[发明专利]一种基于极值搜索的风电机组最大出力追踪控制方法

说明书

技术领域

本发明属于新能源的开发领域，尤其涉及一种基于极值搜索的风电机组最大出力追踪控制方法。

背景技术

变速恒频风电机组在额定风速以下运行时进行最大风能追踪，从自然风中捕获最大的风能并转化为电能输送到电网中，要捕获最大风能，必须在风速变化时及时调整转速ω_r运行在其最佳值处，保持最佳叶尖速比λ_opt，即最大风能追踪的过程可以理解为风力机的转速调节过程，转速调节的性能决定了最大风能追踪的效果，在湍流风场中，λ_opt只有在发电机转矩变化很快的情况下才能保持不变，机械转矩变化过快会使系统振动增强，增大疲劳损坏的危险，降低系统使用寿命，因此，在最大风能追踪的同时，应该兼顾风电机组的机械载荷，对机械转矩进行控制，减小在风速变化时机械转矩的变化率；传统的最大风能追踪方法有最佳叶尖速比法、爬山法和功率反馈法。采用最佳叶尖速比法来进行最大风能追踪，由测量的风速和发电机转速计算最佳叶尖速比下对应的最佳转速值，作为控制系统的参考指令，该方法控制结构简单，容易实现，但缺点是需要实时精确的测量风速，这在实际风场中很难实现，爬山法是通过实时测量风力机转速和输出功率，根据其梯度的变化情况来判断转速的变化方向，控制机组的运行点趋近最大功率点，该方法避免了测量风速的问题，但需要实时测量风力机输出功率和转速的梯度，而梯度传感器则会放大噪声并且在高频时不稳定,且测量和判断的时间会影响算法的精度。功率反馈法是通过控制双馈电机输出有功功率来控制双馈电机的电磁阻转矩，从而间接地控制机组的转速，该方法能有效避免输出功率的波动且同样不需要风速的检测，缺点是需要通过仿真和实验来获得功率风速曲线，而且对于不同的风轮，这种曲线是不同的；针对传统控制方法的缺点，现代控制理论中的一些控制方法被引入最大风能追踪中，预测控制(Predictive Control)：风能预测来进行最大风能，采用支持向量回归（SVR）算法来预测风速，将预测到的风速输入风能转化系统计算该风速下的最佳转速值，该方法不需要测量风速，缺点是风能预测的精度不高；神经网络控制(Neural Network Control)：WRBFN神经网络与爬山算法想结合，采用粒子群优化算法设计了控制器，该方法有效的解决了爬山算法的缺点，但只适用于永磁发电机，在双馈电机中不适用，使用范围较小；非线性控制(Nonlinear Control)：滑模变结构控制应用于风力发电中，将切换面定义为功率相对误差，对发电机正常和失速两种模态分别采用不同的滑模控制率，达到无差跟踪和最大风能捕获的目的，该方法响应速度快，但该理论是建立在对象精确的数学模型基础上的，对对象的数学模型过度依赖；模糊控制(Fuzzy Control)：采用模糊控制进行最大风能追踪，克服了传统控制依赖于被控对象精确数学模型的缺点，存在的问题是设计的控制器精度较低；自适应控制(Adaptive Control)：将基于摄动的极值搜索控制应用于风电最大风能追踪中，在风能转换系统中，将风速的变化进行处理得到激励信号，从而获得最佳叶尖速比，达到风能的最大捕获率，该方法不需要对控制对象建立精确的模型，且控制速度快，精度高，但该方法的缺点与最佳叶尖速比法相同，需要对风速进行实时精确测量。滑模变结构控制与极值搜索控制相结合，基于滑模极值搜索控制，该控制方法具有结构简单，输入变量惟一的优点。

发明内容

本发明的目的在于利用一种基于滑模的极值搜索的控制方法，旨在解决现有风电机组最大出力追踪方法存在的通过改变机械部件的结构或材料来增加系统抵抗机械疲劳的能力，从而增加系统结构的复杂性和成本的问题。

本发明的目的在于提供一种基于滑模极值搜索的风电机组最大出力追踪控制方法，所述基于极值搜索的控制方法包括以下步骤：

第一个闭环反馈：用于产生一个输出有功功率p_s的反馈值；具体的信号传递过程为：双馈电机发出的有功功率p_s与功率参考值p_s，ref进行比较，其差值ε传给符号函数sgn(ε)，当sgn(ε)发生变化时，产生滑模动作，乘以一个常数u后将信息传递给模块v₀/s，这样就得到了转速的参考值ω_r，ref，根据WCES图像，从而得到了有功功率p_s，有功功率p_s又反馈给功率参考值p_s，ref，从而形成一个功率闭环反馈；