信息化控制技术在风力发电控制系统中的运用

陈锦龙

摘要：随着社会经济的发展，我国的信息化进程有了很大进展。风力发电控制系统已经成为当下风力发电技术的核心竞争力。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

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专家系统在风力发电控制系统中的智能化应用

首先专家系统是一类程序，它负责智能性的推理在现实工作中发生的各种难以推进的项目。例如各类故障。由于其由符号系统构成，解释能力强大，因此在应用到风力发电的控制系统中对于各种模式的判定和处理以增强风力发电控制系统中自身的系统故障排查和处理。但是在整个风力发电控制的系统中，仅仅有一道推理程序是是远远不够的。由于风力发电的系统组成部分众多，常见的就有风轮、机舱、塔架、驱动链、偏航装置等。因此在建立专家系统的前提下，还应该根据实际结合对于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最终判定，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，实用性也会大大的增强。

2微分几何控制技术在风力发电系统中的运用

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，在数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自适应控制信息化技术在风力发电系统中的应用

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。

4最优控制智能技术在风力发电控制系统中的应用

由于风力发电控制系统中的随机扰动较大，不确定的因素较多，因而，可以采用最优控制技术，用优化系统的数学模型，实现有效的控制，它不同于局部线性化的方法，可以最大程度地实现精确解耦线性化，采用线性最优控制，实现最大风能的捕获。由于风力发电机在运行过程中，其转子电流变化剧烈，这与电功率波动小的需求相矛盾，为了对这个矛盾进行折衷处理，可以采用最优控制技术的方式，设计最优功率输出调节器，抑制大功率负载投切引起的母线电压扰动，通过控制风力发电机转子转速的追踪风速变化，保持最优叶尖速比，从而实现额定风速之下风能的最大捕获。

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。使用前對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。

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，风能捕获量灯量化因素进行控制，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。

（作者单位：国电联合动力技术（连云港）有限公司）