基于ACA-PID算法的风机独立变桨控制

为了缓解大型风机在额定风速以上出现的不平衡载荷问题,针对变速变桨风电机组,给出了一种基于蚁群算法优化PID参数的风机独立变桨控制策略。利用蚁群算法的寻优特性,优化传统PID变桨控制器的参数,使其兼有PID控制的精简性与蚁群算法的自适应性,给出了其具体的实施步骤。构建了风力发电机独立变桨控制模型,对新策略与传统策略进行了仿真与实验。仿真与实验结果表明,基于蚁群算法优化PID参数的风机独立变桨控制策略是有效和实用的,该策略能提高控制系统的动态性能,有效地减少不平衡载荷,改善风机的振动状态。     

大型风机的独立变桨控制方法

为了缓解风力发电机组由于风速扰动所造成的疲劳载荷,给出了一种基于RBF神经网络滑模独立变桨控制策略。通过分析风力机的基本特性,提出将RBF神经网络滑模功率控制单元和独立变桨控制单元相结合的控制方式。RBF神经网络滑模功率控制单元通过对发电机电磁转矩及桨叶桨距角的控制来平衡风力机的气动转矩,使风轮保持额度转速,实现稳定风电机组的输出功率的目的。而RBF神经网络独立变桨滑模控制单元通过实时微调风机桨距角,来优化功率控制单元的统一桨距角信号,实现缓解风机结构疲劳载荷的目的。最后,通过建立基于RBF神经网络滑模独立变桨控制的风力发电机组进行相应的仿真与实验,证明基于RBF神经网络功率控制和独立变桨滑模控制相结合的方法具有良好的控制效果,稳定风机输出功率的同时,极大地缓解风机的结构载荷,降低风力发电机组的维护成本。     

基于变论域模糊控制的大型风电机组偏航系统

风力发电在解决能源和环境问题上的积极意义,使其成为增长速度最快的绿色能源之一。偏航控制是大型风力发电机组的热门研究课题,偏航系统是典型的非线性、时变系统,常存在较大程度的参数变化和大时变负载与干扰。本文提出一种变论域模糊偏航控制策略,将变论域模糊控制与风向标反馈控制相结合,将风向数据与功率数据进行迅速的对比识别处理,来实现变论域模糊控制参数自整定和控制规则的自调整,提高偏航控制系统对风速扰动和参数变化的适应能力,最后进行风电机组偏航控制的仿真与实验,证明变论域模糊偏航控制具有动态响应快、抗干扰能力和鲁棒性强等优点。     

蚁群算法在风电机组变桨控制中的应用

运行在额定风速以上区间时,变速变桨风力发电机组采用恒功率变桨控制方式,由于额定风速至切出风速之间的风速变化范围大且迅速,使得功率波动较大且频繁,传统PID变桨控制器难以达到很好的控制效果。本文提出的蚁群PID变桨控制器,利用蚁群算法的寻优特性来优化PID参数,使得恒功率变桨控制系统更具自适应性和鲁棒性。分析了风机的恒功率变桨控制,然后给出了蚁群算法优化PID参数的策略以及具体实现步骤。仿真与实验结果验证了蚁群PID变桨控制器的良好动态性能,其有效地减缓了额定风速以上风机的功率波动。