基于自适应神经模糊推理系统的风电机组塔架振动智能控制策略探究.docxVIP

基于自适应神经模糊推理系统的风电机组塔架振动智能控制策略探究

一、引言

1.1研究背景与意义

随着全球对清洁能源需求的不断增长，风力发电作为一种重要的可再生能源利用方式，在过去几十年中取得了迅猛发展。据全球风能理事会（GWEC）发布的《2023全球风能报告》显示，到2024年，全球陆上风电新增装机将首次突破100GW；到2025年全球海上风电新增装机也将达到25GW。风电机组的单机容量不断增大，轮毂高度持续提升，这使得风电机组的塔架结构面临着更为严峻的挑战。

风电机组塔架作为支撑整个机组的关键结构，长期承受着风荷载、叶片旋转产生的不平衡力以及地震等多种复杂载荷的作用。当这些载荷引起的激励频率与塔架的固有频率接近或重合时，就会引发塔架的强烈振动，即共振现象。此外，风流经塔架时产生的涡激振动，也会对塔架的稳定性造成威胁。例如，当风流流过塔架时，在其尾部将产生漩涡，漩涡从塔架的两侧交替脱落，这种交替产生的漩涡又会在塔筒上生成顺流向和横流向周期性变化的压力，这些周期性变化的压力作用于塔筒时会引起塔筒的周期性振动，即涡激振动。当漩涡脱落频率接近塔筒的固有频率时，将会引起塔筒较大幅度的振动，一阶涡激振动会引起机组摇摆，影响吊装和机组极限强度；二阶涡激振动会影响塔筒疲劳强度，甚至在特殊情况下产生超大极限载荷，对机组造成无法挽回的破坏。

塔架振动问题不仅会影响风电机组的正常运行，降低发电效率，还会导致塔架结构的疲劳损伤加剧，缩短塔架的使用寿命，增加维护成本。严重时，甚至可能引发塔架倒塌等重大安全事故，造成巨大的经济损失和人员伤亡。据相关统计，风电机组塔架事故的发生，轻则导致机组停止运转，重则导致风电塔架完全损坏，由于单台风机造价较高，如果发生事故，损失极为严重。如2023年11月3日，新疆某风电项目在开展风机塔筒内电气安装作业过程中因风机塔筒倒塌发生一起人身伤亡事故；2023年6月27日，某企业下属风电场发生风机倒塔事故，该企业因迟报事故信息和故意破坏事故现场等违法行为被处以总计约306.8万元罚款。

因此，深入研究风电机组塔架振动控制方法，对于提高风电机组的运行稳定性、可靠性和安全性，降低维护成本，促进风电产业的可持续发展具有重要的现实意义。自适应神经模糊推理系统（ANFIS）融合了模糊逻辑系统（FLS）和人工神经网络（ANN）的优势，能够有效应对高度复杂的动态变化情况下的建模需求，为风电机组塔架振动控制提供了新的思路和方法。

1.2国内外研究现状

1.2.1风电机组塔架振动研究现状

国内外学者针对风电机组塔架振动问题开展了大量的研究工作。在振动原因方面，研究表明风荷载的随机性、叶片的不平衡、塔架结构的固有特性以及地基的不均匀沉降等都是导致塔架振动的重要因素。例如，风荷载的脉动分量会引起塔架的随机振动，叶片在制造、安装过程中存在的误差会导致其质量分布不均匀，从而在旋转时产生不平衡离心力，激发塔架振动。

在振动危害方面，众多研究强调了塔架振动对风电机组结构安全和发电效率的负面影响。长期的振动会使塔架材料产生疲劳裂纹，降低结构的强度和刚度，最终可能导致塔架倒塌。同时，振动还会引起机组部件的磨损和松动，影响机组的正常运行，降低发电效率。

为了控制塔架振动，目前已提出了多种方法。被动控制方法如安装阻尼器、调谐质量阻尼器（TMD）等，通过增加结构的阻尼来消耗振动能量，从而减小振动幅度。主动控制方法则是根据塔架的振动状态实时调整控制策略，如采用变桨控制、偏航控制等方式来改变机组的受力状态，抑制振动。半主动控制方法结合了被动控制和主动控制的优点，通过可调节的阻尼器或控制器来实现对振动的有效控制。然而，这些传统控制方法在实际应用中存在一定的局限性，如被动控制方法的适应性较差，主动控制方法对传感器和控制器的精度要求较高，且计算复杂，半主动控制方法的控制效果在一定程度上依赖于控制策略的选择。

1.2.2自适应神经模糊推理系统应用现状

自适应神经模糊推理系统（ANFIS）作为一种将模糊逻辑和神经网络相结合的智能算法，近年来在多个领域得到了广泛应用。在模式识别领域，ANFIS利用其强大的分类能力和对特征空间的良好描述力，在图像识别、语音识别等方面取得了较好的成果。在控制系统中，尤其是对于难以建立精确数学模型的对象，ANFIS能够通过学习和训练来逼近复杂的非线性关系，实现有效的控制，如在机器人运动规划、电力调节装置等方面表现出色。在数据挖掘领域，ANFIS可以帮助发现隐藏于海量信息中的有价值规律，支持商业智能分析、客户行为预测等功能。在信号处理方面，ANFIS可用于去除通信过程中引入的各种干扰因素，改善传输质量，例如在信号降噪方面，通过构建特定配置下的ANFIS模型来逼近实际物理过程中的非线性变换，从而达