劉 姝，姚興佳，王曉東，單光坤，井艷軍

(1．沈陽(yáng)工業(yè)大學(xué)，遼寧沈陽(yáng)110023;2．沈陽(yáng)化工大學(xué)，遼寧沈陽(yáng)110142)

0 引 言

能源與環(huán)境是當(dāng)今人類(lèi)生存和發(fā)展所要解決的緊迫問(wèn)題，風(fēng)力發(fā)電是除水力發(fā)電之外最成熟、最具規(guī)模開(kāi)發(fā)和有商業(yè)化發(fā)展前景的發(fā)電技術(shù)。風(fēng)能具有儲(chǔ)存量大、分布性廣、利用比較方便并且無(wú)污染等優(yōu)點(diǎn)，因此大規(guī)模地開(kāi)發(fā)和利用風(fēng)能，具有較廣闊的應(yīng)用前景［1］。

目前在實(shí)際風(fēng)電機(jī)組中，變速恒頻風(fēng)力發(fā)電系統(tǒng)已經(jīng)被廣泛地應(yīng)用，它可以實(shí)時(shí)改變風(fēng)力發(fā)電機(jī)的轉(zhuǎn)速，使其運(yùn)行于最優(yōu)功率點(diǎn)，從而最大限度地捕獲風(fēng)能［2］。目前最大風(fēng)能捕獲控制方法主要有查表法、爬山搜索法、混合控制法等［3］。查表法操作簡(jiǎn)單，并且容易實(shí)現(xiàn)，還可以快速跟蹤給定，然而它需要實(shí)時(shí)地測(cè)量風(fēng)速，對(duì)風(fēng)速變化率比較敏感，數(shù)據(jù)大多由風(fēng)機(jī)廠家直接給出，所以容易受到環(huán)境變化和風(fēng)電機(jī)組磨損等外部條件的影響，還容易造成偏離實(shí)際最優(yōu)值;爬山搜索法往往需要預(yù)知風(fēng)機(jī)的一些參數(shù)，因而參數(shù)的準(zhǔn)確性直接影響控制的效果;混合控制法結(jié)合了查表法和爬山搜索法的各種控制優(yōu)點(diǎn)，能夠快速實(shí)時(shí)準(zhǔn)確地捕獲最優(yōu)實(shí)際功率，但仍然需要實(shí)時(shí)測(cè)量風(fēng)速，對(duì)風(fēng)速變化相對(duì)敏感［4］。

為此，針對(duì)以上算法的不足和缺點(diǎn)，本文在低于額定風(fēng)速工況下，利用專家經(jīng)驗(yàn)和模糊技術(shù)，建立一套最大風(fēng)能追蹤專家控制系統(tǒng)，目的是控制雙饋電機(jī)輸出的有功功率來(lái)控制電機(jī)的電磁轉(zhuǎn)矩，從而間接的控制機(jī)組轉(zhuǎn)速。

1 風(fēng)力發(fā)電機(jī)組的專家控制系統(tǒng)

專家控制系統(tǒng)是新興的一門(mén)學(xué)科，它是以知識(shí)為基礎(chǔ)，把人工智能領(lǐng)域的專家系統(tǒng)技術(shù)與控制理論方法相結(jié)合，進(jìn)行靈活的控制并實(shí)現(xiàn)復(fù)雜問(wèn)題的控制。作為交叉學(xué)科的人工智能和控制理論來(lái)說(shuō)，既可以典型應(yīng)用于人工智能領(lǐng)域，又是智能控制理論的分支，專家控制涉及低層控制和高層控制兩個(gè)方面。

人工智能領(lǐng)域中發(fā)展起來(lái)的專家系統(tǒng)是一種在特定領(lǐng)域內(nèi)基于知識(shí)的、具有專家智能水平的計(jì)算機(jī)程序。它通過(guò)模擬專家的思維過(guò)程，利用人類(lèi)專家知識(shí)和解決問(wèn)題的經(jīng)驗(yàn)方法來(lái)處理專家領(lǐng)域的難題。對(duì)于知識(shí)的控制系統(tǒng)，它的核心控制器是體現(xiàn)知識(shí)推理的機(jī)制和結(jié)構(gòu)。在不同的控制要求的情況下，專家控制系統(tǒng)的結(jié)構(gòu)不一樣，但是專家控制系統(tǒng)一般都包含知識(shí)庫(kù)、推理機(jī)、控制規(guī)則集和控制算法等。圖1 為專家控制系統(tǒng)的基本結(jié)構(gòu)［5］。

圖1 專家控制系統(tǒng)的基本結(jié)構(gòu)

2 模糊專家控制系統(tǒng)最大風(fēng)能追蹤設(shè)計(jì)

基于模糊技術(shù)的模糊專家系統(tǒng)模型是建立在模糊數(shù)學(xué)基礎(chǔ)上的，這樣產(chǎn)生了基于模糊規(guī)則的專家控制系統(tǒng)，也叫做模糊專家控制系統(tǒng)。模糊專家系統(tǒng)采用隸屬度和模糊集合來(lái)表示信息，并利用模糊技術(shù)推理的方法來(lái)對(duì)獲得的信息進(jìn)一步推理。模糊專家控制可以對(duì)得到的信息進(jìn)行全部或部分的利用模糊技術(shù)來(lái)獲取知識(shí)、表示知識(shí)并運(yùn)用。它的核心是模糊推理機(jī)，可以根據(jù)模糊知識(shí)庫(kù)中的不確定性進(jìn)行推理、策略、解決系統(tǒng)問(wèn)題，并給出認(rèn)為合理的控制命令。此控制方法可應(yīng)用于模型不太充分、不太精確，甚至不存在的復(fù)雜對(duì)象［6］。下面以風(fēng)力發(fā)電機(jī)組為例進(jìn)行。

風(fēng)輪的運(yùn)動(dòng)方程:

發(fā)電機(jī)的運(yùn)動(dòng)方程:

式中:Jr為風(fēng)輪轉(zhuǎn)矩的轉(zhuǎn)動(dòng)慣量;Jm為發(fā)電機(jī)轉(zhuǎn)子的轉(zhuǎn)動(dòng)慣量;Tr為風(fēng)輪的氣動(dòng)轉(zhuǎn)矩;Tm為高速軸的機(jī)械轉(zhuǎn)矩;Tg為發(fā)電機(jī)的反轉(zhuǎn)矩;ωr為風(fēng)輪轉(zhuǎn)速;ωg為發(fā)電機(jī)轉(zhuǎn)速;n 為齒輪箱的傳動(dòng)比;Dr為風(fēng)輪部分的傳動(dòng)阻尼系數(shù);Dg為發(fā)電機(jī)部分的傳動(dòng)阻尼系數(shù)。

發(fā)電機(jī)反轉(zhuǎn)矩公式:

式中:Tg為發(fā)電機(jī)的反轉(zhuǎn)矩;p 為發(fā)電機(jī)極對(duì)數(shù);m1為發(fā)電機(jī)定子相數(shù);U1為電網(wǎng)電壓;C1為修正系數(shù);ωG為發(fā)電機(jī)的當(dāng)量轉(zhuǎn)速;ωl為發(fā)電機(jī)的同步轉(zhuǎn)速;r1、x1為定子繞組的電阻和漏抗;r′2、x′2分別為歸算后轉(zhuǎn)子繞組的電阻和漏抗。

部分參數(shù)如下［7］:齒輪傳動(dòng)比為1∶ 90，風(fēng)輪轉(zhuǎn)動(dòng)慣量為5．45 × 106kg ·m2，發(fā)電機(jī)轉(zhuǎn)動(dòng)慣量為97. 5 kg·m2，定子電阻為0. 002 25 Ω，定子漏抗為0．015 9 Ω，轉(zhuǎn)子電阻(折合)為0．002 03 Ω，轉(zhuǎn)子漏抗(折合)為0．020 7 Ω。

本文的最終目標(biāo)就是捕獲最大風(fēng)能，提高風(fēng)力發(fā)電機(jī)組的效率。其中，對(duì)發(fā)電機(jī)轉(zhuǎn)矩的控制是最關(guān)鍵的。由于風(fēng)力發(fā)電機(jī)組具有時(shí)間性、非線性、滯后性等特點(diǎn)，用經(jīng)典的控制理論很難實(shí)現(xiàn)，解決這種不太充分、精確的模型，以至于無(wú)法建立控制過(guò)程而提出的專家控制系統(tǒng)可以解決這類(lèi)問(wèn)題。

2.1 最大風(fēng)能追蹤專家控制器的結(jié)構(gòu)

根據(jù)風(fēng)力發(fā)電系統(tǒng)最大風(fēng)能追蹤的特點(diǎn)，構(gòu)建如圖2 所示的最大風(fēng)能控制系統(tǒng)。

圖2 模糊專家控制框圖

系統(tǒng)工作過(guò)程如下:首先用數(shù)據(jù)挖掘系統(tǒng)得到一些最大風(fēng)能追蹤的有用數(shù)據(jù)，根據(jù)模糊控制系統(tǒng)的需求進(jìn)行編制，存入到系統(tǒng)的知識(shí)庫(kù)里，然后系統(tǒng)根據(jù)用戶預(yù)先設(shè)定的狀態(tài)實(shí)時(shí)獲取當(dāng)前的發(fā)電機(jī)轉(zhuǎn)速，并將其與預(yù)先設(shè)定好的參數(shù)相比較，得到與之相應(yīng)的誤差和誤差變化率。根據(jù)以上所述，系統(tǒng)先對(duì)參數(shù)進(jìn)行模糊化處理;然后推理機(jī)再按照某種規(guī)則根據(jù)這些數(shù)據(jù)推理出一種最合理的結(jié)果;最后用推理結(jié)果去模糊化后轉(zhuǎn)換成相應(yīng)的可控制結(jié)論，系統(tǒng)再根據(jù)結(jié)論具體控制發(fā)電機(jī)的轉(zhuǎn)矩。

2.2 模糊專家?guī)斓脑O(shè)計(jì)

2．2．1 知識(shí)庫(kù)的表示方法［8］

專家控制系統(tǒng)是基于知識(shí)的系統(tǒng)，模糊專家控制系統(tǒng)也是基于知識(shí)的。所以，專家系統(tǒng)開(kāi)發(fā)過(guò)程中關(guān)鍵的一個(gè)環(huán)節(jié)是知識(shí)獲取。

本系統(tǒng)中，知識(shí)庫(kù)的表現(xiàn)形式為產(chǎn)生規(guī)則的基礎(chǔ)上增加了模糊表示的能力，其一般表示形式:

式中:P1，P2，…，Pn是規(guī)則的子前提條件，即風(fēng)能捕獲中的模糊性征兆(事實(shí));ωP1，ωP2，…，ωPn是前提子條件的權(quán)重系數(shù)，表示前提子條件中各事實(shí)對(duì)捕獲貢獻(xiàn)大小的度量;C1，C2，…，Cn是規(guī)則的可信度;τ 是規(guī)則成立的閾值，其取值由專家規(guī)則決定，通常介于0 和1 之間。

2．2．2 輸入、輸出變量的論域［9－11］

模糊專家控制器輸入為發(fā)電機(jī)轉(zhuǎn)速，輸出為轉(zhuǎn)矩。系統(tǒng)的輸入量和輸出量首先進(jìn)行規(guī)則化處理，再把它們的基本論域和統(tǒng)一的模糊集合論域相對(duì)應(yīng)。

本文將輸入輸出變量的模糊語(yǔ)言狀態(tài)值設(shè)為7個(gè):分別是負(fù)小(NS)、負(fù)中(NM)、負(fù)大(NB)、零(Z)、正大(PB)、正中(PM)、正小(PS)，論域?yàn)閧6，5，4，3，2，1，0，－1，－2，－3，－4，－5，－6}。

根據(jù)上述控制規(guī)律建立控制規(guī)則，總結(jié)出最大風(fēng)能追蹤系統(tǒng)的控制經(jīng)驗(yàn)，得出模糊控制規(guī)則表，如表1 所示。

表1 模糊專家控制規(guī)則表

2．2．3 模糊隸屬度函數(shù)［12］

以風(fēng)速為基準(zhǔn)，15 m/s 以上風(fēng)速視為大風(fēng)(PB)，5 m 以下風(fēng)速視為小風(fēng)(NB)，10 m/s 左右風(fēng)速視為中風(fēng)(Z)，大風(fēng)與中風(fēng)之間12m/s 的風(fēng)速定義為正中(PM)，中風(fēng)與小風(fēng)之間8 m/s 的風(fēng)速定義為負(fù)中(NM)。

模糊語(yǔ)言值實(shí)際是一個(gè)模糊子集，而語(yǔ)言值最終是通過(guò)隸屬函數(shù)來(lái)描述的。在模糊規(guī)則中確定隸屬度值是重要的過(guò)程，模糊理論中采用“0”和“1”之間的一個(gè)數(shù)值來(lái)描述某元素以某種程度隸屬于某集合。只要選擇適當(dāng)?shù)碾`屬函數(shù)，模糊推理算法，邏輯模糊系統(tǒng)可以在任意精度上逼近某個(gè)給定的非線性函數(shù)［13］。

根據(jù)該系統(tǒng)的特點(diǎn)，輸入輸出隸屬函數(shù)采用三角模糊專家隸屬度的形式。本文設(shè)計(jì)的隸屬度函數(shù)如圖3、圖4 所示［16，19］。

2．2．4 模糊專家系統(tǒng)的推理模型［14］

專家系統(tǒng)中實(shí)現(xiàn)基于知識(shí)推理的部件是推理機(jī)，它是基于知識(shí)的推理在主機(jī)中的實(shí)現(xiàn)，是專家系統(tǒng)的核心部分，用來(lái)控制、協(xié)調(diào)整個(gè)系統(tǒng)。

以1 MW 風(fēng)力發(fā)電機(jī)為研究對(duì)象，設(shè)風(fēng)電機(jī)組在發(fā)電運(yùn)行時(shí)，發(fā)電機(jī)轉(zhuǎn)速集合量X = {x1，x2，…，xn}，轉(zhuǎn)矩集合Y ={y1，y2，…，yn}。X 與Y 之間的模糊關(guān)系隸屬度表示為:

式中:R 為專家知識(shí)的模糊關(guān)系矩陣，R = (rij)m×n，rij∈(0，1］，rij越大，關(guān)系越密切;“○”為模糊算子。

首先將1 MW 風(fēng)力發(fā)電機(jī)轉(zhuǎn)速與知識(shí)庫(kù)中規(guī)則前件的隸屬度值進(jìn)行匹配，確定知識(shí)庫(kù)中哪些規(guī)則可用，然后用模糊關(guān)系矩陣表示轉(zhuǎn)速和轉(zhuǎn)矩間的關(guān)系，當(dāng)知識(shí)庫(kù)中所有規(guī)則匹配完成后將所有可用規(guī)則前件的權(quán)重系數(shù)組成模糊矩陣R，矩陣中的每個(gè)元素的大小表明它們相互間的關(guān)系程度。

由此模糊隸屬關(guān)系可表示:

式中:∧、∨分別表示最大值和最小值運(yùn)算。

經(jīng)過(guò)模糊運(yùn)算，系統(tǒng)對(duì)這個(gè)結(jié)果進(jìn)行處理，以便得到轉(zhuǎn)矩輸出量。這種方法方便直接，但主要應(yīng)用在隸屬值之間差距較大的情況。

3 系統(tǒng)仿真與分析

以1 MW 風(fēng)電機(jī)組為控制對(duì)象，在各種工況下對(duì)模糊專家控制系統(tǒng)進(jìn)行仿真。風(fēng)速隨時(shí)間變化的曲線如圖5 所示。電磁轉(zhuǎn)矩隨時(shí)間變化的圖線如圖6 所示。風(fēng)力發(fā)電機(jī)功率輸出如圖7 所示。

由于智能控制領(lǐng)域中的模糊控制是一個(gè)高度非線性的動(dòng)力系統(tǒng)，它可以不依賴于數(shù)學(xué)模型，具有很強(qiáng)的自適應(yīng)和學(xué)習(xí)能力，而專家系統(tǒng)的智能化主要表現(xiàn)為能夠在特定的領(lǐng)域內(nèi)模仿人類(lèi)專家思維來(lái)求解復(fù)雜問(wèn)題。根據(jù)幾組曲線圖可以看出，模糊專家控制方法在風(fēng)電機(jī)組中能比較好地完成控制任務(wù)，實(shí)現(xiàn)風(fēng)能的最大追蹤。

4 結(jié) 語(yǔ)

本文針對(duì)風(fēng)電機(jī)組的非線性和時(shí)變性，將模糊控制和專家系統(tǒng)相結(jié)合，提出了一種基于模糊專家控制系統(tǒng)的最大風(fēng)能追蹤控制策略，目的是為了充分利用專家知識(shí)和人工經(jīng)驗(yàn)，克服了風(fēng)電機(jī)組輸出功率的不穩(wěn)定性，最大限度地利用風(fēng)能以獲得最大輸出功率。將兩者有機(jī)的結(jié)合起來(lái)，通過(guò)仿真結(jié)果可以看出，采用模糊專家控制器可以有效地追蹤最大風(fēng)能，比傳統(tǒng)控制方法要優(yōu)越很多，該方案具有可行性。

［1］ 陳毅東，楊育林，王立喬，等．風(fēng)力發(fā)電最大功率點(diǎn)跟蹤技術(shù)及仿真分析［J］．高電壓技術(shù)，2010，36(5):1322－1326．

［2］ 宋樂(lè)鵬，李輝，董志明．模糊邏輯的雙饋發(fā)電機(jī)最大風(fēng)能捕獲控制［J］．微特電機(jī)，2010(10):55－60．

［3］ 張琦瑋，蔡旭．最大風(fēng)能捕獲風(fēng)力發(fā)電系統(tǒng)及其仿真［J］．電機(jī)與控制應(yīng)用，2007，34(5):45－46．

［4］ Morimoto Shigeo，Nakamura Tomohiko，Takeda Yoji．Power maximization control of variable speed wind generation system using permanent magnet synchronous generator［J］．Electrical engineering in Japan，2005，150(2):11－19．

［5］ 劉建偉，徐興元，龐京玉，等．專家控制系統(tǒng)研究進(jìn)展［J］．微型機(jī)與應(yīng)用，2005(11):4－5．

［6］ Neammanee Bunlu，Krajangpan Korawit，Sirisumrannuk Sam．Maximum peak power tracking based control algorithms with stall regulation for optimal wind enegy capture［J］．IEEE Transacions on Industry Application，2008，128(4):411－417．

［7］ 蘇憲彬．變速恒頻雙饋風(fēng)電系統(tǒng)最大風(fēng)能追蹤研究［D］．沈陽(yáng):沈陽(yáng)工業(yè)大學(xué)，2010．

［8］ 吳釗．一種專家系統(tǒng)模糊知識(shí)庫(kù)的設(shè)計(jì)與實(shí)現(xiàn)［J］．襄樊學(xué)院學(xué)報(bào)，2003，24(5):68－69．

［9］ 楊曉紅，葛海濤．基于模糊控制的風(fēng)力發(fā)電機(jī)組低風(fēng)速時(shí)最大風(fēng)能追蹤控制仿真研究［J］．機(jī)械設(shè)計(jì)與制造，2010，8(8):207－209．

［10］ 王欣，王魏．基于神經(jīng)元網(wǎng)絡(luò)和模糊專家系統(tǒng)的電短期負(fù)荷預(yù)測(cè)［J］．沈陽(yáng)工程學(xué)院學(xué)報(bào)(自然科學(xué)版)，2010，6(4):318－319．

［11］ 劉峰，王輝，許琤，等．模糊控制器在最優(yōu)風(fēng)能捕捉系統(tǒng)中的應(yīng)用［J］．微計(jì)算機(jī)信息(測(cè)控自動(dòng)化)，2008，24(22):18 －19．

［12］ 朱成銀．模糊專家控制系統(tǒng)及其在閘群自動(dòng)控制系統(tǒng)中的應(yīng)用研究［D］．四川大學(xué)，2004:45－47．

［13］ 劉曉慧，馬玲．模糊理論在專家系統(tǒng)中的應(yīng)用研究［J］．電腦學(xué)習(xí)，2009(6):9－10．

［14］ 張曉丹，趙海，王剛，等．基于信息融合的故障診斷模糊專家系統(tǒng)的應(yīng)用［J］．吉林大學(xué)學(xué)報(bào)(工學(xué)版)，2004，1(34):141 －145．