【摘 要】
：
由于二次动态矩阵控制(quadratic dynamic matrix control,QDMC)算法中二次规划求解计算量大、实时性差等问题,难以满足液压型风力发电机组变量马达转速的高精度快速控制需求.该文提出一种双重速率二次动态矩阵控制算法(dual rate QDMC,DR-QDMC),将控制增量的求解分解为快速层和慢速层2个时间尺度进行,利用AMESim-Simulink/Matlab联合仿真平台构建液压型风力发电机组的AMESim仿真模型并研究分析DR-QDMC算法性能.仿真实验结果表明,DR-Q
【机 构】
：
兰州理工大学电气工程与信息工程学院,兰州 730050;兰州理工大学电气与控制工程国家级实验教学示范中心,兰州 730050;天水电气传动研究所集团有限公司,天水 741000
论文部分内容阅读
由于二次动态矩阵控制(quadratic dynamic matrix control,QDMC)算法中二次规划求解计算量大、实时性差等问题,难以满足液压型风力发电机组变量马达转速的高精度快速控制需求.该文提出一种双重速率二次动态矩阵控制算法(dual rate QDMC,DR-QDMC),将控制增量的求解分解为快速层和慢速层2个时间尺度进行,利用AMESim-Simulink/Matlab联合仿真平台构建液压型风力发电机组的AMESim仿真模型并研究分析DR-QDMC算法性能.仿真实验结果表明,DR-QDMC算法不仅可增强系统控制实时性,而且还能提升变量马达转速控制的快速性和抗扰性.
其他文献
针对传统多目标模型预测控制(MPC)权重系数设计复杂的问题,运用分层控制的思想,提出一种无权重系数的多目标优化模型预测控制策略.利用MPC控制算法可直接控制交流量这一优势,在两相静止坐标系下推导双馈感应发电机(DFIG)转子电流、定子电流和定子功率的参考方程和预测方程.最后进行传统多目标MPC控制策略和无权重系数多目标MPC控制策略下的对比仿真实验.仿真结果显示,相比于传统多目标控制策略,所提控制策略的动态响应速度更快,并可改善系统的稳态性能.
详细分析叶片结冰对风电机组运行性能和运行参数的影响,采用功率、叶轮转速和环境温度作为监测叶片结冰的变量.采用高斯过程回归分别建立功率模型和叶轮转速模型实现2个参数的实时监测.引入序贯概率比检验方法分析功率和叶轮转速模型的预测残差以发现2个参数在叶片结冰时的异常变化.当风电机组功率异常、叶轮转速异常且环境温度在0℃附近这3个条件同时满足时,发出叶片结冰预警.以云南某高原风场风电机组叶片结冰实际数据为例,验证本文方法的有效性.
以H型垂直轴风力机及其内含圆柱形实体为研究对象,对NACA0018翼型的五叶片H型垂直轴风力机的气动性能进行数值模拟和实验验证.分析8种不同直径的内含圆柱体,在内含实体截面积占风轮迎风面积之比分别为21.2％、50.0％和76.9％时,风力机风能利用率的峰值分别下降8.04％、20.7％及74.3％.结果表明:随着内含实体直径的增大,风能利用率的峰值逐渐减小,开始较为缓慢,达到一定值时快速下降.小直径内含实体主要影响叶片在下风区的转矩,对风能利用率的影响较小,而大直径内含实体还会影响叶片在上风区的转矩,其
为了提高风电机组变桨系统故障诊断的准确性,提出一种基于批标准化的堆叠自编码(SAE)网络故障诊断模型.针对SAE网络在特征学习过程出现的梯度硬饱和问题,选用PReLU激活函数,在SAE网络中加入批标准化(BN)层进行优化,通过输出层的Softmax函数,得到变桨系统各部件故障发生概率.以均方误差最小化为目标,采用Adam算法迭代训练数据,使模型参数得到更新.在风电机组变桨系统数据采集与监视控制(SCADA)系统中的数据集中,对优化前后的SAE网络通过改变迭代次数、样本数量进行实验,结果表明,优化后的SAE
在基于叶片根部载荷的PID独立变桨控制的基础上,引入激光雷达并提出优化的独立变桨控制方法.利用激光雷达可重建风力机前方风场信息的特点,对风力机前方风速进行提前测量.提出并使用统一风演化模型对所测数据进行二次处理,得到更贴近实际的叶轮中心风速,进一步使用所提出的分离测风方法对叶根载荷进行提前计算,根据载荷的计算值进行独立变桨控制.该方法可用于解决由于信号延迟、变桨执行机构延迟导致的风速与桨距角不匹配问题.在保证发电功率平稳的情况下,进一步减小风力机工作时的叶根载荷及轮毂不平衡载荷.使用TurbSim软件生成
针对低运行工况下直驱风电机群并网出现的次同步振荡(SSO)问题,基于图形化分块建模,在建立风力机、集电线路及电网等独立元件的模型基础上,构造不同集电线路拓扑结构下直驱风电机群的线性化模型.利用特征值分析法和阻抗分析法识别系统中存在的振荡模式,并分析运行工况、电流内环控制参数和风力机数量等因素对SSO频率和阻尼的影响.研究结果表明:d轴电流内环控制参数设置不合理是诱发直驱风电机群SSO的根本原因.在EMTDC/PSCAD中搭建直驱风电机群并网的时域仿真模型,验证了理论分析的正确性.
针对传统随机规划方法和区间优化方法处理风电出力不确定性的不足之处,该文提出含电转气设备的电力-天然气综合能源系统两阶段鲁棒协同调度模型,并考虑天然气网络运行约束对燃气轮机和电转气设备调度出力及备用配置的影响.模型以风电基准场景下系统的日前调度运行成本及最劣风电场景下实时调度成本之和为目标函数,建立具max-min结构的双层优化模型,并在主/子问题求解框架下采用列约束生成(C&CG)方法进行求解.最后,在Matlab平台下构建仿真算例验证所提鲁棒协同调度模型的有效性.
为解决海量数据用作预测模型训练样本导致信息冗杂的问题,提出一种基于深度置信网络的短期风电功率预测方法.该方法首先使用历史数据作为训练样本,通过深度置信网络无监督学习提取出其相应特征,随后采用K均值算法对提取出的特征进行聚类分析,将历史数据分作几类,并通过判别分析确定待测日所属类别,以该类别所属的历史数据对设置了误差反馈层的深度置信网络进行有监督训练,再将待测日的气象信息输入训练好的深度置信网络模型得到待测日的预测功率.最后使用云南某风电场实际运行数据进行算例分析,证实了该方法的有效性.
基于风速的空间关联性提出一种新的多位置多步风速组合预测方法.对风场内各风力机进行灰色关联分析,并据此利用昆虫优化算法进行优选重构,获取目标风力机及临近域空间信息.利用卷积神经网络对重构矩阵进行空间特征提取,并输入长短时记忆网络进行多步预测.最后,将所提方法应用于不同风场进行风速预测,通过对比分析验证所提方法的预测精度和泛化能力.
提出一种基于季节指数调整的神经网络风速预测方法.针对历史风速之间的非线性关系,运用神经网络非线性拟合能力并结合季节性指数调整对风速时间序列进行预测.通过时序图法和增广Dickey-Fullerd检验法判断时间序列的平稳性,结果表明该序列为非平稳序列.这种不稳定性说明时间序列中可能包含趋势、季节性、循环和不规则成分的一种或多种,为此采用时间序列分解模型对时间序列进行季节指数调整.最后采用LSTM和GRU神经网络预测风速,得到了较好的预测结果,且与未调整的数据预测结果及加法模型季节指数调整后的预测结果相比,基