文摘
由于和高质量的海上风能资源丰富,漂浮的离岸风力涡轮机(FOWT)引起了许多研究者的关注。但漂浮在一个平台上,波和风力感应负载可以显著影响结构的功率调节和振动。因此,减少这些负载成为一个具有挑战性的设计浮动系统的一部分。更好的缓解这些疲劳加载,控制系统使得这些障碍提出了补偿。摘要个体音高控制(IPC)系统集成与扰动的控制(DAC)和模型预测控制(MPC)通过模糊控制开发缓解疲劳加载。DAC主要用于减轻风扰动的影响,MPC抵消波结构的影响。新的个人音调控制器测试NREL离岸5兆瓦风力发电机安装在一个驳船spread-mooring系统,运行快,操作above-rated条件。相比原始基线集体螺距控制(CPC) (Jonkman et al ., 2007), IPC系统显示了一个更好的性能在减少疲劳载荷和健壮的复杂风和波干扰。
1。介绍
风已被证明是最有前途的可再生能源资源在过去的几十年里。陆上风力涡轮机相比,浮动海上风力涡轮机更有可能成为社会一大因素由于海上风力资源的丰富和高质量。然而,离岸风带来了新的问题浮动海上风力涡轮机包括额外的波浪荷载,不稳定的平台,和冰的问题。上述问题加重疲劳载荷的结构失衡。因此,减少这些疲劳加载变得极其重要,但具有挑战性的浮动的设计系统的一部分。
目前,变速变距风力涡轮机(1]简单地使用集体螺距控制与PID控制器限制风力发电的过度高于额定风速,忽视结构的载荷分布不均。然而,空气动力和波对结构的影响是不同的。因此,风力涡轮机和平台承受不平衡负荷的方式(2]。IPC在风力发电机性能优良控制可以用来减轻风力涡轮机疲劳载荷引起的主要是由风和海浪(3]。
在过去的几年里,一些相关的作品来探索的方法减少这些疲劳载荷。国家可再生能源实验室(NREL)为我们提供了各种各样的风力涡轮机模型快速测试各种重要功能使用。Jonkman做了广泛的研究工作在漂浮的海上风力涡轮机基线控制器。Bossanyi [4]介绍了IPC概念和减少疲劳加载在一次转动频率(1 p)。中使用的IPC (5,6)是基于两个独立的单输入单输出系统的输出。使用科尔曼变换,1 p变量可以转化为静止叶片加载变量如转子倾斜和偏航力矩。输出系统使用PI控制器减少倾斜和偏航时刻。然而,FOWT是一个强耦合的非线性时变系统,复杂的干扰,很明显的输出不能占这些干扰。这可以提高控制(7- - - - - -10[],滑动模式11,12在[],最优控制13,14),或控制线性二次高斯(LQG)15,16]。LQG控制器由一个风力涡轮机的线性模型和状态估计量用来估计从已知水轮机模型的状态变量通过卡尔曼滤波器。控制律可以减少二次成本函数的风力涡轮机投资被用于制造控制。这种方法成功带来了一个重要的负荷降低,但不影响固定部件的疲劳载荷。
解决强干扰的另一种方法是disturbance-accommodating控制器实现Namik和短距起落17在杆浮标漂浮的风力涡轮机。DAC控制器由一个国家规定术语与全状态反馈控制器和扰动估计是用来降低持续扰动的影响像湍流风风力涡轮机。原始基线控制器由Jonkman设计相比,DAC降低塔首尾,耳畔弯曲疲劳载荷。但是DAC的干扰估计没有考虑多波的影响。研究波在风力涡轮机的影响,Bae和金18对5 MW)调查了波浪荷载影响monocolumn TLP-type FOWT。和频波加载应用耦合与非耦合情况,结果表明,风力涡轮机变量之间存在复杂的耦合影响,设计时应充分考虑和波浪条件FOWT。
值得注意的是,上述方法不能考虑把所有的障碍。风和浪应该充分考虑。本文基于结合新的个人音调控制DAC和MPC使用模糊控制算法。DAC处理持续干扰像风,但可以忽略的波是一种周期性扰动。MPC能够降低结构振动和降低疲劳载荷引起的入射波通过跟踪未扰动的状态轨迹参考模型。所以新的个人音高控制策略相结合这两种方法通过模糊控制可以更好地处理风和波干扰。
部分2介绍了浮动离岸风力涡轮机的配置。部分3简要介绍风和波等干扰。部分4关注新控制器的设计。先给一个详细的介绍了DAC和MPC,然后一个新的个人音调控制器结合DAC和MPC形成通过模糊控制。节5新的个人音调控制器测试并被证明是有效的减少疲劳加载。
2。风力发电机配置
本文中使用的风力涡轮机模型被称为“NREL离岸5 mw风力涡轮机基线”NREL。这是一个现实的模型三叶的逆风5 mw风力发电机安装在一个驳船spread-mooring麻省理工学院系统与NREL(通过一个合同19]。给出了风力发电机的总属性表1,给出了平台的属性表2。
3所示。扰动负荷建模
风力涡轮机不是一个静态结构。由于旋转转子,紊流风、复杂波条件下,巨大的细长的组件,和复杂的设计,结构的振动,可以大大有助于动态疲劳载荷的结构,介绍了系统。在所有的因素导致疲劳加载波风力涡轮机和风力应该首先考虑。
3.1。风载
风力涡轮机组件暴露在风条件将导致运动由于风力流和风力涡轮机之间的空气动力学结构。这是风力发电机的原因可以用来发电。风切变和塔影将引入额外的干扰到风力发电机系统。风模型是很重要的负载定义以及风力涡轮机的设计平台系统。风参数的准确性显著影响风力发电机系统的设计。风荷载可由公式基于提升理论(20.]: 在哪里风的力量在叶片,空气密度,是叶片表面积,是指风速的风速由吗,风剪切组件塔的影子组件前,远远后组件的一个风力涡轮机。风切变和塔阴影导致重要的振动结构中指定的(21]。
3.2。波加载
除了风力条件波力加载结构也是一个主要因素。波力可以根据通风计算的线性理论,介绍了水平和垂直波速度(22] 在哪里是波力平台,是水密度,和分别是阻力和惯性系数,结构成员的直径吗这是水的水平速度,是质点的加速度,可以获得通过吗。这个公式的第一部分可以被描述为拖动项的平方正比于谁水速度。另一部分被称为惯性项。这水加速度成正比。
4所示。控制器设计
本节描述新的个人音高控制基于扰动的控制与波扰动补偿组件使用模型预测控制方法。此外,使用模糊控制引入合作战略积极缓解疲劳加载波和风力造成的干扰。
4.1。IPC与DAC
扰动的控制(23]是一种前馈控制是一种有效的方法来减少持续的干扰造成的影响就像风。在这一节中使用DAC在漂浮的离岸风力涡轮机介绍风条件被认为是向DAC系统。自相关变量假定为不可用直通的干扰,干扰估计设计通过变量可以直接被测量采用。首先设计IPC控制器,应该被描述为一个通用的线性化状态空间模式 在哪里是状态矩阵,是致动器增益矩阵,是扰动增益矩阵,是美国的测量,测量控制的输入,测量扰动的输入,与状态变量向量,与系统输出向量,与执行器向量有关,与扰动输入向量。为了减少干扰造成的影响,如风能和平台,持续扰动应该首先建模(5)和(6),扰动状态向量和吗和是假定为已知,但未知初始条件(24]。假定模型的性质可以由矩阵决定和
反馈控制律,可以处理干扰的影响风力发电机是由(7),状态反馈控制器增益矩阵和吗是减少扰动增益矩阵:
方程(8)可以从(3),(5)和(7),这清楚地表明,为了取消持续扰动的影响,(9)必须适用:
扰动状态估计可以设计一个新的状态向量由涡轮状态和扰动状态。通过(3)(6),一个新的创建并由状态空间模型 在哪里,,。的状态估计量动力学(11)和(12),是状态估计量增益矩阵。的符号表示估计如下:
因此,如果两人可见,增广向量可以完全估计(25]。
最后,multiblade坐标变换(MBC)用于处理周期性风力涡轮机的性质。不旋转的DAC法律框架和定常DAC增益矩阵是由(14)和(15),分别。MBC变换矩阵,,变换相应的输入向量不旋转的参照系。的符号表示不旋转框架变量: DAC法转化为描述为混合的参照系 MBC转换系统的干扰估计可以表示 的DAC控制器框图FOWT图所示1。
4.2。波扰动补偿DAC
IPC控制器基于DAC将持续扰动如风能考虑但忽略了波是一种周期性扰动。为了克服带来的波的影响,介绍了补偿模块和添加到DAC系统。这个周期扰动补偿模块基于MPC方法添加到DAC通过模糊控制系统。
4.2.1。准备使用MPC波扰动补偿
(一)模型预测控制器。在本文中,为了减少入射波引起的结构振动,MPC是利用。模型预测控制是一种基于模型的闭环优化控制策略。的核心算法如下:一个动态模型可以预测未来,在线重复优化和模型误差的反馈校正。该方法的主要思想是,桨叶的节距由模型预测控制器根据控制参考模型没有从入射波周期性扰动。然后未扰动系统的状态轨迹可以用作参考,真正的系统是由参考模型。模型预测控制会降低结构振动和降低事件造成的疲劳加载波通过的状态轨迹跟踪参考模型的干扰。
假定的模式波扰动包括OFWT开环系统中给出 在哪里,,状态矩阵,致动器增益矩阵,测量扰动的状态包括系统,分别。
当波扰动状态向量,删除未扰动的开环模型是由植物 在哪里,,状态矩阵、致动器增益矩阵,和测量的不受干扰的系统,分别。和控制器不受干扰的工厂所描述的 在哪里是参考信号。与下标变量控制参数。假设和状态和输入变量。然后模型预测控制器的设计成为以下每一步优化问题:
在每一个迭代步第一个值的输入序列应用于控制系统。这个过程会重复,直到找到一个最佳的解决方案。参考模型的初始状态可以被看作是优化问题的初始状态。参考模型的状态更新通过状态估计量在每个迭代步骤设计的扩展卡尔曼滤波器。非线性系统线性化在每个样本一次当前状态,所以模型的矩阵可以更新当前状态。
(B)状态估计量。因为并不是所有的模型中使用的变量都是直接可用的尤其是对美国相关干扰像风能和波浪,状态估计量需要设计的测量可用。采用扩展卡尔曼滤波器来估计这无边无际的州如上面描述的系统。卡尔曼滤波是一种递归滤波器的效率高、可估计动态系统的状态的一系列与不完整的噪声测量。基于风力涡轮机系统模型和扰动模型中描述(1)和(2),扩展卡尔曼滤波器实现估计干扰造成的不可用状态尤其是周期性干扰波。估计量的更详细的描述请参考(26,27]。
(C)参考模型。基线控制模型实现通过Jonkman OFWT (5 MW),用于研究驳船浮动平台的性能超过额定转速条件(28)选择的参考模型与闭环系统的动态浮动的风力涡轮机。给出了基线控制的控制律(22),与吩咐螺距角,和分别是比例和积分增益。基准模型控制器的具体参数如表所示3:
控制策略如图2包括三个模块:一个模型预测控制器可以减少引入的干扰波,状态估计谁能估计状态不能直接测量,和一个参考模型,该模型可以提供一个参考,没有干扰到真正的干扰系统。
4.2.2。合作使用模糊控制策略
摘要部分4所示。1介绍了基于IPC DAC将持续扰动如风能考虑但忽略了波是一种周期性扰动。这意味着DAC控制器可以有效应对风干扰,但波扰动的影响。和部分4.2。1描述了一种方法来克服波扰动所造成的影响在FOWT使用模型预测控制。为了减少或取消的影响风和波扰动FOWT,模型预测控制组件添加到DAC系统通过模糊逻辑方法基于风和波FOWT系统上的负载。FOWT的总体控制策略如图3。
模糊控制广泛应用于复杂系统(10,29日)是一种基于模糊集理论的智能控制,模糊语言变量和模糊逻辑推理。模糊控制器的设计过程通常由输入和输出变量定义,模糊化阶段,规则库设计和去模糊化阶段。在这里输入波力和风力和输出(DAC)系数(MPC)系数。在模糊化阶段输入,和输出,由模糊集的成员吗,,,分别为: “NS”、“问”、“泽”,“PS”和“PL”有资格-小-大,零,正小,分别和积极的大。“PSS”、“PSS”、“点”,“PL,”和“锁相环”是《积极很小,正小,正面小介质,分别正面和积极的大非常大。
设计模糊控制器最重要的部分是设计规则库。它存储的专家知识管理的行为模糊控制器。由输入变量描述的控制规则(波力),(风力)和输出变量和是给定的。如果是和是,然后是和是。因为风扰动FOWT有较大影响,的价值将增加或将会减少。同样,当波扰动增加的价值将遵循同样的法律。详细的规则表如表所示4和5。
5。仿真和结果
测试性能的方法提出了新的个人音调控制基于DAC和MPC使用模糊控制实现控制器的快速实现风力发电机的动态链接库(DLL)文件称为“DISCON.DLL。“快(疲劳、空气动力学、结构和湍流)代码是一个全面的空气弹性变形的模拟器能够预测的极端和疲劳加载两个,三叶的水平轴风力涡轮机(hawt)。离岸结构如图4。
作为比较,“NREL离岸5 mw风力涡轮机基线”模型的详细控制参数表中描述3也在快速运行。两种模型运行额定风速以上(11.4 m / s)复杂波条件。图5显示了风条件平均15米/秒风速和波动荡状态。
三个叶片可以单独控制根据不同的负载分布在每个叶片由于新的个人音调控制器。图6显示三个叶片螺距角分别与不同的风力和波浪条件的变化。为了分析这一新的控制器的性能,几个参数可以反映风力涡轮机疲劳加载选择。塔首尾时刻可以指疲劳载荷分布在塔上,平面外弯矩,面内弯矩,flapwise时刻,沿边时刻代表叶根加载。数据8,9,10,11,12显示一个重要负荷减少塔和叶片相对于基线控制由于风和波扰动控制器的设计。进一步说明了新的个人控制器对疲劳载荷的影响减少仿真的摘要,数据显示在图13在疲劳载荷减少约20%至40%。数据8,9,11表明,级也变得越来越小,平均下降。除了减少疲劳载荷,该控制器能保证稳定的输出功率(图7)以及展示优秀的新音调控制器的鲁棒性。仿真结果表明,新的个人音调控制器设计良好,高度有效的减少疲劳载荷。
6。结论
本文提出了一种新的个人音调控制减少疲劳载荷引起的风和波干扰。新控制器包括三个模块:DAC是一个组件旨在消除风扰动,MPC是谁能去除一部分波扰动的影响风力涡轮机,并使用模糊控制结合两种算法使合作工作。仿真结果表明,新的个人向风湍流控制器显示了良好的鲁棒性和复杂的波的条件。总之,基线距控制器相比,新的个人控制器有一个更好的性能在减少疲劳载荷引起的风和波扰动,因此更适合FOWT。
利益冲突
作者宣称没有利益冲突有关的出版。
确认
这项工作的部分支持由中国国家高技术研究发展计划(SS2012AA052302),基础研究基金为中央大学(ZYGX2012J093)和中国国家自然科学基金(51205046)。