新能源技术

新能源装备现状及发展趋势风力发电机组的控制技术及趋势风力发电机组的控制技术及趋势摘要：风电机组是一个复杂多变量非线性系统，且有不确定性和多干扰等特点，含有未建模或无法准确建模的动态部分，对这样的系统实现有效控制是极为困难的。本文先介绍了风力发电的背景，然后根据气动特性说明控制技术在风力发电中的重要地位。随后给出了风力发电的两种典型控制策略，最后就现代的先进控制方法在风力发电控制系统中的作用表达了风力发电机组控制技术的未来发展趋势。关键词：风力发电；气动特性；现代控制；发展趋势1.风力发电的背景能源、环境是当今人类生存和发展所要解决的紧迫问题。常规能源以煤、石油、天然气为主，它不仅资源有限，而且造成了严重的大气污染。从全球能源消耗来看，87%的能源来自化石燃料（包括煤炭、石油和天然气），6%来自核电，其余的7%来自可再生能源（主要是水电和风力发电）。随着人口的增长和经济的发展，能源将供不应求，如果不尽早调整以化石能源为主的能源结构，势必形成对化石燃料的更大规模的开采与消耗，从而导致有限化石资源的枯竭。另外，不断增长的能源消耗所造成的环境污染和安全问题已经成为社会发展的突出矛盾。化石燃料的燃烧除了煤炭产生的烟尘之外，还会释放许多有害气体。我国燃煤释放的SO2占全国总排放量的85%，CO2占85%，NOX占60%，烟尘占70%。1997年我国SO2排放总量为2346万吨。我国酸雨区域在迅速扩大，已超过国土面积的40%。1995年酸雨沉降造成的经济损失为1165亿元，占GNP的1.9%。能源的发展按照可持续发展战略原则，在开发利用常规能源的同时，应更加注重开发利用对生态有利的新型可再生能源，如风能、水能、太阳能、潮汐能等。风力发电作为一种新的、安全可靠的洁净能源，其优越性为越来越多的人所认识。风力发电的优越性可归纳为五点：（1）风力发电是一种洁净的自然能源。风能在转换成电能的过程中，只降低了气流的速度，没有给大气造成任何污染。风电没有常规能源及核电对环境造成的污染问题。核电的放射性废料仍是一个较难解决的问题。（2）风力发电技术不断进步，单机容量逐步增大，产品质量得到改善，可用率达到98%以上，是一种安全可靠的能源。（3）由于技术进步和产品批量增加，风力发电的经济性日益提高，风电成本持续下降，见图1。从图1可以看出，风力发电的成本已接近煤电，低于油电和核电。若考虑煤电的环境污染和交通安全等问题，风电的经济性优于煤电。图11983-1993年世界风力发电装机容量增长和成本下降情况（4）风力发电场建设周期短。单台风力发电机组安装仅需几个星期，可多台同时安装，互不干扰。建设一个风力发电场，从土建、安装到投产，只需半年至一年时间；而煤电、核电的建设需要三至十年。（5）风力发电占地面积少。塔筒与监控、变电建筑仅占风电场约1%的土地，其余99%的广大场地可供农、林、牧使用。由此可见，风力发电具有较好的经济效益和社会效益，风力发电技术的发展受到世界各国政府的高度重视。2.风力发电机组的控制技术在额定风速以下运行时，由于风轮功率与风速的三次方成正比，所以为了获得稳定功率输出，需要对风轮转速或桨距角作出调整。风力发电机组在超过额定风速以后，由于机械强度和发电机、变频器容量等物理性能的限制，必须降低风轮的能量捕获，使功率输出保持在额定值附近，同时减少叶片承受载荷和整个风力机受到的冲击，保证风力机不受损害。因此，为了提高风能利用效率、改善风电质量、降低风电成本，不得不对风力发电机组的控制进行研究。2.1风力发电机叶片气动特性风力发电机通过叶片捕获风能,将风能转换为作用在轮毂上的机械转矩。风轮机的特性通常用风能转换效率Cp-尖速比(TSR)曲线来表示。图2是一条典型的Cp-TSR曲线。尖速比可表示为：TSR=ωmR/V（1）其中ωm为风轮机的机械转速(rad/s);R为叶片半径(m);V为来流的线性风速(m/s)。图2风轮的典型Cp-TSR特性曲线根据风机叶片的空气动力特性,风能转换效率Cp是尖速比TSR和桨矩β的函数,即Cp=f(TSR,β)。典型Cp与TSR和β的关系可用图3来表示。由图中可见,对于同Cp值,风力机可能有两个运行点A和B,它们分别对应于风力机的高风速运行区和低风速运行区。当风速发生变化时,风力机的运行点将要发生变化。图3风轮的典型Cp-TSR特性曲线在恒频应用中,发电机转速的变化只比同步转速高百分之几,但风速的变化范围可以很宽。按(1)式,尖速比便可以在很宽范围内变化(取决于叶片设计),风轮机捕获风力可以写成:P机械=0.5ρACpV3（2）其中P机械是气动功率(W)；ρ是空气密度(kg/m3)；A是扫掠面积(m2);Cp是风轮机的功率系数。由(2)式,风机整体设计和相应的运行控制策略应追求Cp最大化调整,便可增加其输出功率。图4是理想风力发电机功率特性曲线。图4理想风力发电机功率特性曲线从理论上讲,风轮机组的输出功率是无限的。它是风速的立方函数。但在实际应用中,受如下限制:(1)功率限制：构成电路的电气元件有功率限制;(2)转速限制：系统中的齿轮箱、电机存在转速的上限。2.2风力发电机典型的控制技术2.2.1定桨距风力发电机传统概念的风力发电机一般都是上风向、三叶片的风轮机通过齿轮增速箱驱动异步发电机与电网相连。风轮机的功率调节完全依靠叶片的气动特性,称为定桨距风力发电机组。风轮机吸收的功率随风速不停地变化。发电机工作于同步转速附近,而风电机组的设计一般在额定功率时风轮的转换效率Cp在最佳区段。当风速超过额定风速时,为了保持发电机输出功率恒定，必须通过叶片失速效应降低Cp，维持功率恒定。对于定桨距系统，发电机正常工作滑差小于1%,允许滑差范围一般在5%以内,而风速的变化范围却很大。从Cp=f(TSR,β)的函数关系来看,难以保证在额定风速之前Cp最大,特别在低风速段。通常系统设计有两个不同功率不同极对数的异步发电机。大功率高转速的发电机工作于高风速区,小功率低转速的发电机工作于低风速区,由此来调整尖速比TSR,实现追求Cp最大化的整体运行控制。定桨距风机的攻角一般设定在0°。在不同风频密度的地区可根据具体情况在安装时予以调整,但须充分考虑到对于风机失速点的影响。从设计的角度考虑,叶片的翼形难以做到在失速点之后功率恒定,通常都有些下降。因其发生在高风速段,对发电量有一定影响。风机采用异步发电技术,存在功率流向的不确定性,发电机可能低于同步转速运行,也可能工作在同步转速之上。在大小发电机软切换控制过程中须慎重处理。2.2.2桨距调节风力发电机为了尽可能提高风力机风能转换效率和保证风力机输出功率平稳,风力机将进行桨距调整。在定桨距风力机的基础上加装桨距调整环节,称为变桨距风力机组。变桨距风力发电机组的功率调节不完全依靠叶片的气动特性,主要依靠与叶片相匹配的叶片攻角改变来进行调节。在额定风速以下时,叶片攻角处于零度附近,此时叶片角度受控制环节精度的影响,变化范围很小,可等同于定桨距风机。在额定风速以上时,变桨距机构发挥作用,调整叶片攻角,保证发电机的输出功率在允许范围内。风力机的桨距控制系统,通常采用典型的PID转速、功率和桨距角三模态控制。速度控制和直接桨距控制常用于风力发电机的起动、停止和紧急事故处理。因而,变桨距风力机的起动风速较定桨距风力机低,但对功率的贡献没有意义;停机时对传动机械的冲击应力相对缓和。风机正常工作时,主要采用功率控制。对于功率调节速度的反映取决于风机桨距调节系统的灵敏度。在实际应用中,由于功率与风速的三次方成正比,风速的较小变化将造成风能较大变化,风机输出功率处于不断变化中。风速变化频繁幅度大的状况出现时将引起风机桨距调节机构频繁动作。风机桨距调节机构对风速的反应有一定的时延,在阵风出现时桨距调节机构来不及动作而造成风机的瞬时过载,不利于风机的运行。针对这一点,提出了混合失速的风机设计概念。即仍然发挥叶片的失速效应,在失速点之前进行桨距调整,即便桨距调节机构来不及动作通过叶片的失速效应发挥作用也不会造成风机的瞬时过载。3风力发电机控制技术发展趋势风电机组是一个复杂多变量非线性系统，且有不确定性和多干扰等特点，含有未建模或无法准确建模的动态部分，对这样的系统实现有效控制是极为困难的。随着电力电子技术及微型计算机的发展，现代的先进控制方法在风力发电控制系统中发挥着巨大的作用。3.1微分几何控制技术微分几何控制的核心问题是反馈精确线性化，它通过局部微分同胚映射对仿射型非线性系统在满足可控性、矢量场生成、对合性和凸性四个条件下，将非线性系统在大范围内甚至全局范围内进行线性化处理，使其化为线性控制问题。基于微分几何非线性控制理论的反馈控制算法比较复杂，一般反馈输出都是状态向量的复杂非线性函数，这种算法对CPU的性能要求较高，一定程度上限制了它的应用和发展。随着CPU性能的不断提高，将微分几何控制理论应用到风力发电领域，将取得更广泛的研究成果。3.2自适应控制技术自适应控制的目标是使控制系统对过程参数的变化、以及对未建模部分的动态过程不敏感。当过程动态变化时，自适应控制系统试图感受这一变化并实时地调节控制器参数或控制策略，使得指定的性能指标尽可能接近最优和保持最优，自适应控制在风电控制的各个方面都有广泛的应用。风力发电系统的控制技术从定桨距发展到变桨距，传统的变速控制模式需要首先建立一个有效的系统模型，才能进行有效的控制，但系统模型不容易确定。近年来有人建议采用自适应控制器，根据模型参考自适应控制原理，以大型风电机组直流电动变桨距控制系统为研究对象，设计一个高性能电动变桨距自适应控制系统，使其具有很好的跟踪性和伺服性。3.3人工神经网络控制技术人工神经网络（NeuralNetwork）通过非线性映射，学习系统的特性，具有近似表示任意非线性函数及其逆的能力，具有高度的自适应和自组织性，能够学习和适应严重不确定性系统的动态特性，具有很强的鲁棒性和容错能力。风速在时刻变化，风速预测不仅与预测方法有关，还与预测周期以及预测地点的风速特性有关。可以利用时间序列——神经网络法研究短期风速预测，该方法用时间序列模型来选择神经网络的输入变量，选用多层反向传播BP神经网络和广义回归神经网络分别对采样的风速序列进行预测。此外，也可以采用小波分析和人工神经网络结合的方法对风力发电功率进行短期预测。利用神经网络预测风电场的发电量，可以减少功率的波动。采用前向技术人工神经网络来实现风速估计的控制策略为系统提供了高性能的动态特性，即使在真实系统中出现的不确定性和风速变化的情况下也能稳定运行。3.4模糊控制理论模糊控制是一种基于语言规则、模糊推理的高级控制策略，是智能控制领域最活跃、最重要的分支之一，截至目前，模糊控制以现代控制理论为基础，同时结合人工智能技术、神经元网络技术、仿人职能技术，并因其具有自身优点，在风力发电控制领域得到了空前的发展。变桨距系统是风电机组当中重要的组成部分，其性能的好坏对风电机组的安全性、使用寿命、电能质量产生重大的影响。在高于额定风速工况下运用了模糊变桨控制来限制功率，在一定程度上解决了风电系统数学模型复杂、受参数变化和外部干扰严重、系统非线性、时变、强耦合等困难。结语由于风速的随机性、时变性、不确定性，控制系统的复杂性、强非线性，模型的不确定性，采用传统的控制方法或者只采用一种先进控制策略来实施控制并不能充分达到理想效果，因此，采用两种或多种先进控制方法的混合控制，综合协调解决系统的这些特征问题，是今后风电控制系统的发展方向。参考文献[1]张新房,徐大平,柳亦兵.定桨距变速风力发电机组的控制策略研究.华北电力大学学报.2004.[2]邢作霞,王超,马佳等.现代控制技术在风力发电控制系统中的应用[J].风能,2011.[3]韩俊娜.智能控制在大型风力发电机电控系统中的应用[D].大连理工大学,2005.[4]须洪华,倪受元.独立运行风电机组的最佳叶尖速比控制.太阳能学报,1998.[5]吴刚,杨明洁.大型水平轴风力发电机的典型控制策略[J].新能源,2000.