基于有效风速估计的变速风力发电机组最大风能捕获方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN108334672A(43)申请公布日2018.07.27(21)申请号201810033271.5(22)申请日2018.01.14(71)申请人浙江大学地址310058浙江省杭州市西湖区余杭塘路866号(72)发明人杨秦敏焦绪国鲍雨浓陈积明(74)专利代理机构杭州求是专利事务所有限公司33200代理人刘静邱启旺(51)Int.Cl.G06F17/50(2006.01)F03D7/00(2006.01)G06Q10/04(2012.01)G06Q50/06(2012.01)权利要求书3页说明书8页附图5页(54)发明名称基于有效风速估计的变速风力发电机组最大风能捕获方法(57)摘要本发明公开了一种基于有效风速估计的变速风力发电机组最大风能捕获方法。该方法包括有效风速估计模型和最大风能捕获控制器两部分。为获得有效风速估计值，归一化后的机组历史输出数据和历史风速测量值构成SVR模型的训练集，使用GA算法选择惩罚参数和核函数参数，得到训练好的SVR模型，该模型在线给出风速估计值；设计最大风能捕获控制器时，根据有效风速估计模型给出的有效风速，得到实时的最优风轮转速估计值，使用鲁棒因子和神经网络应对系统的非线性特性和参数不确定性，从而实现转速跟踪误差的有界性和风力发电机组系统的稳定性。该方法不需要使用机组的数学模型和参数，设计过程简单，实现成本低，能够提高机组产能和风电场的经济效益。CN108334672ACN108334672A权利要求书1/3页1.一种基于有效风速估计的变速风力发电机组最大风能捕获方法，其特征在于，该方法包括以下步骤：(1)对风电机组传动链结构进行动力学分析，建立风电机组传动轴系简化模型如下：其中，Jt是系统等效转动惯量，ωr是风轮转速，Ta是气动转矩，其表达式是ρ是空气密度，R是风轮半径，Cq是转矩系数，v是有效风速，Kt是系统等效阻尼，Tg是系统等效电磁转矩；(2)根据机组机械功率的表达式和风能利用系数曲线，将最大风能捕获问题转化为最优风轮转速跟踪问题，计算转速跟踪误差；所述转速跟踪误差定义为实际风轮转速与最优风轮转速估计值之差；(3)使用激光雷达测风装置测量并记录一段时间内的有效风速信息，使用SCADA系统和力矩传感器获得相应时间段内风电机组的相关输出数据X'，X'＝[x'(i,j)],i＝1,...,l,j＝1,...,6，l为采样输出次数；用x'(i,:)表示机组的一次采样输出，x'(i,:)表达式为：x'(i,:)＝[ωr,ωg,ωra,afa,Myb1,Fxb1]其中，ωr是风轮转速，ωg是发电机转速，ωra是叶轮方位角，afa是塔架前后加速度，Myb1是某一叶片的叶根挥舞弯矩，Fyb1是该叶片的叶根挥舞力；(4)将步骤3获得的机组输出数据进行归一化处理，作为SVR模型的训练特征集X，X＝[x(i,j)],i＝1,...,l,j＝1,...,6，将步骤3获得的有效风速信息作为SVR模型的训练目标值，将训练特征集和训练目标值构成SVR的训练集；(5)使用步骤4获得的训练集对SVR模型进行训练，使用GA算法选择SVR的惩罚参数和核函数参数，得到训练好的SVR模型，通过该模型在线给出有效风速估计值，从而实时获得最优风轮转速估计值；将有效风速估计值和有效风速真实值v之间的关系表示为：其中ζ(t)是有界的有效风速估计误差；(6)将步骤(1)中的气动转矩Ta的表达式分解成风轮转速和风速的函数加上一个有界量δ(t)，根据最优风轮转速估计值得到转速跟踪误差，进一步求得转速跟踪误差的动态特性如下：其中，是跟踪误差，ωr是实际风轮转速，是最优风轮转速估计值，是系统未知动态，Tg是控制信号，是系统未知有界部分。(7)使用两层的神经网络，对步骤6中的系统未知动态进行逼近，并设计神经网络理想权重估计值的更新规则如下：2CN108334672A权利要求书2/3页T其中，是神经网络隐含层的激活函数，Γ＝Γ>0是正定对称矩阵，σ1>0是需要用户选择的控制器参数。(8)设计鲁棒因子对步骤6中的系统未知有界部分D(t)进行逼近，并给出该鲁棒因子的幅值的更新规则如下：其中，是鲁棒因子的幅值，σ,μ,σ2>0是用户自定义的控制器参数，tanh(·)是双曲正切函数。(9)设计步骤6中控制信号的表达式如下：其中，k>0是用户自定义的控制器参数，在该控制信号的作用下，跟踪误差e是有界的，即风力发电机组的风轮转速能够跟踪最优风轮转速，从而实现最大风能捕获，同时，该控制信号能够使得风力发电机组系统中的所有信号都是有界的，系统是稳定的。2.根据权利要求1所述的基于有效风速估计的变速风力发电机组最大风能捕获方法，其特征在于，所述步骤4中，归一化处理指的是：其中，用x'(:,j)