zh) | 一种基于风速提前测量的风电机组有功调节方法及装置 | |
KR100830518B1 (ko) | 풍력발전기의 풍속 추정 방법 | |
CN106795857A (zh) | 与确定风力涡轮机中的转子失衡有关的改善 | |
US11668284B2 (en) | Method of determining an induction factor for a wind turbine equipped with a lidar sensor | |
US11022100B2 (en) | System and method for controlling wind turbines | |
CN104214044A (zh) | 双馈式变速变桨风力发电机组的独立变桨距控制方法 | |
CN110145436A (zh) | 应用于风机的非线性经济模型预测控制方法 | |
CN104533716A (zh) | 一种基于卡尔曼滤波的独立变桨载荷控制方法 | |
CN110849575A (zh) | 一种风力机整机空气动力测定系统及方法 | |
DK2642121T3 (en) | A method of controlling a wind turbine by maximizing its production while minimizing the impact on the mechanical transmission | |
KR20170052339A (ko) | 고풍속 고난류에서의 풍력발전기 피치제어 방법 | |
CN111666716A (zh) | 大型风电机组叶轮面等效风速预测方法 | |
US11790138B2 (en) | Method of determining the wind speed in the rotor plane used for controlling a wind turbine | |
CN111120204B (zh) | 风力发电机组独立变桨四象限运行控制方法 | |
CN110263477B (zh) | 一种风力发电机组叶尖速比获取方法 | |
CN109753759B (zh) | 一种基于等效功率的风轮等效风速计算方法 | |
KR20120118996A (ko) | 풍속 피드포워드 제어를 이용한 풍력 터빈 제어 방법 및 그 장치 | |
JP6976899B2 (ja) | ウィンドファーム並びにその運転方法及び制御装置 |
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 |