[发明专利]兆瓦级异步双馈风机转矩/桨距控制器参数自整定方法

说明书

技术领域

本发明涉及一种兆瓦级异步双馈风力发电机转矩/桨距控制参数自整定控制方法。

背景技术

近年来，我国风电行业发展迅猛。截至2010年底，新增风电装机超过1600万千瓦，累计装机容量突破4000万千瓦，双居世界第一。根据所选发电机形式的不同分类，风机可分为同步双馈机型、直驱机型和半直驱机型。同时，双馈发电机以其自身特有的优势而成为装机的主要机型，但双馈机型风力发电机也存在风速应用范围窄而导致发电效率不高的问题。

目前异步双馈发电机型的转矩控制策略普遍采用通过测量发电机转速之后查询符合最佳叶尖速比的转速-转矩曲线表，以得到转矩控制量的方法。其控制理论基础是风机工作在最佳叶尖速比时可捕获最大的风能，但由于其控制方式是简单的开环控制方式，从而导致转矩环控制不够精确，也使得风机的实际工况通常偏离最佳叶尖速比曲线，以致风机发电效率降低。桨距控制普遍采用PID控制策略，PID控制器虽然在工业现场中得到了大量的应用。但由于风机的非线性特性使得变桨控制器的PID参数整定十分困难，致使风机常常在受到外界扰动时不能及时调整而工作于不稳定状态，这往往是风机振动的主要原因。

智能控制算法是在控制论、信息论、人工智能、仿生学、神经生理学及计算机科学发展的基础上逐渐形成的一类高级信息与控制技术。神经网络控制属于智能控制的一种，它具有自适应和自学习能力，因此适合于复杂的控制领域。本发明引入神经网络智能控制算法与传统PID控制相结合的控制策略，旨在利用神经网络的自学习、自整定能力，在线对PID控制器的参数进行整定。算法应用于转矩和变桨控制器中，提高了控制精度、提升了发电效率，并有效减小风机载荷。

发明内容

针对现有技术的不足，本发明提供一种解决目前在用兆瓦级异步双馈风力发电机型普遍存在的，变桨控制器、转矩控制器参数整定困难以致使风机很难工作于最优状态问题的方法。

本发明的技术方案为：兆瓦级异步双馈风机转矩/桨距控制器参数自整定方法，其特征在于包括以下步骤：

步骤1)风机主控系统检测启动条件满足，风机进入启动状态；偏航系统初始化，并进行自检；

步骤2)自检成功后进入自由转动过程：

变桨系统桨叶打开到70°使发电机以一定速度转动；

当满足切换条件后，变桨系统桨叶角全开；

当发电机转速达到并网速度后，变流器进入运行状态，同时BP神经网络PID转矩控制器开始对发电机升速过程进行控制，控制发电机转速按照规划的斜率曲线上升；

当发电机转速达到额定转速时，变流器保持发电机转矩恒定，BP神经网络PID变桨控制器控制发电机转速稳定在额定转速。

所述BP神经网络PID转矩控制器的输入信号为发电机转速设定值与发电机实际转速相减所得的误差值，输出控制量至变流器；

所述BP神经网络PID转矩控制器的控制参数K_p、K_I、K_D分别为BP神经网络输出层的输出。

所述BP神经网络PID变桨控制器输入信号为发电机转速设定值与发电机实际转速相减所得的误差值，输出控制量至变桨系统；

所述BP神经网络PID变桨控制器的控制参数K_p、K_I、K_D分别为BP神经网络输出层的输出。

所述BP神经网络输出层输出是根据公式

o_k＝g(net_k)  计算得到的；

其中，g(·)为各节点的活化函数，

o_k为输出层第k个节点的实际网络输出；输出层的第k个节点的总输入w_ki为隐含层第i个节点到输出层第k个节点的加权系数，q为隐含层的节点数，i为隐含层的第i个节点；

隐含层第i个节点的输出o_i＝g(net_i)，其中，w_ij为输入层第j个节点到隐含层第i个节点的加权系数，o_j为输入层第j节点的输出，M为输入层的节点数，j为输入层的第j个节点；

所述加权系数w_ki和w_ij通过

w_ij(k+1)＝w_ij(k)+ηδ_io_i