[发明专利]基于智能算法的风电机组控制参数寻优方法与系统在审

专利信息
申请号: 202210946912.2 申请日: 2022-08-09
公开(公告)号: CN115450834A 公开(公告)日: 2022-12-09
发明(设计)人: 李刚;马冲;段博志;张瑞;邹荔兵 申请(专利权)人: 明阳智慧能源集团股份公司
主分类号: F03D7/00 分类号: F03D7/00
代理公司: 广州市华学知识产权代理有限公司 44245 代理人: 冯炳辉
地址: 528437 广东*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 基于 智能 算法 机组 控制 参数 方法 系统
【权利要求书】:

1.基于智能算法的风电机组控制参数寻优方法,其特征在于,包括:

风电机组线性化:通过对风电机组的线性化处理,得到状态空间方程,即风电机组的线性化模型,该线性化模型包含输入向量、输出向量、状态向量和系数矩阵;

参数寻优的目标函数:将风电机组的线性化模型和变桨控制器构成闭环系统,以阶跃风速作为输入,得到闭环系统的叶轮转速的输出响应和机舱前后方向位移输出响应;其中,定义目标函数为:叶轮转速绝对偏差积分与机舱前后方向最大位移加权求和;

参数空间的可行域:控制参数的寻优是在参数空间内寻找最优控制参数,参数空间需要设置一个搜寻范围,即参数空间的可行域;

参数寻优的智能优化算法:控制参数的寻优是在参数空间的可行域内寻找最优解,通过智能优化算法能够快速寻找到最优解在参数空间的位置。

2.根据权利要求1所述的基于智能算法的风电机组控制参数寻优方法,其特征在于,所述风电机组的线性化模型表达式如下:

在上式中,表示在t时刻的输入向量;表示在t时刻的输出变量;表示在t时刻的状态向量;表示在t时刻的状态向量变化率;A、B、C、D为系数矩阵;

输入向量应至少包含三个变量,即变桨角度指令、风轮平均风速和发电机扭矩指令,具体表达式如下:

在上式中,表示变桨角度指令;表示风轮平均风速;表示发电机扭矩指令;输入向量为列向量,表达式中上角标T表示转置,将行向量转为列向量;

输出向量应至少包含两个变量,即风轮转速和机舱前后方向位移,具体表达式如下:

在上式中,ωr表示风轮转速;xfa表示机舱前后方向位移;输出向量为列向量,表达式中上角标T表示转置,将行向量转为列向量;

状态向量应至少包含叶片的低阶模态、塔架的低阶模态、传动链的低阶模态、风轮的转速和风轮转速变化率,具体表达式如下:

在上式中,表示叶片1的模态向量;表示叶片2的模态向量;表示叶片3的模态向量;表示塔架的模态向量;ωr表示风轮转速;表示风轮转速变化率;状态向量为列向量,表达式中上角标T表示转置,将行向量转为列向量。

3.根据权利要求2所述的基于智能算法的风电机组控制参数寻优方法,其特征在于,所述叶片1的模态向量表达式如下:

在上式中,表示叶片1的一阶挥舞模态位移;表示叶片1的一阶摆振模态位移;表示叶片1的一阶挥舞模态速度;表示叶片1的一阶摆振模态速度;表示叶片1的二阶挥舞模态位移;表示叶片1的二阶摆振模态位移;表示叶片1的二阶挥舞模态速度;表示叶片1的二阶摆振模态速度;

所述叶片2的模态向量表达式如下:

在上式中,表示叶片2的一阶挥舞模态位移;表示叶片2的一阶摆振模态位移;表示叶片2的一阶挥舞模态速度;表示叶片2的一阶摆振模态速度;表示叶片2的二阶挥舞模态位移;表示叶片2的二阶摆振模态位移;表示叶片2的二阶挥舞模态速度;表示叶片2的二阶摆振模态速度;

所述叶片3的模态向量表达式如下:

在上式中,表示叶片3的一阶挥舞模态位移;表示叶片3的一阶摆振模态位移;表示叶片3的一阶挥舞模态速度;表示叶片3的一阶摆振模态速度;表示叶片3的二阶挥舞模态位移;表示叶片3的二阶摆振模态位移;表示叶片3的二阶挥舞模态速度;表示叶片3的二阶摆振模态速度;

所述塔架的模态向量表达式如下:

在上式中,表示塔架一阶侧向模态位移;表示塔架一阶前后模态位移;表示塔架一阶侧向模态速度;表示塔架一阶前后模态速度;表示塔架二阶侧向模态位移;表示塔架二阶前后模态位移;表示塔架二阶侧向模态速度;表示塔架二阶前后模态速度。

4.根据权利要求2所述的基于智能算法的风电机组控制参数寻优方法,其特征在于,所述系数矩阵A、B、C、D能够通过风电机组建模软件线性化模块输出得到,由于系数矩阵与平均风速相关,需要在额定风速到切出风速区间选取若干个基准点,在每个基准点分别输出系数矩阵。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于明阳智慧能源集团股份公司,未经明阳智慧能源集团股份公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202210946912.2/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top