卡特蓄电池风力发电机组控制及运行维护技术

摘要：现阶段，跟着社会的展开，我国的现代化建设的展开也有了很大的进步。风能作为清洁动力正得到越来越大的运用，风力发电机组规模不断扩大，机组操控及运转保护成为要害内容，直接影响到机组运转的安稳性、可靠性及运转效率。

要害词：风力发电机组；操控；运转保护技能

导言

针对风力发电机组，在对其风力发电机组操控进行分析介绍的根底上，对风力发电机组的运转保护进行深入分析，为风力发电的展开奠定坚实根底。

1风力发电机组操控

因天然风速方向及巨细都具有随机改动的特色，且机组切入、切出电网及输入功率方面的约束，所以有必要对其进行自动操控，而操控体系软件代码则有多有少，操控效果则产生了不同角度的违背。跟着风力发电平价上网的到来，风力发电操控体系优化对进步发电量至关重要，而操控体系要求越来越智能化。

1.1变桨距风力发电

在空气动力学方面，假如风速相对较高，则可经过对气流的改动和桨叶节距的调整来改动机组动力转矩，确保输出功率能够坚持平稳。经过对变桨距这一调节方法的运用，能使输出功率的改动曲线坚持平滑，阵风状况下，根底、塔筒和叶片冲击比失速调节机组小，能减少材料实践使用率，并减轻机组的整体分量。这一操控办法的缺陷在于有必要要有一套完善且复杂的组织来完成变桨距，能对阵风有极快的响应速度，以此从根本上减小或防止因风力动摇产生的功率脉动。

在常规机组运转中理想状况是，当超过额外风速时，机组的操控方针是将风能卸掉，但不能多也不能少，正好够满发；而当风速低于额外风速时，机组的操控方针是尽量捕获最多的能量，但现实状况是，风速在瞬态会时而高于额外风速，时而低于额外风速，机组可能在风速高于额外风速时过度变桨而卸掉了更多的风能，导致不能满发。当风速低于额外风速时，机组也可能还处于上一时间卸掉风能的变桨状况，导致风能转化效率进一步下降。为处理上述操控违背问题，可在轮毂前部装置激光雷达体系，可提早感知机组前方100米规模的风的入流角、风剪切以及风机的偏航差错，经过智能操控体系的合作提早对变桨、偏航体系进行操控调节，使机组始终运转在平稳舒适的状况。

1.2H∞鲁棒操控技能

H∞鲁棒操控技能的理论根底为Hardy空间。[1]在具体的运用中，经过对单个功用指标相应的无穷范数进行优化，能够对具有鲁棒功用的操控器进行获取。H∞鲁棒操控技能完成了对多变量问题的处理与处理，并在相对严格的数学根底上，完成了对在建模初期存在着的差错进行处理。在风能激励过程中，H∞范数为最小，操控体系输出处于最安稳的状况。一起，经过H∞鲁棒操控技能的运用，能够确保风力发电机组依照前期设定的轨迹进行安稳的运转。能够说，关于风力发电机组来说，H∞鲁棒操控技能是一项必不行少的根底技能。当风力发电机组处于风速、风向均不安稳并且改动较为频繁的条件下，H∞鲁棒操控技能的运用能够完成对风力发电机组中变速恒频风力发电体系的更好操控，使得该体系能够对风能进行快速的盯梢，确保并进步了对风能的捕获率以及使用率。

1.3智能操控

关于风力发电体系，其操控战略按不同操控器可分红以下两类：①根据数学模型的操控战略，属传统操控战略；②根据智能技能的操控战略。因空气动力学存在必定不确定性，且电力电子模型非常复杂，所以机组自身就是一个极为复杂且多变的体系，容易受到搅扰，存在不确定性，导致体系难以凭借数学模型进行描述，因此，传统的空战略现已不再适用。因智能操控能最大极限使用不同功用来处理参数时变问题和非线性方面的问题，所以智能操控成为当时风机首要操控方法。尽管近年来风电机组在单机功率和扫风面积增大方面展开迅速，但其智能化水平却与当年600kW－800kW的小型风电机组相当，并没有显著进步。智能操控不仅有先进的硬件传感器，更有很多的软件传感器和先进操控算法，相比传统机组几万行的操控软件代码，智能风机操控体系搭载的软件体系代码超过200万行。

1.3.1含糊操控

关于含糊操控，它归于典型智能操控，最大的特征在于将专家常识与经验表示成一种语言规矩，在操控中直接运用。它克服了对数学模型的依赖性，可处理非线性问题，并且对调节目标相关参数还有必定鲁棒性。因风力发电为具有随机性的体系，所以在风力机操控范畴，该操控办法非常适用，尤其是在风能获取、功率确保等方面，效果非常突出。关于笼型异步发电机，含糊操控器的合理运用能对发电机转速进行盯梢，使空气动力效率到达最大，对轻载进行核算时，确保速度操控具有鲁棒性，以功率差错为根据，结合额外风速，取得最大功率。然而，该操控形式也存在精度不高和容易产生稳态差错的问题，需求相关学者和专家展开进一步的分析研究，以弥补不足，进步自适应才能。

1.3.2神经网络操控

关于人工神经网络，它能逼近所有类型的非线性模型，并使用自学才能，形成具有自适应才能的操控器。风力体系中，引进神经体系后，可将现有数据为根据，经过神经网络智能操控练习猜测模型，具有数十万行代码的在线运转软件模型能够不断经过前史样本练习，完成对风电场风速形式的辨认，这在很大程度上防止智能风机在低能量转化工况下运转的几率。在变桨距体系中，使用神经网络技能，能在在线学习的根底上，对相关特性曲线进行修正，使风能获取到达最大，一起下降负载力矩，以风速数据与机组动态特性为根据，构建操控模型。以数据为根底的学习是当时智能技能要害所在，实践研究从数据的观测角度出发，找出规则，并经过对这些规则的运用来猜测数据，完成工业过程有用操控。首要学习办法有：①形式辨认；②神经网络；③支持向量机。风力发电体系当中，需从取得很多相关参数下手，对机组特性及功用施以深入分析。根据此，将以上以数据驱动为根底的学习办法和转化体系操控充分结合，可从根本上处理操控方面的问题，并为开关磁阻发电机等的引进创造良好条件。

1.4矢量操控技能

在风力发电机组中，运用矢量操控技能能够完成对风能盯梢的最大化，还能够完成有功功率以及无功功率的独立解耦调节，关于风力发电机组的运转来说，矢量操控技能的运用有着重要的意义。关于根据矢量操控技能的体系来说，由于其具有较强的适用才能以及抗搅扰才能，所以能够在短时间内完成安稳性操控。现阶段，矢量操控技能更多的被运用于双馈型风力机组中，但是该技能的运用会对无功补偿量的巨细进行约束。

2风力发电机组运转保护

2.1进步风力发电机组机保护水平

进步机组保护水平对防止或下降机组毛病的产生，延长机组运用寿命有着重大效果，定时对风机机械、电气联接件间螺栓力矩进行查看；定时展开传动部件间的光滑和各项功用测试，光滑体系则补加和采样化验油样；发电机轴承，齿轮箱轴承等由于运转温度较高，极易变质，导致轴承磨损，定时保护时，有必要每次都对其进行补加，轴承的补加剂量必定要按要求数量参加，不行过多，不然易导致光滑不良，其次则是要对过滤器进行定时查看和替换，以此确保光滑油的正常供给，并且在油量低时进行及时地补充。再者，则是要对发电机组排出的废油进行及时的处理，避免出现影响风机运转和污染环境的现象。定时保护除以上三大项以外，还要查看液压油位，各传感器有无损坏，传感器的电源是否可靠作业，闸片及闸盘的磨损状况等方面。

2.2毛病处理

风电机组具有继续运转时间较长、体积与自重大等特色，这对保护和检修有较大的影响。若部分细节问题未能及时发现，则会使其不断堆集成更严重的毛病，对机组实践运转形成严重影响。对此，机组毛病检修至关重要，需求关注以下几方面内容：①设备状况检修，以日常保护为根底，对机组及设备的运转状况进行精确判断，及时发现并处理实践问题；②预防性检修，根据机组实践运转规则与相关技能标准，对机组所有部件实施定时检修处理，包括替换、紧固和调整等。预防性检修首要针对的是小部件；③毛病修理，当机组中的大型部件与电气体系产生毛病时，机组可能中止运转，需对重要部件进行修正与替换。

结语

综上所述，传统动力在运用上具有不行再生等特色，无法确保人类的可继续展开。因此，经过风力发电机组的效果，人们能够完成对风能这种可再生清洁动力的高效使用，防止为后续展开带来更大压力。风力发电机组能够将风能转化成电能，并在各种现代技能的合作下，完成风力发电机组的高效智能操控，最终进步风能的使用率。