一般来说,风力涡轮机的造型是一项具有挑战性的任务,因为他们是复杂的动态系统,其空气动力学是非线性和不稳定。准确的模型应该包含许多自由度,其控制算法的设计必须考虑这些复杂性。然而,这些算法必须捕捉最重要的涡轮动力没有过于复杂和笨重的,主要是当他们必须在实时应用程序中实现。第一个贡献的工作包括提供一个应用实例的设计和测试通过模拟、数据驱动的模糊的风力涡轮机的控制。特别是,策略是基于模糊建模和识别基于模型的控制设计方法。模糊建模和识别可以代表另一种开发复杂系统的实验模型,直接推导出直接从测量输入输出数据没有详细系统的假设。关于控制器设计中,提出了模糊控制方法的调整风力涡轮机叶片距角和发电机转矩。提出的策略的有效性的评估数据序列的获得是考虑风力涡轮机基准。几个实验提供的证据的优点提出了监管机构对不同的控制方法。
风力涡轮机是复杂的非线性动态系统受重力和随机风扰动,受到重力、离心力和陀螺负载。空气动力学是非线性和不稳定,而转子受到复杂的湍流风流入字段驾驶疲劳载荷。因此,风力发电机建模和控制是复杂和具有挑战性的任务 精确模型必须包含许多自由度为了捕捉最重要的动态效应。很明显,控制算法对风力涡轮机的设计必须考虑这些复杂性。另一方面,控制算法必须捕捉最重要的涡轮动力,没有过于复杂和笨重的 今天的风力涡轮机使用不同的驱动和控制策略来实现所需的目标和表演。一些涡轮机通过被动方法执行控制操作,如定螺距、失速控制机器。在这些机器,叶片设计的权力是有限的额定风速以上通过叶片失速。因此,不需要音高机制( 这种机器的控制策略设计通常使用简单的古典控制设计技术,如PID(比例积分微分)控制叶片间距的规定,例如,如图所示( 第一个贡献的工作包括提供设计的一个应用实例,通过仿真和测试,数据驱动的模糊的风力涡轮机的控制。特别是,策略是基于模糊建模和识别基于模型的控制设计方法。如上所述,因为是一个描述系统行为的数学模型,精确建模为一个复杂的非线性系统可以在实践中很难实现。因此,模糊建模和识别可以代表另一种开发复杂系统的实验模型,如风力涡轮机系统考虑这项工作。与纯非线性识别方法相比,模糊系统能够推导非线性模型直接从测量输入输出数据没有详细系统的假设( 对于控制器的设计,提出一种模糊控制方法的调整风力涡轮机叶片距角和发电机转矩,与应用程序到一个风力涡轮机的基准。这个设计是根据以下步骤来执行的。首先,PI调节器设计使用的经典Ziegler-Nichols方法( 提出的控制策略的功能比较的控制策略开发的( 工作相关的另一个特征的影响评估模型不确定性,干扰,测量误差在设计控制方案。特别是,提出使用广泛的蒙特卡罗模拟分析和评估的设计、健壮性、稳定性,其最终的绩效评估。事实上,在这种情况下,风力发电机不能被任何分析动态模型、蒙特卡罗工具是唯一的方法来评估发达的表演时控制方案应用于监控过程。
论文的最后关键问题的评估开发控制算法通过硬件在回路(边境)设施,已开发的资格提出的方法实验的局限性的存在更接近真实情况。
最后,本文有以下结构。部分
本文的三刀片水平轴涡轮机认为作品根据风的原则是作用于叶片,从而将转子轴。为了伸展的转速的需要一个发电机,介绍了齿轮箱。更准确的基准模型的描述中可以找到( 转速,因此生成的权力,是由两个控制输入:转换器扭矩<我nline-formula>
本节简要回忆在连续时间域风力涡轮机模型描述。随后通过确定离散近似原型,如部分所示 空气动力学模型被定义为 一个简单的一个身体模型用于表示驱动列车,如[ 对于输入和输出信号,<我nline-formula>
控制器的风力涡轮机操作原则上两个主要区域。2区1是优化,同时带对应于恒定的电力生产。得到最优功率区1如果叶片螺距角<我nline-formula>
当参考实现,可以切换控制器来控制区域2。在这个区域的控制目标由功率参考后,<我nline-formula>
风力涡轮机基准控制器是在这项研究中实现了采样频率<我nline-formula>
最后,有关的控制输入<我nline-formula>
本节描述综合方法利用获取的模糊描述风力发电机系统和控制策略用于输入变量的调节。特别是,模糊建模和识别方案,召回的部分 为了从测量,自动生成模糊模型使用一个全面的方法。这个采用模糊聚类技术来分区可用的数据子集的特点是一个线性行为。之间的关系提出了识别方法和线性回归是剥削,允许模糊逻辑技术的组合与系统识别工具。此外,实现Matlab工具箱的模糊建模和识别(FMID)技术提出了以下是可用的( 很大一部分的模糊建模和识别算法(见,例如,( 模糊规则模型适用于大型一类非线性系统的逼近了高木涉和Sugeno (TS) ( 提出了模糊逻辑控制器是美联储的错误信号<我nline-formula>
众所周知的数字控制理论最常用的数字PI控制算法可以描述如下: 提出的控制系统结构的模糊控制器是基于Sugeno模糊技术。Sugeno的模糊规则的模糊PI控制器的普遍形式的“if - then”作文的前提和一个前期部分描述了控制策略。规则库组成的集合<我nline-formula>
一个离散的宇宙<我nline-formula>
值得注意的是,PI控制器参数<我nline-formula>
在更多的细节,如果例如TS顺向由当地二阶离散时间线性动态模型(<我nline-formula>
一旦计算模糊PI控制器参数,第二步由建立的模糊控制器( 部分
本节描述方法的仿真结果实现了面向依赖两个模糊建模技术的模糊控制器的设计。
关于提出的控制方法,讨论的GK聚类算法的部分 估计模糊模型的拟合能力也可以表达的所谓的方差占(VAF)指数 TS模糊模型估计输出(红色)与测量的(蓝色)。
使用这些标识TS模糊模型,基于模型的方法确定模糊控制器是利用和应用于考虑风力涡轮机基准。根据节 在以下,表明模糊PI控制器和原来的部分中描述的转换策略 实验设置了<我nline-formula>
控制器功能评估仿真通过考虑不同的数据序列。在表中 值得注意的是,在<我t一个lic>
部分负荷运行我t一个lic>(区域1),性能是由发电机产生的电力之间的比较,<我nline-formula>
根据这些仿真结果,提出模糊控制器的属性看起来比原来的开关式稳压器中描述的部分 在本节中,进一步的实验结果被报道。他们认为发达控制方案的性能评价对建模误差和测量的不确定性。特别是,不同的数据序列的模拟是由利用风力涡轮机基准模拟器和Matlab蒙特卡罗分析( 特别是,最初的非线性风轮机模拟器仿真软件的开发环境( 蒙特卡罗分析是由高斯随机过程,描述这些变量与零均值和标准差对应最小和最大误差值在表 此外,它假定输入-输出信号<我nline-formula>
因此,对于绩效评估、可靠性和鲁棒性分析的模糊控制方案,最好的,一般来说,最糟糕的较量%值指数计算,和实验评估<我nline-formula>
特别是,表 控制器的鲁棒性设计也可以被评估的基础上吸引域(DOA)分析 数据
特别是,图 最后,结果表明,蒙特卡罗模拟是一种有效的工具,实验测试设计鲁棒性、稳定性和可靠性的控制方法对模型不确定性和干扰。
本节提供一些比较结果对选择控制方法,特别是依赖于滑模和神经网络控制器。
一般来说,滑模控制可以设计一个线性或非线性模型的基础上( 第二种控制方案进行比较的利用开发利用策略依赖于神经网络(NN)工具( 为了提供一个简要而清晰洞察上述控制技术,比较了在相同的以前的工作条件和基于较量%指数提出的开头部分 值得注意的是,通过滑模或神经控制器实现的方案没有利用任何适应机制。事实上,滑模控制策略可以通过滑动运动解耦的不确定性,而神经网络设计<我t一个lic>
被动地忍受我t一个lic>干扰和建模错误。
表 对比表 可以画一些进一步的评论。当动态系统可以完美的造型,在一般的基于模型的控制策略是首选。另一方面,当存在建模误差和不确定性,选择控制方案依赖于模糊控制方法可以显示有趣的未建模扰动的鲁棒性属性,造型不匹配,并测量错误。关于神经控制器,在控制系统的建模错误,离线学习可能会导致相当好的结果。其他明确的干扰解耦技术可以利用他们的鲁棒性能力,但是非常复杂,而不是简单的设计过程。NN-based方案依赖于从离线模拟学习积累,但训练阶段可以计算重。关于该方法使用模糊工具,它看起来相当简单明了,即使可以要求优化阶段。
稳定性能的整体控制策略又检查了一遍通过蒙特卡罗竞选时基于基准风轮机模拟器控制通过拟议的监管机构。事实上,正如指出的部分 初始条件改变随机干扰影响系统在瞬态模拟与稳定性分析。
所有模拟都是由考虑噪音信号建模为带限白过程,根据报告的标准偏差表 作为单个蒙特卡罗运行的一个例子,图 模拟风力涡轮机基准在部分负荷工作。
图 进一步的例子蒙特卡罗来看,上述结果与模糊控制器实现额定风速在图 模拟风力涡轮机在满载基准操作。
图 值得注意的是,紧随其后的是模糊控制设计分析程序部分所示 这一目标,部分 为了评估潜在的利用提出的控制算法在真实的应用程序中,调查他们的能力,机上实现,本节提出了硬件在环的结果(边境)测试。无疑这些实验结果来验证所需的需求几乎归因于设计算法考虑实际情况,风力涡轮机可能尝试在其工作情况。为此,根据图仿真试验台的开发 这个实验室设施包括以下三个要素:
表 车载电子处理器的浮点计算精度比计算机的CPU限制模拟器。
由于数据必须传输之间的车载电子产品和电脑模拟器,16位转换是不可避免的,所以这种转换错误可能导致实验结果的恶化。注意,因为真正的情况下不需要车载电子产品和电脑之间传输数据,这个错误不是一个问题,是一致的结果已经通过蒙特卡罗工具来实现。此外,虽然有一些模拟和实验结果之间的偏差,但由于上述原因,这些偏差并不重要,结果不够准确真实的风力涡轮机应用程序。
本文重点是风力发电机的控制设计问题,因为它们是复杂非线性动态系统。此外,他们的空气动力学是非线性、不稳定和复杂的,因此他们的造型是具有挑战性的。因此,控制算法对风力涡轮机的设计必须考虑这些复杂性。本文展示了一种模糊控制设计方法可以建议改进经典控制的局限性,如π标准监管机构。因此,应用程序的例子,一个可行的、简单的、提供和简单的控制设计,通过大量的模拟风力涡轮机的原型。在考虑基准测试过程和蒙特卡罗分析代表了工具来评估实验的性质提出了模糊控制方案,在建模和测量误差的存在。发达国家控制方法也与其他不同的方法。突出的潜力提出了控制算法在实际应用程序中,硬件在环测试设施计划研究的数字实现设计策略。测试结果再次显示所需的开发计划维护他们的表演,验证其可行性也实时实现。未来工作目标执行的可持续和可靠性分析为实际风力涡轮机应用至关重要。