对信息化控制技术在风力发电控制系统中运用的思考

韩岩

摘   要：控制系统是整个风力发电和电力生产的核心调控系统和安全生产的关键所在。在新型信息技术的带动和催生下，现代化的控制结构、体系和网络正在成为控制系统的核心技术和基础技术。对于风电企业来讲，更准确地运用信息技术、将现代化的科技元素融入风力发电控制系统就成为工作的核心所在。本文对自适应技术、仿真神经网络技术、专家评估系统、人工智能技术等现代技术的应用进行了深入研讨。

关键词：信息  控制  风力发电  自适应  神经网络  系统  技术

中图分类号：TM614                                文献标识码：A                        文章编号：1674-098X（2019）12（a）-0001-02

风力发电是新时期绿色发展理念和可持续发展思想在电力与建设事业上的新生事物，随着风力发电场站建设与应用逐步开展，如何利用好现代信息技术和高科技元素加速风力发电事业发展就成为建设者、管理者和决策者的中心任务和核心目标。当前信息化的控制技术发展进入到关键时期，以自适应技术、人工神经网络技术、专家评估系统、人工智能技术为代表的新型技术正在广泛应用到风电控制体系之中，这为高效率、高安全地实现风电生产各项目标提供了可能，同时也为风电事业的从业者提出了如何做好实际应用、具体管理等一系列课题。

1  自适应控制技术在风力发电系统中的运用

自适应控制技术是在新一代控制理论和网络技术基础上提出的新型控制技术，在风力发电运行的实际过程中具有较好的适应性和针对性，风力发电控制系统中的运用自适应控制技术可以针对尚未构建模型的运行参数进行调整，进而实现风力发电系统动态阶段变化的实时性控制，从而保障风力发电设备达到稳定运行、安全运转的目标实现。当前自适应控制技术的应用主要集中在风力发电中控制系统的中控部分，通过自适应控制技术构建的功能型平台能够实现风力发电系统及时准确的捕捉风力和风强，动态性地调整发电控制系统的以适应周边环境变化的实时性和突发性，真正起到对环境要素的全面、适当、有效地调整。自适应控制技术在不同风力发电设备之间还有着数据交换和信息沟通的功能，通过对个别风力发电设备反馈的信息，风力发电场站可以形成运行环境的深入认知，有助于建立更加完整、更加准确的环境信息库。同时，风力发电场站课可以通过风力发电设备整体的历史数据进行深入加工，制定和形成适应实际的风力电力生产的策略和目标，因此，自适应控制技术在风力发电控制系统中的应用具有显著现实意义。

2  专家评估系统在风力发电控制系统中的运用

专家评估系统是基于大数据技术和专家数据库系统的智能推理系统和辅助程序，是对专家思维和推理过程的全过程仿真与真实性模拟，由于专家评估系统包含专业知识信息库、推理与演绎模块、专家经验数据库、知识与经验储备等功能组成部分，所以对风力发电控制系统实现对实际情况和具体问题的分析和判断有着重要的针对性和功能性。风电机组系统是结构性和功能性高度融合的复杂系统，任一子系统存在运行的风险和故障都会在整体上和功能上造成对整个系统的不良影响和严重威胁。专家评估系统可以形成对风力发电机组电力信号、故障信息、特征向量的跟踪，实现整个风力发电控制系统对海量运行数据的模糊控制，在采取出组区域转矩控制的基础上结合变速控制方式，更好地提出针对不同风场风速风强的运行调整建议，在准确预测和全面控制的同时实现风力发电设备高效率、高安全地运行。风力发电设备及其控制系统在结构上异常复杂，根据系统论的基本观点风力发电系统越复杂，造成风力发电系统故障和隐患的因素就会越多，风力发电设备及其控制系统故障就会越复杂、越难于处理，而专家评估系统的应用可以实现对各设备、各器件的动态跟踪和实施检测，采取专业化推理和功能化演绎的方式作出故障和隐患的判断，更好地实现风力发电设备及其控制系统的连续、安全地运行。

3  仿真神经网络技术在风力发电控制系统中的运用

仿真神经网络技术属于分线性的映射技术，在风力发电生产中应用仿真神经网络技术可以有效提升整个系统的功能性和抗逆能力，同时由于仿真神经网络技术具有的可扩展性和可学习性风力发电控制系统可以实现对功能的自组织，有效实现控制系统的跟踪学习和容错能力，这使得风力发电系统可以不断开发出递进型的控制体系，更好地适应风力发电的动态性、连续性、不确定性等更重条件和基本情况。风速、风向和风力的辩变化具有动态性和不平衡性的变化特征，利用仿真神经网络技术可以准确实现对风速的预测，进而做到风力发电控制系统的实时性、全面性调整，以适应风力发电生产和运行安全的实际需要。通过仿真神经网络技术中的遗传算法可以实现发电系统对现实运行参数的调整，通过BP算法可以实现对现实风场的准确预测，在仿真神经网络技术深入应用的基础上可以实现风力发电设备对风能捕捉能力的极大提升。仿真神经网络技术的优势还在于对风力发电系统运行的跟踪、分析和诊断，特别对于风力发电设备的运行状态和故障隐患更是有着及时的判断和实施的诊断功能，通过仿真神经网络技术的应用进一步提升整个体系对发电系统、控制系统的感知能力，有效地提升风力电机的动力性能和连续性，在技术、系统和功能上实现了风力发电运行的稳定性，进一步提升了风力发电电能的质量。

4  人工智能技术在风力发电控制系统中的运用

风力发电控制系统在实际运行中面临各种不确定性和不可控性的影响，动态因素的嬗变性产生风力发电控制系统必须具备较强的适应能力和调节能力。传统风力发电控制系统利用建构数学建模和仿真模型来确定各种动态因素，但是受制于数学手段、技术设备、运行平台、设计意图、方式方法上的限制，导致验算和推导出的风力发电控制系统难于适应风场实际，特别在优化风力发电控制方式上由于简单地局限在线性方程的设计，导致风力发电控制系统不能够动态反应电机工作特点，导致风力发电控制系统不能精确化、实时化地对风力做出及时反应，出现功率与荷载、电流与电压等一系列参数的波动，最终影响风力发电生产的安全性和稳定性。通过人工智能技术的应用，风力发电控制系统可以实现在多维度、多工具之间的平衡，针对风力发电设备环境的现实要素、实际变量实现参数的系统分解、动态处理和線性优化，不但提升了控制系统对风力发电设备的可控性，而且也实现了控制系统对风能持续的捕捉，还达到了提升风力发电设备利用效率的目的。通过人工智能技术的应用，在控制系统中可以形成正反两个方向的信息交流，通过双向反馈和跟踪有效提升风力发电转子的运行状态，将调整和控制风力发电主要结构和系统的功能转化为控制系统的自动化调控功能，在系统跟踪风速变化、准确调整叶片速度的基础上实现高效率、连续性电力生产。

5  结语

综上所述，随着绿色发展、可持续发展的理念在电力事业发展中逐步落实，风力发电将会成为电力结构中重要的一环和核心的组成部分，要将现代化的信息技术、控制网络和交换平台更好地引入到风力发电系统的建设与应用过程之中，将信息化作为风力发电发展的根本路径，借助智能化、网络化的控制技术实现对活力发电控制系统的整合与优化，搭建风力发电控制系统高效率、高安全运行的技术平台，推进风电和整个电力系统信息化、智能化的建设进程。

参考文献

[1] 任丽娜，焦晓红，邵立平.风力发电机速度跟踪自适应控制研究[J].太阳能学报，2013，30（10）：51-52.

[2] 郑雪梅，李琳，徐殿国.双馈风力发电系统低压过渡的高阶滑膜控制仿真研究[J].中国电机工程学报，2013，32（27）：91-93.