风力发电机组内轮毂体疲劳寿命计算与研究

结合有限元和疲劳损伤理论,以轮毂为对象进行疲劳寿命的计算与研究。研究了单位载荷下有限元计算结果、疲劳载荷和材料S-N曲线。对轮毂体的热点使用绝对值最大主应力法,结合拟合得到的铸件材料S-N曲线计算得到疲劳损伤云图,对轮毂的疲劳寿命进行快速评估。该方法的研究为风力发电机组上其他铸件疲劳寿命提供了参考。     

风电场选在哪里最给力

风资源分析是风电场项目前期工作的重要环节,是风电项目的根本,对资源的正确评估是风电场建设取得良好经济效益的关键,有的风电场建设因风能资源评价失误,建成的风电场达不到预期的发电量,造成很大的经济损失。     

基于工控机控制的小型风力发电机偏航控制系统

根据小型风力发电机的特性,基于工控机设计偏航控制系统.调试结果表明该系统性能优越,可提高小型风力发电机的风能捕获能力和风能利用效率.     

改进型双馈风力发电机最大功率点跟踪策略

针对传统双馈风力发电机最大功率点跟踪极值搜索策略将正弦信号作为搜索信号而很难将正弦信号从总的输出信号中区分出来的问题,提出了一种利用风湍流作为极值搜索信号的改进型最大功率点跟踪策略。该改进策略对叠加风湍流的叶尖速比和功率系数进行傅里叶变换,获得相位差信息,从而确定叶尖速比变化方向,使双馈风力发电机达到最佳运行工作点。仿真结果表明,该改进策略可控制风力发电机转速较好地跟踪风速变化,实现了额定风速以下运行区域的最大风能捕获。     

风机变桨距非线性预测控制算法

变桨控制技术是MW级大型变速变桨风力发电机组的核心控制技术之一,通过变桨控制可以保证风电机组输出功率恒定在额定功率附近.由于风轮的强非线性特性,采用常规的PID控制器往往面临参数难以设计以及参数缺乏自整定能力的问题.提出了基于遗传算法的变桨距非线性预测控制器设计方法,根据优化和反馈校正的预测控制思想,针对风轮非线性控制对象设计了一种基于智能搜索方法的带约束的非线性预测控制算法进行仿真.仿真结果表明算法对非线性对象控制中具有很好的约束预测控制性能.与传统PI算法相比,具有响应快速、超调小、抗干扰能力好的特点,并通过优化算法滚动局部寻优,减少了设计的工作量和提高了设计效率.     

风力机控制策略对功率和转速变化的影响分析

为了掌握风力发电机控制策略对运行过程中风力发电机转速和功率流动的影响,在简要介绍与功率和转速变化有关的风力发电机控制策略的基础上,分析了采用不同控制策略的风力发电机功率产生的特点.重点阐释了风力发电机变桨矩控制方法对风力发电机组的功率流动、叶轮转速变化的影响.得出了不同控制策略下风力发电机功率流动方向、叶轮转速大小和方向的变化,以及叶轮转速变化的依据和限制.     

额定风速以上风力发电机组的恒功率H∞鲁棒控制

风力发电机组由于机械结构以及电气负荷承受能力的限制存在着转速限制和功率限制, 额定风速以上时,需要通过控制桨距角来实现额定恒功率输出, 同时保持转速在额定转速处. 本文建立了风力发电机组的详细机理模型, 将H_∞控制理论应用到额定风速以上时风力发电机组的恒功率输出的控制器设计, 建立了标准H_∞恒功率控制问题. 利用LMI方法求解, 得到了桨距角的H_∞控制器. 仿真结果表明该H_∞控制器能够成功实现额定风速以上时的恒功率输出控制, 并且具有良好的鲁棒性.     

数字

3．0兆瓦级 10月25日,由沈阳工业大学风能技术研究所研制的国内首台具有完全自主知识产权的3MW双馈式变速恒频风电机组的样机在沈阳华创风能有限公司完成装配正式下线。这是国内最大功率的风机,此项目的研制成功标志着中国自主知识产权的风力机组的研发与制造达到了新的高度,     

陆上风力发电机塔架振动监测研究进展

塔架作为陆上风力发电机的支撑结构关键部件,其服役质量直接影响到风力发电机的运行安全性。开展塔架振动监测,对其进行服役质量评估和损伤早期预警,是提高风力发电机运行安全性的重要手段。首先,简要介绍陆上风力发电机塔架类型,塔架载荷及动力学理论研究。其次,归纳总结塔架接触式与非接触式振动监测的方法及特点,对不同监测方法进行了对比,提出现有塔架振动监测方案的局限性。最后,分析塔架振动监测数据在状态识别、故障诊断及故障预警等方面研究现状与目前存在的难点,展望塔架振动监测的未来发展趋势。     

基于模糊RBF神经网络的风电机组变桨控制研究

针对大型风力发电机变桨控制受外部干扰和参数变化大、造成输出功率不稳定的问题,提出一种智能控制的算法,在RBF神经网络基础上增加模糊算法,利用模糊RBF神经网络实时在线调整PID参数。当实际风速偏离额定风速时,科学调整风机桨距角,使风机所获得的空气动力转矩发生变化,从而在额定功率附近保持风力机输出功率的相对稳定。据此搭建了风电机组各模块的数学模型,并在MATLAB/Simulink上搭建了仿真模块。实验结果表明：基于上述的方法控制效果相比于传统PID控制和常规RBF神经网络PID控制,响应更快、风能利用系数性能超调更小、功率输出更稳定,更有利于风力发电机组的系统稳定性。