海上风电机组优化控制中数据滤波方法

1 卡尔曼滤波控制算法 
  其中,是利用前一状态对当前状态的预测值,是前一状态的最优预测值,是当前状态的控制量,是对应的协方差,是系统过程的协方差,是卡尔曼增益,R为测量噪声协方差,是当前时刻的测量值,是当前时刻的最优协方差,A、B、Q、R为常数或矩阵。 
  2 基于卡尔曼滤波的海上风电载荷优化控制 
  海上兆瓦级风电机组一般采用独立变桨距控制装置[6],变桨系统桨叶根部载荷通过安装在风轮叶片根部的光纤应变传感器获取,所述dq坐标变换公式如下: 
  利用卡尔曼滤波器的预测功能,减小控制噪声和测量噪声对d-q轴的载荷分量的影响,能在控制系统受到控制噪声和测量噪声扰动时实现d-q轴的载荷分量的正确估计,从而实现对海上风电独立变桨控制的优化。从而保证输出期望桨距角分量的准确性,所述dq坐标逆变换公式如下: 
  上述卡尔曼载荷控制器,利用卡尔曼滤波器的预测功能,减小控制噪声和测量噪声对d-q轴的载荷分量的影响,从而保证输出期望桨距角分量的准确性,提高了独立变桨的控制精度。 
  3 结论 
  为缓解海上风电系统输入信号滞后于风能变化问题,在原有的控制算法基础上,引入卡尔曼滤波预测控制算法。分析扩展卡尔曼滤波算法以及系统模型中测量噪声统计特性不确定的特点,建立传动系统柔性模型,推导卡尔曼滤波系统更新方程,并根据卡尔曼滤波原理研究了相关协方差确定方法,得到了滤波系数回归更新方法。 
  参考文献: 
  [1]I.Antoniadou, N.Dervilis,E.Papatheou,et al.Aspects of structural health and condition monitoring of offshore wind turbines[J].Philosophical Transactions of the Royal Society A,373(12):1-14,2015. 
  [2]卢晓光,李凤格,许明等.基于卡尔曼滤波的风机控制系统优化[J].电气自动化,2016,38(01):42-43. 
  [3]冯园园.基于Kalman滤波算法的状态估计及风电机组可靠性建模与优化研究[D].北京化工大学,2011(05). 
  [4]李怀卿.风电机组传动系统动态载荷控制策略研究[D].沈阳工业大学,2016. 
  [5]毛科峰,萧中乐,王亮等.数值模式与统计模型相耦合的近岸海浪预报方法[J].海洋学报,2014,36(09):18-29. 
  [6]Jian-Rong Lu,Jun-Dong Zhou,Jian Zhang.Research on independent variable pitch control of large offshore wind turbine.2015 International Conference on Material Engineering and Mechanical Engineering(MEME2015),Hangzhou,October 2015. 
  作者简介:朱力杨(1997-),男,江苏扬州人,本科在读,电子信息工程专业。
浏览次数:  更新时间:2018-02-23 12:03:40
上一篇:选煤厂选煤机械设备的维护管理
下一篇:浙江中控PCS400在煤泥泵送控制系统中的应用
网友评论《海上风电机组优化控制中数据滤波方法》
Top