蔡南

（国网黑龙江省电力有限公司大庆供电公司，大庆 163458）

引言

随着可再生能源使用量的增加，风力发电技术得到了迅速发展[1,2]。风力发电技术的进步，使设计强大的控制系统成为必要。因此，为了改善风力发电机的性能，使其在发电的同时更加可靠，需要良好的电力调节，减少风力发电机各部分的负荷[3]。

近年来的研究表明，控制系统在现代风能转换系统（Wind energy conversion systems, WECS）中起着非常重要的作用。因此，为了提高风力发电的质量和数量，目前开发了各种控制策略，如PI调节器、LQ[4]中的最优控制和LQG形式[3,5]。这些以桨距角为控制输入的控制策略在转子调速方面取得了令人满意的效果，但功率调节性能较差。可以通过调节发电机转矩调节功率[6,7]，但会产生很大的转子速度变化，这对风力涡轮机结构来说是不可取的。

模型预测控制（Model predictive control, MPC）等先进的控制理论已在多个研究中应用于风力发电机组的控制[8]。MPC的实用性主要是由于如今的流程需要在严格的性能规范下运行，并且需要满足越来越多的约束。只有在控制器设计中明确考虑工艺约束时，才能满足这些要求。MPC由于其强大的约束处理能力，是满足这些需求的一种可能的解决方案。本文还利用MPC问题的LMIs公式来获得最优的控制[9]。

目前，各学者研究了不同的控制算法，并将其应用于风能转换系统[10,11]。然而，在大多数情况下，这些技术使用的线性控制器仅在工作点附近有效，并不涵盖WECS非线性运行范围。为了提高WECS的有效域并考虑其非线性行为，可以使用Takagi-Sugeno（T-S）模糊建模[12-14]。……