基于智能算法的风电机组控制参数寻优方法与系统与流程

1.本发明涉及风电机组控制的技术领域，尤其是指一种基于智能算法的风电机组控制参数寻优方法与系统。

背景技术：

2.风力发电作为最主要的绿清洁能源，将风能转换为电能的同时，不消耗化石能源、不产生温室气体，因此在全球范围内得到了快速的发展。在风能转换为电能的过程中，风电机组的控制显得尤为重要。风电机组在能量转换过程中的风能利用效率、电能的稳定输出、风轮转速的稳定和风电机组的载荷都由控制决定。目前，风电机组的控制参数为工程技术人员基于试验方法整定得到，如此与工程技术人员的经验和理论水平相关，难以得到最优的控制参数。

技术实现要素：

3.本发明的第一目的在于克服现有技术的缺点与不足，提供一种基于智能算法的风电机组控制参数寻优方法，通过设置目标函数、参数空间、寻优可行域和初始解集合，以智能的优化方法迭代得到最优位置点，即最优控制参数。
4.本发明的第二目的在于提供一种基于智能算法的风电机组控制参数寻优系统。
5.本发明的第一目的通过下述技术方案实现：基于智能算法的风电机组控制参数寻优方法，包括：
6.风电机组线性化：通过对风电机组的线性化处理，得到状态空间方程，即风电机组的线性化模型，该线性化模型包含输入向量、输出向量、状态向量和系数矩阵；
7.参数寻优的目标函数：将风电机组的线性化模型和变桨控制器构成闭环系统，以阶跃风速作为输入，得到闭环系统的叶轮转速的输出响应和机舱前后方向位移输出响应；其中，定义目标函数为：叶轮转速绝对偏差积分与机舱前后方向最大位移加权求和；
8.参数空间的可行域：控制参数的寻优是在参数空间内寻最优控制参数，参数空间需要设置一个搜寻范围，即参数空间的可行域；
9.参数寻优的智能优化算法：控制参数的寻优是在参数空间的可行域内寻最优解，通过智能优化算法能够快速寻到最优解在参数空间的位置。
10.进一步，所述风电机组的线性化模型表达式如下：
[0011][0012]
在上式中，表示在t时刻的输入向量；表示在t时刻的输出变量；表示在t时刻的状态向量；表示在t时刻的状态向量变化率；a、b、c、d为系数矩阵；
[0013]
输入向量应至少包含三个变量，即变桨角度指令、风轮平均风速和发电机扭矩指令，具体表达式如下：
[0014][0015]
在上式中，表示变桨角度指令；表示风轮平均风速；表示发电机扭矩指令；输入向量为列向量，表达式中上角标t表示转置，将行向量转为列向量；
[0016]
输出向量应至少包含两个变量，即风轮转速和机舱前后方向位移，具体表达式如下：
[0017][0018]
在上式中，ωr表示风轮转速；x
fa
表示机舱前后方向位移；输出向量为列向量，表达式中上角标t表示转置，将行向量转为列向量；
[0019]
状态向量应至少包含叶片的低阶模态、塔架的低阶模态、传动链的低阶模态、风轮的转速和风轮转速变化率，具体表达式如下：
[0020][0021]
在上式中，表示叶片1的模态向量；表示叶片2的模态向量；表示叶片3的模态向量；表示塔架的模态向量；ωr表示风轮转速；表示风轮转速变化率；状态向量为列向量，表达式中上角标t表示转置，将行向量转为列向量。
[0022]
进一步，所述叶片1的模态向量表达式如下：
[0023][0024]
在上式中，表示叶片1的一阶挥舞模态位移；表示叶片1的一阶摆振模态位移；表示叶片1的一阶挥舞模态速度；表示叶片1的一阶摆振模态速度；表示叶片1的二阶挥舞模态位移；表示叶片1的二阶摆振模态位移；表示叶片1的二阶挥舞模态速度；表示叶片1的二阶摆振模态速度；
[0025]
所述叶片2的模态向量表达式如下：
[0026][0027]
在上式中，表示叶片2的一阶挥舞模态位移；表示叶片2的一阶摆振模态位移；表示叶片2的一阶挥舞模态速度；表示叶片2的一阶摆振模态速度；表示叶片2的二阶挥舞模态位移；表示叶片2的二阶摆振模态位移；表示叶片2的二阶挥舞模态速度；表示叶片2的二阶摆振模态速度；
[0028]
所述叶片3的模态向量表达式如下：
[0029][0030]
在上式中，表示叶片3的一阶挥舞模态位移；表示叶片3的一阶摆振模态位移；表示叶片3的一阶挥舞模态速度；表示叶片3的一阶摆振模态速度；表示叶片
3的二阶挥舞模态位移；表示叶片3的二阶摆振模态位移；表示叶片3的二阶挥舞模态速度；表示叶片3的二阶摆振模态速度；
[0031]
所述塔架的模态向量表达式如下：
[0032][0033]
在上式中，表示塔架一阶侧向模态位移；表示塔架一阶前后模态位移；表示塔架一阶侧向模态速度；表示塔架一阶前后模态速度；表示塔架二阶侧向模态位移；表示塔架二阶前后模态位移；表示塔架二阶侧向模态速度；表示塔架二阶前后模态速度。
[0034]
进一步，系数矩阵a、b、c、d能够通过风电机组建模软件线性化模块输出得到，由于系数矩阵与平均风速相关，需要在额定风速到切出风速区间选取若干个基准点，在每个基准点分别输出系数矩阵。
[0035]
进一步，所述闭环系统的变桨控制器采用比例-积分控制，其传递函数如下：
[0036][0037]
在上式中，c(s)表示控制器传递函数；k
p
表示变桨控制器比例增益；ti表示变桨控制器积分常数；s表示拉普拉斯变化后复平面的自变量；
[0038]
目标函数的具体表达式如下：
[0039][0040]
在上式中，f([k
p
,ti])表示目标函数，是k
p
和ti函数；k1表示转速加权系数；ωr表示风轮转速；表示风轮转速设定值；表示风轮转速的绝对偏差；表示积分计算；t1表示积分最大时间区间；k2表示机舱位移加权系数；σ
xfa
表示机舱最大绝对位移；其中，机舱最大绝对位移有如下表达式：
[0041][0042]
在上式中，x
fa
表示机舱前后方向位移；|
·
|表示取绝对值；表示在时间区间0≤t≤t2内取最大值；t2表示机舱位移最大时间区间。
[0043]
进一步，所述参数空间为一个二维空间，在参数空间的每一个点构成一组控制参数，即变桨控制比例增益和变桨控制积分常数，参数空间的每个点表示为：
[0044]
sj＝[k
p
,ti]
[0045]
在上式中，sj表示在参数空间的一个点，为一组控制参数；k
p
表示变桨控制器比例增益；ti表示变桨控制器积分常数；
[0046]
参数空间的可行域定义如下：
[0047]
s＝{[k
p
,ti]|0≤k
p
≤k
pmax
,1≤ti≤t
imax
}
[0048]
在上式中，s表示参数空间的可行域，为一个集合，内部元素为点sj；k
pmax
表示变桨控制器比例增益上边界，比例增益k
p
的取值范围是0到k
pmax
；t
imax
表示变桨控制器积分常数
上边界，积分常数ti的取值范围是1到t
imax
。
[0049]
进一步，所述智能优化算法包括以下步骤：
[0050]
1)在参数空间的可行域内，随机生成若干个点，每一个点sj即为一组可选的控制参数[k
p
,ti]，k
p
表示变桨控制器比例增益，ti表示变桨控制器积分常数，随机生成的初始的控制参数的集合表示如下：
[0051]
{s1,s2,
…
,sj,
…
,sn|sj＝[k
p
,ti],1≤j≤n}
[0052]
在上式中，sj表示参数空间可行域内一个点，代表一组控制参数；n表示集合内点的个数；在0≤k
p
≤k
pmax
范围随机生成k
p
，在1≤ti≤t
imax
范围内随机生成ti；
[0053]
2)基于参数寻优的目标函数，计算参数空间每个点sj的目标函数值：
[0054]
{f1,f2,
…
,fj,
…
,fn|fj＝f(sj),1≤j≤n}
[0055]
在上式中，fj表示可行域内点sj的目标函数值，函数表达为f(sj)；目标函数值反映了每个点的优劣，目标函数值越低表示此点越优秀；
[0056]
3)计算并更新参数空间的n个点，基于参数空间每个点的目标函数值，更新参数空间n个点的位置，淘汰劣的点，向着最优点移动：
[0057]
每个点的更新方程如下：
[0058][0059]
在上式中，sj(t+1)表示在t+1时刻点sj的位置；sj(t)表示在t时刻点sj的位置；c1表示局部最优加权系数；c2表示全局最优加权系数；σ表示在0到1之间的一个随机数；表示点sj自身经历过的最优位置；s
*
表示n个点经历最优的位置；
[0060]
4)判断循环计算次数是否达到最大值，如果达到最大循环次数，则输出最优位置s
*
作为最优控制参数；否则，返回步骤2)计算。
[0061]
本发明的第二目的通过下述技术方案实现：基于智能算法的风电机组控制参数寻优系统，包括：
[0062]
线性化处理模块，通过对风电机组的线性化处理，得到状态空间方程，即风电机组的线性化模型，该线性化模型包含输入向量、输出向量、状态向量和系数矩阵；
[0063]
参数寻优的目标函数模块，通过将风电机组的线性化模型和变桨控制器构成闭环系统，以阶跃风速作为输入，得到闭环系统的叶轮转速的输出响应和机舱前后方向位移输出响应；其中，定义目标函数为：叶轮转速绝对偏差积分与机舱前后方向最大位移加权求和；
[0064]
参数寻优的智能优化模块，控制参数的寻优是在参数空间内寻最优控制参数，参数空间需要设置一个搜寻范围，即参数空间的可行域，通过该智能优化模块能够快速寻到最优解在参数空间的位置。
[0065]
进一步，所述风电机组的线性化模型表达式如下：
[0066][0067]
在上式中，表示在t时刻的输入向量；表示在t时刻的输出变量；表示在t时刻的状态向量；表示在t时刻的状态向量变化率；a、b、c、d为系数矩阵；
[0068]
输入向量应至少包含三个变量，即变桨角度指令、风轮平均风速和发电机扭矩指令，具体表达式如下：
[0069][0070]
在上式中，表示变桨角度指令；表示风轮平均风速；表示发电机扭矩指令；输入向量为列向量，表达式中上角标t表示转置，将行向量转为列向量；
[0071]
输出向量应至少包含两个变量，即风轮转速和机舱前后方向位移，具体表达式如下：
[0072][0073]
在上式中，ωr表示风轮转速；x
fa
表示机舱前后方向位移；输出向量为列向量，表达式中上角标t表示转置，将行向量转为列向量；
[0074]
状态向量应至少包含叶片的低阶模态、塔架的低阶模态、传动链的低阶模态、风轮的转速和风轮转速变化率，具体表达式如下：
[0075][0076]
在上式中，表示叶片1的模态向量；表示叶片2的模态向量；表示叶片3的模态向量；表示塔架的模态向量；ωr表示风轮转速；表示风轮转速变化率；状态向量为列向量，表达式中上角标t表示转置，将行向量转为列向量。
[0077]
进一步，所述叶片1的模态向量表达式如下：
[0078][0079]
在上式中，表示叶片1的一阶挥舞模态位移；表示叶片1的一阶摆振模态位移；表示叶片1的一阶挥舞模态速度；表示叶片1的一阶摆振模态速度；表示叶片1的二阶挥舞模态位移；表示叶片1的二阶摆振模态位移；表示叶片1的二阶挥舞模态速度；表示叶片1的二阶摆振模态速度；
[0080]
所述叶片2的模态向量表达式如下：
[0081][0082]
在上式中，表示叶片2的一阶挥舞模态位移；表示叶片2的一阶摆振模态位移；表示叶片2的一阶挥舞模态速度；表示叶片2的一阶摆振模态速度；表示叶片2的二阶挥舞模态位移；表示叶片2的二阶摆振模态位移；表示叶片2的二阶挥舞模态速度；表示叶片2的二阶摆振模态速度；
[0083]
所述叶片3的模态向量表达式如下：
[0084]
[0085]
在上式中，表示叶片3的一阶挥舞模态位移；表示叶片3的一阶摆振模态位移；表示叶片3的一阶挥舞模态速度；表示叶片3的一阶摆振模态速度；表示叶片3的二阶挥舞模态位移；表示叶片3的二阶摆振模态位移；表示叶片3的二阶挥舞模态速度；表示叶片3的二阶摆振模态速度；
[0086]
所述塔架的模态向量表达式如下：
[0087][0088]
在上式中，表示塔架一阶侧向模态位移；表示塔架一阶前后模态位移；表示塔架一阶侧向模态速度；表示塔架一阶前后模态速度；表示塔架二阶侧向模态位移；表示塔架二阶前后模态位移；表示塔架二阶侧向模态速度；表示塔架二阶前后模态速度。
[0089]
进一步，所述系数矩阵a、b、c、d能够通过风电机组建模软件线性化模块输出得到，由于系数矩阵与平均风速相关，需要在额定风速到切出风速区间选取若干个基准点，在每个基准点分别输出系数矩阵。
[0090]
进一步，所述闭环系统的变桨控制器采用比例-积分控制，其传递函数如下：
[0091][0092]
在上式中，c(s)表示控制器传递函数；k
p
表示变桨控制器比例增益；ti表示变桨控制器积分常数；s表示拉普拉斯变化后复平面的自变量；
[0093]
目标函数的具体表达式如下：
[0094][0095]
在上式中，f([k
p
,ti])表示目标函数，是k
p
和ti函数；k1表示转速加权系数；ωr表示风轮转速；表示风轮转速设定值；表示风轮转速的绝对偏差；表示积分计算；t1表示积分最大时间区间；k2表示机舱位移加权系数；σ
xfa
表示机舱最大绝对位移；其中，机舱最大绝对位移有如下表达式：
[0096][0097]
在上式中，x
fa
表示机舱前后方向位移；|
·
|表示取绝对值；表示在时间区间0≤t≤t2内取最大值；t2表示机舱位移最大时间区间。
[0098]
进一步，所述参数空间为一个二维空间，在参数空间的每一个点构成一组控制参数，即变桨控制比例增益和变桨控制积分常数，参数空间的每个点表示为：
[0099]
sj＝[k
p
,ti]
[0100]
在上式中，sj表示在参数空间的一个点，为一组控制参数；k
p
表示变桨控制器比例增益；ti表示变桨控制器积分常数；
[0101]
参数空间的可行域定义如下：
[0102]
s＝{[k
p
,ti]|0≤k
p
≤k
pmax
,1≤ti≤t
imax
}
[0103]
在上式中，s表示参数空间的可行域，为一个集合，内部元素为点sj；k
pmax
表示变桨控制器比例增益上边界，比例增益k
p
的取值范围是0到k
pmax
；t
imax
表示变桨控制器积分常数上边界，积分常数ti的取值范围是1到t
imax
。
[0104]
进一步，所述智能优化模块具体执行以下操作：
[0105]
1)在参数空间的可行域内，随机生成若干个点，每一个点sj即为一组可选的控制参数[k
p
,ti]，k
p
表示变桨控制器比例增益，ti表示变桨控制器积分常数，随机生成的初始的控制参数的集合表示如下：
[0106]
{s1,s2,
…
,sj,
…
,sn|sj＝[k
p
,ti],1≤j≤n}
[0107]
在上式中，sj表示参数空间可行域内一个点，代表一组控制参数；n表示集合内点的个数；在0≤k
p
≤k
pmax
范围随机生成k
p
，在1≤ti≤t
imax
范围内随机生成ti；
[0108]
2)基于参数寻优的目标函数，计算参数空间每个点sj的目标函数值：
[0109]
{f1,f2,
…
,fj,
…
,fn|fj＝f(sj),1≤j≤n}
[0110]
在上式中，fj表示可行域内点sj的目标函数值，函数表达为f(sj)；目标函数值反映了每个点的优劣，目标函数值越低表示此点越优秀；
[0111]
3)计算并更新参数空间的n个点，基于参数空间每个点的目标函数值，更新参数空间n个点的位置，淘汰劣的点，向着最优点移动：
[0112]
每个点的更新方程如下：
[0113][0114]
在上式中，sj(t+1)表示在t+1时刻点sj的位置；sj(t)表示在t时刻点sj的位置；c1表示局部最优加权系数；c2表示全局最优加权系数；σ表示在0到1之间的一个随机数；表示点sj自身经历过的最优位置；s
*
表示n个点经历最优的位置；
[0115]
4)判断循环计算次数是否达到最大值，如果达到最大循环次数，则输出最优位置s
*
作为最优控制参数；否则，返回步骤2)计算。
[0116]
本发明与现有技术相比，具有如下优点与有益效果：
[0117]
1、本发明提出的风电机组控制参数寻优方法与系统，能够快速地寻到最优控制参数，不依赖工程师的工程经验，实现控制参数的自动寻优。
[0118]
2、本发明提出的风电机组控制参数寻优方法与系统，无需增加额外测量传感器，不增加硬件成本，能够实现风电机组的在线实时控制参数优化。
附图说明
[0119]
图1为闭环系统的逻辑框图。
[0120]
图2为本发明系统的架构图。
具体实施方式
[0121]
下面结合实施例及附图对本发明作进一步详细的描述，但本发明的实施方式不限于此。
[0122]
实施例1
[0123]
本实施例公开了一种基于智能算法的风电机组控制参数寻优方法，包括：
[0124]
风电机组线性化：通过对风电机组的线性化处理，得到状态空间方程，即风电机组的线性化模型，该线性化模型包含输入向量、输出向量、状态向量和系数矩阵；
[0125]
参数寻优的目标函数：将风电机组的线性化模型和变桨控制器构成闭环系统，以阶跃风速作为输入，得到闭环系统的叶轮转速的输出响应和机舱前后方向位移输出响应；其中，定义目标函数为：叶轮转速绝对偏差积分与机舱前后方向最大位移加权求和；
[0126]
参数空间的可行域：控制参数的寻优是在参数空间内寻最优控制参数，参数空间需要设置一个搜寻范围，即参数空间的可行域；
[0127]
参数寻优的智能优化算法：控制参数的寻优是在参数空间的可行域内寻最优解，通过智能优化算法能够快速寻到最优解在参数空间的位置。
[0128]
具体的，所述风电机组的线性化模型表达式如下：
[0129][0130]
在上式中，表示在t时刻的输入向量；表示在t时刻的输出变量；表示在t时刻的状态向量；表示在t时刻的状态向量变化率；a、b、c、d为系数矩阵；
[0131]
输入向量应至少包含三个变量，即变桨角度指令、风轮平均风速和发电机扭矩指令，具体表达式如下：
[0132][0133]
在上式中，表示变桨角度指令；表示风轮平均风速；表示发电机扭矩指令；输入向量为列向量，表达式中上角标t表示转置，将行向量转为列向量；
[0134]
输出向量应至少包含两个变量，即风轮转速和机舱前后方向位移，具体表达式如下：
[0135][0136]
在上式中，ωr表示风轮转速；x
fa
表示机舱前后方向位移；输出向量为列向量，表达式中上角标t表示转置，将行向量转为列向量；
[0137]
状态向量应至少包含叶片的低阶模态、塔架的低阶模态、传动链的低阶模态、风轮的转速和风轮转速变化率，具体表达式如下：
[0138][0139]
在上式中，表示叶片1的模态向量；表示叶片2的模态向量；表示叶片3的模态向量；表示塔架的模态向量；ωr表示风轮转速；表示风轮转速变化率；状态向量为列向量，表达式中上角标t表示转置，将行向量转为列向量。
[0140]
所述叶片1的模态向量表达式如下：
[0141][0142]
在上式中，表示叶片1的一阶挥舞模态位移；表示叶片1的一阶摆振模态位
移；表示叶片1的一阶挥舞模态速度；表示叶片1的一阶摆振模态速度；表示叶片1的二阶挥舞模态位移；表示叶片1的二阶摆振模态位移；表示叶片1的二阶挥舞模态速度；表示叶片1的二阶摆振模态速度；
[0143]
所述叶片2的模态向量表达式如下：
[0144][0145]
在上式中，表示叶片2的一阶挥舞模态位移；表示叶片2的一阶摆振模态位移；表示叶片2的一阶挥舞模态速度；表示叶片2的一阶摆振模态速度；表示叶片2的二阶挥舞模态位移；表示叶片2的二阶摆振模态位移；表示叶片2的二阶挥舞模态速度；表示叶片2的二阶摆振模态速度；
[0146]
所述叶片3的模态向量表达式如下：
[0147][0148]
在上式中，表示叶片3的一阶挥舞模态位移；表示叶片3的一阶摆振模态位移；表示叶片3的一阶挥舞模态速度；表示叶片3的一阶摆振模态速度；表示叶片3的二阶挥舞模态位移；表示叶片3的二阶摆振模态位移；表示叶片3的二阶挥舞模态速度；表示叶片3的二阶摆振模态速度；
[0149]
所述塔架的模态向量表达式如下：
[0150][0151]
在上式中，表示塔架一阶侧向模态位移；表示塔架一阶前后模态位移；表示塔架一阶侧向模态速度；表示塔架一阶前后模态速度；表示塔架二阶侧向模态位移；表示塔架二阶前后模态位移；表示塔架二阶侧向模态速度；表示塔架二阶前后模态速度。
[0152]
具体的，系数矩阵a、b、c、d能够通过风电机组建模软件线性化模块输出得到，由于系数矩阵与平均风速相关，需要在额定风速到切出风速区间选取若干个基准点，一般选取五个基准点，在每个基准点分别输出系数矩阵。
[0153]
具体的，闭环系统的逻辑框图如图1所示，闭环系统的变桨控制器采用比例-积分控制，其传递函数如下：
[0154][0155]
在上式中，c(s)表示控制器传递函数；k
p
表示变桨控制器比例增益；ti表示变桨控制器积分常数；s表示拉普拉斯变化后复平面的自变量；
[0156]
目标函数的具体表达式如下：
[0157][0158]
在上式中，f([k
p
,ti])表示目标函数，是k
p
和ti函数；k1表示转速加权系数；ωr表示风轮转速；表示风轮转速设定值；表示风轮转速的绝对偏差；表示积分计算；t1表示积分最大时间区间；k2表示机舱位移加权系数；σ
xfa
表示机舱最大绝对位移；其中，机舱最大绝对位移有如下表达式：
[0159][0160]
在上式中，x
fa
表示机舱前后方向位移；|
·
|表示取绝对值；表示在时间区间0≤t≤t2内取最大值；t2表示机舱位移最大时间区间。
[0161]
具体的，所述参数空间为一个二维空间，在参数空间的每一个点构成一组控制参数，即变桨控制比例增益和变桨控制积分常数，参数空间的每个点表示为：
[0162]
sj＝[k
p
,ti]
[0163]
在上式中，sj表示在参数空间的一个点，为一组控制参数；k
p
表示变桨控制器比例增益；ti表示变桨控制器积分常数；
[0164]
参数空间的可行域定义如下：
[0165]
s＝{[k
p
,ti]|0≤k
p
≤k
pmax
,1≤ti≤t
imax
}
[0166]
在上式中，s表示参数空间的可行域，为一个集合，内部元素为点sj；k
pmax
表示变桨控制器比例增益上边界，比例增益k
p
的取值范围是0到k
pmax
；t
imax
表示变桨控制器积分常数上边界，积分常数ti的取值范围是1到t
imax
。
[0167]
具体的，所述智能优化算法包括以下步骤：
[0168]
1)在参数空间的可行域内，随机生成若干个点，每一个点sj即为一组可选的控制参数[k
p
,ti]，k
p
表示变桨控制器比例增益，ti表示变桨控制器积分常数，随机生成的初始的控制参数的集合表示如下：
[0169]
{s1,s2,
…
,sj,
…
,sn|sj＝[k
p
,ti],1≤j≤n}
[0170]
在上式中，sj表示参数空间可行域内一个点，代表一组控制参数；n表示集合内点的个数；在0≤k
p
≤k
pmax
范围随机生成k
p
，在1≤ti≤t
imax
范围内随机生成ti；
[0171]
2)基于参数寻优的目标函数，计算参数空间每个点sj的目标函数值：
[0172]
{f1,f2,
…
,fj,
…
,fn|fj＝f(sj),1≤j≤n}
[0173]
在上式中，fj表示可行域内点sj的目标函数值，函数表达为f(sj)；目标函数值反映了每个点的优劣，目标函数值越低表示此点越优秀；
[0174]
3)计算并更新参数空间的n个点，基于参数空间每个点的目标函数值，更新参数空间n个点的位置，淘汰劣的点，向着最优点移动：
[0175]
每个点的更新方程如下：
[0176][0177]
在上式中，sj(t+1)表示在t+1时刻点sj的位置；sj(t)表示在t时刻点sj的位置；c1表示局部最优加权系数；c2表示全局最优加权系数；σ表示在0到1之间的一个随机数；表示点sj自身经历过的最优位置；s
*
表示n个点经历最优的位置；
[0178]
4)判断循环计算次数是否达到最大值，如果达到最大循环次数，则输出最优位置s
*
作为最优控制参数；否则，返回步骤2)计算。
[0179]
实施例2
[0180]
本实施例公开了一种基于智能算法的风电机组控制参数寻优系统，如图2所示，该系统包括以下功能模块：
[0181]
线性化处理模块，通过对风电机组的线性化处理，得到状态空间方程，即风电机组的线性化模型，该线性化模型包含输入向量、输出向量、状态向量和系数矩阵；
[0182]
参数寻优的目标函数模块，通过将风电机组的线性化模型和变桨控制器构成闭环系统，以阶跃风速作为输入，得到闭环系统的叶轮转速的输出响应和机舱前后方向位移输出响应；其中，定义目标函数为：叶轮转速绝对偏差积分与机舱前后方向最大位移加权求和；
[0183]
参数寻优的智能优化模块，控制参数的寻优是在参数空间内寻最优控制参数，参数空间需要设置一个搜寻范围，即参数空间的可行域，通过该智能优化模块能够快速寻到最优解在参数空间的位置。
[0184]
具体的，所述风电机组的线性化模型表达式如下：
[0185][0186]
在上式中，表示在t时刻的输入向量；表示在t时刻的输出变量；表示在t时刻的状态向量；表示在t时刻的状态向量变化率；a、b、c、d为系数矩阵；
[0187]
输入向量应至少包含三个变量，即变桨角度指令、风轮平均风速和发电机扭矩指令，具体表达式如下：
[0188][0189]
在上式中，表示变桨角度指令；表示风轮平均风速；表示发电机扭矩指令；输入向量为列向量，表达式中上角标t表示转置，将行向量转为列向量；
[0190]
输出向量应至少包含两个变量，即风轮转速和机舱前后方向位移，具体表达式如下：
[0191][0192]
在上式中，ωr表示风轮转速；x
fa
表示机舱前后方向位移；输出向量为列向量，表达式中上角标t表示转置，将行向量转为列向量；
[0193]
状态向量应至少包含叶片的低阶模态、塔架的低阶模态、传动链的低阶模态、风轮的转速和风轮转速变化率，具体表达式如下：
[0194][0195]
在上式中，表示叶片1的模态向量；表示叶片2的模态向量；表示叶片3的模态向量；表示塔架的模态向量；ωr表示风轮转速；表示风轮转速变化率；状态向量为列向量，表达式中上角标t表示转置，将行向量转为列向量。
[0196]
所述叶片1的模态向量表达式如下：
[0197][0198]
在上式中，表示叶片1的一阶挥舞模态位移；表示叶片1的一阶摆振模态位移；表示叶片1的一阶挥舞模态速度；表示叶片1的一阶摆振模态速度；表示叶片1的二阶挥舞模态位移；表示叶片1的二阶摆振模态位移；表示叶片1的二阶挥舞模态速度；表示叶片1的二阶摆振模态速度；
[0199]
所述叶片2的模态向量表达式如下：
[0200][0201]
在上式中，表示叶片2的一阶挥舞模态位移；表示叶片2的一阶摆振模态位移；表示叶片2的一阶挥舞模态速度；表示叶片2的一阶摆振模态速度；表示叶片2的二阶挥舞模态位移；表示叶片2的二阶摆振模态位移；表示叶片2的二阶挥舞模态速度；表示叶片2的二阶摆振模态速度；
[0202]
所述叶片3的模态向量表达式如下：
[0203][0204]
在上式中，表示叶片3的一阶挥舞模态位移；表示叶片3的一阶摆振模态位移；表示叶片3的一阶挥舞模态速度；表示叶片3的一阶摆振模态速度；表示叶片3的二阶挥舞模态位移；表示叶片3的二阶摆振模态位移；表示叶片3的二阶挥舞模态速度；表示叶片3的二阶摆振模态速度；
[0205]
所述塔架的模态向量表达式如下：
[0206][0207]
在上式中，表示塔架一阶侧向模态位移；表示塔架一阶前后模态位移；表示塔架一阶侧向模态速度；表示塔架一阶前后模态速度；表示塔架二阶侧向模态位移；表示塔架二阶前后模态位移；表示塔架二阶侧向模态速度；表示塔架二阶前后模态速度。
[0208]
具体的，所述系数矩阵a、b、c、d能够通过风电机组建模软件线性化模块输出得到，由于系数矩阵与平均风速相关，需要在额定风速到切出风速区间选取若干个基准点，一般选取五个基准点，在每个基准点分别输出系数矩阵。
[0209]
具体的，所述闭环系统的变桨控制器采用比例-积分控制，其传递函数如下：
[0210]
[0211]
在上式中，c(s)表示控制器传递函数；k
p
表示变桨控制器比例增益；ti表示变桨控制器积分常数；s表示拉普拉斯变化后复平面的自变量；
[0212]
目标函数的具体表达式如下：
[0213][0214]
在上式中，f([k
p
,ti])表示目标函数，是k
p
和ti函数；k1表示转速加权系数；ωr表示风轮转速；表示风轮转速设定值；表示风轮转速的绝对偏差；表示积分计算；t1表示积分最大时间区间；k2表示机舱位移加权系数；σ
xfa
表示机舱最大绝对位移；其中，机舱最大绝对位移有如下表达式：
[0215][0216]
在上式中，x
fa
表示机舱前后方向位移；|
·
|表示取绝对值；表示在时间区间0≤t≤t2内取最大值；t2表示机舱位移最大时间区间。
[0217]
具体的，所述参数空间为一个二维空间，在参数空间的每一个点构成一组控制参数，即变桨控制比例增益和变桨控制积分常数，参数空间的每个点表示为：
[0218]
sj＝[k
p
,ti]
[0219]
在上式中，sj表示在参数空间的一个点，为一组控制参数；k
p
表示变桨控制器比例增益；ti表示变桨控制器积分常数；
[0220]
参数空间的可行域定义如下：
[0221]
s＝{[k
p
,ti]|0≤k
p
≤k
pmax
,1≤ti≤t
imax
}
[0222]
在上式中，s表示参数空间的可行域，为一个集合，内部元素为点sj；k
pmax
表示变桨控制器比例增益上边界，比例增益k
p
的取值范围是0到k
pmax
；t
imax
表示变桨控制器积分常数上边界，积分常数ti的取值范围是1到t
imax
。
[0223]
具体的，所述智能优化模块执行以下操作：
[0224]
1)在参数空间的可行域内，随机生成若干个点，每一个点sj即为一组可选的控制参数[k
p
,ti]，k
p
表示变桨控制器比例增益，ti表示变桨控制器积分常数，随机生成的初始的控制参数的集合表示如下：
[0225]
{s1,s2,
…
,sj,
…
,sn|sj＝[k
p
,ti],1≤j≤n}
[0226]
在上式中，sj表示参数空间可行域内一个点，代表一组控制参数；n表示集合内点的个数；在0≤k
p
≤k
pmax
范围随机生成k
p
，在1≤ti≤t
imax
范围内随机生成ti；
[0227]
2)基于参数寻优的目标函数，计算参数空间每个点sj的目标函数值：
[0228]
{f1,f2,
…
,fj,
…
,fn|fj＝f(sj),1≤j≤n}
[0229]
在上式中，fj表示可行域内点sj的目标函数值，函数表达为f(sj)；目标函数值反映了每个点的优劣，目标函数值越低表示此点越优秀；
[0230]
3)计算并更新参数空间的n个点，基于参数空间每个点的目标函数值，更新参数空间n个点的位置，淘汰劣的点，向着最优点移动：
[0231]
每个点的更新方程如下：
[0232]
[0233]
在上式中，sj(t+1)表示在t+1时刻点sj的位置；sj(t)表示在t时刻点sj的位置；c1表示局部最优加权系数；c2表示全局最优加权系数；σ表示在0到1之间的一个随机数；表示点sj自身经历过的最优位置；s
*
表示n个点经历最优的位置；
[0234]
4)判断循环计算次数是否达到最大值，如果达到最大循环次数，则输出最优位置s
*
作为最优控制参数；否则，返回步骤2)计算。
[0235]
实施例3
[0236]
本实施例公开了一种存储介质，存储有程序，所述程序被处理器执行时，实现实施例1所述的基于智能算法的风电机组控制参数寻优方法。
[0237]
本实施例中的存储介质可以是磁盘、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。
[0238]
实施例4
[0239]
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1所述的基于智能算法的风电机组控制参数寻优方法。
[0240]
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。
[0241]
上述实施例为本发明较佳的实施方式，但本发明的实施方式并不受上述实施例的限制，其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。

技术特征：

1.基于智能算法的风电机组控制参数寻优方法，其特征在于，包括：风电机组线性化：通过对风电机组的线性化处理，得到状态空间方程，即风电机组的线性化模型，该线性化模型包含输入向量、输出向量、状态向量和系数矩阵；参数寻优的目标函数：将风电机组的线性化模型和变桨控制器构成闭环系统，以阶跃风速作为输入，得到闭环系统的叶轮转速的输出响应和机舱前后方向位移输出响应；其中，定义目标函数为：叶轮转速绝对偏差积分与机舱前后方向最大位移加权求和；参数空间的可行域：控制参数的寻优是在参数空间内寻最优控制参数，参数空间需要设置一个搜寻范围，即参数空间的可行域；参数寻优的智能优化算法：控制参数的寻优是在参数空间的可行域内寻最优解，通过智能优化算法能够快速寻到最优解在参数空间的位置。2.根据权利要求1所述的基于智能算法的风电机组控制参数寻优方法，其特征在于，所述风电机组的线性化模型表达式如下：在上式中，表示在t时刻的输入向量；表示在t时刻的输出变量；表示在t时刻的状态向量；表示在t时刻的状态向量变化率；a、b、c、d为系数矩阵；输入向量应至少包含三个变量，即变桨角度指令、风轮平均风速和发电机扭矩指令，具体表达式如下：在上式中，表示变桨角度指令；表示风轮平均风速；表示发电机扭矩指令；输入向量为列向量，表达式中上角标t表示转置，将行向量转为列向量；输出向量应至少包含两个变量，即风轮转速和机舱前后方向位移，具体表达式如下：在上式中，ω
r
表示风轮转速；x
fa
表示机舱前后方向位移；输出向量为列向量，表达式中上角标t表示转置，将行向量转为列向量；状态向量应至少包含叶片的低阶模态、塔架的低阶模态、传动链的低阶模态、风轮的转速和风轮转速变化率，具体表达式如下：在上式中，表示叶片1的模态向量；表示叶片2的模态向量；表示叶片3的模态向量；表示塔架的模态向量；ω
r
表示风轮转速；表示风轮转速变化率；状态向量为列向量，表达式中上角标t表示转置，将行向量转为列向量。3.根据权利要求2所述的基于智能算法的风电机组控制参数寻优方法，其特征在于，所述叶片1的模态向量表达式如下：
在上式中，表示叶片1的一阶挥舞模态位移；表示叶片1的一阶摆振模态位移；表示叶片1的一阶挥舞模态速度；表示叶片1的一阶摆振模态速度；表示叶片1的二阶挥舞模态位移；表示叶片1的二阶摆振模态位移；表示叶片1的二阶挥舞模态速度；表示叶片1的二阶摆振模态速度；所述叶片2的模态向量表达式如下：在上式中，表示叶片2的一阶挥舞模态位移；表示叶片2的一阶摆振模态位移；表示叶片2的一阶挥舞模态速度；表示叶片2的一阶摆振模态速度；表示叶片2的二阶挥舞模态位移；表示叶片2的二阶摆振模态位移；表示叶片2的二阶挥舞模态速度；表示叶片2的二阶摆振模态速度；所述叶片3的模态向量表达式如下：在上式中，表示叶片3的一阶挥舞模态位移；表示叶片3的一阶摆振模态位移；表示叶片3的一阶挥舞模态速度；表示叶片3的一阶摆振模态速度；表示叶片3的二阶挥舞模态位移；表示叶片3的二阶摆振模态位移；表示叶片3的二阶挥舞模态速度；表示叶片3的二阶摆振模态速度；所述塔架的模态向量表达式如下：在上式中，表示塔架一阶侧向模态位移；表示塔架一阶前后模态位移；表示塔架一阶侧向模态速度；表示塔架一阶前后模态速度；表示塔架二阶侧向模态位移；表示塔架二阶前后模态位移；表示塔架二阶侧向模态速度；表示塔架二阶前后模态速度。4.根据权利要求2所述的基于智能算法的风电机组控制参数寻优方法，其特征在于，所述系数矩阵a、b、c、d能够通过风电机组建模软件线性化模块输出得到，由于系数矩阵与平均风速相关，需要在额定风速到切出风速区间选取若干个基准点，在每个基准点分别输出系数矩阵。5.根据权利要求1所述的基于智能算法的风电机组控制参数寻优方法，其特征在于，所述闭环系统的变桨控制器采用比例-积分控制，其传递函数如下：
在上式中，c(s)表示控制器传递函数；k
p
表示变桨控制器比例增益；t
i
表示变桨控制器积分常数；s表示拉普拉斯变化后复平面的自变量；目标函数的具体表达式如下：在上式中，f([k
p
,t
i
])表示目标函数，是k
p
和t
i
函数；k1表示转速加权系数；ω
r
表示风轮转速；表示风轮转速设定值；表示风轮转速的绝对偏差；表示积分计算；t1表示积分最大时间区间；k2表示机舱位移加权系数；σ
xfa
表示机舱最大绝对位移；其中，机舱最大绝对位移有如下表达式：在上式中，x
fa
表示机舱前后方向位移；|
·
|表示取绝对值；表示在时间区间0≤t≤t2内取最大值；t2表示机舱位移最大时间区间。6.根据权利要求1所述的基于智能算法的风电机组控制参数寻优方法，其特征在于，所述参数空间为一个二维空间，在参数空间的每一个点构成一组控制参数，即变桨控制比例增益和变桨控制积分常数，参数空间的每个点表示为：s
j
＝[k
p
,t
i
]在上式中，s
j
表示在参数空间的一个点，为一组控制参数；k
p
表示变桨控制器比例增益；t
i
表示变桨控制器积分常数；参数空间的可行域定义如下：s＝{[k
p
,t
i
]|0≤k
p
≤k
pmax
,1≤t
i
≤t
imax
}在上式中，s表示参数空间的可行域，为一个集合，内部元素为点s
j
；k
pmax
表示变桨控制器比例增益上边界，比例增益k
p
的取值范围是0到k
pmax
；t
imax
表示变桨控制器积分常数上边界，积分常数t
i
的取值范围是1到t
imax
。7.根据权利要求1所述的基于智能算法的风电机组控制参数寻优方法，其特征在于，所述智能优化算法包括以下步骤：1)在参数空间的可行域内，随机生成若干个点，每一个点s
j
即为一组可选的控制参数[k
p
,t
i
]，k
p
表示变桨控制器比例增益，t
i
表示变桨控制器积分常数，随机生成的初始的控制参数的集合表示如下：{s1,s2,
…
,s
j
,
…
,s
n
|s
j
＝[k
p
,t
i
],1≤j≤n}在上式中，s
j
表示参数空间可行域内一个点，代表一组控制参数；n表示集合内点的个数；在0≤k
p
≤k
pmax
范围随机生成k
p
，在1≤t
i
≤t
imax
范围内随机生成t
i
；2)基于参数寻优的目标函数，计算参数空间每个点s
j
的目标函数值：{f1,f2,
…
,f
j
,
…
,f
n
|f
j
＝f(s
j
),1≤j≤n}在上式中，f
j
表示可行域内点s
j
的目标函数值，函数表达为f(s
j
)；目标函数值反映了每个点的优劣，目标函数值越低表示此点越优秀；
3)计算并更新参数空间的n个点，基于参数空间每个点的目标函数值，更新参数空间n个点的位置，淘汰劣的点，向着最优点移动：每个点的更新方程如下：在上式中，s
j
(t+1)表示在t+1时刻点s
j
的位置；s
j
(t)表示在t时刻点s
j
的位置；c1表示局部最优加权系数；c2表示全局最优加权系数；σ表示在0到1之间的一个随机数；表示点s
j
自身经历过的最优位置；s
*
表示n个点经历最优的位置；4)判断循环计算次数是否达到最大值，如果达到最大循环次数，则输出最优位置s
*
作为最优控制参数；否则，返回步骤2)计算。8.基于智能算法的风电机组控制参数寻优系统，其特征在于，包括：线性化处理模块，通过对风电机组的线性化处理，得到状态空间方程，即风电机组的线性化模型，该线性化模型包含输入向量、输出向量、状态向量和系数矩阵；参数寻优的目标函数模块，通过将风电机组的线性化模型和变桨控制器构成闭环系统，以阶跃风速作为输入，得到闭环系统的叶轮转速的输出响应和机舱前后方向位移输出响应；其中，定义目标函数为：叶轮转速绝对偏差积分与机舱前后方向最大位移加权求和；参数寻优的智能优化模块，控制参数的寻优是在参数空间内寻最优控制参数，参数空间需要设置一个搜寻范围，即参数空间的可行域，通过该智能优化模块能够快速寻到最优解在参数空间的位置。9.根据权利要求8所述的基于智能算法的风电机组控制参数寻优系统，其特征在于，所述风电机组的线性化模型表达式如下：在上式中，表示在t时刻的输入向量；表示在t时刻的输出变量；表示在t时刻的状态向量；表示在t时刻的状态向量变化率；a、b、c、d为系数矩阵；输入向量应至少包含三个变量，即变桨角度指令、风轮平均风速和发电机扭矩指令，具体表达式如下：在上式中，表示变桨角度指令；表示风轮平均风速；表示发电机扭矩指令；输入向量为列向量，表达式中上角标t表示转置，将行向量转为列向量；输出向量应至少包含两个变量，即风轮转速和机舱前后方向位移，具体表达式如下：在上式中，ω
r
表示风轮转速；x
fa
表示机舱前后方向位移；输出向量为列向量，表达式中上角标t表示转置，将行向量转为列向量；状态向量应至少包含叶片的低阶模态、塔架的低阶模态、传动链的低阶模态、风轮
的转速和风轮转速变化率，具体表达式如下：在上式中，表示叶片1的模态向量；表示叶片2的模态向量；表示叶片3的模态向量；表示塔架的模态向量；ω
r
表示风轮转速；表示风轮转速变化率；状态向量为列向量，表达式中上角标t表示转置，将行向量转为列向量。10.根据权利要求9所述的基于智能算法的风电机组控制参数寻优系统，其特征在于，所述叶片1的模态向量表达式如下：在上式中，表示叶片1的一阶挥舞模态位移；表示叶片1的一阶摆振模态位移；表示叶片1的一阶挥舞模态速度；表示叶片1的一阶摆振模态速度；表示叶片1的二阶挥舞模态位移；表示叶片1的二阶摆振模态位移；表示叶片1的二阶挥舞模态速度；表示叶片1的二阶摆振模态速度；所述叶片2的模态向量表达式如下：在上式中，表示叶片2的一阶挥舞模态位移；表示叶片2的一阶摆振模态位移；表示叶片2的一阶挥舞模态速度；表示叶片2的一阶摆振模态速度；表示叶片2的二阶挥舞模态位移；表示叶片2的二阶摆振模态位移；表示叶片2的二阶挥舞模态速度；表示叶片2的二阶摆振模态速度；所述叶片3的模态向量表达式如下：在上式中，表示叶片3的一阶挥舞模态位移；表示叶片3的一阶摆振模态位移；表示叶片3的一阶挥舞模态速度；表示叶片3的一阶摆振模态速度；表示叶片3的二阶挥舞模态位移；表示叶片3的二阶摆振模态位移；表示叶片3的二阶挥舞模态速度；表示叶片3的二阶摆振模态速度；所述塔架的模态向量表达式如下：在上式中，表示塔架一阶侧向模态位移；表示塔架一阶前后模态位移；表示塔架一阶侧向模态速度；表示塔架一阶前后模态速度；表示塔架二阶侧向模态位移；表示塔架二阶前后模态位移；表示塔架二阶侧向模态速度；表示塔架二阶前后模
态速度。11.根据权利要求9所述的基于智能算法的风电机组控制参数寻优系统，其特征在于，所述系数矩阵a、b、c、d能够通过风电机组建模软件线性化模块输出得到，由于系数矩阵与平均风速相关，需要在额定风速到切出风速区间选取若干个基准点，在每个基准点分别输出系数矩阵。12.根据权利要求8所述的基于智能算法的风电机组控制参数寻优系统，其特征在于，所述闭环系统的变桨控制器采用比例-积分控制，其传递函数如下：在上式中，c(s)表示控制器传递函数；k
p
表示变桨控制器比例增益；t
i
表示变桨控制器积分常数；s表示拉普拉斯变化后复平面的自变量；目标函数的具体表达式如下：在上式中，f([k
p
,t
i
])表示目标函数，是k
p
和t
i
函数；k1表示转速加权系数；ω
r
表示风轮转速；表示风轮转速设定值；表示风轮转速的绝对偏差；表示积分计算；t1表示积分最大时间区间；k2表示机舱位移加权系数；σ
xfa
表示机舱最大绝对位移；其中，机舱最大绝对位移有如下表达式：在上式中，x
fa
表示机舱前后方向位移；|
·
|表示取绝对值；表示在时间区间0≤t≤t2内取最大值；t2表示机舱位移最大时间区间。13.根据权利要求8所述的基于智能算法的风电机组控制参数寻优系统，其特征在于，所述参数空间为一个二维空间，在参数空间的每一个点构成一组控制参数，即变桨控制比例增益和变桨控制积分常数，参数空间的每个点表示为：s
j
＝[k
p
,t
i
]在上式中，s
j
表示在参数空间的一个点，为一组控制参数；k
p
表示变桨控制器比例增益；t
i
表示变桨控制器积分常数；参数空间的可行域定义如下：s＝{[k
p
,t
i
]|0≤k
p
≤k
pmax
,1≤t
i
≤t
imax
}在上式中，s表示参数空间的可行域，为一个集合，内部元素为点s
j
；k
pmax
表示变桨控制器比例增益上边界，比例增益k
p
的取值范围是0到k
pmax
；t
imax
表示变桨控制器积分常数上边界，积分常数t
i
的取值范围是1到t
imax
。14.根据权利要求8所述的基于智能算法的风电机组控制参数寻优系统，其特征在于，所述智能优化模块具体执行以下操作：1)在参数空间的可行域内，随机生成若干个点，每一个点s
j
即为一组可选的控制参数[k
p
,t
i
]，k
p
表示变桨控制器比例增益，t
i
表示变桨控制器积分常数，随机生成的初始的控制参数的集合表示如下：
{s1,s2,
…
,s
j
,
…
,s
n
|s
j
＝[k
p
,t
i
],1≤j≤n}在上式中，s
j
表示参数空间可行域内一个点，代表一组控制参数；n表示集合内点的个数；在0≤k
p
≤k
pmax
范围随机生成k
p
，在1≤t
i
≤t
imax
范围内随机生成t
i
；2)基于参数寻优的目标函数，计算参数空间每个点s
j
的目标函数值：{f1,f2,
…
,f
j
,
…
,f
n
|f
j
＝f(s
j
),1≤j≤n}在上式中，f
j
表示可行域内点s
j
的目标函数值，函数表达为f(s
j
)；目标函数值反映了每个点的优劣，目标函数值越低表示此点越优秀；3)计算并更新参数空间的n个点，基于参数空间每个点的目标函数值，更新参数空间n个点的位置，淘汰劣的点，向着最优点移动：每个点的更新方程如下：在上式中，s
j
(t+1)表示在t+1时刻点s
j
的位置；s
j
(t)表示在t时刻点s
j
的位置；c1表示局部最优加权系数；c2表示全局最优加权系数；σ表示在0到1之间的一个随机数；表示点s
j
自身经历过的最优位置；s
*
表示n个点经历最优的位置；4)判断循环计算次数是否达到最大值，如果达到最大循环次数，则输出最优位置s
*
作为最优控制参数；否则，返回步骤2)计算。

技术总结

本发明公开了一种基于智能算法的风电机组控制参数寻优方法与系统，包括：通过对风电机组的线性化处理，得到状态空间方程，即风电机组的线性化模型，该模型包含输入向量、输出向量、状态向量和系数矩阵；将风电机组的线性化模型和变桨控制器构成闭环系统，以阶跃风速作为输入，得到闭环系统的叶轮转速的输出响应和机舱前后方向位移输出响应，定义目标函数为：叶轮转速绝对偏差积分与机舱前后方向最大位移加权求和；控制参数的寻优是在参数空间的可行域内寻最优解，通过智能优化算法快速寻到最优解在参数空间的位置。本发明不依赖工程师的工程经验，不增加硬件成本，实现控制参数的自动寻优，从而实现风电机组的在线实时控制参数优化。制参数优化。制参数优化。