基于单神经元pid的变速变桨风力机叶片载荷控制

基于单神经元pid的变速变桨风力机叶片载荷控制

0风力机载荷控制仿真建模随着电动汽车市场的发展，对发展趋势和系统性能的要求越来越高。叶片是展向长、弦向短的细长体,柔性较好,容易产生振动。风在时间和空间上具有多变性,使得风力机的受力非常复杂。外力以及振动变形作用会产生动载荷,容易造成风力机失效,减小风力机载荷就成了亟待解决的问题之一~。经过学者们的努力,在风力机载荷控制方面取得了一些成果。文献,从闭环的角度分析风力机载荷,将神经网络、鲁棒控制等先进控制理论用于减小风力机载荷;文献在变桨系统和电机转矩控制过程中,考虑了减小塔架的振动载荷;文献采用多元输入方式,对风力机载荷进行控制,根据载荷控制重点,可以选择不同的参数建立控制方程,考虑的参数越多,对系统的描述越详细,但控制越复杂,因此需要选择适当的参数,既能表达系统,又利于控制设计;文献通过对Bladed软件的二次开发,实现转矩环间的解耦控制,并降低了风力机的疲劳载荷。在额定风速以上时,采用变桨变速的方式对风力机进行功率控制。在此过程中,由于变桨的实质就是改变叶片的攻角,因此叶片载荷会发生变化,并且随着风速的变化,叶片所受的载荷更加复杂,基于此提出将叶片载荷分为静态和动态两部分。单神经元PID控制器具有自学习和自适应能力,能够实现控制器参数的在线调节,因此通过单神经元PID控制器控制静态载荷状态下的变桨角度。在计算动态载荷时,通过多叶片坐标转换理论将旋转坐标系参数转换为固定坐标系参数,再将力矩转换为桨距角,然后通过坐标逆变换将得到的参数转换为旋转坐标系中的参数。最后将动态部分的参数值和静态部分的单神经元PID控制器的输出桨距角相加,一起构成风力机变桨所需的控制值。Bladed软件是专业的风力机载荷分析数据包,能够实现对风力机载荷和功率等的控制仿真,更重要的是能够对控制器进行二次开发。借助Bladed软件的二次开发功能,对提出的叶片载荷控制策略进行验证。1变量变量差动力机的静态载荷由单开轴pid控制1.1变桨角度对功率分配的影响当风速高于风机的额定风速时,如不进行主动控制,风机将通过叶片自身空气动力特性对功率进行调节,但这种方法多用于小型风机。对于大型风机而言,常通过调节变桨角度使其输出功率保持在额定值。不考虑风机的刚度、阻尼等参数时,风力机变桨系统数学表达式为式中:ω觶为角加速度;J为风轮转子转动惯量;T为实际转矩值;Te′为转矩等效值;θ觶为实际变桨角度加速度;tins为变桨机构时间常数;θc为变桨角度给定值;θ为变桨角度实际值。实际转矩可由式(2)计算得到:式中:λ为叶尖速比;ρ为空气密度;S为风轮扫掠面积;Cp为能量转换系数;R为风轮半径;v为风速。1.2单元单触发矩阵pid管理系统1.2.1桨距控制和转速在变桨控制过程中,当风机实际功率高于额定功率时,将偏差作为控制输入,经过PID调节,使风力机输出功率等于额定值。由于变桨过程就是改变叶片的攻角,即改变了叶片的受力情况,因此需要对叶片载荷进行控制。将叶片载荷分为静态和动态两部分,PID控制器需要输出的是控制静态载荷所需的桨距角。当风速发生变化时,风机转速不能跳变,以转速Ω为依据进行计算,得到的值即为静态桨距角θs。桨距角控制框图如图1所示。1.2.2单神经元自适应pid控制器单神经元自适应PID控制算法为式中:ηP,ηI,ηD分别为比例、积分、微分的学习速率;e(k)为偏差;u(k)为控制对象输出;z(k)为偏差。PID控制器具有结构简单、易于实现的特点,但其参数整定较复杂。单神经元具有自适应能力,通过选择学习规则改变学习速率,实现对PID控制参数的自适应调整。变桨系统单神经元自适应PID控制器的结构如图2所示。在控制器设计过程中,权系数的调整决定了控制器的控制性能。因此,将学习速率设定为不同的值,通过这种方法实现对权系数的区别控制。在整个过程中,由于Δe(k)与PID参数调节关系密切,因此,应充分考虑其作用。对式(3)做改进,得到式(5):式中:Δe(k)=e(k)-e(k-1);z(k)=e(k)。2旋转坐标系与风轮固定坐标系的转换叶片受湍流、塔影效应、变桨等多种因素作用,除受静态载荷作用外,还受动态载荷作用,故引入多叶片坐标变换这个概念。多叶片坐标变换采用映射的方式将旋转的叶片所处的周期参考系转换到固定参考系,将叶片的周期特性消除,简化叶片受力的分析过程。定义多叶片坐标变换矩阵为式中:ψi为叶片i的方位角。多叶片坐标变换逆矩阵为根据式(6),叶片旋转坐标系和风轮固定坐标系转换关系用式(8)表示:式中:Mzi为叶片拍打力矩,是旋转坐标系参数;Mgzi为固定坐标系参数。研究表明,忽略剪切力、张力以及变桨时叶片在轮毂中心产生的力矩等影响,式(8)中的Mgz2和Mgz3与叶片根部的倾斜力矩和偏航力矩的关系可用下式表达:式中:Mtilt为叶片根部的倾斜力矩;Myaw为叶片的偏航力矩。式中:hc,kc为增益系数;为因.子系数;R为叶轮半径;x1为塔顶前后振动偏移;x1为塔顶前后振动速度;θig为固定坐标系桨距角;δ为增量;uig为控制变量。由式(8)~(11)可以求得固定坐标系中的变桨角度。得到固定坐标系中的变桨角度后,根据多叶片坐标逆变换将固定坐标系中的桨矩角转换为旋转坐标系中的值。固定坐标系中的变桨角度与旋转坐标系中的变桨角度关系可用式(12)表示:式中:θi为旋转坐标系桨距角。将上述的桨矩角静态分量和动态分量相加,就可得到系统的实际桨矩角调节值。3外部控制器测试与分析Bladed是通过国际认证的风力机专业软件包,广泛用于风力机的设计分析。根据上述的控制策略,设计Bladed外部控制器,外部控制器和软件内置程序进行数据交互,并对外部控制器和内置控制器的控制性能进行比较。采用某2MW变速变桨风力机模型进行仿真研究。风力机参数:风轮转子半径为38.7m,切入风速为3.8m/s,切出风速为24m/s,额定风速为11.5m/s,空气密度为1.225kg/m3,额定功率为2MW。为验证控制策略的正确性,选择动态变化的湍流风模型为输入量(图3)。从图4可以看出,在整个风速变化区域,采用外部控制器可有效降低叶片扭矩。图5比较了叶片拍打力矩的变化情况,图5表明,即使存在湍流,叶片的拍打力矩也能够得到较好的控制。外部控制器的控制性能优于内部控制器,本文提出的叶片载荷控制策略得到了有力的验证。4桨叶的动态分量控制风力机变桨过程中的受力情况复杂,分析发现,变桨角度可以分解为静态分量和动态分量。基于此,采用改进单神经元PID控制器调节桨距角静态分量,采用