共查询到19条相似文献,搜索用时 78 毫秒
1.
变速风力发电机组一般采用变桨距控制来稳定输出功率,但是桨距角的改变会引起攻角的改变,从而引起叶片气动性能的改变,所以在变桨距控制过程中,必须保证合适的攻角,以确保风力机具有良好的气动性能。采用统一变桨距控制方法,在matlab/simulink环境下,通过预测攻角仿真研究了变速风力发电机组的变桨距控制过程,结果表明,该控制模型能正确模拟各种风速下风力发电机组变桨距的动态过程,为进一步研究变速风力发电机的功率控制奠定了基础。 相似文献
2.
3.
风力发电机组并网控制与仿真分析 总被引:3,自引:2,他引:3
用仿真方法研究了基于双馈异步发电机的风力发电机组的并网过程,分析了不同因素对发电机并网过程的影响。针对使风力发电机并网时可能产生较大冲击的各种因素,充分利用双馈感应发电机转子励磁的特点,提出了抑制和消除冲击的措施,以实现风力发电机组的快速、平稳并网。 相似文献
4.
三种风力发电机组的建模与仿真 总被引:1,自引:0,他引:1
建立了包括异步感应式发电机、双馈感应式发电机和永磁同步发电机在内的3种不同的风电机组数学模型,针对不同的机组类型提出了相应的风力机模型和变频器控制策略.以建立的数学模型为基础确立了接入无穷大系统的风电场模型.模拟风力机风速变化情况,对各个风机模型在风速扰动下的响应特性进行了仿真分析研究,并将仿真波形进行了简单的比较.结果验证了所建模型的正确性,并且表明变速恒频发电机组与异步发电机比较而言具有更好的动态特性. 相似文献
5.
建立了大型失速型风力发电机组在标称状况下的非线性数学模型,将其线性化后,在不同风速下进行了不同输入,(风速V和电网电压U1变化)条件下的开环仿真,仿真结果对控制器的设计有参考价值。 相似文献
6.
风力机组偏航系统的建模及仿真 总被引:2,自引:0,他引:2
建立了上风向风力发电机组偏航系统的数学模型,通过仿真分别研究了偏航动态特性与机组的特性参数的关系,如与风轮合力作用点至垂直偏航轴间距离H,尾舵合力作用点至垂直偏航轴间距离G1,尾舵特性以及上风向风速之间的定量关系。仿真结果对偏航系统的设计及其控制参考价值。 相似文献
7.
8.
基于LQR方法的风电机组变桨距控制的动态建模与仿真分析 总被引:4,自引:1,他引:4
为了获得更好的变桨距控制效果,将扰动校正LQR(Linear Quadratic Regulator)应用到风电机组变桨距控制中,该方法通过设计扰动状态观测器估计出作为扰动量的风速,在输入量中加入一个反馈量来消除风速产生的扰动影响,然后根据LOR控制理论,计算出状态反馈矩阵.建立了风电机组的动态模型,并根据动态模型在Mat-lab7.1/simulink环境下进行了仿真.仿真结果表明,基于扰动校正的LQR控制方法超调小,变桨距执行机构疲劳度小,具有良好的动态性能.该方法易于工程实现,适用于变桨距控制系统. 相似文献
9.
采用机理建模方法建立变桨距风力发电机组的各个部件的子模型,包括风速、风轮、传动系统和发电机模型,然后组合成整个机组的数学模型,并采用PID控制算法实现风力发电机组在低风速及高风速下对风能利用率的最大化,最后运用Matlab软件的Simulink环境进行仿真验证。 相似文献
10.
11.
12.
13.
14.
15.
16.
17.
18.
Juha Kiviluoma Hannele Holttinen David Weir Richard Scharff Lennart Söder Nickie Menemenlis Nicolaos A. Cutululis Irene Danti Lopez Eamonn Lannoye Ana Estanqueiro Emilio Gomez‐Lazaro Qin Zhang Jianhua Bai Yih‐Huei Wan Michael Milligan 《风能》2016,19(9):1649-1665
The paper demonstrates the characteristics of wind power variability and net load variability in multiple power systems based on real data from multiple years. Demonstrated characteristics include probability distribution for different ramp durations, seasonal and diurnal variability and low net load events. The comparison shows regions with low variability (Sweden, Spain and Germany), medium variability (Portugal, Ireland, Finland and Denmark) and regions with higher variability (Quebec, Bonneville Power Administration and Electric Reliability Council of Texas in North America; Gansu, Jilin and Liaoning in China; and Norway and offshore wind power in Denmark). For regions with low variability, the maximum 1 h wind ramps are below 10% of nominal capacity, and for regions with high variability, they may be close to 30%. Wind power variability is mainly explained by the extent of geographical spread, but also higher capacity factor causes higher variability. It was also shown how wind power ramps are autocorrelated and dependent on the operating output level. When wind power was concentrated in smaller area, there were outliers with high changes in wind output, which were not present in large areas with well‐dispersed wind power. Copyright © 2015 John Wiley & Sons, Ltd. 相似文献
19.