基于FAST的大型風(fēng)力發(fā)電機功率優(yōu)化研究

譚志翔，王欣，范定成

基于FAST的大型風(fēng)力發(fā)電機功率優(yōu)化研究

譚志翔，王欣，范定成

（湖南工業(yè)大學(xué) 電氣與信息工程學(xué)院，湖南株洲 412007）

風(fēng)機受自身機械結(jié)構(gòu)的承受能力與電氣負(fù)載極限的影響，需在其相應(yīng)的工作狀態(tài)限制其轉(zhuǎn)速與功率。因此風(fēng)電機組的控制主要分為額定風(fēng)速以下的轉(zhuǎn)速控制和額定風(fēng)速以上的功率控制。本文主要針對額定風(fēng)速以上對風(fēng)機進(jìn)行恒功率控制的研究。利用FAST軟件建立風(fēng)機的整機模型，并在Simu link中設(shè)計了一種基于功率反饋的PID變槳控制器，考慮到PID參數(shù)的選取對控制器的性能影響較大，而人工參數(shù)整定不一定能得到最佳參數(shù)，針對這一問題，采用粒子群算法（PSO）進(jìn)行參數(shù)尋優(yōu)，以此來優(yōu)化功率曲線，仿真結(jié)果驗證了其有效性。

風(fēng)電機組；FAST；功率反饋；粒子群；

0　引言

風(fēng)能是一種取之不盡、用之不竭的綠色可再生能源。風(fēng)具有隨機性，表現(xiàn)為風(fēng)速和風(fēng)向隨時間都在不斷變化，能量和功率也隨之變化，并且風(fēng)力發(fā)電機在實際運行過程中還會遭遇陣風(fēng)，風(fēng)切變，塔影效應(yīng)等，怎樣在風(fēng)速快速變化與參數(shù)不確定的情況下使所設(shè)計的控制器具有較好的控制性能，是風(fēng)電領(lǐng)域的一個研究熱點。由于風(fēng)機受自身電氣負(fù)荷的限制，當(dāng)風(fēng)機處于額定風(fēng)速以上時，必須限制其轉(zhuǎn)速，使發(fā)電機功率維持在額定功率附近。變槳距控制技術(shù)就是通過調(diào)節(jié)葉片迎風(fēng)角，改變氣流對葉片的攻角，實現(xiàn)氣動轉(zhuǎn)矩的調(diào)節(jié)，從而達(dá)到限制功率的目的。目前大型風(fēng)電機組的變槳距控制器仍是以PID 控制器為主流，但是PID控制器參數(shù)的選取直接影響控制器的性能，雖然人工參數(shù)整定的參數(shù)能滿足工程設(shè)計要求，但是它不一定是最佳的參數(shù)。針對這一問題，本文首先介紹了風(fēng)力發(fā)電機組的系統(tǒng)模型，在此基礎(chǔ)上，以1.5MW水平軸風(fēng)力發(fā)電機作為研究對象[1]，利用FAST建立整機模型，并在Sim ilink中設(shè)計了一種基于功率反饋的PID變槳控制器，再利用粒子群尋優(yōu)算法對PID的三個參數(shù)進(jìn)行尋優(yōu)。程序運行以及利用所得的參數(shù)進(jìn)行仿真驗證表明，粒子群尋優(yōu)算法能較快的尋得一組最佳參數(shù)，為選取PID 控制器的參數(shù)提供了一種可行的手段。

圖1　風(fēng)力發(fā)電機系統(tǒng)框圖Fig.1　Block diagram of wind turbine

1　風(fēng)力發(fā)電機組系統(tǒng)模型

風(fēng)力發(fā)電機組是由風(fēng)輪、動力傳動系統(tǒng)、發(fā)電機和控制系統(tǒng)組成的有機整體。風(fēng)機通過風(fēng)輪捕捉風(fēng)能，再經(jīng)動力傳動系統(tǒng)帶動發(fā)電機發(fā)電，實現(xiàn)機械能到電能的轉(zhuǎn)變。風(fēng)力發(fā)電機組系統(tǒng)框圖如圖1所示[2]：

1.1風(fēng)輪

風(fēng)輪由葉片、輪轂、以及變槳機構(gòu)組成，風(fēng)機捕獲風(fēng)能由葉片來實現(xiàn)，由空氣動力學(xué)及葉片的葉素理論可得風(fēng)輪的氣動功率P和氣動轉(zhuǎn)矩T分別為[2]：

式中P為風(fēng)輪吸收的功率；ρ為空氣密度；R為風(fēng)輪半徑；Cp和CT分別為功率系數(shù)和轉(zhuǎn)矩系數(shù)，它們都是葉尖速比λ和槳距角β的非線性函數(shù)；v為風(fēng)速。

變槳距執(zhí)行機構(gòu)可以用一階慣性系統(tǒng)來表示：

其中，τβ為時間常數(shù)；β為實際槳距角；βref為參考槳距角。

1.2動力傳動系統(tǒng)

傳動系統(tǒng)一般由風(fēng)輪側(cè)低速軸、增速齒輪箱、發(fā)電機側(cè)高速軸組成。將發(fā)電機組進(jìn)行簡化后，風(fēng)輪的運動方程可表示為：

發(fā)電機側(cè)運動方程：

式中，Jr、Jg分別為風(fēng)輪與發(fā)電機的轉(zhuǎn)動慣量，kg·m2；ωr、ωg分別是風(fēng)輪與發(fā)電機的角速度；Dg、Dr分別是風(fēng)力機端和發(fā)電機端的阻尼系數(shù)；Tr、Tm、Tg分別是風(fēng)輪轉(zhuǎn)矩、發(fā)電機側(cè)高速軸轉(zhuǎn)矩和發(fā)電機電磁轉(zhuǎn)矩，N·m。

1.3發(fā)電機

變流器依據(jù)發(fā)電機轉(zhuǎn)速的變化調(diào)節(jié)勵磁電流的頻率、相位以及幅值，實現(xiàn)發(fā)電機的恒頻輸出。因為風(fēng)輪的機械響應(yīng)要比電機的電磁響應(yīng)慢很多，所以忽略其模型，假設(shè)發(fā)電機的負(fù)荷轉(zhuǎn)矩通過轉(zhuǎn)矩設(shè)定值即可立刻傳遞到電機轉(zhuǎn)軸上，直接將發(fā)電機看作轉(zhuǎn)矩源[3]。

式中，Tref為給定的發(fā)電機轉(zhuǎn)矩。

2　控制系統(tǒng)

目前大多數(shù)變速變槳風(fēng)力發(fā)電機的運行區(qū)域如圖2所示。在區(qū)域2，風(fēng)機在切入風(fēng)速與額定風(fēng)速之間運行，此時槳距角一般保持安裝角不變，通過發(fā)電機轉(zhuǎn)矩控制來控制發(fā)電機轉(zhuǎn)速，使機組以最佳葉尖速比運行，最大限度地捕捉風(fēng)能。在區(qū)域3，風(fēng)速高于額定風(fēng)速，此時需要通過變槳機構(gòu)來調(diào)節(jié)葉片的槳距角以改變?nèi)~片攻角，通過降低或增大葉片的空氣動力效率來達(dá)到限制功率的目的[4]。

圖3為基于功率反饋的槳距控制原理圖：

PID控制器的傳遞函數(shù)為[5]：其中Kp、Ti、Td為PID控制器的三個參數(shù)。

圖2　轉(zhuǎn)矩—速度曲線Fig.2　Torque-speed　curve

圖3　槳距控制原理圖Fig.3　Pitch　control　diagram

3　粒子群尋優(yōu)算法

粒子群算法與蟻群算法、魚群算法類似，也是一種群體智能的優(yōu)化算法[6]。算法中每個粒子都代表所求問題的一個潛在解，每個粒子對應(yīng)一個由適應(yīng)度函數(shù)決定的適應(yīng)度值。每個粒子都有相應(yīng)的位置與速度，粒子的速度決定了粒子移動的方向和距離，速度隨自身以及其他粒子的移動經(jīng)驗進(jìn)行動態(tài)調(diào)整，通過追隨當(dāng)前搜索到的最優(yōu)值來尋找全局最優(yōu)。粒子在搜索空間中的速度和位置由以下2個公式確定：式中，x表示粒子的位置；v表示粒子的速度；w為慣性因子；c1、c2為加速常數(shù)；r1、r2為[0，1]之間的隨機數(shù)；pt是粒子迄今為止搜索到的最優(yōu)位置；Gt是整個粒子群迄今為止搜索到的最優(yōu)位置。

利用粒子群算法對PID控制器的參數(shù)進(jìn)行優(yōu)化設(shè)計，其過程如圖4所示[6]：

PSO的流程如下：

（1）初始化粒子群，隨機產(chǎn)生所有粒子的位置和速度，確定粒子的Pt、Gt。

（2）對每個粒子，將其適應(yīng)值與該粒子所經(jīng)歷過的最優(yōu)位置Pt的適應(yīng)值進(jìn)行比較，如較好，則將其作為當(dāng)前的Pt。

（3）對每個粒子，將其適應(yīng)值與整個粒子群所經(jīng)歷過的最優(yōu)位置Gt的適應(yīng)值進(jìn)行比較，如較好，則將其作為當(dāng)前的Gt。

（4）按式（8）、（9）更新粒子的速度和位置。

（5）如果沒滿足終止條件，則返回步驟（2）；否則，退出算法，得到最優(yōu)解。

圖4　PSO優(yōu)化PID的過程Fig.4　PSO　optim ization　o f　PID　process

4　程序運行結(jié)果與仿真分析

FAST有兩種仿真方式[9]：一種是命令行仿真以及在MATLAB環(huán)境下與Simulink的聯(lián)合仿真，本文采用的是第2種仿真方式。仿真前要準(zhǔn)備好相應(yīng)的主輸入文件、塔基輸入文件、塔架輸入文件等。輸出包含了各部件的載荷與形變的時序數(shù)據(jù)。這里以1.5MW變速變槳風(fēng)力發(fā)電機為對象，通過FAST得到整個機組的非線性氣彈模型，然后在Simulink中搭建槳距控制器與轉(zhuǎn)矩控制器，其仿真模型如圖5所示：

圖5　Simu link仿真模型Fig.5　Simu lation　model　of　simulink

仿真所需的風(fēng)輸入信號由FAST軟件包中的Turbsim[10]生成，本文采用100s的IEC湍流風(fēng)作為輸入風(fēng)信號，其風(fēng)速模型如圖6所示：

圖6　風(fēng)速Fig.6　Wind speed

為了優(yōu)化模型中PID控制器的三個參數(shù)，而優(yōu)化的目標(biāo)是使得功率能限制在額定功率1500KW附近，所以粒子群算法中將性能指標(biāo)選用為ITAE指標(biāo)，其定義為：

式中，e(t)為功率誤差。

粒子群算法中幾個相關(guān)參數(shù)選取如下：

粒子種群規(guī)模即粒子數(shù)n=30；最大迭代次數(shù)Max Iter=300；位置上限為Ub=[0,0,0]，下限為Lb=[?0.1,?0.1,?0.1]。運行程序得到的優(yōu)化過程如圖7所示。

從圖中可看出整個粒子群在經(jīng)過30次左右的迭代尋優(yōu)便可以較快收斂到最佳的適應(yīng)值，得到的最佳參數(shù)為zbest=[-1.28*10-3，-1.04*10-3，-0.186*10-3]。將此參數(shù)賦給Simulink模型中的PID控制器，然后運行模型得到的發(fā)電機功率曲線如圖8所示。

圖9是槳距角與風(fēng)速的變化曲線，從圖中可以清楚的看到，盡管風(fēng)速在劇烈變化，但是槳距角的變化趨勢基本與風(fēng)速一致，這說明控制器能很好的跟蹤風(fēng)速的變化，達(dá)到穩(wěn)定功率的目的。

圖10為根據(jù)經(jīng)驗進(jìn)行人工調(diào)整得到的一組參數(shù)所對應(yīng)的功率曲線。

從圖8與圖10的對比可以看出，雖然它們的功率都能在額定功率附近上下波動，但是經(jīng)過粒子群尋優(yōu)算法得出的參數(shù)所對應(yīng)的功率曲線，它的波動范圍只有正負(fù)50，PID控制器性能得到了明顯改善。

圖7　參數(shù)優(yōu)化曲線Fig.7　Parametric optimization curve

5　總結(jié)

本文介紹了大型風(fēng)電機組的系統(tǒng)組成，并簡單介紹了粒子群優(yōu)化算法，然后利用FAST建立風(fēng)電機組的整機模型，并在Simulink中搭建PID功率控制器，最后利用粒子群算法得到最佳參數(shù)并進(jìn)行仿真驗證。結(jié)果表明，所搭建的模型正確，粒子群算法所得到的PID的3個參數(shù)確實改善了控制器的性能。但是，由于該變槳控制器僅僅只是考慮了功率控制上的性能，而沒有顧及葉片以及機組各結(jié)構(gòu)部件的載荷，這對大型風(fēng)力發(fā)電機來說是一個必須注意的問題，所以該控制方法還具有一定的局限性。

圖9　槳距角與風(fēng)速變化曲線Fig.9　The change curve of the pitch angle and wind speed

圖10　人工參數(shù)整定的功率曲線Fig.10　Power curve of artificial parameter setting

[1] Jonkman J M，Buhl J R，Marshall L.FAST User’s Guide[R].National Renewable Energy Laboratory，2005.

[2] Pisu P，Ayalew B.Robust Fault Diagnosis for a Horizontal Axis W ind Turbine[C]. 18th IFAC World Congress，2011：7055-7060.

[3] Prats M，Carrasco J M，Galvan E，et al. Improving Transition between Power Optim ization and Power Lim itation of Variable Speed，Variable Pitch W ind Turbines using Fuzzy Control Techniques[C]. 26th Annual Conference of the IEEE，2000：1497-1502.

[4] 龔睫凱，孫文磊，吳安.基于FAST與Simulink風(fēng)力發(fā)電機組降載荷控制研究[J].機床與液壓，2013，41（17）：131-134. J K Gong，W L Sun，A Wu.Control research in reducing the load of wind turbines based on the FAST and Simulink[J]. Machine Tool and Hydraulics，2013，41（17）：131-134.

[5] 倪晗悅，丁嘉毅，曹婷，等.基于PID及PWM的無線傳能系統(tǒng)研究[J].新型工業(yè)化，2014，4（9）：56-61. H Y Ni，J Y Ding，T Cao，S Zhang. Wireless energy transfer system based on PID and PWM[J]. The Journal of New Industrialization，2014，4（9）：56-61.

[6] 任麗娜，呂明月，劉爽爽，等.基于蟻群算法優(yōu)化的變槳距自抗擾控制器[J].新型工業(yè)化，2014，4（6）：43-48. L N Reng，M Y Lv，S S Liu，et al. Pitch control using active disturbance rejection controller based on colony optim ization algorithm[J]. The Journal of New Industrialization，2014，4（6）：43-48.

[7] 薛婷.粒子群優(yōu)化算法的研究與改進(jìn)[D].大連：大連海事大學(xué)，2008. T Xue. Research and improvement of particle swarm optimization algorithm[D].Dalian：Dalian Maritime University，2008.

[8] 薛定宇.控制系統(tǒng)計算機輔助設(shè)計——MATLAB語言及應(yīng)用[M]. 北京：清華大學(xué)出版社，2006. D Y Xue. Computer aided design of control system一MATLAB Language and Application[M]. Beijing：Tsinghua University press，2006.

[9] Jason M.Jonkman，Marshall L.Buhl Jr.Fast User’s Guide[R]. National Renewable Energy Laboratory，NREL/EL-500-38230，2005.

[10] Jonkman B J. TurbSim User’s Guide：Version 1.50[R]. USA：National Renewable Energy Laboratory/Tp-500-46198，September，2009.

Study on Power Optimization of Large Wind Turbine Based on FAST

TAN Zhi-xiang, WANG Xin, FAN Ding-cheng
(Schoo lof Electrical and Information Engineering, Hunan University of Techno logy, Zhuzhou, 412007, China)

According to the influence of the mechanical structure and the electric load lim its on the wind turbine, it is needed to lim it its speed and power based on its work status. Therefore, the control of the W ind Turbine system mainly consists of the speed control under the rated w ind speed and the pow er control above the rated w ind speed control. In this paper, the constant power control of the w ind turbine under the rated w ind speed is studied. The model of the w ind turbine is established by using FAST software, and a PID controller based on power feedback is designed in Simulink. Taking into account the large impact of the selected parameters on the performance of PID controller, and artificial tuning parameters may not be able to get the best response to this problem.To solve the problem, Particle swarm optimization(PSO) algorithm optim izes the parameters and the power curve. At last, the simulation results of the w ind turbine model verifies its effectiveness.

Wind Turbine; FAST; Power Feedback; Particle swarm optimization; Particle swarm optimization

10.3969/j.issn.2095-6649.2015.09.004

TAN Zhi-xiang, WANG X in, FAN Ding-cheng. Study on Power Optim ization of Large W ind Turbine Based on FAST[J]. The Journal of New Industrialization, 2015, 5(9): 20-25.

湖南省自然科學(xué)基金（13JJ3110）

譚志翔（1990-），男，碩士研究生，研究方向為復(fù)雜機電系統(tǒng)的信息集成與協(xié)調(diào)控制；王欣（1970-），女，教授，研究方向：工業(yè)過程控制與優(yōu)化；范定成（1989-），男，碩士研究生，研究方向為風(fēng)力發(fā)電。

本文引用格式：譚志翔，王欣，范定成.基于FAST的大型風(fēng)力發(fā)電機功率優(yōu)化研究[J]. 新型工業(yè)化，2015，5（9）：20-25