摘要：随着我国环保事业的全面开展，风力发电逐渐开始取代传统火力发电的地位，本文将简单列举几项技术的简单运用并且对于其发展前景进行展望。
关键词：信息化；控制技术；风力发电；控制系统；
1自适应技术在风力发电控制系统中的应用
风力发电作为一种新型的发电模式，在发电控制过程中会涉及到很多的数据，而且传统的控制系统是在风力发电发展初期进行应用的，传统风力发电控制系统灵敏性相对较差，控制措施效果也相对较低，在风力发电过程中，由于控制系统的失误和技术的不足很容易造成电力事故，那时现代化信息化控制技术发展速度较慢，而且应用范围相对较小。随着科学技术的发展，现代化信息化技术的提高，现代化控制技术也被广泛应用，自适应控制技术就是现代化信息化技术高度发展的一种具体的控制技术，自适应控制系统反应灵敏，在控制过程中如果被控制的设备发生变化可以及时进行捕捉，并自动采取相应的控制措施，在风力发电的发展过程中，相关的工作科研人员为了更好地对风力发电系统进行控制，保证风力发电的稳定性，随着科技发展，也在不断的完善风力发电控制系统，但是风力发电的控制系统本身有不完善的地方，控制系统灵活性强，但是灵敏度差，在发生变化的过程中无法及时感应并进行控制，这样就降低了，在这种情况下，自适应的应用很大程度上解决了这种问题，自适应技术其本身是技术水平相对较高的控制手段，其灵敏性和自动化的控制措施很大程度上补充了风力发电系统中相关控制技术的不足，并提高了风力发电控制系统整体的灵敏性，在发生变化时可以及时及时捕捉，采取控制措施，对风力发电工程的发展有积极的推动作用。
2在风力发电系统中微分几何控制技术的应用
在数学中，微分几何是一项重要的学习内容，此内容在生活中得到了普遍应用，由于微分几何从本质上来讲就是表示线性之间的关系，因此微分几何控制就是为了将线性化控制状况正确反映，此技术工作原理为：通过一种同胚映射对仿射型非线性系统，处理此系统，进而转化为微分几何控制技术。从本质上来讲，风力发电控制系统就是一个呈现非线性关系的系统，由于在运作中会受到风俗速影响，这一控制系统由很多种技术参数组成。微分几何控制技术在运用过程中，风力发电控制系统中非线性关系这一问题是必须要解决的，之后就是对双馈发电机进行相应的操作，在多次研究后得到最后的输入或者输出命令，最后就是需要充分融合发电机反应的情况，确保风力发电控制系统能够实现高效率的运作，这样就能够更好地捕获风能，提升风力发电水平。假如额定值小于风的速度，这时就可运用风力发电机转动速度降低的方法控制好风电发电系统的功率，确保其功率值，此技术的应用可代替以前的变桨距系统，有效的加强工作效率。同时，在数学中微分几何知识的利用下，在微分结合控制技术利用就能够将线性变化关系反映出来，这样风力发电机非线性关系就能转化成为线性关系，便于操作。结合微分几何原理就能够设计出一个控制设备，这个设备不但简单，而且使用起来很方便，便于更好的控制非恒速发电机组。但需要明确的是：微分几何非线性控制理论反馈控制中优势很多，但在设计这一控制技术中特别是计算中难度很大，通常状况下它反映的是一种函数，并且是很难看懂的非线性函数，这种算法的局限性很大。另外，在时代的迅猛发展下，不断提高了CPU性能，这样就能够在风力发电控制系统里更好地应用微分几何控制理论，这样这一理论会有更大范围的应用。
期刊文章分类查询,尽在期刊图书馆
3专家系统在风力发电控制系统中的智能化应用
专家系统是一种对知识进行有效处理的智能推理程序，它是基于符号系统之下的推理系统，有极为强大的解释功能，对风力发电控制系统中的各种模式进行判定和推理，适用于对系统故障原因的诊断和判定。风力发电控制系统中的风电机组由多个部分组成，包括：风轮、机舱、塔架、驱动链、偏航装置等，专家系统控制技术可以应用于风力发电机组的故障诊断，在建构风力发电机组的专家故障系统模型的前提下，与模糊控制技术进行整合运用，准确而快速地判定出风力发电控制系统的故障原因，并在对机组电流信号进行分析的前提下，对其特征向量进行信息提取，基于机组电流信号进行故障诊断。
4人工神经网络技术在风力发电系统中的运用
人工神经网络技术通过对动物神经的研究，模仿神经系统的网络特征，在电力系统中具有高度的应用。其类似于神经元的独立性以及并联完成任务的组织性，可以在风力发电过程中对于风速实现预测。神经网络中所采用的模型大多为反向传播算法模型，在BP以及广义回归神经网络的运用中，通过神经网络自带的演算和变量输入，可以有效的预测风速和风量。而其具备的另一个优点是即是系统中存在这大量的不确定性，其也能在通过减少功率的波动来实现预测。从而稳定的实现系统的运行和控制。
5最优控制智能技术在风力发电系统中的运用
风力发电系统的实际运行受风能动态影响极大，因此风力机电系统也就具有较强的不确定性，而其平衡点也会受风速变化的影响而变化不定。数学模型构建的难度较大，对优化系统的控制效果极佳。但实际上，仅依据工程附近线性模型来进行控制器的设计是无法满足风力发电控制系统性能的要求的。由于不同形式的线性方法与动态线性大致相同，反馈线性能够有效保证精确化线性的范围。而在风力发电系统实际运行过程中，无论有无功率都必须对负载情况来作出反映，转子电流也会随之发生变化，而其与小电功率波动要求之间的冲突主要表现为如何实现其最优控制状态。而通过对最优控制智能技术的合理应用，就能够对这些不可控的影响因素或变量进行充分分解与线性化处理，进而提升其对风能的捕捉效率与利用效率。与此同时，在风力发电控制系统中运用最优控制智能技术，也就是通过对反馈线性化与跟踪控制应用的充分结合来实现对发电机转子转速跟踪风速变化情况的有效控制，并确保在发电机转子转速跟踪风速变化下，实现叶尖速比的最优状态，确保对额定风速风能的有效捕获，最终实现对风力发电系统的有效控制。
总结：由于风速的随机性和不确定性，风力发电控制系统也具有复杂、强非线性的特征，传统的控制方法无法达到最佳的控制效果。风力发电控制系统还有更多的使用价值有待挖掘，应对其使用价值深入挖掘，进而使风力发电控制系统能够造福更多的领域。
参考文献：
[1]赵国材，周前程.风能变换系统在电网频率调节中的应用仿真[J].计算机系统应用，2012（6）.
[2]宋华振.贝加莱的风力发电控制系统[J].自动化博览，2010（9）.
[3]张树彬，林彦明.自发电控制在中小型水电厂自动控制系统中的应用[J].应用能源技术，2011（7）.
论文作者:蔡建宇
论文发表刊物:《电力设备》2018年第36期
论文发表时间:2019/6/5
标签：风力发电论文; 控制系统论文; 技术论文; 微分论文; 系统论文; 线性论文; 几何论文; 《电力设备》2018年第36期论文;