基于自适应模糊控制的变速风力发电机组pid控制研究

基于自适应模糊控制的变速风力发电机组pid控制研究

0自适应模糊控制技术风能发电是促进能源效率和环境保护的重要技术之一。这是国内外研究的重点和重点。由于风能具有随机性和突发性的特性,风力发电系统的工作点随风的变化时刻变化,表现出高度的时变、非线性特性。常规的PID控制器虽然结构简单,广泛运用于工业控制当中,但需要知道系统的精确模型。当运用于风力发电系统这种高度时变、非线性、模型随工作点变化的系统时,一般的做法是在系统最坏的工作点处设计PID控制器,这样虽然能够保证系统是全局稳定的,但控制性能变差。模糊控制技术因为不需要知道被控对象的模型、抗干扰能力强以及鲁棒性强等优点在风力发电系统中得到了广泛的应用[8,9,10,11,12,13,14]。但是,目前广泛运用的模糊控制技术关注重点都只放在了风力发电系统转速的控制性能上,而对系统输出电流脉动的关注较少。事实上,传统的模糊控制技术虽然能够获得较好的转速控制性能,但是输出电流脉动较大,使得系统转矩脉动较大,容易出现机械结构上的疲劳损坏,降低了系统的控制性能和使用寿命。为了解决这一问题,有学者提出采用非线性输出隶属度函数的模糊控制技术,这样虽然能达到减小输出电流脉动的目的,但是后文的仿真和实验结果表明,该方法牺牲了系统的转速控制性能。本文提出了一种简单的自适应模糊控制方法,有效地解决了传统模糊控制技术转速控制性能和输出电流脉动之间的矛盾。该方法通过引入一种自适应算法,根据机组的运行状态实时改变模糊控制器的输出比例因子,如在动态过程中采用较大的比例因子以获得良好的动态性能,而在稳态过程中采用较小的输出比例因子以减小输出电流脉动。为了验证该方法的正确性,搭建了一台2kW的定桨距变速风力发电机组的仿真模型和实验平台,并在此平台上分别比较了PID控制技术、传统的线性模糊控制技术、非线性模糊控制技术以及文中提出自适应模糊控制技术的控制性能。仿真和实验结果验证了文中提出方法的可行性和优越性。1波动过载等定标装置1.1风力机模拟系统图1所示为本文采用的直驱式定桨距变速风力发电机组(以下简称机组)的系统结构框图。主要由风力机(也称为风轮)、永磁同步发电机、整流器、DC/DC变换器、储能终端以及高能耗负载组成。为了在实验室里可以方便的研究机组的各种控制策略,机组中的风力机采用了基于永磁同步电动机的风力机模拟系统来代替。该模拟系统可真实的模拟不同转动惯量的风力机,正确性已经过实验验证,机组具体参数如表1所示。1.2转速调节器控制原理在直驱式机组中,风力机与发电机直接刚性相连,省去了增速齿轮箱。因此,可以近似的认为传动轴无刚性扭转,从而可得机组传动系数学模型:式中:Tr为风力机的气动转矩;Te为发电机的电磁转矩;B为系统的等效转动粘滞系数;ω为发电机的转动角速度,对于直驱式机组也即风力机的转速;Jr和Jg分别为风力机和发电机的转动惯量。据此,只要根据需要改变发电机的电磁转矩(即负载转矩),就能改变机组的运行转速和工作状态。当控制机组的转速按照功率-最优转速曲线运行时,可实现机组的最大功率跟踪运行。图1中所示的系统可简化为图2所示的控制原理框图。对图2所示控制原理框图进行以下几点分析:1)机组转动惯量较大,相对于机组的转速响应(秒级),变换器的响应时间很快(500μs),可近似忽略,机组运行的电磁转矩可得到快速响应。故此机组的控制稳定性主要取决于转速调节器,要求转速调节器能够适应机组各种运行状态,具有较强的鲁棒性。2)如果转速调节器速度较慢,机组最大功率跟踪运行时跟踪能力较差,要求转速调节器控制机组具有较好的快速性。3)如果转速调节器的输出电流指令脉动较大,输出功率脉动也较大(因机组输出接蓄电池,电压基本不变),直接反应为发电机有较大的电磁转矩脉动。这一方面使机组的转速控制性能下降,另一方面使机组承受额外的机械载荷而降低了机组的使用寿命。因此,要求转速调节器能够平滑调节,输出电流指令脉动小。由上面分析可知,转速调节器性能对机组的运行性能起着决定性的影响。本文将从表2所示的3种情况来分别探究按常用的几种控制方法设计的转速调节器的控制性能。表2中,情况1为机组运行在风速10m/s,机组的运行转速在450~550r/min变化,以此来测试转速调节器控制的快速性;情况2为机组运行在转速450r/min不变,测试风速在10~12m/s变化时机组的抗扰性能;情况3测试条件与情况1相当,只是机组参数发生了变化,转动惯量变为原来的1/2(采用风力机模拟系统可方便的实现转动惯量的修改),用来测试转速调节器的鲁棒性。2pid控制器设计常规PID控制器结构简单,在工程中得到了普遍的应用。本部分将简单推导图2所示机组的小信号模型,在此基础上对PID调节器进行了优化设计,以便后文对其控制性能分析。风力机的气动转矩为式中:ρ为空气密度;R为风轮半径;v为风速;CT(λ,β)为转矩系数,是桨距角β和叶尖速比λ的函数,对定桨距机组桨距角β不变,CT仅为λ的函数;λ=ωR/v,ω为风力机的转速。在某个稳态工作点Q(Ω,V)附近对式(2)所示的气动转矩进行小信号分析,有其中,同样,稳态工作点Q(Ω,V)附近对式(1)进行线性化分析并结合式(3),可得可得发电机电磁转矩到机组转速的传递函数:由于系统中采用了不控整流,其工作方式随着机组的运行状态有所不同,模型很难从理论上推导得出。本文采用了模型辨识的方法,通过实验的手段测试输出电流到发电机电磁转矩的阶跃响应,配合Matlab辨识工具箱得到输出电流指令到发电机电磁转矩的传递函数如下:由式(7)、(8)可得,输出电流指令到机组转速的传递函数为根据式(9)可以绘出不同静态工作点下实际机组的幅频特性曲线,如图3所示。可以看出,机组的特性随着工作点的变化而变化,在λ<λTmax时系统变为非最小相位系统,开环不稳定。与此同时,系统的稳定裕度随着叶尖速比的减小而减小。即在低转速高风速(深度失速区)条件下,系统的性能最差。因此,PID调节器设计时需要将稳态工作点选取在切出风速下的最低转速,即Q(Vmax,Ωmin),以保证闭环系统在全风速范围内的稳定性。由此,可以设计PID控制器的比例、积分、微分增益分别为Kp=10,Ki=7,Kd=0.1。系统的截止频率为2.71Hz,相角裕度等于45.8°。采用该PID控制器作为图1所示机组转速调节器时,机组在情况1、2、3下的运行性能如图4所示。从图4中可以看出,在情况1时,机组的转速响应速度慢,接近3s,可知为保证机组的稳定性而恶化了其动态性能;从情况2可以看出,PID控制器抗风速扰动的性能较差,风速变化时机组出现了较大的转速过冲且其恢复时间较长;而当机组参数发生变化时,如情况3,机组开始运行在临界稳定状态,转速已经开始振荡,说明PID控制器对系统参数变化非常敏感,鲁棒性差。3传统的模糊控制技术3.1模糊控制器设计图5所示为传统的模糊控制器(fuzzylogiccontroller,FLC)的控制原理框图。转速误差eω和误差的变化率Δeω经过模糊化后转换到模糊论域中,其隶属度函数如图6(a)所示,转化后对应到模糊论域中语言变量分别为E和EC。经过模糊规则推理以及解模糊后可得控制输出Δio*,模糊论域中对应U。输出变量隶属度函数如图6(b)所示线性分布。当采用PI型输出时,可实现无静差控制,其输出电流指令可表示为图5中,Ke,Kec,Ku为转速误差量化因子、转速误差变化率的量化因子以及输出比例因子,均为常数。模糊控制器输入eω、Δeω和输出Δio*的基本论域均为[-6,6],对应的模糊子集为:{NB,NM,NS,ZO,PS,PM,PB},用以分别表示负大,负中,负小,零,正小,正中,正大。由此,根据工程经验可制定如表3所示模糊控制规则表。当采用Mamdani的Max-Min推理以及中心重点解模糊方法时,可得该模糊控制器(后文称为线性模糊控制器)在表2中3种情况下的控制性能如图7所示。从情况1可以看出,当机组的转速在450~550r/min变化时,模糊控制器输出电流快速变化,以提供良好的转速响应;在情况2时,线性模糊控制器表现出良好的抗风速扰动的能力,风速在10~12m/s变化过程中,转速几乎无变化。而当系统参数发生变化时,线性模糊控制器也能提供较好的转速响应过程,具有较强的鲁棒性,如情况3。不过同时可以发现,线性模糊控制器在3种情况下控制机组输出的电流都具有较大的电流脉动。这是因为当采用输出隶属度线性分布时,如图6(b)所示,机组稳态时要求模糊控制器输出为NS、ZO或PS,而此时电流指令Δio*的变化范围为[-2A,2A]的一个较大的变化范围。由此引起较大的电流脉动直接反应为机组具有较大的转矩脉动,这一方面恶化了机组的转速控制性能,另一方面使机组承受了额外的载荷,降低了机组的使用寿命。3.2机组稳态时模糊控制器输出的影响由上面分析知,线性模糊控制器虽然能够控制机组具有较好的转速动态响应且控制鲁棒性强,但却增大了输出电流脉动。一般认为的解决方法为采用输出变量隶属度函数非线性分布的模糊控制器(后文称非线性模糊控制器),如采用图8所示的输出隶属度分布。比较图6(b)和图8可看出,稳态时模糊控制器的输出变化范围由[-2A,2A]减小为[-0.8A,0.8A],直观的反映出机组稳态时模糊控制器的输出大大减小,达到了减小电流脉动的目的。当采用表3所示的模糊推理规则以及与线性模糊控制器相同的解模糊方法时,可得如图9所示的机组在表2所述3种情况下的运行性能。分析图9可知,非线性模糊控制器在3种情况下可以减小机组输出电流脉动,这和理论分析相吻合。然而当机组处于动态过程时,如情况1,因输出变量隶属度函数非线性分布,控制器长时间输出PB或NB状态,使机组在动态过程中虽然转速响应速度较快,但却出现了较大的转速超调而延长了机组进入稳态运行的时间。且因模糊控制器输出持续较大,风速变化时使机组的转速出现了较为明显的变化,机组的抗扰动性能减弱,如情况2。故而可知,相对于线性模糊控制器,非线性模糊控制器恶化了机组的转速控制性能。4自适应模糊控制技术4.1输出比例因子ku由以上分析可知,为了使机组具有较好的动态性能,在机组动态过程中要求模糊控制器输出较大的Δio*,从而使电流指令oi*快速积分到较高或者较低的值使负载转矩(也即发电机的电磁转矩)快速变化,以加快机组的转速响应。当机组进入稳态运行时,则要求机组输出较小的Δio*,以减小输出电流脉动。这可通过引入一个转速误差门限eth来实现,具体做法为:当检测到机组的转速误差eω(转速基准ωref与实际转速ω的差值)大于所设置的门限时,说明此时机组处于动态过程,则增大模糊控制器的输出比例因子Ku,即增大Δio*,以控制机组转速快速跟随转速指令;而当转速误差eω小于设置的转速门限eth,机组进入稳态运行。为减小输出电流脉动,此时应采用较小的输出比例因子Ku。上述方法可表示为式中Ku(k),Ku(k-1)分别为当前以及上一次的输出比例因子;eth为设置的转速误差门限;k1_in和k1_de为比例因子调整因子,均为常数,取值范围如式(11)所示。事实上,比例因子调整因子的选取还需要兼顾到控制器的控制性能。如机组动态过程中k1_in选取较大值,控制器输出比例因子变化很大,在机组转速进入转速误差门限以下时(即稳态)输出比例因子已经为一个很大的值。而由前面分析可知,机组稳态运行时要求比例因子较小,以保证输出电流脉动小。故此,要求调整因子k1_de取值很小,否则会因输出比例因子大而使模糊控制器输出变化大,机组由动态运行切入稳态运行过程出现振荡,严重时会影响机组的稳定性。而k1_de取值太小又使得控制器的控制能力变弱,控制器的抗干扰性能变差。所以,比例因子调整因子的选取不应偏离1太多,本文仿真和实验研究中选取k1_in=1.05,k1_de=0.95。4.2误差门限调整因子的选取误差门限值的设置对控制器的性能有较大的影响。一方面,为了避免因转速脉动引起的转速误差在误差门限eth处上下波动,输出比例因子因误判断而引起控制器输出跳动较大,系统鲁棒性下降的缺点,误差门限不能设置得太小;另一方面,如误差门限值设置较大,控制器过早判断而采用机组稳态运行时的较小输出值,机组的动态性能下降。为此,本文误差门限采用自适应设置方式,设置方法如式(12)所示,如果本次设置的误差门限还是比测得的转速误差小,说明误差门限值设置太小,需要增加门限值;反之则减小门限值。式中eth(k),eth(k+1)分别为当前及下一次的误差门限;eω为检测到的的转速误差;k2_in和k2_de为门限调整因子,均为常数,取值范围如式(12)所示。误差门限调整因子的选取需要注意优化k2_in、k2_de的取值以缩短机组从动态运行切入稳态运行的耗时。其取值规则同比例因子调整因子相近,不应偏离1太多,本文仿真和实验研究中选取值为k2_in=1.02,k2_de=0.98。另外,为了确保自适应调整过程中误差门限不至太小,文中给误差门限值作出下限幅,取为eth_min