基于风速预测的爬山法改进

来源:用户上传      作者:

　　摘  要：大惯量风力发电机由于其大滞后特性，面对风速大规模变化时不能及时跟随。文章提出在变步长爬山法的基础上引入风速预测和叶尖速比控制，分析风速预测结果，寻找未来风速是否存在大规模变化趋势或平稳趋势，估算未来风速趋势下的最佳转速，作为下一步爬山算法的参考转速，及早跟随。在MATLAB中进行实验验证，结果显示对于大惯量风机，基于风速超短期预测的爬山法比传统爬山法能更快响应风速变化。
　　关键词：大惯量;风速变化;爬山法;风速预测;叶尖速比控制
　　中图分类号：TM614        文献标志码：A         文章编号：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
　　风力发电是目前新能源中发展最快、使用最广、效率最高的一种方式，而风电的最大功率跟踪技术一直以来是研究的一个重点。目前常见的最大功率跟踪的方法主要有3种：叶尖速比法、功率反馈法、爬山搜索法。爬山法的优点在于不需要已知风机的风能利用曲线和测量实时风速，但其对大规模风速变化的响应慢，在功率最大处可能会出现很大转速扰动而有振荡。单纯的叶尖速比法控制原理简单，便于实现，但由于测量风速和已知最大功率曲线总会存在与实际的偏差，风机会偏离最佳工作点，而且面对风速大幅振荡时转速也会大幅振荡。
　　文献[1]设计了一个非线性观测器来观测气动转矩，推断风速，从而确定最佳速度来直接叶尖速比控制。文献[2]利用风速计所获得的风速估计值，模糊控制系统能够确定和调节转子转速，以获得最大功率。文献[3]采用梯度估计动态更新爬山算法的变步长系数来提高大惯性风机的动态特性和减小功率最大点的震荡。文献[4]采用双步长爬山法来避免在靠近最大功率点的机械振荡。文献[5]通过分区法界定爬山扰动步长抑制在风速稳定时的转速波动。文献[6-7]在风速变化超过一定范围时采用叶尖速比控制快速跟随，达到指定转速后再切换爬山或三点比较法，来提高跟随的速度。文献[8]采用混合风速预测算法来实现实时地最大功率跟踪。
　　本文将风速预测和叶尖速比法用于改进变步长爬山法来提高其在风速呈现趋势变化情况下的响应速度，减小稳态振荡。
　　1 双馈风力发电機和爬山策略特性
　　双馈风力发电系统工作原理简介如下：风吹动风机叶片，风机从风中捕获空气动能转化为机械能，传递给发电机转子，通过控制发电机转子励磁使电机回馈制动，定子产生电能回馈电网。
　　1.1 风力机输出特性
　　根据空气动力学风力机从风功率中吸收到的机械功率可以表示为式中，Pt为风力机捕获的风功率，ρ为空气密度，R为叶片半径，v为风速，Cp为风能利用系数，λ为叶尖速比，β为桨距角，Ωt为风机叶片角速度。对一已制成的风机，叶片半径不变，在空气密度和风速不变的情况下，风力机输出功率正比于Cp。Cp取决于叶尖速比λ和桨距角β，反应了风机的效率。
　　1.2 发电机功率稳态关系
　　通过建立双馈异步发电机稳态模型，我们可知忽略定转子铜耗下，定子有功功率和转矩、转速存在近似关系：
　　2 基于风速预测的爬山法改进办法原理
　　2.1 变步长爬山法的不足
　　当下的变步长爬山法读取当前时刻转速与上一时刻的转速变化量Δw和定子有功变化量ΔPS，通过K·（ΔPS（n）/Δw（n）来决策下一步的转速变化步长Δw（n+1），其中K为变步长系数，可以使得风力机在远离MPPT点步长大、靠近MPPT点步长小，加快搜索速度。然而在很靠近最大功率点时，会存在ΔPS很小且Δw也很小但ΔPS /Δw很大的情况，使得在最大功率点附近出现很大震荡;若是为了解决上述问题，将Δw（n+1）限幅设置得比较小或者减小系数K，都会带来在风速大规模变化下搜索速度的降低。本文提出了一种基于风速预测的爬山改进办法，能够使得风机在风速大规模变化下提早寻找到MPPT点附近，加快搜索速度。 　　2.2 基于风速超短期预测的爬山改进办法原理
　　由（5）式可知，当桨距角一定时，在同一风速下，稳态时定子有功功率近似正比于Ct，所以可认为当Ct达到最大值时，电机运行于爬山法的峰顶或附近。故可以通过超短期风速预测把握未来风速变化趋势，并通过叶尖速比控制提早使发电机运行于未来风速下的爬山法峰顶附近，加快爬山法的搜索速度，同时由于速度加快可以设置缩短爬山步长，减小最大功率点的震荡。原理如图2所示。
　　该办法步骤如下：
　　（1）前期准备：已知或测取所改进的风力机Ct取得最大值时对应的叶尖速比λ0;获取该风力机受风的历史风速数据，经过数据预处理获取趋势信号D（t）（t=1，2，3，…），建立ARIMA预测模型;对该序列建立分布模型;
　　（2）每次爬山周期的起始时刻获取该风机当前时刻以及距离当前时刻最近的共计m个连续采样时刻的风速的数据构成一时间序列，同样经过数据预处理获取趋势信号x（t）（t=1，2，3，…m），需满足m-n≥p且m-n≥q，其中n、p、q分别为建立的ARIMA预测模型的差分次数、自回归项阶数和滑动平均项阶数。
　　（3）将x（t）输入到训练好的ARIMA预测模型，输出超前i步的预测值P（i）（i=1，2，3，…T）。T为预测时间长度，可取爬山法周期的3～10倍。
　　（4）对预测得到的数据P（i）进行分析，判断其内在趋势，满足条件时直接通过叶尖速比控值决定下一控制周期的转速给定Ω*。否则仍通过爬山法判断下一步变化步长。
　　 判断趋势和决策w*借助预测序列P（i）的方差δ以及拟合成一条直线的斜率φ两个参数来分析，相应的可选用利用训练集D（t）的总体方差δ0作为δ的衡量标准，φ的衡量标准φ0通过分析D（t）的分布确定：
　　 式中：ε1-ε2是训练样本的概率密度分布模型和95%、85%两个置信水平所确定的同一侧的置信区间的边界值之差的绝对值。L值根据风速样本确定，经过实验探究到L取风速采样间隔的6～12倍较能反映其增长或减小趋势。
　　 3 仿真实验
　　基于Matlab和simulink建立仿真，总体框图如图3所示。建立一个2.4MW双馈风力发电系统及其矢量控制模型，通过变步长爬山法设定参考转速，采用转速-电流双闭环得到转子三相励磁电压，控制转子励磁，从而控制电机转速与风轮转速。
　　实验中爬山周期为2秒，预测长度为10秒，以某小风场每秒风速实际数据为例进行实验，截取其中部分趨势结果如图4所示。点虚线为实际风速计算得到的理论最佳转速，短虚线为传统爬山法的风力机叶片转速，实线为改进爬山法后的叶片转速。
　　实验结果表明：对于大惯量风机，传统爬山法面对风速大规模变化时转速跟随性能滞后很多，如图4中当风速处于增长趋势时，电机转速减小，但由于风功率的大规模提高，总体发电量仍在提高，带来爬山法误判使转速仍在减小，使得跟随时间更长。而加入了风速预测和叶尖速比控制后，能更快地跟随上风速变化趋势。
　　4 结束语
　　通过风速预测可以提早预知未来风速变化趋势，做出超前控制的决策，叶尖速比控制则可以使电机及时跟随上风速的变化。与传统爬山法相比，基于风速预测和叶尖速比控制的改进爬山法应用于大惯量风机，面对风速大规模变化时能提早握风速趋势，更快地跟随，从而可以提高发电效益。
　　参考文献：
　　[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]王凯.大型风力发电系统最大功率追踪优化与控制研究[D].华北电力大学（北京），2016.
　　[4]唐友军.小型风力发电系统最大功率点跟踪研究[D].武汉科技大学，2013.
　　[5]张阁，杨艺云，肖静，等.基于分区变步长爬山法的双馈风机MPPT控制策略[J].电气传动，2016，46（11）：51-55.
　　[6]李咸善，徐浩，杜于龙.采用叶尖速比法和爬山搜索法相结合的风力发电系统最大功率点跟踪研究[J].电力系统保护与控制，2015，43（13）：66-71.
　　[7]张晴晴.结合叶尖速比法与三点比较法的风力发电机最大功率点跟踪控制策略研究[J].电力学报，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]陈思卓，郭鹏，范晓旭.双馈式风力发电系统最大风能跟踪控制的研究[J].电力科学与工程，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]周帅，于洪霞.基于最佳叶尖速比的爬山法改进[J].科技创新与应用，2017（13）：67.
　　[13]田永贵，王奔，薛禾雨，等.基于改进爬山算法的风机最大功率点控制策略研究[J].四川电力技术，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]劉帅.风电场短期功率预测方法的研究[D].华北电力大学，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.
转载注明来源:https://www.xzbu.com/1/view-15231299.htm