说明书一种风力发电机组控制器参数辨识与整定方法
技术领域
本发明属于风力发电机组控制技术领域，特别涉及一种风力发电机组控制器 参数辨识与整定方法。
背景技术
目前，大型兆瓦级的风力发电机组均采用了变速变桨距控制技术。典型的控 制系统结构如图1。由于自然风的大范围随机变化，控制器的作用随着机组运行 状况的不同分为桨距控制和转矩控制。在额定值以下转矩控制回路有效，通过改 变转矩控制转速，而桨距角保持最优桨距角不变，实现最大风能追踪；反之则桨 距控制回路有效，通过改变桨距角来控制转速，而转矩保持额定，实现恒功率控 制。由于风力发电系统具有强非线性和参数时变等特点，机组模型不易建立，因 此国内外学者提出了许多不依赖对象模型先进的智能控制算法或智能自整定PID 控制。但作为风电控制器的核心硬件，大多数可编程控制器(PLC)尚无法实现 智能控制，许多先进算法中大量的数据计算也会影响控制器的实时性，目前应用 于实际机组控制中仍主要为PI控制和查表控制等传统控制算法，其控制参数设 置的优劣直接影响着控制器的控制效果。
工业过程PID控制器参数的整定方法很多，依据对模型的依赖性主要分为两 种整定方法：一种是基于规则的工程整定法，另一种是基于模型的理论整定方法。 工程整定法不依赖对象数学模型，但主要以工程经验为依据，不具有一般性。而 且许多方法，比如阶跃响应法和临界比例带法等，需要对控制对象做大量扰动实 验，由于风速扰动的随机性而很难实现。理论整定方法则需要对象的数学模型， 大型风力发电机组是一个连续的非线性多变量随机系统，无法直接建立用于参数 整定的线性化模型，而目前广泛应用于控制器仿真的非线性机理模型，因其中理 想化的理论假设和近似处理太多影响了模型准确性，而且不适用于参数整定。
由GH公司开发的权威风力发电机组仿真软件Bladed可利用大量详细的设备 参数建立数学机组仿真模型，由于该软件通过德国船级社和IEC认证，仿真计算 准确，模型精确度高，已成为公认的行业标准之一。由于风力发电系统是一个连 续的非线性多变量随机系统，因此其控制器参数在设计和优化过程中不易整定和 辨识，而国内外目前对于这方面的研究还不多，没有形成比较系统、完整的辨识 与整定方法。Bladed软件被广泛应用于机组的设计及优化中，许多机组都可以根 据其设备参数建立仿真模型，本发明借助Bladed软件的模型线性化和参数辨识 功能对机组控制器参数进行了辨识计算和整定，采用其模型线性化和参数辨识功 能，获得用于机组控制器参数计算与整定的重要特性参数和线性模型，然后基于 机组线性模型结合风场风速分布概率对转矩及桨距PI控制器参数进行最优整定 与综合计算，并根据参数辨识结果计算转矩控制的最优增益系数、自适应桨距控 制的增益因子等参数，形成了一种基于Bladed的风电控制器参数辨识与整定方 法，可为实际风力发电机组控制器参数设置与优化提供方法指导。
发明内容
本发明的目的是提出了一种风力发电机组控制器参数辨识与整定方法，其特 征在于，针对风力发电机组控制器参数在设计和优化过程中不易计算与整定的问 题，利用Bladed软件模型线性化结合模型降阶算法建立了适用于参数整定的机 组线性化模型，然后结合风场风速分布概率进行了控制器PI参数最优整定与综 合计算，并基于Bladed软件参数辨识结果计算了转矩控制的最优增益系数及自 适应桨距控制的增益因子等参数；所述风力发电机组控制器参数辨识与整定方法 具体步骤如下：
步骤1：基于Bladed的风电机组模型线性化
根据机组设备参数由Bladed建立风电机组模型，使用Bladed软件模型线性 化进行模型计算，然后通过Matlab软件对计算结果进行转换处理，得到各风速 点用于桨距控制器PI参数整定的桨距-转速传递函数模型和用于转矩控制器PI参 数整定的转矩-转速传递函数模型。
步骤2：线性化模型降阶处理
对转矩-转速模型和桨距-转速模型采用最小二乘拟合法降阶为一阶惯性时 延环节模型。
步骤3：转矩控制器PI参数整定
1)利用Bladed软件辨识机组转速稳定在临界值ωs＝(S1+S4)/2时的风速 vs，其中，S1为机组最小转速，S4为机组最大转速；
2)根据风场风速分布概率密度按照下式计算切入风速区间[vin,vs]的风速概 率Pin与额定风速区间[vs,ve]的风速概率Pe：
P in = ∫ v in v s f ( v ) dv P e = ∫ v s v e f ( v ) dv ]]>
其中，vin为切入风速,ve为额定风速，f(v)为风速分布概率密度函数；
3)根据切入风速点模型和额定风速点模型分别进行最优PI参数整定，得 到PI参数[Kpin,Tiin]和[Kpe,Tie]；
4)对[Kpin,Tiin]和[Kpe,Tie]按照下式进行综合计算，得到转矩控制器的最终PI 参数[KpQ,TiQ]：
Kp Q = Kp in · w 1 + Kp e · w 2 Ti Q = Ti in · w 1 + Ti e · w 2 w 1 = P in ∫ v in v e f ( v ) dv w 2 = P e ∫ v in v e f ( v ) dv ]]>
其中，w1、w2为计算权值。
步骤4：桨距控制器PI参数整定
1)将[ve,vout]的风速范围分成m个风速区间：[ve,v1],[v1,v2],[v2,v3],…[vm-1,vout]， 其中，vout为切出风速；
2)根据风速分布概率密度曲线，计算每个区间的风速概率Pi：
P i = ∫ v i - 1 v i f ( v ) dv ]]>
其中，f(v)为风速分布概率密度函数；
3)基于每个风速区间中点的桨距-转速模型，进行最优整定得 到一组PI参数[Kpi,Tii]；
4)将整定得到的各PI参数[Kpi,Tii]按照下式进行综合计算，即可得到桨距控 制器最终PI参数[Kpβ,Tiβ]：
Kp β = Σ i = 1 m Kp i · w i Ti β = Σ i = 1 m Ti i · w i w i = P i ∫ v e v out f ( v ) dv ]]>
其中，wi为计算权值。
步骤5：判定系统内部稳定性
对由步骤3和步骤4整定得到的闭环转矩和桨距PI控制系统进行内部稳定性 判定。
步骤6：最优转速-转矩控制器参数辨识与计算
利用Bladed分别辨识最优桨距角、最大风能利用系数和最佳叶尖速比，然 后利用辨识参数计算最优增益系数。
步骤7：自适应变桨控制器参数设置
1)利用Bladed软件辨识出额定风速以上各个风速区间中点的桨距角稳态值 βi；
2)将步骤4整定的PI参数及桨距角辨识结果制成形如表3自适应变桨控制 参数表格；
表3自适应变桨距控制PI参数表
3)计算增益因子加入表3中，根据表中增益因子随桨距角变化实现自适应 变桨控制。
所述步骤3和步骤4中选择兼顾系统动态性能和稳定特性ISTE作为PI参数 优化整定的最优准则，根据通过模型降阶得到的一阶惯性迟延环节模型，利用最 优参数整定公式进行PI参数整定计算，实现对转矩控制器的最优PI参数整定。
所述步骤3转矩控制器PI参数整定，根据切入风速和额定风速点的模型 分别进行最优PI参数整定；在整定时可先根据切入风速和额定风速的转矩- 转速模型分别进行最优化整定再利用风速分布概率进行综合,得到转矩控制 器最终PI参数。
所述步骤4桨距PI控制器参数整定，根据额定风速以上各个风速区间中 点的桨距-转速模型分别进行最优PI参数整定；整定得到的一系列PI参数利用 风速分布概率进行综合，得到桨距控制器最终PI参数。
所述步骤6中最优增益系数Kopt的计算，即：
K opt = 1 2 πρ R 5 C p max 1 G 2 λ opt 3 , ]]>
其中，ρ为空气密度，kg/m3；R为风轮半径，m；Cpmax为最大风能利用系 数；G为齿轮箱传动比；λopt为最佳叶尖速比；
需要最大风能利用系数和最佳叶尖速比这两个关键特性参数；对于低于额定 风速进行转矩控制时，桨距角被设置为最优桨距角度βopt，由于各风机叶片的气 动特性不同，该值并非一定为0度，其值是否最优也直接影响机组的发电效率； 本发明利用Bladed软件的性能参数计算功能获得对应不同桨距角的尖速比-风能 利用系数曲线簇，然后根据三条原则确定最优桨距角：第一，Cpmax要高；第二， Cp-λ曲线的顶端要平；第三，λ要尽可能的小。再根据所选最优桨距角下的叶尖 速比-风能利用系数曲线得出最大风能利用系数和最佳叶尖速比。
所述步骤7中将步骤4整定的PI参数随桨距角变化的数据制成自适应变桨 控制参数表格(表3)，桨距控制器可根据桨距角(查表3)的实时变化来自适 应调整变桨控制器PI参数；也可选择表3中第一组参数作为变桨控制器PI参数， 利用随桨距角变化的增益因子构成如下式所述的自适应变桨距控制器：
G c ′ ( s ) = Kp F ( β ) ( 1 + 1 Ti · s ) ]]>
其中，F(β)为增益因子，Kp为比例系数，Ti为积分时间，s为拉式变换算子。
所述步骤5的系统内部稳定性判定中，风电机组控制系统可以视为典型反馈 控制系统结构的扩展，具体结构如图3，外部扰动为风速v，n为转速测量噪声， ωr为转速设定，仅分析系统的输入和输出稳定性只能保证由稳定输入激励下的输 出信号有界性；只有系统从输入信号(ωr,v,n)到内部输出信号(x1,x2,x3)的9个闭环 传递函数都稳定，系统才是内部稳定的，系统传递函数可以表示成：
x 1 x 2 x 3 = 1 1 + G ( s ) G c ( s ) H ( s ) · 1 - G ( s ) H ( s ) - H ( s ) G c ( s ) 1 - G c ( s ) H ( s ) G ( s ) G c ( s ) G ( s ) 1 ω r v n , ]]>
其中，G(s)为机组传递函数，H(s)为测量反馈环节传递函数，Gc(s)为控制器传 递函数， G c ( s ) = Kp ( 1 + 1 Ti · s ) ; ]]>
根据内部稳定性定理,闭环系统内部稳定的充要条件：
1)传递函数1+G(s)Gc(s)H(s)没有实部大于等于零的零点；
2)乘积G(s)Gc(s)H(s)中没有实部大于等于零的零极点对消。
第一个条件等效于闭环系统的稳定性，所以只需判定第二个条件。因此，本 发明对由最优参数整定得到的闭环转矩和桨距控制系统进行内部稳定性判定，从 而保证系统的稳定性。
本发明的有益效果：
1)本发明着眼于实际需求，针对风力发电机组控制器参数在设计和优化过 程中不易计算与整定的问题，提出了一种基于Bladed软件的风力发电机组控制 器参数辨识与整定方法，可为控制器设计与优化提供指导，具有很强的实用与参 考价值；
2)本发明根据机组设备参数建立的Bladed仿真模型进行最大风能利用系 数、最佳叶尖速比和最优桨距角等相关参数的辨识，这对实现机组最大风能捕获 控制提供了重要的先决条件；
3)本发明利用Bladed的模型线性化并通过模型降阶获得适用于PI参数整定 的机组线性模型，利用该模型便于实现对转矩与桨距控制器的PI参数整定；
4)本发明基于不同风速点模型分别整定出多组PI参数，再根据其变化规律， 计算PI参数自适应调整的增益因子，实现了自适应变桨距控制，增强了普通PI 变桨控制器的鲁棒性。
附图说明
图1为风力发电机组控制系统结构图。
图2为风力发电机组转速-转矩曲线。
图3为带有风速扰动的反馈控制系统。
图4为风能利用系数曲线簇。
图5为控制器参数整定流程图。
具体实施方式
本发明提出了一种风力发电机组控制器参数辨识与整定方法，针对风力发电 机组控制器参数在设计和优化过程中不易计算与整定的问题，利用Bladed软件 模型线性化结合模型降阶算法建立了适用于参数整定的机组线性化模型，然后结 合风场风速分布概率进行了控制器PI参数最优整定与综合计算，并基于Bladed 软件参数辨识结果计算了转矩控制的最优增益系数及自适应桨距控制的增益因 子等控制器参数。
下面根据图2-5对上述步骤具体说明如下：
该方法的控制器参数整定流程图由图5所示，具体实施步骤如下：
步骤1：模型线性化处理
1)对由Bladed建立的风电机组模型应用线性化(Model Linearization)计算功 能；
2)对计算结果进行线性模型(Linear Model)后处理获得模型数据文件。
步骤2：线性化模型降阶处理
1)将该文件运用Matlab软件进行等效变换，得到各风速点用于控制器PI 参数整定的桨距-转速传递函数模型Gβ’(s)和转矩-转速传递函数模型GQ’(s)， 对转矩-转速模型Gβ’(s)和桨距-转速模型GQ’(s)采用最小二乘拟合法降阶为一阶 惯性时延环节模型GQ(s)和Gβ(s)，其传递函数形式为：
G β ( s ) = K T · s + 1 e - Ls - - - ( 1 ) ]]>
其中，K为比例系数，T为惯性时间常数，L为纯延迟时间，s为拉式变换 算子。
步骤3：转矩控制器PI参数整定
1)转矩控制器最优PI参数整定
PI控制是在PID控制基础上去掉微分，其描述方程为：
u ( t ) = Kp [ e ( t ) + 1 Ti ∫ 0 t e ( t ) dt ] - - - ( 2 ) ]]>
其传递函数为：
G c ( s ) = Kp ( 1 + 1 Tis ) - - - ( 3 ) ]]>
式中，Kp为比例系数；Ti为积分时间；e(t)为设定值与测量值之差；t为时间 变量；最优转矩控制器PI参数整定是根据不同的标准进行PI参数的寻优计算， 最优准则定义为：
J n ( θ ) = ∫ 0 ∞ [ t n e ( θ , t ) ] 2 dt - - - ( 4 ) ]]>
式中，向量θ是转矩控制器PI参数组成的集合，即[Kp,Ti]；随n值的不同，常 用准则如表1所示：
表1目标函数公式
为兼顾系统动态性能和稳定特性，本发明选择ISTE作为最优整定的目标函 数。由于已经获取一阶惯性时延模型Gβ(s)和GQ(s)，典型的转矩控制器最优PI 参数能够直接根据如下公式计算：
Kp = a 1 k ( L T ) b 1 Ti = T a 2 + b 2 ( L / T ) - - - ( 5 ) ]]>
式中(a，b)对应的系数由表2查询：
表2转矩控制器最优PI参数
2)基于风速分布概率的转矩控制器PI参数综合整定
应用本发明建模方法，可得到高于额定风速时各工作点的桨距-转速线性模型 和低于额定风速各风速点的转矩-转速线性模型。由于风力发电系统的非线性和 参数时变等特点，如果风速间隔较大，在各个风速点线性模型参数变化较大，所 以基于某一个风速点模型整定的PI参数无法在整个工作范围都取得最优控制效 果。
低于额定风速下的恒转速控制包含图2中AB段和GH段两部分，但一般 由一个转矩控制器进行PI控制完成，在测量转速越过临界值(S1+S4)/2时转 速设定可在最小转速S1与最大转速S4之间进行切换。本发明根据切入风速 和额定风速时的转矩-转速模型分别进行最优参数整定再根据风速分布概率进 行综合计算，具体计算过程如下：
(1)利用Bladed软件辨识出机组转速稳定在临界值(S1+S4)/2时的风速 vs；
(2)根据风场风速分布概率密度按照下式计算切入风速区间[vin,vs]与额定风 速区间[vs,ve]的风速概率；
P in = ∫ v in v s f ( v ) dv - - - ( 6 ) ]]>
P e = ∫ v s v e f ( v ) dv - - - ( 7 ) ]]>
其中，Pin为切入风速区间的风速概率，Pe为额定风速区间的风速概率，f(v) 风速分布概率密度函数；
(3)根据切入风速点模型GQin(s)和额定风速点模型GQe(s)分别进行最优 PI参数整定，得到PI参数[Kpin,Tiin]和[Kpe,Tie]；
(4)对[Kpin,Tiin]和[Kpe,Tie]按照式(8)进行综合计算，得到转矩控制器的PI 参数；
Kp Q = Kp in · w 1 + Kp e · w 2 Ti Q = Ti in · w 1 + Ti e · w 2 w 1 = P in ∫ v in v e f ( v ) dv w 2 = P e ∫ v in v e f ( v ) dv - - - ( 8 ) ]]>
式中，w1、w2为计算权值，f(v)风速分布概率密度函数。
步骤4：桨距控制器PI参数整定
1)将额定风速至切出风速之间的风速范围分成m个风速区间；
2)根据风速分布概率密度计算每个区间的风速概率；
3)基于每个风速区间中点的桨距-转速模型，利用步骤3中所述的转矩控制 器最优PI参数整定方法进行桨距控制器PI参数整定；
对于参数无法实时在线调整的典型的变桨控制器必须对各个风速点模型所 整定的结果进行综合，得到兼顾整个风速范围PI参数。根据风场风速概率分布 按照以下过程进行计算：
(1)首先将[ve,vout]的风速范围分成m个风速区间：[ve,v1],[v1,v2],[v2,v3],… [vm-1,vout]，其中，vout为切出风速；
(2)根据风速分布概率密度曲线，计算每个区间的风速概率Pi：
P i = ∫ v i - 1 v i f ( v ) dv - - - ( 9 ) ]]>
其中，f(v)为风速分布概率密度函数；
(3)基于每个风速区间中点的桨距-转速模型，进行最优整定得 到一组PI参数[Kpi,Tii]；
(4)将整定得到的各PI参数[Kpi,Tii]按照式(10)进行综合计算，即可得到桨 距控制器最终PI参数[Kpβ,Tiβ]：
Kp β = Σ i = 1 m Kp i · w i Ti β = Σ i = 1 m Ti i · w i w i = P i ∫ v e v out f ( v ) dv - - - ( 10 ) ]]>
其中，wi为计算权值。
步骤5：判定系统内部稳定性
对由步骤3和步骤4整定得到的闭环转矩和桨距PI控制系统进行内部稳定性 判定，如不稳定可调整步骤3或步骤4中最优整定的指标或参数重新进行整定；
由于风速扰动信号的随机性，风电机组控制系统可以视为典型反馈控制系统 结构的扩展，外部扰动为风速v，n为转速测量噪声，ωr为转速设定，仅分析系 统的输入和输出稳定性只能保证由稳定输入激励下的输出信号有界性；只有系统 从输入信号(ωr,v,n)到内部输出信号(x1,x2,x3)的9个闭环传递函数都稳定，系统才 是内部稳定的，系统传递函数可以表示成：
x 1 x 2 x 3 = 1 1 + G ( s ) G c ( s ) H ( s ) · 1 - G ( s ) H ( s ) - H ( s ) G c ( s ) 1 - G c ( s ) H ( s ) G ( s ) G c ( s ) G ( s ) 1 ω r v n - - - ( 11 ) ]]>
其中，G(s)为机组传递函数模型，H(s)为测量反馈环节传递函数模型，Gc(s)为控 制器传递函数模型， G c ( s ) = Kp ( 1 + 1 Ti · s ) ; ]]>
根据内部稳定性定理,闭环系统内部稳定的充要条件：
1)传递函数1+G(s)Gc(s)H(s)没有实部大于等于零的零点；
2)乘积G(s)Gc(s)H(s)中没有实部大于等于零的零极点对消。
第一个条件等效于闭环系统的稳定性，所以只需判定第二个条件。因此，本 发明对由最优参数整定得到的闭环转矩和桨距控制系统进行内部稳定性判定，从 而保证系统的稳定性。
步骤6：最优转速-转矩控制器参数辨识与计算
1)利用Bladed分别辨识最优桨距角度βopt、最大风能利用系数Cpmax和最佳 叶尖速比λopt；
2)利用式(12)计算最优比例增益Kopt，即：
K opt = 1 2 πρ R 5 C p max 1 G 2 λ opt 3 - - - ( 12 ) ]]>
其中，ρ——空气密度，kg/m3；R——风轮半径，m；Cpmax——最大风能利 用系数；G——齿轮箱传动比；λopt——最佳叶尖速比；
该计算中需要最大风能利用系数Cpmax和最佳叶尖速比λopt这两个关键特性参 数；对于低于额定风速进行转矩控制时，桨距角被设置为最优桨距角度βopt，由 于各风机叶片的气动特性不同，该值并非一定为0度，其值是否最优也直接影响 机组的发电效率；本发明利用Bladed软件的性能参数计算功能获得的如图4所 示的叶尖速比-风能利用系数曲线簇，然后根据三条原则确定最优桨距角：第一， Cpmax要高；第二，Cp-λ曲线的顶端要平；第三，λ要尽可能的小。再根据所选最 优桨距角下的叶尖速比-风能利用系数曲线得出最大风能利用系数和最佳叶尖速 比；
步骤7：自适应变桨控制参数设置
将步骤4整定的PI参数及桨距角辨识结果制成如表3所示的自适应变桨控 制参数表格。桨距控制器可根据桨距角(查表3)的实时变化来自适应调整桨距 控制器的变桨PI参数；
表3自适应变桨距控制PI参数表
根据工作点随风速变化在线调整桨距控制器的变桨参数，自适应变桨控制会 取得相对典型变桨距PI控制器更好的控制效果。对于如何进行PI参数在线调整， 许多学者主张采用智能整定方法，目前在PLC中还不易实现。本发明根据不同 风速的模型分别整定出最优PI参数，再根据风速变化进行自适应调整。由于实 际机组的测量风速存在较大误差，因此利用Bladed软件辨识出各个风速点的机 组桨距角的稳态值；也可选择表3中第一组参数作为桨距控制器的变桨PI参数；
由于目前实际机组中多利用随桨距角变化的增益因子构成如下式所述的自 适应变桨距控制：其形式为：
G c ′ ( s ) = Kp F ( β ) ( 1 + 1 Ti · s ) - - - ( 13 ) ]]>
其中，F(β)为随桨距角β变化的增益因子，Kp为比例系数，Ti为积分时间， s为拉式变换算子。
实现自适应变桨距控制也可选择整定的最终PI参数作为式(13)中的Kp和 Ti，然后利用各风速点PI参数与Kp和Ti的比值计算各个风速点的增益因子Fi， 计算Fi时可根据(14)式估算再根据实际运行情况进行调整，这样，虽然桨距控制 器的PI控制比例系数和积分时间固定不变，但利用增益因子随桨距角变化可自 动调整桨距控制器变桨控制参数，从而实现自适应变桨控制算法；
F i = Kp / Kp i + Ti / Ti i 2 - - - ( 14 ) ]]>
具体实施过程如下：
1)利用Bladed软件辨识出额定风速以上各个风速区间中点的桨距角稳态值 βi；
2)计算增益因子Fi补入上表，采用如式(13)的变增益因子实现桨距控制器 的自适应变桨控制。