摘要：世界能源短缺越来越严重，加快开发可再生能源已是世界解决能源短缺和环境污染问题的必经之路，因此风力发电受到更广泛的关注和使用，对于风电技术的发展及风能利用率的研究，更多的学者展开了大量的相关研究。本文研究的主要目的是在额定风速下实现对大型风电机组的功率优化控制，通过对其模型的建立，改进爬山算法的实现及简化模糊PID控制器的制定来实现额定风速下最大风能捕获以及对风电机组的功率优化控制。
关键词：大型风电机组；功率优化；控制
1 引言
当今世界对电能的需求在不断增长并且电能对人类的重要性也在不断提升，同时，它也是经济发展的一个重要因素。因为这些原因，许多国家已经将绿色能源的新形势改称为“可再生能源”。因此，在过去的三十年多里，风电技术的发展速度远超预期，目前，风电能源一直处于新兴能源发展的领先地位。风能作为一种技术比较成熟，又是很有开发和利用前景的可再生能源，随着风电技术的不断发展与完善，对风电机组的研究与发展无论在理论上还是实际应用中，都取得了巨大的进步。
2 大型风电机组的基本概述
2.1 风电机组的基本组成结构
如图2.1所示为风电机组的基本组成结构。主要组成部分有轮毂、调速或者限速装置、塔架、机舱、叶片、低速轴、齿轮箱、发电机以及偏航系统等。
2.2 风电机组功率特性
对风轮输出功率影响较大的因素主要有三个，分别是风场风速，风轮桨矩角β以及叶尖速比λ。从机械控制点的角度看，为了从风能中汲取最大功率，可以用如下方式控制桨距角。例如，如果风速达到了风能系统的限制，风轮叶片将与风速成一定角度，当风速低于该系统的额定风速，桨距角不变。在这个控制系统中，如果不对风轮桨矩角进行控制，根据风能利用系数函数知，此时，风轮的Cp（λ，β）函数只跟叶尖速比有关。根据叶尖速比的函数关系式：λ=ωR/v。知，叶尖速比变化的区间相对较大，因此，风轮能够运行在最佳功率系数Cpmax点的可能性会相对更小。根据风轮吸收风能的关系式：Pm=½ρACP（λ，β）V3
在已知风速条件下，风轮从风能中获得的功率只与功率系数Cp有关。如果在任意风速条件下，风电机组运行时都能保持在最佳风能利用系数Cpmax点上，便能够大大提高它的功率效率。想要满足在任何风速时刻风电机组都能以最大风能利用系数Cpmax作为运行点，只需要满足风轮的叶尖速比λ等于最佳叶尖速比λopt。因此，风速变化时，通过转变风轮转速，保证叶尖速比与风速的比值为定值，便可获得Cpmax。保持风电机组运行在Cpmax点是控制其转速最根本的原因。但是，因为风速的变化通常是不可预测的，测量的风速通常也会存在很大误差，这样想要表达风速与风轮转速之间明确的变化关系就很复杂。因而为了避免根据风速变化来控制转速所带来的不确定性，可通过修改功率关系式，避免由风速变化产生不可预测的影响。
期刊文章分类查询,尽在期刊图书馆
3 风电机组功率优化控制策略
3.1 风电机组的控制系统
风电机组的控制系统是保障机组安全并平稳运行的关键部分，其系统相关的控制方法是风电机组需要不断研究和改进的主要技术之一，风电机机系统控制技术的完善程度也直接关系到风电机组各部分器件能否正常工作，而且风电机组运行时的系统各部分的安全性和输出功率的效率能否达到标准与其精确的控制技术、完善的控制功能是密不可分的。它清晰地显示了风电机组最基本的控制结构，从输入风能到控制器，再经过控制器控制风电机组，从而实现使风电机组安全有效地实现风能的输出。变速风电机组由于它的高度非线性、时变性，造成其输入激励极不稳定，同时，这也会严重影响机组系统的鲁棒性和系统各方面的动态性能，这点是不可忽视的。因此，风电机组各方面的优化控制策略一直是人们不断研究和改进的重要内容。
3.2 模糊PID控制系统
3.2.1 模糊控制理论
（1）模糊控制器模糊控制器通常由模糊界面、数据库、规则库、推理机构和解模糊界面组成。完整的模糊控制过程有三个关键的部分：模糊化输入变量、模糊推理制定规则库和对输出变量的解模糊。模糊化的过程实际上就是将系统中不可识别的精确输入变量转换成可识别的模糊输入变量；模糊推理主要包括两部分，即数据库和规则库，数据库的作用是引导模糊推理，而规则库则是根据专家的相关经验对控制规则进行模糊化处理，并制定出模糊变量的条件规则，这部分是模糊控制的核心内容；解模糊化部分与模糊化是一个互逆的过程，它是将经过模糊推理运算后的变量经过解模糊后，得到能够使被控系统识别并接收的准确控制变量，从而达到所需的控制目标。（2）模糊控制设计流程如下：1）首先，以有两个输入变量、一个输出变量的控制器为例，输入变量分别为偏差e和偏差变化率ec，通过实际系统反馈的输出变量及输出变量的偏差变化率共同构成模糊控制的输入输出结构形式；2）将控制系统给定的输入变量及输出变量转变成相应的模糊语言变量，完成模糊化的过程；3）根据实际经验及模糊语言构造的数据库和规则库制定相应的模糊规则，经计算得到模糊控制输出变量；4）对模糊控制器的输出量进行解模糊，得到可以被实际系统识别并接收的准确输出量，这个变量可参与整个系统的控制过程。
3.2.2 模糊PID系统
模糊PID具有常规PID控制器基本特征，采用模糊逻辑推理方法来调整PID控制算法的参数。经模糊推理得到的结果不是直接作为系统的输出而是用该结果来整定PID的参数，再根据PID算法来决定系统的输出。模糊PID控制系统主要包括：输入、输出变量r、y，输入偏差e和输入偏差变化率ec，模糊部分用来调整控制器输出的控制参数Kp、Ki、Kd，它们分别调整模糊PID参数的比例、积分和微分。因为模糊PID控制系统有三个控制参数Kp、Ki、Kd，需要对这三个参数分别设置隶属函数及制定模糊规则，这样需要更多的依赖人工经验，而且规则制定过程繁琐，可能造成较大误差的可能性更大。本文采用一种简化PID型模糊控制器，可大大减少控制规则，并实现模糊PID控制。
3.2.3 制定控制规则
制定被控规则主要分三部分完成，包括对控制器输入、输出变量的词集描述；模糊控制器输入、输出模糊变量的模糊子集定义；根据输入输出变量之间的关系，制定相应的模糊控制规则。1）在控制器中使用条件语句，即使用制定的词语来描述输入输出变量之间的关系，一系列的条件语句就构成了控制器的模糊规则。
4 结束语
因为风电机组是一个存在多种控制变量、有严重的非线性及不确定性的复杂系统，这些因素导致无法准确地建立风电机组控制系统模型，这对获取最大风能及对风电机组的控制带来一定的困难。因此，本文在基于改进爬山算法捕获最大风能的基础上，结合采用模糊PID控制器控制的方式应用在大型风电机组中，实现风电机组整机输出功率的优化控制。
参考文献：
[1] 肖运启，贺贯举.大型风电机组限功率运行特性分析及其优化调度[J].电力系统自动化，2014，3820：18-25+120.
[2] 孟竟.大型风电机组载荷与功率协同控制功率优化方法研究[D].沈阳工业大学，2015.
论文作者:王聪
论文发表刊物:《电力设备》2017年第22期
论文发表时间:2017/12/1
标签：模糊论文; 机组论文; 风电论文; 变量论文; 风速论文; 风能论文; 风轮论文; 《电力设备》2017年第22期论文;