新能源风力发电系统中自适应控制技术的应用及未来前景

陈文静

（甘肃钢铁职业技术学院，甘肃嘉峪关，735100）

1 新能源风力发电系统应用自适应控制技术的必要性

1.1 实现自动化管理的必然选择

新能源风力发电系统的结构较为复杂，由风力机、传统装置、传感器、发电机等组成，在日常管理中，为确保新能源风力发电系统的正常运行，需要对新能源风力发电系统进行严密的监测，以及时的发现新能源风力发电系统各设备的运行状态，一旦新能源风力发电系统发生异常状态，便于及时的介入与管理，确保新能源风力发电系统安全可靠的运行，防止意外事故的发生。为达到上述目的，需要将自适应控制技术应用到其中，自适应控制技术能够根据新能源风力发电系统的管理需要，根据遍布于新能源风力发电系统中的传感器，对新能源风力发电系统的运行状态，如负荷、风况、工况等信息，进行详尽的监测与记录，为新能源风力发电系统故障的解决提供详尽的数据支撑；实现DCS通信功能，无需人工到场解决，让新能源风力发电系统具备远程操控能力，解决新能源风力发电系统所遇到的一些常见问题，如调整新能源风力发电系统的发电量、并网条件等。

1.2 推进新能源风力发电系统智能化建设

新能源风力发电系统因使用风力带动发电机发电，因而对风力的要求较高，需要及时有效的测量风力，根据风力的变化调整风向、功率，以精准匹配风力变化，让新能源风力发电系统最大程度的利用风力，实现资源的高效利用。在推进新能源风力发电系统的智能化建设中，应用自适应控制技术，能够有效的实现对限速、刹车功能、偏航、解缆、通信等方面的自动化控制，为其向智能化方向发展奠定了基础。如在刹车功能方面，当根据安装在新能源风力发电系统风力机转速、发电机位置的传感器检测到异常数据时，如风力机转速过高、超出了新能源风力发电系统最大功率限制时，新能源风力发电系统立刻启动预警装置，向工作人员发送预警信息，并立即自动降低风力机转速，断开与电网之间的联系，实现风力机与电网分离、降低叶片转速直到叶片不再转动，实现新能源风力发电系统的刹车。在此过程中，新能源风力发电系统会根据预设的程序自动运行，减少了人工介入时的等待时间，能够极大的提高新能源风力发电系统运行的安全性，降低因突发情况导致的新能源风力发电系统受损现象的出现；且随着人工智能技术在新能源风力发电系统中的应用，凭借人工智能强大的学习能力，能够根据新能源风力发电系统的运行而总结经验，从而与自适应控制技术相配合，更加充分发挥自适应控制技术的优势。

2 自适应技术在新能源风力发电系统中的实际应用

2.1 新能源风力发电系统的组成与常用功能

新能源风力发电系统由多个设备组成，主要为发电机、风力机、塔架、变桨偏航系统、桨叶、电控系统、联轴器等，其中较为主要的为发电机、电力机、桨叶等。按照风力发电的不同方式，新能源风力发电系统可分为并网型和离网型两种，所使用的的分别为并网型风力发电机、离网型风力发电机。离网型风力发电系统的发电功率、容量较小，多分布无电网地区，为家庭、小型设备供电使用，常见于偏远地区。离网型风力发电系统在发电机的选择上，通常使用异步发电机和永磁发电机，其中永磁发电机的建设成本较高，可根据自己的实际情况选择。并网型风力发电系统是与电网并在一起，风力发电系统输送到电网中进行传输，因而并网型风力发电系统的功率、容量较大，可以为一个村庄、集镇供电，并网型风力发电系统的应用较为广泛，目前在内蒙古、河北等地区得到了快速发展，以解决电力不足的问题。无论是并网型风力发电系统，还是离网型风力发电系统，其运行原理如下:自然风达到一定的风力以后，通常为每秒三公尺的微风速度即可带动叶片转动，新能源风力发电系统中的增速机开始介入，并加快叶片转动的速度，当叶片转动达到一定的速度以后，会带动新能源风力发电系统的发电机开始工作，发电机内部线圈产生感应电流，感应电流可达到500-1500千瓦；为使发电机能够持续运行，新能源风力发电系统会集成偏航装置，即借助电动机转动舱，让转子带动叶片使其始终能够对着风的方向，以最大程度的利用风能；考虑到发电机长时间运行会带来热量的堆积，为快速散热，让发电机安全稳定的运行，会通过冷却元件降低新能源风力发电系统的温度，冷却元件为风扇、水冷等，具体视新能源风力发电系统的大小选择不同的冷却装置；当发电机运行起来以后，储能电池开始运转，将发电机输送的电力储存到蓄电池中；若需要并网，则将新能源风力发电系统的电力经过调压以后，并入到电网之中。在并网时，通过并网控制装置，以降压运行和整流逆变为技术手段，将新能源风力发电系统的电压调整至与电网一致的时候，就可以实现并网发电、输送电力。新能源风力发电系统在运行期间，需要根据风力的变化，实时调整偏航装置、制动系统、叶片转速等，让新能源风力发电系统处于良好的运行状态，因而从新能源风力发电系统工作原理来说，需要使用自适应控制技术，以实现新能源风力发电系统的自动控制功能。

2.2 应用于风力涡轮输出和转速控制

风力涡轮输出和转速控制需要根据风力的变化而进行动态化的调整，传统的控制措施对人工的依赖性较强，需要人工进行判断以后，才能够向新能源风力发电系统下达涡轮输出和转速控制的指令，不能够有效契合风力的变化，存在一定的滞后性。在将自适应控制技术应用于新能源风力发电系统的风力涡轮输出和转速控制方面，可根据风力涡轮输出的需要，实现转速控制的动态化调整。如当新能源风力发电系统通过传感器检测到风力处于和风、劲风、疾风等恒速状态时，可判定风力涡轮输出功率处于P状态，为使风力涡轮输出P状态达到最大值，需要对叶片、涡轮转速进行调整，即将转速调整至ω。在这一过程中，自适应控制技术可通过传感器实时监测风力变化，判定风速是否处于恒速区间，若处于恒速期间，则将风力涡轮输出功率调整至P状态；然后线性化模块排除风力干扰因素，确定相关参数值，不断提升转速ω的参数，让转速提升至ω状态，从而使风力涡轮输出功率P达到最大、最佳状态，全力带动新能源风力发电系统的发电机工作，输出源源不断的电流。应用自适应控制技术调整风力涡轮输出功率和转速，这一过程中减少了人工操作的环节，由自适应机制、线性化模块发挥作用，大大加强了对风力涡轮输出功率P和转速ω的自动调整、控制能力，让风力涡轮输出功率P和转速ω可根据风力的变化、风力恒速的状态在一定范围内进行微调，始终保持风力涡轮输出功率P和转速ω与风向、风力一致。

2.3 在发电机与变桨距系统中的应用

发电机作为新能源风力发电系统的核心部位，为更好的利用风能，将风能转化为电力，需要根据风力风速、方向的变化，对变桨距系统进行调整，调节轮毂上的叶片，让变桨距系统的桨距角大小按照调节的幅度发生变化，从而改变风力发电系统叶片与气流之间的攻角，在应用自适应控制技术以后，对变桨距系统的调整可通过最大功率跟踪法实现，最大功率跟踪法是适应发电机最大功率而推出的一种变桨距系统调整与控制技术。当发电机在风力的带动下开始工作以后，此时若风速为恒速状态，发电机的输出功率处于稳定状态以后，此时最大功率跟踪法开始发挥作用，通过计算让桨距角保持在最优的状态，并对发电机的电磁转矩、风轮转速进行调整，让其能够处于额定功率的状态下输出电流。考虑到风力并非一直能够处于恒速状态，若风力发生变化，则桨距角、电磁转矩、风轮转速等参数均需要根据风力、风速的变化进行调整，因而需要对发电机的功率进行计算。其原理如下：当发电机的输出功率发生变化以后，表示为r+，变桨距系统中的模糊推理模块经过计算以后，输出，然后PID控制器对输出与输入的偏差进行计算，若风能增加，则调小桨距角，让风能的利用系数增大，提高电磁转矩和风轮转速，以增大发电机的输出功率；若风能降低，则需要调大桨距角，以适应风能的变化，让桨叶上的能量损失降低，此时可提高风轮转速，让发电机快速调整至额定功率，降低发电机的输出功率。通过将自适应控制技术在发电机功率与变桨距系统中的应用，能够发挥模糊自适应PID控制器的优势，即模糊自适应PID控制器根据新能源风力发电系统的相关参数，建立起与桨距角、风轮转速、电磁转矩调整相关的参数，如桨距角、风轮转速、电磁转矩的初始值、性能指标、耦合度等，这些数据会存储到模糊自适应PID控制器中。当外界的风力、风速发生变化以后，可启动模糊自适应PID控制器，通过模糊推理输出偏差变化率，以实时调整，从而与发电机的输出功率相匹配，让发电机的输出功率P与桨距角的调整更加自动化。

3 自适应控制技术的未来发展前景

3.1 智能化水平提高

新能源风力发电系统对风能的利用，需要时刻关注风力、风速、天气等情况的变化，才能够有效调整桨距角、叶片转动速度、发电机功率等参数，而实现上述操作的前提，需要具备大量的线性和非线性参数，这一操作的实现需要运用人工神经网络技术。在将人工神经网络技术应用到新能源风力发电系统之后，可凭借人工神经网络技术的强大学习与计算能力，对新能源风力发电系统运行时所产生的各项参数进行累积、存储、分析，从中发现桨距角、叶片转动速度、发电机功率等参数的常用数值；然后根据风速、风力的变化，建立起相应的模糊自适应控制参数，当风力、风速变化到这一区间以后，可以立刻调用相应的参数调整桨距角、叶片转动速度、发电机功率后，快速适应风速、风力的变化，让发电机功率及时达到输出功率P和转速ω，以此来实现对变桨距系统、发电机参数调整时存在的滞后性、模糊性等问题的解决，构建起快速弹性调整机制。此外人工智能技术在新能源风力发电系统之中的应用，还能够提升自适应控制技术对故障的发现、预警、消除等能力，在实现对变桨距系统、发电机功率、风力涡轮转速等自动化调整的过程中，难免因为新能源风力发电系统一些硬件和软件的错误，而导致相应故障的产生，此时可充分发挥人工智能技术的优势，赋予自适应控制技术排查、筛选、定位故障的能力，并发出相应的警示消息，如根据新能源风力发电系统的发电机，结合人工神经网络技术而开发的BP神经网络算法，极大的增强了对发电机齿轮箱故障的判定能力。当发电机齿轮箱出现故障以后，利用BP神经网络算法，可及时的定位齿轮箱故障，并分析其故障形成原因，提供相应的故障解决方案，从而让新能源风力发电系统的故障判定更加智能。

3.2 实现最优参数的智能化控制

在新能源风力发电系统中，因受到干扰因素较多，因而新能源风力发电系统在线性化模型的设计控制器方面，需要实现最优化的参数，才能够实现精准性的操控。为此在自适应控制技术方面，未来将会实现最优参数的智能化控制。在最优参数的智能化控制方面，会根据新能源风力发电系统的风量、风速等调节控制变流器，通过控制变流器的输出实现对发电机的控制，然后利用传感器捕获额定风速风能，从而达到控制风力与发电机输出功率的目的。在相应的参数设计方面，通过对参数的相应调整，可以使新能源风力发电系统对相应参数建立数据库，根据数据库中存储的数据，对相应参数进行调整。随着人工智能技术的应用、信息技术的进步，可以根据新能源风力发电系统所面临的情况，模拟一些新能源风力发电系统的使用场景，在模拟测试的过程中，对变桨距系统、发电机运行、风力涡轮等参数进行分析，观察不同参数情况下变桨距系统、发电机、风力涡轮等是否会发生异常情况，对发生的异常情况进行记录，并再次调整进行模拟测试，直到找到最优参数位置。考虑到外界风力发生的变化，需要将最优参数设置在一定的区间内，让最优参数能够在合理区间内进行微调，以适应风速的相应变化。

3.3 自适应控制计算能力增强

得益于微积分、专家诊断系统的引入，在未来自适应控制技术在计算能力方面将会大大增强。微积分与专家诊断系统所具备的强大逻辑分析、计算能力，能够对新能源风力发电系统的各方面运行情况进行分析，从而发现新能源风力发电系统中存在的一些问题，并进行实时调整，从而使新能源风力发电系统运行更加稳定。得益于自适应控制技术运行模型的建立，会对新能源风力发电系统的运行、故障等，建立起更加直观的分析模型，从而实现快速计算与分析。