(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111470396.2 (22)申请日 2021.12.0 3 (71)申请人 北京华能新锐控制技 术有限公司 地址 102209 北京市昌平区北七家未来科 技城南区华能人才创新创业基地 实验 楼B座 (72)发明人 陈志文　褚孝国　杨政厚　岳红轩　 陈兆圣　陈卓　韩健　杜洋　王爽　 (74)专利代理 机构 北京中知法苑知识产权代理 有限公司 1 1226 代理人 李明　赵吉阳 (51)Int.Cl. F03D 17/00(2016.01) F03D 7/02(2006.01) F03D 80/00(2016.01)G06F 30/27(2020.01) G06Q 50/06(2012.01) (54)发明名称 基于发电机转速预测的扭矩前馈控制方法 和装置 (57)摘要 本发明公开了一种基于发电机转速预测的 扭矩前馈控制方法和装置， 该方法以风力发电机 组历史运行时序瞬态数据为控制输入， 训练发电 机转速预测模 型， 预测未来一个超短周期的发电 机转速， 根据预测出来的发电机转速， 设计相应 的扭矩前馈控制策略。 本发明那个降低发电转速 的波动， 避免出现过速故障， 提高发电机扭矩转 速的稳定性； 降低机组在功率曲线过渡段的极限 载荷水平； 提高机组出力的水平。 权利要求书1页 说明书4页 附图1页 CN 114294182 A 2022.04.08 CN 114294182 A 1.基于发电机转速预测的扭矩前馈控制方法， 其特 征在于， 该 方法包括以下步骤： 步骤1， 获取设定周期内风机风速和发电机转速的时间序列， 构成数据集； 步骤2， 以步骤1的数据集对深度学习模型进行训练， 得到发电机转速预测模型； 步骤3， 实时采集发电机机组的运行状态数据， 当平均发电机转速和平均功率输出满足 设定第一条件时， 转入步骤4； 步骤4， 监控发电机转速预测模型输出的预测转速的变化情况， 若预测转速满足设定第 二条件， 则在触发扭矩前馈控制， 按照设定比例提升发电机扭矩。 2.如权利要求1所述的基于发电机转速预测的扭矩前馈控制方法， 其特征在于， 对所述 步骤1中时间序列进行滑动平均滤波处 理。 3.如权利要求1所述的基于发电机转速预测的扭矩前馈控制方法， 其特征在于， 所述步 骤2中的深度学习模型为ARMA模型或神经网络或线性回归 模型。 4.如权利要求1所述的基于发电机转速预测的扭矩前馈控制方法， 其特征在于， 所述步 骤2中对深度学习模型进行训练时， 采用均方根误差RMSE衡量预测值与实际值之间的误差 大小， 当RMSE小于设定精度时， 训练完成。 5.如权利要求1所述的基于发电机转速预测的扭矩前馈控制方法， 其特征在于， 所述步 骤4中提升后的发电机扭矩为： τset＝(1+σ ％)τ0 式中， τ0为发电机扭矩初值， σ ％为设定比例。 6.如权利要求1所述的基于发电机转速预测的扭矩前馈控制方法， 其特征在于， 所述步 骤4中按照设定时间 间隔触发扭矩前馈控制。 7.如权利要求1所述的基于发电机转速预测的扭矩前馈控制方法， 其特征在于， 所述步 骤3中的设定第一条件为： 式中： ω、 p分别为设定时间内的平均发电机转速和平均功率输出； ωmax为发电机运行 最大转速； γ为发电机转速系数； p0为发电机 机组额定功率； δ 为功率裕度值。 8.如权利要求1所述的基于发电机转速预测的扭矩前馈控制方法， 其特征在于， 所述步 骤4中设定第二条件为连续三个设定周期的预测转速持续增大， 且第一个和第三个设定周 期的预测转速之差大于设定转速增量。 9.基于发电机转速预测的扭矩前馈控制装置， 包括存储器和 处理器， 所述存储器存储 有计算机程序， 其特征在于， 所述处理器执行所述计算机程序时实现权利要求1至8中任一 所述的基于发电机转速预测的扭矩前馈控制方法的步骤。 10.一种计算机可读存储介质， 其上存储有计算机程序， 其特征在于， 所述计算机程序 被处理器执行时实现权利要求1至8 中任一所述的基于发电机转速预测的扭矩前馈控制方 法的步骤。权　利　要　求　书 1/1 页 2 CN 114294182 A 2基于发电机转速预测的扭矩前馈控制方 法和装置 技术领域 [0001]本发明涉及一种基于发电机转速预测的扭矩前馈控制方法和装置 。 背景技术 [0002]从控制角度来看， 现代大型风力发电机为一个大惯性、 大时滞的非线性系统， 以风 力发电机扭矩控制系统为例， 风机给定转速 设定值， 并实时检测风力发电机转速大小， 当发 电机转速升高时(一般表征风速的升高)， 通过同步增大发电机电磁扭矩给定， 确保电磁扭 矩给定与叶片气动扭矩相匹配， 确保发电机转速稳定； 反之， 当发电机转速降低时(一般表 征风速的降低)， 扭矩控制器输出较小的扭矩给定， 确保发电机转速稳定， 始终在设定转速 附近波动。 [0003]从当前的扭矩控制来看， 风力发电机扭矩控制属于被动控制， 并且存在一定 的时 间滞后， 扭矩控制效果的好坏和控制器参数密切相关(控制参数决定了扭矩控制器的稳定 性， 响应速度， 控制精度等重要指标)， 在某些特殊运行工况条件下(比如大湍流运行工况)， 发电机转速可能存在较大的波动， 可能导 致发电机过速类故障， 影响机组运行 稳定性。 发明内容 [0004]本发明为解决的问题， 提供了一种基于发电机转速预测的扭矩前馈控制方法和装 置。 本发明以风力发电机组历史运行时序瞬态数据为控制输入， 训练发电机转速预测模型， 预测未来一个超短周期的发电机转速， 根据预测出来的发电机转速， 设计相应的扭矩前馈 控制策略。 本发明那个降低发电转速的波动， 避免出现过速故障， 提高发电机扭矩转速的稳 定性； 降低机组在功率曲线过渡段的极限载荷水平； 提高机组出力的水平。 [0005]本发明为 解决上述 技术问题采用以下技 术方案： [0006]基于发电机转速预测的扭矩前馈控制方法， 该 方法包括以下步骤： [0007]步骤1， 获取设定周期内风机风速和发电机转速的时间序列， 构成数据集； [0008]步骤2， 以步骤1的数据集对深度学习模型进行训练， 得到发电机转速预测模型； [0009]步骤3， 实时采集发电机机组的运行状态数据， 当平均发电机转速和平均功率输出 满足设定第一条件时， 转入步骤4； [0010]步骤4， 监控发电机转速预测模型输出的预测转速的变化情况， 若预测转速满足设 定第二条件， 则在触发扭矩前馈控制， 按照设定比例提升发电机扭矩。 [0011]进一步， 对所述 步骤1中时间序列进行滑动平均滤波处 理。 [0012]进一步， 所述步骤2中的深度学习模型为ARMA模型或神经网络或线性回归 模型。 [0013]进一步， 所述步骤2中对深度学习模型进行训练时， 采用均方根误差 RMSE衡量预测 值与实际值之间的误差大小， 当RMSE小于设定精度时， 训练完成。 [0014]进一步， 所述步骤4中提升后的发电机扭矩为： [0015]τset＝(1+σ ％)τ0 [0016]式中， τ0为发电机扭矩初值， σ ％为设定比例。说　明　书 1/4 页 3 CN 114294182 A 3