小型风力机组发电最大功率点跟踪技术综述

毛盾

【摘要】 当前能源危机制约着社会的发展，因此发展风力这一清洁能源是国家可持续发展的长久之计。本文中探讨了小型风力机发电最大功率点跟踪的传统方法，也重点讨论了智能算法，包括模糊控制和遗传算法，并阐明了各自的优缺点，旨在为小型风力机发电系统最大功率点跟踪方案提供参考和选择。

【关键词】 小型风力机组 最大功率点跟踪 最佳叶尖速比法 爬山搜索算法 自适应算法 模糊控制法 遗传算法

目前在清洁能源这一领域，风力发电和光伏发电发展的最快最好，但是笔者在研究过程中发现，无论在国内还是国外，风力发电研究相比于光伏发电研究要少一些，尤其在智能控制领域。主要也由于风力系统存在非线性，风速变化快，难以捕捉，风机转速调整难以满足实时性等。

一、最佳叶尖速比法[1]：

根据贝慈理论风能的利用系数随着叶尖速比的变化而变化，当风速发生变化时，可以通过调节风力发电机风轮的转速维持在最大值出，即最佳叶尖速比的位置。

最佳叶尖速比法的缺陷：最佳叶尖速比法长期运行中系统参数的变化会使实际最大功率点偏离原曲线，导致理论调节的最佳转速与当前状态所需最佳转速不符；另外风能又是一种随机性很强的能源，风速频繁处于波动过程中且很难短期预测。这些都使MPPT控制下的风机系统绝大部分时间都处于动态过程中，而非运行在稳态工作点上，使跟踪结果在实际的最大功率点波动[2]。

二、爬山搜索算法[3]

爬山搜索算法的总体思路：为了避免精确捕捉风速的难题，而在当前风速下给风力发电机风轮以一个转速的干扰，通过检测风力发电机的输出功率的变化，与已知转速与最大输出功率之间的关系曲线进行对比，以此来决定搜索的方向。

爬山搜索算法的缺陷：爬山搜索算法虽然避免了捕捉风速的难题，但是因为引入扰动，会对系统的稳定性造成影响，使系统在最大功率点附近发生震荡，扰动步长过大或过小都会对跟踪效率产生影响，当环境发生突变时，跟踪会产生误判。

三、自适应控制

基于微分跟踪器的功率曲线自寻优控制，它对机组参数如功率特性或转矩特性等依赖性较小，在风速变化的情况下能够对机组功率曲线的系数进行实时的修改，并有效地将机组的功率曲线调整到最大功率曲线的位置，根据转速对时间的一阶导数，功率对时间的一阶导数，转速对时间的二阶导数确定当前状态相对于参考值的位置，以此来自动调整到最大功率曲线的位置。

四、模糊逻辑控制法

模糊逻辑控制法是基于人类的逻辑思维而提出的，外界对于人产生刺激信号（给定输入），由神经组织将信号传送给中枢神经系统（控制器）进行处理，与此同时，中枢神经系统还受其他神经的控制及经验的影响，形成控制上的反馈回路，中枢神经系统处理刺激信号后发出控制信息控制肌肉和组织，从而来控制受控信号。而在神经中枢系统中没有固定的数值和算式语言，而是依据模糊的逻辑变数来控制被控信号，因此模糊控制器不必像传统的方法那样建立完整的数学模型。通过设定模糊规则及隶属函数将模糊输出变为精确输出。

模糊控制法的优缺点：由于模糊控制器是一种语言控制器，使得操作人员很容易使用自然语言来实现人机对话，容易控制和掌握理想的非线性量，具有很好的自适应性，稳定性和容错性，但是模糊控制法的难点在于如何设计出符合要求的控制器。

五、基于遗传算法的最大功率点跟踪

遗传算法在净化过程中基本不用外部信息，基本靠自身的适应度函数，适应度函数是由目标函数变换而成。建立目标函数之后进行过程选择，按比例适度分配。随后进行基因重组，就是把两个父体内的部分基因取出，叠加组成新个体基因，通过基因重组达到优化。

遗传算法的优缺点：采用遗传算法能在ΔD≥0.03时较好的兼顾了系统跟踪的动态性能和稳定性能，但在经历编码-初始种群的生成-过程选择-基因重组-变异的过程中参数的选择难以把握，如交叉概率控制着交叉操作的频率，太大会使高适应值的结构很快遭到破坏，过小则会使搜索停滞不前。

结语：通过对小型风力发电系统的研究发现，不管是将风力发电系统最大功率点跟踪技术与光伏发电最大功率点跟踪技术相比，还是风力发电系统最大功率点技术自身的传统方法与智能控制算法比较，传统控制算法在跟踪动态性能和稳态性能方面较智能算法都差一点，而且智能控制算法在跟踪风速和风机转速方面有很大的研究空间，因此在研究传统的小型风力机最大功率点跟踪技术的同时，要重点研究现代智能控制算法在此领域的应用，并将两者结合使用。

参 考 文 献

[1]赵邈 风光互补并网发电系统及最大功率点的跟踪 长沙理工大学硕士学位论文 2011

[2]张玉，韩金刚，汤天浩 基于爬山法的风电最大功率点跟踪控制的仿真研究；上海海事大学物流工程学院，上海201306

[3]大型风电机组的功率曲线自寻优控制策略；夏安俊，徐浩，胡书举，许洪华；高电压技术 2012.08.31