基于直驅(qū)永磁同步風(fēng)力發(fā)電系統(tǒng)的控制器設(shè)計(jì)與研究

倪 瑤，孫黎霞

（河海大學(xué) 能源與電氣學(xué)院，江蘇 南京 211100）

常規(guī)能源資源有限，而且造成了嚴(yán)重的大氣污染。風(fēng)能是一種可再生的清潔能源，資源豐富，發(fā)電成本較低。因此，風(fēng)力發(fā)電受到了世界各國(guó)高度重視。由于直驅(qū)型永磁同步風(fēng)力發(fā)電系統(tǒng)機(jī)械損耗小，運(yùn)行效率高，機(jī)組噪聲小，正逐漸得到人們的青睞。

直驅(qū)永磁同步風(fēng)力發(fā)電系統(tǒng)機(jī)側(cè)變流器影響著系統(tǒng)輸出有功功率的能力，電網(wǎng)側(cè)變流器則直接影響系統(tǒng)輸出的電能質(zhì)量。因此，對(duì)變流器的控制是整個(gè)風(fēng)力發(fā)電機(jī)組中最重要的控制內(nèi)容之一。解耦控制策略被廣泛應(yīng)用于控制系統(tǒng)有功和無(wú)功，該控制策略是一種基于PI控制器的控制策略，有控制性能好、可靠性高等諸多優(yōu)點(diǎn)。本文通過(guò)對(duì)直驅(qū)永磁同步風(fēng)力發(fā)電系統(tǒng)進(jìn)行數(shù)學(xué)建模，并提出基于粒子群算法來(lái)解決永磁同步風(fēng)力發(fā)電系統(tǒng)PI參數(shù)的設(shè)計(jì)優(yōu)化。

粒子群算法，又稱(chēng)為粒子群優(yōu)化算法 （Particle Swarm Optimization），簡(jiǎn)稱(chēng)PSO算法[1]，同遺傳算法類(lèi)似，是一種基于迭代的優(yōu)化算法。系統(tǒng)初始化一組隨機(jī)解，通過(guò)多次迭代搜尋最優(yōu)值。這種算法因?yàn)槿菀讓?shí)現(xiàn)、精度高、收斂快等優(yōu)點(diǎn)引起了學(xué)術(shù)界的重視，并且在解決實(shí)際問(wèn)題中展示了其優(yōu)越性。文中在風(fēng)速突變時(shí)，對(duì)粒子群算法PI參數(shù)優(yōu)化前后直驅(qū)永磁同步發(fā)電系統(tǒng)進(jìn)行仿真對(duì)比。仿真結(jié)果驗(yàn)證了該方法應(yīng)用于風(fēng)力永磁同步發(fā)電系統(tǒng)的有效性。

1 直驅(qū)永磁同步風(fēng)力發(fā)電系統(tǒng)的建模

直驅(qū)永磁同步風(fēng)力發(fā)電系統(tǒng)包括如下幾個(gè)基本組成部分：風(fēng)力機(jī)、發(fā)電機(jī)、整流器、逆變器、控制系統(tǒng)等。并網(wǎng)逆變器是工作于逆變狀態(tài)的PWM整流器，其數(shù)學(xué)模型與PWM整流器相同，控制策略也相似。文中詳述永磁同步風(fēng)力發(fā)電系統(tǒng)的機(jī)側(cè)PI控制器設(shè)計(jì)與優(yōu)化。直驅(qū)永磁同步風(fēng)力發(fā)電系統(tǒng)的基本結(jié)構(gòu)如圖1所示。

圖1 直驅(qū)永磁同步風(fēng)力發(fā)電系統(tǒng)模型Fig.1 Configuration of wind power generation system with D-PMSG

1.1 風(fēng)力機(jī)模型

風(fēng)力機(jī)的輸出功率與風(fēng)速的關(guān)系為：

式中，ρ為空氣密度；v為風(fēng)速；R為風(fēng)力機(jī)轉(zhuǎn)子半徑；Cp為風(fēng)能利用系數(shù)；λ為葉尖速比；ωm為風(fēng)力機(jī)的角速度；c1=0.517 6，c2=116，c3=0.4，c4=5，c5=21，c6=0.006 8。

1.2 永磁同步發(fā)電機(jī)數(shù)學(xué)模型

永磁同步發(fā)電機(jī)在三相坐標(biāo)系下的電壓方程是一組變系數(shù)微分方程，為了便于分析，通常采用坐標(biāo)變換的方法，將變系數(shù)微分方程等效變換為常系數(shù)微分方程以便求解。為了下文滿足矢量控制的需要，變換時(shí)將d-q坐標(biāo)系的d軸與轉(zhuǎn)子磁場(chǎng)軸線重合[2]。永磁同步發(fā)電機(jī)數(shù)學(xué)模型如下：

直驅(qū)風(fēng)力發(fā)電機(jī)組的傳動(dòng)系統(tǒng)數(shù)學(xué)模型為：

式中，ud、uq分別為定子 d、q 軸電壓分量；id、iq分別為定子 d、q 軸電流分量；Rs為定子電阻；Ld、Lq分別為定子 d、q 軸自感；ωr為轉(zhuǎn)子角速度，ω=pωr為轉(zhuǎn)子電角速度；ψf為轉(zhuǎn)子永磁體的磁鏈最大值。Tl風(fēng)力機(jī)產(chǎn)生的驅(qū)動(dòng)轉(zhuǎn)矩，Te發(fā)電機(jī)的電磁轉(zhuǎn)矩；J為轉(zhuǎn)動(dòng)慣量；B為摩擦系數(shù)；p為電機(jī)極對(duì)數(shù)。

2 基于MPPT的系統(tǒng)控制器設(shè)計(jì)

2.1 直驅(qū)永磁同步風(fēng)力發(fā)電系統(tǒng)控制目標(biāo)

風(fēng)力機(jī)將捕獲的風(fēng)能轉(zhuǎn)換為機(jī)械能來(lái)驅(qū)動(dòng)永磁同步發(fā)電機(jī)，根據(jù)公式（1）～（3）對(duì)于固定的槳距角β來(lái)說(shuō)，一定存在最佳葉尖速比λopt和最大風(fēng)能利用系數(shù)Cpmax。永磁同步風(fēng)力發(fā)電系統(tǒng)控制目標(biāo)：機(jī)側(cè)控制為了獲得最大風(fēng)能輸出，必須對(duì)發(fā)電機(jī)輸出功率進(jìn)行控制，使其在風(fēng)速變化時(shí)，跟蹤最大功率點(diǎn)P*，從而保持最佳葉尖速比λopt不變[3]。網(wǎng)側(cè)控制功率因數(shù)為1。

2.2 PMSM雙閉環(huán)磁場(chǎng)定向控制器設(shè)計(jì)

以面裝式永磁同步電機(jī)為研究對(duì)象，其交、直軸電感相等 Ld=Lq=L，則式（2）為：

根據(jù)式（7）可得永磁同步發(fā)電機(jī)機(jī)側(cè)變流器的電流環(huán)控制框圖，根據(jù)矢量解耦控制原理[4]，在發(fā)電機(jī)的電流環(huán)控制中，要對(duì)直軸電流和交軸電流分別進(jìn)行閉環(huán)比例積分（PI）控制，從而得到相應(yīng)的控制電壓分量u′d和u′q，還要分別加上交叉耦合電壓的補(bǔ)償項(xiàng)-ωLiq、ωLid+ωψ的影響，最終分別得到直軸控制電壓u*d和交軸控制電壓u*q。由于跟蹤最大功率點(diǎn)P*的要求，外環(huán)為有功功率控制環(huán)的設(shè)計(jì)。PMSG磁場(chǎng)定向的雙閉環(huán)控制如圖2所示。

圖2 PMSM磁場(chǎng)定向的雙閉環(huán)控制Fig.2 Field oriented double close-loop control in the PMSM system

2.3 工程化的PI參數(shù)設(shè)計(jì)

圖3所示的永磁同步發(fā)電機(jī)電流、功率雙閉環(huán)控制系統(tǒng)是一種多環(huán)系統(tǒng)，設(shè)計(jì)多環(huán)系統(tǒng)的一般方法是：從內(nèi)環(huán)到外環(huán)進(jìn)行設(shè)計(jì)，先從電流環(huán)開(kāi)始，設(shè)計(jì)好電流調(diào)節(jié)器，然后把電流環(huán)看作是功率環(huán)的一個(gè)部分，再設(shè)計(jì)功率環(huán)，因此首先考慮進(jìn)行電流環(huán)的設(shè)計(jì)實(shí)現(xiàn)。本節(jié)采用經(jīng)驗(yàn)試湊法整定PI控制器參數(shù)，設(shè)計(jì)過(guò)程如圖3所示。

圖3 經(jīng)驗(yàn)試湊法流程Fig.3 Process of manual tuning

直驅(qū)永磁同步風(fēng)力發(fā)電系統(tǒng)仿真模型如圖4所示。

3 基于粒子群算法的PI控制器參數(shù)優(yōu)化

圖4 系統(tǒng)仿真模型Fig.4 Simulation model of PMSG system

在粒子群算法中，每個(gè)優(yōu)化問(wèn)題都可以想象成m維空間上搜索的一個(gè)點(diǎn)，這些點(diǎn)被稱(chēng)之為粒子，共有n個(gè)粒子組成一個(gè)群體。該算法首先初始化得到一群隨機(jī)粒子 （隨機(jī)解），然后通過(guò)多次迭代得到最優(yōu)解。在每一次迭代中，粒子通過(guò)跟蹤兩個(gè)“極值”來(lái)更新自己，第一個(gè)極值就是粒子本身所找到的最優(yōu)解，這個(gè)解叫做個(gè)體極值Pbest；另一個(gè)極值是整個(gè)種群目前找到的最優(yōu)解，這個(gè)極值是全局極值[5]gbest。在第t+1次迭代計(jì)算時(shí)，粒子i根據(jù)以下公式來(lái)更新自己的速度和位置，由于粒子位置更新，從而產(chǎn)生了新的種群xik（t+1）：

式中，ω是慣性權(quán)重；c1、c2是學(xué)習(xí)因子；r1和 r2為 0到 1之間的隨機(jī)數(shù)；k=1，2，...，m 為粒子的大小；v 是粒子的速度；x是粒子的位置。

直驅(qū)永磁同步風(fēng)力發(fā)電系統(tǒng)的PI參數(shù)優(yōu)化步驟[6-7]：

1）算法參數(shù)設(shè)定：實(shí)測(cè)發(fā)電機(jī)輸出的有功功率P的軌跡和數(shù)值；設(shè)置種群大小為20，粒子大小為6（要辨識(shí)6個(gè)PI控制參數(shù)）；最大迭代次數(shù)50次；設(shè)定6個(gè)PI參數(shù)的搜索區(qū)域。權(quán)系數(shù) ωmax=0.9，ωmin=0.4；學(xué)習(xí)因子 c1=c2=2；初始化種群，隨機(jī)產(chǎn)生由20個(gè)粒子組成的初始種群，隨機(jī)產(chǎn)生粒子的位置和速度。

3）更新粒子當(dāng)前最優(yōu)極值：比較粒子的當(dāng)前適應(yīng)值F（xi）和自身歷史最優(yōu)值 pbest，如果 F（xi）優(yōu)于 pbest，則置 pbest為當(dāng)前值F（xi），pbest對(duì)應(yīng)的位置為當(dāng)前這個(gè)粒子的位置。并更新pbest對(duì)應(yīng)的粒子6個(gè)PI參數(shù)。

4）更新種群當(dāng)前最優(yōu)極值：比較粒子當(dāng)前適應(yīng)值F（xi）與種群最優(yōu)值 gbest，如果 F（xi）優(yōu)于 gbest，則置 gbest為當(dāng)前值 F（xi），gbest對(duì)應(yīng)的位置為當(dāng)前這個(gè)粒子的位置。

5）根據(jù)公式（8）～（9）更新當(dāng)前粒子的速度和新的位置。

6）有時(shí)更新粒子位置可能會(huì)超出搜索范圍，此時(shí)，可以將其強(qiáng)制限制在臨近的搜索邊界上。

7）檢查結(jié)束條件，如果滿足，則優(yōu)化算法尋優(yōu)結(jié)束。否則，t=t+1，當(dāng)前迭代次數(shù)加1，轉(zhuǎn)至步驟2）結(jié)束條件為：①尋優(yōu)次數(shù)達(dá)到最大迭代次數(shù)50；②適應(yīng)度函數(shù)值小于給定值。

基于粒子群的永磁同步風(fēng)力發(fā)電系統(tǒng)的PI控制器參數(shù)優(yōu)化算法流程如圖5所示。

圖5 PI參數(shù)優(yōu)化算法流程圖Fig.5 Process of PI Parameter optimization

4 仿真分析

4.1 系統(tǒng)仿真結(jié)果

文中在MATLAB/SIMULINK環(huán)境下搭建了一臺(tái)1.5 MW直驅(qū)永磁同步風(fēng)力發(fā)電系統(tǒng)，風(fēng)速在2 s時(shí)從8 m/s突變到12 m/s，系統(tǒng)仿真結(jié)果如圖6所示。

4.2 參數(shù)優(yōu)化

由于文中是基于matlab仿真建模無(wú)法得到工程實(shí)測(cè)有功，所以將仿真模型輸出的有功功率當(dāng)作實(shí)測(cè)值即目標(biāo)曲線。在輸入風(fēng)速的突變下，用輸出有功功率受到擾動(dòng)的效果來(lái)激發(fā)控制系統(tǒng)的動(dòng)態(tài)性能，從而辨識(shí)得到控制器各參數(shù)值。系統(tǒng)采用粒子群優(yōu)化算法后，功率控制外環(huán)kp1、ki1，直軸電流控制內(nèi)環(huán)kp2、ki2，交軸電流控制內(nèi)環(huán)kp3、ki3參數(shù)如表1所示，有功功率仿真如圖7所示。

圖6 直驅(qū)永磁同步風(fēng)力發(fā)電系統(tǒng)仿真波形Fig.6 Simulation waveforms

表1 粒子群算法辨識(shí)參數(shù)Tab.1 Particle swarm algorithm identification parameters

圖7 PSO參數(shù)優(yōu)化仿真圖Fig.7 PSO parameter optimization simulation diagram

由圖7可知，采用粒子群優(yōu)化方法辨識(shí)出的有功功率曲線能夠較好擬合于目標(biāo)曲線，誤差小，其反映出的動(dòng)態(tài)特性更加接近于系統(tǒng)真實(shí)情況。基于上述可知，粒子群優(yōu)化算法用于直驅(qū)永磁同步風(fēng)力發(fā)電系統(tǒng)控制器參數(shù)優(yōu)化是有效可靠的。

5 結(jié) 論

文中對(duì)直驅(qū)永磁同步風(fēng)力發(fā)電系統(tǒng)進(jìn)行建模分析，并采用經(jīng)驗(yàn)試湊法設(shè)計(jì)出系統(tǒng)PI控制器參數(shù)。提出基于粒子群優(yōu)化算法的PI參數(shù)優(yōu)化設(shè)計(jì)，仿真結(jié)果表明在風(fēng)速突變后，經(jīng)過(guò)粒子群優(yōu)化算法后的直驅(qū)永磁同步發(fā)電系統(tǒng)輸出的有功功率能夠很好地?cái)M合真實(shí)值，跟蹤風(fēng)速擾動(dòng)，動(dòng)態(tài)響應(yīng)更快，進(jìn)而驗(yàn)證了該方法的工程應(yīng)用性。

[1]王克華，牛慧.一種參數(shù)自適應(yīng)調(diào)整和邊界約束的粒子群算法[J].電子設(shè)計(jì)工程，2011，19（21）:46-52.

WANG Ke-hua，NIU Hui.Particle swarm optimization with adaptive parameters and boundary constraints[J].Electronic Design Engineering，2011，19（21）:46-52.

[2]王成元，夏加寬，楊俊友，等.電機(jī)現(xiàn)代控制[M].北京：機(jī)械工業(yè)出版社，2006.

[3]尹明，李庚銀，張建成，等.直驅(qū)式永磁同步風(fēng)力發(fā)電機(jī)組建模及其控制策略[J].電網(wǎng)技術(shù)，2008，31（15）:61-65.

YIN Ming，LI Geng-yin，ZHANG Jian-cheng，et al.Modeling and control strategies of directly driven wind turbine with permanent magnet synchronous generator[J].Power System Technology，2008，31（15）:61-65.

[4]Yongbin Li， Mi，C Analysis.Design and simulation of directdrive PM wind power generators with PWM rectifiers[C]//Industrial Electronics Society，2007.IECON 2007.33rd Annual Conference of the IEEE，2007：1610-1614.

[5]張洪濤，胡紅麗，王斌.一種改進(jìn)粒子群算法及其在PID參數(shù)整定中的應(yīng)用[J].控制理論與應(yīng)用，2008，27（12）:14-16.

ZHANG Hong-tao，HU Hong-li，WANG Bin.A modified PSO algorithm and its application in tuning of PID[J].Control Theory and Applications，2008，27（12）:14-16.

[6]楊林立，張萍.基于粒子群算法雙饋風(fēng)力發(fā)電系統(tǒng)PI參數(shù)優(yōu)化[J].微計(jì)算機(jī)信息，2010，26（11）:154-156.

YANG Lin-li，ZHANG Ping.The doubly-fed wind power generator system PI parameter optimization based on particle swarm optimization algorithm[J].Microcomputer Information，2010，26（11）:154-156.

[7]張家駿.基于粒子群算法的PID控制器參數(shù)優(yōu)化研究[J].計(jì)算機(jī)仿真，2010，27（10）:191-193.

ZHANG Jia-jun.Optimization parameters of PID controller parameters based on particle swarm optimization[J].Computer Simulation，2010，27（10）:191-193.