一种风电机组最大风能捕获控制方法及系统技术方案

本发明专利技术公开了一种风电机组最大风能捕获控制方法及系统，利用BP神经网络在线辨识风电机组逆模型；对风电机组进行实时控制，在线估计风轮气动转矩，利用牛顿拉夫逊方法对风轮气动转矩与风速的物理关系进行迭代求解，实时获取风速估计值；依据风速估计值计算参考转速；以参考转速、前一时刻风轮转速、前一时刻发电机电磁转矩以及气动转矩估计值作为风电机组逆模型的输入，计算当前时刻风电机组逆模型的转矩控制量；利用BP神经网络控制器计算闭环转矩控制量；将当前时刻风电机组逆模型的转矩控制量与闭环转矩控制量相加获得合电磁转矩控制量，经变流器实现合转矩设定目标，实现风电机组最大风能捕获控制，逻辑简单易于实现，响应快，稳定性较好。稳定性较好。稳定性较好。

【技术实现步骤摘要】
一种风电机组最大风能捕获控制方法及系统


[0001]本专利技术属于风力发电
，具体涉及一种风电机组最大风能捕获控制方法及系统。

技术介绍

[0002]提高风能利用效率是风电发展永恒不变的话题。风电机组从风能中捕获能量的大小主要取决于风轮转速、风速及桨距角，变桨一般是为了对风轮的转速进行限制，防止超速引起故障及过大的气动噪声。在额定风速以下，变桨控制一般不启用，此时功率系数是关于叶尖速比的单值函数，即每个额定以下的风速都对应着一个最优的风轮转速，使得风能利用效率最高。风电机组最大风能捕获控制的目的就是调节发电机电磁转矩，使得风轮转速向最佳转速值变化，进而实现最大风能捕获。
[0003]风电机组最大风能捕获控制主要有最优转矩法、叶尖速比法和爬山法。叶尖速比法根据风速测量值来计算参考转速，常见的风速传感器安装在机舱，但只能对单个点进行测量，风剪切、尾流效应、风速湍流特性及风速仪的惯性均使风速传感器难以测到准确的风速信号，安装位置不同，得到的风速信号也不同，所测信号无法准确反映作用在整个风轮的有效风速，因此叶尖速比法在大型风电机组上很少应用。爬山方法也称扰动观测法，不依赖于系统参数，通过比较发电机输出功率之间的关系来调整风机转速向着最大功率的运行，当风轮转动惯量较大时，爬山方法其跟踪速度较慢，因此主要应用于小型风电机组。最优转矩法是大型风电机组最大功率点跟踪的主流方法，传统最优转矩法基于稳态最优曲线，忽略了不同稳态工作点的动态过程。从控制系统角度，传统最优转矩法表现出显著非线性和大惯性特征，即在低风速风轮响应滞后严重，并且响应滞后程度随风速增加而有所减轻；另一方面，风具较强随机性，实际工况不存在绝对的稳态，风电机组也时刻处于动态过程中，基于稳态假设的最优转矩法必将引起能量损失。因此，设计一种非线性的、考虑机组非稳态的最大风能捕获控制方法对提升风电机组风能捕获动态响应性能及风能利用效率具有重大意义。

技术实现思路

[0004]本专利技术所要解决的技术问题在于针对上述现有技术中的不足，提供一种风电机组最大风能捕获控制方法及系统，以解决风电机组风能捕获动态响应性能及风能利用效率低的技术问题。
[0005]本专利技术采用以下技术方案：
[0006]一种风电机组最大风能捕获控制方法，包括以下步骤：
[0007]S1、利用BP神经网络在线辨识风电机组逆模型；
[0008]S2、对风电机组进行实时控制，读取风轮转速和发电机的电磁转矩信号，在线估计风轮气动转矩，利用牛顿拉夫逊方法对风轮气动转矩与风速的物理关系进行迭代求解，实时获取风速估计值；
[0009]S3、设计参考模型，依据步骤S2获取的风速估计值计算参考转速；
[0010]S4、以风轮的气动转矩估计值、步骤S3获得的参考转速、步骤S2获得的前一时刻的风轮转速和前一时刻的发电机电磁转矩信号作为步骤S1得到的风电机组逆模型的输入，计算当前时刻风电机组逆模型的转矩控制量；
[0011]S5、将步骤S3获得的参考转速与步骤S2获得的风轮转速相减，得到转速控制误差；
[0012]S6、基于步骤S5得到的转速控制误差，利用BP神经网络控制器计算闭环转矩控制量；
[0013]S7、将步骤S4获得的当前时刻风电机组逆模型的转矩控制量与步骤S6得到的闭环转矩控制量相加，获得合电磁转矩控制量，并经变流器实现合转矩设定目标，实现风电机组最大风能捕获控制。
[0014]具体的，步骤S1中，利用BP神经网络在线辨识风电机组逆模型具体为：
[0015]在传统的转矩控制策略下运行风电机组；实时读取风轮转速信号a和发电机电磁转矩信号b；结合离散的风电机组传动链状态空间方程，基于实时风轮转速信号a和发电机电磁转矩信号b，利用无迹卡尔曼滤波器对风轮气动转矩进行在线无偏估计，得到风轮气动转矩估计值c；利用BP神经网络对被控风电机组的逆模型进行在线辨识，将当前时刻电磁转矩b(k)与神经网络输出之差作为误差训练权值，将训练后的神经网络作为风电机组逆模型。
[0016]进一步的，被控风电机组的模型结构为：
[0017]a(k)＝f[a(k
‑
1),b(k),b(k
‑
1),c(k)][0018]其中，f表示函数，a(k)为当前时刻转速，a(k
‑
1)为前一时刻转速，b(k)为当前时刻电磁转矩，b(k
‑
1)为前一时刻电磁转矩，c(k)为当前时刻气动转矩。
[0019]进一步的，风电机组逆模型的输出表示为：
[0020]Net[a
d
(k),a(k
‑
1),b(k
‑
1),c(k)][0021]其中，a(k)为当前时刻转速，a(k
‑
1)为前一时刻转速，b(k
‑
1)为前一时刻电磁转矩，c(k)为当前时刻气动转矩。
[0022]具体的，步骤S2中，风速估计值d满足关系如下：
[0023][0024]其中，ρ为入流风密度；R为风轮半径；C
T
(λ)为风轮转矩系数，λ为叶尖线速度与入流风速的比值；c为风轮气动转矩。
[0025]进一步的，在线估计风轮气动转矩具体为：
[0026]首先读取风轮转速信号a和发电机电磁转矩信号b，然后利用无迹卡尔曼滤波器在线估计风轮气动转矩c。
[0027]具体的，步骤S3中，参考模型具体为：
[0028][0029]其中，λ
opt
为最佳叶尖速比，为参考模型增益；e为时间常数，a
d
(s)为参考转速的拉普拉斯变换，d(s)为风速估计值的拉普拉斯变换，s为拉普拉斯算子。
[0030]具体的，步骤S4中，当前时刻风电机组逆模型的转矩控制量g(k)为：
[0031]g(k)＝Net[a
d
(k),a(k
‑
1),b(k
‑
1),c(k)][0032]其中，a
d
(k)为参考转速，a(k
‑
1)为前一时刻风轮转速，b(k
‑
1)为前一时刻发电机电磁转矩，c(k)为气动转矩估计值。
[0033]具体的，步骤S6具体为：
[0034]神经网络控制器以步骤S3获得的参考转速a
d
(k)、步骤S2获得的前一时刻风轮转速a(k
‑
1)以及前一时刻的闭环转矩控制量i(k
‑
1)为输入，以闭环转矩控制量i(k)为输出，以转速控制误差h(k)为目标对神经网络控制器的权值进行在线训练。
[0035]第二方面，本专利技术实施例提供了一种风电机组最大风能捕获控制系统，包括：
[0036]辨识模块，利用BP神经网络在线辨识风电机组逆模型；
[0037]估计模块，对风电机组进行实时控制，读取风轮转速和发电机的电磁转矩信号，在线估计风轮气动转矩，利用牛顿拉夫逊方法对本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种风电机组最大风能捕获控制方法，其特征在于，包括以下步骤：S1、利用BP神经网络在线辨识风电机组逆模型；S2、对风电机组进行实时控制，读取风轮转速和发电机的电磁转矩信号，在线估计风轮气动转矩，利用牛顿拉夫逊方法对风轮气动转矩与风速的物理关系进行迭代求解，实时获取风速估计值；S3、设计参考模型，依据步骤S2获取的风速估计值计算参考转速；S4、以风轮的气动转矩估计值、步骤S3获得的参考转速、步骤S2获得的前一时刻的风轮转速和前一时刻的发电机电磁转矩信号作为步骤S1得到的风电机组逆模型的输入，计算当前时刻风电机组逆模型的转矩控制量；S5、将步骤S3获得的参考转速与步骤S2获得的风轮转速相减，得到转速控制误差；S6、基于步骤S5得到的转速控制误差，利用BP神经网络控制器计算闭环转矩控制量；S7、将步骤S4获得的当前时刻风电机组逆模型的转矩控制量与步骤S6得到的闭环转矩控制量相加，获得合电磁转矩控制量，并经变流器实现合转矩设定目标，实现风电机组最大风能捕获控制。2.根据权利要求1所述的风电机组最大风能捕获控制方法，其特征在于，步骤S1中，利用BP神经网络在线辨识风电机组逆模型具体为：在传统的转矩控制策略下运行风电机组；实时读取风轮转速信号a和发电机电磁转矩信号b；结合离散的风电机组传动链状态空间方程，基于实时风轮转速信号a和发电机电磁转矩信号b，利用无迹卡尔曼滤波器对风轮气动转矩进行在线无偏估计，得到风轮气动转矩估计值c；利用BP神经网络对被控风电机组的逆模型进行在线辨识，将当前时刻电磁转矩b(k)与神经网络输出之差作为误差训练权值，将训练后的神经网络作为风电机组逆模型。3.根据权利要求2所述的风电机组最大风能捕获控制方法，其特征在于，被控风电机组的模型结构为：a(k)＝f[a(k
‑
1),b(k),b(k
‑
1),c(k)]其中，f表示函数，a(k)为当前时刻转速，a(k
‑
1)为前一时刻转速，b(k)为当前时刻电磁转矩，b(k
‑
1)为前一时刻电磁转矩，c(k)为当前时刻气动转矩。4.根据权利要求2所述的风电机组最大风能捕获控制方法，其特征在于，风电机组逆模型的输出表示为：Net[a
d
(k),a(k
‑
1),b(k
‑
1),c(k)]其中，a(k)为当前时刻转速，a(k
‑
1)为前一时刻转速，b(k
‑
1)为前一时刻电磁转矩，c(k)为当前时刻气动转矩。5.根据权利要求1所述的风电机组最大风能捕获控制方法，其特征在于，步骤S2中，风速估计值d满足关系如下：其...

【专利技术属性】
技术研发人员：许瑾，李冲，邓巍，汪臻，赵勇，
申请(专利权)人：华能澜沧江水电股份有限公司，
类型：发明
国别省市：