Page 147 - 新能源风力发电技术与自动化技术研究

第四章 风力发电机组控制与调度

生改变时，其可以沿着事前设定的“滑动模态”状态轨迹加以调整，从而确保发
电机根据正常轨迹运转。这一技术的操作比较简单，反响非常灵敏，且无须应用
在线辨识系统。滑模变结构控制技术的优势主要体现为在满足鲁棒性能的同时，

可以在很大程度上减少对风力发电机的负面影响。然而，其也存在一些问题，风
力发电机系统在颤振、受到冲击时，往往会引发大幅度的振动情况。针对这一问
题，需要研发一套科学、合理的高阶滑模变量控制方法，将不连续的控制变量应
用到高阶导数上，以此尽量降低发电机颤振的频率，确保输出功率的可靠性。

（三）最优控制技术
通过深入分析风力发电机的运转状况发现，其在非线性的环境中极易受到风
速、风向等的影响，导致发电机无法保持良好的运行状态，而传统的数学控制技
术难以获得理想的控制效果。基于此，应充分利用最优控制技术科学控制风力发

电机，该技术的要点如下。第一，科学设计线性化模型，结合工作点与精准的解
耦线性化，进一步优化控制技术的效果，再根据相关的反馈信息，有效地捕获与
控制风能。第二，利用最优控制技术能够解决风力发电机运行中发生的功率差异
化问题，减少由于线路故障而导致的电压被干扰的情况。

（四）模糊控制技术
模糊控制技术主要是借助智能技术来控制风力发电机，其最显著的特征在于
将专家的经验和理论知识表达当作控制的语言规范，而无须借助控制目标的精确
数学模型，可以规避非线性因素的影响，被调整对象的参数具备很强的鲁棒性。

在风力发电机控制过程中，利用模糊控制技术能够有效控制其转速、最大功耗、
鲁棒性、最大风能采集等。例如，对于笼式异步发电机，通过应用模糊控制技术，
合理设置模糊控制参数，能够提高跟踪装置的性能，更加高效地控制发电机的功
率，并可以通过准确计算光负载流量，进一步优化发电机逆变器的效率；对于变

速恒频无刷双风力发电机，通过利用自适应模糊控制模式，能够提升系统的抗干
扰能力与鲁棒性，实现最大风能的捕捉，切实保障风力发电机的稳定可靠运行。
（五）人工神经网络控制技术
人工神经网络作为一种自适应控制器，能够实现自学习与自收敛，还具备任

意逼近非线性模型的映射能力。将其应用到风力发电机控制中，能够借助神经网
络预测风速的变化趋势，并结合之前的风速观测相关数据，然后在此基础上明确
风速变化的规则，预测今后的数据或不可观测的数据，从而更加科学合理地控制

135