李嵐,王凱

(太原理工大學 電氣與動力工程學院,山西 太原 030024)

1 引言

在并網(wǎng)型雙饋風力發(fā)電系統(tǒng)中,常用的控制方法是通過定子磁場定向矢量控制,進行發(fā)電機有功、無功功率的解耦控制。由于風能具有強烈的隨機性、時變性,且含有未建模或無法準確建模的動態(tài)部分,使雙饋發(fā)電系統(tǒng)成為一個復(fù)雜、多變量非線性系統(tǒng),因此采用傳統(tǒng)PI調(diào)節(jié)很難達到高性能。

逆控制是解決復(fù)雜非線性系統(tǒng)控制的一種有效方法[1]。文獻[2]為優(yōu)化變速變槳距風電系統(tǒng)的高風速區(qū)的風能捕獲,基于奇異攝動理論和逆系統(tǒng)方法提出一種非線性的槳距角控制器。文獻[3]將逆系統(tǒng)理論引入雙饋型變速風力發(fā)電系統(tǒng)進行有功功率和無功功率的解耦控制。但是逆控制中,要實現(xiàn)解耦線性化,必須已知系統(tǒng)的精確數(shù)學模型,使得解析逆系統(tǒng)方法難以在實際中真正應(yīng)用。神經(jīng)網(wǎng)絡(luò)逆控制既具有對非線性系統(tǒng)的逼近及對參數(shù)變化的適應(yīng)能力,又具有逆系統(tǒng)的解耦線性化能力,已成功用于感應(yīng)電動機的矢量控制調(diào)速系統(tǒng)中[4～8],取得了較好的控制效果。

本文將神經(jīng)網(wǎng)絡(luò)逆控制方法應(yīng)用于雙饋發(fā)電系統(tǒng),根據(jù)雙饋發(fā)電機特點推導逆系統(tǒng)模型,利用神經(jīng)網(wǎng)絡(luò)進行逆控制,確定神經(jīng)網(wǎng)絡(luò)逆控制輸入、輸出變量,離線訓練神經(jīng)網(wǎng)絡(luò)后得到其輸入樣本集和期望輸出樣本集,將訓練好的神經(jīng)網(wǎng)絡(luò)與被控系統(tǒng)串聯(lián),構(gòu)成以PI調(diào)節(jié)器作為復(fù)合控制器的閉環(huán)控制系統(tǒng)。通過系統(tǒng)仿真,可以實現(xiàn)有功功率、無功功率的有效控制。

2 雙饋發(fā)電機數(shù)學模型

根據(jù)電機學理論,同步旋轉(zhuǎn)M-T坐標系中雙饋發(fā)電機數(shù)學模型為[9]

式中:Rs,Rr,Ls,Lr為定、轉(zhuǎn)子電阻、電感;Lm為定、轉(zhuǎn)子互感;ω1為同步旋轉(zhuǎn)角速度;ωr為轉(zhuǎn)子旋轉(zhuǎn)角速度;ωs為轉(zhuǎn)差角速度,ωs=ω1-ωr;p為微分算子;np為雙饋發(fā)電機的極對數(shù);T1為風力機提供的驅(qū)動轉(zhuǎn)矩;J為發(fā)電機轉(zhuǎn)軸上的系統(tǒng)轉(zhuǎn)動慣量。

發(fā)電機定子輸出功率為

當忽略發(fā)電機定子電阻時,定子磁鏈矢量 Ψ1領(lǐng)先于定子電壓矢量u190°,選擇M-T坐標系的M 軸沿 Ψ1定向,則u1正好落在 T軸的負方向上,且有:

式中:u1為電網(wǎng)電壓有效值;Ψ1為定子磁鏈矢量幅值。

將式(5)代入式(4),得定子輸出功率為

3 逆系統(tǒng)模型

對于并網(wǎng)型雙饋發(fā)電系統(tǒng),可忽略定子電阻的影響。由式(1)～式(3)可得用狀態(tài)變量方程表示的數(shù)學模型:

由式(7)可知,對有功功率的控制就是對狀態(tài)變量iTs的控制,對無功功率的控制就是對狀態(tài)變量iMs的控制。設(shè)輸出變量為i=[iMs,iTs]T,輸入變量為u=[uMr,uTr]T,根據(jù) Interactor算法[10]可分析出該系統(tǒng)是可逆的[11],由式(8)即可得雙饋發(fā)電機逆系統(tǒng)模型:

4 神經(jīng)網(wǎng)絡(luò)逆系統(tǒng)實現(xiàn)

利用神經(jīng)網(wǎng)絡(luò)實現(xiàn)逆系統(tǒng)控制,神經(jīng)網(wǎng)絡(luò)輸入個數(shù)確定為6個,分別是[i*Ms,i*Ts,i*Ms,i*Ts,ωr,Ψ1],輸出個數(shù)確定為2個,分別是[uMr,uTr],神經(jīng)網(wǎng)絡(luò)逆系統(tǒng)與雙饋發(fā)電機組成的復(fù)合系統(tǒng)結(jié)構(gòu)如圖1所示。

圖1 復(fù)合系統(tǒng)Fig.1 Compound system

神經(jīng)網(wǎng)絡(luò)的作用是逼近被控系統(tǒng)(原系統(tǒng))的逆系統(tǒng),因此訓練神經(jīng)網(wǎng)絡(luò)時需要原系統(tǒng)的輸入量作為神經(jīng)網(wǎng)絡(luò)的期望輸出,需要原系統(tǒng)的輸出量及輸出量的某些階導數(shù)、系統(tǒng)的某些內(nèi)部狀態(tài)作為神經(jīng)網(wǎng)絡(luò)的輸入。雙饋發(fā)電系統(tǒng)選取的激勵信號uMr與uTr是幅值不同的隨機方波,如圖2所示。

圖2 激勵信號Fig.2 Excitation signal

當激勵信號加于雙饋發(fā)電機轉(zhuǎn)子側(cè),發(fā)電機運行于發(fā)電狀態(tài)時,對原系統(tǒng)的激勵信號、輸出響應(yīng)及系統(tǒng)內(nèi)部狀態(tài)進行采樣,從而獲得原始數(shù)據(jù)樣本。取采樣頻率 fs=100 Hz,激勵信號工作區(qū)間為0～20 s,則采樣間隔ts=0.01 s,每個變量采樣的數(shù)據(jù)為2 000個。圖3給出0～10 s時間內(nèi)iMs,iTs的原始采樣數(shù)據(jù)。

圖3 采樣數(shù)據(jù)Fig.3 Sampling data

采樣獲得的原始數(shù)據(jù)和數(shù)值計算獲得的導數(shù)數(shù)據(jù)組合成神經(jīng)網(wǎng)絡(luò)訓練樣本,即可構(gòu)成訓練神經(jīng)網(wǎng)絡(luò)的輸入樣本集和期望輸出樣本集{uMr,uTr}。

由于神經(jīng)網(wǎng)絡(luò)輸入的幅值大小相差懸殊,為了神經(jīng)網(wǎng)絡(luò)訓練的快速收斂,對訓練樣本集進行歸一化處理,即將神經(jīng)網(wǎng)絡(luò)的輸入輸出信號訓練數(shù)據(jù)轉(zhuǎn)換到一定的數(shù)值范圍內(nèi)。歸一化計算公式為

式中:Di為訓練樣本集每一樣本歸一化值,i=1,2,…,2 000;di為訓練樣本集每一樣本采樣值;dM為訓練樣本集每一樣本采樣最大值。

將歸一化后的訓練樣本集作為訓練數(shù)據(jù)集,用BP學習算法進行神經(jīng)網(wǎng)絡(luò)離線訓練,訓練100步后,神經(jīng)網(wǎng)絡(luò)訓練誤差精度＜10-3。

訓練好的神經(jīng)網(wǎng)絡(luò)與被控系統(tǒng)串聯(lián),根據(jù)神經(jīng)網(wǎng)絡(luò)逆系統(tǒng)及雙饋發(fā)電機特點,選擇PI調(diào)節(jié)器作為復(fù)合控制器,再由式(7)將期望電流信號,i*Ts變換為期望功率信號Q*,P*,這樣構(gòu)成的閉環(huán)系統(tǒng)如圖4所示。

圖4 神經(jīng)網(wǎng)絡(luò)逆閉環(huán)控制結(jié)構(gòu)Fig.4 Closed-loop sy stem of NNIC

5 雙饋發(fā)電系統(tǒng)仿真

根據(jù)圖4建立基于神經(jīng)網(wǎng)絡(luò)逆控制的雙饋發(fā)電系統(tǒng)仿真模型。合理選擇PI調(diào)節(jié)器參數(shù),對系統(tǒng)進行仿真:假設(shè)給定無功功率Q*=1 kvar,給定有功功率P*階躍變化,系統(tǒng)仿真結(jié)果如圖5a所示;假設(shè)給定有功功率P*=-1 kW,給定無功功率Q*階躍變化,系統(tǒng)仿真結(jié)果如圖5b所示。當給定有功功率P*=-1 kW,給定無功功率Q*=1kvar時,由于擾動的影響,在t=3 s時轉(zhuǎn)速有一個20 rad/s的突變,功率變化波形如圖6所示。

圖5 功率變化仿真結(jié)果Fig.5 Simulated results of power

可以看出,給定有功功率(或無功功率)不變時,調(diào)節(jié)給定無功功率(或有功功率)的大小,雙饋發(fā)電機輸出無功功率(或有功功率)能夠跟隨給定值,從而實現(xiàn)了功率的解耦控制;轉(zhuǎn)速突變時,有功功率和無功功率不會發(fā)生變化,說明系統(tǒng)有較強的抗干擾能力。

圖6 轉(zhuǎn)速擾動時功率變化仿真結(jié)果Fig.6 Simulated results of power with speed disturbance

6 結(jié)論

逆系統(tǒng)方法作為非線性控制的新理論,具有物理概念清晰、適用面寬的特點,將神經(jīng)網(wǎng)絡(luò)與逆系統(tǒng)理論相結(jié)合,利用神經(jīng)網(wǎng)絡(luò)的非線性逼近能力、學習能力,可以拓寬逆系統(tǒng)方法的應(yīng)用范圍。本文將神經(jīng)網(wǎng)絡(luò)逆系統(tǒng)理論用于雙饋發(fā)電系統(tǒng)中,仿真結(jié)果表明,采用神經(jīng)網(wǎng)絡(luò)逆系統(tǒng)控制的雙饋發(fā)電系統(tǒng)具有較好的性能,不僅能夠方便地實現(xiàn)有功功率的控制,而且可獨立地提供電網(wǎng)所需的無功功率,從而驗證了基于神經(jīng)網(wǎng)絡(luò)逆系統(tǒng)理論的解耦控制策略的有效性,為多變量、非線性雙饋發(fā)電系統(tǒng)的功率控制提供了一條新思路。

[1]張興華,戴先中,陸達君,等.感應(yīng)電機的逆系統(tǒng)方法解耦控制[J].電氣傳動,2001,31(2):28-31.

[2]耿華,楊耕.基于逆系統(tǒng)方法的變速變槳距風機的槳距角控制[J].清華大學學報(自然科學版),2008,48(7):1221-1224.

[3]張先勇,吳捷,柳澹,等.基于逆系統(tǒng)理論的風力發(fā)電功率解耦控制[J].電力電子技術(shù),2007,41(2):19-21.

[4]張興華,戴先中.感應(yīng)電機神經(jīng)網(wǎng)絡(luò)逆控制的數(shù)字實現(xiàn)[J].儀器儀表學報,2006,27(10):1213-1217.

[5]戴先中,張興華,劉國海,等.感應(yīng)電機的神經(jīng)網(wǎng)絡(luò)逆系統(tǒng)線性化解耦控制[J].中國電機工程學報,2004,24(1):112-117.

[6]戴先中,劉國海,張興華.恒壓頻比變頻調(diào)速系統(tǒng)的神經(jīng)網(wǎng)絡(luò)逆控制[J].中國電機工程學報,2005,25(7):109-114.

[7]張浩,劉國海,尤德同,等.基于神經(jīng)網(wǎng)絡(luò)逆系統(tǒng)的感應(yīng)電機變頻系統(tǒng)解耦控制[J].江蘇大學學報(自然科學版),2002,23(2):88-91.

[8]王新,戴先中.基于神經(jīng)網(wǎng)絡(luò)逆的感應(yīng)電機矢量控制改進方法[J].電力電子技術(shù),2008,42(1):48-50.

[9]劉其輝.變速恒頻風力發(fā)電系統(tǒng)運行與控制研究[D].杭州:浙江大學,2005.

[10]戴先中,劉國海,張興華,等.交流傳動神經(jīng)網(wǎng)絡(luò)逆控制[M].北京:機械工業(yè)出版社,2007.

[11]李嵐.變速恒頻雙饋發(fā)電機先進控制策略的研究[D].太原:太原理工大學,2009.