智能控制在风电机组恒功率控制中的应用研究

【摘要】：控制技术是风电机组运行的关键技术。当风速超过额定风速以后,由于发电机组机械性能和电气性能的限制,必需降低风轮捕获的能量,使输出功率维持在额定值附近同时减小叶片承受载荷和风力机受到的影响,保证机组的安全运行。 PI是工业控制中应用最广泛的技术。本文针对风电系统中PI参数的整定问题进行了探讨。风力发电中风速具有很强的随机性,风电机组的非线性特性也很强,不同的风速下需要有不同的PI参数才能保证机组稳定高效的运行。本论文利用遗传算法与神经网络相结合的方法,训练出能随风速变化,快速准确的输出PI参数参考值的控制器,并通过仿真证明该方法的可行性。 然而PI控制器是针对系统输出与额定值的误差进行调节,控制作用具有一定的滞后性。当风速变化时易产生较大的超调以及较长的调节时间。本文提出了一种自适应神经模糊前馈控制器,通过将神经网络和模糊控制相结合,利用神经网络自学习特性对模糊控制器的各项参数进行自学习自调整,从而设计出简单易行的前馈控制器。该控制器可以有效克服风电系统模型非线性干扰。随风速的变化及时调整桨距角,提高了恒功率控制系统对风速响应的快速性。经仿真验证该前馈控制器与PI控制器结合使用不仅保证了功率的恒定输出还优化了额定风速以上输出功率的曲线。 最后本文对上述理论,用QT进行了软件化设计实现。利用QT的跨平台特性,所实现的恒功率控制软件能够应用在不同的平台上。利用该软件测试,各种实验风速下,上述理论的控制效果均能有效地达到预期目的。