信息化控制技术在风力发电控制系统中的研究黄光远

黄光远

摘要：对于风力发电机组的运行而言，涉及到众多领域和不同学科，需要不断的融合不同的学科技术以及不同的方法，来完善风力发电机组的状态监测以及故障诊断等。信息化控制技术在风力发电控制系统中发挥了重要作用，文章将分析具体技术的应用，以供参考。

关键词：风力发电；信息化；控制

1自适应控制技术

自适应控制技术是信息控制技术中的一种，在应用期间对技术要求比较高，将这项技术应用到风力发电控制系统中，可以对系统中各项数据的变化情况进行掌握并控制，确保系统中各项参数的合理性。传统的风力发电控制系统需要构建参数模型来对各项参数进行控制，其对模型的完整性要求比较高。但是这类模型在建设过程中及具有较高的难度，所以无法保证风力发电的控制效果。而自适应控制技术的合理应用可以对系统中各方面的变化情况进行实时掌握，并根据外界环境进行调整，具有明显的应用优势，提升风力发电系统的控制效率。

2微分几何

该项技术由数学知识演变而来，其包括一定的线性关系，控制过程就是利用这一特性来完成的。此技术的控制原理如下：该数学知识表现出来的系统实际是非线性的，经过某种处理后，成为具有一定功能的线性系统，致使控制技术逐渐趋于完善。对于风力发电本身，其系统本来就是非线性的，风速的大小是人为无法控制的。当使用此技术时，首先要将这一问题进行解决。然后是对双馈发电机的各项操作，主要是对经过电机的各项数据进行反馈解耦，这一过程需要将非线性情况向线性转化，从而实现动态解耦。这对发电效率的提升非常有帮助，装置能够尽可能多的捕获风能。

若风速过大，需要将电机的转速适当调低，这样才能保持其功率不变。通过一系列的步骤，装置将很好地完成向线性关系转化的过程，根据这一关系，可设计出符合实际情况的发电机组，减少企业成本的同时，保持充足的电能供应。现行控制的精确程度很高，但计算过程中会遇到阻碍。且该技术对CPU的要求很高，普通的CPU无法使用到此技术当中。目前研究人员正在攻克两类难题，可见该项技术具有广阔的发展空间。

3神经网络和专家系统

叶片作为风力发电机组中的前置部分，如果叶片出现问题（不平衡等）就会影响正常发现。需要对风力发电机组的叶片定期进行故障监测，主要分析叶片的转子不平衡、气动力不对称平衡，主要故障集中在这两方面。对于风力发电机组而言，其齿轮箱由于长期置于恶劣环境，损坏率很高，因此需要定期对齿轮箱进行定期故障诊断监测。

神经网络和专家系统在风力机故障诊断中的应用随着信息技术以及人工智能技术的发展，新技术也开始应用于风力发电机组的故障诊断部当中。目前人工神经网络技术、专家系统技术以及模糊逻辑技术均开始应用于风力发电机组的故障诊断当中去，希望能够提高故障诊断的准确率。专家系统是一种先进推理系统，可以按照人类的思维走向对问题进行处理，整体的智能化水平比较高。人工神经网络控制器与发电机预测模型之间的有机结合，实际上就是将BP算法与遗传算法的优势融合于一体，进而形成的一种新型BP神经网络算法，其风能捕捉能力极强。

4数据挖掘

数据收集和存储技术的进步促使商业和科研领域产生了海量数据集，从数据中提取有用的信息的想法促进了数据挖掘技术的产生和发展。数据挖掘技术是数据库中知识发现（knowledgediscoveryindatabase，KDD）中重要的一部分，参与了将未加工的数据转换为有用信息的过程。它结合了传统数据分析方法与处理大量数据的复杂算法，任务可以分为预测任务和描述任务两大类。预测任务是根据其他特征属性的值，预测特定属性的值，相关算法有分类、回归算法；描述任务的目标为导出概括数据中潜在联系的模式，聚类、关联算法通常被用于描述任务。

利用数据挖掘技术进行风电机组的故障诊断，能在保证故障诊断正确率的基础上同时有着较高的运算性能，实现海量监测数据下诊断对实时性和准确性的要求。在风力发电机组的故障预测方面，数据挖掘方法可以参与故障预测的参数提取、预处理、建模过程，具有一定的灵活性和创新性。在进行发电功率预测时，数据挖掘方法表现出其捕捉实际风电发展趋势的高确定性，且能建立高精度预测模型。数据挖掘技术在风力发电机组模型建立方面的应用的良好结果非常值得关注，这对后续风力发电的研究有深刻的意义。

5基于PLC的风力发电混合储能

除了风力发电机组和AC/DC变换器外，混合储能系统主要包括PLC主控制器、电力参数采集模块、DC/AC变换器、通信模块、数字量输入/输出模块、显示屏。混合储能系统将PLC作为控制器把各个模块连接起来，提高系统的稳定性。

混合储能系统以PLC为核心控制器，将混合储能系统分为储能阶段和释能阶段，由电力采集模块将风力发电输出功率的采集信息传到PLC控制器中，与满足电网要求的功率设定值进行比较：当采集值大于设定值时，即风力发电输出功率大于并网需求功率时，向混合储能中输入功率；当采集值小于设定值时，即风力发电输出功率小于并网需求功率时，混合储能系统输出功率。

由于整个控制系统较为复杂，可采用模块化的方式把一个复杂的程序，分解成两个或若干个便于理解和调用的过程，使整个程序段变得简单，每个模块都具有各自的子功能。采用模块化进行系统编程，加上一定的运行条件和逻辑判断实现整个控制系统的功能。在进行编程时，需要注意降低软件编程的复杂性，提高理解能力和维护能力，模块不能任意划分，在分解时应保证其具有独立性。

6最优控制智能技术

风力发控制系统在应的过程中容易受到风能的影响，运行过程中存在着许多的不确定性，想要建立完善的数据模型存在着一定的困难，通过数学模型可以实现对系统的合理控制。但是只通过数学模型中的相关数据对风力发电系统进行设计，无法满足风力发电系统的应用需求。风力发电系统在运行的过程中，无论是否产生电能都需要对整个系统的承受能力进行掌握，系统中的电流在运行期间也会出现一系列的变化，如何让系统保持在最优的状态是目前风力发电系统设计工作比较重视的问题。将最优控制智能技术应用到风力发电控制系统中，可以对系统中的不确定因素和相关变量时进行处理，实现对风能的有效捕捉，将其全部应用电力能源的产生中，还可以对电力机组的状态进行调整，从而提升风力发电控制系统的应用效率。

结语

综上所述，在能源紧缺的现代，新型发电方式逐渐开发出来，风力发电在近年来运用较为广泛，现代控制技术融入到风力发电中，使得发电效率大大提升。未来，还需对以往应用的控制体系进行优化和完善，将信息化控制技术应用到该系统中，可以实现智能化控制，对风能进行捕捉，提升发电效率。

参考文献

[1]闵浩,刘惠康,唐超.基于间谐波的双馈风力发电系统故障诊断[J].高技术通讯,2019,29(05):480-486.

[2]曾文珺,吕丽霞.数据挖掘技术在风力发电中的应用综述[J].仪器仪表用户,2019,26(04):95-99+9.

[3]高磊,蔡应森,天奥迪,熊牛兵,孙赟.风力发电及其控制技术研究[J].山东工业技术,2019(05):192.