论文部分内容阅读
风能作为一种绿色可再生能源,对于改善能源结构,缓解能源危机具有巨大的发展潜力。风力发电作为风能开发利用的一种有效途径,近几年来发展迅速。随着风力发电系统单机容量不断增加以及海上风电场的快速发展,风力发电系统需要更高效、安全、可靠的运行。其最为关注的研究内容是:系统的功率控制和系统故障检测与容错控制。系统的低风速区的最优功率跟踪控制能够提高发电效率,高风速区的桨距角控制能够维持风机的额定功率输出,从而确保运行安全。故障诊断与容错控制技术在系统发生故障后能够保证减少不必要的停机并维持一定的性能输出,保证系统在故障下也能够运转。围绕功率控制与故障这两个问题,本文主要研究了以下几个方面的内容:
第一,考虑到低风速区的最优功率跟踪问题,在PID控制算法的基础上,研究了基于无模型的iPI(intelligent proportional integral)算法和基于滑模控制理论的iPI滑模控制算法。该算法将系统中的参数的不确定性、扰动以及高阶未建模部分当作一个集总的扰动量,在扩张状态观测器估计集总扰动量的基础上,通过利用滑模模块来减少估计误差,从而实现功率的高效跟踪控制。针对高风速区的桨距角控制问题,提出了基于神经网络理论的iPD(intelligent proportional derivative)神经网络控制算法。该算法通过神经网络模块来减少无模型控制器中的时延估计误差,实现在高风速区的最优功率跟踪控制。这两类控制器不依赖于系统的参数信息,结构简单,相关仿真也验证了该算法的性能。
第二,针对风力发电系统中的转矩执行器故障和桨距角执行器故障问题,研究了基于未知输入观测器理论的故障估计与容错控制策略。该方法先对风力发电非线性系统建立线性变参数模型,然后针对该线性变参数模型模型系统,利用未知输入观测器,设计执行器故障估计算法。该算法不仅能够适用于定常故障信号,也适用于时变且一阶导数有界故障信号。利用执行器故障的估计值,设计了基于未知输入观测器的故障容错控制策略和基于积分器的故障容错控制策略,这两类方法都能够保证风机系统在故障下也能运行。最后,通过与全状态反馈容错控制算法相比,验证了所提出的积分容错控制策略的有效性。
第三,针对基于双馈感应电机风力发电系统中出现的执行器故障和扰动问题,研究了基于Takagi-Sugeno(T-S)模糊理论的故障和扰动估计算法。该算法将双馈感应电机风力发电系统建立成T-S模糊系统,通过线性变换,将模糊化后的系统解耦成三个子系统:状态(不含故障和扰动)子状态,故障(不含扰动)子系统,扰动(不含故障)子系统。针对状态子系统,设计了T-S模糊观测器,利用该观测器的状态估计值和其它子系统模型计算得到故障和扰动的估计值。通过检验矩阵的秩就能够判断该算法的可行性。最后,利用该故障和扰动的估计值,设计了一种含有扰动补偿的容错控制策略。通过与基于未知输入观测器的容错控制方法相比,所提出的容错控制策略具有良好的性能。
第四,考虑到第三点中提出的T-S模糊观测器的估计算法中对系统测量变量的限制(P>q+l),研究了基于滑模观测器理论的故障与扰动估计算法。该算法通过线性变换,将系统解耦成两个子系统:状态子系统和故障扰动子系统。针对这两个子系统,设计了基于滑模观测器的故障与扰动估计算法。该方法不仅适用于测量变量数量等于扰动与故障变量之和的条件(P≥q+l),而且适用于可以T-S模糊化的非线性系统。最后,通过仿真验证了所提出估计算法的有效性。
第一,考虑到低风速区的最优功率跟踪问题,在PID控制算法的基础上,研究了基于无模型的iPI(intelligent proportional integral)算法和基于滑模控制理论的iPI滑模控制算法。该算法将系统中的参数的不确定性、扰动以及高阶未建模部分当作一个集总的扰动量,在扩张状态观测器估计集总扰动量的基础上,通过利用滑模模块来减少估计误差,从而实现功率的高效跟踪控制。针对高风速区的桨距角控制问题,提出了基于神经网络理论的iPD(intelligent proportional derivative)神经网络控制算法。该算法通过神经网络模块来减少无模型控制器中的时延估计误差,实现在高风速区的最优功率跟踪控制。这两类控制器不依赖于系统的参数信息,结构简单,相关仿真也验证了该算法的性能。
第二,针对风力发电系统中的转矩执行器故障和桨距角执行器故障问题,研究了基于未知输入观测器理论的故障估计与容错控制策略。该方法先对风力发电非线性系统建立线性变参数模型,然后针对该线性变参数模型模型系统,利用未知输入观测器,设计执行器故障估计算法。该算法不仅能够适用于定常故障信号,也适用于时变且一阶导数有界故障信号。利用执行器故障的估计值,设计了基于未知输入观测器的故障容错控制策略和基于积分器的故障容错控制策略,这两类方法都能够保证风机系统在故障下也能运行。最后,通过与全状态反馈容错控制算法相比,验证了所提出的积分容错控制策略的有效性。
第三,针对基于双馈感应电机风力发电系统中出现的执行器故障和扰动问题,研究了基于Takagi-Sugeno(T-S)模糊理论的故障和扰动估计算法。该算法将双馈感应电机风力发电系统建立成T-S模糊系统,通过线性变换,将模糊化后的系统解耦成三个子系统:状态(不含故障和扰动)子状态,故障(不含扰动)子系统,扰动(不含故障)子系统。针对状态子系统,设计了T-S模糊观测器,利用该观测器的状态估计值和其它子系统模型计算得到故障和扰动的估计值。通过检验矩阵的秩就能够判断该算法的可行性。最后,利用该故障和扰动的估计值,设计了一种含有扰动补偿的容错控制策略。通过与基于未知输入观测器的容错控制方法相比,所提出的容错控制策略具有良好的性能。
第四,考虑到第三点中提出的T-S模糊观测器的估计算法中对系统测量变量的限制(P>q+l),研究了基于滑模观测器理论的故障与扰动估计算法。该算法通过线性变换,将系统解耦成两个子系统:状态子系统和故障扰动子系统。针对这两个子系统,设计了基于滑模观测器的故障与扰动估计算法。该方法不仅适用于测量变量数量等于扰动与故障变量之和的条件(P≥q+l),而且适用于可以T-S模糊化的非线性系统。最后,通过仿真验证了所提出估计算法的有效性。