基于风力机参数辨识的最大风能捕获

1 = 1 − 0.035 λi λ + 0.08β β 3 +1 式中：C1 = 0.517 6，C2 = 116，C3 = 0.4，C4 = 5，C5 = 21，C6 = 0.006 8，风力机特性曲线如图 2、3 所示。 由图 2 可以看出：对于某一固定桨距角 β ，存 在唯一的风能利用系数 Cp 最大值；对于任意的叶 尖速比 λ ，桨距角 β = 0° 时的风能利用系数 Cp 相对 较大，随着 β 增大，风能利用系数明显减小。在图 3 中，当风速一定时，转速不同时风力机输出功率 不同，但总是存在一个最佳转速 ωw-opt ，此时风力
总的来说，最大风能捕获有 3 种控制算法：最 佳叶尖速比法、功率反馈法和爬山法[7]。最佳叶尖 速比控制要求实时测量风速和发电机转速[8]，通过 计算使风力机工作于最佳尖速比；然而，由于风速 的多变性，增加了测量成本和控制复杂度[9]。功率 反馈法是利用矢量变换原理，通过对双馈电机转子 励磁的幅值和频率进行调节[10]，改变电机转速，实 现最大风能追踪。该方法虽可避免对风速的测量， 但操作之前必须根据实际情况设定风力机最佳叶 尖速比[11]，且其控制精度取决于系统快速性和定子 有功功率的计算。爬山法是通过实时检测风力机转 速和输出功率，利用数学模型使电机工作于最大功 率点，该方法的局限性在于：捕获最大功率点需要 几百 s 的时间[12]，出现这一延迟严重影响了控制精 度。基于以上各控制策略的优缺点，本文在深入研 究风力机能量转换的基础上，提出利用最小二乘法 中的遗忘因子法辨识风力机参数，利用所得参数计 算风力机工作于最大功率点时的最佳转速，从而实 现最大风能捕获。
风速；Pv 为风能损失前的输入功率；Pw 为风力机输 出功率；Cp 为风能利用系数，是叶尖速比 λ 和桨距 角 β 的函数。通常 λ 定义如下：
λ =ωwR / v
(3)
式中 R 为风轮半径。风能利用系数 Cp 可写成
Cp (λ, β ) = C1(C2 / λi −C3β −C4 )e−C5 / λi + C6λ (4)
基 金 项 目 ： 陕 西 省 “ 13115 ” 科 技 创 新 工 程 重 大 科 技 专 项 项 目 (2007ZDKG-29)。
略的有效性和正确性。
关键词：最大风能捕获；最佳转速；参数辨识；遗忘因子法
0 引言
风能是一种无污染的清洁能源，近年来风力发 电得到了迅速发展[1-4]。据估计，到 2020 年，风力 发电可满足世界上 12%的电力需求[5]。如何在现有 风速条件下实现风能转换效率最大化是风力发电 的关键。采用双馈异步发电机(doubly-fed induction generator ， DFIG) 的 交 流 励 磁 变 速 恒 频 (variable speed constant frequency，VSCF)风力发电与以往的 恒速控制技术相比较，能量利用率提高 10%∼15%， 且具有较低的机械压力和较小的输出功率波动[6]。
电网技术 Power System Technology
中图分类号：TM614 文献标志码：A
Vol. 33 No. 17 Sep. 2009
学科代码：470·4047
基于风力机参数辨识的最大风能捕获
张文娟，高勇，杨媛
（西安理工大学 电子工程系，陕西省 西安市 710048）
Maximal Wind Energy Capture Based on Parameter Identification of Wind Turbine
下形式[15]：
Tf =θ0v2 +θ1vωw +θ2ωw2
(8)
式中 θ0、θ1、θ2 为由风轮形态决定的损失系数，定
义如下：
θ0 = 0.5ρ SR(1−γ )
(9)
θ1 = −0.5ρ SR2ξ
(10)
θ2 = −0.5ρ SR3ζ
(11)
式中 γ、ξ、ζ 的值由风力机叶片大小、形状、数目
及桨距角决定。
根据式(5)，某一时刻风力机的输出功率为
Pw = Twωw = (Tv −Tf )ωw
(12)
将式(6)(7)代入式(12)中，可得
Pw
=
1 2
ρ
πR3v2ωw
−θ0v2ωw
−θ1vωw2
−θ2ωw3
(13)
154
张文娟等：基于风力机参数辨识的最大风能捕获
Vol. 33 No. 17
显然，最佳转速 ωw-opt 在极值点取得，即
ZHANG Wen-juan，GAO Yong，YANG Yuan
（Department of Electronics Engineering，Xi’an University of Technology，Xi’an 710048，Shaanxi Province，China）
ABSTRACT: To solve the problem that the maximal wind energy capture based wind energy utilization rate decreases due to the error in parameter identification of wind turbine or wind speed fluctuation, it is proposed to identify parameters of wind turbine by forget factor algorithm in least square; then by use of the obtained parameters the optimal rotating speed of wind turbine is calculated while it works at its maximum power point; and then combining with stator flux-oriented vector control technique the maximal wind energy capture is realized. Taking the stochastic wind for example, the simulative comparison of operation characteristic of doubly-fed variable speed constant frequency (VSCF) wind power generator with capacity of 1.5 MW under error parameter identification and after correct parameter identification is performed. Comparison results show that after the correct parameter identification the maximal wind energy capture can be implemented under both steady and dynamic states of wind power generation system, the response rate of wind speed is fast and the robustness is satisfied, thus the effectiveness and correctness of the proposed control strategy is verified.
第 33 卷 第 17 期
电网技术
153
1 风力机最大风能捕获原理
根据风轮气动特性[13]，风力机产生的转矩作用 于风轮，风轮通过增速齿轮箱连接到双馈电机，2 个背靠背连接的变换器采集风力机参数辨识值和 其他信号，调节双馈电机转子电流的幅值和频率， 进而实现最大风能捕获。系统框图如图 1 所示，其 中：Tw、Tlw 及 Tm 分别为风力机输出转矩、负载转 矩及双馈电机转矩；ωw、ωm 为风力机角速度及双 馈电机角速度。
maximal wind energy capture based on parameter
identification of wind turbine
贝茨理论[14]指出，风力机单位时间输入、输出
的风能为
Pv
=
1 2
ρ
Sv3
(1)
Pw
=
Cp
(λ
,
β
)
Pv
=
1 2
Cp
(λ
,
β
)ρ
Sv
3
(2)
式中：S 为风力机扫掠面积； ρ 为空气密度；v 为
风力机最大风能捕获原理根据风轮气动特性13风力机产生的转矩作用于风轮风轮通过增速齿轮箱连接到双馈电机2个背靠背连接的变换器采集风力机参数辨识值和其他信号调节双馈电机转子电流的幅值和频率04020012所示其中
第 33 卷 第 17 期 2009 年 9 月
文章编号：1000-3673（2009）17-0152-05
0.0
0
10
20
30
40
50
风力机转速ωw/(rad/s)
图 3 风力机输出功率与转速的关系
Fig. 3 The relation of output power versus rotating speed
机输出功率最大，这就是最大风能捕获原理。
2 风力机最优转速的确定
风力机输出转矩 Tw 与输出功率 Pw 之间的关系为
1.6
1.2
v=12 m/s
v=10 m/s
0.8
0.4
v=8 m/s
风力机输出 机械功率 P/MW
C
irabc
控制电压 urabc
v
风力机参数辨识
最大风能捕获控制
图 1 基于风力机参数辨识的最大风能捕获系统框图
Fig. 1 Block diagram of the wind generation system of
的遗忘因子法对参数 θ0、θ1、θ2 进行辨识。 将系统方程写成最小二乘辨识模型，有
Tw (K ) = hΤ (K )θ + e(K )
(16)
式中：h(K ) =[Tw (K −1),Tw (K − 2),",Tw (K − n),u(K ),
ቤተ መጻሕፍቲ ባይዱ
θ2 的准确与否直接关系到转速的最优化，为此，采 用系统辨识方法确定其值。最小二乘法(或称线性回
归法)是一种在工程中常用的有效辨识方法，较容易
实现且有唯一解，但存在 2 个缺点[16]：其一是当模
型噪声是有色噪声时，最小二乘不是无偏估计；其
二是随着数据的增长，将出现所谓的“数据饱和”
现象。为了提高辨识精度，本文采用最小二乘法中
KEY WORDS: maximal wind energy capture ； optimum rotating speed；parameter identification；forget factor algorithm
摘要：为了解决当风力机参数辨识错误或有扰动误差时，最 大风能捕获策略出现的风能利用率下降问题，提出基于最小 二乘法中的遗忘因子法辨识风力机参数，进而利用所得参数 计算风力机工作于最大功率点时的最佳转速，结合定子磁链 定向矢量控制技术实现最大风能捕获。以随机风为例，对 1.5 MW 双馈变速恒频风力发电系统在风力机参数有误及辨 识正确后的运行特性进行了仿真比较，结果表明，参数辨识 正确后的系统在稳态和动态情况下都能很好地捕获最大风 能，且风速响应速度快，鲁棒性良好。验证了所提出控制策
dPw / dωw = 0
dPw
/
dωw
=
1 2
ρ πR 3v 2
−θ0v2
−
2θ1vωw
−
3θ
2ω
2 w
=
0
(14)
ωw-opt = −θ0v +
(θ1v)2 − 3θ2v2 (0.5ρ πR3 −θ0 ) 3θ2
(15)
式(15)即为风力机在最大风能捕获时的最佳转
速模型。由该模型可知，风力机损失参数 θ0、θ1、
风速 v
Tw Tlw
Τm 双馈电机
齿轮箱
ωw
ωm
风力机
电网
风能利用系数 Cp
β=0° 0.4
β=4° 0.2
β=8°
0.0
β=12°
5
10
15
20
叶尖速比λ
图 2 风能利用系数与叶尖速比的关系
Fig. 2 The relation of wind power energy utilization
coefficient versus tip-speed ratio
Tw
=
Pw
/ ωw
=
1 2
Ct ρ πR3v2
(5)
写成运动方程形式为
Tw = Tv −Tf = J wdωw / dt +Tlw
(6)
Tv
=
1 2
ρ πR3v2
(7)
式中： Ct = Cp / λ 为风力机转矩系数；Tv 为风力机
输入转矩，与前面的功率 Pv 相对应；Jw 为风力机转
动惯量；Tlw 为负载转矩；Tf 为损失转矩，可写成如