关于风力发电机及风力发电控制技术分析_0

关于风力发电机及风力发电控制技术分析

风电技术涉及专业较广，包括计算机学、空气动力学、材料学等。国内风能资源较为丰富，带动了风电行业的发展，风能利用对国家环境结构的调整具有极大影响，可有效调整能源结构，降低进口能源的依赖，对国家经济效益具有重大作用。风力发电技术经过不断的完善和创新，逐渐成为新型清洁能源中重要组成部分，增速处于第一位，有助于推动社会进步和发展，带来更大的经济效益和社会效益。基于此，本文分析了风力发电机及风力发电控制技术。

标签：风力发电机；风力发电；控制技术

一、风力发电概述

风力发电机一般包括两部分：风机部分、发电机部分。根据风力发电机浆叶的功率调节方式，可分为定桨距机组、变桨距机组。前者浆叶、轮毂相连接，外界环境风风速变化时，迎风角不发生改变；后者根据定桨距风机进行了改进，风机叶片可围绕中心轴转动，保证叶片迎风角可调。两种机组相比，后者可在额定功率之外仍维持较高的平稳度，性能更突出，在大型机组中应用较多。根据风力发电机组不同，发电机可分为：异步发电机、同步发电机。确保变流机组的合理性便可保证设备维持稳定的变速运行状态。

二、风力发电控制技术

（一）发展现状

风力发电技术起源于19世纪，近年来相关技术逐渐趋于成熟。国外西方发达国家的风力发电技术已经较为成熟。在技术研发方面投入了大量资金，重点考虑了新材料、新工艺、通信技术等在风力发电系统中的应用，提高了风力发电技术的可行性。尤其是大规模风能的利用方面更具优势，如海上风力发电，成为了传统能源发电模式的补充方法。国内风力发电技术一般是集中在小型风力发电厂。上世纪50年代主要工艺、材料应用方面尚未全面实现自主生产，发电机制造、电力并网等关键技术仍依赖进口。导致国内大型风力发电设备一般成本高，研发受限。90年代后，风电发展进入新阶段，电厂规模、机组容量大幅增加。自从国家大力发展风能、太阳能等新能源后，风电技术相关研发成果逐渐增多，且技术水平提升较快。

（二）风力发电控制技术

1.风速随年际变化

在我国，不同季节的天气变化对风速的年变化影响较为明显，尤其是在寒冷的冬季，气流从我国北方逐渐向南方转移。但是近些年来，由于全球气候变暖，致使冬季风速相对较小，最终形成了春季风速变化大而夏秋冬季变化小的特征，

以2～6月变化最为显著，8～9月变化最小。

2.风速的日变化

风速的日变化：是气流在同一天之内的变化情况。在白天，由于陆地和空气的比热容差异，路堤升温较快，尤其是在午后阶段，地面的温度最高，空气上下对流也是最旺盛的阶段；高空的风逐渐朝着下方转移，导致下空的空气流速随之增加，尤其在中午过后的空气流动速度最快，此时的风速相对而言较大；傍晚后太阳落山，地面的温度逐渐下降，风速随之减小。

3.风速随高度的变化

风速随高度的变化：风速的变化除了与海陆分布有关，高度的变化也会导致风速在同一地点的不同变化，即便是在相同高度上，不同地点的变化同样不同。计算公式如下：v=v1（h/hi）。

三、风力发电系统的智能控制

（一）模糊控制

模糊控制是一种典型的智能控制方法，其最大特点是将专家的经验和知识表示为语言规则用于控制。它不依赖于被控对象的精确数学模型，能克服非线性因素影响，对被调节对象的参数具有较强的鲁棒性。由于风力发电系统是一个随机性的非线性系统，因此模糊控制非常适合于风力机的控制。模糊控制在发电机转速跟踪、最大风能捕获、发电机最大功率获取以及风力发电系统鲁棒性等方面取得了较好的控制效果。笼型异步发电机就是采用模糊控机制对跟蹤设备进行改进，通过模糊控制参量的设置和模糊控制学习等调节电机的转动速率，提升控制动力的效率；计算轻载时磁链以实现发电机一逆变器效率优化；可根据功率偏差及其变化取得在额定风速以下运行时的最大功率。变速恒频无刷双馈风力发电系统采用自适应模糊控制模型，可实现较好的鲁棒性和抗干扰能力，并且利用模糊控制可实现最大风能捕获并改善系统稳定性。

（二）神经网络控制

人工神经网络以其丰富的非线性模型映射机制、高效的学习能力和收敛特性为自适应控制过程提供了有利的帮助。在风力发电系统中，神经网络可以用来根据以往观察风速数据预测风速变化等方面。变桨距风力发电系统中可采用神经网络控制器通过在线学习并修改Cp-λ特性曲线，实现风能的最大捕获并减小机械负载力矩，根据风速数据和风力发电机动态特性可建立神经网络参考自适应控制模型。基于数据的机器学习是现代智能技术中的重要方面，研究从观测数据出发寻找规律，利用这些规律对未来数据或无法观测的数据进行预测，来对工业过程进行有效控制。

总之，风能的出现，作为一种清洁新型能源，可以有效缓解能源危机，推动

社会经济持续增长。风力发电技术经过不断的完善和创新，逐渐成为新型清洁能源中重要组成部分，进一步加强对其的研究非常有必要。