基于KHC算法的風(fēng)力發(fā)電機組偏航控制系統(tǒng)

劉超+王世榮

摘要：針對現(xiàn)有的風(fēng)力發(fā)電機組對風(fēng)精度低、自然風(fēng)速復(fù)雜，本文提出了一種將爬山算法與優(yōu)化卡爾曼濾波相結(jié)合的算法，可以有效提高對風(fēng)精度，該算法通過功率檢測來提高對風(fēng)精度，通過卡爾曼濾波算法來對未來時刻的風(fēng)向量進行精確預(yù)測，避免偏航機構(gòu)疲的勞動作和外界干擾。

【關(guān)鍵詞】爬山算法 卡爾曼濾波 偏航控制

1 引言

本文提出了一種將爬山算法與優(yōu)化卡爾曼濾波算法相結(jié)合的算法用于風(fēng)機的偏航控制系統(tǒng)，通過檢測風(fēng)機輸出功率并進行前后對比從而提高對風(fēng)精度，同時采用優(yōu)化卡爾曼濾波算法對風(fēng)向量進行精準預(yù)測，有效減少風(fēng)機疲勞動作。

2 偏航控制系統(tǒng)

風(fēng)力發(fā)電機組的偏航系統(tǒng)由風(fēng)向標、偏航電機、偏航齒輪變速箱、機舵大齒輪等部分組成。通過風(fēng)向標傳感器采集風(fēng)向信號，將風(fēng)向信號傳送至控制系統(tǒng)，控制系統(tǒng)根據(jù)風(fēng)向信號發(fā)出控制命令，控制偏航電機開始轉(zhuǎn)動，偏航電機轉(zhuǎn)動帶動機舵大齒輪旋轉(zhuǎn)，從而控制風(fēng)力發(fā)電機組的機身旋轉(zhuǎn)進行準確對風(fēng)。由于風(fēng)向量具有隨機屬性為了使風(fēng)力機組具有良好控制效果，本文中將采用雙閉環(huán)控制系統(tǒng)，如圖1所示：風(fēng)機偏航控制系統(tǒng)外環(huán)采用風(fēng)速輸出功率環(huán)，跟蹤風(fēng)電機組的實時輸出功率，將輸出功率與監(jiān)測的風(fēng)速所對應(yīng)的最佳輸出功率相比較，判定風(fēng)機工作狀態(tài)。風(fēng)機內(nèi)環(huán)采用的是風(fēng)向環(huán)，通過采集、監(jiān)測風(fēng)向信號并與風(fēng)機機舵偏向位置進行比較，當風(fēng)機未處于最佳工作風(fēng)向時，控制系統(tǒng)發(fā)出控制信號，控制偏航電機運轉(zhuǎn)，從而調(diào)整風(fēng)機對風(fēng)角度，使風(fēng)機達到最佳風(fēng)向位置。風(fēng)電機組偏航控制系統(tǒng)框圖如圖1所示。

3 爬山一優(yōu)化卡爾曼濾波算法（KHC算法）在風(fēng)電機組中的應(yīng)用

3.1 爬山算法

風(fēng)電機組系統(tǒng)實時跟蹤風(fēng)力發(fā)電機的輸出功率，然后采用遞歸調(diào)用的方法，將輸出功率P₁分別與P₂、P₃、P₄、P₅、、、P_n相比較，當P₁2時則選擇P₂為最大輸出功率，然后再用P₂與后而的功率值做比較，取出最大的再次與后而的功率值比較，依次的進行下去，逐步提高輸出功率，當P_n>P_max時將P_n賦值給P_max，從而選出最大輸出功率，使風(fēng)電機組的輸出功率P_max無限接近當前風(fēng)速的最佳輸出功率P_best。

為了保證風(fēng)機不頻繁擺動，疲勞工作，在功率比較中應(yīng)當設(shè)置系統(tǒng)對風(fēng)誤差精度P_s，當大于系統(tǒng)設(shè)定誤差|P_max-P_best|>P_s時，偏航電機啟動，按照預(yù)設(shè)方向偏轉(zhuǎn)角度θ，直至IPmax.|P_max-P_best|s時，說明風(fēng)機處于最佳工作狀態(tài)，既能保證輸出功率的最優(yōu)化，又能避免小角度疲勞調(diào)整。

在風(fēng)機偏航系統(tǒng)動作調(diào)整時，為了保證風(fēng)機偏航方向正確，要實時監(jiān)測輸出功率，將此刻輸出功率與前一時刻輸出功率做比較，如P₂大于P₁證明偏航方向正確，若P₂小于P₁證明偏轉(zhuǎn)方向不正確，則反方向偏轉(zhuǎn)，依次進行比較P₂、P₃、P、P₅、、、P_n，由于風(fēng)速屬于實時變化的量，通過采樣計算，最佳功率也是處于實時變化之中，因此我們需要對最佳功率進行實時調(diào)整。

3.2 優(yōu)化卡爾曼濾波算法

優(yōu)化卡爾曼濾波算法是根據(jù)上一時刻系統(tǒng)本身的數(shù)據(jù)計算出下一刻所需數(shù)據(jù)的預(yù)測值，然后再利用對應(yīng)的傳感器獲取所需數(shù)據(jù)實際的測量值，將系統(tǒng)本身計算出的預(yù)測值與實際的測量值相結(jié)合算出最終的最優(yōu)估計值，求出最終的最優(yōu)估計值以后與系統(tǒng)計算出的預(yù)測值做比較，衡量最終的最優(yōu)估計值數(shù)據(jù)值是否“靠譜”，如果偏差范圍較小，說明最終最優(yōu)估計值準確，在進行下次計算的時候則相應(yīng)的增加預(yù)測值的比重，反之則減小預(yù)測值的比重。

優(yōu)化卡爾曼濾波具體算法如下：

我們假設(shè)利用一個線性隨機微分方程來表示風(fēng)機偏航控制系統(tǒng)，

X（k）=AX（k-l）+BU（K）+W（k）

（1）

式中X（k）為K時刻系統(tǒng)對風(fēng)向的計算估計值，X（k-l）為上一時刻風(fēng)向的狀態(tài)值，U（K）為系統(tǒng)的控制狀態(tài)量、W（k）為系統(tǒng)噪聲A、B分別為系統(tǒng)的參數(shù)可以根據(jù)實際系統(tǒng)確定其數(shù)值。

有了系統(tǒng)的計算估計值以后我們需要對計算估計值進行檢驗，看其是否“靠譜”，計算過程如下：

P（k|k_l）=AP（k|k-l）A^T+Q

（2）

P（k|k-l）是X（k）對應(yīng)的COV，P（k-l|k-l）是X（k-l）對應(yīng)的Cov，A^T表示A的轉(zhuǎn)置矩陣，Q是系統(tǒng)過程的COV。經(jīng)過以上兩式計算以后我們便完成了系統(tǒng)對下一時刻狀態(tài)變量的計算估計，接下來便開始求出最終的最優(yōu)估計值，公式如下：

X（k|k）=X（k|k-l）+Kg （Z（k）-HX（klk-l））

（3）

（3）式中X（klk）為最新K時刻的狀態(tài)最優(yōu)估計值，X（klk-l）為上一時刻的系統(tǒng)計算預(yù)測值，Kg為卡爾曼增益、Z（k）為風(fēng)向傳感器的實際測量值，H為觀測系數(shù)，將以上參數(shù)帶入（3）中便可以計算出K時刻的最優(yōu)估計值。

其中Kg為卡爾曼增益，在每一次計算中部需要用到它，通過卡爾曼增益來使估計值更加準確，計算公式如下：

Kg=P（k|k-l）H¹，（HP（k|k-l）H¹+R）

（4）

綜合以上步驟我們就可以完整的求出一次最優(yōu)估計值，但為了使系統(tǒng)不斷的迭代下去，從而使最優(yōu)估計值極限的逼近準確值，我們還需要不斷更新X（k）狀態(tài)量的COV，公式如下：

P（k|k）=（l-Kg（k）H）.P（k|k-l）

（5）

從而保證系統(tǒng)可以循環(huán)的計算下去，完成最終的最優(yōu)估計。

通過以上五個公式的運用計算便可以得出系統(tǒng)的最優(yōu)風(fēng)向狀態(tài)估計值，從而有效提高系統(tǒng)風(fēng)能利用率，避免系統(tǒng)疲勞運轉(zhuǎn)，有效提升系統(tǒng)工作效率。

4 總結(jié)

與傳統(tǒng)風(fēng)機相比，基于爬山一優(yōu)化卡爾曼濾波算法的風(fēng)電機組具有如下優(yōu)點：

（1）通過此控制算法，可以有效的提高對風(fēng)精度，提升風(fēng)能利用率，減小了自然環(huán)境以及周圍因素對風(fēng)機的干擾。

（2）在保證了對風(fēng)精度的前提下，通過加入的風(fēng)向預(yù)測功能，有效的增強了對風(fēng)動作，避免了風(fēng)電機組的小范圍疲勞動作。

（3）通過實驗驗證分析，有效的證明了KHC算法的有效性與可行性，但其中還有許多不足需要加以改進。

參考文獻

[1]顧露香，樂秀璠，楊虞琨，李柵柵.KHC算法在風(fēng)力發(fā)電機組偏航系統(tǒng)的運用[J].華電技術(shù)，2011，09： 92-94+98.

[2]《華電技術(shù)>第33卷總目次[J].華電技術(shù)，2011 （12）： 85-87.

[3]沈小軍，杜萬里.大型風(fēng)力發(fā)電機偏航系統(tǒng)控制策略研究現(xiàn)狀及展望[J].電工技術(shù)學(xué)報，2015 （10）：196-203.

[4]張慧寧，孫培德，張中煒，基于優(yōu)化卡爾曼濾波的風(fēng)電偏航控制器研究[J].控制系統(tǒng)，2010，26（01）：42-43.