风速控制论文（精选9篇）
风速控制论文 篇1
1引言
风力发电系统是典型的多变量非线性系统, 除了受到实时风速和风向不断变化的影响, 当电网、环境大气条件等相关参数发生波动时整个风力发电系统也会受到相应的影响[1,2]。因此对于风力发电系统很难建立满足传统控制要求的线性模型, 目前在风力发电系统中常用的PID控制方法由于模型的强非线性和外界输入的不确定性往往很难获得满意的控制效果。多变量模糊控制技术目前已相对比较成熟, 在实际生产中有着很广泛的应用, 成功地解决了大量的多变量耦合非线性系统控制问题, 获得了满意的控制效果。本文将多变量模糊控制技术引入到大型风电机组高于额定风速的恒功率控制技术上, 利用多变量模糊解耦技术同时控制发电机转矩控制器和变桨距装置, 实现发电机输出有功和发电机转速的动态解耦, 仿真结果证明了该方法的能明显改善风力发电机组的动态控制特性。
2大型变速变桨风力发电机组的数学模型
大型变速变桨风力发电机组本身涉及到空气动力学、机械、电机、电力电子等不同的学科, 不同的零部件需要不同类型的模型, 各有其特点, 研究和计算的方法也各不相同。特别是考虑到大型风力发电机组叶片复杂的空气动力学特性和很大的转动惯量, 同时电机和电力电子器件的时间常数有相对十分小, 因此在对大型风电机组整机控制进行仿真时, 为了避免刚性系统的出现, 必须对系统模型进行相应的简化。对于时间常数很小的系统如电磁转矩调节系统, 由于电磁转矩调节过程时间远远小于仿真步长周期, 因此可以认为在仿真过程中电磁转矩调节瞬时完成;对于变桨距执行装置则可简化为一阶惯性环节;对于系统的传动环节可理想认为所有传动环节均为理想刚性环节, 且没有任何摩擦损失。
(1) 风轮模型[3,4]。
风轮在转动的过程中从风能中吸收的能量:
风轮在转动过程中实时输出力矩:
其中:Pblade为风轮的实时吸收功率, Cp为风能利用系数, β为叶片桨距角度, λ为叶尖速比, ρ为空气密度, R为风轮半径, Vwind为实时风速, Tblade位叶片实时输出力矩, ω为风轮实时转速。
对于风轮利用系数Cp的模型, 本文采用常用的函数拟合方法进行模拟, 根据有关资料的记载和研究, 风能利用系数Cp可以近似用式 (4) 来表示:
为了使Cp拟合曲线与真实风电系统尽量吻合, 需要对公式 (4) 进行一定修正, 修正后的式 (5) 为
(2) 风轮运动模型[5]。
对于直驱风电机组, 风轮运动模型可表示为式 (6)
其中为风电机组风轮包括发电机在内整体转动惯量。
(3) 变桨装置模型[6]。
变桨执行机构描述了变桨控制器输出桨距角指令到该指令的激励之间的动态传递函数。执行机构可以近似建模成式 (7) 的一阶惯性系统。
(4) 电力电子组件[7]。
由于电力电子组件如电机、变频器等的响应周期很快, 远远低于风力发电机组的机械部分响应速度, 为了避免刚性系统出现, 故在仿真过程中近似假设所有电力电子器件瞬间完成调节。
3多变量模糊控制技术在大型风电机组控制技术中的应用
风力发电机组具有复杂性、不确定性等特点。主要表现在系统的结构和参数具有高维性、时变性、模糊性和高度非线性;系统及其外部环境具有很多未知的和不确定的因素, 这些因素还会随时间和空间的变化而发生难以预料的变化。同时在实施控制的过程中, 大型风力发电机组由于与电网并网, 并要求极高的可靠性, 对控制性能提出了高标准的要求, 这就导致了控制目标的多样性和各种目标之间的矛盾性。
目前通常采用的常规控制方法主要依赖于建立精确的数学模型, 由于大型风电机组很难用常规的方法建立出令人满意的全局通用仿真模型, 同时常规控制方法大多针对单变量单回路实施控制, 未能从全局的角度实施协调解耦控制, 因此目前常规的控制方法控制性能有待改善。多变量模糊控制技术以模糊技术为核心构造出特定的处理模式和方法机理, 大量被用于针对多目标, 多变量、非线性复杂过程, 具有强适应性和鲁棒性。因此本文提直接利用模糊逻辑技术构造控制规则库, 对被控系统的实时输入输出数据进行在线处理, 满足控制目标。
控制系统结构图如图1所示。
由系统控制图可知, 本文设计的多变量模糊控制系统无需被对被控对象大型风电机组建立精确的数学模型, 故不需对过程进行复杂的建模;同时具有通用化的控制规则库, 不需进行复杂的控制器设计;具有分级的在线数据自学习机制, 无需对控制器参数进行复杂的人工整定;实现多变量的协调控制。
4仿真结果
以额定功率为2的直驱型变速变桨风力发电机组为例。机组风轮半径37.5, 转动惯量近似为4500000, 额定转速22.5, 额定风速12.5。由于本文只考虑在高于额定风速情况下的控制策略, 因此仿真仅对采用常规PID控制和本文介绍的多变量模糊控制在高于额定风速情况下的控制效果进行比较。模糊控制规则参考文献[8,9]。仿真结果如图2、图3所示。
图2中为按照文献[10,11]介绍的方法发生的风速序列信号, 风速序列由稳态风、渐变风、阵风和随机风速合成。图3为仿对比结果曲线, 其中虚线表示传统PID控制方法的控制效果曲线, 实线表示采用本文介绍的多变量模糊控制方法的控制效果曲线。在仿真过程中, 由图3中电磁力矩变化曲线图及桨距角变化曲线图可知, 采用传统PID控制在高于额定风速的情况下其电磁力矩保持恒定, 仅进行桨距角调节, 而采用本文介绍的多变量模糊控制则动态的依据实时风速同时调节电磁力矩和桨距角度。由图3中风轮转速变化曲线及发电机功率曲线可知, 采用本文介绍的多变量控制技术无论是在风轮转速控制还是在发电机功率恒定控制都获得了比传统PID控制更好的控制性能, 使风轮在尽可能小的转速波动的同时实现了发电机输出功率恒定。
5结束语
风力发电机组要求运行稳定, 可靠性高。而其自身结构复杂同时外界环境不确定因素对控制提出了很高的要求。传统的基于模型的控制方式很难获得满意的控制效果。本文提出的基于多变量模糊控制技术, 针对大型风力发电机组在高于额定风速的情况下力矩控制回路与变桨控制回路存在的多变量耦合问题实现动态协调控制。该控制方法不需要建立精确的数学模型, 并采用通用的模糊控制规则, 实现简易。同时基于无模型动态学习调节机构, 实时地根据风电机组实时状态调节模糊控制规则, 保证多变量模糊控制率可以满足风电机组的强非线性要求。仿真结果证明相对于传统的单变量PID控制技术, 本文提出的控制方法在高于额定风速的情况下对风轮转速控制和发电机功率控制都获得了更为满意的控制性能, 是一种具有实用性的控制算法。
参考文献
[1]Song Y D, Dhinakaran B, Bao X.Control of Wind Turbines UsiNonlinear Adaptive Field Excitation Algorithms[A].Proceedings the American Control Conference[C].Chicago, 2000, 3:1551-1555
[2]Kanellos F D, Hatziargyriou N D.A new Control Scheme fVariable Speed Wind Turbines using Neural Networks[J].PowEngi-neering Society Winter Meeting, 2002.IEEE, 1:360-365
[3]叶杭冶, 风力发电机组的控制技术[M].北京:机械工业出版社, 2007.11-33
[4]Abdin E.Xu W.Control design and dynamic performance analysis of a windturbine-induction generator unit[J].IEEE Transaction on Energy Conversion, 2000 (1) :91-96
[5]刘光德, 邢作霞, 李科, 姚兴佳.风力发电机组电动变桨距系统的研究[J].电机与控制应用, 2006, (10) :31-34
[6]Pena R.Clare J.Asher G.Doubly fed induction generator using back-to-back PWM comvertersand its application to variable-speed wind-energy generation[J].IEE Proceedings-Electric Power Applications, 1966 (3) :231-241
[7]张新房, 徐大平, 吕跃刚, 柳亦兵.大型变速风力发电机组的自适应模糊控制[J].系统仿真学报, 2004, (3) :573-577
[8]贾利民, 张锡第.基于模糊 (映射的多变量模糊系统辨识[J].控制与决策, 1993 (4) :271-277
[9]孙增圻.智能控制理论与技术[M].北京:清华大学出版社, 1997.
[10]严陆光.我国风力与太阳能发电的发展与展望.电工电能新技术, 1998, (1) :20-24
[11]李东东, 陈陈.风力发电系统动态仿真的风速模型[J].中国电机工程学报, 2005 (21) :41-44
风速控制论文 篇2
风速二轮
我外号叫：风速二轮，穿着红色的衣服，黑色的裤子，带着白手套，可英俊了。
我可以让小主人坐在我的腰上，骑在我的旋转脚上，扶着我的头，在地面上自由地‘飞翔’。
有一次，小主人带我去楼下美丽的`公园游玩，此时，我十分高兴，因为我又可以到外面玩了。我在奔驰，呼呼呼，一阵阵清风吹过，我大开眼界；还有一次，小主人带我到海盐旅游，小主人轻轻地把我放到后背箱里了，我在里面美美地睡了一觉就到了海盐。小主人和他姐姐想出去散步，我自告奋勇地说：“带上我。”小主人和姐姐笑了笑，于是，小主人就骑着我到外面路上去了，一路上，我四处参观着美丽的风景，东看看，西瞧瞧优秀作文 作文人，因为我对这些东西太好奇了，大声地说：“田野是多么美丽啊！”
你们来猜猜我的大名叫什么？
好吗？
★ 传感器像素
★ 传感器论文
★ 风速网点运营系统
★ 传感器心得体会参阅
★ android位置传感器
★ 气敏电阻传感器
★ 汽油发动机的传感器介绍
★ 氧传感器的常见故障及检查方法
★ 荧光熄灭的苦味酸光化学传感器
风速控制论文 篇3
关键词：风速控制,工业以太网,西门子PLC
在现代卷烟生产行业中, 使用风力送丝系统为卷烟机提供原料, 已经被广泛地应用。使用负压, 将烟丝通过管道吸入卷烟机, 使烟丝输送效率大大提高, 并降低了烟丝的造碎率。我司卷包车间PROTOS70型卷接机组, 全部采用风力送丝方式进料。
1 设备现状
1.1 需要控制风速
风速是风力送丝系统最重要的运行指标。负压空气吸取烟丝后, 在管道内快速流动形成气流, 烟丝在气流运送下到达卷烟机。那么气流运行速度, 即风速, 直接影响着送丝系统的运行效果。如果风速过小, 烟丝输送无力, 容易在管道内堆积堵塞;如果风速过大, 烟丝在管道内被摔打, 使造碎率升高。由于每台卷接机的管道走向不完全一样, 需要根据每台卷烟机的实际情况控制其烟丝吸风管道内的风速, 达到理想的工作值。
1.2 当前风速控制很繁琐
每台卷烟机的风速控制系统是由各个卷烟机烟丝风送管道上的压差检测器和管道调节阀以及PLC200控制电柜组成。其控制结构是通过连接于车间中控的一个PROFIBUS-DP网络, 每台卷烟机的该控制系统被串联起来, 参数设置由中控统一管理。
该系统的设备需要每隔15天进行一次管道风力测试、校准。校准时须两个工程技术人员配合, 通过手持TD200控制仪和标准风速仪, 配合一个小时才能完成, 进行测速、校正参数、非常不方便。
2 改进方案
经过分析, 决定将每个卷烟机的风速控制系统进行改造, 目的是使各机台的控制系统不会互相影响, 而且使风速控制系统校准维护时间缩短为原来的50%。
取消中控的集中控制, 保留监视功能, 风送风速本地独立控制, 拆除控制电柜功能模块集成在卷烟机PLC上。
I/O接入位置选择
取消原电控柜后, 需要将系统的风速监测器和阀门控制器的模拟量接入到本地卷烟机上。根据现场查勘后, 把系统的模拟量输入输出接入到距离风速控制器较近的SE模块上的空闲I/O口, 并拆除了原控制电柜。
网络通信方式
为了改变原系统的串网通信方式, 必须对各个机台风送系统间的通信进行重新布局。鉴于工业以太网传输速率快、易组网、兼容性好, 选择工业以太网通信为新系统的通信方式。在网络结构上, 由于本次改造要求各机台之间互不影响, 选用星形拓扑结构, 以保障各机台控制的稳定性。
控制方式与实现
为了使风速控制精度尽可能的高, 采用PID控制方式。对于PID控制来说, 参数整定是其核心内容, 由于理论计算整定法难度较高, 并且是纯理论计算, 较易与实际系统存在偏差, 所以选用工程整定法。
由于风速控制的IO点已经接入卷烟机PLC, 需要对卷烟机的PLC程序进行修改, 增加风速控制相关的内容。而西门子S7系列PLC自带PID控制功能, 只需要在使用时调用相关的功能块即可。因此编写了风送风速主控制程序FC28, 在硬件组态中增加模拟量输入输出模块;编写并插入风速调整特殊功能块FC120、FC125, 插入PID控制模块FB41;编写了循环调用块0B35和人机交互数据块DB42。改写完成后, 进行了仿真测试, 结果显示系统工作正常。
在新的系统上, 需要对风速控制进行校准。应用工程整定法, 通过反复实验, 把标准风速仪测量出来的风送管道的风速值作为标准值和系统的压差风速检测器测出来的值相除, 得到一系列不同的值, 每个值又对应一组根据控制程序得出的常数和标准值, 这样就组成了该系统的风速校准参数表, 以便于下次校准维护时参考。
用户操作界面
新的风速控制系统脱离了中控的控制, 各种控制参数都可以在本地进行输入, 并能实时显示系统工作状态。由于新的控制系统已接入卷烟机PLC, 在获得了卷烟机工控软件IT80的厂家授权后, 运用C++语言的图形界面开发功能, 把监视操作界面集成到卷烟机原监控软件IT80上。在原系统的环境下, 需要两人配合, 一人手持操作复杂的TD200控制仪, 一人手持风速测量仪, 才能对风速进行校准维护。而在新系统的环境下, 技术人员只需要对卷烟机的触摸屏进行简单的操作就可以完成对风速控制的校准维护。
改进效果与总结
经过整个系统的改造, 改变了原系统的DP网络串接控制, 风速控制各自独立。从根本上避免了单机台风速控制故障影响其他机台的可能。在2011年11月至2012年一月的效果检查期里, 对采用新系统的三台卷烟机进行认为故障设置测试, 结果表明单个机台风送风速系统故障不会影响其他机台, 大大提高了生产效率。
风速控制系统的状态与控制参数写入, 直接集成在卷烟机的工控软件IT80里面, 极大了方便了系统的校准与参数设置。从维护时间的统计数据来看, 新型风送风速系统的风速校准维护时间由原系统的约61分钟缩短至约24分钟, 若每月每个机台校正一次, 全年可节约工时共256小时, 使得日常维护的工作量大幅降低, 工作效率得到提升, 而且降低原控制系统的维护成本。
参考文献
[1]阳宪惠.工业数据通信与控制网络[M].北京:清华大学出版社, 2003:1—62, 84—136.
[2]魏庆福.现场总线技术的发展与工业以太网综述[J].工业控制计算机, 2002 (1) .
[3]常德烟机.PROTOS70电气操作手册[M].常德:常德烟草工业机械厂, 2000.
洁净区风速、风量与换气次数检测 篇4
风流量罩：应带有流量计，可直接得出风量。适宜乱流洁净室的风速、风量与换气数的测试。
2测试条件
2.1 风量检测前必须检查风机运行是否正常，系统中各部件安装是否正确，有无障碍，所有阀门应固定在一定的开启位置上，且必须实际测量被测风口、风管尺寸。
2.2 在空调系统正常运转不少于30分钟后进行测试。
2.3 测定任何洁净室风口风量(风速)时，风口上的任何配件、饰物一律保持原样。3测试方法
3.1 用风量罩口完全罩住出风口，测量并记录风速和风量。
3.2 记录好房间内每个出风口的风量，根据房间的面积计算换气次数。
3.3 注意事项
3.3.1 风量罩面积应接近风口面积。
3.3.2 测定时应将风量罩口完全罩住过滤器或出风口，风量罩边与接触面应严密无泄漏。
4结果计算
4.1平均风速
VV1V2VN N
式中Vi——某一采样点的粒子浓度（i=1，2，---，N），m/s；
N——总测点数。
4.2 房间换气次数
NL1L2LN A
式中Li——某一采样点的粒子浓度（i=1，2，---，N），m3/h；
风速控制论文 篇5
随着我国汽车行业近几年的迅猛发展,国内汽车保有量也在不断提高。与此同时,由于行车导致的安全事故不断增长。作为保证汽车行驶安全中最为重要的部件,汽车制动器的可靠性、稳定性日益成为汽车生产厂商关注的焦点。作为检测制动器性能参数的惯性台架试验机,其测量精度以及控制方式也在不断提高。在惯性试验台中,冷却风机是温度控制中的关键部件,各种国内外测试标准中,对于冷却风速的大小都有明确的控制要求[1,2,3]。
本文从实际系统出发,对原有试验台上的风速控制部分进行了改进,提高了系统的抗干扰能力与准确性。
1 现有台架风速控制系统介绍
1.1 现有台架试验风速要求及其控制方法
目前,国内外制动器惯性试验台的相关标准中,对于冷却风速都有明确的规定。例如国家标准QC/T 564中要求风速为11m/s[4],大众公司TL-110测试标准规定来风为12m/s,去风为14m/s。根据这些要求,目前惯性试验台使用的控制方式为通过改变变频器的输出频率,控制冷却风机的转速大小,进而控制风速大小。实际操作中,对于变频器输出频率的改变是通过由控制计算机发出0～5V模拟电压信号,传送到变频器的输入端来实现的。而冷却风机的启停,是控制变频器的开关量输入端子来实现的(见图1)。
1.2 现有控制系统的问题
在实际应用中,变频器本身是一个强大的干扰源,而通过信号线缆与之连接的控制计算机就会被干扰。控制计算机又同时是惯性试验台中最为重要的部分,其功能主要为测量数据采集、控制命令发送以及试验机的状态检测,变频器的干扰对于这其中任何一个功能的影响都会对惯性试验台的稳定性以及准确点构成威胁,导致试验台功能出现异常或者测试数据失真。虽然通过一些技术手段(例如加装控制信号光电隔离模块、降低变频器载波频率等)能够减弱这一干扰,但是都无法从根本上杜绝这一干扰问题。
另外,目前的控制系统属于开环控制系统。对于风速大小的控制,只是按照试验台最早测量的风速与频率对照表进行调整。根据工程流体力学原理可知,风速会随着温度以及风道形状等因素的变化而变化,这样就导致开环控制方式下的风速是不准确的,无法随着环境因素的变化而及时调整。
2 控制系统的改进方法
2.1 控制系统改进原理
根据以上分析,需要提高惯性试验台的抗干扰能力以及冷却风速控制的精度,可以通过以下方式实现。对于变频器干扰,可以通过串行通信的方式解决。而风速控制精度,可以用闭环控制的方法得以提高。改进后的系统简图如图2所示。
2.2 硬件改进方案
目前惯性试验台上使用的风机变频器为台达VFD-M系列,该系列变频器内建有RS-485串行通讯接口,其使用的通讯协议为Modbus。Modbus协议是应用于电子控制器上的一种通用工业标准,通过该协议,控制器之间、控制器与上位机之间可以实现通信。因此,通过Modbus协议,将变频器的RS-485端口与控制计算机的RS-232接口连接,实现以太网通信,可以完全解决变频器对控制计算机的干扰问题[5,6,7]。
对于变频器,要进行通讯控制,首先要设置内部参数,将电机启动停止方式以及频率指令来源都更改为有串行通信控制。同时需要设定的还有变频器的站地址以及通讯协议格式。在实际应用中,设定为协议格式为Modbus ASCII 模式,通讯波特率为9600bps,使用偶校验,1位结束码。目前计算机主板普遍自带的串行接口为RS-232接口,它存在着一定的缺陷,例如接口的电平值较高、容易损坏接口电路的芯片、传输距离短等。与此对应的RS-485接口具有良好的抗噪声干扰性,长的传输距离和多站能力。由于计算机与变频器使用了不同的接口类型,就需要进行接口转换。研华公司生产的ADAM-4502可以有效实现RS-232/RS-485/RS-422三种通讯接口之间的相互转换,自带640kB SRAM 的16位CPU,具有快速处理能力。
2.3 软件实现方案
计算机中的通讯软件也是系统的重要组成部分,使用Visual C++编程语言是一个功能强大的可视化软件开发工具,使用该编程语言即可实现控制计算机对变频器的通讯命令生成、发送,以及状态检查。下面就给出一个实例,是在Modbus协议中,发送字符的校验码函数的编写。
unsigned long CRC_CHK(char data[])//校验函数
{
char crcdata[12];
memset(crcdata,0,sizeof(crcdata));
for(int i=0;i<=11;i++)//读入12个校验码
{
crcdata[i]=data[i+1];
}
CString str1;
unsigned long crchex=0,tempn=0;
for(i=0;i<=5;i++)
{
str1.Format("%c%c",crcdata[i*2],crcdata[i*2+1]);//每两位组合,成为一个串
tempn=_tcstoul(str1, 0, 16);//将串按十六进制形式转换为数
crchex+=tempn;//数相加
}
crchex=crchex%256;//取256的余数
crchex=256-crchex;//再取256的反
if(crchex>=0 && crchex<256)
{
return crchex;//返回校验码,是个小于256的正整数
}
else
{
return 0;
}
}
通过以上改进,控制计算机对变频器的操作就完全由模拟电压输出转变为串行通讯控制,从模拟量变成了数字量。如果在实际安装时,在空间位置上再对变频器进行适当隔离,就能有效杜绝变频器对控制系统的干扰。
2.4 软件PID算法设计
对于闭环控制的实现,使用风速测量传感器作为反馈是一种较好的选择。传感器测量到实际风速后,将风速信号传回控制计算机,计算机自动将风速的实际值与设定值进行对比,当出现偏差时,就会相应调整的冷却风机频率,最终实现闭环反馈控制。计算机软件可使用软件PID算法,对变频器的输出频率进行实时控制。
实际应用中,经反复测试,使用PI数字调节器能够实现控制效果。在采样时刻t=iT(T为采样周期),数字PI调节器的调节规律[8]可以表示为:
ui=Kpundefined
式中:ui—计算机的输出;
Kp—比例系数;
ei—测量风速与给定风速的偏差值;
Ti—积分时间。
经过在线整定,确定参数Kp、Ti后,风速控制即可达到试验使用要求。
3 结语
针对惯性台架试验机冷却风速的控制部分,给出了一种可实际操作的改进方法,在适当增加制造成本的基础上,很好地解决了变频器这一元件对测量控制系统的干扰问题,并大大提高了风速控制的准确度,对于提高惯性试验台的整体性能有着重要的意义。虽然其设计目的是将其应用于制动器测试试验台,但该系统具有通用性,可以推广到其他领域,从而带来更大的经济效益。
参考文献
[1]陈伯时.电力拖动控制系统[M].北京:北京机械工业出版社,1990.
[2]陈卓如.工程流体力学[M].北京:高等教育出版社,1992.
[3]王铁山,曲波.汽车摩擦材料测试技术[M].长春:吉林科学技术出版社,2005.
[4]QC/T564-2008,中华人民共和国汽车行业标准[S].
[5]杜勇,宋征.VisualC++6.0应用指南[M].北京:人民邮电出版社,1999.
[6]于海生.微型计算机控制技术[M].北京:清华大学出版社,1999.
[7]刘乐善.微型计算机接口技术及应用[M].武汉:华中理工大学出版社,2000.
风速控制论文 篇6
随着风力发电技术本身的日趋成熟,风力发电的规模不断扩大。风力发电机组的输出功率取决于风速,而风速具有间歇性和随机波动特性,导致风力发电机组的输出功率波动较大。随机波动的功率接入电网会影响电网稳定运行和电能质量[1],使运行和调度人员难以像对待常规机组那样准确地给出系统中各风电场的调度计划,导致系统的运行情况有可能恶化[2]。而目前风速以及风电场输出功率预测水平还没有达到很高的精度[3],这给风力发电并网后调度计划的制定带来了很大困难。因此,采取合理的并网调度模式,能够提升在电力市场环境下正确制定电能交换计划的能力,从而更加充分地利用风力资源。风电调度的基本原则是确保电网可靠运行,公开、公平、公正地调度风电出力,限制风电发电期间,按照装机容量比例原则安排各场出力,根据风力过程的具体情况加强实时调整[4]。
目前,国内外对风速预测做了大量的研究,提出了各种预测风速的方法。常用的预测方法有持续法、时间序列法(ARMA)、空间相关性法(Spatial Correlation)、数值天气预报、卡尔曼滤波法、BP神经网络法等[5]。其中BP神经网络法具有并行处理、分布式信息储存与容错性等优点,具有自学习、自组织和自适应能力,对复杂问题的求解十分有效。用于风速的预测结果的精度取决于网络的训练情况,网络训练的越好,预测精度越高[3]。
目前,已提出多种方法来解决风电场调度控制策略。文献[6]针对用电激励和可中断负荷提出融入用电调度的发用电一体化调度模型,能够提高风电的利用效率,但是并没有考虑风速造成风电电功率的变化对电网的影响。文献[7]根据节约煤耗量构建接纳风电能力的电网调度决策模型,以确定风电允许的波动范围,能够减少风电波动对电网的影响,但由于风电输出功率变化的随机性,火电机组输出功率不能够快速实时地根据风功率变化而调整。
本文采用BP神经网络对未来一天的风速进行预测,通过预测的风速值和风功率预测曲线来计算需要向电网发送的有功功率,并将其值提交给电网调度。在风电场的并网出口处加入钒电池储能系统,快速吞吐风电场实际输出的有功功率与调度功率之间的差值,以提高风电场按调度计划发电的能力,适应电网调度的需求。
2 基于风速预测与钒电池储能风电场并网
2.1 风力发电功率预测
利用BP神经网络法[8,9,10]对未来一天的风速进行预测,然后通过风电机组功率特性曲线来计算预测的功率值。并将预测的功率值提交给电网调度中心。由于调度功率值与风电场实际发送的功率存在着误差,因此有必要在风电场出口处加入储能设备。
风速预测系统中,风速值每15 min采样一次,输入层的神经元选为1个,为提前五天的风速值,即480个风速值。输出值为未来1天的风速值,即96个风速值。风电机组功率特性曲线如图2所示,图中vcut-in为切入风速,vr为额定风速,vcut-out为切除风速。若风速值低于vcut-in或高于vcut-out,风机不工作。由风速原始数据和风电机组功率特性曲线,可得风电功率时间序列的原始数据[11]。预测的风速值通过图1可以得到需要向电网输入的有功功率。
2.2 具有钒电池储能的风电场结构
相对其他储能电池(如锂电池、铅酸电池等)钒氧化还原液流电池(简称钒电池,VRB)具有响应速度快、容量大,维护成本低,循环寿命长,额定功率和额定能量相互独立、安全可靠等特点,适合作为储能元件与大规模风力发电配合使用[12,13]。
为了简化分析,只分析单台发电机和单台钒电池储能设备的情况。图2为加入钒电池储能设备的风电场,钒电池储能系统配置在风电场出口并网母线处,采用DC/AC逆变器,调节功率控制钒电池充放电[14,15],最后通过升压变压器并联到风电场出口处的电网母线,经升压变压器接入无穷大电网。
2.3 控制算法
图3为钒电池储能系统变流器控制原理图,通过风速预测和风功率曲线计算风功率预测值,该预测值与风电场实际发出的功率之差作为钒电池储能系统中双向DC/AC变换器的有功控制信号,电网所需无功功率给定作为其无功功率控制信号。
Pw、Qw为风电场输出有功功率、无功功率;Pg、Qg为并网有功功率、无功功率;Pb、Qb为钒电池储能系统吞吐的有功功率、无功功率。
Pr为电网调度功率;PN为钒电池额定功率
在钒电池充放电过程中,若充放电功率Pb大于钒电池额定功率PN,则令P*ref=PN,钒电池系统以恒功率充电;在充放电功率小于额定功率PN时,则令P*ref=Pr-Pg。通过对d、q轴电流分量id和iq进行解耦控制,实现P和Q的独立控制。
3 仿真分析
考虑计算量,在Matlab/Simulink下建立了一台具有钒电池储能系统的并网风力发电机模型,用来模拟风电场的效果,仿真中各部分主要参数如下:
(1)直驱风力发电机组:风轮半径38.5m,永磁同步发电机额定容量2.5MW,额定电压690V,极对数40,逆变器直流侧给定电压为1200V。
(2)钒电池组系统:额定功率500kW,额定容量750kWh,额定电压值1500V,单体电池数1200,钒电池系统配置容量是风场容量的20%。
以某风场一台风机的实测风速数据为例进行分析。为了缩短计算时间,仿真中假定1s为实际中的15 min,模拟一天的情况需要仿真的时间为96 s。
图4为未来一天预测和实际风速值,BP神经网络法预测平均误差17.61%,最大误差24.93%,均方根误差18.38%,满足风速预测管理要求。
功率特性曲线中切入风速vcut-in、额定风速vr、切除风速vcut-out分别为3、14、25m/s,由功率特性曲线计算可得风机未来一天发送的功率预测值Pr,并将其值向电网调度中心申报,其预测功率值(电网调度值)如图5所示。
图6为风电场输出的有功功率,图7为钒电池储能系统吞吐的有功功率,图8为并网点输出有功功率。可看出,风功率预测值与实际风电场输出的有功功率存在一定偏差,通过钒电池储能系统功率补偿,并网点总的有功功率输出与调度功率一致,误差3.38%,可看出,通过风功率预测与钒电池储能系统的功率补偿,风电场并网点的功率能够按照调度值输出,这使得电网发电调度能够按计划进行。
4 结论
风速预测对风力发电系统稳定运行以及提高其经济效益具有重要意义,利用BP神经网络法对未来一天的风速进行预测,并通过预测的风速值和功率特性曲线来计算风机未来一天的输出功率值,并将预测的功率值反馈给电网调度机构。在风电场的出口处加入钒电池储能系统,控制钒电池储能系统补偿风电场输出的有功功率与电网调度的有功功率之间的差值。仿真结果表明,采用此方法能够保证风电场按照风功率预测值调度并网发电,提高风电场与电力系统协调运行能力。
摘要：由于风速变化的随机性,大规模风电场并网给电网调度带来困难,进而影响系统的稳定性。为了提高风电场的可调度性,本文提出了基于风速预测与钒电池储能的风电场并网功率协调控制系统。采用BP神经网络法对未来一天的风速进行预测,通过预测的风速值计算风电场向电网发送的功率,并将预测值提交到电网调度机构。同时,在风电场的出口处接入钒电池储能系统,快速响应弥补风电场实际发出功率与预测功率的误差,从而提高电网依据风功率预测进行风电场发电调度的可信性,改善了风电场与电力系统之间的协调运行能力。
风速控制论文 篇7
1资料来源
由于福建沿海观测台站有较完整最大风速和极大风速观测数据的年限多在2005年后,故选取2005—2011年福建沿海崇武、东山、平潭3个具有代表性的沿海大风站,以及诏安、漳浦、 厦门、晋江、秀屿、罗源、福鼎、长乐8个距离海岸40 km、分布均匀的内海代表站风速观测资料进行分析,其中风速资料缺测的日数据不作统计。由表1可以看出,各台站单站最大风速与极大风速的相关系数的值均在0.9以上,显然,两者有着明显的近似线性关系。
2线性回归分析
选择日极大风速为预报量,日最大风速为预报因子,选取不同的资料组合集,对比分析两者的线性回归关系。
假设10 min最大风速与极大风速线性关系为一元N次回归方程,即:
其中,x为最大风速,y为极大风速,ai、b为线性回归系数。
用F检验对回归方程作显著性检验。α=0.05时,分子自由度为N,分母自由度为“样本数-N-1”,查F分布表得到Fα;用相关系数r来表示,即F=(n-2) r2/(1-r2);当回归方程的F>Fα,通过显著性检验。
建立预报值的95%置信区间估计方程Y,其中为无偏估计量。
2.1单站回归分析
对2005—2010年崇武站资料进行回归分析,建立单站资料X与Y的一元一次、一元二次、一元三次回归方程,同时评估方程,并对同一资料源2011年的资料进行拟合检验。回归方程如下:
评估方程如下:
根据回归方程(2)~(4)的统计数据来看,(2)、(3) 回归方程表现较好, 对2011年资料进行试报检验,拟合效果较好,且均通过显著性检验,其他台站进行回归分析也得到同样的结果。 最大风速与极大风速的关系可由一元一次回归方程确定,获取最大风速和极大风速间的线性关系。
2.2多站回归分析
选取2005—2010年崇武、东山、平潭3个沿海大风站共6 570个样本数及诏安、漳浦、厦门、晋江、秀屿、罗源、福鼎、长乐8个内海站点共17 520个样本数,分别建立多站资料X与Y的一元一次回归方程(5)、(6),同时建立评估方程(5')、(6'),并对2011年的资料进行试报检验。回归方程如下:
评估方程如下:
对比(5)、(6)的统计数据及评估方程(5')、(6')的试报检验结果,3个沿海大风站回归方程和评估方程的误差较大,绝对误差>3 m/s,比例也较单站回归方程大,整体拟合效果较差;另外8个内海站点回归方程的统计数据和评估方程对2011年的试报检验结果表现较好,与单站资料建立的方程相比, 两者的拟合水平相当。
2.3区域平均风速回归分析
受地形和海峡“狭管效应”影响, 福建沿海南北风速存在差异,而且3个沿海大风站多站资料回归分析拟合效果较差也反映了这一点。以崇武为界进行划分,以北选崇武、平潭两站,以南选取崇武、东山两站,两站平均风速代表区域内的沿海风速,用2005— 2010年资料分别建立区域内平均风速X与Y的一元一次回归方程,同时建立评估方程。回归方程为:
评估方程为:
根据回归方程(7)拟合值与实况风速的差值(残差)逐月变化情况,可看到区域平均风速月平均差值5—8月在0.5~1.0 m/s,其余月份在±0.5 m/s内;回归方程(8)拟合与实况风速差值较稳定在0~0.5 m/s。通过残差分析可看到区域平均风速建立的回归方程的拟合效果较好,风速误差较小,回归方程和评估方程绝对误差>3 m/s的比例<1%,由台站拟合与实况风速差值曲线来看,平均风速最大差值<2.5 m/s,误差的振幅与风速大小大致呈线性比例,这一误差值在风力预报上是可接受的,大风预报误差值在风速上的比重更小,实用性更加可靠。
3结论
(1)福建沿海各站点2005—2011年日最大风速与极大风速间有较好的线性关系,且在风向上存在较好的一致性。
(2)8个内海站点建立的多站资料回归方程的统计数据和回报检验结果都较好,与单站资料建立的方程相比, 两者的拟合水平相当。
“小旋风”风速仪 篇8
准备材料:
泡沫1块、双面胶1卷、剪刀1把、铅笔1支和粘土1块(或带有橡皮头的铅笔)、图钉1个、塑料杯(或纸杯)4个、硬纸板1张。
制作过程:
①用剪刀在硬纸板上剪出两个长条形,并把它们交叉成十字,用胶带粘在一起。
(2)拿出塑料杯, 用剪刀将它们的底部剪下。
(3)将处理好的4个杯子分别粘贴在十字型纸板的4端。
(4)将铅笔直立插在泡沫板上。
(5)取少量粘土粘在铅笔的另一端上,放在一边,晾干。
(6)用图钉将十字交叉点和铅笔上的粘土(或橡皮)钉在一起。“小旋风”风速仪完成!
玩一玩、测一测:
水平弧形公路隧道临界风速研究 篇9
隧道火灾因其具有极大的危害性,愈来愈受到国内外相关科研机构的重视,较多研究机构开展了全尺寸隧道火灾实验。研究内容包括:隧道通风系统对火灾热释放速率、火灾蔓延的影响;热烟气在隧道中的蔓延及对逃生的影响;火灾探测的精确度;灭火系统对烟气蔓延、火源附近车辆和隧道内空气温度冷却的影响;CFD计算对隧道火灾模拟的准确性评价;隧道火灾在不同交通条件下的蔓延规律等。
隧道火灾实验多采用废弃隧道、综合隧道实验基地,如荷兰Benelux2隧道、挪威Runehamar隧道、西班牙TST隧道火灾综合防灾基地等。相对于国外隧道火灾实验,我国对隧道火灾的研究主要以实验室隧道模型试验为主,研究内容主要是通风控制条件下的隧道火灾,隧道内温度、烟气蔓延以及隧道火灾的消防方法。
杨其新等人对秦岭终南山特长公路隧道进行了研究,主要内容为火灾时的减灾救援,研究火灾发生时隧道烟气温度的发展规律,提出隧道发生火灾阶段的划分以及隧道火灾的预防、救援措施等。重庆市公路交通研究所对公路隧道的火灾自动报警系统进行了研究,并对光纤、热敏合金线和双波长火焰探测3种火灾自动报警设备的特性进行了探讨。另外,云南省阳宗对隧道在寿命期内开展了数次全尺寸火灾实验。
2国内隧道火灾计算机模拟现状
我国在隧道火灾数值模拟研究方面起步较晚。舒宁和徐建闽等采用ANSYS对隧道发生火灾后的通风进行模拟,研究火灾烟气在隧道内的蔓延特性。采用1 000 K作为火源中心温度的高温点,未考虑火灾的动态特性。
香港理工大学和哈尔滨工程大学学者利用计算数值模拟方法,研究隧道火灾的烟气特性。研究表明,大涡模拟比模型试验可以更好地模拟烟气回流和隧道断面的热分层现象。
3笔者主要研究方法
全尺寸火灾实验研究由于运作成本高昂,实验数量受到限制。而模型实验研究虽然能够有效降低实验成本,但是模型比例受到火灾相似理论可靠性的制约,实际上缩尺寸范围非常有限。即以现有的技术条件,隧道燃烧火灾强度范围有限。
近年来,随着计算机科学和数值计算方法的发展,许多研究者开始利用N-S方程结合一定的湍流燃烧模型、辐射模型研究隧道火灾,可以灵活设定火灾场景,具有成本低、可重复性强等优点,成为隧道防火设计的基础性方法之一。在已有研究成果的基础上,笔者将给出适合重庆市某公路隧道临界风速预测的计算模型,并利用模型预测某公路隧道典型火灾工况下的临界风速。
4Wu & Bakar临界风速计算模型
Wu & Bakar从实验和数值模拟两方面对相同高度、不同宽度的5种矩形断面隧道进行研究,研究中采用隧道断面当量直径De作为特征长度,其表达式见式(1)。
undefined (1)
式中:De为隧道断面当量直径,m;A为隧道通风断面面积,m2;P为隧道通风断面周长,m。
定义了新的无量纲热释放速率undefined和无量纲临界风速v,总结出临界风速的新计算公式,见式(2)、式(3)。
undefined (2)
undefined (3)
当undefined时:
undefined (4)
当undefined时:
undefined (5)
5弧形隧道临界风速数值模拟
5.1 模型建立
为了找出弧形隧道临界风速的规律,设计了3种不同半径的弧形隧道,隧道半径分别为100、150、200 m,隧道弧度采用π/6、π/4、π/3、π/2、2π/3、3π/4、5π/6、π。图1
为不同弧度隧道FDS模型,图2为隧道洞口的正视图。隧道宽15 m(包括模型壁厚),高7.9 m。共计21个算例,进行了大量模拟计算来确定临界风速。
火源功率为50 MW,位于隧道中部,火源尺寸为3 m×3 m;扩展计算区域为10 m,网格尺寸为0.5 m×0.5 m×0.5 m。
5.2 数值模拟结果
根据Wu & Bakar的临界风速预测模型,计算该类型弧形隧道的临界风速为3.5 m/s,而笔者通过大量的计算与观测,得到了21个工况的洞口处临界风速数值,见表1所示。
5.3 临界风速预测模型
表1显示了不同弧度不同半径弧形隧道在洞口处的临界风速模拟值。经过相关性计算隧道半径、弧度、临界风速的相关系数矩阵为:
undefined
(6)
通过相关性矩阵发现,隧道半径和临界风速的相关系数绝对值0.166 7小于弧度和临界风速的相关系数绝对值0.380 0,说明隧道半径对临界风速的影响非常小,可以忽略。
分析弧度与临界风速的模拟结果发现,π/2是分界点。因此,把相关系数分成两类,一类为π/6、π/4、π/3、π/2,另一类为2π/3、3π/4、5π/6、π分别计算,得到隧道半径、弧度、临界风速如下两个相关系数矩阵:
undefined
R(2π/3、3π/4、5π/6、
undefined
很明显,把π/2作为分界点后,弧度与临界风速的相关系数由0.38提高到0.831 9(弧度小于π/2)和0.954 1(弧度大于π/2),说明π/2是临界风速和弧度关系的“拐点”,应该采用分段函数表达两者的关系。
前文已经表明,隧道半径与临界风速相关性很小,为了计算简便,忽略半径对临界风速的影响,将相同弧度的临界风速进行平均,得到表2。
采用Matlab拟合工具箱进行拟合,结果如下:
v'cr=0.539 4tha2-1.508 6tha+0.935 9+vcr,tha≤π/2
v'cr=0.870 9tha3-6.191 4tha2-14.988 6tha-1 223+vcr,tha>π/2
式中:v'cr为弧形隧道洞口临界风速;vcr为Wu & Bakar模型预测的临界风速;tha为隧道弧度。拟合结果见图3、图4。两次数据拟合的相对误差为5.3%、0.039%。
从图3可以看出,当隧道弧度小于π/2时,洞口处临界风速随着隧道弧度的增大而减小。而图4则相反,当隧道弧度大于π/2时,洞口处临界风速随着隧道弧度的增大而增大。分析造成此现象的原因:当弧度小于π/2时,火焰的烟气浮力有很大的作用力,导致弧度越小,作用力越大,需要的通风越多;而当弧度大于π/2时,通风的能量由于壁面摩擦和流场作用,弧度增大时通风损失
能量多,火焰烟气达到临界状态需要的洞口通风越多。
6重庆市方斗山隧道临界风速预测
不考虑隧道垂直风流速度的影响,结合前述有关临界风速的计算模型,对重庆市公路隧道主洞典型火灾工况下的临界风速进行预测。重庆市方斗山隧道工程全长7 600 m,隧道弧度为1.518 4,是重庆的交通要道。
6.1 临界风速预测
(1)主洞断面当量直径。 依据重庆市公路隧道主洞断面的具体设计,其断面当量直径计算如下:
undefined
(2)无量纲热释放速率undefined。 重庆市公路隧道典型火灾热释放速率按50 MW考虑,式(2)中其他参数的取值如下:空气密度ρ0为1.21 kg/m3;空气定压比热容cp为1 000 J/(kg·K);环境空气温度T0为294.15 K;重力加速度g为9.81 m/s2。无量纲热释放速率计算如下:
undefined
(3)无量纲临界风速v"。 由于无量纲热释放速率满足:undefined,故无量纲临界风速可取为:undefined。
(4)由Wu & Bakar模型预测的临界风速vcr的计算。
undefined
(5)采用笔者所得的弧形隧道临界风速计算。
v'cr=0.539 4tha2-1.508 6tha+0.935 9+vcr,其中,tha为1.518 4弧度,则v'cr=3.018 8 m/s。
6.2 临界风速数值模拟
经过5次计算机模拟,最终确定该隧道的临界风速为3.05 m/s,比根据笔者拟合公式预算的结果大0.031 2 m/s,相对误差为1.02%;比Wu & Bakar模型预测的临界风速小0.08 m/s,相对误差为2.62%。由此可见,笔者针对弧形隧道预测的临界风速模型更加接近数值模拟结果。详细模拟过程见图5、图6、图7,分别是风速3.0、3.05、3.1 m/s工况下50、100 、450 s的烟气分布。
3种风速的模拟结果前50 s很接近,烟气都有一定的回流,随着模拟时间的推移,100 s时3.0 m/s和3.05 m/s工况下仍有一定的回流烟气。风速为3.1 m/s时,火焰羽流出现明显被吹偏的迹象,说明洞口临界风速应该比3.1 m/s小。当整个流场充分发展,达到“稳态”时(模拟时间为450 s),3.0 m/s工况下仍有一定的回流烟气,而3.05 m/s风速下偶尔有一定的烟气回流,马上又被吹走,该现象重复出现,说明该风速就是洞口的临界风速。
7结论
采用FDS对水平弧形公路隧道建立不同半径、弧度条件下的隧道模型,通过理论分析和数值模拟相结合的方法,结合前人的研究成果,拟合出水平弧形公路隧道临界风速计算公式,并且对重庆方斗山隧道进行预测,预测结果与数值模拟结果非常接近。需要说明的是,该公路隧道与研究临界风速的隧道横截面不同(面积、周长、弧度),从而证明了笔者对弧形隧道的临界风速预测的准确性。下一步将在此基础上增加精细网格计算,并开展隧道真实火灾的实验,对模型做进一步验证和研究。
参考文献
[1]安永林,杨高尚,彭立敏.隧道火灾浅谈[J].采矿技术,2006,6(1):38-39.
[2]薛国虎,孙辉.公路隧道火灾及防火措施现状研究[J].黑龙江科技信息,2008,12(6):189.
[3]周旭,赵明华,刘义虎.长大隧道火灾与防治设计研究[J].中南公路工程,2002,27(4):87-90.
[4]付修华,杨其新,刘化冰.对特长公路隧道火灾防灾救援安全策略的思考[J].公路交通科技,2004,21(3):56-59.
[5]韩新,崔力明.国内外隧道火灾试验研究进展简述[J].地下空间与工程学报,2008,4(3):544-549.
[6]刘鹏举,李刚,彭伟.隧道火灾研究现状与发展[J].中国科技信息,2008,20(2):35-36.
[7]李建兴,李小江,邢金城,等.隧道火灾临界风速的理论计算与数值模拟[J].暖通空调,2009,39(5):33-35.
[8]徐建华.现代地理学中的数学方法[M].高等教育出版社,1994.