大惯量风力发电系统全风况优化控制研究
发布时间：2022-01-07 14:36
大力开发和利用以风电为代表的新能源,是破解当今时代能源环境问题的重要手段之一。然而,风能的随机性和间歇性为风电的安全高效利用带来挑战。一方面,风电出力的有限可控性不利于电网的安全稳定运行;另一方面,弃风和以抑制出力波动为代表的电网友好性要求对风电运营的经济、环境效益造成负面影响。随着风电机组额定容量的增大,风电机组大转动惯量特性使得运行效益与电网友好性的矛盾更加突出,系统控制难度更大。因此,针对不同风况环境,研究大惯量风电机组控制系统的优化问题,对于全面提高风电机组控制性能,兼顾风力发电的经济、环境效益和电网友好性,具有重要的理论意义和工程应用价值。提出了大惯量风力发电系统全风况灵活控制框架,从风速幅值和风速波动性两个角度着手,设计和验证了相应的优化控制解决方案。在额定风速以下区间有效兼顾风能利用效率和功率波动性的平衡;在额定风速附近及以上区间,抑制输出功率波动性和机械载荷。论文的主要工作如下:1、基于通用的风力发电系统数学模型,分析风电机组的转动惯量特性,包括转速特性以及转动惯量与风能利用效率、功率波动性关系;引入Gap metric理论提出风力发电系统非线性度量方法;基于系统特性分...
【文章来源】：华北电力大学(北京)北京市 211工程院校 教育部直属院校
【文章页数】：121 页
【学位级别】：博士
【部分图文】：
图１?－１国家电丨经营范削内介风趋势图（单位：亿千瓦时）??Ｆｉｇ．１－１?Ｔｒｅｎｄ?ｏｆ?ｗｉｎｄ?ｐｏｗｅｒ?ｃｕｒｔａｉｌｍｅｎｔ?ｍａｎａｇｅｄ?ｂｙ?ＳＧＣＣ??
随着风电机组单机容量的提高，风轮叶片长度不断增大，因此风轮转动惯??随之增加。这给风机控制系统的设计和优化带来了机遇和挑战。一方面，大??动惯量具有更大的平抑功率波动的潜力，但也会增加风机转速的控制难度，??而导致风能捕获效率的降低；另一方面，对于大惯量风机，提高风能利用效??将引起更大的输出功率波动和更强的机械载荷。可见，大转动惯量扩大了风??利用效率与输出功率波动性及机械载荷之间的矛盾。此外，在额定风速附近??以上区间，大惯量风力发电系统的控制难度亦会相应增加。综上，针对具备??转动惯量特性的大型风力发电系统，研究其在全风况环境下的控制系统设计??优化问题，对于全面提高风力发电系统控制性能，兼顾风力发电的经济、环??效益和电网友好性，具有重要的理论意义和Ｉ：程应用价值。??２风力发电系统概述??风力发电系统是将风能转化为电能的机械、电气和控制设备的系统整合，??主要由气动系统、传动系统、电气系统和控制系统等四类子系统构成［２］，如??－
平北屯力大学博上学位论义??第五章在额定风速以上区间，提出了基于半自由工况点的模型预测恒功率??控制。利用大惯量风机转速特性，将传统ＭＰＣ控制器恒定稳态工况点松弛为??半自由稳态工况点集合，以平滑发电机出力和减小桨距角动作。通过引入“近??细远疏”的分块化策略，以减小控制自由度的代价降低在线优化问题规模，提??高单次循环内的求解速度。??第六章针对额定风速附近的过渡区间，设计ｆ基于事件驱动的无扰切换控??制策略。首先分析了传统控制器切换过程的暂态特性，进而提出了基于事件驱??动的无扰切换控制策略，并论证了过渡过程的稳定性和动态特性。该控制策略??将切换控制过程分为风速上穿越事件响应和风速下穿越事件响应，实现了控制??系统在额定风速以上和以下区间切换过程中的功率ｆ滑输出。??
【参考文献】：
期刊论文
[1]考虑温度和湿度的风机最大功率跟踪控制[J]. 苏勋文,徐殿国,杨荣峰,岳红轩. 电工技术学报. 2017(13)
[2]双馈风力发电机组有功功率多模型预测控制[J]. 刘兴杰,郭九旺,邬旭东,王伟. 太阳能学报. 2017(04)
[3]电力发展十三五规划:聚焦五细分领域[J]. 电器与能效管理技术. 2016(24)
[4]基于分区变步长爬山法的双馈风机MPPT控制策略[J]. 张阁,杨艺云,肖静,高立克,肖园园. 电气传动. 2016(11)
[5]时滞对风储平滑功率效果的影响分析[J]. 赵昱杰,凌志斌,张敏吉. 电力建设. 2016(08)
[6]电网限负荷条件下风电场一次调频策略[J]. 范冠男,刘吉臻,孟洪民,王凯. 电网技术. 2016(07)
[7]基于模糊神经网络的双馈异步风力发电机最大风能追踪控制研究[J]. 刘宇浩,刘伟,卢洪堃. 电工技术. 2016(04)
[8]线性/非线性自抗扰切换控制方法研究[J]. 李杰,齐晓慧,夏元清,高志强. 自动化学报. 2016(02)
[9]基于免疫遗传算法的风力发电机组变增益PI控制器参数整定与优化[J]. 高峰,王伟,杨锡运. 动力工程学报. 2016(01)
[10]双馈风机自适应神经分散协调预测控制[J]. 李晓明,牛玉广,王世林,林忠伟,李明扬. 控制理论与应用. 2015(07)
博士论文
[1]基于T-S模糊线性化的风力发电系统增益调度控制研究[D]. 胡阳.华北电力大学 2015
[2]基于未建模动态估计与补偿的非线性自适应切换控制方法的研究[D]. 张亚军.东北大学 2014
[3]电力系统模型预测控制技术研究[D]. 杨罡.北京交通大学 2013
[4]基于非线性度量和MLD-MPC的多模型方法研究[D]. 杜静静.浙江大学 2010
硕士论文
[1]基于Elman神经网络控制的风电最大功率点追踪的研究[D]. 周展.湖南大学 2016
[2]大型风力机性能优化的预测控制[D]. 唐慧敏.兰州理工大学 2014
[3]非线性自适应切换控制及其在风力发电中的应用[D]. 王彦婷.东北大学 2011
[4]新型爬山算法在永磁直驱式风力发电系统中的运用[D]. 卢季宁.湖南大学 2010
[5]交流励磁风力发电系统及其控制策略研究[D]. 卢洪锋.华北电力大学（北京） 2007
本文编号：3574724
【文章来源】：华北电力大学(北京)北京市 211工程院校 教育部直属院校
【文章页数】：121 页
【学位级别】：博士
【部分图文】：
图１?－１国家电丨经营范削内介风趋势图（单位：亿千瓦时）??Ｆｉｇ．１－１?Ｔｒｅｎｄ?ｏｆ?ｗｉｎｄ?ｐｏｗｅｒ?ｃｕｒｔａｉｌｍｅｎｔ?ｍａｎａｇｅｄ?ｂｙ?ＳＧＣＣ??
随着风电机组单机容量的提高，风轮叶片长度不断增大，因此风轮转动惯??随之增加。这给风机控制系统的设计和优化带来了机遇和挑战。一方面，大??动惯量具有更大的平抑功率波动的潜力，但也会增加风机转速的控制难度，??而导致风能捕获效率的降低；另一方面，对于大惯量风机，提高风能利用效??将引起更大的输出功率波动和更强的机械载荷。可见，大转动惯量扩大了风??利用效率与输出功率波动性及机械载荷之间的矛盾。此外，在额定风速附近??以上区间，大惯量风力发电系统的控制难度亦会相应增加。综上，针对具备??转动惯量特性的大型风力发电系统，研究其在全风况环境下的控制系统设计??优化问题，对于全面提高风力发电系统控制性能，兼顾风力发电的经济、环??效益和电网友好性，具有重要的理论意义和Ｉ：程应用价值。??２风力发电系统概述??风力发电系统是将风能转化为电能的机械、电气和控制设备的系统整合，??主要由气动系统、传动系统、电气系统和控制系统等四类子系统构成［２］，如??－
平北屯力大学博上学位论义??第五章在额定风速以上区间，提出了基于半自由工况点的模型预测恒功率??控制。利用大惯量风机转速特性，将传统ＭＰＣ控制器恒定稳态工况点松弛为??半自由稳态工况点集合，以平滑发电机出力和减小桨距角动作。通过引入“近??细远疏”的分块化策略，以减小控制自由度的代价降低在线优化问题规模，提??高单次循环内的求解速度。??第六章针对额定风速附近的过渡区间，设计ｆ基于事件驱动的无扰切换控??制策略。首先分析了传统控制器切换过程的暂态特性，进而提出了基于事件驱??动的无扰切换控制策略，并论证了过渡过程的稳定性和动态特性。该控制策略??将切换控制过程分为风速上穿越事件响应和风速下穿越事件响应，实现了控制??系统在额定风速以上和以下区间切换过程中的功率ｆ滑输出。??
【参考文献】：
期刊论文
[1]考虑温度和湿度的风机最大功率跟踪控制[J]. 苏勋文,徐殿国,杨荣峰,岳红轩. 电工技术学报. 2017(13)
[2]双馈风力发电机组有功功率多模型预测控制[J]. 刘兴杰,郭九旺,邬旭东,王伟. 太阳能学报. 2017(04)
[3]电力发展十三五规划:聚焦五细分领域[J]. 电器与能效管理技术. 2016(24)
[4]基于分区变步长爬山法的双馈风机MPPT控制策略[J]. 张阁,杨艺云,肖静,高立克,肖园园. 电气传动. 2016(11)
[5]时滞对风储平滑功率效果的影响分析[J]. 赵昱杰,凌志斌,张敏吉. 电力建设. 2016(08)
[6]电网限负荷条件下风电场一次调频策略[J]. 范冠男,刘吉臻,孟洪民,王凯. 电网技术. 2016(07)
[7]基于模糊神经网络的双馈异步风力发电机最大风能追踪控制研究[J]. 刘宇浩,刘伟,卢洪堃. 电工技术. 2016(04)
[8]线性/非线性自抗扰切换控制方法研究[J]. 李杰,齐晓慧,夏元清,高志强. 自动化学报. 2016(02)
[9]基于免疫遗传算法的风力发电机组变增益PI控制器参数整定与优化[J]. 高峰,王伟,杨锡运. 动力工程学报. 2016(01)
[10]双馈风机自适应神经分散协调预测控制[J]. 李晓明,牛玉广,王世林,林忠伟,李明扬. 控制理论与应用. 2015(07)
博士论文
[1]基于T-S模糊线性化的风力发电系统增益调度控制研究[D]. 胡阳.华北电力大学 2015
[2]基于未建模动态估计与补偿的非线性自适应切换控制方法的研究[D]. 张亚军.东北大学 2014
[3]电力系统模型预测控制技术研究[D]. 杨罡.北京交通大学 2013
[4]基于非线性度量和MLD-MPC的多模型方法研究[D]. 杜静静.浙江大学 2010
硕士论文
[1]基于Elman神经网络控制的风电最大功率点追踪的研究[D]. 周展.湖南大学 2016
[2]大型风力机性能优化的预测控制[D]. 唐慧敏.兰州理工大学 2014
[3]非线性自适应切换控制及其在风力发电中的应用[D]. 王彦婷.东北大学 2011
[4]新型爬山算法在永磁直驱式风力发电系统中的运用[D]. 卢季宁.湖南大学 2010
[5]交流励磁风力发电系统及其控制策略研究[D]. 卢洪锋.华北电力大学（北京） 2007
本文编号：3574724
本文链接：https://www.wllwen.com/kejilunwen/dianlidianqilunwen/3574724.html
