电网友好型风电机组的自主减载控制与智能监测技术

Wind power is regarded as a new energy type, with larger reliablity, development-scale and cost efficiency. However, with the rapid growth of unit capacity and total installed capacity, there exist some conflicts between the development and the strict demand of being highly efficient, reliable and grid-friendly. To optimize the operation and output power, we study a novel grid-friendly wind turbine, and propose corresponding control and monitoring methods to improve the system reliability and efficiency. The main content is organized as follows: First, the dynamic and operation scheme is studied for the new grid-friendly wind turbine based on the Bladed software. Second, according to the load analysis results, an autonomous load reduction control method is proposed. Finally, a bio-inspired intelligent monitoring technology is designed based on the essential feature data of the system. This project provides some novel theories and methods of load reduction and autonomous monitoring for the future grid-friendly wind turbines.

风力发电是再生能源中安全性较高、规模化程度强、产出效益大的优选能源形式，但其单机容量的快速增大和装机总量的急剧膨胀，与日益严苛的"高效、可靠、电网友好"标准间的矛盾愈发突出。针对风电系统运行质量的优化问题，本项目研究一种新型电网友好型风机，并研究如何通过控制和监测手段，提高其系统运行效率和可靠性，从而使得快速扩容的风电能够高效稳定和可持续地发展。主要研究内容包括：(1)基于Bladed的新型电网友好型机组的动力学特性与运行策略；(2)基于载荷分析的机组自主减载控制方法；(3)基于核心特征的仿生智能监测技术。本项目研究为增强我国未来风电机组的电网友好性，保障大型机组在减载、自主的控制与监测体系下稳步发展，提供了新理论新方法的参考。

本项目针对未来风电系统发展面临的电网友好性问题、减载控制问题以及高效可靠监测问题，对应展开三方面研究：基于Bladed的新型电网友好型机组的动力学特性与运行策略；基于载荷分析的机组自主减载控制方法；基于核心特征的仿生智能监测技术。 .目前，三方面内容均完成了预定目标，取得主要成果如下：.(1）完成了新型电网友好型风电机组差动齿箱调速动力学建模，给出了系统总体结构和控制方案，并对该机组与传统DFIG，DDSG等机组进行了详细的性能对比，总结了各类控制方案的优劣；进而设计了各种工况下机组的运行控制策略，包括最大功率跟踪控制，减载荷控制、变桨控制等。最后对相应的控制方案及智能监测技术提出了设计框架及建议方法，并给出了仿真验证。.(2）提出了具有自主参数调整的柔性最大功率跟踪控制策略。设计了一种改进的控制和极值搜索算法来构建新型MPPT策略，其基于风机的动力学模型设计非线性速度跟踪控制器，可以进行理想的风轮速度跟踪，且能为最大功率跟踪模块提供变化的风轮转矩估计值。基于新型爬山搜索算法，将传统查表法与极值搜索相结合，从而实现不依赖于风速和功率测量的在线智能参数更新。该方法对于机组减载具有积极的优化作用。同时，基于记忆推理和参数整定设计混合独立变桨方法，构建了大型机组自主减载控制新理论新方法。.(3）针对“风随机性和不易测量”问题，提出无需风速测量的鲁棒自适应跟踪控制方法。建立了机组的双质点模型，并在此基础上进行了稳定性证明和控制器设计，进而通过仿真实验验证了理论的可行性。在此基础上，提出了混合估计理论，设计了高效的数据处理和状态估计系统架构，构建了智能机组监测机制。.本项目的研究成果为未来大型风电机组友好并网及控制监测方法优化提供了一定技术支持。