戎午阳
山西龙源风力发电有限公司 山西太原 030000
摘要：目前，我国的风力发电技术发展越来越成熟，通过预测模型、控制系统、专家系统等在风力发电系统中的实践应用，能够实现对系统的全面完善。目前，风力发电控制系统虽经过一定发展，但普遍处于建模控制阶段，仍有较大发展空间。本文主要针对风力发电控制系统中心的信息化控制技术的应用方法及实际效果进行了研究。
关键词：风力发电；控制系统；信息化；控制技术
现代信息化控制技术属于一种全新的技术类型，目前，在风力发电控制系统中应用十分广泛，两者之间具有尤为密切的关系。
1自适应控制技术在风力发电系统中的运用
自适应控制技术是在新一代控制理论和网络技术基础上提出的新型控制技术，在风力发电运行的实际过程中具有较好的适应性和针对性，风力发电控制系统中的运用自适应控制技术可以针对尚未构建模型的运行参数进行调整，进而实现风力发电系统动态阶段变化的实时性控制，从而保障风力发电设备达到稳定运行、安全运转的目标实现。当前自适应控制技术的应用主要集中在风力发电中控制系统的中控部分，通过自适应控制技术构建的功能型平台能够实现风力发电系统及时准确的捕捉风力和风强，动态性地调整发电控制系统的以适应周边环境变化的实时性和突发性，真正起到对环境要素的全面、适当、有效地调整。自适应控制技术在不同风力发电设备之间还有着数据交换和信息沟通的功能，通过对个别风力发电设备反馈的信息，风力发电场站可以形成运行环境的深入认知，有助于建立更加完整、更加准确的环境信息库。同时，风力发电场站课可以通过风力发电设备整体的历史数据进行深入加工，制定和形成适应实际的风力电力生产的策略和目标，因此，自适应控制技术在风力发电控制系统中的应用具有显著现实意义。
2专家评估系统在风力发电控制系统中的运用
专家评估系统是基于大数据技术和专家数据库系统的智能推理系统和辅助程序，是对专家思维和推理过程的全过程仿真与真实性模拟，由于专家评估系统包含专业知识信息库、推理与演绎模块、专家经验数据库、知识与经验储备等功能组成部分，所以对风力发电控制系统实现对实际情况和具体问题的分析和判断有着重要的针对性和功能性。风电机组系统是结构性和功能性高度融合的复杂系统，任一子系统存在运行的风险和故障都会在整体上和功能上造成对整个系统的不良影响和严重威胁。专家评估系统可以形成对风力发电机组电力信号、故障信息、特征向量的跟踪，实现整个风力发电控制系统对海量运行数据的模糊控制，在采取出组区域转矩控制的基础上结合变速控制方式，更好地提出针对不同风场风速风强的运行调整建议，在准确预测和全面控制的同时实现风力发电设备高效率、高安全地运行。风力发电设备及其控制系统在结构上异常复杂，根据系统论的基本观点风力发电系统越复杂，造成风力发电系统故障和隐患的因素就会越多，风力发电设备及其控制系统故障就会越复杂、越难于处理，而专家评估系统的应用可以实现对各设备、各器件的动态跟踪和实施检测，采取专业化推理和功能化演绎的方式作出故障和隐患的判断，更好地实现风力发电设备及其控制系统的连续、安全地运行。
3仿真神经网络技术在风力发电控制系统中的运用
仿真神经网络技术属于分线性的映射技术，在风力发电生产中应用仿真神经网络技术可以有效提升整个系统的功能性和抗逆能力，同时由于仿真神经网络技术具有的可扩展性和可学习性风力发电控制系统可以实现对功能的自组织，有效实现控制系统的跟踪学习和容错能力，这使得风力发电系统可以不断开发出递进型的控制体系，更好地适应风力发电的动态性、连续性、不确定性等更重条件和基本情况。
风速、风向和风力的辩变化具有动态性和不平衡性的变化特征，利用仿真神经网络技术可以准确实现对风速的预测，进而做到风力发电控制系统的实时性、全面性调整，以适应风力发电生产和运行安全的实际需要。通过仿真神经网络技术中的遗传算法可以实现发电系统对现实运行参数的调整，通过BP算法可以实现对现实风场的准确预测，在仿真神经网络技术深入应用的基础上可以实现风力发电设备对风能捕捉能力的极大提升。仿真神经网络技术的优势还在于对风力发电系统运行的跟踪、分析和诊断，特别对于风力发电设备的运行状态和故障隐患更是有着及时的判断和实施的诊断功能，通过仿真神经网络技术的应用进一步提升整个体系对发电系统、控制系统的感知能力，有效地提升风力电机的动力性能和连续性，在技术、系统和功能上实现了风力发电运行的稳定性，进一步提升了风力发电电能的质量。
4人工智能技术在风力发电控制系统中的运用
风力发电控制系统在实际运行中面临各种不确定性和不可控性的影响，动态因素的嬗变性产生风力发电控制系统必须具备较强的适应能力和调节能力。传统风力发电控制系统利用建构数学建模和仿真模型来确定各种动态因素，但是受制于数学手段、技术设备、运行平台、设计意图、方式方法上的限制，导致验算和推导出的风力发电控制系统难于适应风场实际，特别在优化风力发电控制方式上由于简单地局限在线性方程的设计，导致风力发电控制系统不能够动态反应电机工作特点，导致风力发电控制系统不能精确化、实时化地对风力做出及时反应，出现功率与荷载、电流与电压等一系列参数的波动，最终影响风力发电生产的安全性和稳定性。通过人工智能技术的应用，风力发电控制系统可以实现在多维度、多工具之间的平衡，针对风力发电设备环境的现实要素、实际变量实现参数的系统分解、动态处理和線性优化，不但提升了控制系统对风力发电设备的可控性，而且也实现了控制系统对风能持续的捕捉，还达到了提升风力发电设备利用效率的目的。通过人工智能技术的应用，在控制系统中可以形成正反两个方向的信息交流，通过双向反馈和跟踪有效提升风力发电转子的运行状态，将调整和控制风力发电主要结构和系统的功能转化为控制系统的自动化调控功能，在系统跟踪风速变化、准确调整叶片速度的基础上实现高效率、连续性电力生产。
5微分几何控制技术在风力发电系统中的实践应用
微分几何是数学中的重要内容，目前，这一内容也在人们的日常生活当中进行了广泛应用。从本质上来看，微分几何主要就是研究线性之间的关系，风力发电系统从一定角度上来看，其实是具有一定的非线性关系，在具体运行过程中，经常会受到风速的影响，它是由很多的技术参数共同构成。在对微分几何控制技术进行应用的过程中，首先就是解决非线性关系，之后对双馈发电机开展一系列操作，输入相关命令，之后结合发电机的反应状况，为风力发电控制系统的高效率、稳定运行提供保障。与此同时，也能够实现对风能的有效捕捉，提高风力发电水平。现实情况下，如果风的速度大于额定值，那么一般可通过降低风力发电机转速的方式，对风电发电系统功率进行控制，确保其功率值在标准范围内，通过微分几何控制技术，能够对以往的系统技术进行取代，从而大幅度提高系统的工作效率。
6结语
综上所述，本文主要对各种现代信息化控制技术在风力发电控制系统中的实际应用进行了初步的研究，通过理论分析和实际应用效果，能够使人们对各种现代风力发电信息化技术有一个清晰、明确的认知。目前，风力发电控制系统虽经过一定发展，但普遍处于建模控制阶段，仍有较大发展空间，而同类型新技术风电场运行效益则更为显著。因此，还需要进行更深层次的研究，更加有针对性地不断完善本文所述的现代信息化控制技术，使其能够更好地服务于风力发电控制系统，从而最大限度发挥出其在社会经济发展中的重要作用和价值。
参考文献：
[1]闫豪,李君略.信息化控制技术在风力发电控制系统中的运用[J].电子技术与软件工程,2018,57(3):140.
[2]叶云洋.“大型风力发电机组的装配与调试”培训平台的构建与实现[J].中国教育信息化,2016,95(16):89-941.