海上风电机组优化控制中数据滤波方法的应用

朱力杨+李泰+蒋学凤

摘 要：海上风电系统受到海上复杂环境的作用，给优化控制工作带来困难。数据滤波方法在海上风电优化控制领域具有独一无二的优势，是海上风电系统实时运行的结构参数识别、追踪的有力工具。

关键词：海上风电；卡尔曼滤波；载荷优化

DOI：10.16640/j.cnki.37-1222/t.2018.04.081

0 引言

海上风能资源丰富，是海上新能源的重要组成部分。近海风电场建设不占有限陆地资源，可以有效保护陆地生存环境。然而，受到海上复杂环境的影响，海上风电系统具有非线性、多变量、强耦合等特性。海上风电系统的载荷比陆地风机强度大，如果不对其载荷进行有效控制，过大的疲劳载荷和极限载荷将导致风电系统频繁故障[1]。

然而，传统的控制方法难以在海上风电载荷控制中取得较好的控制效果。这是由于传统的控制方法一般是基于模型[2-5]，该方法难以捕获海上风电系统的精确过程参数，实时控制性能差。海上风机运行時是多个控制装置协同工作的，一个装置出现问题，将会给整个控制系统造成灾难性后果。因此，探寻一种高效的、实时的海上风电优化控制方法是势在必行的。

1 卡尔曼滤波控制算法

其中，是利用前一状态对当前状态的预测值，是前一状态的最优预测值，是当前状态的控制量，是对应的协方差，是系统过程的协方差，是卡尔曼增益，R为测量噪声协方差，是当前时刻的测量值，是当前时刻的最优协方差，A、B、Q、R为常数或矩阵。

2 基于卡尔曼滤波的海上风电载荷优化控制

海上兆瓦级风电机组一般采用独立变桨距控制装置[6]，变桨系统桨叶根部载荷通过安装在风轮叶片根部的光纤应变传感器获取，所述dq坐标变换公式如下：

利用卡尔曼滤波器的预测功能，减小控制噪声和测量噪声对d-q轴的载荷分量的影响，能在控制系统受到控制噪声和测量噪声扰动时实现d-q轴的载荷分量的正确估计，从而实现对海上风电独立变桨控制的优化。从而保证输出期望桨距角分量的准确性，所述dq坐标逆变换公式如下：

上述卡尔曼载荷控制器，利用卡尔曼滤波器的预测功能，减小控制噪声和测量噪声对d-q轴的载荷分量的影响，从而保证输出期望桨距角分量的准确性，提高了独立变桨的控制精度。

3 结论

为缓解海上风电系统输入信号滞后于风能变化问题，在原有的控制算法基础上，引入卡尔曼滤波预测控制算法。分析扩展卡尔曼滤波算法以及系统模型中测量噪声统计特性不确定的特点，建立传动系统柔性模型，推导卡尔曼滤波系统更新方程，并根据卡尔曼滤波原理研究了相关协方差确定方法，得到了滤波系数回归更新方法。

参考文献：

[1]I.Antoniadou， N.Dervilis，E.Papatheou，et al.Aspects of structural health and condition monitoring of offshore wind turbines[J].Philosophical Transactions of the Royal Society A，373（12）：1-14，2015.

[2]卢晓光，李凤格，许明等.基于卡尔曼滤波的风机控制系统优化[J].电气自动化，2016，38（01）：42-43.

[3]冯园园.基于Kalman滤波算法的状态估计及风电机组可靠性建模与优化研究[D].北京化工大学，2011（05）.

[4]李怀卿.风电机组传动系统动态载荷控制策略研究[D].沈阳工业大学，2016.

[5]毛科峰，萧中乐，王亮等.数值模式与统计模型相耦合的近岸海浪预报方法[J].海洋学报，2014，36（09）：18-29.

[6]Jian-Rong Lu，Jun-Dong Zhou，Jian Zhang.Research on independent variable pitch control of large offshore wind turbine.2015 International Conference on Material Engineering and Mechanical Engineering（MEME2015），Hangzhou，October 2015.

作者简介：朱力杨（1997-），男，江苏扬州人，本科在读，电子信息工程专业。endprint