CN105069275A - 一种基于小型风机的最大风能跟踪算法 - Google Patents

Abstract

本发明涉及风机控制算法领域。一种基于小型风机最大风能跟踪算法是改进的扰动观测算法与粒子群算法结合，改进的扰动算法不同于传统算法，根据电磁转矩与转速关系，对发电机电磁转矩提出了一种新的定义，即。由这个公式可知，通过改变角可以找寻最大电磁转矩从而间接寻找最大功率。在对角寻优的过程中利用了粒子群算法，提高了寻优的效率与精准度。这种方法特别适用于风速变化时能够迅速调整角，使输出功率恢复到最大值，从而实现最大风能追踪的快速性、精准性。

Description

一种基于小型风机的最大风能跟踪算法

技术领域

本发明涉及风机控制算法领域，特别是一种针对小型风机基于改进转矩扰动的最大风能追踪的控制算法。

背景技术

目前很多地方风能资源丰富，但是并不利于大型风电场的建设，在这种情况下，从安全、可行、美观的角度考虑对风能的充分利用，小型风机更具有适用性和科研价值。通常，这些地方的风能不太稳定，故在任意风速下保持小型风力机均具有良好的运行性能极具重要意义。风力发电大致分为三个阶段：

1)当风速小于切入风速或者大于切出风速时，风电机处于停机状态。

2)当风速大于额定风速时，需要通过变桨来控制输出功率维持在额定功率处运行。

3)当风速小于额定风速时，这个时候需要捕捉最大的风能，并把最大的风能转化为电能输送到电网中。

传统的最大风能追踪方法有最佳叶尖速比法，爬山法和功率反馈法。最佳叶尖速比法是通过测量风速和发电机的转速来计算最佳叶尖速比，进而维持风能利用系数最大，这种方法简单易实现，但是需要实时精确的测量风速，这在风场是很难实现的。爬山法是通过测量风机转速和输出功率，根据梯度的变化情况来判断转速的变化情况，但是梯度传感器会放大噪声且高频时不稳定。功率反馈法是通过控制风电机的输出功率来控制发电机的电磁转矩，此方法不需要风速的检测，但是需要通过仿真测量功率风速曲线，这无疑影响了算法的精度。

发明内容

本发明的发明目的是：针对上述技术问题，提供一种基于小型风机的最大风能跟踪算法。本发明采用改进的扰动观测法与粒子群算法来追踪不同风速下的最大风能，这种新型算法可有效、快速、精准地提高系统跟踪精度和输出效率。

本发明技术方案为：

本发明改进的扰动观测法基于以下，

风力机的输出功率为：

$P_w=\frac{1}{2}{\mathrm{\ρC}}_p{\mathrm{AV}}^3$ 公式一

式中，ρ为空气密度；C_p为风能利用系数；A为叶片有效面积；V为风速。

当桨距角保持在恒定状态时，叶尖速比λ可做如下定义：

$\mathrm{\λ}=\frac{{\mathrm{r\ω}}_m}{V}$ 公式二

式中，r为风轮半径，ω_m为发电机转速。

根据公式一、公式二，可推导出其输出功率最大值为：

$P_{w_{max}}={{\mathrm{G\ω}}_m}^3$ 公式三

风机转矩最大值为：

$T_{w_{opt}}={{\mathrm{G\ω}}_m}^2$ 公式四

式中， $G=\left(0.5{\mathrm{\ρAr}}^3{C}_{p_{max}}\right)/{{\mathrm{\λ}}_{opt}}^3$

又因为

$T_w=T_e+{\mathrm{D\ω}}_m+J\frac{{\mathrm{d\ω}}_m}{dt}$ 公式五

在一个稳定的条件下，可以导出电磁转矩的表达式为：

T_e＝Gω_m ²-Dω_m公式六

T_e＝Kω_m ²公式七

根据公式一、公式三和公式七可以看出，电磁转矩与发电机的输出功率变化趋向是一致的，所以通过追踪最大电磁转矩就可以间接追踪其最大功率。

根据电磁转矩与发电机转速的关系，定义：

T_e＝tan(θ)ω_m ²式1

这样建立以电磁转矩T_e为Y轴和发电机转速平方ω_m ²为X轴的坐标系，参数θ即为过点(T_e，ω_m ²)和原点的直线与X轴的夹角。当发电机输出最大功率时，参数θ存在最大值，即θ＝θ_opt。通过控制参数θ，使得参数θ为θ_opt时，即发电机输出最大功率；这样通过参数θ控制电磁转矩T_e进而可以间接追踪最大功率。综述，参数θ越接近θ_opt时，发电机的输出功率越大；且p_w(θ)＝tan(θ)ω_m ³是单极值函数，在寻求θ_opt时，本发明采用粒子群算法，提高了寻优的准确性和快速性。本发明改进的扰动观测法与粒子群算法是追寻最大风能时一种行之有效的方法。

本发明的有益效果是：

本发明与传统的扰动观察方法比较可知，提出的方法能够更好的实现风能最大功率点追踪控制，有效的提高系统的跟踪速度和输出效率，输出功率较大。

本发明利用一种改进的扰动观测法与粒子群算法相结合的新型算法来跟踪最大风能，这种算法能够适应任意风况，能够提高追踪最大风能的效率，具有一定的应用价值。

附图说明

图1是本发明不同风速下转矩与转速平方关系曲线图；

图2是本发明硬件设计原理图；

图3是本发明算法流程图；

具体实施方式

本发明可以应用在中小型风机发电系统中，具体实现硬件包括：风力机、永磁同步发电机和全功率变流器。本发明作用于风力机侧整流器，通过矢量控制FOC产生PWM波控制整流器二极管的开关状态，从而控制永磁同步发电机输出功率。

以下结合附图对本发明实施进行说明。

如图1所示，由公式T_e＝tan(θ)ω_m ²建立以电磁转矩T_e为Y轴和永磁同步发电机转速平方ω_m ²为X轴的坐标系。直线A表示永磁同步发电机最大转矩点时点(T_e，ω_m ²)与坐标原点的连线；直线B表示永磁同步发电机初始运行状态时点(T_e，ω_m ²)与坐标原点的连线。直线A与坐标x轴的夹角定义为角度θ_opt；直线B与坐标x轴的夹角定义为初始角度θ₀。通过不断地施加扰动，使得直线B不断地逼近直线A，也就是θ₀不断地逼近θ_opt，即可以使得永磁同步发电机不断逼近其最大转矩点，这样通过参数θ控制电磁转矩T_e进而可以间接追踪最大功率。

图2为本发明的硬件设计原理图，将本发明整合到MPPT控制器中，MPPT控制器作用于全功率变流器的整流器，通过MPPT控制器输出理想转矩，再将理想转矩通过矢量控制FOC形成PWM波，PWM波控制整流器二极管的开关状态，从而控制整流器，即控制全功率变流器，从而实现对永磁同步发电机最大风能追踪。

图3为算法的流程图，下面对于算法流程进行详细说明。

1、初始化算法参数。

2、初始化θ，用编码器监测出初始运行状态下的永磁同步发电机转速ω_m，确定在此转速下的电磁转矩T_e，根据公式T_e＝tan(θ)ω_m ²反求出初始状态下的θ₀。

3、先根据永磁同步发电机功率稳态区域确定参数θ的稳态区域。参数θ的选取直接影响系统稳定与控制效果，不能任意选取参数θ。如果所选参数超出稳态区域，可能导致整个风机并网系统过欠压或过欠流，风机系统停止运行。故必须在稳态区域内选取θ_opt参数，以保证系统稳定运行。

4、设定粒子群中微粒个数并赋初值。为了实现风机启动之时可以在对应的θ_opt参数附近运行，需要在整个算法的初始化前在参数θ稳态区域范围内任意选择微粒的初始位置其中初始速度V⁽⁰⁾＝[V_i ⁰]，V_θ范围为[V_θmin,V_θmax]，在该范围内，速度可以任意选取，初始速度公式

V_i ⁰＝rand()·(V_θmax-V_θmin)+V_θmin式2

5、确定评价函数。采用发电机的电磁转矩T_e作为控制效果的评价函数，适应值函数定义为f(x)＝tanxω_m ²式3。

6、初始化粒子的局部最优值和全局最优值微粒位置和速度V_i ^k满足：

速度方程组式3为：

$\begin{array}{c}{V}_i^{k+1}=\mathrm{\&omega;}\&CenterDot;V_i^k+c_1(p_i^k-S_i^k)+c_2(p_g^k-S_i^k)\\ \left\{\begin{array}{cc}if(V_i^k>V_{\mathrm{\&theta;}max})& V_i^k=V_{\mathrm{\&theta;}max}\\ if(V_i^k<V_{\mathrm{\&theta;}min})& V_i^k=V_{\mathrm{\&theta;}\min }\end{array}\right.\end{array}$

位置方程组式4为：

$\begin{array}{c}{S}_i^{k+1}=V_i^k+S_i^k\\ \left\{\begin{array}{cc}if(S_i^k>S_{\mathrm{\&theta;}max})& S_i^k=S_{\mathrm{\&theta;}max}\\ if(S_i^k<S_{\mathrm{\&theta;}\min })& S_i^k=S_{\mathrm{\&theta;}\min }\end{array}\right.\end{array}$

其中，i∈[0,N-1]，N为微粒个数。i代表第i个微粒。K为迭代次数，为第i个粒子第k+1迭代后次粒子的位置；为第i个粒子第k次迭代后粒子的位置；为第i个粒子第k次迭代后的速度；是第i个粒子第k+1次迭代后的速度，他们之间的迭代关系如式3和式4所示。c₁、c₂为加速常数，ω为惯性权重。

7、更新粒子的局部最优值和全局最优值。由步骤4确定出迭代后的微粒的位置和速度利用式5和式6更新微粒的局部最优值和全局最优值；

$p_i^{k+1}=\left\{\begin{array}{cc}{p}_i^k& f\left(s_i^{k+1}\right)\&le;f\left(p_i^k\right)\\ s_i^{k+1}& f\left(s_i^{k+1}\right)\&GreaterEqual;f\left(p_i^k\right)\end{array}\right.$ 式5

$p_g^{k+1}=\left\{\begin{array}{cc}{p}_g^k& f\left(s_i^{k+1}\right)\&le;f\left(p_g^k\right)\\ s_i^{k+1}& f\left(s_i^{k+1}\right)\&GreaterEqual;f\left(p_g^k\right)\end{array}\right.$ 式6

8、通过和由式1解得对应电磁转矩通过和由式1解得对应电磁转矩判断是否满足算法终止条件，定义终止条件为：E＜E_limit；若满足，则算法停止，输出优化解θ＝θ_opt，否则将上述步骤7结果代入步骤6；；

9、由优化解θ＝θ_opt通过式1解得到永磁同步发电机最大的电磁转矩的T_e，结合经典的矢量控制方法控制永磁同步发电机发电，以得到最大的输出功率。

本发明算法可以追踪不同风速下的最大风能，这种新型算法可有效、快速、精准地提高系统跟踪精度和输出效率。

Claims (1)

1.一种基于小型风机的最大风能跟踪算法，其特征在于：按照以下步骤，

步骤1，测定发电机初始运行状态下的发电机转速ω_m，定义发电机电磁转矩T_e满足公式：T_e＝tan(θ)ω_m ²式1；

步骤2，在式1参数θ稳态区域范围内任意选择微粒的初始位置其中初始速度V⁽⁰⁾＝[V_i ⁰]，V_θ范围为[V_θmin,V_θmax]，初始速度V_θ满足：

V_i ⁰＝rand()·(V_θmax-V_θmin)+V_θmin式2；

步骤3，采用所述发电机的电磁转矩T_e的控制效果作为评价函数，适应值函数定义为f(x)＝tanxω_m ²式3；

步骤4，定义所述微粒初始状态下局部最优值和全局最优值k＝0；微粒位置和速度满足；

速度方程组式3为：

$V_i^{k+1}=\mathrm{\&omega;}\&CenterDot;V_i^k+c_1(p_i^k-S_i^k)+c_2(p_g^k-S_i^k)$

$\left\{\begin{array}{cc}if(V_i^k>V_{\mathrm{\&theta;}max})& V_i^k=V_{\mathrm{\&theta;}max}\\ if(V_i^k<V_{\mathrm{\&theta;}min})& V_i^k=V_{\mathrm{\&theta;}\min }\end{array}\right.$

位置方程组式4为：

$S_i^{k+1}=V_i^k+S_i^k$

$\left\{\begin{array}{cc}if(S_i^k>S_{\mathrm{\&theta;}max})& S_i^k=S_{\mathrm{\&theta;}max}\\ if(S_i^k<S_{\mathrm{\&theta;}\min })& S_i^k=S_{\mathrm{\&theta;}\min }\end{array}\right.$

其中，i∈[0,N-1]，N为微粒个数，i代表第i个微粒，K为迭代次数，C₁、C₂为加速常数，ω为惯性权重；

步骤5，更新所述微粒的局部最优值和全局最优值；由步骤4确定出迭代后的微粒的位置和速度利用式5和式6更新微粒的局部最优值和全局最优值；

$p_i^{k+1}=\left\{\begin{array}{cc}{p}_i^k& f\left(s_i^{k+1}\right)\&le;f\left(p_i^k\right)\\ s_i^{k+1}& f\left(s_i^{k+1}\right)\&GreaterEqual;f\left(p_i^k\right)\end{array}\right.$ 式5

$p_g^{k+1}=\left\{\begin{array}{cc}{p}_g^k& f\left(s_i^{k+1}\right)\&le;f\left(p_g^k\right)\\ s_i^{k+1}& f\left(s_i^{k+1}\right)\&GreaterEqual;f\left(p_g^k\right)\end{array}\right.$ 式6

步骤6：通过和由式1解得对应电磁转矩通过和由式1解得对应电磁转矩判断是否满足算法终止条件，定义终止条件为：E＜E_limit；若满足，则算法停止，输出优化解θ＝θ_opt，否则将步骤5结果代入步骤4；

步骤7，由所述参数θ＝θ_opt通过式1得到电磁转矩T_e，通过矢量控制方法调节发电机输出最大的功率。