文摘

风力涡轮机的安全性和可靠性完全依赖于控制系统的完整性和可靠性是一个重要的问题对于风能转化系统的有效性(WECSs)。方法提出了基于multimodel建模和预测控制的优化调度与永磁同步发电机直接传动风力涡轮机。在这个策略,风力涡轮机和直驱永磁同步发电机建模和反向传播人工神经网络是用来估计风速加载到涡轮模型实时通过估计涡轮轴速度和机械功率。给出了非线性风力涡轮机系统由多个线性模型。的期望轨迹非线性系统分解是适合多个模型的参考轨迹所提出的非线性系统的线性模型,简化了非线性优化问题,降低了计算难度。然后基于模型预测控制技术的多变量控制策略提出了变速变距风力发电机的控制。最后,仿真结果说明了该策略的有效性,并得出结论,多个模型预测控制器(MMPC)比PI控制方法具有更好的控制性能。

1。介绍

功率输出的变速变距风力发电机在不同风速通常说明了他们的功率曲线显示了稳定的风速和电力之间的关系。风力发电的运行状态包括三种模式(1]:模型1-operating变速/最佳叶尖速度比:,模型2-operating恒定速度/比例变量泵:,模型3-operating变速/恒功率:,

哪些是见图1,在那里代表切入风速,代表了风速时,发电机的最大转速时,额定风速的风力涡轮机,然后呢是卷起风速的涡轮机需要关闭保护。

的安全性和可靠性WECSs完全依赖于控制系统的完整性和可靠性是一个重要的问题为风力涡轮机系统的有效性甚至风力发电厂的安全、可靠运行很长一段时间(2]。许多控制器研究方法包括线性的和非线性的已应用于操作控制WECSs。由于大量的非线性控制器,计算线性控制器控制仍然是主流的风力涡轮机。有控制方法存在WECSs操作,PI控制器的设计(3),自适应控制器(1,4,5),增益调度控制器(6,7,鲁棒控制器8),和模型预测控制器9,10]。然而,大多数的控制器报告忽略了multiparametric性质的问题。多变量控制器,可以控制变速变距风力涡轮机的工作部分和满载地区可以发现在9,11,12]。

模型预测控制(MPC)已经开发成一种新型的计算机控制算法近年来(13- - - - - -15]。它有一个更好的控制等控制策略效果多步预测、滚动优化和反馈校正。因此,MPC,它适用于复杂的工业过程控制有困难建立准确的数学模型。多模型控制方法基于植物模型是一种常见的方法在处理复杂的非线性系统。一般来说,多模型控制方法的方法控制对象的动态特性通过使用多个模型。然后根据相应的多个模型与多个控制器,它控制在不同的工业控制对象条件(16- - - - - -19]。

在本文中,一种新的建模方法与永磁同步发电机直接传动风力涡轮机(PMSG)和一个新的控制策略提出了基于MMPC描述变速变距控制风力涡轮机部分和满载的地区。本文的主要贡献是考虑的multiparametric性质MMPC PMSG的系统和设计模型来获得更好的性能在整个操作wec的政权。

本文的其余部分组织如下:在部分2介绍了使用风力涡轮机的基准模型。参考/基线控制系统基于多个风力涡轮机的基准模型的预测控制方法提出了部分3。部分4给出了仿真结果和一些评论和讨论。最后,结论部分5。

2。系统建模

直驱风力发电机系统主要包括叶片、轮毂、发动机舱、可变螺距结构、偏航系统、塔、同步发电机、转换器和整个控制系统,等等,其中全功率转换器包括整流侧的发电机和电网侧逆变器,如图2(20.]。

的气动转矩提取从路过的风是由风力涡轮机 在哪里风力涡轮机的功率系数;螺旋角;涡轮机轴转速;的速度比之间的比率被定义为线性叶尖速度和风速给定如下:

一个特定的风力涡轮机的功率系数设计由(3这里使用):

场上执行机构由一阶等效动态系统建模与饱和的振幅和导数,见以下:

摘要传输转矩方程的线性化导致以下:

在大多数情况下,对于直驱风力发电机系统,没有凸起的PMSG的动态方程可以写在一个同步旋转d- - - - - -问参考框架如下: 在哪里[V]和[V]问设在和d分别设在定子终端电压;(一)和(一)问设在和d分别设在定子电流;(V /)定子电阻;电机转子的角速度(,p双极);和和是问设在和d设在通量PMSG的联系,分别由以下几点: 在哪里永磁磁链;和是问设在和d分别设在PMSG的电感。

机械动力学的风力涡轮机系统由以下给出: 在哪里是风力发电机的总惯性常数;阻尼系数;和PMSG的电机转矩。

涡轮机控制器的设计,重要的是用简单的模型来捕获相关系统的动力学。幸运的是,电气子系统的动力学速度远远超过涡轮动力学和简单的模型可以用于表示电动力学。在本文中,一个一阶模型,给出了(9使用), 在哪里,,发电机转矩,时间常数,分别和效率9]。

因此,PMSG模型连接到电网可以表示如下: 也就是说, 在哪里系统的状态变量,是控制输入,是测量的输出。

3所示。实时风速估计

如果信息的涡轮机械功率和轴转速,风速可以计算的非线性逆函数(1)。人工神经网络(ann)是有效的非线性映射工具和本文用于风速估计。

在这篇文章中,一个三层反向传播人工神经网络(BPANN)是用来估计风速如图3。在该方法中,,,估计的值吗,,,分别。

整体的输入输出映射BPANN 在哪里隐层神经元的数目;,,输入和之间的权重吗th隐层神经元;之间的重量吗th神经元隐层和输出;和偏差的隐藏层和输出层,分别;””是双曲正切乙状结肠传递函数。

BPANN训练通过训练数据集,直到达到一个可接受的错误。然后,BPANN的参数是固定的,用于实时风速估计。

4所示。控制设计

本文中使用的多模型控制策略如图4。主要思想是分段线性化的非线性系统的参考输入和控制每一个线性模型,使其符合相应的多个模型参考输出轨迹(MMRT)。的原因,动态过程的输入和输出不平衡的系统,它不能得到准确的结果通过线性化的非线性系统。在这篇文章中,由多个线性多变量非线性系统逼近系统。参考轨迹分段接洽不同的线性系统。这个方法是用来控制风力涡轮机的螺旋角和发电机转矩来实现最优性能。所有操作区域的风力涡轮机可以分为部分,每个部分所描述的线性模型,并使用预测控制,使输出功率达到期望的效果。

整个风力发电机的控制结构如图5和6。与额定功率和转速、螺旋角和扭矩通过多个模型表语控制可以使风力发电机系统输出所需的功率实现预期的目标。

把非线性系统考虑到:

选择的输出状态如果方程可以得到解决,一个平衡点系统的可以了。如果平衡分,选择输出地区吗,线性模型在不同的平衡的非线性系统可以获得分: 在哪里 和意味着测量误差;模型是 在哪里是平的噪音。

因此,预测模型可以获得 在哪里

对于一个线性多变量系统,预测系统的输出可以通过覆盖预测单变量的输出。因此,首先考虑预测输出由于输入的预测价值未来的能获得的时刻。值如下: 在哪里 如果每个变化次的时刻,那么就 在这里,多变量多模型系统的预测模型如下所示: 在哪里

输出密切跟踪期望在未来的时刻和实施软约束控制增量,主要性能指标: 在哪里 预测模型方程 系统的及时控制增量可以获得如下: 输入的不等式约束可以表示如下: 在这里,和已知数量。

与约束相结合,改善控制函数的表达式 在哪里和包含的元素不满意约束和,分别。

由于存在模型失配,预测输出可能误入歧途的实际价值。因此,反馈校正被添加到系统。对比实际输出在输出误差和预测输出结果

错误可以用来预测未来输出错误,补充了基于模型的预测。预测系统的输出可以表示为 和是纠正值。

5。仿真结果

在本节中,提出的控制策略的性能进行了评估。通过模拟,非线性风力涡轮机模型的建模和设计控制策略验证是合适和有效的。提出的控制器实现6千瓦的风力涡轮机。表1显示模拟装置的参数。

5.1。部分负荷与变速操作

首先,MMPC控制器的性能与经典的PI控制策略相比,部分负荷操作。仿真结果如图所示7。可以看出MMPC控制策略和PI控制器可以有效地跟踪参考功率来实现最大功率点跟踪仿真结果。然而,发电机功率和传动系扭转力矩波动下有效地减少MMPC控制器。

5.2。部分负荷运行在额定风速附近

其次,MMPC控制器的性能与经典的PI控制策略在部分负荷运行在接近额定风速进行比较。仿真结果如图所示8。在额定功率附近,发电机功率和传动系扭转力矩波动剧烈地和超过额定功率时涡轮由PI控制器控制。可以看出MMPC控制器可以保持稳定的功率输出,消除过冲在接近额定风速。它可以观察到在图8 (f)这节活动MMPC控制策略更频繁地变化。

5.3。全负荷运行

第三,MMPC控制器的性能与经典的PI控制策略相比,满载操作。仿真结果如图所示9。可以看出MMPC控制器可以保持稳定的输出功率,降低电源波动明显。然而,螺旋角的变化更加频繁,在图所示9 (c)。

6。结论

在本文中,一种新的建模方法和多模型控制策略,提出了基于模型预测控制技术来控制变速变距直驱风力发电机和永磁同步发电机部分和满载的地区。在部分负荷地区,MMPC控制器设计(MMP)跟踪最大功率点。在额定风速,该控制器可用于消除过冲权力和传动系的扭转力矩。另外,功率和扭矩的波动明显减少。满载地区,螺旋角实现调节平滑输出功率。该控制器具有的优势考虑多个模型结构处理的非线性系统。MMPC控制策略的性能与PI控制器。仿真结果表明,MMPC控制器优于传统的PI控制方法。

利益冲突

作者宣称没有利益冲突有关的出版。

确认

这项工作是支持的博士后研究特殊项目由重庆(不支持。Xm2014003)和重庆的前沿和应用基础研究项目(没有。cstc2014jcyjA1086)和中央大学的基础研究基金(no.106112014CDJZR175501)。匿名评论者所提供的建设性的评论和编辑也深表感谢。