大型风电机组激光雷达辅助模型预测控制方法第36卷第18期50622016年9月20円中国电机工程学报ProceedingsoftheCSEEVol.36No.18Sep.20,2016?2016Chin.Soc.forElec.Eng.(2016)18-5062-08：TM315DOI：10.13334/j.0258-8013.pcsee.l51313：0258-8013韩兵1，周腊吾2,陈浩2,田猛1，邓宁峰1(1.湖南大学电气与信息工程学院，湖南省长沙市410082；2.长沙理工大学电气与信息工程学院，湖南省长沙市410114)ApproachtoModelPredictiveControlofLargeWindTurbineUsingLightDetectionandRangingMeasurementsHANBingl,ZHOULawu2,CHENHao2,TIANMengl,DENGNingfengl(1.CollegeofElectricalandInformationEngineering,HunanUniversity,Changsha410082,HunanProvince,China;2.CollegeofElectricalandInformationEngineering,ChangshaUniversityofScienceandTechnology,Changsha410114,HunanProvince,China)ABSTRACT:Withincreasingsizeoflargewindturbine,controlmethodsfacesnewopportunitiesandchallenges,thedevelopmentofremotesensingtechnologyprovidesanewresearchfieldofthetraditionalcontrolstrategy.Thispaperfocusedonthedesignoflightdetectionandranging(LIDAR)assistedmodelpredictivecontrol(MPC)ofwindturbine,itachievedwindspeeddisturbancefeedforwardcompensationcontrol.First,thebladeelementmomentum(BEM)theoryhaveanalyzedthewindturbineloadsandLIDARforecastwindspeedoftherotorwindwardside,usedofextendedKalmanfilterreconstructunknownnonlinearwindturbinemodelforpredictionhorizonstatevaluesreal-timeprocessing,itsolvedtheminimumobjectivefunctiontogetthecurrentsystemtimeoftheoptimalcontrolstrategy,tominimizethereferencetrajectoryandtheoutputvalue.Finally,theexperimentoftraditionalcontrolmethodcomparativewithLIDARassistedLMPCandNMPC,theresultsshowthatcombinationofLIDARandMPCcanimprovepowercoefficientoflargewindturbinesandmitigatethefatigueloadofwindturbine.KEYWORDS:windturbine;modelpredictivecontrol(MPC);quadraticprogramming;extendedKalmanfilter;lightdetectionandranging(LIDAR);equivalentdamageloads(DELs)摘要：随着风电机组基础结构的不断增大，风电机组的控制方法面临新的机遇和挑战，而遥感测量技术的发展给传统风电机组控制策略提供一个新的研宂领域。该文提岀了基于激光雷达(lightdetectionandranging,LIDAR)辅助风电机组模型预测控制方法来实现控制系统对风速扰动的前馈补偿控制。首先根据叶素动量理论分析风电机组的载荷情况和LIDAR预测风轮迎风面的有效风速，利用扩展卡尔曼滤波重建噪声状态的非线性风电机组模型的未知状态，对预测基金项目：科技部国际合作项目(2011DFA62890)。ProgramforInternationalSTCooperationProjectsofChina(2011DFA62890).域状态值的进行预测实时处理，以求解最小0标函数获取系统当前时刻的最优化控制，使得系统参考轨迹和未来输出值之间差值实现最小化。最后，通过进行风电机组传统控制方法与LIDAR辅助线性模型预测控制、非线性模型预测控制的对比实验，证明LIDAR与模型预测控制相结合的控制方式能在一定程度上提高大型风电机组的风能利用系数，缓解风电机组的疲劳载荷。关键词：风电机组；模型预测控制；二次规划；扩展卡尔曼滤波；激光雷达；等效疲劳载荷0引言为应对日益严峻的能源危机和环境污染问题，人们对绿色可再生能源的关注也越来越密切，而风力发电以其能源利用率高，技术相对成熟等优点渐渐成为最冇发展前景的新能源技术之一［1-2］。但与传统化石燃料的能源相比还存在价格相对较高的劣势，这样就有必要寻求更好的方法来降低风电场的发电成本，而通过采用先进的控制方法就成为降低发电成本的最好方式，即能在不增加风电机组设备的情况下，通过先进的优化控制方法来提高风电机组的风能利用系数降低平均发电成本，也能通过优化控制方法降低风电机组关键部位的疲劳载荷，达到减少风电机组的维护延长使用寿命的冃的［3-4］。近年来，在智能控制策略、遥感测量等技术的推动下...