学术简报｜基于风速模型的风电机组动态转矩前馈控制技术
山东中车风电有限公司的研究人员关中杰、鲁效平等，在2018年第22期《电工技术学报》上撰文，对基于风速模型的风电机组动态转矩控制技术进行研究。
首先基于扩展Kalman滤波器构建风速估计模型，利用风电机组空气和结构动力学特性建立动力学方程并对其进行线性化。在利用扩展Kalman滤波器进行状态观测器设计时，采用连续离散混合类型的迭代方式构建风速估计模型。然后利用该风速模型估计出风轮气动转矩，利用估计出的气动转矩建立风电机组动态转矩前馈控制算法，并给出了控制算法稳定性设计方法。最后以国内某厂家2MW风电机组为例，对风速估计前馈控制算法进行了仿真和现场测试验证。
结果表明，风速模型的估计值与现场实测值吻合度较高，风速相关性达98.4%，基于风速模型的风电机组动态转矩控制方法可以有效降低风电机组关键部位的极限载荷。
受三北地区弃风限电的影响，我国风电的规模化发展重心向中东部低风速地区转移，大叶片风电机组成为目前的研究重点。叶片增大后，风轮转动惯量随之加大，传统基于转速反馈的控制算法不能及时响应外部变化，会导致机组在极端阵风工况下承受较大的极限载荷，对机组的运行安全和疲劳寿命产生不利的影响。为了解决上述问题，有必要对基于风速模型的风电机组动态转矩控制技术进行深入研究。
国内外学者对风速估计模型及相关的转矩控制算法进行了研究。文献[1]利用扩展Kalman滤波器对风轮平面内的有效风速估计进行了详细阐述，在对算法进行现场测试时没有能够考虑塔架运动对风速估计的影响。文献[2]利用Takagi-Sugeno模型，对风轮有效风速进行估计。
文献[3,4]分别采用优化遗传算法的支持向量机（Support Vector Machine, SVM）方法和Kalman滤波器结合迟滞神经网络的方法进行了短期风速预测，主要应用于风电场短期风功率预测，但难以应用于风电机组实时载荷控制。
文献[5]研究了扩展Kalman滤波器估计风机运行状态，结合模型预测控制（Model Predictive Control, MPC）算法进行前馈控制来降低机组的疲劳和极限载荷。文献[6]利用Kalman滤波器和牛顿-拉夫逊算法估计风轮有效风速，然后采用气动转矩进行前馈控制来降低机组输出功率的波动，但并没有将其应用到风电机组降载控制中。
文献[7]利用扩展Kalman滤波器和MPC控制方法，降低波浪对海上风电机组的扰动。文献[8]利用卡尔曼滤波器进行风电机组有效风速估计，在此基础上构造扰动前馈补偿器，由于风电机组气动以及结构特性具有很强的非线性，采用卡尔曼滤波器对风电机组整个运行区间的风速进行有效估计存在困难。
文献[9]通过构建PI反馈控制器的方法进行风速估计，充分利用了PI控制器参数便于调节的优点，但该方法扩展性受到一定限制。
本文通过充分考虑风电机组空气和结构动力学特性，建立风轮的惯性旋转模型和塔筒一阶前后运动模型，通过扩展Kalman滤波器对风轮有效风速、风轮气动转矩和塔架顶端气动推力进行估计。利用扩展Kalman滤波器估计的风轮气动转矩，设计动态转矩控制器来抑制极端阵风工况下产生的结构部件极限载荷，并以2MW风电机组为例，通过软件仿真和现场测试手段对该算法进行了对比验证。
图1 转矩系数对叶尖速比的偏导数
图2 风速估计前馈控制结构框图
本文基于风速模型的风电机组动态转矩控制方法进行了研究。利用扩展Kalman滤波器构建风速估计模型，对风电机组的气动转矩进行了动态估计，将动态转矩作为前馈量设计了风电机组动态转矩控制算法。
1）利用Bladed软件进行了仿真，结果表明本文算法能够较精确地估计出风轮面内的有效风速、气动转矩和气动推力，其中气动转矩估计值与检测值的偏差为3.5%，推力估计值和检测值偏差为2%，算法估计值与Bladed理论计算结果一致性较好。
2）按照IEC设计标准中规定的载荷工况对该算法进行了仿真，结果显示本文算法可以有效降低机组的叶片根部载荷My和塔架底端载荷Mxy。其中，塔架底端Mxy弯矩可降低21%，叶片根部My载荷降低38%。
3）在某风场一台2MW机组上对风速估计算法进行了为期4个月的现场测试，结果显示估计数据与实测数据以及相关理论数据趋势有较好的一致性。其中估计风速-功率曲线与理论功率曲线偏差约为3%。在4个月的测试周期内该算法运行稳定，具备规模推广条件。