基于自適應模糊PID的風力發(fā)電機葉片角度控制

摘 要：本文研究了風力發(fā)電機傾斜角度控制問題，探討了自適應模糊PID調(diào)節(jié)器在該控制系統(tǒng)中的應用。通過仿真試驗和分析，驗證了自適應模糊PID調(diào)節(jié)器在不確定模型條件下的穩(wěn)定性和控制效果。結(jié)果表明，與傳統(tǒng)PID控制器相比，自適應模糊PID調(diào)節(jié)器能夠更好地響應風力發(fā)電機的傾斜角度控制，能夠快速、平滑地調(diào)節(jié)角度并保持穩(wěn)定。本文可為提高風能利用效率和減少環(huán)境污染提供參考，未來可驗證其他控制方法以獲得更好性能。

關鍵詞：風力發(fā)電機；葉片角度控制；模糊PID；自適應控制

中圖分類號：TM 315" " " 文獻標志碼：A

全球工業(yè)化和城市化進程加快對能源的需求日益增長。作為一種重要的新能源資源，風能具有無限可再生性和環(huán)境友好性[1]。作為將風能轉(zhuǎn)化為電能的技術，風力發(fā)電中的機械葉片角度控制是關鍵因素。傳統(tǒng)PID控制方法面對風速的不確定性和隨機性時難以精確控制風力發(fā)電機轉(zhuǎn)速。為了解決該問題，模糊PID控制方法應運而生，該方法通過模糊化處理風力發(fā)電機的轉(zhuǎn)速，提高控制精度和魯棒性。

風力渦輪機的結(jié)構(gòu)形式可分為水平軸和垂直軸風力渦輪機[2]。幾乎所有較大的渦輪機都會采用水平軸結(jié)構(gòu)（這樣能更好地利用風能）。在風力渦輪機設計中，葉片的形態(tài)和尺寸具有至關重要的作用，可以通過優(yōu)化設計來提高渦輪機性能。另外，風力渦輪機的控制也是一個重要問題。傳統(tǒng)的PID控制方法不適應風速的不確定性，模糊PID[3-5]控制方法被廣泛應用于風力渦輪機控制，以提高控制精度和魯棒性。

本文旨在研究基于模糊PID控制的風力發(fā)電機機械葉片角度控制，介紹模糊PID控制方法，并研究其在風力發(fā)電機機械葉片角度控制中的應用，以提高風力發(fā)電系統(tǒng)的效率和穩(wěn)定性。

1 風力渦輪機模型

渦輪機由葉片、轉(zhuǎn)子輪轂和連接部件組成，而傳動系則由渦輪機的旋轉(zhuǎn)質(zhì)量、低速軸、齒輪箱、高速軸和發(fā)電機的旋轉(zhuǎn)質(zhì)量組成。傳動系的作用是將渦輪機的機械能傳遞到發(fā)電機的轉(zhuǎn)子，進而轉(zhuǎn)化為電能。當風撞擊水平軸渦輪機的轉(zhuǎn)子時，轉(zhuǎn)子開始旋轉(zhuǎn)。低速軸將能量傳遞到變速箱，變速箱增加速度并驅(qū)動高速軸旋轉(zhuǎn)。高速軸使發(fā)電機旋轉(zhuǎn)，從而產(chǎn)生電能。為保證轉(zhuǎn)子始終面向風，渦輪機配備了偏航系統(tǒng)。低速軸上還設有用于驅(qū)動空氣動力學制動器的液壓系統(tǒng)管道，而高速軸則配備了緊急機械制動器，以應對空氣動力學制動器出現(xiàn)故障的情況。發(fā)電機的作用是將風的機械能轉(zhuǎn)換為電能（如圖1所示）。

通常情況下，發(fā)電機會以較低的電壓輸出電能，而變壓器則將其提升至與所連接電網(wǎng)相匹配的電壓。為了減少能量損耗，變壓器可以安裝在塔底或機艙內(nèi)。風力渦輪機系統(tǒng)還包括其他組件，如用于測量風速的風速計和用于測量風向的風向標。風速信息用于有需要時關閉渦輪機，以保障安全。而偏航控制機構(gòu)則利用風向測量將轉(zhuǎn)子定向向風的方向。此外，電風扇和油冷卻器被用于冷卻變速器和交流發(fā)電機。

在空氣動力學模型中，風力渦輪機通過旋轉(zhuǎn)的葉片捕獲能量，將其以扭矩的形式傳遞到發(fā)電機，并產(chǎn)生電能。根據(jù)文獻[6]，風速和功率間的關系如公式（1）所示。

（1）

式中：Pa代表由風力渦輪機轉(zhuǎn)子葉片捕獲的氣動功率；Cp代表轉(zhuǎn)子的功率系數(shù)；ρ代表空氣密度；R代表旋轉(zhuǎn)葉片的半徑；υ代表風速；λ代表葉片傾角與風速的比值；β代表葉片傾角。

功率系數(shù)Cp與傳動比λ、葉片角度β有關。風力渦輪機驅(qū)動系統(tǒng)主要由風力渦輪機轉(zhuǎn)子、低速軸、傳動裝置、高速軸和發(fā)電機轉(zhuǎn)子組成。本文選擇具有柔性軸的雙質(zhì)量模型。該模型考慮低速軸和高速軸是柔性的，可使風力渦輪機轉(zhuǎn)子和發(fā)電機轉(zhuǎn)子具有各自的旋轉(zhuǎn)自由度。風力渦輪機轉(zhuǎn)子的加速度由低速軸的氣動力矩和制動力矩間的不平衡決定，而發(fā)電機轉(zhuǎn)子的加速度由高速軸傳動力矩和發(fā)電機轉(zhuǎn)矩間的不平衡決定[7]。

傳動裝置將低速軸TT的氣動扭矩轉(zhuǎn)換為高速軸Te的扭矩。不同類型的傳動裝置具有不同的工作原理和動力學特性。齒輪傳動是一種常見的傳動裝置，齒輪的嚙合可將扭矩傳遞并轉(zhuǎn)換到不同的軸上。齒輪傳動的動力學可以通過齒輪的幾何特性、模數(shù)和齒數(shù)等參數(shù)來描述。齒輪傳動的微分方程可以考慮齒輪的運動學和動力學，包括齒輪的轉(zhuǎn)速、齒數(shù)比以及齒輪的慣性矩等。傳動裝置的動力學可以用公式（2）描述。

（2）

式中：TT為機械渦輪的扭矩；Te為機電發(fā)電機的扭矩；JT為風力發(fā)電機的轉(zhuǎn)動慣量；JG為發(fā)電機轉(zhuǎn)動慣量；KS為剛度系數(shù)；B為阻尼系數(shù)；ωT為風力發(fā)電機軸轉(zhuǎn)速；ωg為發(fā)電機軸轉(zhuǎn)速；θT為風力機軸角；θg為發(fā)電機軸角；1：ngear為齒輪比。

公式（2）描述了傳動裝置在外部輸入和輸出轉(zhuǎn)矩的作用下，轉(zhuǎn)動角度隨時間的變化。通過求解該微分方程，可以得到傳動裝置在不同條件下的轉(zhuǎn)動行為和響應特性。

2 傾斜角度控制

PID控制是應用最廣泛的傳統(tǒng)變速風力發(fā)電機控制策略。仿真結(jié)果表明，當風速高于標稱風速時，增益控制環(huán)節(jié)能夠有效提高風力機的控制性能。PID控制器用于控制變速恒頻風力發(fā)電機的轉(zhuǎn)速，以調(diào)節(jié)傾斜角。PID控制器具有結(jié)構(gòu)簡單、可靠性高且穩(wěn)定性好等優(yōu)點，但其過于依賴被控對象模型的參數(shù)。

PID控制器在工業(yè)中應用廣泛，并具有一些有趣的特性。它由比例控制、積分控制和微分控制3個部分組成，分別處理當前值、過去值和未來值。比例部分決定系統(tǒng)的速度，積分部分通過減少穩(wěn)態(tài)誤差來補充。為了能夠抵消系統(tǒng)即將出現(xiàn)的錯誤，PID控制器必須包括可以提高穩(wěn)定性的可微分部分。使用PID控制器時的輸入信號定義如公式（3）所示。

（3）

當系統(tǒng)的動態(tài)特性未知或包括顯著的非線性時（例如在高度湍流的風中），模糊邏輯控制器非常有用。傳統(tǒng)控制方法通常需要對系統(tǒng)的數(shù)學模型進行準確建模，但在實際應用中，系統(tǒng)的動態(tài)特性可能非常復雜，難以準確建模。而模糊邏輯控制器通過模糊推理和模糊規(guī)則的應用，能夠更好地處理這種復雜性和不確定性。模糊邏輯控制器的設計過程包括定義輸入變量、設置模糊規(guī)則以及開發(fā)將模糊規(guī)則的結(jié)果轉(zhuǎn)換為輸出的方法（通常稱為去模糊化）。其中，定義輸入變量是指確定影響系統(tǒng)行為的輸入?yún)?shù)，例如傳感器測量的數(shù)據(jù)或控制器的輸出。設置模糊規(guī)則是指根據(jù)專家知識和經(jīng)驗，將輸入變量與輸出變量間的關系以規(guī)則的形式表達出來。這些規(guī)則基于決策者做出決策的方式，使模糊邏輯控制器更具人類的智能特征。為了獲得模糊邏輯控制器的準確輸出信號，通常采用加權(quán)平均法[4]。

自適應控制是一種能解決PID參數(shù)自調(diào)問題的有效方法?；谛吕碚摵托录夹g，模糊自適應控制是其中的一種。模糊自適應PID控制的思想是將普通PID控制器與模糊邏輯控制器相結(jié)合（如圖2所示）。該方法具有自適應能力，可以自動識別受控過程的參數(shù)，設置控制參數(shù)并適應過程參數(shù)的變化。它還具有PID控制器的優(yōu)點，例如簡單的結(jié)構(gòu)和高可靠性。自適應控制是一種管理策略，可以識別管理標準模型。當系統(tǒng)在運行中出現(xiàn)動態(tài)變化時，自適應控制系統(tǒng)將實時調(diào)整控制器參數(shù)或算法，以最大限度地接近最佳性能指標，并將其維持在所需水平。綜上所述，模糊自適應PID控制方法結(jié)合了模糊邏輯控制和PID控制的優(yōu)勢，具有自適應能力、簡單可靠的特點。在風力發(fā)電機控制系統(tǒng)中，該方法可以提供穩(wěn)定的傾斜角度控制，從而提高風能利用效率并減少環(huán)境污染。

考慮風力渦輪機變速控制建模的不確定性，自適應控制具有廣泛的應用前景。模擬結(jié)果表明，當風速或參數(shù)變化時，該控制方法能夠有效地維持發(fā)電機的恒定速度和輸出功率。

3 仿真試驗與分析

根據(jù)模擬結(jié)果，當受控對象的模型不確定時，自適應模糊PID調(diào)節(jié)器具有較高的穩(wěn)定性。當系統(tǒng)發(fā)生故障或電力網(wǎng)絡不穩(wěn)定時，自適應調(diào)節(jié)器比其他工業(yè)調(diào)節(jié)器更具優(yōu)勢，還可獲得更好的控制效果（如圖3所示）。

研究結(jié)果證明了采用模糊自適應調(diào)節(jié)器對風力發(fā)電機葉片傾角控制系統(tǒng)的有效性。通過對控制系統(tǒng)進行模擬，可以確定本文提出的控制器響應快速且平滑，并具有穩(wěn)定性，可最大程度地接近最佳控制指標。從所建立的仿真控制系統(tǒng)案例可以看出，自適應模糊PID調(diào)節(jié)器比其他調(diào)節(jié)器具有更好的響應性能，其穩(wěn)定速度快，過沖量較?。▋H為0.05％），因此自適應模糊PID調(diào)節(jié)器具有更好的控制風力渦輪機角度的能力。

4 結(jié)論

本文的研究結(jié)果為風力發(fā)電機的控制提供了有益參考，為提高風能利用效率、減少環(huán)境污染做出了貢獻。但是本文僅考慮單一的風速條件和模型假設，未考慮其他因素的影響，如氣候變化和風力渦輪機的不同工況。因此，未來的研究需要考慮更多的實際情況，以進一步驗證自適應模糊PID調(diào)節(jié)器的有效性。除了自適應模糊PID調(diào)節(jié)器，還可以探索其他控制方法來進一步提高風力發(fā)電機的控制性能。例如，模型預測控制（Model Predictive Control）是一種基于數(shù)學模型的控制方法，可以預測未來的系統(tǒng)行為，并優(yōu)化控制策略。另外，神經(jīng)網(wǎng)絡控制（Neural Network Control）利用神經(jīng)網(wǎng)絡模型來學習和優(yōu)化控制策略，具有較強的適應能力和非線性建模能力。這些控制方法在風力發(fā)電機的控制中具有潛在的應用價值，可以在未來的研究中進行探索和驗證。

參考文獻

[1]張繼勇，嵇仁君，馬一鳴，等.風力發(fā)電變槳距模糊自適應PID控制[J].科技創(chuàng)新與應用，2022，12（33）：16-19.

[2]高翔.定槳距變轉(zhuǎn)速水平軸風力渦輪氣動性能與轉(zhuǎn)速控制方法研究[D].南京：南京航空航天大學，2017.

[3]吳俊鵬，翟學，郭紫昱，等.直驅(qū)永磁同步風電機組的PID控制器設計與仿真[J].自動化與儀表，2015，30（2）：38-41.

[4]張繼勇，嵇仁君，馬一鳴，等.風力發(fā)電變槳距模糊自適應PID控制[J].科技創(chuàng)新與應用，2022，12（33）：16-19.

[5]李飛飛.基于雙模糊PID控制策略的風力發(fā)電機組變槳系統(tǒng)研究[J].模糊系統(tǒng)與數(shù)學，2019，33（3）：29-34.

[6]GOLEA N，GOLEA A，BENMAHAMMED K.Stable indirect

fuzzy adaptive control[J].Fuzzy sets and systems，2003，137（3）：353-366.

[7]杜靜，文薄程，謝雙義，等.變速變槳風力機的自適應變槳及轉(zhuǎn)矩控制[J].電源技術，2014，38（10）：1904-1906.