基于抗干扰复合预测的风力发电机系统最大功率跟踪控制研究

Wind power generation system as a new pollution-free system can conserve conventional energies, and has excellent economic and social benefits. The project aims at the disturbances and uncertainties which severely affect the control performance of the direct-driven permanent magnet synchronous generator. And the novel, feasible and effective anti-disturbance composite predictive optimal control theories and applications are studied by analyzing the disturbances and complex characteristics of the wind turbines, in the case of guaranteeing stable operation within the wind speed range and capturing the maximum wind energy. The details include: (1) Considering the difficulties of dealing with large parameter variations and severe external disturbances, an adaptive extended state observer(ESO) based disturbance compensation control method is proposed; (2) By modeling and observing the different types of disturbances respectively and analyzing the mechanism of affecting the system performances, the classification active disturbance rejection control method is proposed; (3) Combining ESO, system identification with model predictive control, the high performance anti-disturbance composite predictive optimal control method is proposed to satisfy the maximum power tracking control requirements of wind turbines. And their digital implementation techniques are studied and the effectiveness is validated on the experimental platform. These results can be applied to the practical wind turbine systems to improve the safety and reliability, power generation efficiency and power quality, extend the wind turbine life, reduce costs and produce direct or indirect economical benefits eventually.

风力发电可节约常规能源，减少环境污染，具有优良的经济和社会效益。本项目瞄准影响直驱式永磁同步风力发电机系统控制性能的关键问题——干扰和不确定性，在确保风力发电系统在其风速运行范围内能够稳定运行，以及捕获最大风能的前提下，通过对发电机系统和所受的干扰等特性进行机理研究，探索新型的、可行有效的抗干扰复合预测优化控制理论和应用技术。包括：(1)抓住参数大范围变化和强外部干扰情况下的控制系统设计难点，研究自适应扩张状态观测和干扰补偿方法；(2)对不同类型的干扰进行分类建模估计，分析其对系统性能影响的机理，研究分层主动抗干扰控制；(3)将扩张状态观测器、系统辨识和模型预测相结合，提出符合风机最大功率捕获要求的高性能抗干扰复合预测优化控制方法，研究其数字化实现技术和方案，并在实验平台上进行功能验证。最终提高风力发电系统的安全可靠性、发电效率和发电质量，延长机组寿命，降低成本，产生直接或间接的经济效益。

风力发电不仅可以节约常规能源，减少环境污染，它还具有相对低廉的价格和较好的经济和社会效益，极有可能成为世界未来最重要的能源之一。本项目针对永磁同步风力发电机系统存在的干扰和传动故障等问题开展研究，取得如下方面的成果：.(1)、在硬件平台方面，基于NI 控制和采集系统在Matlab/Simulink的Real-Time环境中搭建风力发电机模拟系统的半实物实验平台；(2)、研究风机特性与最大风能捕获原理，并搭建出风机、永磁同步风力发电机具体的数学模型；(3)、考虑风力发电机工况变化导致的参数大范围变化以及多源外部干扰的情况，研究分层主动抗干扰控制方法；(4)、研究永磁同步风力发电机的抗干扰复合预测优化控制方法及功能验证。.除此之外，还开展了如下几个方面的研究内容：.(1)、项目组针对永磁式风电系统惯量较大、参数摄动较快、外部干扰大幅波动的情况下，ESO观测估计可能出现较大偏差，使系统整体控制能衰退，提出基于惯量辨识的模型补偿控制方案，从而扩大控制器带宽，减轻ESO的估计负担，避免电流环PI控制器出现积分饱和情况；.(2)、引入无速度传感器技术，设计了基于磁通观测器的速度观测器。仿真结果表明，基于磁通观测器的速度观测器能够有效跟踪发电机实时转速，在发电机低速运行时仍有很好的转速跟踪效果，且将复合模型预测控制器与无速度传感器技术结合，形成了基于无速度传感器的模型预测控制策略，有利于速度观测器观测精度的提高；.(3)、针对永磁同步电机存在的质量不对称和传动系统在中频谐波等故障问题，提出模型辅助自抗扰控制算法，建立故障状态下的负载转矩模型，优化扩张状态观测器设计，提高系统对于机械故障扰动的抑制能力；另外，通过对故障动力学模型的解析可知不同故障下谐波频率的变化，为有效抑制特种故障频率下的扰动，将内模原理与自抗扰控制结合，不仅降低对故障具体模型的依赖性，还有效提高对各种传动故障干扰的适应性。