CN114294160A - 基于短期预测的多自由度风力发电系统 - Google Patents

Abstract

本发明提出一种基于短期风力预测的多自由度风力发电系统，包括：短期风力预测模块，基于高斯混合模型，通过风速与风向之间的关系，预测短期内风向和风速的变化情况；风力发电机控制模块，基于长短期记忆网络的模型预测控制策略、利用所述短期风力预测模块的预测结果控制所述风力发电机的运行；多自由度永磁同步风力发电机，将风力转换为电能。本发明建立一个基于短期风力预测的多自由度高效风力发电系统，当风速和风向发生变化时，多自由度风力发电机可以绕转子轴偏转，使其与风向保持一致，取代了传统风力发电机偏航系统的作用。形成了一套由风力预测结果、控制系统和新型风力机组成的完整的高效风力发电系统。

Description

基于短期预测的多自由度风力发电系统

技术领域

本发明属于清洁能源技术领域，特别涉及一种短期预测多自由度发电系统能量转换管理与优化调节系统。

背景技术

风能技术是一项高新技术，它涉及到气象学、空气动力学、结构力学、计算机技术、电子控制技术、材料学、化学、机电工程、电气工程、环境科学等十几个学科和专业，是一项系统技术。恶劣的环境和环境的多变性都对大型风电技术提出很高的要求。此外，大型风电并网技术还在完善中，一系列的问题还在制约大型风电技术的发展。

风力发电机的高效稳定运行对实现大规模发电具有重要意义。自然界的风向和风速都是随时随机变化的，这对风电机组的控制系统提出了很高的要求，必须提高控制系统的可靠性。而提高控制系统的可靠性最有效的方法就是，建立预测模型从而建立预测控制系统，对风机功率进行准确的预测，以便控制器更好的控制风电机组的运行。

根据预测结果，风力预测模型可分为点预测和概率预测两种类型。主流的风力预测模型以点预测为主，预测结果是未来某一时刻的风资料的期望值。然而，由于风力资源的强波动性和随机性以及预测模型本身的缺陷，不可避免地会出现点预测误差。点预测不能提供与预测结果相关的不确定性信息。因此，能够定量反映风资料不确定性的风资料概率预测越来越受到研究者的重视。传统的预测系统模型都只关注单一类型的风力数据预测，其风力发电机组的运行方式具有被动性和滞后性。

多自由度发电系统模型能够较好地改善传统模型存在的不足，提高传动机构的控制精度，减少占地面积和成本。现有条件分析了多自由度发电机转子的动力学特性，建立多自由度下转子的数学模型；还有多自由度永磁电机的电磁、热和固体场，以及对电机的多物理耦合分析，以电磁结构为研究对象，通过磁热固耦合仿真能得到设计结构的温度升高和应力应变。

多自由度发生器发展迅速，其研究方法和理论也在不断发展，目前的研究大多局限于发电机本体，很少有研究人员专注于将多自由度发电机用于其他应用。即使在现有的多自由度发电机应用于风力发电的研究中，风力发电机的偏转角度最多也只能达到30°；这并不满足风力发电机的运行要求。开发一种可广泛应用于风力发电并能实现360°偏转的多自由度发电机是本研究的目标。

发明内容

针对上述问题，本发明建立一个基于短期风力预测的多自由度高效风力发电系统，利用短期风预测模型获得24小时内风向和风速的变化，并利用预测结果指导基于LSTM的MPC实时运行。当风速和风向发生变化时，多自由度风力发电机可以绕转子轴偏转，使其与风向保持一致，取代了传统风力发电机偏航系统的作用。该研究首次形成了一套由风力预测结果、控制系统和新型风力机组成的完整的高效风力发电系统。具体地，本发明所提出的技术方案如下：

一种基于短期风力预测的多自由度风力发电系统，所述多自由度风力发电系统包括：

短期风力预测模块，所述短期风力预测模块基于高斯混合模型，通过风速与风向之间的关系，预测短期内风向和风速的变化情况；

风力发电机控制模块，所述风力发电机控制模块基于长短期记忆网络的模型预测控制策略、利用所述短期风力预测模块的预测结果控制所述风力发电机的运行；

多自由度永磁同步风力发电机，所述风力发电机将风力转换为电能。

可选地，还包括分析模块，所述分析模块基于分析软件进行有限元和磁场的建模分析。

可选地，所述长短期记忆网络包括输入门、遗忘门和输出门结构。

可选地，还包括位置计算模块，所述位置计算模块用于判断所述发电机叶片旋转平面的前法向量与大地坐标系之间的夹角的位置。

可选地，还包括轧制优化模块，所述轧制优化模块根据偏转角速度和预测输出，通过长短期记忆网络获得下一步控制顺序。

可选地，还包括最优路径逻辑判断模块，所述最优逻辑判断模块依据是将调整角度、风速和主导风向输入最优路径逻辑判断模块，来确定是否继续调整任务路径，并获得给定偏转角速度r。

可选地，所述多自由度永磁同步风力发电机包括多自由度永磁同步发电机，所述多自由度永磁同步发电机包括定子、转子和绕组。

可选地，所述定子包括转动定子和偏转定子；和/或所述绕组包括旋转绕线和偏转绕线。

可选地，所述转子上安装有用于旋转的球形永磁体和用于偏转的环形永磁体。

可选地，所述多自由度永磁同步风力发电机可围绕转子轴旋转任意角度使其与风向对齐。

本发明建立一个基于短期风力预测的多自由度高效风力发电，利用短期风力预测模型获得24小时内风向和风速的变化，并利用预测结果指导基于LSTM的MPC实时运行。当风速和风向发生变化时，多自由度风力发电机可以绕转子轴偏转，使其与风向保持一致，取代了传统风力发电机偏航系统的作用。该研究首次形成了一套由风力预测结果、控制系统和新型风力机组成的完整的高效风力发电系统。

附图说明

为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明其中一实施例所提出的基于短期风力预测的多自由度风力发电系统的结构示意图；

图2是本发明其中一实施例所提出的LSTM记忆块结构示意图；

图3是本发明其中一实施例所提出的LSTM-MPC控制策略示意图；

图4是本发明其中一实施例所提出的多自由度偏转型PMSWG风力发电机结构示意图；

图5是本发明其中一实施例所提出的A相绕组在不同偏转角度下的相电压比较图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明提出一种基于短期风力预测的多自由度风力发电系统，所述多自由度风力发电系统包括：

短期风力预测模块，所述短期风力预测模块基于高斯混合模型，通过风速与风向之间的关系，预测短期内风向和风速的变化情况；

风力发电机控制模块，所述风力发电机控制模块基于长短期记忆网络的模型预测控制策略、利用所述短期风力预测模块的预测结果控制所述风力发电机的运行；

多自由度永磁同步风力发电机，所述风力发电机将风力转换为电能。

具体地，对于短期风力预测模块，首先基于高斯混合模型(GMM)，考虑风速和风向的关系，通过短期风况预测得到24小时内风向和风速的变化情况。GMM用于考虑未来24小时风速和风向之间的依赖性来完成风概率预测。与传统模型只关注单一类型的风力数据预测不同，在本发明中，我们进行了考虑风速和风向之间关系的风力预测，以提高模型的准确性。

高斯模型是一种常用的参数估计方法，可分为单一高斯模型(SGM)和GMM。GMM是SGM的扩展，可以平滑地逼近任何形状的概率密度函数。此外GMM可以看作是由K个SGM组成的模型，其中K个子模型是混合模型的隐藏变量。由于具有多个模型，GMM被精细划分并适用于复杂的对象建模。

风力数据概率预测模型可分为参数化模型和非参数化模型。参数化模型在预测前根据先验知识假设数据符合特定分布；非参数模型不做假设，而是通过数据驱动的方法直接计算分布函数。由于风力数据并不完全符合特定的分布，参数化模型的预测误差通常很高。非参数模型虽然具有较好的预测精度，但无法提供具体的拟合公式使得模型的可解释性很差。GMM是参数化模型，但不需要对风力数据的分布做假设，类似于非参数化模型；这有效地解决了参数化模型的缺点。同时GMM给出了清晰的解公式使GMM在预测过程中的解释变得简单。因此GMM具有参数化模型和非参数化模型的强可解释性的优点，不需要对数据进行先验假设。

对于风力发电机控制模块，本发明提出一种基于长短期记忆网络的模型预测控制策略，利用前瞻性风力预测结果指导实时风力发电机运行；同时提出了基于风力预测结果的风力发电机实时运行指导方法。LSTM被引入到MPC控制中来解决滚动优化过程。与传统的MPC相比，LSTM作为一种特殊的循环神经网络，可以学习长期依赖，增强长期记忆能力；因此LSTM-MPC策略可以更高效、准确地完成风力发电机的运行控制。

循环神经网络是一种具有记忆功能并且可以将信息从一个时刻传递到下一个时刻的网络。LSTM是一种特殊的RNN，可以使用记忆单元中的恒定错误轮播来学习长期记忆。LSTM有一个包含记忆单元和三个门的记忆块结构：输入门、遗忘门和输出门，其门信号如图2所示。遗忘门用于确定是否保留当前存储单元的信息；输入门用于判断是否允许将当前输入信息加入到存储单元中；输出门用于确定当前记忆单元中的信息是否要输出到LSTM的下一个记忆单元。与传统的模型预测控制全局优化相比，MPC采用分布式滚动优化。控制过程分为几个部分，不断利用实时信息对运行轨迹进行在线反馈修正，增加了控制系统的鲁棒性。

图3给出了LSTM-MPC控制策略图，本发明对准角是发电机叶片旋转平面的前法向量与大地坐标系之间的夹角。主导风向按加权平均法计算，如下式(2)。在初始时刻，通过对准角和位置计算模块判断对准角的位置。将调整角度、风速和主导风向输入最优路径逻辑判断模块，来确定是否继续调整任务路径，并获得给定偏转角速度r。因为没有控制信息前一步的初始阶段，这个预测模型现在还不起作用。只将给定的偏转角速度r输入到轧制优化模块中，并用LSTM神经网络求解轧制优化结果。然后得到控制序列U(0)，输入偏转角速度控制器推动轴产生偏转速度y₀，然后将y₀输入到对准角度和位置计算模块中，得到T₁时刻的对准角度。将U(0)输入预测模型，得到之后I步的预测输出(y_m1，y_m2，…，y_mi)，以及根据实际风速y₀和预测输出y_mi得到以下I步的最终预测输出(y_p1，y_p2，…，y_pi)。然后将得到的偏转角速度r和最终预测输出输入y_pi到轧制优化模块中，通过LSTM网络获得下一步控制顺序U(1)。

对于多自由度永磁同步风力发电机，将多自由度永磁同步风力发电机绕转子轴偏转，使其与风向对齐，从而替代传统风力发电机的偏航系统。当风向波动时，多自由度永磁同步风力发电机可对准风向绕转子轴360°自由旋转，这是一种非接触式电磁传动方式，而不是偏航系统中使用的传统接触式齿轮机械传动方式。因此，所提出的风力发电机不仅可以降低成本和故障率，还可以提高风对准的准确性并减少响应时间。

与兆瓦级风力发电相比，小型分布式风力发电机组的场地限制相对较小，主要安装在偏远山区、海岛、牧区等用电困难地区。这些地区占世界总土地面积的比例非常高。因此分布式小型风力发电逐渐成为风电供应的主力军，是一种有效的分布式发电解决方案。在传统的小型风力发电机中，利用偏航系统使发电机与风向保持一致。不过偏航系统成本高、故障率较高。本发明提出一种多自由度偏转型PMSWG，如图4所示。当风力波动时，发电机可以围绕转子轴旋转360°使其与风向对齐，而不是传统的风力发电机的偏航系统。

多自由度的PMSWG模型的风力发电机包括风轮、水平轴、轴承、轴承座、塔架、底座、联轴器、多自由度永磁同步发电机、控制器和变频器组成，支架由底座和塔架组成，塔架顶端装有多自由度永磁同步发电机、控制器和变频器，轴承座和轴承固定在水平轴上，风轮中含叶片、轮毂、加固件等组成，安装在齿轮箱上。多自由度永磁同步发电机由定子、转子和绕组组成，定子包括转动定子和偏转定子。发电机的旋转和偏转共用一个转子，转子上安装有两种用于旋转的球形永磁体和用于偏转的环形永磁体，球形永磁体沿N和S的直径方向交替极化，环形永磁体沿直径方向磁化。绕线又分为旋转绕线和偏转绕线。发电机旋转时，球形永磁体与旋转绕组相互作用，磁极产生的磁感应线切割旋转绕组。根据电磁感应定律，在绕组上产生电流，使发电机产生电能。当发电机偏转时，偏转绕组由外部电源供电。定子上的偏转绕组与转子轴上的偏转永磁体相互作用完成偏转从而实现了发电机绕轴偏转。

此外，本发明还包括分析模块，使用Ansoft Maxwell软件进行有限元和磁场进行建模分析，更好的显示了该系统的动态特性。建立模型的材料特性、边界条件和激励源。步长0.0005s、步数100、操作时间0.05s、非线性残差0.0001为求解器的参数。

在转矩计算中假设虚位移前后的磁链为常数且没有损耗，能估计存储在解域中的总能量，公式如下：

式中，V是磁场体积，H是磁场强度，B是磁感应强度。

偏转期间控制器控制外部电源为发电机偏转通电，发电机可同时在旋转和偏转状态下运行，确保发电机偏转时仍能正常发电。当外部电源通电时，它提供电流向同一方向的多个线圈中注入电流，使其产生偏转力矩。同时，向其他线圈施加相反的电流，根据同极和异极原理，产生的不同电极被排斥和吸引。

实施例：

带偏转的多自由度永磁同步发电机瞬态分析

利用实验平台对发电机的0°、180°和360°偏转情况进行了分析。由于相电流可以通过相电压来计算，而实验示波器不能直接测量感应电压和磁链，所以只比较不同偏转角度下相电压的变化。示波器结果显示谐波过强；因此我们使用MATLAB中的低通滤波器消除这些谐波。定子上有三相绕组；以A相为例，偏转前后的相电压变化如图5所示。从图中可以看出，偏转前后的相位电压变化趋势是相同的。谐波对电压的影响较小，但总体上随时间呈正弦波变化；因此，所提出的发电机可以说在最大偏转范围内运行正常。

风洞试验测试风力发电系统性能

通过与传统风力发电机的风洞实验对比，验证了该风力发电系统的有效性。发电机的最大偏转角速度为2°/s，允许对中误差为[-5°，+5°]。当对准误差在此范围内时，认为发电机与风向对齐，不需要偏转。当对准误差大于5°时，风力发电机绕转子轴偏转，使其对准风向。风力预测结果的时间间隔是1分钟，风的时期将运行10分钟。因此，在整个控制期间，测量风向和风速数据计算根据加权平均法来计算主导风向θ_d。对风运行期间的风速、风向数据可表示为：

风速V_i＝V₁，V₂，...，V_n；

风向θi＝θ₁，θ₂，...，θ_n；

为获得主导风向，计算整个时段风向数据的加权平均值如下：

其中，w_i为风向数据的权重值。从风能的角度来看，风力与风速的三次幂成正比。因此，w_i采用风速的第三次幂，即：

有必要确定风运行期间风向是否稳定。当风向在短时间内发生显著变化时，主导风向不显著。计算风运行期间的风向数据，当max(θ_i)-min(θ_i)≥40°时，判定风向不稳定，发电机本身不与风对齐。否则，判定风向是稳定的。

对于传统风力发电机来说，风洞是根据历史风力数据产生风的。对于多自由度风力发电机，根据风资料的点预测值进行风洞吹制，并根据概率预测结果判断极端情况。当风速条件的置信度大于50％时，未来某一时刻风速大于18m/s，持续时间大于5min；或大于25m/s，持续时间3分钟以上；或大于30m/s大于1min时，风力发电机停机。

通过单片机将提前一个采样周期的风力预测结果和转轴位置的实时信息输入控制器。控制器可以提前一个时间点前瞻性决策是否需要风向以及具体操作。风洞试验环境只能产生一个方向的气流，因此只能模拟风机发电机在有风时的运行情况。实验对两种类型的风力涡轮机的功率和效率进行了对比，发现两种发电机的发电曲线相似，但所提的多自由度WPGS风力发电机的实时功率明显高于传统发电机。因为通过MPC系统可以准确预测下一时期风力数据的变化，有效指导风力涡轮机的运行，从而比传统的滞后偏航系统更好的解决了风变问题，同时多自由度风力发电在成本和响应时间等方面具有明显优势。

本发明建立一个基于短期风力预测的多自由度高效风力发电，利用短期风预测模型获得24小时内风向和风速的变化，并利用预测结果指导基于LSTM的MPC实时运行。当风速和风向发生变化时，多自由度风力发电机可以绕转子轴偏转，使其与风向保持一致，取代了传统风力发电机偏航系统的作用。该研究首次形成了一套由风力预测结果、控制系统和新型风力机组成的完整的高效风力发电系统。

虽然结合附图描述了本发明的实施例，但是本领域技术人员可以在不脱离本发明的精神和范围的情况下作出各种修改和变型，这样的修改和变型均落入由所附权利要求所限定的范围之内。

Claims (10)

1.一种基于短期风力预测的多自由度风力发电系统，其特征在于，所述多自由度风力发电系统包括：

短期风力预测模块，所述短期风力预测模块基于高斯混合模型，通过风速与风向之间的关系，预测短期内风向和风速的变化情况；

风力发电机控制模块，所述风力发电机控制模块基于长短期记忆网络的模型预测控制策略、利用所述短期风力预测模块的预测结果控制所述风力发电机的运行；

多自由度永磁同步风力发电机，所述风力发电机将风力转换为电能。

2.根据权利要求1所述的基于短期风力预测的多自由度风力发电系统，其特征在于，还包括分析模块，所述分析模块基于分析软件进行有限元和磁场的建模分析。

3.根据权利要求1所述的基于短期风力预测的多自由度风力发电系统，其特征在于，所述长短期记忆网络包括输入门、遗忘门和输出门结构。

4.根据权利要求1所述的基于短期风力预测的多自由度风力发电系统，其特征在于，还包括位置计算模块，所述位置计算模块用于判断所述发电机叶片旋转平面的前法向量与大地坐标系之间的夹角的位置。

5.根据权利要求1-4任一项所述的基于短期风力预测的多自由度风力发电系统，其特征在于，还包括轧制优化模块，所述轧制优化模块根据偏转角速度和预测输出，通过长短期记忆网络获得下一步控制顺序。

6.根据权利要求1-4任一项所述的基于短期风力预测的多自由度风力发电系统，其特征在于，还包括最优路径逻辑判断模块，所述最优逻辑判断模块依据是将调整角度、风速和主导风向输入最优路径逻辑判断模块，来确定是否继续调整任务路径，并获得给定偏转角速度r。

7.根据权利要求1所述的基于短期风力预测的多自由度风力发电系统，其特征在于，所述多自由度永磁同步风力发电机包括多自由度永磁同步发电机，所述多自由度永磁同步发电机包括定子、转子和绕组。

8.根据权利要求7所述的基于短期风力预测的多自由度风力发电系统，其特征在于，所述定子包括转动定子和偏转定子；和/或所述绕组包括旋转绕线和偏转绕线。

9.根据权利要求7所述的基于短期风力预测的多自由度风力发电系统，其特征在于，所述转子上安装有用于旋转的球形永磁体和用于偏转的环形永磁体。

10.根据权利要求6所述的基于短期风力预测的多自由度风力发电系统，其特征在于，所述多自由度永磁同步风力发电机可围绕转子轴旋转任意角度使其与风向对齐。

Images