[發明專利]風力機模型預測偏航控制參數調節方法

有效

• 申請號: 202110653490.5
• 申請日: 2021-06-11
• 公開（公告）號: CN113323821B
• 公開（公告）日: 2022-10-21
• 發明（設計）人: 宋冬然;李子群;楊建;董密;孫堯;粟梅;楊迎港;劉俊波;涂燕萍;許杉敏;黃朝能
• 申請（專利權）人: 中南大學
• 主分類號: F03D80/00
• 分類號: F03D80/00;F03D17/00;F03D7/04;F03D7/02
• 代理公司: 長沙軒榮專利代理有限公司 43235
• 代理人: 李喆

本發明提供了一種風力機模型預測偏航控制參數調節方法，包括：步驟1，設置風力機偏航系統為采用模型預測控制的偏航模式；步驟2，確定模型預測控制的偏航誤差，根據偏航誤差建立偏航誤差m步預測模型；步驟3，確定模型預測控制的控制目標，對控制目標進行歸一化處理；步驟4，根據歸一化處理后的控制目標確定模型預測控制的目標函數；步驟5，設計權重系數評估器，采用模糊規則隸屬函數關聯優化策略和自適應網格多目標粒子群方法優化其參數。本發明可以動態地根據風向信息調整模型預測控制目標函數的權重系數，使風力機可以以較低的偏航率來更準確地跟蹤風向變化，在降低偏航率的同時降低了風力機的功率捕獲損失。

技術領域

本發明涉及風力發電技術領域，特別涉及一種風力機模型預測偏航控制參 數調節方法。

背景技術

隨著社會需求的不斷增加，風力發電不斷在發展。根據GWEC發布的2019 年全球風電發展報告顯示，2019年全球風電總裝機容量已達650GW，風機正 朝著大型化、高容量發展。典型的風機控制主要包括變槳控制、轉矩控制和偏 航控制，其中前兩者的相關研究約占風機控制領域的80％左右，偏航控制僅得 到有限關注。并且，在通常的變槳和轉矩控制研究中，一般認為風機處于完美 偏航狀態，不考慮偏航對風機的影響。然而隨著風機的大型化發展，偏航未對 準所引起的功率降低、載荷升高等問題已經不容忽視。根據一項研究結果顯示， 由于偏航未對準導致的潛在功率損失約達2.7％。同時，根據丹麥等國家的調查顯示，偏航系統的故障率約占風機總故障率的12.5％。因此，迫切地需要改 善風機的偏航控制性能。

隨著光探測與測距技術(LIDAR)在風能領域的應用，傳統偏航控制方法 的缺點得到了改善，通過LIDAR可以預先獲得風機前方的風速和風向信息， 將這些信息應用于模型預測控制中可以很好地提高偏航控制效果。模型預測控 制具有顯式主動處理約束、將預測風信息很好地融合到模型中等優點。然而， 模型預測控制的問題在于，當性能指標存在多個時，通常的做法是添加權重系 數將多個性能指標組合到一個目標函數中，而權重系數通常是根據經驗設定的， 權重系數不能根據實際風向信息進行調整，導致功率捕獲仍有提升空間。

模糊邏輯控制(FLC)是對人類決策的近似推理特征的抽象，可視為基于 規則的專家系統的一種泛化，目前模糊控制已在多個領域得到發展，分別為采 用模糊邏輯控制對風電儲能系統進行控制，平抑了風電功率波動的同時避免了 系統的深度充放電；采用FLC和模糊神經網絡對大型風機進行變槳控制，其 控制效果比PI更有效。但是FLC的優點同樣也是其缺點，其過度依賴于專家 經驗的特性導致人為設定的隸屬函數及模糊規則對控制性能影響很大。因此采 用了優化算法對隸屬函數和模糊規則進行優化，如采用遺傳算法、蟻群算法、 粒子群算法對隸屬函數進行優化，提高了FLC的控制效果，綜上所述，FLC 及其優化應用較多卻顯有人將其與MPC(模型預測控制)相結合以互相彌補 提高控制性能。

發明內容

本發明提供了一種風力機模型預測偏航控制參數調節方法，其目的是為了 解決傳統的參數調節方法存在經驗設定帶來的缺陷，在實際運行中，權重系數 不能根據實際風向信息進行調整的問題。

為了達到上述目的，本發明的實施例提供了一種風力機模型預測偏航控制 參數調節方法，包括：

步驟1，設置風力機偏航系統為采用模型預測控制的偏航模式；

步驟2，確定模型預測控制的偏航誤差，根據偏航誤差建立偏航誤差m步 預測模型；

步驟3，確定模型預測控制的控制目標，對控制目標進行歸一化處理；

步驟4，根據歸一化處理后的控制目標確定模型預測控制的目標函數；

步驟5，設計權重系數評估器，采用模糊規則與隸屬函數關聯優化策略和 自適應網格多目標粒子群算法對模糊推理權重系數評估器的參數進行優化；

步驟6，通過優化后模糊推理權重系數評估器確定模型預測控制目標函數 中的權重系數。