基于神经网络的风力发电系统风速软测量 study on wind speed soft sensing based on neural networks for wind power generators.pdfVIP

星著神经网络蚋风力发晕嚣缆风堡箍测量 刘震，汪令祥 (合肥工业大学电气与自动化工程学院，安徽合肥230009) 摘 要：对风力发电并网系统的有效风速测量问题进行研究。鉴于神经网络可应用于非线性系统的模型与 辨识．不受非线性模型类的限制，且可给出上程卜易于实现的学习算法．提出基f神经网络的有效风速软 测量。对实时采集的风力发电机组的风速样本参数集进行分析、训练及拟合．获得相应的有效风速计算网 络，、仿真结果表明，有效风速软测量可代替风速仪的作用，是一种非常有效的风速估计方法。 关键词：风力发电；风速测量；神经网络；软测量；变桨距控制 中图分类号：TM614 文献标志码：A 文章编号：1004—9649(2010)1l一0()87—05 0引言 1基本原理 风能是一种清洁的可再生能源．近年来．随着风 风力机的风能利用特性通常由一簇功率系数的 力发电技术的日趋成熟．风电装机容量飞速增长。但 无数次性能曲线[7-8]来表示．风能利用系数是风力机 当前装机的绝大多数风力发电并网系统均采用位于 叶尖速比A和节距角p的函数，即Cr,=f(A，卢)。风能 机舱顶部的风速仪和风向标来测量风速信号．由于 利用系数C，可近似用以下公式表示： 风速仪和风向标受各种因素的影响．导致风速信号 84(A．3骖 不能准确测鼍。 软测量技术主要应用在不能直接测量或不宜准 (1) 确测量参数的领域，文献[1—3]对基于最小二乘法、 A：石gwrt (2)(2) 神经网络等算法的软测量建模进行了研究。软测量 A2丽了 技术在风力发电中的应用较少，文献f4]将软测量思 由式1得变桨距风力机的cP(A，口)特性曲线如 想借鉴到风力发电系统的风速测量巾来。有效风速 图1所示。 软测蜃其基本思想是把风力发电并网系统当作风 速仪对有效风速进行估计．建立有效风速预测模 型，得到较精确的风速信号。文献[5—6]把大型变 速风力发电机组的风速检测问题作为软测量问题 来研究。并建立了基于支持向量机(SVM)的风力 发电机组的风速软测最模型。由于SVM算法对大 规模训练样本难以实施．参数不容易调整，随着相 关参数的数量增加，计算量急剧增大。而神经网络 可映射任意复杂的非线性关系．而且学习规则简 单．工程上易于实现．具有很强的鲁棒性以及强大 图1 风力机CP(A。口)特性 的自学习能力。 Fig．1Characteristicsof 本文分析了精确测量风速信号在风力发电系 从图1可以看出，功率系数曲线C，(A，口)对桨 统中的应用和控制系统对它的要求．论述了具有良 距角口的变化规律，当桨距角逐渐增大时，功率系数 好拟合精度的神经网络软测量算法在有效风速测 曲线显著减小。如果保持桨距角不变，可用一条曲线 量中的应用。 描述功率系数曲线CP(A，口)对叶尖速比入的变化规 收稿日期：2010．05—07；修回日期：2010—08-23 基金项目：“十一五”国家支撑计划资助项目(2006BAA01A20) 万方数据 律。只要使叶尖速比A=A甲，就可维持机组在cp。下踪控制。最大功率跟踪点定位不精确。将降低风力机 的运行。 的效率和经济性。为解决无法(或难以)测量变量的 当设定直驱风力机的切入风速为％额定风速 问题，引入了软测量技术。 为移