风力发电控制系统中现代信息化控制技术的应用策略

摘要：在现代风力发电技术日益迅猛发展过程中，风力发电控制系统不断丰富，在风力发电系统控制结构里，可使用专家系统、预测模型控制系统等现代性控制技术进行综合性的应用，这是完善风力发电控制系统的有效措施。文章对风力发电控制系统中现代信息化控制技术的应用策略进行了探讨。

关键词：风力发电控制系统；现代信息化；控制技术；专家系统；预测模型控制系统 文献标识码：A

中图分类号：TM614 文章编号：1009-2374（2017）10-0069-02 DOI：10.13535/j.cnki.11-4406/n.2017.10.034

现代信息化控制技术是一种新型的技术，在风力发电控制系统中普遍应用了此技术，并充分发挥了现代信息化控制技术的优势，可以说风力发电控制系统与现代控制技术有密切关系。

1 在风力发电控制系统中自适应技术的应用

从多方面上来讲，自适应控制技术是一种要求很高的控制技术，在风力发电控制系统中应用这项技术，是由于风力发电控制系统一些运行参数并未构建起明确模型的过程，它们的动态阶段变化速度很快，这样就降低了它们的实际价值，而自适应控制技术就完善了这一不足。在具体应用中，只要开始运行风力发电控制系统，就会有一些显著的变化，自适应控制系统就可以在第一时间内捕获变化状况，之后采用相应的措施。结合这项技术的应用优势，所以在风力发电控制中应用自适应控制系统意义重大。风力发电控制也有很大的变化，比如：在以前的变速控制措施在做出一些控制后，先后构建起一个完整的系统模型，但问题是这种模型的建立并不容易，所以传统控制措施效果不是很好，还需要加强。针对这样的实际状况，有的学者就提出了自适应控制器，其工作原理就是结合模型参考自适应控制将大型风力发电机组非交流电动变桨距控制系统进行研究，在研究中设计一个系统，这样就能使它具有一定的捕捉性能，能够提供更多项的服务。

2 在风力发电系统中微分几何控制技术的应用

在数学中，微分几何是一项重要的学习内容，此内容在生活中得到了普遍应用，由于微分几何从本质上来讲就是表示线性之间的关系，因此微分几何控制就是为了将线性化控制状况正确反映，此技术工作原理为：通过一种同胚映射对仿射型非线性系统，处理此系统，进而转化为微分几何控制技术。从本质上来讲，风力发电控制系统就是一个呈现非线性关系的系统，由于在运作中会受到风俗速影响，这一控制系统由很多种技术参数组成。微分几何控制技术在运用过程中，风力发电控制系统中非线性关系这一问题是必须要解决的，之后就是对双馈发电机进行相应的操作，在多次研究后得到最后的输入或者输出命令，最后就是需要充分融合发电机反应的情况，确保风力发电控制系统能够实现高效率的运作，这样就能够更好地捕获风能，提升风力发电水平。假如额定值小于风的速度，这时就可运用风力发电机转动速度降低的方法控制好风电发电系统的功率，确保其功率值，此技术的应用可代替以前的变桨距系统，有效的加强工作效率。同时，在數学中微分几何知识的利用下，在微分结合控制技术利用就能够将线性变化关系反映出来，这样风力发电机非线性关系就能转化成为线性关系，便于操作。结合微分几何原理就能够设计出一个控制设备，这个设备不但简单，而且使用起来很方便，便于更好的控制非恒速发电机组。但需要明确的是：微分几何非线性控制理论反馈控制中优势很多，但在设计这一控制技术中特别是计算中难度很大，通常状况下它反映的是一种函数，并且是很难看懂的非线性函数，这种算法的局限性很大。另外，在时代的迅猛发展下，不断提高了CPU性能，这样就能够在风力发电控制系统里更好地应用微分几何控制理论，这样这一理论会有更大范围的应用。

3 在风力发电控制系统智能化中应用专家系统

专家系统是一种智能推理程序，对知识有效处理，事实上就是结合当前条件对人类一系列推理现象进行模拟，利用一些专业知识判断和推理各大模块，对各领域知识与经验妥善处理，并具有一定的解释功能。所以在诊断故障产生原因中常常适用。风电机组是由很多部分共同组成的一种系统，不管哪个环节有故障出现，都会对机组的安全运作产生严重的影响，在诊断风电机组故障中常常应用专家系统。在构建起风电机组机舱故障诊断专家模型后，根据模糊控制诊断引发风力机舱故障的原因，进一步强化风力机舱故障诊断专家系统运作的准确性和快速性。在分析机组电流信号下，并提出一些特征向量，根据BP神经网络系统所对应的优势，构建起完善的诊断故障模型，实现对故障准确判断；专家系统可对风电机振动故障及时诊断。在对各个风电机组的区域转矩控制与变桨控制的前提下，提出了新的一种专家系统，即模糊专家系统，可以对风电场风速有效预测；专业系统也在确定海上风电场的可用性中应用，能够对海上风电场维修成本有效控制。专家控制系统结合传统控制方法，这是专家控制系统研究的主要方向。因为风电机组就是一种很复杂系统，引发机组振动的因素有很多，造成故障的问题也很多，并且很有可能同一时间内出现多种不同情况的故障，在这样的状况下必然朝着向其他控制理论互相综合应用的趋势发展，多种控制理论的融合对于促进风力发电控制系统的稳定健康发展起到了积极的作用。

4 在风力发电控制系统中应用人工神经网络技术

图1 人工神经网络发展新方向

人工神经网络称之为非线性映射，具有很强的抗逆能力，具有一定的自组织性，可以学习与适应不确定系统的动态特征，并具有其他系统无法比拟的容错能力。风速是始终处于变化状态的，风速预测既和预测方法有很大关系，也与预测地点与预测周期有很大关系。可使用时间序列神经网络短期风速预测方法，这种方法用时间序列模型对神经网络中输入量进行选择，并使用多层反向传播网络系统预测风速序列。同时，也能使用小波分析与人工神经网络互通的方法来短时间预测风力发电功率。使用神经网络对风电场发电量进行预测，这样可降低功率波动率。使用前对人工神经网络估计风速，这样能够加强系统的动态性能，即便在现实环境中风速出现了很大的变化，也可以正常稳定运作。在风电机组研究过程中，变桨距系统是很重要的一部分。结合变速变距型风电机组液压驱动变式情况，可使用控制神经网络变距的方式，来完善解决变桨距机构的参数时变性、滞后性控制等一系列问题。在弹性自适应人工鱼群BP神经网络桨距控制器能够使风电机组变化风力中获得最大能量能，转速与机械负载变化量最小。为了能够捕获更大的风能，人工神经网络控制器结合了发电机预测模型，综合了BP算法与遗传算法的优势，提出了新型的BP神经网络算法，此算法经常用于诊断风电机组齿轮箱故障中，加强了工作的稳定性与可靠性。Elman神经网络能够降低网络调整参数的敏感性，对局部极小值的出现能够很好抑制，所以Elman神经网络在诊断故障中可以识别出这种故障类型，进而有效判别齿轮箱故障。在非线性系统中利用神经网络，并不需要精确度提高的数学模型，在自学习过程中能够取得控制很好的效果，实现最优化电能质量。在分析风电机动力学过程中，神经网络能够充分利用，实现优化电能质量。在分析风力机动学中，神经网络可以更好利用，并且容错能力非常强，不确定的风电机组模型，结合神经网络控制技术以及其他几种控制技术，这样就能够构建起科学的数字信号器，此控制器能够最大程度上降低载荷，具有很强的有效性。当前，人工神经网络有了发展的新方向，如图1所示。

5 在风力发电控制系统中应用最优控制智能技术

风力机系统随机扰动性太大，有很多不确定性的因素，其平衡点在风速的变化下而变动。因为难以确定数学模型，优化系统的数学模型的控制效率非常好。但只是根据工程附近线性化模型设计控制器，这样无法与风力发电系统控制性能要求相符，不同形式下的线性方法与动态线性有些类似，反馈线性能够在更大范围内保证精确化线性的实现。在风力发电机运作中，有无功率都需要结合负载变化状况做反映，这样就会引发转子电流出现变化，与小电功率波动要求发生冲突，这一冲突的设计要求可视为最优控制问题进行处理。在矢量控制动态模型下实施扩展，对最优功率输出调节器进行设计。为了防止风速的测量，控制变流器和速度来输出控制发电机。最大风能在风力发电控制系统中，将反馈线性化与跟踪控制应用相结合，在对发电机转子转速跟踪风速变化进行控制，在控制发电机转子转速跟踪风速变化下对叶尖速比进行最优，这样保证能够最大限度捕获额定风速风能，从而控制风力发电机的输出功率。使用LQG方法转变了变桨距控制器的设计，可对一些控制信号进行修改，在额定风速下使风电机组可以最大程度上捕获风能，在额定风速值以上确保功率稳定输出，在自由参数引入后，重新分配高频率与低频率的权重，进而确保系统最优性能。

6 结语

从以上分析中可见，人们会更加清晰地认知在风力发电控制系统中应用现代控制技术，进而更加完善现代控制技术，促使风力发电控制系统能够给人们提供出更多、更便捷的服务。但结合实际情况来讲，风力发电控制系统还有更多的使用价值有待挖掘，应对其使用价值深入挖掘，进而使风力发电控制系统能够造福更多的领域。

参考文献

[1] 任丽娜，焦晓红，邵立平.风力发电机速度跟踪自适应控制研究[J].太阳能学报，2013，30（10）.

[2] 宋华振.贝加莱的风力发电控制系统[J].自动化博览，2010，（9）.

[3] 郑雪梅，李琳，徐殿国.双馈风力发电系统低压过渡的高阶滑膜控制仿真研究[J].中国电机工程学报，2013，32（27）.

作者简介：王家坤（1986-），男，山东济南人，供职于山东国华时代投资发展有限公司，研究方向：风力发电运营。

（责任编辑：蒋建华）