王凯鹏
都兰绿扬都能源有限公司
摘要：随着经济的快速发展，对于能源需求不断提升，传统的以火力发电方式对环境产生严重污染，虽然能够在短时间内看到经济效益，但是不利于社会实现健康、长久的发展。所以处理好经济发展与能源保护、环境保护之间关系，是当今世界发展中面临的重要难题，利用风能发电新型模式能够协调环境保护与经济发展关系，减轻二者矛盾，能够实现能源的良好可循环利用，确保经济实现稳健发展。因此风力发电技术对于人类社会的可持续发展具有十分重要的现实性意义，但在风力发电技术之中，存在一定问题。
关键词：风力发电；控制技术；新进展；探究
引言
风力发电特点明显，一是“靠资源吃饭”，风资源转瞬即逝，因此要求我们必须狠抓设备健康管理，保证在不限电、有风的情况下最大可能的增发电量；二是风场电站分散区域各地，造成人员分散管控标准不一且难度较大。针对这些难题，大数据管控系统在公司管理中能起到什么样的作用、怎样利用风电大数据管控技术，值得从业人员思考。
1风力发电简述
风力发电的主要原理就是通过风力来带动风车叶片转动，然后再借助于增速机提升其转动速度，以此来为发电机运行提供足够的动力，促使发电机发电。根据风车技术研究发现，在风速为每秒钟三公尺的微风条件下，风力发电便可以实现。在当今，风力发电已经逐渐成为了一种主流的发电方式，因为这种发电方式既不会面临燃料问题，也不会对环境造成污染，所以其应用前景十分光明。
2风力发电控制系统类型
风力发电控制系统主要有双馈风力发电控制系统和直驱式永磁风力发电控制系统两种类型。双馈风力发电控制系统是风力发电领域中常见且应用最为广泛的系统形式，具有较高的性价比，主要应用于大功率风力发电机中。随着信息化、智能化技术的不断发展，双馈风力发电控制系统也逐渐采用新的控制技术，如恒速恒频控制技术和变速恒频控制技术等，在对发电机进行控制时，普遍采用无功优化控制、矢量控制、直接功率控制以及滑模控制四种方法。直驱式永磁风力发电控制系统在不断发展过程中逐渐应用于小功率风力发电机中，其简单、有效且成本投入较少，主要采用扰动观察控制、转矩反馈控制、最佳叶尖速比控制以及功率反馈控制四种方法。
3风力发电控制技术
3.1电子电力变换器控制技术
电子电力变换器在当今的风力发电系统中的适用面非常广泛，尤其是在大型的风力发电系统中，电子电力变换器更是得到了广泛应用。通过电子电力变换器进行风能的转换过程中，其能量转换率非常高，且完成转换后，能量传输效率也非常高。通过电子电力转换器的应用，可使风力发电系统中的无功功率得到有效补偿，在提升系统运行效率的基础上实现其功率范围的进一步扩大。且该设备的购买和应用都不需要太高的成本，具有非常合理的经济性。具体应用中，应通过矢量控制的方式对有功功率和无功功率进行解耦处理，让无功功率有效满足系统的实际运行需求。另外，通过全功率SPWM矢量控制变流器的合理应用，也可以让风力发电系统中的无功输出量达到最大，通过合理设置直流环节，可实现风力发电系统中有功功率以及无功功率的有效调节。
3.2大数据分析技术的应用
智能感知技术虽然很好，但由于需要额外增加传感器，成本偏高且扩展性不足。风力发电机的数据量是相当可观，一个大型风力发电公司管理的风机高达上千台甚至近万台，年产生的数据量都在TB级别以上。
因此如果不增加额外的传感设备，可利用新的大数据技术，采集和存储机组数据，通过机器学习、深度学习和自然语言处理等人工智能分析方法，对风机生产运行数据进行挖掘分析，实现设备运行低效分析、亚健康问题预警分析，预防风电机组的关键部件问题，减少电量损失，必将成为了新的热门应用方向。
3.3风电功率预测的技术
当前，在风电功率预测方面主要有两种方法，分别为物理预测法和统计预测法。对于物理预测法来说，在实际预测的过程中，主要以天气预报预测为主，将相关的气象数据总结出来，尤其是风速和风向的相关数据，还有就是地理的实地信息，建立数学模型进行计算，将风速和风向预测数据得出来。这其中还可以根据微气象学理论对结果进行充分利用，来预测风电功率。这种物理预测法最主要的优点就是在其历史数据的处理上省去了应用环节，其缺点则是需要对天气预报数据还有风场地理信息两项数据信息进行输入，同时还会涉及到较多的其他相关数据参数。与此同时，天气预报发布难以确保及时性，存在一定间隔，这种方法对于短期的预测可进行运用，但是在长期预测和风险评估上存在局限性[3]。对于统计预测法来说，就是统计实际发电量的历史数据，建立风力发电量与功率这两者的关系，并对数据统计这种方法充分进行运用，将这种关系作为一种模型，对后的风力发电量展开相应的预测，而人工智能预测方法是最成熟和高效的一种方法。
3.4人工神经网络技术的应用
人工神经网络技术属于一种具有先进性的信息技术，发展速度较快，在智能领域已经获取良好的成就。该技术是一种非线性、自适应数据处理技术，在风力发电控制系统中具有良好的应用价值。人工神经网络有较强的抗逆能力，在容错能力方面相比其他技术有着良好的表现。对风力发电而言，风速、风向并不是固定不变的，要想精准预测风速，就需要关注预测方式的应用，进一步明确预测周期和地点。在具体实践中，可以利用时间序列神经网络精准预测风速，还可以将人工神经网络技术和小波分析技术结合起来，预测风力发电的功率。可以在应用人工神经网络技术之前，借助神经网络估计风速，这样能够提升系统动态化性能，就算后期风速发生巨大变化，系统依旧能够实现稳定性运行。同时，在对风力发电机组进行研究的过程中，变桨距系统也是一个关键的系统，可以借助神经网络控制变桨距，进而解决变桨距参数的时变性和滞后性的问题。另外，为了获取更多的风能，还可以重新构建发电机组预测模型，将其应用于人工神经网络控制器，利用BP算法、遗传算法等，提出新的神经网络算法。该算法可以应用于风力发电机组故障诊断，能够解决故障问题，提升系统运行的稳定性。
4风力发电控制技术的新进展
随着当今社会经济与科学技术的协同发展，在风力发电系统的应用过程中，信息化和自动化等技术得到了合理应用。其中，最关键的一项技术就是PLC自动化控制技术。将该技术应用到风力发电系统的控制过程中，通过各种传感器来进行各个设备运行参数的采集，通过实际参数和系统数据库中原始参数的对比来及时发现异常，并使其得到及时有效的处理。图1为风力发电控制系统示意图。PLC自动控制技术的应用不仅可以及时发现和调整风力发电系统的异常情况，避免运行故障发生，同时也可以让风力发电系统的运行实现自动化、智能化的远程监督控制，赋予整个风力发电机组思想和灵魂。这对于风力发电系统运行效果的提升及其信息化、智能化的发展都将有着非常深远的意义。
结束语
总之，以上通过介绍风力发电控制系统类型以及几种信息化控制技术在风力发电控制系统中的应用，对风力发电控制以及信息化控制技术有了清楚的认知。虽然现阶段风力发电控系统尚处于建模阶段，但是已取得了一定的发展成果，有着良好的发展前景，探究自适应技术、专家评估技术、人工神经网络技术、最优控制智能技术以及微分几何技术在风力发电控制系统中的应用具有重要的现实意义。
参考文献
[1]宋国庆.风力发电及其控制技术新进展探究[J].科技资讯,2020,18(31):55-57.
[2]邱欢.关于新能源发电风力发电技术的探讨[J].科技风,2020(25):135-136.
[3]喻挺.风力发电及其控制技术新进展探究[J].智能城市,2018,4(18):166-167.