一种独立变桨距风力发电机桨距角的控制方法
【专利摘要】本发明提出了一种独立变桨距风力发电机桨距角的控制方法，其方法步骤如下：搭建双馈风力发电机整机仿真模型；运行仿真模型，验证有效性；改变PI参数，验证不同风速和风向下最佳桨距角控制器中PI参数的不同；对全风速段内各风速下参数值进行记录；获取神经网络算法模块；在桨距角控制模块加入神经网络算法模块；计算出同一叶片到达同一空间位置的间隔时间，将神经网络算法模块获得PI控制器参数传到PI控制器中；比较固定PI参数和神经网络动态调节桨距角PI参数下风轮叶片攻角的变化曲线。本发明的有益效果如下：加快独立桨距角的调节，且减少了发电机功率和转速的调节时间，加速了系统稳定。
【专利说明】一种独立变桨距风力发电机桨距角的控制方法
【技术领域】
[0001]本发明涉及风力发电控制【技术领域】，特别是指一种独立变桨距风力发电机桨距角的控制方法。
【背景技术】
[0002]随着煤炭和石油等不可再生资源的不断消耗以及环境污染问题的日益严重，风能作为可再生清洁能源，在发电领域中有极大的发展潜力。目前兆瓦级风力发电机是风力发电中的重要发展方向，而大型风力发电机中用来限制其功率输出的方式主要靠变桨距调节，因此风力发电技术中桨距角的控制策略尤为重要。对风力发电机叶片桨距角的控制目的是实现对风力发电机叶片攻角的平稳控制，保证风轮在旋转过程中各个叶片气动载荷平衡。
[0003]传统风力发电机桨距角PI控制器的参数固定，而仿真表明不同风速和风向下的最佳桨距角PI控制的参数存在不同，风速越大时，桨距角变化越快，需适当增加比例环节以增加桨距角的变化速度，从而减少桨距角的调节时间，同时仿真说明适当增加积分时间，能改善系统的动态性能。因此，迫切需要一种能够克服传统风力发电机桨距角PI控制器参数固定弊端的桨距角控制方法。
【发明内容】
[0004]本发明提出一种独立变桨距风力发电机桨距角的控制方法，解决了现有技术中风力发电机桨距角PI控制器参数固定弊端的问题。
[0005]本发明的技术方案是这样实现的:
[0006]一种独立变桨距风力发电机桨距角的控制方法，其方法步骤如下:
[0007](I)搭建双馈风力发电机整机仿真模型；
[0008](2)运行所述仿真模型，比对仿真模型运行结果和现场数据，验证仿真模型的有效性；
[0009](3)改变仿真模型桨距角控制器中的PI参数，验证不同风速和风向下最佳桨距角控制器中PI参数的不同；
[0010](4)对全风速段内各风速下的风轮转速、各风向下的输出功率、额定功率、转速、参考转速和其中某一个叶片的桨距角控制器最佳PI参数值进行记录；
[0011](5)将步骤(4)中记录的风轮转速、风向、输出功率、额定功率、转速和参考转速作为神经元的输入对象，将目标PI参数作为输出对象，获取神经网络算法模块；
[0012](6)在桨距角控制模块加入已训练成功的神经网络算法模块；
[0013](7)利用风轮转速计算出同一叶片到达同一空间位置的间隔时间，通过延时环节将神经网络算法模块获得的某一叶片PI控制器参数传到其他叶片的PI控制器中；
[0014](8)对加入神经网络算法模块的整机模型进行仿真，比较固定PI参数和神经网络动态调节桨距角PI参数下风轮叶片攻角的变化曲线。
[0015]作为优选，所述步骤(4)的具体实现方法如下:
[0016]仿真模型采用给定风速和偏航角模拟现场风速和风向，观察额定风速以上11?25m/s内和偏航角O?10°下，风轮旋转一周内某一叶片的攻角变化曲线。调节桨距角的PI控制参数，记录各个风速和风向下最平稳攻角输出曲线下的风轮转速、输出功率，发电机转速及PI参数。
[0017]作为优选，所述神经网络算法采取有监督的学习方式，包括一个输入层、一个隐含层和一个输出层。
[0018]作为优选，所述桨距角控制方法采取独立变桨距调节，所述风轮包括三个桨叶，相邻叶片之间的夹角为120度。
[0019]本发明根据风向，风轮转速、额定功率和发电机转速，利用神经网络算法动态调整PI控制器参数，实现桨距角在不同相位角的独立快速调节，抑制不同风况下叶片旋转一周内攻角的波动，实现减小风轮动态气动载荷，稳定发电机组输出功率。
[0020]本发明的有益效果为:
[0021]本发明在风速和风向发生频繁变化时，利用神经网络学习的的方式对桨距角控制的PI参数进行动态调节，并实现了桨距角的独立调节，提高了风力发电机组运行的稳定性，是一种有效的风力机桨距角控制方法。
[0022]神经网络自学习和自适应能力强，根据学习的结果动态对PI参数进行调整，使叶片的攻角在一周内均处于接近最优的状态，稳定了发电机组输出功率，提升了系统的动态性能。
【专利附图】
【附图说明】
[0023]为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0024]图1为本发明实施例中的神经网络结构图；
[0025]图2为本发明实施例中加入神经网络的桨距角控制示意图；
[0026]图3为本发明实施例中PI参数固定和神经网络PI参数自整定下的攻角变化曲线。
【具体实施方式】
[0027]下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0028]实施例
[0029]如图1所示的神经网络结构图，利用记录的风轮转速V、风向γ、输出功率Pmeas、额定功率Pmref、转速r、参考转速ref作为神经元的输入层节点xi，PI参数作为神经网络的输出节点yk，隐含层选取9个节点，记为hj。其中，输入层节点X到隐含层节点h的连接权用wijl表示；隐含层节点h到输出层节点y的连接权用wjk2表示。神经网络采取有监督的学习方式，利用记录的数据获取各层的连接权值wijl、wjk2。
[0030]如图2所示的加入神经网络的桨距角控制示意图，通过风力机运行的当前状态获取桨距角控制器的PI参数，利用风轮转速计算出叶片到达同一相角的间隔时间，通过延时环节把神经网络获得的某一叶片PI控制器参数传到其他两个叶片的PI控制器中。
[0031]如图3所示的固定PI参数和神经网络动态PI自整定调节的桨距角(单只叶片)变化曲线对比图。横坐标为时间轴，对应单只叶片旋转一周的时间。图中可以看出，在PI参数自整定配合独立变桨距调节情况下，叶片的在一周不同相位角下，桨距角具有不同的数值。从而保证了叶片的攻角始终处于较优的位置。而采用固定PI参数的统一桨距角调节方式，在叶片旋转一周时保持不变。
[0032]以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
【权利要求】
1.一种独立变桨距风力发电机桨距角的控制方法，其特征在于，其方法步骤如下: (1)搭建双馈风力发电机整机仿真模型； (2)运行所述仿真模型，比对仿真模型运行结果和现场数据，验证仿真模型的有效性； (3)改变仿真模型桨距角控制器中的PI参数，验证不同风速和风向下最佳桨距角控制器中PI参数的不同； (4)对全风速段内各风速下的风轮转速、各风向下的输出功率、额定功率、转速、参考转速和其中某一个叶片的桨距角控制器最佳PI参数值进行记录； (5)将步骤(4)中记录的风轮转速、风向、输出功率、额定功率、转速和参考转速作为神经元的输入对象，将目标PI参数作为输出对象，获取神经网络算法模块； (6)在桨距角控制模块加入已训练成功的神经网络算法模块； (7)利用风轮转速计算出同一叶片到达同一空间位置的间隔时间，通过延时环节将神经网络算法模块获得的某一叶片PI控制器参数传到其他叶片的PI控制器中； (8)对加入神经网络算法模块的整机模型进行仿真，比较固定PI参数和神经网络动态调节桨距角PI参数下风轮叶片攻角的变化曲线。
2.根据权利要求1所述的一种独立变桨距风力发电机桨距角的控制方法，其特征在于，所述步骤(4)的具体实现方法如下: 仿真模型采用给定风速和偏航角模拟现场风速和风向，观察额定风速以上11?25m/s内和偏航角O?10°下，风轮旋转一周内某一叶片的攻角变化曲线。调节桨距角的PI控制参数，记录各个风速和风向下最平稳攻角输出曲线下的风轮转速、输出功率，发电机转速及PI参数。
3.根据权利要求1所述的一种独立变桨距风力发电机桨距角的控制方法，其特征在于，所述神经网络算法采取有监督的学习方式，包括一个输入层、一个隐含层和一个输出层O
4.根据权利要求1所述的一种独立变桨距风力发电机桨距角的控制方法，其特征在于，所述桨距角控制方法采取独立变桨距调节，所述风轮包括三个桨叶，相邻叶片之间的夹角为120度。
【文档编号】F03D7/00GK104454347SQ201410704928
【公开日】2015年3月25日 申请日期:2014年11月28日 优先权日:2014年11月28日
【发明者】梁俊宇, 赵明, 李萍, 李孟阳, 李维, 仇永兴, 李传斌 申请人:云南电网公司电力科学研究院