[发明专利]基于有效风速估计的变速风力发电机组最大风能捕获方法

权利要求书

1.一种基于有效风速估计的变速风力发电机组最大风能捕获方法，其特征在于，该方法包括以下步骤：

(1)对风电机组传动链结构进行动力学分析，建立风电机组传动轴系简化模型如下：

其中，J_t是系统等效转动惯量，ω_r是风轮转速，T_a是气动转矩，其表达式是ρ是空气密度，R是风轮半径，C_q是转矩系数，v是有效风速，K_t是系统等效阻尼，T_g是系统等效电磁转矩；

(2)根据机组机械功率的表达式和风能利用系数曲线，将最大风能捕获问题转化为最优风轮转速跟踪问题，计算转速跟踪误差；所述转速跟踪误差定义为实际风轮转速与最优风轮转速估计值之差；

(3)使用激光雷达测风装置测量并记录一段时间内的有效风速信息，使用SCADA系统和力矩传感器获得相应时间段内风电机组的相关输出数据X'，X'＝[x'(i,j)],i＝1,...,l,j＝1,...,6，l为采样输出次数；用x'(i,:)表示机组的一次采样输出，x'(i,:)表达式为：

x'(i,:)＝[ω_r,ω_g,ω_ra,a_fa,M_yb1,F_xb1]

其中，ω_r是风轮转速，ω_g是发电机转速，ω_ra是叶轮方位角，a_fa是塔架前后加速度，M_yb1是某一叶片的叶根挥舞弯矩，F_yb1是该叶片的叶根挥舞力；

(4)将步骤(3)获得的机组输出数据进行归一化处理，作为SVR模型的训练特征集X，X＝[x(i,j)],i＝1,...,l,j＝1,...,6，将步骤(3)获得的有效风速信息作为SVR模型的训练目标值，将训练特征集和训练目标值构成SVR的训练集；

(5)使用步骤(4)获得的训练集对SVR模型进行训练，使用GA算法选择SVR的惩罚参数和核函数参数，得到训练好的SVR模型，通过该模型在线给出有效风速估计值，从而实时获得最优风轮转速估计值；将有效风速估计值和有效风速真实值v之间的关系表示为：其中ζ(t)是有界的有效风速估计误差；

(6)将步骤(1)中的气动转矩T_a的表达式分解成风轮转速和风速的函数加上一个有界量δ(t)，根据最优风轮转速估计值得到转速跟踪误差，进一步求得转速跟踪误差的动态特性如下：

其中，是跟踪误差，ω_r是实际风轮转速，是最优风轮转速估计值，是系统未知动态，T_g是控制信号，是系统未知有界部分；

(7)使用两层的神经网络，对步骤(6)中的系统未知动态进行逼近，具体过程是：

其中，W^*是神经网络权重的理想值，φ(·)是神经网络隐含层的激活函数，ε是重构误差；神经网络理想权重W^*的估计值用表示；并设计神经网络理想权重估计值的更新规则如下：

其中，是神经网络隐含层的激活函数，Γ＝Γ^T＞0是正定对称矩阵，σ₁＞0是需要用户选择的控制器参数；

(8)设计鲁棒因子对步骤(6)中的系统未知有界部分D(t)进行逼近，并给出该鲁棒因子的幅值的更新规则如下：

其中，是鲁棒因子的幅值，σ,μ,σ₂＞0是用户自定义的控制器参数，tanh(·)是双曲正切函数；

(9)设计步骤(6)中控制信号的表达式如下：

其中，k＞0是用户自定义的控制器参数，在该控制信号的作用下，跟踪误差e是有界的，即风力发电机组的风轮转速能够跟踪最优风轮转速，从而实现最大风能捕获，同时，该控制信号能够使得风力发电机组系统中的所有信号都是有界的，系统是稳定的。

2.根据权利要求1所述的基于有效风速估计的变速风力发电机组最大风能捕获方法，其特征在于，所述步骤(4)中，归一化处理指的是：

其中，用x'(:,j)表示X'中的列分量，max(x'(:,j))和min(x'(:,j))分别是x'(:,j)的最大值和最小值，x(:,j)是X中的列分量。