楊 莉, 黃天民, 丁菊霞, 魏 偉
(1. 成都信息工程大學 自動化學院,成都 610225; 2. 西南交通大學 電氣工程學院,成都 610031;3. 四川農業(yè)大學 建筑與城鄉(xiāng)規(guī)劃學院,成都 611830)
隨著化石資源的稀少和污染排放的增加,風能等可再生能源在未來幾十年將大幅度增長,并在緩解氣候變化和實現能源可持續(xù)性方面發(fā)揮關鍵作用[1]。相對于雙饋風力發(fā)電系統(tǒng)[2],直驅永磁同步風力發(fā)電系統(tǒng)因無齒輪箱,從而具有能量損失小、可靠性高、低電壓穿越能力強和維護成本低等特點[3]。直驅永磁同步風力發(fā)電機組因其低故障率及低維護成本,成為風能資源豐富、設施空間充足、占地面積少、噪聲污染少的海上風電場的主要風電機型[4]。但永磁同步電機對系統(tǒng)參數和外部負載擾動非常敏感,Li等[5-6]研究表明在某參數范圍或某工作條件下會呈現出混沌振蕩行為[7],主要表現為電機轉速或轉矩的劇烈振蕩、系統(tǒng)不規(guī)則的電磁噪聲、控制性能不穩(wěn)定等,進而對電網造成較大沖擊。楊國良等[8]首次研究了直驅永磁同步風力發(fā)電機組中的混沌現象,并在非線性混沌模型基礎上設計出滑??刂破?。王磊等[9]針對永磁同步風力發(fā)電機組混沌運動,采用(takagi-sugeno,T-S)模糊模型將非線性永磁同步風力發(fā)電系統(tǒng)轉化為線性子系統(tǒng),并設計出模糊混沌跟蹤控制器有效抑制混沌運動。但是自然界中所有的物理現象都是以分數階形式存在的[10],整數階微分方程只是分數階微分方程的一個特例。Xue等[11]建立了分數階永磁同步電機模型,并分析其混沌特性。Yang等[12]針對具有外部擾動的永磁同步風力發(fā)電機組混沌問題,采用T-S模糊隸屬度規(guī)則將非線性分數階永磁同步風力發(fā)電機模型轉化為等效線性子模型,并設計出模糊控制器有效抑制混沌運動。
時滯現象[13]是指信號在傳輸過程中有延遲產生,廣泛存在各類實際控制系統(tǒng)中,例如電機系統(tǒng)[14]、電力系統(tǒng)[15]、風力發(fā)電系統(tǒng)[16]等。對風力發(fā)電系統(tǒng)本質特性認識不足、不熟悉其工作環(huán)境或者建模錯誤,都會使得風能轉換系統(tǒng)受到參數或信號傳輸時滯的影響。時滯將導致風電系統(tǒng)電流波形失真、電壓損失或轉矩振蕩等[17]。
基于上述討論,本文研究了具有狀態(tài)時滯和外界負載擾動的分數階永磁同步風力發(fā)電機混沌狀態(tài)的穩(wěn)定性分析與控制器設計問題。針對分數階永磁同步風力發(fā)電機組建立了分數階T-S模糊混沌模型,并設計出模糊狀態(tài)記憶的H∞魯棒控制器。Lyapunov穩(wěn)定性分析與數值模擬仿真表明,在該控制器作用下,永磁同步風力發(fā)電機混沌運動得到有效抑制。研究結果表明對抑制復雜工況運行下的永磁同步風力發(fā)電機混沌運動具有較好的理論意義與實用價值。
連續(xù)函數f(t)的Caputo型α階微分定義[18]為
(1)
式中,m-1<α 分數階非線性系統(tǒng)定義[19]為 (2) 式中,x(0)=x0為初始條件,x(t)=[x1,x2,…,xn]。 根據文獻[20]所給出的整數階模型,可得出氣隙均勻的分數階永磁同步風力發(fā)電機混沌模型為 (3) (4) 將分數階永磁同步風力發(fā)電機非線性混沌模型式(4)轉換為式(5)矩陣表達形式 (5) 式中:x(t)和u(t)分別為系統(tǒng)狀態(tài)變量和控制變量;A和B為系統(tǒng)參數且A=[-1 0 0; 0 -1μ; 0σ-σ];[x(t)]為系統(tǒng)非線性表達式且有[x(t)]=[x2x3; -x1x3; 0]。 考慮具有狀態(tài)時滯和外界負載擾動的分數階永磁同步風力發(fā)電機混沌模型的矢量表達式為 (6) 式中:x(t-τ)和w(t)分別為狀態(tài)時滯變量和負載擾動變量;Aτ和Bw分別為時滯變量和擾動參數矩陣;z(t)為性能輸出變量;C,Cτ和Dw為具有適當維數的實數矩陣。 根據T-S模糊規(guī)則,建立分數階永磁同步風力發(fā)電機非線性系統(tǒng)式(6)的模糊混沌模型為 Rulei: Ifx3(t) isMi, Then (7) 式中:Rulei為第i條模糊規(guī)則,i=1,2,…,r,r為模糊規(guī)則數;Mi為模糊集合;Bi為控制輸入參數矩陣;Ai為系統(tǒng)參數矩陣且有Ai=[-1di0; -di-1μ; 0σ-σ];di受x3(t)取值影響;Aτi為時滯狀態(tài)參數矩陣;Ci,Cτi和Dwi為適當維數的實數矩陣。 根據模糊理論,可得出具有狀態(tài)時滯和負載擾動的分數階永磁同步風力發(fā)電機T-S模糊混沌模型為 (8) 式中,前件變量x3(t)在模糊集合Mi中的隸屬度函數為ξi[x3(t)]。 假設有以下公式成立 (9) 則系統(tǒng)式(9)的去模糊混沌模型為 (10) 為了研究分數階永磁同步風力發(fā)電機模糊混沌模型式(10)穩(wěn)定性,主要應用以下引理。 引理2對于x(t)∈C1[0,T0]且T0>0,則有 引理3[22]假設存在適當維數的任意向量m和n,則有不等式2mTn≤θmTm+θ-1nTn,?θ>0成立。 引理4[23](Schur補引理) 如果有適當維數的給定矩陣N,P和Q>0,則有如下兩個不等式是等價的。 引理5[24]如果存在連續(xù)可微函數向量x(t),P為正定對稱矩陣,則有 (11) 式中,?α∈(0,1],?t≥0。 引理6[25]如果存在適當維數的任意矩陣X和Y,則有以下不等式成立 XTY+YTX<ηXTX+η-1YTY, ?η>0 (12) 通過PDC(parallel distributed compensation)技術,設計出具有模糊記憶狀態(tài)的狀態(tài)反饋H∞魯棒控制器為 Rulei: Ifx3(t) isMi, Then u(t)=-Kix(t)-Kτix(t-τ) (13) 式中:i=1,2,…,r;Ki和Kτi為控制器增益矩陣。 由式(13)可得出系統(tǒng)的全局模糊記憶狀態(tài)反饋H∞魯棒控制器為 (14) 將控制律式(14)代入系統(tǒng)式(10),可得出含有狀態(tài)時滯和負載擾動的分數階永磁同步風力發(fā)電機閉環(huán)模糊控制模型為 (15) 式中:hi=hi[x3(t)];hj=hj[x3(t)];Hij=Ai-BiKj;Hτij=Aτi-BiKτj。 定義1假設以下兩個條件能同時成立[26]。 (1) 當外部擾動和性能輸出為0時,分數階模糊混沌模型式(15)是全局漸近穩(wěn)定的。 (2) 在零輸入條件下,如果以下不等式成立 式中,對于所有tf>0,γ為任意正實數。 則具有狀態(tài)時滯和負載擾動的分數階永磁同步風力發(fā)電機閉環(huán)模糊混沌模型式(15)是漸近穩(wěn)定的。 定理1假設存在正定對稱矩陣P,任意矩陣Mi和Mτi,任意正實數εi,δτij,δτji和γ,使得以下LMIs(linear matrix inequalities)成立 (16) 和 (17) 即含有狀態(tài)時滯和負載擾動的分數階永磁同步風力發(fā)電機閉環(huán)模糊混沌模型式(15)是漸近穩(wěn)定的且滿足H∞控制性能指標γ。 證明首先證明在外部擾動和性能輸出為0時,系統(tǒng)式(15)是漸近穩(wěn)定的,假設P為正定對稱矩陣,構造出Lyapunov函數為 (18) 由引理1可知,以下不等式成立 (19) 從而可知Lyapunov函數式(18)為正定的,根據分數階微積分理論,求Lyapunov函數V[x(t)]關于時間t的導數為 (20) 令χ=τ+ν,則有 (21) 則又有 (22) 當0<α≤1且t>ν時,有(t-ν)α-1>0,從而可以看出,只要有以下不等式(23)成立 (23) 則含有狀態(tài)時滯和負載干擾的分數階永磁同步風力發(fā)電機模糊混沌模型式(15)是漸近穩(wěn)定的。 (24) 其次,再證明分數階混沌系統(tǒng)式(15)具有H∞魯棒控制性能指標,有 (25) 因隸屬度函數小于等于1和引理3可得 (26) 由式(15)、式(24)和式(26)可得 (27) 式中:Bwij=Bwi+Bwj;Cij=Ci+Cj;Cτij=Cτi+Cτj;Dwij=Dwi+Dwj。 如果式(27)為負定的,則可以看成不等式式(27)左端每一部分都為負定的。 第一,先假設式(27)左端第一部分為負定的,則有 (28) 由引理6可知,當且僅當存在正常實數εi,將Hii和Hτii代入式(28)可等效為 (29) 式中:?T(t)=[xT(t),xT(t-τ),wT(t)]; 則有 (30) 對式(30)分別左乘和右乘對角矩陣diag[P-1,P-1,I],并令Q=P-1,Mi=KiP-1和Mτi=KτiP-1,則有 (31) 由引理4可得,式(31)可等價為式(16)。 第二,再假設式(27)左端第二部分為負定的,則有 (32) 由引理6可知,當且僅當存在正常實數δτij和δτji,將Hii和Hτii代入式(32)可等效為 (33) 式中: ?T(t)=[xT(t),xT(t-τ),wT(t)]; 則有 (34) 對式(34)分別左乘和右乘對角矩陣diag[P-1,P-1,I],并令Q=P-1,Mi=KiP-1和Mτi=KτiP-1可得 (35) 其中 由引理4可得,式(35)可等價為式(17)。 如果式(16)和式(17)都成立,則含有狀態(tài)時滯和負載擾動的分數階永磁同步風力發(fā)電機閉環(huán)模糊系統(tǒng)式(15)是漸近穩(wěn)定的且滿足H∞控制性能指標γ。證明完畢。 式中:M1,2為模糊集合;A1,2和Aτ1,2為系統(tǒng)參數矩陣;B1,2為控制輸入矩陣;Bw1,2為擾動輸入矩陣。 當u(t)=0時,可得出具有狀態(tài)時滯和負載擾動的分數階永磁同步風力發(fā)電機開環(huán)模糊混沌模型為 永磁同步風力發(fā)電機參數選擇如參考楊國良等和王磊等的研究,取系統(tǒng)參數為σ=16,μ=45.92,則有A1=[-1 30 0; -30 -1 45.92; 0 16 -16],A2=[-1 -30 0; 30 -1 45.92; 0 16 -16]。 假設永磁同步風力發(fā)電機轉速存在時滯,取延遲τ=0.5,且延遲參數矩陣為Aτ1=Aτ2=[0 0 0; 0 0 0; 0 0 -1]。 風能隨機性使得風力發(fā)電機將受到負載擾動影響,并取擾動轉矩和負載擾動為Bw1=Bw2=[0; 0; 0.5],w(t)=sin(2πt)e-0.5t。 取性能輸出參數矩陣為C1=C2=[10 10 20],Cτ1=Cτ2=[1 1 2]和D1=D2=1。 取模糊隸屬度函數為 含有狀態(tài)時滯和負載擾動的分數階永磁同步風力發(fā)電機在無控制作用下的混沌特性,如圖1所示。由圖1可知,當分數階次在0.95<α≤1.00,系統(tǒng)存在混沌運動狀態(tài),此時風力發(fā)電系統(tǒng)是不穩(wěn)定的,轉速和轉矩會出現不規(guī)則振蕩行為。但隨著分數階階次進入α<0.95時,系統(tǒng)在無控制作用下也能進入穩(wěn)定運行,從而可以看出分數階階次對風力發(fā)電系統(tǒng)的混沌特性影響不容忽略。 圖1 當u(t)=0時,受擾時滯系統(tǒng)混沌特性Fig.1 Chaotic characteristics without u(t) 為了快速抑制風力發(fā)電系統(tǒng)的混沌振蕩運動,依據模糊PDC控制技術設計出具有模糊記憶的狀態(tài)反饋H∞魯棒控制器為 u(t)=-K1x(t)-Kτ1x(t-τ); u(t)=-K2x(t)-Kτ2x(t-τ)。 式中,K1,2和Kτ1,2為控制器參數矩陣。 則模糊控制器總輸出可描述為 從而得出具有狀態(tài)時滯和負載擾動的分數階永磁同步風力發(fā)電機模糊控制模型如下 對q軸電壓和發(fā)電機轉速施加控制量,并取輸入參數矩陣為B1=B2=[0;1;1]。系統(tǒng)狀態(tài)曲線,如圖2所示。 圖2 系統(tǒng)狀態(tài)曲線Fig.2 The system state curve 采用所給出的定理1,利用MATLAB軟件中的LMIs工具箱可解出具有模糊記憶的狀態(tài)反饋H∞魯棒控制器參數矩陣為 K1=[46.104 2,60.979 6,-0.805 8], 無狀態(tài)記憶的反饋控制器參數矩陣為K11=[2.178 6,58.564 1,15.868 9],K22=[-2.178 6,58.564 1,15.868 9]。系統(tǒng)控制曲線,如圖3所示。 圖3 系統(tǒng)控制曲線Fig.3 The system control curve 由圖2和圖3可知,在分數階階次發(fā)生變化、含有狀態(tài)時滯延遲和外界負載擾動情況下,定理1所推出的控制方法能有效抑制永磁同步風力發(fā)電機組中的混沌振蕩運動。相對于無狀態(tài)記憶控制方法,具有狀態(tài)記憶的模糊H∞魯棒控制器具有更良好的控制性能。隨著分數階階次的降低,控制性能更好。 針對含有狀態(tài)時滯和外界負載擾動情況下的分數階永磁同步風力發(fā)電機組混沌振蕩運動行為的控制問題,利用T-S模糊理論與分數階微積分算法,建立含有狀態(tài)時滯和負載擾動的分數階模糊混沌模型,通過PDC控制方法和H∞魯棒控制算法設計出具有狀態(tài)記憶的模糊狀態(tài)反饋H∞魯棒控制器。利用Lyapunov函數直接法,根據分數階微積分性質,采用Cauchy矩陣不等式和合同變換,通過LMI形式得出滿足H∞控制指標的系統(tǒng)漸近穩(wěn)定性條件。通過數值模擬仿真可以看出,系統(tǒng)在具有狀態(tài)時滯、外界隨機負載擾動和分數階階次變化的復雜運行情況下,通過定理1所推出的模糊記憶H∞魯棒控制器能使得系統(tǒng)快速擺脫混沌振蕩運動,具有良好的控制性能。1.2 分數階永磁同步風力發(fā)電機混沌模型
1.3 分數階永磁同步風力發(fā)電機T-S模糊混沌模型
2 知識準備
3 模糊記憶狀態(tài)反饋H∞魯棒控制器設計
4 系統(tǒng)仿真
K2=[-41.571 7,67.151 3,-7.126 0]
Kτ1=[0.101 3,0.158 1,-0.010 2],
Kτ2=[-0.100 5,0.189 1,-0.008 9]5 結 論