[發明專利]兆瓦級異步雙饋風機轉矩/槳距控制器參數自整定方法

有效

• 申請號: 201110456072.3
• 申請日: 2011-12-30
• 公開（公告）號: CN103184972A
• 公開（公告）日: 2013-07-03
• 發明（設計）人: 杜勁松;郭銳;吳景輝;蘇浩
• 申請（專利權）人: 中國科學院沈陽自動化研究所
• 主分類號: F03D7/00
• 分類號: F03D7/00;G06N3/08
• 代理公司: 沈陽科苑專利商標代理有限公司 21002
• 代理人: 周秀梅;許宗富

技術領域

本發明涉及一種兆瓦級異步雙饋風力發電機轉矩/槳距控制參數自整定控制方法。

背景技術

近年來，我國風電行業發展迅猛。截至2010年底，新增風電裝機超過1600萬千瓦，累計裝機容量突破4000萬千瓦，雙居世界第一。根據所選發電機形式的不同分類，風機可分為同步雙饋機型、直驅機型和半直驅機型。同時，雙饋發電機以其自身特有的優勢而成為裝機的主要機型，但雙饋機型風力發電機也存在風速應用范圍窄而導致發電效率不高的問題。

目前異步雙饋發電機型的轉矩控制策略普遍采用通過測量發電機轉速之后查詢符合最佳葉尖速比的轉速-轉矩曲線表，以得到轉矩控制量的方法。其控制理論基礎是風機工作在最佳葉尖速比時可捕獲最大的風能，但由于其控制方式是簡單的開環控制方式，從而導致轉矩環控制不夠精確，也使得風機的實際工況通常偏離最佳葉尖速比曲線，以致風機發電效率降低。槳距控制普遍采用PID控制策略，PID控制器雖然在工業現場中得到了大量的應用。但由于風機的非線性特性使得變槳控制器的PID參數整定十分困難，致使風機常常在受到外界擾動時不能及時調整而工作于不穩定狀態，這往往是風機振動的主要原因。

智能控制算法是在控制論、信息論、人工智能、仿生學、神經生理學及計算機科學發展的基礎上逐漸形成的一類高級信息與控制技術。神經網絡控制屬于智能控制的一種，它具有自適應和自學習能力，因此適合于復雜的控制領域。本發明引入神經網絡智能控制算法與傳統PID控制相結合的控制策略，旨在利用神經網絡的自學習、自整定能力，在線對PID控制器的參數進行整定。算法應用于轉矩和變槳控制器中，提高了控制精度、提升了發電效率，并有效減小風機載荷。

發明內容

針對現有技術的不足，本發明提供一種解決目前在用兆瓦級異步雙饋風力發電機型普遍存在的，變槳控制器、轉矩控制器參數整定困難以致使風機很難工作于最優狀態問題的方法。

本發明的技術方案為：兆瓦級異步雙饋風機轉矩/槳距控制器參數自整定方法，其特征在于包括以下步驟：

步驟1)風機主控系統檢測啟動條件滿足，風機進入啟動狀態；偏航系統初始化，并進行自檢；

步驟2)自檢成功后進入自由轉動過程：

變槳系統槳葉打開到70°使發電機以一定速度轉動；

當滿足切換條件后，變槳系統槳葉角全開；

當發電機轉速達到并網速度后，變流器進入運行狀態，同時BP神經網絡PID轉矩控制器開始對發電機升速過程進行控制，控制發電機轉速按照規劃的斜率曲線上升；

當發電機轉速達到額定轉速時，變流器保持發電機轉矩恒定，BP神經網絡PID變槳控制器控制發電機轉速穩定在額定轉速。

所述BP神經網絡PID轉矩控制器的輸入信號為發電機轉速設定值與發電機實際轉速相減所得的誤差值，輸出控制量至變流器；

所述BP神經網絡PID轉矩控制器的控制參數K_p、K_I、K_D分別為BP神經網絡輸出層的輸出。

所述BP神經網絡PID變槳控制器輸入信號為發電機轉速設定值與發電機實際轉速相減所得的誤差值，輸出控制量至變槳系統；

所述BP神經網絡PID變槳控制器的控制參數K_p、K_I、K_D分別為BP神經網絡輸出層的輸出。

所述BP神經網絡輸出層輸出是根據公式

o_k＝g(net_k)??計算得到的；

其中，g(·)為各節點的活化函數，

o_k為輸出層第k個節點的實際網絡輸出；輸出層的第k個節點的總輸入w_ki為隱含層第i個節點到輸出層第k個節點的加權系數，q為隱含層的節點數，i為隱含層的第i個節點；

隱含層第i個節點的輸出o_i＝g(net_i)，其中，w_ij為輸入層第j個節點到隱含層第i個節點的加權系數，o_j為輸入層第j節點的輸出，M為輸入層的節點數，j為輸入層的第j個節點；

所述加權系數w_ki和w_ij通過

w_ij(k+1)＝w_ij(k)+ηδ_io_i