本发明提供一种风力发电机转速控制方法，包括：实时检测风力发电机转速；检测当前作用在风力发电机风轮上的风速，并计算风力发电机最佳转速；建立基于虚拟未建模动态驱动的PI控制模型；将得到的风力发电机电磁转矩控制量反馈至风力发电机，作为风力发电机电磁转矩设定值控制风力发电机转速。本发明在风力发电机中PI控制的基础上，引入虚拟未建模动态补偿和前馈补偿后，可以显著提高风力发电机转速的控制精度。同时，由于本发明的方法不需要建立风力发电机的机理模型，在实际工业中易于实现，可以解决现有工程上常用PI方法精度较低，以及基于风力发电机机理模型的方法设计过程复杂、通用性差、难于应用于实际工业过程的不足。
1.一种风力发电机转速控制方法，其特征在于：包括以下步骤：
步骤2：检测当前作用在风力发电机风轮上的风速，并根据该风速计算风力发电机最佳转速，将该最佳转速作为风力发电机转速参考值；
步骤3：建立基于虚拟未建模动态驱动的PI控制模型，该模型输入为风力发电机转速参考值、实时检测的风力发电机转速和检测到的当前作用在风力发电机风轮上的风速，输出为风力发电机电磁转矩控制量；
步骤3.1：建立风力发电机传动系统离散输入输出模型：
A(z-1)y(k+1)＝B1u(k)+B2r(k)+v[X(k)]其中，A(z-1)、B1(z-1)、B2(z-1)均为用于表征风力发电机传动系统动力学特性的风力发电机传动系统离散输入输出模型参数A(z-1)＝1-a1z-1-a2z-2；B1(z-1)＝b10+b11z-1，B2(z-1)＝-1b20+b21z ，al、a2、b10、b11、b20、b21为常数；
风力发电机传动系统离散输入输出模型的输出y(k+1)为k+1采样时刻的风力发电机转速，风力发电机传动系统离散输入输出模型的控制输入u(k)为风力发电机电磁转矩设定值，风力发电机传动系统离散输入输出模型的扰动输入r(k)为当前作用在风力发电机风轮上的风速；A(z-1)y(k+1)＝B1u(k)+B2r(k)为风力发电机传动系统的低阶线性模型，z-1为后移算子，v[X(k)]为虚拟未建模动态，虚拟未建模动态为实时检测的风力发电机转速和低阶线性模型输出的风力发电机转速之差，风力发电机传动系统离散输入输出模型的输入输出历史数据向量X(k)＝[y(k)，…y(k-1)，u(k)，…u(k-1)，r(k)，…r(k-1)]T；
步骤3.2：估计虚拟未建模动态，得到虚拟未建模动态估计值
即前一时刻检测的风力发电机转速y(k)和前一时刻风力发电机传动系统的低阶线性模型输出的风力发电机转速y*(k)之差，其中，y*(k)＝-a1y(k-1)-a2y(k-2)+b10u(k-1)+b11u(k-2)+b20r(k-1)+b21r(k-2)步骤3.3：建立虚拟未建模动态驱动的风力发电机转速PI控制模型，该虚拟未建模动态驱动的风力发电机转速PI控制模型输入为风力发电机转速参考值、实时检测的风力发电机转速和检测到的当前作用在风力发电机风轮上的风速，输出为风力发电机电磁转矩控制量；
其中，w(k)为风力发电机转速参考值；H(z-1)＝1-z-1和R(z-1)＝G(z-1)＝g0+g1z-1构成PI反馈控制器；L(z-1)＝1+lz-1为滤波器；D(z-1)＝d0+d1z-1+d2z-2为前馈补偿加权多项式；K(z-1)＝k0+k1z-1+k2z-2为虚拟未建模动态补偿加权多项式；g0、g1、l、d0、d1、d2、k0、k1、k2均为常数；
步骤3.4：采用极点配置方法确定虚拟未建模动态驱动的风力发电机转速PI控制模型的L(z-1)和G(z-1)；
步骤3.4.1：将虚拟未建模动态驱动的风力发电机转速PI控制模型代入风力发电机传动系统离散输入输出模型，得到风力发电机传动系统闭环方程：[A(z-1)L(z-1)H(z-1)+z-1G(z-1)B1(z-1)]y(k+1)＝G(z-1)B1(z-1)w(k)+[B2(z-1)L(z-1)H(z-1)-B1(z-1)D(z-1)]r(k)+[L(z-1)H(z-1)-B1(z-1)K(z-1)]v[X(k)]步骤3.4.2：给定期望闭环特征多项式T(z-1)；
步骤3.4.3：根据A(z-1)L(z-1)H(z-1)+z-1G(z-1)B1(z-1)＝T(z-1)确定虚拟未建模动态驱动的风力发电机转速PI控制模型的L(z-1)和G(z-1)；
步骤3.5：令B2(z-1)L(z-1)H(z-1)-B1(z-1)D(z-1)＝0；确定前馈补偿加权多项式：
步骤3.6：令L(z-1)H(z-1)-B1(z-1)K(z-1)＝0，确定虚拟未建模动态补偿加权多项式：
步骤3.7：根据确定的L(z-1)G(z-1)、D(z-1)和K(z-1)，确定最终的虚拟未建模动态驱动的风力发电机转速PI控制模型；
步骤4：根据最终的虚拟未建模动态驱动的风力发电机转速PI控制模型以及风力发电机转速参考值、实时检测的风力发电机转速和检测到的当前作用在风力发电机风轮上的风速，得到风力发电机电磁转矩控制量；
步骤5：将得到的风力发电机电磁转矩控制量反馈至风力发电机，作为风力发电机电磁转矩设定值控制风力发电机转速。
一种风力发电机转速控制方法
技术领域
[0001] 本发明属于风力发电机控制技术领域，具体涉及一种风力发电机转速控制方法。
背景技术
[0002] 世界范围内的能源紧缺和环境恶化促进了风力发电行业的快速发展。变速风力发电机由于可以在较大范围内改变转速，跟随风速变化，因而保持最佳转速、实现最大风能捕获，成为风力发电机控制领域研究热点。风力发电机是模型结构及参数不确定，具有强扰动、强非线性的复杂工业对象。现有的控制方法存在以下问题：(1)工业现场较多采用的查表法或线性PI方法不能取得满意的控制效果；(2)基于模型的控制方法依赖模型精度，高精度模型导致算法复杂，模型精度较低则无法保证控制性能；(3)算法复杂，计算量大难以在工业中实现。因此，探索一类计算简单易于工业应用的风力发电机转速控制方法具有较大理论和实践意义。
[0003] PI控制由于其结构简单、易于应用及鲁棒性强等特点，在工业中得到广泛应用。对于高阶的强非线性的被控对象，PI控制很难取得很好的控制效果，其控制性能有待进一步完善。基于数据驱动的控制方法不需要精确的系统模型，可以通过输入输出数据逼近非线性系统。数据驱动的思想为解决非线性系统控制问题提供了新的思路。
发明内容
[0004] 针对现有技术存在的问题，本发明提供一种风力发电机转速控制方法。
[0005] 本发明的技术方案是：
[0006] 一种风力发电机转速控制方法，包括以下步骤：
[0007] 步骤1：实时检测风力发电机转速y(k)；
[0008] 步骤2：检测当前作用在风力发电机风轮上的风速r(k)，并根据该风速计算风力发电机最佳转速，将该最佳转速作为风力发电机转速参考值w(k)；
[0009]
[0010] 其中，λopt为叶尖速比最优值，对于一台特定的风力发电机，叶尖速比最优值λopt为定值，它是风力发电机的特性参数之一，ng为齿轮箱增速比，R为风轮扫略范围半径；
[0011] 步骤3：建立基于虚拟未建模动态驱动的PI控制模型，该模型输入为风力发电机转速参考值、实时检测的风力发电机转速和检测到的当前作用在风力发电机风轮上的风速，输出为风力发电机电磁转矩控制量；
[0012] 步骤3.1：建立风力发电机传动系统离散输入输出模型：
[0013] A(z-1)y(k+1)＝B1u(k)+B2r(k)+v[X(k)]
[0014] 其中，A(z-1)、B1(z-1)、B2(z-1)均为用于表征风力发电机传动系统动力学特性的风力发电机传动系统离散输入输出模型参数A(z-1)＝1-a1z-1-a2z-2；B1(z-1)＝b10+b11z-1，[0015] B2(z-1)＝b20+b21z-1，a1、a2、b10、b11、b20、b21为常数；
[0016] 风力发电机传动系统离散输入输出模型的输出y(k+1)为k+1采样时刻的风力发电机转速，风力发电机传动系统离散输入输出模型的控制输入u(k)为风力发电机电磁转矩设定值，风力发电机传动系统离散输入输出模型的扰动输入r(k)为当前作用在风力发电机风轮上的风速；A(z-1)y(k+1)＝B1u(k)+B2r(k)为风力发电机传动系统的低阶线性模型，z-1为后移算子，v[X(k)]为虚拟未建模动态，虚拟未建模动态为实时检测的风力发电机转速和低阶线性模型输出的风力发电机转速之差，风力发电机传动系统离散输入输出模型的输入输出历史数据向量X(k)＝[y(k),…y(k-1),u(k),…u(k-1),r(k),…r(k-1)]T；
[0017] 步骤3.2：估计虚拟未建模动态，得到虚拟未建模动态估计值
[0018]
[0019] 即前一时刻检测的风力发电机转速y(k)和前一时刻风力发电机传动系统的低阶线性模型输出的风力发电机转速y*(k)之差，其中，
[0020] y*(k)＝-a1y(k-1)-a2y(k-2)+b10u(k-1)+b11u(k-2)+b20r(k-1)+b21r(k-2)[0021] 步骤3.3：建立虚拟未建模动态驱动的风力发电机转速PI控制模型，该模型输入为风力发电机转速参考值、实时检测的风力发电机转速和检测到的当前作用在风力发电机风轮上的风速，输出为风力发电机电磁转矩控制量；
[0022]
[0023] 其中，w(k)为风力发电机转速参考值；H(z-1)＝1-z-1和R(z-1)＝G(z-1)＝g0+g1z-1构成PI反馈控制器；L(z-1)＝1+lz-1为滤波器；D(z-1)＝d0+d1z-1+d2z-2为前馈补偿加权多项式；K(z-1)＝k0+k1z-1+k2z-2为虚拟未建模动态补偿加权多项式；g0、g1、l、d0、d1、d2、k0、k1、k2均为常数；
[0024] 步骤3.4：采用极点配置方法确定虚拟未建模动态驱动的风力发电机转速PI控制模型的L(z-1)和G(z-1)；
[0025] 步骤3.4.1：将虚拟未建模动态驱动的风力发电机转速PI控制模型代入风力发电机传动系统离散输入输出模型，得到风力发电机传动系统闭环方程：
[0026] [A(z-1)L(z-1)H(z-1)+z-1G(z-1)B1(z-1)]y(k+1)＝G(z-1)B1(z-1)w(k)+
[0027] [B2(z-1)L(z-1)H(z-1)-B1(z-1)D(z-1)]r(k)+[L(z-1)H(z-1)-B1(z-1)K(z-1)]v[X(k)][0028] 步骤3.4.2：给定期望闭环特征多项式T(z-1)；
[0029] 步骤3.4.3：根据A(z-1)L(z-1)H(z-1)+z-1G(z-1)B1(z-1)＝T(z-1)确定虚拟未建模动态驱动的风力发电机转速PI控制模型的L(z-1)和G(z-1)；
[0030] 步骤3.5：令B2(z-1)L(z-1)H(z-1)-B1(z-1)D(z-1)＝0；确定前馈补偿加权多项式：
[0031]
[0032] 步骤3.6：令L(z-1)H(z-1)-B1(z-1)K(z-1)＝0，确定虚拟未建模动态补偿加权多项式：
[0033]
[0034] 步骤3.7：根据确定的L(z-1)、G(z-1)、D(z-1)和K(z-1)，确定最终的虚拟未建模动态驱动的风力发电机转速PI控制模型；
[0035] 步骤4：根据最终的虚拟未建模动态驱动的风力发电机转速PI控制模型以及风力发电机转速参考值、实时检测的风力发电机转速和检测到的当前作用在风力发电机风轮上的风速，得到风力发电机电磁转矩控制量；
[0036] 步骤5：将得到的风力发电机电磁转矩控制量反馈至风力发电机，作为风力发电机电磁转矩设定值控制风力发电机转速。
[0037] 有益效果：
[0038] 本发明在风力发电机中PI控制的基础上，引入虚拟未建模动态补偿和前馈补偿后，可以显著提高风力发电机转速的控制精度。同时，由于本发明的方法不需要建立风力发电机的机理模型，在实际工业中易于实现，可以解决现有工程上常用PI方法精度较低，以及基于风力发电机机理模型的方法设计过程复杂、通用性差、难于应用于实际工业过程的不足。
附图说明
[0039] 图1为本发明具体实施方式的风力发电机转速控制策略框图；
[0040] 图2为本发明具体实施方式的风力发电机转速控制方法与PI控制方法实验对比得到的发电机转速跟踪曲线；
[0041] 图3为本发明具体实施方式的风力发电机转速控制方法与PI控制方法实验对比得到的风能利用系数曲线；
[0042] 图4为本发明具体实施方式的风力发电机转速控制方法流程图。
具体实施方式
[0043] 为了使本发明的技术方案和优点更加明晰，下面结合实施例，对本发明作进一步详细说明。值得注意的是，此处所描述的具体实施例仅用于解释本发明，但并不限定本发明。
[0044] 选用GH Bladed软件对风力发电机运行过程进行模拟，并在风力发电机软件仿真实验平台上进行实施本发明。该平台采用DLL形式的GH Bladed外部控制器作为通信接口，通过交互软件与Matlab Engine进行数据通信，风力发电机转速控制方法通过Matlab实现，对虚拟风力发电机进行控制。
[0045] GH Blade中的虚拟风力发电机额定功率2MW，其具体参数表如下：
[0046] 表1GH Bladed风力发电机参数表
[0047]R 叶片半径 38.75 m
Nb 叶片数量 3
2
Jt 风轮转动惯量 6028971 kg·m
Jg 发电机转子转动惯量 60 kg·m2
Ks 低速轴刚度 1.6e8 N·m/rad
Cs 低速轴柔性阻尼 2.5e5 N·m/rad/s
Bb 低速轴阻尼 0
Bg 高速轴阻尼 0
ng 齿轮箱增速比 83.33
[0048]λopt 叶尖速比最优值 8.4
[0049] 一种风力发电机转速控制方法，如图4所示，包括以下步骤：
[0050] 步骤1：实时检测风力发电机转速y(k)；
[0051] 步骤2：检测当前作用在风力发电机风轮上的风速r(k)，并根据该风速计算风力发电机最佳转速，将该最佳转速作为风力发电机转速参考值w(k)＝18.06r(k)；
[0052] 步骤3：建立基于虚拟未建模动态驱动的PI控制模型，该模型输入为风力发电机转速参考值、实时检测的风力发电机转速和检测到的当前作用在风力发电机风轮上的风速，输出为风力发电机电磁转矩控制量；
[0053] 步骤3.1：建立风力发电机传动系统离散输入输出模型：
[0054] A(z-1)y(k+1)＝B1u(k)+B2r(k)+v[X(k)]
[0055] 其中，A(z-1)、B1(z-1)、B2(z-1)均为用于表征风力发电机传动系统动力学特性的风力发电机传动系统离散输入输出模型参数A(z-1)＝1-a1z-1-a2z-2；B1(z-1)＝b10+b11z-1，[0056] B2(z-1)＝b20+b21z-1，a1、a2、b10、b11、b20、b21为常数，
[0057] 风力发电机传动系统离散输入输出模型的输出y(k+1)为k+1采样时刻的风力发电机转速，风力发电机传动系统离散输入输出模型的控制输入u(k)为风力发电机电磁转矩设定值，风力发电机传动系统离散输入输出模型的扰动输入r(k)为当前作用在风力发电机风轮上的风速；A(z-1)y(k+1)＝B1u(k)+B2r(k)为风力发电机传动系统的低阶线性模型，z-1为后移算子，v[X(k)]为虚拟未建模动态，虚拟未建模动态为实时检测的风力发电机转速和低阶线性模型输出的风力发电机转速之差，风力发电机传动系统离散输入输出模型的输入输出历史数据向量X(k)＝[y(k),…y(k-1),u(k),…u(k-1),r(k),…r(k-1)]T；
[0058] 步骤3.2：估计虚拟未建模动态，得到虚拟未建模动态估计值
[0059]
[0060] 即前一时刻检测的风力发电机转速y(k)和前一时刻风力发电机传动系统的低阶线性模型输出的风力发电机转速y*(k)之差，其中，
[0061] y*(k)＝-a1y(k-1)-a2y(k-2)+b10u(k-1)+b11u(k-2)+b20r(k-1)+b21r(k-2)[0062]
[0063] 步骤3.3：建立虚拟未建模动态驱动的风力发电机转速PI控制模型，该模型输入为风力发电机转速参考值、实时检测的风力发电机转速和检测到的当前作用在风力发电机风轮上的风速，输出为风力发电机电磁转矩控制量；
[0064]
[0065] 其中，w(k)为风力发电机转速参考值；H(z-1)＝1-z-1，R(z-1)＝G(z-1)＝g0+g1z-1构成PI反馈控制器；L(z-1)＝1+lz-1为滤波器；D(z-1)＝d0+d1z-1+d2z-2为前馈补偿加权多项式；K(z-1)＝k0+k1z-1+k2z-2为虚拟未建模动态补偿加权多项式；g0、g1、l、d0、d1、d2、k0、k1、k2均为常数；
[0066] 步骤3.4：采用极点配置方法确定虚拟未建模动态驱动的风力发电机转速PI控制模型的L(z-1)和G(z-1)；
[0067] 步骤3.4.1：将虚拟未建模动态驱动的风力发电机转速PI控制模型代入风力发电机传动系统离散输入输出模型，得到风力发电机传动系统闭环方程：
[0068] [A(z-1)L(z-1)H(z-1)+z-1G(z-1)B1(z-1)]y(k+1)＝G(z-1)B1(z-1)w(k)+
[0069] [B2(z-1)L(z-1)H(z-1)-B1(z-1)D(z-1)]r(k)+[L(z-1)H(z-1)-B1(z-1)K(z-1)]v[X(k)][0070] 步骤3.4.2：给定期望闭环特征多项式T(z-1)；
[0071] 步骤3.4.3：根据A(z-1)L(z-1)H(z-1)+z-1G(z-1)B1(z-1)＝T(z-1)确定虚拟未建模动态驱动的风力发电机转速PI控制模型的L(z-1)和G(z-1)；
[0072] G(z-1)＝-59.8905-60.1219z-1
[0073] 步骤3.5：令B2(z-1)L(z-1)H(z-1)-B1(z-1)D(z-1)＝0；确定前馈补偿加权多项式：
[0074]
[0075] D(z-1)＝0.7873-0.6298z-1-0.1575z-2
[0076] 步骤3.6：令L(z-1)H(z-1)-B1(z-1)K(z-1)＝0，确定虚拟未建模动态补偿加权多项式：
[0077]
[0078] K(z-1)＝7.3099-5.8480z-1-1.4620z-2
[0079] 步骤3.7：根据确定的L(z-1)、G(z-1)、D(z-1)和K(z-1)，确定最终的虚拟未建模动态驱动的风力发电机转速PI控制模型；
[0080]
[0081] 步骤4：根据最终的虚拟未建模动态驱动的风力发电机转速PI控制模型以及风力发电机转速参考值、实时检测的风力发电机转速和检测到的当前作用在风力发电机风轮上的风速，得到风力发电机电磁转矩控制量；
[0082] 步骤5：将得到的风力发电机电磁转矩控制量反馈至风力发电机，作为风力发电机电磁转矩设定值控制风力发电机转速。
[0083] 为说明本发明的有效性，将本发明方法(简称PIVUDC)与PI控制方法进行了对比实验。对比实验采用相同的PI控制参数。表2给出了评价风力发电机转速跟踪性能的指标。
[0084] 表2发电机转速跟踪性能指标
[0085]
[0086] 综合仿真结果图表可看出，相比PI控制，本发明方法可以使得发电机转速有更好的跟踪性能，因而转速更靠近最佳值，且风能利用系数也更靠近最大值。因此本发明方法能够更好的实现最大风能捕获。
