一种基于万有引力神经网络的风电系统mppt控制方法
【技术领域】
[0001] 本发明涉及一种基于万有引力神经网络的风力发电系统最大功率跟踪控制方法， 属于风力发电技术领域。
【背景技术】
[0002] 随着社会经济的不断发展和能源危机的日益加剧，风能作为可再生能源越来越受 到当今世界的重视。
[0003] 风力发电机的最大功率跟踪是指在额定风速以下，通过调节风轮转速，使风能利 用系数保持在最大值，获得最大功率输出。基于最大功率跟踪的基本控制原理，风力发电机 的控制方法大致可以分为三类：叶尖速比法，功率反馈法以及爬山搜索法。
[0004] 叶尖速比法：在某一固定的风速下，通过调节风机转速，使叶尖速比保持最佳值， 就可以实现最大功率跟踪。该方法的优点在于思路比较简单，缺点在于需要通过风速传感 器进行有效风速的精确测量，实际工程难度较大。另外，风速传感器的引入不仅会增加系统 成本，而且还会降低系统的可靠性。
[0005] 功率反馈法：通过转速传感器测量出风力发电机的转速《，利用发电机电磁转矩 直接控制发电机的有功功率来跟踪已知的最佳转速一功率特性曲线，从而实现系统的最大 功率跟踪控制。此方法的难点在于需要掌握风机的最佳转速一功率特性曲线，而获得该曲 线需要进行大量的计算和实验，过程十分复杂。
[0006] 爬山搜索法：对风机转速控制的指令值以一定的步长a?进行扰动，然后观察风 车的功率变化。如果功率增加，那么风机转速的扰动方向不变，如果功率减小，则将风车转 速扰动反向。爬山搜索法的优点在于不需要进行风速测量，难点在于扰动周期以及扰动步 长的选择。另外，该方法要求转速对风速变化具有良好的瞬时响应特性，当风机容量较大 时，由于系统存在惯性，转速扰动并不能得到及时的功率响应，致使爬山搜索法的实际控制 效果并不理想。
[0007] 综上所述，现有的风力发电系统控制方法存在成本高、跟踪准确性差等缺点，限制 了风力发电的发展，因此有必要加以改进。
【发明内容】
[0008] 本发明的目的在于针对现有技术之弊端，提供一种控制成本低、跟踪准确性高的 基于万有引力神经网络的风电系统MPPT控制方法。
[0009] 本发明所述问题是以下述技术方案实现的：
[0010] 一种基于万有引力神经网络的风电系统MPPT控制方法，所述方法在构造大量功 率-转速-风速样本的基础上，建立风速的万有引力神经网络预测模型并利用该模型进行 风速估计，继而通过最佳叶尖速比法预测出最大功率点所对应的最优风机转速，然后将风 机的转速调节到预测的最优风机转速，并以该转速为初始值，采用占空比扰动观察法以设 定的扰动步长跟踪风机的最大功率。
[0011] 上述基于万有引力神经网络的风电系统MPPT控制方法，所述方法包括以下步 骤：
[0012]a.构造功率-转速-风速样本：
[0013] 设定风速Vw& A V作为步长从启动风速V。，逐步增加至额定风速Vt，并在每一风 速条件下，令风机转速《以A ?为步长从起始转速升至额定转速《 t，在每一风速-风 机转速（Vw(i)，《 (i))环境下，利用下式计算出风机机械功率Pm(i):
【主权项】
1. 一种基于万有引力神经网络的风电系统MPPT控制方法，其特征是，所述方法在构造 大量功率-转速-风速样本的基础上，建立风速的万有引力神经网络预测模型并利用该模 型进行风速估计，继而通过最佳叶尖速比法预测出最大功率点所对应的最优风机转速，然 后将风机的转速调节到预测的最优风机转速，并以该转速为初始值，采用占空比扰动观察 法以设定的扰动步长跟踪风机的最大功率。
2. 根据权利要求1所述的基于万有引力神经网络的风电系统MPPT控制方法，其特征 是，所述方法包括以下步骤： a. 构造功率-转速-风速样本： 设定风速\以A V作为步长从启动风速V ^，逐步增加至额定风速Vt，并在每一风速条 件下，令风机转速《以为步长从起始转速升至额定转速《 t，在每一风速-风机 转速（Vw(i)，《 (i))环境下，利用下式计算出风机机械功率Pm⑴： w 、'
式中：R为风轮半径，P为空气密度，Cp为风能利用系数，A为叶尖速比，0为叶片桨 距角， 从而得到大量风速-风机转速-功率样本{> (i)，Pm(i)，Vw(i)}; b. 建立风速的万有引力神经网络预测模型： 利用BP神经网络建立风速预测模型，并利用万有引力搜索算法对BP神经网络模型进 行优化，具体步骤如下： ① 确定BP神经网络结构并设置初始的权值及阈值； ② 设置粒子群体规模N以及各粒子初始位置f = (K，一,W,…，，i = 1，2,3,…，N， D为粒子维数，并采用随机数生成的方式初始化各粒子位置； ③ 计算各粒子的适应度函数值： 定义粒子的适应度函数4为BP神经网络在训练样本上的均方差：
其中：m为输出节点个数；P为训练样本的个数；为网络期望输出值；xw.为网络实际 输出值； ④ 更新群体中的:^喊与f WOTSt(fbe;st= minfj，fWOTSt= maxf』)，按下式计算各粒子的质量 Mjr ⑤ 按照下式计算各粒子的引力合力F,_与加速度a
9 式中：t为迭代次数，f的为第i个粒子受到的来自其它粒子引力合力匕的第d维分 量，<(0为第i个粒子的第d维的加速度，ranees [0,1]之间的随机数，G(t)为引力时间 常数;Mpi (t)和分别为第i个粒子的被动惯性质量和第j个粒子的主动惯性质量， Y⑴和<(0分别为第i个粒子与第j个粒子的第d维的位置； ⑥ 按照下式更新各粒子的速度Vi与位置P i:
式中：W(0为第i个粒子的第d维的位置；v,"(〇为第i个粒子的第d维的速度； ⑦ 返回步骤③，达到最大迭代次数后停止迭代，此时fbest所对应的粒子位置即为优化 后的BP神经网络初始权值与阈值； ⑧ 利用步骤a所构造的功率-转速-风速样本开展模型训练： 将（Pm，《)作为万有引力神经网络模型的输入，输出为估计风速，每次迭代后，判断 是否满足迭代终止条件，若满足则算法终止，否则继续迭代； c. 采集风机的功率信号与转速信号，利用训练好的万有引力神经网络预测模型进行风 速估计； d. 利用估计风速，采用最佳叶尖速比法，得出所估计风速下的风机最佳转速
其中，为估计风速； e. 通过PI控制方法，将风机转速调节到最佳转速 f. 以最佳转速为初始值，采用占空比扰动观察法进行最大功率跟踪，当前后两次 扰动的功率差值大于设定的阈值（})时，说明风速发生了突变，重复步骤c~f。
3.根据权利要求2所述的基于万有引力神经网络的风电系统MPPT控制方法，其特征 是，考虑实际工程中风机转速信号与功率信号的测量存在噪声，对每个风速-风机转速-功 率样本l> (ihPjihKi)}样本中的《 (i)与Pji)均叠加一定的高斯噪声，叠加高斯噪 声后的转速《 ' (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 ?为转速信号噪声，服从N(0, 〇u2)的高斯分布，功率信号噪声，服从 N(0, 〇P2)的高斯分布。
4.根据权利要求3所述的基于万有引力神经网络的风电系统MPPT控制方法，其特征 是，风机功率信号的采集方法是：测量风力发电机A相与B相之间的线电压VAB，并检测其过 零点的频率f，设电机的极对数为n，则风机转速信号为《 = jrf/n;风机转速信号的采集 方法是：测量整流器输出电压Vz和输出电流I z，则功率信号为Pm= I Z*VZ。
【专利摘要】一种基于万有引力神经网络的风电系统MPPT控制方法，所述方法在构造大量功率-转速-风速样本的基础上，建立风速的万有引力神经网络预测模型并利用该模型进行风速估计，继而通过最佳叶尖速比法预测出最大功率点所对应的最优风机转速，然后将风机的转速调节到预测的最优风机转速，并以该转速为初始值，采用占空比扰动观察法以设定的扰动步长跟踪风机的最大功率。本发明采用估计的方法获取风速，无需装设风速传感器，可有效节约系统的控制成本，提高系统的可靠性；该方法利用万有引力搜索算法优化神经网络模型，可有效提高风速估计的精度；此外，本发明还具有跟踪速度快的优点，可提高风机的发电效率。
【IPC分类】F03D7-04
【公开号】CN104806450
【申请号】CN201510133361
【发明人】马良玉, 李强, 刘卫亮, 刘长良, 林永君, 陈文颖, 马进, 马永光
【申请人】华北电力大学（保定）
【公开日】2015年7月29日
【申请日】2015年3月25日