本发明属于自动化技术领域,涉及一种涡轮机发电系统优化控制方法。
背景技术:
随着能源需求的增加,传统不可再生化石燃料的过渡消耗以及环境影响,如二氧化碳排放造成的温室效应,可再生能源的发展一度成为世界各国努力的方向。近几十年来,人们正努力在风能,太阳能和海洋能等可再生能源方面取得进展,所有这些都是清洁能源和可再生能源这些资源的合理开发和应用,可以缓解环境污染状况,减少传统能源消耗。海洋是清洁能源的巨大来源,包含各种形式的能量,如海浪能,潮汐能,能和海洋热能等。许多国家和地区已经开始利用海洋能发电技术,这也是可再生能源发展的热门领域。因此有很多控制方法应用到涡轮机发电系统中,如传统的pid方法,虽然能达到控制动作,但是控制精度与获取能量并不十分优越,如mppt最大能量追踪方法,虽然能够最大化能量捕获,但是没有考虑涡轮机发电系统的损耗与控制精度,因此有必要提出一种涡轮机发电系统控制方法,解决涡轮机系统在发电过程中的弊端。为提升涡轮机发电系统的性能指标,
本发明提出一种新的优化控制方法,有效控制桨距控制系统、发电机控制系统与涡轮机系统,将变松弛形式约束引入涡轮机控制,提升涡轮机动作性能,考虑传动机构的损耗,使得系统性能更加优越,提升涡轮机系统使用寿命并且最大化发电量。
技术实现要素:
本发明的目的是根据发电系统的水动力模型,将经济模型预测控制框架用于发电系统,通过建立桨距控制系统模型和建立发电机系统模型。通过设计的控制器严格控制操纵变量及其变化率,优化桨距控制系统和发电机控制系统。基于优化整个涡轮机系统,还考虑传动机构及齿轮箱寿命,为整个发电系统带来了更好的控制效果。该方法可以降低塔架疲劳载荷,获得更好的控制效果,捕获更多能量。
本发明方法的步骤包括:
步骤1、建立涡轮机发电系统中被控对象的机理模型,具体方法是:
1.1首先根据涡轮机发电的实际过程建立其相应机理模型,形式如下:
其中,
ωm为涡轮机转速,ωrot为发电机侧转速,trot为发电机实时转矩,β为实时桨距角,σ为轴的扭曲度,βs为桨距角设定值,trots为桨距设定值,vtidal为获取能量形式速度。
1.2为了简化表达式,我们将集合ω定义为满足系统动力学和约束的所有状态和操纵变量,公式可以定义如下:
其中,
1.3根据系统初始测量数据,给出系统的初始状态,定义如下:
其中,
1.4计算每一时刻的效率系数,形式如下:
更新过程如下所示:
其中,λ,β分别为叶尖速比和桨距角,cp(λ,β)为效率系数是与λ,β有关的函数,是通过传感器实时测量的涡轮机数据更新数值。
{λ,β}i,{λ,β}i+1分别为i时刻与i+1时刻测量的叶尖速比和桨距角值,{λ,β}i+1,
1.5根据涡轮机系统实际需要控制的约束,使得外流涡轮机系统更加合理,控制表达形式如下:
其中,
1.6防止系统出现不可行解,增大控制输入的约束范围,考虑控制器违反软约束的性能目标可以带来更好的控制效果,因此,可以使用松弛约束,形式如下:
βmin-εω≤βs≤βmax+εω,εω≥0
其中,εt和εω是设定的约束的松弛变量因子。
步骤2、设计被控对象的优化控制器,具体是:
2.1首先,针对涡轮机系统的传动机构齿轮箱损耗预测如下:
l(d,da)=φ(1-d)/da
其中,rl为剩余寿命预测,td为设定的测量时间,d损伤指数,da是每个获取能量周期的平均损伤指数,φ是相关系数,l(d,da)是关于d和da的函数。
2.2发电系统的目标是最大化传输到电网的捕获功率,并且在[0,td]期间提供的功率如下所示:
其中,pw为输入到电网的功率,p(trot(τ),ωrot(τ))为第τ时刻功率。
2.3为了在约束条件下跟踪参考值,在步骤1.4的初始值下,在步骤1.5与步骤1.6的约束形式下,并且在未知过程中保持期望的控制性能,选取被控对象的性能指标函数,最小化性能指标函数,形式如下:
vn=l(x,u)=min-(pw+αrl)
还需满足条件形式:步骤1.4、步骤1.5、步骤1.6。
其中min为求最小值,α为相关系数,vn为系统代价函数,函数形式为l(x,u)。
2.4因此,可以通过求解设定公式得到最优控制律,并可以计算出涡轮机系统的最优控制变量u*,操纵变量如下:
其中
2.5最优系统代价
其中,l(x,u*)为最优控制变量u*下的系统代价,简化形式为
系统需要满足如下公式:
l(x(i+1),u*)-vn(x(i))≤vn(x(i+1))-vn(x(i))
其中l(x(i+1),u*)为最优控制变量u*下i+1时刻状态下的系统代价,vn(x(i))为i时刻状态下的系统代价,vn(x(i+1))为i+1时刻状态下的系统代价。
也就是说,最优控制效果应满足如下公式:
2.6在下一时刻,重复步骤2.3到2.5的方法,继续求解新的优化参数,得到最优控制变量u*,得到涡轮机的最优输出功率,并依次循环。
本发明提供了一种涡轮机发电系统优化控制方法,通过设计的控制器严格控制操纵变量及其变化率,优化桨距控制系统和发电机控制系统。基于优化整个涡轮机系统,还考虑传动机构及齿轮箱寿命,为整个发电系统带来了更好的控制效果。该方法可以降低塔架疲劳载荷,降低运维费用,以及获得更好的控制效果,捕获更多能量,实现了对整个涡轮机发电系统优化控制。
具体实施方式
以涡轮机发电过程为例:
这里以涡轮机发电过程中涡轮机的叶片桨距角控制与发电机侧转矩控制为例加以描述,调节手段是控制液压阀的阀门开度与电机侧转矩控制器。下面结合具体的实施方式对本发明作进一步详细的说明。
步骤1、建立涡轮机发电系统中被控对象的机理模型,具体方法是:
1.1首先根据涡轮机发电的实际过程建立其相应机理模型,体建立模型形式如下:
其中,
ωm为涡轮机转速,ωrot为发电机侧转速,trot为发电机实时转矩,β为实时桨距角,σ为轴的扭曲度,βs为桨距角设定值,trots为桨距设定值,vtidal为获取能量速度。
1.2为了简化表达式,我们将集合ω定义为满足系统动力学和约束的所有状态和操纵变量,公式可以定义如下:
其中,
1.3分别由传感器获取各类测量值,根据测量数据初始化系统状态,定义如下:
其中,
1.4计算每一时刻的效率系数,形式如下:
更新过程如下所示:
其中,λ,β分别为叶尖速比和桨距角,cp(λ,β)为效率系数是与λ,β有关的函数,是通过传感器实时测量的涡轮机数据更新数值。
{λ,β}i,{λ,β}i+1分别为i时刻与i+1时刻测量的叶尖速比和桨距角值,{λ,β}i+1,
1.5根据涡轮机系统实际需要控制的约束,使得涡轮机系统更加合理,控制表达形式如下:
其中,
1.6防止系统出现不可行解,增大控制输入的约束范围,考虑控制器违反软约束的性能目标可以带来更好的控制效果,因此,可以使用松弛约束,形式如下:
βmin-εω≤βs≤βmax+εω,εω≥0
其中,εt和εω是设定的约束的松弛变量因子。
步骤2、设计被控对象的优化控制器,具体是:
2.1首先,针对涡轮机系统的传动机构齿轮箱损耗预测如下:
l(d,da)=φ(1-d)/da
其中,rl为剩余寿命预测,td为设定的测量时间,d损伤指数,da是每个获取能量周期的平均损伤指数,φ是相关系数,l(d,da)是关于d和da的函数。
2.2发电系统的目标是最大化传输到电网的捕获功率,并且在[0,td]期间提供的功率如下所示:
其中,pw为输入到电网的功率,p(trot(τ),ωrot(τ))为第τ时刻功率。
2.3为了在约束条件下跟踪参考值,在步骤1.4的初始值下,在步骤1.5与步骤1.6的约束形式下,并且在未知过程中保持期望的控制性能,选取被控对象的性能指标函数,最小化性能指标函数,形式如下:
vn=l(x,u)=min-(pw+αrl)
还需满足条件形式:步骤1.4、步骤1.5、步骤18。
本发明涡轮机发电系统的控制方法流程图,是优化控制方法实施的求解过程。其中min为求最小值,α为相关系数,vn为系统代价函数,函数形式为l(x,u)。
2.4因此,可以通过求解设定公式得到最优控制律,并可以计算出涡轮机系统的最优控制变量u*,操纵变量如下:
其中
2.5最优系统代价
其中,l(x,u*)为最优控制变量u*下的系统代价,简化形式为
系统需要满足如下公式:
l(x(i+1),u*)-vn(x(i))≤vn(x(i+1))-vn(x(i))
其中l(x(i+1),u*)为最优控制变量u*下i+1时刻状态下的系统代价,vn(x(i))为i时刻状态下的系统代价,vn(x(i+1))为i+1时刻状态下的系统代价。
也就是说,最优控制效果应满足如下公式:
2.6在下一时刻,重复步骤2.3到2.5的方法,继续求解新的优化参数,得到最优阀门开度与转矩控制量u*,得到涡轮机的最优输出功率,并依次循环。