信息化控制技術在風力發電控制系統中的運用

陳錦龍

摘要：隨著社會經濟的發展，我國的信息化進程有了很大進展。風力發電控制系統已經成為當下風力發電技術的核心競爭力。尤其是在風力發電的機組類型拓展之后，和電子功率變換技術的實現以后。而現代化的控制技術在風力發電的控制機構中，將會起到越來越重要的作用。當下研究針對如何的實現對于信息化控制技術的綜合運用，使得風力發電的控制系統能夠更加安全有效的運行，并且取得良好的控制效果，成為了熱點，本文將簡單列舉幾項技術的簡單運用并且對于其發展前景進行展望。

關鍵詞：信息化；控制技術；風力發電

現代信息化控制技術是一種新型的技術，在風力發電控制系統中普遍應用了此技術，并充分發揮了現代信息化控制技術的優勢，可以說風力發電控制系統與現代控制技術有密切關系。

1專家系統在風力發電控制系統中的智能化應用

首先專家系統是一類程序，它負責智能性的推理在現實工作中發生的各種難以推進的項目。例如各類故障。由于其由符號系統構成，解釋能力強大，因此在應用到風力發電的控制系統中對于各種模式的判定和處理以增強風力發電控制系統中自身的系統故障排查和處理。但是在整個風力發電控制的系統中，僅僅有一道推理程序是是遠遠不夠的。由于風力發電的系統組成部分眾多，常見的就有風輪、機艙、塔架、驅動鏈、偏航裝置等。因此在建立專家系統的前提下，還應該根據實際結合對于模糊控制技術的應用。而模糊控制技術簡單說就是模擬在不確定性對于各種問題的模糊性分析，從而得到最確切的分析結果。通過這兩類推理決策程序的最終判定，整個系統的故障原因往往能被快速的分析并解決。反饋的方式往往是由機組的電流信號來觀測，實用性也會大大的增強。

2微分幾何控制技術在風力發電系統中的運用

從本質上來講，風力發電控制系統就是一個呈現非線性關系的系統，由于在運作中會受到風俗速影響，這一控制系統由很多種技術參數組成。微分幾何控制技術在運用過程中，風力發電控制系統中非線性關系這一問題是必須要解決的，之后就是對雙饋發電機進行相應的操作，在多次研究后得到最后的輸入或者輸出命令，最后就是需要充分融合發電機反應的情況，確保風力發電控制系統能夠實現高效率的運作，這樣就能夠更好地捕獲風能，提升風力發電水平。假如額定值小于風的速度，這時就可運用風力發電機轉動速度降低的方法控制好風電發電系統的功率，確保其功率值，此技術的應用可代替以前的變槳距系統，有效的加強工作效率。同時，在數學中微分幾何知識的利用下，在微分結合控制技術利用就能夠將線性變化關系反映出來，這樣風力發電機非線性關系就能轉化成為線性關系，便于操作。結合微分幾何原理就能夠設計出一個控制設備，這個設備不但簡單，而且使用起來很方便，便于更好的控制非恒速發電機組。但需要明確的是：微分幾何非線性控制理論反饋控制中優勢很多，但在設計這一控制技術中特別是計算中難度很大，通常狀況下它反映的是一種函數，并且是很難看懂的非線性函數，這種算法的局限性很大。另外，在時代的迅猛發展下，不斷提高了CPu性能，這樣就能夠在風力發電控制系統里更好地應用微分幾何控制理論，這樣這一理論會有更大范圍的應用。

3自適應控制信息化技術在風力發電系統中的應用

在風力發電的控制系統中，自適應控制要做到對于過程參數變化檢測的同時，實時的調節控制器，從而實現最優控制。而構建一個自適應控制系統的模型簡單，應用到風力發電的系統中還需要設計一個高性能的追蹤系統，例如槳距自適應控制系統，通過電流信號在實現自適應的同時，可以進行參數追蹤。應用到現代的風力發電技術中，以無速度傳感器矢量控制技術為基礎，設定模型追蹤風速，在權衡最大風能捕獲和機械疲勞造成的損耗最小兩個指標下，由適應器調節控制，在正確的補償或者減低設定的風速過程中，實現對于風力的合理的最大化的運用。

4最優控制智能技術在風力發電控制系統中的應用

由于風力發電控制系統中的隨機擾動較大，不確定的因素較多，因而，可以采用最優控制技術，用優化系統的數學模型，實現有效的控制，它不同于局部線性化的方法，可以最大程度地實現精確解耦線性化，采用線性最優控制，實現最大風能的捕獲。由于風力發電機在運行過程中，其轉子電流變化劇烈，這與電功率波動小的需求相矛盾，為了對這個矛盾進行折衷處理，可以采用最優控制技術的方式，設計最優功率輸出調節器，抑制大功率負載投切引起的母線電壓擾動，通過控制風力發電機轉子轉速的追蹤風速變化，保持最優葉尖速比，從而實現額定風速之下風能的最大捕獲。

5人工神經網絡技術在風力發電控制系統中的應用

人工神經網絡稱之為非線性映射，具有很強的抗逆能力，具有一定的自組織性，可以學習與適應不確定系統的動態特征，并具有其他系統無法比擬的容錯能力。風速是始終處于變化狀態的，風速預測既和預測方法有很大關系，也與預測地點與預測周期有很大關系。可使用時間序列神經網絡短期風速預測方法，這種方法用時間序列模型對神經網絡中輸入量進行選擇，并使用多層反向傳播網絡系統預測風速序列。同時，也能使用小波分析與人工神經網絡互通的方法來短時間預測風力發電功率。使用神經網絡對風電場發電量進行預測，這樣可降低功率波動率。使用前對人工神經網絡估計風速，這樣能夠加強系統的動態性能，即便在現實環境中風速出現了很大的變化，也可以正常穩定運作。在風電機組研究過程中，變槳距系統是很重要的一部分。結合變速變距型風電機組液壓驅動變式情況，可使用控制神經網絡變距的方式，來完善解決變槳距機構的參數時變性、滯后性控制等一系列問題。在彈性自適應人工魚群BP神經網絡槳距控制器能夠使風電機組變化風力中獲得最大能量能，轉速與機械負載變化量最小。為了能夠捕獲更大的風能，人工神經網絡控制器結合了發電機預測模型，綜合了BP算法與遺傳算法的優勢，提出了新型的BP神經網絡算法，此算法經常用于診斷風電機組齒輪箱故障中，加強了工作的穩定性與可靠性。Elman神經網絡能夠降低網絡調整參數的敏感性，對局部極小值的出現能夠很好抑制，所以Elman神經網絡在診斷故障中可以識別出這種故障類型，進而有效判別齒輪箱故障。在非線性系統中利用神經網絡，并不需要精確度提高的數學模型，在自學習過程中能夠取得控制很好的效果，實現最優化電能質量。在分析風電機動力學過程中，神經網絡能夠充分利用，實現優化電能質量。在分析風力機動學中，神經網絡可以更好利用，并且容錯能力非常強，不確定的風電機組模型，結合神經網絡控制技術以及其他幾種控制技術，這樣就能夠構建起科學的數字信號器，此控制器能夠最大程度上降低載荷，具有很強的有效性。

結語

綜上所述，風速所帶來的影響因素隨機性和非線性，使得風力發電系統的設計和控制存在在復雜和難以預測的特征。結合運用現代化的信息控制技術，可以有針對性的對于電流信號，風速，風能捕獲量燈量化因素進行控制，從而達到就目前而言的最優控制效果。在未來技術的發展的變革中，一定會有更多更有效的模型建立和技術變革從而應用在風力發電系統乃至電力系統中，到時候我國的風力發電技術一定會趕超世界強國。

（作者單位：國電聯合動力技術（連云港）有限公司）