一种风电整机弛豫集控系统、方法、介质及设备与流程

1.本发明涉及风电机组发电控制的技术领域，尤其是指一种风电整机弛豫集控系统、方法、介质及设备。


背景技术：

2.清洁新能源、绿色能源行业关口上面，精确、高效、通用、可移植、可拓展、易操作的风电控制器控制算法逻辑技术的开发显得尤为重要。
3.然而，传统的风力发电机组控制软件开发方案均采用codesys、.net framework、vs(c++\c)、st等软件代码的形式进行，存在较多功能弊端：
4.1、特别是针对风电整机控制的主控平台部分，不能解决仿真输出与可视化/图像化验证的问题，缺少必要的软件数字化在环仿真验证(sil)；
5.2、全程手动编写、修改、优化代码过程较为繁琐，增加时间、人力上的研发成本，无法进行信号或数据属性的实时绑定跟踪；
6.3、不能建立具有记忆功能的数据字典来表格化的管控超大量参数，及无法给予模块化的功能代码封装与保存；
7.4、难以进行控制代码逻辑的多线程多冗余控制，无法预防首次代码开放的测试风险，解决早期的调试bug；
8.5、不能实现“一键到位”的数据删除、增添、更新等编辑功能，同时风电整机的控制过程是一个多耦合交叉闭环控制，如果不把握好数据周期性延时的精准管控会带来较多数字代数环故障，导致累计偏差循环变大，不利于风力发电控制的精准性、可靠性、稳定性等。
9.因此，面临上述问题的有效解决，急需设计开发一种可规避数字代数环故障的风电整机弛豫集控系统及方法，同时对风力发电整机数字化多耦合闭环控制系统与联合仿真技术研究，具有非常重要的促进作用。


技术实现要素：

10.本发明的第一目的在于为解决现有技术中的不足，提供了一种嵌入式技术的风电整机弛豫集控系统，降低风力发电机组现场故障的调试成本，规避早期代码开放的调试bug，解决数字化仿真输出与可视化/图像化显示功能的问题，实现实时的数字化软件在环仿真验证，从而提高风电机组控制软件运行的可靠性。
11.本发明的第二目的在于提供一种嵌入式技术的风电整机弛豫集控方法。
12.本发明的第三目的在于提供一种非暂时性计算机可读介质。
13.本发明的第四目的在于提供一种计算设备。
14.本发明的第一目的通过下述技术方案实现：一种嵌入式技术的风电整机弛豫集控系统，包括：
15.数据流导入模块，用于导入风电整机的数据流；
16.周期性变量迭代模块，根据预设的采用周期对数据流进行读取和初始化更新；
[0017]1×
n高维数组功能处理模块，用于处理计算数据流中高维的1
×
n数组；
[0018]
数字代数环故障规避处理模块，用于在系统的反馈回路中添加延时模块进行代数环故障消除，同时进行故障提醒；
[0019]
滤波模块，用于对数据流进行滤波操作，消除该数据流的噪声和错误扰动；
[0020]
增量式pid算法模块，用于执行增量式pid控制。
[0021]
进一步，所述数据流的类型包括adc数据、数组和模拟量。
[0022]
进一步，所述周期性变量迭代模块执行以下操作：
[0023]
当风机停机时，数据流停止更新；当风机启机时，数据流开始更新，对每一次启机动作，查询采用周期t是否为0；若采用周期t为0，则定义第一个采用周期内的状态量为0，第一个采用周期除外的其它采用周期的状态量为1，再验证状态量是否为0；若采用周期t不为0，则直接验证状态量是否为0，若状态量为0，则将变量定义为初始值；若状态量不为0，则对变量进行迭代更新后输出。
[0024]
进一步，所述1
×
n高维数组功能处理模块执行以下操作：
[0025]
通过自定义函数模块处理高维的1
×
n数组，提前将1
×
n数组大小分配为动态内存，使用该模块的ports and data manager定义数据、输入触发器和函数调用输出，访问ports and data manager定义变量为可变或者不可变属性，选择高维数组变量的size属性并勾选variable size选项。
[0026]
进一步，所述数字代数环故障规避处理模块执行以下操作：
[0027]
基于可视化仿真工具中diagnostics对代数环的处理信息进行选择，对代数环的处理信息选择为“error”；同时，在反馈回路中添加延时模块消除代数环；其中，所述延时模块包括delay模块和memory模块。
[0028]
进一步，所述滤波模块执行以下操作：
[0029]
数据流输入到其它模块前，噪声、错误扰动比较大，此时，需要经过滤波处理，得到在规定频率点的数值，进行处理的滤波器传递函数如下：
[0030]
notch滤波器的传递函数：
[0031]
二阶低通滤波器的传递函数：
[0032]
带通滤波器的传递函数：
[0033]
其中，ξ是滤波器单元中的阻尼比，ω是滤波器的中心频率或者本征固有频率，τ是时间常数，s为复频率，k为滤波器单元中的常数增益，选取k＝1。
[0034]
进一步，所述增量式pid算法建模模块执行以下操作：
[0035]
基于可视化仿真工具求解器采用固定步长，采样周期为t＝0.01s，增量式pid公式如下：
[0036]
δp(k)＝k
p
[e(k)-e(k-1)]+kie(k)+kd[e(k)-2e(k-1)+e(k-2)]
[0037]
其中，e(k)为pid输入控制量函数，k是周期t＝0.01s离散系统下的采样点，pid系数与变桨控制角度θ之间的关系使用查表进行处理，变桨控制角度θ的取值范围为：a1《θ《a2(rad)；p系数kp的取值范围为：b1《kp《b2；i系数ki的取值范围为：c1《ki《c2；d系数kd的取值
范围为：d1《kd《d2。
[0038]
本发明的第二目的通过下述技术方案实现：一种嵌入式技术的风电整机弛豫集控方法，在执行所述方法中的步骤时，由处理器调用上述的一种嵌入式技术的风电整机弛豫集控系统中的所述数据流导入模块、所述周期性变量迭代模块、所述1
×
n高维数组功能处理模块、所述数字代数环故障规避处理模块、所述滤波模块和所述增量式pid算法模块，以实现各个模块中对应的功能。
[0039]
本发明的第三目的通过下述技术方案实现：一种存储有指令的非暂时性计算机可读介质，当所述指令由处理器执行时，执行根据上述的一种嵌入式技术的风电整机弛豫集控方法的步骤。
[0040]
本发明的第四目的通过下述技术方案实现：一种计算设备，包括处理器以及用于存储处理器可执行程序的存储器，所述处理器执行存储器存储的程序时，实现上述的一种嵌入式技术的风电整机弛豫集控方法。
[0041]
本发明与现有技术相比，具有如下优点与有益效果：
[0042]
1、本发明相比于codesys、.net framework、vs(c++\c)、st软件等开发技术，能够满足集控系统后期对发电功能、降载、仿真、数字化、控制策略开发的需要，可替代并升级传统方法中不具备的控件与仿真功能，有效处理复杂、互斥、交织、并行、输入输出相互影响等手写代码难以维护的困难；
[0043]
2、本发明能够有效处理风电集控系统不同层级、不同嵌套之间的信息交互，可快速操作的解决大量数字代数环故障问题；
[0044]
3、弥补目前风电行业主控平台控制程序中不可实现仿真输出与数字化控制与数据验证的短板；
[0045]
4、本发明中的各模块可实时实现多线程冗余控制功能，解决传统代码逻辑中自上而下的单逻辑运行的问题；
[0046]
5、本发明能够贯穿软件方案的需求、设计、实时仿真、标定与挂机测试的完整开发链，实现早期的功能验证，有效规避调试bug，促进降本提效的作用。
附图说明
[0047]
图1为周期性变量迭代模块的工作流程图。
[0048]
图2为滤波模块的工作流程图。
[0049]
图3为经过风电整机弛豫集控系统计算处理的湍流风速数据图。
[0050]
图4为经过风电整机弛豫集控系统计算处理的塔架加速度数据图。
[0051]
图5为经过风电整机弛豫集控系统计算处理的桨距角度数据图。
[0052]
图6为pid算法的系数kp的查表输出图。
[0053]
图7为pid算法的系数ki的查表输出图。
[0054]
图8为pid算法的系数kd的查表输出图。
[0055]
图9为湍流风工况下的转矩控制torque_demand、变桨控制pitch_demand一致性对比验证图。
[0056]
图10为湍流风工况下在风电整机弛豫集控系统下的转矩控制torque_demand、变桨控制一致性对比验证图。
具体实施方式
[0057]
下面结合具体实施例对本发明作进一步说明。
[0058]
实施例1
[0059]
参见图1至图2所示，为本实施例所提供的嵌入式技术的风电整机弛豫集控系统，包括：
[0060]
数据流导入模块，用于导入风电整机的数据流，所述数据流的类型包括adc数据、数组和模拟量；
[0061]
周期性变量迭代模块，根据预设的采用周期对数据流进行读取和初始化更新，执行以下操作：
[0062]
当风机停机时，数据流停止更新；当风机启机时，数据流开始更新，对每一次启机动作，查询采用周期t是否为0；若采用周期t为0，则定义第一个采用周期内的状态量为0，第一个采用周期除外的其它采用周期的状态量为1，再验证状态量是否为0；若采用周期t不为0，则直接验证状态量是否为0，若状态量为0，则将变量定义为初始值；若状态量不为0，则对变量进行迭代更新后输出。
[0063]1×
n高维数组功能处理模块，用于处理计算数据流中高维的1
×
n数组，执行以下操作：
[0064]
通过自定义函数模块处理高维的1
×
n数组，提前将1
×
n数组大小分配为动态内存，使用该模块的ports and data manager定义数据、输入触发器和函数调用输出，访问ports and data manager定义变量为可变或者不可变属性，选择高维数组变量的size属性并勾选variable size选项。
[0065]
如：数组名＝zeros(1,23)，提前分配定义个1
×
23的数组。同时，还可以使用该模块的ports and data manager定义数据、输入触发器和函数调用输出，访问ports and data manager即可定义变量为可变或者不可变等属性。高维数组变量的size属性选择可变，同时设置size为[1 23]并勾选variable size选项。
[0066]
数字代数环故障规避处理模块，用于在系统的反馈回路中添加延时模块进行代数环故障消除，同时进行故障提醒，执行以下操作：
[0067]
基于可视化仿真工具中diagnostics对代数环的处理信息进行选择，对代数环的处理信息选择为“error”；同时，在反馈回路中添加延时模块消除代数环；其中，所述延时模块包括delay模块和memory模块。
[0068]
滤波模块，用于对数据流进行滤波操作，消除该数据流的噪声和错误扰动，执行以下操作：
[0069]
数据流输入到其它模块前，噪声、错误扰动比较大，此时，需要经过滤波处理，得到在规定频率点的数值，进行处理的滤波器传递函数如下：
[0070]
notch滤波器的传递函数：
[0071]
二阶低通滤波器的传递函数：
[0072]
带通滤波器的传递函数：
[0073]
其中，ξ是滤波器单元中的阻尼比，ω是滤波器的中心频率或者本征固有频率，τ是时间常数，s为复频率，k为滤波器单元中的常数增益，选取k＝1。使用到的模块有：saturation、switch、constant、subtract、add、unit delay、logical operator等；中间封装了两个子系统，一个是负责滤波器传函分子的工况与计算，一个是负责滤波器传函分母的工况与计算；后面是系数量、输出量、差分量的实现，利于三大滤波器的功能切换、兼容与参数修改。
[0074]
增量式pid算法模块，用于执行增量式pid控制，执行以下操作：
[0075]
基于可视化仿真工具求解器采用固定步长，采样周期为t＝0.01s，增量式pid公式如下：
[0076]
δp(k)＝k
p
[e(k)-e(k-1)]+kie(k)+kd[e(k)-2e(k-1)+e(k-2)]
[0077]
其中，e(k)为pid输入控制量函数，k是周期t＝0.01s离散系统下的采样点，pid系数与变桨控制角度θ之间的关系使用查表进行处理，变桨控制角度θ的取值范围为：a1《θ《a2(rad)；p系数kp的取值范围为：b1《kp《b2；i系数ki的取值范围为：c1《ki《c2；d系数kd的取值范围为：d1《kd《d2。
[0078]
以仿真控制测试时间设置600s，采样周期0.01s，湍流风环境风速15m/s工况为例。基于bladed联合仿真平台，对湍流风速、塔架加速度、桨距角角度的输入变量进行数据流采集，采集后统一用excel文件进行管控，再采用数据流导入模块，导入到各个模块中，导入后的数字化数据分析参见图3至图5所示；
[0079]
参见图6至图8所示，为经过上述风电整机弛豫集控系统处理下的pid系数kp、ki、kd的查表输出图。
[0080]
参见图9至图10所示，基于风电整机弛豫集控系统，得出转矩控制中torque_demand、变桨控制中torque_demand的输出量，再与原来控制器底层代码下的bladed仿真输出数据进行对比，得出一致性验证效果图。经过大量不同工况下的数据应用与仿真，该风电整机弛豫集控系统的输出数据与bladed软件实际风速工况下的输出数据保持高度一致，误差率低。同时可有效解决传统技术的弊端，体现了本风电整机弛豫集控系统与方法简单易操作，高效通用，数字化功能强，同时易于后期功能的拓展与升级。
[0081]
实施例2
[0082]
本实施例公开了一种嵌入式技术的风电整机弛豫集控方法，在执行所述方法中的步骤时，由处理器调用实施例1所述的一种嵌入式技术的风电整机弛豫集控系统中的所述数据流导入模块、所述周期性变量迭代模块、所述1
×
n高维数组功能处理模块、所述数字代数环故障规避处理模块、所述滤波模块和所述增量式pid算法模块，以实现各个模块中对应的功能。
[0083]
实施例3
[0084]
本实施例公开了一种存储有指令的非暂时性计算机可读介质，当所述指令由处理器执行时，执行根据实施例2所述的一种嵌入式技术的风电整机弛豫集控方法的步骤。
[0085]
本实施例中的非暂时性计算机可读介质可以是磁盘、光盘、计算机存储器、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、u盘、移动硬盘等介质。
[0086]
实施例4
[0087]
本实施例公开了一种计算设备，包括处理器以及用于存储处理器可执行程序的存储器，所述处理器执行存储器存储的程序时，实现实施例2所述的一种嵌入式技术的风电整机弛豫集控方法。
[0088]
本实施例中所述的计算设备可以是台式电脑、笔记本电脑、智能手机、pda手持终端、平板电脑、可编程逻辑控制器(plc，programmable logic controller)、或其它具有处理器功能的终端设备。
[0089]
以上所述之实施例只为本发明之较佳实施例，并非以此限制本发明的实施范围，故凡依本发明之形状、原理所作的变化，均应涵盖在本发明的保护范围内。

技术特征：
1.一种嵌入式技术的风电整机弛豫集控系统，其特征在于，包括：数据流导入模块，用于导入风电整机的数据流；周期性变量迭代模块，根据预设的采用周期对数据流进行读取和初始化更新；1
×
n高维数组功能处理模块，用于处理计算数据流中高维的1
×
n数组；数字代数环故障规避处理模块，用于在系统的反馈回路中添加延时模块进行代数环故障消除，同时进行故障提醒；滤波模块，用于对数据流进行滤波操作，消除该数据流的噪声和错误扰动；增量式pid算法模块，用于执行增量式pid控制。2.根据权利要求1所述的一种嵌入式技术的风电整机弛豫集控系统，其特征在于：所述数据流的类型包括adc数据、数组和模拟量。3.根据权利要求1所述的一种嵌入式技术的风电整机弛豫集控系统，其特征在于，所述周期性变量迭代模块执行以下操作：当风机停机时，数据流停止更新；当风机启机时，数据流开始更新，对每一次启机动作，查询采用周期t是否为0；若采用周期t为0，则定义第一个采用周期内的状态量为0，第一个采用周期除外的其它采用周期的状态量为1，再验证状态量是否为0；若采用周期t不为0，则直接验证状态量是否为0，若状态量为0，则将变量定义为初始值；若状态量不为0，则对变量进行迭代更新后输出。4.根据权利要求1所述的一种嵌入式技术的风电整机弛豫集控系统，其特征在于，所述1
×
n高维数组功能处理模块执行以下操作：通过自定义函数模块处理高维的1
×
n数组，提前将1
×
n数组大小分配为动态内存，使用该模块的ports and data manager定义数据、输入触发器和函数调用输出，访问ports and data manager定义变量为可变或者不可变属性，选择高维数组变量的size属性并勾选variable size选项。5.根据权利要求1所述的一种嵌入式技术的风电整机弛豫集控系统，其特征在于，所述数字代数环故障规避处理模块执行以下操作：基于可视化仿真工具中diagnostics对代数环的处理信息进行选择，对代数环的处理信息选择为“error”；同时，在反馈回路中添加延时模块消除代数环；其中，所述延时模块包括delay模块和memory模块。6.根据权利要求1所述的一种嵌入式技术的风电整机弛豫集控系统，其特征在于，所述滤波模块执行以下操作：数据流输入到其它模块前，噪声、错误扰动比较大，此时，需要经过滤波处理，得到在规定频率点的数值，进行处理的滤波器传递函数如下：notch滤波器的传递函数：二阶低通滤波器的传递函数：带通滤波器的传递函数：其中，ξ是滤波器单元中的阻尼比，ω是滤波器的中心频率或者本征固有频率，τ是时间
常数，s为复频率，k为滤波器单元中的常数增益，选取k＝1。7.根据权利要求1所述的一种嵌入式技术的风电整机弛豫集控系统，其特征在于，所述增量式pid算法建模模块执行以下操作：基于仿可视化仿真工具求解器采用固定步长，采样周期为t＝0.01s，增量式pid公式如下：δp(k)＝k
p
[e(k)-e(k-1)]+k
i
e(k)+k
d
[e(k)-2e(k-1)+e(k-2)]其中，e(k)为pid输入控制量函数，k是周期t＝0.01s离散系统下的采样点，pid系数与变桨控制角度θ之间的关系使用查表进行处理，变桨控制角度θ的取值范围为：a1<θ<a2(rad)；p系数kp的取值范围为：b1<kp<b2；i系数ki的取值范围为：c1<ki<c2；d系数kd的取值范围为：d1<kd<d2。8.一种嵌入式技术的风电整机弛豫集控方法，其特征在于，在执行所述方法中的步骤时，由处理器调用权利要求1-7任意一项所述的一种嵌入式技术的风电整机弛豫集控系统中的所述数据流导入模块、所述周期性变量迭代模块、所述1
×
n高维数组功能处理模块、所述数字代数环故障规避处理模块、所述滤波模块和所述增量式pid算法模块，以实现各个模块中对应的功能。9.一种存储有指令的非暂时性计算机可读介质，其特征在于，当所述指令由处理器执行时，执行根据权利要求8所述的一种嵌入式技术的风电整机弛豫集控方法的步骤。10.一种计算设备，包括处理器以及用于存储处理器可执行程序的存储器，其特征在于，所述处理器执行存储器存储的程序时，实现权利要求8所述的一种嵌入式技术的风电整机弛豫集控方法。

技术总结
本发明公开了一种风电整机弛豫集控系统、方法、介质及设备，该系统包括数据流导入模块、周期性变量迭代模块、1


技术研发人员：胡广 朱聪斌 黄国燕 冯峨宁 欧柳利 黄智强 刘翔宇
受保护的技术使用者：明阳智慧能源集团股份公司
技术研发日：2023.04.06
技术公布日：2023/8/5