基于随机分布控制的风能发电系统最大功率跟踪控制方法

1.本发明属于风能发电系统控制领域，具体涉及一种基于随机分布控制算法的风能发电系统最大功率跟踪控制方法。


背景技术：

2.近年来，新能源开发作为我国当前的战略性新兴产业，受到了极为广泛的关注和重视。在各种新能源中，风能和太阳能应用最为广泛。但是，由于风速和光照强度会受到季节变化、昼夜交替和地形等因素的影响，例如，在华东沿海地区冬季和秋季的平均风速会比春季和冬季的大，在我国西北和东南沿海地区，白天的平均风速会比晚上大，在山地区域，山脊底部的风速通常小于山脊顶部的风速，最大风速一般会出现在山脊背风面靠近山顶的地方，一般情况下，夏季的光照强度明显强于冬季，白天的光照强度大于晚上，海拔越高的地方光照越强。风速的不断变化会让风力机的输出功率也随着风速变化，从而使叶尖速比偏离最佳值，风能的利用率变低，并且还会影响风力机的使用寿命。为了提高发电系统的转化效率，保证整个系统高效运行，对系统进行最大功率跟踪控制显得尤为重要。
3.在风能转换系统中，风速通常是一个非高斯随机变量，这就会导致风能转换系统的输出功率随机波动。


技术实现要素：

4.为了解决上述背景技术提到的技术问题，本发明提出了一种基于随机分布控制算法的风能发电系统最大功率跟踪控制方法。
5.为了实现上述技术目的，本发明的技术方案为：
6.一种基于随机分布控制算法的风能发电系统最大功率跟踪控制方法，包括以下步骤：
7.s1、建立风能转换系统模型，包括建立风力涡轮机模型。传动系统模型、发电机系统模型和风速模型；
8.s2、根据步骤s1建立的风能转换系统模型的输入输出得到跟踪误差；
9.s3、构建性能指标函数，并且估计跟踪误差的生存信息势；
10.s4、利用递归算法求解性能指标；
11.s5、获取最优控制输入，以实现风力发电系统的最大功率跟踪控制。
12.优选地，步骤s1中风力涡轮机模型的建立包括如下步骤：
13.s11、建立风力涡轮机输出功率函数；公式表达如下：
[0014][0015]
式中，ρ是空气密度，r
t
为风轮半径，v为风速，c
p
(λ)为风能利用系数，pw为风力机的输出功率；
[0016]
s12、将风力机扭矩系数和风力涡轮机叶尖速比λ的二次多项式函数进行近似拟
合，公式表达如下：
[0017]ct
(λ)＝a0+a1λ+a2λ2(2)
[0018]
式中，αi,i＝0,1,2为二次多项式的系数；
[0019]
风力涡轮机叶尖速比λ公式表达如下：
[0020][0021]
将步骤s11中风力涡轮机输出功率函数进一步转化为如下公式：
[0022][0023]
s13、构建传动系统将风力涡轮机机械扭矩tm传递给多极永磁同步发电机，运动方式表达如下：
[0024][0025]
式中，j为旋转部件的惯性；
[0026]
其中，风力涡轮机机械扭矩tm公式表达如下：
[0027][0028]
式中，tg是多极永磁同步发电机的电磁转矩；ωm是风轮机转速；
[0029]
s14、建立多极永磁同步发电机模型，多极永磁同步发电机在d-q轴坐标系中的电压方程公式表达如下：
[0030][0031]
式中，ud和uq分别为转子坐标系中的d轴电压和q轴电压；id和iq分别为转子坐标系中的d轴电流和q轴电流；r为定子电阻；ld和lq为d-q坐标系中的电感；ωe＝pωm是发电机的电角速度，p是多极永磁同步发电机的极对数；φm是由定子绕组连接的磁通量。
[0032]
优选地，步骤s1中风速模型公式表达如下：
[0033][0034]
其中，u＝rs为控制变量；并且
[0035][0036]
式中，输出变量y为风能转换系统输出功率pw，d1、d2和d3均为已知系数，αi,i＝0,1,2为二次多项式的系数，r
t
为风轮半径。
[0037]
优选地，步骤s1中利用生存信息势刻画风能转换系统系的非高斯不确定性具体表示为如下公式：
[0038][0039]
式中，为随机向量|x|的多元生存函数。
[0040]
优选地，步骤s2中跟踪误差e(t)公式表达如下：
[0041]
e(t)＝ω
m,ref-ωm(14)
[0042]
式中，ωm为风力机的风轮转速，ω
m,ref
为风力机的参考转速，m＝1；
[0043]
e(t)的α阶生存信息势公式表达如下：
[0044][0045]
式中，为随机向量|e|的多元生存函数，e∈r
+
。
[0046]
优选地，步骤s3中性能指标函数公式表达如下：
[0047][0048]
式中，e(t)为跟踪误差，s
α
(e(t))则为跟踪误差的生存信息势，是控制输入的约束项；r1和r2为常值权重。
[0049]
优选地，步骤s4具体指：
[0050]
采用基于数据驱动的方法来估计跟踪误差的生存信息势，假设随机变量x1,x2,...,xn表示x的n个独立同分布的样本，则生存函数的估计值表示为：
[0051][0052]
式中，i(
·
)是指示函数，从而假设随机变量x的α阶sip的估计值可以表示为：
[0053][0054]
采用宽度为n的滑动窗方法来估计不同时刻跟踪误差的sip；给定误差样本序列(e1,e2,
…
,en)，在这里考虑e为标量，假设0≤e1≤e2≤
…
≤en，则进一步推导出跟踪误差的sip估计值为：
[0055][0056]
式中，e0＝0，式(19)被简化为：
[0057][0058]
式中，权重λj(j＝1,2,
…
,n)取决于样本数量n和α的值，并且满足
[0059]
选用误差平方的估计值来代替标量e的sip估计值，公式(10)转换为如下表达式：
[0060][0061]
则步骤s3中性能指标函数转化为：
[0062][0063]
式中，e(t)为跟踪误差，s
α
(e(t))则为跟踪误差的生存信息势，是控制输入的约束项；r1和r2为常值权重；
[0064]
令公式(22)的右边第一项为：
[0065][0066]
优选地，步骤s5中连续时间域最优控制率u(t)公式表达如下：
[0067][0068]
式中，j为最小化性能指标函数，e(t)为跟踪误差，s
α
(e(t))则为跟踪误差的生存信息势，是控制输入的约束项；r1和r2为常值权重；定义uk＝u
k-1
+δuk，θk(uk)在u
k-1
处的泰勒展开式表示为：
[0069][0070]
令则式(25)表示为：
[0071][0072]
将等式(26)代入到等式(24)得到最小化性能指标函数j公式表达如下：
[0073][0074]
离散时间域最优控制律uk公式表达如下：
[0075][0076]
式中，r1θ
k2
+r2＞0。
[0077]
采用上述技术方案带来的有益效果：
[0078]
由于来自风速的随机扰动是非高斯的，本发明采用生存信息势来描述风电的随机性，基于信息势建立性能指标函数，通过最小化性能指标函数得到最优的控制率，让风力机转子转速能够跟踪上设定的转速，从而实现最大风能捕获(即最大功率跟踪控制)。避免了在非高斯随机风速干扰下功率的波动。
附图说明
[0079]
图1为本发明具体实施例的基于sdc控制策略的风能转换系统控制算法流程图；
[0080]
图2为本发明具体实施例的风能转换系统结构图；
[0081]
图3为本发明具体实施例的风能转换系统的等效结构图；
[0082]
图4为本发明具体实施例的基于sdc控制策略的mppt技术框图
[0083]
图5为本发明具体实施例的组合风速曲线图；
[0084]
图6为本发明具体实施例的系统输出(风轮机转速)响应曲线图；
[0085]
图7为本发明具体实施例的系统控制输入曲线图；
[0086]
图8为本发明具体实施例的性能指标曲线图；
[0087]
图9为本发明具体实施例的叶尖速比曲线图；
[0088]
图10为本发明具体实施例的风能利用系数曲线图；
[0089]
图11为本发明具体实施例的跟踪误差的3d概率密度曲线图。
具体实施方式
[0090]
以下将结合附图，对本发明的技术方案进行详细说明。
[0091]
本发明公开了一种基于随机分布控制的风能发电系统最大功率跟踪控制方法，如图1所示，包括以下步骤：
[0092]
根据如图2所示的风能转换系统结构图可知，一个风能转换系统，一般包括风力机、传动系统、多极永磁同步发电机(多极永磁同步发电机)、整流器、dc/dc转换器，发电机与直流母线相连。下面分别对风力机、传动系统和多极永磁同步发电机建模。
[0093]
(a)风力机
[0094]
根据风力机的特性可以知道风力机的输出功率pw为：
[0095][0096]
式(1)中，ρ是空气密度，r
t
为风轮半径，v为风速，c
p
(λ)为风能利用系数。风力机的实际输出机械功率pw是通过风能转化得到的，其转化率并不是100％，因此通过风能利用系数c
p
(λ)来描述风机捕获风能的能力，c
p
(λ)的值越大，则风力发电机捕获风能的能力越强。
[0097]
实际上，风能利用系数c
p
(λ)＝λc
t
(λ)，c
t
(λ)为风力机扭矩系数可以用关于叶尖速比λ的二次多项式函数来近似拟合，如下式所示：
[0098]ct
(λ)＝a0+a1λ+a2λ2(2)
[0099]
其中，αi,i＝0,1,2为二次多项式的系数，而叶尖转速比λ取决于风力机的风轮转速ωm和风速v的大小，表达式为：
[0100][0101]
则
[0102]
(b)传动系统
[0103]
传动系统的作用是将风力涡轮机机械扭矩tm传递给多极永磁同步发电机，运动方程可以表示为：
[0104][0105]
其中，tm是风力涡轮机的扭矩可表示为：
[0106][0107]
tg是多极永磁同步发电机的电磁转矩；j是旋转部件的惯性；ωm是风轮机转速。
[0108]
(c)多极永磁同步发电机
[0109]
多极永磁同步发电机在d-q轴坐标系中的电压方程可表示为：
[0110][0111]
其中，ud和uq分别为转子坐标系中的d轴电压和q轴电压；id和iq分别为转子坐标系中的d轴电流和q轴电流；r为定子电阻；ld和lq为d-q坐标系中的电感；ωe＝pωm是发电机的电角速度，p是多极永磁同步发电机的极对数；φm是由定子绕组连接的磁通量。
[0112]
风能转换系统有部分负载和全负载模式，当风速低于额定风速时，风能转换系统运行在部分负载模式；当高于额定风速时风能转换系统运行在部分负载模式。本文主要考虑的是部分负载模式，其重点是根据风速控制风轮机转速，以确保获得最大风能。
[0113]
在部分负载模式中，基于多极永磁同步发电机(多极永磁同步发电机)的风能转换系统有两个控制回路；一个控制回路是通过电力电子设备连接电网，另一个控制回路的等效图如图3所示，即将ad-dc和dc-dc及电网部分等效为可变电阻rs(作为控制变量)和常值电感ls。
[0114]
根据图2，可以得到等效的多极永磁同步发电机(多极永磁同步发电机)模型为：
[0115][0116]
另外，电磁转矩tg可以表示为
[0117]
tg＝pφ
miq
+p(l
d-lq)idiq(10)
[0118]
为了简化过程模型，不妨假设ld＝lq，那么电磁转矩tg可以进一步写为：
[0119]
tg＝pφ
miq
(11)将式(5)和式(11)代入式4中，可得风力机转速ωm的动态方程为：
[0120][0121]
令x＝[x1x2x3]
t
＝[idiqωm]
t
，u＝rs，综合(8)、(9)、(12)可得到如下非线性状态空间模型：
[0122][0123]
其中，u＝rs为控制变量；且
[0124]
[0125][0126][0127]
显然，输出变量y即为风能转换系统输出功率pw，而，而为已知系数。
[0128]
根据(16)式，输出功率pw随风力机转速ωm单调递增，如果ωm能够实现最优转速，那么输出功率就可以达到最大，因此，部分负载模式下的风力发电系统输出功率控制可转化为对风力机转速ωm的控制。
[0129]
图4中也可以看出叶尖速比λ、风轮机转速ωm和风速v三者之间的关系，风力机能够捕获最大风能就等价于在随机风速下，控制风轮机的转速能够跟踪上最优转速。本文记ω
m,ref
为最优转速的参考值，可由基本风速计算得到。因为在风能转换系统中，风速是一个非高斯随机变量，由前面的分析可以知道，要将功率pw控制到最优，其实就是要将ωm控制到最优，由于ωm受到随机非高斯随机变量v的影响，导致ωm也是一个随机变量，要将一个随机变量控制到最优值，其实就是要将随机变量的分布控制为一个脉冲值。
[0130]
根据风能转换系统模型(13)可知，该系统为单输入单输出系统，即m＝1，令e(t)＝ω
m,ref-ωm，则e(t)的α阶生存信息势为：
[0131][0132]
本文选用如下式子作为性能指标函数
[0133][0134]
在式(18)中，s
α
(e(t))则为跟踪误差的sip，是控制输入的约束项。r1和r2为常值权重。
[0135]
采用基于数据驱动的方法来估计跟踪误差的sip，令宽度为n的滑动窗方法来估计不同时刻跟踪误差的sip。给定误差样本序列(e1,e2,
…
,en)，在这里考虑e为标量，假设0≤e1≤e2≤
…
≤en，则可以进一步推导出跟踪误差的sip估计值为
[0136][0137]
其中，e0＝0，则式(19)将被简化为：
[0138][0139]
其中，权重λj(j＝1,2,
…
,n)取决于样本数量n和α的值，并且满足λj≥0，
[0140]
由式(20)可知，标量e的sip估计值就是对有序误差ej加权求和，它在zj＝0的表面是不光滑的，所以我们选用误差平方的估计值来代替，等式(20)变为如下表达式
[0141][0142]
则性能指标函数(18)可以被转化为
[0143][0144]
令公式(22)的右边第一项为
[0145][0146]
控制器的目标是寻找到最优的控制输入u(t)，通过最小化性能指标函数j。最优控制率可以由以下方程得到
[0147][0148]
义uk＝u
k-1
+δuk，θk(uk)在u
k-1
处的泰勒展开式可以表示为：
[0149][0150]
令则式(25)可以写为：
[0151][0152]
将等式(26)代入到等式(22)可以得到：
[0153][0154]
则最优控制律可以被计算通过
[0155][0156]
从等式(27)和(28)，可以计算得到
[0157]
uk＝u
k-1
+δuk＝u
k-1-(r1θ
k2
+r2)-1
(r1θ
k1
+r2u
k-1
)(29)
[0158]
其中，应该满足r1θ
k2
+r2＞0。
[0159]
本实施例为了验证本发明的基于随机分布控制的风能发电系统的功率控制方法的有效性，建立了包含随机分布控制算法的风能转换系统仿真模型，并与传统的pi算法和自适应控制算法进行了比较，仿真中的基本参数：叶尖速比λ
opt
＝7时，风能的利用系，最大值c
pmax
(λ)＝0.476；风轮半径r
t
＝2.5m，极对数p＝3，磁通量φm＝0.4382wb，定子电阻r＝3.3ω，空气密度ρ＝1.25kg/m3，转动惯量j＝0.5042kg/m2，d,q轴的电感ld,lq为41.56mh，常值电感ls＝0.1452h，多项式的常数α0，α1，α2分别为：0.1253，-0.0047，-0.0005。图5为由随机风速vn和基本风速vb叠加形成风速曲线。开始时，wecs最初以基本风速为7m/s和随机风速组合运行，30s之后基本风速变为8m/s，采样时间为0.1秒，随机风的变化范围为[-0.5m/s,0.5m/s]。本实例的风能转换系统的仿真结果如下。
[0160]
图6为输出响应曲线，即转子转速ωm的响应曲线，从图6中可以看出，开始时基本风速为7m/s，风机的转速为19.6rad/s，虽然受到风速变化的影响但是风能转换系统的转速能够跟踪上目标转速值，并且从图中还可以看出，pi控制器的超调量较大，跟踪时间较长。自适应控制的控制效果优于pi控制器，但是与本文设计的控制器相比，本文控制器跟踪上目标值的时间更短且波动相比较之下也更小。
[0161]
图7为控制输入曲线，控制输入rs实际上是转换器的占空比，从图中我们可以看出系统的输入最终都趋于一个稳定值，但是本文中设计的控制器的输入能在更短的时间内趋于稳定，所以本文中设计的控制器比对比参考文献中的更加的节能。图8为性能指标函数，从图中我们可以看出，性能指标的变化总体上是逐渐减少并且最终趋于稳定的。从图9可以看出，叶尖速比在[6.5,7.2]范围内变化；风能利用系数的保持在[0.471,0.476]范围内变化，在最优叶尖速比λ
opt
附近，风能的利用率较高，如图10所示。跟踪误差的3dpdf演变如图11所示，从图中可以看出跟踪误差的pdf形状随着时间的变化变得更加的窄和尖锐。这表明本文所提出的控制器能够减小随机性。
[0162]
本领域内的技术人员应明白，本技术的实施例可提供为方法、系统、或计算机程序产品。因此，本技术可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本技术可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。本技术实施例中的方案可以采用各种计算机语言实现，例如，面向对象的程序设计语言java和直译式脚本语言javascript等。
[0163]
本技术是参照根据本技术实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序
指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
[0164]
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
[0165]
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
[0166]
尽管已描述了本技术的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本技术范围的所有变更和修改。
[0167]
显然，本领域的技术人员可以对本技术进行各种改动和变型而不脱离本技术的精神和范围。这样，倘若本技术的这些修改和变型属于本技术权利要求及其等同技术的范围之内，则本技术也意图包含这些改动和变型在内。

技术特征：
1.一种基于随机分布控制算法的风能发电系统最大功率跟踪控制方法，其特征在于，包括以下步骤：s1、建立风能转换系统模型，包括建立风力涡轮机模型；传动系统模型、发电机系统模型和风速模型；s2、根据步骤s1建立的风能转换系统模型的输入输出得到跟踪误差；s3、构建性能指标函数，并且估计跟踪误差的生存信息势；s4、利用递归算法求解性能指标；s5、获取最优控制输入，实现风力发电系统的最大功率跟踪控制。2.根据权利要求1所述一种基于随机分布控制算法的风能发电系统最大功率跟踪控制方法，其特征在于，步骤s1中风力涡轮机模型的建立包括如下步骤：s11、建立风力涡轮机输出功率函数；公式表达如下：式中，ρ是空气密度，r
t
为风轮半径，v为风速，c
p
(λ)为风能利用系数，p
w
为风力机的输出功率；s12、将风力机扭矩系数和风力涡轮机叶尖速比λ的二次多项式函数进行近似拟合，公式表达如下：c
t
(λ)＝a0+a1λ+a2λ2(2)式中，α
i
,i＝0,1,2为二次多项式的系数；风力涡轮机叶尖速比λ公式表达如下：将步骤s11中风力涡轮机输出功率函数进一步转化为如下公式：s13、构建传动系统将风力涡轮机机械扭矩t
m
传递给多极永磁同步发电机，运动方式表达如下：式中，j为旋转部件的惯性；其中，风力涡轮机机械扭矩t
m
公式表达如下：式中，t
g
是多极永磁同步发电机的电磁转矩；ω
m
是风轮机转速；s14、建立多极永磁同步发电机模型，多极永磁同步发电机在d-q轴坐标系中的电压方程公式表达如下：
式中，u
d
和u
q
分别为转子坐标系中的d轴电压和q轴电压；i
d
和i
q
分别为转子坐标系中的d轴电流和q轴电流；r为定子电阻；l
d
和l
q
为d-q坐标系中的电感；ω
e
＝pω
m
是发电机的电角速度，p是多极永磁同步发电机的极对数；φ
m
是由定子绕组连接的磁通量。3.根据权利要求1所述一种基于随机分布控制算法的风能发电系统最大功率跟踪控制方法，其特征在于，步骤s1中风速模型公式表达如下：其中，u＝r
s
为控制变量；并且并且并且式中，输出变量y为风能转换系统输出功率p
w
，d1、d2和d3均为已知系数，α
i
,i＝0,1,2为二次多项式的系数，r
t
为风轮半径。4.根据权利要求1所述一种基于随机分布控制算法的风能发电系统最大功率跟踪控制方法，其特征在于，步骤s1中利用生存信息势刻画风能转换系统系的非高斯不确定性具体表示为如下公式：式中，为随机向量|x|的多元生存函数。5.根据权利要求1所述一种基于随机分布控制算法的风能发电系统最大功率跟踪控制方法，其特征在于，步骤s2中跟踪误差e(t)公式表达如下：e(t)＝ω
m,ref-ω
m
(14)式中，ω
m
为风力机的风轮转速，ω
m,ref
为风力机的参考转速，m＝1；e(t)的α阶生存信息势公式表达如下：
式中，为随机向量|e|的多元生存函数，e∈r
+
。6.根据权利要求1所述一种基于随机分布控制算法的风能发电系统最大功率跟踪控制方法，其特征在于，步骤s3中性能指标函数公式表达如下：式中，e(t)为跟踪误差，s
α
(e(t))则为跟踪误差的生存信息势，是控制输入的约束项；r1和r2为常值权重。7.根据权利要求1所述一种基于随机分布控制算法的风能发电系统最大功率跟踪控制方法，其特征在于，步骤s4具体指：采用基于数据驱动的方法来估计跟踪误差的生存信息势，假设随机变量x1,x2,...,x
n
表示x的n个独立同分布的样本，则生存函数的估计值表示为：式中，i(
·
)是指示函数，从而假设随机变量x的α阶sip的估计值可以表示为：采用宽度为n的滑动窗方法来估计不同时刻跟踪误差的sip；给定误差样本序列(e1,e2,
…
,e
n
)，在这里考虑e为标量，假设0≤e1≤e2≤
…
≤e
n
，则进一步推导出跟踪误差的sip估计值为：式中，e0＝0，式(19)被简化为：式中，权重λ
j
(j＝1,2,
…
,n)取决于样本数量n和α的值，并
且满足λ
j
≥0，选用误差平方的估计值来代替标量e的sip估计值，公式(10)转换为如下表达式：则步骤s3中性能指标函数转化为：式中，e(t)为跟踪误差，s
α
(e(t))则为跟踪误差的生存信息势，是控制输入的约束项；r1和r2为常值权重；令公式(22)的右边第一项为：8.根据权利要求1所述一种基于随机分布控制算法的风能发电系统最大功率跟踪控制方法，其特征在于，步骤s5中连续时间域最优控制率u(t)公式表达如下：式中，j为最小化性能指标函数，e(t)为跟踪误差，s
α
(e(t))则为跟踪误差的生存信息势，是控制输入的约束项；r1和r2为常值权重；定义u
k
＝u
k-1
+δu
k
，θ
k
(u
k
)在u
k-1
处的泰勒展开式表示为：令则式(25)表示为：将等式(26)代入到等式(24)得到最小化性能指标函数j公式表达如下：离散时间域最优控制律u
k
公式表达如下：u
k
＝u
k-1
+δu
k
＝u
k-1-(r1θ
k2
+r2)-1
(r1θ
k1
+r2u
k-1
)(28)式中，r1θ
k2
+r2＞0。

技术总结
本发明公开了一种基于随机分布控制的风能发电系统最大功率控制方法，针对风能发电系统提供一种更加有效的能够对非高斯随机扰动变量进行处理的方法，让风能发电系统在非高斯随机变量的干扰之下仍然能够保持在最大功率处，本发明中的研究方法比现有的研究方法控制的效果更显著，能够在更短的时间内跟踪上目标值，让风能转换系统在受到非高斯随机变量的影响下仍然能够保持最大功率输出。该方法主要是让风轮机的转速能够跟踪上最优的转速，从而保证在风速随机变化情况下风力机能够捕获到最大风能。大风能。大风能。


技术研发人员：殷利平 朱政举 赖蓝蓝 徐杨博
受保护的技术使用者：南京信息工程大学
技术研发日：2023.02.07
技术公布日：2023/6/7