一種基于萬有引力神經(jīng)網(wǎng)絡(luò)的風(fēng)電系統(tǒng)mppt控制方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種基于萬有引力神經(jīng)網(wǎng)絡(luò)的風(fēng)力發(fā)電系統(tǒng)最大功率跟蹤控制方法， 屬于風(fēng)力發(fā)電技術(shù)領(lǐng)域。
【背景技術(shù)】
[0002] 隨著社會經(jīng)濟(jì)的不斷發(fā)展和能源危機(jī)的日益加劇，風(fēng)能作為可再生能源越來越受 到當(dāng)今世界的重視。
[0003] 風(fēng)力發(fā)電機(jī)的最大功率跟蹤是指在額定風(fēng)速以下，通過調(diào)節(jié)風(fēng)輪轉(zhuǎn)速，使風(fēng)能利 用系數(shù)保持在最大值，獲得最大功率輸出?；谧畲蠊β矢櫟幕究刂圃?，風(fēng)力發(fā)電機(jī) 的控制方法大致可以分為三類：葉尖速比法，功率反饋法以及爬山搜索法。
[0004] 葉尖速比法：在某一固定的風(fēng)速下，通過調(diào)節(jié)風(fēng)機(jī)轉(zhuǎn)速，使葉尖速比保持最佳值， 就可以實現(xiàn)最大功率跟蹤。該方法的優(yōu)點在于思路比較簡單，缺點在于需要通過風(fēng)速傳感 器進(jìn)行有效風(fēng)速的精確測量，實際工程難度較大。另外，風(fēng)速傳感器的引入不僅會增加系統(tǒng) 成本，而且還會降低系統(tǒng)的可靠性。
[0005] 功率反饋法：通過轉(zhuǎn)速傳感器測量出風(fēng)力發(fā)電機(jī)的轉(zhuǎn)速《，利用發(fā)電機(jī)電磁轉(zhuǎn)矩 直接控制發(fā)電機(jī)的有功功率來跟蹤已知的最佳轉(zhuǎn)速一功率特性曲線，從而實現(xiàn)系統(tǒng)的最大 功率跟蹤控制。此方法的難點在于需要掌握風(fēng)機(jī)的最佳轉(zhuǎn)速一功率特性曲線，而獲得該曲 線需要進(jìn)行大量的計算和實驗，過程十分復(fù)雜。
[0006] 爬山搜索法：對風(fēng)機(jī)轉(zhuǎn)速控制的指令值以一定的步長a?進(jìn)行擾動，然后觀察風(fēng) 車的功率變化。如果功率增加，那么風(fēng)機(jī)轉(zhuǎn)速的擾動方向不變，如果功率減小，則將風(fēng)車轉(zhuǎn) 速擾動反向。爬山搜索法的優(yōu)點在于不需要進(jìn)行風(fēng)速測量，難點在于擾動周期以及擾動步 長的選擇。另外，該方法要求轉(zhuǎn)速對風(fēng)速變化具有良好的瞬時響應(yīng)特性，當(dāng)風(fēng)機(jī)容量較大 時，由于系統(tǒng)存在慣性，轉(zhuǎn)速擾動并不能得到及時的功率響應(yīng)，致使爬山搜索法的實際控制 效果并不理想。
[0007] 綜上所述，現(xiàn)有的風(fēng)力發(fā)電系統(tǒng)控制方法存在成本高、跟蹤準(zhǔn)確性差等缺點，限制 了風(fēng)力發(fā)電的發(fā)展，因此有必要加以改進(jìn)。

【發(fā)明內(nèi)容】

[0008] 本發(fā)明的目的在于針對現(xiàn)有技術(shù)之弊端，提供一種控制成本低、跟蹤準(zhǔn)確性高的 基于萬有引力神經(jīng)網(wǎng)絡(luò)的風(fēng)電系統(tǒng)MPPT控制方法。
[0009] 本發(fā)明所述問題是以下述技術(shù)方案實現(xiàn)的：
[0010] 一種基于萬有引力神經(jīng)網(wǎng)絡(luò)的風(fēng)電系統(tǒng)MPPT控制方法，所述方法在構(gòu)造大量功 率-轉(zhuǎn)速-風(fēng)速樣本的基礎(chǔ)上，建立風(fēng)速的萬有引力神經(jīng)網(wǎng)絡(luò)預(yù)測模型并利用該模型進(jìn)行 風(fēng)速估計，繼而通過最佳葉尖速比法預(yù)測出最大功率點所對應(yīng)的最優(yōu)風(fēng)機(jī)轉(zhuǎn)速，然后將風(fēng) 機(jī)的轉(zhuǎn)速調(diào)節(jié)到預(yù)測的最優(yōu)風(fēng)機(jī)轉(zhuǎn)速，并以該轉(zhuǎn)速為初始值，采用占空比擾動觀察法以設(shè) 定的擾動步長跟蹤風(fēng)機(jī)的最大功率。
[0011] 上述基于萬有引力神經(jīng)網(wǎng)絡(luò)的風(fēng)電系統(tǒng)MPPT控制方法，所述方法包括以下步 驟：
[0012]a.構(gòu)造功率-轉(zhuǎn)速-風(fēng)速樣本：
[0013] 設(shè)定風(fēng)速Vw& A V作為步長從啟動風(fēng)速V。，逐步增加至額定風(fēng)速Vt，并在每一風(fēng) 速條件下，令風(fēng)機(jī)轉(zhuǎn)速《以A ?為步長從起始轉(zhuǎn)速升至額定轉(zhuǎn)速《 t，在每一風(fēng)速-風(fēng) 機(jī)轉(zhuǎn)速（Vw(i)，《 (i))環(huán)境下，利用下式計算出風(fēng)機(jī)機(jī)械功率Pm(i):
【主權(quán)項】
1. 一種基于萬有引力神經(jīng)網(wǎng)絡(luò)的風(fēng)電系統(tǒng)MPPT控制方法，其特征是，所述方法在構(gòu)造 大量功率-轉(zhuǎn)速-風(fēng)速樣本的基礎(chǔ)上，建立風(fēng)速的萬有引力神經(jīng)網(wǎng)絡(luò)預(yù)測模型并利用該模 型進(jìn)行風(fēng)速估計，繼而通過最佳葉尖速比法預(yù)測出最大功率點所對應(yīng)的最優(yōu)風(fēng)機(jī)轉(zhuǎn)速，然 后將風(fēng)機(jī)的轉(zhuǎn)速調(diào)節(jié)到預(yù)測的最優(yōu)風(fēng)機(jī)轉(zhuǎn)速，并以該轉(zhuǎn)速為初始值，采用占空比擾動觀察 法以設(shè)定的擾動步長跟蹤風(fēng)機(jī)的最大功率。
2. 根據(jù)權(quán)利要求1所述的基于萬有引力神經(jīng)網(wǎng)絡(luò)的風(fēng)電系統(tǒng)MPPT控制方法，其特征 是，所述方法包括以下步驟： a. 構(gòu)造功率-轉(zhuǎn)速-風(fēng)速樣本： 設(shè)定風(fēng)速\以A V作為步長從啟動風(fēng)速V ^，逐步增加至額定風(fēng)速Vt，并在每一風(fēng)速條 件下，令風(fēng)機(jī)轉(zhuǎn)速《以為步長從起始轉(zhuǎn)速升至額定轉(zhuǎn)速《 t，在每一風(fēng)速-風(fēng)機(jī) 轉(zhuǎn)速（Vw(i)，《 (i))環(huán)境下，利用下式計算出風(fēng)機(jī)機(jī)械功率Pm⑴： w 、'
式中：R為風(fēng)輪半徑，P為空氣密度，Cp為風(fēng)能利用系數(shù)，A為葉尖速比，0為葉片槳 距角， 從而得到大量風(fēng)速-風(fēng)機(jī)轉(zhuǎn)速-功率樣本{> (i)，Pm(i)，Vw(i)}; b. 建立風(fēng)速的萬有引力神經(jīng)網(wǎng)絡(luò)預(yù)測模型： 利用BP神經(jīng)網(wǎng)絡(luò)建立風(fēng)速預(yù)測模型，并利用萬有引力搜索算法對BP神經(jīng)網(wǎng)絡(luò)模型進(jìn) 行優(yōu)化，具體步驟如下： ① 確定BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)并設(shè)置初始的權(quán)值及閾值； ② 設(shè)置粒子群體規(guī)模N以及各粒子初始位置f = (K，一,W,…，，i = 1，2,3,…，N， D為粒子維數(shù)，并采用隨機(jī)數(shù)生成的方式初始化各粒子位置； ③ 計算各粒子的適應(yīng)度函數(shù)值： 定義粒子的適應(yīng)度函數(shù)4為BP神經(jīng)網(wǎng)絡(luò)在訓(xùn)練樣本上的均方差：
其中：m為輸出節(jié)點個數(shù)；P為訓(xùn)練樣本的個數(shù)；為網(wǎng)絡(luò)期望輸出值；xw.為網(wǎng)絡(luò)實際 輸出值； ④ 更新群體中的:^喊與f WOTSt(fbe;st= minfj，fWOTSt= maxf』)，按下式計算各粒子的質(zhì)量 Mjr ⑤ 按照下式計算各粒子的引力合力F,_與加速度a
9 式中：t為迭代次數(shù)，f的為第i個粒子受到的來自其它粒子引力合力匕的第d維分 量，<(0為第i個粒子的第d維的加速度，ranees [0,1]之間的隨機(jī)數(shù)，G(t)為引力時間 常數(shù);Mpi (t)和分別為第i個粒子的被動慣性質(zhì)量和第j個粒子的主動慣性質(zhì)量， Y⑴和<(0分別為第i個粒子與第j個粒子的第d維的位置； ⑥ 按照下式更新各粒子的速度Vi與位置P i:
式中：W(0為第i個粒子的第d維的位置；v,"(〇為第i個粒子的第d維的速度； ⑦ 返回步驟③，達(dá)到最大迭代次數(shù)后停止迭代，此時fbest所對應(yīng)的粒子位置即為優(yōu)化 后的BP神經(jīng)網(wǎng)絡(luò)初始權(quán)值與閾值； ⑧ 利用步驟a所構(gòu)造的功率-轉(zhuǎn)速-風(fēng)速樣本開展模型訓(xùn)練： 將（Pm，《)作為萬有引力神經(jīng)網(wǎng)絡(luò)模型的輸入，輸出為估計風(fēng)速，每次迭代后，判斷 是否滿足迭代終止條件，若滿足則算法終止，否則繼續(xù)迭代； c. 采集風(fēng)機(jī)的功率信號與轉(zhuǎn)速信號，利用訓(xùn)練好的萬有引力神經(jīng)網(wǎng)絡(luò)預(yù)測模型進(jìn)行風(fēng) 速估計； d. 利用估計風(fēng)速，采用最佳葉尖速比法，得出所估計風(fēng)速下的風(fēng)機(jī)最佳轉(zhuǎn)速
其中，為估計風(fēng)速； e. 通過PI控制方法，將風(fēng)機(jī)轉(zhuǎn)速調(diào)節(jié)到最佳轉(zhuǎn)速 f. 以最佳轉(zhuǎn)速為初始值，采用占空比擾動觀察法進(jìn)行最大功率跟蹤，當(dāng)前后兩次 擾動的功率差值大于設(shè)定的閾值（})時，說明風(fēng)速發(fā)生了突變，重復(fù)步驟c~f。
3.根據(jù)權(quán)利要求2所述的基于萬有引力神經(jīng)網(wǎng)絡(luò)的風(fēng)電系統(tǒng)MPPT控制方法，其特征 是，考慮實際工程中風(fēng)機(jī)轉(zhuǎn)速信號與功率信號的測量存在噪聲，對每個風(fēng)速-風(fēng)機(jī)轉(zhuǎn)速-功 率樣本l> (ihPjihKi)}樣本中的《 (i)與Pji)均疊加一定的高斯噪聲，疊加高斯噪 聲后的轉(zhuǎn)速《 ' (i)和功率P/ (i)如下式所示： qf (i) = co (i) + 8 co Pm' (i) = Pm(i)+ 5 Pm 其中，S ?為轉(zhuǎn)速信號噪聲，服從N(0, 〇u2)的高斯分布，功率信號噪聲，服從 N(0, 〇P2)的高斯分布。
4.根據(jù)權(quán)利要求3所述的基于萬有引力神經(jīng)網(wǎng)絡(luò)的風(fēng)電系統(tǒng)MPPT控制方法，其特征 是，風(fēng)機(jī)功率信號的采集方法是：測量風(fēng)力發(fā)電機(jī)A相與B相之間的線電壓VAB，并檢測其過 零點的頻率f，設(shè)電機(jī)的極對數(shù)為n，則風(fēng)機(jī)轉(zhuǎn)速信號為《 = jrf/n;風(fēng)機(jī)轉(zhuǎn)速信號的采集 方法是：測量整流器輸出電壓Vz和輸出電流I z，則功率信號為Pm= I Z*VZ。
【專利摘要】一種基于萬有引力神經(jīng)網(wǎng)絡(luò)的風(fēng)電系統(tǒng)MPPT控制方法，所述方法在構(gòu)造大量功率-轉(zhuǎn)速-風(fēng)速樣本的基礎(chǔ)上，建立風(fēng)速的萬有引力神經(jīng)網(wǎng)絡(luò)預(yù)測模型并利用該模型進(jìn)行風(fēng)速估計，繼而通過最佳葉尖速比法預(yù)測出最大功率點所對應(yīng)的最優(yōu)風(fēng)機(jī)轉(zhuǎn)速，然后將風(fēng)機(jī)的轉(zhuǎn)速調(diào)節(jié)到預(yù)測的最優(yōu)風(fēng)機(jī)轉(zhuǎn)速，并以該轉(zhuǎn)速為初始值，采用占空比擾動觀察法以設(shè)定的擾動步長跟蹤風(fēng)機(jī)的最大功率。本發(fā)明采用估計的方法獲取風(fēng)速，無需裝設(shè)風(fēng)速傳感器，可有效節(jié)約系統(tǒng)的控制成本，提高系統(tǒng)的可靠性；該方法利用萬有引力搜索算法優(yōu)化神經(jīng)網(wǎng)絡(luò)模型，可有效提高風(fēng)速估計的精度；此外，本發(fā)明還具有跟蹤速度快的優(yōu)點，可提高風(fēng)機(jī)的發(fā)電效率。
【IPC分類】F03D7-04
【公開號】CN104806450
【申請?zhí)枴緾N201510133361
【發(fā)明人】馬良玉, 李強(qiáng), 劉衛(wèi)亮, 劉長良, 林永君, 陳文穎, 馬進(jìn), 馬永光
【申請人】華北電力大學(xué)（保定）
【公開日】2015年7月29日
【申請日】2015年3月25日