基于改進(jìn)爬山搜索法的風(fēng)力發(fā)電機(jī)傳動(dòng)系統(tǒng)控制策略研究

楊德州，張中丹，皮霞，孫曉光，耿建宇，韓袁

（1.國(guó)網(wǎng)甘肅省電力有限公司電力經(jīng)濟(jì)技術(shù)研究院，甘肅蘭州730000；2.國(guó)網(wǎng)吉林省電力有限公司長(zhǎng)春供電公司，吉林長(zhǎng)春 130021）

近年來(lái)，隨著化石能源的持續(xù)高消耗，由于化石能源是不可再生能源，因此能源的可持續(xù)性成為了一個(gè)重要問題[1]。此外，在使用化石能源時(shí)，將會(huì)帶來(lái)環(huán)境惡化問題，包括溫室效應(yīng)以及全球環(huán)境污染等[2]。發(fā)展清潔能源逐漸替代傳統(tǒng)化石能源成為世界各國(guó)可持續(xù)化發(fā)展的必然趨勢(shì)。水能、風(fēng)能以及太陽(yáng)能等可再生能源受到越來(lái)越多的關(guān)注，將在今后能源消耗中所占比重越來(lái)越大[3]。其中，風(fēng)能是一種分布廣、儲(chǔ)量大的可持續(xù)能源，并具有對(duì)生態(tài)影響小、不會(huì)產(chǎn)生污染以及方便利用等優(yōu)勢(shì)，因此風(fēng)能受到了廣泛的關(guān)注[4-5]。

在風(fēng)力發(fā)電系統(tǒng)中，由于風(fēng)速具有瞬變性，造成風(fēng)力發(fā)電系統(tǒng)的輸出功率不穩(wěn)定，且受外界環(huán)境干擾嚴(yán)重[6-7]，從而風(fēng)力發(fā)電系統(tǒng)的輸出功率將無(wú)法達(dá)到預(yù)期的輸出功率。為了能夠有效地增加在不同風(fēng)速情況下系統(tǒng)的輸出功率，需要對(duì)風(fēng)機(jī)的轉(zhuǎn)速進(jìn)行合理地調(diào)整，使其與風(fēng)速相匹配，最終達(dá)到最大風(fēng)能捕獲，并能夠進(jìn)一步增加發(fā)電系統(tǒng)的輸出功率。因此，針對(duì)一種能夠有效控制風(fēng)機(jī)轉(zhuǎn)速和實(shí)現(xiàn)最大功率跟蹤方法的研究亟待解決。

如今，被廣泛應(yīng)用在風(fēng)電系統(tǒng)最大風(fēng)能捕獲的主要方法有：葉尖速比控制法、功率反饋法、爬山搜索法等[8-11]。葉尖速比控制法對(duì)風(fēng)速的準(zhǔn)確測(cè)量有很高的依賴性，因此其對(duì)風(fēng)速傳感器以及葉尖速比曲線的精準(zhǔn)度要求也比較高，但是在現(xiàn)實(shí)環(huán)境中通常不能保障該精準(zhǔn)度。因此，在新型以及改進(jìn)控制方法的研究中，一般采用基于實(shí)現(xiàn)方法較為簡(jiǎn)單的爬山搜索法。該方法不需要知道風(fēng)速，是一種普遍且簡(jiǎn)單的最大風(fēng)能捕獲的方法。傳統(tǒng)的爬山搜索法為了能夠獲得最大風(fēng)能捕獲方法，其步長(zhǎng)需要有效調(diào)整，否則將會(huì)影響系統(tǒng)的穩(wěn)定和輸出特性。目前針對(duì)該特點(diǎn)常用的改進(jìn)方法有模擬退火法的改進(jìn)型爬山搜索法、電導(dǎo)法以及模糊推理最優(yōu)梯度法等[12-16]。上述改進(jìn)方法將定步長(zhǎng)爬山法改進(jìn)成為變步長(zhǎng)搜索，從而實(shí)現(xiàn)較為穩(wěn)定輸出以及動(dòng)靜態(tài)特性。然而，這些方法目前還存在計(jì)算量大、結(jié)果出現(xiàn)振蕩以及輸出功率提升效果不顯著等問題。

本文為了優(yōu)化風(fēng)力發(fā)電系統(tǒng)的控制策略，并提高其發(fā)電效率，針對(duì)基于模糊控制改進(jìn)爬山搜索法的風(fēng)力發(fā)電機(jī)傳動(dòng)系統(tǒng)控制策略展開了一系列研究。首先，針對(duì)風(fēng)力發(fā)電機(jī)的風(fēng)速和風(fēng)力機(jī)進(jìn)行數(shù)學(xué)建模，通過分析傳統(tǒng)爬山搜索法的控制流程和方法，引入了模糊控制策略對(duì)系統(tǒng)中的PI參數(shù)進(jìn)行有效調(diào)節(jié)，并搭建Simulink仿真模型，獲得改進(jìn)爬山搜索法的仿真結(jié)果。最后，將改進(jìn)方法與傳統(tǒng)方法進(jìn)行對(duì)比，從而對(duì)該方法的可行性進(jìn)行驗(yàn)證，其結(jié)果具有一定的工程實(shí)際意義。

1 風(fēng)力發(fā)電機(jī)的風(fēng)速和風(fēng)力建模

1.1 風(fēng)速系統(tǒng)模型

風(fēng)力發(fā)電機(jī)所涉及的風(fēng)場(chǎng)主要有基本風(fēng)、陣風(fēng)、漸變風(fēng)以及隨機(jī)風(fēng)幾種類型，并且具有間歇性與隨機(jī)性的特點(diǎn)[17]?；撅L(fēng)Vb也被命名為平均風(fēng)，其數(shù)學(xué)模型為

其中

式中：C為威布爾分布的尺度；K為威布爾分布的形狀；Γ(x)為伽瑪函數(shù)，該函數(shù)是階乘的延拓，是定義在復(fù)數(shù)范圍內(nèi)的亞純函數(shù)。

漸變風(fēng)Vg表現(xiàn)風(fēng)速的漸變情況，其數(shù)學(xué)模型如下式：

式中：Vgmax為漸變風(fēng)在該段時(shí)間內(nèi)的風(fēng)速最大值，m/s；tg0，tg1分別為漸變風(fēng)的變化開始時(shí)間和結(jié)束時(shí)間。

根據(jù)實(shí)際對(duì)風(fēng)機(jī)遇到的漸變風(fēng)情況，設(shè)定其參數(shù)：漸變風(fēng)的變化開始時(shí)間為2 s，變化結(jié)束時(shí)間為8 s，最大風(fēng)速為4 m/s。

陣風(fēng)Vf能夠表現(xiàn)風(fēng)速突然變化的特性，其數(shù)學(xué)模型為

式中：Vfmax為陣風(fēng)在該段時(shí)間內(nèi)的風(fēng)速最大值，m/s；tf0為陣風(fēng)的變化開始時(shí)間；Tf為陣風(fēng)的周期。

根據(jù)實(shí)際對(duì)風(fēng)機(jī)遇到的陣風(fēng)情況，設(shè)定其參數(shù)：陣風(fēng)的變化開始時(shí)間為2 s，周期為3 s，其最大風(fēng)速為3 m/s。

隨機(jī)風(fēng)Vr能夠表現(xiàn)風(fēng)速的隨機(jī)波動(dòng)情況，其數(shù)學(xué)模型為

其中

式中：Rm（ωi）為在風(fēng)速第i個(gè)變量的風(fēng)速最大值；ωi為風(fēng)速的第i個(gè)變量角頻率；Δω為風(fēng)速變量間的離散距離；pi，vf分別為隨機(jī)變量和相對(duì)高度的平均速度；Kr，F(xiàn)分別為地表粗糙度系數(shù)以及風(fēng)速的擾動(dòng)區(qū)間。

根據(jù)實(shí)際對(duì)風(fēng)機(jī)遇到的陣風(fēng)情況，設(shè)定其參數(shù)：隨機(jī)風(fēng)的隨機(jī)分量的幅值為1 m/s，波動(dòng)平均間距范圍為0.5π～2π rad/s。

在實(shí)際的風(fēng)場(chǎng)里風(fēng)速是為組合風(fēng)的形式，其數(shù)學(xué)模型表示為

1.2 風(fēng)力機(jī)特性及其系統(tǒng)模型

根據(jù)空氣動(dòng)力學(xué)原理[18]，風(fēng)力機(jī)的輸入功率表達(dá)式為

式中：ρ為空氣密度，標(biāo)準(zhǔn)大氣壓下其值為1.29 kg/m3；R為風(fēng)機(jī)葉片的半徑；v為風(fēng)速。

風(fēng)力機(jī)的輸出功率表達(dá)式為

其中

式中：Cp（λ，β）為風(fēng)力機(jī)能夠把風(fēng)能變化為機(jī)械能的效率，即風(fēng)能利用系數(shù)；λ，β分別為葉尖速比以及槳葉節(jié)距角；ω為風(fēng)機(jī)葉片旋轉(zhuǎn)的角速度，rad/s。

若槳葉節(jié)距角β的值保持一致，則風(fēng)能利用系數(shù)Cp與β的值無(wú)直接相關(guān)關(guān)系，該系數(shù)Cp僅與葉尖速比λ有關(guān)，其兩者的關(guān)系如圖1所示。從圖中可以看出，當(dāng)β的值為0時(shí)，其葉尖速比的值為8.1，此時(shí)風(fēng)能利用系數(shù)為最大值，達(dá)到0.48。所以，在不同風(fēng)速情況下，有且僅有一個(gè)轉(zhuǎn)速與該風(fēng)速最為匹配，從而能夠獲得最大捕獲功率。在不同風(fēng)速情況下，將所得到的最大捕獲功率值進(jìn)行連接，則獲得風(fēng)機(jī)輸出最大功率曲線圖，其為一個(gè)二次函數(shù)。因此，最大功率控制的原理即為在不同風(fēng)速條件下，通過對(duì)風(fēng)機(jī)轉(zhuǎn)速進(jìn)行調(diào)整，從而使其功率能夠最為靠近最大功率曲線。

圖1 風(fēng)能利用系數(shù)與葉尖速比的關(guān)系Fig.1 Relationship between wind energy utilization coefficient and tip speed ratio

因此，采用的變速風(fēng)力機(jī)的Cp（λ，β）表示式定義為

2 改進(jìn)爬山搜索法模型建立

2.1 改進(jìn)爬山搜索法

爬山搜索法主要思想為持續(xù)調(diào)整風(fēng)力機(jī)轉(zhuǎn)速，匹配其功率變化，從而達(dá)到最大功率跟蹤，對(duì)風(fēng)力機(jī)以及風(fēng)速的相關(guān)指標(biāo)并沒有要求[11]。風(fēng)力機(jī)捕獲功率P與電機(jī)轉(zhuǎn)速ω之間的關(guān)系如圖2所示。

圖2 爬山搜索法原理圖Fig.2 Schematic of climbing search method

通過對(duì)曲線進(jìn)行求導(dǎo)，得到風(fēng)力機(jī)的最大捕獲功率，此時(shí)其導(dǎo)數(shù)dP/dt的值為0，并對(duì)圖2的曲線進(jìn)行區(qū)域劃分，其結(jié)果如表1所示。

表1 爬山搜索法邏輯表Tab.1 Logic table of climbing search method

爬山搜索法的主要步驟為：1）測(cè)量電機(jī)的轉(zhuǎn)速ωn以及風(fēng)力發(fā)電系統(tǒng)的捕獲功率Pn；2）測(cè)量電機(jī)轉(zhuǎn)速和風(fēng)力發(fā)電系統(tǒng)的功率的變化量Δωn和ΔPn，其值分別為ωn-ωn-1和Pn-Pn-1；3）依據(jù)所得變化量結(jié)果獲得其落在Ⅰ區(qū)、Ⅱ區(qū)、Ⅲ區(qū)和Ⅳ區(qū)中的哪個(gè)區(qū)域內(nèi)，并加入一個(gè)角速度擾動(dòng)S，該擾動(dòng)被定義為S=sign(ΔPn/Δωn)× s× |ΔPn/Δωn|，其中，s為固定常數(shù)；4）輸出調(diào)節(jié)后的轉(zhuǎn)速；5）重復(fù)以上步驟。具體流程如圖3所示。

圖3 爬山搜索法的具體流程圖Fig.3 Specific flow chart of mountain climbing search method

利用爬山搜索法在進(jìn)行最大功率跟蹤優(yōu)化過程中，以恒定轉(zhuǎn)速進(jìn)行適應(yīng)性調(diào)整，保證系統(tǒng)運(yùn)行在最大功率點(diǎn)附近，但考慮風(fēng)速不穩(wěn)定性，最大功率點(diǎn)會(huì)出現(xiàn)一定波動(dòng)。此時(shí)若擾動(dòng)步長(zhǎng)選擇足夠小且合理，其波動(dòng)也將在能允許的范圍內(nèi)。針對(duì)固定步長(zhǎng)的爬山搜索法，若其步長(zhǎng)選擇較大，則將造成在最大功率點(diǎn)產(chǎn)生的波動(dòng)較大；若其選擇較小，則將造成初始階段的跟蹤效率不足，無(wú)法達(dá)到足夠快速響應(yīng)。因此，需要對(duì)其如何能夠較為合理地選擇步長(zhǎng)進(jìn)行進(jìn)一步研究。

2.2 基于模糊控制策略改進(jìn)爬山搜索法

由于爬山搜索法受步長(zhǎng)影響較大，因此引入模糊自適應(yīng)控制對(duì)傳統(tǒng)爬山搜索法進(jìn)行改進(jìn)，從而能夠合理選擇步長(zhǎng)，增加計(jì)算效率和精度。

風(fēng)力發(fā)電系統(tǒng)傳統(tǒng)PI調(diào)節(jié)器的效果主要依賴風(fēng)力發(fā)電系統(tǒng)的性能，此外，由于其調(diào)節(jié)器參數(shù)無(wú)法實(shí)時(shí)調(diào)整，造成系統(tǒng)無(wú)法進(jìn)行最優(yōu)的控制[19]。隨著模糊神經(jīng)系統(tǒng)的應(yīng)用越來(lái)越普遍，引入該算法能有效地對(duì)PI參數(shù)進(jìn)行調(diào)整，從而匹配實(shí)際條件，使系統(tǒng)達(dá)到最佳控制效果[20]。

模糊神經(jīng)系統(tǒng)的結(jié)構(gòu)和神經(jīng)網(wǎng)絡(luò)類似，也是利用模糊隸屬度函數(shù)的輸入與輸出的數(shù)據(jù)集合。簡(jiǎn)單的模糊推理神經(jīng)系統(tǒng)結(jié)構(gòu)，即將三個(gè)輸入?yún)?shù)經(jīng)過模糊化處理，從而構(gòu)造模糊集合以及模糊規(guī)則，并將獲得的數(shù)據(jù)通過解模糊化，最終獲得輸出結(jié)果。模糊推理系統(tǒng)結(jié)構(gòu)如圖4所示。

圖4 模糊神經(jīng)系統(tǒng)結(jié)構(gòu)圖Fig.4 Structure diagram of fuzzy neural system

模糊PI控制系統(tǒng)結(jié)構(gòu)如圖5所示。其中，該系統(tǒng)的核心模塊是模糊控制器，該控制器主要由模糊化、數(shù)據(jù)規(guī)則庫(kù)、模糊推理以及解模糊化等幾個(gè)部分組成。該控制器通過將誤差e以及其微分ec作為輸入數(shù)據(jù)，然后對(duì)該數(shù)據(jù)展開模糊化處理，接著通過模糊推理以及進(jìn)行解模糊化，從而得到ΔKp和ΔKi。

圖5 模糊PI控制系統(tǒng)結(jié)構(gòu)示意圖Fig.5 Structure diagram of fuzzy PI controller

從輸入語(yǔ)言變量中選擇模糊集合{正大（PB），正中（PM），正?。≒S），零（ZO），負(fù)?。∟S），負(fù)中（NM），負(fù)大（NB）}。進(jìn)而令輸入輸出的模糊集合分別定義為：誤差e，微分ec，ΔKp以及 ΔKi，它們均定義為{負(fù)大，負(fù)中，負(fù)小，零，正小，正中，正大}，因此其ΔKp以及ΔKi的模糊規(guī)則庫(kù)如表2和表3所示。

表2 ΔKp的模糊規(guī)則表Tab.2 Fuzzy rule table ofΔKp

表3 ΔKi的模糊規(guī)則表Tab.3 Fuzzy rule table ofΔKi

基于模糊控制策略改進(jìn)爬山搜索法搜索不同風(fēng)速和轉(zhuǎn)速，其步驟如下：1）基于在不同風(fēng)速條件下電機(jī)轉(zhuǎn)速和風(fēng)能利用系數(shù)之間的關(guān)系，以及不同風(fēng)速條件下的步長(zhǎng)關(guān)系進(jìn)行神經(jīng)網(wǎng)絡(luò)訓(xùn)練，從而得到模糊推理的隸屬函數(shù)與模糊規(guī)則；2）測(cè)量風(fēng)速vn，永磁同步電機(jī)的轉(zhuǎn)速ωn和風(fēng)力發(fā)電系統(tǒng)的功率 Pn；3）計(jì)算風(fēng)能利用系數(shù) Con；4）利用前面所得模糊規(guī)則對(duì)步長(zhǎng)進(jìn)行有效調(diào)整；5）輸出步長(zhǎng)調(diào)節(jié)后的轉(zhuǎn)速；6）重復(fù)前述步驟。

3 仿真系統(tǒng)搭建

針對(duì)基于模糊控制策略改進(jìn)爬山搜索法進(jìn)行仿真研究，在Simulink中搭建仿真模型。

3.1 風(fēng)速系統(tǒng)仿真模型

現(xiàn)實(shí)中的風(fēng)場(chǎng)為組合風(fēng)的形式，是由第1節(jié)中的基本風(fēng)Vb、陣風(fēng)Vf、漸變風(fēng)Vg以及隨機(jī)風(fēng)Vr組成的，根據(jù)組合風(fēng)的數(shù)學(xué)模型（即式（6））搭建Simulink模型，該模型輸出由4種不同形式風(fēng)組成，其模型與仿真的波形圖如圖6所示。其中圖6a為仿真模型，圖6b為其仿真輸出波形。從中可以看出，組合風(fēng)在前期變化較大，在8 s后逐漸趨于穩(wěn)定。

圖6 組合風(fēng)仿真模型及其波形Fig.6 Simulation model and waveform of combined wind

3.2 風(fēng)力機(jī)系統(tǒng)仿真模型

在不同風(fēng)速條件下，風(fēng)力機(jī)系統(tǒng)的最大風(fēng)能利用系數(shù)不一樣，并且最大風(fēng)能利用系數(shù)所最佳匹配轉(zhuǎn)速也不一致。而且，隨著風(fēng)速的變大，最佳匹配轉(zhuǎn)速也隨之上升。在不同風(fēng)速條件下，風(fēng)力機(jī)系統(tǒng)的最佳輸出功率也不一樣。因此，在對(duì)風(fēng)力機(jī)系統(tǒng)進(jìn)行仿真時(shí)，需要將風(fēng)速和風(fēng)機(jī)轉(zhuǎn)速作為輸入量，并根據(jù)式（8）、式（9）搭建相關(guān)Simu?link模型，其模型如圖7所示。其中，風(fēng)力機(jī)的參數(shù)設(shè)置如下：葉片半徑32 m，空氣密度1.2 kg/m3，額定功率1.5 MW，最佳葉尖速比8，最大風(fēng)能利用系數(shù)0.48，慣性常數(shù)4.32。當(dāng)風(fēng)力發(fā)電機(jī)在進(jìn)行最大風(fēng)能捕捉時(shí)，通過調(diào)節(jié)轉(zhuǎn)速將功率點(diǎn)進(jìn)行調(diào)節(jié)，從而達(dá)到最佳輸出功率。

圖7 風(fēng)力機(jī)系統(tǒng)仿真模型Fig.7 Wind turbine system simulation model

3.3 爬山搜索法系統(tǒng)仿真模型

爬山搜索法利用功率以及電機(jī)轉(zhuǎn)速的變化情況進(jìn)行期望轉(zhuǎn)速的搜索，并通過PI控制得到電機(jī)轉(zhuǎn)矩。爬山搜索法的主要流程是先獲得電機(jī)轉(zhuǎn)速和風(fēng)力發(fā)電系統(tǒng)的捕獲功率，并根據(jù)轉(zhuǎn)速和功率的變化量進(jìn)行角速度擾動(dòng)，進(jìn)而調(diào)節(jié)電機(jī)轉(zhuǎn)速，以達(dá)到輸出最佳匹配轉(zhuǎn)速的目標(biāo)，其搭建Simulink仿真模型如圖8所示。

圖8 爬山搜索法控制仿真模型Fig.8 Simulation model of climbing search method

3.4 改進(jìn)爬山搜索法仿真模型

改進(jìn)爬山搜索法的主要特點(diǎn)是通過模糊策略對(duì)步長(zhǎng)進(jìn)行智能調(diào)整，該改進(jìn)方法的主要流程如圖9所示，具體為：根據(jù)電機(jī)轉(zhuǎn)速和風(fēng)能利用系數(shù)之間的關(guān)系進(jìn)行神經(jīng)網(wǎng)絡(luò)訓(xùn)練，生成模糊規(guī)則，通過輸入風(fēng)速、電機(jī)轉(zhuǎn)速以及風(fēng)力發(fā)電功率進(jìn)行計(jì)算，并對(duì)結(jié)果基于神經(jīng)網(wǎng)絡(luò)訓(xùn)練生成的模糊規(guī)則進(jìn)行步長(zhǎng)調(diào)整，進(jìn)而調(diào)節(jié)電機(jī)轉(zhuǎn)速并重新計(jì)算，直至輸出最佳匹配電機(jī)轉(zhuǎn)速和風(fēng)力系統(tǒng)輸出功率。

圖9 爬山搜索法計(jì)算流程圖Fig.9 Calculation flow chart of mountain climbing search method

模糊控制器的仿真模型如圖10所示，該模塊通過模糊算法對(duì)傳統(tǒng)爬山搜索法的步長(zhǎng)進(jìn)行調(diào)整。并將搭建好的模糊PI控制器的Simulink模型代入爬山搜索法中的步長(zhǎng)控制，從而通過該模塊獲得最佳匹配速度的步長(zhǎng)，實(shí)現(xiàn)提升系統(tǒng)的輸出功率。

圖10 模糊PI控制器仿真模型Fig.10 Simulation model of fuzzy PI controller

4 仿真結(jié)果與分析

基于模糊控制策略改進(jìn)爬山搜索法在對(duì)組合風(fēng)的仿真中，為了更為直觀且有效地進(jìn)行對(duì)比分析，對(duì)計(jì)算的有功功率P和無(wú)功功率Q進(jìn)行標(biāo)幺化，其結(jié)果如圖11所示，對(duì)系統(tǒng)的電壓以及電流影響情況如圖12所示。

圖11 有功功率P和無(wú)功功率Q計(jì)算結(jié)果Fig.11 Calculation results of active power P and reactive power Q

圖12 系統(tǒng)電壓、電流波形Fig.12 Voltage and current waveforms of system

通過對(duì)結(jié)果進(jìn)行分析，能夠得到：基于模糊控制策略改進(jìn)爬山搜索法在0～5 s階段仍有較大的波動(dòng)，但在控制器的作用下，系統(tǒng)在5～30 s的時(shí)段內(nèi)，風(fēng)力發(fā)電的有功輸出P逐漸穩(wěn)定，并且系統(tǒng)的無(wú)功輸出Q始終保持在0附近浮動(dòng)，不會(huì)因有功輸出P的變化而隨之改變。因此，該模糊控制器下的風(fēng)力發(fā)電系統(tǒng)對(duì)整個(gè)電網(wǎng)系統(tǒng)的電能質(zhì)量影響不大。在20 s處因電網(wǎng)出現(xiàn)短暫故障，系統(tǒng)的電壓隨之產(chǎn)生下降，電流突然升高，此時(shí)風(fēng)力發(fā)電機(jī)的有功輸出P也隨之有所降低，由0.23（標(biāo)幺值）下降為0.13（標(biāo)幺值）。為了恢復(fù)系統(tǒng)的有功輸出，該系統(tǒng)加了無(wú)功輸出，在21 s處開始上升，由0.000 14（標(biāo)幺值）增大至0.008 9（標(biāo)幺值）。有功輸出在無(wú)功功率介入后，開始迅速恢復(fù)。隨著有功功率的恢復(fù)，無(wú)功功率開始逐漸回落，并在22.5 s處恢復(fù)到0。此外，系統(tǒng)的電壓以及電流在21 s處，無(wú)功功率介入后，即刻恢復(fù)了電壓暫降前的狀態(tài)，滿足系統(tǒng)要在2 s內(nèi)恢復(fù)的規(guī)定，也表明了該風(fēng)力發(fā)電機(jī)在該控制器的作用下呈現(xiàn)出一定的低電壓穿越特性。

定子電壓和電子電流的仿真結(jié)果如圖13所示。從圖中可以看出，由于風(fēng)速的不穩(wěn)定性，定子的電壓在初期0～2.8 s時(shí)段內(nèi)產(chǎn)生一定的振蕩，定子電流則在0～1.1 s時(shí)段內(nèi)具有較大的波動(dòng)。通過控制器的調(diào)節(jié)作用，定子的電壓和電流信號(hào)逐漸穩(wěn)定。在20 s系統(tǒng)電壓出現(xiàn)暫降時(shí)，定子電壓也出現(xiàn)降低，而電流則是較為穩(wěn)定。在無(wú)功功率介入后，定子電壓也在21 s處迅速恢復(fù)了穩(wěn)定。因此，風(fēng)力發(fā)電系統(tǒng)在基于模糊控制策略改進(jìn)爬山搜索法的調(diào)節(jié)作用下運(yùn)行狀態(tài)較平穩(wěn)。

圖13 電機(jī)電壓、電流波形Fig.13 Voltage and current waveforms of motor

將基于模糊控制策略改進(jìn)爬山搜索法與定步長(zhǎng)爬山搜索法、變步長(zhǎng)爬山搜索法進(jìn)行對(duì)比，分別在同一風(fēng)速情況下對(duì)系統(tǒng)有功功率和無(wú)功功率進(jìn)行仿真計(jì)算，并進(jìn)行對(duì)比分析。針對(duì)同一組合風(fēng)的仿真結(jié)果如圖14所示。從圖中可以看出，使用基于模糊控制策略改進(jìn)爬山搜索法進(jìn)行搜索，其效果比傳統(tǒng)爬山搜索法有顯著的提升。在0～5 s時(shí)段內(nèi)，大大降低了由于風(fēng)速波動(dòng)較大所造成的系統(tǒng)輸出功率的振蕩，較好地彌補(bǔ)了傳統(tǒng)爬山搜索法在起始階段波動(dòng)較大的不足。此外，在該時(shí)段內(nèi)，系統(tǒng)的功率也有所提高。在5～20 s間，系統(tǒng)輸出均較為穩(wěn)定，在20 s處由于電網(wǎng)故障，系統(tǒng)有功功率出現(xiàn)暫降，為恢復(fù)系統(tǒng)穩(wěn)定，無(wú)功功率在21 s處均出現(xiàn)小幅度上升。

圖14 不同方法的系統(tǒng)功率對(duì)比圖Fig.14 System power comparison diagram of different methods

三種方法所得到的電機(jī)轉(zhuǎn)速仿真結(jié)果如圖15所示。從圖中能夠得到：在0～5 s處，由于風(fēng)機(jī)起始轉(zhuǎn)速大，因此該階段風(fēng)速不穩(wěn)定，從而導(dǎo)致搜索方法產(chǎn)生錯(cuò)誤，造成風(fēng)力發(fā)電機(jī)轉(zhuǎn)速不能快速達(dá)到最佳匹配轉(zhuǎn)速?；谀：刂撇呗愿倪M(jìn)爬山搜索法相對(duì)于傳統(tǒng)爬山搜索法而言，在該時(shí)段內(nèi)，轉(zhuǎn)速最為靠近最佳匹配轉(zhuǎn)速，且較為穩(wěn)定。在5～30 s的時(shí)段內(nèi)，風(fēng)速總體趨勢(shì)比較平穩(wěn)，但是還存在高頻波動(dòng)，改進(jìn)爬山法與定步長(zhǎng)爬山法得到的轉(zhuǎn)速相比變步長(zhǎng)爬山法而言，要更加平穩(wěn)，搜索得到的轉(zhuǎn)速更加接近最優(yōu)轉(zhuǎn)速。

圖15 不同方法的電機(jī)轉(zhuǎn)速對(duì)比圖Fig.15 Motor speed of different methods

在0～30 s內(nèi)三種方法的有功功率平均值如表4所示。從表中可以得到：在0～5 s內(nèi)，基于模糊控制策略改進(jìn)爬山搜索法比定步長(zhǎng)爬山搜索法功率提高了25.8%，相比與變步長(zhǎng)爬山搜索法功率提高了10.2%。在5～30 s內(nèi)，基于模糊控制策略改進(jìn)爬山搜索法比定步長(zhǎng)爬山搜索法功率提高了3.8%，相比與變步長(zhǎng)爬山搜索法功率提高了8%。從整體效果來(lái)看，改進(jìn)爬山搜索法比定步長(zhǎng)爬山搜索法功率提高了8.7%，相比與變步長(zhǎng)爬山搜索法功率提高了8.3%。

表4 三種方法的有功功率平均值Tab.4 Average value of active power under three methods

5 結(jié)論

本文研究了基于模糊控制改進(jìn)爬山搜索法的風(fēng)力發(fā)電機(jī)傳動(dòng)系統(tǒng)控制策略。根據(jù)風(fēng)力發(fā)電機(jī)進(jìn)行數(shù)學(xué)建模，引入模糊控制策略對(duì)系統(tǒng)中PI參數(shù)進(jìn)行控制的改進(jìn)爬山搜索法，并通過Simulink仿真得到：基于模糊控制的改進(jìn)爬山搜索法能夠有效降低在0～5 s內(nèi)的系統(tǒng)有功功率振蕩現(xiàn)象，并當(dāng)系統(tǒng)發(fā)生故障出現(xiàn)電壓降時(shí)，也能更有效地使系統(tǒng)恢復(fù)正常狀態(tài)。在0～5 s內(nèi)，改進(jìn)爬山搜索法比定步長(zhǎng)爬山搜索法功率提高了25.8%，相比于變步長(zhǎng)爬山搜索法功率提高了10.2%。從整體效果來(lái)看，改進(jìn)爬山搜索法比定步長(zhǎng)爬山搜索法功率提高了8.7%，相比于變步長(zhǎng)爬山搜索法功率提高了8.3%。從而也對(duì)該方法的可行性進(jìn)行了驗(yàn)證，其結(jié)果對(duì)風(fēng)力發(fā)電系統(tǒng)的控制具有重要的參考意義，進(jìn)一步推動(dòng)電網(wǎng)自動(dòng)化技術(shù)的智能化程度。