基于High-Gain观测器的风力发电机组有效风速获取方法

摘要

本发明公开了一种基于High-Gain观测器的风力发电机组有效风速获取方法。该方法首先通过传感器采集风力发电机组的风轮转子转速                                                ，并对数据进行滤波和整理预处理，消除来自风电场环境和风机塔架本身的高频扰动；再结合风机的机械和电气特性建立High-Gain观测器，最后通过二次曲面拟合多项式函数，得到有效风速估计值，作为风机控制系统重要的参考输入，应用于风机的转矩控制、节距角控制和偏航控制，还可应用于风电场可靠性和经济效益分析、评价和分析风电场接入电网对电力系统的影响等，对风电场并网的规划与设计、包含风电的电网安全稳定性分析与计算、保护和安全自动装置配置与整定都具有重要的科学意义和应用价值。

主权项

一种基于High‑Gain观测器及相关分析的风力发电机组有效风速获取方法，其特征在于：包括以下步骤：步骤一：数据来源和预处理：采集风力发电机组的风轮转子转速ω_r，对采集到的风轮转子转速ω_r(k)作低通滤波处理，加入变流器，消除来自环境的高频抖动部分，得到可用于有效风速估计和控制系统设计的采样数据其中，k表示第k个采样时间；步骤二：构造High‑Gain观测器，通过采样数据得到风力发电机组传动链的动力特性可由如下方程组表示：$J_r{\stackrel{·}{\omega }}_r=T_a-K_r{\omega }_r-B_r{\theta }_r-T_{\mathrm{ls}}$$J_g{\stackrel{·}{\omega }}_g=T_{\mathrm{hs}}-K_g{\omega }_g-B_g{\theta }_g-T_{\mathrm{em}}$$n_g=\frac{{\omega }_g}{{\omega }_r}=\frac{T_{\mathrm{ls}}}{T_{\mathrm{hs}}}$其中，J表示转动惯量，K表示阻尼，B表示刚性系数，θ表示风轮转子角位移，下标r表示风力发电机组转子侧，下标g表示风力发电机组电机侧，T_a是风作用于风轮转动产生的气动转矩，T_em表示发电机电磁转矩，T_ls表示转子侧的低速制动转矩，T_hs表示电机侧的高速启动转矩；进一步可得到如下表达式：$J_t{\stackrel{·}{\omega }}_r=T_a-K_t{\omega }_r-B_t{\theta }_r-T_g$J_t是风力发电机组总的转动惯量，K_t是风力发电机组总的阻尼，B_t是风力发电机组总的刚性系数，T_g是发电机电磁转矩到风力发电机组转子侧的等效值；风力发电机组总的刚性系数B_t的实际值很小，因此，对风力发电机组特性，定义新的状态变量如下：$x=\left[\begin{array}{c}{x}_1\\ x_2\end{array}\right]=\left[\begin{array}{c}{\omega }_r\\ {\stackrel{·}{\omega }}_r\end{array}\right]$u＝T_gy＝x₁得到新的状态空间表达：${\stackrel{·}{x}}_1=x_2$${\stackrel{·}{x}}_2=\frac{1}{J_t}({\stackrel{·}{T}}_a-K_t{x}_2-{\stackrel{·}{T}}_g)$根据High‑Gain估计原理，构造观测器形如：$\begin{array}{c}ϵ{\stackrel{·}{\xi }}_1={\xi }_2\\ ϵ{\stackrel{·}{\xi }}_2={\xi }_3\\ .\\ .\\ .\\ ϵ{\stackrel{·}{\xi }}_n=-d_1{\xi }_n-d_2{\xi }_{n-1}-...-{\xi }_1+y\left(t\right)\end{array}$其中，0<ε<1是可设计的常数；d_i,i＝1,2…,n‑1满足多项式是Hurwitz的；按照上述方法构造新的状态变量ξ₁、ξ₂建立观测器逼近风力发电机组动力特性，如下：$ϵ{\stackrel{·}{\xi }}_1={\xi }_2$$ϵ{\stackrel{·}{\xi }}_2=-d_1{\xi }_2-{\xi }_1+y\left(t\right)$并且为当前时刻风轮转子转速测量值；0<ε<1；d₁满足多项式是Hurwitz的，即的两个根s₁，s₂均满足Re(s_i)<0，i＝1,2；由此，在采样时刻k得到风轮转子转速ω_r的测量值可得到当前时刻估计值为：${\stackrel{\widehat{·}}{\omega }}_r\left(k\right)=\frac{{\xi }_2}{ϵ}$步骤三：通过和得到气动转矩的估计值将当前采样时刻转子转速和步骤二根据High‑Gain观测器估计得到的代入到步骤二得到的如下风力发电机组动力特性表达式：$J_t{\stackrel{·}{\omega }}_r=T_a-K_t{\omega }_r-T_g$有：${\hat{T}}_a\left(k\right)=J_t{\stackrel{\widehat{·}}{\omega }}_r\left(k\right)+K_t{\hat{\omega }}_r\left(k\right)+T_g\left(k\right)$其中，T_g(k)为k时刻风力发电机组的电磁转矩，控制系统通过改变T_g(k)对风力发电机组转子侧的转矩进行控制；气动转矩估计值由上式可计算得到；步骤四：建立气动转矩T_a与有效风速v的映射关系：在风力发电系统中，风力发电机组受风力冲击使叶轮转动而捕获的机械功率P_a表示为：$P_a=\frac{1}{2}\mathrm{\rho \pi }{R}^2{C}_p(\lambda ,\beta )·v^3=T_a·{\omega }_r$其中，风能利用系数C_p(λ,β)<1表示风力发电机组从自然风能中吸取能量的大小程度，是关于叶尖速比λ和节距角β的函数；叶尖速比用来表示风轮在不同风速下的状态，R为风轮叶片半径，v为有效风速；从上述表达式推导出气动转矩T_a的另一个表达式：$T_a=\frac{1}{{2\omega }_r}{\mathrm{\rho \pi R}}^2{C}_p(\frac{{\mathrm{R\omega }}_r}{v},\beta )v^3\stackrel{\Delta }{=}{T}_a(v,{\omega }_r,\beta )$可以看出T_a＝T_a(v,ω_r,β)是关于有效风速v、转子转速ω_r和节距角β的函数；步骤五：通过C_p二次曲面的散点拟合多项式函数得到有效风速估计值风力发电机组的C_p(λ,β)曲面在工程上用如下表达式得到：$C_p(\lambda ,\beta )=0.22(\frac{116}{m}-0.4\beta -5)e^{-\frac{12.5}{m}}$$\frac{1}{m}=\frac{1}{\lambda +0.08\beta }-\frac{0.035}{{\beta }^2+1}$其中，m为中间变量，当节距角β为不同的确定取值时，风能利用系数C_p关于叶尖速比λ构成一簇无因次曲线，变化趋势为：C_p随λ增大逐渐平稳增大，达到峰值，最后平稳减小；现采用的方法为：根据不同β值下的C_p(λ)工程曲线，拟合以λ为自变量的多项式，得到气动转矩T_a关于有效风速v的表达式，最后通过迭代计算找到v的最佳逼近；假设：$C_p\left(\lambda \right)=\underset{i=0}{\overset{n}{\Sigma }}{a}_i{\lambda }^i=\underset{i=0}{\overset{n}{\Sigma }}{a}_i{\left(\frac{{\mathrm{R\omega }}_r}{v}\right)}^i$考虑步骤三估计得到的风力发电机组气动转矩估计值和步骤四得到的气动转矩T_a关于有效风速v的映射关系T_a＝T_a(v,ω_r,β)，有：${\hat{T}}_a\left(k\right)=\frac{P_a}{{\hat{\omega }}_r\left(k\right)}=\frac{1}{2{\hat{\omega }}_r\left(k\right)}{\mathrm{\rho \pi R}}^2\underset{i=0}{\overset{n}{\Sigma }}{a}_i{\left(\frac{R{\hat{\omega }}_r\left(k\right)}{\hat{v}}\right)}^i·\hat{v}{\left(k\right)}^3=\frac{1}{2}{\mathrm{\rho \pi R}}^2\left(\underset{i=0}{\overset{n}{\Sigma }}{a}_i{R}^i{\hat{\omega }}_r{\left(k\right)}^{i-1}\hat{v}{\left(k\right)}^{i-3}\right);$这个等式中，每个采样时刻的和都是确定已知的，有效风速v的当前时刻估计值是唯一变量；实际上，在低于发电机额定功率的工作区域，该多项式只有唯一解，所以采用迭代算法计算在一小段循环后即能达到收敛，至此，获取得到有效风速v。