， ，， ，，

(西南交通大學(xué)電氣工程學(xué)院，四川 成都 610031)

0 引 言

風(fēng)力發(fā)電是可再生能源發(fā)電中發(fā)展速度最快、技術(shù)最成熟的一種發(fā)電方式，然而風(fēng)電并網(wǎng)功率的波動性和間隙性會對電網(wǎng)的穩(wěn)定性和電能質(zhì)量產(chǎn)生重要影響[1-3]。研究風(fēng)力發(fā)電最大功率跟蹤點控制成為了國內(nèi)外學(xué)者研究的重要課題之一。

目前常見的最大功率點跟蹤策略主要有3種方法：葉尖速比法(tip speed ratio，TSR)、功率信號反饋法(power signal feedback，PSF)、爬山搜索法(hill-climb searching，HCS)。文獻[4-6]闡述了傳統(tǒng)的葉尖速比法、功率反饋法、爬山法的3種控制策略，針對傳統(tǒng)的3種最大功率點方法的缺點，很多學(xué)者提出了很多改進的控制策略。對于最大功率反饋法，文獻[7]實時在線修正最大功率曲線的來保證最大功率點跟蹤的精度，文獻[8-9]考慮了風(fēng)力機在運行中的動態(tài)過程風(fēng)輪的儲能以風(fēng)輪為控制對象來減少過度時間。文獻[10]分析了葉尖速比法中風(fēng)速儀在不同地方對最大功率點跟蹤的影響并提取了補償機制來更精確地跟蹤最大功率點。文獻[11]中考慮風(fēng)機的動態(tài)性能提出風(fēng)速頻率分離的雙閉環(huán)直接控制來減小系統(tǒng)的機械振蕩。文獻[12-13]分別運用支持向量機和神經(jīng)網(wǎng)對有效風(fēng)速估計和文獻[14-15]基于線性和非線性系統(tǒng)中變量的狀態(tài)進行最優(yōu)轉(zhuǎn)速估計來進行葉尖速比控制完成最大功率點的跟蹤。文獻[16-18]分別給出通過模糊控制、變增益的極值搜索、三點法的變步長爬山法，這些算法在最大功率的跟蹤性能上比定步長爬山法優(yōu)越。

不管哪種改進的爬山法都是考慮如何在搜索的過程中給出合適的步長使搜索時間短和造成的振蕩小，針對這個問題，引用變斜率的變步長思想采用考慮3個時刻的采樣對應(yīng)的斜率關(guān)系給出搜索步長，旨在避免因為兩個時刻的轉(zhuǎn)速差接近于0時造成的搜索步長過大，而且在風(fēng)速穩(wěn)定的情況下可以實現(xiàn)停止擾動。

1 小型風(fēng)力發(fā)電機組特性和數(shù)學(xué)模型

小型發(fā)電系統(tǒng)的拓撲結(jié)構(gòu)如下圖1所示。本節(jié)根據(jù)小型風(fēng)力發(fā)電機系統(tǒng)的各個組成部分特性進行分析，并建立了風(fēng)力機、傳動鏈、三相異步電機、變流器的數(shù)學(xué)模型。

圖1 小型風(fēng)力機拓撲結(jié)構(gòu)

1.1 風(fēng)力機特性

風(fēng)力機是一個風(fēng)能利用裝置，因此，功率隨風(fēng)速變化而變化是風(fēng)力機性能的主要指標。當氣流流過風(fēng)機時，就會產(chǎn)生一個與本地氣流流動方向垂直的氣動力，葉片因此帶動風(fēng)輪運轉(zhuǎn)，并將風(fēng)能轉(zhuǎn)化為機械能。風(fēng)力機主要特性包括以下3個部分[19]。

1.1.1 葉尖速比與風(fēng)能利用系數(shù)

根據(jù)空氣動力學(xué)基本原理得，風(fēng)力機捕獲的功率可以表示為

(1)

式中，Cp為風(fēng)能利用系數(shù)；ρ為空氣密度，Kg/m3；R為風(fēng)輪半徑，m；V為風(fēng)速；β為槳距角。

由式(1)可得：在風(fēng)速和密度不變的條件下，風(fēng)力機的輸出功率與Cp成正比關(guān)系。其中Cp為葉尖速比λ和β的函數(shù)。λ可以表示為

(2)

式中，Ω為風(fēng)輪角速度。

因此，Cp與λ的關(guān)系體現(xiàn)了風(fēng)力機的轉(zhuǎn)換效率。圖2為風(fēng)力機的Cp-λ關(guān)系曲線，由圖2可知：當風(fēng)速一定時，葉尖速比不同其轉(zhuǎn)換效率也不同，對于一個特定的風(fēng)機只存在一個λopt使得Cp取得最大值。

圖2 風(fēng)力機Cp-λ關(guān)系曲線

1.1.2 最大功率曲線

在槳距角一定時，將式(2)帶入式(1)得

(3)

由式(2)、式(3)可知：在同一風(fēng)速下隨著風(fēng)輪轉(zhuǎn)速不同，風(fēng)力機輸出的功率也不同，但是存在一個轉(zhuǎn)速使得風(fēng)力機的輸出功率最大，此時對應(yīng)的點稱為最大功率點，如圖3中的A點，把不同的風(fēng)速下風(fēng)力機的輸出功率曲線簇中的最大點連接起來就得到了一條最大功率曲線。

圖3 風(fēng)機最大輸出功率曲線

1.2 傳動鏈數(shù)學(xué)模型

傳動系統(tǒng)作為風(fēng)力發(fā)電機組的重要組成部分，其作用使風(fēng)力機捕獲的風(fēng)能傳遞給發(fā)電系統(tǒng)。但是風(fēng)力機的轉(zhuǎn)速慢導(dǎo)致發(fā)電機無法達到切入轉(zhuǎn)速，這樣必須經(jīng)過齒輪箱的升速來提高發(fā)電機的轉(zhuǎn)速。圖4為單質(zhì)量模塊的簡圖。

圖4 傳動鏈單質(zhì)量模塊簡圖

由圖4可知Tr為輸入量，Tg為輸出量，其傳動動態(tài)模型[20]為

(4)

(5)

式中，J為機組總慣量；B為傳動系統(tǒng)阻尼；Jr為風(fēng)輪轉(zhuǎn)子轉(zhuǎn)動慣量；Jl為低速軸慣量；Jh為高速軸慣量；Jg為發(fā)電機轉(zhuǎn)子轉(zhuǎn)動慣量；I為齒輪箱變速比。

1.3 三相異步發(fā)電機數(shù)學(xué)模型

三相異步電機是一個多變量、非線性、強耦合的系統(tǒng)。在研究其動態(tài)數(shù)學(xué)模型時常作如下假設(shè)。

(1)三相繞組對稱,在空間的電角度相差120°,磁動勢延氣隙周圍正弦分布；

(2)忽略磁飽和,各繞組的自感與互感都是恒定的；

(3)不計鐵心損耗；

(4)不考慮溫度對繞組的阻值影響。

則三相異步電機在d、q坐標下的數(shù)學(xué)模型[21]為

(6)

電磁轉(zhuǎn)矩為

(7)

令

為狀態(tài)矢量和輸入矢量。

則SCIG的模型為

(8)

2 最大功率點跟蹤控制策略

2.1 最大功率點跟蹤原理

風(fēng)力發(fā)電最大功率點的跟蹤就是控制風(fēng)力機運行在最大功率曲線上，由風(fēng)力機特性可知：處于這條線上的點，其轉(zhuǎn)速與風(fēng)速為最佳葉尖速比關(guān)系。當風(fēng)速變化時調(diào)節(jié)風(fēng)輪轉(zhuǎn)速為最優(yōu)轉(zhuǎn)速Ωopt，將葉尖速比維持在λopt處。根據(jù)式(1)，此時風(fēng)能利用系數(shù)為最大值Cpmax，使風(fēng)力機捕獲功率最大。

2.2 最大功率點跟蹤策略

目前常見的最大功率點跟蹤策略主要有3種方法：葉尖速比法(TSR)、功率信號反饋法(PSF)、爬山搜索法(HCS)。這里主要是研究爬山搜索法，并將改進的爬山搜索法與傳統(tǒng)的基于斜率變步長爬山搜索法進行了對比。

2.2.1 爬山搜索法

爬山搜索法是為了克服前兩種算法的缺點提出來的，是通過搜索的方式來找到當前風(fēng)速的最大功率點。該跟蹤策略主要依靠當前的工作點位置和電機功率、電機轉(zhuǎn)速。通過計算得到期望的搜索信號，經(jīng)過PI控制器得到電磁轉(zhuǎn)矩使風(fēng)力機轉(zhuǎn)速改變，反復(fù)執(zhí)行上述過程直到達到最大功率點，圖5為控制原理圖。

算法的優(yōu)點：需要的系統(tǒng)信息少，不需要知道具體的Cp-λ關(guān)系，只需要知道采樣每個時刻的電機轉(zhuǎn)速和功率值。

算法的缺點：對于慣量大的風(fēng)力發(fā)電系統(tǒng)，由于時間常數(shù)大使轉(zhuǎn)速滯后，導(dǎo)致無法進行正確的搜索控制。

圖5 爬山搜索法

2.2.2 基于斜率的變步長爬山法

(9)

式中，KMPPT為步長調(diào)節(jié)系數(shù)，一般由實驗和仿真結(jié)果得到。

該算法理論上能夠有效克服定步長爬山法的缺點，當斜率大的時候給出較大的搜索步長，當斜率小時搜索步長也變小，從而實現(xiàn)了變步長的跟蹤控制。這樣可以較快地搜索到最大功率點，而且在最大功率點附近產(chǎn)生的機械系統(tǒng)振蕩小。

圖6 風(fēng)力機p-ω曲線

算法流程圖如圖7所示。

圖7 基于斜率的變步長算法流程圖

2.2.3 改進的變步長爬山法

由上面所闡述的，基于斜率改進的變步長雖然引入了變的策略，但是其比例因子KMPPT的選擇是個難題，選擇過大的值造成爬山搜索過程步長一直保持一個比較大的值，選擇較小的值時，搜索步長會一直處在一個很小步長特別是在最大功率點近的地方會造成搜索時間長，而且在實際采樣的過程中由于慣性轉(zhuǎn)速的變化不會太快或者是其他干擾因素使兩個時刻采樣的差值Δω可能很小或者是接近于0。由式：

可得：因為Δω很小而且無論ΔP是大還是小，那么下一時刻給定搜索步長Δω(k+1)一定很大，這樣一個錯誤的步長對下一時刻的步長也會造成連鎖反應(yīng)。

為了進一步提高最大功率點跟蹤的速度和精度，根據(jù)上面變步長爬山法的思想對爬山搜索算法進行改進。改進的爬山法依然是通過主動去擾動轉(zhuǎn)速來實現(xiàn)。改進的爬山法原理如下。

如圖8所示：在爬山搜索過程中，采樣周期很短，在同一功率曲線下兩個時刻的斜率應(yīng)該近似相等。如式(10)所示。

(10)

電機的輸出功率可以表示為

P=Te·ω

(11)

對式(11)求導(dǎo)得

(12)

(13)

通過對搜索步長放大能夠快速地靠近并越過最大功率點。當ΔP2檢測都小于一個ε2時，給出的搜索步長為0，認為此時已經(jīng)搜到最大功率點，如圖8中C區(qū)所示。進而完成了在風(fēng)速一定的情況下搜索到最大功率點并實現(xiàn)停止功能，來避免在最大功率點時由主動擾動造成的機械系統(tǒng)損害。重啟過程根據(jù)連續(xù)檢測ΔP1、ΔP2的值來判定，如果檢測到ΔP1=0，ΔP2≠0時判定系統(tǒng)重新給出搜索步長，若ΔP1=0，ΔP2=0則判定風(fēng)速沒有改變，搜索步長為0。改進的爬山法流程圖如圖9所示。

圖8 改進爬山法的原理圖

圖9 改進的變步長爬山法流程圖

3 仿真結(jié)果

基于Matlab/Simulink的仿真總體框圖如圖10所示：其中被控模塊為風(fēng)力機子模塊和電機子模塊，控制模塊為電機轉(zhuǎn)速控制模塊、電機矢量控制模塊、MPPT爬山法控制模塊。MPPT模塊根據(jù)尋優(yōu)策略給出電機的參考轉(zhuǎn)速，作為轉(zhuǎn)速控制模塊的輸入，然后經(jīng)過PI控制器輸出相應(yīng)的參考電磁轉(zhuǎn)矩，最后經(jīng)過矢量控制策略得到三相交流電壓，驅(qū)動電機。由于為了驗證改進爬山算法的優(yōu)越性，選定了在理想風(fēng)速下，對基于變斜率爬山算法和改進爬山算法進行對比。

圖10 小型風(fēng)機總體仿真框

3.1 基于斜率的變步長爬山法仿真

圖11 基于斜率變步長MPPT仿真結(jié)果

3.2 基于改進爬山算法仿真

改進的爬山法同樣是變步長的爬山法，與前兩種變步長算法相比該算法實現(xiàn)了停止功能。同樣根據(jù)流程圖9設(shè)計控制算法，改進的變步長MPPT模塊如圖12所示。

圖12 改進變步長的MPPT仿真圖

采用圖9變步長爬山搜索策略，其中設(shè)定閾值ε1=1，ε2=50，步長最大值為4。結(jié)果如圖13所示：從仿真結(jié)果圖(a)、(b)和(c)可以看出該算法能夠很快而且精確地跟蹤最佳轉(zhuǎn)速保持很高風(fēng)能利用效率，在風(fēng)速穩(wěn)定的情況下(40～80 s、110～130 s、150～170 s)實現(xiàn)停止功能。從圖(d)中可以看出改進的策略在風(fēng)速變化時給出了比較合適的搜索步長，使得電磁轉(zhuǎn)矩的振蕩減小，電機的輸出功率相對平滑，如圖(e)和(f)所示。雖然該算法停止搜索時，實際轉(zhuǎn)速與最優(yōu)轉(zhuǎn)速存在一個小的誤差，但是該策略避免了由于主動擾動產(chǎn)生的機械振蕩。

圖13 改進變步長MPPT仿真結(jié)果

通過對圖11、圖13的結(jié)果分析可以得出：在理想風(fēng)速情況下，基于斜率的變步長爬山法在搜索過程中，存在搜索步長容易出現(xiàn)錯誤的缺點。改進的爬山法能夠比較好完成最大功率點的跟蹤任務(wù)，使風(fēng)輪轉(zhuǎn)速接近最優(yōu)轉(zhuǎn)速，保持比較高的風(fēng)能利用系數(shù)和風(fēng)能捕獲效率，其中改進的爬山法在風(fēng)速穩(wěn)定時實現(xiàn)了停止，解決了爬山法由于主動擾動造成機械振蕩的問題。

4 總 結(jié)

針對當前小型風(fēng)電系統(tǒng)中最大功率點跟蹤存在問題：在增加風(fēng)能捕獲效率的同時會影響系統(tǒng)的使用壽命，即能量捕獲效率和機械振蕩的矛盾，介紹了變速恒頻的風(fēng)力發(fā)電系統(tǒng)常用的3種最大功率點跟蹤策略，即爬山法，并闡述了爬山法存在的缺點，在這個基礎(chǔ)上分析了基于斜率變步長爬山法，針對它的缺陷給出了一種改進的變步長爬山法：采用連續(xù)采樣三點的信息，通過兩個相鄰的斜率相近給出搜索步長，并實現(xiàn)停止功能。

通過分析小型風(fēng)力發(fā)電系統(tǒng)各個組成部分的數(shù)學(xué)模型，在Matlab中完成系統(tǒng)模型的搭建。在理想風(fēng)速條件下對斜率變步長和改進變步長爬山法兩種搜索策略進行仿真，仿真結(jié)果驗證了兩種策略的基本理論。通過對比，改進的變步長爬山法在系統(tǒng)要求的快速性和穩(wěn)定性上有良好的效果。

[1] 遲永寧, 劉燕華, 王偉勝, 等. 風(fēng)電接入對電力系統(tǒng)的影響[J]. 電網(wǎng)技術(shù), 2007, 31(3): 77-81.

[2] 裴哲義, 董存, 辛耀中. 我國風(fēng)電并網(wǎng)運行最新進展[J]. 中國電力, 2010 (11): 78-82.

[3] 李善穎, 石慶鑫. 大規(guī)模風(fēng)電場并網(wǎng)運行無功補償研究[J]. 中國電力, 2010, 43(9): 71-74.

[4] Munteanu I. Optimal Control of Wind Energy Systems: towards a Global Approach[M]. Springer, 2008.

[5] 程啟明, 程尹曼, 汪明媚, 等. 風(fēng)力發(fā)電系統(tǒng)中最大功率點跟蹤方法的綜述[J].華東電力, 2010, 38(9): 1393-1399.

[6] Abdullah M A, Yatim A H M, Tan C W, et al. A Review of Maximum Power Point tracking Algorithms for Wind Energy Systems[J]. Renewable and Sustainable Energy Reviews, 2012, 16(5): 3220-3227.

[7] 程顯忠.風(fēng)力發(fā)電試驗系統(tǒng)的研究[D].合肥： 合肥工業(yè)大學(xué)，2007.

[8] Narayana M, Putrus G A, Jovanovic M, et al. Generic Maximum Power Point Tracking Controller for Small-scale Wind Turbines[J]. Renewable Energy, 2012(44): 72-79.

[9] 夏安俊, 胡書舉, 許洪華. 風(fēng)電機組 MPPT 動態(tài)功率曲線控制策略的研究[J]. 電氣傳動, 2011, 41(12): 61-65.

[10] Ciprian V. MPPT Algorithm for Small Wind Systems Based on SpeedControl Strategy[J]. Annals of Dunarea de Jos 2008, 31(1)：23-28.

[11] Munteanu I, Cutululis N A, Bratcu A I, et al. Optimization of Variable Speed Wind Power Systems Based on a LQG Approach[J]. Control Engineering Practice, 2005, 13(7): 903-912.

[12] Lin W M, Hong C M, Cheng F S, et al. MPPT Control Strategy for Wind Energy Conversion System Based on RBF Network[C]//Energytech, 2011 IEEE. IEEE, 2011: 1-6.

[13] Abo-Khalil A G, Lee D C. MPPT Control of Wind Generation Systems Based on Estimated Wind Speed Using SVR[J]. Industrial Electronics, IEEE Transactions on, 2008, 55(3): 1489-1490.

[14] Rocha R. A sensorless Control for a Variable Speed Wind Turbine Operating at Partial Load[J]. Renewable Energy, 2011, 36(1): 132-141.

[15] Boukhezzar B, Siguerdidjane H. Comparison Between Linear and Nonlinear Control Strategies for Variable Speed Wind turbines[J]. Control Engineering Practice, 2010, 18(12): 1357-1368.

[16] 肖運啟, 徐大平, 呂躍剛. 雙饋風(fēng)電機組一種新型模糊最大風(fēng)能追蹤控制[J]. 華北電力大學(xué)學(xué)報, 2009, 36(6): 1-7.

[17] 紀志成, 朱蕓, 孟濤. 風(fēng)能轉(zhuǎn)換系統(tǒng)的 MPPT 變增益極值搜索控制[J]. 電機與控制學(xué)報, 2009, 13(3): 414-418.

[18] 黃守道, 余峰, 黃科元. 三點比較法在風(fēng)力發(fā)電系統(tǒng)中的應(yīng)用[J]. 控制工程, 2009, 16(6): 764-767.

[19] Pucci M, Cirrincione M. Neural MPPT Control of Wind Generators with Induction Machines without Speed Sensors[J]. Industrial Electronics, IEEE Transactions on, 2011, 58(1): 37-47.

[20] Welfonder E, Neifer R, Spanner M. Development and Experimental Identification of Dynamic Models for Wind Turbines[J]. Control Engineering Practice, 1997, 5(1): 63-73.

[21] Leonhard W. Control of Electrical Drives[M]. Springer, 2001.