第17届IFAC系统辨识研讨会：风力发电机二次优跟踪控制研究.pdfVIP

第17届IFAC系统辨识研讨会预印本国际会议2015年10月

19‑21日。，

风力发电机系统的二次最优控制

*，*，*，**

*交通大学电子与学院，，CO100044（：86‑010电子

邮件：fliu2@，lidanyong0725@.com，lipeng@）。**重庆大学自动化

学院，重庆，CO400044，（电子邮件：ydsong@）

：众所周知，由风速引起的气动扭矩的不确定性给风力发电机的控制带来了重大，特别是

在最大功率点（MPPT）阶段。本文提出了一种滑模自适应观测器来估计非线性气动扭矩，并

在此基础上开发了线性二次控制优化算法。研究表明，该方法不仅能确确的转子速度跟

踪，还能显著减少传动链的振动。理论分析和数值模拟验证了所提方法的有效性。

：风力发电，自适应估计器，线性二次优化，载荷减轻。

2008）。当通过滑动超平面时，它可以改变结构，使系

1.引言

统性能优于固定结构控制。在（Beltran,

为了提高能量捕获并减少塔架和传动系统的载荷，变桨速风力

Ahmed‑AliBenbouzid,2009）中，使用了高阶滑模

发电机（VSWT）在风力发电中得到广泛应用。VSWT的一个

控制方法。自适应控制系统可以分为两类：模型参考自

典型特点是允许风力发电机在其最优尖速比附近运行（即最大

适应控制系统和PID自整定控制系统。通过估计参

功率点，MPPT），以便在额定风速下最大化能量生成

（PaoJohnson,2011；Abdullahetal.,2012）。数，可以在不测量风速的情况下实现控制（Songet

al.,2013）。模糊控制不依赖于被控对象的精确数学模

型。它对系统参数具有很强的鲁棒性，也可以克服非线

众所周知，大多数MPPT控制方法严重依赖于准确的风

性因素。使用模糊控制器，可以将输出功率及其变化作

速数据，而这些数据仅通过杯式风速计难以获得。获取

为输入，桨距角变化作为输出，来控制风力发电机叶片

准确的风速是一个重要但的问题。风速的估计是解

的桨距角（Senjyuetal.,2006）。需要注意的是，模

决这一问题的一种有用且实际的方法。例如，支持向量

糊规则的交互可能会导致不良的控制效果。神经网络可

机（SVM）已成功用于时间序列预测（Trafalis,

以近似任何非线性，实现并行实时和冗余容错计算。例

toRichman,2007；OsowskiGa