本发明属于风力发电
技术领域：
，尤其涉及前端调速式风电机组的功率优化控制方法。
背景技术：
：随着风电产业的快速发展和逐渐成熟，风电机组的运行效率受到越来越多的关注和研究。传统的双馈型和直驱型后端稳频式风电机组存在着低电压穿越能力差，无功输出能力不足等问题，影响了风电机组输出功率的平滑性以及风电并网的可靠性。新型前端调速式风电机组采用无刷电励磁同步发电机发电，以液力变矩调速驱动在同步发电机前端进行调速，解决了传统风电机组存在的低电压穿越能力差，无功输出能力不足等问题，为风电机组与电网直接耦合提供了条件。目前，如何抑制了发电机的功率波动，保证机组输出功率的平滑性，是风力发电技术的研究重点。技术实现要素：本发明所要解决的技术问题是提供一种前端调速式风电机组功率优化控制方法。为解决上述技术问题，本发明的技术方案为：所述前端调速式风电机组的控制系统包括变桨控制器、变桨机构、齿轮箱、导叶控制器、液力变矩调速机构、同步电机和功率优化控制器，本系统通过对桨距角的调节来控制功率，通过对导叶开度的调节实现调速控制，桨距角(β)和导叶开度(θ)由功率优化控制器确定，该功率优化控制器计算所述桨距角和导叶开度的步骤如下：1、根据液力变矩调速机构输出转速与同步电机输出功率构建目标函数所述系统参数优化数学模型如下：minf(X)＝min[f01(β，θ)，f02(β，θ)]s.t.0≤PG≤Pmaxvmin≤v≤vmax0≤β≤βmax0≤θ≤θmax0≤ΔPG≤ΔPGmax0≤ΔωG≤ΔωGmax]]>式中，f01(β，θ)为液力变矩调速机构输出转速的波动大小；f02(β，θ)为风电机组输出功率的波动大小；其表达式如所示：f01(β,θ)=ωG-ωrefωref]]>f02(β,θ)=PG-PrefPref]]>式中，ωref为同步电机正常工作需要的额定转速；ωG为液力变矩调速机构实际输出转速；Pref为同步电机输出额定功率；PG为同步电机实际输出功率；v为输入变量，β与θ为待优化参数；2、给定约束条件(1)风电机组出力上下限约束0≤PG≤Pmaxvmin≤v≤vmax]]>(2)桨距角与导叶开度角调节范围约束0≤β≤βmax0≤θ≤θmax]]>(3)有功输出误差与转速输出误差约束0≤ΔPG≤ΔPGmax0≤ΔωG≤ΔωGmax]]>ΔPG与ΔωG分别为一个控制周期内机组输出有功与液力变矩调速系统输出转速的误差变化；3、目标函数β和θ的优化采用将子代个体和父代个体进行选择操作后获得混合种群的多目标差分进化算法对所述系统参数优化数学模型求解，获得目标函数β和θ的最优解。在所述多目标差分进化算法中，进化初期选择较小的变异因子与交叉概率，进化后期选择较大的变异因子与交叉概率。本发明的有益效果是，1、在有效提高风电机组功率输出的同时保证输出功率的平滑性水平、提高风电质量、保证风电安全可靠并网；2、有效解决了传统风电机组存在的低电压穿越能力差，无功输出能力不足等问题，为风电机组与电网直接耦合提供了条件；3、采用差分进化算法对机组桨距角与导叶开度角两个控制参数进行优化，风电机组的变桨控制器与液力调速控制器根据优化后的参数进行控制，确保两个系统相互配合，协调工作，实现对风电机组输出功率的优化控制。附图说明附图是前端调速式风电机组的控制系统的组成框图。图中：1-变桨控制器；2-变桨机构；3-齿轮箱；4-导叶控制器；5-液力变矩调速机构；6-同步电机；7-功率优化控制器。具体实施方式如附图所示，前端调速式风电机组的控制系统包括变桨控制器1、变桨机构2、齿轮箱3、导叶控制器4、液力变矩调速机构5、同步电机6和功率优化控制器7，该系统通过对桨距角的调节来控制功率，通过对导叶开度的调节实现调速控制，桨距角和导叶开度由功率优化控制器7确定，其中βopt与θopt为优化后参数，功率优化控制器7计算所述桨距角和导叶开度的步骤如下：1、构建目标函数根据液力变矩调速机构5输出转速稳定性与同步电机6输出功率平滑性构建目标函数。使液力变矩调速机构5的输出转速趋于稳定，机组输出功率平滑性趋于最优。建立前端调速式风电机组的控制系统参数优化数学模型如下：minf(X)＝min[f01(β，θ)，f02(β，θ)]s.t.0≤PG≤Pmaxvmin≤v≤vmax0≤β≤βmax0≤θ≤θmax0≤ΔPG≤ΔPGmax0≤ΔωG≤ΔωGmax]]>式中，f01(β，θ)为液力变矩调速机构5输出转速的波动大小；f02(β，θ)为同步电机6输出功率的波动大小；二者均取最小值，即满足液力变矩调速机构5输出转速恒定，同步电机6输出功率曲线平滑性最优。其表达式如所示：f01(β,θ)=ωG-ωrefωref]]>f02(β,θ)=PG-PrefPref]]>式中，ωref＝1500rpm为同步电机6正常工作需要的额定转速；ωG为液力变矩调速机构5实际输出转速；Pref＝2000kW为同步电机6输出额定功率；PG为同步电机6实际输出功率；v为输入变量，β与θ分别是桨距角和导叶开度，系待优化参数。2、给定约束条件(1)同步电机6出力上下限约束0≤PG≤Pmaxvmin≤v≤vmax]]>该约束保证同步电机6持续输出有功，同时其上限应维持在额定值附近；对变量v要求其在额定风速12m/s以上，同时又不能超出同步电机6切除风速25m/s，保证同步电机6在正常工况下运行。(2)桨距角与导叶开度角调节范围约束0≤β≤βmax0≤θ≤θmax]]>该约束考虑变桨系统桨距角调节范围，β在0°至90°间变化；考虑液力变矩调速机构5导叶调节范围，θ在0°至37°之间变化；限定待优化变量范 围，方便算法快速寻优。(3)有功输出误差与转速输出误差约束0≤ΔPG≤ΔPGmax0≤ΔωG≤ΔωGmax]]>该约束考虑同步电机6输入转速要求，保证其稳定在额定转速值附近，且波动误差不超过5rpm；考虑同步电机6有功输出范围要求，波动误差不超过200kw。ΔPG与ΔωG分别为一个控制周期内机组输出有功与液力变矩调速机构5输出转速的误差变化。3、差分进化算法寻优差分进化算法(DifferentialEvolutionAlgorithm，DE)由Storn和Price于1995年提出，是一种基于实数编码的进化计算技术。最初设想用于解决切比雪夫多项式问题，后来发现DE算法也是解决复杂优化问题的有效技术。DE算法通过群体内个体间的合作与竞争产生的群体智能指导优化搜索。相比于传统进化算法保留了基于种群的全局搜索策略，采用实数编码、基于差分的简单变异操作和一对一的竞争生存策略，降低了遗传操作的复杂性。在可行域内对于优化问题minf(x)，假设初始种群为X(0)＝{X1(0)，X2(0)，...，XD(0)}，第t代种群为X(t)＝{X1(t)，X2(t)，…，XD(t)}，种群规模N，变异常数F，交叉概率CR，变异后的中间个体为ui(t)，原目标个体与变异后中间个体随机交叉得到的中间个体为Wi(t)，DE算法过程描述如下：(1)初始化：在解空间内选择X(0)作为初始种群，设置变异常数F，交叉概率CR，种群规模N。为保证初始种群内每个个体都是优化问题的可能解，初始化种群在给定范围进行随机取值。(2)变异：随机选择r1，r2，r3∈rand(1，n)，且i≠r1≠r2≠r3，有：ui(t)＝xr1(t)+F×(xr2(t)-xr3(t))其中N≥4，变异算子F∈[0，2]，是一个实常数因数，控制偏差变量的放大作用。(3)交叉：Wij(t)=uij(t)(rand[0,1]<P)orj=jrandXij(t)(rand[0,1]≥P)orj=jrand]]>(4)选择：Xi(t+1)=Wi(t),(f(Wi(t))≤f(Xi(t)))Wi(t),(f(Wi(t))>f(Xi(t)))]]>所建立的功率优化模型为多约束非线性模型，对该模型的求解为多目标优化求解问题。采用将子代个体和父代个体进行选择操作后获得混合种群的多目标差分进化(DifferentialEvolutionforMulti-objectiveOptimization，DEMO)。DEMO中采用与标准差分进化算法一致的种群初始化、选择、交叉操作。不同点在于，针对多目标求解问题，在个体进行选择操作时，引入Pareto支配概念。按照子代个体与父代个体的目标适应值，确定进入临时种群P的个体。对经过选择操作后的临时种群，为维持种群规模，对其进行基于快速支配排序和拥挤度计算的阶段操作，从而确定进入下一代的个体。差分进化算法运行参数少，但每个参数对算法的求解效率和优化结果有很大影响。变异因子F控制差分向量的变异程度，影响优化求解的收敛速度。交叉概率CR影响种群多样性，避免算法陷入局部最优解。对参数选择采取动态调整策略。在进化初期选择较小的变异因子与交叉概率，保证算法稳定性；进化后期选择较大的变异因子与交叉概率，提高优化求解的收敛速度。在功率优化控制器7中，采用DEMO对两个目标函数进行优化。开始随机生成种群P，种群规模为N。对种群进行非支配排序，每对解的适应度就是它的非支配水平。进行选择、交叉和变异，生成子代种群Q，进入DEMO循环，最后得到Pareto解集，对解集中的解加权平均作为目标优化的最优解。当前第1页1 2 3