基于改进爬山算法的风机最大功率点控制策略研究

爬山搜索法是风力发电最大功率点的跟踪控制策略的主要方法之一。传统的爬山搜索法对于惯量大的风力发电系统,由于时间常数大使转速滞后,导致无法进行正确的搜索控制,因此,提出了改进变步长爬山搜索法,并与基于斜率变步长爬山搜索法做对比,仿真结果表明,改进之后的爬山搜索法对小型风电系统的最大功率点的跟踪有良好的效果,能够避免在风速稳定时的机械振荡和提高风能利用率。     

一种改进型光伏系统MPPT算法及实现

针对传统扰动观察(PO)法的缺陷,提出一种结合固定电压和三点比较法的改进型算法。该算法可使系统在起始阶段快速靠近光伏组件的最大功率点(MPP),在日照强度发生快速变化时,不会快速移动工作点,减少误判,并避免在MPP附近扰动造成的功率损失。采用Buck拓扑结构,以数字信号处理器(DSP)作为主控芯片设计了一套验证系统。实验证明该系统可快速跟踪光伏组件的MPP并稳定在工作点附近。     

一种优化MPPT控制算法及应用

大型光伏水泵系统在特殊工作环境下光伏阵列时常处于局部阴影状态,其输出具有高度非线性和多个局部功率峰值,此时传统最大功率点跟踪(MPPT)方法不再适用。对此提出将粒子群优化(PSO)算法引入光伏阵列MPPT控制,根据阵列输出特性给出了初始粒子定位、算法参数调整和算法重启策略方法,实现了部分遮蔽情况下光伏水泵系统最大功率点(MPP)的稳定跟踪,避免了系统工作点在MPP附近振荡,同时还具有全局搜索功能,进一步提高光伏水泵系统的工作效率。最后实验结果表明了该算法的稳定性和有效性。     

变PWM步长的爬山法在光伏发电系统中的应用

为了最大限度的利用太阳能,避免因外部环境或负载突变时传统算法在最大功率点跟踪过程中出现的功率连续振荡、稳态精度低的问题,本文对光伏发电系统提出了一种变PWM步长的爬山算法。该方法是在单次迭代中确定扰动方向和步长大小来追踪最大功率点。通过仿真和实验两方面验证了变步长爬山算法在稳态和动态两种条件下MPPT系统的输出特性,并对比固定步长的爬山法对MPPT系统的性能进行了综合评估。结果表明变步长爬山算法的有效性,该方法能快速精确地搜索到光伏阵列的最大功率点,减少了响应时间、恢复时间和功率振荡,提高了光伏发电系统的能量转换效率。     

改进型变步长最大功率跟踪算法在风力发电系统中的应用

为了改善永磁直驱式风力发电系统最大功率跟踪算法的稳态跟踪准确度和动态跟踪速度,提出了一种改进型变步长爬山搜索寻优算法;它结合同步电机矢量控制技术,在同步旋转坐标系下,通过解耦控制电机交轴电流分量,达到对风力机转速的控制。变步长最大功率跟踪算法思路是:基于两点斜率比较,判断发电系统接近最大功率点,通过指数衰减步长抑制发电系统在最大功率点附近振荡;不依赖风速传感器,通过每个寻优周期动态设置风速突变检测阈值,准确辨识风速变化,并重新初始化步长提高对风速变化的快速跟踪性能。通过搭建风力发电系统的Matlab/Simulink仿真模型和硬件实验平台,验证了该算法的有效性,展示了其良好的工程应用价值。     

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

在风力发电机控制中采用叶尖速比法,可以实现快速功率跟踪,但常由于风速测量值与实际风速值不一致,导致无法达到最大功率点。由于爬山搜索法不需要测量风速,所以采用爬山搜索法和叶尖速比控制法相结合来实现快速最大功率跟踪。当风速变化超过±1 m/s时,采用叶尖速比控制法,按测量风速计算出参考转速,迅速跟随,达到指定转速后,切换到爬山搜索法,实现精确的最大功率跟踪。在Matlab环境下,建立了永磁直驱式风力发电机模型,仿真分析了风速变化时,采用叶尖速比法和爬山搜索法相结合的方法能够实现最大功率快速而精确的跟踪,且具有很好的动态特性和稳态特性。     

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

在风力发电机控制中采用叶尖速比法,可以实现快速功率跟踪,但常由于风速测量值与实际风速值不一致,导致无法达到最大功率点。由于爬山搜索法不需要测量风速,所以采用爬山搜索法和叶尖速比控制法相结合来实现快速最大功率跟踪。当风速变化超过±1 m/s时,采用叶尖速比控制法,按测量风速计算出参考转速,迅速跟随,达到指定转速后,切换到爬山搜索法,实现精确的最大功率跟踪。在Matlab环境下,建立了永磁直驱式风力发电机模型,仿真分析了风速变化时,采用叶尖速比法和爬山搜索法相结合的方法能够实现最大功率快速而精确的跟踪,且具有很好的动态特性和稳态特性。     

永磁直驱风电系统中最大功率点跟踪控制优化的仿真研究

分析了风力机特性、永磁直驱电机模型、变换器控制策略及各种功率跟踪控制算法优缺点,并提出一种基于爬山搜索法的最大功率点跟踪(MPPT)控制方法的优化。在MATLAB/Simulink环境下搭建了永磁直驱风力发电系统模型,仿真分析了控制方法对最大功率点的跟踪效果,结果表明当风机起动及风速变化时MPPT控制方法能够使系统快速稳定在新的工作点,捕获得最大功率。由此验证了改进优化后的控制方法及所搭建模型的准确性与有效性。     

变步长爬山法在双馈风力发电系统最大风能跟踪控制中的应用

变步长爬山法能不依赖风速检测或风机功率—转速特性曲线而实现风力发电系统的最大风能跟踪,具有良好的应用前景。首先根据风机运行特性给出了直流机模拟风机方案,详细论述了变步长爬山法的原理及在双馈风力发电系统中的实现方法。然后将该方法应用于基于定子电压定向的双馈发电机矢量控制策略中,搭建了带直流机模拟风机的双馈风力发电系统实验平台。实验结果验证了在风速变化的情况下系统能自动搜索达到对应风速的最佳转速,实现风机最大风能捕获,并具有对快变风速的响应能力,验证了控制方案的正确性和可行性。     

基于风速预测的改进爬山法最大功率追踪策略

针对变速变桨风速发电机组如何在低风速时最大限度地捕获风能,提出了一种基于风速预测的改进爬山法最大功率追踪策略。首先搭建由模糊粗糙集(FRS)和神经网络预测(LSTM)两部分组成的预测模型,利用模糊粗糙集对噪声的敏感性,对风机多传感器采集的自然特性时间序列参数进行分析,通过属性约简,将输入信息的空间维数简化,确定神经网络的输入参数,作为后者LSTM神经网络预测模型部分的输入。利用LSTM在时间深度上有效避免梯度传播消失的特性,通过训练学习,抽取逼近隐含的输入输出的非线性关系,捕获时间序列风速上各个信息的关联度和时间延展度,得到风速的提前一步预测。然后依靠预测的风速信息,从搜索方向确定,搜索区间优化,避免最大功率点附近频繁波动3个方面改进了传统爬山法,避免传统方法的不足。通过GH bladed软件实验仿真表明:提出的最大功率追踪控制策略能够有效避免了风速变化情况下错误的搜索方向,提高追踪速度,明显减少风机在MPP点处的振荡,有效提高了风能捕获效率。     

一种基于收缩跟踪区间的改进最大功率点跟踪控制

考虑到基于转矩调整的改进方法存在难以获取最优调整状态的问题,该文针对传统功率曲线法提出收缩风机转速的跟踪区间、减小跟踪路程的改进思路,以优化风机最大功率点跟踪的性能。在此基础上,设计出根据平均风速,周期性的调整起始发电转速的改进功率曲线法。其设计机理在于风速平均值恰好反映了风速及风能量集中分布的区间。因此,最优转速跟踪区间与平均风速存在数量上的直接关系而变得容易预估,且无需迭代搜索。与目前基于调整转矩的改进方法相比,该文所提方法不仅提高了风能捕获效率,且简单易行。最后,通过对模拟风速序列的仿真计算与比较分析,验证了该方法的有效性和先进性。     

HCS策略在大惯性变速风力发电系统中的应用

大惯性风力机的系统输出功率与风力机的机械功率和储能的变化率相关联,常规的登山搜索(HCS)控制策略无法对大惯性风力机进行有效控制。提出的HCS策略是根据系统输出功率、系统储能及转速三者的变化量来对风力机进行控制的,无需最大功率曲线和风速值,就可以使风力机运行在最大功率点上。仿真结果证明了该方法的正确性。     

Design of Novel Intelligent Controller for Doubly-Fed Induction Generator-Driven Wind Turbine to Improve Transient Control Performance

Abstract

This paper presents a design for the novel intelligent control (NIC) of the stabilization of a doubly fed induction generator (DFIG)-based wind turbine. The intelligent control scheme was developed to control the rotor side voltage source converter that allowed independent control of the generated active and reactive power as well as the rotor speed to track the maximum power point (MPP). Moreover, the NIC was used to reduce the interaction between the real and reactive power flow and improve the performance. The proposed NIC consisted of an improved recurrent fuzzy neural network (IRFNN) and ant colony optimization with genetic algorithms (GACO). GACO was adopted to adjust the learning rates to improve the online learning capability of the IRFNN. Furthermore, an NIC controller was proposed for both the rotor and stator side converters to improve the steady-state and transient voltage stability of the DFIG system for different operating conditions. In addition, the method is highly simple to implement. Finally, the proposed approach stabilized the internal dynamics through rotor voltage control and improved the dynamic behavior of the DFIG after clearing a fault.     

基于功率跟踪优化的双馈风力发电机组虚拟惯性控制技术

基于电力电子换流器并网的变速恒频风力发电机组对电力系统的惯性几乎没有贡献,这将成为风电场大规模接入电网之后面临的新问题。在分析双馈风电机组运行特性和控制策略的基础上,研究双馈机组的虚拟转动惯量与转速调节及电网频率变化的关系,提出双馈风电机组的虚拟惯性控制策略。该控制策略通过检测电网频率变化来调节最大功率跟踪曲线,从而释放双馈机组"隐藏"的动能,对电网提供动态频率支持。通过对含20%风电装机容量的3机系统的仿真分析,验证该控制策略在系统出现功率不平衡后,能够利用双馈风电机组的虚拟惯量使风电场具备对系统频率快速响应的能力,从而提高了基于双馈风电机组的大规模风电场接入电网后的电力系统频率稳定性。     

基于周期性最大功率点检测的风电机组功率备用控制方法

风电机组通常运行于最大功率输出模式,无法为受扰电网提供紧急功率支撑。稳态时预留部分出力可提高风电机组主动电网支撑能力,为此提出一种基于周期性最大功率点(MPP)检测的风电机组功率备用控制(PRC)方法。通过周期性执行最大功率点跟踪程序检测风电机组实时MPP,一旦检测到MPP即可确定PRC模式参考值并切换为直接功率控制。设置伪单调转速-机械功率曲线使风电机组稳定运行在超速功率备用点,并通过储能装置平抑MPP检测产生的峰值功率波动。仿真结果表明提出的控制方法在定风速和变风速情况下均可以准确控制检测风电机组MPP并实现PRC,并且使得风电机组一次调频效果优于传统PRC。     

大型风电机组的功率曲线自寻优控制策略

大型风电机组在额定风速以下一般采用最大功率曲线法进行机组的最大功率跟踪控制,但机组的最大功率曲线一般通过实验获得,很难保证精度。为优化风电机组在低风速区域对风能的利用率,提出了基于微分跟踪器的功率曲线自寻优控制策略。采用微分跟踪器提取出机组转速和机械功率的微分值,并由此判断实际功率曲线与最大功率点之间的位置关系,然后采用三维模糊控制器对功率曲线的系数进行实时调整。以2MW双馈风力发电系统为基础,在Bladed仿真环境中对自寻优控制策略进行了仿真研究。仿真结果表明所提出的自寻优控制策略对机组参数如功率特性或转矩特性等依赖性较小,在风速变化的情况下能够对机组功率曲线的系数进行实时的修改,并有效地将机组的功率曲线调整到最大功率曲线的位置,从而证明了该策略的正确性和可行性。     

考虑变化湍流风速条件的风电机组改进自适应转矩控制

对于实现风电机组最大功率点跟踪的最优转矩控制,通过适当减小转矩增益可以有效提升风能捕获效率。但现有研究发现,变化的湍流风速条件不仅会改变最佳转矩增益系数,还会影响用于寻优该值的自适应算法的收敛性能,进而导致难以提高甚至降低风能捕获效率的问题。为此,通过分析风速条件变化影响自适应算法的机理,发现了导致该算法搜索方向持续出错而恶化风能捕获效率的风速条件渐变良好场景。在此基础上,提出了考虑变化湍流风速条件的改进自适应转矩控制,通过引入动态风能捕获损失量指标识别出此类场景,结合中断与重启搜索机制,防止自适应算法搜索发散,从而提升风电机组发电效率。最后,基于风电机组传动链模拟实验平台,分析验证所提方法的有效性。     

基于风速预测的最大风能追踪控制系统仿真

为了使交流励磁变速恒频风力发电系统在无需设置风速计的情况下,双馈电机实现最大风能跟踪的目的,提出了一种新的基于神经网络的无风速检测方案。通过利用高斯径向基神经网络预测为最大风能追踪提供了一个准确的风速数据,从而准确获取最大功率点下对应的电机转子转速,以减少系统的损耗和成本,提高系统的可靠性。本文针对3.6MW风力发电系统的数学模型,建立了基于定子磁链定向矢量控制的系统仿真模型。结合风速预估和有功功率、无功功率的解耦控制实现了最大风能跟踪。     

基于改进FOA优化BP神经网络算法的光伏系统MPPT研究

针对基于BP神经网络的光伏系统MPPT策略在光照强度突变时存在较大误差的问题,提出了一种改进的果蝇优化算法用于BP神经网络的权值和阈值优化,并建立了基于IFOA-BP神经网络算法的光伏系统MPPT控制的仿真模型。测试和仿真结果表明,IFOA的收敛速度和求解精度较改进前均有明显提升;IFOA优化后的BP神经网络收敛速度加快,预测误差减少;较之于电导增量法,IFOA-BP神经网络的MPPT策略在稳态条件下能明显抑制功率波动,在外界条件发生突变时,能迅速准确地追踪到最大功率点,具有良好的稳态精度和动态特性。     

双馈风电机组MPPT动态功率特性分析

为研究双馈风电机组DFIG最大功率跟踪MPPT动态特性,在Matlab/Simulink仿真平台上建立了功率信号反馈算法的风机MPPT控制模型。以矩形风速为例,理论推导了MPPT静态工作点的过度时间和风机输出能量的计算公式,通过仿真和理论分析了不同转子惯性对风电机组动态功率、转速、叶尖速比、风能利用效率的影响,结合转子动能阐述了双馈风电机组MPPT动态功率特性,指出风机惯性时间常数越大风能利用系数越低。最后比较了几种不同风速下的风机MPPT动态特性,结果表明,随机风的风机转速跟踪能力最差,阵风和渐进风的风机转速跟踪效果较好。