论文部分内容阅读
国家能源科技“十二五”规划（2011-2015）指出，“在风力发电方面，风电机组主要采用变桨、变速技术”。本文以变速变桨双馈感应发电机组为研究对象，在对风速和风电功率的短期提前预测的基础上，以最大风能捕获和输出功率平滑为优化目标，以发电机转速和桨矩角为控制变量，建立了相应的多目标优化模型。运用最小化控制标准和变论域算法求解出模型的优化解，实现变速变浆距风力发电机组功率优化控制。本文通过以下几方面的研究来实现对1.5MW的双馈感应风力发电机组功率优化控制。1、建立变速变桨风力发电机组各系统的数学模型，通过对双馈感应电机坐标变换理论的分析，得到旋转坐标系下的数学模型，在MATLAB/Simulink平台中建立了各个子系统的仿真模型，为风速和风电功率的预测及优化控制奠定基础。2、提出EMD-RBFNN短期风电功率预测模型。利用经验模态分解（EMD）将风速时间序列分解为具有相同特征尺度的相对平稳的本征模态（IMF）分量，以实现风速时间序列信号平稳化；针对各个模态分量的特性，采用径向基函数神经网络模型（RBFNN）对各个模态分量分别进行预测，选用正交最小二乘法来最大限度减少错误率，最后将各IMF-RBFNN预测结果进行重构得到最终预测值，最后经过功率变换得到功率预测值。3、提出粗糙集PCA-Elman神经网络短期风电功率预测模型。引入Elman动态神经网络建立风速预测模型，采用主成分分析法（PCA）对原始风速数据进行特征提取以优化神经网络的输入，改进激励函数和网络结构以寻求函数收敛速度和预测精度的最优解；针对Elman神经网络预测模型在风速波动的峰值处预测误差较大及预测精度存在波动性，提出采用粗糙值理论对模型预测值进行修正与补偿，进一步提高预测精度，再经过功率变换得到功率预测值。4、在基于粗糙集PCA-Elman风电功率预测模型的基础上，以最大风能捕获和输出功率平滑为目标，以发电机转速和桨距角为控制变量，制定了最小化控制标准，建立相应的多目标优化模型得到发电机转速，运用变论域算法求解出风力机的桨距角，实现变速变桨距风力发电机组功率优化控制。最后，对1.5MW的双馈感应风力发电机组进行了仿真研究，研究结果表明，与传统功率控制策略相比，基于功率预测的变速变桨风电机组功率优化控制策略可以有效提高风能捕获能力，发电机输出功率也有明显的提高并且输出平滑，实现了风力发电机组输出功率的优化控制。