基于PID 神經(jīng)元網(wǎng)絡的風力發(fā)電機組偏航系統(tǒng)研究

張學陽

（華僑大學 信息科學與工程學院，福建 廈門 361021）

0 引言

風電是一種可再生的清潔能源，取之不盡、用之不竭，發(fā)電過程不消耗礦產(chǎn)資源，不排放污染物和溫室氣體,是人與自然和諧共處、實現(xiàn)經(jīng)濟和社會可持續(xù)發(fā)展的新能源[2]。由于風場中的風向隨時會發(fā)生變化，所以需要風輪始終對準風向。偏航系統(tǒng)是風力發(fā)電機組特有的伺服系統(tǒng)，它是使風輪穩(wěn)定地跟蹤變化的風，保證捕獲最大的風能。風力發(fā)電機組在發(fā)電狀態(tài)下偏航時會產(chǎn)生陀螺力矩波動，進而引發(fā)塔架、葉片等的振動，從而對整個風力發(fā)電系統(tǒng)的安全性構成威脅，因此偏航系統(tǒng)不適合頻繁起動[3]。此外，近年來風力發(fā)電機組的大型化也對偏航系統(tǒng)的穩(wěn)定性提出了更高的要求。

如果將常規(guī)的PID 控制器應用于偏航系統(tǒng)中，偏航執(zhí)行機構很容易因為頻繁動作而損壞[3]。神經(jīng)網(wǎng)絡控制作為智能控制的一個重要分支，是模仿人的思維形式進行的一種自動控制，具有較好的動態(tài)性能和較強的魯棒性，能夠有效地改善偏航系統(tǒng)的響應速度，文獻[4]中提出，傳統(tǒng)PID 控制與神經(jīng)網(wǎng)絡相結(jié)合的PID 神經(jīng)元網(wǎng)絡控制器，克服了PID 控制方法和神經(jīng)網(wǎng)絡的缺點[5]。經(jīng)Matlab編程仿真證明，采用PID 神經(jīng)元網(wǎng)絡設計的偏航系統(tǒng)控制器能夠滿足控制要求。

1 偏航裝置簡介

圖1 偏航系統(tǒng)閉環(huán)控制結(jié)構圖Fig.1 Structure diagram of yaw system closed loop control

風機的偏航控制系統(tǒng)框圖如圖1所示[6]，風機對風的測量主要是由風向標來完成。當實際的風向與風向標成一定角度時，風向標產(chǎn)生一電信號，偏航控制器采集該信號，經(jīng)程序計算判定是否偏航。當確定偏航后，計算機發(fā)出偏航動作信號，信號經(jīng)放大后驅(qū)動順偏或逆偏繼電器，使偏航電機運行來完成順時針、逆時針或向上、下向轉(zhuǎn)動對風。當對風結(jié)束后，風傳感器失去電信號，電機停止工作，偏航過程結(jié)束[7]。

2 偏航的神經(jīng)網(wǎng)絡控制

由于風向的隨機性,所以偏航系統(tǒng)是一非線性的系統(tǒng),各種參數(shù)也存在時變性。因此,不僅用經(jīng)典控制理論來解決得不到滿意結(jié)果,即便是現(xiàn)代控制理論有時也得不到非常滿意的結(jié)果。而PID 神經(jīng)元網(wǎng)絡控制不需要精確的數(shù)學模型,它是一種模仿人的思維形式對難以建立精確模型的對象實施的一種自動控制，是處理推理系統(tǒng)和控制系統(tǒng)中不精確和不確定性的一種有效方法。

2.1 PID 神經(jīng)元網(wǎng)絡結(jié)構

PID 神經(jīng)元網(wǎng)絡控制器和被控對象構成的閉環(huán)控制系統(tǒng)如圖2所示[8]；圖中X11 是水平角度控制目標，X21 是垂直角度控制目標；y1是控制器水平控制律， y2 是控制器垂直控制律；X12是風輪機水平角度的當前值，X22 是風輪機垂直角度的當前值；上述變量之間關系如圖3所示，由于偏航控制系統(tǒng)有兩個角度控制量（水平角度和垂直角度），所以選擇由兩個單神經(jīng)元網(wǎng)絡組成的多神經(jīng)元網(wǎng)絡作為系統(tǒng)控制器。

圖2 雙控制量的BP 神經(jīng)網(wǎng)絡拓撲結(jié)構圖Fig.2 The topological structure of BP neural network diagram of dual control volume

圖3 偏航系統(tǒng)控制器輸入輸出變量圖Fig.3 Diagram of the yaw system input variable

2.2 控制律計算

PID 神經(jīng)元網(wǎng)絡分為輸入層、隱含層和輸出層，網(wǎng)絡輸入層為控制量當前值和控制目標，輸出量為控制律，各層的輸入輸出計算公式如下：

（1）輸入層：其中包含4個神經(jīng)元，輸出數(shù)據(jù)等于輸入數(shù)據(jù)。

（2）隱含層：其中包含6個神經(jīng)元，即2個比例神經(jīng)元，2個積分神經(jīng)元，2個微分神經(jīng)元。

（3）隱含層各神經(jīng)元輸出的計算公式如下：

比例神經(jīng)元：

積分神經(jīng)元：

微分神經(jīng)元

式（1～5）中，s—并聯(lián)子網(wǎng)絡的序號；j—子網(wǎng)絡中隱含層神經(jīng)元序號；xsi（k）—各子網(wǎng)絡輸入層神經(jīng)元輸出值；ωij—各子網(wǎng)絡輸入層至隱含層的連接權重值。

（4）輸出層：其中包含2個神經(jīng)元，構成2 維輸出量，輸出層的輸出為隱含層全部神經(jīng)元的輸出值加權和。

式中：h—輸出層神經(jīng)元序號；s—子網(wǎng)序號；j—子網(wǎng)的隱含層神經(jīng)元序號；usj（k）—隱含層各神經(jīng)元輸出值；ωjk—隱含層至輸出層的連接權重值。

2.3 網(wǎng)絡權值修正

PID 神經(jīng)元網(wǎng)絡在控制過程中根據(jù)控制量采用 “梯度修正法”修正權值，采用粒子群算法優(yōu)化神經(jīng)網(wǎng)絡初始權值，通過增加動量項的方法提高網(wǎng)絡學習效率，可以避免權值在學習過程中陷入局部最優(yōu)值并有利于提高網(wǎng)絡學習效率，從而使控制量快速接近控制目標。

（1）誤差計算公式：

式中： yh（k）—預測輸出； r（k）—控制目標。

（2）權值修正公式：

式中：ωij—輸入層到隱含層間權值；ωjk—隱含層到輸出層間權值；J—控制誤差；η，η1—學習速率。

3 偏航系統(tǒng)控制器仿真

根據(jù)PID 神經(jīng)元網(wǎng)絡的控制原理，在Matlab 中利用神經(jīng)網(wǎng)絡工具箱編程實現(xiàn)PID 神經(jīng)元網(wǎng)絡雙控制變量耦合系統(tǒng)，利用粒子群算法優(yōu)化初始網(wǎng)絡權值，粒子群算法參數(shù)設置：種群規(guī)模為60，進化次數(shù)為40；控制量初始值 [X12，X22]=[0，0]，控制目標為 [X11，X21]=[0.6，0.4]；仿真時間間隔為0.001 秒，網(wǎng)絡權值學習速率為0.05，偏航控制系統(tǒng)仿真效果如圖4～5所示。

圖4 控制量變化曲線Fig.4 Change curve of control quantity

圖5 控制誤差變化曲線Fig.5 Change curve of control error

4 結(jié)果分析

由于風向變化具有隨機性和不確定性的特點，而且風力發(fā)電機組的偏航控制過程中難以建立準確的數(shù)學模型，如果將傳統(tǒng)的PID 隨動控制器應用于偏航系統(tǒng)中，雖然可滿足基本要求，但是響應速度較慢，會導致風能的浪費。本文設計了一種基于神經(jīng)網(wǎng)絡算法的控制器來

完成對偏航系統(tǒng)的控制。仿真結(jié)果表明，該控制系統(tǒng)的整體性能要優(yōu)于PID 控制系統(tǒng)，它能同時滿足偏航系統(tǒng)對控制精度和穩(wěn)定性的要求，有效地消除了系統(tǒng)的超調(diào)和振蕩，能夠快速響應系統(tǒng)的變化，因此可以更好地達到預期的控制目標。

[1]楊偉歡，葉安麗，馬鴻雁.模糊控制在風力發(fā)電機組偏航控制系統(tǒng)中的應用[J].北京建筑工程學院學報，2011，3.

[2]李毅，溫正忠，趙少剛，等.風力發(fā)電機偏航系統(tǒng)模糊控制的研究[J].設計·研究·分析，2006，3.

[3]宋建軍，張揚，張長安，等.基于模糊控制的風力發(fā)電機組偏航系統(tǒng)研究[J].電網(wǎng)與清潔能源，2011，7.

[4]舒懷林.PID 神經(jīng)元網(wǎng)絡及其控制系統(tǒng)[M].北京:國防工業(yè)出版社，2006.

[5]楊華.基于神經(jīng)網(wǎng)絡的航空發(fā)動機PID 控制[D].西北工業(yè)大學，2007.

[6]葉杭冶.風力發(fā)電機組的控制技術[M].北京:機械工業(yè)出版社，2006.

[7]張嘉英，等.風力發(fā)電機組偏航控制系統(tǒng)[J].兵工自動化，2009，11.

[8]汪麗媛，周銳，強鵬翔.基于BP 神經(jīng)網(wǎng)絡整定的多變量PID 控制器設計[J].信息與電腦，2009，12.