CN103414414A

CN103414414A - 变风速条件下风力发电***最大功率点跟踪方法

Info

Publication number: CN103414414A
Application number: CN2013103584772A
Authority: CN
Inventors: 周天沛; 朱涛
Original assignee: Xuzhou College of Industrial Technology
Current assignee: Xuzhou College of Industrial Technology
Priority date: 2013-08-15
Filing date: 2013-08-15
Publication date: 2013-11-27

Abstract

本发明公开了一种变风速条件下风力发电***最大功率点跟踪方法，涉及自风力发电自动控制技术领域。该方法在风机启动或风速较低阶段，如果此时风机输出功率小于0.5倍额定功率，采用扰动观察方法；在风机处于运行阶段，当风速变大且变化较快时，如果此时输出功率大于0.5倍额定功率而且继续上升，则采用粒子群优化算法；如果在运行期间风速开始降低，其风机输出功率小于0.5倍额定功率，但仍大于0.25倍额定功率，依然采用粒子群优化算法，直到输出功率小于0.25倍额定功率，才采用扰动观察法。优点是：能很好的实现风能最大功率点追踪控制，有效提高了***的跟踪速度和输出效率，而且输出曲线较为平滑，输出振动减小，提高了电能质量。

Description

变风速条件下风力发电***最大功率点跟踪方法

技术领域

本发明涉及风力发电自动控制技术领域，具体是一种变风速条件下风力发电***最大功率点跟踪方法。

背景技术

中国具有丰富的风能资源，据统计陆上可开发的风能超过7.5亿KW，近海风能超过2.5亿KW，风能可利用区域占到全国面积的76%。截止到2012年底中国大型风电机组的装机容量已经达到2580万KW，但同时我国还存在数量众多的独立运行的小型风力发电机，据统计数量已有几十万台。目前小型风力发电机的MPPT控制算法主要为扰动观察方法，但该方法只是考虑了风速变化较慢的情况，而在实际的使用中，由于风所具有随机不确定、非线性的特点导致风速变化非常复杂，使得采用扰动观察方法的风力发电***在变风速条件下其跟踪效率降低或跟踪失败。

当风机刚启动或处于低风速阶段时，由于风速的的变化率也不是很大，从而导致PWM的占空比D变化较慢或者没有变化，若采用粒子群优化算法，极易陷入局部最优而且精度不高；如果采用扰动观察法，其在最大功率点附近采用固定步长或变步长方式不断比较输出功率的大小，因为此时风机的输出功率变化率较小，可以以较快的速度跟踪到实际的最大功率点。而当风机处于高风速阶段，由于风速变化较快，从而导致PWM的占空比D变化较快，若采用扰动观察法，由于此时风机的输出功率变化率较大，会导致跟踪速度较慢且精度不高，而粒子群优化算法具有较强的全局搜索能力，因此能够以较快的速度跟踪到最大功率点。因此得到的结论是：扰动观察法在风机刚启动或是风速变化较慢时具有较高的输出效率；而粒子群优化算法在高风速或是风速变化较快时具有较高的输出效率。所以可以根据不同的风速变化将两种方法结合以提高***的输出功率是可行的。

发明内容

为了克服上述现有技术的缺点，本发明提供变风速条件下风力发电***最大功率点跟踪方法，有效提高了***的跟踪速度和输出效率。

本发明是以如下技术方案实现的：在风机启动或风速较低阶段，如果此时风机输出功率小于0.5倍额定功率，MPPT控制算法采用扰动观察方法；在风机处于运行阶段，当风速变大且变化较快时，如果此时输出功率大于0.5倍额定功率而且继续上升，MPPT控制算法则采用粒子群优化算法；如果在运行期间风速开始降低，其风机输出功率小于0.5倍额定功率，但仍大于0.25倍额定功率，MPPT控制算法依然采用粒子群优化算法，直到输出功率小于0.25倍额定功率，MPPT控制算法才采用扰动观察法。

本发明的有益效果是：与传统扰动观察方法进行比较可知，本发明提出的方法能很好的实现风能最大功率点追踪控制，有效提高了***的跟踪速度和输出效率，而且输出曲线较为平滑，输出振动减小，提高了电能质量。

附图说明

下面结合附图对本发明作进一步说明。

图1是本发明原理图；

图2是粒子群优化算法的原理图；

图3是扰动观察法的原理图。

具体实施方式

如图1所示，在风机启动或风速较低阶段，如果此时风机输出功率小于0.5倍额定功率，MPPT控制算法采用扰动观察方法；在风机处于运行阶段，当风速变大且变化较快时，如果此时输出功率大于0.5倍额定功率而且继续上升，MPPT控制算法则采用粒子群优化算法；如果在运行期间风速开始降低，其风机输出功率小于0.5倍额定功率，但仍大于0.25倍额定功率，MPPT控制算法依然采用粒子群优化算法，直到输出功率小于0.25倍额定功率，MPPT控制算法才采用扰动观察法。

变风速条件下风力发电***最大功率点跟踪方法是将智能优化算法的思想与传统扰动观察方法相结合，可以解决变风速条件下MPPT控制策略的一些难题。该方法的出发点是在风速较低时采用扰动观察法；而在风速较高时采用粒子群优化算法。因此该方法分为粒子群优化算法的设计和扰动观察法的设计。

如图2所示，本发明利用变邻域粒子群优化算法，可使风力机在最佳叶尖速比下运转，从而使C _P在很大的风速变化范围内均能保持最大值，从而达到最大功率追踪的目的。具体步骤如下：

Step 1：初始化粒子群。设粒子速度为0，个体极值为粒子自身，储备集容量为100，种群规模N=100，最大进化代数T _max=500，最大粒子速度v_max=2，惯性权重

=0.4， C ₁=2，C ₂=2；

Step 2：风能利用系数C _P确定为目标函数；

Step 3：计算并评价新生粒子对应目标函数的适应值；

Step 4：利用变邻域粒子选择方法完成粒子全局极值及个体极值的选择和更新；

Step 5：由新生粒子保存策略更新粒子位置，由优势粒子速度小概率变异、劣势粒子速度随机生成方法更新粒子位置及速度；

Step6：判断终止条件是否满足，若满足，则算法停止，输出优化解；否则，转Step 3。

如图3所示，设D为PWM的占空比，

为扰动量，

为允许的误差范围值，U(n)，I(n)和P(n)分别为扰动前的电压，电流和功率，U(n+l)，I(n+1)和P(n+1)则为扰动后的电压，电流和功率。通过比较扰动前后功率值和电压值的大小，便可实现占空比的调节，由风力机的特性曲线可知，当P(n+1)>P(n)，且U(n+l)>U(n)，或者P(n)<P(n+l)，且U(n+l)<U(n)时，风力机运行在最大功率点的左侧，需要增加PWM的占空比D以增加转速，提高电压使风机工作在最大功率点；当P(n+1)>P(n)且U(n+l)<U(n)，或者P(n)<P(n+l)且U(n+l)>U(n)时，风机运行在最大功率点的右侧，需要减小PWM的占空比D以减小转速，降低电压使风机工作在最大功率点。

Claims

1.变风速条件下风力发电***最大功率点跟踪方法，其特征在于：在风机启动或风速较低阶段，如果此时风机输出功率小于0.5倍额定功率，MPPT控制算法采用扰动观察方法；

在风机处于运行阶段，当风速变大且变化较快时，如果此时输出功率大于0.5倍额定功率而且继续上升，MPPT控制算法则采用粒子群优化算法；

如果在运行期间风速开始降低，其风机输出功率小于0.5倍额定功率，但仍大于0.25倍额定功率，MPPT控制算法依然采用粒子群优化算法，直到输出功率小于0.25倍额定功率，MPPT控制算法才采用扰动观察法。

2.根据权利要求1所述的变风速条件下风力发电***最大功率点跟踪方法，其特征在于：粒子群优化算法具体步骤如下：

1）初始化粒子群；设粒子速度为0，个体极值为粒子自身，储备集容量为100，种群规模N=100，最大进化代数T _max=500，最大粒子速度v_max=2，惯性权重

=0.4， C ₁=2，C ₂=2；

2）风能利用系数C _P确定为目标函数；

3）计算并评价新生粒子对应目标函数的适应值；

4）利用变邻域粒子选择方法完成粒子全局极值及个体极值的选择和更新；

5）由新生粒子保存策略更新粒子位置，由优势粒子速度小概率变异、劣势粒子速度随机生成方法更新粒子位置及速度；

6）判断终止条件是否满足，若满足，则算法停止，输出优化解；否则，转步骤3）。

3.根据权利要求1所述的变风速条件下风力发电***最大功率点跟踪方法，其特征在于：扰动观察方法的具体步骤如下：

设D为PWM的占空比，

为扰动量，

为允许的误差范围值，U(n)，I(n)和P(n)分别为扰动前的电压，电流和功率，U(n+l)，I(n+1)和P(n+1)则为扰动后的电压，电流和功率；通过比较扰动前后功率值和电压值的大小，便可实现占空比的调节，由风力机的特性曲线可知，

当P(n+1)>P(n)，且U(n+l)>U(n)，或者P(n)<P(n+l)，且U(n+l)<U(n)时，风力机运行在最大功率点的左侧，需要增加PWM的占空比D以增加转速，提高电压使风机工作在最大功率点；

当P(n+1)>P(n)且U(n+l)<U(n)，或者P(n)<P(n+l)且U(n+l)>U(n)时，风机运行在最大功率点的右侧，需要减小PWM的占空比D以减小转速，降低电压使风机工作在最大功率点。