针对并网风电场中,经典一次调频控制方法存在抗干扰能力弱、机组易脱网的问题,提出一种基于滑模变结构的风电机组一次调频控制算法。首先,在永磁同步风电机组工作原理的基础上,建立含有大电网的风电机组模型。其次,为了解决传统比例积...针对并网风电场中,经典一次调频控制方法存在抗干扰能力弱、机组易脱网的问题,提出一种基于滑模变结构的风电机组一次调频控制算法。首先,在永磁同步风电机组工作原理的基础上,建立含有大电网的风电机组模型。其次,为了解决传统比例积分微分(proportional integral differential,PID)控制下抗干扰能力弱的问题、引入经典滑模变结构控制器。然后,针对经典滑模变结构控制器导致执行机构存在抖振较多的缺点,提出一种基于sigmoid函数趋近率的滑模变结构一次调频控制算法。最后,通过MATLAB/Simulink对风电机组一次调频进行建模仿真,并与经典控制算法相比,验证了所提算法的可行性,在风速波动和电网故障的环境下,滑模变结构一次调频控制算法更具有效性。展开更多
为降低风电机组故障发生概率,提高其可靠性,该文利用数据采集与监控系统(supervisory control and data acquisition,SCADA)检测获得的风电机组运行状态数据,通过研究多指标融合状态评价模型及其预测算法,解决风电机组状态参数评估与预...为降低风电机组故障发生概率,提高其可靠性,该文利用数据采集与监控系统(supervisory control and data acquisition,SCADA)检测获得的风电机组运行状态数据,通过研究多指标融合状态评价模型及其预测算法,解决风电机组状态参数评估与预测难题。结合SCADA系统结构,设计并规划风电机组状态参数评估与预测系统架构与功能;利用输出功率波动、风能利用率以及开机运行比率3项参数,基于阈值法,建立风电机组状态退化评价指标模型,通过主成分分析法对3个评估标准进行权重计算,并将各指标进行信息融合,综合反应风电机组运行状态;设计Convolutional Neural Network-Long Short-Term Memory风电机组状态预测模型,实施风电场运行状态参数预测;开发风电机组状态评估与预测系统软件,验证所提方法的有效性。展开更多
文摘针对并网风电场中,经典一次调频控制方法存在抗干扰能力弱、机组易脱网的问题,提出一种基于滑模变结构的风电机组一次调频控制算法。首先,在永磁同步风电机组工作原理的基础上,建立含有大电网的风电机组模型。其次,为了解决传统比例积分微分(proportional integral differential,PID)控制下抗干扰能力弱的问题、引入经典滑模变结构控制器。然后,针对经典滑模变结构控制器导致执行机构存在抖振较多的缺点,提出一种基于sigmoid函数趋近率的滑模变结构一次调频控制算法。最后,通过MATLAB/Simulink对风电机组一次调频进行建模仿真,并与经典控制算法相比,验证了所提算法的可行性,在风速波动和电网故障的环境下,滑模变结构一次调频控制算法更具有效性。
文摘为降低风电机组故障发生概率,提高其可靠性,该文利用数据采集与监控系统(supervisory control and data acquisition,SCADA)检测获得的风电机组运行状态数据,通过研究多指标融合状态评价模型及其预测算法,解决风电机组状态参数评估与预测难题。结合SCADA系统结构,设计并规划风电机组状态参数评估与预测系统架构与功能;利用输出功率波动、风能利用率以及开机运行比率3项参数,基于阈值法,建立风电机组状态退化评价指标模型,通过主成分分析法对3个评估标准进行权重计算,并将各指标进行信息融合,综合反应风电机组运行状态;设计Convolutional Neural Network-Long Short-Term Memory风电机组状态预测模型,实施风电场运行状态参数预测;开发风电机组状态评估与预测系统软件,验证所提方法的有效性。
