現代控制技術在風力發電系統中的研究

李磊

摘要：風力發電在一些風力資源豐富不可再生能源貧瘠的地區已經成為主要的發電方式，也是最重要的一種無污染的發電方式之一，在風力發電的過程中，要對風力發電設備進行監管，控制分析，以免在發電過程中出現一些電力事故，在科學技術高速發展的今天，信息化產業高度發電，并被各個產業高度應用，在風力發電控制系統中，現代信息化控制技術也被廣泛應用，是風力發電控制系統的重要技術支持，在現階段風力發電控制系統中是不可缺少的一部分。

關鍵詞：現代控制技術;風力發電;應用

1 滑動模變結構控制

滑模變結構控制屬于非線性魯棒控制方法，對于系統建模的不確定的問題可以很好地解決。滑動模變結構控制器可在建模不準確的情況下保持良好的輸出效果，尤其是非線性系統。其實質是用高速開關將系統相軌跡引導到一個由設計者選擇的可達到的曲面上。將滑模控制理論應用到變槳距控制中，消除系統參數攝動及外部擾動的影響。此外，考慮到滑模控制的抖振現象，將RBF神經網絡、支持向量機等理論與滑模控制相結合，實現風力發電變槳距系統的自適應控制。為了進一步提高滑模控制系統的控制性能，混合非奇異終端滑模（HybridNonsin-gularTerminalSlidingMode，HNTSM）控制方法。該方法結合了線性滑模的優點，彌補了非奇異終端滑模控制的不足。

2 微分幾何

該項技術由數學知識演變而來，其包括一定的線性關系，控制過程就是利用這一特性來完成的。此技術的控制原理如下：該數學知識表現出來的系統實際是非線性的，經過某種處理后，成為具有一定功能的線性系統，致使控制技術逐漸趨于完善。對于風力發電本身，其系統本來就是非線性的，風速的大小是人為無法控制的。當使用此技術時，首先要將這一問題進行解決。然后是對雙饋發電機的各項操作，主要是對經過電機的各項數據進行反饋解耦，這一過程需要將非線性情況向線性轉化，從而實現動態解耦。這對發電效率的提升非常有幫助，裝置能夠盡可能多的捕獲風能。

若風速過大，需要將電機的轉速適當調低，這樣才能保持其功率不變。通過一系列的步驟，裝置將很好地完成向線性關系轉化的過程，根據這一關系，可設計出符合實際情況的發電機組，減少企業成本的同時，保持充足的電能供應。現行控制的精確程度很高，但計算過程中會遇到阻礙。且該技術對CPU的要求很高，普通的CPU無法使用到此技術當中。目前研究人員正在攻克兩類難題，可見該項技術具有廣闊的發展空間。

3 專家系統與風力發電控制系統的結合

隨著現代化信息技術的發展，各種電子設備和家用電器已經開始向智能化發展，各個產業的電子控制系統也向自動化智能化開始轉變，智能化管理系統已經成為當今時代控制管理系統的主要管理形式，在風力發電系統中，為了保證控制系統的準確性，提高控制系統的工作效率，并順應時代發展的潮流，在風力控制系統也開始向智能化轉化，其主要表現在風力控制系統中安裝專家系統，專家系統的主要工作原理是對人類的一些計算方式和慣性的思維模式進行模擬，首先專家系統要有一定的專業性的資料作為基礎，保證其在工作時有一定的科學依據。專家系統的工作過程是以科學原理為依據，通過一定的公式進行推理分析，然后得出相對合理的分析結果。風力發電控制系統中主要是在對發電設備和控制設備進行檢修診斷時應用專家系統，風力發電系統是一個相對復雜的發電系統，其完整的發電系統是由多個環節多個設備共同組成的，每一個環節每一個設備出現問題都會對發電系統產生很大的影響，甚至會引起電力事故，所以為了保證風力發電的安全性和穩定性，每一個工作環節都要仔細檢查，每一個設備都要進行定期檢修，風力發電機組是風力發電系統中重要的一部分，是將風能轉換化為電能的主要的工作系統，而專家系統主要是對風電機組進行檢查診斷，在風電機組發生故障時，通過專家系統對其進行推理分析，從而找出故障的原因，由于風電機組結構復雜，零件設備相對較多，在發生故障時工程量相對較大，對技術的要求也相對較高，在進行檢修時容易出現失誤，并且還容易對工作人員造成傷害，而專業人員可以通過專家系統根據相關的知識資料和互聯網智能化信息技術構建起智能化的診斷模型，在一定程度上可以提高風力發電部門的工作效率。而且隨著科學技術手段的進一步提高，專家系統也在進一步的完善，風力發電控制與專家系統的結合可以更好的預測風速，并提高了控制系統的準確性和穩定性，對風力發電控制系統向現代化智能化發展有很重要的推動作用。

4 智能控制

風力發電系統會受外界擾動因素較多，非線性表現突出。利用數學模型精確設計控制器較難實現，同時參數調節也難以精確實現，因此利用智能控制可以改變參數和非線性等問題。不需要精確的數學模型可用模糊控制有效地綜合專家經驗，具有很好的動態性、魯棒性。近年來，將模糊控制的智能控制技術引入風力發電控制系統中取得了優良的效果。例如，郭鵬提出的模糊PID控制器能夠保證在不同風速下均有較好的控制結果，而模糊前饋控制器則能夠根據風電機組的槳葉氣動特性，在額定風速以上的不同風速段，根據風速給出不同的適當的前饋槳距角，實現動態前饋補償，提高控制系統的響應速度。對一個300kW的變槳距風電機組的仿真表明，該方法在額定風速以上的不同風速段都能夠有效地減小系統的超調量，縮短調節時間，具有較為滿意的控制效果。對其控制技術直接影響整個機組的性能和風能利用效率的狀況，在風力機的空氣動力學特性分析的基礎上，應用神經網絡模糊自適應控制，討論了在低于額定風速時，如何控制風輪轉速，從而獲得最大的風能利用系數;在高于額定風速時，如何控制槳距角的變化，從而保持輸出功率恒定的方法。但是，由于神經網絡調節器是訓練得出的，當機組老化或者運行條件變化時需要再訓練，難以較好地實現控制目標。模糊控制器是來自設計者的經驗知識，對于沒有經驗知識是不能有效采用該方法實現控制目的的。因此，設計者需要完成復雜系統的數次輸入輸出數據的檢測后才可找到合適的規則，設計過程相對復雜，設計的精度根據設計者不同差別較大，控制效果往往不理想。

結論

人們會更加清晰地認知在風力發電控制系統中應用現代控制技術，進而更加完善現代控制技術，促使風力發電控制系統能夠給人們提供出更多、更便捷的服務。但結合實際情況來講，風力發電控制系統還有更多的使用價值有待挖掘，應對其使用價值深入挖掘，進而使風力發電控制系統能夠造福更多的領域。

參考文獻

[1]閆豪，李君略.信息化控制技術在風力發電控制系統中的運用[J].電子技術與軟件工程，2018（3）：140.

[2]郝雅楠.信息化控制技術在風力發電控制系統中的運用[J].時代農機，2016，43（9）：25-26.