一种双风轮风力发电机组极端风况辨识方法

1.本发明属于风力机发电技术领域，特别涉及一种双风轮风力发电机组极端风 况辨识方法。


背景技术：

2.风力发电是一种将气体流动的动能转变为电能的过程。，现有的研究大多根据风 电机组的输出特性对风速进行估计，具有较高的估计精度，但不可否认的是，估 计的风速与实际风速相比具有滞后性，根据其采取的控制方式不能实时控制风 机，导致控制性能大打折扣。在工程中应用最为广泛的最佳转矩法具有简单、易 于实现的特点，但是当风速较低或风电机组转动惯量较大时，风轮转速跟踪实 时风速的响应速度会下降，导风能转换效率的降低。常规的滑模控制在处理非 线性、不确定性扰动等方面具有很大的优势，能够使系统在一定特性下沿规定的 状态轨迹运动，且结构简单、响应快速，但是会产生抖振。现有大型风电机组的 载荷的控制采用脉冲激光雷达测量风轮不同高度不同位置处的风速，并采用自适 应卡尔曼滤波算法对风速信号进行滤波处理；改进控制器在传统最佳转矩控制的 基础上引入超扭曲高阶滑模算法，以便提高转速跟踪性能；对于单风轮风电机组 用激光雷达只能探测风轮前面风速，然而由于自然环境复杂多变，会产生极端风 况，只探测风轮前面风速进行风机的自适应动态前馈调节是远远不够的；对发电 机桨距角和转矩转速的控制，避免极端载荷能力显得不足；实际上不可避免地会 遇到极端风况。仅依靠发电机转速与载荷信号对风况进行辨识，往往存在滞后性。 借助激光测风雷达，可以提前获取风速数据，将风况提前辨识出来。坏境风速具 有随机性，而且易受坏境干扰，对风速进行滤波，得到便于处理的风速数据，能 够快速准确地对风况进行辨识。依靠风速等数据将极端风况提前辨识出来，对双 风轮风力机安全、稳定运行有重要意义。


技术实现要素：

3.本发明的目的是提出一种双风轮风力发电机组极端风况辨识方法，采用脉冲 激光雷达测量风轮不同高度不同位置处的风速，并对风速信号进行滤波处理；改 进控制器在传统最佳转矩控制的基础上引入超扭曲高阶滑模算法，以便提高转速 跟踪性能；其特征在于，采用双风轮风力机，通过激光测风雷达获取双风轮风力 发电机组前方的风速与风向数据；通过双风轮风力发电机组总控系统获取前、后 风轮发电机转速和叶根载荷数据；将切比雪夫滤波器与notch滤波器相结合，对 风速数据、前、后风轮发电机转速数据进行滤波处理，得到滤波后的风速数据、 前、后风轮发电机转速数据，确定极端风况辨识指标，结合上述全部数据对风况 进行辨识，采用变长度尺取法，根据转速自动调整尺取长度，对数据进行精简， 加快辨识速度；双风轮风力发电机辨识极端风况具体包括以下步骤：
4.步骤1、通过激光测风雷达获取双风轮风力发电机组前方的风速与风向数据；
5.步骤2、通过双风轮风力发电机组总控系统获取前风轮发电机转速和叶根载 荷数据与后风轮发电机转速和叶根载荷数据；
6.步骤3、将切比雪夫滤波器与notch滤波器相结合，对采集的风速数据、前 风轮发电机转速数据与后风轮发电机转速进行滤波；
7.步骤4、采用尺取法分别对滤波后的风速数据、前风轮发电机转速与后风轮 发电机转速进行截取，同时对风向数据、前风轮叶根载荷与后风轮叶根载荷数据 进行截取；
8.步骤5、确定极端风况辨识指标，结合上述全部数据对风况进行辨识。
9.所述步骤3中将切比雪夫滤波器与notch滤波器相结合，对采集的风速数据、 前风轮发电机转速数据与后风轮发电机转速进行滤波包括：
10.步骤3.1：备份激光测风雷达采集的原始风速数据w
in
；
11.步骤3.2：将切比雪夫滤波器与notch滤波器相结合，对风速数据、前风轮 发电机转速g
fr
数据与后风轮发电机转速g
rr
数据进行滤波处理，得到滤波后的风 速数据、前风轮发电机转速数据与后风轮发电机转速数据。
12.所述步骤3.2中将切比雪夫滤波器与notch滤波器相结合，对风速数据、前 风轮发电机转速g
fr
数据与后风轮发电机转速g
rr
数据进行滤波处理，得到滤波后 的风速数据、前风轮发电机转速数据与后风轮发电机转速数据包括：
13.步骤3.2.1：搭建ⅰ型切比雪夫滤波器，先对数据进行低通滤波，屏蔽高频 噪声干扰其幅频特性g
p
(ω)为：
[0014][0015]
式中，ε为通带波纹的波动系数，0＜ε＜1；ωc为通带的截止频率， ω为通带频率；为p阶切比雪夫多项式，其表达式为：
[0016][0017]
步骤3.2.2：搭建自适应notch滤波器，利用正交信号的线性组合，完成对 数据中某一特定频率的窄带滤波；
[0018]
选取正交信号xc(n)＝bcos(ω0n)与xs(n)＝bsin(ω0n)，其中，n为时间序列， n＝1,2,
…
；b为参考信号振幅；ω0为需要滤波的特定频率；
[0019]
性能指标函数jm(k)为：
[0020][0021]
式中，n＝1,2,
…
,m，m为采样点总数；w
in
(n)为采集的原始风速数据；λ为遗忘 因子；k(m)为正交信号权重向量；x(n)为正交信号向量；t为矩阵转置。
[0022]
为求取使得上述指标函数取得最小值的k(m)，采用递推公式如下：
[0023]
k(m)＝k(m-1)+y(m)ε(m)，
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(4)
[0024]
ε(m)＝w
in
(m)-k
t
(m-1)x(m)，
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(5)
[0025][0026][0027]
式中，σ为极小的正数；y(m)为增益向量；x(m)为正交信号向量；p(m)为递 推向量；i为二维单位矩阵；t为矩阵转置。
[0028]
所述步骤4中采用尺取法分别对滤波后的风速数据、前风轮发电机转速与后 风轮发电机转速进行截取，同时对风向数据、前风轮叶根载荷与后风轮叶根载荷 数据进行截取包括：
[0029]
步骤4.1、尺取长度分别固定为一秒钟、十秒钟、一分钟与十分钟，以数据 采样步长作为尺取移动步长，更新尺取数据；
[0030]
步骤4.2、一秒钟与十秒钟分别截取并更新滤波后的风速数据、前风轮发电 机转速数据与后风轮发电机转速数据，一分钟与十分钟分别尺取并更新风向数据 与备份的风速数据；
[0031]
步骤4.3、采用变长度尺取前风轮叶根载荷数据与后风轮叶根载荷数据；
[0032]
步骤4.4、变长度δt
fr
与δt
rr
选取规则为使得不等式成立的最小值，即：
[0033]
式中，t为当前时刻；δt为采样步长；c1与c2分别为前后风轮采样步长的正整数 倍；g
rf
与g
rr
分别为前后风轮齿轮箱传动比。
[0034]
所述步骤5中确定极端风况辨识指标，结合上述全部数据对风况进行辨识包 括：
[0035]
极端风况辨识指标设定为一秒钟平均风速增量极限值l
w1
、十秒钟平均风速 增量极限值l
w10
、一秒钟前风轮发电机平均转速增量极限值l
frg1
、十秒钟前风轮 发电机平均转速增量极限值l
frg10
、一秒钟后风轮发电机平均转速增量极限值 l
rrg1
、十秒钟后风轮发电机平均转速增量极限值l
rrg10
、一分钟风速湍流强度极限 值l
w60
、十分钟风速湍流强度极限值l
w600
、一分钟风向改变极限值l
d60
、十分钟 风向改变极限值l
d600
、变长度前风轮叶根载荷峰谷偏差极限值l
frpv
、变长度后风 轮叶根载荷峰谷偏差极限值l
rrpv
。通过之前的数据分别计算上述指标并与极限值 比较，有一项指标大于极限值即为极端风况。
[0036]
本发明的有益效果是：使用激光测风雷达获取风速数据，能够提前辨识出极 端风况；将切比雪夫滤波器与notch滤波器相结合，不仅可以滤掉高频噪声干扰， 还可以选择特
性频段进行滤波，提高了信号的抗干扰能力；采用固定长度尺取法， 对数据进行冗余，提高辨识可靠性；采用变长度尺取法，根据转速自动调整尺取 长度，对数据进行精简，加快辨识速度。
附图说明
[0037]
图1为双风轮风力发电机组极端风况辨识方法的流程图。
[0038]
图2为将切比雪夫滤波器与notch滤波器相结合对风速的滤波；其中a为低 通滤波前时域图；b为低通滤波后时域图；
[0039]
图3为采用尺取法分别对滤波后的风速数据进行截取；其中a为尺取前风速； b为尺取前风速；
具体实施方式
[0040]
本发明提出一种双风轮风力发电机组极端风况辨识方法，下面结合附图和实 施例对本发明作详细说明。
[0041]
如图1所示是双风轮风力发电机组极端风况辨识方法的流程图。图中所示双 风轮风力发电机组极端风况辨识包括以下步骤：
[0042]
步骤1、通过激光测风雷达获取双风轮风力发电机组前方的风速与风向数据；
[0043]
步骤2、通过双风轮风力发电机组总控系统获取前风轮发电机转速和叶根载 荷数据与后风轮发电机转速和叶根载荷数据；
[0044]
步骤3、将切比雪夫滤波器与notch滤波器相结合，对采集的风速数据、前 风轮发电机转速数据与后风轮发电机转速进行滤波；
[0045]
步骤4、采用尺取法分别对滤波后的风速数据、前风轮发电机转速与后风轮 发电机转速进行截取，同时对风向数据、前风轮叶根载荷与后风轮叶根载荷数据 进行截取；
[0046]
步骤5、确定极端风况辨识指标，结合上述全部数据对风况进行辨识。
[0047]
如图2所示将切比雪夫滤波器与notch滤波器相结合对风速的滤波，其中a 为低通滤波前时域图；b为低通滤波后时域图；所述步骤3中将切比雪夫滤波器 与notch滤波器相结合，对采集的风速数据、前风轮发电机转速数据与后风轮发 电机转速进行滤波包括：
[0048]
步骤3.1：备份激光测风雷达采集的原始风速数据w
in
；
[0049]
步骤3.2：将切比雪夫滤波器与notch滤波器相结合，对风速数据、前风轮 发电机转速g
fr
数据与后风轮发电机转速g
rr
数据进行滤波处理，得到滤波后的风 速数据、前风轮发电机转速数据与后风轮发电机转速数据。
[0050]
所述步骤3.2中将切比雪夫滤波器与notch滤波器相结合，对风速数据、前 风轮发电机转速g
fr
数据与后风轮发电机转速g
rr
数据进行滤波处理，得到滤波后 的风速数据、前风轮发电机转速数据与后风轮发电机转速数据包括：
[0051]
步骤3.2.1：搭建ⅰ型切比雪夫滤波器，先对数据进行低通滤波，屏蔽高频 噪声干扰其幅频特性g
p
(ω)为：
[0052][0053]
式中，ε为通带波纹的波动系数，0＜ε＜1；ωc为通带的截止频率；ω为通带频率；为p阶切比雪夫多项式，其表达式为：
[0054][0055]
步骤3.2.2：搭建自适应notch滤波器，利用正交信号的线性组合，完成对 数据中某一特定频率的窄带滤波；
[0056]
选取正交信号xc(n)＝bcos(ω0n)与xs(n)＝bsin(ω0n)，其中，n为时间序列， n＝1,2,
…
；b为参考信号振幅；ω0为需要滤波的特定频率；
[0057]
性能指标函数jm(k)为：
[0058][0059]
式中，n＝1,2,
…
,m，m为采样点总数；w
in
(n)为采集的原始风速数据；λ为遗忘 因子；k(m)为正交信号权重向量；x(n)为正交信号向量；t为矩阵转置。
[0060]
为求取使得上述指标函数取得最小值的k(m)，采用递推公式如下：
[0061]
k(m)＝k(m-1)+y(m)ε(m)，
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(4)
[0062]
ε(m)＝w
in
(m)-k
t
(m-1)x(m)，
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(5)
[0063][0064][0065]
式中，σ为极小的正数；y(m)为增益向量；x(m)为正交信号向量；p(m)为递 推向量；i为二维单位矩阵；t为矩阵转置。
[0066]
如图3中a为尺取前风速；b为尺取前风速所示；所述步骤4中采用尺取法 分别对滤波后的风速数据、前风轮发电机转速与后风轮发电机转速进行截取，同 时对风向数据、前风轮叶根载荷与后风轮叶根载荷数据进行截取包括：
[0067]
步骤4.1、尺取长度分别固定为一秒钟、十秒钟、一分钟与十分钟，以数据 采样步长作为尺取移动步长，更新尺取数据；
[0068]
步骤4.2、一秒钟与十秒钟分别截取并更新滤波后的风速数据、前风轮发电 机转速数据与后风轮发电机转速数据，一分钟与十分钟分别尺取并更新风向数据 与备份的风速数据；
[0069]
步骤4.3、采用变长度尺取前风轮叶根载荷数据与后风轮叶根载荷数据；
[0070]
步骤4.4、变长度δt
fr
与δt
rr
选取规则为使得不等式成立的最小值，即：
[0071]
式中，t为当前时刻；δt为采样步长；c1与c2分别为前后风轮采样步长的正整数 倍；g
rf
与g
rr
分别为前后风轮齿轮箱传动比。
[0072]
所述步骤5中确定极端风况辨识指标，结合上述全部数据对风况进行辨识包 括：
[0073]
极端风况辨识指标设定为一秒钟平均风速增量极限值l
w1
、十秒钟平均风速 增量极限值l
w10
、一秒钟前风轮发电机平均转速增量极限值l
frg1
、十秒钟前风轮 发电机平均转速增量极限值l
frg10
、一秒钟后风轮发电机平均转速增量极限值 l
rrg1
、十秒钟后风轮发电机平均转速增量极限值l
rrg10
、一分钟风速湍流强度极限 值l
w60
、十分钟风速湍流强度极限值l
w600
、一分钟风向改变极限值l
d60
、十分钟 风向改变极限值l
d600
、变长度前风轮叶根载荷峰谷偏差极限值l
frpv
、变长度后风 轮叶根载荷峰谷偏差极限值l
rrpv
。通过之前的数据分别计算上述指标并与极限值 比较，有一项指标大于极限值即为极端风况。