一种基于鲁棒非线性自适应控制的风机轴系扭振抑制方法

技术领域

本发明属于控制和能源领域，尤其涉及一种基于鲁棒非线性自适应控制的风机轴系扭振抑制方法。

背景技术

在过去的20年中，风能并网规模的不断增加给电力系统稳定运行带来了巨大的挑战，其中轴系扭振问题引起众多学者关注。当风机的机械功率或者电磁功率发生大扰动时，风机轴系扭振现象则表现尤为剧烈，从而引起严重的机械疲劳。这不仅会造成严重的经济损失而且还可能埋下电网稳定性隐患，因为风机强烈地轴系扭振有可能引发或者恶化电网中其他振荡行为，所以已严重威胁到电力系统的稳定运行。因此，需要通过设计有效的扭振抑制器处理大扰动下的风机轴系扭振问题。

然而，现有相关技术通常基于线性系统理论对并网风机轴系扭振进行分析与控制，所提出的风机轴系扭振抑制器仅针对平衡点附近的近似线性化系统具有较好的效果。此外，有人提出了另外一种基于滑模控制的非线性风机轴系扭振抑制方法。然而，在该非线性风机轴系扭振抑制方法中，当并网系统遭遇到如风速突变、电网故障、风电调频等大扰动时，平衡点处的近似线性化系统将远远偏离其实际系统，从而大大降低了所设计的轴系扭振抑制器的轴系抑制性能，甚至有可能完全失去轴系扭振抑制作用。为此，有人提出了一种基于滑模控制(SMC)的非线性风机轴系扭振抑制器。滑模控制具有处理系统非线性特征的能力，能够在系统遭遇大扰动后有效抑制风机轴系扭振，但可能会出现由其不连续行为引起的抖振现象。实际上，在处理系统非线性特征方面，非线性自适应控制理论是相比于SMC更有效且成熟的方法，因此，可以借助非线性自适应控制的方法来消除现有方法的局限性。

发明内容

由于机-网交互耦合影响，复杂电网条件下，“电网友好型”风电机组的“机械友好”难以保障。一方面，电网扰动/故障会导致发电机的电磁力矩产生扰动，增加风电机组载荷。另一方面，当风速发生较大扰动、风机的启动或者风机突然停机时，都会使得风机机械功率发生较大的突变，风机轴系惯性作用不足以大幅度削弱此类大扰动。这两种转矩突变下都会使得风机面临严重的轴系扭振问题。若不采取有效的抑制措施，风机轴系扭振不仅严重影响风机的寿命造成高昂的经济损失，甚至还会恶化电网中其他振荡现象，由此将会产生一系列复杂的电力系统稳定性问题。所以，开展在遭遇大扰动情况下，风电机组轴系阻尼控制研究已成为风电并网系统稳定性控制工作中面临的一项重要挑战。

针对并网系统的不确定动态可以通过在线神经网络进行近似，并通过自适应控制率进行在线补偿。针对外部时变干扰和神经网络的重构误差的影响，可以采用误差符号积分鲁棒项进行补偿，并保证了所得到的控制信号是连续的，避免了执行机构的抖振问题。该控制方法关键在于，通过设计新的控制律，在风电并网系统存在不确定动态和外部干扰的情况下，实现渐近跟踪性能的同时保证控制信号的连续性，从而有效避免控制信号的抖振问题，进一步提升了控制效果及轴系扭振抑制器的鲁棒性。

考虑到大扰动情况下的风机轴系扭振问题，本发明提出了一种结合神经网络和误差符号积分鲁棒的连续控制策略。本发明不需要对风电并网系统中存在的不确定性、外部干扰以及神经网络重构误差的先验知识，系统的不确定动态通过在线神经网络进行近似，而外部时变干扰和神经网络的重构误差由误差符号积分鲁棒项进行补偿。本发明不仅能够有效处理大扰动下的风机轴系扭振问题，还具有处理模型参数及风电不确定性的良好鲁棒性。本发明方法的具体实现包括以下步骤：

本发明的目的是通过以下技术方案实现的：

一种基于鲁棒非线性自适应控制的风机轴系扭振抑制方法，该方法包括以下步骤：

步骤1，首先对双馈风机进行建模，给出其轴系模型：

其中w

步骤2，选择输出变量y为风力机轴系扭转角θ

步骤3，计算偏差角的二阶导数，同时外部考虑扰动存在，得到如下表达式：

式中，

步骤4，对

式中，F(Y)＝f(Y)+λw

步骤5，定义

式中，Z＝[Y

步骤6，考虑到H(Z)中并不包含时变干扰v(t)，因此可以通过神经网络来近似，即：

H(Z)＝W

式中，Φ(Z)为激励函数，ε(Z)为重构误差，W为权重矩阵，可令

步骤7，设计轴系扭振抑制器的控制律：

其中k

其中，

步骤8，控制律中的输出层权重矩阵估计值

其中l

步骤9，将设计的轴系扭振抑制器的输出u作为电磁转矩补偿量，之后将转矩控制的所需的电磁转矩参考值由原始的最大功率跟踪转矩T

进一步地，所述步骤3中，g(Y)和f(Y)的表达式如下：

进一步地，所述步骤5中，风电并网系统中的未知动态被分为两部分，用辅助函数H(Z)和V(t)表述，其表达式如下：

进一步地，所述步骤7中，不确定项

其中，

进一步地，所述步骤7和步骤8中，选取李雅普诺夫函数为V

式中，

是未知正常数，/>

即可证明被控系统所有信号

本发明的有益效果是：本发明基于鲁棒非线性自适应控制的风机轴系扭振抑制方法，在风电并网系统遭遇大扰动的情况下实现抑制风机轴系扭振的目的。同时，提升了轴系扭振抑制器在处理各种不同不确定性因素的鲁棒性。本控制方法通过引入鲁棒误差符号积分来补偿有界的重构误差和外部干扰，并设计了一种不需要知道真实神经网络权重信息的在线权重更新算法，进而保证了被控系统的渐近跟踪性能，并且所有闭环系统信号都是有界的。本控制方法能在风电并网系统存在不确定动态和外部干扰的情况下，实现渐近跟踪性能。同时，本控制方法能克服现有模型中的不确定性，增强控制系统的鲁棒性，具有抗干扰能力。此外，本控制方法所设计的控制信号为连续的，从而有效地避免执行机构的抖振问题，进一步保障了风电并网系统的安全稳定运行。

附图说明

图1是本发明的一种基于鲁棒非线性自适应控制的风机轴系扭振抑制方法的流程图；

图2是本发明的控制系统框图；

图3是本发明的发生三相短路故障下的风机轴系扭转角响应曲线图；

图4是本发明的发生三相短路故障下的风机轴系扭转角速度响应曲线图。

具体实施方式

下面结合附图和具体实施例对本发明作进一步描述。以下实例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。

本发明提供的一种基于鲁棒非线性自适应控制的风机轴系扭振抑制方法，该控制方法流程图如图1所示，控制系统框图如图2所示，其中，由风力机侧轴系转速w

步骤1，假设并网系统中风电场包含6台单机额定功率为710kw的双馈风机，且该6台风机被建模成一台集成双馈风机。首先考虑其轴系模型，表示为：

其中w

步骤2，选择风力机扭转角偏差Δθ

步骤3，计算偏差角的二阶导数，同时外部考虑扰动存在，得到如下表达式：

式中，

其中，g(Y)和f(Y)的表达式如下：

步骤4，为了方便轴系扭振抑制器设计，下面对上述二阶方程进行降阶。定义滤波后的输出向量

式中，F(Y)＝f(Y)+λw

步骤5，定义

其中，风电并网系统中的未知动态被分为两部分，用辅助函数H(Z)和V(t)表述，其表达式如下：

步骤6，考虑到辅助函数H(Z)中并不包含时变干扰v(t)，因此可以通过神经网络来近似，即：

H(Z)＝W

另外在实际中，权重矩阵W是未知的，故可令

步骤7，设计如下控制律：

其中k

其中，

其中，不确定项

其中，

步骤8，此外，控制律中的输出层权重矩阵估计值

其中l

步骤9，将设计的轴系扭振抑制器的输出u作为电磁转矩补偿量，之后将转矩控制的所需的电磁转矩参考值由原始的最大功率跟踪转矩T

进一步地，上述步骤7和8中，选取李雅普诺夫函数：

式中，

对上式求导，表示为：

即可证明被控系统所有信号

双馈风机以及所提出的风机轴系抑制器的参数如表1所示。

表1双馈电机和所提出的风机轴系抑制器的参数

考虑大扰动：在13.5s时，母线发生三相短路故障，该故障0.2s后被清除。

图3-4为大扰动场景下风力机侧与发电机侧风机轴系角速度之差以及轴系扭转角的响应曲线图。从图3-4仿真结果可知，当风电并网系统发生三相短路故障时，提出的轴系扭振抑制器都能够有效地实时估计系统的非线性部分，同时及时地动态补偿系统的扰动使得其性能进一步提高并以较快的速度抑制住了风机轴系扭振。

以上所述仅为本发明的较佳实施举例，并不用于限制本发明，凡在本发明精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。