小型風(fēng)力機組發(fā)電最大功率點跟蹤技術(shù)綜述

毛盾

【摘要】 當(dāng)前能源危機制約著社會的發(fā)展，因此發(fā)展風(fēng)力這一清潔能源是國家可持續(xù)發(fā)展的長久之計。本文中探討了小型風(fēng)力機發(fā)電最大功率點跟蹤的傳統(tǒng)方法，也重點討論了智能算法，包括模糊控制和遺傳算法，并闡明了各自的優(yōu)缺點，旨在為小型風(fēng)力機發(fā)電系統(tǒng)最大功率點跟蹤方案提供參考和選擇。

【關(guān)鍵詞】 小型風(fēng)力機組 最大功率點跟蹤 最佳葉尖速比法 爬山搜索算法 自適應(yīng)算法 模糊控制法 遺傳算法

目前在清潔能源這一領(lǐng)域，風(fēng)力發(fā)電和光伏發(fā)電發(fā)展的最快最好，但是筆者在研究過程中發(fā)現(xiàn)，無論在國內(nèi)還是國外，風(fēng)力發(fā)電研究相比于光伏發(fā)電研究要少一些，尤其在智能控制領(lǐng)域。主要也由于風(fēng)力系統(tǒng)存在非線性，風(fēng)速變化快，難以捕捉，風(fēng)機轉(zhuǎn)速調(diào)整難以滿足實時性等。

一、最佳葉尖速比法[1]：

根據(jù)貝慈理論風(fēng)能的利用系數(shù)隨著葉尖速比的變化而變化，當(dāng)風(fēng)速發(fā)生變化時，可以通過調(diào)節(jié)風(fēng)力發(fā)電機風(fēng)輪的轉(zhuǎn)速維持在最大值出，即最佳葉尖速比的位置。

最佳葉尖速比法的缺陷：最佳葉尖速比法長期運行中系統(tǒng)參數(shù)的變化會使實際最大功率點偏離原曲線，導(dǎo)致理論調(diào)節(jié)的最佳轉(zhuǎn)速與當(dāng)前狀態(tài)所需最佳轉(zhuǎn)速不符；另外風(fēng)能又是一種隨機性很強的能源，風(fēng)速頻繁處于波動過程中且很難短期預(yù)測。這些都使MPPT控制下的風(fēng)機系統(tǒng)絕大部分時間都處于動態(tài)過程中，而非運行在穩(wěn)態(tài)工作點上，使跟蹤結(jié)果在實際的最大功率點波動[2]。

二、爬山搜索算法[3]

爬山搜索算法的總體思路：為了避免精確捕捉風(fēng)速的難題，而在當(dāng)前風(fēng)速下給風(fēng)力發(fā)電機風(fēng)輪以一個轉(zhuǎn)速的干擾，通過檢測風(fēng)力發(fā)電機的輸出功率的變化，與已知轉(zhuǎn)速與最大輸出功率之間的關(guān)系曲線進行對比，以此來決定搜索的方向。

爬山搜索算法的缺陷：爬山搜索算法雖然避免了捕捉風(fēng)速的難題，但是因為引入擾動，會對系統(tǒng)的穩(wěn)定性造成影響，使系統(tǒng)在最大功率點附近發(fā)生震蕩，擾動步長過大或過小都會對跟蹤效率產(chǎn)生影響，當(dāng)環(huán)境發(fā)生突變時，跟蹤會產(chǎn)生誤判。

三、自適應(yīng)控制

基于微分跟蹤器的功率曲線自尋優(yōu)控制，它對機組參數(shù)如功率特性或轉(zhuǎn)矩特性等依賴性較小，在風(fēng)速變化的情況下能夠?qū)C組功率曲線的系數(shù)進行實時的修改，并有效地將機組的功率曲線調(diào)整到最大功率曲線的位置，根據(jù)轉(zhuǎn)速對時間的一階導(dǎo)數(shù)，功率對時間的一階導(dǎo)數(shù)，轉(zhuǎn)速對時間的二階導(dǎo)數(shù)確定當(dāng)前狀態(tài)相對于參考值的位置，以此來自動調(diào)整到最大功率曲線的位置。

四、模糊邏輯控制法

模糊邏輯控制法是基于人類的邏輯思維而提出的，外界對于人產(chǎn)生刺激信號（給定輸入），由神經(jīng)組織將信號傳送給中樞神經(jīng)系統(tǒng)（控制器）進行處理，與此同時，中樞神經(jīng)系統(tǒng)還受其他神經(jīng)的控制及經(jīng)驗的影響，形成控制上的反饋回路，中樞神經(jīng)系統(tǒng)處理刺激信號后發(fā)出控制信息控制肌肉和組織，從而來控制受控信號。而在神經(jīng)中樞系統(tǒng)中沒有固定的數(shù)值和算式語言，而是依據(jù)模糊的邏輯變數(shù)來控制被控信號，因此模糊控制器不必像傳統(tǒng)的方法那樣建立完整的數(shù)學(xué)模型。通過設(shè)定模糊規(guī)則及隸屬函數(shù)將模糊輸出變?yōu)榫_輸出。

模糊控制法的優(yōu)缺點：由于模糊控制器是一種語言控制器，使得操作人員很容易使用自然語言來實現(xiàn)人機對話，容易控制和掌握理想的非線性量，具有很好的自適應(yīng)性，穩(wěn)定性和容錯性，但是模糊控制法的難點在于如何設(shè)計出符合要求的控制器。

五、基于遺傳算法的最大功率點跟蹤

遺傳算法在凈化過程中基本不用外部信息，基本靠自身的適應(yīng)度函數(shù)，適應(yīng)度函數(shù)是由目標(biāo)函數(shù)變換而成。建立目標(biāo)函數(shù)之后進行過程選擇，按比例適度分配。隨后進行基因重組，就是把兩個父體內(nèi)的部分基因取出，疊加組成新個體基因，通過基因重組達到優(yōu)化。

遺傳算法的優(yōu)缺點：采用遺傳算法能在ΔD≥0.03時較好的兼顧了系統(tǒng)跟蹤的動態(tài)性能和穩(wěn)定性能，但在經(jīng)歷編碼-初始種群的生成-過程選擇-基因重組-變異的過程中參數(shù)的選擇難以把握，如交叉概率控制著交叉操作的頻率，太大會使高適應(yīng)值的結(jié)構(gòu)很快遭到破壞，過小則會使搜索停滯不前。

結(jié)語：通過對小型風(fēng)力發(fā)電系統(tǒng)的研究發(fā)現(xiàn)，不管是將風(fēng)力發(fā)電系統(tǒng)最大功率點跟蹤技術(shù)與光伏發(fā)電最大功率點跟蹤技術(shù)相比，還是風(fēng)力發(fā)電系統(tǒng)最大功率點技術(shù)自身的傳統(tǒng)方法與智能控制算法比較，傳統(tǒng)控制算法在跟蹤動態(tài)性能和穩(wěn)態(tài)性能方面較智能算法都差一點，而且智能控制算法在跟蹤風(fēng)速和風(fēng)機轉(zhuǎn)速方面有很大的研究空間，因此在研究傳統(tǒng)的小型風(fēng)力機最大功率點跟蹤技術(shù)的同時，要重點研究現(xiàn)代智能控制算法在此領(lǐng)域的應(yīng)用，并將兩者結(jié)合使用。

參 考 文 獻

[1]趙邈 風(fēng)光互補并網(wǎng)發(fā)電系統(tǒng)及最大功率點的跟蹤 長沙理工大學(xué)碩士學(xué)位論文 2011

[2]張玉，韓金剛，湯天浩 基于爬山法的風(fēng)電最大功率點跟蹤控制的仿真研究；上海海事大學(xué)物流工程學(xué)院，上海201306

[3]大型風(fēng)電機組的功率曲線自尋優(yōu)控制策略；夏安俊，徐浩，胡書舉，許洪華；高電壓技術(shù) 2012.08.31