[发明专利]大型智能风机叶片系统灰色组合建模与优化振动控制的方法

说明书

技术领域

本发明涉及一种大型智能风机叶片灰色组合建模与优化振动控制的方法,属于风力发电技术领域。

背景技术

随着科学技术的发展和能源需求的增加，风力机的大型化成为增加风电机组装机容量的必然趋势。今近年来，全球风机装机容量不断攀升，我国风电的发展尤为迅速，大型风力机以及发电技术对于我国的可再生能源发展战略，国民经济的可持续性增加具有非常重要的位置。

风机叶片的展向长度随着机型的增大也在不断增长，在惯性力、弹性力和复杂气动负载力耦合作用下，叶片会出现失速颤振现象并造成叶片损坏，影响大型风机的安全运行和叶片的使用寿命，并造成严重的经济损失。

大型风机叶片的失速颤振需要得到有效地控制。在传统风机叶片变桨控制的基础上，智能叶片是指叶片翼型尾端安装有智能驱动器的叶片，通过控制驱动装置来改变叶片周围的流场特性，达到抑制叶片振动的目的。智能驱动器需要有效地受控于控制器，能够根据复杂的风机叶片动态特性变化和风力机运行工况做出准确的反应。

风向和风速的时刻变化使叶片的流场具有不确定性。柔性叶片与流场的流固耦合，系统结构与惯性、控制等非结构因素耦合，驱动执行器与流场耦合等使得叶片具有多场耦合不确定性。因此，大型智能风机叶片系统是一个复杂的时变强耦合非线性系统，不确定因素较多。

风机长期运行在恶劣与复杂的环境中，阵风、执行器动作与风机偏航等都会给系统带来不同程度的扰动，同时这些扰动也具有不确定性。

但是目前针对大型智能风机叶片系统的建模与控制技术的研究方法，未考虑实际中存在的多种不确定因素，同时忽略了风机叶片工作环境中存在的多种干扰因素，影响了大型风机叶片系统模型精确度与叶片控制效果的提高，不利于进一步提高大型风机的安全稳定运行与风力发电效率。

发明内容

本发明的目的在于针对有限技术的不足，提供一种大型智能风机叶片系统灰色组合建模与优化振动控制的方法。

为了实现本发明的目的，本发明采用的技术方案是，一种大型智能风机叶片系统灰色组合建模与优化振动控制的方法，其特征是，该方法的步骤如下：

(1)风洞试验数据采集：通过设计叶片翼型的气动试验，采集获得叶片气动特性数据，以用于叶片气动失速模型建模；选择合适的智能驱动器，通过设计叶片智能驱动器的气动试验，采集获得驱动器的输入输出信号，以用于智能驱动器灰色模型建模；

(2)建立基于实验数据的叶片气动失速模型：利用第(1)步中采集的风洞实验数据，即叶片气动特性数据，计算得到叶片气动失速特性的重要参数，应用Beddoes-Leishman(B-L)动态气动失速建模方法，获得叶片气动失速模型；

(3)建立智能驱动器灰色模型：利用第(1)步中采集的智能驱动器的输入输出信号作为原始数据，应用灰色理论建模方法，辨识得到智能驱动器灰色模型；

(4)建立大型智能风机叶片系统灰色组合模型：将叶片结构模型与第(2)步中得到的叶片气动失速模型结合得到叶片失速颤振模型，叶片失速颤振模型和第(3)步中得到的智能驱动器灰色模型进行融合，得到克服系统不确定性的大型智能风机叶片系统灰色组合模型；

(5)大型智能风机叶片优化振动控制：根据第(4)步中建立的大型智能风机叶片系统灰色组合模型，基于模型预测控制(MPC,Model Predictive Control)方法设计控制器，实现抑制不确定干扰的大型智能风机叶片优化振动控制。

风洞试验数据采集中，根据风电场大型风机叶片材质和翼型的实际情况，设计叶片试验翼型进行风洞实验，采集该风机叶片的气动特性实验数据，用于计算叶片气动失速系统的参数；根据所采用的智能驱动器，设计实验输入信号，加入叶片智能驱动器的风洞实验得到相应的输出信号，用于智能驱动器的灰色系统辨识。

所述的智能驱动器为尾缘襟翼或微型小插片。

第(4)步中所述的大型智能风机叶片系统灰色组合模型，由叶片失速颤振模型和智能驱动器灰色模型线性化组合后的模型规范形式如下：

状态变量：x为振动结构模型的状态变量，z为气动失速模型的状态变量；

输出变量：为振动位移量；

输入变量：为智能驱动器的驱动展开控制量；