聶方正 王瑞良 楊翀 閔睿

（1.浙江運(yùn)達(dá)風(fēng)電股份有限公司，浙江杭州 310012；2.浙江省風(fēng)力發(fā)電技術(shù)重點(diǎn)實(shí)驗(yàn)室，浙江杭州 310012）

0 引言

風(fēng)能是一種可再生的清潔能源，在當(dāng)前全世界能源危機(jī)逐漸凸顯的情況下，有必要采用合理的方式進(jìn)行風(fēng)能資源的利用。我國(guó)地理?xiàng)l件復(fù)雜，要想充分發(fā)揮風(fēng)能的作用，需要借助先進(jìn)的技術(shù)手段[1]。隨著機(jī)械學(xué)和力學(xué)等學(xué)科的不斷發(fā)展，風(fēng)力發(fā)電技術(shù)得到進(jìn)一步的升級(jí)轉(zhuǎn)化。作為新能源主力軍之一，風(fēng)電行業(yè)在2022年仍然保持著一路高歌的態(tài)勢(shì)。國(guó)家能源局日前發(fā)布數(shù)據(jù)顯示，我國(guó)風(fēng)電并網(wǎng)裝機(jī)容量突破3億kW，較2016年底實(shí)現(xiàn)翻番，是2020年底歐盟風(fēng)電總裝機(jī)的1.4倍、美國(guó)的2.6倍，已連續(xù)12年穩(wěn)居全球第一。

控制系統(tǒng)對(duì)于風(fēng)力發(fā)電機(jī)組的安全、可靠運(yùn)行甚至是整個(gè)風(fēng)廠的正常運(yùn)轉(zhuǎn)都具有著十分重要的作用[2]，但是隨著風(fēng)電技術(shù)應(yīng)用的推廣和機(jī)組功率的增大，出現(xiàn)了許多控制難題，如時(shí)變性、非線性、多干擾性、耦合性等。為此，現(xiàn)代科學(xué)家將智能控制方法引入了風(fēng)電機(jī)組控制系統(tǒng)，不斷優(yōu)化風(fēng)電機(jī)組控制系統(tǒng)的動(dòng)態(tài)特性和控制效果[3]。在控制技術(shù)逐漸走向成熟的過(guò)程中，對(duì)控制算法的測(cè)試是保證該過(guò)程穩(wěn)步前進(jìn)的基礎(chǔ)。隨著風(fēng)力發(fā)電技術(shù)的發(fā)展，全面完善的控制算法測(cè)試與評(píng)測(cè)技術(shù)的重要性也日益凸顯。

1 風(fēng)力發(fā)電控制算法

1.1 風(fēng)電機(jī)組模型

風(fēng)電機(jī)組控制系統(tǒng)的設(shè)計(jì)和分析方法都涵蓋在經(jīng)典控制理論范圍內(nèi)，需要在控制系統(tǒng)設(shè)計(jì)前對(duì)風(fēng)電機(jī)組動(dòng)態(tài)模型進(jìn)行線性化。線性化模型至少包含傳動(dòng)鏈的動(dòng)態(tài)特性、塔架的前后振動(dòng)、功率或轉(zhuǎn)速響應(yīng)、變槳執(zhí)行機(jī)構(gòu)的響應(yīng)等[4]，如圖1所示。

圖1 風(fēng)電機(jī)組模型示意圖

控制算法主要對(duì)轉(zhuǎn)矩和槳距進(jìn)行控制。轉(zhuǎn)矩控制和槳距控制的基本方法都是PI控制，但不同的是，轉(zhuǎn)矩PI控制器的Kp和Ki是固定值，而變槳PI控制器的Kp則是隨槳距角β變化的，其形式為：

式中：K為濾波器；增益G為槳距角β的非線性函數(shù)，在控制上一般采用查表法實(shí)現(xiàn)；s為轉(zhuǎn)速；Ti為時(shí)間常數(shù)。

風(fēng)力發(fā)電機(jī)組通過(guò)控制轉(zhuǎn)矩來(lái)控制轉(zhuǎn)速，通過(guò)控制槳距來(lái)控制功率。為了維持控制系統(tǒng)的穩(wěn)定，在系統(tǒng)中加入了反饋校正系統(tǒng)。

一個(gè)完整的風(fēng)電機(jī)組控制系統(tǒng)除了要保證高發(fā)電效率外，還應(yīng)避免過(guò)多的變槳?jiǎng)幼骱桶l(fā)電機(jī)轉(zhuǎn)矩調(diào)節(jié)，抑制傳動(dòng)鏈和塔架振動(dòng)，避免輪轂、葉片以及塔架等的負(fù)載過(guò)大。因此，設(shè)計(jì)控制算法時(shí)必須考慮這些影響。

1.2 常用的控制算法

1.2.1 塔架振動(dòng)控制

塔架前后振動(dòng)控制用于增加塔架前后振動(dòng)模態(tài)阻尼，減小塔架前后振動(dòng)，從而減小塔架載荷。塔架前后振動(dòng)控制的實(shí)現(xiàn)過(guò)程包括：塔架前后振動(dòng)加速度測(cè)量值通過(guò)濾波、比例控制器后得到輸出，輸出值為變槳補(bǔ)償量，施加到變槳控制的槳距角給定值。

塔架左右振動(dòng)控制用于增加塔架左右振動(dòng)模態(tài)阻尼，減小塔架左右振動(dòng)，從而減小塔架載荷。塔架左右振動(dòng)控制的實(shí)現(xiàn)過(guò)程包括：塔架左右振動(dòng)加速度測(cè)量值經(jīng)過(guò)積分、比例控制器后得到輸出，輸出的量為補(bǔ)償量，施加到扭矩控制的輸出值。

1.2.2 暴風(fēng)控制

暴風(fēng)控制為風(fēng)力發(fā)電機(jī)組軟切出控制。截至目前，風(fēng)電機(jī)型最常見(jiàn)的切出風(fēng)速設(shè)計(jì)為18～20 m/s，根據(jù)不同類型的項(xiàng)目中實(shí)際的風(fēng)資源情況進(jìn)行統(tǒng)計(jì)，如果經(jīng)評(píng)估確定該風(fēng)速段的發(fā)電收益接近最大值（20～25 m/s風(fēng)速段），那么可進(jìn)行軟切出控制。軟切出控制在原本停機(jī)的風(fēng)速下保持正常發(fā)電運(yùn)行，在大風(fēng)況地區(qū)能明顯增加發(fā)電量。

1.2.3 雷達(dá)前饋控制

在機(jī)艙上方安裝激光測(cè)風(fēng)雷達(dá)，通過(guò)雷達(dá)光束測(cè)得前方來(lái)風(fēng)的風(fēng)速以及風(fēng)向信息，經(jīng)過(guò)前饋計(jì)算，提前進(jìn)行變槳，極大地減小了極限載荷。激光雷達(dá)還可識(shí)別陣風(fēng)，不僅避免了極端載荷，還可以保證機(jī)組安全。

1.2.4 雙?？刂?/p>

低風(fēng)速地區(qū)，不僅發(fā)電量受影響，還會(huì)頻繁切出停機(jī)，針對(duì)這種情況，通過(guò)控制變流器運(yùn)行模式，將脫網(wǎng)轉(zhuǎn)速減小，延長(zhǎng)發(fā)電曲線，在小風(fēng)情況下能夠啟機(jī)發(fā)電，增加發(fā)電量。

2 控制算法測(cè)試方法

大功率、長(zhǎng)葉片技術(shù)的快速發(fā)展，給風(fēng)力發(fā)電機(jī)組控制系統(tǒng)提出了新的要求和挑戰(zhàn)，為了保證發(fā)電機(jī)組安全可靠運(yùn)行，對(duì)控制算法的設(shè)計(jì)和測(cè)試尤為重要。本節(jié)對(duì)控制算法的測(cè)試方法進(jìn)行詳細(xì)說(shuō)明，在實(shí)際運(yùn)用中，采用傳統(tǒng)測(cè)試方法結(jié)合新的測(cè)試方法，更能發(fā)現(xiàn)算法中潛在的問(wèn)題。

2.1 傳統(tǒng)測(cè)試方法

現(xiàn)有的算法測(cè)試方法，基本都是依托Bladed仿真軟件進(jìn)行算法的仿真測(cè)試。半物理仿真測(cè)試中，采用真實(shí)的控制器，變流器和發(fā)電機(jī)部分采用虛擬環(huán)境代替，將控制算法封裝成算法庫(kù)，在控制器中周期調(diào)用?？刂扑惴ㄋ杓?lì)由三部分組成，如圖2所示。

圖2 傳統(tǒng)控制算法測(cè)試示意圖

第一部分由Bladed模型提供，模型提供風(fēng)速的設(shè)定、模態(tài)分析相關(guān)參數(shù)、功率傳動(dòng)鏈等相關(guān)信息。

第二部分由Hardware test plan提供，在仿真開(kāi)始之前，可以在plan文件中對(duì)單個(gè)或多個(gè)變量設(shè)置值，通過(guò)對(duì)時(shí)序的控制，在不同時(shí)刻對(duì)算法輸入不同的值，從而收集算法的輸出進(jìn)行分析。

第三部分由HMI軟件提供，通過(guò)變量的ADS地址映射，將所需改變的變量開(kāi)放到HMI軟件中，在仿真過(guò)程中人工修改HMI上對(duì)應(yīng)的值，可以仿真出不同的工況。

該方法類似第二種方法，優(yōu)點(diǎn)在于操作方便、使用簡(jiǎn)單；缺點(diǎn)是不能控制在某個(gè)時(shí)刻精準(zhǔn)觸發(fā)，在對(duì)時(shí)序要求不高的情況下使用較多。

2.2 基于真實(shí)數(shù)據(jù)的測(cè)試方法

在傳統(tǒng)的測(cè)試方法中，從風(fēng)速到控制算法變量的指定都是人為構(gòu)造的數(shù)據(jù)。人為構(gòu)造的數(shù)據(jù)在測(cè)試用例覆蓋率方面具有局限性，和實(shí)際風(fēng)場(chǎng)收集的數(shù)據(jù)存在較大的差異。因此，在對(duì)算法測(cè)試的用例中，可以選用現(xiàn)場(chǎng)實(shí)際收集（通過(guò)SCADA或Matlab）的數(shù)據(jù)經(jīng)過(guò)處理后作為測(cè)試用例，再輸入到算法中運(yùn)行，運(yùn)行結(jié)束后分析算法輸出結(jié)果，如圖3所示。

圖3 基于真實(shí)數(shù)據(jù)的測(cè)試方法示意圖

現(xiàn)場(chǎng)數(shù)據(jù)選用標(biāo)準(zhǔn)包含兩方面：一方面，需涵蓋各種地形的風(fēng)場(chǎng)數(shù)據(jù)；另一方面，收集現(xiàn)場(chǎng)故障數(shù)據(jù)，將故障分類并在每類故障中選擇代表性數(shù)據(jù)作為算法輸入。

現(xiàn)場(chǎng)真實(shí)數(shù)據(jù)隨著故障的收集會(huì)不斷擴(kuò)增，使用Python腳本對(duì)數(shù)據(jù)集進(jìn)行統(tǒng)一管理，并按照一定的順序輸入到算法中，節(jié)省了仿真的時(shí)間，大幅提高了測(cè)試效率。

2.3 基于Google test框架的測(cè)試方法

Google test是測(cè)試技術(shù)團(tuán)隊(duì)根據(jù)谷歌的特定要求和約束條件開(kāi)發(fā)的測(cè)試框架，同時(shí)支持Linux、Windows以及Mac三種操作系統(tǒng)環(huán)境，主要針對(duì)C++代碼，不僅支持單元測(cè)試，還支持生成測(cè)試報(bào)告。

在控制算法測(cè)試中，2.1、2.2小節(jié)中提及的方法依然是基于Bladed仿真環(huán)境進(jìn)行的。但受環(huán)境約束或基于某些算法模塊特定的需求，可以脫離Bladed環(huán)境進(jìn)行測(cè)試。例如，在仿真測(cè)試中出現(xiàn)了內(nèi)存占用過(guò)高的問(wèn)題，通過(guò)走讀代碼無(wú)法定位問(wèn)題語(yǔ)句，則可以將采集到的輸入數(shù)據(jù)保存至文本，在Google test中將文本作為算法模塊的輸入，并統(tǒng)計(jì)模塊中每個(gè)變量的變化情況以及函數(shù)的耗時(shí)，進(jìn)而分析出根本原因。

基于Google test框架的測(cè)試方法需要在控制算法源代碼中引入測(cè)試框架頭文件，再將待測(cè)的算法模塊以及輸入數(shù)據(jù)作為測(cè)試用例。例如，DSP算法中需要測(cè)試將采集到的轉(zhuǎn)速數(shù)據(jù)寫入CSV文件功能以及該功能消耗的時(shí)間，將功能函數(shù)返回值以及期望值作為參數(shù)傳入EXPECT_EQ函數(shù)，進(jìn)行結(jié)果對(duì)比，然后在外部調(diào)用框架中testing類的InitGoogleTest函數(shù)，返回RUN_ALL_TESTS函數(shù)即可。運(yùn)行程序可得到測(cè)試結(jié)果，由測(cè)試結(jié)果可知DSP算法中所測(cè)函數(shù)寫入功能是否正確，且耗時(shí)具體到微秒。通過(guò)該類測(cè)試方法，可以很容易地測(cè)得算法中更為詳細(xì)的運(yùn)行信息，從而彌補(bǔ)其他測(cè)試方法的缺陷。

3 測(cè)試結(jié)果評(píng)測(cè)

風(fēng)力發(fā)電控制算法的仿真結(jié)束后，需要對(duì)結(jié)果進(jìn)行評(píng)測(cè)，以判斷算法是否符合設(shè)計(jì)需求。

3.1 功能驗(yàn)證

首先對(duì)變量進(jìn)行采集，在整個(gè)測(cè)試過(guò)程中需要關(guān)注的變量分為兩類，如表1所示：一類是固定的重要變量，貫穿所有測(cè)試內(nèi)容；另一類是針對(duì)性變量，即針對(duì)特定的內(nèi)容所需要關(guān)注的變量。

表1 控制算法采集相關(guān)變量

另外，變量采集后，需要對(duì)變量的時(shí)序進(jìn)行分析，從而確定結(jié)果是否正確。對(duì)測(cè)試結(jié)果有如下兩個(gè)參考標(biāo)準(zhǔn)：

（1）變量的變化符合算法設(shè)計(jì)。例如，驗(yàn)證停機(jī)工況時(shí)，需要查看停機(jī)后功率設(shè)定值是否按照設(shè)計(jì)的速率下拉，脫網(wǎng)指令是否在滿足條件時(shí)進(jìn)行下發(fā)，收槳速率是否按照設(shè)計(jì)進(jìn)行，同時(shí)需要核對(duì)狀態(tài)機(jī)的運(yùn)行時(shí)間和順序是否正常。以上相關(guān)變量需同時(shí)符合設(shè)計(jì)。

（2）變量的變化收斂。在測(cè)試過(guò)程中，固定的重要變量若出現(xiàn)持續(xù)性或間歇性發(fā)散、振蕩現(xiàn)象，則需要對(duì)算法邏輯以及參數(shù)進(jìn)行排查。更新測(cè)試后，保證變量在運(yùn)行穩(wěn)定的情況下變化也趨于穩(wěn)定，說(shuō)明滿足需求。

3.2 性能驗(yàn)證

性能測(cè)試貫穿啟機(jī)到停機(jī)所有過(guò)程，可以驗(yàn)證因內(nèi)存泄漏或通道過(guò)載造成的CPU占用率過(guò)高的問(wèn)題。性能測(cè)試可以通過(guò)觀察內(nèi)存的實(shí)時(shí)占用百分比從而判斷是否存在問(wèn)題，如圖4所示。

圖4 控制算法性能驗(yàn)證示意圖

正常情況下，內(nèi)存使用率在20%～40%，持續(xù)超過(guò)50%則認(rèn)為內(nèi)存使用異常。此時(shí)，可以使用Google test測(cè)試方法，根據(jù)算法的函數(shù)、變量變化和耗時(shí)進(jìn)行排查。

4 結(jié)語(yǔ)

本文針對(duì)風(fēng)力發(fā)電控制算法提出了兩種新的測(cè)試方法——基于現(xiàn)場(chǎng)真實(shí)數(shù)據(jù)測(cè)試以及使用Google test框架測(cè)試，這不僅彌補(bǔ)了傳統(tǒng)測(cè)試方法的不足，解決了測(cè)試覆蓋率低的問(wèn)題，還大幅提高了算法測(cè)試的效率。

本文通過(guò)對(duì)風(fēng)力發(fā)電控制算法測(cè)試結(jié)果從功能和性能兩個(gè)維度進(jìn)行評(píng)測(cè)，驗(yàn)證了算法的正確性和穩(wěn)定性，保證了整個(gè)測(cè)試流程的閉環(huán)。