(天津瑞源电气有限公司 天津市 300385）
摘要：变桨控制器作为风电机组整机控制系统的核心部件之一，由于风力发电系统具有非线性和参数时变等特点，其控制器参数在设计和优化时不易计算与整定。利用Bladed软件中模型线性化结合模型降阶算法建立参数整定的机组线性化模型，应用控制器PI参数，并基于Bladed参数辨识结果计算转速-转矩控制的增益系数和自适应PI变桨距控制的增益因子，基于Bladed的风电机组变速与变桨距控制器参数方法,仿真结果表明了该方法的正确性。
关键词：风电机组；Bladed；控制器
风力发电技术的飞速发展，使风力发电成为增长最快的电力产业。为降低风轮负荷延长使用寿命，抑制风力发电机组输出功率波动降低对电网的不利影响，大中型风电机组通常在额定风速以上采用变桨距控制，通过改变风轮桨叶桨距角，进而改变风能利用系数，使机组输出功率保持稳定。但风力发电机组具有较大转动惯量和较严重的非线性，且自然风速变化范围大，使风力发电机组变桨距系统控制困难，为此通过对变桨距控制器的研究来实现对输出功率的稳定控制。
一、慨述
实际风力发电机组控制仍主要采用PI控制和查表控制等传统控制算法，但对于具有强非线性和参数时变的风力发电系统，机组线性化定常模型不易建立，控制器参数整定与优化计算往往需要花费大量时间；风速的大范围随机变化又使控制参数对运行工况的适应性较差，研究适用于风力发电机组控制器的参数优化方法，对发电机变频器的机侧与网侧PI控制器，并没有涉及机组变速与变桨距控制器中的PI参数整定。运用小信号分析法在双馈风力发电机组确定运行点进行线性化，在此基础上通过零极点配置设计控制器，但当系统运行点改变时，参数优化后的控制器控制效果可能会变差，需要对控制参数进行重新优化。
风力发电机组设计与仿真软件Bladed目前被广泛应用于机组设计及改型中。该软件高精度的机组模型和准确的参数功能，基于PI控制器参数整定和转矩控制增益系数的计算，利用得到的风速工况点PI参数实现自适应PI变桨距控制，形成了一种基于Bladed的风电机组变速与变桨距控制器关键参数整定方法。
二、基于 Bladed 的变桨距 PI 控制参数整定
由于自然风的大范围随机变化，大型风力发电机组控制器的作用随着机组运行状况为桨距控制和转矩控制。在额定风速以下进行转矩控制，通过调节转矩控制转速，而桨距角保持最佳桨距角不变，实现最大风能追踪；反之则进行桨距控制，通过改变桨距角来控制转速，而转矩设定保持额定不变，实现恒功率控制。根据图的机组转速-转矩曲线，转矩控制BG段，转速控制AB段和GH段。
.png)
BG段采用查表控制或增益系数法进行最大风能捕获控制，PI控制算法则应用在AB段和GH段的恒转速控制中，因此PI参数整定变桨距PI控制外，还将转速转矩PI控制参数。
基于Bladed的风电机组模型线性化，基于经典控制理论的PID参数整定方法需要对象的数学模型，由于大型风力发电机组是一个连续非线性多变量随机系统，无法直接建立用于参数整定的线性模型，目前广泛应用于控制系统仿真的非线性机理模型，由GH公司开发的发电机组仿真软件Bladed可利用设备参数建立数学机组仿真模型，由于该软件通过IEC认证，仿真计算准确，模型精确度高，对由Bladed 建立的机组模型使用模型线性化功能，可得到MIMO线性化模型。
.png)
系数矩阵A，B，C，D 为三维数组，最后一维是风速。将Bladed Linear Model 和Matlab 软件进行计算，即可得到风速范围内任一风速下用于PI参数整定的 SISO线性模型。
1、线性化模型的降阶处理。通过线性化计算可取得一系列SISO传递函数，但这些传递函数阶次过高，不仅不利于时域系统计算，也不利于分析系统性能和参数整定，对模型进行降阶处理，对式中的桨距-转速模型降阶得到FOLPD模型。
.png)
2、PI参数整定。根据降阶线性模型采用最优参数整定法进行初步整定，将整定结果用于免疫记忆粒子群算法中计算初值，这样可有效解决局部最优问题。对式中的桨距-转速FOLPD模型，利用最优参数整定法中的ISE、ISTE、IST2E指标进行整定，其整定结果如表。
.png)
其中Kp为PI控制器比例系数，Ti为PI控制器积分时间，可见ISE得到了更好的动态特性，而IST2E得到了更好的稳态特性，为兼顾系统动态性能和稳定特性选择ISTE做为最优参数法整定指标。通过计算适应度值及位置得到并判断是否满足结束条件，适应度函数评估是选择操作依据，指导着优化算法按控制目标的要求不断进化。因此，采用函数形式为：
.png)
该性能指标函数充分考虑了控制的准确性、快速性、稳定性，而且为避免超调，采用了惩罚功能，即一旦产生超调，将超调量作为最优指标的一项，并给控制器各性能指标函数赋予不同的权重。系统内部稳定性判定，由于风速扰动信号的随机性，风电机组控制系统可以视为典型反馈控制系统结构。在这个系统结构下，扰动信号v 为外部风速扰动信号，m 为转速测量噪声，ωr为转速设定，仅分析系统的输入和输出稳定性只能保证由稳定输入激励下的输出信号有界性。只有系统从输入信号(ωr,v,n)到内部输出信号(x1,x2,x3)的闭环传递函数都稳定，系统才是稳定的。
三、转速转矩 PI 控制器参数整定与计算
桨距控制器PI参数整定方法同样可以应用在转矩PI控制的参数整定中。算例机组转矩-转速模型在风速v=8 m/s 的传递函数如式：
.png)
由于转矩控制主要为电气设备控制，对象的纯迟延非常小，但惯性较大，可直接采用模型降阶法得到一阶惯性模型。对式中转距-转速模型采用Pade和降阶法。Pade降阶法：
.png)
以降阶转矩模型为对象，采用PI参数优化，计算中使用的群体个数数目为 30，取学习因子c1=c2=2，惯性因子wmax=0.9、wmin=0.4，交叉概率 Pe=0.9，变异概率Pm=0.1。模型降阶通过参数整定法所得初值为：Kp=4 580.505，Ti=5.849。获得的优化参数为Kp=3 701.5, Ti =7.458。性能指标仿真结果，通过与参数整定法的控制器取得更好的控制效果。
四、PI 桨距控制器参数整定
基于建模方法可得到实例机组在风速高于额定时各风速点的桨距-转速 FOLPD模型，因篇幅所限这里仅给出风速分别为12 m/s，14m/s，18m/s，20 m/s 的桨距-转速模型如下：
.png)
可见，由于风力发电系统具有参数时变的特点，在各个风速点桨距-转速模型参数变化较大，所以基于某个风速点模型整定的PI参数无法在整个工作范围都取得最优控制效果。因此根据风速点的变化自动调整PI参数的自适应桨距控制器会取得更好的控制效果。对于进行PI参数调整，采用智能实时整定方法，在PLC中还不易实现。根据不同风速点的模型整定出参数，再根据多组PI参数与桨距角之间变化规律，自适应调整桨距控制器PI参数。Bladed仿真中采用变增益因子的自适应PI控制器，其形式为：
.png)
为验证自适应增益因子计算结果，在Bladed桨距控制器设置表中PI参数为基准参数，桨距角变化范围的增益因子F，对自适应PI控制和普通PI控制在湍流风下进行仿真，结果如图所示。
.png)
.png)
结果，自适应PI控制其功率和转速波动更小，取得了优于普通PI控制的控制效果。
结论：
1、利用Bladed模型线性化获得适用于PI参数整定的机组线性模型，通过优化算法整定得到转矩与桨距控制的PI参数，实现控制器PI参数的最优整定。
2、基于风速点模型整定出PI参数，根据计算PI参数自适应调整的增益因子，实现自适应变桨距控制，Bladed运行仿真结果表明自适应PI控制的正确性。
参考文献：
［1］肖劲松，倪维斗． 大型风力发电机组的建模与仿真［J］． 太阳能学报，2018，18( 2) : 117 － 127
［2］廖红华，钟建伟． 基于 FUZZY－PID 控制的高精度电阻炉炉温控制系统的研究［J］． 湖北民族学院学报: 自然科学版，2018，23( 1) .