论文部分内容阅读
风能是一种最具竞争力的可再生能源,近年来风力发电发展迅速,全球风电装机容量不断增加。然而,快速变化的风速对风机的安全可靠性运行产生诸多影响。针对高风电渗透背景下的AGC(Automatic Generation Control)及其频率稳定问题,大型并网风力发电机组运行控制机理和优化控制策略成为了风电领域的研究热点。风的随机波动特性决定了风电系统存在非线性和强扰动性,风机模型很难被精确建立,基于模型的控制方法难以实现良好的控制效果。因此,本文基于数据驱动控制方法,对变速变桨距风力发电机组功率优化控制问题展开了如下研究:(1)基于风力发电系统结构与现场SCADA(Supervisory Control And Data Acquisition)数据对变速变桨距风力机进行特性分析与控制策略研究,并采用实验室已有的小世界BP神经网络(Small-World BP Neural Network,SWBP)算法,结合数值天气预报信息对风速进行提前4小时的15分钟滚动预测。风速预测性能评价结果表明,基于SWBP算法得到的预测风速精度高,适合于控制系统的信息综合。(2)变速变桨风力机的MFAC-PID控制方法研究。首先建立控制输入准则函数,实现最大风能捕获和平滑功率点跟踪的目标。然后,通过在线I/O测量数据得到的时变伪偏导数(Pseudo-Partial Derivative,PPD),建立一系列等价局部线性化模型,实现无模型自适应控制(Model Free Adaptive Control,MFAC)算法。最后,在同时满足MFAC和PID控制两者增量约束的条件下在线调整控制量,设计MFAC-PID控制算法,保证输出渐进稳定地跟踪设定值。仿真结果表明,MFAC-PID算法保证了全风速范围内跟踪误差的收敛,完成了无模型且I/O数据为基础的动态控制,更好地实现了全风速下风力机的恒功率输出和稳定调节。(3)变速变桨风力机的多目标无模型自适应预测控制(Model Free Adaptive Predictive Control,MFAPC)研究。综合利用预测控制和MFAC两者的优点,依据I/O数据对PPD的在线估计和预测实现MFAPC控制策略,并根据风力机在全风速范围内存在的最优控制目标,设计全风速范围内风力机输出功率最优及控制变化量最小的多目标函数。仿真结果验证了 MFAPC方案的收敛性和稳定性结论,且控制过程中系统的响应速度快,所产生震荡小。(4)利用风速预测值设计完全补偿风速扰动的前馈补偿控制器,结合MFAPC反馈控制器,建立风速扰动抑制的前馈-反馈复合控制系统。通过搭建适用于不同工况的BP神经网络闭环仿真测试平台,与PID、MFAC和MFAC-PID控制策略进行仿真对比。结果表明,复合策略能够在风速随机变化时实现桨距角的超前控制以降低负荷扰动,表现出了良好的鲁棒性能和动态特性。