【技术实现步骤摘要】
一种风电机组的变桨协调优化控制方法
[0001]本专利技术属于风力发电机组控制
,具体涉及的是一种风电机组的变桨协调优化控制方法。
技术介绍
[0002]作为大型风力发电机组中的主要控制系统,偏航控制和变桨距控制在风力发电过程中起着至关重要的作用,直接关系到整个机组的性能。偏航控制系统主要驱动机舱转动,使风轮所在面与风向保持垂直,从而使风能利用达到最大化。在风电机组实际工作过程中,一是某些机械结构由于不可抗力导致静态偏差,使偏航控制系统不能精准对风,从而导致机组输出功率下降。二是偏航控制系统存在动态误差,由于偏航控制器存在偏航偏差阈值和延迟时间,往往在一段时间内平均风向与机舱夹角超过一定值时,偏航系统才会开始校正,从而导致偏航控制滞后,引起动态误差。变桨距控制系统是通过控制叶片桨距角的大小来改变风电机组的风能利用系数,使风电机组尽可能的在额定功率附近稳定输出。
[0003]目前大型风力发电机组往往采用变速变桨距控制,主要分为以下两个阶段:
[0004]阶段一是当风速低于额定风速时,主要通过调整偏航角度来获得最大风能捕获,此时桨距角一般处于最佳水平;
[0005]阶段二是当风速高于额定风速时,此时需要控制桨距角来保持机组的输出在额定功率附近。常规控制往往存在控制精度低,控制滞后等问题,
[0006]因此需要一种可靠的变桨控制方法,使风速高于额定风速时,机组恒功率输出。
技术实现思路
[0007]本专利技术的目的在于克服现有技术的缺点,提供一种风电机组的变桨协调优化控 ...
【技术保护点】
【技术特征摘要】
1.一种风电机组的变桨协调优化控制方法,其特征在于,包括以下步骤:第一步,获取风电场的SCADA系统历史数据,所述风电场的SCADA系统历史数据满足:第一、风速超过机组的额定风速,第二、剔除奇异样本数据;第二步,基于BP神经网络对所述SCADA系统历史数据进行训练,建立风电机组模型;第三步,以现场的实际数据验证所述风电机组模型的准确性;第四步,基于改进粒子群寻优算法,对变桨PID控制器的参数进行寻优;第五步,将所述改进粒子群寻优算法的寻优结果,带入到所述风电机组模型中,评价系统输出性能,分析寻优结果是否满足寻优算法终止迭代条件,若满足终止迭代条件,则风电机组模型根据所述寻优结果生成变桨控制指令发送到风电机组变桨PID控制器以执行对风电机组的变桨控制;若不满足终止迭代条件,则粒子群寻优算法继续执行寻优指令,直至满足终止迭代条件。2.根据权利要求1所述的一种风电机组的变桨协调优化控制方法,其特征在于,所述风电机组模型选择五输入一输出模型,输入为风速、偏航偏差角、叶尖速比、桨距角和空气密度,输出为风力发电机组输出功率。3.根据权利要求2所述的一种风电机组的变桨协调优化控制方法,其特征在于,所述风电机组模型中,输入层的节点为5,输出层的节点为1,隐含层的节点为4。4.根据权利要求1所述的一种风电机组的变桨协调优化控制方法,其特征在于,对所述SCADA系统历史数据进行零初始值处理;零初始值的处理原则为:SCADA系统历史数据进行零初始值处理;零初始值的处理原则为:上式中,N代表零初始点的个数,取值个数的范围为4~6点;u(k)代表模型输入参数的历史数据,u*(k)代表经过零初始值处理过后的模型输入数据,u(i)代表各输入量的零初始点数据;y(k)代表模型输出参数的历史数据,y*(k)代表经过零初始值处理过后的模型输出数据,y(i)代表各输入量的零初始点数据。5.根据权利要求4所述的一种风电机组的变桨协调优化控制方法,其特征在于,N的取值为5。6.根据权利要求4所述的一种风电机组的变桨协调优化控制方法,其特征在于,零初始值处理后的SCADA系统历史数据中,80%用于模型训练,剩余的20%用于BP神经网络模型的验证。7.根据权利要求1所述的一种风电机组的变桨协调优化控制方法,其特征在于,在第四步中,所述的改进粒子群寻优算法为带惯性权重的改进型粒子群算法,在寻优过程中,粒子不断更新自己的位置信息X
i
和速度信息V
i
,并且在更新过程中根据适应度值来评价解的品质,之后通过跟踪粒子的个体最优值和粒子种群全局最优值,在全局中寻找...
【专利技术属性】
技术研发人员:戴媛媛,龙志强,赵波波,马元元,乔耀斌,王伟,刘军军,
申请(专利权)人:山西华仁通电力科技股份有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。