基于Simulink的風電機組模糊變槳距控制仿真研究

陳功貴， 黃山外， 劉俊超， 郭 飛

(重慶郵電大學 自動化學院,復雜系統分析與控制研究中心，重慶 400065)

?

基于Simulink的風電機組模糊變槳距控制仿真研究

陳功貴， 黃山外， 劉俊超， 郭 飛

(重慶郵電大學 自動化學院,復雜系統分析與控制研究中心，重慶 400065)

針對風力發電系統復雜非線性的特點，傳統PID控制很難滿足控制系統高精度的要求。在傳統PID控制的基礎上，運用模糊理論建立了完整的風電機組變槳距模型，以實現對控制系統的實時控制。仿真結果表明,模糊控制能使系統獲得較好的動態特性。利用Simulink進行仿真實驗，不僅能使學生有效理解變槳距控制系統理論知識，還可以提高學生的實驗操作能力，從而掌握控制系統的靜態和動態過程，這種理論與實踐相結合的方法能夠有效地提高教學質量。

風力發電機； 變槳距控制； 仿真； 模糊控制

0 引 言

風能是一種分布廣泛的綠色可再生能源，風力發電機組能夠將風能轉換成供人們使用的電能。風力發電系統是一個多變量、非線性的控制系統，這給風電機組的變槳距控制帶來了很大的困擾[1]。因此，對風力發電機組PID參數進行優化來保證變槳距控制系統的穩定性，進而得到安全、優質的電能是是風力發電機組研究的關鍵問題[2]。而風電機組變槳距控制系統的性能與變槳距控制器的控制規律及參數設置密切相關，因此，找到合適的控制器參數成為了變槳距控制的另一個難題。

維持電力系統安全穩定運行是非常重要的，對于這樣一個復雜非線性的控制系統，傳統的PID控制[3-4]很難達到較好的控制效果，而采用模糊PID控制[5-7]，通過建立模糊規則對PID控制參數進行實時在線的調整，這樣能夠使系統獲得良好的動態性能進而保證電力系統的穩定性[8-10]。本文通過建立Simulink仿真模快、設置模塊參數，在給定風速輸入條件下，分別采用PID控制器[11]和模糊PID控制器進行仿真實驗，實驗結果表明，模糊控制能使系統獲得更好的動態特性。

將Simulink仿真[12-13]引入到風電機組變槳距控制系統實驗教學中，學生可以把所學的理論知識運用到實際仿真中，并對變槳距系統的結構和PID控制原理有深刻的認識，此外，Simulink中直觀詳細的仿真圖和實驗數據，還能培養學生對實驗數據的處理和分析能力，這種理論與實踐相結合的方法能夠有效地提高教學質量[14-15]。

1 風電機組的數學模型

風力發電系統是一個綜合空氣動力學特性，機械特性及電氣特性為一體的復雜非線性系統，構建風電機組的數學模型對研究系統的動態特性及其控制規律具有重要意義。在本文中，我們把風電機組模型分為風輪模型、傳動機構模型和異步發電機模型。

1.1 風輪模型

風輪的作用是將葉片接收到的風能轉化為機械能，在輸入風速v(m/s)的作用下，風輪的吸收功率和氣動轉矩為：

(1)

式中：P是風輪的吸收功率；Tr是風輪的氣動轉矩；Cp是風能利用系數；CT是氣動轉矩系數；λ是葉尖速比；β是槳距角；ρ是空氣密度；R是風輪半徑。在實際應用中，風能利用系數是由葉尖速比和槳距角共同決定的二元函數：

(2)

1.2 傳動機構模型

本文采用了非直驅式異步發電機組，忽略系統阻力和異步發電機的機械阻力，靠近風輪的低速軸和靠近發電機的高速軸的動態方程如下：

(3)

式中:Jr為風輪轉動慣量;Jg為發電機轉動慣量；ωr為發風輪轉速;n為齒輪箱增速比；Tr為風輪輸出轉矩;Tm為發電機軸機械轉矩;Te為發電機電磁轉矩。由式(3)可得傳動機構方程為：

(4)

1.3 發電機模型

本文以異步發電機為研究對象，不考慮導線、鐵芯的集膚效應及磁滯、渦流等因素的影響，定子和轉子繞組在氣隙中都產生三相對稱且正弦分布的磁通，異步發電機模型可表示為：

(5)

式中:p為發電機極對數;m為相數;U1為發電機輸出電壓;C1為修正系數;ω0為電機同步轉速;ωg為發電機轉子轉速;r1、x1分別是定子繞組等效電阻和電抗;r2、x2分別是轉子繞組等效電阻和電抗。

2 變槳距PID控制系統仿真模型

在Simulink環境中建立風電機組變槳距控制系統仿真模型，如圖1所示。變槳距控制系統包含有葉尖速比模塊、PID控制器模塊、風能利用系數模塊、風能氣動轉矩模塊、傳動系統模塊、發電機模塊。

圖1 風電機組變槳距控制系統仿真模型

在給定風速下，利用發電機額定功率與系統輸出功率的誤差信號對槳距角進行PID控制。分別改變不同的PID參數數值，來觀察系統輸出隨之而發生的變化情況。變槳距控制系統PID控制器如圖2所示。

圖2 變槳距控制系統PID控制器

3 模糊PID控制器的設計

3.1 模糊PID控制的結構

模糊PID控制器是在傳統PID控制器的基礎上，使用模糊規則、模糊邏輯推理方法來調整PID控制算法中的參數。其中,由模糊邏輯推理得到的結果并不直接作為系統的輸出，而是繼續整定PID參數，使系統的具有更好的動態性能。其Simulink仿真模塊如圖3所示。

圖3 模糊PID控制器

3.2 模糊控制規則的設計

模糊控制規則的設計步驟如下：

(6)

其中，KP0，KI0，KD0為模糊自適應PID控制器的初值，并

設置為：KP0=4e-6，KI0=2.8e-5，KD0=1e-6。

表的模糊控制規則表

4 仿真實驗及結果分析

風力發電機變槳距控制系統動態特性在工程應用中是必須進行的試驗之一，這關系到風電機組運行安全及電能質量。仿真實驗所用的風力機組參數如表4所示，異步發電機參數如表5所示，相關參數來源于德國Nordex公司S70/1 500 kW風力機組。

表的模糊控制規則表

表的模糊控制規則表

表4 風力機相關參數

表5 異步發電機相關參數

在Matlab/Simulink仿真環境中，根據建立的風電機組數學模型搭建仿真模塊，在給定風速工況下，分別采用PID控制器和模糊PID控制器，并觀察系統動態響應過程，并根據實驗數據及仿真圖對系統作出具體分析。其中，風速初始值設置為15 m/s，終止值設置為20 m/s，PID參數采用傳統PID整定得到的最好結果，取KP=1.137 5e-5，KI=2.013 3e-5，KD=0.120 9e-5。在Simulink環境下選擇ode3算法進行仿真，分別得到輸出功率、PID參數、槳距角、葉尖速比、風能利用系數、發電機轉速的仿真結果如圖4～9所示。

圖4 給定風速下的輸出功率

圖5 給定風速下PID參數自適應過程

圖6 槳距角

圖7 葉尖速比

圖8 風能轉換系數

圖9 轉子角速度

從圖4中可以看出兩種控制都能使輸出功率穩定在額定功率800 kW附近，兩者都有很小的穩態誤差，但傳統PID控制存在較大的超調量和較長的調節時間，而模糊PID控制有效地減小了響應過程中的超調量和調節時間，輸出曲線更為平滑。所以風力發電機的變槳距控制采用模糊PID控制的動態響應性能更好。圖5給出了模糊控制的PID參數自適應過程，PID參數的實時更新有效的改善了系統的動態性能。圖6～9也顯示模糊PID控制比傳統的PID控制效果更好，更有利于風電機組變槳距控制。

5 結 語

風力發電系統是一個綜合了多個學科的復雜系統，本文針對典型的具有大慣性、大滯后、非線性等特性的風力發電機變槳距控制系統，建立了相應的數學模型，并在Matlab/Simulink環境下搭建了變槳距控制系統仿真模塊。在給定風速輸入條件下，運用模糊PID控制對系統進行仿真實驗，并將其與傳統PID控制仿真結果進行比較。實驗結果表明，模糊PID控制是一種更有效的風力發電機組變槳距控制方法，相比于傳統PID控制，模糊控制的運用能使系統擁有更快的響應速度，更小的超調量，更好的穩定性。

我們將Simulink仿真引入到實驗研究與教學中，通過理論知識和實踐仿真相結合，既能有效地激發學生的學習興趣，又能培養學生解決問題的能力。Simulink實驗結果中豐富的實驗數據和仿真圖形，使學生對理解系統的動態過程有了更直觀的理解，并對PID參數變化引起系統性能的改變有了更深刻的認識。

[1] 宋新甫, 梁 波. 基于模糊自適應PID的風力發電系統變槳距控制[J]. 電力系統保護與控制, 2009,37(16):50-53, 58.

[2] Chen G, Liu L, Song P,etal. Chaotic improved PSO-based multi-objective optimization for minimization of power losses and L index in power systems[J]. Energy Conversion and Management, 2014(86):548-560.

[3] 白 金, 韓俊偉. 基于MATLAB/Simulink環境下的PID參數整定[J]. 哈爾濱商業大學學報, 2007,23(6):673-676.

[4] 王 釗, 陳 真. 基于Simulink的PID控制器設計[J]. 實驗技術與管理, 2007,24(5):70-72.

[5] 陽 睿, 李英姿, 張立文, 等. 模糊PID控制的原子力顯微鏡仿真平臺[J]. 實驗室研究與探索, 2014,33(1):9-12, 153.

[6] 郭 鵬. 模糊前饋與模糊PID結合的風力發電機組變槳距控制[J]. 中國電機工程學報, 2010,30(8):123-128.

[7] 孫曉明, 馬 青, 曹 虎, 等. 自適應模糊PID控制在PLC變頻調速同步測試中的應用[J]. 實驗室研究與探索, 2014,33(6):16-18, 64.

[8] 費紅姿, 范立云, 費景洲, 等. 基于虛擬儀器的直流電機模糊PID控制實驗研究[J]. 實驗技術與管理, 2015,32(3):81-84, 96.

[9] 王建偉, 段愛霞, 侯樹文. 基于遺傳算法的水輪發電機組模糊PID控制研究[J]. 水力發電, 2007,33(7):60-62.

[10] 俞海珍, 史旭華, 徐建瑜. 模糊自適應PID控制在過程控制實驗系統上的應用[J]. 實驗技術與管理, 2010,27(1):69-72.

[11] 劉金琨. 先進PID控制MATLAB仿真[M]. 北京: 電子工業出版社, 2011.

[12] 尚 麗, 崔 鳴, 杰 陳. Matlab/Simulink仿真技術在雙閉環直流調速實驗教學中的應用[J]. 實驗室研究與探索, 2011,30(1):181-185.

[13] 郭訓華, 邵世煌. Simulink建模與仿真系統設計方法及應用[J]. 計算機工程, 2005,31(22):127-129, 145.

[14] 葉杭冶, 潘東浩. 風電機組變速與變槳距控制過程中的動力學問題研究[J]. 太陽能學報, 2007,28(12):1321-1328.

[15] 張 佳. 光電跟蹤系統的模糊自適應PID控制實驗[J]. 實驗技術與管理, 2014,31(8):59-63, 86.

[16] 左 鋒, 石紅瑞, 劉洪瑋. 模糊控制在空氣球實驗系統中的應用[J]. 實驗室研究與探索, 2010,29(5):36-38, 42.

·名人名言·

科學實驗是科學理論的源泉,是自然科學的根本,也是工程技術的基礎。

——張文裕

Research on Fuzzy Variable Pitch Control System for Wind Turbines Based on Simulink

CHENGong-gui,HUANGShan-wai,LIUJun-chao,GUOFei

(Research Center on Complex Power System Analysis and Control, College of Automation,Chongqing University of Posts and Telecommunications, Chongqing 400065, China)

Because of the complexity of nonlinear wind power system, traditional PID control is difficult to meet the requirements of system performance and high accuracy. In order to realize the real-time adjustment of this system, simulation modules are built in Simulink environment, and fuzzy theory is used on the base of traditional PID control. The experimental results manifest that the use of fuzzy control can make the system to achieve better dynamic performance. The simulation experiment with Simulink can not only promote students’ efficient learning and understanding the theoretical knowledge; but also improve their simulation ability so as to grasp the static and dynamic processes of variable pitch control system. This kind of method combines theory and practice, and is effective in improving teaching quality.

wind turbine; variable pitch; simulation; fuzzy PID control

2015-10-22

重慶郵電大學教育教學改革項目(XJG1522)；重慶市高等教育教學改革研究重點項目(132016)

陳功貴(1964-)，男，湖北恩施人，博士，教授，主要從事電氣工程專業的教學和科研工作。

Tel.:15310488567;E-mail: chenggpower@126.com

TM 614; G 434

A

1006-7167(2016)04-0090-05