本發(fā)明涉及一種風力發(fā)電機轉矩增益控制技術，尤其涉及基于發(fā)電機轉矩增益控制的數(shù)據驅動性能優(yōu)化方法。

背景技術：

1、發(fā)電機作為重要的發(fā)電設備，其類型多種多樣，如風力發(fā)電機、水力發(fā)電機等。傳統(tǒng)的發(fā)電機的轉矩控制方法依賴于靜態(tài)參數(shù)，這些參數(shù)是在穩(wěn)態(tài)條件下優(yōu)化的，但在實際應用中環(huán)境往往不足，如使用風力發(fā)電機時風的湍流和風估計不準確，那么現(xiàn)有的控制方法則無法實現(xiàn)對風電機組的控制。

2、在傳統(tǒng)的轉矩控制下運行的風力發(fā)電機組產生的功率與風中可用的功率比例參數(shù)是功率系數(shù)cp。因此，為了使功率輸出最大化，必須使功率系數(shù)cp最大化；對于變速變槳風力發(fā)電機，功率系數(shù)高效cp通常是葉尖速比(tsr)λ和葉片槳距(bp)角β的單峰函數(shù)。

3、發(fā)電機組的轉矩驅動tgen是功率最大化的常用控制變量；在傳統(tǒng)控制中，在平衡狀態(tài)下只要選擇適當?shù)霓D矩增益，就能控制律使功率系數(shù)cp最大化，而無量綱尖速比λ是詮釋轉矩控制規(guī)律和轉矩增益k最優(yōu)選擇的關鍵。

4、但基于模型的控制器的性能可能受到模型不確定性和不準確的風估計的限制，且風力發(fā)電機的氣動特性是復雜的、非線性的、隨時間變化的，受風速和風向、風切變、空氣密度、葉片表面磨損以及冰、灰塵和蟲子的積累等因素的影響；因此在現(xiàn)代風力發(fā)電機中，用于控制目的的任何風估計通常是通過了解風力發(fā)電機空氣動力學特性從轉子速度中獲得的，這些知識可能無法精確了解并且會隨著運行而變化。

5、此外，基于功率圖獲得最大化能量捕獲存在局限性。首先，基于計算流體動力學(cfd)的模擬結果在準確性上存在問題；風與風力發(fā)電機葉片的氣動相互作用是相當復雜的，由于湍流的存在，風力機周圍的風場具有顯著的隨機分量。其次，風力測量往往不準確；由于大多數(shù)實用級風力發(fā)電機組的葉輪尺寸較大，葉輪旋轉掃過的面積越大，受風變化的影響也越大。除此之外，模型風力發(fā)電機特性隨時間變化，由于表面磨損，污垢，蛀蝕或冰積聚等原因，空氣動力學和相關的功率圖將發(fā)生變化。

技術實現(xiàn)思路

1、為了解決相關技術中的問題，本技術提供了基于發(fā)電機轉矩增益控制的數(shù)據驅動性能優(yōu)化方法，解決了現(xiàn)有扭矩控制方法在多變和不確定的風況下，導致能量捕獲和效率的不足的問題。

2、技術方案如下：

3、基于發(fā)電機轉矩增益控制的數(shù)據驅動性能優(yōu)化方法，其特點是，包括以下步驟：

4、步驟1：向mppt控制系統(tǒng)輸入j(k)，通過mppt控制系統(tǒng)在線更新最佳轉矩增益kopt，其中，k表示第k步，且k為正整數(shù)，j(k)表示第k步下的性能函數(shù)值；

5、步驟2：向mppt控制系統(tǒng)引入通過mppt控制系統(tǒng)將和kopt進行融合，并輸出用于實時調整轉矩增益的其中，ωm表示發(fā)電機轉速。

6、通過上述技術方案，通過mppt控制系統(tǒng)來構造新的反饋環(huán)路，形成一種可以實現(xiàn)實時在線更新kopt的doo算法，進而可以估計最優(yōu)性能方向，這使得ddo技術對電機轉速波動下的控制具有吸引力，且可以實時調整轉矩增益，從而提高風能捕獲效能；

7、ddo技術智能、易使用且無模型，可以最大程度的減小對原系統(tǒng)控制邏輯的改造與干涉，且因其是由實時數(shù)據驅動的，因此對未建模的不確定性不敏感，并具有實時性，進而可以修正傳統(tǒng)控制器中的模型不準確和環(huán)境變化帶來的次優(yōu)化問題。

8、優(yōu)選的，所述的步驟1包括以下步驟：

9、步驟11：將j(k)輸入至mppt控制系統(tǒng)中的梯度觀測器中，將計算后獲得的數(shù)據信息輸入至mppt控制系統(tǒng)中的發(fā)電機轉矩控制系統(tǒng)中進行優(yōu)化搜索，獲得其中，表示第n個周期歸一化的功率的第k步；

10、步驟12：對步驟11獲得的進行外層慢周期優(yōu)化，優(yōu)化后獲得gainbest、和pmax，根據獲得輸出pmax，輸出pmax的公式為：

11、

12、根據gainbest獲得輸入kopt，輸入kopt的公式為：

13、kopt＝kopt_measured*gainbest，

14、其中，kopt_measured表示系統(tǒng)當前使用的轉矩增益，gainbest表示當前最優(yōu)增益，pmax表示當前記錄中的最優(yōu)歸一化功率值，q表示遺忘因子。

15、優(yōu)選的，步驟11中，向mppt控制系統(tǒng)輸入α和γ，通過mppt控制系統(tǒng)中的高通濾波器測得h，其中，α、γ、和h分別表示擾動的幅值、積分增益和一階高通濾波的極點，z表示z域；

16、通過梯度觀測器計算獲得的公式為：

17、

18、通過梯度觀測器計算獲得的公式為：

19、

20、通過梯度觀測器計算獲得的公式為：

21、

22、通過梯度觀測器計算獲得θ(k)，θ(k)的公式為：

23、

24、其中，θ(k)、和和分別表示第k步下的控制轉矩增益輸入值、性能函數(shù)經過濾波后的狀態(tài)值、經過解調后的狀態(tài)值和經過積分器的狀態(tài)值。

25、優(yōu)選的，從式1中可以得出：

26、從式3中可以得出：

27、將和θ(k)輸入至梯度觀測器后獲得

28、優(yōu)選的，所述的步驟12中，包括以下步驟：

29、步驟1201：設i＝0，k＝0，初始化

30、步驟1202：輸入gain(0)，計算后更新判斷后獲得gainbest；

31、步驟1203：輸入測量的p(i)、v(i+tshift)、ρ(i)和ψ(i+tshift)，計算后更新判斷后獲得gainbest和pbest，其中，i表示第i次采樣，p(i)表示轉子功率，v(i+tshift)表示風速，ρ(i)表示空氣密度，ψ(i+tshift)表示偏航誤差；

32、步驟1204：根據步驟1203中獲得的pbest計算根據gainbest更新輸入kopt。

33、優(yōu)選的，所述的步驟1202中：輸入gain(0)后，通過計算獲得p(i)、v(i+tshift)、ρ(i)和ψ(i+tshift)，的計算公式為：

34、

35、優(yōu)選的，所述的步驟1202中：使gain(k)＝θ(k)，并判斷gain(k)；

36、當時，則判定gain(k)已在的邊界受到擾動，找到邊界點gainbp，使gain(k+1)＝gainbp，并輸出gain(k+1)；

37、當時，使gain(k+1)＝gain(k)，并輸出gain(k+1)。

38、優(yōu)選的，所述的步驟1203中，的判斷如下；

39、當時，判定找到新的最佳操作點，使gain?best＝gain(k+1)；

40、當時，使gain?best＝gain(k)。

41、綜上所述，基于發(fā)電機轉矩增益控制的數(shù)據驅動性能優(yōu)化方法的有益效果為通過mppt控制系統(tǒng)來構造新的反饋環(huán)路，形成一種可以實現(xiàn)實時在線更新kopt的doo算法，進而可以估計最優(yōu)性能方向，這使得ddo技術對電機轉速波動下的控制具有吸引力，且可以實時調整轉矩增益，從而提高風能捕獲效能；ddo技術智能、易使用且無模型，可以最大程度的減小對原系統(tǒng)控制邏輯的改造與干涉，且因其是由實時數(shù)據驅動的，因此對未建模的不確定性不敏感，并具有實時性，進而可以修正傳統(tǒng)控制器中的模型不準確和環(huán)境變化帶來的次優(yōu)化問題。

42、應當理解的是，以上的一般描述和后文的細節(jié)描述僅是示例性的，并不能限制本發(fā)明。