（中国大唐集团内蒙古分公司蒙西事业部 内蒙古自治区乌兰察布市 012300）
摘要：风力发电就是将大规模风力发电机并入电网运行，发电机与电力系统发生电气连接，进行功率交换。由于风力发电机组中风速随机变化，致使并网时因转子速度异常，产生的不稳定电流会引起电网电压大幅度变化，致使并网响应速度过慢，造成运行不稳定，更有可能损坏发电机。采用智能控制方法，控制并网时风力发电机组的变桨功率，将控制规则以规则集的形式存储在规则库中，再对控制规则进行优化，减小功率输出波动，改进智能控制的效果，使其具有实时学习能力，实现风力发电机组空载并网智能控制。
关键词：风力发电机组；空载并网；智能神经网络控制
引言
在风力发电系统之中，要想提高电能的质量以及保证电力输送的稳定性和可靠性，对风机发电机中的设备有着较高的要求，而电力电子技术相对于其他传统技术具备较多优势，能够有效解决风力发电系统中存在的一些问题。
1、概述
2019 年 5 月，国家能源局印发了《关于 2019 年风电、光伏发电项目建设有关事项的通知》，重点突出推进平价上网和加大力度实施需国家补贴项目竞争配置的两大方向，同时强化风电发电项目的电力送出和消纳保障机制，提高市场竞争力，推动产业进入高质量发展的新阶段。2019 年，全国新增风电装机 2574 万千瓦，全国平均弃风率 4%，同比下降 3 个百分点。到 2019 年底，全国风电发电累计并网装机容量达到 2.1 亿千瓦。2019年，我国风电发电总体平稳有序发展，风电增速同比提升，风电产业技术持续进步，弃电现象得到有效控制。2020 年是“十三五”规划的收官之年，做好 2020年风电行业管理工作，对巩固“十三五”发展成果、推进“十四五”良好开局具有重大意义。根据《通知》，对项目建设管理有关各方明确了相关要求。一是对省级能源主管部门，要求根据国家可再生能源“十三五”相关规划、电网消纳能力、监测预警要求等，合理安排新增核准（备案）项目规模，规范有序组织项目建设，并加强项目信息管理。二是对电网企业，要求及时测算论证 2020 年风电发电新增消纳能力并落实消纳方案，做好电力送出工程建设衔接，合理安排项目并网时序。三是对投资企业，要求理性投资、防范投资风险，严格落实各项建设条件，有序组织项目开工建设，加强工程质量管控。四是对各派出机构，要求加强对规划落实、消纳能力论证、项目竞争配置、电网送出工程建设、项目并网消纳等事项的监管。
2风力发电机组的基本组成部分
传统意义上的风力发电机通常包括4个工作板块，分别为风速模型、风机、发电机和控制系统。首先，风速模型具有比较明显的波动以及随机特点，这个模型的建立是4个模块中最为复杂的部分。在一般的风力发电机组中，对于电网的影响风速性能分析需要进行部分的简化，因此我们常常将简化后的工程分为两个不同的部分，分别为平均风速和其他干扰因素。其次，在风力发电机组中的发电机种类是比较繁琐的，因此需要能够快速找到感应电机模型中同步的型号。为了能够对于风力发电机的稳定性因素进行仔细研究，我们同样需要能够营造了一个比较良好的研究环境，例如忽略饱和情况，定子绕组的动态情况，定子槽影响电子转动的情况。对于异象模型机的电网分析，工作中需要涉及一些比较复杂的方程组模型，例如摇摆方程、磁链和电压方程等。最后，对于控制系统模板而言，主要涉及了功率检测以及速度控制两个不同的工作板块，需要能够在规定的时间内完成如下的工作任务：在规定的风速条件下，机组能够稳定运行；在额定风速情况下，能够最大程度上吸收能量；在高频风速下能够保证风机保持稳定的输出模式，避免出现放电机或者其他装置出现过度负荷的情况。因为控制部分是风电系统高效运行的重要保证，所以需要能够灵活切换不同的工作模式，常见的控制模式有定浆距离控制、最大频率跟踪控制等。
3风力发电机组空载并网智能控制方法设计
风力发电机组空载并网智能控制方法设计流程包括智能控制设计，优化控制规则，两大部分。
3.1智能控制设计
由于空载并网具有多输入多输出的非线性对象，为了更好地控制风力发电机组空载并网，利用智能控制来描述多变量之间的关系，使被控对象输出量与期望输出量相同。利用智能控制调节功率，使变桨距执行机构能及时变速运行。
设定风电机组输出功率P0，额定功率为Pe，功率误差e=ΔP=P0－Pe，误差变化率ec作为输入变量，u作为输出变量。通过量化因子kE、kEC将准确值e、ec量化为E、EC。设E(t)(－xE，xE)为输入变量e的基本论域，dE(t)dt(－xEC，xEC)为输入变量ec的基本论域，输出变量u的基本论域为(－xU，xU)。根据资料显示在控制过程中输入的量化因子kE、kEC和输出的比例因子kU对控制效果有大影响。
3.2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。
.png)
图1 基于ＲBF神经网络的智能控制模型
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［8］。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。
4实验对比分析
4.1实验准备
为验证提出的智能控制方法达到稳定状态的快慢及控制方法的拟合精度，将风力发电机组空载并网智能控制方法与常规控制方法进行对比。利用Simulink进行控制方法达到稳定状态仿真实验，测试常规与智能空载并网控制方法，系统达到稳定程度的时间快慢。假设有5对输入－输出样本，用常规控制方法和智能控制方法的控制规则对已知数据样本的进行拟合，与实际控制方法对样本的拟合相比较。
4.2实验结果
拟合误差平方和越小，拟合精度越高。从图8可以得出拟合误差平方和J=1.64，从图9中可以得出拟合误差平方和J=0.84。由此可知智能控制方法对样本的拟合精度明显高于常规控制方法对样本的拟合精度，所以智能控制方法的精度较高，在控制风力发电机组空载并网时的效果越好。
5风力发电中的智能控制实践
5.1对风力发电系统进行改造
在传统风机发电机中，主动失速或失速风机发电机的关键运行方式，但这种运行方式存在着输出功率的稳定性和可靠性较差的问题，而电力电子技术的应用则实现了对风机发电机系统的优化。比如，变速恒频风力发电机系统的应用，该系统中的变速恒频变桨距调节能够在双馈感应电机被配置在内部的情况下，提高整体的输电质量，同时降低能耗。
5.2对储能的优化
在风力发电系统中，如何解决风向和风速的不稳定性，是提高风力发电系统效率的重要课题，面对这一问题，可以通过强化对风能有效存储的方式来提高发电和供电的稳定性。目前较为通用的储能方式是使用蓄电池，蓄电池的优势在于能够较快地进行储能，且蓄电池的安装过程也较为简单。此外，通过超导线圈也能够实现对风能的储存，但就现有技术条件而言，该技术尚且不够成熟，还无法实现普遍应用。
5.3风力发电滤波和补偿的应用
风机发电机组在运行时有时会出现闪变、电源波动和配电网络谐波的问题，为了尽可能避免这些问题对风力发电系统的干扰，就需要进行相应的补偿和滤波处理。现阶段最常用的两种滤波补偿技术分别是有源电力滤波器和静止无功补偿器，其中，有源电力滤波器的核心工作原理是通过电力电子器件中的相关可关断组件，按照坐标变换的原理实现瞬时无功的有效控制，最终达到补偿的目的。而静止无功补偿器是当下一种较为先进的技术，利用该技术能够改善明显的电压波动，推动电能整体质量的提高。
结束语
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]马向凯.风力发电场输电线路工程质量管理与控制[J].机电信息,2019(35):7-8.
[2]刘潇.刍议风力发电控制系统中现代信息化控制技术的应用方法[J].科技创新导报,2019,16(35):14+16.
[3]李文静,高飞,师浩田,李学东,王永鹏.基于树莓派的风力发电场远程监控查询系统设计[J].信息与电脑(理论版),2019,31(23):36-37.
[4]王雪.风力发电并网技术及电能质量控制措施[J].建材与装饰,2019(27):247-248.
[5]殷诗奇.风力发电调频策略研究现状分析[J].信息记录材料,2019,20(09):241-242.