风力发电控制系统研究综述赵满都拉

发表时间:2020/6/1   来源:《中国电业》2020年1月3期   作者:赵满都拉
[导读] 随着社会进步和经济发展,绿色、生态、可持续发展已成为全球发展的共识,
        摘要:随着社会进步和经济发展,绿色、生态、可持续发展已成为全球发展的共识,如何提高能源的利用率,开发新型能源,减少环境污染,成为了人类共同的议题。风力发电技术的发展,为一次能源的节约和生态文明的建设做出了巨大贡献[1]。但是,随着风力发电的推广和普及,对风电技术提出了更高的要求,特别是作为风电系统心脏的控制系统。因此,对风电系统控制技术开展的基础研究,对风力发电的应用和推广具有重要意义。
关键词:风力发电;控制技术;智能控制

1 引言
        随着矿物能源的逐渐短缺,世界能源结构也随之发生了根本性的变化,人们倾向于更多的开发和利用可再生能源。可再生能源顾名思义就是一种可以循环再生的能源,所以是取之不尽的,如太阳能、地热能、水能、生物质能都属于可再生能源[2]。在目前发现的可再生能源中,风能属于应用较广泛、技术发展较成熟的一种,在最初人们发现风能的可利用性时,主要将其应用于抽水、磨面,现今在发电领域也得到了较多的应用。由于相比于其他新能源,风力发电的成本较低,且应用前景也很好,因此受到全世界的重视。据有关机构统计,全世界风力发电总量可达到1300亿千瓦,这个数据相当可观。因此,我国也一直在不断加强对风能的开发和对风电技术的研究和应用[3]。
        作为一种取之不尽且无污染的能源,风能的利用和开发都相对简单,它的应用不像化石能源需要采掘以及二次加工;也不像水利能源需要建造大坝来推动水轮机运转;更不像原子能需要消耗巨大的人力物力去研发。由于风能较为稳定,且不易污染环境,对于缺水的沙漠、草原,缺燃料的海岛,交通不便的山区,都可以大力发展风电技术。本文就对风力发电的控制技术以及当前应用的一些智能控制技术进行简单探讨。
2 风力发电控制技术
        由于风能的存在风速和风向都随机的固有自然特性,风电系统对自动控制系统的设计提出了较高的要求,要求自动控制系统可以应对切入电网、切出电网、主动对风等情况,且能够实现运行工况的故障检测。最初风电系统较多采用定桨距恒速运行,随着技术的发展和研究的深入,基于变桨距技术的变速运行是当前的主流控制方法,已经基本可以保证向目标地供电的要求。
2.1 定桨距失速风力发电技术[4]
        在风力发电应用初期,定桨距风力发电技术被应用于解决风电机组的并网和安全、稳定运行。采用定桨距的机组,桨叶节距角是确定的,电网频率决定了发电机的转速,输出功率则受限于桨叶。当实际的风速比额定转速高时,系统采用失速调节的方式稳定功率。失速控制的原理是利用独特的叶片结构,当风速过高时,在叶片的背风面产生紊流,影响叶片捕获能量,从而产生失速。但由于失速过程非常复杂,难以做出精确计算,所以对于MW级以上的风电机组,基本不会采用定桨距失速风力发电技术。
2.2 变桨距风力发电技术
        根据空气动力学的原理,通过改变桨叶节距、调整气流与叶片的攻角,就可以在风速过高的时候,达到保持机组输出功率稳定的效果。此外,由于机组在变桨距调节方式下的输出功率稳定,机组设备受阵风冲击也较小,因而可以降低整机重量。但是机组对变桨距机构的要求是要足够快的响应阵风从而减少其对功率的影响,所以变桨距机构的控制系统较为复杂。


2.3 混合失速风力发电技术
    混合失速风力发电技术结合了前面两个技术,在风速比较低的情况下,利用变桨的方式调节,能够使其气动效率更好,在风力发电机额定功率下,利用变桨反方向调节桨距,从而改变叶片的攻角,致使产生进一步的失速,带来平滑的功率输出,这样具有了两种方法的优点。
2.4 变速风力发电技术
    所谓变速即为风力发电机的叶轮转变旋转速率,根据风速的改变,保证比较稳定的叶尖速比,此为风能利用系数最好的形式。此技术不仅在低风速时,调整到最优叶尖速比,从而根据风速改变得到最大的风能;而且在高风速时,调整传动系统使风机转速转化为储存的一部分电能,使功率输出平稳、高效和转矩补偿等优点。3 智能控制方法
        随着风电技术应用的推广和机组功率的增大,出现了许多的控制难题,如时变性、非线性、多干扰性、耦合性等,现代科学家将智能控制方法引入风电机组控制系统,不断优化风电机组控制系统的动态特性和控制效果。
3.1模糊控制算法与PID 算法相结合
        为了改进传统的PID算法,将模糊控制与其相结合。在系统最不利工作点采用传统的PID控制器,已达到较好的变桨距控制效果,可以较快的稳定转速。为了进一步改进控制效果,引入模糊控制作为前馈信号,以保证在各种风速下都能获得较好的控制效果。采用模糊前馈信号,可以在风速发生高于额定风速的变化时,通过利用桨叶气动特性,缩短系统响应时间。针对不同系统,还可以进一步采用模糊PID - PID 双模控制,进一步增强控制效果。
3.2 模糊算法和神经网络相结合
        目前也有较多机组采用模糊控制和神经网络相结合的控制方法,系统采用神经网络特性进行逼近,在其中结合采用模糊控制,在风速发生高于额定风速的变化时,通过利用桨叶气动特性,缩短系统响应时间、减小超调量,减轻功率震荡,稳定系统动作等。
3.3 风力发电自适应控制
        由于采用传统的控制方法会在转速和电流控制方面存在不足,当代科学家将自适应控制方法应用于风力发电系统控制中,并取得了较好的控制效果。在控制系统中加入自适应换届后,可以对系统的动静态转速实现较好的控制,并且可以达到减小输出电流脉动的目的,从而延长风电机组的运行寿命。此方法首先要对系统进行李雅普诺夫稳定性分析,在分析结果的基础上,应用于对变桨系统的控制。
四 结束语
        作为风电机组的大脑,控制技术是保证系统安全、稳定、高效运行最核心的部分。加强对风电系统的基础研究,保证我国的自主开发能力,对于风电机组成本的降低和风力发电的普及具有重要意义。但是目前我国的风电机组控制技术还与国外存在较大差距。如何增强系统中储能设备的自动维护功能、维护蓄电池组的运行,是未来亟待研究和解决的问题。
参考文献
[1] 徐大平, 张新房等. 风力发电控制问题综述[J].中国电力,2005,38(4):70-74.
[2] 刘迪吉, 曲民兴. 开关磁阻发电机[J]. 南京航空航天大学学报,2003, 35(2):109-115.
[3] 黄建峰. 全球风力发电的现状及展望[J]. 动力与电气工程,2013.
[4] 方永, 胡明辅. 风力发电的现状与进展[J]. 可再生能源,2013.
[5] 刘彦东. 风力发电现状及对策[J]. 内蒙古石油化工,2012.
投稿 打印文章 转寄朋友 留言编辑 收藏文章
  期刊推荐
1/1
转寄给朋友
朋友的昵称:
朋友的邮件地址:
您的昵称:
您的邮件地址:
邮件主题:
推荐理由:

写信给编辑
标题:
内容:
您的昵称:
您的邮件地址: