CN116624332B - 一种抑制双馈风电机组传动链扭振的控制方法和系统 - Google Patents
一种抑制双馈风电机组传动链扭振的控制方法和系统 Download PDFInfo
- Publication number
- CN116624332B CN116624332B CN202310896569.XA CN202310896569A CN116624332B CN 116624332 B CN116624332 B CN 116624332B CN 202310896569 A CN202310896569 A CN 202310896569A CN 116624332 B CN116624332 B CN 116624332B
- Authority
- CN
- China
- Prior art keywords
- moment
- transmission chain
- reference value
- wind turbine
- torque
- 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.)
- Active
Links
- 230000005540 biological transmission Effects 0.000 title claims abstract description 173
- 238000000034 method Methods 0.000 title claims abstract description 70
- 230000002401 inhibitory effect Effects 0.000 title claims abstract description 10
- 230000008859 change Effects 0.000 claims description 23
- 238000004422 calculation algorithm Methods 0.000 claims description 18
- 238000003860 storage Methods 0.000 claims description 16
- 230000008569 process Effects 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 13
- 238000012937 correction Methods 0.000 claims description 8
- 230000000670 limiting effect Effects 0.000 claims description 8
- 238000001914 filtration Methods 0.000 claims description 7
- 230000003321 amplification Effects 0.000 claims description 6
- 239000011159 matrix material Substances 0.000 claims description 6
- 238000003199 nucleic acid amplification method Methods 0.000 claims description 6
- 101100001669 Emericella variicolor andD gene Proteins 0.000 claims description 5
- 238000010276 construction Methods 0.000 claims description 5
- 238000013016 damping Methods 0.000 abstract description 34
- 230000010355 oscillation Effects 0.000 abstract description 16
- 230000000694 effects Effects 0.000 abstract description 5
- 230000002829 reductive effect Effects 0.000 abstract description 5
- 230000000452 restraining effect Effects 0.000 abstract description 2
- 230000006870 function Effects 0.000 description 46
- 238000005457 optimization Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 9
- 238000012545 processing Methods 0.000 description 7
- 230000001629 suppression Effects 0.000 description 6
- 238000011217 control strategy Methods 0.000 description 5
- 238000013461 design Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 238000005070 sampling Methods 0.000 description 4
- 230000002238 attenuated effect Effects 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 238000004146 energy storage Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 229910000831 Steel Inorganic materials 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
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
-
- 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
- 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
-
- 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
- F05B2270/00—Control
- F05B2270/30—Control parameters, e.g. input parameters
- F05B2270/328—Blade pitch angle
-
- 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
- F05B2270/30—Control parameters, e.g. input parameters
- F05B2270/335—Output power or torque
-
- 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
- F05B2270/402—Type of control system passive or reactive, e.g. using large wind vanes
-
- 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
一种抑制双馈风电机组传动链扭振的控制方法和系统,包括:基于风机k时刻状态信息以及能管下发的命令值,计算k时刻电磁转矩参考值、桨距角参考值以及k+1时刻传动链扭矩的变化量;基于k+1时刻传动链扭矩的变化量对k时刻电磁转矩参考值进行修正;由桨距角参考值和修正后的电磁转矩参考值对双馈风电机组传动链扭振进行控制。本发明通过k+1时刻传动链扭矩的变化量修正电磁转矩参考值,在增加传动链系统阻尼的同时增加系统刚度,能够更加有效的减小转速振荡的幅值,实现在所有传动链频率内有效地抑制传动链轴系扭振的作用。
Description
技术领域
本发明涉及风电机组控制技术领域,具体涉及一种抑制双馈风电机组传动链扭振的控制方法和系统。
背景技术
风电即将全面进入平价时代,降本增效是平价时代的主旋律,降本增效主要依靠风机大型化,由此风轮叶片越来越长,在传动链轴系上低频呈现出更多的频率特性,当风速变化或电网发生扰动时,机组的传动链轴系以动态振荡形式出现。
依托先进控制技术、材料科学设计的发展,双馈风电机组的容量不断增大,风轮直径不断突破,由于风轮叶片、齿轮箱和联轴器等关键部件柔性的存在,双馈机组轴系具有欠阻尼系统的特性,当风速变化或电网发生扰动时,机组的传动链轴系以动态振荡形式出现,一方面,传动链高速轴与低速轴之间的转矩差很小的波动就会引起较大的振动,这将会造成齿轮箱的剧烈振动,严重影响齿轮箱的寿命;另一方面,传动链扭振会引起风电机组输出的功率产生波动,导致风电场发生低频谐振事故。由此可见,传动链扭振问题不仅威胁着风电机组安全运行,也影响并网系统的稳定性,开展风电机组传动链扭振控制研究具有重要意义。
在实际的风电机组控制系统中,多采用增加阻尼控制策略,即将实时采集的发电机转速,经过带通滤波器和相应的相位补偿后,叠加到发电机组的电磁转矩指令上,增加传动链扭转振荡模态阻尼,以抵消谐振作用,实现传动链扭振的衰减。随着风电机组的叶片长度不断增加以及柔塔代替钢塔,在传动链轴系上呈现出更多的低频频率,而现有采用带通滤波器的设计是基于传动链固定的单一参数,无法保证参数变化下的抑制振荡效果,导致传动链加阻效果减弱,甚至部分传动链频率表现出被放大激励的趋势。此外,现有的控制仅增加系统的阻尼,未考虑增加系统的等效刚度。
为了解决现有阻尼滤波器采用单一传动链加阻架构和参数已经不能实现所有传动链频率信号得到有效衰减的问题,专利申请号为CN202210702080,名称为“一种风力发电机双传动链加阻控制方法及系统”,如图1所示,通过将发电机转速原始信号经过处理得到作为衰减传动链频率中低频率分量的发电机电磁扭矩第一分量以及高频率分量的发电机电磁扭矩第二分量,转速闭环输出作为发电机电磁扭矩第三分量,最后将发电机电磁扭矩第一分量、发电机电磁扭矩第二分量和发电机电磁扭矩第三分量叠加在一起,构成风力发电机电磁扭矩给定值,送给风力发电机的变流器执行,最终实现风力发电机双传动链加阻功能的控制,确保所有传动链频率都有效的衰减以及抑制。
该技术为了能够保证所有传动链频率都能得到有效的衰减以及抑制,需要根据风机特性设置多个滤波器,但并未对这些滤波器带来的相位滞后问题采取相应的补偿,可能存在加阻效果不理想,无法保证有效加阻,而且专利中仅增加系统的阻尼,未考虑增加系统的等效刚度。
由此可见,针对风电机组实际运行中的传动链扭振问题,风电机组控制系统多采用增加阻尼控制策略,即通过采用带通滤波器提取转速的轴系扭振分量,叠加到原始电磁转矩指令上,实现传动链扭振的衰减。但随着风电机组叶片长度的不断增加,在传动链轴系上呈现出了更多的低频扭振频率,现有技术采用的带通滤波器是基于传动链扭振频率固定参数设计,无法保证参数变化下的振荡抑制效果。此外,现有的控制策略仅增加系统的阻尼,未考虑改变系统的等效刚度。
发明内容
为了解决现有技术采用的带通滤波器是基于传动链扭振频率固定参数设计,无法保证参数变化下的振荡抑制效果,而且现有的控制策略仅增加系统的阻尼,未考虑改变系统的等效刚度的问题,本发明提出了一种抑制双馈风电机组传动链扭振的控制方法,包括:
基于风机k时刻状态信息以及能管下发的命令值,计算k时刻电磁转矩参考值、桨距角参考值以及k+1时刻传动链扭矩的变化量,其中,k为时刻;
基于所述k+1时刻传动链扭矩的变化量对所述k时刻电磁转矩参考值进行修正,得到修正后的电磁转矩参考值;
由所述桨距角参考值和所述修正后的电磁转矩参考值对双馈风电机组传动链扭振进行控制。
优选的,所述基于风机k时刻状态信息以及能管下发的命令值,计算k时刻电磁转矩参考值、桨距角参考值以及k+1时刻传动链扭矩的变化量,包括:
基于风机k时刻状态信息以及能管下发的命令值,采用模型预测控制算法对预先构建的预测模型和目标函数进行求解,得到k时刻电磁转矩参考值、桨距角参考值以及k+1时刻传动链扭矩的变化量;
或基于风机k时刻状态信息以及能管下发的命令值,采用转速闭环控制算法输出k时刻电磁转矩参考值和桨距角参考值,通过使用状态观测器观察获得k+1时刻传动链扭矩的变化量;
其中,所述预测模型是由线性化风电机组控制模型对应的风电机组功率控制状态方程进行离散化处理后构建的。
优选的,所述预测模型的构建包括:
基于双馈风电机组系统建立风电机组模型;
对所述风电机组模型使用小信号增量法进行线性化,得到线性化风电机组模型;
以所述线性化风电机组模型的变流器电磁转矩和变桨系统桨距角的变化量作为控制变量,以传动链扭矩和有功输出的变化量作为输出变量,以风轮转速、发电机转速以及传动链扭转角的变化量作为状态变量写成状态空间方程;
对所述状态空间方程进行离散化处理,得到离散化处理后的状态方程;
为所述离散化处理后的状态方程设置约束条件;
由所述离散化处理后的状态方程和所述约束条件构建预测模型。
优选的,所述离散化处理后的状态方程如下式所示:
式中,x(k+1)为预测的k+1时刻风轮转速、发电机转速以及传动链扭转角的变化量,x(k)为k时刻风轮转速、发电机转速以及传动链扭转角的变化量,u(k)为k时刻变流器电磁转矩和变桨系统桨距角的变化量,u(k+1)为k+1时刻变流器电磁转矩和变桨系统桨距角的变化量,E d (k)为k时刻的扰动量,y(k+1)为k+1时刻的传动链扭矩和有功输出的变化量,A d、B d、C d和D d为参数矩阵。
优选的,所述约束条件包括:
桨距角变化量约束、桨距角约束、发电机转速变化量约束和风轮转速变化量约束。
优选的,所述目标函数的构建包括:
以风电机组传动链扭矩最小为目标,得到第一目标函数关系式;
以准确跟随能管下发的命令值为目标,得到第二目标函数关系式;
以所述第一目标函数关系式和所述第二目标函数关系式之和最小作为目标函数。
优选的,所述第一目标函数关系式如下式所示:
式中:Obj1为第一目标函数,n p 为预测步长,ΔT s为传动链扭矩的变化量,k和j均为时刻,(k+j|k)表示在当前k时刻预测k+j时刻的系统状态,W 1为权重。
优选的,所述第二目标函数关系式如下式所示:
式中:Obj2为第二目标函数,n p 为预测步长,k和j均为时刻,(k+j|k)表示在当前k时刻预测k+j时刻的系统状态,为能管下发的命令值,P g为发电机功率,W 2为权重。
优选的,所述基于所述k+1时刻传动链扭矩的变化量对所述k时刻电磁转矩参考值进行修正,得到修正后的电磁转矩参考值,包括:
将所述k+1时刻传动链扭矩的变化量经过滤波、相位补偿、信号放大和限幅后,叠加至所述k时刻电磁转矩参考值上,得到修正后的电磁转矩参考值。
再一方面本发明还提供了一种抑制双馈风电机组传动链扭振的控制系统,包括:
控制器,用于基于风机k时刻状态信息以及能管下发的命令值,计算k时刻电磁转矩参考值、桨距角参考值以及k+1时刻传动链扭矩的变化量;并基于所述k+1时刻传动链扭矩的变化量对所述k时刻电磁转矩参考值进行修正,得到修正后的电磁转矩参考值;同时,由所述桨距角参考值和所述修正后的电磁转矩参考值对双馈风电机组传动链扭振进行控制。
优选的,所述控制器包括:
求解模块,用于基于风机k时刻状态信息以及能管下发的命令值,采用模型预测控制算法对预先构建的预测模型进行求解,得到k时刻电磁转矩参考值、桨距角参考值以及k+1时刻传动链扭矩的变化量;
修正模块,用于基于所述k+1时刻传动链扭矩的变化量对所述k时刻电磁转矩参考值进行修正,得到修正后的电磁转矩参考值;
控制模块,用于由所述桨距角参考值和所述修正后的电磁转矩参考值对双馈风电机组传动链扭振进行控制;
其中,所述预测模型是由线性化风电机组控制模型对应的风电机组功率控制状态方程进行离散化处理后构建的。
优选的,所述控制器包括:闭环控制模块、状态观测器、修正模块和控制模块;
所述闭环控制模块,用于基于风机k时刻状态信息以及能管下发的命令值,采用转速闭环控制算法输出k时刻电磁转矩参考值和桨距角参考值,
所述状态观测器,用于观察获得k+1时刻传动链扭矩的变化量;
修正模块,用于基于所述k+1时刻传动链扭矩的变化量对所述k时刻电磁转矩参考值进行修正,得到修正后的电磁转矩参考值;
控制模块,用于由所述桨距角参考值和所述修正后的电磁转矩参考值对所述双馈风电机组传动链扭振进行控制。
优选的,还包括:模型构建模块用于:
基于双馈风电机组系统建立风电机组模型;
对所述风电机组模型使用小信号增量法进行线性化,得到线性化风电机组模型;
以所述线性化风电机组模型的变流器电磁转矩和变桨系统桨距角的变化量作为控制变量,以传动链扭矩和有功输出的变化量作为输出变量,以风轮转速、发电机转速以及传动链扭转角的变化量作为状态变量写成状态空间方程;
对所述状态空间方程进行离散化处理,得到离散化处理后的状态方程;
为所述离散化处理后的状态方程设置约束条件;
由所述离散化处理后的状态方程和所述约束条件构建预测模型。
再一方面,本申请还提供了一种计算设备,包括:一个或多个处理器;
处理器,用于执行一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行时,实现如上述所述的一种抑制双馈风电机组传动链扭振的控制方法。
再一方面,本申请还提供了一种计算机可读存储介质,其上存有计算机程序,所述计算机程序被执行时,实现如上述所述的一种抑制双馈风电机组传动链扭振的控制方法。
与现有技术相比,本发明的有益效果为:
本发明提供了一种抑制双馈风电机组传动链扭振的控制方法,包括:基于风机k时刻状态信息以及能管下发的命令值,计算k时刻电磁转矩参考值、桨距角参考值以及k+1时刻传动链扭矩的变化量,其中,k为时刻;基于所述k+1时刻传动链扭矩的变化量对所述k时刻电磁转矩参考值进行修正,得到修正后的电磁转矩参考值;由所述桨距角参考值和所述修正后的电磁转矩参考值对双馈风电机组传动链扭振进行控制。本发明通过传动链扭矩的变化量修正电磁转矩参考值,在增加传动链系统阻尼的同时增加系统刚度,能够更加有效的减小转速振荡的幅值,实现在所有传动链频率内有效地抑制传动链轴系扭振的作用。
附图说明
图1为现有技术控制框图;
图2本发明的一种抑制双馈风电机组传动链扭振的控制方法流程图;
图3本发明的双馈风电机组电磁转矩分解图;
图4为本发明的基于MP风电机组控制模型框架图;
图5为本发明的一种抑制双馈风电机组传动链扭振的控制方法具体实施图。
具体实施方式
本发明提供了一种抑制双馈风电机组传动链扭振的控制方法,该方法提出适用于传动链轴系扭振分析的有功控制模型,根据风电机组运行状态和预测模型,实现对风电机组有功控制的同时,将预测到的传动链轴系扭振转矩变化信号,经过滤波、相位补偿、增益和限幅后,附加到控制器输出的电磁转矩命令值上,来增加传动链等效阻尼和等效刚度,能够更加有效的减小转速振荡的幅值,达到在所有传动链频率内有效地抑制传动链轴系扭振的目的。
实施例1:
一种抑制双馈风电机组传动链扭振的控制方法,如图2所示,包括:
步骤1:基于风机k时刻状态信息以及能管下发的命令值,计算k时刻电磁转矩参考值、桨距角参考值以及k+1时刻传动链扭矩的变化量,其中,k为时刻;
步骤2:基于所述k+1时刻传动链扭矩的变化量对所述k时刻电磁转矩参考值进行修正,得到修正后的电磁转矩参考值;
步骤3:由所述桨距角参考值和所述修正后的电磁转矩参考值对双馈风电机组传动链扭振进行控制;
下面首先对本方案提出的理论依据做如下介绍:
(1)建立风电机组模型。建模对象主要包括气动系统、传动系统、变桨系统、变流器系统、发电机系统和控制系统,得到风电机组模型如下式(1)所示。
(1)
式中:T r 为风电机组气动扭矩,ρ为空气密度,R为风轮半径,v为风速,C p 为风电机组风能利用系数,ω r 为风轮转速,J r 为风轮转动惯量,T s 为风电机组传动链扭矩,J g 为发电机转动惯量,ω g 为发电机转速,η g 为风机增速比,T e为双馈风电机组的电磁转矩,K为传动链刚度系数,D为传动链阻尼系数,θ s 为传动链的扭转角。
双馈风电机组的电磁转矩参照同步发电机可以分解为如图3所示的等效阻尼转矩T ed和等效刚度转矩T ek。
(2)
式中,T e为双馈风电机组的电磁转矩,T ed为双馈风电机组等效阻尼转矩,T ek为双馈风电机组等效刚度转矩,D e 为双馈风电机组的等效电气阻尼,ω r 为风轮转速,ω g 为发电机转速,η g 为风机增速比,K e为双馈风电机组的等效电气刚度。
令,则式(1)整理为:
(3)
将式(2)带入(3),可得二阶系统的特征频率和阻尼比如下式(4)所示:
(4)
式中,ω为系统的特征频率,K为传动链刚度系数,J r为风轮转动惯量,K e为双馈风电机组的等效电气刚度,η g 为风机增速比,J g为发电机转动惯量,Δ为系统的阻尼比,D e为双馈风电机组的等效电气阻尼。
由上式可知当电磁转矩的等效电气刚度K e和等效电气阻尼D e都小于零,可以提高轴系阻尼和增大轴系等效刚度;当电气阻尼D e大于零,会导致传动链扭转角振荡发散,当电磁转矩的电气刚度K e大于K(1/η g +J g η g /J r),传动链扭转角会出现非周期偏移,可见双馈风电机组的轴系稳定受到电磁转矩的影响,因此通过调整电磁转矩,机组的轴系动态性能达到改善。而现有的主控传动链加阻控制策略仅增加与转速反馈信号相关的阻尼信号,未考虑增加与传动链扭转角反馈信号相关的刚度信号。
为此,本发明提出在电磁转矩上增加与传动链扭矩T s相关的信号,相当于一方面通过转速反馈信号可以产生消耗转速振荡的电功率,等效提高了轴系的阻尼,另一方面通过传动链扭转角反馈信号可以吸收轴系储能,等效提高轴系耦合强度,抑制轴系振荡幅值。
下面结合图5对本发明提供的一种抑制双馈风电机组传动链扭振的控制方法做详细介绍:
步骤1中基于风机k时刻状态信息以及能管下发的命令值,计算k时刻电磁转矩参考值、桨距角参考值以及k+1时刻传动链扭矩的变化量,包括:
基于风机k时刻状态信息以及能管下发的命令值,采用模型预测控制算法对预先构建的预测模型和目标函数进行求解,得到k时刻电磁转矩参考值、桨距角参考值以及k+1时刻传动链扭矩的变化量;
或基于风机k时刻状态信息以及能管下发的命令值,采用转速闭环控制算法输出k时刻电磁转矩参考值和桨距角参考值,通过使用状态观测器观察获得k+1时刻传动链扭矩的变化量。
其中,所述预测模型是由线性化风电机组控制模型对应的风电机组功率控制状态方程进行离散化处理后构建的。
首先构建预测模型,具体构建过程如下:
基于双馈风电机组系统建立风电机组模型;
对所述风电机组模型使用小信号增量法进行线性化,得到线性化风电机组模型;
以所述线性化风电机组模型的变流器电磁转矩和变桨系统桨距角的变化量作为控制变量,以传动链扭矩和有功输出的变化量作为输出变量,以风轮转速、发电机转速以及传动链扭转角的变化量作为状态变量写成状态空间方程;
对所述状态空间方程进行离散化处理,得到离散化处理后的状态方程;
为所述离散化处理后的状态方程设置约束条件;
由所述离散化处理后的状态方程和所述约束条件构建预测模型。
其中,基于双馈风电机组系统建立风电机组模型,具体包括:
(1)建立风电机组模型。建模对象主要包括气动系统、传动系统、变桨系统、变流器系统、发电机系统和控制系统,得到风电机组模型如下式(1)所示。
(1)
式中:T r 为风电机组气动扭矩,ρ为空气密度,R为风轮半径,v为风速,C p 为风电机组风能利用系数,ω r 为风轮转速,J r 为风轮转动惯量,T s 为风电机组传动链扭矩,J g 为发电机转动惯量,ω g 为发电机转速,η g 为风机增速比,T e 为双馈风电机组的电磁转矩,K为传动链刚度系数,D为传动链阻尼系数,θ s 为传动链的扭转角。
其中,对所述风电机组模型使用小信号增量法进行线性化,得到线性化风电机组模型,具体包括:
由于风电机组模型中的气动扭矩T r 是一个多变量时变的非线性模型,不便直接进行风电机组控制算法设计,故对其使用小信号增量法进行线性化,即在工作点对各状态变量取小扰动后进行泰勒展开并保留一阶项,可得线性化风电机组模型如下式(5)所示。
(5)
式中:δ为系统的阻尼衰减因子变化量,ω r 为风轮转速,J r 为风轮转动惯量,为变桨系统的桨距角控制时间常数,/>、/>、/>是在当前运行点由T r 的一阶泰勒近似得出的系数,θ ref 为变桨系统的桨距角参考值,v为风速,θ s 为传动链的扭转角,D为传动链阻尼系数,ω g 为发电机转速,η g 为风机增速比,J g 为发电机转动惯量,τ e 为变流器的电磁转距控制时间常数,/>为变流器的电磁转距参考值,P g 为发电机功率,T e 为双馈风电机组的电磁转矩,T s 为风电机组传动链扭矩,K为传动链刚度系数,可以将上式描述的线性化模型写成状态空间方程。
其中,以所述线性化风电机组模型的变流器电磁转矩和变桨系统桨距角的变化量作为控制变量,以传动链扭矩和有功输出的变化量作为输出变量,以风轮转速、发电机转速以及传动链扭转角的变化量作为状态变量写成状态空间方程,具体包括:
(2)设计MPC风电机组有功控制模型。当风速扰动大时会对风电机组的控制参数带来不确定性和模型失配问题,而模型预测算法对参数的不确定及模型失配等具有较强的鲁棒性。
基于式(5)线性化风电机组控制模型,可以写成状态空间方程式(6),即:
(6)
式中,为x w 的导数,x w 为状态量,u w 为控制量,E w 为扰动量,yw为输出量,A w、B w、C w和D w为参数矩阵。其中,/>、/>在当前运行点由P g 的一阶泰勒近似得出的系数。其中,A w、B w、C w、D w、Ew、x w 、u w 、yw的计算式如下:
式中,D为传动链阻尼系数,K为传动链刚度系数,η g 为风机增速比,J r 为风轮转动惯量,J g 为发电机转动惯量,和/>为在当前运行点由T r 的一阶泰勒近似得出的系数,/>为变桨系统的桨距角控制时间常数,τ e 为变流器的电磁转距控制时间常数,/>和为在当前运行点由P g 的一阶泰勒近似得出的系数。
由此可见,线性化描述风电机组模型的控制变量是变流器电磁转矩和变桨系统桨距角的变化量,输出变量为传动链扭矩和有功输出的变化量,状态变量为风轮转速、发电机转速以及传动链扭转角的变化量。
其中,对所述状态空间方程进行离散化处理,得到离散化处理后的状态方程,具体包括:
基于状态空间方程式(6),设定采样周期为T 0,可得采样k时刻的风电机组有功控制器离散化的预测模型为:
(7)
式中:x(k+1)为预测的k+1时刻风轮转速、发电机转速以及传动链扭转角的变化量,x(k)为k时刻风轮转速、发电机转速以及传动链扭转角的变化量,u(k)为k时刻变流器电磁转矩和变桨系统桨距角的变化量,u(k+1)为k+1时刻变流器电磁转矩和变桨系统桨距角的变化量,E d (k)为k时刻的扰动量,y(k+1)为k+1时刻的传动链扭矩和有功输出的变化量,A d、B d、C d和D d为参数矩阵。具体A d、B d、Cd、D d和E d 计算式如下:
式中,A w、B w、C w和D w为参数矩阵,T 0为采样周期,E w 为扰动量,t为时间。
其中,为所述离散化处理后的状态方程设置约束条件,具体约束条件包括:桨距角变化量约束、桨距角约束、发电机转速变化量约束和风轮转速变化量约束,约束条件具体计算式如下:
式中,Δθ min 为桨距角变化量最小值,Δθ为桨距角变化量,Δθ max 为桨距角变化量最大值,θ min 为桨距角最小值,θ为桨距角,θ max 为桨距角最大值,为发电机转速变化量最小值,Δω g 为发电机转速变化量,Δω gmax 为发电机转速变化量最大值,Δω rmin 为风轮转速变化量最小值,Δω r 为风轮转速变化量,Δω rmax 为风轮转速变化量最大值。
步骤1中的基于风机k时刻状态信息以及能管下发的命令值,计算k时刻电磁转矩参考值、桨距角参考值以及k+1时刻传动链扭矩的变化量,其中,k为时刻,求解方案有两种,其中方案一包括:
基于风机k时刻状态信息以及能管下发的命令值,采用模型预测控制算法对预先构建的预测模型和目标函数进行求解,得到k时刻电磁转矩参考值、桨距角参考值以及k+1时刻传动链扭矩的变化量;
其中,预测模型基于前面提到的构建方法构建,此处不再赘述。
目标函数的构建包括:
以风电机组传动链扭矩最小为目标,得到第一目标函数关系式;
以准确跟随能管下发的命令值为目标,得到第二目标函数关系式;
以所述第一目标函数关系式和所述第二目标函数关系式之和最小作为目标函数。
所述第一目标函数关系式如下式所示:
/>
式中:Obj1为第一目标函数,n p 为预测步长,ΔT s为传动链扭矩的变化量,k和j均为时刻,(k+j|k)表示在当前k时刻预测k+j时刻的系统状态,W 1为权重。
所述第二目标函数关系式如下式所示:
式中:Obj2为第二目标函数,n p 为预测步长,k和j均为时刻,(k+j|k)表示在当前k时刻预测k+j时刻的系统状态,为能管下发的命令值,P g为发电机功率,W 2为权重。
方案一具体包括:
MPC优化控制算法设计。为了降低风电机组动态载荷,在机组能够准确平滑地跟踪能量管理平台下发的有功指令基础上,增加考虑风电机组的传动链扭矩变化最小优化目标,即:
(1)以风电机组传动链扭矩最小为目标,即状态空间方程式输出y最小,得到优化的目标函数关系式:
(8)
式中:Obj1为第一目标函数,n p 为预测步长,ΔT s 为风电机组传动链扭矩的变化量,k和j均为时刻,(k+j|k)表示在当前k时刻预测k+j时刻的系统状态,W 1为权重。
(2)以准确跟随能管下发的命令为目标,故可得目标函数关系式:
(9)
式中:Obj2为第二目标函数,n p 为预测步长,k和j均为时刻,(k+j|k)表示在当前k时刻预测k+j时刻的系统状态,为能管下发的命令值,P g为发电机功率,W 2为权重。
基于上述离散化的有功控制模型以及约束条件,设计优化风电机组的控制器,让控制器同时生成电磁转矩参考值和桨距角参考值θ ref 。为了实现尽快抑制传动链轴系上低频呈现出的所有频率,同时增加系统阻尼和系统刚度,将预测未来时刻的传动链扭矩的变化量δT s经过滤波、相位补偿、信号放大和限幅后,叠加至MPC控制器输出的电磁转矩参考值/>上。由此,可以得到基于MPC的风电机组控制模型框架如图4所示。
综上,总体优化目标为上述2个函数式的和,通过对优化目标函数求最小值,在风机有功功率控制器采用MPC控制算法将功率控制优化问题描述为非线性归化问题,具体计算过程为:在采样k时刻获取风机当前状态信息以及能管下发的命令值,这里的命令是指有功功率指令,同时更新状态控制方程、优化目标、约束条件以及在未来时间段[k,k+np]内的状态量,并对上优化目标函数的和求最小值,求解得到的是未来时间段内的变流器电磁转矩和桨距角最优的增量值序列,控制命令保持一个控制周期。在下一个采样k+1时刻,重复上述过程。具体流程图如图4所示。
方案二包括:
基于风机k时刻状态信息以及能管下发的命令值,采用模型预测控制算法输出k+1时刻电磁转矩参考值和桨距角参考值;
通过使用状态观测器观察获得k+1时刻传动链扭矩的变化量。
其中方案二具体包括:
风电机组有功控制在步骤(2)不使用MPC算法,仍然使用原来的转速闭环控制算法,通过使用状态观测器观察到传动链扭矩的变化量,叠加到转速闭环输出的电磁转矩指令值,下发给变流器。
步骤2中的基于所述k+1时刻传动链扭矩的变化量对所述k时刻电磁转矩参考值进行修正,得到修正后的电磁转矩参考值,包括:
将所述k+1时刻传动链扭矩的变化量经过滤波、相位补偿、信号放大和限幅后,叠加至所述k时刻电磁转矩参考值上,得到修正后的电磁转矩参考值。
该步骤2具体包括:
将k+1时刻的传动链扭矩的变化量δT s经过滤波、相位补偿、信号放大和限幅后,叠加至MPC控制器输出的电磁转矩参考值上,在增加传动链系统阻尼的同时适当增加系统刚度,能更加有效减小转速振荡的幅值,实现了尽快抑制传动链轴系上低频呈现出的所有频率,如图4所示。该发明可应用在大容量双馈机组实现抑制轴系扭振,提升风机运行安全。
本发明增加了传动链扭矩的变化量后,相当于一方面通过转速反馈信号可以产生消耗转速振荡的电功率,等效提高了轴系的阻尼,另一方面通过传动链扭转角反馈信号可以吸收轴系储能,等效提高轴系耦合强度,抑制轴系振荡幅值。因此可以通过增加与传动链扭矩T s相关的信号来控制发电机的电磁转矩,实现了降低系统传动链的振动,同时降低疲劳载荷。
本发明提供的方案不增加任何部件,通过调整发电机转矩,即在原有转速闭环输出的转矩给定值的基础上增加一个传动系统频率上的波动,来增加传动链的阻尼。
本发明设计基于MPC有功控制器,可以同时生成电磁转矩和桨距角控制指令,这里的桨距角控制指令又称桨距角参考值,替代了原控制器中的转速闭环通过带通滤波器实现加阻的电磁转矩和桨距角控制指令,输出的未来时刻的传动链扭矩的变化量仅增加了低通滤波器,确保实现所有传动链频率都有效的衰减以及抑制。
本发明采用单个MPC有功控制器输出两个控制量取代原有的两个控制器,并提出以控制传动链扭转转矩变化量小为目标,实现风电机组在准确跟踪有功指令的同时减小机组传动链的动态载荷。
本发明提出根据每个控制周期预测的风电机组传动链扭矩的变化量,对控制器输出发电机电磁转矩进行调整,增加了传动链等效阻尼和等效刚度,实现快速抑制传动链扭矩振荡。
步骤3:由所述桨距角参考值和所述修正后的电磁转矩参考值对所述双馈风电机组传动链扭振进行控制。
实施例2:
再一方面本发明还提供了一种抑制双馈风电机组传动链扭振的控制系统,包括:
控制器,用于基于风机k时刻状态信息以及能管下发的命令值,计算k时刻电磁转矩参考值、桨距角参考值以及k+1时刻传动链扭矩的变化量;并基于所述k+1时刻传动链扭矩的变化量对所述k时刻电磁转矩参考值进行修正,得到修正后的电磁转矩参考值;同时,由所述桨距角参考值和所述修正后的电磁转矩参考值对双馈风电机组传动链扭振进行控制。
优选的,所述控制器包括:
求解模块,用于基于风机k时刻状态信息以及能管下发的命令值,采用模型预测控制算法对预先构建的预测模型进行求解,得到k时刻电磁转矩参考值、桨距角参考值以及k+1时刻传动链扭矩的变化量;
修正模块,用于基于所述k+1时刻传动链扭矩的变化量对所述k时刻电磁转矩参考值进行修正,得到修正后的电磁转矩参考值;
控制模块,用于由所述桨距角参考值和所述修正后的电磁转矩参考值对双馈风电机组传动链扭振进行控制。
可选的,求解模块具体用于:
以风电机组传动链扭矩最小为目标,得到第一目标函数关系式;
以准确跟随能管下发的命令值为目标,得到第二目标函数关系式;
以所述第一目标函数关系式和所述第二目标函数关系式之和最小为优化目标;
在风机k时刻状态信息以及能管下发的命令值更新离散化处理后的状态方程、所述优化目标和所述约束条件;
对更新后的优化目标求最小值,在满足约束条件下,得到k+1时刻电磁转矩参考值、桨距角参考值和传动链扭矩的变化量。
可选的,所述第一目标函数关系式如下式所示:
式中:Obj1为第一目标函数,n p 为预测步长,ΔT s 为传动链扭矩的变化量,k和j均为时刻,(k+j|k)表示在当前k时刻预测k+j时刻的系统状态,W 1为权重。
可选的,所述第二目标函数关系式如下式所示:
式中:Obj2为第二目标函数,n p 为预测步长,k和j均为时刻,(k+j|k)表示在当前k时刻预测k+j时刻的系统状态,为能管下发的命令值,P g为发电机功率,W 2为权重。
优选的,所述控制器包括:闭环控制模块、状态观测器、修正模块和控制模块;
所述闭环控制模块,用于基于风机k时刻状态信息以及能管下发的命令值,采用转速闭环控制算法输出k时刻电磁转矩参考值和桨距角参考值,
所述状态观测器,用于观察获得k+1时刻传动链扭矩的变化量;
修正模块,用于基于所述k+1时刻传动链扭矩的变化量对所述k时刻电磁转矩参考值进行修正,得到修正后的电磁转矩参考值;
控制模块,用于由所述桨距角参考值和所述修正后的电磁转矩参考值对双馈风电机组传动链扭振进行控制。
优选的,还包括:模型构建模块用于:
基于双馈风电机组系统建立风电机组模型;
对所述风电机组模型使用小信号增量法进行线性化,得到线性化风电机组模型;
以所述线性化风电机组模型的变流器电磁转矩和变桨系统桨距角的变化量作为控制变量,以传动链扭矩和有功输出的变化量作为输出变量,以风轮转速、发电机转速以及传动链扭转角的变化量作为状态变量写成状态空间方程;
对所述状态空间方程进行离散化处理,得到离散化处理后的状态方程;
为所述离散化处理后的状态方程设置约束条件;
由所述离散化处理后的状态方程和所述约束条件构建预测模型。
可选的,所述离散化处理后的状态方程如下式所示:
式中,x(k+1)为预测的k+1时刻风轮转速、发电机转速以及传动链扭转角的变化量,x(k)为k时刻风轮转速、发电机转速以及传动链扭转角的变化量,u(k)为变流器电磁转矩和变桨系统桨距角的变化量,E d (k)为k时刻的扰动量,y(k+1)为k+1时刻的传动链扭矩和有功输出的变化量,A d、B d和Cd为参数矩阵。
具体A d、B d、Cd和E d 计算式如下:
可选的,所述约束条件包括:
桨距角变化量约束、桨距角约束、发电机转速变化量约束和风轮转速变化量约束。
约束条件具体计算式如下:
/>
式中,Δθ min 为桨距角变化量最小值,Δθ为桨距角变化量,Δθ max 为桨距角变化量最大值,θ min 为桨距角最小值,θ为桨距角,θ max 为桨距角最大值,为发电机转速变化量最小值,Δω g 为发电机转速变化量,Δω gmax 为发电机转速变化量最大值,Δω rmin 为风轮转速变化量最小值,Δω r 为风轮转速变化量,Δω rmax 为风轮转速变化量最大值。
可选的,修正模块具体用于:
将所述k+1时刻传动链扭矩的变化量经过滤波、相位补偿、信号放大和限幅后,叠加至所述k时刻电磁转矩参考值上,得到修正后的电磁转矩参考值。
实施例3:
基于同一种发明构思,本发明还提供了一种计算机设备,该计算机设备包括处理器以及存储器,所述存储器用于存储计算机程序,所述计算机程序包括程序指令,所述处理器用于执行所述计算机存储介质存储的程序指令。处理器可能是中央处理单元(CentralProcessing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital SignalProcessor、DSP)、专用集成电路(ApplicationSpecificIntegrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable GateArray,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等,其是终端的计算核心以及控制核心,其适于实现一条或一条以上指令,具体适于加载并执行计算机存储介质内一条或一条以上指令从而实现相应方法流程或相应功能,以实现上述实施例中一种抑制双馈风电机组传动链扭振的控制方法的步骤。
实施例4:
基于同一种发明构思,本发明还提供了一种存储介质,具体为计算机可读存储介质(Memory),所述计算机可读存储介质是计算机设备中的记忆设备,用于存放程序和数据。可以理解的是,此处的计算机可读存储介质既可以包括计算机设备中的内置存储介质,当然也可以包括计算机设备所支持的扩展存储介质。计算机可读存储介质提供存储空间,该存储空间存储了终端的操作系统。并且,在该存储空间中还存放了适于被处理器加载并执行的一条或一条以上的指令,这些指令可以是一个或一个以上的计算机程序(包括程序代码)。需要说明的是,此处的计算机可读存储介质可以是高速RAM 存储器,也可以是非不稳定的存储器(non-volatile memory),例如至少一个磁盘存储器。可由处理器加载并执行计算机可读存储介质中存放的一条或一条以上指令,以实现上述实施例中一种抑制双馈风电机组传动链扭振的控制方法的步骤。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(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。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上仅为本发明的实施例而已,并不用于限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均包含在发明待批的本发明的权利要求范围之内。
Claims (10)
1.一种抑制双馈风电机组传动链扭振的控制方法,其特征在于,包括:
基于风机k时刻状态信息以及能管下发的命令值,计算k时刻电磁转矩参考值、桨距角参考值以及k+1时刻传动链扭矩的变化量,其中,k为时刻;
基于所述k+1时刻传动链扭矩的变化量对所述k时刻电磁转矩参考值进行修正,得到修正后的电磁转矩参考值;
由所述桨距角参考值和所述修正后的电磁转矩参考值对双馈风电机组传动链扭振进行控制;
所述基于风机k时刻状态信息以及能管下发的命令值,计算k时刻电磁转矩参考值、桨距角参考值以及k+1时刻传动链扭矩的变化量,包括:
基于风机k时刻状态信息以及能管下发的命令值,采用模型预测控制算法对预先构建的预测模型和目标函数进行求解,得到k时刻电磁转矩参考值、桨距角参考值以及k+1时刻传动链扭矩的变化量;
其中,所述预测模型是由线性化风电机组控制模型对应的风电机组功率控制状态方程进行离散化处理后构建的;
所述预测模型的构建包括:
基于双馈风电机组系统建立风电机组模型;
对所述风电机组模型使用小信号增量法进行线性化,得到线性化风电机组模型;
以所述线性化风电机组模型的变流器电磁转矩和变桨系统桨距角的变化量作为控制变量,以传动链扭矩和有功输出的变化量作为输出变量,以风轮转速、发电机转速以及传动链扭转角的变化量作为状态变量写成状态空间方程;
对所述状态空间方程进行离散化处理,得到离散化处理后的状态方程;
为所述离散化处理后的状态方程设置约束条件;
由所述离散化处理后的状态方程和所述约束条件构建预测模型。
2.如权利要求1所述的方法,其特征在于,所述离散化处理后的状态方程如下式所示:
式中,x(k+1)为预测的k+1时刻风轮转速、发电机转速以及传动链扭转角的变化量,x(k)为k时刻风轮转速、发电机转速以及传动链扭转角的变化量,u(k)为k时刻变流器电磁转矩和变桨系统桨距角的变化量,u(k+1)为k+1时刻变流器电磁转矩和变桨系统桨距角的变化量,E d (k)为k时刻的扰动量,y(k+1)为k+1时刻的传动链扭矩和有功输出的变化量,A d、B d、C d和D d为参数矩阵。
3.如权利要求1所述的方法,其特征在于,所述约束条件包括:
桨距角变化量约束、桨距角约束、发电机转速变化量约束和风轮转速变化量约束。
4.如权利要求1所述的方法,其特征在于,所述目标函数的构建包括:
以风电机组传动链扭矩最小为目标,得到第一目标函数关系式;
以准确跟随能管下发的命令值为目标,得到第二目标函数关系式;
以所述第一目标函数关系式和所述第二目标函数关系式之和最小作为目标函数。
5.如权利要求4所述的方法,其特征在于,所述第一目标函数关系式如下式所示:
式中:Obj1为第一目标函数,n p 为预测步长,ΔT s 为传动链扭矩的变化量,k和j均为时刻,(k+j|k)表示在当前k时刻预测k+j时刻的系统状态,W 1为权重。
6.如权利要求4所述的方法,其特征在于,所述第二目标函数关系式如下式所示:
式中:Obj2为第二目标函数,n p 为预测步长,k和j均为时刻,(k+j|k)表示在当前k时刻预测k+j时刻的系统状态,为能管下发的命令值,P g为发电机功率,W 2为权重。
7.如权利要求1所述的方法,其特征在于,所述基于所述k+1时刻传动链扭矩的变化量对所述k时刻电磁转矩参考值进行修正,得到修正后的电磁转矩参考值,包括:
将所述k+1时刻传动链扭矩的变化量经过滤波、相位补偿、信号放大和限幅后,叠加至所述k时刻电磁转矩参考值上,得到修正后的电磁转矩参考值。
8.一种抑制双馈风电机组传动链扭振的控制系统,其特征在于,包括:
控制器,用于基于风机k时刻状态信息以及能管下发的命令值,计算k时刻电磁转矩参考值、桨距角参考值以及k+1时刻传动链扭矩的变化量;并基于所述k+1时刻传动链扭矩的变化量对所述k时刻电磁转矩参考值进行修正,得到修正后的电磁转矩参考值;同时,由所述桨距角参考值和所述修正后的电磁转矩参考值对所述双馈风电机组传动链扭振进行控制;
所述控制器包括:
求解模块,用于基于风机k时刻状态信息以及能管下发的命令值,采用模型预测控制算法对预先构建的预测模型进行求解,得到k时刻电磁转矩参考值、桨距角参考值以及k+1时刻传动链扭矩的变化量;
修正模块,用于基于所述k+1时刻传动链扭矩的变化量对所述k时刻电磁转矩参考值进行修正,得到修正后的电磁转矩参考值;
控制模块,用于由所述桨距角参考值和所述修正后的电磁转矩参考值对双馈风电机组传动链扭振进行控制;
其中,所述预测模型是由线性化风电机组控制模型对应的风电机组功率控制状态方程进行离散化处理后构建的;
还包括:模型构建模块用于:
基于双馈风电机组系统建立风电机组模型;
对所述风电机组模型使用小信号增量法进行线性化,得到线性化风电机组模型;
以所述线性化风电机组模型的变流器电磁转矩和变桨系统桨距角的变化量作为控制变量,以传动链扭矩和有功输出的变化量作为输出变量,以风轮转速、发电机转速以及传动链扭转角的变化量作为状态变量写成状态空间方程;
对所述状态空间方程进行离散化处理,得到离散化处理后的状态方程;
为所述离散化处理后的状态方程设置约束条件;
由所述离散化处理后的状态方程和所述约束条件构建预测模型。
9.一种计算机设备,其特征在于,包括:一个或多个处理器;
所述处理器,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行时,实现如权利要求1至7中任一项所述的一种抑制双馈风电机组传动链扭振的控制方法。
10.一种计算机可读存储介质,其特征在于,其上存有计算机程序,所述计算机程序被执行时,实现如权利要求1至7中任一项所述的一种抑制双馈风电机组传动链扭振的控制方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310896569.XA CN116624332B (zh) | 2023-07-21 | 2023-07-21 | 一种抑制双馈风电机组传动链扭振的控制方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310896569.XA CN116624332B (zh) | 2023-07-21 | 2023-07-21 | 一种抑制双馈风电机组传动链扭振的控制方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116624332A CN116624332A (zh) | 2023-08-22 |
CN116624332B true CN116624332B (zh) | 2023-11-14 |
Family
ID=87636841
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310896569.XA Active CN116624332B (zh) | 2023-07-21 | 2023-07-21 | 一种抑制双馈风电机组传动链扭振的控制方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116624332B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN117277452B (zh) * | 2023-11-23 | 2024-03-26 | 中国电力科学研究院有限公司 | 一种双馈风电机组快速有功控制的方法及装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107644112A (zh) * | 2016-07-22 | 2018-01-30 | 郭琳 | 一种双馈风力发电机轴系震荡抑制的改进控制策略 |
CN112682254A (zh) * | 2020-12-21 | 2021-04-20 | 北京华能新锐控制技术有限公司 | 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 |
CN115013241A (zh) * | 2022-06-21 | 2022-09-06 | 明阳智慧能源集团股份公司 | 一种风力发电机双传动链加阻控制方法及系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022226709A1 (zh) * | 2021-04-25 | 2022-11-03 | 浙江大学 | 考虑功率控制的永磁同步风机接入弱电网稳定性分析方法 |
-
2023
- 2023-07-21 CN CN202310896569.XA patent/CN116624332B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107644112A (zh) * | 2016-07-22 | 2018-01-30 | 郭琳 | 一种双馈风力发电机轴系震荡抑制的改进控制策略 |
CN112682254A (zh) * | 2020-12-21 | 2021-04-20 | 北京华能新锐控制技术有限公司 | 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 |
CN115013241A (zh) * | 2022-06-21 | 2022-09-06 | 明阳智慧能源集团股份公司 | 一种风力发电机双传动链加阻控制方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN116624332A (zh) | 2023-08-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116624332B (zh) | 一种抑制双馈风电机组传动链扭振的控制方法和系统 | |
Van der Hooft et al. | Wind turbine control algorithms | |
Bossanyi et al. | Validation of individual pitch control by field tests on two-and three-bladed wind turbines | |
Zhao et al. | Fatigue load sensitivity-based optimal active power dispatch for wind farms | |
Bossanyi | Wind turbine control for load reduction | |
CN101688518B (zh) | 可变速度风力涡轮机、谐振控制系统、运行可变速度风力涡轮机的方法、可变速度风力涡轮机中方法的使用以及谐振控制系统的使用 | |
Camblong | Digital robust control of a variable speed pitch regulated wind turbine for above rated wind speeds | |
Lu et al. | Analysis and design of Coleman transform‐based individual pitch controllers for wind‐turbine load reduction | |
Yuan et al. | On advanced control methods toward power capture and load mitigation in wind turbines | |
JP2015532382A (ja) | 入力風速の予測値を使用した風力タービン制御方法 | |
Muhando et al. | Augmented LQG controller for enhancement of online dynamic performance for WTG system | |
Stol et al. | Wind turbine field testing of state-space control designs | |
Golnary et al. | Simultaneous active control of tower lateral vibration and power control of wind turbine: A novel multivariable approach | |
Pettas et al. | Investigation on the potential of individual blade control for lifetime extension | |
Jiao et al. | EWSE and uncertainty and disturbance estimator based pitch angle control for wind turbine systems operating in above-rated wind speed region | |
CN114465287A (zh) | 一种风电场快速有功功率优化方法及系统 | |
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 | |
Eskandari et al. | Optimization of wind energy extraction for variable speed wind turbines using fuzzy backstepping sliding mode control based on multi objective PSO | |
Bindner | Active control: Wind turbine model | |
CN115167140B (zh) | 风力发电机组多目标随机模型预测控制策略方法及系统 | |
CN113991754B (zh) | 一种风电场的控制方法、系统及计算设备 | |
Bergami et al. | High‐fidelity linear time‐invariant model of a smart rotor with adaptive trailing edge flaps | |
CN112922782B (zh) | 一种基于adrc控制的风力发电机组传动链加阻方法 | |
Muhando et al. | Modelling–based approach for digital control design for nonlinear WECS in the power system | |
CN115306634A (zh) | 一种两自由度的风电机组有功功率控制方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |