MPPT算法

转自知网

随着碳中和目标在全球范围内的推进，风能等 可再生能源的开发在近几年里取得了创纪录性的增 长[1-3]。与此同时，风电产业在抵御疫情带来的经济 衰退和解决地区局势紧张引起的能源供给紧张问题 基金项目：国家自然科学基金项目资助(52277077) 上持续发挥着重要作用，充分展现出了其强大的韧 性[4-6]。然而增长的能源需求和日益严峻的气候问题 也对其提出了更高的要求。 风力机作为风能转换为电能的中间环节，其性 能好坏决定了风能的利用效率和输出功率的质量， 如何提高其电能产出一直是风电研究的热点。但风 速是一个在方向上和幅值上都在随机变化的物理 量，这为其能量的捕获带来了挑战[7]。风力机对于 何胜华，等 一种新颖的模糊自耦合 PI 在风力机 MPPT 控制中的应用 - 47 - 低风速的吸收，采取的技术更多为最大功率点跟踪 (maximum power point tracking, MPPT)，该技术通过 跟踪不同风速下最大功率系数曲线来促使其输出功 率最大化。在陆地风力机平均运作风速逐年下降的 背景下，它对于能量捕获的作用更加重要。 低风速 MPPT 技术的实现思路多种多样，大致 可以划分为 3 类[8-9]。1) 直接功率控制，代表方法有： 尖速比最优控制[10-11]、最优转矩控制[12-13]以及功率 信号反馈[14-15]等。该类思路的特点是跟踪精确、响 应迅速，但控制的实施依赖精准的风速测量，因此 需要高精度风速测量装置，相应的实现成本也会增 加。2) 间接功率控制，常见方法有：爬山搜索法[16-17]、 增量电导法[18-19]、最优关联法[20-21]等。这类思路的 优点是不需要测量风速或转子转速，根据功率曲线 在不同工作点的特性进行调节，缺点是只考虑对应 于不同风速的多个稳态工作点，忽略了多个稳态工 作点之间的动态过程[13]。3) 结合两类思路的混合实 现方法在 MPPT 也有应用，但需要考虑组合部分的 权重。权重的估计带有主观经验，性能难以保证[22-24]。 为了实现上述控制思路，某些物理量(如转速、 转矩、功率等)被要求按照期望的数值进行跟踪，这 不可避免地需要应用到一些控制策略。经典控制手 段(如 PID、前馈控制等)可靠、易实现、成本低， 但非线性处理能力差；现代控制手段(如鲁棒控制、 滑模控制、模型预测控制等)非线性跟踪性能优越， 但依赖准确的数学模型且控制参数难以获取；智能 控制手段(如模糊控制、神经网络控制、种群算法等) 不依赖精准数学模型，非线性辨识能力极佳，但实 现需要迭代运算或参数学习，导致控制实时性差。 混合控制方案结合了各自的优点，性能优于单个组 成部分，是一个可供参考的改进方向。 针对上述现状，文献[10]将文献[25]中提出的自 耦合 PI(self-coupled PI, SCPI)成功应用到了风力机 尖速比最优 MPPT 控制中。基于自抗扰技术的 SCPI 将 PI 的两个环节利用速度因子进行耦合控制，降低 了参数整定难度，提高了非线性控制能力，在 MPPT 控制上取得了优于滑模控制和传统 PI 的响应性能。 但仍然存在一些局限性：其一是整定的方式由积分 步长决定，不便于实际操作；其二是控制器在期望 轨迹频繁突变情况下可能会失效[26]。为此，本文在 该方法的基础上，受模糊 PID 启发，将模糊控制与 SCPI 相结合设计出了一种性能更佳的参数自整定 模糊 SCPI 控制器(FSCPI)，并将其应用于相同思想 的 MPPT 中。SCPI 来完成基本的转速跟踪，以实现 风力机尖速比的最优化，而模糊控制器则被用来获 取不同工作点下的控制参数，以提高系统对风速的 适应能力。最后，通过与传统 PI、模糊 PI(FPI)以及 遗传算法优化的 PI(GA-PI)进行了仿真对比，以验证 提出方法的可行性。 1 风能转换系统模型 直驱式风能转换系统整体结构如图 1 所示，风 能到电能的转换通常经过了风轮、传动轴、发电机 以及电力变换设备等。 图 1 风能转换系统 Fig. 1 Wind energy conversion system 1.1 空气动力模型 风力机系统利用桨叶从流动的空气中获取能 量，转换为叶片转动所需要的机械功率。俘获的机 械能 Pm 可以表达为 2 3 m b w p m r 1 π ( , ) 2 P = ρR v C λ β = T ·ω (1) 式中： ρ 为空气密度； Rb 为风轮半径； wv 为风速； Cp 为功率系数；λ 为尖速比；β 为风机叶片桨距角； ωr 为风力机转子转速。在 Cp 最大时，通过转换， 机械转矩Tm 可以由式(2)表示。 m 3 2 2 m p_max a w r 1 π 2 P T ρC R v K v ω = = ≈ (2) 式中，Ka 为Cp 取得最大即Cp = Cp_max 时的近似计算 增益，而Cp 与 λ 和 β 之间的关系如式(3)所示。 i 21 p i 3 i r b w 116 ( , ) 0.5 0.4 5 e 0.0068 1 1 0.035 0.08 1 C R v λ λ β β λ λ λ λ β β ω λ ■ - ■ ■ | = | - - | + ■ ■ ■ = - + + | = ■ (3) 利用 Matlab 求取式(3)的极值，不难得到的结论 是：在 (β,λ) = (0,8.1) 时，功率系数 Cp 取得最大值 为 p_max C = 0.48 。而变桨距风机的 MPPT 控制正是 - 48 - 电力系统保护与控制 在将桨距角保持到最小的情况下通过控制策略来跟 踪该Cp 最大值来实现的。而图 2 中不同转速下功率 曲线各顶点的连线即是所需要跟踪的最大功率曲线。 图 2 最大功率跟踪曲线 Fig. 2 Maximum power point tracking curve 1.2 发电机模型 在直驱式风能转换系统中，风机叶片捕获到的 能量被用来直接拖动发电机的转子轴以一个较低速 度旋转，转化得到的机械转矩则被用来克服电磁转 矩做功从而产生电能。因此，传动轴满足式(4)。 r m e g r r e s f s d d 3 (( ) ) 2 d q d q T T J B t p T L L i i ω ω φ ■ - = + | ■ | = - - ■ (4) 式中：Te 为发电机电磁转矩； g J 为发电机转动惯量； Br 为发电机阻尼系数；p 为磁极对数；Ld 、Lq 分别 为定子电感在 d、q 轴的分量； sd i 、 sq i 分别为定子 电流在 d、q 轴的分量；φf 为励磁磁通。 而由此产生的三相电压可以由式(5)计算。 a a a a b s b b s b c c c c aa ab ac a e f ba bb bc b ca cb cc c d d sin( ) 2π d sin( ) 3 d 2π sin( ) 3 u i i u R i R i t u i i L M M i M L M i t M M L i φ φ φ θ ω φ θ θ ■ ■ ■ ■ ■ ■ ■ ■ | | = | | + | | = | | - | | | | | | | | ■ ■ ■ ■ ■ ■ ■ ■ ■ ■ | | | | ■ ■ ■ ■ | - | + | | | | | | | | | | ■ ■ ■ ■ | | + ■ ■ (5) 式中： j u 、 j i 和φ j 分别为定子绕组三相电压、电流 以及磁链， j = a,b,c ；Rs 为定子电阻；ωe 为电磁转 速，在直驱永磁同步风机系统中ωe ≈ωr ；Laa 、Lbb 、 Lcc 为三相自感；Mab 、Mac 、Mba 、Mbc 、Mca 、Mcb 为三相互感。 经过 PARK 变换后，永磁同步发电机在 d、q 轴下的数学模型如式(6)所示。 s s s s r s s s s s r s r f d d d d d d d d q q q q q q q d q i u R i L p L i t i u R i L p L i p L t ω ω ω φ ■ = - - + | ■ | = - - - + |■ (6) 式中， sd u 、 sq u 分别为定子电压在 d、q 轴的分量。 1.3 电流双环模型 如图 3 所示，为了更好地实现 MPPT 控制，结 合了 MPPT 控制的 0 d i = 的矢量控制方法被用来获 取发电机侧的变流器运作所需的开关信号。该拓扑 结构由转速外环和电流内环的双闭环组成。 图 3 风力机矢量控制拓扑结构 Fig. 3 Topology of wind turbine vector control 由于转子转速与 q 轴电流 q i 存在着线性关系，q 轴电流的给定值 q _ ref i 由转速闭环获取，而 d 轴电流 给定值 d _ ref i 直接设为 0。坐标变换得到的实际 d、q 轴电流分量则可以由式(6)转换得到，如式(7)所示。 s r s r f d 1 d d 1 1 ( ) d q d d q d d d d q q d q q q q q R L i i i u t L L L R i i L i u t L L L ω ω φ ■ | = - + + ■ | = - + + + | ■ (7) 当忽略该交叉耦合电动势且 d i 和 q i 完全被解耦 时，对于表贴式 PMSG 有 Ld = Lq ，所以式(4)中的 电磁方程和式(7)可以简化表示为 0 s 0 s e f d d d d 3 2 d d d d q q q q q u R i L i t u R i L i t T pφ i ■ = + | ■ = + | = ■ (8) 何胜华，等 一种新颖的模糊自耦合 PI 在风力机 MPPT 控制中的应用 - 49 - 式中， d 0 u 、 q0 u 为解耦后定子电压在 d、q 轴的分量。 两电流参考量通过与坐标变换得到实际 d、q 轴 电流比较后，在 PI 电流控制器作用下能够得到 d、 q 轴参考电压 d _ ref u 、 q _ ref u 用于后续的 Clark 变换和 SVPWM 控制。电流双环的数学模型如式(9)所示。 i _ ref p _ ref r i _ ref p _ ref r f ( )( ) ( )( ) ( ) d d d d d d q q q q q q d q K u K i i L i s K u K i i L i s ω ω φ ■ = + - - | ■ | = + - - + |■ (9) 采用 0 d i = 的控制方法可以实现在一定电磁转 矩要求下所需定子电流幅值最小，从而降低铜耗， 提高效率。 2 转速控制器设计 本文采用最优尖速比的方法，其核心思想是： 无论风速如何，给定风力机的尖速比都是恒定在最 优值。如果尖速比始终保持在最优值，则可以保证 提取的能量达到最大。风速不可控，因此该过程是 通过调节转子转速来实现的。提出的 FSCPI 转速控 制拓扑结构如图 4 所示。 图 4 提出的 FSCPI 转速控制结构 Fig. 4 Proposed FSCPI control structure 2.1 转速闭环自耦合 PI 控制 一阶非仿射非线性不确定系统的通用形式如式 (10)所示[27]。 1 x f (x,u) d y x ■ = + ■ ■ =