跟踪区间优化的风力机最大功率点跟踪控制

基于收缩跟踪区间的最大功率点跟踪控制能够改善湍流风速条件下大转动惯量风力机的风能捕获效率。但是,该方法仅依据平均风速优化设定收缩跟踪区间,忽略了湍流强度、风力机的某些气动、结构参数(如最佳叶尖速比、转动惯量等)等其它影响因素。考虑到跟踪区间优化设定与多种因素存在难以解析描述的复杂关系,提出了一种运用径向基函数神经网络优化跟踪区间的最大功率点跟踪控制。该改进方法以平均风速和湍流强度作为神经网络的输入变量,以具体风力机仿真数据作为训练样本,以补偿系数作为神经网络的输出变量。从而使得跟踪区间的优化设定不仅能够考虑变化的风速条件,而且能同时反映具体风力机的气动、结构设计。最后,对模拟风速序列进行了仿真计算与比较分析,验证了该方法的有效性和优越性。

考虑湍流频率因素的风力机最大功率点跟踪控制

湍流风速的频率会影响风力机最大功率点跟踪(maximum power point tracking,MPPT)的性能,却被目前的MPPT控制及其改进方法所忽略。因此,为进一步提高风能捕获效率,该文基于收缩跟踪区间的功率曲线调整方式,采用响应面近似模型构建最佳起始转速与3种风速特征指标(平均风速、湍流强度、湍流频率)的函数关系,进而提出能够更加全面响应湍流风况变化的改进功率信号反馈法。该方法对湍流风速的考虑更为完善,因而能进一步提高风能捕获效率以及风力机MPPT对湍流风况的适应性。最后,利用美国国家可再生能源实验室(national renewable energy laboratory,NREL)开发的FAST(fatigue,aerodynamics,structures,and turbulence)软件,针对NREL CART3风力机进行了仿真比较分析,验证了该方法的有效性与先进性。