基于独立变桨距技术的风力发电机组载荷控制研究

研究了基于独立变桨距技术的风力发电机组的载荷控制,研究方法主要从空气动力学入手,建立了风力发电机组独立变桨距系统的多输入多输出线性化模型,利用d-q坐标变换将旋转坐标系下的载荷转换到固定坐标系下,设计模糊控制器,对d轴和q轴的载荷分量分别采用模糊PID控制.为了检验该控制方式的效果,在半物理实验平台上进行相应的仿真实验...     

大型风力发电机组独立变桨多目标控制

为限制大型风力发电机组在高风速时的功率输出和风力机气动载荷,首先,采用PID控制,设计独立变桨距功率和扭矩外环控制;其次,引入不依赖于系统数学模型的无模型控制,设计桨叶挥舞弯矩内环控制;最后,以外环控制输出桨距角为参考量,内环无模型控制期望桨距角为反馈量,利用PID控制,给出3个桨叶桨距角最终参考值。利用Matlab/Simulink仿真软件,搭建了3 MW风电机组仿真平台,仿真结果表明,所设计的独立变桨距多目标控制,能够完成在高风速时保持风力机组输出功率恒定、平衡3个桨叶所受扭矩以及兼顾3个桨叶所受挥舞弯矩的多目标控制任务。     

基于不同载荷测量量的独立变桨控制

讨论了依据3种不同载荷测量量的独立变桨控制,分别为叶片面外弯矩、轮毂旋转坐标系下的弯矩和机舱坐标系下的面外弯矩.结果表明:3种载荷测量方式的实施和维护的难度是依次递减的;与没有独立变桨控制的情况相比,3种方式均能有效地降低叶片面外载荷谐波分量及传递给机组其他部件的载荷;载荷控制并未明显影响机组的发电功率,但显著增加了变桨机构的动作量.     

降低风力机叶轮载荷独立变桨距控制策略

为了减小风力机叶轮的气动载荷,文章提出了将叶片方位角权系数分配与叶片根部气动载荷反馈相结合的独立变桨距控制方法(AAWC-LF)。控制器依据方位角的大小不同,利用权系数分配器重新分配每个叶片桨距角的调整变化量。同时,考虑到现场实际风速会突然大幅变化,在基于方位角权系数分配的独立变桨距控制基础上,增加了基于叶片根部实际气动载荷的桨距角修正环节。通过对比仿真曲线和实验结果,发现该算法增加了桨距角的调整次数,同时减小了叶轮所承受的气动载荷,对机组的输出有功功率没有形成冲击,叶轮转速更加平稳,控制效果较理想。     

基于混合灵敏度H_∞的海上风力发电机组变桨控制及振动抑制

针对海上风力发电机组输出功率波动大和塔架振动明显的问题,设计了混合灵敏度H∞变桨控制器,并引入塔架前后加速度反馈控制,基于SUT-3000双馈风力发电机组模型,利用GH_Bladed软件进行仿真验证。仿真结果表明,在该控制策略作用下,海上风力发电机组输出功率比传统PI控制方法波动更小,保证了海上风力发电机组在高风速运行时输出功率的稳定性,同时降低了塔架前后振动响应。     

大型风电机组独立变桨控制技术研究

通过对风力机简化模型的分析,推导出风力机的运动方程和输出方程;通过卡尔曼坐标变换将塔架前后运动方程和载荷输出方程所代表的线性时变系统解耦为线性时不变系统,在此基础上提出带3个独立控制环的独立变桨控制策略;利用"GH Bladed"软件对独立变桨控制策略进行仿真试验研究,仿真试验结果表明,采用独立变桨控制技术不但能实现转速控制功能,还能有效减小叶片根部挥舞力矩、轮毂倾翻力矩、偏航力矩的波动,从而能有效降低变桨轴承、主轴、轮毂、偏航轴承、塔架上的疲劳载荷。     

风力机变桨系统单神经元自适应PID控制

在分析风力发电系统能量转换理论的基础上,将单神经元自适应算法与常规PID算法结合,通过单神经元自学习,对PID控制器的系数进行在线调整,提出一种单神经元自适应PID调节变桨角度的控制方法,建立了风力机桨距角控制数学模型.风速超过额定值后,利用单神经元自适应PID控制器进行变桨控制,将控制结果与采用常规PID控制器的控制性能进行了对比.结果表明:单神经元自适应PID控制器可以将输出功率恒定在额定值,能够对变桨系统进行有效控制,达到预期的目标.     

基于模糊控制的风电机组独立变桨距控制

在额定风速以上时,通常采用变桨距控制技术调节大型风电机组来稳定其输出功率.由于风力发电系统的数学模型具有高度非线性、多变量、强耦合的特点,风速又具有多变性,因此文章在分析传统的PID变桨距控制技术优缺点的基础上,提出了基于三维模糊自适应PID控制的独立变桨距控制技术,并且引入风速的模糊前馈控制技术.对1 MW风电机组进行仿真,结果表明,在额定风速以上时,该方法不仅能稳定风电机组的输出功率,而且可以减小桨叶的拍打振动.     

大型风力发电机组独立桨叶控制系统

设计出独立桨叶控制系统的机构方案，依据空气动力学分析，提出模糊控制结合以桨叶空间方位角作为主体因素的加权系数的控制策略，建立了系统模型，仿真结果表明，在风速高于额定风速时，作用在桨叶上的负载波动大为减小，输出功率维持在额定功率附近。     

基于RBF神经网络整定PID的 风力发电变桨距控制

为了改善变速恒频风力发电系统在恒功率输出运行区域内的动态性能,在分析系统变桨距控制研究现状的基础上,基于RBF神经网络（RBFNN）整定PID控制理论设计风力发电系统变桨距控制器,建立了风力机及变桨距机构模型,以发电机转速测量值与额定转速相比后误差为输入设计控制器。在随机风作用下对设计的RBFNN整定PID控制器进行仿真,结果表明基于RBFNN整定PID控制理论的变桨距控制器具有良好的动态性能及对风速扰动的鲁捧性,能够有效改善风力发电系统变桨距控制效果。     

大型海上风电机组变桨距PID控制策略研究

文章针对大型海上风机的叶片具有较大惯性的问题,分析了传统变桨距PI控制器的不足,从而设计出带有超前环节的变桨距PID控制器,其能改善因惯性较大而导致的不良控制效果,并通过典型工况的仿真计算及性能分析,表明PID控制器的整体性能优于PI控制器,不仅具有稳定风轮转速、减轻风机振动的优点,还降低了风机的极限载荷水平,从而在保证安全性的基础上降低了机组成本。     

基于模糊神经网络的发电用单轴燃气轮机的解耦控制

针对燃气轮机这样大型复杂且具有强非线性多变量耦合的动力系统，提出用模糊隶属函数型神经网络与模糊控制融合的解耦方法(DMFFCNN)进行解耦控制，从而克服了现代控制理论对解耦系统类型的限制。试验表明，这种方法是有效的，为机组运行时的静态优化设计的实现奠定了基础。     

变速变桨风力发电机控制研究

近十年来,风力发电产业飞速发展。风力发电机功率和风轮直径不断增加,这对风力发电机控制器设计要求越来越高。文章以FD120A风力发电机组控制器设计为例,分析了如何提高风力发电机风能的捕获,介绍了力矩控制器和变桨控制器以及驱动链和塔筒阻尼器的设计。     

基于卷积神经网络与LightGBM的短期风电功率预测方法

考虑到风力发电存在的波动性和不确定性,提出一种基于卷积神经网络(CNN)和LightGBM相结合的风力发电机功率预测模型.先对相邻风电机组原始数据进行时序特征相关性分析,构建新的特征集;其次,应用CNN从输入数据中提取信息,并通过比较实际结果调整网络参数;再次,考虑到单一卷积模型在预测风电时的局限性,将LightGBM...     

基于神经元网络方法的风电场风电功率预报研究

风电大规模并网使风电对电网的冲击问题越来越凸显,许多地方出现了拉闸限电的情形,随着百万千瓦级风电基地、千万千瓦级风电基地的规划及建设,急需开展行之有效的风电场风电功率预报,来满足风电上网调度的实际需求,利用数值模式预报的风速、风向等预报场及风电场逐时风电功率资料,通过神经元网络方法进行了风电场风电功率预报试验,预报精度与2002—2006年欧洲风能计划中的风电场风电功率预报精度相当。     

神经网络鲁棒控制及其在燃气轮机排气温度控制中的仿真应用

设计了一种基于BP算法的神经网络鲁棒控制器。利用多层神经网络对任意函数的逼近能力和自学习功能,对运行中的PID调节系数进行在线调整,使整个系统具有良好的自适应能力和鲁棒性。燃气轮机排气温度调节仿真实验表明,这种控制器能够有效地克服传统PID调节器对经验或系统数学模型准确程度的依赖性。     

水下热动力推进系统的变结构控制

对于某水下热动力推进系统实施闭环控制是提高武器效能的需要。通过分析系统的物理特性，给出了适用于控制律综合的系统模型，进行了非线性变结构控制系统的设计。该控制系统跟踪指令准确、快速，抗干扰能力强，且燃烧室压强不超调、安全性好。基于该控制算法而研制的功率控制单元已通过了试验验证。     

基于OLS-SFLA-RBF神经网络的风电出力预测

提高风电出力的预测精度,可以减轻风电并网带来的不利影响。利用径向基函数神经网络（RBF）建立风电出力预测模型,并通过正交二乘算法（OLS）对RBF神经网络进行初步训练,以确定网络结构及隐含层各节点中心。在OLS算法训练的网络基础上引入蛙跳算法（SFLA）,进一步对隐含层基函数的宽度值进行优化以提高网络的泛化能力。实例预测表明,在相同的网络结构及隐含层中心下,基函数宽度值优化后的RBF神经网络模型预测精度得到了提升。