風(fēng)力發(fā)電機(jī)單神經(jīng)元內(nèi)模解耦研究

李雪龍，周淵深

(1.中國(guó)礦業(yè)大學(xué) 信息與電氣工程學(xué)院，江蘇 徐州 221008;2.淮海工學(xué)院 電子工程學(xué)院，江蘇 連云港 222005)

0 引言

風(fēng)力發(fā)電機(jī)基于磁場(chǎng)定向的矢量變換控制技術(shù)實(shí)現(xiàn)了轉(zhuǎn)子電流M軸分量和T軸分量的靜態(tài)解耦，但變換后仍然存在M軸和T軸間的交叉耦合電壓，要想獲得高精度的控制性能，有必要對(duì)其進(jìn)行解耦。

內(nèi)模控制由于其設(shè)計(jì)簡(jiǎn)單、控制性能良好以及所蘊(yùn)含的解耦機(jī)制，在工業(yè)過程控制尤其是在具有耦合的多變量系統(tǒng)中獲得廣泛應(yīng)用。但是內(nèi)?？刂茀s依賴于對(duì)象的逆模型，使其在應(yīng)用上受到了一定的限制。風(fēng)力發(fā)電機(jī)的數(shù)學(xué)模型為多變量、非線性、強(qiáng)耦合模型，因此獲得風(fēng)力發(fā)電機(jī)的逆模型難度比較大。近年來，人工神經(jīng)網(wǎng)絡(luò)已逐步應(yīng)用于電機(jī)控制系統(tǒng)中，神經(jīng)網(wǎng)絡(luò)的算法復(fù)雜且收斂速度慢是一直未被克服的難題。單神經(jīng)元由于其算法簡(jiǎn)單且具有自適應(yīng)能力而被廣泛應(yīng)用于電機(jī)控制領(lǐng)域中。本文將內(nèi)?？刂婆c單神經(jīng)元結(jié)合，通過泰勒級(jí)數(shù)展開將內(nèi)?？刂破骷s化為具有PID結(jié)構(gòu)的控制器，因?yàn)镻ID控制具有一定的魯棒性，且又結(jié)合了神經(jīng)元使其不過分依賴于風(fēng)力發(fā)電機(jī)的數(shù)學(xué)模型，仿真表明該種方案幾乎可以實(shí)現(xiàn)被控對(duì)象的徹底解耦。

1 DFIG的數(shù)學(xué)模型

當(dāng)DFIG的定、轉(zhuǎn)子均按電動(dòng)機(jī)慣例建模時(shí)，同步旋轉(zhuǎn)M－T坐標(biāo)系下的DFIG數(shù)學(xué)模型如下:

定子電壓方程:

轉(zhuǎn)子電壓方程:

定子磁鏈方程:

轉(zhuǎn)子磁鏈方程:

其中:Rs、Rr為定、轉(zhuǎn)子電阻;Ls、Lr、Lm為定、轉(zhuǎn)子自感和定、轉(zhuǎn)子間的互感;uM1、uT1、uM2、uT2為定、轉(zhuǎn)子電壓的 M、T 軸分量;iM1、iT1、iM2、iT2為定、轉(zhuǎn)子電流的 M、T 軸分量;ψM1、ψT1、ψM2、ψT2為定、轉(zhuǎn)子磁鏈的 M、T軸分量;ωs、Δω為旋轉(zhuǎn)磁場(chǎng)同步角頻率和轉(zhuǎn)差角頻率。

DFIG 空載并網(wǎng)時(shí)，iM1=0，iT1=0，代入式(3)、(4)可得:

風(fēng)力發(fā)電系統(tǒng)中的DFIG的定子與電網(wǎng)相連，由于電網(wǎng)電壓較高，定子電阻壓降與定子反電勢(shì)、互感壓降相比可以忽略。將式(6)代入式(2)可得DFIG空載并網(wǎng)時(shí)的轉(zhuǎn)子數(shù)學(xué)模型:

由(7)式可知轉(zhuǎn)子M軸和T軸電壓相互耦合，且大小為 ΔωLriT2、ΔωLriM2方向相反。

2 DFIG單神經(jīng)元內(nèi)模解耦控制原理

2.1 單神經(jīng)元內(nèi)模解耦原理

圖1 內(nèi)?？刂频刃Х答伩刂平Y(jié)構(gòu)圖

根據(jù)系統(tǒng)的實(shí)際情況，由(7)式可得電機(jī)轉(zhuǎn)子的傳遞函數(shù)模型如下:

根據(jù)內(nèi)?？刂圃碛袃?nèi)?？刂破?

其中L(s)為濾波器，由于DFIG的轉(zhuǎn)子傳遞函數(shù)無有半平面零點(diǎn)和滯后環(huán)節(jié)則濾波器可取為:

L(s)=λ/λ+si，由圖1可得系統(tǒng)輸入輸出關(guān)系為:

當(dāng)被控對(duì)象與模型完全匹配，內(nèi)?？刂破髦邪四Ｐ偷哪?，因此適當(dāng)選擇L(s)為對(duì)角結(jié)構(gòu)即可實(shí)現(xiàn)解耦。當(dāng)保留內(nèi)?？刂平Y(jié)構(gòu)而結(jié)合單神經(jīng)元時(shí)也保留了內(nèi)?？刂票旧硭N(yùn)含的解耦功能。

將上述結(jié)果帶入到(8)式中，并設(shè):

則F(s)=s－1P(s)。將P(s)在s=0處泰勒級(jí)數(shù)展開得:

其中P、I、D分別為等效PID控制器的比例積分微分系數(shù)，R(s)為誤差項(xiàng)。由于單神經(jīng)元結(jié)構(gòu)簡(jiǎn)單且具有參數(shù)自適應(yīng)性。將其合理的結(jié)合到內(nèi)?？刂浦惺箍刂破骷染哂袃?nèi)?？刂频慕怦罟δ?，又具有神經(jīng)元的參數(shù)自適應(yīng)性來拓寬控制器的適用范圍。因此將(9)式中的P、I、D用神經(jīng)元控制器代替，將文獻(xiàn)[4]中的內(nèi)?？刂破饔蒙窠?jīng)元控制器代替，得到如圖2所示的風(fēng)力發(fā)電機(jī)中具體的神經(jīng)元內(nèi)模控制器結(jié)構(gòu)框圖。和分別為轉(zhuǎn)子電流的給定值，iM2和iT2分別為轉(zhuǎn)子實(shí)際電流。SNC1－SNC4為單神經(jīng)元控制器，由內(nèi)?？刂圃砜芍猄NC1與SNC4應(yīng)有相同的結(jié)構(gòu)，具有一樣的增益系數(shù)，SNC2與SNC3具有相同的結(jié)構(gòu)并且SNC2和SNC3起到主要的解耦作用，通過調(diào)節(jié)兩者的系數(shù)可以調(diào)節(jié)解耦的強(qiáng)弱。

圖2 單神經(jīng)元內(nèi)?？刂破鹘Y(jié)構(gòu)框圖

2.2 單神經(jīng)元PID的算法與實(shí)現(xiàn)

單神經(jīng)元自適應(yīng)控制器是通過加權(quán)系數(shù)的調(diào)整來實(shí)現(xiàn)自適應(yīng)、自組織功能的，權(quán)系數(shù)的調(diào)整是按有監(jiān)督的Hebb學(xué)習(xí)規(guī)則實(shí)現(xiàn)的。學(xué)習(xí)算法為:

式中:

ηP，ηI，ηD分為比例、積分、微分的學(xué)習(xí)速率，K為神經(jīng)元的比例系數(shù)，K ＞0。

對(duì)積分I、比例P和微分D分別采用了不同的學(xué)習(xí)速率 ηP，ηI，ηD，以便對(duì)不同的權(quán)系數(shù)分別進(jìn)行調(diào)整。K值的選擇非常重要，K越大，則快速性越好，但超調(diào)量大，甚至可能使系統(tǒng)不穩(wěn)定。當(dāng)被控對(duì)象時(shí)延增大時(shí)，K值必須減少，以保證系統(tǒng)穩(wěn)定。K值選擇過小，會(huì)使系統(tǒng)的快速性變差。

由于單神經(jīng)元的算法并不能用傳遞函數(shù)來實(shí)現(xiàn)，因此本文用可讀性好、易于編寫的MATLAB中的S函數(shù)實(shí)現(xiàn)神經(jīng)元控制器的功能。以下是完整的算法程序:

3 仿真分析

設(shè)轉(zhuǎn)子電阻 Rr=1.62 Ω 和轉(zhuǎn)子電感 Lr=4.5 mH，經(jīng)計(jì)算得ΔωLr=1.42。當(dāng)M軸電流為階躍信號(hào)，T軸電流信號(hào)為零時(shí)的波形如圖3;當(dāng)T軸電流為階躍信號(hào)，M軸電流信號(hào)為零時(shí)的波形如圖4;當(dāng)M軸和T軸同時(shí)為階躍信號(hào)但跳躍時(shí)刻不同時(shí)的波形如圖5。從圖3和圖4可以看出:當(dāng)參數(shù)調(diào)整好以后，若僅M軸或T軸有信號(hào)時(shí)，由系統(tǒng)響應(yīng)的波形圖可知，另一條通道幾乎不受影響，即實(shí)現(xiàn)了雙變量系統(tǒng)的解耦，且解耦效果良好。而當(dāng)M軸和T軸都存在階躍信號(hào)時(shí)，但階躍時(shí)刻不同，由系統(tǒng)響應(yīng)波形圖可以看出兩個(gè)通道的響應(yīng)相互獨(dú)立不受影響，即在該種情形下也實(shí)現(xiàn)了系統(tǒng)的解耦。

4 結(jié)束語

本文介紹了神經(jīng)元內(nèi)模控制器的原理，并給出了MATLAB仿真實(shí)現(xiàn)，將其應(yīng)用于風(fēng)力發(fā)電機(jī)的轉(zhuǎn)子電流環(huán)中。通過仿真結(jié)果分析證明了這種實(shí)現(xiàn)形式的可行性，在仿真調(diào)試過程中還表明除比例增益系數(shù)K外，其它參數(shù)都可以在較大范圍內(nèi)取值而對(duì)系統(tǒng)的性能不產(chǎn)生顯著影響。這也是該控制器的優(yōu)點(diǎn)，在實(shí)際應(yīng)用中可通過現(xiàn)場(chǎng)實(shí)驗(yàn)來確定K的大小。并且由于具有算法簡(jiǎn)單、實(shí)時(shí)性強(qiáng)、動(dòng)態(tài)響應(yīng)速度較快，具有一定的工業(yè)實(shí)用價(jià)值。根據(jù)對(duì)象的運(yùn)行參數(shù)將中間兩個(gè)起主要解耦作用的控制器的系數(shù)制成表在對(duì)象運(yùn)行時(shí)根據(jù)運(yùn)行工況調(diào)用，將會(huì)獲得更好的動(dòng)態(tài)解耦效果。

[1]馬小亮.大功率交交變頻調(diào)速及矢量控制技術(shù)[M].北京:機(jī)械工業(yè)出版社，2004.

[2]Garcia C E，Morari M.Internal model control of an unifying review and some new results[J].Ind Eng Chen Pro Des Dev，1982，21(3):308 －323.

[3]周淵深，朱希榮.風(fēng)力發(fā)電機(jī)轉(zhuǎn)子電流交叉耦合電壓的多自由度內(nèi)模解耦研究，中國(guó)控制與決策學(xué)術(shù)年會(huì)論文集[C].遼寧:東北大學(xué)出版社，2010.

[4]李明，林永君.自適應(yīng)神經(jīng)元非模型多變量系統(tǒng)解耦控制[J].計(jì)算機(jī)仿真，2003，20(3):68 －71.

[5]劉金琨.先進(jìn)PID控制及其MATLAB仿真[M].北京:電子工業(yè)出版社，2003.