学术堂首页 | 文献求助论文范文 | 论文题目 | 参考文献 | 开题报告 | 论文格式 | 摘要提纲 | 论文致谢 | 论文查重 | 论文答辩 | 论文发表 | 期刊杂志 | 论文写作 | 论文PPT
学术堂专业论文学习平台您当前的位置:学术堂 > 水利论文 > 电力论文

风力发电控制系统中的信息化控制技术的具体应用

来源:大众用电 作者:徐兴朝
发布于:2021-11-04 共3216字
    本篇论文目录导航:

【第1-2篇】风力发电技术论文(精心整理6篇)
【第3篇】新时期新能源风力发电技术的应用价值及发展方向
【第4篇】风力发电控制技术及新发展探讨
【第5篇】风力发电电气控制技术及其应用
【第6篇】 风力发电控制系统中的信息化控制技术的具体应用

风力发电技术论文范文第六篇:信息化控制技术在风力发电控制系统中的应用

  对风力发电以及电力生产而言,控制系统的应用发挥了重要的作用,是实现安全生产的核心。在信息化技术不断发展的背景下,现代化应用网络、结构、体系等逐渐成为风力发电控制系统中的核心技术,能进一步完善系统。

  1 风力发电控制系统类型

  风力发电控制系统主要有双馈风力发电控制系统和直驱式永磁风力发电控制系统两种类型。双馈风力发电控制系统是风力发电领域中常见且应用最为广泛的系统形式,具有较高的性价比,主要应用于大功率风力发电机中。随着信息化、智能化技术的不断发展,双馈风力发电控制系统也逐渐采用新的控制技术,如恒速恒频控制技术和变速恒频控制技术等,在对发电机进行控制时,普遍采用无功优化控制、矢量控制、直接功率控制以及滑模控制四种方法。直驱式永磁风力发电控制系统在不断发展过程中逐渐应用于小功率风力发电机中,其简单、有效且成本投入较少,主要采用扰动观察控制、转矩反馈控制、最佳叶尖速比控制以及功率反馈控制四种方法。

风力发电.png

  2 信息化控制技术在风力发电控制系统中的应用

  2.1 自适应技术的应用

  风力发电控制的过程中会产生各种数据,初期采用的传统控制方式灵敏度较低,并且控制效率不够理想,在风力发电技术不断发展的情况下,这种控制方式不仅会影响控制系统的有效应用,还容易造成电力事故。在科学技术飞速发展的今天,现代化控制技术逐渐被应用于风力发电控制系统,其中自适应技术是一项关键的控制技术,具有较高的灵敏度。在实施控制的过程中,假如被控制的风力发电设备出现变化,自适应技术能够自动捕捉,获取相关变化数据,并采用相应的控制措施。为了提升风力发电系统的控制有效性,相关科研人员在风力发电的过程中要不断优化和完善控制系统,但是控制系统自身具有一定的不足,控制能力有限,在这种情况下,应用自适应技能能够有效处理这些问题,弥补控制系统的不足,提升控制的灵敏度,结合系统的参数、运行规律对控制程序进行调整,并识别对象动态特点,结合识别结果作出决策,并且能结合外界环境的变化对控制系统进行自动化调整。

  2.2 专家评估技术的应用

  专家评估技术是以大数据技术、数据库系统等为基础的一种具有智能推理性的辅助程序,能够实现专家思维模拟和全过程仿真,具有一定的真实性和过程性。专家评估技术在应用过程中主要包含知识数据库、推理和演绎模块、专家经验数据库、知识储备和经验模拟等板块。将该技术应用于风力发电控制系统中,能够针对实际问题、实际情况等进行综合、全面的分析与判断,并保证判断的功能性和针对性。风力发电机组是由各种复杂系统从结构、功能角度融合而来,因此如果其中一个小系统出现故障问题,将会对整个系统的功能、安全造成影响。应用专家评估技术,可以对风力发电机组电力信号、故障问题信息、特征向量等进行跟踪,并且促使整个控制系统实现对各种运行数据的模糊控制,在应用转矩反馈控制方法的基础上将变速恒频控制技术融入其中,进而能够根据不同风场、不同风速作出调整,在保证预测准确性以及控制全面性的同时,还能保证风力发电机组更安全、更高效地运行。由于风力发电设备以及相关控制系统的结构具有较高的复杂性,结合系统论的观念,在系统越复杂的情况下,故障隐患的问题也会越多,故障会越复杂、越难处理,而应用专家评估技术,能够对设备、组件等进行动态跟踪和检测分析,应用具有专业性的推理理论和功能演绎方法,准确判断故障隐患,进而保证风力发电控制系统的正常、安全运行。

  2.3 人工神经网络技术的应用

  人工神经网络技术属于一种具有先进性的信息技术,发展速度较快,在智能领域已经获取良好的成就。该技术是一种非线性、自适应数据处理技术,在风力发电控制系统中具有良好的应用价值。人工神经网络有较强的抗逆能力,在容错能力方面相比其他技术有着良好的表现。对风力发电而言,风速、风向并不是固定不变的,要想精准预测风速,就需要关注预测方式的应用,进一步明确预测周期和地点。在具体实践中,可以利用时间序列神经网络精准预测风速,还可以将人工神经网络技术和小波分析技术结合起来,预测风力发电的功率。可以在应用人工神经网络技术之前,借助神经网络估计风速,这样能够提升系统动态化性能,就算后期风速发生巨大变化,系统依旧能够实现稳定性运行。同时,在对风力发电机组进行研究的过程中,变桨距系统也是一个关键的系统,可以借助神经网络控制变桨距,进而解决变桨距参数的时变性和滞后性的问题。另外,为了获取更多的风能,还可以重新构建发电机组预测模型,将其应用于人工神经网络控制器,利用BP算法、遗传算法等,提出新的神经网络算法。该算法可以应用于风力发电机组故障诊断,能够解决故障问题,提升系统运行的稳定性。

  2.4 最优控制智能技术的应用

  在自然环境中,风速、风向都属于不确定、不稳定的因素,然而在风力发电过程中,这二者却是极其重要的因素,由于可控性较低,需要在研究中重点探究如何对其进行控制,以确保风力发电的稳定性。对此,可以将最优控制智能技术应用于风力发电控制系统,实现对风速感应设备、发电机等的控制,及时获取风速、风能变化数据,将其保持在稳定状态内。传统的风力发电控制系统较为落后,再加上发电机组运行环境较为恶劣,需要控制系统实现机组启停、发电控制等功能,并且很难构建风速线性模型,在一定程度上提升了工作人员的工作难度。将最优控制智能技术应用于风力发电控制系统,能够有效明确风速捕捉点以及风速平衡点,构建专业的线性模型,对相关数据、数据变化之间的关系进行高效控制。同时,为了避免数据之间出现冲突,还可以结合实际情况调整智能技术的应用,对线性模型进行优化,保证数据的准确性,并且在扩展矢量控制动态模型的情况下,还能设计出调节器的最优输出功率。为了避免风速测量失真,还可以对变流器的速度进行控制,进而控制发电机。为了获取嘴阀风能,可以将反馈线性化和跟踪控制系统应用于风力发电控制系统,跟踪和控制发电机转子转速以及风速变化,采用最佳叶尖速比方法,保证最大限度地获取额定风速、风能,实现发电机的输出功率控制。另外,还可以采用LQG控制方法,找到一个控制序列,然后对变桨距控制器进行优化设计,修改一些可以控制的信号。这样能够在额定风速下促使发电机尽可能获取风能,并且在额定风速值之上确保输出功率的稳定性,在引进自由参数之后,对高频率、低频率之间的权重进行重新分配,从而保证系统最优性能。

  2.5 微分几何技术

  在数学领域中,微分几何是重要的内容,在人们实际生活中也有广泛的应用。从本质上看,微分几何重点是对线性关系进行研究,而从一定角度来看,风力发电控制系统实际上具有非线性关系,在实际发电的过程中,发电效率会受到风速的影响,并且发电技术是由多种技术参数构成。将微分几何技术应用于风力发电控制系统,最先要处理的问题就是风力发电表现出来的非线性关系,将其转变为线性关系,然后操作双馈发电机,输入相关指令,结合微分几何原理,根据发电机的反应情况进行调整,保证控制系统稳定运行。同时,应用该技术还能实现对风能的捕捉,提升风力发电效率。在实际情况中,假如风速超过额定值,就可以对风力发电机的转速进行降速调节,控制系统功率,确保功率值保持在标准范围内。通过利用微分几何技术,还能取代以往采用的系统技术,提升风力发电控制系统的工作效率。微分几何技术的设计难度较大,特别是计算方面。在现代化技术不断发展的背景下,CPU性能逐渐提升,这也为微分几何技术在风力发电控制系统中的应用奠定了基础。

  总之,以上通过介绍风力发电控制系统类型以及几种信息化控制技术在风力发电控制系统中的应用,对风力发电控制以及信息化控制技术有了清楚的认知。虽然现阶段风力发电控系统尚处于建模阶段,但是已取得了一定的发展成果,有着良好的发展前景,探究自适应技术、专家评估技术、人工神经网络技术、最优控制智能技术以及微分几何技术在风力发电控制系统中的应用具有重要的现实意义。

作者单位:新天科创新能源技术有限公司
原文出处:徐兴朝.信息化控制技术在风力发电控制系统中的应用[J].大众用电,2021,36(04):80-81.
相关标签:
  • 报警平台
  • 网络监察
  • 备案信息
  • 举报中心
  • 传播文明
  • 诚信网站