永磁同步風力發電系統功率優化新策略

程勇 彭亮 崔少博 陳寶林

摘 要： 以Matlab/Simulink為平臺搭建永磁同步風力發電系統，通過對基于移動指數平均算法（EMA）的功率誤差控制器對永磁風電系統功率環的波形影響進行分析，發現可以以一個函數實現EMA控制算法對功率誤差的作用。在此基礎上提出以一個新的函數代替EMA算法中的模糊邏輯控制器為基礎的改進型EMA算法，并將其作為永磁風力發電系統的功率誤差控制器。經過Simulink仿真平臺分析波形，得出改進型EMA算法具有對永磁風力發電系統功率優化的功能；且通過對比傳統EMA算法和改進后的移動指數平均算法的仿真波形與數據及其算法的數學結構，可知所用的新函數具有代替模糊邏輯控制器實現移動指數平均算法在PMSG功率控制上所具有的優化功能。

關鍵詞： 永磁風力發電； 功率優化； 模糊邏輯控制器； 改進型EMA算法； 功率誤差； 函數

中圖分類號： TN344?34； TM315 文獻標識碼： A 文章編號： 1004?373X（2018）16?0135?05

Abstract： A permanent magnet synchronous wind power generation system is established on the Matlab/Simulink platform. After analyzing the influence of the exponential moving average （EMA） algorithm based power error controller on power circle waveforms of the permanent magnet wind power system， it is found that a function can be used to realize the function of the EMA control algorithm on power error. On this basis， an improved EMA algorithm is proposed， which uses a new function to replace the fuzzy logic controller in the EMA algorithm， and is taken as the power error controller of the permanent magnet wind power generation system. After waveform analysis on the Simulink simulation platform， it is found that the improved EMA algorithm has the function of power optimization of the permanent magnet wind power generation system. By comparing the simulation waveforms， data， and mathematical structure of the traditional EMA algorithm and improved EMA algorithm， it is concluded that the new function can replace the fuzzy logic controller to realize the optimization function that the EMA algorithm has on PMSG power control.

keywords： permanent magnet wind power generation； power optimization； fuzzy logic controller； improved EMA algorithm； power error； function

0 引 言

近年來，對永磁同步風力發電系統功率控制的研究已取得了重大的理論成果。在近似固定的風場環境，建立永磁同步風力發電系統，能在相對穩定理想的環境中充分利用風能達到捕獲最大功率的目的[1]。而在多變的風場環境中，利用永磁同步風力發電系統的功率控制新策略捕獲風能，實現風力發電的功率優化。在多變風速下，實現PMSG的功率優化。文獻[2]指出可利用移動指數平均算法（EMA）實現PMSG的功率優化。但該算法需要使用模糊邏輯控制器，其具有極強的自適應性。但缺點是制作模糊邏輯控制器時需要制定模糊規則和基礎論域，其“專家經驗”的人力與時間投入，使其不具有自身調整的簡潔性。因此，本文提出一個函數[3?4]代替模糊邏輯控制器，形成新的PMSG功率優化方法，即改進型EMA算法。

1 永磁同步風力系統功率控制原理

PMSG的功率控制由兩個基本模塊：機側整流和網側逆變，構成控制的主體部分。以這兩大主體部分構成的主要閉環控制包括：功率控制環和電流控制環。在PMSG功率控制系統中，轉速控制環和電壓控制環，分別屬于間接功率控制環與間接電流控制環。系統框圖如圖1所示。

在恒定風速下，永磁風力發電系統的功率優化主要是最大功率捕獲。可用MPPT計算方法計算最優功率的理論值[5?10]，如下：

按照文獻[2]的方法，N值決定平均風速大小。若當前時刻風速大，則通過增大N值得到一個較小的風速輸入，即一個時段內的平均風速。使捕獲的風能得到優化，減小永磁同步發電機的機械損傷，并降低電網因過大功率造成的損傷。當實際風速較小時，通過減小N值，得到較大的平均風速輸入，提升風能捕獲效率，并保證電網不會因過低功率造成波動。且當N接近1時，永磁發電系統的功率捕獲基本按照MPPT方法。

為了保證在風速多變的風場中，實現風電系統的實時功率控制，故引入了模糊EMA算法控制風能參考值。利用模糊控制器的自適應性，得到隨風場變化的N值。再通過EMA計算公式得到優化后的平均風速，最后再求出功率理論值。模糊EMA算法框圖如圖2所示。

圖2展示了模糊EMA功率控制算法的流程，為實時追蹤風速，調整了優化功率數值。本文在EMA基礎計算方法上加入模糊控制器，根據實時風速及其變化量，改變N值，優化功率理論值。

3 基于EMA算法的功率優化新方案

本文提出基于EMA算法，利用一個新的函數[3?4]代替模糊控制器求取N值，達到在變風速風場中的系統功率優化，同時簡化控制流程。以此函數配合EMA的基礎計算公式，構成改進型EMA功率控制算法。可代替模糊EMA算法中模糊邏輯控制器的函數[Ns]：

如圖3所示，當風速從6 m/s逐漸遞增到12 m/s，N的值隨風速V（s）的增加，呈遞增趨勢。由式（2）～式（4）可知，當風速逐漸增大時，為避免永磁同步發電機的機械損耗和大功率及大的功率落差對風電系統及電網造成的絕緣損耗與波動，應將N值取大，使風電系統的電功率在從低風速變化到高風速的過程中保持功率平滑。式（5）能有效地計算N值，并可代替模糊邏輯控制器，滿足EMA算法在功率優化上N值的選取要求。

圖4展示了通過模糊EMA算法，得到在單調變化的風速下，N值隨風速的增加而增加，其目的和意義與改進型EMA算法一致。通過圖3與圖4的對比可見，改進型EMA算法可以實現模糊EMA算法在風電系統中的基礎功能。

圖5展示了風速以[6，7，8，12，10，8，6]為變化趨勢，當風速從6 m/s增至12 m/s時，N值呈遞增趨勢，即圖4中下方的紫色曲線；當風速從12 m/s減至6 m/s時，N值呈遞減趨勢，即圖5中上方的紫色曲線，其符合EMA算法對N值的選取要求。圖6表現了模糊EMA算法中的N值隨風速的變化趨勢呈現單調性：風速越大，N值越大；風速越小，N值越小。通過圖5與圖6對比，結果表明在多變風速下，改進型EMA算法也能夠實現模糊EMA算法在風電系統中的優化功能。

因此，用式（5）代替模糊控制器形成改進型EMA功率優化算法，算法框圖如圖7所示。

4 仿真結果說明及結論

4.1 仿真參數

本文主要用式（5）以移動指數平均算法為基礎，搭建計算永磁同步風電系統電功率理論值的仿真模型。仿真系統主要參數是式（5）中的[Vs]和[ΔVs]，[Vs]的取值分別為數組 [6，7，8，9，10，11，12]和[6，7，8，12，8，7，6]。風速變化量的取值在±3 m/s之間，且根據余弦函數的取值范圍，將[ΔVs]賦值為數組[0，0.075，0.52]。

4.2 仿真結果說明

通過搭建以式（5）為基礎的改進型基于EMA原理的功率優化算法的仿真模型，通過仿真并對比基于MPPT算法和模糊EMA算法的風能計算的仿真波形。圖8表現的是MPPT方法捕獲的風能。圖中顯示在第4 s時，功率出現了巨幅下落。對比圖9波形，圖10展示出改進型EMA算法的優越性。其在風速大幅下落的第4 s，功率抖落較小，表現出平滑穩定的趨勢。圖9表現的是模糊EMA算法的風能計算。對比圖8，模糊EMA算法具有功率優化的優點。其在第4 s時，功率雖有波動但抖幅較小。但對比圖10，在風速有較強落差的第4 s，就表現出功率抖落較為明顯的趨勢。

圖11是應用了改進型EMA算法的永磁同步風電系統的仿真框圖。利用改進型EMA算法進行時變風速下的永磁同步風電系統的功率優化，仿真波形見圖12，即利用改進型EMA算法得到的永磁風電系統整流側直流的電壓圖。由于仿真系統給定風速是以6～12 m/s為幅值上下限，以0.5 s為風速變化間隔且風速及其變化量增減無規律的時變量。所以，如圖12所示在低風速短時變大時，整流側的直流電壓呈現短時增加。且隨著風速過大及風速變化量過大時，在改進型EMA算法的作用下，系統從1 s后進入穩定的電壓平滑狀態。

對比圖13，即風電系統應用模糊EMA算法獲得的整流側直流電壓波形圖，清晰可見這兩種算法對永磁風電系統整流器的作用基本一致。圖14表現了在改進型EMA算法的作用下，永磁風電系統網側交流電壓和電流的相位基本相反，其基本呈現出單位功率因數逆變狀態。對比圖15所示的永磁風電系統應用了模糊EMA算法得到的網側電壓電流的波形圖，可見改進型EMA算法和模糊EMA算法對永磁風電系統逆變器的作用基本一致。可見，以式（5）為基礎的改進型EMA算法具有文獻[2]提出的模糊EMA算法在永磁同步風電系統功率優化上的優點。

5 結 語

本文通過搭建以式（5）為基礎的改進型EMA功率優化算法的仿真模型進行仿真，比較了基于MPPT算法和模糊EMA算法的風能仿真波形，充分體現了本文提出的基于式（5）的改進型 EMA算法在功率平滑上具有更強的性能，且穩定自適應性強，抗擾動性能好的優點。因本文提出的改進型EMA算法的設置可避免使用模糊邏輯控制器及復雜的模糊規則設置，較模糊EMA算法更為簡潔，應用于永磁風電系統可實現功率優化。

參考文獻

[1] 程勇，林輝.開關磁阻電機模型參數新辨識算法[J].火力與指揮控制，2012，37（10）：105?108.

CHENG Yong， LIN Hui. Study on parameters identification algorithm for modeling of switched reluctance motors [J]. Fire control & command control， 2012， 37（10）： 105?108.

[2] 鄧文浪，崔貴平，袁婷，等.基于雙級矩陣變換器的直驅永磁同步風力發電系統有功功率平滑優化控制[J].電網技術，2013，37（12）：3419?3425.

DENG Wenlang， CUI Guiping， YUAN Ting， et al. Active power smoothing optimization control of direct?driven permanent magnet synchronous wind power generation system based on two?stage matrix converter [J]. Power system technology， 2013， 37（12）： 3419?3425.

[3] MOGHADDAM A A， SEIFI A， NIKNAM T， et al. Multi?objective operation management of a renewable MG （micro?grid） with back?up micro?turbine/fuel cell/battery hybrid power source [J]. Energy， 2011， 36（11）： 6490?6507.

[4] XU Y， LIU J， RUAN D， et al. Fuzzy reasoning based on generalized fuzzy if?then rules [J]. International journal of intelligent systems， 2002， 17（10）： 977?1006.

[5] MITSUISHI T， TERASHIMA T. Lipschitz continuity of approximate reasoning [C]// Proceedings of 9th ACIS International Conference on Software Engineering， Artificial Intelligence， Networking and Parallel/Distributed Computing. Phuket： IEEE， 2008： 135?140.

[6] 鄧文浪，陳智勇.基于合成矢量的雙級矩陣變換器驅動感應電機電流控制策略[J].電網技術，2010，34（2）：64?70.

DENG Wenlang， CHEN Zhiyong. Current control strategy for induction motor fed by two?stage matrix converter based on complex vector [J]. Power system technology， 2010， 34（2）： 64?70.

[7] 魏自聰，章國寶.直驅式六相永磁同步風力發電機最佳風能追蹤控制[J].電力自動化設備，2010，30（12）：97?101.

WEI Zicong， ZHANG Guobao. Optimal wind energy tracking control of directly?driven six?phase PMSG [J]. Electric power automation equipment， 2010， 30（12）： 97?101.

[8] 王國俊.模糊推理與模糊邏輯[J].系統工程學報，1998，13（2）：1?16.

WANG Guojun. Fuzzy reasoning and fuzzy logic [J]. Journal of systems engineering， 1998， 13（2）： 1?16.

[9] 王國俊.關于模糊推理的若干基本問題[J].工程數學學報，2000，17（z1）：9?13.

WANG Guojun. Some basic problems on fuzzy reasoning [J]. Chinese journal of engineering mathematics， 2000， 17（S1）： 9?13.

[10] 廖勇，莊凱，姚駿，等.直驅式永磁同步風力發電機雙模功率控制策略的仿真研究[J].中國電機工程學報，2009，29（33）：76?82.

LIAO Yong， ZHUANG Kai， YAO Jun， et al. Dual?mode power control strategy simulation study of direct?driven permanent magnet synchronous generator for wind turbine [J]. Proceedings of the CSEE， 2009， 29（33）： 76?82.