基于模糊控制风电机组变桨距控制.docVIP

基于模糊控制风电机组变桨距控制 　　摘 要：针对风力发电机组非线性、时变性的问题，提出采用模糊PID控制器作为变桨距控制器，在风速高于额定风速时，依据风速变化情况调整桨距角，从而使风电机组保持恒功率输出，最后在MATLAB平台上搭建仿真模型。结果表明，采用模糊PID控制比传统PID控制具有更好的动态性能和静态误差，能够优化变桨距控制方法。 　　关键词：风力发电机组；变桨距控制器，模糊控制；MATLAB仿真 　　Abstract：Aiming at the problems of nonlinear， time-varying in the wind turbines， Fuzzy PID controller is established as a variable pitch controller. Pitch angle is adjusted according to wind speed to keep constant power output when the wind speed is higher than the rated wind speed。Finally，building the simulation model in the MATLAB platform.Results show，Fuzzy PID controller has better dynamic performance and static error than the traditional one. It can optimize the variable pitch control method. 　　Key words：Wind turbines；Variable pitch controller；fuzzy logic control；The MATLAB simulation 　　1 引言 　　风速的随机性和不确定性，使得风速跟踪、预测以及风电机组的控制成为风力发电中的关键技术[1]。模糊PID控制将常规PID控制与模糊控制相结合，具有控制精度高、控制动态响应好、超调量小以及能够消除静态误差的特性，在风电机组控制应用中具有不可比拟的优势[2-3]。对风力机进行调节时，变桨距调节能更大程度地获取风能且输出功率平稳，因此，深入研究基于模糊PID的风电机组变桨距控制方法具有实际的工程应用意义。 　　2 风电机组的建模 　　常用的风电机组一般分为风轮、传动、双馈异步发电机、变桨四个子系统。为了定量分析发电机组的系统特性，建立其物理模型，如下： 　　2.1 风轮模型 　　假设轴向流过风轮的风速为v（m/s），风轮捕获功率和转动转矩为[4]： 　　其中，ρ为空气密度（kg/m3），A为风轮的面积（m2），R为风轮半径（m），Cp为风能利用系数，ω为风轮转速（rad/s）。 　　风能利用系数带包风轮吸收风能的能力，一般用如下关系式表示： 　　从式（3）和式（4）可以看出，风能利用系数随桨距角的增大而减小，因此，可以通过调节桨距角限制风轮捕获的风能达到恒功率控制的目的。 　　2.2 传动系统模型 　　风力发电机组的刚性轴模型可表示为[5]： 　　其中，Jm、Je：风轮、电机的转动惯量（kg/m2），G：齿轮箱增速比，ωr：风轮角速度（rad/s），Te、Tα：发电机电磁力矩和风轮气动力矩（N/m），B：传动系统等效阻尼系数。 　　2.3 双馈异步发电机模型 　　假设讨论的异步双馈电机为理想电机，忽略磁滞、铁磁饱和、定转子齿槽和涡流影响[6]。有 　　g为发电机极对数，m1为电源相数，U1为电网电压（V），ω1为发电机的同步转速（rad/s），C1为修正系数，r1、x1为定子绕组的电阻和漏抗（Ω），r2、x2为归算到转子侧转子绕组的电阻和漏抗（Ω）。 　　2.4 变桨距系统模型 　　考虑到变桨距系统的时滞特性，选择带迟延的一阶惯性环节模拟变桨距机构，得传递函数[7]： 　　Tβ、τ分别为时间常数和迟延时间（s），βref为参考桨距角（?）。 　　3 模糊PID变桨距控制器的设计 　　3.1 模糊控制的基本原理 　　模糊控制首先是由加利福利亚大学教授L.A.Zadeh[8]提出，将模糊集合论、模糊语言和模糊逻辑推理相结合的计算机智能控制的方法。模糊控制的基本思想是将微机获取的中断采样精确值与给定值相比较得到偏差信号e，并且将e、ec的准确值模糊化为模糊量E、EC，用相应的模糊语言表示偏差e、ec的模糊量，得到模糊语言子集，再依据模糊推理的合成规则对模糊子集和模糊关系进行模糊决策，得到模糊控制量 最后反模糊化得到精确控制值，实现整个被控过程的精确控制[9]。 　　3.2 模糊PID变桨距控制