大型风力发电机组的智能滑模变结构控制研究

论文摘要

能源、环境是当今人类生存和发展所要解决的紧迫问题。风力发电清洁无污染,施工周期短,投资灵活,占地少,具有较好的经济效益和社会效益。国内对风电技术的研究十分薄弱,风力机的大型化、变桨距控制、变速恒频等先进风电技术还远未解决,致使我国大型风力机几乎全部为进口产品。因此,深入研究风力发电的各项技术对于持久开发风能和实现风力机国产化具有重要意义。目前,风电领域的研究难点和热点集中在风机大型化、先进控制策略和优化技术等方面。由于风能具有能量密度低、随机性和不稳定性等特点,风力发电机组是复杂多变量非线性不确定系统,因此,控制技术是机组安全高效运行的关键。本文在对风力发电系统的数学模型和控制理论进行深入研究的基础上,应用滑模变结构控制理论,克服系统的参数变化和外界扰动的不良影响,以实现具有一定自适应能力的高性能风力发电系统控制。同时为了解决滑模变结构的抖振,静态误差以及对对象参数变化范围的需求等问题,将模糊、神经网络等理论与滑模理论相结合,获得很好的仿真效果,为实际应用提供了参考和依据。主要内容归纳如下:(1)采用分析建模的方法建立大型风力发电机组的非线性数学模型,以描述整台风力发电机组的动态行为。对风轮的动力学特性进行了深入分析,在叶素理论的基础上,考虑涡流理论的修正,对风轮进行了分析建模与仿真,重点分析了其升力系数、阻力系数与转矩特性。在介绍传动系统的建模机理基础上,研究了传动系统的刚性轴模型和柔性轴模型。(2)为克服传统的滑模变结构控制方法存在的局限性,提出了一种积分模糊滑模变结构控制策略。用一个不含零点且符合系统性能要求的辅助输出函数替代原系统的输出函数,从而避免了原系统模型中零点的影响;在选取的滑模面中加入积分因子,用以确保系统稳态误差为零;在不确定参数上界未知情况下,根据滑模到达条件,利用模糊规则估计出控制律中的切换增益,同时用饱和函数替换切换函数,减轻控制器输出的高频震荡现象。将此控制策略应用于具有不确定性和多干扰特点的变速风力发电系统的速度跟踪控制中,得到了良好的控制品质。(3)针对变桨距风力发电机组的桨距角控制,基于反馈线性化方法,结合神经网络自适应策略,提出设计了神经网络自适应变结构控制器,在被控对象数学模型未知的情况下,也可达到有效控制。针对神经网络学习速度较慢的问题,重点研究提高神经网络收敛速度的方法,并对该控制器的稳定性和收敛性进行了深入探讨。研究了一种基于神经网络的自学习滑模变结构设计方法,对三层自适应神经网络结构、算法进行分析,最后应用在大型风力发电机组桨距角控制中。(4)分析了交流励磁双馈发电机变速恒频运行的基本原理,推导了双馈发电机三相坐标系矢量变换到两相同步旋转坐标系的数学模型,针对双馈电机定子输出电压恒定的控制目标,对机侧变换器设计了滑模控制器,利用李亚普罗夫稳定性定理保证滑模面在有限时间内的可达性。

论文目录

• 中文摘要
• Abstract
• 目录
• 第一章 概论
• 1.1 选题背景及意义
• 1.2 风力发电机组组成
• 1.3 风力发电机组控制策略研究概述
• 1.3.1 风力机控制策略
• 1.3.2 模糊控制与人工神经网络的研究现状
• 1.3.3 变结构控制理论的研究现状
• 1.4 论文的主要工作
• 第二章 大型风力发电机组的非线性建模及特性研究
• 2.1 风力机基本理论
• 2.1.1 风力机能量转换过程
• 2.1.2 风力机特性系数
• 2.1.3 最大风能捕获原理与控制目标
• 2.2 风力发电机组建模概述
• 2.3 风能模型
• 2.3.1 组合式风速模型
• 2.3.2 统计学风速模型
• 2.3.3 简化风速模型
• 2.4 风轮模型
• 2.4.1 风轮的气动力学
• 2.4.2 基于叶素理论的风轮模型
• 2.4.3 考虑涡流理论的修正
• 2.4.4 风轮的仿真
• 2.5 传动系统的动态模型
• 2.6 双馈感应发电机模型
• 2.6.1 双馈风力发电机运行机理
• 2.6.2 三相静止坐标系下的数学模型
• 2.7 变桨矩执行机构模型
• 2.8 本章小结
• 第三章 积分模糊滑模控制及其在风力机速度跟踪中的应用
• 3.1 滑模变结构控制基本理论
• 3.1.1 滑模变结构控制基本概念
• 3.1.2 滑动模态的数学描述
• 3.1.3 滑动模态的存在条件
• 3.1.4 滑动模态的鲁棒性
• 3.1.5 滑模控制发展的障碍
• 3.2 积分模糊滑模控制器
• 3.2.1 一般滑模控制器的设计及难点
• 3.2.2 积分模糊滑模控制器的设计
• 3.3 风力机速度跟踪数学模型线性化
• 3.4 仿真与分析
• 3.5 小结
• 第四章 神经网络自适应变结构控制及在桨距角控制中的应用
• 4.1 引言
• 4.2 基于系统辨识的神经网络变结构控制
• 4.2.1 非线性系统的滑模变结构控制
• 4.2.2 基于系统辨识的变结构控制系统
• 4.2.3 神经网络辨识系统的设计
• 4.2.4 神经网络变结构控制器设计
• 4.3 基于神经网络的自学习滑模变结构控制
• 4.3.1 引言
• 4.3.2 系统的描述
• 4.3.3 SMC 的设计
• 4.3.4 三层自适应神经网络结构
• 4.3.5 学习算法
• 4.4 变桨距系统模型及其线性化
• 4.5 仿真和分析
• 第五章 变速恒频双馈感应电机的滑模控制
• 5.1 变速恒频风力机模型及控制
• 5.2 双馈感应电机三相静止坐标系模型
• 5.3 dq 轴坐标变换
• 5.4 滑模控制方案
• 5.5 仿真研究
• 5.6 小结
• 第六章 结论与展望
• 参考文献
• 致谢
• 个人简历、在学期间参加的科研工作及学术论文发表