姚万业， 贾昭鑫， 黄 璞

(华北电力大学 控制与计算机工程学院，河北 保定 071003)

0 引言

在高于切入风速低于额定风速段，为了最大限度地捕获风能，风电机组采用最大功率点追踪(MPPT)控制。其控制的目标在于，随着风速的变化，通过调节风轮的转速使其始终运行在最优转速即最佳叶尖速比，进而最大效率地捕获风能。

常见的最大功率追踪方法有最佳叶尖速比、功率信号反馈法、爬山搜索法等[1,2]。凭借不依靠风机特性，不需要测量风速的优势，爬山搜索法是目前无传感器最大功率追踪中的研究主流。文献[3]提出了一种追踪区间优化的最大功率点追踪策略，通过径向基神经网络优化了爬山搜索法的搜索区间。文献[4]提出了一种变步长爬山法控制策略，通过变步长保证了爬山法的追踪性能和追踪速度。文献[5]将停止机制引入爬山搜索法，通过舍弃部分低风速段的功率避免了爬山搜索法的错误搜索方向。上述改进爬山搜索法的研究工作，突破了传统方法忽略跟踪动态的局限性，取得了不错的效果。但是，由于在优化问题上很难找到彼此之间的量化关系，在风速条件多变的情况下，改进的爬山搜索法很容易出现搜索方向出错，步长过大或过小的问题。

为此，考虑到风速对功率追踪的影响，本文引入粗略风速估计[6]，提出了一种基于风速预测的改进爬山法最大功率追踪策略。首先利用LSTM神经网络模型，合理利用包括风速在内的温度、气压、空气密度等风机多传感器融合信息，对风速进行了粗略的估计，实现了较为准确的风速下一步预测，然后利用预测的下一步风速优化改进了现有的最大功率追踪爬山搜索法。……