摘要：在我国经济建设高速发展的过程中，风力发电行业实现了突飞猛进的发展。风力发电控制系统现已经成为当下风力发电技术的竞争核心。尤其是在风力发电的机组类型拓展之后，和电子功率变换技术的实现以后。而现代化的控制技术在风力发电的控制机构中，将会起到越来越重要的作用。当下研究针对如何的实现对于信息化控制技术的综合运用，使得风力发电的控制系统能够更加安全有效的运行，并且取得良好的控制效果，成为了热点，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
引言
随着人类社会的不断进步与发展，能源过度消耗和环境污染等问题也变得越来越严重。作为常规能源的天然气、石油、煤炭属于不可再生能源，储备有限，使用过程中还会有严重的大气污染。因此，可再生能源的开发利用越来越受到世界各国的重视。随着国家新能源发展战略的实施，我国风电产业已经迈入跨越式发展阶段。风电有着可再生、能量大、无污染等特点，同时我国风能储备量大，分布广泛，有着非常大的开发潜力，所以发展风电能源已经成为一种必然趋势。做好风力发电及其控制技术的研究，具有十分重要的意义，本文就此展开了相关分析和研究。
1我国风力发电现状
我国风电企业经历了技术引进到消化吸收，现在已经逐步实现自主创新。当前国内5MW容量等级风电产品下线，国内兆瓦级风电机组逐渐普及，我国兆瓦级风电自主研发水平越来越高。随着我国风电装备制造产业的集中度越来越高，国内机组所占据的市场份额越来越高，风电机组制造相关企业已经基本能够满足国内风电发展实际需要，但是在变流器等方面还需要依靠进口，因此，我国风电装备制造业想要进一步发展，就必须要从技术方面出发，提高自主创新的重视度，投入更多的精力，做好核心技术攻关，尤其做好关键设备技术的研发。
2信息化控制技术在风力发电控制系统中的运用
2.1风力发电机组控制技术发展
风力发电机组安全高效的运行离不开控制技术的支撑，主要受到以下几个方面因素影响：第一，随着大气压、温度、湿度等因素的变化，自然风速的方向和大小也相应地发生变化，同时受到风电场地地形等因素影响，自然风速存在有不可控性和随机性的特点，因此风电机组所获取的风能同样存在有不可控性和随机性；第二，为了最大限度地提高风能利用率，风电机组叶片直径可到100m，在运行过程中存在有非常大的转动惯量；第三，在风力发电机组并网、输入功率优化、运行过程中故障检测和保护等方面，利用自动控制技术，能够起到非常好的应用效果；第四，很多有着丰富风力资源的地区地形环境相对较为恶劣，尤其在边远地区以及海岛等区域，人们更希望风力发电机组可受到远程监控，实现无人值班运行，对风力发电机组控制系统可靠性有着十分严格的要求。当前已有很多学者在风力发电控制技术和控制系统等方面展开了大量的研究分析，这些研究能够很大程度上促进风力发电机组的优化运行。随着计算机技术以及自动化技术在风电领域的应用，并网运行风力发电控制技术迅猛发展。在控制形式方面，由单一定桨距失速控制向变桨距方向发展，智能化水平越来越高。定桨距型风力机，轮毂与桨叶固定连接，固定桨距角，风速发生变化时，桨叶迎风角固定。失速型风力机浆主要是在风速超过额定风速情况下，利用桨叶本身失速特性，将气流功角提升至失速条件，桨叶表面会有涡流出现，进而限定发电机功率输出。失速调节型有着简单可靠的特点，当风速发生变化时，只需要通过桨叶被动失速调节控制系统，即可实现调节目的，控制系统得到简化。但是这种类型的风机存在有叶片重量大等缺陷，塔架、桨叶等部件在运行过程中会受到较大的风力作用，机组整体效率不是很高，关键部件容易发生疲劳磨损。
2.2微分几何控制技术在风力发电系统中的运用
微分几何技术主要是针对风力发电系统中的非线性化变量而提出的解决方案。
期刊文章分类查询,尽在期刊图书馆在这种信息化控技术中，理论上来自微分代数系统模型，通过对于引申模型理论的应用，反馈出精确的线性化，从而确定干扰的因素。微分几何控制主要应用于转矩控制和变流技术中，提出非线性的多输入和多输出状态反馈解耦控制方案，对风力发电控制系统中的双馈发电机的磁链和转速两个子系统，实现动态完全解耦，并且当风速超过额定值时，要降低风力发电机组的转速，不能使用过于复杂的变桨距机构，要在微分几何反馈线性变换的条件下，实现风力发电机的非线性模型全局线性化，实施变速风力发电机组的恒功率控制。由于其有算法负责，并且对于控制的计算机要求较高。在实际的应用中还是有一定的限制。
2.3自适应控制信息化技术在风力发电系统中的应用
自适应控制信息化就是即是以环境改变而自动调整自身的控制参数，所以它对于整体参数的变化过程要给予高度的关注。在风力发电的控制系统中，自适应控制要做到对于过程参数变化检测的同时，实时的调节控制器，从而实现最优控制。而构建一个自适应控制系统的模型简单，应用到风力发电的系统中还需要设计一个高性能的追踪系统，例如桨距自适应控制系统，通过电流信号在实现自适应的同时，可以进行参数追踪。应用到现代的风力发电技术中，以无速度传感器矢量控制技术为基础，设定模型追踪风速，在权衡最大风能捕获和机械疲劳造成的损耗最小两个指标下，由适应器调节控制，在正确的补偿或者减低设定的风速过程中，实现对于风力的合理的最大化的运用。
2.4最优控制智能技术在风力发电控制系统中的应用
前文提到风力发电控制系统的随机变量多，不确定或者干扰的因素大，主要指的是风能捕获利用方面。通过最优控制智能技术的使用，可以最大程度的分解和线性化干扰因素。因其数学模型已通过多次认证，因此对于变量或者干扰因素的线性化分解，设计最优控制，从而有效的捕获和利用风能。另一方面在发电机控制方面，也可以采用最优控制技术，例如发动机运行的过程中，运用最优功率调节器，在其功率和电功率波动之间寻求最优解决参数，从而使得发电机的转子转速保持最优叶尖速比，获得最大风能捕获。
2.5人工神经网络技术在风力发电控制系统中的应用
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。
结语
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。
参考文献:
[1]张凤阁，金石.无刷双馈风力发电系统的L2鲁棒控制[J].电机与控制学报,2010(08).
[2]宋华振.贝加莱的风力发电控制系统[J].自动化博览,2010(09).
[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(07).
[4]柳伟,顾伟,孙蓉等.DFIG-SMES互补系统一次调频控制[J].电工技术学报,2012(09).
[5]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(06).
论文作者:杨帆
论文发表刊物:《电力设备》2018年第18期
论文发表时间:2018/10/18
标签：风力发电论文; 技术论文; 风速论文; 控制系统论文; 风电论文; 风能论文; 桨叶论文; 《电力设备》2018年第18期论文;