变桨距风力发电系统模糊控制_新闻_

王仁明+周峰+徐升

收稿日期：2013-05-27

作者简介：王仁明（1964—），男，湖北仙桃人，教授，博士，研究方向：非线性系统分析与控制、模糊控制。

文章编号：1003-6199(2014)02-0027-04

摘要：首先根据风力发电机的各个部分数学模型，用Matlab/Simulink进行模型搭建，然后根据功率变化设计模糊控制器对风力发电机的输出功率进行调整，并同PID控制器进行对比，仿真结果表明，模糊变桨距控制器具有良好的控制品质和鲁棒性。



关键词：风力发电机；模糊控制；鲁棒性

中图分类号：TM614文献标识码：A



Fuzzy Control of Variable Pitch Wind Turbine Generator



WANG Renming1,ZHOU Feng1,XU Sheng2

(1.Institute of Electrical and New Energy,Three Gorges University,Yichang,Hubei 443002,China;

2.Enshi Powor Supply Company,Enshi,Hubei 445000,China)

Abstract:First of all, Matlab/Simulink models which based on the mathematical models of the wind turbine generator are established. Then, fuzzy controller which based on the power changes is designed to adjust the output power of the wind turbine generator, and compared with the PID controller. The simulation results show that the fuzzy variable pitch controller has good control quality and robustness.



Key words:wind turbine generator;fuzzy control;robustness



1 引言

风能是一种取之不尽的可再生能源，被人们誉为清洁、绿色、环保能源，其优越性为越来越多的人所认识。因此，风力发电的发展非常迅速。风力发电就是将风能转换为机械能进而将机械能转换为电能的过程。现在风力发电机组正向着大型化发展，风力发电机组输出功率控制方式有定桨距控制(失速调节)和变桨距调节两种［1］。在高风速时通过桨距角调节实现风电系统的恒功率输出，保证系统的安全运行［2］。

本文把模糊控制应用于风力发电的变桨距控制当中,因为模糊控制不依赖控制对象的数学模型,便于利用人的经验知识,能够很好地克服被控系统中模型参数变化和非线性等不确定因素［3］。

2 风力发电机组模型

一般风力发电机主要分为气动模型、传动机构和发电机三个部分［4］，大型风力机还有桨距控制系统。风以一定的速度和角度作用在风轮的桨叶上，使桨叶产生旋转力矩而转动，将风能转变为机械能，进而通过增速箱驱动发电机，再将机械能转变为电能，最后并入电网。原理图如图1所示。

2.1 风力机气动模型

风力机通过增速齿轮箱与发电机链接起来，其动态特性可以表示为

Jrdωrdt=Tr－Te (1)

式中：ωr为风力机风轮角速度，单位rad/s；Jr为风轮机的转动惯量，单位kg•m2；Tr为风力机的输出转矩，单位kN•m；Te为发电机的转矩，单位kN•m。

图1 风力发电机原理图

风力机的风能转换效率由功率系数Cp来表征，Cp是叶尖速比λ和桨距角β的函数。叶尖速比是表示叶片速度与风速之比的变量，可被表示如下：

λ=ωvR (2)

式中：ω为风轮角速度，单位rad/s；R为叶片半径，单位m；v为风速，单位m/s。

本文中，Cp选由下面的关系式表示［5］：

Cp=(0.44－0.0167β)sin π(λ－3)15－0.3β－0.00184(λ－3)β (3)

风力机捕获的风能为：

Pr=0.5ρπλCp(β,λ)v3R2 (4)

风力机获得的气动扭矩为：

Tr=0.5ρπR3v2CT(β,λ)(5)

其中：ρ为空气密度，单位Kg/m3；Cp为风能利用系数；CT为气动转矩系数。并有：

Cp(β,λ)=λCT(β,λ) (6)

2.2 传动系统模型

风力机产生的转矩Tr作用于带有转动惯量Jr的风轮上。风力机通过增速比为n的增速器连接到转动惯量为Jg的发电机上，使发电机产生一反扭矩Te。由于风轮、输入轴和增速器之间是刚性连接，因此忽略传动系统中的总摩擦力和输出轴上的相对角位移，可得传动系统的运动方程为：

Jr+n2Jgdωrdt=Tr－nTe (7)

计算技术与自动化2014年6月

第33卷第2期王仁明等：变桨距风力发电系统模糊控制

并有：

ωg=nωr (8)

2.3 发电机模型

本文中使用三相异步发电机，它的定子绕组直接接入电网，转子绕组通过变流器与电网连接。通过调节定子电压就可以改变发电机反力矩，进而改变风力机转速，使得转速跟随风速变化，捕获到最大风能，其反扭矩的数学模型为：

Te=pm1U21r2(ωg－ω1)(r1－C1r2ω1ωg－ω1)2+(x1+C1x2)2 (9)

式中：p为发电机的极对数；m1为电机定子相数；U1为电网电压；r1,x1分别为定子绕组的电阻和漏抗；r2,x2分别为转子绕组的电阻和漏抗；ωg为发电机转动角速度，单位rad/s；ω1为发电机同步转速，单位rad/s；C1为修正系数。

2.4 桨距系统模型

桨距制动器是一种非线性的伺服系统，能使旋转的全部叶片或部分叶片步调一致。在闭环上，桨距制动器可以作为带有振幅和衍生输出信号饱和度的第一阶动态系统的模型［5.6］。在线性区域，桨距制动器的动态行为可描述如下：

dβdt=Kβτβ(βr－β)(10)

式中：β为桨距角输出，单位度；βr为输入桨距角信号，单位度；τβ为时间常数，单位s；Kβ为比例系数。

3 控制策略

风力发电机的控制策略为：在低于额定风速时，通过调整风力发电机的反力矩改变发电机的来调整风力发电机的利用率系数，使其达到最大；在高于额定风速时，通过改变风力机的桨距角使风力发电机保证恒功率输出。本文对高于额定风速时，采用模糊控制器来使输出功率恒定。

文章采用二维模糊控制器，以高风速时的功率与额定功率的差值Δp及其变化率dΔp为控制器的输入量，其模糊化量分别为E、EC，输出量桨距角的变化量ΔU，模糊化量为Δμ。

1)定义模糊集

NS=负小 NM=负中 NB=负大

PS=正小PM=正中 PB=正大

2)根据模糊控制原理，定义E、EC为模糊控制的输入，输出为Δμ。

E={NS，NM，NB，ZO，PS，PM，PB}

EC={NS，NM，NB，ZO，PS，PM，PB}

Δμ={NS，NM，NB，ZO，PS，PM，PB}

论域为：E={-1，-2，-3，0，1，2，3} 

EC={-1，-2，-3，0，1，2，3} 

Δμ={-1，-2，-3，0，1，2，3}

模糊化变量均用正太分布隶属度函数。

3)确定模糊控制器的模糊化规则

表1 模糊控制器的模糊化规则

EEC

NB

4)反模糊化：采用重心法将模糊输出精确化。

μf(t)=∑ni=1xiμ(i)∑ni=1μ(i) (11)

4 仿真分析

根据上述风力发电机模型，用Matlab/Simulink进行系统模型搭建并进行仿真。模糊控制器的Simulink模块图如图2所示。

图2 模糊控制器的Simulink模块图

本文选定额定功率为1.5MW的异步发电机，额定风速为12m/s，风轮机直径为38.5m，风轮机的转动惯量为3.2753×106Kg•m2，发电机的转动惯量为97.5Kg•m2，定子绕组额定电压为690V，变速箱传动比为75.56。给定模拟风速为渐变风，如图3所示。采用传统的PID控制和模糊控制分别进行仿真，结果如图4、5、6、7。

图3 模拟渐变风速

图4 PID控制下的风力机的输出功率曲线

图5 PID控制器的桨距角响应曲线

图6 模糊控制器的桨距角响应曲线



结果分析

从仿真图可以看出，13s后仿真风速开始超过额定风速，PID控制器从13s开始对风力发电机的输出功率进行调整，虽然波动不大，但调整时间很长，达到功率平衡时用时22s；模糊控制器也从13s开始调整，经过2s调整后，输出功率迅速到达平衡，模糊控制器表现出良好的鲁棒性。

图7 模糊控制器的风力机功率响应曲线

图8 模糊控制下发电机功率响应曲线

5 结论

本文通过建立基于Matlab/Simulink的风力发电机组仿真模型，并运用PID控制和模糊控制对风力发电机进行仿真。仿真结果表明, 模糊控制系统的自适应性、控制品质明显优于传统的PID控制系统, 并且具有良好的鲁棒性, 有效提高了系统输出功率的稳定性，具有较高的实用价值。

参考文献

［1］ RYOSEI SAKAMOTO, TOMONOBU SENJYU, TATSUTO KINJO. Output Power Leveling of Wind Turbine Generator for All Operating Regions by Pitch Angle Control［C］. Power Engineering Society General Meeting, 2005. IEEE, 2005, 1: 45-52.

［2］ HORIUCHI N，KAWAHITO T．Torque and power limitations of variable speed wind turbines using pitch control and generator power control［C］．IEEE Power Engineering Society Summer Meeting, Vancouver,Canada,2001.

［3］章卫国,杨向忠.模糊控制理论与应用［M］.西安：西北工业大学出版社, 1999.

［4］包能胜,叶枝全,水平轴风力机状态空间模型参数辨识［J］.太阳能学报,2003,24(3):371-375

［5］ EZZELDIN S. ABDIN, WILSON Xu. Control design and dynamic performance analysis of a wind turbineinduction generator unit［C］.IEEE Trans. on Energy Conversion, 2000, 15(1):91-96.

［6］ LEITHEADW,CONNORB. Control of variable speed wind turbines: dynamic models［J］. International Journal of Control,2000,73(13),1173-1189.

［7］ THIRINGERT,PETERSSONA.Control of a variablespeed pitchregulated wind turbine［J］. Technical report, Chalmers University of Technology, Goteborg, Sweden,2005.

E={NS，NM，NB，ZO，PS，PM，PB}

EC={NS，NM，NB，ZO，PS，PM，PB}

Δμ={NS，NM，NB，ZO，PS，PM，PB}

论域为：E={-1，-2，-3，0，1，2，3} 

EC={-1，-2，-3，0，1，2，3} 

Δμ={-1，-2，-3，0，1，2，3}

模糊化变量均用正太分布隶属度函数。

3)确定模糊控制器的模糊化规则

表1 模糊控制器的模糊化规则

EEC

NB

4)反模糊化：采用重心法将模糊输出精确化。

μf(t)=∑ni=1xiμ(i)∑ni=1μ(i) (11)

4 仿真分析

根据上述风力发电机模型，用Matlab/Simulink进行系统模型搭建并进行仿真。模糊控制器的Simulink模块图如图2所示。

图2 模糊控制器的Simulink模块图

图3 模拟渐变风速

图4 PID控制下的风力机的输出功率曲线

图5 PID控制器的桨距角响应曲线

图6 模糊控制器的桨距角响应曲线



结果分析

图7 模糊控制器的风力机功率响应曲线

图8 模糊控制下发电机功率响应曲线

5 结论

参考文献

［3］章卫国,杨向忠.模糊控制理论与应用［M］.西安：西北工业大学出版社, 1999.

［4］包能胜,叶枝全,水平轴风力机状态空间模型参数辨识［J］.太阳能学报,2003,24(3):371-375

［5］ EZZELDIN S. ABDIN, WILSON Xu. Control design and dynamic performance analysis of a wind turbineinduction generator unit［C］.IEEE Trans. on Energy Conversion, 2000, 15(1):91-96.

［6］ LEITHEADW,CONNORB. Control of variable speed wind turbines: dynamic models［J］. International Journal of Control,2000,73(13),1173-1189.

［7］ THIRINGERT,PETERSSONA.Control of a variablespeed pitchregulated wind turbine［J］. Technical report, Chalmers University of Technology, Goteborg, Sweden,2005.

E={NS，NM，NB，ZO，PS，PM，PB}

EC={NS，NM，NB，ZO，PS，PM，PB}

Δμ={NS，NM，NB，ZO，PS，PM，PB}

论域为：E={-1，-2，-3，0，1，2，3} 

EC={-1，-2，-3，0，1，2，3} 

Δμ={-1，-2，-3，0，1，2，3}

模糊化变量均用正太分布隶属度函数。

3)确定模糊控制器的模糊化规则

表1 模糊控制器的模糊化规则

EEC

NB

4)反模糊化：采用重心法将模糊输出精确化。

μf(t)=∑ni=1xiμ(i)∑ni=1μ(i) (11)

4 仿真分析

根据上述风力发电机模型，用Matlab/Simulink进行系统模型搭建并进行仿真。模糊控制器的Simulink模块图如图2所示。

图2 模糊控制器的Simulink模块图

图3 模拟渐变风速

图4 PID控制下的风力机的输出功率曲线

图5 PID控制器的桨距角响应曲线

图6 模糊控制器的桨距角响应曲线



结果分析

图7 模糊控制器的风力机功率响应曲线

图8 模糊控制下发电机功率响应曲线

5 结论

参考文献

［3］章卫国,杨向忠.模糊控制理论与应用［M］.西安：西北工业大学出版社, 1999.

［4］包能胜,叶枝全,水平轴风力机状态空间模型参数辨识［J］.太阳能学报,2003,24(3):371-375

［5］ EZZELDIN S. ABDIN, WILSON Xu. Control design and dynamic performance analysis of a wind turbineinduction generator unit［C］.IEEE Trans. on Energy Conversion, 2000, 15(1):91-96.

［6］ LEITHEADW,CONNORB. Control of variable speed wind turbines: dynamic models［J］. International Journal of Control,2000,73(13),1173-1189.

［7］ THIRINGERT,PETERSSONA.Control of a variablespeed pitchregulated wind turbine［J］. Technical report, Chalmers University of Technology, Goteborg, Sweden,2005.