一種獨立變槳距風力發電機槳距角的控制方法
【專利摘要】本發明提出了一種獨立變槳距風力發電機槳距角的控制方法，其方法步驟如下：搭建雙饋風力發電機整機仿真模型；運行仿真模型，驗證有效性；改變PI參數，驗證不同風速和風向下最佳槳距角控制器中PI參數的不同；對全風速段內各風速下參數值進行記錄；獲取神經網絡算法模塊；在槳距角控制模塊加入神經網絡算法模塊；計算出同一葉片到達同一空間位置的間隔時間，將神經網絡算法模塊獲得PI控制器參數傳到PI控制器中；比較固定PI參數和神經網絡動態調節槳距角PI參數下風輪葉片攻角的變化曲線。本發明的有益效果如下：加快獨立槳距角的調節，且減少了發電機功率和轉速的調節時間，加速了系統穩定。
【專利說明】一種獨立變槳距風力發電機槳距角的控制方法
【技術領域】
[0001]本發明涉及風力發電控制【技術領域】，特別是指一種獨立變槳距風力發電機槳距角的控制方法。
【背景技術】
[0002]隨著煤炭和石油等不可再生資源的不斷消耗以及環境污染問題的日益嚴重，風能作為可再生清潔能源，在發電領域中有極大的發展潛力。目前兆瓦級風力發電機是風力發電中的重要發展方向，而大型風力發電機中用來限制其功率輸出的方式主要靠變槳距調節，因此風力發電技術中槳距角的控制策略尤為重要。對風力發電機葉片槳距角的控制目的是實現對風力發電機葉片攻角的平穩控制，保證風輪在旋轉過程中各個葉片氣動載荷平衡。
[0003]傳統風力發電機槳距角PI控制器的參數固定，而仿真表明不同風速和風向下的最佳槳距角PI控制的參數存在不同，風速越大時，槳距角變化越快，需適當增加比例環節以增加槳距角的變化速度，從而減少槳距角的調節時間，同時仿真說明適當增加積分時間，能改善系統的動態性能。因此，迫切需要一種能夠克服傳統風力發電機槳距角PI控制器參數固定弊端的槳距角控制方法。
【發明內容】
[0004]本發明提出一種獨立變槳距風力發電機槳距角的控制方法，解決了現有技術中風力發電機槳距角PI控制器參數固定弊端的問題。
[0005]本發明的技術方案是這樣實現的:
[0006]一種獨立變槳距風力發電機槳距角的控制方法，其方法步驟如下:
[0007](I)搭建雙饋風力發電機整機仿真模型；
[0008](2)運行所述仿真模型，比對仿真模型運行結果和現場數據，驗證仿真模型的有效性；
[0009](3)改變仿真模型槳距角控制器中的PI參數，驗證不同風速和風向下最佳槳距角控制器中PI參數的不同；
[0010](4)對全風速段內各風速下的風輪轉速、各風向下的輸出功率、額定功率、轉速、參考轉速和其中某一個葉片的槳距角控制器最佳PI參數值進行記錄；
[0011](5)將步驟(4)中記錄的風輪轉速、風向、輸出功率、額定功率、轉速和參考轉速作為神經元的輸入對象，將目標PI參數作為輸出對象，獲取神經網絡算法模塊；
[0012](6)在槳距角控制模塊加入已訓練成功的神經網絡算法模塊；
[0013](7)利用風輪轉速計算出同一葉片到達同一空間位置的間隔時間，通過延時環節將神經網絡算法模塊獲得的某一葉片PI控制器參數傳到其他葉片的PI控制器中；
[0014](8)對加入神經網絡算法模塊的整機模型進行仿真，比較固定PI參數和神經網絡動態調節槳距角PI參數下風輪葉片攻角的變化曲線。
[0015]作為優選，所述步驟(4)的具體實現方法如下:
[0016]仿真模型采用給定風速和偏航角模擬現場風速和風向，觀察額定風速以上11?25m/s內和偏航角O?10°下，風輪旋轉一周內某一葉片的攻角變化曲線。調節槳距角的PI控制參數，記錄各個風速和風向下最平穩攻角輸出曲線下的風輪轉速、輸出功率，發電機轉速及PI參數。
[0017]作為優選，所述神經網絡算法采取有監督的學習方式，包括一個輸入層、一個隱含層和一個輸出層。
[0018]作為優選，所述槳距角控制方法采取獨立變槳距調節，所述風輪包括三個槳葉，相鄰葉片之間的夾角為120度。
[0019]本發明根據風向，風輪轉速、額定功率和發電機轉速，利用神經網絡算法動態調整PI控制器參數，實現槳距角在不同相位角的獨立快速調節，抑制不同風況下葉片旋轉一周內攻角的波動，實現減小風輪動態氣動載荷，穩定發電機組輸出功率。
[0020]本發明的有益效果為:
[0021]本發明在風速和風向發生頻繁變化時，利用神經網絡學習的的方式對槳距角控制的PI參數進行動態調節，并實現了槳距角的獨立調節，提高了風力發電機組運行的穩定性，是一種有效的風力機槳距角控制方法。
[0022]神經網絡自學習和自適應能力強，根據學習的結果動態對PI參數進行調整，使葉片的攻角在一周內均處于接近最優的狀態，穩定了發電機組輸出功率，提升了系統的動態性能。
【專利附圖】
【附圖說明】
[0023]為了更清楚地說明本發明實施例或現有技術中的技術方案，下面將對實施例或現有技術描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發明的一些實施例，對于本領域普通技術人員來講，在不付出創造性勞動的前提下，還可以根據這些附圖獲得其他的附圖。
[0024]圖1為本發明實施例中的神經網絡結構圖；
[0025]圖2為本發明實施例中加入神經網絡的槳距角控制示意圖；
[0026]圖3為本發明實施例中PI參數固定和神經網絡PI參數自整定下的攻角變化曲線。
【具體實施方式】
[0027]下面將結合本發明實施例中的附圖，對本發明實施例中的技術方案進行清楚、完整地描述，顯然，所描述的實施例僅僅是本發明一部分實施例，而不是全部的實施例。基于本發明中的實施例，本領域普通技術人員在沒有作出創造性勞動前提下所獲得的所有其他實施例，都屬于本發明保護的范圍。
[0028]實施例
[0029]如圖1所示的神經網絡結構圖，利用記錄的風輪轉速V、風向γ、輸出功率Pmeas、額定功率Pmref、轉速r、參考轉速ref作為神經元的輸入層節點xi，PI參數作為神經網絡的輸出節點yk，隱含層選取9個節點，記為hj。其中，輸入層節點X到隱含層節點h的連接權用wijl表示；隱含層節點h到輸出層節點y的連接權用wjk2表示。神經網絡采取有監督的學習方式，利用記錄的數據獲取各層的連接權值wijl、wjk2。
[0030]如圖2所示的加入神經網絡的槳距角控制示意圖，通過風力機運行的當前狀態獲取槳距角控制器的PI參數，利用風輪轉速計算出葉片到達同一相角的間隔時間，通過延時環節把神經網絡獲得的某一葉片PI控制器參數傳到其他兩個葉片的PI控制器中。
[0031]如圖3所示的固定PI參數和神經網絡動態PI自整定調節的槳距角(單只葉片)變化曲線對比圖。橫坐標為時間軸，對應單只葉片旋轉一周的時間。圖中可以看出，在PI參數自整定配合獨立變槳距調節情況下，葉片的在一周不同相位角下，槳距角具有不同的數值。從而保證了葉片的攻角始終處于較優的位置。而采用固定PI參數的統一槳距角調節方式，在葉片旋轉一周時保持不變。
[0032]以上所述僅為本發明的較佳實施例而已，并不用以限制本發明，凡在本發明的精神和原則之內，所作的任何修改、等同替換、改進等，均應包含在本發明的保護范圍之內。
【權利要求】
1.一種獨立變槳距風力發電機槳距角的控制方法，其特征在于，其方法步驟如下: (1)搭建雙饋風力發電機整機仿真模型； (2)運行所述仿真模型，比對仿真模型運行結果和現場數據，驗證仿真模型的有效性； (3)改變仿真模型槳距角控制器中的PI參數，驗證不同風速和風向下最佳槳距角控制器中PI參數的不同； (4)對全風速段內各風速下的風輪轉速、各風向下的輸出功率、額定功率、轉速、參考轉速和其中某一個葉片的槳距角控制器最佳PI參數值進行記錄； (5)將步驟(4)中記錄的風輪轉速、風向、輸出功率、額定功率、轉速和參考轉速作為神經元的輸入對象，將目標PI參數作為輸出對象，獲取神經網絡算法模塊； (6)在槳距角控制模塊加入已訓練成功的神經網絡算法模塊； (7)利用風輪轉速計算出同一葉片到達同一空間位置的間隔時間，通過延時環節將神經網絡算法模塊獲得的某一葉片PI控制器參數傳到其他葉片的PI控制器中； (8)對加入神經網絡算法模塊的整機模型進行仿真，比較固定PI參數和神經網絡動態調節槳距角PI參數下風輪葉片攻角的變化曲線。
2.根據權利要求1所述的一種獨立變槳距風力發電機槳距角的控制方法，其特征在于，所述步驟(4)的具體實現方法如下: 仿真模型采用給定風速和偏航角模擬現場風速和風向，觀察額定風速以上11?25m/s內和偏航角O?10°下，風輪旋轉一周內某一葉片的攻角變化曲線。調節槳距角的PI控制參數，記錄各個風速和風向下最平穩攻角輸出曲線下的風輪轉速、輸出功率，發電機轉速及PI參數。
3.根據權利要求1所述的一種獨立變槳距風力發電機槳距角的控制方法，其特征在于，所述神經網絡算法采取有監督的學習方式，包括一個輸入層、一個隱含層和一個輸出層O
4.根據權利要求1所述的一種獨立變槳距風力發電機槳距角的控制方法，其特征在于，所述槳距角控制方法采取獨立變槳距調節，所述風輪包括三個槳葉，相鄰葉片之間的夾角為120度。
【文檔編號】F03D7/00GK104454347SQ201410704928
【公開日】2015年3月25日 申請日期:2014年11月28日 優先權日:2014年11月28日
【發明者】梁俊宇, 趙明, 李萍, 李孟陽, 李維, 仇永興, 李傳斌 申請人:云南電網公司電力科學研究院