一种基于ELM的变速风电机组最大风能捕获方法技术

本发明专利技术公开了一种基于ELM的最大风能捕获方法。获取机组某段时间内的有效风速信息和对应时间段的与有效风速相关的机组输出数据，去除获取到的机组输出数据中的相关性并进行归一化操作，构造ELM的训练集，使用该训练集确定ELM模型，得到风速估计模型，该模型在线给出有效风速值，进而计算转速跟踪误差，给出连续的最大风能捕获控制器。该方法获得的最大风能捕获控制器能够消除抖振现象，从而降低传动系统的载荷，延长机组的服役寿命，克服传统最优转矩算法收敛速度较慢的缺点，提高风能捕获效率，简单易行，实施成本低，需要调试的参数少，相比于传统最优转矩控制算法，能够提高机组产能，增加风电场的经济效益。

Maximum wind energy capture method of variable speed wind turbine based on Elm

【技术实现步骤摘要】
一种基于ELM的变速风电机组最大风能捕获方法
本专利技术涉及风力发电机组控制
，特别涉及一种基于ELM的变速风电机组最大风能捕获方法。
技术介绍
在过去的几十年中，风力发电在世界范围内得到了飞速发展。自然界的风具有很强的随机性和间歇性，导致风电功率存在很大的不可预测性和波动性，“弃风限电”在风电工业中普遍存在，因此，风力发电的商用价值有待于进一步提升和挖掘。最大风能捕获是风电机组的主要控制目标之一，是风电场经济效益最大化的重要保证，为实现这一目标，目前工业上普遍采用最优转矩控制算法，该算法的原理十分简单，即在假设风速为定值的情况下，仅考虑系统稳态，将控制增益乘以发电机转速的平方作为电磁转矩的设定值。然而，最优转矩控制算法存在两个主要问题。首选，其控制增益的计算需要已知风电机组的最大功率系数和最佳叶尖速比，这两个关键量虽然在机组出厂时会有一个标称值，然而，随着时间的运行，由于磨损、废物堆积、叶片结冰等原因，叶片的翼形会发生变化，导致机组的最大功率系数和最佳叶尖速比也会发生变化，且很难确定其准确值，因此，原有的控制增益就会不断偏离其理论最优值，从而导致风电系统捕风效率的下降；其次，最优转矩控制算法并没有使用风速信息，其实现形式上并没有最优转速跟踪误差以及可以影响其收敛速度的可调参数，因此，在湍流风的情况下，算法的响应速度较慢，将会影响机组产能。针对最优转矩控制算法存在的问题，学者们提出了叶尖速比法，该方法的核心思想是将风电机组的最大风能捕获问题转化为最优转速跟踪问题。在此之上，滑模控制被广泛用于风电机组的最优转速控制器设计中，这些方法存在两个问题。首先，部分基于滑模控制方法的电磁转矩参考值表达式中含有不连续的符号函数，这将会带来控制信号的抖振从而影响执行器寿命，即使有学者使用连续的函数代替不连续的符号函数，然而这种方法并不是从理论层面上解决滑模控制的不连续问题，所以相关控制参数选取不当会影响控制性能；其次，很多基于滑模控制理论的最大风能捕获方法均假设机组的有效风速是能准确获得的，然而，在实践中，通过传感器获得的有效风速存在测量误差大或者获取成本昂贵的问题，导致这些方法的实用性不强。本专利技术针对现有基于滑模控制的最大风能捕获控制方法存在的问题，使用基于ELM(极限学习机)的有效风速估计方法代替昂贵的雷达测风装置，提高有效风速的估计精度，并降低其获取成本，进而得到最优转速估计值，通过使用滑模控制中的super-twisting算法设计最大风能捕获控制算法，一方面克服了传统最优转矩控制算法收敛慢的缺点，提高机组的风能捕获效率，另一方面保证了控制信号的连续性，从而避免控制信号的抖振，延长机组的服役寿命。
技术实现思路
为了提高最优转矩控制算法的风能捕获效率，解决现有最大风能捕获方法实现成本高、参数选取困难的问题，本专利技术提供一种实现成本低、控制参数调试简单的最大风能捕获方法，能够降低风电场的建设和运维成本，延长机组的服役寿命，提高机组产能，增加风电场的经济效益。本专利技术解决其技术问题所采用的技术方案是：一种基于ELM的最大风能捕获方法，该方法包括以下步骤：(1)获取机组某段时间内的有效风速信息，记为V，V是ELM训练目标集，获取对应时间段内的与有效风速信息相关的机组输出数据，并去除获取到的机组输出数据中的相关性，得到去除相关性后的数据；(2)对步骤(1)获得的得到去除相关性后的数据进行归一化处理，得到ELM的训练特征集X中的列分量，构造ELM的训练特征集，训练特征集X和训练目标集V共同构成ELM的训练集；(3)构造包括输入层、隐含层和输出层的ELM的结构，并使用步骤(2)中的训练集确定ELM的参数，训练得到ELM模型；(4)在线使用时，将去除相关性后的机组输出数据做归一化处理，输入到步骤(3)训练好的ELM模型中，计算得到有效风速估计值；(5)根据步骤(4)得到的有效风速估计值，得到机组风轮的最优风轮转速估计值，进而计算得到风轮转速跟踪误差e：其中，ωr是风轮转速，是最优风轮转速估计值，λopt是机组最佳叶尖速比，R是风轮半径。进一步地，求取风轮转速跟踪误差的动态特性为：其中是未知项，该未知项将使用后续的最大风能捕获控制器进行补偿。假设F0是未知项F的导数的上界，F0是已知的，Ta是气动转矩，Kt是等效阻尼，Tg是电磁转矩。(6)根据步骤(5)获得跟踪误差e，得到最大风能捕获控制器的表达式如下：其中c和b是常值控制参数，取为：b＝1.1F0，sign(·)是符号函数。进一步地，所述步骤(1)中，机组某段时间内的有效风速信息通过激光雷达测风装置获得，同时使用SCADA系统记录对应时间段内的与有效风速信息相关的机组输出数据X'＝[x'(i,j)],i＝1,...,l,j＝1,...,8，其中x'(i,j)是SCADA系统的一次采样输出，其表达式为：x'(i,:)＝[ωr,ωg,Tem,Pe,afa,vfa,xfa,Ra]其中，ωr是风轮转速，ωg是发电机转速，Tem是电磁转矩，Pe是发电功率，afa是塔架前后加速度，vfa是塔架前后速度，xfa是塔架前后位移，Ra是风轮角位移。进一步地，所述步骤(1)中，采用PCA算法去除获取到的机组输出数据中的相关性，具体步骤包括：对机组输出数据进行去中心化处理，即X'的每一列数据均减去各自的均值；计算协方差矩阵；计算协方差矩阵的特征值和特征向量；将特征向量按照特征值从大到小按列排序，并取前4列组成矩阵P；将数据X'投影到矩阵P中，得到去除相关性后的数据X”＝[x”(i,:)]。进一步地，所述步骤(2)中，归一化处理的具体操作为：其中，x”(:,j)表示X”中的列分量，μ(j)和σ(j)分别是x”(:,j)的均值和标准差，x(:,j)组成ELM的训练特征集X中的列分量。进一步地，所述步骤(3)中，构造的ELM包括具有4个节点的输入层，12个节点的隐含层，1个节点的输出层；随机初始化输入层到隐含层的权重W1和偏置B，得到隐含层的输出H＝ψ(XW1+B)，隐含层的激活函数ψ取为sigmoid函数，记隐含层到输出层的权重为W2，则W2可以计算为：W2＝H+V其中H+是H的伪逆。进一步地，所述步骤(4)中，有效风速估计值的表达式为：其中，fELM表示训练好的ELM模型，xnew是经过PCA去相关和归一化处理的机组实时输出。本专利技术的有益效果是：使用ELM进行有效风速估计，避免了激光雷达测风装置的使用，降低了系统成本，提高了风速估计的精度；得到的最大风能捕获控制器的表达式是本质连续的，消除了控制器的抖振，降低了机组的机械载荷，同时克服了传统最优转矩控制算法收敛速度慢的缺点。本专利技术提供的基于ELM的最大风能捕获方法，方法简单易行，实施成本低，需要调试的参数少，相比于传统的基于滑模控制的风电机组最大风能捕获方法，能够延长机组的服役寿命；相比于传统最优转矩控制算法相比，能够提高机组产能，增加风电本文档来自技高网...

【技术保护点】
1.一种基于ELM的最大风能捕获方法，其特征在于，该方法包括以下步骤：/n(1)获取机组某段时间内的有效风速信息，记为V，V是ELM训练目标集，获取对应时间段内的与有效风速信息相关的机组输出数据，并去除获取到的机组输出数据中的相关性，得到去除相关性后的数据；/n(2)对步骤(1)获得的得到去除相关性后的数据进行归一化处理，得到ELM的训练特征集X中的列分量，构造ELM的训练特征集，训练特征集X和训练目标集V共同构成ELM的训练集；/n(3)构造包括输入层、隐含层和输出层的ELM的结构，并使用步骤(2)中的训练集确定ELM的参数，训练得到ELM模型；/n(4)在线使用时，将去除相关性后的机组输出数据做归一化处理，输入到步骤(3)训练好的ELM模型中，计算得到有效风速估计值；/n(5)根据步骤(4)得到的有效风速估计值，得到机组风轮的最优风轮转速估计值，进而计算得到风轮转速跟踪误差e：/n

【技术特征摘要】
1.一种基于ELM的最大风能捕获方法，其特征在于，该方法包括以下步骤：
(1)获取机组某段时间内的有效风速信息，记为V，V是ELM训练目标集，获取对应时间段内的与有效风速信息相关的机组输出数据，并去除获取到的机组输出数据中的相关性，得到去除相关性后的数据；
(2)对步骤(1)获得的得到去除相关性后的数据进行归一化处理，得到ELM的训练特征集X中的列分量，构造ELM的训练特征集，训练特征集X和训练目标集V共同构成ELM的训练集；
(3)构造包括输入层、隐含层和输出层的ELM的结构，并使用步骤(2)中的训练集确定ELM的参数，训练得到ELM模型；
(4)在线使用时，将去除相关性后的机组输出数据做归一化处理，输入到步骤(3)训练好的ELM模型中，计算得到有效风速估计值；
(5)根据步骤(4)得到的有效风速估计值，得到机组风轮的最优风轮转速估计值，进而计算得到风轮转速跟踪误差e：



其中，ωr是风轮转速，是最优风轮转速估计值，λopt是机组最佳叶尖速比，R是风轮半径。进一步地，求取风轮转速跟踪误差的动态特性为：



其中是未知项，该未知项将使用后续的最大风能捕获控制器进行补偿。假设F0是未知项F的导数的上界，F0是已知的，Ta是气动转矩，Kt是等效阻尼，Tg是电磁转矩。
(6)根据步骤(5)获得跟踪误差e，得到最大风能捕获控制器的表达式如下：



其中c和b是常值控制参数，取为：b＝1.1F0，sign(·)是符号函数。


2.根据权利要求1所述的基于ELM的最大风能捕获方法，其特征在于，所述步骤(1)中，机组某段时间内的有效风速信息通过激光雷达测风装置获得，同时使用SCADA系统记录对应时间段内的与有效风速信息相关的机组输出数据X'＝[x'(i,j)],i＝1,...,l,j＝1,...,8，其中x'(i,j)是SCAD...

【专利技术属性】
技术研发人员：杨秦敏，焦绪国，陈积明，傅凌焜，陈棋，孙勇，
申请(专利权)人：浙江大学，
类型：发明
国别省市：浙江;33