风力发电集控中心的信息化建设

风力发电集控中心的信息化建设

吴杰

内蒙古华电新能源分公司集控中心，内蒙古呼和浩特010030

摘要：目前，由于风力发电具有成本较低、发展前景广泛、应用方便、可再生性好等优点，逐渐受到了各国专家学者的注意。近年来，我国风力发电技术发展较快，在各方面取得了重要科研成果，并成功投入应用。风力发电技术的应用对于环境污染的改善，化石燃料的节约都具有深远意义。文章对风力发电集控中心的信息化建设进行了研究分析，以供参考。

关键词：风力发电；集控中心；信息化建设

前言：风力发电控制系统中的结构内容有很多，在科学技术飞速发展的影响下，许多新的控制系统和控制技术应用到了风力发电控制系统中，有效提高了风力发电控制系统的应用效率。信息化控制技术就是其中一种，在目前的风力发电控制系统中较为常见，改善了以往风力发电控制系统中的问题，提升了系统的应用效果。华电蒙西新能源远程集控中心按照“无人值班、少人值守、远程集控”的生产管理目标建设，将负责华电蒙西区域所有已投产风光项目的远程监控、调度及生产数据统计分析。内蒙古华电新能源分公司正式组建后，根据每个场站的装机容量和地理位置位置分布情况成立了七个运检中心。

1风力发电储存技术

风力发电储存技术能有效缓解风力不稳定性以及负荷峰谷比问题，对于削峰填谷具有很大的作用，同时也减少了能量转换过程中的损耗。（1）新型电池储能技术。电池储能技术是最简单的电能储存方法，主要应用于单独运行的中小型风力发电机的电能储存，以便根据风况以及负荷的变化进行电能补偿。现在采用的电池主要有铅酸电池、钒电池、镍镉电池、钠硫电池、锂电池等。（2）水利蓄能技术。水利储能技术需要以丰富的水资源为前提，在风能过量时，利用风能带动水泵将水位提高，将电能转化为势能。在风能不足时，将高水位的水进行泄放，带动水力涡轮发电机发电，从而将势能转化为电能。（3）压缩空气蓄能技术。压缩空气蓄能技术是主要应用于干旱地区的风力发电储能技术。在风能过量时，利用风能带动压缩机，将空气压缩储存到金属器具内或者矿洞内，在风力不足或者负荷较大时，利用压缩空气带动涡轮机发电。（4）飞轮蓄能技术。飞轮储能技术容量小、储存时间短，适用于大容量的发电机。通过在发电机与风力机之间加装飞轮，利用飞轮转动的惯性储存能量。在风速较高时，风能转化为飞轮动能进行储存，在风速不足时，飞轮的惯性带动发电机转动，将动能转化为电能。

2信息化控制技术在风力发电控制系统中的研究

截止到目前,华电蒙西新能源规划在建及已投产风光项目总装机容量为226.8万kW。其中，风电总容量为191.8万kW，安装风电机1287台，光伏总容量为35万kW，安装逆变器1029台。在已投产的风光项目中，集控中心已接入华电蒙西20个风光场站。下面对信息化控制技术在风力发电控制系统中的研究进行了研究分析。

2.1自适应控制技术的应用

自适应控制技术是信息控制技术中的一种，在应用期间对技术要求比较高，将这项技术应用到风力发电控制系统中，可以对系统中各项数据的变化情况进行掌握并控制，确保系统中各项参数的合理性。传统的风力发电控制系统需要构建参数模型来对各项参数进行控制，其对模型的完整性要求比较高。但是这类模型在建设过程中及具有较高的难度，所以无法保证风力发电的控制效果。而自适应控制技术的合理应用可以对系统中各方面的变化情况进行实时掌握，并根据外界环境进行调整，具有明显的应用优势，提升风力发电系统的控制效率[1]。

2.2微分几何控制技术的应用

微分几何控制技术主要是对风力发电系统的线性变化进行体现。从风力发电控制系统的应用情况来看，其是一个非线性系统，但是在实际应用的过程中，其会受到外界因素的影响而产生动态变化。想要实现微积几何控制技术的合理应用，需要对以上问题进行有效处理，并根据处理结果向发电机发送一系列的操作指令，以此提升风力发电控制系统的运行效率，实现风能的高效运用，满足电力能源的生产需求。微分几何控制技术的应用可以改变风力发电系统的性质，简化系统运行过程中的操作内容，但是该技术在实际应用时也会受到一定的约束，整体的计算难度比较大，所以在应用过程中存在一定的困难。

2.3专家系统的应用

专家系统是一种先进推理系统，可以按照人类的思维走向对问题进行处理，整体的智能化水平比较高。专家系统在应用的过程中需要有完善的系统，具有足够的专业知识、完善的推理模块，对各个领域和知识都有所了解，在遇到问题时可以进行科学的应对。通常，这项系统在故障的诊断中比较常用。风力发电系统中涉及的内容比较多，系统的类型也比较多，如果其中一个子系统出现问题，则会对整个系统的正常运行产生较大的影响。将专家系统应用到风力发电控制系统中，可以及时发现系统中的故障问题，可以通过网络信息技术对发电机组中的问题进行准确分析。由于风力发电系统的稳定性无法得到保证，专家系统可以与以往应用的控制系统相结合，实现对机组中故障问题的综合诊断和控制。

2.4人工神经网络技术的应用

在实际工作中，利用神经网络技术来对风电场发电量进行预测，能够有效降低功率波动率。而人工神经网络控制器与发电机预测模型之间的有机结合，实际上就是将BP算法与遗传算法的优势融合于一体，进而形成的一种新型BP神经网络算法，其风能捕捉能力极强。为此，这种新型的BP神经网络算法能够对风电机组齿轮故障问题进行准确诊断，诊断结果的准确度较高。

2.5最优控制智能技术的应用

风力发控制系统在应的过程中容易受到风能的影响，运行过程中存在着许多的不确定性，想要建立完善的数据模型存在着一定的困难，通过数学模型可以实现对系统的合理控制。但是只通过数学模型中的相关数据对风力发电系统进行设计，无法满足风力发电系统的应用需求。风力发电系统在运行的过程中，无论是否产生电能都需要对整个系统的承受能力进行掌握，系统中的电流在运行期间也会出现一系列的变化，如何让系统保持在最优的状态是目前风力发电系统设计工作比较重视的问题。将最优控制智能技术应用到风力发电控制系统中，可以对系统中的不确定因素和相关变量时进行处理，实现对风能的有效捕捉，将其全部应用电力能源的产生中，还可以对电力机组的状态进行调整，从而提升风力发电控制系统的应用效率。

结束语

风力发电控制系统在实际应用时，也会受到风速的影响，而无法保证控制效果。需要对以往应用的控制体系进行优化和完善，将信息化控制技术应用到该系统中，可以实现智能化控制，对风能进行捕捉，提升发电效率。

参考文献：

[1]王家坤.风力发电控制系统中现代信息化控制技术的应用策略[J].中国高新技术企业，2017(10)：69-70.

[2]闫豪，李君略.信息化控制技术在风力发电控制系统中的运用[J].电子技术与软件工程，2018(3)：140.

[3]郝雅楠.信息化控制技术在风力发电控制系统中的运用[J].时代农机，2016，43(9)：25-26.