现代控制技术在风力发电系统中的研究

李磊

摘要：风力发电在一些风力资源丰富不可再生能源贫瘠的地区已经成为主要的发电方式，也是最重要的一种无污染的发电方式之一，在风力发电的过程中，要对风力发电设备进行监管，控制分析，以免在发电过程中出现一些电力事故，在科学技术高速发展的今天，信息化产业高度发电，并被各个产业高度应用，在风力发电控制系统中，现代信息化控制技术也被广泛应用，是风力发电控制系统的重要技术支持，在现阶段风力发电控制系统中是不可缺少的一部分。

关键词：现代控制技术;风力发电;应用

1 滑动模变结构控制

滑模变结构控制属于非线性鲁棒控制方法，对于系统建模的不确定的问题可以很好地解决。滑动模变结构控制器可在建模不准确的情况下保持良好的输出效果，尤其是非线性系统。其实质是用高速开关将系统相轨迹引导到一个由设计者选择的可达到的曲面上。将滑模控制理论应用到变桨距控制中，消除系统参数摄动及外部扰动的影响。此外，考虑到滑模控制的抖振现象，将RBF神经网络、支持向量机等理论与滑模控制相结合，实现风力发电变桨距系统的自适应控制。为了进一步提高滑模控制系统的控制性能，混合非奇异终端滑模（HybridNonsin-gularTerminalSlidingMode，HNTSM）控制方法。该方法结合了线性滑模的优点，弥补了非奇异终端滑模控制的不足。

2 微分几何

该项技术由数学知识演变而来，其包括一定的线性关系，控制过程就是利用这一特性来完成的。此技术的控制原理如下：该数学知识表现出来的系统实际是非线性的，经过某种处理后，成为具有一定功能的线性系统，致使控制技术逐渐趋于完善。对于风力发电本身，其系统本来就是非线性的，风速的大小是人为无法控制的。当使用此技术时，首先要将这一问题进行解决。然后是对双馈发电机的各项操作，主要是对经过电机的各项数据进行反馈解耦，这一过程需要将非线性情况向线性转化，从而实现动态解耦。这对发电效率的提升非常有帮助，装置能够尽可能多的捕获风能。

若风速过大，需要将电机的转速适当调低，这样才能保持其功率不变。通过一系列的步骤，装置将很好地完成向线性关系转化的过程，根据这一关系，可设计出符合实际情况的发电机组，减少企业成本的同时，保持充足的电能供应。现行控制的精确程度很高，但计算过程中会遇到阻碍。且该技术对CPU的要求很高，普通的CPU无法使用到此技术当中。目前研究人员正在攻克两类难题，可见该项技术具有广阔的发展空间。

3 专家系统与风力发电控制系统的结合

随着现代化信息技术的发展，各种电子设备和家用电器已经开始向智能化发展，各个产业的电子控制系统也向自动化智能化开始转变，智能化管理系统已经成为当今时代控制管理系统的主要管理形式，在风力发电系统中，为了保证控制系统的准确性，提高控制系统的工作效率，并顺应时代发展的潮流，在风力控制系统也开始向智能化转化，其主要表现在风力控制系统中安装专家系统，专家系统的主要工作原理是对人类的一些计算方式和惯性的思维模式进行模拟，首先专家系统要有一定的专业性的资料作为基础，保证其在工作时有一定的科学依据。专家系统的工作过程是以科学原理为依据，通过一定的公式进行推理分析，然后得出相对合理的分析结果。风力发电控制系统中主要是在对发电设备和控制设备进行检修诊断时应用专家系统，风力发电系统是一个相对复杂的发电系统，其完整的发电系统是由多个环节多个设备共同组成的，每一个环节每一个设备出现问题都会对发电系统产生很大的影响，甚至会引起电力事故，所以为了保证风力发电的安全性和稳定性，每一个工作环节都要仔细检查，每一个设备都要进行定期检修，风力发电机组是风力发电系统中重要的一部分，是将风能转换化为电能的主要的工作系统，而专家系统主要是对风电机组进行检查诊断，在风电机组发生故障时，通过专家系统对其进行推理分析，从而找出故障的原因，由于风电机组结构复杂，零件设备相对较多，在发生故障时工程量相对较大，对技术的要求也相对较高，在进行检修时容易出现失误，并且还容易对工作人员造成伤害，而专业人员可以通过专家系统根据相关的知识资料和互联网智能化信息技术构建起智能化的诊断模型，在一定程度上可以提高风力发电部门的工作效率。而且随着科学技术手段的进一步提高，专家系统也在进一步的完善，风力发电控制与专家系统的结合可以更好的预测风速，并提高了控制系统的准确性和稳定性，对风力发电控制系统向现代化智能化发展有很重要的推动作用。

4 智能控制

风力发电系统会受外界扰动因素较多，非线性表现突出。利用数学模型精确设计控制器较难实现，同时参数调节也难以精确实现，因此利用智能控制可以改变参数和非线性等问题。不需要精确的数学模型可用模糊控制有效地综合专家经验，具有很好的动态性、鲁棒性。近年来，将模糊控制的智能控制技术引入风力发电控制系统中取得了优良的效果。例如，郭鹏提出的模糊PID控制器能够保证在不同风速下均有较好的控制结果，而模糊前馈控制器则能够根据风电机组的桨叶气动特性，在额定风速以上的不同风速段，根據风速给出不同的适当的前馈桨距角，实现动态前馈补偿，提高控制系统的响应速度。对一个300kW的变桨距风电机组的仿真表明，该方法在额定风速以上的不同风速段都能够有效地减小系统的超调量，缩短调节时间，具有较为满意的控制效果。对其控制技术直接影响整个机组的性能和风能利用效率的状况，在风力机的空气动力学特性分析的基础上，应用神经网络模糊自适应控制，讨论了在低于额定风速时，如何控制风轮转速，从而获得最大的风能利用系数;在高于额定风速时，如何控制桨距角的变化，从而保持输出功率恒定的方法。但是，由于神经网络调节器是训练得出的，当机组老化或者运行条件变化时需要再训练，难以较好地实现控制目标。模糊控制器是来自设计者的经验知识，对于没有经验知识是不能有效采用该方法实现控制目的的。因此，设计者需要完成复杂系统的数次输入输出数据的检测后才可找到合适的规则，设计过程相对复杂，设计的精度根据设计者不同差别较大，控制效果往往不理想。

结论

人们会更加清晰地认知在风力发电控制系统中应用现代控制技术，进而更加完善现代控制技术，促使风力发电控制系统能够给人们提供出更多、更便捷的服务。但结合实际情况来讲，风力发电控制系统还有更多的使用价值有待挖掘，应对其使用价值深入挖掘，进而使风力发电控制系统能够造福更多的领域。

参考文献

[1]闫豪，李君略.信息化控制技术在风力发电控制系统中的运用[J].电子技术与软件工程，2018（3）：140.

[2]郝雅楠.信息化控制技术在风力发电控制系统中的运用[J].时代农机，2016，43（9）：25-26.