【技术实现步骤摘要】
本专利技术涉及新能源发电领域，尤其涉及一种基于凸化预测模型的风力发电机组控制方法。
技术介绍
1、在“双碳”战略的背景下，新能源发电将逐渐代替传统发电成为我国的主要发电方式。其中，风力发电因为建设周期短、投资灵活，具有优秀的社会效益，是新能源发电中的“主力军”。然而由于风力发电具有间歇性、波动性和随机性等特性，为了提高机组的发电能力，对其控制系统的设计提出了不小的挑战。并且在发电过程中，塔架、齿轮箱等关键结构会产生一定程度的疲劳负荷，随着机组的长期运行，这些负荷会对关键结构材料造成损伤，影响到了发电机组的安全运行以及使用寿命。所以，如何抑制疲劳负荷也是风电机组控制中的一个难题。针对风力发电机组控制策略的优化设计，有利于提高机组的发电能力、降低发电过程关键结构的疲劳损伤、提高整个风机运行的效率。
2、预测模型控制因为可以提供优秀的闭环性能和灵活的控制动作，在风力发电控制系统中已经被广泛使用。预测模型控制方法直接以提高整个风机运行的效率为目标进行优化控制，因此其可以平衡发电量和关键结构疲劳负荷之间的关系，实现系统最优运行。由于它是一种非凸最优控制问题，求解复杂度高，会陷入局部最优解，而不是全局最优解，造成了反馈延迟和功率损失等问题。因此需要对非凸预测模型控制进行凸化，将其转化为等价的凸优化问题，减小系统计算复杂程度，进一步提高系统的工作效率。
3、中国专利公开号：cn112610406a，公开了一种风力发电机组控制方法，该方法包括，实时采集风速风向信息，计算当前风速下的湍流值；实时测量风力发电机组关键部位的提
技术实现思路
1、为此，本专利技术提供一种基于凸化预测模型的风力发电机组控制方法，用以克服现有技术中不能实现求解复杂程度低和低风机运行的效率的问题。
2、为实现上述目的，本专利技术提供一种基于凸化预测模型的风力发电机组控制方法，包括：步骤s1，根据风力发电机的若干子系统的对应运行参数和柔性塔架的位移参数对非线性动力学模型进行确定；步骤s2，在完成对于所述非线性动力学模型的确定时，根据执行器电子设备的电气限制的参数范围和安全参数的标准区间对非线性动力学模型的变量组对应的约束条件进行确定；步骤s3，对决策变量进行重构以使所述风力发电机的若干子系统转化为具有相同动力学特征的线性系统；步骤s4，对所述决策变量的约束集进行凸化，并根据风速的若干离散值对具有n段仿射函数的分段线性函数的表达式进行确定；步骤s5，对风力发电机的目标函数对应的目标方程进行求解，并根据求解结果对风力发电机扭矩tg和桨距角β分别进行确定以对所述非线性动力学模型进行控制。
3、进一步地，在所述步骤s1中，所述若干子系统包括气动转子子系统、传送子系统、发电机子系统以及柔性塔架。
4、进一步地，所述非线性动力学模型的计算公式为：
5、
6、进一步地，所述变量组包括状态变量范围的约束条件、输入变量范围的约束条件以及输出变量范围的约束条件，其中，
7、所述状态变量范围的约束条件包括传动系扭转角的范围约束条件、转子转速范围的约束条件以及发电机转速范围的约束条件；
8、所述输入变量范围的约束条件包括系统发电机扭矩和桨距；
9、所述输出变量范围的约束条件包括发电功率。
10、进一步地，所述传动系扭转角的范围约束条件、所述转子转速范围约束条件以及所述发电机转速范围约束条件分别为：
11、0≤θ≤θmax
12、wr,min≤wr≤wr,max
13、wg,min≤wg≤wg,max (2)
14、其中，θmax表示传动系扭转角最大限值、wr,min表示转子转速最小限值、wr,max表示转子转速最大限值、wg,min和wg,max表示发电机转速最小限值和发电机转速最大限值；
15、所述发电机扭矩和桨距角两个输入变量范围约束条件分别为：
16、tg,min≤tg≤tg,max
17、βmin≤β≤βmax (3)
18、其中，βmin表示桨距角最小限制、βmax表示桨距角最大限值、tg,min和tg,max表示发电机扭矩最小限值和发电机扭矩最大限值；
19、所述发电功率输出变量约束范围条件为：
20、0≤pe≤pemax (4)
21、其中，pemax表示发电功率最大限制。
22、进一步地，决策变量中需要凸化的约束集包括转子转速、发电机转速、传动系扭转角、发电功率、发电机扭矩以及桨距角。
23、进一步地，在所述步骤s4中对应的凸化的步骤：
24、步骤s41，在风速恒定时，塔顶的位移加速度趋近于零，且塔架的位移速度处于恒定状态时，将kr作为自变量，其中功率pav和最大推力fex，为经过va参数化的kr的函数；
25、步骤s42，根据风速的若干个离散值，将风速转化为具有n段仿射函数的分段线性函数：
26、步骤s43，将任意位于两个离散值va,q和va,p之间的风速值代入线性插值中，计算得到和
27、进一步地，所述具有n段仿射函数的分段线性函数的函数表达式为：
28、
29、
30、进一步地，所述目标函数的表达式为：
31、
32、其中，pe(x(τ)，u(τ)，d(τ))为最大化发电功率、α1θ2(x(τ)，u(τ)，d(τ))为最小化齿轮箱内疲劳负荷、α2yt2(x(τ)，u(τ)，d(τ))最小化塔架疲劳负荷、α3(pe)2(x(τ)，u(τ)，d(τ)))dτ最小化发电机疲劳负荷。
33、进一步地，所述传动系统中存储的瞬时能量表达式为：
34、k(t)＝kr(t)+kg(t)+kθ(t)
35、
36、
37、
38、所述传动系统中存储的瞬时能量关于时间的导数为：
39、
40、与现有技术相比，本专利技术的有益效果在于，通过对风力发电系统进行机理建模，系统决策变量约束条件，根据传动系统中存储的瞬时能量，对系统决策变量进行重构，将新的决策变量通过对风机动力学的特定表示，将原来的非线性动力学系统转化为等效的线性动力学系统。在此基础上，对约束集进行凸化，设计凸本文档来自技高网...
【技术保护点】
1.一种基于凸化预测模型的风力发电机组控制方法，其特征在于，包括：
2.根据权利要求1所述的基于凸化预测模型的风力发电机组控制方法，其特征在于，在所述步骤S1中，所述若干子系统包括气动转子子系统、传送子系统、发电机子系统以及柔性塔架。
3.根据权利要求2所述的基于凸化预测模型的风力发电机组控制方法，其特征在于，所述非线性动力学模型的计算公式为：
4.根据权利要求3所述的基于凸化预测模型的风力发电机组控制方法，其特征在于，在所述步骤S2中，所述变量组包括状态变量范围的约束条件、输入变量范围的约束条件以及输出变量范围的约束条件，其中，
5.根据权利要求4所述的基于凸化预测模型的风力发电机组控制方法，其特征在于，在所述步骤S2中，所述传动系扭转角的范围约束条件、所述转子转速范围约束条件以及所述发电机转速范围约束条件分别为：
6.根据权利要求5所述的基于凸化预测模型的风力发电机组控制方法，其特征在于，在所述步骤S4中，决策变量中需要凸化的约束集包括转子转速、发电机转速、传动系扭转角、发电功率、发电机扭矩以及桨距角。
8.根据权利要求7所述的基于凸化预测模型的风力发电机组控制方法，其特征在于，所述步骤S4中，所述具有n段仿射函数的分段线性函数的函数表达式为：
9.根据权利要求8所述的基于凸化预测模型的风力发电机组控制方法，其特征在于，在所述步骤S5中，所述目标函数的表达式为：
10.根据权利要求9所述的基于凸化预测模型的风力发电机组控制方法，其特征在于，所述传动系统中存储的瞬时能量表达式为：
...【技术特征摘要】
1.一种基于凸化预测模型的风力发电机组控制方法，其特征在于，包括：
2.根据权利要求1所述的基于凸化预测模型的风力发电机组控制方法，其特征在于，在所述步骤s1中，所述若干子系统包括气动转子子系统、传送子系统、发电机子系统以及柔性塔架。
3.根据权利要求2所述的基于凸化预测模型的风力发电机组控制方法，其特征在于，所述非线性动力学模型的计算公式为：
4.根据权利要求3所述的基于凸化预测模型的风力发电机组控制方法，其特征在于，在所述步骤s2中，所述变量组包括状态变量范围的约束条件、输入变量范围的约束条件以及输出变量范围的约束条件，其中，
5.根据权利要求4所述的基于凸化预测模型的风力发电机组控制方法，其特征在于，在所述步骤s2中，所述传动系扭转角的范围约束条件、所述转子转速范围约束条件以及所述发电机转速范围约束...
【专利技术属性】
技术研发人员：孔小兵，王文文，马乐乐，刘向杰，
申请(专利权)人：华北电力大学，
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。