摘要：本文针对我国目前风力发电现状以及控制技术，对未来智能化控制技术15进行了展望，阐述了智能化信息技术在发电系统中的应用。
关键词：风力发电；趋势；控制技术；智能化
1 风电发展趋势
1.1小容量向大容量发展
相关数据对比显示，我国风电机组整机技术正在快速提升，其中叶轮直径、机组容量、扫风面积、塔筒高度等各项指标相较30年前成几倍甚至几十倍增长。2019年9月，东方电气风电有限公司自主研发的10兆瓦海上风力发电机组在福建生产基地下线，将中国风电引进“两位数时代”。陆上风电的发展同样让人欣慰，西门子歌美飒亚太区4X机型于2019年8月在天津生产基地下线，其额定功率可在4.2-5.0 MW之间调节，最大可达5MW。
1.2被动式检修向主动式运维发展
在风机出现故障和正常（健康）运行之间，风机和人体一样存在一种“亚健康”状态。在常规体检监测下发现处于“亚健康”状态的参数或机能变化，例如叶片微裂纹、齿轮箱油液参数、各类轴承齿轮振动及发电机变频器温升突变等关键指标，及时进行人工处理，变被对应对为主动干预，花费较小的成本将隐患消灭在萌芽状态，恢复机组最优状态，避免风机从“亚健康”状态向重大安全事故发展。
针对风电机组在服役期间可能出现的故障以及性能衰退等问题，风机故障预警与健康管理系统通过全方位调研，基于历史故障数据，合理选择统计学模型；基于关联分析模型，分析影响风电机组健康状态的参数；基于历史故障处理经验，通过机器学习、人工智能、深度学习，洞悉参数随时间变化的规律，确定机组健康状态的关键参数，划分机组健康等级，构建风电机组健康状态量化评价体系。
基于健康评价体系设计的风电机组主动运维决策方案，排除潜在故障隐患，消除机组“亚健康”运行状态，实现从被动检修到个性化主动运维的风电场运维管理方式变革。
1.3就地分散多人值班向远程集控少人值守发展
随着网络通信技术、软件应用技术和远程控制技术的发展，风电场生产自动化水平日益提高，就地少人或无人值班已具备条件。现场减少运行人员，远程集中监控管理成为发展趋势。集控中心以整体集中管理、区域集中监视、远程集中控制为核心，结合设备的状态检修、远程控制和风电功率预测，大大提高了风电企业的整体管理水平，实现了“无人值班、少人值守、区域检修”的管理模式，已逐渐成为风电企业发展的首要选择。
2 风力发电机组控制技术
2.1定桨距失速风力发电技术
定桨距失速风力发电机组通常将感应电机直接连接到交流电网，其运行中转速基本恒定，桨距角不可变。定桨距失速风力发电技术核心在于软并网技术，辅以空气动力刹车技术、偏航与自动解缆技术。由于定桨距风力机的控制主要是通过叶片本身的气动特性和叶尖扰流器来实现的，所以定桨距风力机具有结构简单、性能可靠的优点，但其叶片重量大、结构复杂，轮毂、塔架等部件受载荷较大，且功率系数低于变桨距风力机。
2.2变桨距风力发电技术
变桨距风力发电技术从空气动力学角度出发，当风速较低时，将桨距角设定在最大风能吸收角度不变来获得最大功率；当风速过高时，通过调整桨叶节距、改变气流对叶片攻角，来改变风力发电机组获得的空气动力转矩，使输出功率保持稳定。
期刊文章分类查询,尽在期刊图书馆
2.3变速恒频风力发电技术
变速恒频风力发电技术将电力电子技术、矢量变换控制技术和数值信息处理技术引入发电机控制技术之中。该技术通过调节发电机转子电流的大小、频率、相位或通过变桨距控制，实现转速的调节，可在很宽的风速范围内保持近乎恒定的最佳叶尖速比，进而实现追求风能最大转换效率。
3 智能化风力发电控制技术
3.1非线性映射技术在风力发电系统中的运用
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。非线性映射技术具有较强的抗逆能力、自组织能力与容错能力等，其能够对适应不确定系统的动态特征进行准确学习。在实际工作中，利用非线性映射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。非线性映射技术利用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，非线性映射技术的合理运用，还能够有效提升风电机动力性能。
3.2自适应控制技术在风力发电系统中的运用
自适应控制技术指通过修正自己的特性以适应对象和扰动的动态特性的变化。该技术在实际运用过程中具有较高要求，其在风力发电控制系统中的运用主要是为了针对尚未构建模型的运行参数的动态阶段变化进行控制，从而保障其实际价值的充分展现。由于完整系统模型的构建难度较大，因此，这种传统控制方法的效果并不理想。而通过自适应控制技术在风力发电控制系统中的应用，就能够及时准确的捕捉风力发电控制系统的变化动态，并对其进行适当调整。
3.3专家系统在风力发电控制系统中的应用
专家系统是一个具有大量的专门知识与经验的程序系统，它应用人工智能技术和计算机技术，根据某领域一个或多个专家提供的知识和经验，进行推理和判断，以便解决那些需要人类专家处理的复杂问题。例如风机的各类故障。由于其由符号系统构成，解释能力强大。但风力发电的系统组成部分众多，在建立专家系统时，还应该根据实际结合模糊控制技术的应用。而模糊控制技术简单说就是模拟在不确定性对于各种问题的模糊性分析，从而得到最确切的分析结果。通过这两类推理决策程序的判定，整个系统的故障原因往往能被快速的分析并解决。反馈的方式往往是由机组的电流信号来观测，实用性也大大的增强。
3.4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，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小，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。
结语
现今逐步大型化的风力发电已凭借其在节约资源，环保清洁，技术创新等方面的优点，在当今社会拥有了自己的一席之地。控制技术作为风力发电的核心，其发展刻不容缓。随着5G时代的来临，中国智能化城市建设进程的加速，智能化风力发电控制技术一定会取得新的突破。
参考文献
[1]赵若焱.风力发电及其控制技术新进展探究[J].内燃机与配件，2018.
[2]喻挺.风力发电及其控制技术新进展探究[J].智能城市,2018.
[3]朱焕荣.信息化控制技术在风力发电控制系统中的运用[J].山东工业技术，2018.
论文作者:崔丹
论文发表刊物:《电力设备》2019年第15期
论文发表时间:2019/12/2
标签：技术论文; 风力发电论文; 机组论文; 风速论文; 风电论文; 系统论文; 状态论文; 《电力设备》2019年第15期论文;