风力发电机组的控制.pptVIP

风力发电机组的控制 Ⅰ 概述 Ⅱ 风力发电机空气动力理论基础 Ⅳ变桨风力发电机组 Ⅴ 控制系统的执行机构 Ⅵ 变速风力发电机组控制 4. 低于额定风速的风机转速模糊控制器 用三个模糊控制器实现最佳功率利用系数控制 模糊控制器A 跟踪风速的最佳转速控制，优化风机的气动性能 跟踪的搜索方法：以风机的输出功率为估算风速的依据 建立输入变量ΔP0、Δn0及输出变量Δnr的模糊控制器系统 从属函数及控制规则确定 求出输出控制的加权平均值（Δnr） 模糊控制器B 适当调节发电机定子电流励磁分量，减小电机铁损，提高效率 建立输入变量ΔP0、Δids的模糊控制系统，搜索新的励磁电流增量Δids’ 励磁电流降低造成的电压降 低使转矩减少，由控制器C增加转矩电流 iqs 模糊控制器C 克服由稳态振荡转矩和控制器B引起的转矩突变，保持转速稳定 控制器的协调 多个控制器必须遵循一定的顺序投入和切除 5．神经网络控制用于风机变桨控制 神经网络概念（NN） 研究人脑神经系统功能而发展起来的信息处理前沿学科 人工神经网络原理 由大量处理单元(神经元)广泛互联而成的网络，是对人脑的抽象、 简化和模拟，具有类似人脑的功能 神经元模型———单层感知器 感知器的输出为 BP学习算法(多层前馈网络的反向传播学习法) a) 给出初始数值ωj(0) b) 工作信号正向传播算出输出y(t)，与期望值d比较，误差不满足则 c) 误差信号反向传播，算出每层的局部梯度，调正权值 c) 第二次 第三次……迭代，直到[d-y(t)]满意 典型的BP网络模型 变桨风机神经网络控 制算法初步 当风速低于额定值时，风机可变桨适应风速变化，以保持最佳λOPT(CPmax)。 变桨神经网络如下图 ： U1=β U1=λ Σ ω2 ω1 x f(x) x Cp a) 离散学习过程 从已知的离散 求得连续的Cp曲线 。 建立学习样本共29x32=928 β=0°，0.5°，1°，1.5°…...14° (29) λ=0.5，1 ，1.5…...14 (16) 。 对每一个样本依次进行正向计算，算出对应的Cp值。 。 算出的Cp值与已知的CpOPT离散值（或插入值）之差不满足要求， 则反向修改权值重新迭代，直到Cp计算值与已知曲线对应(或误差 足够小），从而建立连续的Cp(β，λ)曲线。 b) 控制过程 当v变化(转速可能变），λ变化；算出新的Cp值（电功率/气动功率）， Cp值偏离原先的最佳值(ε)，则变β，以新样本算Cp，直到Cp最佳, 以最后算出β的值调节桨叶角。 c) 控制性能 动态响应时间——取决于计算机的速度 对测试样板的正确率评估 电缆缠绕传感器及解缆 调向软件计数及电缆转圈拉动开关可监视缠绕情况 紧急停机 解缆 正常停机 解缆 待停机 后解缆 自动调向 紧急停机 解缆 待停机 后解缆 正常停机 解缆 -4 -3 -2圈 +2圈 +3 +4 额定风速以下，调节变频控制器使输出电功率稳定； 额定风速以上，改变桨叶节距角β，调节吸收风能，适应 转速变动； 标准的PID控制器、自适应控 制与智能控制技术的应用 1. 变速风力发电机组的优点及其控制 优点 低风速时保持最佳叶尖速 比获得最大风能 高风速 时变转速，贮存或释放动能使功率稳定 控制 功率系数（风能利用系数） 曲线 2. 变速风力发电机组的基本特性 与风速相关的最佳功率 功率限制与转速限制 风机的转速转矩特性 由转矩、转速和功率围成的安全运行区 3. 变速风力发电机组 变速风力发电机组的组成 发电机： 双馈线绕转子异步发电机或低速永磁同步发电机 变频器： 整流和逆变 变桨机构 ：由变浆控制器、多级直流电动机及可充电电池组成 双馈异步发电机及变频器 a) 结构 随风力变化，为捕获最大风能，调节有功功率即可调节风机转速 调无功功率（功率因数），提高机组及电网的稳定性 调节励磁电流的频率、相序、幅值，确保发电机输出恒频、恒压 其中 f1 定子输出频率(网频) fm 转速 p极对数 f2转子电流频率 b) 控制原理 低速永磁同步发电机 a) 结构 用变频器使发电机与电网频率之间解耦 b) 控制原理 控