计及叶轮不平衡的差动调速风电机组变桨距控制

doi:10.3969/j.issn.1004-132X.2024.10.019

摘要/Abstract

摘要： 为保证差动调速型风电机组在全风速区间内运行的能量效率及稳定性，在考虑叶轮不平衡、风剪切及塔影效应的影响下，提出了一种基于径向基（RBF）神经网络的滑模变结构控制（SMVSC）方法，以完成差动调速型风力机桨距的准确、快速调节。该方法将滑模误差引入其控制的自适应率中，通过在线调整RBF神经网络的权值和中心值来有效地抑制抖振效应。搭建了1.5 MW差动调速型风电机组仿真模型，在利用物理试验平台对仿真模型进行原理验证后，对所提RBF-SMVSC方法的控制效果进行了对比验证。研究结果表明：相较于PI和传统滑模控制独立变桨方法，在不同的风速条件下，所提控制方法不仅可以更加快速、精确地调节风力机转速和功率输出，还可以有效提高机组的能量捕获效率，减小不平衡载荷。

关键词: 风电机组, 差动调速, 变桨距控制, 神经网络, 滑模控制, 不平衡故障

Abstract: To ensure the energy efficiency and stability of the SRDM-based WTs across the entire wind speed ranges, a control method was proposed based on radial basis function（RBF) neural networks and sliding mode variable structure control（SMVSC), which enabled precise and rapid pitch angle adjustment for SRDM-based WTs, while considering the effects of wind wheel imbalance, wind shear, and tower shadow. This approach incorporated the sliding mode error into the adaptive law, allowing for the effective suppression of chatting effects by dynamically adjusting the weights and center values of the RBF neural network in real-time. A simulation model of 1.5 MW SRDM-based WTs was established, and then verified using the built experimental platform, through which the control performance of the proposed RBF-SMVSC method was compared and validated. The results indicate that, compared to independent pitch methods with traditional proportional-integral（PI) and SMC, the proposed control method may adjust WTs speed and power output more rapidly and accurately under various wind speed conditions, and significantly enhance energy capture and reduce unbalanced loads.

Key words: wind turbine(WT), speed regulating differential mechanism（SRDM), blade pitch control, neural network, sliding mode control（SMC), unbalanced fault

中图分类号:

TM614

张文华1, 尹文良1, 张祯滨2, 刘琳3, 彭克1. 计及叶轮不平衡的差动调速风电机组变桨距控制[J]. 中国机械工程, 2024, 35(10): 1890-1899.

ZHANG Wenhua1, YIN Wenliang1, ZHANG Zhenbin2, LIU Lin3, PENG Ke1. Blade Pitch Control of Wind Turbines with Speed Regulating Differential Mechanism Considering Impeller Imbalance[J]. China Mechanical Engineering, 2024, 35(10): 1890-1899.

导出引用管理器 EndNote|Ris|BibTeX

链接本文: http://www.cmemo.org.cn/CN/10.3969/j.issn.1004-132X.2024.10.019

http://www.cmemo.org.cn/CN/Y2024/V35/I10/1890

参考文献

［1］刘俊磊，曹娜，钱峰，等. 考虑双馈风电机组变流器控制参数的风电场内机组振荡分析［J］. 电力系统自动化，2021，45(10)：42-49.
LIU Junlei， CAO Na， QIAN Feng， et al. Analysis of Unit Oscillation in Wind Farm Considering Control Parameters of Converter for DFIG-based Wind Turbine［J］. Automation of Electric Power Systems，2021，45(10)：42-49.
［2］杨德健，许益恩，高洪超，等. 计及转速平滑恢复的双馈风电机组自适应频率控制策略［J］. 电力系统保护与控制，2022，50(6)：172-179.
YANG Dejian， XU Yien， GAO Hongchao， et al. Self-adaptive Frequency Control Scheme of a Doubly-fed Induction Generator with Smooth Rotor Speed Recovery［J］. Power System Protection and Control，2022，50(6)：172-179.
［3］DONG H Y， CHEN N N， LI X Q， et al. Improved Adaptive Robust Control for Low Voltage Ride-through of Front-end Speed Regulation Wind Turbine［J］. IEEE Access，2020，8：55438-55446.
［4］QAZI H W， WALL P， VAL ESCUDERO M V， et al. Impacts of Fault Ride Through Behavior of Wind Farms on a Low Inertia System［J］. IEEE Transactions on Power Systems，2022，37(4)：3190-3198.
［5］LIN Y G， TU L， LIU H W， et al. Hybrid Power Transmission Technology in a Wind Turbine Generation System［J］. IEEE/ASME Transactions on Mechatronics，2015，20(3)：1218-1225.
［6］IDAN M， LIOR D. Continuously Variable Speed Wind Turbine Transmission Concept and Robust Control［J］. Wind Engineering，2000，24(3)：151-167.
［7］JELASKA D， PODRUG S， PERKUIC＇ M. A Novel Hybrid Transmission for Variable Speed Wind Turbines［J］. Renewable Energy，2015，83：78-84.
［8］YIN W L， DONG Z Y， LIU L， et al. Self-stabilising Speed Regulating Differential Mechanism for Continuously Variable Speed Wind Power Generation System［J］. IET Renewable Power Generation，2020，14(15)：3002-3009.
［9］ZHAO X， MAIE P. A Novel Power Splitting Drive Train for Variable Speed Wind Power Generators［J］. Renewable Energy，2003，28(13)：2001-2011.
［10］李晓青. 前端调速式风电机组协调优化控制研究［D］. 兰州：兰州交通大学，2022.
LI Xiaoqing. Research on Coordinated Optimal Control of Front-end Speed Regulated Wind Turbine［D］. Lanzhou：Lanzhou Jiaotong University，2022.
［11］YIN W L， WU X， RUI X M. Adaptive Robust Backstepping Control of the Speed Regulating Differential Mechanism for Wind Turbines［J］. IEEE Transactions on Sustainable Energy，2019，10(3)：1311-1318.
［12］RUI X M， YIN W L， DONG Y X， et al. Fractional-order Sliding Mode Control for Hybrid Drive Wind Power Generation System with Disturbances in the Grid［J］. Wind Energy，2019，22(1)：49-64.
［13］LI X Q， DONG H Y， LI H W， et al. Optimization Control of Front-end Speed Regulation（FESR) Wind Turbine Based on Improved NSGA-II［J］. IEEE Access，2019，7：45583-45593.
［14］YIN W L， RUI X M， LIU L， et al. Operating Performance Analysis on Wind Turbines with the Speed Regulating Differential Mechanism［J］. Journal of Renewable and Sustainable Energy，2018，10：063301.
［15］LI D Y， CAI W C， LI P， et al. Dynamics and Control for a Novel Front-end Speed Regulation（FESR) Wind Turbine［J］. IEEE Transactions on Power Electronics，2018，33(5)：4073-4087.
［16］YIN X X， ZHANG W C， ZHAO X W. Current Status and Future Prospects of Continuously Variable Speed Wind Turbines:a Systematic Review［J］. Mechanical Systems and Signal Processing，2019，120：326-340.
［17］李辉，杨超，胡姚刚，等. 抑制风力机疲劳载荷的直接比例谐振独立变桨控制策略［J］. 电力自动化设备，2016，36(3)：79-85.
LI Hui， YANG Chao， HU Yaogang， et al. Direct PR Individual Pitch Control for Wind Turbine Fatigue Load Mitigation［J］. Electric Power Automation Equipment，2016，36(3)：79-85.
［18］SARKAR S， FITZGERALD B， BASU B. Individual Blade Pitch Control of Floating Offshore Wind Turbines for Load Mitigation and Power Regulation［J］. IEEE Transactions on Control Systems Technology，2020，29(1)：305-315.
［19］金鑫，王亚明，李浪，等. 基于LQG的独立变桨控制技术对风电机组气动载荷影响研究［J］. 中国电机工程学报，2016，36(22)：6164-6170.
JIN Xin， WANG Yaming， LI Lang， et al. Dynamics Loads Optimization Analysis of Wind Turbine Based on LQG Independent Pitch Control［J］. Proceedings of the CSEE，2016，36(22)：6164-6170.
［20］杨文韬，耿华，肖帅，等. 大型风电机组的比例-积分-谐振独立变桨距控制策略［J］. 电力自动化设备，2017，37(1)：87-92.
YANG Wentao， GENG Hua， XIAO Shuai， et al. PI-R Individual Pitch Control for Large-scale Wind Turbine［J］. Electric Power Automation Equipment，2017，37(1)：87-92.
［21］刘皓明，唐俏俏，张占奎，等. 基于方位角和载荷联合反馈的独立变桨距控制策略研究［J］. 中国电机工程学报，2016，36(14)：3798-3806.
LIU Haoming， TANG Qiaoqiao， ZHANG Zhankui， et al. Study of Individual Pitch Control Based on Azimuth Angle and Load Feedback［J］. Proceedings of the CSEE，2016，36(14)：3798-3806.
［22］COLOMBO L， CORRADINI M L， IPPOLITI G， et al. Pitch Angle Control of a Wind Turbine Operating above the Rated Wind Speed:a Sliding Mode Control Approach［J］. ISA transactions，2020，96：95-102.
［23］秦斌，周浩，杜康，等. 基于RBF网络的风电机组变桨距滑模控制［J］. 电工技术学报，2013，28(5)：37-41.
QIN Bin， ZHOU Hao， DU Kang， et al. Sliding Mode Control of Pitch Angle Based on RBF Neural Network［J］. Transactions of China Electrotechnical Society，2013，28(5)：37-41.
［24］赵健，邓志辉，朱冰，等. 基于RBF网络滑模的电动助力制动系统液压力控制［J］. 机械工程学报，2020，56(24)：106-114.
ZHAO Jian， DENG Zhihui， ZHU Bing， et al. Sliding Mode Control Based on RBF Network for Hydraulic Pressure in Electric Power-assisted Brake System［J］. Journal of Mechanical Engineering，2020，56(24)：106-114.
［25］SINGH P, GIRI D K, GHOSH A K. Robust Backstepping Sliding Mode Aircraft Attitude and Altitude Control Based on Adaptive Neural Network Using Symmetric BLF［J］. Aerospace Science and Technology，2022，126：107653.
［26］玉洁. 电液伺服系统建模及滑模变结构控制方法研究［D］. 郑州：郑州大学，2015.
YU Jie. Research on Sliding Mode Control Based on Electro-hydraulic Servo System Modeling［D］. Zhengzhou：Zhengzhou University，2015.

[1]	李小力, 陈威, 闫蓉. 基于BP神经网络的空间轮廓误差自适应补偿 [J]. J4, 201016, 21(16): 1902-1906.
[2]	赵伟, 王志远, 周志立. 载重汽车连续下坡弯道路段制动稳定性仿真研究 [J]. J4, 201016, 21(16): 2010-2015.
[3]	聂鹏1, 杨程越1, 彭新月1, 于家鹤2, 潘五九1. 采用空间和通道激励注意力机制优化ResNet-50的CFRP/TC4叠层材料钻削刀具磨损状态监测[J]. 中国机械工程, 2024, 35(10): 1793-1801.
[4]	张萌, 范鹏举, 王俊璞, 刘时成. 基于Rayleigh-BP模型的压电驱动系统迟滞建模与前馈控制[J]. 中国机械工程, 2024, 35(09): 1597-1605.
[5]	吕播阳1, 2, 3, 孟庆鑫1, 2, 3, 肖怀1, 2, 3, 赖旭芝1, 2, 3, 王亚午1, 2, 3, 吴敏1, 2, 3. 基于改进三元模型的波纹管型气动软体驱动器神经网络滑模控制[J]. 中国机械工程, 2024, 35(08): 1414-1425.
[6]	李国龙1, 肖扬1, 李喆裕1, 徐凯2, 张薇1. 数控机床旋转轴多自由度静/热误差同步测量与建模[J]. 中国机械工程, 2024, 35(08): 1426-1434.
[7]	陈志勇, 李攀, 叶明旭, 林歆悠. 自动驾驶电动车辆基于参数预测的径向基函数神经网络自适应控制[J]. 中国机械工程, 2024, 35(06): 982-992.
[8]	王秋莲1, 欧桂雄1, 徐雪娇1, 刘锦荣1, 马国红2, 邓红标2. 基于VMD-SSA-LSTM考虑刀具磨损的数控铣床切削功率预测模型研究[J]. 中国机械工程, 2024, 35(06): 1052-1063.
[9]	刘竟飞1, 姜潮2, 倪冰雨2, 汪宗太3. 基于主动学习与贝叶斯深度神经网络的高维多输出不确定性传播方法[J]. 中国机械工程, 2024, 35(05): 792-801.
[10]	夏然, 苏春. 基于健康因子和混合Bi-LSTM-NAR模型的锂离子电池剩余寿命预测[J]. 中国机械工程, 2024, 35(05): 851-859.
[11]	谢阳, 戴逸群, 张超勇, 刘金锋. 融合集成模型与深度学习的机床能耗识别与预测方法[J]. 中国机械工程, 2023, 34(24): 2963-2974.
[12]	刘孝保, 严清秀, 易斌, 姚廷强, 顾文娟. 基于集成学习和改进粒子群优化算法的流程制造工艺参数优化[J]. 中国机械工程, 2023, 34(23): 2842-2853.
[13]	陈剑, 许畅, 徐庭亮, . 基于位错叠加法和改进概率神经网络的离心泵故障诊断方法[J]. 中国机械工程, 2023, 34(23): 2854-2861.
[14]	陈立娟, 吴蝶, 高伟, 魏龙正, 曹晟维, 艾超, 李景彬. 基于反馈线性化与非线性扰动补偿的液压型风电机组有功功率控制研究[J]. 中国机械工程, 2023, 34(23): 2889-2897.
[15]	屈小章, 张加贝, 翟方志. 高速列车散热离心风机性能灵敏性分析及优化[J]. 中国机械工程, 2023, 34(20): 2504-2512.