梅云初 孫培德

摘? 要：大慣量風(fēng)力發(fā)電機(jī)由于其大滯后特性，面對(duì)風(fēng)速大規(guī)模變化時(shí)不能及時(shí)跟隨。文章提出在變步長(zhǎng)爬山法的基礎(chǔ)上引入風(fēng)速預(yù)測(cè)和葉尖速比控制，分析風(fēng)速預(yù)測(cè)結(jié)果，尋找未來(lái)風(fēng)速是否存在大規(guī)模變化趨勢(shì)或平穩(wěn)趨勢(shì)，估算未來(lái)風(fēng)速趨勢(shì)下的最佳轉(zhuǎn)速，作為下一步爬山算法的參考轉(zhuǎn)速，及早跟隨。在MATLAB中進(jìn)行實(shí)驗(yàn)驗(yàn)證，結(jié)果顯示對(duì)于大慣量風(fēng)機(jī)，基于風(fēng)速超短期預(yù)測(cè)的爬山法比傳統(tǒng)爬山法能更快響應(yīng)風(fēng)速變化。

關(guān)鍵詞：大慣量;風(fēng)速變化;爬山法;風(fēng)速預(yù)測(cè);葉尖速比控制

中圖分類(lèi)號(hào)：TM614? ? ? ? 文獻(xiàn)標(biāo)志碼：A? ? ? ? ?文章編號(hào)：2095-2945（2020）16-0006-04

Abstract： Because of its large lag characteristic， large inertia wind turbine can not follow in time in the face of large-scale change of wind speed. This paper proposes to introduce wind speed prediction and blade tip speed ratio control on the basis of variable step-size mountain climbing method， analyze the prediction results of wind speed， find out whether there is a large-scale change trend or steady trend of wind speed in the future， and estimate the best speed under the trend of wind speed in the future， which， as the reference speed of the next mountain climbing algorithm， will follow as soon as possible. The experimental verification is carried out in MATLAB， and the results show that for large inertia fan， the mountain climbing method based on ultra-short-term prediction of wind speed can respond to the change of wind speed more quickly than the traditional mountain climbing method.

Keywords： large inertia; wind speed change; mountain climbing method; wind speed prediction; blade tip speed ratio control

引言

風(fēng)力發(fā)電是目前新能源中發(fā)展最快、使用最廣、效率最高的一種方式，而風(fēng)電的最大功率跟蹤技術(shù)一直以來(lái)是研究的一個(gè)重點(diǎn)。目前常見(jiàn)的最大功率跟蹤的方法主要有3種：葉尖速比法、功率反饋法、爬山搜索法。爬山法的優(yōu)點(diǎn)在于不需要已知風(fēng)機(jī)的風(fēng)能利用曲線(xiàn)和測(cè)量實(shí)時(shí)風(fēng)速，但其對(duì)大規(guī)模風(fēng)速變化的響應(yīng)慢，在功率最大處可能會(huì)出現(xiàn)很大轉(zhuǎn)速擾動(dòng)而有振蕩。單純的葉尖速比法控制原理簡(jiǎn)單，便于實(shí)現(xiàn)，但由于測(cè)量風(fēng)速和已知最大功率曲線(xiàn)總會(huì)存在與實(shí)際的偏差，風(fēng)機(jī)會(huì)偏離最佳工作點(diǎn)，而且面對(duì)風(fēng)速大幅振蕩時(shí)轉(zhuǎn)速也會(huì)大幅振蕩。

文獻(xiàn)[1]設(shè)計(jì)了一個(gè)非線(xiàn)性觀(guān)測(cè)器來(lái)觀(guān)測(cè)氣動(dòng)轉(zhuǎn)矩，推斷風(fēng)速，從而確定最佳速度來(lái)直接葉尖速比控制。文獻(xiàn)[2]利用風(fēng)速計(jì)所獲得的風(fēng)速估計(jì)值，模糊控制系統(tǒng)能夠確定和調(diào)節(jié)轉(zhuǎn)子轉(zhuǎn)速，以獲得最大功率。文獻(xiàn)[3]采用梯度估計(jì)動(dòng)態(tài)更新爬山算法的變步長(zhǎng)系數(shù)來(lái)提高大慣性風(fēng)機(jī)的動(dòng)態(tài)特性和減小功率最大點(diǎn)的震蕩。文獻(xiàn)[4]采用雙步長(zhǎng)爬山法來(lái)避免在靠近最大功率點(diǎn)的機(jī)械振蕩。文獻(xiàn)[5]通過(guò)分區(qū)法界定爬山擾動(dòng)步長(zhǎng)抑制在風(fēng)速穩(wěn)定時(shí)的轉(zhuǎn)速波動(dòng)。文獻(xiàn)[6-7]在風(fēng)速變化超過(guò)一定范圍時(shí)采用葉尖速比控制快速跟隨，達(dá)到指定轉(zhuǎn)速后再切換爬山或三點(diǎn)比較法，來(lái)提高跟隨的速度。文獻(xiàn)[8]采用混合風(fēng)速預(yù)測(cè)算法來(lái)實(shí)現(xiàn)實(shí)時(shí)地最大功率跟蹤。

本文將風(fēng)速預(yù)測(cè)和葉尖速比法用于改進(jìn)變步長(zhǎng)爬山法來(lái)提高其在風(fēng)速呈現(xiàn)趨勢(shì)變化情況下的響應(yīng)速度，減小穩(wěn)態(tài)振蕩。

1 雙饋風(fēng)力發(fā)電機(jī)和爬山策略特性

雙饋風(fēng)力發(fā)電系統(tǒng)工作原理簡(jiǎn)介如下：風(fēng)吹動(dòng)風(fēng)機(jī)葉片，風(fēng)機(jī)從風(fēng)中捕獲空氣動(dòng)能轉(zhuǎn)化為機(jī)械能，傳遞給發(fā)電機(jī)轉(zhuǎn)子，通過(guò)控制發(fā)電機(jī)轉(zhuǎn)子勵(lì)磁使電機(jī)回饋制動(dòng)，定子產(chǎn)生電能回饋電網(wǎng)。

1.1 風(fēng)力機(jī)輸出特性

根據(jù)空氣動(dòng)力學(xué)風(fēng)力機(jī)從風(fēng)功率中吸收到的機(jī)械功率可以表示為式中，Pt為風(fēng)力機(jī)捕獲的風(fēng)功率，ρ為空氣密度，R為葉片半徑，v為風(fēng)速，Cp為風(fēng)能利用系數(shù)，λ為葉尖速比，β為槳距角，Ωt為風(fēng)機(jī)葉片角速度。對(duì)一已制成的風(fēng)機(jī)，葉片半徑不變，在空氣密度和風(fēng)速不變的情況下，風(fēng)力機(jī)輸出功率正比于Cp。Cp取決于葉尖速比λ和槳距角β，反應(yīng)了風(fēng)機(jī)的效率。

1.2 發(fā)電機(jī)功率穩(wěn)態(tài)關(guān)系

通過(guò)建立雙饋異步發(fā)電機(jī)穩(wěn)態(tài)模型，我們可知忽略定轉(zhuǎn)子銅耗下，定子有功功率和轉(zhuǎn)矩、轉(zhuǎn)速存在近似關(guān)系：

2 基于風(fēng)速預(yù)測(cè)的爬山法改進(jìn)辦法原理

2.1 變步長(zhǎng)爬山法的不足

當(dāng)下的變步長(zhǎng)爬山法讀取當(dāng)前時(shí)刻轉(zhuǎn)速與上一時(shí)刻的轉(zhuǎn)速變化量Δw和定子有功變化量ΔPS，通過(guò)K·（ΔPS（n）/Δw（n）來(lái)決策下一步的轉(zhuǎn)速變化步長(zhǎng)Δw（n+1），其中K為變步長(zhǎng)系數(shù)，可以使得風(fēng)力機(jī)在遠(yuǎn)離MPPT點(diǎn)步長(zhǎng)大、靠近MPPT點(diǎn)步長(zhǎng)小，加快搜索速度。然而在很靠近最大功率點(diǎn)時(shí)，會(huì)存在ΔPS很小且Δw也很小但ΔPS /Δw很大的情況，使得在最大功率點(diǎn)附近出現(xiàn)很大震蕩;若是為了解決上述問(wèn)題，將Δw（n+1）限幅設(shè)置得比較小或者減小系數(shù)K，都會(huì)帶來(lái)在風(fēng)速大規(guī)模變化下搜索速度的降低。本文提出了一種基于風(fēng)速預(yù)測(cè)的爬山改進(jìn)辦法，能夠使得風(fēng)機(jī)在風(fēng)速大規(guī)模變化下提早尋找到MPPT點(diǎn)附近，加快搜索速度。

2.2 基于風(fēng)速超短期預(yù)測(cè)的爬山改進(jìn)辦法原理

由（5）式可知，當(dāng)槳距角一定時(shí)，在同一風(fēng)速下，穩(wěn)態(tài)時(shí)定子有功功率近似正比于Ct，所以可認(rèn)為當(dāng)Ct達(dá)到最大值時(shí)，電機(jī)運(yùn)行于爬山法的峰頂或附近。故可以通過(guò)超短期風(fēng)速預(yù)測(cè)把握未來(lái)風(fēng)速變化趨勢(shì)，并通過(guò)葉尖速比控制提早使發(fā)電機(jī)運(yùn)行于未來(lái)風(fēng)速下的爬山法峰頂附近，加快爬山法的搜索速度，同時(shí)由于速度加快可以設(shè)置縮短爬山步長(zhǎng)，減小最大功率點(diǎn)的震蕩。原理如圖2所示。

該辦法步驟如下：

（1）前期準(zhǔn)備：已知或測(cè)取所改進(jìn)的風(fēng)力機(jī)Ct取得最大值時(shí)對(duì)應(yīng)的葉尖速比λ0;獲取該風(fēng)力機(jī)受風(fēng)的歷史風(fēng)速數(shù)據(jù)，經(jīng)過(guò)數(shù)據(jù)預(yù)處理獲取趨勢(shì)信號(hào)D（t）（t=1，2，3，…），建立ARIMA預(yù)測(cè)模型;對(duì)該序列建立分布模型;

（2）每次爬山周期的起始時(shí)刻獲取該風(fēng)機(jī)當(dāng)前時(shí)刻以及距離當(dāng)前時(shí)刻最近的共計(jì)m個(gè)連續(xù)采樣時(shí)刻的風(fēng)速的數(shù)據(jù)構(gòu)成一時(shí)間序列，同樣經(jīng)過(guò)數(shù)據(jù)預(yù)處理獲取趨勢(shì)信號(hào)x（t）（t=1，2，3，…m），需滿(mǎn)足m-n≥p且m-n≥q，其中n、p、q分別為建立的ARIMA預(yù)測(cè)模型的差分次數(shù)、自回歸項(xiàng)階數(shù)和滑動(dòng)平均項(xiàng)階數(shù)。

（3）將x（t）輸入到訓(xùn)練好的ARIMA預(yù)測(cè)模型，輸出超前i步的預(yù)測(cè)值P（i）（i=1，2，3，…T）。T為預(yù)測(cè)時(shí)間長(zhǎng)度，可取爬山法周期的3～10倍。

（4）對(duì)預(yù)測(cè)得到的數(shù)據(jù)P（i）進(jìn)行分析，判斷其內(nèi)在趨勢(shì)，滿(mǎn)足條件時(shí)直接通過(guò)葉尖速比控值決定下一控制周期的轉(zhuǎn)速給定Ω*。否則仍通過(guò)爬山法判斷下一步變化步長(zhǎng)。

判斷趨勢(shì)和決策w*借助預(yù)測(cè)序列P（i）的方差δ以及擬合成一條直線(xiàn)的斜率φ兩個(gè)參數(shù)來(lái)分析，相應(yīng)的可選用利用訓(xùn)練集D（t）的總體方差δ0作為δ的衡量標(biāo)準(zhǔn)，φ的衡量標(biāo)準(zhǔn)φ0通過(guò)分析D（t）的分布確定：

式中：ε1-ε2是訓(xùn)練樣本的概率密度分布模型和95%、85%兩個(gè)置信水平所確定的同一側(cè)的置信區(qū)間的邊界值之差的絕對(duì)值。L值根據(jù)風(fēng)速樣本確定，經(jīng)過(guò)實(shí)驗(yàn)探究到L取風(fēng)速采樣間隔的6～12倍較能反映其增長(zhǎng)或減小趨勢(shì)。

3 仿真實(shí)驗(yàn)

基于Matlab和simulink建立仿真，總體框圖如圖3所示。建立一個(gè)2.4MW雙饋風(fēng)力發(fā)電系統(tǒng)及其矢量控制模型，通過(guò)變步長(zhǎng)爬山法設(shè)定參考轉(zhuǎn)速，采用轉(zhuǎn)速-電流雙閉環(huán)得到轉(zhuǎn)子三相勵(lì)磁電壓，控制轉(zhuǎn)子勵(lì)磁，從而控制電機(jī)轉(zhuǎn)速與風(fēng)輪轉(zhuǎn)速。

實(shí)驗(yàn)中爬山周期為2秒，預(yù)測(cè)長(zhǎng)度為10秒，以某小風(fēng)場(chǎng)每秒風(fēng)速實(shí)際數(shù)據(jù)為例進(jìn)行實(shí)驗(yàn)，截取其中部分趨勢(shì)結(jié)果如圖4所示。點(diǎn)虛線(xiàn)為實(shí)際風(fēng)速計(jì)算得到的理論最佳轉(zhuǎn)速，短虛線(xiàn)為傳統(tǒng)爬山法的風(fēng)力機(jī)葉片轉(zhuǎn)速，實(shí)線(xiàn)為改進(jìn)爬山法后的葉片轉(zhuǎn)速。

實(shí)驗(yàn)結(jié)果表明：對(duì)于大慣量風(fēng)機(jī)，傳統(tǒng)爬山法面對(duì)風(fēng)速大規(guī)模變化時(shí)轉(zhuǎn)速跟隨性能滯后很多，如圖4中當(dāng)風(fēng)速處于增長(zhǎng)趨勢(shì)時(shí)，電機(jī)轉(zhuǎn)速減小，但由于風(fēng)功率的大規(guī)模提高，總體發(fā)電量仍在提高，帶來(lái)爬山法誤判使轉(zhuǎn)速仍在減小，使得跟隨時(shí)間更長(zhǎng)。而加入了風(fēng)速預(yù)測(cè)和葉尖速比控制后，能更快地跟隨上風(fēng)速變化趨勢(shì)。

4 結(jié)束語(yǔ)

通過(guò)風(fēng)速預(yù)測(cè)可以提早預(yù)知未來(lái)風(fēng)速變化趨勢(shì)，做出超前控制的決策，葉尖速比控制則可以使電機(jī)及時(shí)跟隨上風(fēng)速的變化。與傳統(tǒng)爬山法相比，基于風(fēng)速預(yù)測(cè)和葉尖速比控制的改進(jìn)爬山法應(yīng)用于大慣量風(fēng)機(jī)，面對(duì)風(fēng)速大規(guī)模變化時(shí)能提早握風(fēng)速趨勢(shì)，更快地跟隨，從而可以提高發(fā)電效益。

參考文獻(xiàn)：

[1]Hoach The Nguyen，Ameena Saad Al-Sumaiti，Van-Phong Vu，Ahmed Al-Durra，Ton Duc Do. Optimal power tracking of PMSG based wind energy conversion systems by constrained direct control with fast convergence rates[J].International Journal of Electrical Power and Energy Systems，2020，118

[2]Lucio Ippolito. A sensorless fuzzy-based maximum power point tracker for micro and small wind energy conversion systems. 2012， 13（5）

[3]王凱.大型風(fēng)力發(fā)電系統(tǒng)最大功率追蹤優(yōu)化與控制研究[D].華北電力大學(xué)（北京），2016.

[4]唐友軍.小型風(fēng)力發(fā)電系統(tǒng)最大功率點(diǎn)跟蹤研究[D].武漢科技大學(xué)，2013.

[5]張閣，楊藝云，肖靜，等.基于分區(qū)變步長(zhǎng)爬山法的雙饋風(fēng)機(jī)MPPT控制策略[J].電氣傳動(dòng)，2016，46（11）：51-55.

[6]李咸善，徐浩，杜于龍.采用葉尖速比法和爬山搜索法相結(jié)合的風(fēng)力發(fā)電系統(tǒng)最大功率點(diǎn)跟蹤研究[J].電力系統(tǒng)保護(hù)與控制，2015，43（13）：66-71.

[7]張晴晴.結(jié)合葉尖速比法與三點(diǎn)比較法的風(fēng)力發(fā)電機(jī)最大功率點(diǎn)跟蹤控制策略研究[J].電力學(xué)報(bào)，2019，34（06）：585-590.

[8]Cuong Hung Tran， Frédéric Nollet， Najib Essounbouli， et al. Maximum power point tracking techniques for wind energy systems using three levels boost converter. 2018， 154（1）：012016.

[9]陳思卓，郭鵬，范曉旭.雙饋式風(fēng)力發(fā)電系統(tǒng)最大風(fēng)能跟蹤控制的研究[J].電力科學(xué)與工程，2010，26（01）：1-4.

[10]Zhao H， Wu Q， Rasmussen C N，et al. L-1 Adaptive Speed Control of a Small Wind Energy Conversion System for Maximum Power Point Tracking[J]. IEEE Transactions on Energy Conversion，2014，29（3）：576-584.

[11]M. Elnaggar，H.A. Abdel Fattah，A.L. Elshafei. Maximum power tracking in WECS （Wind energy conversion systems） via numerical and stochastic approaches[J]. Energy，2014，74：651-661.

[12]周帥，于洪霞.基于最佳葉尖速比的爬山法改進(jìn)[J].科技創(chuàng)新與應(yīng)用，2017（13）：67.

[13]田永貴，王奔，薛禾雨，等.基于改進(jìn)爬山算法的風(fēng)機(jī)最大功率點(diǎn)控制策略研究[J].四川電力技術(shù)，2014，37（06）：54-60+72.

[14]Rajin M. Linus，Perumal Damodharan. Wind Velocity Sensorless Maximum Power Point Tracking Algorithm in Grid-connected Wind Energy Conversion System[J]. Electric Power Components and Systems，2015，43（15）：1-11.

[15]Yacine Daili，Jean-Paul Gaubert，Lazhar Rahmani. Implementation of a new maximum power point tracking control strategy for small wind energy conversion systems without mechanical sensors[J]. Energy Conversion and Management，2015，97：298-306.

[16]劉帥.風(fēng)電場(chǎng)短期功率預(yù)測(cè)方法的研究[D].華北電力大學(xué)，2019.

[17]Ali M. Eltamaly，Hassan M. Farh. Maximum power extraction from wind energy system based on fuzzy logic control[J]. Electric Power Systems Research，2013，97：144-150.

[18]Sadegh Ghani Varzaneh，Hassan Rastegar，G. B. Gharehpetian. A New Three-mode Maximum Power Point Tracking Algorithm for Doubly Fed Induction Generator Based Wind Energy Conversion System[J]. Electric Power Components and Systems，2014，42（1）：45-49.

[19]M.A. Abdullah，A.H.M. Yatim，C.W. Tan，R. Saidur. A review of maximum power point tracking algorithms for wind energy systems[J]. Renewable and Sustainable Energy Reviews，2012，16（5）：3220-3227.

[20] Linus R M ， Damodharan P . Maximum Power Point Tracking and grid feeding of permanent magnet synchronous generator based wind energy conversion system using modified hill climb searching algorithm[C]// IEEE India International Conference on Power Electronics. IEEE， 2013.