摘要：风力机的基本特征在于能量转换，在pid控制模式与自适应算法相互结合的前提下，就能调整在线的参数，上述过程运用了神经元的学习模式。对于变桨系统而言，pid控制的关键应当落实于自适应调节；风力机的风速一旦超出了最大限度的额定风速，则需要运用变桨控制的措施加以调整。相比来看，pid控制更适合运用于风力机的变桨系统，为此有必要探求其中的各项应用要点。
关键字：风力机变桨系统；pid控制；具体应用
引言
从本质来讲，风力发电符合了新形势下的节能与环保宗旨，因此值得推广运用。在整个的风力发电体系中，风力机应当构成其中的核心与关键部分，在这其中不能缺少变桨系统[1]。Pid技术如果运用于变桨系统的实时性调控，就能提升整体性的控制效果，确保将其限制于恒定的输出功率，pid控制也有助于实现稳定运行的目标。
1 风力机的基本系统原理
风力机的变桨系统涉及到如下的基本运行原理：风力机如果要推动叶片的转动，那么需要借助风力作用。在风力的推动下，就能获得推动叶片必需的机械能。在上述过程中，具体涉及到风力机本身的转矩、角速度、来流风速、空气密度、能量转换的系数、扫掠面积及其他相关系数。因此经过分析可知，如果选择了特定型号的风力机，则可以由此而确定能量转换与风速的相关系数。在某些情况下，额定风速并没有达到当时的真实风速，对此如果要维持输出功率的恒定状态，则有必要调整与之相应的功率系数。除此以外，对于整个变桨系统还需要密切关注浆距角、叶尖速比与功率系数等[2]。
假设浆距角为β，叶尖速比为α，风轮半径为r，其他的相关常数设计为e。在此基础上，就能给出上述三者之间的关系曲线。风力机系统具备特定的转换功率系数，据此就能得出叶尖速比的基本规律。因此经过推算可知，如果要维持恒定的转换系数，那么有必要将其限制于特定的叶尖速比以及浆距角。同时，针对叶尖速比如果要维持恒定，则还需要改变相应的浆距角，在此基础上获得了合适的功率系数[3]。在各个时间段，都要密切关注其中的叶尖速比以及浆距角等关键参数，确保功率系数符合整个系统的运行现状，进而调控输出功率。
2 pid系统控制的具体运用
2.1 基本的系统架构
风力发电机应当控制于特定的风速，然而在特殊状况下，额定风速很可能小于真实的风速。风力机具有特定的载荷极限与结构刚度，与之相应的负荷极限也是固定的。因此在设计系统架构时，前提应当在于限制输出功率，对此可以灵活调节浆距角。如果要完成上述的控制流程，那么每隔特定的时间段就要检测实时性的系统功率；一旦测出额定功率没有达到风力机的真实运行功率，那么与之相应的输入偏差也要限制于特定的范围内[4]。
通过运用Pid模式来实现系统调节，那么输入的电机驱动器功率应当等于输出的控制器功率。对于伺服电机而言，应当密切关注运行中的浆距角，在此前提下提高了整个控制流程的精确度。在实现全面调节的前提下，就可以把输出的风力机功率控制在限定的范围内。
期刊文章分类查询,尽在期刊图书馆
2.2 构建数学模型
在真实的运行中，风力机系统将会涉及到齿轮箱惯性、阻尼系数以及刚性系数，据此就要构建风力机的变桨距以及变速模型。具体在建模时，通常都会涉及到风轮自身的惯量、角加速度、低速轴自身的转矩、时间常数以及实际的浆距角等。为了实现全面的模型简化，确保整个风力机系统符合最基本的性能指标，那么有必要因地制宜选择最合适的建模方式。在构建模型的前提下，就能调控输出功率等各项要素，从而全面优化了风力机整体的运行效能。
通常情况下，变桨系统都包含了复杂度较高的工况，风力机所处的整体运行环境也是多样化的。同时，系统本身还具备非线性的特征，因此也在客观上增大了控制风力机的难度。在此状况下，如果选择pid的常规控制器，那么很难致力于调整各项参数，与此同时也无法保障其自适应能力以及动态特性。由此可见，如果能够在参数调节的全过程中运用自适应控制的神经元建模方式，那么将会有助于提升系统整体的综合效能[5]。具体在建模时，关键应当落实于神经元输入、权重值、神经元的输出、比例系数及其他各项指标。
2.3 自适应的神经元控制器
Pid控制器具有自适应控制的特征，据此可以实现自适应的神经元调节。具体来讲，pid的自适应控制器可以运用于调整加权系数，进而实现了自组织与自适应的全面调节。对于权系数而言，应当依照特定的学习规则来进行选择。此外，pid的自适应控制系统还能用来调节变桨系统，通过运用单神经元的方式加以调整。在完成上述的控制过程时，针对加权系数应当予以在线调整，运用特定的学习算法来实现全方位的调节。在全面检测偏差信号的前提下，变桨系统的控制器还能不断接受自适应信息，在此基础上减小或者增大变桨系统自身的输出值。
结语
经过上述分析可以得知，pid控制器适合运用于风力机的变桨系统调节与控制。这是由于，pid的控制模式有利于监测并且调整浆距角，确保将其限制于恒定的输出功率。在特殊情况下，如果当时的风速已经超过了最大的额定风速，则有必要对其予以灵活调整。在参数迭代的基础上，控制算法的本质就在于单神经元的控制过程。相比于非线性的其他控制模式，建立于pid前提下的风力机系统具备更强的灵活性以及精确性，与之相应的采样信息也能确保完整度。未来在实践中，与pid系统控制有关的各项技术还将获得全面改进，确保风力机能够实现顺利的运行。
参考文献：
[1]魏列江,王传民,李娜娜等. 具有间隙的风力机变桨距系统模糊自整定PID控制[J]. 机床与液压,2017（01）:16-20.
[2]任海军,何玉林. 风力机变桨系统单神经元自适应PID控制[J]. 动力工程学报,2011（01）:22-26.
[3]闫学勤,王维庆,王海云. 改进型PRP-BP-PID算法在风力机变桨距控制中的应用[J]. 电气传动,2015（08）:47-51.
[4]付邦胜,毋炳鑫,王晓雷. 基于神经网络的风力机变桨距控制系统设计[J]. 中原工学院学报,2012（05）:56-59.
[5]朱瑛,程明,花为等. 新型双功率流风力发电系统控制策略[J]. 电力系统自动化,2013（10）:48-53+71.
论文作者:刘东
论文发表刊物:《电力设备》2017年第22期
论文发表时间:2017/12/7
标签：风力论文; 系统论文; 系数论文; 神经元论文; 风速论文; 自适应论文; 功率论文; 《电力设备》2017年第22期论文;