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

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

摘要：風力發(fā)電的開發(fā)對增加我國能源供應(yīng)、調(diào)整能源結(jié)構(gòu)具有重要意義。為了優(yōu)化風電系統(tǒng)的穩(wěn)定性，本文利用神經(jīng)網(wǎng)絡(luò)在非線性建模方面的優(yōu)越性，建立了一個基于神經(jīng)網(wǎng)絡(luò)的風電機組變槳距恒功率控制系統(tǒng)。該系統(tǒng)在BP神經(jīng)網(wǎng)絡(luò)變槳距模型的基礎(chǔ)上，利用SIMULINK工具箱搭建了風電機組變槳距恒功率控制系統(tǒng)模型。經(jīng)仿真和實踐運行驗證，該模型控制效果良好，能根據(jù)風速檢測值調(diào)節(jié)槳距角，實現(xiàn)在不同風速段對發(fā)電機輸出功率的恒定控制，具有良好的穩(wěn)定性和快速收斂性。

前言

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

　　由于風力發(fā)電系統(tǒng)是一個非線性、強藕合、多變量、大時滯的系統(tǒng)，難以實現(xiàn)準確建模。而人工神經(jīng)網(wǎng)絡(luò)技術(shù)不依賴于數(shù)學模型，可逼近任意非線性函數(shù)，具有較強的自適應(yīng)、自學習和非線性映射能力，特別適應(yīng)于復(fù)雜的風電變槳距控制系統(tǒng)建模^[4-5]。因此，本設(shè)計擬采用BP神經(jīng)網(wǎng)絡(luò)進行風電機組變槳建模。在該BP變槳模型基礎(chǔ)上，利用MATLAB sumulink工具箱搭建風力發(fā)電變槳恒功率控制系統(tǒng)，并進行仿真驗證。為了進一步驗證本設(shè)計的合理性，將本BP變槳恒功率控制系統(tǒng)應(yīng)用于山東長星風力發(fā)電機組，進行實驗驗證。

1 風力發(fā)電變槳恒功率控制系統(tǒng)

　　變槳距控制和恒功率控制是風力發(fā)電兩大核心技術(shù)^[6-7]。在風速低于額定風速時，為了最大限度跟蹤風速，此時沒有必要變槳，只需調(diào)整葉片槳距角為規(guī)定的最小槳矩角，即β=0°，使其風能利用系數(shù)最大。當風速超過額定風速時，系統(tǒng)輸出功率將會隨著風速的增高而不斷變大，這一過程對電網(wǎng)的穩(wěn)定運行及設(shè)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(nèi)。本設(shè)計將通過改變槳距角的大小，調(diào)整風能利用率，進而實現(xiàn)控制風輪轉(zhuǎn)速和保證風電機組恒功率輸出^[10-11]。

　　針對這一現(xiàn)象，本研究將主要針對額定風速以上的變槳恒功率控制系統(tǒng)進行建模仿真，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(wěn)電能，本風力發(fā)電變槳恒功率控制系統(tǒng)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)建模實現(xiàn)。在此建?；A(chǔ)上，利用MATLAB sumulink工具箱搭建風力發(fā)電變槳恒功率控制系統(tǒng)模型，將發(fā)電機輸出功率反饋到輸入端與額定功率進行比較，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(wěn)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?zhèn)鞑ニ惴ㄓ柧毜亩鄬忧梆伨W(wǎng)絡(luò)，其結(jié)構(gòu)簡單、工作狀態(tài)穩(wěn)定、易于硬件實現(xiàn)，是目前應(yīng)用廣泛的神經(jīng)網(wǎng)絡(luò)模型之一。

　　BP網(wǎng)絡(luò)能學習和存貯大量的輸入-輸出模式映射關(guān)系，而無需揭示描述這種映射關(guān)系的數(shù)學方程。通過反向傳播來不斷調(diào)整網(wǎng)絡(luò)的權(quán)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(jié)構(gòu)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(gòu)成。每層有若干個神經(jīng)元組成，各神經(jīng)元與下一層所有的神經(jīng)元通過權(quán)連接，一個神經(jīng)元可以處理多個輸入信息。BP神經(jīng)網(wǎng)絡(luò)的自適應(yīng)學習可歸納為 “信息正傳播”→“誤差逆?zhèn)鞑ァ薄坝洃浻柧殹薄皩W習收斂”四個步驟。

　　信息正傳播：外界信息經(jīng)由輸入層各神經(jīng)元進入隱含層的神經(jīng)元，并根據(jù)處理信息的復(fù)雜程度決定隱含層的層數(shù)，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(jié)果。

　　誤差逆?zhèn)鞑ィ喝绻麑嶋H輸出與預(yù)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(quán)值大小，最終達到期望值為止，從而實現(xiàn)神經(jīng)網(wǎng)絡(luò)的學習過程。

2.2 基于BP神經(jīng)網(wǎng)絡(luò)的變槳距建模

　　一個BP神經(jīng)網(wǎng)絡(luò)的建立通常包括網(wǎng)絡(luò)層數(shù)、各層神經(jīng)元個數(shù)、學習速率、初始權(quán)值和允許誤差等參數(shù)。

　　1)BP模型網(wǎng)絡(luò)層數(shù)和各層神經(jīng)元個數(shù)的確定

　　BP網(wǎng)絡(luò)一般包括1個輸入層，1個或幾個隱含層和1個輸出層。雖然增加層數(shù)可以提高精度、降低誤差，但這同時增加了網(wǎng)絡(luò)的復(fù)雜性和訓練時間。結(jié)合本研究實際，本建模將選用單隱層BP網(wǎng)絡(luò)進行仿真。

　　通過分析影響風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速，風輪角速度，輸出向量為變槳機構(gòu)槳距角。利用試湊法，通過比較輸出誤差和收斂速度，最終確定隱層節(jié)點數(shù)為8。

　　2)傳遞函數(shù)的選擇

　　該BP模型的網(wǎng)絡(luò)的生成語句如下：

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

　　3)允許誤差和初始權(quán)值的設(shè)置

　　本文允許誤差設(shè)為0.005，初始權(quán)值選取(-1,1)之間的隨機數(shù)。

　　4) 學習速率的選擇

　　學習速率是優(yōu)化計算中一個重要因子，反映網(wǎng)絡(luò)一次循環(huán)訓練中權(quán)值的變化量，取值范圍通常在0.01-0.8之間。取值太小將導(dǎo)致訓練時間過長，取值太大會導(dǎo)致系統(tǒng)不穩(wěn)，因此本文中學習速率為0.05。

　　基于BP神經(jīng)網(wǎng)絡(luò)的變槳距控制模型結(jié)構(gòu)，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(shù)據(jù)進行模型的學習訓練。本文中的樣本數(shù)據(jù)來源于山東長星風力發(fā)電實驗室10kW風力機組的130組典型時段的樣本數(shù)據(jù)，選取前104組數(shù)據(jù)用于網(wǎng)絡(luò)訓練，后26組數(shù)據(jù)用于網(wǎng)絡(luò)的預(yù)測。

　　其中輸入樣本為各時段的風速、風輪角速度，輸出樣本為對應(yīng)的槳距角。將訓練樣本數(shù)據(jù)做歸一化處理后再輸入神經(jīng)網(wǎng)絡(luò)模型中進行訓練，得到網(wǎng)絡(luò)的閾值和權(quán)值;把預(yù)測數(shù)據(jù)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(yīng)的槳距角值，如圖4所示。

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

3 風電機組變槳距恒功率控制系統(tǒng)模型仿真

3.1 風電機組變槳距恒功率控制系統(tǒng)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(chǔ)上，利用MATLAB仿真軟件的SIMULINK工具箱搭建風電機組變槳距恒功率控制系統(tǒng)模型，結(jié)構(gòu)如圖5所示。

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

　　3.2 BP神經(jīng)網(wǎng)絡(luò)變槳距模型的實際測試結(jié)果

　　為進一步驗證本變槳距恒功率控制系統(tǒng)在發(fā)電生產(chǎn)中的運行效果，將本模型嵌入至山東長星風力發(fā)電項目中，上機運行測試，測試結(jié)果如圖7所示。

　　由圖7(a)和圖7(b)可知，在實際運行中槳距角隨著風速的變化而隨之自動調(diào)節(jié)。驗證了BP神經(jīng)網(wǎng)絡(luò)變槳距控制系統(tǒng)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，其上下波動屬于合理控制范圍內(nèi)。圖7說明BP神經(jīng)網(wǎng)絡(luò)變槳距控制系統(tǒng)，能夠通過改變?nèi)~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，由于風電的強非線性，在不同風速下，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(wěn)定輸出，在高風速段和額定風速附近，發(fā)生相同的風速變化△V，BP神經(jīng)網(wǎng)絡(luò)變槳距控制系統(tǒng)通過槳距角的不同調(diào)節(jié)可以很快實現(xiàn)額定功率的穩(wěn)定輸出。

4 結(jié)論

　　經(jīng)仿真和實踐運行驗證，本文所設(shè)計的基于神經(jīng)網(wǎng)絡(luò)的風電機組變槳距恒功率控制系統(tǒng)模型控制效果良好，能根據(jù)風速測定值調(diào)節(jié)槳距角，實現(xiàn)在不同風速段對發(fā)電機輸出功率的恒定控制，具有較好的穩(wěn)定性和快速收斂性。

參考文獻：

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

　　[2]葉杭冶.風力發(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,變速恒頻風力發(fā)電的最大功率捕獲控制研究[J].電氣傳動,2007,37(3):7~10.

　　[4]呂躍剛,基于神經(jīng)網(wǎng)絡(luò)的風力發(fā)電機組變槳距復(fù)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)在風機變槳控制中的應(yīng)用[J].新疆:新疆大學,2008.

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

　　[7]張雅楠.變槳距與智能控制在風電機組中的應(yīng)用,[J].沈陽:沈陽工業(yè)大學, 2010.

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

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

　　[10]許國東,潘東浩,葉杭冶.大型風電機組獨立變槳控制技術(shù)研究[J].太陽能學報,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].中國電機工程學報,2011,31(26):131-138.

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