CN114439692A - 漂浮式海上风电机组永磁直驱风电系统变桨距控制方法 - Google Patents
漂浮式海上风电机组永磁直驱风电系统变桨距控制方法 Download PDFInfo
- Publication number
- CN114439692A CN114439692A CN202210208162.9A CN202210208162A CN114439692A CN 114439692 A CN114439692 A CN 114439692A CN 202210208162 A CN202210208162 A CN 202210208162A CN 114439692 A CN114439692 A CN 114439692A
- Authority
- CN
- China
- Prior art keywords
- fuzzy
- pid
- power
- control
- controller
- 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
- 238000000034 method Methods 0.000 title claims abstract description 51
- 238000007667 floating Methods 0.000 title claims abstract description 19
- 230000008859 change Effects 0.000 claims abstract description 18
- 230000001537 neural effect Effects 0.000 claims abstract description 5
- 230000003252 repetitive effect Effects 0.000 claims description 39
- 238000012937 correction Methods 0.000 claims description 12
- 230000008569 process Effects 0.000 claims description 6
- 238000005352 clarification Methods 0.000 claims description 3
- 238000013016 damping Methods 0.000 claims description 3
- 230000002708 enhancing effect Effects 0.000 claims description 3
- 238000004088 simulation Methods 0.000 description 23
- 230000006870 function Effects 0.000 description 13
- 238000010586 diagram Methods 0.000 description 9
- 238000010248 power generation Methods 0.000 description 8
- 238000012546 transfer Methods 0.000 description 5
- 230000008901 benefit Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 230000005611 electricity Effects 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 2
- 238000013178 mathematical model Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000012938 design process Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000002401 inhibitory effect Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000010187 selection method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000010792 warming 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
- 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
- F03D7/044—Automatic control; Regulation by means of an electrical or electronic controller characterised by the type of control logic with PID control
-
- 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
- F03D7/04—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
- 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
- F03D7/046—Automatic control; Regulation by means of an electrical or electronic controller characterised by the type of control logic with learning or adaptive control, e.g. self-tuning, fuzzy logic or neural network
-
- 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)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Combustion & Propulsion (AREA)
- Sustainable Development (AREA)
- Sustainable Energy (AREA)
- Chemical & Material Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Fluid Mechanics (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Wind Motors (AREA)
Abstract
本发明公开了一种漂浮式海上风电机组永磁直驱风电系统变桨距控制方法,包括以下步骤:S1,获取发电机组的输出功率;S2,将发电机组的输出功率与额定功率进行差值运算得到发电机组的功率偏差,计算出一段时间内发电机组的功率偏差率;S3,设计一个双输入、三输出的模糊PID控制模型,将步骤S2中得到的功率偏差和功率偏差率输入模糊PID控制模型,模糊PID控制模型通过神经模糊推理做出相应决策,在线调整PID参数,以满足不同时刻的功率偏差和功率偏差率对PID参数的自整定要求,从而得到桨距角变化目标的最佳调整;S4,重复补偿控制,将基于内模原理的重复控制嵌入模糊PID控制中,形成基于重复补偿的模糊PID控制。
Description
技术领域
本发明属于风力发电技术领域,具体涉及一种漂浮式海上风电机组永磁直驱风电系统变桨距控制方法。
背景技术
随着传统化石能源的衰竭和环境污染、全球气候变暖等问题的加剧,能源问题已经成为世界各国经济和社会发展面临的严峻挑战。风能是储量较大,技术条件较成熟,开发成本较低的一种可再生能源。以风电等为代表的分布式发电作为清洁环保的灵活发电方式,已成为世界各国政府、工业界和学术界关注的焦点。风力发电需求的快速上升,对风机的单机容量提出了更高的要求,由此也促使了风机本身的结构尺寸急剧增大,最明显的特征就是塔筒高度越来越高,风轮直径越来越大。风机工作时承受的载荷多为随时间和空间变化的载荷,其构件多为高周疲劳构件,因此不仅要满足极限强度的要求,也要满足疲劳强度的要求在风电场层面,如何通过对风力发电机的合理控制来减少实现风能的最大化利用,并同时降低风电运维成本,已成为风电产业越来越关注的问题。
现代风力发电兴起于20世纪70年代,经过多年的发展从最初的定桨距到现在的变桨距,从恒速恒频到如今的变速恒频,风力发电技术已较为成熟,基本实现了风力发电机组从能够向电网供电到理想地向电网供电的最终目标。
近年来变桨距机组逐渐成为风力发电的主流机型。为了保证大中型风力发电机组在额定风速以上安全运行并能稳定地输出额定功率,通常采用变桨距控制方式即通过改变风轮桨叶桨距角进而改变风力机风能利用系数,使机组输出功率保持稳定。
漂浮式海上风电机组由于其特殊的工作环境,其实际输出功率与额定功率经常存在偏差,在额定风速以上时,漂浮式海上风电机组永磁直驱风电系统的控制目标是实现恒功率运行,为了更好的实现对风电系统的功率调节,通常采用变桨距控制方式。
电动变桨距风力发电机组大多数是采用变增益PI或PID变桨距控制方式,通过测量偏差来调整叶片桨距角,改变气流对叶片的攻角,从而改变风轮获得的空气动力转矩使机组输出功率保持稳定。风机风能利用系数和输入桨距角存在高次强耦合的非线性关系,风机变桨距执行机构是一个大惯性系统,滞后严重,且风机工作环境通常比较恶劣,外界干扰严重。因此,风机模型的参数和变桨距执行机构均存在不确定性。传统的PID控制的控制精度严重依赖于对被控对象的精确建模,在模型参数存在不确定和外界干扰严重的情况下,控制精度难以得到保证。
变速变桨距风力发电机组是一个非线性、多变量、时变的复杂系统,因此很难建立精确的数学模型。对于风力发电机组的变桨距系统而言,传统的PID反馈控制方法存在反馈信号校正动作滞后的问题,即只有当机组实际功率与功率设定值出现偏差时,控制器才会开始调节。由于变桨系统的惯性和迟延,造成控制过程动态调节时间长、超调量大。另外,风力发电机组在变桨过程中不可避免会对风力发电机组造成载荷冲击,对于大型变速变桨距风力发电机组的变桨控制,如何能在提高功率品质的同时,降低风力发电机组关键部位的载荷成为主要问题。
因此,设计一种漂浮式海上风电机组永磁直驱风电系统变桨距控制方法,以解决现有技术存在的问题,具有重要的理论和现实意义。
发明内容
本发明的目的是针对现有技术存在的问题,提供一种漂浮式海上风电机组永磁直驱风电系统变桨距控制方法。
为实现上述目的,本发明采用的技术方案是:
一种漂浮式海上风电机组永磁直驱风电系统变桨距控制方法,包括以下步骤:
S1,获取发电机组的输出功率;
S2,将发电机组的输出功率与额定功率进行差值运算得到发电机组的功率偏差e,计算出Δt时间内发电机组的功率偏差率ec;
S3,设计一个双输入、三输出的模糊PID控制模型,将步骤S2中得到的功率偏差e和功率偏差率ec输入模糊PID控制模型,模糊PID控制模型通过神经模糊推理做出相应决策,在线调整PID参数Kp、Ki、Kd,以满足不同时刻的功率偏差e和功率偏差率ec对PID参数的自整定要求,从而得到桨距角变化目标的最佳调整;
S4,重复补偿控制,将基于内模原理的重复控制嵌入模糊PID控制中,形成基于重复补偿的模糊PID控制。
具体地,步骤S3中,所述模糊PID控制模型包括T-S模糊控制器和PID控制器;所述T-S模糊控制器根据输入的功率偏差e和功率偏差率ec,对PID参数Kp、Ki、Kd进行调节,再经过模糊化、模糊推理和函数清晰化输出三个参数的修正量;再把三个参数的修正量输入PID控制器中,对三个参数进行实时的整定。
进一步地,所述T-S模糊控制器的规则表示为:
if e is Ai1,ec is Ai2,then ui=f(e,ec)=ci0+ci1e+ci2ec
其中,Ai1、Ai2为第i条规则中的两个模糊集合;ci0、ci1和ci2是常系数,根据实测数据辨识确定,用于反映系统的固有属性;
假设系统有n条规则,当某次输入触发了其中l条,l<n,则系统的总输出为:
其中,wi为每条规则的权重:
wi=RiAi1(e)Ai2(ec)
Ri为权重因子。
进一步地,所述PID控制器对三个参数的修正量进行整定的公式如下:
Kp=Kp0+k′p
Ki=Ki0+k′i
Kd=Kd0+k′d
其中,Kp0、Ki0、Kd0为初始PID参数;k′p、k′i、k′d为PID参数的修正量。
具体地,步骤S4中,所述基于内模原理的重复控制中,除了加到被控对象上的当前时刻的误差信号外,还叠加了上一时刻的误差信号,形成具有时滞环节的正反馈,在时滞环节串联二阶低通滤波器,以抑制重复控制作用在高频段的增益。
进一步地,所述二阶低通滤波器表示为:
其中,ξ为低通滤波器的阻尼比,ωc为低通滤波器的截止频率。
进一步地,所述重复控制器得到的控制信号需经过一定延迟时间后才输出,设置重复补偿控制器在所述延迟时间内对二阶低通滤波器的输出经过重复PID后再输出,且在再输出前进行补偿。
进一步地,所述重复补偿控制器表示为:
其中,K为重复控制器增益,1/(Ts+1)为滤波器;
所述重复控制器增益K用于为控制对象提供幅值补偿,K值的大小会影响系统的稳定范围、收敛速度和稳态误差;K值越小,系统越稳定但稳定范围变大;K值越大,系统收敛速度越快;
所述滤波器用于衰减高频信号,增强系统的抗干扰能力,提高系统的稳定性。
与现有技术相比,本发明的有益效果是:本发明基于内模原理的重复控制通过对控制误差的补偿,来减小误差,从而降低控制系统的稳态误差,抑制负载的扰动,重复控制系统中除了加到被控对象上的当前时刻的误差信号外还叠加了上一时刻的误差信号。由于重复控制是由具有时滞环节的正反馈构成的,系统的开环传递函数在虚轴上含有无数个极点,故系统对任何输入信号和干扰信号的系统误差趋于零,鲁棒性较强,而在时滞环节串联一个低通滤波器,同时以期减小重复控制作用在高频段的增益,进而保证了系统稳定性,即便系统内部出现干扰,在解除干扰对输出信号的影响所需要经过延迟的那段时间内,将基于内模原理的重复控制嵌入到基于神经网络生成模糊推理自调整PID闭环控制中,形成基于重复补偿神经模糊PID控制,使得系统仍然处于闭环状态,干扰出现后的延迟时间内,模糊PID对输出误差进行实时的控制调节,系统在稳定状态下时,重复补偿控制器可以进行调节,从而使稳态状态下输出信号能够很好地跟踪输入信号;当有较大的干扰时,模糊PID能够调节输入信号,从而使信号误差减小,提升系统的跟踪精度。
附图说明
图1为本发明漂浮式海上风电机组永磁直驱风电系统变桨距控制方法的流程示意图。
图2为基本重复控制器的示意框图。
图3为本发明实施例中加入前馈项后重复控制器的示意框图。
图4为本发明实施例中T-S模糊PID控制器的结构示意框图。
图5为本发明实施例中功率偏差e和功率偏差率ec的隶属度函数示意图。
图6为本发明实施例中kp′、ki′和kd′仿真输出的三维图像示意图。
图7为本发明实施例中上海洋山港2019年5月至11月实测风速示意图。
图8为本发明实施例中阶跃风速模拟示意图。
图9为本发明实施例中在阶跃风速下分别采用PID变桨控制、T-S模糊PID控制和重复T-S模糊PID控制方法进行仿真后的叶尖速比对比图。
图10为本发明实施例中在阶跃风速下分别采用PID变桨控制、T-S模糊PID控制和重复T-S模糊PID控制方法进行仿真后的风能利用系数对比图。
图11为本发明实施例中在阶跃风速下分别采用PID变桨控制、T-S模糊PID控制和重复T-S模糊PID控制方法进行仿真后的桨距角对比图。
图12为本发明实施例中在阶跃风速下分别采用PID变桨控制、T-S模糊PID控制和重复T-S模糊PID控制方法进行仿真后的发电机转速对比图。
图13为本发明实施例中在阶跃风速下分别采用PID变桨控制、T-S模糊PID控制和重复T-S模糊PID控制方法进行仿真后的风机输出功率对比图。
图14为本发明实施例中随机风速模拟示意图。
图15为本发明实施例中在随机风速下分别采用传统PID变桨控制和重复T-S模糊PID控制方法进行仿真后的叶尖速比对比图。
图16为本发明实施例中在随机风速下分别采用传统PID变桨控制和重复T-S模糊PID控制方法进行仿真后的风能利用系数对比图。
图17为本发明实施例中在随机风速下分别采用传统PID变桨控制和重复T-S模糊PID控制方法进行仿真后的桨距角对比图。
图18为本发明实施例中在随机风速下分别采用传统PID变桨控制和重复T-S模糊PID控制方法进行仿真后的发电机转速对比图。
图19为本发明实施例中在随机风速下分别采用传统PID变桨控制和重复T-S模糊PID控制方法进行仿真后的风机输出功率对比图。
具体实施方式
下面将结合本发明中的附图,对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动条件下所获得的所有其它实施例,都属于本发明保护的范围。
如图1所示,本实施例提供了一种漂浮式海上风电机组永磁直驱风电系统变桨距控制方法,包括以下步骤:
S1,获取发电机组的输出功率;
S2,将发电机组的输出功率与额定功率进行差值运算得到发电机组的功率偏差e,计算出Δt时间内发电机组的功率偏差率ec;
S3,设计一个双输入、三输出的模糊PID控制模型,将步骤S2中得到的功率偏差e和功率偏差率ec输入模糊PID控制模型,模糊PID控制模型通过神经模糊推理做出相应决策,在线调整PID参数Kp、Ki、Kd,以满足不同时刻的功率偏差e和功率偏差率ec对PID参数的自整定要求,从而得到桨距角变化目标的最佳调整;
S4,重复补偿控制,将基于内模原理的重复控制嵌入模糊PID控制中,形成基于重复补偿的模糊PID控制。
具体地,步骤S3中,所述模糊PID控制模型包括T-S模糊控制器和PID控制器;所述T-S模糊控制器根据输入的功率偏差e和功率偏差率ec,对PID参数Kp、Ki、Kd进行调节,再经过模糊化、模糊推理和函数清晰化输出三个参数的修正量;再把三个参数的修正量输入PID控制器中,对三个参数进行实时的整定。
T-S模糊PID控制是将Takagi-Sugeno(T-S)模糊逻辑控制和传统PID控制相结合的复合控制方法,控制器的结构如图4所示;
T-S模糊模型的主要思想是将复杂的非线性问题转为在许多不同小段上的线性问题。T-S模糊推理系统与Mamdani型模糊推理系统相比计算较简单,便于对其进行数学分析和描述,利于与常规的PID控制、自适应控制等方法结合,具有自适应控制能力的优点。
T-S模糊控制的典型模糊条件语句为:
if x1 is A1,...,xn is An,then u=f(x1,...,xn)
可以看到控制规则不完全靠语言描述,推理结论不是模糊集合,而是f(x1,...,xn)的值。其中,x1为输出功率的误差e,x2为误差变化率ec;则第i条控制规则可以写为:
if e is Ai1,ec is Ai2,then ui=f(e,ec)=ci0+ci1e+ci2ec
其中,Ai1、Ai2为第i条规则中的两个模糊集合;ci0、ci1和ci2是常系数,根据实测数据辨识确定,用于反映系统的固有属性;
假设系统有n条规则,当某次输入触发了其中l条,l<n,则系统的总输出为:
其中,wi为每条规则的权重:
wi=RiAi1(e)Ai2(ec)
Ri为权重因子。
进一步地,所述PID控制器对三个参数的修正量进行整定的公式如下:
Kp=Kp0+k′p
Ki=Ki0+k′i
Kd=Kd0+k′d
其中,Kp0、Ki0、Kd0为初始PID参数;k′p、k′i、k′d为PID参数的修正量。
本实施例中,定义输入变量e和ec的模糊论域均为{-3,3}。输入和输出均采用七个语言值变量,分别为:{负大,负中,负小,零,正小,正中,正大},英文缩写为{NB,NM,NS,Z0,PS,PM,PB}。隶属度函数采用三角形函数和高斯型函数相结合函数,输入变量的隶属度函数如图5所示。如图6所示分别是kp′、ki′和kd′仿真输出的三维图像。
PID控制器的三个参数Kp、Ki和Kd的模糊规则控制表如下表1所示:
表1 Kp、Ki和Kd的模糊规则控制表
本实施例将输出功率的误差e和误差变化率ec作为输入变量,对系统模糊化使精确输入量转换成模糊量,用对应的模糊集合来表示。风电机组功率的波动范围一般应控制在10%以内,本实施例的直驱式风力发电机额定功率为160KW,则误差的范围设置为{-16KW,16KW},对应误差变化率的范围设置为{-32KW/s,+32KW/s}。
本实施例中误差e和误差变化率ec的模糊论域均为{-3,3},则可以得到误差和误差变化率的比例因子为:
具体地,步骤S4中,所述基于内模原理的重复控制中,除了加到被控对象上的当前时刻的误差信号外,还叠加了上一时刻的误差信号,形成具有时滞环节的正反馈,在时滞环节串联二阶低通滤波器,以抑制重复控制作用在高频段的增益。
Q(s)作为延时环节的系数,通常有两种选取方法,即小于1的常数和低通滤波器。在实际的应用过程中,为了减少设计过程的复杂性一般常取Q(s)为小于1的常数,在工程应用中通常0.95<Q(s)<0.98。当Q(s)取常数时,虽然提高了系统的稳定性和鲁棒性,但系统仍然存在一定的稳态误差,不能实现系统的无静差控制。如果Q(s)是低通滤波器可以增强系统的低频谐波抑制能力,提高基波幅值精度。
进一步地,所述二阶低通滤波器表示为:
其中,ξ为低通滤波器的阻尼比,ωc为低通滤波器的截止频率。
进一步地,所述重复控制器得到的控制信号需经过一定延迟时间后才输出,设置重复补偿控制器在所述延迟时间内对二阶低通滤波器的输出经过重复PID后再输出,且在再输出前进行补偿。
进一步地,所述重复补偿控制器表示为:
其中,K为重复控制器增益,1/Ts+1为滤波器;
所述重复控制器增益K用于为控制对象提供幅值补偿,K值的大小会影响系统的稳定范围、收敛速度和稳态误差;K值越小,系统越稳定但稳定范围变大;K值越大,系统收敛速度越快;
所述滤波器用于衰减高频信号,增强系统的抗干扰能力,提高系统的稳定性。
重复控制是在内模控制的基础上形成的一种控制方法。其核心是内部模型(简称内模)内模指的是在闭环控制系统中引入的外部输入信号数学模型。为了构成高精度的控制系统,使其可以无静差地跟踪期望的给定信号或抑制干扰,则当系统的控制器中包含有外部信号的动力学模型时便可以实现,这就是内模原理的思想。对于一个实际的系统,其输入信号的频率一般都不是单一的,如果想要使系统实现无静差的特性,那么就需要对每一种频率的信号设置一个内模,这样不仅内模数量很大,实现也困难。鉴于此,内模一般采取下列形式:
其中,Td为外部周期信号的基波周期,上式采用传递函数框图表示如图2所示;P(s)为控制对象的传递函数,D(s)为扰动信号。
为了改善控制系统的快速性和稳定性,通常在重复控制器中加入前馈项,如图3所示,传递函数为:
当前馈项a(s)取为1时,传递函数为:
为了验证本实施例提出的控制方法的可行性,以直驱式永磁同步风力发电系统为对象,使用Matlab-R2018a平台进行仿真实验,通过Simulink建立PMSG系统模型。如图7所示为上海洋山港2019年5月1日至11月1日的实测风速,可以看到其平均风速为10.44m/s,风速范围主要分布在5m/s到15m/s,因此,本实施例仿真使用的风速范围为9m/s到17m/s,并且分别使用模拟出的阶跃风速和随机风速进行仿真。
部分参数设置如下:变桨距控制系统中初始PID参数采用传统PID整定得到的最好结果,Kp=0.6,Ki=0.0001,Kd=0.01。其余相关参数见表2:
表2仿真相关参数
1)阶跃风速时的仿真结果
仿真时间设为10s,风力机输入的风速如图8所示,采用的是模拟出来的阶跃风速,范围在10m/s~15m/s之间。3s之前风速在额定风速以下,在3s~10s之间,风速在额定风速之上。
如图9、10、11、12和图13是在图8的阶跃风速下,分别采用PID变桨控制、T-S模糊PID控制和本实施例提出的重复T-S模糊PID控制方法,进行仿真后的叶尖速比、风能利用系数、桨距角、发电机转速以及风机输出功率的对比图。
从图9和图10可以看到,在3s之前,风速小于额定风速时,使用PID、T-S模糊PID和重复T-S模糊PID三种方法时,叶尖速比和风能利用系数都达到了最大值且在很短时间内达到稳定,说明本实施例采用最佳转矩法进行最大功率点追踪以及电流环的设计是十分有效的,3s之后风速超过额定风速时,为了维持转速和功率的恒定,叶尖速比和风能利用系数随风速变化而变化。可以看到在阶跃风速下提出的方法叶尖速比和风能利用系数对风速变化更加敏感,比PID控制和模糊PID控制更快实现稳定。
由图11可以发现,阶跃风速下风速小于额定风速时,桨距角始终为0°,当风速超过额定风速时,为了维持恒定的功率和转速,桨距角随风速变化而变化,且与风速的变化成反比,从而获得合适的风能利用系数。而且可以看到,本实施例提出的方法桨距角变化更加迅速,能更快的适应风速变化。
从图12、13可以发现,在3s之前,风速小于额定风速时,本实施例采用的最佳转矩控制能够很好的追踪最佳功率,发电机转速和风机输出功率都能够达到相应风速下的最大值,3s之后风速在额定风速以上时,进行变桨距控制,可以看到在阶跃风速下,本实施例提出的方法比PI控制和TS模糊PID控制具有更小的超调量和更快的响应速度,证明了本实施例提出的方法的有效性。
2)随机风速时的仿真结果
仿真时间设为15s,风力机输入的风速如图14所示,采用的是模拟出来的随机风速,范围在9m/s~17m/s之间。6s之前风速在额定风速以下,6s~15s之间风速在额定风速之上。
在图14的随机风速下,图15、16、17、18、19分别是采用传统PID变桨控制和本实施例提出的重复T-S模糊PID控制方法进行仿真后的叶尖速比、风能利用系数、桨距角、发电机转速以及风机输出功率的对比图。
从图15和图16中可以看到在随机风速下,风速小于额定风速时,使用PID、TS模糊PID和重复T-S模糊PID控制的叶尖速比和风能利用系数都达到了最大值,且在很短时间内达到稳定,说明本实施例采用最佳转矩法进行最大功率点追踪是十分有效的,在5s之后,风速超过额定风速时,为了维持转速和功率的恒定,叶尖速比和风能利用系数随风速变化而变化,且与风速变化呈相反的趋势。
从图17可以看出,风速小于额定风速时,桨距角始终为0°,此时,是为了能够获取最大风能,根据图17易知,桨距角为0时能够获得最大风能;当风速超过额定风速时,为了维持恒定的功率和转速,桨距角随风速变化而变化,且与风速的变化成反比,从而获得合适的风能利用系数。
由图18、图19可知,随机风速下,风速小于额定风速时,本实施例采用的最佳转矩控制能够很好的追踪最佳功率,发电机转速和风机输出功率都能够达到相应风速下的最大值,在6s之后,通过结合重复控制和T-S模糊PID控制优点的重复T-S模糊PID控制方法,对风机进行桨距角控制,与使用传统PID控制和T-S模糊PID控制相比,对于直驱式风力发电系统变桨距控制进行了优化,减小了稳态误差。风速在额定风速以上时,变桨过程更加平稳,输出功率和发电机的转速都能稳定在额定值,提升了系统的稳定性。验证了本实施例所提出方法的有效性。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同物限定。
Claims (8)
1.一种漂浮式海上风电机组永磁直驱风电系统变桨距控制方法,其特征在于,包括以下步骤:
S1,获取发电机组的输出功率;
S2,将发电机组的输出功率与额定功率进行差值运算得到发电机组的功率偏差e,计算出Δt时间内发电机组的功率偏差率ec;
S3,设计一个双输入、三输出的模糊PID控制模型,将步骤S2中得到的功率偏差e和功率偏差率ec输入模糊PID控制模型,模糊PID控制模型通过神经模糊推理做出相应决策,在线调整PID参数Kp、Ki、Kd,以满足不同时刻的功率偏差e和功率偏差率ec对PID参数的自整定要求,从而得到桨距角变化目标的最佳调整;
S4,重复补偿控制,将基于内模原理的重复控制嵌入模糊PID控制中,形成基于重复补偿的模糊PID控制。
2.根据权利要求1所述的一种漂浮式海上风电机组永磁直驱风电系统变桨距控制方法,其特征在于,步骤S3中,所述模糊PID控制模型包括T-S模糊控制器和PID控制器;所述T-S模糊控制器根据输入的功率偏差e和功率偏差率ec,对PID参数Kp、Ki、Kd进行调节,再经过模糊化、模糊推理和函数清晰化输出三个参数的修正量;再把三个参数的修正量输入PID控制器中,对三个参数进行实时的整定。
4.根据权利要求2所述的一种漂浮式海上风电机组永磁直驱风电系统变桨距控制方法,其特征在于,所述PID控制器对三个参数的修正量进行整定的公式如下:
Kp=Kp0+k′p
Ki=Ki0+k′i
Kd=Kd0+k′d
其中,Kp0、Ki0、Kd0为初始PID参数;k′p、k′i、k′d为PID参数的修正量。
5.根据权利要求1所述的一种漂浮式海上风电机组永磁直驱风电系统变桨距控制方法,其特征在于,步骤S4中,所述基于内模原理的重复控制中,除了加到被控对象上的当前时刻的误差信号外,还叠加了上一时刻的误差信号,形成具有时滞环节的正反馈,在时滞环节串联二阶低通滤波器,以抑制重复控制作用在高频段的增益。
7.根据权利要求5所述的一种漂浮式海上风电机组永磁直驱风电系统变桨距控制方法,其特征在于,所述重复控制器得到的控制信号需经过一定延迟时间后才输出,设置重复补偿控制器在所述延迟时间内对二阶低通滤波器的输出经过重复PID后再输出,且在再输出前进行补偿。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210208162.9A CN114439692A (zh) | 2022-03-03 | 2022-03-03 | 漂浮式海上风电机组永磁直驱风电系统变桨距控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210208162.9A CN114439692A (zh) | 2022-03-03 | 2022-03-03 | 漂浮式海上风电机组永磁直驱风电系统变桨距控制方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114439692A true CN114439692A (zh) | 2022-05-06 |
Family
ID=81358691
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210208162.9A Pending CN114439692A (zh) | 2022-03-03 | 2022-03-03 | 漂浮式海上风电机组永磁直驱风电系统变桨距控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114439692A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117811104A (zh) * | 2024-02-27 | 2024-04-02 | 广东电网有限责任公司中山供电局 | 海上风电机组的发电控制方法及装置 |
-
2022
- 2022-03-03 CN CN202210208162.9A patent/CN114439692A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117811104A (zh) * | 2024-02-27 | 2024-04-02 | 广东电网有限责任公司中山供电局 | 海上风电机组的发电控制方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108167120B (zh) | 一种变速风力发电机组的变桨变矩联合控制方法 | |
CN112448399B (zh) | 基于模拟电感的双馈风电场次同步振荡的抑制方法 | |
Dhar et al. | Study on pitch angle control of a variable speed wind turbine using different control strategies | |
Ren et al. | Feedforward feedback pitch control for wind turbine based on feedback linearization with sliding mode and fuzzy PID algorithm | |
CN110889781B (zh) | 基于滑模控制的风电机组保性能最大功率跟踪方法 | |
CN114439692A (zh) | 漂浮式海上风电机组永磁直驱风电系统变桨距控制方法 | |
CN112343770B (zh) | 一种基于观测器的风力发电机最佳转速有限时间跟踪控制方法 | |
Hemeyine et al. | Robust takagi sugeno fuzzy models control for a variable speed wind turbine based a DFI-generator | |
Goyal et al. | Power regulation of a wind turbine using adaptive fuzzy-PID pitch angle controller | |
Wang et al. | Adaptive control of wind turbine generator system based on RBF-PID neural network | |
Yessef et al. | Real-time validation of intelligent supertwisting sliding mode control for variable-speed DFIG using dSPACE 1104 board | |
Zambrana-Lopez et al. | Fuzzy logic tuning of a PI controller to improve the performance of a wind turbine on a semi-submersible platform under different wind scenarios | |
CN112682258B (zh) | 基于Backstepping的大型风力机最大功率点跟踪控制方法 | |
Phan et al. | Application of linear quadratic regulator to control directly power for DFIG wind turbine | |
CN115182844A (zh) | 一种变速风力发电机组有界ude转矩控制方法 | |
Meng et al. | Adaptive power acquisition control of variable-speed wind energy conversion systems under inaccurate wind speed measurement | |
Routray et al. | Full Operational Envelope Control of a Wind Turbine Using Model Predictive Control | |
Wang et al. | Sliding mode control for maximum wind energy capture of DFIG-based wind turbine | |
Ran et al. | Robust Adaptive MPPT Control of Wind Turbine Based on Prescribed Performance | |
Ayrir et al. | Fuzzy logic rotor currents control of a DFIG-based wind turbine | |
Zhou et al. | Optimal Stepwise Inertial Control of Wind Turbine Based on Fuzzy Control and Deep Neural Network | |
Taleb et al. | Active and Reactive Power Control of Doubly Fed Induction Generator Wind Turbines to Answer Grid Codes Requirements | |
Xu et al. | Process control optimization for hydroelectric power based on neural network algorithm | |
Refan et al. | Control of wind turbine's pitch angle based on dfig by using mrac and pip controller | |
CN111963372B (zh) | 一种风力发电机最佳转速跟踪控制方法 |
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 |