非线性前馈与模糊PID结合的风力发电机组变桨距控制方法技术

本发明专利技术公开了一种非线性前馈控制与粒子群优化模糊PID控制结合的风力发电机变桨距控制方法。该方法提出基于有功功率偏差的前馈控制策略，当发电机组运行在额定风速以上时，运用发电机有功功率P与额定功率P0得到功率偏差△P；通过MAPSO模糊PID控制器给出变桨距控制期望输出的桨距角β1；同时经非线性前馈控制器得出变桨距控制期望的前馈桨距角β2；MAPSO模糊PID控制器得到的桨距角β1与前馈桨距角β2相加，得到桨距角设定值β。本发明专利技术降低了系统的调节时间，增加系统的稳定性和可靠性，较传统控制器具有明显的优势。

【技术实现步骤摘要】
非线性前馈与模糊PID结合的风力发电机组变桨距控制方法
本专利技术涉及风力发电
，具体是一种非线性前馈与多Agent粒子群(MAPSO)优化模糊PID控制结合的风力发电机组变桨距控制方法。
技术介绍
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。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。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，设计一种新型风力发电机组变桨系统控制方法，以解决现有技术存在的问题，具有重要的理论和现实意义。
技术实现思路
针对以上现有技术中的不足，本专利技术的目的在于提供一种提高模糊控制器的鲁棒性和控制精度、减少了系统的调节时间而且降低了机械抖动的方法，本专利技术的技术方案如下:一种非线性前馈与模糊PID结合的风力发电机组变桨距控制方法，其包括以下步骤:101、用功率表测量风力发电机组的发电机功率P ；102、将步骤101得到的发电机功率P与发电机额定功率Ptl进行差值运算得到功率偏差Λ P，并计算出At时间内的功率偏差率Λ P/At;103、初始化模糊控制器、PID控制器，根据步骤102得到的功率偏差Λ P、功率偏差率Λ P/At，将功率偏差Λ P、功率偏差率Λ P/At作为模糊控制器的输入变量，即误差信号E和误差信号变化率EC，然后选择模糊控制器中模糊子集的隶属度函数，去模糊化，并将隶属度函数的顶点坐标作为一个粒子，采用多Agent粒子群MAPSO寻优算法优化模糊控制器的隶属度函数，得出模糊控制器的输出为三个增益KP，K1, KD，将KP，K1, Kd作为PID控制器的输入变量，所述PID控制器的输出为变桨距控制期望输出的桨距角;104、采集风力发电机组的发电机风速数据V(t)，将风力发电机组的发电机风速数据V(t)作为自变量，将发电机桨距角β (t)作为因变量，对发电机桨距角一风速数据对进行拟合，建立桨距角一风速非线性前馈控制器模型:β f (t) = β (V) = ad+aJ+a^Vu+ajn,非线性前馈控制器中系数采用最小二乘多项式拟合方法来确定，设当前时刻的测量风速为Vt，上一控制时刻的实际桨距角为ef(t-1)，则前馈控制器的输出增量型参考前馈桨距角为:β2= β,ω-β,α-υ ；105、将步骤103中得到的变桨距控制期望输出的桨距角β !与步骤104得到的前馈桨距角β2相加，得到发电机叶片的变桨角度=106、将步骤105中的发电机叶片变桨角度β传输给发电机变桨执行机构，所述发电机变桨执行机构根据发电机叶片变桨角度β进行变桨，完成控制。进一步的，步骤103中，模糊控制器规则表示成:本文档来自技高网...

【技术保护点】
一种非线性前馈与模糊PID结合的风力发电机组变桨距控制方法,其特征在于包括以下步骤：101、用功率表测量风力发电机组的发电机功率P；102、将步骤101得到的发电机功率P与发电机额定功率P0进行差值运算得到功率偏差△P，并计算出△t时间内的功率偏差率△P/△t；103、初始化模糊控制器、PID控制器，根据步骤102得到的功率偏差△P、功率偏差率△P/△t，将功率偏差△P、功率偏差率△P/△t作为模糊控制器的输入变量，即误差信号E和误差信号变化率EC，然后选择模糊控制器中模糊子集的隶属度函数，去模糊化，并将隶属度函数的顶点坐标作为一个粒子，采用多Agent粒子群MAPSO寻优算法优化模糊控制器的隶属度函数，得出模糊控制器的输出为三个增益KP，KI，KD，将KP，KI，KD作为PID控制器的输入变量，所述PID控制器的输出为变桨距控制期望输出的桨距角β1；104、采集风力发电机组的发电机风速数据V(t)，将风力发电机组的发电机风速数据V(t)作为自变量，将发电机桨距角β(t)作为因变量,对发电机桨距角—风速数据对进行拟合，建立桨距角—风速非线性前馈控制器模型：βf(t)＝β(V)＝a0+a1V+a2V2+···+anVn，非线性前馈控制器中系数采用最小二乘多项式拟合方法来确定，设当前时刻的测量风速为Vt，上一控制时刻的实际桨距角为βf(t‑1)，则前馈控制器的输出增量型参考前馈桨距角为：β2＝βf(t)‑βf(t‑1)；105、将步骤103中得到的变桨距控制期望输出的桨距角β1与步骤104得到的前馈桨距角β2相加，得到发电机叶片的变桨角度β，即β＝β1+β2；106、将步骤105中的发电机叶片变桨角度β传输给发电机变桨执行机构，所述发电机变桨执行机构根据发电机叶片变桨角度β进行变桨，完成控制。...

【技术特征摘要】
1.一种非线性前馈与模糊PID结合的风力发电机组变桨距控制方法，其特征在于包括以下步骤: 101、用功率表测量风力发电机组的发电机功率P； 102、将步骤101得到的发电机功率P与发电机额定功率Ptl进行差值运算得到功率偏差Λ P，并计算出Λ t时间内的功率偏差率Λ P/At； 103、初始化模糊控制器、PID控制器，根据步骤102得到的功率偏差ΛP、功率偏差率ΔΡ/Δ t，将功率偏差Λ P、功率偏差率Λ P/ Δ t作为模糊控制器的输入变量，即误差信号E和误差信号变化率EC，然后选择模糊控制器中模糊子集的隶属度函数，去模糊化，并将隶属度函数的顶点坐标作为一个粒子，采用多Agent粒子群MAPSO寻优算法优化模糊控制器的隶属度函数，得出模糊控制器的输出为三个增益KP，K1, KD，将KP，K1, Kd作为PID控制器的输入变量，所述PID控 制器的输出为变桨距控制期望输出的桨距角; 104、采集风力发电机组的发电机风速数据V(t)，将风力发电机组的发电机风速数据V(t)作为自变量，将发电机桨距角β (t)作为因变量t对发电机桨距角一风速数据对进行拟合，建立桨距角一风速非线性前馈控制器模型: β f (t) = β (V) = ad+aj+aj2+*+anVn,非线性前馈控制器中系数采用最小二乘多项式拟合方法来确定，设当前时刻的测量风速为Vt，上一控制时刻的实际桨距角为i3f(t_l)，则前馈控制器的输出增量型参考前馈桨距角为:β2= i3f(t)-13f(t_l)； 105、将步骤103中得到的变桨距控制期望输出的桨距角β!与步骤104得到的前馈桨距角β2相加，得到发电机叶片的变桨角度= 106、将步骤105中的发电机叶片变桨角度β传输给发电机变桨执行机构，所述发电机变桨执行机构根据发电机叶片变桨角度β进行变桨，完成控制...

【专利技术属性】
技术研发人员：唐贤伦，王福龙，胡向东，蒋畅江，张毅，张莉，姜吉杰，
申请(专利权)人：重庆邮电大学，
类型：发明
国别省市：重庆;85