摘要：在风力发电控制系统中应用现代控制技术，进而更加完善现代控制技术，促使风力发电控制系统能够给人们提供出更多、更便捷的服务。但结合实际情况来讲，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。
关键词：信息化控制技术；风力发电控制系统；运用
引言
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，究其原因在于风力发电使用的是可再生的、清洁能源--风能，能够在满足电能生产需求的同时，有效保护生态环境。风力发电因为干净无污染可再生等环境保护型特点受到一部分国家例如欧洲的荷兰的青睐，而在中国，因为技术开发落后等原因，风力发电一直有着美好的前景。风力发电技术尤其是控制技术的应用显得尤其重要。而大家所熟知的是，风力发电机组的系统非常的复杂，而且往往存在多种干扰。在这种不确定而又复杂的系统中，往往没办法直接建立模型，而是要设置多重动态控制部分。而这即是现代化控制技术应用的关键，通过不断发展的现代化信息控制技术的强化应用，可以解决风力发电机组的各类干扰因素的控制，并最终完善整个项目。
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
在风力发电过程中，风力的大小和风速对其转化成电力资源的多少有一定的关系，在风力发电的过程中，为了保证电力资源的充足，就要对风能进行充分捕捉，在这种情况下，微分几何的控制技术就得到了明显的应用，在风力发电控制系统中，风速会对其控制敏感度产生一定的影响。传统的风力发电控制系统是没有规律的，所以在应用时无法进行关系计算，而产生了风力发电的不可控性，为了改变这种情况，在风力控制系统中应用微分几何控制技术，将风力发电控制系统以微分几何的控制技术进行关系转化，以便于理清控制系统中各个环节的关系，更好的进行控制，以更好的进行发电，在应用微分几何控制技术时，是一个计算的过程，首先对其输入一个相对科学的指令，并对其进行计算，计算过程步骤较多，计算内容相对复杂，在经过人工和计算机的计算后，将所得结果与风速进行对比，在经过对比后，有一定的数据依据，可以根据具体情况对行风力发电系统进行控制，以保证风力发电系统的安全性和稳定性，在这中，微分几何控制技术以其本身的本质是对数据进行线性关系统计，但风力发电控制系统的数据多数为非线性关系，这在很大程度上提高了数据计算的准确性，在风力发电控制系统中，可以更准确的对风速的变换进行控制。
3专家系统在风力发电系统中的运用
专家系统的本质是一种较为智能的推理程序，是基于对人类推理思维的真实模拟来应对相关问题的一种智能系统，其实际运行还依赖于专业知识储备、推理相关模块与各领域知识与经验的储备等，以便为实际问题提供一种合理解释。因此，其常被用于故障问题的判断。
期刊文章分类查询,尽在期刊图书馆风电机组系统是一个较为复杂的系统，其中任一子系统的运行出现故障问题，都会对其整体运行造成不良影响，而专家系统在其中的应用，能够有效实现对其故障的准确判断。在实际工作中，发挥神经网络系统优势来对机组电流信号与相关特征向量就能够实现对故障的精确诊断。而模糊专家系统这一系数就是在各个风电机组区域转矩控制与变桨控制的基础上提出来的，其能够用来对风场风速进行准确预测。鉴于风电机组是一个较为复杂的系统，能够引发机组振动的因素较多，故障隐患问题也较多，且不同故障问题可能会在同一时间段爆发出来。这种情况下，就导致专家控制系统必须注重与传统控制方法的有机结合，以便推动其综合化发展。
4人工神经网络技术在风力发电系统中的运用
人工神经网络技术也就是非线性映射技术，其在风力发电系统中的应用具有较强的抗逆能力、自组织能力与容错能力等，同时其还能够对适应不确定系统的动态特征进行准确学习。风速具有动态变化特征，而风速的预测是否准确与预测使用方法、预测地点以及预测周期等都有着一定关系。在实际工作中，利用神经网络技术来对风电场发电量进行预测，能够有效降低功率波动率。而人工神经网络控制器与发电机预测模型之间的有机结合，实际上就是将BP算法与遗传算法的优势融合于一体，进而形成的一种新型BP神经网络算法，其风能捕捉能力极强。为此，这种新型的BP神经网络算法能够对风电机组齿轮故障问题进行准确诊断，诊断结果的准确度较高。与此同时，神经网络技术的合理运用，还能够有效提升风电机动力性能，确保实现对电能质量的优化提升。
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。
综上所述，风速所带来的影响因素随机性和非线性，使得风力发电系统的设计和控制存在复杂和难以预测的特征。结合运用现代化的信息控制技术，可以有针对性的对于电流信号，风速，风能捕获量灯量化因素进行控制，从而达到就目前而言的最优控制效果。在未来技术的发展的变革中，一定会有更多更有效的模型建立和技术变革从而应用在风力发电系统乃至电力系统中，到时候我国的风力发电技术一定会赶超世界强国。
结束语
风力发电在一些风力资源丰富不可再生能源贫瘠的地区已经成为主要的发电方式，也是最重要的一种无污染的发电方式之一，在风力发电的过程中，要对风力发电设备进行监管，控制分析，以免在发电过程中出现一些电力事故，在科学技术高速发展的今天，信息化产业高度发电，并被各个产业高度应用，在风力发电控制系统中，现代信息化控制技术也被广泛应用，是风力发电控制系统的重要技术支持，在现阶段风力发电控制系统中是不可缺少的一部分。
参考文献
[1]王家坤.风力发电控制系统中现代信息化控制技术的应用策略[J].中国高新技术企业,2017(10):69-70.
[2]郝雅楠.信息化控制技术在风力发电控制系统中的运用[J].时代农机,2016,43(09):25-26.
[3]田宇.风力发电企业计算机机房设备运行与维护[J].信息与电脑(理论版),2016(18):72-73.
[4]赵瑾.信息化在我国新能源发电领域应用的现状及发展趋势[A],2016:2.
论文作者:闫珍利
论文发表刊物:《电力设备》2018年第29期
论文发表时间:2019/3/26
标签：风力发电论文; 控制系统论文; 技术论文; 风速论文; 系统论文; 风能论文; 对其论文; 《电力设备》2018年第29期论文;