基于神經(jīng)網(wǎng)絡(luò )的風(fēng)電機組變槳距恒功率控制系統的研究

作者/ 黃俊梅 陜西能源職業(yè)技術(shù)學(xué)院電子工程系(陜西 咸陽(yáng) 712000)

摘要：風(fēng)力發(fā)電的開(kāi)發(fā)對增加我國能源供應、調整能源結構具有重要意義。為了優(yōu)化風(fēng)電系統的穩定性，本文利用神經(jīng)網(wǎng)絡(luò )在非線(xiàn)性建模方面的優(yōu)越性，建立了一個(gè)基于神經(jīng)網(wǎng)絡(luò )的風(fēng)電機組變槳距恒功率控制系統。該系統在BP神經(jīng)網(wǎng)絡(luò )變槳距模型的基礎上，利用SIMULINK工具箱搭建了風(fēng)電機組變槳距恒功率控制系統模型。經(jīng)仿真和實(shí)踐運行驗證，該模型控制效果良好，能根據風(fēng)速檢測值調節槳距角，實(shí)現在不同風(fēng)速段對發(fā)電機輸出功率的恒定控制，具有良好的穩定性和快速收斂性。

前言

　　伴隨著(zhù)全球能源供應的環(huán)?；?，風(fēng)力發(fā)電作為一種清潔的可再生能源，有著(zhù)取之不盡，用之不竭的優(yōu)勢，擁有非常廣闊的市場(chǎng)前景^[1]。但風(fēng)向、風(fēng)速的隨機性所帶來(lái)的風(fēng)力發(fā)電穩定性差是制約風(fēng)力發(fā)電的瓶頸^[2]。為了克服這一技術(shù)難題，擁有智能、高效的風(fēng)力發(fā)電變槳距恒功率控制系統顯得極其重要^[3]。

　　由于風(fēng)力發(fā)電系統是一個(gè)非線(xiàn)性、強藕合、多變量、大時(shí)滯的系統，難以實(shí)現準確建模。而人工神經(jīng)網(wǎng)絡(luò )技術(shù)不依賴(lài)于數學(xué)模型，可逼近任意非線(xiàn)性函數，具有較強的自適應、自學(xué)習和非線(xiàn)性映射能力，特別適應于復雜的風(fēng)電變槳距控制系統建模^[4-5]。因此，本設計擬采用BP神經(jīng)網(wǎng)絡(luò )進(jìn)行風(fēng)電機組變槳建模。在該BP變槳模型基礎上，利用MATLAB sumulink工具箱搭建風(fēng)力發(fā)電變槳恒功率控制系統，并進(jìn)行仿真驗證。為了進(jìn)一步驗證本設計的合理性，將本BP變槳恒功率控制系統應用于山東長(cháng)星風(fēng)力發(fā)電機組，進(jìn)行實(shí)驗驗證。

1 風(fēng)力發(fā)電變槳恒功率控制系統

　　變槳距控制和恒功率控制是風(fēng)力發(fā)電兩大核心技術(shù)^[6-7]。在風(fēng)速低于額定風(fēng)速時(shí)，為了最大限度跟蹤風(fēng)速，此時(shí)沒(méi)有必要變槳，只需調整葉片槳距角為規定的最小槳矩角，即β=0°，使其風(fēng)能利用系數最大。當風(fēng)速超過(guò)額定風(fēng)速時(shí)，系統輸出功率將會(huì )隨著(zhù)風(fēng)速的增高而不斷變大，這一過(guò)程對電網(wǎng)的穩定運行及設備安全有重要影響^[8-9]。因此，必須將輸出功率限制在額定范圍內。本設計將通過(guò)改變槳距角的大小，調整風(fēng)能利用率，進(jìn)而實(shí)現控制風(fēng)輪轉速和保證風(fēng)電機組恒功率輸出^[10-11]。

　　針對這一現象，本研究將主要針對額定風(fēng)速以上的變槳恒功率控制系統進(jìn)行建模仿真，其控制流程如圖1所示。

　　為了保證發(fā)電機組向電網(wǎng)提供平穩電能，本風(fēng)力發(fā)電變槳恒功率控制系統采用功率閉環(huán)控制方式。其中，變槳控制器利用BP神經(jīng)網(wǎng)絡(luò )建模實(shí)現。在此建?；A上，利用MATLAB sumulink工具箱搭建風(fēng)力發(fā)電變槳恒功率控制系統模型，將發(fā)電機輸出功率反饋到輸入端與額定功率進(jìn)行比較，其偏差值作用于變槳控制器，最終使發(fā)電機的輸出功率穩定在額定值附近。

2 基于BP神經(jīng)網(wǎng)絡(luò )的變槳距控制模型

2.1 BP神經(jīng)網(wǎng)絡(luò )控制原理

　　BP神經(jīng)網(wǎng)絡(luò )是一種按誤差逆傳播算法訓練的多層前饋網(wǎng)絡(luò )，其結構簡(jiǎn)單、工作狀態(tài)穩定、易于硬件實(shí)現，是目前應用廣泛的神經(jīng)網(wǎng)絡(luò )模型之一。

　　BP網(wǎng)絡(luò )能學(xué)習和存貯大量的輸入-輸出模式映射關(guān)系，而無(wú)需揭示描述這種映射關(guān)系的數學(xué)方程。通過(guò)反向傳播來(lái)不斷調整網(wǎng)絡(luò )的權值和閾值，使網(wǎng)絡(luò )的誤差平方和最小。BP神經(jīng)網(wǎng)絡(luò )模型拓撲結構如圖2所示。

　　BP神經(jīng)網(wǎng)絡(luò )通常由輸入層(input)、輸出層(output layer)和若干隱含層(hidden layer)構成。每層有若干個(gè)神經(jīng)元組成，各神經(jīng)元與下一層所有的神經(jīng)元通過(guò)權連接，一個(gè)神經(jīng)元可以處理多個(gè)輸入信息。BP神經(jīng)網(wǎng)絡(luò )的自適應學(xué)習可歸納為 “信息正傳播”→“誤差逆傳播”→“記憶訓練”→“學(xué)習收斂”四個(gè)步驟。

　　信息正傳播：外界信息經(jīng)由輸入層各神經(jīng)元進(jìn)入隱含層的神經(jīng)元，并根據處理信息的復雜程度決定隱含層的層數，經(jīng)隱含層和輸出層各神經(jīng)元逐層信息處理后向外輸出信息結果。

　　誤差逆傳播：如果實(shí)際輸出與預期目標存在差異，則將誤差信息反向傳送，不斷記憶訓練修整權值大小，最終達到期望值為止，從而實(shí)現神經(jīng)網(wǎng)絡(luò )的學(xué)習過(guò)程。

2.2 基于BP神經(jīng)網(wǎng)絡(luò )的變槳距建模

　　一個(gè)BP神經(jīng)網(wǎng)絡(luò )的建立通常包括網(wǎng)絡(luò )層數、各層神經(jīng)元個(gè)數、學(xué)習速率、初始權值和允許誤差等參數。

　　1)BP模型網(wǎng)絡(luò )層數和各層神經(jīng)元個(gè)數的確定

　　BP網(wǎng)絡(luò )一般包括1個(gè)輸入層，1個(gè)或幾個(gè)隱含層和1個(gè)輸出層。雖然增加層數可以提高精度、降低誤差，但這同時(shí)增加了網(wǎng)絡(luò )的復雜性和訓練時(shí)間。結合本研究實(shí)際，本建模將選用單隱層BP網(wǎng)絡(luò )進(jìn)行仿真。

　　通過(guò)分析影響風(fēng)電機組輸出功率的不同影響因素，最終確定輸入向量分別為風(fēng)速，風(fēng)輪角速度，輸出向量為變槳機構槳距角。利用試湊法，通過(guò)比較輸出誤差和收斂速度，最終確定隱層節點(diǎn)數為8。

　　2)傳遞函數的選擇

　　該BP模型的網(wǎng)絡(luò )的生成語(yǔ)句如下：

　　net=newff(minmax(pn),[8,1],{'tansig','purelin'},'trainlm')。其中，訓練選用trainlm函數，隱層選用tansig傳遞函數，輸出層選用purelin傳遞函數。

　　3)允許誤差和初始權值的設置

　　本文允許誤差設為0.005，初始權值選取(-1,1)之間的隨機數。

　　4) 學(xué)習速率的選擇

　　學(xué)習速率是優(yōu)化計算中一個(gè)重要因子，反映網(wǎng)絡(luò )一次循環(huán)訓練中權值的變化量，取值范圍通常在0.01-0.8之間。取值太小將導致訓練時(shí)間過(guò)長(cháng)，取值太大會(huì )導致系統不穩，因此本文中學(xué)習速率為0.05。

　　基于BP神經(jīng)網(wǎng)絡(luò )的變槳距控制模型結構，如圖3所示。

　　BP神經(jīng)網(wǎng)絡(luò )變槳控制器模型建立之后，需要利用大量樣本數據進(jìn)行模型的學(xué)習訓練。本文中的樣本數據來(lái)源于山東長(cháng)星風(fēng)力發(fā)電實(shí)驗室10kW風(fēng)力機組的130組典型時(shí)段的樣本數據，選取前104組數據用于網(wǎng)絡(luò )訓練，后26組數據用于網(wǎng)絡(luò )的預測。

　　其中輸入樣本為各時(shí)段的風(fēng)速、風(fēng)輪角速度，輸出樣本為對應的槳距角。將訓練樣本數據做歸一化處理后再輸入神經(jīng)網(wǎng)絡(luò )模型中進(jìn)行訓練，得到網(wǎng)絡(luò )的閾值和權值;把預測數據經(jīng)歸一化處理后，輸入到訓練好的神經(jīng)網(wǎng)絡(luò )中，就可以計算輸出對應的槳距角值，如圖4所示。

　　已知，該風(fēng)電機組的額定風(fēng)速為10.5m/s。從圖4可知，隨著(zhù)風(fēng)速的不斷變化，該BP模型的槳距角預測值可以很好地跟蹤實(shí)際值，預測效果較好。在額定風(fēng)速以下時(shí)，槳距角為規定的最小槳矩角β=0°，可以最大限度地捕獲風(fēng)能。當風(fēng)速超過(guò)額定風(fēng)速時(shí)，槳距角不斷增加，以期使風(fēng)能利用率減小，從而將輸出功率限制在額定值附近。

3 風(fēng)電機組變槳距恒功率控制系統模型仿真

3.1 風(fēng)電機組變槳距恒功率控制系統模型仿真

　　在已建好的BP神經(jīng)網(wǎng)絡(luò )變槳距模型的基礎上，利用MATLAB仿真軟件的SIMULINK工具箱搭建風(fēng)電機組變槳距恒功率控制系統模型，結構如圖5所示。

　　圖6為60s的隨機風(fēng)速下，風(fēng)電機組變槳距恒功率控制系統模型的輸出功率情況。由圖6可知，在60s的隨機風(fēng)速下，本文所設計的風(fēng)電機組變槳距恒功率控制系統模型可以很快實(shí)現額定功率10kW的穩定輸出，該系統具有很好的快速性和穩定性。

　　3.2 BP神經(jīng)網(wǎng)絡(luò )變槳距模型的實(shí)際測試結果

　　為進(jìn)一步驗證本變槳距恒功率控制系統在發(fā)電生產(chǎn)中的運行效果，將本模型嵌入至山東長(cháng)星風(fēng)力發(fā)電項目中，上機運行測試，測試結果如圖7所示。

　　由圖7(a)和圖7(b)可知，在實(shí)際運行中槳距角隨著(zhù)風(fēng)速的變化而隨之自動(dòng)調節。驗證了BP神經(jīng)網(wǎng)絡(luò )變槳距控制系統發(fā)揮了控制作用。由圖7(c)可知，機組的輸出功率基本恒定于10kW，其上下波動(dòng)屬于合理控制范圍內。圖7說(shuō)明BP神經(jīng)網(wǎng)絡(luò )變槳距控制系統，能夠通過(guò)改變葉片攻角而達到機組功率輸出恒定的目的，獲得理想的控制效果。

　　綜上所述，由于風(fēng)電的強非線(xiàn)性，在不同風(fēng)速下，槳距角的單位變化對發(fā)電機輸出功率影響不同。為保證額定功率為10kW的穩定輸出，在高風(fēng)速段和額定風(fēng)速附近，發(fā)生相同的風(fēng)速變化△V，BP神經(jīng)網(wǎng)絡(luò )變槳距控制系統通過(guò)槳距角的不同調節可以很快實(shí)現額定功率的穩定輸出。

4 結論

　　經(jīng)仿真和實(shí)踐運行驗證，本文所設計的基于神經(jīng)網(wǎng)絡(luò )的風(fēng)電機組變槳距恒功率控制系統模型控制效果良好，能根據風(fēng)速測定值調節槳距角，實(shí)現在不同風(fēng)速段對發(fā)電機輸出功率的恒定控制，具有較好的穩定性和快速收斂性。

參考文獻：

　　[1]邊偉,謝毅.變槳矩風(fēng)力發(fā)電機組輸出功率控制方法的應用研究[J].華北電力技術(shù),2011,5.

　　[2]葉杭冶.風(fēng)力發(fā)電機組的控制技術(shù)[M].北京:機械工業(yè)出版社,2002,81-95.

　　[3]杜志偉,趙峰,田銘興,等,變速恒頻風(fēng)力發(fā)電的最大功率捕獲控制研究[J].電氣傳動(dòng),2007,37(3):7~10.

　　[4]呂躍剛,基于神經(jīng)網(wǎng)絡(luò )的風(fēng)力發(fā)電機組變槳距復合[J].2009,9(1) :28~34.

　　[5]崔冉,王維慶,趙春平,等.PID神經(jīng)網(wǎng)絡(luò )在風(fēng)機變槳控制中的應用[J].新疆:新疆大學(xué),2008.

　　[6]張玉杰.基于IPC的風(fēng)電機組智能控制與仿真技術(shù)研究[D].內蒙古科技大學(xué),2014.6.

　　[7]張雅楠.變槳距與智能控制在風(fēng)電機組中的應用,[J].沈陽(yáng):沈陽(yáng)工業(yè)大學(xué), 2010.

　　[8]薛永平.同步無(wú)刷風(fēng)力發(fā)電機偏航變槳控制系統研究[D].陜西科技大學(xué),2011.6.

　　[9]郭百順,秦斌,李鵬程.風(fēng)電機組獨立變槳距控制策略研究[J].湖南工業(yè)大學(xué)學(xué)報,2014,28(2):42-45.

　　[10]許國東,潘東浩,葉杭冶.大型風(fēng)電機組獨立變槳控制技術(shù)研究[J].太陽(yáng)能學(xué)報,2011,32(6):891-896.

　　[11]邢作霞,陳雷,孫宏利,等.獨立變槳距控制策略研究[J].中國電機工程學(xué)報,2011,31(26):131-138.

　　本文來(lái)源于《電子產(chǎn)品世界》2017年第5期第76頁(yè)，歡迎您寫(xiě)論文時(shí)引用，并注明出處。