韓 兵，周臘吾，陳 浩，田 猛，鄧寧峰

(1.湖南大學(xué)電氣與信息工程學(xué)院，湖南 長沙 410082；2.湖南世優(yōu)電氣股份有限公司，湖南 湘潭 411100)

大型風(fēng)機(jī)的獨(dú)立變槳控制方法

韓 兵1，周臘吾1，陳 浩2，田 猛1，鄧寧峰1

(1.湖南大學(xué)電氣與信息工程學(xué)院，湖南 長沙 410082；2.湖南世優(yōu)電氣股份有限公司，湖南 湘潭 411100)

為了緩解風(fēng)力發(fā)電機(jī)組由于風(fēng)速擾動(dòng)所造成的疲勞載荷，給出了一種基于 RBF神經(jīng)網(wǎng)絡(luò)滑模獨(dú)立變槳控制策略。通過分析風(fēng)力機(jī)的基本特性，提出將 RBF神經(jīng)網(wǎng)絡(luò)滑模功率控制單元和獨(dú)立變槳控制單元相結(jié)合的控制方式。RBF神經(jīng)網(wǎng)絡(luò)滑模功率控制單元通過對(duì)發(fā)電機(jī)電磁轉(zhuǎn)矩及槳葉槳距角的控制來平衡風(fēng)力機(jī)的氣動(dòng)轉(zhuǎn)矩，使風(fēng)輪保持額度轉(zhuǎn)速，實(shí)現(xiàn)穩(wěn)定風(fēng)電機(jī)組的輸出功率的目的。而RBF神經(jīng)網(wǎng)絡(luò)獨(dú)立變槳滑?？刂茊卧ㄟ^實(shí)時(shí)微調(diào)風(fēng)機(jī)槳距角，來優(yōu)化功率控制單元的統(tǒng)一槳距角信號(hào)，實(shí)現(xiàn)緩解風(fēng)機(jī)結(jié)構(gòu)疲勞載荷的目的。最后，通過建立基于 RBF神經(jīng)網(wǎng)絡(luò)滑模獨(dú)立變槳控制的風(fēng)力發(fā)電機(jī)組進(jìn)行相應(yīng)的仿真與實(shí)驗(yàn)，證明基于RBF神經(jīng)網(wǎng)絡(luò)功率控制和獨(dú)立變槳滑模控制相結(jié)合的方法具有良好的控制效果，穩(wěn)定風(fēng)機(jī)輸出功率的同時(shí)，極大地緩解風(fēng)機(jī)的結(jié)構(gòu)載荷，降低風(fēng)力發(fā)電機(jī)組的維護(hù)成本。

大型風(fēng)機(jī)；獨(dú)立變槳控制；徑向基向量；俯仰力矩

0 引言

近年來，由于世界能源短缺的矛盾日益尖銳，尋找新的可再生能源資源成為當(dāng)務(wù)之急。風(fēng)力發(fā)電是目前各種再生能源中最成熟的技術(shù)，也被廣泛的利用的綠色能源之一[1-2]。為滿足商用市場(chǎng)的日益發(fā)展需求，提高風(fēng)電機(jī)組的單位能源生產(chǎn)成本，風(fēng)力發(fā)電機(jī)組的單機(jī)容量越來越大。對(duì)于大型風(fēng)機(jī)來說，機(jī)組捕獲更多風(fēng)能實(shí)現(xiàn)最優(yōu)功率跟蹤的同時(shí)，必須盡量減小結(jié)構(gòu)的疲勞載荷，優(yōu)化風(fēng)電機(jī)組的運(yùn)行方式，這樣就對(duì)風(fēng)機(jī)的控制策略提出了更高的要求[3]。目前，大型風(fēng)力發(fā)電機(jī)組的主要形式為變槳變速風(fēng)力發(fā)電機(jī)組，這樣可以通過對(duì)槳葉的槳距角進(jìn)行相應(yīng)的控制，使得風(fēng)輪轉(zhuǎn)速恒定在額度轉(zhuǎn)速，穩(wěn)定發(fā)電機(jī)的輸出功率[4-6]。因此，大型風(fēng)電機(jī)組的變槳控制策略的研究已經(jīng)成為當(dāng)前研究熱點(diǎn)。變槳控制方式按槳距角的類型可以分為統(tǒng)一變槳控制(Collective Pitch Control)和獨(dú)立變槳控制(Individual Pitch Control)[7-9]。統(tǒng)一變槳控制方式給風(fēng)機(jī)槳葉相同的槳距角信號(hào)，而獨(dú)立變槳距控制方式的槳葉槳距角信號(hào)則不相同，以此來平衡風(fēng)機(jī)槳葉的受力不均，實(shí)現(xiàn)減小疲勞載荷的目的。

風(fēng)機(jī)變槳控制系統(tǒng)的控制品質(zhì)受結(jié)構(gòu)或參數(shù)的變化影響，使得傳統(tǒng)的控制方式在變槳控制系統(tǒng)中存在許多的缺陷。文獻(xiàn)[10]通過給出一種尋求風(fēng)機(jī)的最大功率點(diǎn)，以此優(yōu)化風(fēng)機(jī)變槳控制算法，減少最大功率點(diǎn)附近的槳距角的波動(dòng)，提高風(fēng)機(jī)輸出功率的穩(wěn)定性。文獻(xiàn)[11]利用神經(jīng)網(wǎng)絡(luò)控制實(shí)時(shí)修正風(fēng)機(jī)的Cp-λ特性曲線，建立風(fēng)機(jī)自適應(yīng)控制模型，根據(jù)測(cè)量的風(fēng)速信號(hào)調(diào)節(jié)風(fēng)輪轉(zhuǎn)速，實(shí)現(xiàn)減小風(fēng)機(jī)的疲勞載荷及穩(wěn)定輸出功率。文獻(xiàn)[12]引入微分幾何的線性化優(yōu)化方法，設(shè)計(jì)風(fēng)機(jī)變槳反饋控制系統(tǒng)，但是對(duì)于變槳控制系統(tǒng)本身是時(shí)變非線性系統(tǒng)，很難精確確定風(fēng)機(jī)變槳系統(tǒng)的模型，當(dāng)出現(xiàn)風(fēng)速擾動(dòng)時(shí)，該方法很難保證變槳控制系統(tǒng)的穩(wěn)定性。文獻(xiàn)[13]通過分析風(fēng)機(jī)基本的轉(zhuǎn)矩與槳距角的控制方法，推導(dǎo)出傳統(tǒng)PID風(fēng)機(jī)控制結(jié)構(gòu)與相關(guān)參數(shù)，利用線性二次高斯控制理論來優(yōu)化風(fēng)機(jī)控制的相關(guān)參數(shù)，實(shí)現(xiàn)風(fēng)機(jī)的最大功率跟蹤。文獻(xiàn)[14]通過分析風(fēng)電機(jī)組的風(fēng)速動(dòng)態(tài)相關(guān)特性與湍流影響，在風(fēng)速預(yù)測(cè)的基礎(chǔ)上給出了變槳距風(fēng)電機(jī)組的非線性自適應(yīng)控制方式，實(shí)現(xiàn)了風(fēng)機(jī)的穩(wěn)定性控制。文獻(xiàn)[15]依據(jù)風(fēng)輪旋轉(zhuǎn)過程中的位置進(jìn)行槳葉方位角的載荷分析，這樣風(fēng)機(jī)周期性力矩能很好的通過設(shè)計(jì)相應(yīng)的控制策略來抑制不平衡，但這種獨(dú)立變槳控制策略屬于滯后控制，當(dāng)風(fēng)速出現(xiàn)大擾動(dòng)過程，風(fēng)機(jī)無法進(jìn)行實(shí)時(shí)控制，出現(xiàn)滯后性的隨機(jī)載荷，影響風(fēng)機(jī)的運(yùn)行壽命。

本文為緩解風(fēng)力發(fā)電機(jī)組由于風(fēng)速擾動(dòng)所造成的疲勞載荷，給出了一種基于RBF神經(jīng)網(wǎng)絡(luò)滑模獨(dú)立變槳控制策略。通過分析風(fēng)力機(jī)的基本特性，提出將RBF神經(jīng)網(wǎng)絡(luò)滑模功率控制單元和獨(dú)立變槳控制單元相結(jié)合的控制方式。RBF神經(jīng)網(wǎng)絡(luò)滑模功率控制單元通過對(duì)發(fā)電機(jī)電磁轉(zhuǎn)矩及槳葉槳距角的控制來平衡風(fēng)力機(jī)的氣動(dòng)轉(zhuǎn)矩，使風(fēng)輪保持額度轉(zhuǎn)速，實(shí)現(xiàn)穩(wěn)定風(fēng)電機(jī)組的輸出功率的目的；而RBF神經(jīng)網(wǎng)絡(luò)獨(dú)立變槳滑?？刂茊卧ㄟ^實(shí)時(shí)微調(diào)風(fēng)機(jī)槳距角，來優(yōu)化功率控制單元的統(tǒng)一槳距角信號(hào)，實(shí)現(xiàn)緩解風(fēng)機(jī)結(jié)構(gòu)疲勞載荷的目的。最后，通過建立基于RBF神經(jīng)網(wǎng)絡(luò)滑模獨(dú)立變槳控制的風(fēng)力發(fā)電機(jī)組進(jìn)行相應(yīng)的仿真與實(shí)驗(yàn)，證明基于RBF神經(jīng)網(wǎng)絡(luò)滑模功率控制和獨(dú)立變槳滑?？刂葡嘟Y(jié)合的方法具有良好的控制效果，穩(wěn)定風(fēng)機(jī)輸出功率的同時(shí)，極大的緩解風(fēng)機(jī)的結(jié)構(gòu)載荷，降低風(fēng)力發(fā)電機(jī)組的維護(hù)成本。

1 風(fēng)力機(jī)特性

風(fēng)能的基本轉(zhuǎn)換過程即動(dòng)能(通過風(fēng)輪)轉(zhuǎn)換為電能(通過發(fā)電機(jī))，其風(fēng)機(jī)的輸出功率與有效風(fēng)速的之間關(guān)系為[16]

式中：ρ為空氣密度；R為風(fēng)輪半徑；ω為風(fēng)輪角速度；v為風(fēng)速；β為槳距角；λ為葉尖速比；Cp為風(fēng)能利用系數(shù)。

風(fēng)能利用系數(shù) Cp是表征風(fēng)力發(fā)電機(jī)組吸收轉(zhuǎn)換風(fēng)能程度的重要參數(shù)。在風(fēng)機(jī)實(shí)際運(yùn)行過程中，通過改變 Cp大小以提高或限制風(fēng)能的能量轉(zhuǎn)換率，達(dá)到期望功率的輸出。風(fēng)能利用系數(shù) Cp可以用下面公式近似表示[17]。

由此可以得到的 Cp-λ特性曲線，如圖1 所示。

圖1 風(fēng)能利用率 Cp-λ的關(guān)系圖Fig. 1 Wind energy utilization Cp-λ of diagram

目前大型變速恒頻風(fēng)電機(jī)組根據(jù)各階段的參數(shù)變化分為三種運(yùn)行狀態(tài)，即起動(dòng)狀態(tài)、欠功率狀態(tài)和額定功率狀態(tài)，如圖2所示。

風(fēng)速達(dá)到切入風(fēng)速后，風(fēng)機(jī)槳葉向0°旋轉(zhuǎn)，氣流對(duì)葉片產(chǎn)生一定的升力，風(fēng)輪開始轉(zhuǎn)動(dòng)，風(fēng)機(jī)進(jìn)入起動(dòng)狀態(tài)。在發(fā)電機(jī)并網(wǎng)之前，風(fēng)機(jī)槳葉的槳距角給定值由發(fā)電機(jī)轉(zhuǎn)速信號(hào)進(jìn)行控制，根據(jù)給定速度值來調(diào)整槳距角的大小，以尋求最佳的并網(wǎng)時(shí)機(jī)，確保穩(wěn)定的并網(wǎng)；發(fā)電機(jī)并網(wǎng)后，風(fēng)速未達(dá)到額定風(fēng)速，發(fā)電機(jī)的輸出功率在額定值以下，風(fēng)機(jī)進(jìn)入欠功率狀態(tài)，目前在此運(yùn)行狀態(tài)下風(fēng)機(jī)一直保持最佳槳距角，而欠功率狀態(tài)根據(jù)發(fā)電機(jī)轉(zhuǎn)速又可分為兩個(gè)區(qū)域：變速運(yùn)行區(qū)和恒速運(yùn)行區(qū)。當(dāng)發(fā)電機(jī)轉(zhuǎn)速小于額度轉(zhuǎn)速時(shí)，為使風(fēng)能利用系數(shù)Cp始終為最大值，發(fā)電機(jī)轉(zhuǎn)速的變化隨著風(fēng)速的大小進(jìn)行相應(yīng)的改變，實(shí)現(xiàn)最大功率追蹤控制。

圖2 風(fēng)力發(fā)電機(jī)組三種運(yùn)行狀態(tài)的參數(shù)變化圖Fig. 2 Parameters of three wind turbines operating status

當(dāng)發(fā)電機(jī)轉(zhuǎn)速超過額度轉(zhuǎn)速時(shí)，風(fēng)機(jī)進(jìn)入恒速運(yùn)行區(qū)，在這個(gè)運(yùn)行區(qū)域內(nèi)，為了保護(hù)風(fēng)電機(jī)組的安全，通過控制發(fā)電機(jī)電磁轉(zhuǎn)矩去平衡風(fēng)機(jī)的氣動(dòng)轉(zhuǎn)矩，將發(fā)電機(jī)轉(zhuǎn)速保持到額度轉(zhuǎn)速上；當(dāng)風(fēng)速達(dá)到或者超過額定風(fēng)速后，氣動(dòng)轉(zhuǎn)矩已經(jīng)無法通過發(fā)電機(jī)電磁轉(zhuǎn)矩去平衡，所以在發(fā)電機(jī)電磁轉(zhuǎn)矩的輸出能力和風(fēng)輪轉(zhuǎn)速的雙重限制下，必須通過變槳控制系統(tǒng)改變槳距角來限制風(fēng)輪捕獲的能量，使風(fēng)電機(jī)組的輸出功率維持在額定功率附近，風(fēng)機(jī)進(jìn)入額定功率狀態(tài)，而在此狀態(tài)下進(jìn)行風(fēng)電機(jī)組的獨(dú)立變槳控制是本文研究重點(diǎn)。

2 基于 RBF 神經(jīng)網(wǎng)絡(luò)滑?？刂?/h2>

RBF 神經(jīng)網(wǎng)絡(luò)滑?？刂剖且罁?jù)風(fēng)力發(fā)電機(jī)組控制系統(tǒng)的運(yùn)行狀態(tài)來調(diào)節(jié)功率控制與獨(dú)立變槳控制器的參數(shù)，最終實(shí)現(xiàn)風(fēng)機(jī)控制系統(tǒng)的最優(yōu)化。就大型風(fēng)機(jī)來說，當(dāng)風(fēng)電機(jī)組進(jìn)入額度功率狀態(tài)，風(fēng)機(jī)的控制系統(tǒng)采用功率控制與獨(dú)立變槳控制相結(jié)合的方式，協(xié)調(diào)槳距角的同時(shí)穩(wěn)定風(fēng)輪轉(zhuǎn)速，考慮風(fēng)力發(fā)電機(jī)組的控制系統(tǒng)為高度的時(shí)變非線性系統(tǒng)[18]，假設(shè)如下。

式中：x=[x1, x2, …, xn]為風(fēng)機(jī)控制系統(tǒng)的可測(cè)狀態(tài)變量； )(xu 為控制系統(tǒng)輸入變量； )(xf 和 )(xg 為控制系統(tǒng)有界未知的連續(xù)函數(shù)；d(t)為風(fēng)速干擾。

本文的控制目標(biāo)一是穩(wěn)定風(fēng)機(jī)的輸出功率，所以將風(fēng)輪轉(zhuǎn)速設(shè)為恒定值；二是緩解風(fēng)機(jī)疲勞載荷，所有的將槳葉槳距角的反饋誤差作為輸入變量。故本文采用的 RBF 神經(jīng)網(wǎng)絡(luò)滑?？刂茖L(fēng)輪轉(zhuǎn)速作為跟蹤對(duì)象，取風(fēng)輪轉(zhuǎn)速反饋得出狀態(tài)誤差及其導(dǎo)數(shù)，這樣選取的控制系統(tǒng)滑模平面為[19]

為了實(shí)現(xiàn)對(duì)風(fēng)電機(jī)組RBF神經(jīng)網(wǎng)絡(luò)滑模獨(dú)立變槳控制，本文建立簡(jiǎn)化風(fēng)機(jī)線性化模型的狀態(tài)方程如下所示[20]。

式中：rW為風(fēng)輪轉(zhuǎn)速；J為風(fēng)機(jī)的轉(zhuǎn)動(dòng)慣量； Mr為風(fēng)輪的轉(zhuǎn)矩；H為風(fēng)機(jī)中心的高度；S為風(fēng)機(jī)塔基剛度；M 為風(fēng)輪總質(zhì)量；ψi為風(fēng)輪方位角；snay為機(jī)艙左右擾度；snod為機(jī)艙俯仰擾度；D 為風(fēng)機(jī)的阻尼系數(shù)；vi為風(fēng)輪平面的測(cè)量風(fēng)速；θi為風(fēng)機(jī)的槳距角；Myaw為風(fēng)機(jī)偏航力矩；Mpitch為風(fēng)機(jī)俯仰力矩；Fax為機(jī)艙的軸向力；Fsd為機(jī)艙的側(cè)向力；hFx為槳葉俯仰力與風(fēng)速的導(dǎo)數(shù)；hMz為槳葉俯仰力矩與風(fēng)速的導(dǎo)數(shù)；kMx為氣動(dòng)力矩與槳距角的導(dǎo)數(shù)；hMx為氣動(dòng)力矩與風(fēng)速的導(dǎo)數(shù)；kFx為槳葉拍打力與槳距角的導(dǎo)數(shù)；kMz為槳葉拍打力矩對(duì)槳距角的導(dǎo)數(shù)。

本文建立的基于 RBF 神經(jīng)網(wǎng)絡(luò)的滑模變結(jié)構(gòu)控制的獨(dú)立變槳距控制系統(tǒng)原理圖如圖3所示。其中 RBF 神經(jīng)網(wǎng)絡(luò)滑模功率控制單元，通過采集風(fēng)輪轉(zhuǎn)速信號(hào)，風(fēng)力機(jī)功率控制系統(tǒng)根據(jù)風(fēng)輪轉(zhuǎn)速rW和額度風(fēng)輪轉(zhuǎn)速ratW 的比較，計(jì)算得到風(fēng)機(jī)槳葉的統(tǒng)一槳距角 θ 和風(fēng)輪轉(zhuǎn)矩 Tgset。而 RBF 神經(jīng)網(wǎng)絡(luò)的滑模獨(dú)立變槳距控制則采集葉根彎矩信號(hào) Mz1、Mz2、Mz3，之后通過科勒曼(Coleman)坐標(biāo)軸變換，將旋轉(zhuǎn)平面坐標(biāo)軸轉(zhuǎn)化為固定平面坐標(biāo)軸，得到槳葉的俯仰力矩 Mpitch和偏航力矩 Myaw，將俯仰力矩和偏航力矩進(jìn)行 Coleman 逆變換轉(zhuǎn)換成旋轉(zhuǎn)平面上的三個(gè)微調(diào)槳距角 θicm，最后將微調(diào)槳距角 θicm和功率單元計(jì)算得來的統(tǒng)一槳距角θ相加，得到風(fēng)機(jī)三個(gè)槳葉的各自槳距角 θi，變槳伺服器再根據(jù)相應(yīng)的信號(hào)進(jìn)行獨(dú)立變槳控制。

圖3 基于 RBFNN 滑模獨(dú)立變槳控制系統(tǒng)原理圖Fig. 3 Schematic diagram of system based on RBFNN sliding individual pitch control

獨(dú)立變槳控制單元中風(fēng)電機(jī)組的葉根彎矩信號(hào)Mz1、Mz2、Mz3，通過科勒曼坐標(biāo)變化為固定坐標(biāo)軸下的俯仰力矩和偏航力矩，具體如式(6)所示。

Coleman 逆變換轉(zhuǎn)換成旋轉(zhuǎn)平面上的三個(gè)微調(diào)槳距角 θi，如式(7)所示。

文中的獨(dú)立變槳控制單元通過在 RBFNN 中引入等效滑?？刂频淖饔脕韮?yōu)化系統(tǒng)控制結(jié)構(gòu)，使系統(tǒng)按照預(yù)定的軌跡運(yùn)行，最終將會(huì)收斂于本文設(shè)計(jì)的滑模面[21]，改善由于風(fēng)速擾動(dòng)造成的槳葉拍打振動(dòng)，緩解風(fēng)機(jī)疲勞載荷。控制系統(tǒng)存在正負(fù)常數(shù)使系統(tǒng)穩(wěn)定在相應(yīng)區(qū)間，如下：

式中，fH、fL分別為獨(dú)立變槳控制系統(tǒng)的連續(xù)函數(shù)的上界和下界。

RBF神經(jīng)網(wǎng)絡(luò)滑?？刂葡到y(tǒng)結(jié)構(gòu)如圖4所示，設(shè) RNFNN 的徑向基向量 h=[h1,h2,…,hm]T，則控制系統(tǒng)高斯函數(shù) hj，如式(19)[22]。

式中：cj=[c11,c12,…, c1m]；b=[b1,b2,…, bm]。

圖4 基于 RBFNN 滑?？刂平Y(jié)構(gòu)圖Fig. 4 Structure chart of RBFNN sliding-mode control

而 RBFNN 滑模控制系統(tǒng)的輸出變量為

式中，m為神經(jīng)網(wǎng)絡(luò)隱含層的節(jié)點(diǎn)數(shù)目。根據(jù)式(18)，計(jì)算得到：

根據(jù) Lyapunov 的穩(wěn)定性原理，如下：

式中，γ為 RBFNN 的自適應(yīng)參數(shù)。

對(duì)式(22)的 Lyapunov 方程進(jìn)行求導(dǎo)計(jì)算，得到：

這樣 RBFNN 滑模獨(dú)立變槳控制系統(tǒng)沿著滑模面向著系統(tǒng)減小的方向調(diào)整，最終使系統(tǒng)趨于穩(wěn)定。

3 仿真分析

本研究利用 2 MW 風(fēng)電機(jī)組為仿真測(cè)試機(jī)組，風(fēng)力發(fā)電機(jī)組的主要參數(shù)如表1所示。

表1 2 MW 風(fēng)力發(fā)電機(jī)組主要參數(shù)表Table 1 2 MW wind turbine parameter list

湍流平均風(fēng)速為 14 m/s，風(fēng)剪切系數(shù)為 0.2，湍流強(qiáng)度為 3.7%的情況下，利用 MATLAB 和 GH Bladed 聯(lián)合建立風(fēng)機(jī)模型，圖5 為在風(fēng)剪切、塔影效應(yīng)和湍流影響下，風(fēng)機(jī)槳葉葉尖處的風(fēng)速情況，可見槳葉1的葉尖處的風(fēng)速在該葉片旋轉(zhuǎn)到風(fēng)輪平面在 5o左右時(shí)達(dá)到風(fēng)速波動(dòng)的最大點(diǎn)，旋轉(zhuǎn)到 180o左右時(shí)達(dá)到最低點(diǎn)，槳葉2和3達(dá)到極值風(fēng)速的位置分別延后 120o，如圖5 所示。

圖5 風(fēng)剪切、塔影和湍流影響下葉尖處風(fēng)速模型Fig. 5 Wind speed at the tip affected by wind shear, tower shadow and turbulence

在不考慮任何影響因素情況下，風(fēng)機(jī)槳葉1在旋轉(zhuǎn)平面內(nèi)受力平衡，其擺振力矩和揮舞力矩是穩(wěn)定值，從圖6(a)和圖6(b)可見，當(dāng)風(fēng)機(jī)受風(fēng)剪切影響時(shí)，槳葉1的揮舞力矩和擺振力矩在風(fēng)輪旋轉(zhuǎn)到平面的 180o位置時(shí)最小，在葉片旋轉(zhuǎn)到達(dá) 0o時(shí)達(dá)到最大值 4.1×105N·m。當(dāng)受到塔影影響時(shí)，槳葉 1 進(jìn)入風(fēng)機(jī)的塔影區(qū)域 120o~180o的位置，風(fēng)速將會(huì)減小，這樣槳葉1的揮舞力矩和擺振力矩也會(huì)降低。當(dāng)風(fēng)剪切和塔影效應(yīng)共同影響風(fēng)機(jī)時(shí)，槳葉1揮舞力矩和擺振力矩的波動(dòng)引起的風(fēng)機(jī)波動(dòng)是這兩者之和。當(dāng)風(fēng)剪切、塔影效應(yīng)和湍流共同影響風(fēng)機(jī)時(shí)，槳葉1的力矩波動(dòng)與湍流風(fēng)速的波動(dòng)相關(guān)，槳葉1揮舞力矩和擺振力矩的變化跟風(fēng)剪切和塔影效應(yīng)影響下的風(fēng)速變化相關(guān)，其槳葉1力矩波動(dòng)的極小值出現(xiàn)在風(fēng)輪平面的 190°附近。

圖6 風(fēng)剪切、塔影和湍流影響下槳葉的力矩波動(dòng)Fig. 6 Torque ripple blade affected by wind shear, tower shadow and turbulence tower shadow and turbulence

4 實(shí)驗(yàn)研究

本研究的風(fēng)電機(jī)組控制系統(tǒng)實(shí)驗(yàn)平臺(tái)，主要由PC上位機(jī)模擬風(fēng)機(jī)模型、變槳控制系統(tǒng)和模擬風(fēng)速對(duì)風(fēng)輪載荷模擬系統(tǒng)等單元構(gòu)成?；赗BFNN滑模獨(dú)立變槳控制參數(shù)如下所示：c=5，η=0.1，其中高斯函數(shù)參數(shù)ci=[-2.0 -1.0 0 1.0 2.0]和bi=[-2.0 -1.0 0 1.0 2.0]，RBFNN的起始權(quán)值為0.10。本研究采用的湍流平均風(fēng)速為16 m/s，如圖7所示。

圖7 實(shí)驗(yàn)的湍流風(fēng)速Fig. 7 Experimental turbulence wind speed

實(shí)驗(yàn)結(jié)果如圖8中，可以發(fā)現(xiàn)采用RBFNN滑模獨(dú)立變槳的控制方式與傳統(tǒng)的統(tǒng)一變槳控制(CPC)比較，可以顯著減小由于風(fēng)速擾動(dòng)造成的槳葉根部彎矩。基于RBFNN滑模獨(dú)立變槳后槳葉揮舞力矩峰值較統(tǒng)一變槳控制減少了85.1 kN·m，平均揮舞力矩較統(tǒng)一變槳控制降低約9.3%，這就導(dǎo)致風(fēng)電機(jī)組機(jī)艙頂部的俯仰力矩及偏航力矩明顯降低，提高風(fēng)機(jī)的可靠性和延長使用壽命。

對(duì)槳葉的揮舞力矩進(jìn)行快速傅里葉(FFT)變換，結(jié)果如圖9(a)、圖9(b)所示，可以從圖中發(fā)現(xiàn)，采用RBFNN滑模獨(dú)立變槳控制方式后，風(fēng)機(jī)振動(dòng)頻率的頻譜出現(xiàn)明顯降低，如風(fēng)輪旋轉(zhuǎn)頻率(即1P)0.28 Hz處，頻率頻譜峰值較CPC減小了37.9%，這樣就是通過獨(dú)立變槳控制，可以降低風(fēng)電機(jī)組的波動(dòng)載荷激勵(lì)力矩，從而實(shí)現(xiàn)減小風(fēng)機(jī)振動(dòng)的效果，降低風(fēng)力發(fā)電機(jī)組的維護(hù)成本。

圖8 槳葉揮舞力矩對(duì)比圖Fig. 8 Blade flapwise moment contrast figure

圖9 槳葉揮舞力矩載荷頻譜對(duì)比圖Fig. 9 Blade flapwise moment of spectrum

圖10 (a)、圖10(b)為兩種控制方式下風(fēng)機(jī)槳距角的變化曲線，基于 RBFNN 滑模獨(dú)立變槳控制方式后風(fēng)機(jī)塔基的俯仰力矩波動(dòng)得到了顯著降低，這樣對(duì)大型風(fēng)機(jī)的基礎(chǔ)結(jié)構(gòu)強(qiáng)度要求更低，也就是說，基于RBFNN滑模獨(dú)立變槳相比傳統(tǒng)風(fēng)機(jī)的CPC控制更加適合在大型風(fēng)電機(jī)組上應(yīng)用。但是槳距角曲線中顯示變槳電機(jī)會(huì)出現(xiàn)周期性的變化，這樣會(huì)頻繁啟動(dòng)變槳電機(jī)，對(duì)變槳電機(jī)的參數(shù)要求更加嚴(yán)格。

5 結(jié)論

本文為緩解風(fēng)力發(fā)電機(jī)組由于風(fēng)速擾動(dòng)所造成的疲勞載荷，給出了一種基于 RBF神經(jīng)網(wǎng)絡(luò)滑模獨(dú)立變槳控制策略。通過分析風(fēng)力機(jī)的動(dòng)態(tài)運(yùn)行特性，提出將 RBF 神經(jīng)網(wǎng)絡(luò)滑模功率控制單元和獨(dú)立變槳控制單元相結(jié)合的控制方式。首先RBF神經(jīng)網(wǎng)絡(luò)滑模功率控制單元通過對(duì)發(fā)電機(jī)電磁轉(zhuǎn)矩及槳葉槳距角的控制來平衡風(fēng)力機(jī)的氣動(dòng)轉(zhuǎn)矩，使風(fēng)輪保持額度轉(zhuǎn)速，實(shí)現(xiàn)穩(wěn)定風(fēng)電機(jī)組的輸出功率的目的；而 RBF 神經(jīng)網(wǎng)絡(luò)獨(dú)立變槳滑?？刂茊卧ㄟ^在線實(shí)時(shí)微調(diào)槳葉槳距角，來優(yōu)化功率控制單元的統(tǒng)一槳距角信號(hào)，實(shí)現(xiàn)緩解風(fēng)機(jī)結(jié)構(gòu)疲勞載荷的目的。最后，通過建立了基于RBF神經(jīng)網(wǎng)絡(luò)滑模獨(dú)立變槳控制的風(fēng)力發(fā)電機(jī)組進(jìn)行相應(yīng)的仿真與實(shí)驗(yàn)，證明基于 RBF 神經(jīng)網(wǎng)絡(luò)功率控制和獨(dú)立變槳滑?？刂葡嘟Y(jié)合的方法具有良好的控制效果，穩(wěn)定風(fēng)機(jī)輸出功率的同時(shí)，極大的緩解風(fēng)機(jī)的結(jié)構(gòu)載荷，降低風(fēng)力發(fā)電機(jī)組的維護(hù)成本。

圖10 變槳控制槳距角變化對(duì)比曲線圖Fig. 10 Blade pitch angle change curve

[1]劉波, 金昊. 永磁直驅(qū)風(fēng)電系統(tǒng)雙 PWM 變換器前饋補(bǔ) 償 控 制 [J]. 電 力 系 統(tǒng) 保 護(hù) 與 控 制 , 2014, 42(15): 52-57. LIU Bo, JIN Hao. Feed forward compensation control of dual PWM converter for permanent magnet direct driven wind turbine[J]. Power System Protection and Control, 2014, 42(15): 52-57.

[2]張祥宇, 付媛, 王毅, 等. 含虛擬慣性與阻尼控制的變速風(fēng)電機(jī)組綜合 PSS 控制器[J]. 電工技術(shù)學(xué)報(bào), 2015, 30(1): 159-169. ZHANG Xiangyu, FU Yuan, WANG Yi, et al. Control strategy research of low voltage ride through based on the improved wind turbine generator system[J]. Transactions of China Electrotechnical Society, 2015, 30(1): 159-169.

[3]崔雙喜, 王維慶, 張強(qiáng). 風(fēng)力發(fā)電機(jī)組獨(dú)立變槳魯棒自 適 應(yīng) 槳 距 角 跟 蹤 控 制 [J]. 電 力 系 統(tǒng) 保 護(hù) 與 控 制 , 2015, 43(6): 52-57. CUI Shuangxi, WANG Weiqing, ZHANG Qiang. Robust adaptive blade pitch angle tracking control for wind turbines[J]. Power System Protection and Control, 2015, 43(6): 52-57.

[4]周志超, 王成山, 郭力, 等. 變速變槳距風(fēng)電機(jī)組的全風(fēng)速限功率優(yōu)化控制[J]. 中國電機(jī)工程學(xué)報(bào), 2015, 35(8): 1837-1844. ZHOU Zhichao, WANG Chengshan, GUO Li, et al. Output power curtailment control of variable-speed variable-pitch wind turbine generator at all wind speed regions[J]. Proceedings of the CSEE, 2015, 35(8): 1837-1844.

[5]MILLER A, MULJADI E, ZINGER D S. A variable speed wind turbine power control[J]. IEEE Transactions on Energy Conversion, 1997, 12(2): 181-186.

[6]MASIALA M, VAFAKHAH B, SALMON J, et al. Fuzzy selftuning speed control of an indirect field-oriented control induction motor drive[J]. IEEE Transactions on Industry Applications, 2008, 44(6): 1732-1740.

[7]邢作霞, 陳雷, 孫宏利, 等. 獨(dú)立變槳距控制策略研究[J]. 中國電機(jī)工程學(xué)報(bào), 2011, 31(26): 131-138. XING Zuoxia, CHEN Lei, SUN Hongli, et al. Strategy study of individual pitch control[J]. Proceedings of the CSEE, 2011, 31(26): 131-138.

[8]米增強(qiáng), 劉力卿, 余洋, 等. 限電棄風(fēng)工況下雙饋風(fēng)電機(jī)組有功及調(diào)頻控制 策 略[J]. 電 工 技 術(shù) 學(xué) 報(bào), 2015, 30(15): 81-88. MI Zengqiang, LIU Liqing, YU Yang, et al. The control strategy of active power and frequency regulation of dfig under wind abandon condition[J]. Transactions of China Electrotechnical Society, 2015, 30(15): 81-88.

[9]GOMIS B O, JUNYENT F A, SUMPER A, et al. Control of a wind farm based on synchronous generators with a central HVDC-VSC converter[J]. IEEE Transactions on Power Systems, 2011, 26(3): 1632-1640.

[10]HOMAIFAR A, MCCORMICK E. Simultaneous design of membership functions and rule sets for fuzzy controllers using genetic algorithms[J]. IEEE Transactions on Fuzzy Systems, 1995, 3(2): 129-139.

[11]TELEKE S, BARAN M E, HUANG A Q, et al. Control strategies for battery energy storage for wind farm dispatching[J]. IEEE Transactions on Energy Conversion, 2009, 24(3): 725-732.

[12]HISKENS I. Dynamics of type-3 wind turbine generator models[J]. IEEE Transactions on Power Systems, 2012, 27(1): 465-474.

[13]SELVAM K, KANEV S, WINGERDEN J W, et al. Feedback feedforward individual pitch control for wind turbine load reduction[J]. International Journal of Robust and Nonlinear Control, 2009, 196(12): 72-91.

[14]STEFFEN R, DAVID S, FRANK S. Nonlinear model predictive control of floating wind turbines with individual pitch control[C]// American Control Conference, 2014, 6: 4434-4439.

[15]BOSSANYI E. Further load reductions with individual pitch control[J]. Wind Energy, 2005, 8(4): 481-485.

[16]WANG Q, CHANG L. An intelligent maximum power extraction algorithm for inverter-based variable speed wind turbine systems[J]. IEEE Transactions on Power Electronics, 2004, 19(5): 1242-1249.

[17]DAHAN J A, MORGANS A S, LARDEAU S. Feedback control for form-drag reduction on a bluff body with a blunt trailing edge[J]. Journal of Fluid Mechanics, 2012, 704: 360-387.

[18]竇真蘭, 施剛, 曹云峰, 等. 減少風(fēng)力機(jī)轉(zhuǎn)矩波動(dòng)的異步變槳控制[J]. 電工技術(shù)學(xué)報(bào), 2014, 29(1): 236-245. DOU Zhenlan, SHI Gang, CAO Yunfeng, et al. Research on individual pitch control for reducing wind turbine torque fluctuation[J]. Transactions of China Electrotechnical Society, 2014, 29(1): 236-245.

[19]JAUCH C, CRONIN T, SORENSEN P, et al. A fuzzy logic pitch angle controller for power system stabilization[J]. Wind Energy, 2007, 10(1): 10-39.

[20]HAMIDREZA J, JEFF P, JULIAN E. Adaptive control of a variable-speed variable-pitch wind turbine using radialbasis function neural network[J]. IEEE Transactions on Control Systems Technology, 2013, 21(6): 2264-2272.

[21]秦斌, 周浩, 杜康, 等. 基于 RBF 網(wǎng)絡(luò)的風(fēng)電機(jī)組變槳距滑?？刂芠J]. 電工技術(shù)學(xué)報(bào), 2013, 28(5): 37-41. QIN Bin, ZHOU Hao, DU Kang, et al. Sliding mode control of pitch angle based on RBF neural-network[J]. Transactions of China Electrotechnical Society, 2013, 28(5): 37-41.

[22]馬斌, 張麗艷. 一種基于徑向基神經(jīng)網(wǎng)絡(luò)的短期風(fēng)電功率直接預(yù)測(cè)方法[J]. 電力系統(tǒng)保護(hù)與控制, 2015, 43(19): 78-82. MA Bin, ZHANG Liyan. Short-term wind power direct forecasting based on RBF neural network[J]. Power System Protection and Control, 2015, 43(19): 78-82.

(編輯 張愛琴)

Methods of individual pitch control for large wind turbine

HAN Bing1, ZHOU Lawu1, CHEN Hao2, TIAN Meng1, DENG Ningfeng1
(1. College of Electrical and Information Engineering, Hunan University, Changsha 410082, China; 2. Hunan Shiyou Electric Co., Ltd., Xiangtan 411100, China)

In order to alleviate fatigue loads for wind turbines due to wind speed disturbances, this paper presents a sliding individual pitch control strategy based on RBF neural network. By analyzing the basic characteristics of the wind turbine, it proposes a control mode combining with RBF neural network sliding mode power control unit and individual pitch control unit. RBF neural network sliding mode power control unit balances the wind rotor via a pneumatic torque control of the generator electromagnetic torque and blade pitch angle, and keeps the amount of speed to achieve the purpose of stable output power wind turbines. RBF neural sliding network individual pitch control unit optimizes unified unit angle signal of power control through fine-tune real pitch angle, and achieves the purpose of relieving structure fatigue loads for wind turbine. Finally, corresponding simulation and experiments based on RBF neural network independent sliding pitch controlled wind turbines are established, it verifies that the proposed method has good control effect, achieves stability output power for large wind turbine, greatly eases structural loads , and reduces the maintenance costs of wind turbines.

large wind turbine; individual pitch control; radial basis vector; pitch moment

TM614

1674-3415(2016)02-0001-08

2015-03-20；

2015-05-05

韓 兵(1986-)，男，博士研究生，研究方向?yàn)榇笮惋L(fēng)力發(fā)電系統(tǒng)及其控制與新能源發(fā)電技術(shù)；E-mail: hanbing 9107@qq.com

周臘吾(1965-)，男，教授，博士生導(dǎo)師，主要研究方向?yàn)樾履茉窗l(fā)電技術(shù)、電力電子技術(shù)在電力系統(tǒng)中的應(yīng)用與現(xiàn)代交流調(diào)速技術(shù)；E-mail: 120116559@qq.com

陳 浩(1976-)，男，碩士，高級(jí)工程師，研究方向?yàn)轱L(fēng)力發(fā)電系統(tǒng)及其控制。E-mail: 8646792515@qq.com

國家國際科技合作專項(xiàng)(2011DFA62890)