黑龙江龙源新能源发展有限公司 黑龙江哈尔滨 150090
摘要：目前，我国是经济快速发展的新时期，人们的生活质量在不断提高，对于电力的需求在不断加大，考虑到部分空载并网时达到稳定状态较慢、拟合精度较低的问题，提出了一种风力发电机组空载并网智能控制方法。设计智能控制，控制对象输出量与期望输出量相同；通过最近邻聚类算法获得初始的智能控制规则，再利用神经网络进行规则优化；综合智能控制与控制策略，实现风力发电机组空载并网智能控制。实验结果显示:风机发电组空载并网智能控制方法较常规控制方法早2s达到稳定状态；智能控制方法的拟合误差平方和低于常规控制方法，表明智能控制方法对样本的拟合精度较高，在控制风力发电机组空载并网时的效果越好。
关键词：风力发电机组；空载并网；智能神经网络控制
引言
随着双馈风力发电机组的单机容量向ＭＷ级发展，风机并网过程中的冲击电流已无法忽视，较大冲击电流造成电网电压跌落，威胁电网安全运行.因此通过合理的并网控制策略抑制并网冲击电流已成为风力发电技术至关重要的环节.目前国内外学者提出的风机控制策略包括以下几种：基于滞环比较的电压开环控制、基于滞环比较的电压闭环控制、基于ＳＰＷＭ电压开环控制与电压瞬时值闭环控制。ＳＰＷＭ电压开环控制策略，并进行了仿真验证，基于电压矢量闭环双馈风力发电空载并网策略.而滞环比较电压开环与电压闭环控制的研究相对较少，同时国内外文献鲜有将双馈风力发电机的以上几种控制策略进行对比分析研究.因此，本文拟从双馈风力发电机的数学模型和特点出发，分析比较各控制策略的优缺点.基于ＰＳＣＡＤ仿真平台建立双馈风力发电机组空载运行模型，对各控制策略的动态响应、精度及速度等特性进行比较分析，以验证理论及对比分析的正确性.最后对不同初始运行转速下的双馈风力发电机自动并网运行特性进行仿真对比.
1概述
本方案基于小风挂网技术、自适应功率控制技术、智能降载增功技术、定制化偏航技术、自耗节电技术等关键技术，通过运用智能增功控制系统，提出了定制化智能增功控制解决方案。定制化智能增功控制解决方案采用软件开发模块化、输入信号采集冗余化、关键技术集成化的开发理念，核心控制参数基于时域仿真及频域分析进行双重验证，以充分保障控制系统的鲁棒特性。先进载荷控制技术的应用大幅降低了机组操作载荷，相比传统风电机组，定制化智能增功控制解决方案能使2MW机组具有更高的可靠性、更高的发电量和更低的度电成本。定制化智能增功控制解决方案有如下特点。高可靠性:通过一系列控制算法，具体包括传动链加阻技术、塔架加阻技术、基于三高一低(高湍流/高阵风/高偏航角/低电压)特殊工况的载荷动态削减技术，实现机组降载，保障机组全工作区间内更平稳地运行。高发电量:通过运用超低风切入技术、转矩控制技术、高风速段恒转矩控制技术，大幅提高现有机组的发电量水平。基于风电场的特定电气执行机构对整机控制进行适应性设计和精细化设计，能大幅减少机组故障及停机次数，充分挖掘机组性能，提高机组发电量。低度电成本:我们在保持原2MW机组的主体结构不变的同时，通过运用智能加阻控制技术和最大风能捕获技术，降低机组运行载荷，提升承载部件疲劳寿命，提高发电量。
2风力发电机组空载并网智能控制方法研究
2.1优化控制规则
对于风力发电机组空载并网系统来说，其具有高度的非线性，需要借助ＲBF神经网络对控制规则进行优化。当智能控制的规则集个数与ＲBF网络的隐层个数相等时，使神经网络中的权值对应规则库中的参数。利用神经网络的记忆特性来记忆规则，同时利用神经网络的学习功能对控制规则进行调整，达到优化的目的。神经网络模糊控制模型如图1所示。
利用神经网络结构实现的模糊推理，生成的模神经控制具有非线性控制作用，又具有神经网络的自学习和自适应能力。通过最近邻聚类算法获得初始的控制规则，然后再把控制规则参数输入到神经网络中进行参数调整。在算法中，首先将第一个数据作为第一组的聚类中心，如果一个数据距离该聚类中心的距离小于某个预期值，就把这个数据放到此组中；否则，把该数据设为新一组聚类的聚类中心。
.png)
图1基于ＲBF神经网络的智能控制模型
2.2基于ＳＰＷＭ的定子电压闭环控制策略
电压瞬时值闭环控制中，内环的电流闭环控制与ＳＰＷＭ电压开环控制的内环控制是一样的.外环电压控制中，考虑到了暂态的变化，转子电流ｑ轴分量是由定子与电网电压的ｄ轴分量的差值经过ＰＩ控制得到，转子电流的ｄ轴分量是由定子与电网电压的ｑ轴分量的差值经过ＰＩ控制得到.最终通过电流内环与电压外环的控制，让定子电压的ｄ－ｑ轴分量追随电网电压的ｄ－ｑ轴分量，从而同时实现电压幅值、相位、频率的追踪，实现无冲击电流的并网.
2.3高偏航误差穿越
风向变化快引起机组较大的偏航误差，从而造成较大的电量损失。偏航误差角度与发电量损失呈cos2关系。风速越低时对偏航误差的影响越发明显。高偏航误差产生时，机组为卸载有时需停机保护，有时甚至直接会导致转速瞬间跌落到脱网转速。本方案通过在不同运行状态下设置不同的偏航响应等级，设置风速以上且偏航误差超限时偏航系统快速响应对风，同时变桨系统协同动作卸掉一部分负载，使风机在风向急剧变化情况下持续的发电运行。
2.4空载运行仿真实验
在亚同步区间，转子电流频率随着转速的增大逐渐减小；在同步区间，转子电流为直流；在超同步区间，转子电流频率逐渐上升，且相序与亚同步区间相反。由定子电压波形可以看到，在变速情况下，定子电压幅值仍保持不变。为更准确地观测发电机定子电压追踪电网电压的精度与速度，录制了图2所示0～0.1s时段的仿真波形。图2中:u1a为电网单相电压；usa为定子单相电压；uerr为电压偏差，用以表征定子电压追踪电网电压的状况。从图2可以看到，发电机的定子电压波形在第3个周期后基本与电网电压重合，此时电压偏差基本为0，说明在所采用的基于定子磁链定向的空载并网控制策略的控制下，发电机电压的幅值、频率、相位能以较快的速度追踪电网电压，满足并网的条件。
.png)
图2定子电压usa追踪电网电压u1a波形
结语
为解决风力发电机组空载并网时的稳定性及精度问题，设计一种智能控制方法，利用智能控制适应非线性系统的特点，结合神经网络的学习能力，对控制规则进行优化，提高自学习能力，改进智能控制效果，实现智能控制。实验表明设计的智能控制方法优化效果明显，较常规控制方法具有良好的稳定性及精度，控制效果有明显改善。
参考文献
[1]綦慧，潘全成.双馈风电模拟系统空载并网控制与试验研究[J].电气自动化，2018，40(6):34－37.
[2]吴昊峰，王向东，李树江.新的模糊控制风力机的最大风能捕获方法[J].电子设计工程，2017，25(18):147－151.
[3]张文娟.带自调整因子的双馈风力发电空载并网模糊控制[J].机械与电子，2018，36(5):52－55.
[4]张冬冬，韩顺杰，于佳文，等.双馈风力发电机并网运行控制及仿真[J].科技创新与应用，2018，236(16):16－18.
[5]吕艳玲，冯曦，朱博，等.双馈风力发电机BP神经网络并网策略研究[J].哈尔滨理工大学学报，2017，22(5):40－45.