【技术实现步骤摘要】
本专利技术主要涉及风电，具体涉及一种风力发电机组非线性模型预测控制方法及系统。
技术介绍
1、在风电机组的运行过程中，风速扰动会引起机组动态载荷的波动，进而影响机组运行的稳定性。另外随着风电机组容量和叶片柔性的不断增大，导致风机系统越来越难以用数学模型精确描述，传统的工业标准pid控制方法比较依赖控制对象的模型参数和理论假设条件，导致当输入扰动大幅快速变化时，控制性能欠佳，调节时间较长，超调量大。因此如何在机组控制系统中添加对可测扰动的计算，并增加对风速扰动的前馈补偿，将会是提高风电机组控制稳定性的巨大瓶颈。
2、风电机组控制系统对整机结构动力学的稳定性，实现功率优化，减缓疲劳载荷等有着重要的作用。目前控制技术主要有以下几种：
3、1)传统pid控制方法，对机组模型进行线性化处理，在工作点附近进行控制参数的设计，从而实现转矩和变桨的控制；
4、2)智能控制方法，具有代表性的有模糊控制方法和神经网络控制方法，模糊控制通过语言规则表征经验与知识用于控制，一定程度上可以克服非线性因素的影响；神经网络以风速、转速、功率等为输入，转矩、桨距角等为输出，构建bp神经网络以实现控制目标。
5、上述方法在一定程度上可以实现对转矩和桨距的控制，但传统pid控制方法对输入的抗干扰能力较差，可能出现振荡现象。智能控制方法需要大量数据作为训练样本，计算过程相对复杂，可解释性差。
技术实现思路
1、针对现有技术存在的技术问题，本专利技术提供一种能够有效降低风电
2、为解决上述技术问题，本专利技术提出的技术方案为：
3、一种风力发电机组非线性模型预测控制方法，包括步骤：
4、构建非线性风机模型；其中非线性风机模型包括非线性空气动力学模型、风机传动链模型、风机叶片-塔筒耦合模型和执行器响应模型；
5、基于非线性风机模型，以风速扰动、转速、桨距角、塔筒位移估计和塔筒速度估计作入输入变量，预测风电机组的状态；其中塔筒位移估计和塔筒速度估计通过非线性观测器估计得到；所述非线性观测器的输入变量为测量的塔筒加速度、风速扰动、转速和桨距角。
6、优选地，所述风机传动链模型为：
7、
8、式中θ为传动轴扭转角，ωr为转子转速，ωg为发电机转速，ng为齿轮箱传动比，jr为转子侧等效转动惯量(包含转子、轮毂、主轴)，jg为发电机侧等效转动惯量(包含齿轮箱、高速轴和发电机)，kθ为传动链系统等效的扭转刚度系数，bθ为传动链系统等效的阻尼系数，tr为气动转矩，tg为发电机转矩。
9、优选地，所述风机叶片-塔筒耦合模型为：
10、
11、式中，mbld为总叶片质量，mtwr塔筒等效质量，dtwr为塔筒等效阻尼系数，ctwr为塔筒等效刚度系数，rbs为叶片重心到塔顶重心的距离，rbt为推力中心到塔顶重心的距离，φb为叶片挥舞角度，db为叶片阻尼系数，cb为叶片刚度系数。
12、其中dtwr和ctwr的计算公式为：
13、mte＝0.25mt+mn+mh+3mb
14、dtwr＝4πmtedsf0
15、ctwr＝mte(2πf0)2
16、其中mt为塔筒质量，mn为机舱质量，mh为轮毂质量，mb为单个叶片质量，ds为结构阻尼比，f0为塔筒前后移动频率。
17、优选地，所述非线性空气动力学模型包括：
18、非线性气动转矩tr表达式：
19、
20、非线性推力ft表达式：
21、
22、其中风能利用系数cp(β,λ)和空气推力系数ct(β,λ)通过查表得到，β为桨距角，λ为叶尖速比表达式为：
23、
24、vrel为相对风速，表达式为：
25、
26、其中vw为风速。
27、优选地，所述执行器响应模型为：
28、
29、其中是自然频率，是阻尼系数，u是桨距角变化率控制量。
30、优选地，所述非线性风机模型为：
31、
32、优选地，在模型预测控制时，风电机组的优化控制问题描述为：
33、
34、其中：
35、
36、约束条件：
37、
38、x(t0)＝x0
39、
40、目标函数为二次表达式，其权重独立于系统状态x和输入u，但允许依赖于外部扰动d，其中目标函数设置为：
41、
42、其中wω为转速偏差权重，wt为塔筒前后摆动速度权重，wp为额定功率偏差权重，为变桨速率权重，wm为转矩变化权重，wθ为桨距角权重。
43、优选地，在模型预测控制时，约束集h(x(t),u(t),d(t))设定如下：
44、转速ω(t)限值在额定转速ωrated的114％以内：
45、ω(t)≤1.14ωrated
46、桨距角限值在可行范围之内：
47、θmin≤θyip(r)≤θmax
48、桨距角和发电机转矩变化速率限制在可行范围之内：
49、
50、在进行控制时加入叶尖速比限值，在不改变转速限值的情况下提高功率系数：
51、λmin(v0(t))≤λ(t)≤λmax(v0(t))。
52、优选地，所述非线性观测器的常微分方程为：
53、
54、其中a、b、c、d为状态矩阵：
55、
56、本专利技术进一步公开了一种风力发电机组非线性模型预测控制系统，包括相互连接的存储器和处理器，所述存储器上存储有计算机程序，所述计算机程序在被处理器运行时执行如上所述方法的步骤。
57、与现有技术相比，本专利技术的优点在于：
58、本专利技术的风力发电机组非线性模型预测控制方法，主要包括机理建模以及非线性模型预测控制方法，能够有效降低风电机组叶根和塔筒载荷，不仅有利于各个大部件的减重，实现机组成本的降低，同时也可以提高机组运行的稳定性，延长机组运行寿命。
59、本专利技术由主控程序写入算法逻辑实现机组转矩和变桨控制，基于现有传感器等数据采集设备进行算法状态量的观测，无需增加额外硬件成本；基于非线性模型预测控制，使得机组能够根据模型和当前测量值进行未来状态的预测，增加前馈补偿控制，可以降低风速突变带来的极限载荷，确保机组安全运行；通过减少变桨频率和塔筒的振动，从而提高发电机输出功率的稳定性，有利于提升机组发电质量。
本文档来自技高网...【技术保护点】
1.一种风力发电机组非线性模型预测控制方法，其特征在于，包括步骤：
2.根据权利要求1所述的风力发电机组非线性模型预测控制方法，其特征在于，所述风机传动链模型为：
3.根据权利要求2所述的风力发电机组非线性模型预测控制方法，其特征在于，所述风机叶片-塔筒耦合模型为：
4.根据权利要求3所述的风力发电机组非线性模型预测控制方法，其特征在于，所述非线性空气动力学模型包括：
5.根据权利要求4所述的风力发电机组非线性模型预测控制方法，其特征在于，所述执行器响应模型为：
6.根据权利要求5所述的风力发电机组非线性模型预测控制方法，其特征在于，所述非线性风机模型为：
7.根据权利要求1-6中任意一项所述的风力发电机组非线性模型预测控制方法，其特征在于，在模型预测控制时，风电机组的优化控制问题描述为：
8.根据权利要求7所述的风力发电机组非线性模型预测控制方法，其特征在于，在模型预测控制时，约束集H(x(t),u(t),d(t))设定如下：
9.根据权利要求1-6中任意一项所述的风力发电机组非线性
10.一种风力发电机组非线性模型预测控制系统，包括相互连接的存储器和处理器，所述存储器上存储有计算机程序，其特征在于，所述计算机程序在被处理器运行时执行如权利要求1-9中任意一项所述方法的步骤。
...【技术特征摘要】
1.一种风力发电机组非线性模型预测控制方法，其特征在于，包括步骤：
2.根据权利要求1所述的风力发电机组非线性模型预测控制方法，其特征在于，所述风机传动链模型为：
3.根据权利要求2所述的风力发电机组非线性模型预测控制方法，其特征在于，所述风机叶片-塔筒耦合模型为：
4.根据权利要求3所述的风力发电机组非线性模型预测控制方法，其特征在于，所述非线性空气动力学模型包括：
5.根据权利要求4所述的风力发电机组非线性模型预测控制方法，其特征在于，所述执行器响应模型为：
6.根据权利要求5所述的风力发电机组非线性模型预测控制方法，其特征在于，所述非线性风机模型为：
<...【专利技术属性】
技术研发人员：刘红文，梁鹏，蒋韬，王斌，万宇宾，王磊，邱岳烽，宋建秀，周健，丁桂林，常晟，
申请(专利权)人：中车株洲电力机车研究所有限公司，
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。