張 謙,陳海峰,王斌斌

(中原工學院,鄭州 450007)

三葉結(jié)構(gòu)半轉(zhuǎn)式立軸風力機控制方法仿真研究

張 謙,陳海峰,王斌斌

(中原工學院,鄭州 450007)

結(jié)合實際三葉結(jié)構(gòu)半轉(zhuǎn)式立軸風力機模型,分別采用傳統(tǒng)PID控制與ANN-PID控制方法進行了仿真研究,結(jié)果表明采用ANN-PID控制具有更好的控制效果.

立軸風力機;PID控制;ANN-PID控制

近年來,世界性能源危機和環(huán)境污染嚴重威脅著人類的發(fā)展與生存,因此人類急需改變現(xiàn)有能源結(jié)構(gòu),大力發(fā)展?jié)崈?、健康的新能?地球上風能資源儲量極其豐富,據(jù)專家估計,全世界風能資源總量為每年2萬億kW[1].此外,風能使用過程中無需任何燃料,為零污染的潔凈能源,因此備受世界各國關(guān)注.據(jù)有關(guān)資料統(tǒng)計,全世界風電場的裝機速度每年以20%增長,總裝機容量達90 GW[2].在風電轉(zhuǎn)換方面,水平軸風力機素以較高的風能利用效率而被人類廣泛使用,但其結(jié)構(gòu)復(fù)雜,設(shè)計、安裝與維護均較困難.立軸風力機結(jié)構(gòu)簡單,安裝與維護比較方便,因此近年來極受青睞,但風能較之其他常規(guī)能源表現(xiàn)極不穩(wěn)定,隨機性及爆炸性較強,這使得人們很難對風力機進行較為理想的控制.PID控制技術(shù)早已成熟,加之其優(yōu)良的控制效果而被廣泛應(yīng)用于工業(yè)控制當中,但針對如風力機這樣較為復(fù)雜的系統(tǒng),傳統(tǒng)PID控制顯得力不從心.神經(jīng)計算就是將大量的處理單元組織在一起,使這些處理單元相互聯(lián)系并交換信息[3],因此這種結(jié)構(gòu)特點決定它在復(fù)雜控制系統(tǒng)的應(yīng)用當中表現(xiàn)突出.目前,神經(jīng)網(wǎng)絡(luò)控制已成為智能控制的一個重要分支.

本文結(jié)合三葉結(jié)構(gòu)半轉(zhuǎn)式立軸風力機實驗樣機的動力學模型,分別對其進行傳統(tǒng) PID控制和ANN-PID控制,并對這2種控制進行了仿真與比較.

1 風力機工作原理及動力學模型

風力機的結(jié)構(gòu)特性直接影響著風力發(fā)電機組對風能的利用效率.三葉結(jié)構(gòu)半轉(zhuǎn)式立軸風力機巧妙地采用了齒輪、蝸輪等機械傳動裝置,使得風力機葉片繞主軸公轉(zhuǎn)一周的同時亦繞葉片中軸進行一次翻轉(zhuǎn).當葉片位于順風側(cè)時,其垂直于風向,從而可以最大限度地獲取風對葉片的推力;當葉片位于逆風側(cè)時,其又平行于風向,從而可以最大限度地減小風對葉片的阻力.鑒于此,此種結(jié)構(gòu)的立軸風力機較之其他直葉型結(jié)構(gòu)的立軸風力機具有更高的風能利用效率.在10 m/s額定風速下該風力機轉(zhuǎn)速達額定值30 Rev/min,為使風力機在外界風速超過額定風速時仍能穩(wěn)定在額定轉(zhuǎn)速下,在風力機頂端采用步進電機來調(diào)節(jié)葉片在初始位置時與風向的夾角,從而改變?nèi)~片受風面積,實現(xiàn)對風力機的恒轉(zhuǎn)速控制及恒功率控制.本文所研究的三葉結(jié)構(gòu)半轉(zhuǎn)式立軸風力機結(jié)構(gòu)組成如圖1所示.

當葉片處于圖2所示位置時,定義葉片與橫軸夾角α為葉片功角,對風力機的控制即為對功角α的控制.由此,可得出風力機控制系統(tǒng)的框圖,如圖3所示.

風力機動力學模型是對風力機進行分析、控制的依據(jù),因此建立起準確、簡潔的動力學模型對較好地控制風力機具有重要意義.

本文三葉結(jié)構(gòu)半轉(zhuǎn)式立軸風力機的動力學模型為[4]:

式中:m=,Ts為采樣周期;n(k)為第k次測量所得的風力機轉(zhuǎn)速.

2 控制方案的比較

2.1 傳統(tǒng)數(shù)字PID控制器

PID控制器由比例環(huán)節(jié)、積分環(huán)節(jié)及微分環(huán)節(jié)構(gòu)成 ,其融合了3個控制環(huán)節(jié)各自的優(yōu)點,使得該控制器相對于其他控制器具有結(jié)構(gòu)簡單、控制效果好的特點,加之算法簡單、可靠性高,被廣泛用于工業(yè)控制當中.數(shù)字PID控制算法由模擬PID離散化所得,其每個參數(shù)都有明顯的物理意義,調(diào)整極為方便.本文控制量α通過步進電機實現(xiàn),控制算法選取經(jīng)典的增量式PID控制算法.

若選取數(shù)字PID控制器的參數(shù)kp=1,ki=0.5,kd=0.4,Ts=0.5,則用M A TLAB對風力機動力學模型進行仿真,得仿真結(jié)果如圖4所示.

圖4 PID控制下的轉(zhuǎn)速階躍響應(yīng)

由圖4可知,當外界風速由額定值突變至15 m/s時,在數(shù)字PID控制器作用下風力機至少需要40 s才能進入穩(wěn)定狀態(tài),且在 t=5 s時轉(zhuǎn)速出現(xiàn)波峰(30.2 Rev/min),此時最大超調(diào)量為0.67%.可見,在傳統(tǒng)數(shù)字PID控制器作用下,立軸風力機已得到了較好的控制.

2.2 基于BP神經(jīng)網(wǎng)絡(luò)整定的PID控制器

PID控制器的3個參數(shù)既相互聯(lián)系又相互制約,按經(jīng)驗選取協(xié)調(diào)3個環(huán)節(jié)控制作用的方法,在很大程度上都不能得到最優(yōu)的控制效果.近幾年來,隨著對神經(jīng)網(wǎng)絡(luò)理論及其應(yīng)用的深入研究,使得神經(jīng)網(wǎng)絡(luò)作為一種數(shù)學工具而出現(xiàn),用于解決多變量的實際問題,如模式的分類與識別、醫(yī)療圖像、聲音識別及控制等[6].神經(jīng)網(wǎng)絡(luò)具有極好的非線性表達能力,通過對系統(tǒng)的學習,能夠最大程度地適應(yīng)系統(tǒng)環(huán)境,從而能夠得出最佳的參數(shù)組合.采用BP神經(jīng)網(wǎng)絡(luò),可以實現(xiàn)對傳統(tǒng)PID控制器3個參數(shù)的優(yōu)化,協(xié)調(diào)好3個控制環(huán)節(jié)在控制器中的作用.

針對本文三葉結(jié)構(gòu)半轉(zhuǎn)式立軸風力機動力學模型,設(shè)計出BP網(wǎng)絡(luò)的結(jié)構(gòu),如圖5所示.

圖5所示輸入層包含4個輸入信號,即 n0、n(k)、e及d e/d t,輸出層的輸出為3個可調(diào)節(jié)參數(shù),即 kp、ki、kd.為簡化神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu),隱含層取為5層.由此可得

圖5 BP網(wǎng)絡(luò)結(jié)構(gòu)

加入了神經(jīng)網(wǎng)絡(luò)調(diào)節(jié)環(huán)節(jié)后的控制系統(tǒng)框圖,如圖6所示.

圖6 基于BP網(wǎng)絡(luò)的風力機控制系統(tǒng)框圖

BP神經(jīng)網(wǎng)絡(luò)的隱層作用函數(shù)取為對稱的Sigmoid函數(shù),由于輸出的3個可調(diào)節(jié)參數(shù)均不能為負值,因此輸出層的作用函數(shù)取為非對稱的Sigmoid函數(shù).

采用最速下降法修正網(wǎng)絡(luò)權(quán)系數(shù),為加速收斂,可為算法添加慣性項,即[7]:

式中:η為學習速率;α為慣性系數(shù).式(3)中,

為了與傳統(tǒng)PID控制器進行比較,這里仍取風速由額定值突變至 15 m/s,采樣時間仍為 0.5 s,在MA TLAB平臺下進行仿真,得仿真結(jié)果如圖7所示.

由圖7可知,采用BP網(wǎng)絡(luò)整定的PID控制系統(tǒng),經(jīng)過25 s即能進入穩(wěn)定狀態(tài),最大超調(diào)量僅為0.55%,其超調(diào)量約為傳統(tǒng)PID控制下的4/5,調(diào)整時間縮短了15 s.在該算法下,kp、ki、kd的調(diào)節(jié)過程如圖8所示.

為了突出人工神經(jīng)PID控制的優(yōu)越性,下面給出傳統(tǒng)PID控制及ANN-PID控制下階躍響應(yīng)的比較圖,如圖9所示.

由圖9可以看出,在相同條件下對立軸風力機進行控制,采用BP神經(jīng)網(wǎng)絡(luò)整定的PID控制算法可以得到比傳統(tǒng)數(shù)字PID控制算法更好的控制效果.

3 結(jié) 語

本文分別采用了傳統(tǒng)PID控制器和ANN-PID控制器對三葉結(jié)構(gòu)半轉(zhuǎn)式立軸風力機進行控制,并對其空氣動力學模型進行了MA TLAB仿真,仿真結(jié)果表明在傳統(tǒng)數(shù)字PID控制器當中加入ANN調(diào)節(jié)部分后,可使得PID控制器的3個參數(shù)以較好的形式組合在一起,從而使得該種結(jié)構(gòu)的PID控制器具有更好的控制性能.

[1] 包耳.風力發(fā)電技術(shù)的發(fā)展現(xiàn)狀[J].可再生能源,2004(2):53-55.

[2] Antipov V N,Danilevich Ya B.Analysis and Investigation of Size Spectrum of Synchronous Machines Operating asWind-Power-Generators in the Range of Rotation Frequencies of 75-300 rpm[J].Russian Electrical Engineering,2009,80(1):23-28.

[3] Nikola B Serbedzija.Simulating A rtificial Neural Netwo rks on Parallel A rchitectures[J].IEEE Computer Society,1996,29(3):56-63.

[4] 王雙嶺.用于立軸風力機的智能控制器設(shè)計方法研究[D].鄭州:中原工學院,2009.

[5] 李友善.自動控制原理[M].第3版.北京:國防工業(yè)出版社,2005:370.

[6] Suresh S,Omkar SN,Mani V.Parallel Implementation of Back-Propagation Algorithm in Netwo rksof Wo rkstations[J].IEEE Computer Society,2005,16(1):24-34.

[7] 劉金琨.先進PID控制MA TLAB仿真[M].第2版.北京:電子工業(yè)出版社,2004:162-164.

Three-leaf Sem i-rotary VAWT Control Method Simulation Reaserch

ZHANG Qian,CHEN Hai-feng,WANGBin-bin
(Zhongyuan University of Technology,Zhengzhou 450007,China)

In this paper,combined w ith a three-leaf semi-rotary VAW T model,simulation reaserch was respectively done for traditional PID control and ANN-PID control,w hose result indicates that ANN-PID has a better control effect.

vertical axis w ind turbine;PID control;ANN-PID control

TP273

A DO I:10.3969/j.issn.1671-6906.2010.04.014

1671-6906(2010)04-0055-04

2010-06-04

張 謙 (1957-),男,河南平頂山人,教授.