风力发电机及风力发电控制技术研究措施

风力发电机及风力发电控制技术研究措施

李小雨

大唐蒙西新能源事业部 内蒙呼和浩特010010

摘要：有效利用水、风能和太阳能不仅能有效缓解能源危机，促进经济发展，促进社会进步，而且具有环保价值。风力发电在新能源的发展处在首位。在中国风力发电技术仍然落后于国外，尤其是对大型风力发电机总体设计研究、失速控制和调速等。如何提高风力发电机组的性能，简化风力发电的过程，提高风力发电设备的适应性，是风力发电研究的重点。

关键词：风力发电机；风力发电控制；技术措施；

中国风能资源丰富,可开发利用的风资源14亿kW,其中陆上6亿kW、海上8亿kW。2008年中国累计装机容量达到1 221万kW,其中并网发电的有894万kW。到2020年我国风电装机将达到1. 5亿kW。相比化石能源和核电,风能是一种开发成本较低、清洁环境、安全、可再生的能源形式。

一、风力发电机

风力发电机组主要有 3 个运行区域，在该区,主要实现风力发电机的最大风能捕获。按照贝兹原理, 风力发电机的理论最大利用风能被称为贝兹理论极限值。 此时,风力发电机风能利用系数为 0.593。但能量的转换将导致功率的下降, 它随所采用的风轮和发电机的型式而异, 因此, 风力发电机的实际风能利用系数小于0.593。而使用各种控制策略的目的就是尽最大可能地接近贝兹理论极限值曲线。改变节距角、发电机转距控制、偏航控制在这个区都可以使用。然而, 往往是保持节距角不变, 利用发电机转距控制和偏航系统对风力发电系统进行控制。当风速达到或超过额定风速后, 风力发电机组进入额定功率状态。现有多种实现变速恒频的发电方式, 其中最具优势的是风轮直接驱动低速同步发电机系统即直驱式风力发电系统和交流励磁双馈发电机风力系统。

二、风力发电控制技术措施

1.定桨距失速风力发电技术。定桨距风力发电机组于20世纪80年代中期开始进入风力发电市场，主要解决了风力发电机组的并网问题、运行安全性与可靠性问题。采用了软并网技术、空气动力刹车技术、偏行与自动解缆技术。桨叶节距角在安装时已经固定，发电机转速由电网频率限制，输出功率由桨叶本身性能限制。当风速高于额定转速时，桨叶能够通过失速调节方式自动地将功率限制在额定值附近，其主要依赖于叶片独特的翼型结构，在大风时，流过叶片背风面的气流产生紊流，降低叶片气动效率，影响能量捕获，产生失速。由于失速是一个非常复杂的气动过程，对于不稳定的风况，很难精确计算出失速效果，所以很少用在MW级以上的大型风力发电机的控制上。

2.变桨距风力发电技术。从空气动力学角度考虑，当风速过高时，可以通过调整桨叶节距、改变气流对叶片攻角，从而改变风力发电机组获得的空气动力转矩，使输出功率保持稳定。采用变桨距调节方式，风机输出功率曲线平滑，在阵风时，塔筒、叶片、基础受到的冲击较失速调节型风力发电机要小很多，可减少材料使用率，降低整机重量。其缺点是需要一套复杂的变桨距机构，要求其对阵风的响应速度足够快，减小由于风的波动引起的功率脉动。

3.变速风力发电技术。变速运行是风机叶轮跟随风速变化改变其旋转速度，保持基本恒定的最佳叶尖速比，风能利用系数最大的运行方式。与恒速风力发电机组相比，变速风力发电技术具有低风速时能够根据风速变化在运行中保持最佳叶尖速比获得最大风能、高风速时利用风轮转速变化储存的部分能量以提高传动系统的柔性和使输出功率更加平稳、进行动态功率和转矩脉动补偿等优越性。

4.风力发电系统的智能控制。风力发电系统的控制策略根据控制器的不同可分为两大类：以数学模型为基础的传统控制方法和模拟人类智能活动及其控制与信息传递过程的智能控制。由于智能控制可充分利用其非线性、变结构、自寻优等各种功能来克服系统的参数时变与非线性因素，因此各种智能控制方案于近几年被开始应用于风电机组控制领域。模糊控制是一种典型的智能控制方法，其最大特点是将专家的经验和知识表示为语言规则用于控制。它不依赖于被控对象的精确数学模型，能克服非线性因素影响，对被调节对象的参数具有较强的鲁棒性。由于风力发电系统是一个随机性的非线性系统，因此模糊控制非常适合于风力机的控制。模糊控制在发电机转速跟踪、最大风能捕获、发电机最大功率获取以及风力发电系统鲁棒性等方面取得了较好的控制效果。笼型异步发电机可采用模糊控制器跟踪发电机转速以实现最大空气动力效率、计算轻载时磁链以实现发电机－逆变器效率优化、实现发电机速度控制的鲁棒性，可根据功率偏差及其变化取得在额定风速以下运行时的最大功率。变速恒频无刷双馈风力发电系统采用自适应模糊控制模型，可实现较好的鲁棒性和抗干扰能力，并且利用模糊控制可实现最大风能捕获并改善系统稳定性。大部分文献采用的是简单模糊控制器，主要缺点是控制精度不高，会出现稳态误差，需要专家知识，缺乏自适应能力。人工神经网络具有可任意逼近任何非线性模型的非线性映射能力，利用其自学习和自收敛性可作为自适应控制器。在风力发电系统中，神经网络可以用来根据以往观察风速数据预测风速变化等方面。变桨距风力发电系统中可采用神经网络控制器通过在线学习并修改特性曲线，实现风能的最大捕获并减小机械负载力矩，根据风速数据和风力发电机动态特性可建立神经网络参考自适应控制模型。基于数据的机器学习是现代智能技术中的重要方面，研究从观测数据出发寻找规律，利用这些规律对未来数据或无法观测的数据进行预测，来对工业过程进行有效控制。这些学习方法包括模式识别、神经网络、支持向量机等。在风电系统中，可从运行机组获取大量重要数据，以对机组的动态特性和性能进行研究。因此，将上述基于数据驱动的机器学习方法与风能转换系统的控制相结合，是解决风机控制问题的重要途径之一。

三、技术发展趋势展望

风力发电在提升效率，节约资源，提升品质，降声降噪，防险保稳和简化控制等因素的驱动下，已走向大规模、控速度、减电刷、直驱动、现代化和微应用。在大型化的进程中不仅使土地使用面积节约，减少了并网花销，而且还降低了功率输出成本。变桨距和变速恒频技术的研究使风力发电的规模受限的问题有效解决了。采用直驱技术，不仅消去了齿轮箱，使能源利用率提高了，还使发电费用减少，降低了噪声污染，有效提高了风力发电的安全性。无刷控制技术的应用方便了设备维修，提高了设备的稳定性。智能控制技术的发展给风力发电提供了许多新的控制方法，如模糊控制方法、神经网络控制方法、模式识别和自适应控制方法等，为应对风力发电中的系统参数变化或非线性影响因素的分析提供计算方法。磁力传动技术和磁悬浮技术的发展，给风力发电提供了更广阔的发展空间，不仅能源消耗少，而且环保高效。为提高风力发电效率，降低成本，改善电能质量，减少噪声，实现稳定可靠运行，风力发电将向大容量、变转速、直驱化、无刷化、智能化以及微风发电等方向发展：直接驱动可省去齿轮箱，减少能量损失、发电成本和噪声，提高了效率和可靠性。

生态文明建设是新能源开发利用的重要组成部分，利用各种创新技术提高新能源利用效率。特别是，中国已经成为世界上最大的风力发电市场, 在风力发电、节能为社会建设做出的重要贡献。在推进风力发电的过程中，制约风力发电的短板是技术落后。因此，研究风力发电控制技术对提高风力发电效率具有重要意义。

  参考文献：

[1]姚佳．变速恒频双馈风力发电机励磁控制技术研究[J]．中国电机工程学报，2019，23(11)：122-125.

[2]申辉．变速恒频风力发电机空载并网控制[J]．中国电机工程学报，2021，24(3)：6-11．