摘要：随着风力发电技术的快速发展，与之相关的各种技术也在快速发展，但是由于风力发电机的工作环境相对较差，对技术的发展提出了挑战，尤其是变桨技术的发展。针对额定风速以上，风切变、风剪切和塔影效应引起的不平衡载荷进行优化控制，提出一种基于改进微分进化算法（DE）的变桨控制方案。在不同风速条件下对风机变桨进行优化控制。在和Matlab中搭建5MW风电机组联合仿真模型进行仿真。仿真结果表明，提出的DE-PID变桨控制方案能有效在风切变、风剪切和塔影效应等不同环境影响下进行变桨控制，而且提高了变桨控制系统的鲁棒性。
关键词：风力发电；变桨控制；改进微分进化算法
Abstract：with the rapid development of wind power generation technology，associated with a variety of technology is in rapid development，but due to the relatively poor working environment wind turbines，poses challenges to the development of technology，especially is analyzed. studying the development of technology. Aiming at the optimal control of unbalanced loads caused by wind shear，wind shear and tower shadow effect above the rated wind speed，a variable blade control scheme based on modified differential evolution（DE）was proposed. Use of swarm intelligence for massively parallel optimization，through distributed collaboration and positive feedback to precisely and quickly find the optimal path，thus under the condition of different wind speed of the fan blade optimization control. A 5MW wind turbine joint simulation model was built in Matlab and simulated. Is analyzed. studying the simulation results show that the proposed control scheme can effectively in wind shear，wind shear and tower shadow effects under different environmental impacts，such as variable blade control，and improve the robustness of the control system of variable propeller.
Key words：wind power generation；Variable oar control；Improved differential evolution
１引言
风能取之不尽，用之不竭，而且风能清洁无污染[1-2]，因此受到了人们的高度重视。但风电机组经常工作在恶劣的环境下，经常受到风切变、风剪切和塔影效应等产生的不平衡载荷的影响，传统的变桨控制在恶劣的环境下控制效果并不理想，如何应对多变的环境影响成为当前变桨技术发展的主要方向。随着风电机组变桨控制技术的发展，国内外在这方面取得了一定的研究成果[3-6]。为了能对运行在额定风速以上的风电机组进行有效控制，在此提出基于改进DE算法的变桨控制方案。对风切变、风剪切和塔影效应在塔架和桨叶上产生的不平衡载荷实现了优化控制，提高了风电机组的性能、稳定性和使用寿命。
2风力机特性
依据贝兹理论，风机从风中获取的功率为[7]
（1）
式（1）中，ρ是空气密度，v是风速，A是叶片扫过的面积。从式中看出，在v给定的情况下，风机捕获的功率与功率系数CP相关。它体现了风机把风能转换为机械能的效率，是关于叶尖速比λ和桨距角β的函数。可表示为：
（2）
其中λi满足
（3）
叶尖速比λ=ΩR/v。，Ω为转子转速；R为转子半径。
3改进微分进化算法的PID变桨控制器
2. 1 DE 算法原理
微分进化算法[8]（DE）是由Price和Storn在1995年提出的一种算法，通过进化过程中的变异、交叉和选择产生新生代群体。如果存在如式（4）的待优化问题：
（4）
式中：x1，x2，…，xn 为n个待优化参数；ai、bi为其取值的上、下限。则DE算法的寻优空间为 S0 = {（ai，bi）}。
DE 算法中的种群规模 Np 是指进化过程中每一代的个体数量，若设进化代数为k，第k 代种群为 Xk =［xk1，xk2，…，xkNp ］，则第 k 代中个体 i 可表示为 xki =［xki，1，xki，2，…，xki，n］，该算法主要通过变异、交叉和选择来达到优化计算的目的
2. 2 改进 DE 算法的独立变桨控制
风电机组在工作过程中不仅受到风速随机变化的影响，还受到机组自身转动惯量以及系统非线性耦合的影响，这些因素对叶片载荷的动态性能提出了很高的要求。DE算法具有较强的鲁棒性和较少的控制参数，但局部搜索能力较弱，为此，对原算法中的变异比例因子F和交叉因子CR采用适应度方差进行优选，提高其局部搜索速度和准确度。适应度方差如式（5）所示：
（5）
式中：fa为适应度均值；fb为群体最优适应度；fi为个体 i 的适应度；Np为种群数量。变异比例因子F和交叉因子CR分别按式（6）、式（7）进行第k代更新：
（6）
（7）
式中：Fmin、Fmax和 CRmin、CRmax分别为比例因子F和交叉因子CR的上、下限。
4仿真研究
本文使用MATLAB对DE-PID变桨控制系统进行仿真，模拟在随机风的情况下DE-PID变桨与传统PID变桨对抑制功率波动的对比结果。采用5MW风机模型，具体参数为：额定功率：5MW；风轮直径：126m；额定风速：11.4m/s；发电机额定转速：1173.7r/min。
水平风速曲线如图1，采用的风速信号在9～17m/s之间。桨距角变化曲线如图2所示。
发电机功率的变化对比如图3所示。从图中可以看出，DE-PID相对于传统PID对于额定风速以上的转速和功率波动的抑制十分明显。
5结论
变速变桨风力发电机组在额定风速以上采用恒功率变桨控制方式。额定风速至切出风速区间范围大，风速变化快且随机性强，另外风机转动惯量大，这些原因使传统PID变桨控制器控制效果欠佳，从而造成功率波动较大且频繁。针对此现象，本文提出DE-PID变桨控制器，优化PID参数，使其同时具有传统PID控制的静态稳定性和DE算法的自适应性。仿真与实验结果验证了DE-PID变桨控制器的良好动态性能，其有效地减缓了额定风速以上风力发电机的功率波动。
参考文献：
[1]兰忠成. 中国风能资源的地理分布及风电开发利用初步评价[D].兰州大学，2015.
[2]邹才能，赵群，张国生，熊波. 能源革命：从化石能源到新能源[J]. 天然气工业，2016，（01）：1-10.
[3]赵正黎. 兆瓦级永磁直驱风力发电机组变桨距控制策略研究[D].湖南工业大学，2015.
[4]World Wind Energy Report 2015[R]. Buenos Aires，Argentina：World Wind Energy Association WWEA，2016：26-47.
[5]李琼慧，王彩霞. 从电力发展“十三五”规划看新能源发展[J]. 中国电力，2017，（01）：30-36.
[6]李正泉，宋丽莉，马浩，冯涛，王阔. 海上风能资源观测与评估研究进展[J]. 地球科学进展，2016，（08）：800-810.
[7]窦真兰. 大型风机异步变桨技术的研究[D].上海交通大学，2013.
[8]苏海军，杨煜普，王宇嘉，等. 微分进化算法的研究综述[J]. 系统工程与电子技术，2008，30（9）：1793 － 1797．
作者简介：
田黄田（1987-），男，汉，安徽，硕士，研究生，上海电机学院，电气工程，201306。
论文作者:田黄田,谢源,施铃丽,刘浩
论文发表刊物:《电力设备》2018年第16期
论文发表时间:2018/10/1
标签：风速论文; 算法论文; 功率论文; 风机论文; 微分论文; 切变论文; 机组论文; 《电力设备》2018年第16期论文;