[发明专利]一种智能变桨距机电控制优化方法

说明书

本发明公开了一种智能变桨距机电控制优化方法，属于风力发电机技术领域。所述的智能变桨距机电控制优化方法的主要创新在于：对于传统的PID机电控制方法，将其比例系数作为基于塔架顶部位移响应和风轮转速反馈的实时变化的优化参数，将基于发电功率稳定性的单目标函数机电控制，扩展为同时考虑塔架顶部振动位移和发电功率稳定性的多目标机电控制，通过与智能优化方法相结合提出了智能变桨矩机电控制方法。数值结果表明，该智能方法不仅能够降低发电控制波动性，而且可以降低传动轴的转矩和塔架底部的弯矩，降低疲劳振动荷载。

技术领域

本发明属于风力发电机技术领域，尤其涉及一种智能变桨距机电控制优化方法。

背景技术

风力发电通过机电控制实现发电功率的控制，当风速超过额定风速时通过控制叶片桨距角实现额定功率发电目标。除了传统的PI控制方法，神经网络、模糊控制方法等都在机电控制中得到了应用。

传统的机电控制方法通常存在一些不足，比如PI控制方法在参数选择不当的时候会造成风机发电功率出现较大的波动性，对电网造成冲击，同时机电控制对叶片桨距角的频繁调整也会增加风机结构的疲劳振动。目前通常与神经网络等人工智能方法相结合，在改善机电控制效果的同时降低风机结构的疲劳荷载。但是，已有的智能控制方法通常需要具有较好的先验知识，应用的局限性较大，同时，优化目标函数仅以输出功率为单一目标，振动控制效果不佳。

因此，从提高风机运行全寿命周期过程的疲劳寿命角度，在机电控制以提高发电功率稳定性作为目标的基础上，将减小结构疲劳振动作为目标，研究基于智能方法的多目标机电控制方法是十分必要的。

发明内容

为提高当前机电控制对结构疲劳振动控制的不足，本发明提出一种在提高输出功率稳定性的同时减小风电结构疲劳振动的智能变桨距机电控制方法。该方法充分利用原有的PID机电控制方法，将智能算法与PID方法相结合，将塔顶振动位移与风轮额定转速作为控制目标，通过多目标控制函数确定PID最优参数。相比于已有的智能机电控制方法，本发明所提出的智能变桨距机电控制优化方法，将塔顶振动位移和风轮转速的超调最小化作为多目标控制函数，进行控制参数优化，可以在降低风机输出功率的波动性的同时，降低塔架结构的疲劳振动响应。

为实现上述目的，本发明所采用的技术方案是：

一种智能变桨距机电控制优化方法，将PID机电控制的比例系数K_P、K_I、K_D作为目标参数进行优化，包括以下步骤：

步骤一、建立适应度函数

建立目标函数f_obj,如式(1)所示：

式中，t为自变量，为历史累积误差，b[R_Rover+R_Tover]为当前控制误差，e_T(t)为塔顶位移，e_R(t)为风轮转速与额定转速的差，R_Tover和R_Rover为当前塔顶位移及风轮转速控制误差，a和b分别为历史累积绝对误差与当前控制误差的权重；

优化目标参数使目标函数取得最小值，基于智能算法在搜索时总是会选择更大的适应度值，因此取目标函数的倒数作为适应度函数，如式(2)所示：

步骤二、确定初始值

确定最大搜索次数L和最大循环次数C；

根据公式(3)给K_j赋值：

x_ij＝x_min，j+rand(0，1)(x_max，j-x_min，j) (3)