基于新能源风力发电控制技术的探讨

基于新能源风力发电控制技术的探讨

崔文刚

(新疆新能源研究院有限责任公司新疆区830026)

摘要：风力发电机是具有复杂非线性动力学特性的产品，其控制技术是风力发电机研发、设计过程中的核心技术之一，是风力发电机组高效、安全、稳定运行的关键。通过对鲁棒控制技术、滑模变结构控制技术、矢量控制技术、最优控制技术、人工神经网络控制技术的探讨，研究提升风力发电机组的发电效率和运行稳定性的控制方法，实现风能的最大功率点跟踪，推动风力发电机组向着智能化控制的方向发展。

关键词：系统结构；非线性系统；控制技术；MPPT控制

引言

风力发电技术是将低能量密度且不稳定的风能转换为旋转机械能，再通过发电机转化为电能并向电网输送电能的技术。

风力发电技术的大规模应用是从失速型风力发电机技术成熟与完善的基础上开始的。上世纪70年代末由丹麦发展起来的三叶片、上风向、定桨距失速调节的风力发电机型从众多类型的风力机中脱颖而出，逐步发展为当时的主导机型。随着风力发电机技术的发展，机组的单机容量不断增大,变速恒频变桨距机型已完全占据了主导地位。

风力发电控制技术，是在风速、风向、风密度可变的条件下，对风力发电机在“风能-机械能-电能”转化和输送过程中进行稳定、可靠控制的技术。其目的是实现风力发电系统的MPPT控制，保证风力发电机的安全、稳定运行，向电网输送较高品质的恒压恒频电能。

1风力发电机组的技术方向及主流机型

随着大规模电力电子技术在风力发电领域的应用成熟，变速恒频变桨距型大功率兆瓦级机组已成为风力发电机的主流机型，应用领域也从“陆上风电”为主向“海上风电”拓展。由于变速恒频变桨距型大功率机组在度电成本、投资回收期、海上风电等多方面具有明显的优势，已成为风力发电机制造商的主要研究方向。

变速恒频变桨距机组可以通过变流器实现转子机械角速度和电网频率的解耦。主要有双馈感应风力发电机、直接驱动同步风力发电机两种主流机型。

双馈感应风力发电机的定子绕组直接接入工频电网，三相对称转子绕组经PWM双向电压源变流器与电网相连给发电机提供交流励磁，通过调整转子励磁电流频率，发出50Hz恒定电压的电力。

直接驱动同步风力发电机，其电机输出的是随叶轮转速变化的电压可变、频率可变的电能；通过变流器的交-直-交变流转换，得到50Hz恒定电压的电力向电网输出；同时，变流器还能进行有功和无功功率的控制，有效改善风力发电机与电网系统的并网友好性。

2风力发电机控制系统结构

风力发电系统本体由空气动力系统、发电机系统、偏航系统、变流系统及控制系统等组成。

控制系统主要由变桨控制、偏航控制、变流控制及通讯系统等组成。控制系统通过传感器获得外部条件数据（如风速、风向等）及风力机组的运行参数（功率、叶轮转速、叶片桨距角、偏航角、振动等），控制风力发电机进行最大风能转换、最优功率输出，并保证机组安全可靠的运行。

风力发电机控制系统图

3风力发电的动力学特性

自然风具有风速和风向随机性的特点，风速的变化与大气运动紧密联系，同时受到地表粗糙度、紊流、风速分布不均以及塔影效应等因素的影响。

受风的间歇性、湍流以及风机的尾流效应的影响,风电场的风速变化不确定因素很多，风力发电机所受的载荷也会随机发生变化；引起的风轮叶片载荷变化也直接影响到风力发电机的输入载荷。

风力发电机的运行工况复杂多变不稳定。受风速随机变化的影响，风轮动力呈现出随机性强、时域滞后的对象特征，风轮动力形态不稳定；空气动力系统、发电机系统、变流系统等均呈现非线性特性；功率系数、气动力矩、紊流风速的时间曲线也均为非线性函数。受电网的波动、温度的变化、机组部件的故障等各种（分布参数、离散变量）干扰因素的影响，也进一步增加了系统运行工况的复杂程度。

准确测量风速是风力发电机功率预测的基础，是进行机组运行状态估算和机组控制的重要条件，也是在极端天气来临前保证风机安全运行的必要条件。简单的通过风力发电机上的风速计进行风速测量难以满足风力发电机的控制需要。通过统计回归的方法建立风速模型来预测风速在短时间内的变化情况，可帮助提高风力发电机的风能利用率，降低机组所承受的载荷峰值，提高机组抵抗最大风载荷的能力。

4风力发电机组控制技术的分析

风力发电机呈现了高阶、强耦合、非线性的整机特性。风力发电控制系统重要的问题，是当其模型参数发生大幅度变化或其结构发生变化时控制系统能否仍保持渐近稳定。

传统的线性近似控制方法只是非线性的简化和近似描述被控对象的数学模型，难以系统性的解决变速恒频变桨距型风力发电机在变工况、变载荷的复杂工作环境中，强非线性系统的控制稳定性和安全性问题。

4.1鲁棒控制技术

鲁棒控制着重研究多变量扰动系统的稳定性控制。当系统中存在模型摄动或随机干扰等不确定性因素时，能保持系统对特性摄动或参数扰动的不敏感性，特别适应参数变化范围大、模型动态不稳定及非线性严重的控制对象。

鲁棒调节器具有镇定补偿和伺服补偿的作用，可以准确跟踪外部参考输入信号并消除扰动的影响，提高控制系统的稳态性能指标。镇定补偿能使控制系统实现结构渐近稳定；伺服补偿可建立包含参考输入和扰动信号的数学模型，实现对参考输入和扰动的无静差控制。对于呈阶跃变化的参考输入和扰动信号，其动力学模型是一个积分器；对于呈斜坡直线变化的参考输入信号和呈阶跃变化的扰动信号，其动力学模型是两个积分器的串接。

由于风力发电机的被控制对象稳定裕度小，同时受风速变化及载荷变化的影响，不确定干扰因素多且变化范围大，控制系统的特性或参数的摄动无法避免，容易引起特性或参数的缓慢漂移。

鲁棒控制技术是风力发电机控制的基础技术，能够满足风力发电机对运行稳定性和可靠性的基本要求，能够实现风机运行过程中的动态特性已知及不确定因素的变化范围预估，提高控制系统的稳定性裕量，扼制和消除非线性强扰动对控制系统的影响。

当风力发电机组处于风速、风向、载荷均不稳定并且变化较为频繁的条件下，鲁棒控制技术的使用能够实现对变速恒频风力发电系统的优化控制，能够对风能进行快速的跟踪，提高风力发电机的风能利用率。

4.2滑模变结构控制技术

滑模控制属于变结构的一种控制方法，可以根据系统状态(如跟踪误差或其各阶导数)不断改变控制模型，以保证系统状态跟踪到其参考轨迹。

变结构控制中有一个或多个切换函数，当系统在动态过程中的状态达到切换函数值时，系统从一个控制模型转换成另一个控制模型，迫使系统按照预定“滑动模态”的状态轨迹运动。

滑模变结构控制的系统“结构”具有随时间变化的开关特性。该控制特性可以迫使系统在一定特性下沿规定的状态轨迹作小幅度、高频率的上下运动，即“滑动模态”运动。

由于滑动模态具有对干扰和摄动的不变性，就使得变结构控制具有快速响应、对参数变化及扰动不灵敏、无需系统在线辩识，物理实现简单等优点，是一种实用的非线性控制综合方法。

但是，一个现实的滑模变结构控制系统，特别是离散系统的滑模变结构控制系统，当状态轨迹到达滑模面后，都会在光滑的滑动模态上叠加一个锯齿形的轨迹；同时，也容易出现在滑模面两侧来回穿越。滑模变结构控制本质上的不连续开关特性会产生系统抖振，且抖振不可能消除，只能在一定程度上削弱抖振的范围，消除了抖振也就消除了变结构控制的抗摄动和抗扰动能力。

滑模控制是非线性自适应领域中相对成熟且应用最为广泛的一种控制策略。由于系统的滑模运动与控制对象的参数变化和系统的外干扰无关，因此滑模变结构控制系统的结构简单、响应速度快，鲁棒性也比一般常规的连续系统强，被广泛应用于风力发电机组中。

4.3矢量控制技术

矢量控制技术更多的被应用于双馈感应风力发电机组中。对于交流励磁的双馈发电机，电机定、转子的电流分别是工频和转差频率的交流量，且两个交流量间为强耦合关系。应用矢量控制技术，引入矢量坐标变换的方法，将实际的交流量分解成为有功和无功分量，对双馈电机的电压方程、电磁转矩方程进行矢量变换，进行解耦控制。

在双馈感应风力发电机组中应用矢量控制技术，使系统具有直流传动系统的结构和传递函数，实现对有功和无功两个分量的独立解耦调节。机组有较强的适应能力以及抗干扰能力，能够在短时间内完成稳定性控制，实现风能跟踪的最大化。但是，该技术的使用会对无功补偿量的大小进行限制。

4.4最优控制技术

传统的风力发电机控制，主要通过控制发电机的电磁转矩以及桨距角调整控制来是实现的。实际中，因测量干扰大、风速频繁变化的非线性特性，虽然电磁转矩控制的响应时间快，桨距角也可以进行大范围调节，但受到叶片惯性以及设备机械强度的限制，桨距角的调节速率不能太快。特别在满功率发电时，若风速大幅度快速变化，风力发电机的工作稳态点会快速的发生改变，直接影响最大功率点的控制效果。

线性二次型（LQR）最优控制是以状态变量和控制变量的二次型函数的积分作为性能泛函的最优控制；考虑系统噪声和测量噪声，利用Kalman滤波结合LQR组成线性二次型高斯（LQG）最优控制。利用LQR和Kalman滤波的优点，将LQG控制应用于变速变桨型风力发电机组的桨距调节控制，即可保证输出功率维持在额定值附近,也可实现对状态变量和控制变量的多参数优化控制，减轻了传动链载荷，减少了变桨机构的动作频率，使控制效果达到最优或近似最优。

4.5人工神经网络控制技术

人工神经网络控制技术是现代智能技术中较为重要的一种技术。人工神经网络具有映射任意非线性输入-输出关系的能力，具有复杂模式分类和多维函数映射的能力；通过调整权系数使误差函数逐渐减小，使误差沿梯度方向下降。

BP神经网络算法是一种按照误差反向传播算法训练的多层感知器网络。风力发电机控制过程中，可基于BP神经网络算法技术，建立桨距角全范围变化时的风能利用系数模型；也可以建立以风速、风轮角速度、功率未输入，桨距角指令值为输出的BP网络，构成基于BP网的桨距控制器，用于风力发电系统MPPT控制。

风力发电机组中使用人工神经网络控制，能够对环境中不断变化的风能进行准确的捕捉，实现对风速的合理预测，促进风力发电机向着智能化控制的方向发展。

结束语

风力发电系统的复杂非线性动力学特性对控制系统的设计和实现提出了高要求。本文对风力发电机组控制系统结构、风力发电的动力学特性等几方面进行了分析，认识了风力发电系统的非线性本质。通过对几类典型控制技术的探讨，总结了风力发电机组的主要控制技术。采用最优的控制策略和先进的控制技术，进一步提高风能转换效率、改善电能品质、减小柔性风电系统传动链上的疲劳负载是风力发电控制技术的不变主题。

参考文献:

[1]叶杭冶.风力发电机组的控制技术[M].机械工业出版社,2002

[2]杨俊华,吴捷.风力发电系统中的最优控制策略综述[J].微特电机,2004.

[3]宋永端.风力发电系统与控制技术[M].电子工业出版社,2012.