新能源风力发电中的控制技术研究

中电建新能源集团股份有限公司山东分公司 徐 川

由于受到外部扰动因素影响，致使新能源发电系统运行不稳定，加上投运时间过长，风电机组频繁发生故障，降低供电质量。基于此，将控制技术合理应用于新能源风力发电中，发挥控制技术的自动化、智能化优势，实现全生命周期控制管理与实时监测新能源风力发电系统，确保异常情况发现及时性，为新能源风力发电稳定运行提供基础保障。本文以某公司为例，对新能源风力发电中的控制技术进行研究。

1 新能源风力发电中控制技术的作用分析

风力涡轮机是新能源发电过程中极为重要的发电设备之一，该设备利用风的作用影响对风扇叶实现机械旋转进行驱动，在加速设备支持下，叶片处于旋转情况下，则会有一部分机械能量产生，该部分能量向发电机输出，为发电机运行提供支持。通过对现阶段新能源发电系统运行情况的调研与分析，随着科学技术不断发展，风电系统结构也愈加复杂化[1]。各系统稳定运行对整个新能源发电系统运行效率有着直接影响，根据风电系统结构组成特点，合理调整风扇位置，使风力涡轮机的倾斜角度被控制在适宜范围内，以增强新能源风电系统运行稳定性。风力涡轮机基于暂停运行状态下，且无任何运动产生，叶片也会进入静止状态，但会出现阻尼持续增加情况，使风扇的静止状态一直保持。

与常规发电系统不同的是，新能源风力发电系统结构极为复杂，新能源风力发电系统安全稳定运行是日常运行管理工作的重点内容，全生命周期控制管理与实时监测新能源风力发电系统运行，可以确保机组内各发电设备所存在的异常问题能够及时发现与处理，减少异常问题、设备故障发生对新能源风力发电系统安全稳定运行的负面影响。

结合某公司在新能源风力发电方面的研究经验，控制技术在新能源风力发电中合理应用可充分满足新能源风力发电系统全生命周期控制管理需求，发挥控制技术所具有的自动化与智能化优势，实现动态化监测与自动控制新能源风力发电系统，获取运行状态数据，如风电机组运行复核数据、风况数据等，再结合实际风力情况与控制需要，选择合适的控制技术，以预防新能源风力发电系统运行过程中潜在风险隐患，为新能源风力发电系统高效、稳定运行提供基础保障。

2 新能源风力发电中控制技术的具体应用

2.1 功率控制技术

风力涡轮机是新能源发电系统的重要组成部分，风力涡轮机长期保持稳定运行状态，有利于延长风力发电设备使用寿命。通常情况下，通过风力涡轮机进行发电时，必须保证风电场内的风力资源被精准捕捉，将风力产生的机械能有效向电能转换，前提是要确保能够在一定时间间隔内完成发电，可以更好地保障新能源发电系统运行稳定性与安全性，并提高发电质量。因此，基于上述问题，某公司提出一种在该环节应用风机功率控制技术的方法，如固定螺距失速控制技术、螺旋桨控制技术。

2.1.1 固定螺距失速控制技术

该项技术是一种与风力发电机相配合的控制技术，基于高风速条件下，满足风机失速控制需求，以保证风机与新能源发电系统运行安全性。由于风力发电机的叶片采用固定螺距设计，叶片螺距无法进行调节；当风速与额定风机风速值相接近或超过时，控制系统将对发电机的电磁转矩进行调整，实现对风机转速的有效控制，同时达到在额定范围内稳定保持风机转速的控制效果。基于低风速条件下，风机充分利用风能实现高效发电。当风速与额定风速值逐渐接近时，控制系统将对发电机的电磁转矩进行减小处理，降低风机转速。当风速超过规定阈值时，电磁转矩将持续减小，此时风机将进入失速状态，导致风力发电机的叶片无法随着风速变化而转动。有利于防止极高风速条件下的风机受到严重损坏，实现对发电机的有效保护，提升整个新能源发电系统运行安全性。

相较于传统调速方式，前者具有操作简单、较高可靠性等优点，可以满足不同风速条件下的发电需求。缺点是因风力发电机的叶片螺距无法调节，促使在低风速条件下存在发电效率较低的情况。此外，为确保发电机的电磁转矩调整与控制合理性，必须按照规定要求做好风速测算，通常情况下，以10m高度为标准，对风速值进行测量，风速值也是风机输出功率计算所需的重要参数。可利用下述公式计算风速值：vh=vm（h/10）x，式中：vh为h高度处的风速，m/s；vm为风场中10m高度处风速，m/s；h为轮毂中心高度，m；x为测风点地理特征参数。

2.1.2 螺旋桨控制技术

以实际风力情况为依据，针对性调整螺旋桨距角，实现将涡轮功率控制在适宜范围内。综合考虑当前工况条件，调整桨距角；当风机功率与额定值不一致时，即可通过应用螺旋桨控制技术，将桨距角角度保持在0°；基于风机机组实际输出功率大于额定功率情况下，需要借助螺旋桨控制技术考虑当前风机功率和发电机实际功率。调整螺杆上升角度，实现风机实际输出功率始终保持在额定范围内。

一般情况下，处于运行状态下的风机，主要由控制系统负责对风扇单元进行控制，保证螺杆调节控制效果。在操作过程中，调整螺旋桨位置，能够避免螺旋桨一直处于同一位置，或防止出现被动静止情况，使风扇旋转至指定位置时，采用螺旋桨位置角调整方式获得最优扭矩参数，同时螺旋桨处于停止状态下时，可将螺旋桨位置角控制在90°，提高风扇效率[2]。

2.2 变桨控制技术

随着风机功率及尺寸不断增大，其应用场景也随之扩展，对风机在不同风速条件下的适应性以及极端条件下的风机安全性提出更高要求。其中，变桨控制技术在新能源发电中有效应用，有利于提升新能源风力发电系统运行安全性和稳定性。该项技术实际应用，主要是利用机械液压或电动伺服方式实现对风机桨叶旋转的控制，并对桨叶的节距角进行调节，使气流对桨叶的攻击角发生改变，达到有效控制风机桨叶对气动转矩及气动功率精准捕获目的。

以叶片的旋转面作为参考面，当叶片与参考面的角度、桨距角均为0°时，当前叶片能够捕获最大风能，且风力发电机实际输出功率也是最大值；当叶片与参考面的角度、桨距角均为90°时，当前叶片承受最大阻力，会使风机处于停止状态，受到极端天气影响，威胁整个风机机组运行安全性。基于此，通过应用变桨控制技术，结合实际风力情况，调节与控制纵向轴心叶片，启动变桨距风电机组，待其达到稳定运行状态后，对其节距角进行调整与优化。例如，额定转速＞0.5倍风速时，适当调整节距角，能够确保当前角度位置与整个机组设备运行要求相符合，减少对新能源发电系统运行效率的影响。

此外，电动变桨具有运行维护方便、成本低以及控制响应高等优点，是现阶段新能源风力发电中较为常用的设备之一，电动变桨采用电动伺服控制器驱动变桨电机，变桨电机驱动小齿轮，小齿轮再驱动桨叶的变桨轴承，实现叶片的合理转动。变桨控制驱动器对可靠性、环境适应性的要求较高，其中一个变桨驱动器出现故障，轻则造成风机停机，重则危及整个塔筒的安全，即使对其进行维修，也会造成一定的停机发电损失，以及较高的维修费用，会对风电场造成较大的经济损失。从表1数据来看，得知变桨驱动器必须具有极高的可靠性、环境适应性以及安全性。

表1 变桨控制驱动器与工业伺服驱动器可靠性对比

在相关研究中，某公司结合典型工业伺服驱动器，根据其工作环境温度，即45℃，得知45℃以上需要降额，而变桨控制驱动器的工作温度最高可达70℃。另外，针对振动要求，典型工业伺服驱动器的振动依据频率范围在0.5～1g，低频20Hz以下1g，20～50Hz，0.5g或者0.6g，而变桨控制驱动器可达2g。变桨控制驱动器需要通过低电压穿越测试与高电压穿越测试，以及考虑设计/制造失效模式影响分析等，直接关系着其功能作用的有效发挥。变桨控制驱动器与工业伺服驱动器可靠性对比参考表1。

此外，为了更好地发挥变桨控制技术优势，某公司在上述研究内容的基础上，进一步分析与研究了变桨执行机构的动态行为；变桨距执行机构属于非线性伺服系统，其功能作用是将处于旋转状态下的叶片控制在指定位置，通过利用动态系统模型（带有振幅与衍生输出信号饱和度），将桨距控制器作为该模型，用于描述变桨执行机构的动态行为，表达式如下：，式中：β、βd分别为实际和给定的桨距角；τ为变桨执行机构响应速度。一般情况下，的范围为0°～90°，基于最高速率条件下，需要按照功率调节要求，适当调整当前桨距角。

2.3 风力预测技术

风力预测在新能源发电中有着极为关键性的作用，其中风力大小稳定性不足，是导致新能源发电过程中频繁出现电力供应不持续情况的主要影响因素。通常情况下，风力越大，风持续时间随之增加，风机发电能力越强。电网吸收空气发电站所产生的电力，但无法保证所产生的能量具有良好稳定性，进而造成与风力涡轮难以有效衔接的问题。基于此，将风力预测技术在新能源发电中合理应用，实现精准预测风能，根据预测结果针对性调整风电，不仅可以增强电网运行稳定性，又能提高电网接入效率。从现阶段风力预测技术应用情况来看，风能预测过程涉及多种技术融合应用，通过对风能进行模拟分析，预测风能发展趋势，以保证风能预测结果准确性。

以预测周期为标准的风力预测技术较为常用，将预测周期划分为短期与中期，在短期预测过程中，主要是规划风力涡轮机运行；中期预测则是对一定范围内风力大小进行评价，实现对风力的精准预测[3]。同时，搭建风力预测模型，根据具体风力预测要求，可以搭建物理模型、统计模型和耦合模型。其中，物理模型主要是对风电场气候变化进行模拟，根据风向、习惯、压力及风气密度等影响因素，在此基础上模拟风力结果，结合模拟结果确定风扇性能。但会受到风速随机性限制，致使风力预测存在一定误差。统计模型搭建以数学工具为依托，根据功能关系，通过识别统计结构与对象预测，分析风强度变化，该项风力预测技术支持面对面风力数据挖掘，前提是要结合实际情况选择合适的算法，以减少算法对最终风力预测结果准确性的影响。

时序算法（是一种常见风力预测方法。在时间序列算法中，利用所有可能的历史气象数据进行预测。可以根据先前的气象情况来预测未来的气象情况。优点是可以将历史数据转化为有用的信息，仅限于已知天气条件下的情况）与机器学习算法（应用于预测模型的开发以及风速预测的改进，使其更加精确。从大量的数据中进行分析和学习，如历史气象数据、风力发电机组数据、表面气压数据、温度数据等。机器学习可以自身优化，从而提高预测精度）具有一定优势，可以通过该算法弥补上述两种风力预测模型所存在的不足，或者采用综合预测模型，进一步提升风力预测精确度。

综上所述，由于受到环境、天气等多方面因素影响，会降低新能源发电系统运行稳定性，控制技术在新能源发电中合理应用，有利于实现全生命周期控制管理新能源发电系统运行，以减少外部扰动因素对系统安全稳定运行的负面影响，提高新能源发电系统运行效益。