风电发电功率预测模型改进研究
陈凯
摘 要： 为了提高风力发电机的发电功率和使用效率，需要进行风电发电功率有效预测， 实现电机优化控制。提出一种基于模糊PID的风电发电功率预测模型。首先建立风电发电机的电路模型，以风电发电机的输出目标电流、输出功率、励磁电流和动子电流等参量为约束参量模型，进行风电发电机的控制器模型设计。在优化控制模型中，根据基尔霍夫电压回路模型建立发电功率预测的模糊PID控制目标函数，并进行最优解求取，实现发电功率有效预测。实验结果表明，采用该方法进行风电发电功率预测的精度较高，收敛性较好，有效提高了风电发电机的输出效率。
关键词： 风电发电； 功率预测； 优化控制； PID
中图分类号： TN830.4?34； TM359 文献标识码： A 文章编号： 1004?373X（2017）22?0169?03
Abstract： In order to improve the generation power and application efficiency of wind generator， the power prediction for wind power generation is needed to achieve optimal control of the generator. A fuzzy PID based power prediction model of wind power generation is proposed in this paper. The circuit model of wind power generator is built， and then the controller model for wind power generator is designed by taking the parameters of output goal current， output power， excitation current and rotor current of the wind power generator as the constraint parameter model. In the optimized control model， the fuzzy PID control objective function for generation power prediction is established according to Kirchhoff voltage loop model， and its optimal solution is obtained to achieve effective generation power prediction. The experimental results show that the method has high precision and good convergence for power forecasting of the wind power generation， and can improve the output efficiency of wind power generator effectively.
Keywords： wind power generation； power prediction； optimal control； PID
0 引 言
随着人们对风能利用和开发的不断深入，风力发电向系统化和大功率方向发展，且电机设计和制造工艺越来越成熟，能高效地采集风能并得到大功率的电能输出。风力发电具有绿色污染的特点，成为新能源开发的主要方向，风力发电机是利用风能推动电机组的三相定子绕组进行旋转而产生电能的发电子装置，风力电机是一种永磁励磁绕组电机，具有多变量、非线性的特点[1]。由于风能输入的不确定性，导致对风力电力的功率预测难度较大，需要研究一种有效的风电发电功率预测模型，提高风电机的控制品质。本文提出一种基于模糊PID的风电发电功率预测模型，首先进行电机工作原理分析和电机控制模型设计，然后进行功率输出预测约束参量分析，采用模糊PID算法实现功率输出优化预测，最后进行仿真实验分析，得到有效性结论。
1 电机模型分析与约束参量描述
1.1 风力发电机模型分析
为了实现对风电发电功率预测模型改进设计，首先需要构建风电机的电机结构模型，风力发电机采用平板式电磁耦合设计方法，构建风力发电的直线感应电机模型，建立单定子的风力电机的等效电路模型如图1所示。根据图1所示的单定子风力电机等效模型进行输出功率预测的模型参数分析，电机的负载电阻为[Req]，电机定子绕组间通过整流和滤波输出电磁推力，负载电阻等效为：
电枢反应互感项由负载、频率决定，通过上述对风力发电机模型分析，进行风力发电机的输出功率预测，构建预测约束参量模型。
1.2 功率预测约束参量分析
在建立风电发电机的电路模型的基础上，以风电发电机的输出目标电流、输出功率、励磁电流和动子电流等参量为约束参量模型[3]，构建电磁转矩方程，进行功率预测目标函数构建，得到功率预测约束参量描述为：
2 PID预测模型
在上述进行了风电发电的电机等效电路设计和预测约束参量分析的基础上，进行模型优化，本文提出一种基于模糊PID的预测模型，根据基尔霍夫电压回路模型建立发电功率预测的模糊PID控制目标函数[4]，基尔霍夫电压回路方程描述为：
3 实验测试分析
为了测试本文方法在实现风电发电功率预测中的应用性能，进行实验分析，实验中的电源供电电压[B]=30 V，电机电磁绕组的磁密在2.5～5.5之间取值，初级侧和次级侧的输出功率分别为[Pe=0.907 8k″eBnmaxf2]，[Px=0.96k″xB1.5maxf1.5]，电压增益为12 V，电磁耦合器的励磁电感为229 H，转矩输出为12 N·m，風力采集的分布三维空间范围为1 200 m×2 000 m×20 m，风机发电过程中的负载、频率以及定子并联耦合参数分别为[A1=0.3，ω1=0.07π]，[A2=2，ω2=0.09π]，
4 结 语
本文提出一种基于模糊PID的风电发电功率预测模型，建立风电发电机的电路模型，以风电发电机的输出目标电流、输出功率、励磁电流和动子电流等参量为约束参量模型，进行风电发电机的控制器模型设计。在优化控制模型中，根据基尔霍夫电压回路模型建立发电功率预测的模糊PID控制目标函数，并进行最优解求取，实现发电功率有效预测。
仿真结果表明，采用该方法进行风电发电功率预测的精度较高，收敛性较好，有效地提高了风电发电机的输出效率，性能优越。
参考文献
[1] 齐昕，周晓敏，马祥华，等.感应电机预测控制改进算法[J].电机与控制学报，2013，17（3）：62?69.
[2] 张建华，曾博，张玉莹，等.主动配电网规划关键问题与研究展望[J].电工技术学报，2014，29（2）：13?23.
[3] 路阳，付艳明，张卯瑞.线性连续周期系统的模型参考跟踪控制[J].控制与决策，2016，31（7）：1279?1284.
[4] 和敬涵，刘琳.解耦变换模式下智能配电网快速状态估计算法[J].中国电机工程学报，2017，37（4）：1088?1095.
[5] 焦文良，王旭东，那日沙，等.多重联结大功率直流电源控制策略研究[J].电机与控制学报，2016，20（5）：53?59.
[6] 李寿强.基于模糊神经网络电力系统无功功率控制研究[J].电气应用，2012，31（8）：32?34.
摘 要： 为了提高风力发电机的发电功率和使用效率，需要进行风电发电功率有效预测， 实现电机优化控制。提出一种基于模糊PID的风电发电功率预测模型。首先建立风电发电机的电路模型，以风电发电机的输出目标电流、输出功率、励磁电流和动子电流等参量为约束参量模型，进行风电发电机的控制器模型设计。在优化控制模型中，根据基尔霍夫电压回路模型建立发电功率预测的模糊PID控制目标函数，并进行最优解求取，实现发电功率有效预测。实验结果表明，采用该方法进行风电发电功率预测的精度较高，收敛性较好，有效提高了风电发电机的输出效率。
关键词： 风电发电； 功率预测； 优化控制； PID
中图分类号： TN830.4?34； TM359 文献标识码： A 文章编号： 1004?373X（2017）22?0169?03
Abstract： In order to improve the generation power and application efficiency of wind generator， the power prediction for wind power generation is needed to achieve optimal control of the generator. A fuzzy PID based power prediction model of wind power generation is proposed in this paper. The circuit model of wind power generator is built， and then the controller model for wind power generator is designed by taking the parameters of output goal current， output power， excitation current and rotor current of the wind power generator as the constraint parameter model. In the optimized control model， the fuzzy PID control objective function for generation power prediction is established according to Kirchhoff voltage loop model， and its optimal solution is obtained to achieve effective generation power prediction. The experimental results show that the method has high precision and good convergence for power forecasting of the wind power generation， and can improve the output efficiency of wind power generator effectively.
Keywords： wind power generation； power prediction； optimal control； PID
0 引 言
随着人们对风能利用和开发的不断深入，风力发电向系统化和大功率方向发展，且电机设计和制造工艺越来越成熟，能高效地采集风能并得到大功率的电能输出。风力发电具有绿色污染的特点，成为新能源开发的主要方向，风力发电机是利用风能推动电机组的三相定子绕组进行旋转而产生电能的发电子装置，风力电机是一种永磁励磁绕组电机，具有多变量、非线性的特点[1]。由于风能输入的不确定性，导致对风力电力的功率预测难度较大，需要研究一种有效的风电发电功率预测模型，提高风电机的控制品质。本文提出一种基于模糊PID的风电发电功率预测模型，首先进行电机工作原理分析和电机控制模型设计，然后进行功率输出预测约束参量分析，采用模糊PID算法实现功率输出优化预测，最后进行仿真实验分析，得到有效性结论。
1 电机模型分析与约束参量描述
1.1 风力发电机模型分析
为了实现对风电发电功率预测模型改进设计，首先需要构建风电机的电机结构模型，风力发电机采用平板式电磁耦合设计方法，构建风力发电的直线感应电机模型，建立单定子的风力电机的等效电路模型如图1所示。根据图1所示的单定子风力电机等效模型进行输出功率预测的模型参数分析，电机的负载电阻为[Req]，电机定子绕组间通过整流和滤波输出电磁推力，负载电阻等效为：
电枢反应互感项由负载、频率决定，通过上述对风力发电机模型分析，进行风力发电机的输出功率预测，构建预测约束参量模型。
1.2 功率预测约束参量分析
在建立风电发电机的电路模型的基础上，以风电发电机的输出目标电流、输出功率、励磁电流和动子电流等参量为约束参量模型[3]，构建电磁转矩方程，进行功率预测目标函数构建，得到功率预测约束参量描述为：
2 PID预测模型
在上述进行了风电发电的电机等效电路设计和预测约束参量分析的基础上，进行模型优化，本文提出一种基于模糊PID的预测模型，根据基尔霍夫电压回路模型建立发电功率预测的模糊PID控制目标函数[4]，基尔霍夫电压回路方程描述为：
3 实验测试分析
为了测试本文方法在实现风电发电功率预测中的应用性能，进行实验分析，实验中的电源供电电压[B]=30 V，电机电磁绕组的磁密在2.5～5.5之间取值，初级侧和次级侧的输出功率分别为[Pe=0.907 8k″eBnmaxf2]，[Px=0.96k″xB1.5maxf1.5]，电压增益为12 V，电磁耦合器的励磁电感为229 H，转矩输出为12 N·m，風力采集的分布三维空间范围为1 200 m×2 000 m×20 m，风机发电过程中的负载、频率以及定子并联耦合参数分别为[A1=0.3，ω1=0.07π]，[A2=2，ω2=0.09π]，
4 结 语
本文提出一种基于模糊PID的风电发电功率预测模型，建立风电发电机的电路模型，以风电发电机的输出目标电流、输出功率、励磁电流和动子电流等参量为约束参量模型，进行风电发电机的控制器模型设计。在优化控制模型中，根据基尔霍夫电压回路模型建立发电功率预测的模糊PID控制目标函数，并进行最优解求取，实现发电功率有效预测。
仿真结果表明，采用该方法进行风电发电功率预测的精度较高，收敛性较好，有效地提高了风电发电机的输出效率，性能优越。
参考文献
[1] 齐昕，周晓敏，马祥华，等.感应电机预测控制改进算法[J].电机与控制学报，2013，17（3）：62?69.
[2] 张建华，曾博，张玉莹，等.主动配电网规划关键问题与研究展望[J].电工技术学报，2014，29（2）：13?23.
[3] 路阳，付艳明，张卯瑞.线性连续周期系统的模型参考跟踪控制[J].控制与决策，2016，31（7）：1279?1284.
[4] 和敬涵，刘琳.解耦变换模式下智能配电网快速状态估计算法[J].中国电机工程学报，2017，37（4）：1088?1095.
[5] 焦文良，王旭东，那日沙，等.多重联结大功率直流电源控制策略研究[J].电机与控制学报，2016，20（5）：53?59.
[6] 李寿强.基于模糊神经网络电力系统无功功率控制研究[J].电气应用，2012，31（8）：32?34.
