[发明专利]一种基于宽度学习的间接转速控制方法

说明书

本发明公开了一种基于宽度学习的间接转速控制方法。获取机组某段时间内的有效风速信息，使用互信息选择对应时间段的与有效风速相关的机组输出数据，去除获取到的机组输出数据中的相关性并进行归一化操作，构造宽度学习系统的训练集，使用该训练集确定宽度学习系统的结构和参数，得到风速估计模型，该模型在线给出有效风速值，进而计算转速跟踪误差和间接转速控制表达式。该方法保留了传统间接转速控制算法结构简单的优势，克服了其收敛速度较慢的缺点，能够同时加快机组的加速和减速性能，提高风能捕获效率，简单易行，实施成本低，需要调试的参数少，相比于传统间接转速控制算法相比，能够提高机组产能，增加风电场的效益。

技术领域

本发明涉及风力发电机组控制技术领域，特别涉及一种基于宽度学习的间接转速控制方法。

背景技术

在过去的几十年中，风力发电在世界范围内得到了飞速发展。自然界的风具有很强的随机性和间接性，导致风电功率存在很大的不可预测性和波动性，“弃风限电”在风电工业中普遍存在，因此，风力发电的商用价值有待于进一步提升和挖掘。

最大风能捕获是风电机组的主要控制目标之一，是风电场经济效益最大化的重要保证，为实现这一目标，目前工业上普遍采用间接转速控制算法，该算法的原理十分简单，即在假设风速为定值的情况下，仅考虑系统稳态，将控制增益乘以发电机转速的平方作为电磁转矩的设定值。然而，间接转速控制算法存在两个主要问题。首选，其控制增益的计算需要已知风电机组的最大功率系数和最佳叶尖速比，这两个关键量虽然在机组出厂时会有一个标称值，然而，随着时间的运行，由于磨损、废物堆积、叶片结冰等原因，叶片的翼形会发生变化，导致机组的最大功率系数和最佳叶尖速比也会发生变化，且很难确定其准确值，因此，原有的控制增益就会不断偏离其理论最优值，从而导致风电系统捕风效率的下降；其次，间接转速控制算法并没有使用风速信息，其实现形式上并没有最优转速跟踪误差以及可以影响其收敛速度的可调参数，因此，在湍流风的情况下，算法的响应速度较慢，将会影响机组产能。

针对间接转速控制算法存在的问题，学者们提出了一些解决方案，这些方法可以总结为两类：控制增益更新法和减小转矩增益法。控制增益更新法主要解决间接转速控制算法的第一个问题，该方案需要使用激光雷达装置测量有效风速，进而计算风能捕获效率，然后根据风能捕获效率的增减来对控制增益进行更新，从而使得控制增益一直维持在理论最优状态，但是，由于激光雷达测风装置价格昂贵，该方法的实用性较差；减小转速增益法主要针对间接转速控制算法存在的第二个问题，通过减小控制增益的大小来加快机组加速性能，然而，该方法是以牺牲机组减速性能为代价来加快的机组的加速性能，且当控制增益的减小比例选取不当时，机组的捕风效率不增反减。

本发明针对控制增益更新法和减小转矩增益法中存在的问题，使用基于宽度学习的有效风速估计方法代替昂贵的雷达测风装置，进而得到最优转速估计值，通过引入转速跟踪误差的比例项，对转矩增益进行补偿，同时加快机组的加速和减速性能，提高机组的风能捕获效率。

发明内容

为了提高间接转速控制算法的风能捕获效率，解决现有间接转速控制方法实现成本高、参数选取困难的问题，本发明提供一种实现成本低、控制参数调试简单的间接转速控制方法，能够降低风电场的建设和运维成本，同时加快风电机组加速和减速性能，提高机组产能，增加风电场的经济效益。

本发明解决其技术问题所采用的技术方案是：一种基于宽度学习的间接转速控制方法，该方法包括以下步骤：

(1)获取机组某段时间内的有效风速信息，记为V，V是宽度学习系统训练目标集，同时使用SCADA系统记录对应时间段内的机组输出数据X_a＝[x_a(i,j)],i＝1,...,l,j＝1,...,8，其中 x_a(i,j)是SCADA系统的一次采样输出，其表达式为：