風(fēng)力發(fā)電機(jī)組控制算法測(cè)試方法及評(píng)測(cè)

引言

風(fēng)能是一種可再生的清潔能源,在當(dāng)前全世界能源危機(jī)逐漸凸顯的情況下,有必要采用合理的方式進(jìn)行風(fēng)能資源的利用。我國(guó)地理?xiàng)l件復(fù)雜,要想充分發(fā)揮風(fēng)能的作用,需要借助先進(jìn)的技術(shù)手段。隨著機(jī)械學(xué)和力學(xué)等學(xué)科的不斷發(fā)展,風(fēng)力發(fā)電技術(shù)得到進(jìn)一步的升級(jí)轉(zhuǎn)化。作為新能源主力軍之一,風(fēng)電行業(yè)在2022年仍然保持著一路高歌的態(tài)勢(shì)。國(guó)家能源局日前發(fā)布數(shù)據(jù)顯示,我國(guó)風(fēng)電并網(wǎng)裝機(jī)容量突破3億kw,較2016年底實(shí)現(xiàn)翻番,是2020年底歐盟風(fēng)電總裝機(jī)的1.4倍、美國(guó)的2.6倍,已連續(xù)12年穩(wěn)居全球第一。

控制系統(tǒng)對(duì)于風(fēng)力發(fā)電機(jī)組的安全、可靠運(yùn)行甚至是整個(gè)風(fēng)廠的正常運(yùn)轉(zhuǎn)都具有著十分重要的作用,但是隨著風(fēng)電技術(shù)應(yīng)用的推廣和機(jī)組功率的增大,出現(xiàn)了許多控制難題,如時(shí)變性、非線性、多干擾性、耦合性等。為此,現(xiàn)代科學(xué)家將智能控制方法引入了風(fēng)電機(jī)組控制系統(tǒng),不斷優(yōu)化風(fēng)電機(jī)組控制系統(tǒng)的動(dòng)態(tài)特性和控制效果。在控制技術(shù)逐漸走向成熟的過程中,對(duì)控制算法的測(cè)試是保證該過程穩(wěn)步前進(jìn)的基礎(chǔ)。隨著風(fēng)力發(fā)電技術(shù)的發(fā)展,全面完善的控制算法測(cè)試與評(píng)測(cè)技術(shù)的重要性也日益凸顯。

1風(fēng)力發(fā)電控制算法

1.1風(fēng)電機(jī)組模型

風(fēng)電機(jī)組控制系統(tǒng)的設(shè)計(jì)和分析方法都涵蓋在經(jīng)典控制理論范圍內(nèi),需要在控制系統(tǒng)設(shè)計(jì)前對(duì)風(fēng)電機(jī)組動(dòng)態(tài)模型進(jìn)行線性化。線性化模型至少包含傳動(dòng)鏈的動(dòng)態(tài)特性、塔架的前后振動(dòng)、功率或轉(zhuǎn)速響應(yīng)、變獎(jiǎng)執(zhí)行機(jī)構(gòu)的響應(yīng)等,如圖1所示。

控制算法主要對(duì)轉(zhuǎn)矩和獎(jiǎng)距進(jìn)行控制。轉(zhuǎn)矩控制和獎(jiǎng)距控制的基本方法都是PI控制,但不同的是,轉(zhuǎn)矩PI控制器的Kp和Ki是固定值,而變獎(jiǎng)PI控制器的Kp則是隨獎(jiǎng)距角8變化的,其形式為:

式中:K為濾波器;增益G為獎(jiǎng)距角8的非線性函數(shù),在控制上一般采用查表法實(shí)現(xiàn);S為轉(zhuǎn)速;Ti為時(shí)間常數(shù)。

風(fēng)力發(fā)電機(jī)組通過控制轉(zhuǎn)矩來控制轉(zhuǎn)速,通過控制獎(jiǎng)距來控制功率。為了維持控制系統(tǒng)的穩(wěn)定,在系統(tǒng)中加入了反饋校正系統(tǒng)。

一個(gè)完整的風(fēng)電機(jī)組控制系統(tǒng)除了要保證高發(fā)電效率外,還應(yīng)避免過多的變獎(jiǎng)動(dòng)作和發(fā)電機(jī)轉(zhuǎn)矩調(diào)節(jié),抑制傳動(dòng)鏈和塔架振動(dòng),避免輪轂、葉片以及塔架等的負(fù)載過大。因此,設(shè)計(jì)控制算法時(shí)必須考慮這些影響。

1.2常用的控制算法

1.2.1塔架振動(dòng)控制

塔架前后振動(dòng)控制用于增加塔架前后振動(dòng)模態(tài)阻尼,減小塔架前后振動(dòng),從而減小塔架載荷。塔架前后振動(dòng)控制的實(shí)現(xiàn)過程包括:塔架前后振動(dòng)加速度測(cè)量值通過濾波、比例控制器后得到輸出,輸出值為變獎(jiǎng)補(bǔ)償量,施加到變獎(jiǎng)控制的獎(jiǎng)距角給定值。

塔架左右振動(dòng)控制用于增加塔架左右振動(dòng)模態(tài)阻尼,減小塔架左右振動(dòng),從而減小塔架載荷。塔架左右振動(dòng)控制的實(shí)現(xiàn)過程包括:塔架左右振動(dòng)加速度測(cè)量值經(jīng)過積分、比例控制器后得到輸出,輸出的量為補(bǔ)償量,施加到扭矩控制的輸出值。

1.2.2暴風(fēng)控制

暴風(fēng)控制為風(fēng)力發(fā)電機(jī)組軟切出控制。截至目前,風(fēng)電機(jī)型最常見的切出風(fēng)速設(shè)計(jì)為18~.0m/S,根據(jù)不同類型的項(xiàng)目中實(shí)際的風(fēng)資源情況進(jìn)行統(tǒng)計(jì),如果經(jīng)評(píng)估確定該風(fēng)速段的發(fā)電收益接近最大值(.0~.5m/S風(fēng)速段),那么可進(jìn)行軟切出控制。軟切出控制在原本停機(jī)的風(fēng)速下保持正常發(fā)電運(yùn)行,在大風(fēng)況地區(qū)能明顯增加發(fā)電量。

1.2.3雷達(dá)前饋控制

在機(jī)艙上方安裝激光測(cè)風(fēng)雷達(dá),通過雷達(dá)光束測(cè)得前方來風(fēng)的風(fēng)速以及風(fēng)向信息,經(jīng)過前饋計(jì)算,提前進(jìn)行變獎(jiǎng),極大地減小了極限載荷。激光雷達(dá)還可識(shí)別陣風(fēng),不僅避免了極端載荷,還可以保證機(jī)組安全。

1.2.4雙?？刂?

低風(fēng)速地區(qū),不僅發(fā)電量受影響,還會(huì)頻繁切出停機(jī),針對(duì)這種情況,通過控制變流器運(yùn)行模式,將脫網(wǎng)轉(zhuǎn)速減小,延長(zhǎng)發(fā)電曲線,在小風(fēng)情況下能夠啟機(jī)發(fā)電,增加發(fā)電量。

2控制算法測(cè)試方法

大功率、長(zhǎng)葉片技術(shù)的快速發(fā)展,給風(fēng)力發(fā)電機(jī)組控制系統(tǒng)提出了新的要求和挑戰(zhàn),為了保證發(fā)電機(jī)組安全可靠運(yùn)行,對(duì)控制算法的設(shè)計(jì)和測(cè)試尤為重要。本節(jié)對(duì)控制算法的測(cè)試方法進(jìn)行詳細(xì)說明,在實(shí)際運(yùn)用中,采用傳統(tǒng)測(cè)試方法結(jié)合新的測(cè)試方法,更能發(fā)現(xiàn)算法中潛在的問題。

2.1傳統(tǒng)測(cè)試方法

現(xiàn)有的算法測(cè)試方法,基本都是依托Bladed仿真軟件進(jìn)行算法的仿真測(cè)試。半物理仿真測(cè)試中,采用真實(shí)的控制器,變流器和發(fā)電機(jī)部分采用虛擬環(huán)境代替,將控制算法封裝成算法庫(kù),在控制器中周期調(diào)用?？刂扑惴ㄋ杓?lì)由三部分組成,如圖2所示。

第一部分由Bladed模型提供,模型提供風(fēng)速的設(shè)定、模態(tài)分析相關(guān)參數(shù)、功率傳動(dòng)鏈等相關(guān)信息。

第二部分由HardwareteStplan提供,在仿真開始之前,可以在plan文件中對(duì)單個(gè)或多個(gè)變量設(shè)置值,通過對(duì)時(shí)序的控制,在不同時(shí)刻對(duì)算法輸入不同的值,從而收集算法的輸出進(jìn)行分析。

第三部分由HMI軟件提供,通過變量的ADS地址映射,將所需改變的變量開放到HMI軟件中,在仿真過程中人工修改HMI上對(duì)應(yīng)的值,可以仿真出不同的工況。

該方法類似第二種方法,優(yōu)點(diǎn)在于操作方便、使用簡(jiǎn)單;缺點(diǎn)是不能控制在某個(gè)時(shí)刻精準(zhǔn)觸發(fā),在對(duì)時(shí)序要求不高的情況下使用較多。

2.2基于真實(shí)數(shù)據(jù)的測(cè)試方法

在傳統(tǒng)的測(cè)試方法中,從風(fēng)速到控制算法變量的指定都是人為構(gòu)造的數(shù)據(jù)。人為構(gòu)造的數(shù)據(jù)在測(cè)試用例覆蓋率方面具有局限性,和實(shí)際風(fēng)場(chǎng)收集的數(shù)據(jù)存在較大的差異。因此,在對(duì)算法測(cè)試的用例中,可以選用現(xiàn)場(chǎng)實(shí)際收集(通過SCADA或Matlab)的數(shù)據(jù)經(jīng)過處理后作為測(cè)試用例,再輸入到算法中運(yùn)行,運(yùn)行結(jié)束后分析算法輸出結(jié)果,如圖3所示。

現(xiàn)場(chǎng)數(shù)據(jù)選用標(biāo)準(zhǔn)包含兩方面:一方面,需涵蓋各種地形的風(fēng)場(chǎng)數(shù)據(jù):另一方面,收集現(xiàn)場(chǎng)故障數(shù)據(jù),將故障分類并在每類故障中選擇代表性數(shù)據(jù)作為算法輸入。

現(xiàn)場(chǎng)真實(shí)數(shù)據(jù)隨著故障的收集會(huì)不斷擴(kuò)增,使用Python腳本對(duì)數(shù)據(jù)集進(jìn)行統(tǒng)一管理,并按照一定的順序輸入到算法中,節(jié)省了仿真的時(shí)間,大幅提高了測(cè)試效率。

2.3基于GoogleteSt框架的測(cè)試方法

GoogleteSt是測(cè)試技術(shù)團(tuán)隊(duì)根據(jù)谷歌的特定要求和約束條件開發(fā)的測(cè)試框架,同時(shí)支持Linux、windowS以及Mac三種操作系統(tǒng)環(huán)境,主要針對(duì)C++代碼,不僅支持單元測(cè)試,還支持生成測(cè)試報(bào)告。

在控制算法測(cè)試中,2.1、2.2小節(jié)中提及的方法依然是基于Bladed仿真環(huán)境進(jìn)行的。但受環(huán)境約束或基于某些算法模塊特定的需求,可以脫離Bladed環(huán)境進(jìn)行測(cè)試。例如,在仿真測(cè)試中出現(xiàn)了內(nèi)存占用過高的問題,通過走讀代碼無法定位問題語句,則可以將采集到的輸入數(shù)據(jù)保存至文本,在GoogleteSt中將文本作為算法模塊的輸入,并統(tǒng)計(jì)模塊中每個(gè)變量的變化情況以及函數(shù)的耗時(shí),進(jìn)而分析出根本原因。

基于GoogleteSt框架的測(cè)試方法需要在控制算法源代碼中引入測(cè)試框架頭文件,再將待測(cè)的算法模塊以及輸入數(shù)據(jù)作為測(cè)試用例。例如,DSP算法中需要測(cè)試將采集到的轉(zhuǎn)速數(shù)據(jù)寫入CSV文件功能以及該功能消耗的時(shí)間,將功能函數(shù)返回值以及期望值作為參數(shù)傳入ExPECTE0函數(shù),進(jìn)行結(jié)果對(duì)比,然后在外部調(diào)用框架中teSting類的InitGoogleTeSt函數(shù),返回ⅠRNALLTESTS函數(shù)即可。運(yùn)行程序可得到測(cè)試結(jié)果,由測(cè)試結(jié)果可知DSP算法中所測(cè)函數(shù)寫入功能是否正確,且耗時(shí)具體到微秒。通過該類測(cè)試方法,可以很容易地測(cè)得算法中更為詳細(xì)的運(yùn)行信息,從而彌補(bǔ)其他測(cè)試方法的缺陷。

3測(cè)試結(jié)果評(píng)測(cè)

風(fēng)力發(fā)電控制算法的仿真結(jié)束后,需要對(duì)結(jié)果進(jìn)行評(píng)測(cè),以判斷算法是否符合設(shè)計(jì)需求。

3.1功能驗(yàn)證

首先對(duì)變量進(jìn)行采集,在整個(gè)測(cè)試過程中需要關(guān)注的變量分為兩類,如表1所示:一類是固定的重要變量,貫穿所有測(cè)試內(nèi)容:另一類是針對(duì)性變量,即針對(duì)特定的內(nèi)容所需要關(guān)注的變量。

另外,變量采集后,需要對(duì)變量的時(shí)序進(jìn)行分析,從而確定結(jié)果是否正確。對(duì)測(cè)試結(jié)果有如下兩個(gè)參考標(biāo)準(zhǔn):

(1)變量的變化符合算法設(shè)計(jì)。例如,驗(yàn)證停機(jī)工況時(shí),需要查看停機(jī)后功率設(shè)定值是否按照設(shè)計(jì)的速率下拉,脫網(wǎng)指令是否在滿足條件時(shí)進(jìn)行下發(fā),收獎(jiǎng)速率是否按照設(shè)計(jì)進(jìn)行,同時(shí)需要核對(duì)狀態(tài)機(jī)的運(yùn)行時(shí)間和順序是否正常。以上相關(guān)變量需同時(shí)符合設(shè)計(jì)。

(2)變量的變化收斂。在測(cè)試過程中,固定的重要變量若出現(xiàn)持續(xù)性或間歇性發(fā)散、振蕩現(xiàn)象,則需要對(duì)算法邏輯以及參數(shù)進(jìn)行排查。更新測(cè)試后,保證變量在運(yùn)行穩(wěn)定的情況下變化也趨于穩(wěn)定,說明滿足需求。

3.2性能驗(yàn)證

性能測(cè)試貫穿啟機(jī)到停機(jī)所有過程,可以驗(yàn)證因內(nèi)存泄漏或通道過載造成的CPU占用率過高的問題。性能測(cè)試可以通過觀察內(nèi)存的實(shí)時(shí)占用百分比從而判斷是否存在問題,如圖4所示。

正常情況下,內(nèi)存使用率在20%~40%,持續(xù)超過50%則認(rèn)為內(nèi)存使用異常。此時(shí),可以使用GoogleteSt測(cè)試方法,根據(jù)算法的函數(shù)、變量變化和耗時(shí)進(jìn)行排查。

4結(jié)語

本文針對(duì)風(fēng)力發(fā)電控制算法提出了兩種新的測(cè)試方法一基于現(xiàn)場(chǎng)真實(shí)數(shù)據(jù)測(cè)試以及使用GoogleteSt框架測(cè)試,這不僅彌補(bǔ)了傳統(tǒng)測(cè)試方法的不足,解決了測(cè)試覆蓋率低的問題,還大幅提高了算法測(cè)試的效率。本文通過對(duì)風(fēng)力發(fā)電控制算法測(cè)試結(jié)果從功能和性能兩個(gè)維度進(jìn)行評(píng)測(cè),驗(yàn)證了算法的正確性和穩(wěn)定性,保證了整個(gè)測(cè)試流程的閉環(huán)。