永磁同步风力发电系统功率优化新策略

程勇 彭亮 崔少博 陈宝林

摘 要： 以Matlab/Simulink为平台搭建永磁同步风力发电系统，通过对基于移动指数平均算法（EMA）的功率误差控制器对永磁风电系统功率环的波形影响进行分析，发现可以以一个函数实现EMA控制算法对功率误差的作用。在此基础上提出以一个新的函数代替EMA算法中的模糊逻辑控制器为基础的改进型EMA算法，并将其作为永磁风力发电系统的功率误差控制器。经过Simulink仿真平台分析波形，得出改进型EMA算法具有对永磁风力发电系统功率优化的功能；且通过对比传统EMA算法和改进后的移动指数平均算法的仿真波形与数据及其算法的数学结构，可知所用的新函数具有代替模糊逻辑控制器实现移动指数平均算法在PMSG功率控制上所具有的优化功能。

关键词： 永磁风力发电； 功率优化； 模糊逻辑控制器； 改进型EMA算法； 功率误差； 函数

中图分类号： TN344?34； TM315 文献标识码： A 文章编号： 1004?373X（2018）16?0135?05

Abstract： A permanent magnet synchronous wind power generation system is established on the Matlab/Simulink platform. After analyzing the influence of the exponential moving average （EMA） algorithm based power error controller on power circle waveforms of the permanent magnet wind power system， it is found that a function can be used to realize the function of the EMA control algorithm on power error. On this basis， an improved EMA algorithm is proposed， which uses a new function to replace the fuzzy logic controller in the EMA algorithm， and is taken as the power error controller of the permanent magnet wind power generation system. After waveform analysis on the Simulink simulation platform， it is found that the improved EMA algorithm has the function of power optimization of the permanent magnet wind power generation system. By comparing the simulation waveforms， data， and mathematical structure of the traditional EMA algorithm and improved EMA algorithm， it is concluded that the new function can replace the fuzzy logic controller to realize the optimization function that the EMA algorithm has on PMSG power control.

keywords： permanent magnet wind power generation； power optimization； fuzzy logic controller； improved EMA algorithm； power error； function

0 引 言

近年來，对永磁同步风力发电系统功率控制的研究已取得了重大的理论成果。在近似固定的风场环境，建立永磁同步风力发电系统，能在相对稳定理想的环境中充分利用风能达到捕获最大功率的目的[1]。而在多变的风场环境中，利用永磁同步风力发电系统的功率控制新策略捕获风能，实现风力发电的功率优化。在多变风速下，实现PMSG的功率优化。文献[2]指出可利用移动指数平均算法（EMA）实现PMSG的功率优化。但该算法需要使用模糊逻辑控制器，其具有极强的自适应性。但缺点是制作模糊逻辑控制器时需要制定模糊规则和基础论域，其“专家经验”的人力与时间投入，使其不具有自身调整的简洁性。因此，本文提出一个函数[3?4]代替模糊逻辑控制器，形成新的PMSG功率优化方法，即改进型EMA算法。

1 永磁同步风力系统功率控制原理

PMSG的功率控制由两个基本模块：机侧整流和网侧逆变，构成控制的主体部分。以这两大主体部分构成的主要闭环控制包括：功率控制环和电流控制环。在PMSG功率控制系统中，转速控制环和电压控制环，分别属于间接功率控制环与间接电流控制环。系统框图如图1所示。

在恒定风速下，永磁风力发电系统的功率优化主要是最大功率捕获。可用MPPT计算方法计算最优功率的理论值[5?10]，如下：

按照文献[2]的方法，N值决定平均风速大小。若当前时刻风速大，则通过增大N值得到一个较小的风速输入，即一个时段内的平均风速。使捕获的风能得到优化，减小永磁同步发电机的机械损伤，并降低电网因过大功率造成的损伤。当实际风速较小时，通过减小N值，得到较大的平均风速输入，提升风能捕获效率，并保证电网不会因过低功率造成波动。且当N接近1时，永磁发电系统的功率捕获基本按照MPPT方法。

为了保证在风速多变的风场中，实现风电系统的实时功率控制，故引入了模糊EMA算法控制风能参考值。利用模糊控制器的自适应性，得到随风场变化的N值。再通过EMA计算公式得到优化后的平均风速，最后再求出功率理论值。模糊EMA算法框图如图2所示。

图2展示了模糊EMA功率控制算法的流程，为实时追踪风速，调整了优化功率数值。本文在EMA基础计算方法上加入模糊控制器，根据实时风速及其变化量，改变N值，优化功率理论值。

3 基于EMA算法的功率优化新方案

本文提出基于EMA算法，利用一个新的函数[3?4]代替模糊控制器求取N值，达到在变风速风场中的系统功率优化，同时简化控制流程。以此函数配合EMA的基础计算公式，构成改进型EMA功率控制算法。可代替模糊EMA算法中模糊逻辑控制器的函数[Ns]：

如图3所示，当风速从6 m/s逐渐递增到12 m/s，N的值随风速V（s）的增加，呈递增趋势。由式（2）～式（4）可知，当风速逐渐增大时，为避免永磁同步发电机的机械损耗和大功率及大的功率落差对风电系统及电网造成的绝缘损耗与波动，应将N值取大，使风电系统的电功率在从低风速变化到高风速的过程中保持功率平滑。式（5）能有效地计算N值，并可代替模糊逻辑控制器，满足EMA算法在功率优化上N值的选取要求。

图4展示了通过模糊EMA算法，得到在单调变化的风速下，N值随风速的增加而增加，其目的和意义与改进型EMA算法一致。通过图3与图4的对比可见，改进型EMA算法可以实现模糊EMA算法在风电系统中的基础功能。

图5展示了风速以[6，7，8，12，10，8，6]为变化趋势，当风速从6 m/s增至12 m/s时，N值呈递增趋势，即图4中下方的紫色曲线；当风速从12 m/s减至6 m/s时，N值呈递减趋势，即图5中上方的紫色曲线，其符合EMA算法对N值的选取要求。图6表现了模糊EMA算法中的N值随风速的变化趋势呈现单调性：风速越大，N值越大；风速越小，N值越小。通过图5与图6对比，结果表明在多变风速下，改进型EMA算法也能够实现模糊EMA算法在风电系统中的优化功能。

因此，用式（5）代替模糊控制器形成改进型EMA功率优化算法，算法框图如图7所示。

4 仿真结果说明及结论

4.1 仿真参数

本文主要用式（5）以移动指数平均算法为基础，搭建计算永磁同步风电系统电功率理论值的仿真模型。仿真系统主要参数是式（5）中的[Vs]和[ΔVs]，[Vs]的取值分别为数组 [6，7，8，9，10，11，12]和[6，7，8，12，8，7，6]。风速变化量的取值在±3 m/s之间，且根据余弦函数的取值范围，将[ΔVs]赋值为数组[0，0.075，0.52]。

4.2 仿真結果说明

通过搭建以式（5）为基础的改进型基于EMA原理的功率优化算法的仿真模型，通过仿真并对比基于MPPT算法和模糊EMA算法的风能计算的仿真波形。图8表现的是MPPT方法捕获的风能。图中显示在第4 s时，功率出现了巨幅下落。对比图9波形，图10展示出改进型EMA算法的优越性。其在风速大幅下落的第4 s，功率抖落较小，表现出平滑稳定的趋势。图9表现的是模糊EMA算法的风能计算。对比图8，模糊EMA算法具有功率优化的优点。其在第4 s时，功率虽有波动但抖幅较小。但对比图10，在风速有较强落差的第4 s，就表现出功率抖落较为明显的趋势。

图11是应用了改进型EMA算法的永磁同步风电系统的仿真框图。利用改进型EMA算法进行时变风速下的永磁同步风电系统的功率优化，仿真波形见图12，即利用改进型EMA算法得到的永磁风电系统整流侧直流的电压图。由于仿真系统给定风速是以6～12 m/s为幅值上下限，以0.5 s为风速变化间隔且风速及其变化量增减无规律的时变量。所以，如图12所示在低风速短时变大时，整流侧的直流电压呈现短时增加。且随着风速过大及风速变化量过大时，在改进型EMA算法的作用下，系统从1 s后进入稳定的电压平滑状态。

对比图13，即风电系统应用模糊EMA算法获得的整流侧直流电压波形图，清晰可见这两种算法对永磁风电系统整流器的作用基本一致。图14表现了在改进型EMA算法的作用下，永磁风电系统网侧交流电压和电流的相位基本相反，其基本呈现出单位功率因数逆变状态。对比图15所示的永磁风电系统应用了模糊EMA算法得到的网侧电压电流的波形图，可见改进型EMA算法和模糊EMA算法对永磁风电系统逆变器的作用基本一致。可见，以式（5）为基础的改进型EMA算法具有文献[2]提出的模糊EMA算法在永磁同步风电系统功率优化上的优点。

5 结 语

本文通过搭建以式（5）为基础的改进型EMA功率优化算法的仿真模型进行仿真，比较了基于MPPT算法和模糊EMA算法的风能仿真波形，充分体现了本文提出的基于式（5）的改进型 EMA算法在功率平滑上具有更强的性能，且稳定自适应性强，抗扰动性能好的优点。因本文提出的改进型EMA算法的设置可避免使用模糊逻辑控制器及复杂的模糊规则设置，较模糊EMA算法更为简洁，应用于永磁风电系统可实现功率优化。

参考文献

[1] 程勇，林辉.开关磁阻电机模型参数新辨识算法[J].火力与指挥控制，2012，37（10）：105?108.

CHENG Yong， LIN Hui. Study on parameters identification algorithm for modeling of switched reluctance motors [J]. Fire control & command control， 2012， 37（10）： 105?108.

[2] 邓文浪，崔贵平，袁婷，等.基于双级矩阵变换器的直驱永磁同步风力发电系统有功功率平滑优化控制[J].电网技术，2013，37（12）：3419?3425.

DENG Wenlang， CUI Guiping， YUAN Ting， et al. Active power smoothing optimization control of direct?driven permanent magnet synchronous wind power generation system based on two?stage matrix converter [J]. Power system technology， 2013， 37（12）： 3419?3425.

[3] MOGHADDAM A A， SEIFI A， NIKNAM T， et al. Multi?objective operation management of a renewable MG （micro?grid） with back?up micro?turbine/fuel cell/battery hybrid power source [J]. Energy， 2011， 36（11）： 6490?6507.

[4] XU Y， LIU J， RUAN D， et al. Fuzzy reasoning based on generalized fuzzy if?then rules [J]. International journal of intelligent systems， 2002， 17（10）： 977?1006.

[5] MITSUISHI T， TERASHIMA T. Lipschitz continuity of approximate reasoning [C]// Proceedings of 9th ACIS International Conference on Software Engineering， Artificial Intelligence， Networking and Parallel/Distributed Computing. Phuket： IEEE， 2008： 135?140.

[6] 邓文浪，陈智勇.基于合成矢量的双级矩阵变换器驱动感应电机电流控制策略[J].电网技术，2010，34（2）：64?70.

DENG Wenlang， CHEN Zhiyong. Current control strategy for induction motor fed by two?stage matrix converter based on complex vector [J]. Power system technology， 2010， 34（2）： 64?70.

[7] 魏自聪，章国宝.直驱式六相永磁同步风力发电机最佳风能追踪控制[J].电力自动化设备，2010，30（12）：97?101.

WEI Zicong， ZHANG Guobao. Optimal wind energy tracking control of directly?driven six?phase PMSG [J]. Electric power automation equipment， 2010， 30（12）： 97?101.

[8] 王国俊.模糊推理与模糊逻辑[J].系统工程学报，1998，13（2）：1?16.

WANG Guojun. Fuzzy reasoning and fuzzy logic [J]. Journal of systems engineering， 1998， 13（2）： 1?16.

[9] 王国俊.关于模糊推理的若干基本问题[J].工程数学学报，2000，17（z1）：9?13.

WANG Guojun. Some basic problems on fuzzy reasoning [J]. Chinese journal of engineering mathematics， 2000， 17（S1）： 9?13.

[10] 廖勇，庄凯，姚骏，等.直驱式永磁同步风力发电机双模功率控制策略的仿真研究[J].中国电机工程学报，2009，29（33）：76?82.

LIAO Yong， ZHUANG Kai， YAO Jun， et al. Dual?mode power control strategy simulation study of direct?driven permanent magnet synchronous generator for wind turbine [J]. Proceedings of the CSEE， 2009， 29（33）： 76?82.