亞琛工業(yè)大學的研究人員在生成產(chǎn)品級代碼之前，對一臺兆瓦級風力發(fā)電機的控制器進行了系統(tǒng)仿真，并執(zhí)行了全面的 SIL 和 HIL 測試。

風力發(fā)電機需要先進的控制策略，才能最大限度地提高功率輸出并降低結(jié)構(gòu)部件上的機械負載。

模型預測控制 (MPC)是一種很有前景的風力發(fā)電機控制策略，它不僅可以處理多變量控制問題，同時可兼顧過程中的約束問題。

一些研究已經(jīng)使用數(shù)值仿真來探索 MPC 在風力發(fā)電機中的應用。據(jù)我們所知，在風力發(fā)電機的 MPC 控制學術(shù)領(lǐng)域，我們的研究首次提供了來自兆瓦級風力發(fā)電機全尺寸現(xiàn)場測試的實驗 MPC 結(jié)果。

我們采用了快速控制原型 (RCP) 方法，在 MATLAB 和 Simulink 中對 MPC 算法進行建模和仿真，并在軟件在環(huán) (SIL) 和硬件在環(huán) (HIL) 測試中對其進行驗證。然后，我們將控制模型生成產(chǎn)品級代碼，用在 Bachman PLC 上，并在由 W2E Wind to Energy GmbH [6] 的同事設(shè)計和運行的 3 兆瓦風力發(fā)電機上進行了現(xiàn)場測試（圖 1 和 2）。

圖 2.風力發(fā)電機自動化系統(tǒng)的閉環(huán)結(jié)構(gòu)及其主要組成?，F(xiàn)有的自動化系統(tǒng)通過測試中的控制系統(tǒng)和旁路接口進行擴展。被控對象（頂部）展示了位于德國羅斯托克的 W2E-120/3.0fc 3 兆瓦風力發(fā)電機的原型。

風力發(fā)電機控制框架簡介

我們開發(fā)了風力發(fā)電機控制框架 (WTCF)，為團隊的每位成員提供了一個一致的環(huán)境來共享活動模型、腳本和路徑。對于版本控制，我們通過 Simulink Projects 將框架與 Git 集成。

WTCF 的主模型中包括被控對象和控制系統(tǒng)的子模型。我們使用模型引用(model reference )分層組織設(shè)計并實現(xiàn)模塊化開發(fā)。該框架的文件夾結(jié)構(gòu)映射了模型和子模型的層次結(jié)構(gòu)（圖 3）。

圖 3.風力發(fā)電機控制框架中的主模型 (a) 及相應的文件夾結(jié)構(gòu) (b)。（圖片來源：Dickler、Kallen、Zierath 和 Abel [1]）

風力發(fā)電機和 MPC 算法建模

在我們的框架中，用非線性降階模型來表示風力發(fā)電機，該模型在初始系統(tǒng)仿真中作為被控對象模型，在 MPC 算法中作為內(nèi)部預測模型。該

降階模型包括三個子模型：一個用于風力發(fā)電機傳動動力學的機械模型，一個用于塔架和槳葉動力學的機械模型，以及一個用于空氣動力學的模型（圖 4）。

我們使用常微分方程開發(fā)了兩個機械子模型，其參數(shù)值一部分由實際風力發(fā)電機確定，另一部分通過參數(shù)辨識的多體仿真確定。在降階模型中，我們使用了氣動力系數(shù)的靜態(tài)map圖，將風速與施加到風機機械子模型的力和力矩聯(lián)系起來。

圖 4.風力發(fā)電機的非線性降階模型，包括空氣動力學的靜態(tài)map圖以及傳動系統(tǒng)和轉(zhuǎn)子-塔架動力學的子模型。（圖片來源：Jassman [4]）

我們設(shè)計了 MPC 算法，以最大限度地提高功率輸出、讓系統(tǒng)運行在約束條件內(nèi)，并降低由陣風或其他條件導致的動態(tài)機械負載。

該算法在 MATLAB 和 Simulink 中建模，將發(fā)電機轉(zhuǎn)速和功率作為受控變量，以最大限度地提高輸出。塔頂加速度代表機械負載，因此用作附加受控變量。

該算法使用兩個控制變量來實現(xiàn)其目標：風機的俯仰角速率和發(fā)電機扭矩。后者由風機的發(fā)電機-變換器系統(tǒng)處理，包括一個額外的、更快的控制回路。

運行系統(tǒng)仿真、SIL 測試和 HIL 測試

我們進行了閉環(huán)系統(tǒng)仿真，以驗證降階風機模型，并得出初始 MPC 算法參數(shù)，以用于 SIL 和 HIL 測試（圖 5）。

WTCF 使我們可以輕松地用更詳細的模型取代降階模型，包括使用 alaska/Wind 軟件開發(fā)的風機多體仿真模型 [7]，以及使用 FAST 軟件開發(fā)的第二代模型 [8]。

圖 5.系統(tǒng)仿真、SIL 測試和 HIL 測試設(shè)置。（圖片來源：Dickler、Kallen、Zierath 和 Abel [1]）

使用 Embedded Coder，我們生成了控制系統(tǒng)的動態(tài)鏈接庫 (DLL)，以針對現(xiàn)有自動化系統(tǒng)和對象模型運行閉環(huán)測試，該模型使用經(jīng)認證可用于風力發(fā)電機行業(yè)的仿真工具 FLEX5 開發(fā)。FLEX5 和 alaska/Wind 對象模型均由 W2E 根據(jù)現(xiàn)場測試數(shù)據(jù)進行驗證 [10]，結(jié)果表明，這些模型準確地反映了風力發(fā)電機的動力學特性。

我們運行了 SIL 測試來驗證 MPC 的編譯代碼能夠正常運行，評估 MPC 的魯棒性，并測試 MPC 與風力發(fā)電機現(xiàn)有自動化系統(tǒng)之間的集成，其中包括監(jiān)控、安全系統(tǒng)和分析功能。

我們還運行了 SIL 測試，以評估 MPC 算法相對于常規(guī) PID 控制器的性能。結(jié)果表明，當風機受到陣風影響時， MPC 算法在保持機械負載水平不變的情況下，比 PID 控制器保持了明顯更穩(wěn)定的功率和發(fā)電機轉(zhuǎn)矩（圖 6）。這些結(jié)果證實了 MPC 具有同時處理多個控制目標的能力。

圖 6.IEC 61400 定義的極端工作陣風荷載情況下的 SIL 測試結(jié)果。藍色 = MPC 算法；紅色 = PID 控制器。（圖片來源：Dickler、Wintermeyer-Kallen、Konrad 和 Abel [5]）

為了準備 HIL 測試，我們使用 Simulink Coder 和 M-Target for Simulink 從 Bachmann MH230 PLC MPC 模型生成代碼。在 HIL 測試期間，我們使用 PC 對風機對象進行仿真，重用了我們系統(tǒng)仿真中的降階 Simulink 模型或者 alaska/Wind 或 FAST 模型。這些測試使我們能夠在風力發(fā)電機的 PLC 上驗證 MPC 算法生成的代碼，并在包括實際風機自動化系統(tǒng)的硬件設(shè)置中驗證實現(xiàn)。

現(xiàn)場測試和后續(xù)步驟

憑借進行的系統(tǒng)仿真和全面的 SIL 和 HIL 測試，我們相信控制器將在實際風機上有相當出色的表現(xiàn)。在基于仿真的開發(fā)環(huán)境中成功地運行全面測試，使我們有信心在德國羅斯托克的 W2E 風力發(fā)電機上首次測試 MPC 算法。

首次測試的結(jié)果證實了我們的預期，因為 MPC 可以在不修改控制器的情況下在部分負載區(qū)域運行風力發(fā)電機。成功的現(xiàn)場測試是我們在 RWTH 和 W2E 的研究小組的一個重要里程碑，不僅驗證了 MPC 的設(shè)計和實現(xiàn)，也驗證了 WTCF。

現(xiàn)場測試為我們在全尺寸現(xiàn)場測試實際 3 兆瓦風力發(fā)電機的 MPC 系統(tǒng)建立了概念驗證，并彌合了多兆瓦級風力發(fā)電機 MPC 系統(tǒng)的控制設(shè)計和現(xiàn)場測試之間的差距。在測試期間，我們確定了控制器設(shè)計的幾個潛在改進領(lǐng)域。我們的近期計劃包括改進 MPC 算法來提高發(fā)電能力，同時通過增強 MPC 算法的魯棒性，進一步降低風機的疲勞負載和陣風帶來的極端負載。

在未來的研究中，我們計劃基于物理建模原理和機器學習算法開發(fā)更詳細的預測模型。這項研究將為考慮與小型風電場中電網(wǎng)兼容性和多物理風力發(fā)電機影響相關(guān)的其他控制目標開辟新的可能性。

致謝

我們要感謝參與 MPC 測試活動的 W2E Wind to Energy GmbH 的所有同事，感謝他們在實際風力發(fā)電機中調(diào)試 MPC 系統(tǒng)和現(xiàn)場測試方面提供的支持。我們還要感謝 Bachmann electronic GmbH 提供的技術(shù)支持，以及為進行現(xiàn)場測試和測試準備所提供的 MH230 PLC 單元。

關(guān)于作者

Dirk Abel 是亞琛工業(yè)大學自動控制研究所的負責人。Thomas Konrad 是能源系統(tǒng)工作組的負責人。Sebastian Dickler 和 Thorben Wintermeyer-Kallen 是風能研究小組的研究人員。

審核編輯 ：李倩