基于風速預測的爬山法改進

梅云初 孫培德

摘? 要：大慣量風力發(fā)電機由于其大滯后特性，面對風速大規(guī)模變化時不能及時跟隨。文章提出在變步長爬山法的基礎上引入風速預測和葉尖速比控制，分析風速預測結(jié)果，尋找未來風速是否存在大規(guī)模變化趨勢或平穩(wěn)趨勢，估算未來風速趨勢下的最佳轉(zhuǎn)速，作為下一步爬山算法的參考轉(zhuǎn)速，及早跟隨。在MATLAB中進行實驗驗證，結(jié)果顯示對于大慣量風機，基于風速超短期預測的爬山法比傳統(tǒng)爬山法能更快響應風速變化。

關鍵詞：大慣量;風速變化;爬山法;風速預測;葉尖速比控制

中圖分類號：TM614? ? ? ? 文獻標志碼：A? ? ? ? ?文章編號：2095-2945（2020）16-0006-04

Abstract： Because of its large lag characteristic， large inertia wind turbine can not follow in time in the face of large-scale change of wind speed. This paper proposes to introduce wind speed prediction and blade tip speed ratio control on the basis of variable step-size mountain climbing method， analyze the prediction results of wind speed， find out whether there is a large-scale change trend or steady trend of wind speed in the future， and estimate the best speed under the trend of wind speed in the future， which， as the reference speed of the next mountain climbing algorithm， will follow as soon as possible. The experimental verification is carried out in MATLAB， and the results show that for large inertia fan， the mountain climbing method based on ultra-short-term prediction of wind speed can respond to the change of wind speed more quickly than the traditional mountain climbing method.

Keywords： large inertia; wind speed change; mountain climbing method; wind speed prediction; blade tip speed ratio control

引言

風力發(fā)電是目前新能源中發(fā)展最快、使用最廣、效率最高的一種方式，而風電的最大功率跟蹤技術一直以來是研究的一個重點。目前常見的最大功率跟蹤的方法主要有3種：葉尖速比法、功率反饋法、爬山搜索法。爬山法的優(yōu)點在于不需要已知風機的風能利用曲線和測量實時風速，但其對大規(guī)模風速變化的響應慢，在功率最大處可能會出現(xiàn)很大轉(zhuǎn)速擾動而有振蕩。單純的葉尖速比法控制原理簡單，便于實現(xiàn)，但由于測量風速和已知最大功率曲線總會存在與實際的偏差，風機會偏離最佳工作點，而且面對風速大幅振蕩時轉(zhuǎn)速也會大幅振蕩。

文獻[1]設計了一個非線性觀測器來觀測氣動轉(zhuǎn)矩，推斷風速，從而確定最佳速度來直接葉尖速比控制。文獻[2]利用風速計所獲得的風速估計值，模糊控制系統(tǒng)能夠確定和調(diào)節(jié)轉(zhuǎn)子轉(zhuǎn)速，以獲得最大功率。文獻[3]采用梯度估計動態(tài)更新爬山算法的變步長系數(shù)來提高大慣性風機的動態(tài)特性和減小功率最大點的震蕩。文獻[4]采用雙步長爬山法來避免在靠近最大功率點的機械振蕩。文獻[5]通過分區(qū)法界定爬山擾動步長抑制在風速穩(wěn)定時的轉(zhuǎn)速波動。文獻[6-7]在風速變化超過一定范圍時采用葉尖速比控制快速跟隨，達到指定轉(zhuǎn)速后再切換爬山或三點比較法，來提高跟隨的速度。文獻[8]采用混合風速預測算法來實現(xiàn)實時地最大功率跟蹤。

本文將風速預測和葉尖速比法用于改進變步長爬山法來提高其在風速呈現(xiàn)趨勢變化情況下的響應速度，減小穩(wěn)態(tài)振蕩。

1 雙饋風力發(fā)電機和爬山策略特性

雙饋風力發(fā)電系統(tǒng)工作原理簡介如下：風吹動風機葉片，風機從風中捕獲空氣動能轉(zhuǎn)化為機械能，傳遞給發(fā)電機轉(zhuǎn)子，通過控制發(fā)電機轉(zhuǎn)子勵磁使電機回饋制動，定子產(chǎn)生電能回饋電網(wǎng)。

1.1 風力機輸出特性

根據(jù)空氣動力學風力機從風功率中吸收到的機械功率可以表示為式中，Pt為風力機捕獲的風功率，ρ為空氣密度，R為葉片半徑，v為風速，Cp為風能利用系數(shù)，λ為葉尖速比，β為槳距角，Ωt為風機葉片角速度。對一已制成的風機，葉片半徑不變，在空氣密度和風速不變的情況下，風力機輸出功率正比于Cp。Cp取決于葉尖速比λ和槳距角β，反應了風機的效率。

1.2 發(fā)電機功率穩(wěn)態(tài)關系

通過建立雙饋異步發(fā)電機穩(wěn)態(tài)模型，我們可知忽略定轉(zhuǎn)子銅耗下，定子有功功率和轉(zhuǎn)矩、轉(zhuǎn)速存在近似關系：

2 基于風速預測的爬山法改進辦法原理

2.1 變步長爬山法的不足

當下的變步長爬山法讀取當前時刻轉(zhuǎn)速與上一時刻的轉(zhuǎn)速變化量Δw和定子有功變化量ΔPS，通過K·（ΔPS（n）/Δw（n）來決策下一步的轉(zhuǎn)速變化步長Δw（n+1），其中K為變步長系數(shù)，可以使得風力機在遠離MPPT點步長大、靠近MPPT點步長小，加快搜索速度。然而在很靠近最大功率點時，會存在ΔPS很小且Δw也很小但ΔPS /Δw很大的情況，使得在最大功率點附近出現(xiàn)很大震蕩;若是為了解決上述問題，將Δw（n+1）限幅設置得比較小或者減小系數(shù)K，都會帶來在風速大規(guī)模變化下搜索速度的降低。本文提出了一種基于風速預測的爬山改進辦法，能夠使得風機在風速大規(guī)模變化下提早尋找到MPPT點附近，加快搜索速度。

2.2 基于風速超短期預測的爬山改進辦法原理

由（5）式可知，當槳距角一定時，在同一風速下，穩(wěn)態(tài)時定子有功功率近似正比于Ct，所以可認為當Ct達到最大值時，電機運行于爬山法的峰頂或附近。故可以通過超短期風速預測把握未來風速變化趨勢，并通過葉尖速比控制提早使發(fā)電機運行于未來風速下的爬山法峰頂附近，加快爬山法的搜索速度，同時由于速度加快可以設置縮短爬山步長，減小最大功率點的震蕩。原理如圖2所示。

該辦法步驟如下：

（1）前期準備：已知或測取所改進的風力機Ct取得最大值時對應的葉尖速比λ0;獲取該風力機受風的歷史風速數(shù)據(jù)，經(jīng)過數(shù)據(jù)預處理獲取趨勢信號D（t）（t=1，2，3，…），建立ARIMA預測模型;對該序列建立分布模型;

（2）每次爬山周期的起始時刻獲取該風機當前時刻以及距離當前時刻最近的共計m個連續(xù)采樣時刻的風速的數(shù)據(jù)構成一時間序列，同樣經(jīng)過數(shù)據(jù)預處理獲取趨勢信號x（t）（t=1，2，3，…m），需滿足m-n≥p且m-n≥q，其中n、p、q分別為建立的ARIMA預測模型的差分次數(shù)、自回歸項階數(shù)和滑動平均項階數(shù)。

（3）將x（t）輸入到訓練好的ARIMA預測模型，輸出超前i步的預測值P（i）（i=1，2，3，…T）。T為預測時間長度，可取爬山法周期的3～10倍。

（4）對預測得到的數(shù)據(jù)P（i）進行分析，判斷其內(nèi)在趨勢，滿足條件時直接通過葉尖速比控值決定下一控制周期的轉(zhuǎn)速給定Ω*。否則仍通過爬山法判斷下一步變化步長。

判斷趨勢和決策w*借助預測序列P（i）的方差δ以及擬合成一條直線的斜率φ兩個參數(shù)來分析，相應的可選用利用訓練集D（t）的總體方差δ0作為δ的衡量標準，φ的衡量標準φ0通過分析D（t）的分布確定：

式中：ε1-ε2是訓練樣本的概率密度分布模型和95%、85%兩個置信水平所確定的同一側(cè)的置信區(qū)間的邊界值之差的絕對值。L值根據(jù)風速樣本確定，經(jīng)過實驗探究到L取風速采樣間隔的6～12倍較能反映其增長或減小趨勢。

3 仿真實驗

基于Matlab和simulink建立仿真，總體框圖如圖3所示。建立一個2.4MW雙饋風力發(fā)電系統(tǒng)及其矢量控制模型，通過變步長爬山法設定參考轉(zhuǎn)速，采用轉(zhuǎn)速-電流雙閉環(huán)得到轉(zhuǎn)子三相勵磁電壓，控制轉(zhuǎn)子勵磁，從而控制電機轉(zhuǎn)速與風輪轉(zhuǎn)速。

實驗中爬山周期為2秒，預測長度為10秒，以某小風場每秒風速實際數(shù)據(jù)為例進行實驗，截取其中部分趨勢結(jié)果如圖4所示。點虛線為實際風速計算得到的理論最佳轉(zhuǎn)速，短虛線為傳統(tǒng)爬山法的風力機葉片轉(zhuǎn)速，實線為改進爬山法后的葉片轉(zhuǎn)速。

實驗結(jié)果表明：對于大慣量風機，傳統(tǒng)爬山法面對風速大規(guī)模變化時轉(zhuǎn)速跟隨性能滯后很多，如圖4中當風速處于增長趨勢時，電機轉(zhuǎn)速減小，但由于風功率的大規(guī)模提高，總體發(fā)電量仍在提高，帶來爬山法誤判使轉(zhuǎn)速仍在減小，使得跟隨時間更長。而加入了風速預測和葉尖速比控制后，能更快地跟隨上風速變化趨勢。

4 結(jié)束語

通過風速預測可以提早預知未來風速變化趨勢，做出超前控制的決策，葉尖速比控制則可以使電機及時跟隨上風速的變化。與傳統(tǒng)爬山法相比，基于風速預測和葉尖速比控制的改進爬山法應用于大慣量風機，面對風速大規(guī)模變化時能提早握風速趨勢，更快地跟隨，從而可以提高發(fā)電效益。

參考文獻：

[1]Hoach The Nguyen，Ameena Saad Al-Sumaiti，Van-Phong Vu，Ahmed Al-Durra，Ton Duc Do. Optimal power tracking of PMSG based wind energy conversion systems by constrained direct control with fast convergence rates[J].International Journal of Electrical Power and Energy Systems，2020，118

[2]Lucio Ippolito. A sensorless fuzzy-based maximum power point tracker for micro and small wind energy conversion systems. 2012， 13（5）

[3]王凱.大型風力發(fā)電系統(tǒng)最大功率追蹤優(yōu)化與控制研究[D].華北電力大學（北京），2016.

[4]唐友軍.小型風力發(fā)電系統(tǒng)最大功率點跟蹤研究[D].武漢科技大學，2013.

[5]張閣，楊藝云，肖靜，等.基于分區(qū)變步長爬山法的雙饋風機MPPT控制策略[J].電氣傳動，2016，46（11）：51-55.

[6]李咸善，徐浩，杜于龍.采用葉尖速比法和爬山搜索法相結(jié)合的風力發(fā)電系統(tǒng)最大功率點跟蹤研究[J].電力系統(tǒng)保護與控制，2015，43（13）：66-71.

[7]張晴晴.結(jié)合葉尖速比法與三點比較法的風力發(fā)電機最大功率點跟蹤控制策略研究[J].電力學報，2019，34（06）：585-590.

[8]Cuong Hung Tran， Frédéric Nollet， Najib Essounbouli， et al. Maximum power point tracking techniques for wind energy systems using three levels boost converter. 2018， 154（1）：012016.

[9]陳思卓，郭鵬，范曉旭.雙饋式風力發(fā)電系統(tǒng)最大風能跟蹤控制的研究[J].電力科學與工程，2010，26（01）：1-4.

[10]Zhao H， Wu Q， Rasmussen C N，et al. L-1 Adaptive Speed Control of a Small Wind Energy Conversion System for Maximum Power Point Tracking[J]. IEEE Transactions on Energy Conversion，2014，29（3）：576-584.

[11]M. Elnaggar，H.A. Abdel Fattah，A.L. Elshafei. Maximum power tracking in WECS （Wind energy conversion systems） via numerical and stochastic approaches[J]. Energy，2014，74：651-661.

[12]周帥，于洪霞.基于最佳葉尖速比的爬山法改進[J].科技創(chuàng)新與應用，2017（13）：67.

[13]田永貴，王奔，薛禾雨，等.基于改進爬山算法的風機最大功率點控制策略研究[J].四川電力技術，2014，37（06）：54-60+72.

[14]Rajin M. Linus，Perumal Damodharan. Wind Velocity Sensorless Maximum Power Point Tracking Algorithm in Grid-connected Wind Energy Conversion System[J]. Electric Power Components and Systems，2015，43（15）：1-11.

[15]Yacine Daili，Jean-Paul Gaubert，Lazhar Rahmani. Implementation of a new maximum power point tracking control strategy for small wind energy conversion systems without mechanical sensors[J]. Energy Conversion and Management，2015，97：298-306.

[16]劉帥.風電場短期功率預測方法的研究[D].華北電力大學，2019.

[17]Ali M. Eltamaly，Hassan M. Farh. Maximum power extraction from wind energy system based on fuzzy logic control[J]. Electric Power Systems Research，2013，97：144-150.

[18]Sadegh Ghani Varzaneh，Hassan Rastegar，G. B. Gharehpetian. A New Three-mode Maximum Power Point Tracking Algorithm for Doubly Fed Induction Generator Based Wind Energy Conversion System[J]. Electric Power Components and Systems，2014，42（1）：45-49.

[19]M.A. Abdullah，A.H.M. Yatim，C.W. Tan，R. Saidur. A review of maximum power point tracking algorithms for wind energy systems[J]. Renewable and Sustainable Energy Reviews，2012，16（5）：3220-3227.

[20] Linus R M ， Damodharan P . Maximum Power Point Tracking and grid feeding of permanent magnet synchronous generator based wind energy conversion system using modified hill climb searching algorithm[C]// IEEE India International Conference on Power Electronics. IEEE， 2013.