CN115306634A - 一种两自由度的风电机组有功功率控制方法 - Google Patents
一种两自由度的风电机组有功功率控制方法 Download PDFInfo
- Publication number
- CN115306634A CN115306634A CN202210767883.3A CN202210767883A CN115306634A CN 115306634 A CN115306634 A CN 115306634A CN 202210767883 A CN202210767883 A CN 202210767883A CN 115306634 A CN115306634 A CN 115306634A
- Authority
- CN
- China
- Prior art keywords
- wind turbine
- model
- turbine generator
- active power
- degree
- 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 75
- 238000004364 calculation method Methods 0.000 claims abstract description 61
- 230000007246 mechanism Effects 0.000 claims abstract description 33
- 238000011217 control strategy Methods 0.000 claims abstract description 27
- 238000005452 bending Methods 0.000 claims description 16
- 230000005540 biological transmission Effects 0.000 claims description 14
- 230000006870 function Effects 0.000 claims description 14
- 238000012937 correction Methods 0.000 claims description 12
- 238000004458 analytical method Methods 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 7
- 238000004088 simulation Methods 0.000 claims description 6
- 238000005457 optimization Methods 0.000 description 26
- 238000010586 diagram Methods 0.000 description 10
- 230000008859 change Effects 0.000 description 7
- 239000011159 matrix material Substances 0.000 description 5
- 230000004044 response Effects 0.000 description 5
- 238000012360 testing method Methods 0.000 description 4
- 230000003044 adaptive effect Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000003247 decreasing effect Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000035699 permeability Effects 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000006467 substitution reaction 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
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
- H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
- H02J3/48—Controlling the sharing of the in-phase component
-
- 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
- F05B2270/40—Type of control system
- F05B2270/404—Type of control system active, predictive, or anticipative
-
- 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
Abstract
本发明公开了一种两自由度的风电机组有功功率控制方法，方法包括：构建包含风电机组有功功率和疲劳载荷计算的非线性机理模型；根据所述非线性机理模型，构建风电机组有功功率和疲劳载荷的线性化计算方法；构建采用单一控制器对风电机组转子转速和桨距角进行同时调整的两自由度控制框架；根据所述线性化计算方法和所述两自由度控制框架，生成一个多入多出的状态空间方程模型；根据所述状态空间方程模型，预测控制策略并自适应获取权重值。本发明能够实现调度指令功率的跟踪，同时减少风电机组运行的疲劳载荷，可广泛应用于风电机组控制技术领域。
Description
技术领域
本发明涉及风电机组控制技术领域，尤其是一种两自由度的风电机组有功功率控制方法。
背景技术
随着风电在电网中渗透率的不断提高，其波动性和不可预测性给电力系统运行带来了明显挑战。因此，许多国家的电力系统运营商在新的电网规范中都要求风力发电应具有可控性和快速响应能力，提供与电网运营商要求相匹配的有功功率。
若风电场需要具有准确跟踪调度功率参考值的能力，风电场必须以合理的方式向风电机组分配功率指令。在优化风电场的功率分配时，考虑疲劳载荷优化的分配策略是研究热点。而对于风电机组，为了实现跟踪风电场控制中心的功率指令，机组需要在功率参考值跟踪模式下运行。对于风电机组的功率参考值跟踪，目前常用的方法包括转子转速控制、桨距角控制和两种控制方法的协调控制策略。其中，由于转子转速的惯性较小且响应更快，因此通常被作为优先选择的方法。同时，由于转子转速存在上限和下限，功率调节范围是有限的，因此桨距角控制也必不可少。
然而，在目前的风电机组控制策略中，桨距角的变化在转子转速之后，受到转子转速设定值的控制，因此在实现有功功率控制时不能使两个参数同时自由调整，也因此难以进一步考虑对风电机组疲劳载荷的优化。
发明内容
有鉴于此，本发明实施例提供一种两自由度的风电机组有功功率控制方法，实现调度指令功率的跟踪，同时减少风电机组运行的疲劳载荷。
本发明实施例的一方面提供了一种两自由度的风电机组有功功率控制方法，包括：
构建包含风电机组有功功率和疲劳载荷计算的非线性机理模型；
根据所述非线性机理模型，构建风电机组有功功率和疲劳载荷的线性化计算方法；
构建采用单一控制器对风电机组转子转速和桨距角进行同时调整的两自由度控制框架；
根据所述线性化计算方法和所述两自由度控制框架，生成一个多入多出的状态空间方程模型；
根据所述状态空间方程模型，预测控制策略并自适应获取权重值。
可选地，所述构建包含风电机组有功功率和疲劳载荷计算的非线性机理模型，包括：
获取风电机组的传统建模对象，所述传统建模对象包括气动子系统、传动子系统、变桨子系统、电气子系统和控制子系统；
根据所述传统建模对象识别得到风电机组运行过程中的最大故障概率的对象，所述最大故障概率的对象包括传动系统和塔架；
根据所述传统建模对象构建传动系统的双质块模型；根据所述最大故障概率的对象构建塔架的倒立摆模型，进而确定与风电机组主轴转矩和塔根弯矩的计算模型；
根据所述计算模型构建风电机组的非线性机理模型，所述非线性机理模型用于完成有功功率计算和疲劳载荷计算。
可选地，所述根据所述非线性机理模型，构建风电机组有功功率和疲劳载荷的线性化计算方法，包括：
采用小信号分析法对所述非线性机理模型进行线性化处理；该步骤具体为：
在非线性系统的一个平衡工作点处，对非线性系统的每个状态变量进行小信号干扰；
在所述平衡工作点处进行泰勒展开，仅保留一阶展开项，从而获得所述平衡工作点附近的非线性系统的线性化模型。
可选地，所述构建采用单一控制器对风电机组转子转速和桨距角进行同时调整的两自由度控制框架这一步骤中：
当风电机组需要进行有效的有功功率控制时，通过改变转子转速和桨距角以使风能捕获系数为偏离最佳值。
可选地，所述根据所述线性化计算方法和所述两自由度控制框架，生成一个多入多出的状态空间方程模型这一步骤中，所述状态空间方程模型的模型输入为转子转速和桨距角两个参数设定值的变化量，模型输出为有功功率、主轴转矩、塔根弯矩三个参数的变化量，状态变量则包括转子转速、电磁转矩以及桨距角等参数的变化量。
可选地，所述根据所述状态空间方程模型，预测控制策略并自适应获取权重值，包括：
预测模型：在两自由度控制系统的框架中，对状态空间方程模型进行离散化处理，使得所述状态空间方程模型成为模型预测控制中的可预测模型；
优化问题：构建控制器的目标函数，所述控制器用于跟踪功率参考值的同时降低机组的疲劳载荷；
反馈校正：使用功率指令值的跟踪来完成校正；
优化权重：通过不同权重系数下的仿真结果，查找不同权重系数的影响程度，确定优化后的权重值。
本发明实施例的另一方面还提供了一种两自由度的风电机组有功功率控制装置，包括：
第一模块，用于构建包含风电机组有功功率和疲劳载荷计算的非线性机理模型；
第二模块，用于根据所述非线性机理模型，构建风电机组有功功率和疲劳载荷的线性化计算方法；
第三模块，用于构建采用单一控制器对风电机组转子转速和桨距角进行同时调整的两自由度控制框架；
第四模块，用于根据所述线性化计算方法和所述两自由度控制框架，生成一个多入多出的状态空间方程模型；
第五模块，用于根据所述状态空间方程模型，预测控制策略并自适应获取权重值。
本发明实施例的另一方面还提供了一种电子设备，包括处理器以及存储器；
所述存储器用于存储程序；
所述处理器执行所述程序实现如前面所述的方法。
本发明实施例的另一方面还提供了一种计算机可读存储介质，所述存储介质存储有程序，所述程序被处理器执行实现如前面所述的方法。
本发明实施例还公开了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器可以从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行前面的方法。
本发明的实施例构建包含风电机组有功功率和疲劳载荷计算的非线性机理模型；根据所述非线性机理模型，构建风电机组有功功率和疲劳载荷的线性化计算方法；构建采用单一控制器对风电机组转子转速和桨距角进行同时调整的两自由度控制框架；根据所述线性化计算方法和所述两自由度控制框架，生成一个多入多出的状态空间方程模型；根据所述状态空间方程模型，预测控制策略并自适应获取权重值。本发明能够实现调度指令功率的跟踪，同时减少风电机组运行的疲劳载荷。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为风电机组两自由度有功功率的控制框架示意图；
图2为风电机组模型的阶跃响应实验结果示意图；
图3为不同控制策略下风电机组有功出力控制结果示意图；
图4为不同控制策略下的转子转速和桨距角的示意图；
图5为不同控制策略下的主轴转矩跟塔根弯矩的示意图；
图6为风电机组内部的各个子系统关联图；
图7为Cp取值查表的局部示意图；
图8为超速控制和变桨控制协调的控制策略示意图；
图9为不同r1下的优化结果情况示意图；
图10为不同r2下的优化结果情况示意图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
针对现有技术存在的问题，本发明实施例的一方面提供了一种两自由度的风电机组有功功率控制方法，包括：
构建包含风电机组有功功率和疲劳载荷计算的非线性机理模型；
根据所述非线性机理模型，构建风电机组有功功率和疲劳载荷的线性化计算方法；
构建采用单一控制器对风电机组转子转速和桨距角进行同时调整的两自由度控制框架；
根据所述线性化计算方法和所述两自由度控制框架，生成一个多入多出的状态空间方程模型；
根据所述状态空间方程模型，预测控制策略并自适应获取权重值。
可选地，所述构建包含风电机组有功功率和疲劳载荷计算的非线性机理模型，包括：
获取风电机组的传统建模对象，所述传统建模对象包括气动子系统、传动子系统、变桨子系统、电气子系统和控制子系统；
根据所述传统建模对象识别得到风电机组运行过程中的最大故障概率的对象，所述最大故障概率的对象包括传动系统和塔架；
根据所述传统建模对象构建传动系统的双质块模型；根据所述最大故障概率的对象构建塔架的倒立摆模型，进而确定与风电机组主轴转矩和塔根弯矩的计算模型；
根据所述计算模型构建风电机组的非线性机理模型，所述非线性机理模型用于完成有功功率计算和疲劳载荷计算。
可选地，所述根据所述非线性机理模型，构建风电机组有功功率和疲劳载荷的线性化计算方法，包括：
采用小信号分析法对所述非线性机理模型进行线性化处理；该步骤具体为：
在非线性系统的一个平衡工作点处，对非线性系统的每个状态变量进行小信号干扰；
在所述平衡工作点处进行泰勒展开，仅保留一阶展开项，从而获得所述平衡工作点附近的非线性系统的线性化模型。
可选地，所述构建采用单一控制器对风电机组转子转速和桨距角进行同时调整的两自由度控制框架这一步骤中：
当风电机组需要进行有效的有功功率控制时，通过改变转子转速和桨距角以使风能捕获系数为偏离最佳值。
可选地，所述根据所述线性化计算方法和所述两自由度控制框架，生成一个多入多出的状态空间方程模型这一步骤中，所述状态空间方程模型的模型输入为转子转速和桨距角两个参数设定值的变化量，模型输出为有功功率、主轴转矩、塔根弯矩三个参数的变化量，状态变量则包括转子转速、电磁转矩以及桨距角等参数的变化量。
可选地，所述根据所述状态空间方程模型，预测控制策略并自适应获取权重值，包括：
预测模型：在两自由度控制系统的框架中，对状态空间方程模型进行离散化处理，使得所述状态空间方程模型成为模型预测控制中的可预测模型；
优化问题：构建控制器的目标函数，所述控制器用于跟踪功率参考值的同时降低机组的疲劳载荷；
反馈校正：使用功率指令值的跟踪来完成校正；
优化权重：通过不同权重系数下的仿真结果，查找不同权重系数的影响程度，确定优化后的权重值。
本发明实施例的另一方面还提供了一种两自由度的风电机组有功功率控制装置，包括：
第一模块，用于构建包含风电机组有功功率和疲劳载荷计算的非线性机理模型；
第二模块，用于根据所述非线性机理模型，构建风电机组有功功率和疲劳载荷的线性化计算方法；
第三模块，用于构建采用单一控制器对风电机组转子转速和桨距角进行同时调整的两自由度控制框架；
第四模块，用于根据所述线性化计算方法和所述两自由度控制框架，生成一个多入多出的状态空间方程模型；
第五模块，用于根据所述状态空间方程模型，预测控制策略并自适应获取权重值。
本发明实施例的另一方面还提供了一种电子设备，包括处理器以及存储器；
所述存储器用于存储程序；
所述处理器执行所述程序实现如前面所述的方法。
本发明实施例的另一方面还提供了一种计算机可读存储介质，所述存储介质存储有程序，所述程序被处理器执行实现如前面所述的方法。
本发明实施例还公开了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器可以从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行前面的方法。
下面结合说明书附图，对本发明的具体实施过程进行详细描述：
由于在目前的风电机组控制策略中，桨距角的变化在转子转速之后，受到转子转速设定值的控制，因此在实现有功功率控制时不能使两个参数同时自由调整，也因此难以进一步考虑对风电机组疲劳载荷的优化。因此，有必要通过技术手段开发一种新型的风电机组有功功率优化控制方法，实现调度指令功率的跟踪，同时减少风电机组运行的疲劳载荷。这一改进通过优化控制风电机组，对提升风电机组运行的安全性和经济性、提高风电场的电网友好性等具有重大理论和应用指导意义。
本发明开发了一种新颖的控制策略，该策略可降低有功功率跟踪控制期间风电机组的疲劳载荷。基于对风电机组参考功率跟踪的分析，本发明提出的控制策略开发了可以同时控制转子转速和桨距角的先进控制方案。本发明建立了基于小信号方法的两自由度风力发电机有功控制模型，并在模型中增加了线性化疲劳载荷的计算方法。为了在这种两自由度控制框架下进行有效控制，本发明开发了一种适用于多目标优化的模型预测控制方法，同时实现了用于多目标优化的自适应权重选择。实验结果表明，本发明提出的两自由度控制系统可以准确地实现风电机组的功率参考值跟踪，并显着降低了机组运行过程中的疲劳载荷。
本发明实施例提供了一种两自由度的风电机组风电机组有功功率控制方法，所述方法包括以下步骤：
1)研究了包含风电机组有功功率和疲劳载荷计算的非线性机理模型；
2)基于小信号分析法提出一种风电机组有功功率和疲劳载荷的线性化计算方法；
3)提出一种采用单一控制器对风电机组转子转速和桨距角进行同时调整的两自由度控制框架；
4)将步骤2)中的线性化计算方法依据步骤3)中的控制框架形成一个多入多出的状态空间方程模型；
5)提出一种适用于多入多出模型的模型预测控制策略和相关的权重自适应取值方法。
(2)所述步骤1)中：
风电机组建模是相关控制器设计的基础，对于进一步提高风电机组控制性能和风电场运行水平具有重要意义。通常，风电机组的建模对象主要包括气动子系统、传动子系统、变桨子系统、电气子系统和控制子系统。在运行过程中，由于各种应力的存在，风电机组的各组件不可避免地存在疲劳损伤的情况，其中传动系统和塔架两个组件因为疲劳而发生故障的可能性最大。
本发明在工程和研究中上取得普遍共识的风电机组模型的基础上，通过使用传动系统的双质块模型和塔架的倒立摆模型，确定了与风电机组主轴转矩和塔根弯矩的计算模型，并利用这两个参数表征相关组件的疲劳载荷水平。根据以上描述的模型，本发明所建风电机组模型可以完成有功功率计算和疲劳载荷计算两种功能。
(3)所述步骤2)中：
步骤1)所得的非线性计算模型包含高阶非线性特性，难以采用控制算法进行有效控制，因此本发明采用小信号分析法对非线性模型进行线性化处理。
小信号分析法是电力系统分析中经常使用的一种方法。在应用小信号方法时，通常在非线性系统的某个平衡工作点处，对系统的每个状态变量进行小信号干扰。然后在工作点处进行泰勒展开，仅保留一阶展开项，从而获得工作点附近的非线性系统的线性化模型。
(4)所述步骤3)中：
步骤1)中示出了风电机组有功功率的计算模型。根据相关模型，当风电机组需要以最大风功率跟踪模式运行时，它将控制转子转速和桨距角以使机组以最大功率系数运行。因此，若机组需要进行有效的有功功率控制，仅需通过改变转子转速和桨距角以使风能捕获系数为偏离最佳值即可。
本发明提出了一种可以通过单一控制器同时调整转子转速和桨距角的控制框架，该框架如图1所示。由于研究人员通常认为通过减小主轴转矩和塔根弯矩的波动可以降低风力机的疲劳程度。根据步骤1)中得到的计算模型可以知道，主轴转矩和塔根弯矩的波动与转子转速和桨距角的波动有直接关系。因此，本发明所提出的针对转子转速和桨距角的两自由度控制框架避免了传统控制方法中桨距角受转子转速设定值控制的缺陷，允许风电机组通过更优的参数组合完成有功功率控制和疲劳载荷优化。
5)所述步骤4)中：
基于步骤2)得到的风电机组线性化模型和步骤3)提出的两自由度控制框架，本发明建立了一个可以对风电机组有功功率和疲劳载荷进行优化控制的多入多出的状态空间方程模型。为了实现对有功功率和疲劳载荷的同时控制，模型输入为转子转速和桨距角两个参数设定值的变化量，模型输出为有功功率、主轴转矩、塔根弯矩三个参数的变化量，状态变量则包括转子转速、电磁转矩以及桨距角等参数的变化量。
6)所述步骤5)中：
为了保证可以通过步骤4)所建立的状态空间方程对风电机组进行有效控制，本发明提出了一种模型预测控制器以及相配套的权重自适应计算方法。利用离散化后的状态空间方程作为模型预测控制中的预测模型，设计符合有功控制和疲劳优化的目标函数、约束条件以及状态反馈方案，完成控制目标。同时，本发明进行多次重复实验，利用帕累托前沿获得不同工况下模型预测控制器内优化目标的权重取值的最优点。
本发明的方法采用NREL 5WM型风电机组模型进行控制器开发工作，通过Matlab/Simulink仿真实验平台进行验证。在线性化的风电机组有功功率、疲劳载荷计算模型和两自由度的控制框架下，所得到的状态空间方程模型可以有效描述风电机组有功功率在转子转速和桨距角调整时的动态特性。图2所示为风电机组在不同输入发生阶跃时有功功率的响应情况。图2中通过将本发明所建状态空间方程模型与Simwindfarm工具箱中高阶非线性的风电机组模型的有功输出进行对比，可以看出本发明所建立的两自由度模型在响应阶跃输入时的准确性，表明其可以有效表征风电机组的动态特性。
本发明的方法在进行风电机组的有功功率控制时，通过单一模型预测控制器输出转子转速和桨距角两个参数的设定值，实现两个参数的同时调整。图3示出了采用本发明的方法和研究者最常用的单自由度控制方法(转子转速超速控制+桨距角控制)的有功功率控制结果，可以看到两种方法在不同的有功控制模式下均可以有效地进行有功功率控制。图4示出了图3中两种方法下转子转速和桨距角两个参数的变化情况，由于本发明采用了两自由度的控制策略，转子转速不再被限制在固定值附近，而是有了更明显的波动。相应的，采用本发明的方法时，桨距角的波动得到了明显的平抑。图5示出了图3中两种方法下主轴转矩和塔根弯矩的波动情况，在本发明的方法下两参数的波动都得到了明显的平抑。表1示出了图3中两种方法下损伤等效载荷的计算结果，结果显示在不同的有功控制模式下本发明所提的方法相比传统方法均可以明显降低风电机组的疲劳载荷，尤其是对塔架部分。
表1
下面进一步对本发明的各个实施步骤进行详细说明：
步骤一、风电机组有功功率和疲劳载荷计算的非线性机理模型建立。所建模型包含多个子系统，如图6所示，相关的数学表达如下公式所示：
气动子系统：
Pm＝0.5πρR2Cp(λ,β)v3 (1)
Ft＝0.5πρR2Ct(λ,β)v2 (2)
传动子系统：
电气子系统：
Pe＝μωeTe (8)
桨距子系统：
塔架：
Mt＝hFt (10)
式(1)-(10)中，Pm为风轮机吸收的机械功率(W)，Ft为风电机组承受的推力(N)，ρ为空气密度(Kg/m3)，R为风轮半径(m)，λ为叶尖速比，β为桨距角(°)，v为风速(m/s)，Cp为风能捕获系数，Ct为推力系数，ωr为转子转速(rad/s)，Jm为风轮转子的转动惯量(Kg/m3)，Je为发电机转子的转动惯量(Kg/m3)，Tm为机械转矩(Nm)，Te为电磁转矩(Nm)，Ts为中间轴转矩(Nm)，Ngaer为齿轮箱变速比，τe为发电机惯性时间常数(s)，μ为发电机效率,Te ref为电磁转矩设定值(Nm)，Pe为有功功率(W)，βref为桨距角设定值(°)，τβ桨距角伺服系统惯性时间常数(s)，h为塔架高度，Mt为塔根弯矩(Nm)。
步骤二、基于小信号分析法提出一种风电机组有功功率和疲劳载荷的线性化计算方法。根据步骤一种式(1)-(10)所描述的数学模型，风电机组中存在着高度的非线性特性，难以用于适合线性模型的先进控制算法。因此，本发明通过小信号法对步骤一种模型进行线性化处理。根据小信号法，得到线性化描述的风电机组模型如下所示：
气动子系统：
传动子系统：
电气子系统：
桨距子系统：
塔架：
根据式(1)，计算各项偏微分可以得到
和
的表达式为：
同理，根据式(2)和式(10)可以计算的偏微分得到
和
的表达式为：
值得注意的是，根据式(4)-(5)，Cp具有高度非线性特性。为了进行线性化，本发明根据Cp-λ-β曲线查表计算Cp的偏导数(本发明中以NREL 5WM型风电机组为例)。假设工作点的Cp值为Cp0，则通过查表法可获得其周围的插值点，如图7所示。
进一步地，可以得到偏导数
和
的表达式为:
同理可得到Ct的相关偏导数的表达式为：
步骤三、提出一种采用单一控制器对风电机组转子转速和桨距角进行同时调整的两自由度控制框架。风轮机捕获的机械功率可以由式(1)表示。根据该模型，若风电机组需要运行于限功率状态，仅需调整Cp使其偏离最优值即可。根据风电机组工作原理，Cp的取值与λ和β相关。根据Cp的特性，相同的Cp值可以对应于不同的λ和β。在进行风电机组有功功率控制时可以选择λ和β的不同组合来获得满足要求的功率值。已有研究中通常采用转子转速控制和桨距角控制的协调控制策略，但所述策略均为单自由度控制策略。以最常见的超速控制和变桨控制的协调控制为例，当风电机组需要降功率时，该策略首先通过使转子转速超速来降低Cp。当转子转速增加到上限时，则通过增加桨距角来进一步降低Cp。所述过程如图8中的红线所示。
主轴转矩Ts和塔根弯矩Mt的波动可用于计算风电机组的疲劳载荷。通过降低风电机组运行过程中Ts和Mt的标准差，可以降低风电机组的疲劳程度。而根据式(6)和式(10)可以发现，Ts和Mt与转子转速和桨距角的波动有直接关系。
在如图8所示的传统的变速变桨控制中，桨距角的变化是在转子转速之后的，受到转子转速设定值的控制，因此在实现有功功率控制时不能使两个参数同时自由调整，也即难以进一步考虑对风电机组疲劳载荷的优化。基于此，本发明提出了一种新型的有功功率优化控制框架。在此框架中，桨距角的设定值不需要依据转子转速来控制，风电机组有功功率控制器同时生成转子转速和桨距角的参考值。本发明将基于此框架进行风电机组的线性化建模和先进控制器设计，使用该框架实现调度指令功率的跟踪，同时减少风电机组运行的疲劳载荷。
步骤四、将步骤二中的线性化计算方法依据步骤三中的控制框架形成一个多入多出的状态空间方程模型。在以上所描述的有功功率优化控制框架下，结合调度指令需求和对风电机组疲劳载荷的优化，可以将式(11)-(26)所描述的线性化模型写成如下所示的状态空间方程：
式中，
x＝(Δωr ΔωeΔψ ΔTe Δβ)T，
d＝Δv，y＝(ΔPe ΔMt ΔTs)T。
步骤五、提出一种适用于多入多出模型的模型预测控制策略和相关的权重自适应取值方法。对于式(27)中的多入多出系统，模型预测控制是一种可以实现多目标优化的合适控制方法。本发明根据风电机组模型的特点设计了合适的模型预测控制器。详细步骤如下所示。
S501：预测模型。在两自由度控制系统的框架中，式(27)可以描述风电机组的动态特性。为了使其成为模型预测控制中的可预测模型，必须离散化式(27)。离散状态空间模型为：
式中
Cd＝C，Dd＝D，Wd＝W。
S502：优化问题。本发明设计的控制器的控制目标是跟踪功率参考值的同时降低机组的疲劳载荷。因此，控制器的目标函数可以表示为：
约束条件为：
可以将导出的优化问题重新表述为标准二次规划问题。许多商业解决方案可以充分解决这一问题。通过直接解决此二次规划问题，可以确定模型预测控制器输出的控制量。
S503：反馈校正。由于状态测量过程中的误差以及不可避免的模型不匹配，从线性化模型获得的输出与实际输出之间会出现误差。因此，控制过程中的反馈校正至关重要。在反馈校正中，本发明使用功率指令值的跟踪来完成校正。方法如下：
ΔPfc(k+1|k)＝ΔP(k+1|k)+ζ[ΔP(k)-ΔP(k|k-1)] (31)
ζ为反馈校正系数，会影响预测值的校正效率，在本发明中ζ＝0.1。
S504：关于优化权重的讨论。在涉及二次规划的多目标优化中，权重矩阵通常设计为对角矩阵，如下所示：
权重矩阵中每个元素的值将显着改变优化结果。因为本发明主要关注功率的跟踪以及主轴转矩和塔跟弯矩的波动，所以本发明将关注输出权重矩阵的值，而输入权重矩阵的值直接取qu1＝qu2＝1。
在这三个输出中，跟踪功率指令值是主要目标，减少主轴转矩和塔根弯矩的波动是最优化目标。为了在分配不同权重时计算优化效果，进行以下定义：
式(29)的控制目标包括三个输出，可使用以下三个独立的目标函数来评估三个输出的优化水平：
为了找到不同权重系数的影响，本发明在不同权重系数下进行仿真。以平均风速14m/s为例，进行了200次模拟，并得到了在不同权重下的obj1，obj2和obj3的计算值，如图9和图10所示。在这两个图中，N(obj1)，N(obj2)和N(obj3)分别是obj1，obj2和obj3的归一化值。
在测试的第一部分中，r1从10逐渐增加到1000，而r2是固定值。这三个目标函数都随r1的增加而减小，即r1越大，实现的所有控制目标就越好，两者之间的关系如图9所示。接下来，r1保持不变，r2从0.01逐渐增加到1。在此过程中，obj2和obj3的变化趋势一致。这两个对象随r2的增加而增长，如图10(a)所示。但是，obj1的变化方向相反。因此，根据obj1，obj2和obj3的变化获得相应的帕累托前沿，如图10(b)中红线所示。为了平衡各种优化目标，可以将灰色虚线圆圈内的r2值范围视为适当的。因此，当平均风速为14m/s时，本发明取r1＝1000，r2＝0.35。
为了验证风速对权重系数的影响，本发明在风电机组工作风速范围内进行了上述多组测试。测试结果表明，r1对风速变化不敏感，而r2随风速变化。根据测试结果，对不同风速下的最佳权重系数进行多项式拟合。拟合结果如下：
在一些可选择的实施例中，在方框图中提到的功能/操作可以不按照操作示图提到的顺序发生。例如，取决于所涉及的功能/操作，连续示出的两个方框实际上可以被大体上同时地执行或所述方框有时能以相反顺序被执行。此外，在本发明的流程图中所呈现和描述的实施例以示例的方式被提供，目的在于提供对技术更全面的理解。所公开的方法不限于本发明所呈现的操作和逻辑流程。可选择的实施例是可预期的，其中各种操作的顺序被改变以及其中被描述为较大操作的一部分的子操作被独立地执行。
此外，虽然在功能性模块的背景下描述了本发明，但应当理解的是，除非另有相反说明，所述的功能和/或特征中的一个或多个可以被集成在单个物理装置和/或软件模块中，或者一个或多个功能和/或特征可以在单独的物理装置或软件模块中被实现。还可以理解的是，有关每个模块的实际实现的详细讨论对于理解本发明是不必要的。更确切地说，考虑到在本发明中公开的装置中各种功能模块的属性、功能和内部关系的情况下，在工程师的常规技术内将会了解该模块的实际实现。因此，本领域技术人员运用普通技术就能够在无需过度试验的情况下实现在权利要求书中所阐明的本发明。还可以理解的是，所公开的特定概念仅仅是说明性的，并不意在限制本发明的范围，本发明的范围由所附权利要求书及其等同方案的全部范围来决定。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。
计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)、便携式计算机盘盒(磁装置)、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编辑只读存储器(EPROM或闪速存储器)、光纤装置以及便携式光盘只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。
应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管已经示出和描述了本发明的实施例，本领域的普通技术人员可以理解：在不脱离本发明的原理和宗旨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，本发明的范围由权利要求及其等同物限定。
以上是对本发明的较佳实施进行了具体说明，但本发明并不限于所述实施例，熟悉本领域的技术人员在不违背本发明精神的前提下还可做出种种的等同变形或替换，这些等同的变形或替换均包含在本申请权利要求所限定的范围内。
Claims (10)
1.一种两自由度的风电机组有功功率控制方法，其特征在于，包括：
构建包含风电机组有功功率和疲劳载荷计算的非线性机理模型；
根据所述非线性机理模型，构建风电机组有功功率和疲劳载荷的线性化计算方法；
构建采用单一控制器对风电机组转子转速和桨距角进行同时调整的两自由度控制框架；
根据所述线性化计算方法和所述两自由度控制框架，生成一个多入多出的状态空间方程模型；
根据所述状态空间方程模型，预测控制策略并自适应获取权重值。
2.根据权利要求1所述的一种两自由度的风电机组有功功率控制方法，其特征在于，所述构建包含风电机组有功功率和疲劳载荷计算的非线性机理模型，包括：
获取风电机组的传统建模对象，所述传统建模对象包括气动子系统、传动子系统、变桨子系统、电气子系统和控制子系统；
根据所述传统建模对象识别得到风电机组运行过程中的最大故障概率的对象，所述最大故障概率的对象包括传动系统和塔架；
根据所述传统建模对象构建传动系统的双质块模型；根据所述最大故障概率的对象构建塔架的倒立摆模型，进而确定与风电机组主轴转矩和塔根弯矩的计算模型；
根据所述计算模型构建风电机组的非线性机理模型，所述非线性机理模型用于完成有功功率计算和疲劳载荷计算。
3.根据权利要求1所述的一种两自由度的风电机组有功功率控制方法，其特征在于，所述根据所述非线性机理模型，构建风电机组有功功率和疲劳载荷的线性化计算方法，包括：
采用小信号分析法对所述非线性机理模型进行线性化处理；该步骤具体为：
在非线性系统的一个平衡工作点处，对非线性系统的每个状态变量进行小信号干扰；
在所述平衡工作点处进行泰勒展开，仅保留一阶展开项，从而获得所述平衡工作点附近的非线性系统的线性化模型。
4.根据权利要求1所述的一种两自由度的风电机组有功功率控制方法，其特征在于，所述构建采用单一控制器对风电机组转子转速和桨距角进行同时调整的两自由度控制框架这一步骤中：
当风电机组需要进行有效的有功功率控制时，通过改变转子转速和桨距角以使风能捕获系数为偏离最佳值。
5.根据权利要求1所述的一种两自由度的风电机组有功功率控制方法，其特征在于，所述根据所述线性化计算方法和所述两自由度控制框架，生成一个多入多出的状态空间方程模型这一步骤中，所述状态空间方程模型的模型输入为转子转速和桨距角两个参数设定值的变化量，模型输出为有功功率、主轴转矩、塔根弯矩三个参数的变化量，状态变量则包括转子转速、电磁转矩以及桨距角等参数的变化量。
6.根据权利要求1所述的一种两自由度的风电机组有功功率控制方法，其特征在于，所述根据所述状态空间方程模型，预测控制策略并自适应获取权重值，包括：
预测模型：在两自由度控制系统的框架中，对状态空间方程模型进行离散化处理，使得所述状态空间方程模型成为模型预测控制中的可预测模型；
优化问题：构建控制器的目标函数，所述控制器用于跟踪功率参考值的同时降低机组的疲劳载荷；
反馈校正：使用功率指令值的跟踪来完成校正；
优化权重：通过不同权重系数下的仿真结果，查找不同权重系数的影响程度，确定优化后的权重值。
7.一种两自由度的风电机组有功功率控制装置，其特征在于，包括：
第一模块，用于构建包含风电机组有功功率和疲劳载荷计算的非线性机理模型；
第二模块，用于根据所述非线性机理模型，构建风电机组有功功率和疲劳载荷的线性化计算方法；
第三模块，用于构建采用单一控制器对风电机组转子转速和桨距角进行同时调整的两自由度控制框架；
第四模块，用于根据所述线性化计算方法和所述两自由度控制框架，生成一个多入多出的状态空间方程模型；
第五模块，用于根据所述状态空间方程模型，预测控制策略并自适应获取权重值。
8.一种电子设备，其特征在于，包括处理器以及存储器；
所述存储器用于存储程序；
所述处理器执行所述程序实现如权利要求1至6中任一项所述的方法。
9.一种计算机可读存储介质，其特征在于，所述存储介质存储有程序，所述程序被处理器执行实现如权利要求1至6中任一项所述的方法。
10.一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210767883.3A CN115306634A (zh) | 2022-07-01 | 2022-07-01 | 一种两自由度的风电机组有功功率控制方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210767883.3A CN115306634A (zh) | 2022-07-01 | 2022-07-01 | 一种两自由度的风电机组有功功率控制方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115306634A true CN115306634A (zh) | 2022-11-08 |
Family
ID=83855542
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210767883.3A Pending CN115306634A (zh) | 2022-07-01 | 2022-07-01 | 一种两自由度的风电机组有功功率控制方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115306634A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117028145A (zh) * | 2023-10-08 | 2023-11-10 | 国网江苏省电力有限公司电力科学研究院 | 考虑塔架载荷抑制的风电机组有功功率控制方法及装置 |
-
2022
- 2022-07-01 CN CN202210767883.3A patent/CN115306634A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117028145A (zh) * | 2023-10-08 | 2023-11-10 | 国网江苏省电力有限公司电力科学研究院 | 考虑塔架载荷抑制的风电机组有功功率控制方法及装置 |
| CN117028145B (zh) * | 2023-10-08 | 2023-12-22 | 国网江苏省电力有限公司电力科学研究院 | 考虑塔架载荷抑制的风电机组有功功率控制方法及装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Yin et al. | Adaptive robust integral sliding mode pitch angle control of an electro-hydraulic servo pitch system for wind turbine | |
| Azizi et al. | Fault tolerant control of wind turbines with an adaptive output feedback sliding mode controller | |
| Civelek et al. | A new fuzzy logic proportional controller approach applied to individual pitch angle for wind turbine load mitigation | |
| JP6494514B2 (ja) | 入力風速の予測値を使用した風力タービン制御方法 | |
| Belloli et al. | A hybrid methodology for wind tunnel testing of floating offshore wind turbines | |
| CN104595106B (zh) | 基于强化学习补偿的风力发电变桨距控制方法 | |
| Navalkar et al. | Subspace predictive repetitive control to mitigate periodic loads on large scale wind turbines | |
| Burkart et al. | Nonlinear control of wind turbines: An approach based on switched linear systems and feedback linearization | |
| CN102588211A (zh) | 一种风力发电机组全工况模型预测控制方法及系统 | |
| Bianchi et al. | Robust Multivariable Gain-Scheduled Control of Wind Turbines for Variable Power Production. | |
| Muhando et al. | Augmented LQG controller for enhancement of online dynamic performance for WTG system | |
| Yao et al. | Two-degree-of-freedom active power control of megawatt wind turbine considering fatigue load optimization | |
| Imran et al. | DAC with LQR control design for pitch regulated variable speed wind turbine | |
| CN115306634A (zh) | 一种两自由度的风电机组有功功率控制方法 | |
| Barlas et al. | Aeroelastic optimization of a 10 MW wind turbine blade with active trailing edge flaps | |
| US20230003193A1 (en) | Control of a multi-rotor wind turbine system using local mpc controllers | |
| 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 | |
| Yao et al. | Fatigue load suppression during active power control process in wind farm using dynamic-local-reference DMPC | |
| Bobanac et al. | Linear parameter varying approach to wind turbine control | |
| Suemoto et al. | Model-based design of individual blade pitch and generator torque controllers for floating offshore wind turbines | |
| Spudić et al. | Wind farm load reduction via parametric programming based controller design | |
| Pham et al. | LQR control for a multi-MW wind turbine | |
| CN113741184A (zh) | 一种基于滑模观测器的风力机载荷预测控制方法 | |
| Poureh et al. | Scheduling of H∞ controllers in horizontal axis wind turbines | |
| Requate et al. | Active control of the reliability of wind turbines |
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 |