小型永磁直驱风力发电系统最大功率跟踪装置及控制方法.pdf

摘要
申请专利号：	CN201310350059.9	申请日：	2013.08.13
公开号：	CN103437955A	公开日：	2013.12.11
当前法律状态：	授权	有效性：	有权
法律详情：	授权\|\|\|实质审查的生效IPC(主分类):F03D 7/00申请日:20130813\|\|\|公开
IPC分类号：	F03D7/00	主分类号：	F03D7/00
申请人：	华北电力大学（保定）
发明人：	刘卫亮; 马良玉; 刘长良; 林永君; 马进
地址：	071003 河北省保定市永华北大街619号
优先权：
专利代理机构：	北京众合诚成知识产权代理有限公司 11246	代理人：	陈波
PDF下载：	PDF下载

内容摘要

本发明公开了风力发电技术领域的一种小型永磁直驱风力发电系统最大功率跟踪装置及控制方法。其中，装置包括风机、最大功率点跟踪MPPT控制器、整流器、n个风速传感器、转速传感器、电压传感器、电流传感器、DC-DC变换器、驱动模块、第一电容、第二电容和负载；通过安装于不同位置的多个风速传感器获取风速向量，并采集大量风速向量-最佳转速的实际样本，利用支持向量机建立风速-最佳转速预测模型。通过将预测模型与小步长扰动观察法结合进行最大功率跟踪。本发明提高了跟踪速度、有效的降低扰动过程的功率损失；并且当风机的特性发生变化后，可以通过重新收集样本，训练新的预测模型以保证预测精度。

权利要求书

权利要求书
1.  一种小型永磁直驱风力发电系统最大功率跟踪装置，其特征在于，所述装置包括风机、最大功率点跟踪MPPT控制器、整流器、n个风速传感器、转速传感器、电压传感器、电流传感器、DC-DC变换器、驱动模块、第一电容、第二电容和负载；
其中，所述整流器的三相输入端与风机的三相输出端连接，整流器的单相输出正端与第一电容的正极连接，整流器的单相输出负端接地；第一电容负极接地；
所述电压传感器的待测电压输入端与第一电容正极连接，电压传感器待测电压输出端接地；电压传感器的测量信号输出端与最大功率点跟踪MPPT控制器连接；
所述电流传感器的待测电流输入端与电压传感器正极连接，电流传感器的待测电流输出端与DC-DC变换器的输入端连接；电流传感器的测量信号输出端与最大功率点跟踪MPPT控制器连接；
所述DC-DC变换器的脉宽调制信号输入端与驱动模块一端连接、驱动模块另外一端与MPPT控制器连接；DC-DC变换器的输出端与第二电容正极连接；第二电容负极接地；
所述n个风速传感器的测量信号输出端分别与最大功率点跟踪MPPT控制器连接；
所述转速传感器两个输入端与风机三相输出端中的其中两端连接，转速传感器的测量信号输出端与MPPT控制器连接；
所述负载一端与第二电容正极连接，负载另外一端接地。

2.  根据权利要求1所述的装置，其特征在于，所述n个风速传感器采集安装于风机叶轮前侧，与叶轮圆形面积同轴、平行且大小相等的平面内的不同位置。

3.  根据权利要求1所述的装置，其特征在于，所述DC-DC变换器采用Boost电路。

4.  根据权利要求1所述的装置，其特征在于，所述转速传感器采用电压过零检测式频率计。

5.  一种小型永磁直驱风力发电系统最大功率跟踪方法，其特征在于，所述方法具体包括步骤：
步骤1：采用n个风速传感器输出的不同位置的风速数据构成风速向量V=[V1，V2，…，Vn]T；
步骤2：以风速向量V=[V1，V2，…，Vn]T作为输入，利用支持向量机预测模型得到最大功率点对应的最优转速预测值ωref；
步骤3：通过比例积分控制方法调节风机的转速，使风机达到最大功率点对应的最优转速预测值ωref；
步骤4：以最大功率点对应的最优转速预测值ωref为初始值，采用扰动观察法以设定的扰动步长Δω跟踪风机的最大功率；
步骤5：当扰动观察法求得的扰动前后的功率差值大于等于设定阈值Tr时，说明风速发生了突变，重复步骤1至步骤4；否则，继续采用扰动观察法以设定的扰动步长跟踪风机的最大功率。

6.  根据权利要求5所述的方法，其特征在于，所述步骤2中，利用支持向量机预测模型得到最大功率点对应的最优转速预测值ωref的过程为：
步骤201：收集训练样本；
记某一风速环境下的风速向量为V(i)=[V1(i)，V2(i)，…，Vn(i)]T，对应风机最大功率点转速为ωopt(i)，则可构成一对样本(V(i),ωopt(i))；通过收集各种不同风速环境下的样本对，形成样本集{(V(i),ωopt(i))}；采集过程为：
步骤2011：初始化DC-DC变换器的PWM信号的脉冲占空比D以较小的初始值D0，使其每次以固定增量ΔD不断增加，对于第k次，有：
D(k)=D0+k·ΔD
其中：D(k)为第k次脉冲占空比；
D0为占空比初始值；
ΔD为固定增量；
步骤2012：通过电压传感器和电流传感器采集风机经整流器后的直流输出电压Vdc(k)和直流输出电流Idc(k)，计算当前风机的输出功率P(k)：
P(k)=Vdc(k)·Idc(k)
步骤2013：与前一次风机的输出功率P(k-1)比较，当出现P(k)<P(k-1)时，则认为此时风机的工作状态已接近最大功率点；令：
D(k)=D0+(k-0.5)·ΔD
记录此时的风机转速作为最大功率点转速ωopt(i)，以及风速向量V(i)=[V1，V2，…，Vn]T，完成一次采集，即得到一对样本V(i),ωopt(i))；
步骤202：训练支持向量机SVM模型；具体过程为：
步骤2021：给定样本集其中，Xi∈Rn为输入向量，yi∈R为相应输出值，N为样本个数，n为输入向量维数；
步骤2022：设定支持向量机SVM所用线性回归函数为：
yi=f(Xi)=Wφ(Xi)+b
其中：yi为线性回归函数输出；
φ(Xi)是从输入空间到高维特征空间的非线性映射；
Xi为输入向量；
W为权值向量；
b为偏置；
权值向量W和偏置b由最小化公式计算公式为：
12||W||2+C1NΣi=1Nξi]]>
S.t.yi-Wφ(Xi)-b≤ϵ+ξiξi&GreaterEqual;0]]>
其中：W为权值向量，第1项决定回归函数的泛化能力；C为惩罚因子(C>0)，用于控制对超出的样本的惩罚程度；N为样本个数；ξi为引入的松弛变量；ε为误差；
步骤2023：根据最小化公式建立拉格朗日方程，求解线性回归函数为：
f(Xi)=Σj=1NαjK(Xi,Xj)+b]]>
其中：K(Xi,Xj)为核函数，核函数为高斯函数：K(Xi,Xj)=exp(-||Xi-Xj||2δ2),]]>δ2为高斯核函数的宽度参数；αj为拉格朗日系数；Xj为样本向量，且不为零的αj对应的向量Xj称为支持向量；
步骤2024：采用统计量平均相对误差ΔMRE评价预测模型的性能；其表达式为：
ΔMRE=1NΣi=1N|Y-Y^Y|×100%]]>
式中：
ΔMRE为统计量平均相对误差；
Y为样本的真值；
为Y的估计值；
步骤2025：均匀抽取总样本中的五分之三作为训练样本，其余五分之二作为检验样本，分别取不同C与δ2，利用训练样本进行学习，并计算在检验样本上的ΔMRE，选择最小的ΔMRE所对应的模型作为最终预测模型；
步骤203：将风速向量V=[V1，V2，…，Vn]T通过最终预测模型得到风机最大功率点转速预测值为ωref。

说明书

说明书小型永磁直驱风力发电系统最大功率跟踪装置及控制方法
技术领域
本发明属于风力发电技术领域，尤其涉及一种小型永磁直驱风力发电系统最大功率跟踪装置及控制方法。
背景技术
随着能源形势的日趋紧张，以小型风力发电等为代表的分布式发电与节能技术越来越受到重视，成为当前的研究热点。
风能是一种随机性很大的能量，要保证最大限度的捕获到风能，变速风力发系统目前一般采用最大功率点跟踪（MPPT）的控制策略。对于小型永磁直驱风力发电系统，常用的MPPT方法有最优转速给定、扰动观察等方法。
最优转速给定法的原理为：一定风速下风机吸收的功率都有一个最大功率点（MPP），输出功率值为Pmax，对应一个最优转速为ωmax，根据风机厂家给出的功率—转速特性曲线，可以很容易的确定一定风速下的最优转速，将其做为风机的目标转速进行控制即可。这种方法有两个缺点：一是难以实现风速的准确测量。由于风机叶轮的面积较大，在整个叶轮面积内，并不是每一位置的风速都是一致的，风速检测的误差较大；二是随着风机磨损等外部条件的影响，风机的功率—转速特性曲线将发生变化，因而难以保证准确的跟踪MPP。
扰动观察法（P&O）的原理为：对风机的转速不断施加一个固定的扰动量，并根据风机捕获功率的变化方向来确定下一次扰动量的方向，即可使得实际工作点不断地朝着MPP移动。P&O的实现相对容易，但是找到的工作点只能在MPP附近振荡运行，导致部分功率的损失。此外，初始值和扰动步长对跟踪的精度和速度都有较大的影响，有时会发生误判现象。
发明内容
针对上述背景技术中提到的现有最大输出功率跟踪方法准确定差、易发生误判等不足，本发明提出了一种小型永磁直驱风力发电系统最大功率跟踪装置及控制方法。
一种小型永磁直驱风力发电系统最大功率跟踪装置，其特征在于，所述装置包括风机、最大功率点跟踪MPPT控制器、整流器、n个风速传感器、转速传感器、电压传感器、电流传感器、DC-DC变换器、驱动模块、第一电容、第二电容和负载；
其中，所述整流器的三相输入端与风机的三相输出端连接，整流器的单相输出正端与第一电容的正极连接，整流器的单相输出负端接地；第一电容负极接地；
所述电压传感器的待测电压输入端与第一电容正极连接，电压传感器待测电压输出端接地；电压传感器的测量信号输出端与最大功率点跟踪MPPT控制器连接；
所述电流传感器的待测电流输入端与电压传感器正极连接，电流传感器的待测电流输出端与DC-DC变换器的输入端连接；电流传感器的测量信号输出端与最大功率点跟踪MPPT控制器连接；
所述DC-DC变换器的脉宽调制信号输入端与驱动模块一端连接、驱动模块另外一端与MPPT控制器连接；DC-DC变换器的输出端与第二电容正极连接；第二电容负极接地；
所述n个风速传感器的测量信号输出端分别与最大功率点跟踪MPPT控制器连接；
所述转速传感器两个输入端与风机三相输出端中的其中两端连接，转速传感器的测量信号输出端与MPPT控制器连接；
所述负载一端与第二电容正极连接，负载另外一端接地。
所述n个风速传感器采集安装于风机叶轮前侧，与叶轮圆形面积同轴、平行且大小相等的平面内的不同位置。
所述DC-DC变换器采用Boost电路。
所述转速传感器采用电压过零检测式频率计。
一种小型永磁直驱风力发电系统最大功率跟踪方法，其特征在于，所述方法具体包括步骤：
步骤1：采用n个风速传感器输出的不同位置的风速数据构成风速向量V=[V1，V2，…，Vn]T；
步骤2：以风速向量V=[V1，V2，…，Vn]T作为输入，利用支持向量机预测模型得到最大功率点对应的最优转速预测值ωref；
步骤3：通过比例积分控制方法调节风机的转速，使风机达到最大功率点对应的最优转速预测值ωref；
步骤4：以最大功率点对应的最优转速预测值ωref为初始值，采用扰动观察法以设定的扰动步长Δω跟踪风机的最大功率；
步骤5：当扰动观察法求得的扰动前后的功率差值大于等于设定阈值Tr时，说明风速发生了突变，重复步骤1至步骤4；否则，继续采用扰动观察法以设定的扰动步长跟踪风机的最大功率。
步骤2中，利用支持向量机预测模型得到最大功率点对应的最优转速预测值ωref的过程为：
支持向量机SVM预测模型的作用是根据由多个风速传感器测得的风速向量V=[V1，V2，…，Vn]T给出风机最大功率点最佳转速ωopt的预测值ωref；
步骤201：收集训练样本；
记某一风速环境下的风速向量为V(i)=[V1(i)，V2(i)，…，Vn(i)]T，对应风机最大功率点转速为ωopt(i)，则可构成一对样本(V(i),ωopt(i))；通过收集各种不同风速环境下的样本对，形成样本集{(V(i),ωopt(i))}，
某一风速环境下训练样本的获取采用试探法来采集；采集过程为：
步骤2011：初始化DC-DC变换器的PWM信号的脉冲占空比D以较小的初始值D0，使其每次以固定增量ΔD不断增加，对于第k次，有
D(k)=D0+k·ΔD  （1）
其中：D(k)为第k次脉冲占空比；
D0为占空比初始值；
ΔD为固定增量；
步骤2012：通过电压传感器和电流传感器采集风机经整流器后的直流输出电压Vdc(k)和直流输出电流Idc(k)，计算当前风机的输出功率P(k)：
P(k)=Vdc(k)·Idc(k)  （2）
步骤2013：与前一次风机的输出功率P(k-1)比较，当出现P(k)<P(k-1)时，则认为此时风机的工作状态已接近最大功率点；令：
D(k)=D0+(k-0.5)·ΔD  （3）
记录此时的风机转速作为最大功率点转速ωopt(i)，以及风速向量V(i)=[V1，V2，…，Vn]T，完成一次采集，即得到一对样本V(i),ωopt(i))；
步骤202：训练支持向量机SVM模型；具体过程为：
步骤2021：给定样本集其中，Xi∈Rn为输入向量，yi∈R为相应输出值，N为样本个数，n为输入向量维数；
步骤2022：设定支持向量机SVM所用线性回归函数为：
yi=f(Xi)=Wφ(Xi)+b  （4）
其中：yi为线性回归函数输出；
φ(Xi)是从输入空间到高维特征空间的非线性映射；
Xi为输入向量；
W为权值向量；
b为偏置；
权值向量W和偏置b由最小化公式（5）来计算：
12||W||2+C1NΣi=1Nξi]]>
s.t.yi-Wφ(Xi)-b≤ϵ+ξiξi&GreaterEqual;0---(5)]]>
其中：W为权值向量，第1项决定回归函数的泛化能力；C为惩罚因子(C＞0)，用于控制对超出的样本的惩罚程度；N为样本个数；ξi为引入的松弛变量；ε为误差；
步骤2023：根据最小化公式(5)建立拉格朗日方程，求解线性回归函数为：
(Xi)=Σj=1NαjK(Xi,Xj)+b---(6)]]>
其中：K(Xi,Xj)为核函数，核函数为高斯函数δ2为高斯核函数的宽度参数；αj为拉格朗日系数；Xj为样本向量，且不为零的αj对应的向量Xj称为支持向量；得到支持向量后，即可求得回归函数y=f(Xi)；
步骤2024：采用统计量平均相对误差ΔMRE评价预测模型的性能；其表达式为：
ΔMRE=1NΣi=1N|Y-Y^Y|×100%---(7)]]>
式中：
ΔMRE为统计量平均相对误差；
Y为样本的真值；
为Y的估计值；
步骤2025：均匀抽取总样本中的五分之三作为训练样本，其余五分之二作为检验样本，分别取不同C与δ2，利用训练样本进行学习，并计算在检验样本上的ΔMRE，选择最小的ΔMRE所对应的模型作为最终预测模型；
步骤203：将风速向量V=[V1，V2，…，Vn]T通过最终预测模型得到风机最大功率点转速预测值为ωref。
本发明的有益效果在于：（1）当外界环境变化时，借助于预测模型可以直接将工作转速调节至最优转速预测值ωref的附近，避免了扰动观察法P&O逐步试探的过程，从而提高了跟踪速度；（2）以最优转速预测值ωref为初值进行扰动观察过程时，由于最优转速预测值ωref已经十分接近实际最优转速，故可以设置较小的扰动步长，从而有效的降低扰动过程的功率损失；（3）当风机的特性发生变化后，可以通过重新收集样本，训练新的预测模型以保证预测精度。
附图说明
图1为本发明硬件结构图；
图2为扰动观察法P&O算法流程图；
图3为本发明提供的一种小型永磁直驱风力发电系统最大功率跟踪方法的流程图；
其中，1-风速传感器；2-永磁直驱风力发电机；3-转速传感器；4-整流器；5-电压传感器；6-第一电容；7-第二电容；8-电流传感器。
具体实施方式
下面结合附图，对优选实施例作详细说明。应该强调的是下述说明仅仅是示例性的，而不是为了限制本发明的范围及其应用。
图1为本发明实施例的硬件结构图，其中，小型永磁直驱风力发电机2主要参数为：风轮直径为1.2m，额定功率为300W，额定电压为24V，额定转速800r/min，启动风速1m/s，额定风速10m/s，安全风速25m/s；最大功率跟踪装置的主要参数为：MPPT控制器采用dsPIC33FJ06GS101单片机，DC-DC变换器采用Boost电路，驱动模块选用MCP14E3，电压传感器采选用LV28-P，电流传感器8选用LA25-NP，风速传感器1采用JL-FS2，共5个：分别安装于风机叶轮前侧0.5米，与叶轮圆形面积同轴、平行且大小相等的圆形平面内的圆心处以及距离圆心1/4半径处、1/2半径处、3/4半径处、1倍半径处，转速传感器3采用电压过零检测式频率计，第一电容C1＝10ｕF，第二电容C2＝100ｕF。
依据步骤201进行训练样本的采集。实施例中，利用鼓风机、变频器和直管段构成小型实验风洞，通过调节变频器的频率设定值控制鼓风机出力，进而创造出不同的风速环境。控制变频器频率从10Hz开始，以0.2Hz为间隔升至60Hz，可提供250种风速环境，即{V(i)=[V1(i)，V2(i)，V3(i)，V4(i)，V5(i)]T，i=1,…,250}，从而可构造出250 对样本。
依据步骤202进行SVM模型的训练。均匀抽取总样本中的150对作为训练样本，其余100对作为检验样本。为防止产生过学习现象或者欠学习现象，分别取不同C=10-1、100、101、102、103，δ2=10-2、10-1、100、101、102，利用训练样本进行学习，并计算在检验样本上的ΔMRE，选择最小的ΔMRE所对应的模型作为最终预测模型，其中共包含56个支持向量，将这些支持向量写入单片机的存储器以供调用。
图2为扰动观察法P&O的流程图，其原理是周期性地扰动风机的转速(ω+Δω)，再比较其扰动前后的功率变化，若输出功率增加，则表示扰动方向正确，继续朝同一方向(+Δω)扰动；若输出功率减小，则朝相反(-Δω)方向扰动。由于dsPIC33FJ06GS101的AD模块完成一次采样只需要0.5ｕs，测量风机的直流输出电压、直流输出电流时，为了消除DC-DC变换器中高频斩波引起的信号抖动，令AD模块连续转换10次取平均值作为测量值。
图3为本发明提供的一种小型永磁直驱风力发电系统最大功率跟踪方法的流程图。开始时，首先采集安装于不同位置的5个风速传感器的输出，构成风速向量V=[V1，V2，V3，V4，V5]T，将其送入支持向量机预测模型，得到最大功率点对应的最优转速预测值ωref；比例积分PI控制器依据风机实际转速ω与ωref的偏差调节DC-DC变换器的PWM占空比，使得实际工作电压快速跟踪至ωref。然后以ωref为初值，利用较小的扰动步长Δω开始P&O过程。在P&O过程中，将每一次扰动前后的功率差ΔP与某一阈值Tr比较，当|ΔP|<Tr时，继续P&O过程，否则认为此时风速环境发生了突变，重新由支持向量机SVM模型预测出ωref，并重复上述过程。对于300W的风机，本实施例取Tr=10W。
将上述最大功率跟踪MPPT方法通过C语言程序写入控制芯片dsPIC33FJ06GS101，输出PWM方波驱动DC-DC变换器，即可实现最大功率跟踪功能。
为了验证所提方法的正确性，在本发明所述的硬件平台上将其与常规扰动观察法P&O进行了比较。具体为：在同一风速环境下（设置风洞的变频器频率为40Hz），控制风机初始转速为ω0=600r/min，分别比较两种方法的跟踪速度和稳态过程的平均功率。
常规扰动观察法P&O方法（调整周期T=5s，步长Δω=20r/min）的跟踪过程为：经过连续15拍的正方向扰动后，开始在最大功率点MPP（ωopt=900r/min）左右振荡，即进入稳态过程，总共所需时间约为75秒。
本发明所述方法的跟踪过程为，首先对风速向量进行测量，然后经支持向量机SVM模型给出最大功率点转速预测值ωref=915r/min后，通过PI控制器直接将工作转速ω调节至915r/min，然后开始进行小步长扰动观察P&O（调整周期T=5s，步长Δω=5r/min），由于ωref本身已非常接近最大功率点MPP（ωopt=900r/min），经过连续3拍的负方向扰动后，进入了稳态过程，总共所需时间约为15秒。由此可知，本发明所提方法的跟踪速度要明显高于常规扰动观察法P&O方法。
进入稳态过程后，分别计算60秒稳态过程的平均功率，得出常规扰动观察法P&O方法为210瓦，而本发明所述方法为236瓦，这说明采用本发明所述方法可以有效的降低功率损失。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。

资源描述

《小型永磁直驱风力发电系统最大功率跟踪装置及控制方法.pdf》由会员分享，可在线阅读，更多相关《小型永磁直驱风力发电系统最大功率跟踪装置及控制方法.pdf（12页珍藏版）》请在专利查询网上搜索。

1、(10)申请公布号 CN 103437955 A(43)申请公布日 2013.12.11CN103437955A*CN103437955A*(21)申请号 201310350059.9(22)申请日 2013.08.13F03D 7/00(2006.01)(71)申请人华北电力大学（保定）地址 071003 河北省保定市永华北大街619号(72)发明人刘卫亮马良玉刘长良林永君马进(74)专利代理机构北京众合诚成知识产权代理有限公司 11246代理人陈波(54) 发明名称小型永磁直驱风力发电系统最大功率跟踪装置及控制方法(57) 摘要本发明公开了风力发电技术领域的一种小型永磁直驱风力发电系。

2、统最大功率跟踪装置及控制方法。其中，装置包括风机、最大功率点跟踪MPPT控制器、整流器、n个风速传感器、转速传感器、电压传感器、电流传感器、DC-DC变换器、驱动模块、第一电容、第二电容和负载；通过安装于不同位置的多个风速传感器获取风速向量，并采集大量风速向量-最佳转速的实际样本，利用支持向量机建立风速-最佳转速预测模型。通过将预测模型与小步长扰动观察法结合进行最大功率跟踪。本发明提高了跟踪速度、有效的降低扰动过程的功率损失；并且当风机的特性发生变化后，可以通过重新收集样本，训练新的预测模型以保证预测精度。(51)Int.Cl.权利要求书3页说明书6页附图2页(19)中华人民共和国国家知识。

3、产权局(12)发明专利申请权利要求书3页说明书6页附图2页(10)申请公布号 CN 103437955 ACN 103437955 A1/3页21.一种小型永磁直驱风力发电系统最大功率跟踪装置，其特征在于，所述装置包括风机、最大功率点跟踪MPPT控制器、整流器、n个风速传感器、转速传感器、电压传感器、电流传感器、DC-DC变换器、驱动模块、第一电容、第二电容和负载；其中，所述整流器的三相输入端与风机的三相输出端连接，整流器的单相输出正端与第一电容的正极连接，整流器的单相输出负端接地；第一电容负极接地；所述电压传感器的待测电压输入端与第一电容正极连接，电压传感器待测电压输出端接地；电压传感器。

4、的测量信号输出端与最大功率点跟踪MPPT控制器连接；所述电流传感器的待测电流输入端与电压传感器正极连接，电流传感器的待测电流输出端与DC-DC变换器的输入端连接；电流传感器的测量信号输出端与最大功率点跟踪MPPT控制器连接；所述DC-DC变换器的脉宽调制信号输入端与驱动模块一端连接、驱动模块另外一端与MPPT控制器连接；DC-DC变换器的输出端与第二电容正极连接；第二电容负极接地；所述n个风速传感器的测量信号输出端分别与最大功率点跟踪MPPT控制器连接；所述转速传感器两个输入端与风机三相输出端中的其中两端连接，转速传感器的测量信号输出端与MPPT控制器连接；所述负载一端与第二电容正极连接，负载。

5、另外一端接地。2.根据权利要求1所述的装置，其特征在于，所述n个风速传感器采集安装于风机叶轮前侧，与叶轮圆形面积同轴、平行且大小相等的平面内的不同位置。3.根据权利要求1所述的装置，其特征在于，所述DC-DC变换器采用Boost电路。4.根据权利要求1所述的装置，其特征在于，所述转速传感器采用电压过零检测式频率计。5.一种小型永磁直驱风力发电系统最大功率跟踪方法，其特征在于，所述方法具体包括步骤：步骤1：采用n个风速传感器输出的不同位置的风速数据构成风速向量V=V1，V2，VnT；步骤2：以风速向量V=V1，V2，VnT作为输入，利用支持向量机预测模型得到最大功率点对应的最优转速预测值ref；。

6、步骤3：通过比例积分控制方法调节风机的转速，使风机达到最大功率点对应的最优转速预测值ref；步骤4：以最大功率点对应的最优转速预测值ref为初始值，采用扰动观察法以设定的扰动步长跟踪风机的最大功率；步骤5：当扰动观察法求得的扰动前后的功率差值大于等于设定阈值Tr时，说明风速发生了突变，重复步骤1至步骤4；否则，继续采用扰动观察法以设定的扰动步长跟踪风机的最大功率。6.根据权利要求5所述的方法，其特征在于，所述步骤2中，利用支持向量机预测模型得到最大功率点对应的最优转速预测值ref的过程为：步骤201：收集训练样本；记某一风速环境下的风速向量为V(i)=V1(i)，V2(i)，Vn(i)T，对应。

7、风机最大功率点转速为opt(i)，则可构成一对样本(V(i),opt(i)；通过收集各种不同风速环境下的样权利要求书CN 103437955 A2/3页3本对，形成样本集(V(i),opt(i)；采集过程为：步骤2011：初始化DC-DC变换器的PWM信号的脉冲占空比D以较小的初始值D0，使其每次以固定增量D不断增加，对于第k次，有：D(k)=D0+kD其中：D(k)为第k次脉冲占空比；D0为占空比初始值；D为固定增量；步骤2012：通过电压传感器和电流传感器采集风机经整流器后的直流输出电压Vdc(k)和直流输出电流Idc(k)，计算当前风机的输出功率P(k)：P(k)=Vdc(k)I。

8、dc(k)步骤2013：与前一次风机的输出功率P(k-1)比较，当出现P(k)0)，用于控制对超出的样本的惩罚程度；N为样本个数；i为引入的松弛变量；为误差；步骤2023：根据最小化公式建立拉格朗日方程，求解线性回归函数为：权利要求书CN 103437955 A3/3页4其中：K(Xi,Xj)为核函数，核函数为高斯函数：2为高斯核函数的宽度参数；j为拉格朗日系数；Xj为样本向量，且不为零的j对应的向量Xj称为支持向量；步骤2024：采用统计量平均相对误差MRE评价预测模型的性能；其表达式为：式中：MRE为统计量平均相对误差；Y为样本的真值；为Y的估计值；步骤2025：均匀抽取总样本中的。

9、五分之三作为训练样本，其余五分之二作为检验样本，分别取不同C与2，利用训练样本进行学习，并计算在检验样本上的MRE，选择最小的MRE所对应的模型作为最终预测模型；步骤203：将风速向量V=V1，V2，VnT通过最终预测模型得到风机最大功率点转速预测值为ref。权利要求书CN 103437955 A1/6页5小型永磁直驱风力发电系统最大功率跟踪装置及控制方法技术领域0001 本发明属于风力发电技术领域，尤其涉及一种小型永磁直驱风力发电系统最大功率跟踪装置及控制方法。背景技术0002 随着能源形势的日趋紧张，以小型风力发电等为代表的分布式发电与节能技术越来越受到重视，成为当前的研究热点。0。

10、003 风能是一种随机性很大的能量，要保证最大限度的捕获到风能，变速风力发系统目前一般采用最大功率点跟踪（MPPT）的控制策略。对于小型永磁直驱风力发电系统，常用的MPPT方法有最优转速给定、扰动观察等方法。0004 最优转速给定法的原理为：一定风速下风机吸收的功率都有一个最大功率点（MPP），输出功率值为Pmax，对应一个最优转速为max，根据风机厂家给出的功率转速特性曲线，可以很容易的确定一定风速下的最优转速，将其做为风机的目标转速进行控制即可。这种方法有两个缺点：一是难以实现风速的准确测量。由于风机叶轮的面积较大，在整个叶轮面积内，并不是每一位置的风速都是一致的，风速检测的误差较大；二是。

11、随着风机磨损等外部条件的影响，风机的功率转速特性曲线将发生变化，因而难以保证准确的跟踪MPP。0005 扰动观察法（P&O）的原理为：对风机的转速不断施加一个固定的扰动量，并根据风机捕获功率的变化方向来确定下一次扰动量的方向，即可使得实际工作点不断地朝着MPP移动。P&O的实现相对容易，但是找到的工作点只能在MPP附近振荡运行，导致部分功率的损失。此外，初始值和扰动步长对跟踪的精度和速度都有较大的影响，有时会发生误判现象。发明内容0006 针对上述背景技术中提到的现有最大输出功率跟踪方法准确定差、易发生误判等不足，本发明提出了一种小型永磁直驱风力发电系统最大功率跟踪装置及控制方法。0007 一。

12、种小型永磁直驱风力发电系统最大功率跟踪装置，其特征在于，所述装置包括风机、最大功率点跟踪MPPT控制器、整流器、n个风速传感器、转速传感器、电压传感器、电流传感器、DC-DC变换器、驱动模块、第一电容、第二电容和负载；0008 其中，所述整流器的三相输入端与风机的三相输出端连接，整流器的单相输出正端与第一电容的正极连接，整流器的单相输出负端接地；第一电容负极接地；0009 所述电压传感器的待测电压输入端与第一电容正极连接，电压传感器待测电压输出端接地；电压传感器的测量信号输出端与最大功率点跟踪MPPT控制器连接；0010 所述电流传感器的待测电流输入端与电压传感器正极连接，电流传感器的待测电流。

13、输出端与DC-DC变换器的输入端连接；电流传感器的测量信号输出端与最大功率点跟踪MPPT控制器连接；0011 所述DC-DC变换器的脉宽调制信号输入端与驱动模块一端连接、驱动模块另外一说明书CN 103437955 A2/6页6端与MPPT控制器连接；DC-DC变换器的输出端与第二电容正极连接；第二电容负极接地；0012 所述n个风速传感器的测量信号输出端分别与最大功率点跟踪MPPT控制器连接；0013 所述转速传感器两个输入端与风机三相输出端中的其中两端连接，转速传感器的测量信号输出端与MPPT控制器连接；0014 所述负载一端与第二电容正极连接，负载另外一端接地。0015 所述n个风速。

14、传感器采集安装于风机叶轮前侧，与叶轮圆形面积同轴、平行且大小相等的平面内的不同位置。0016 所述DC-DC变换器采用Boost电路。0017 所述转速传感器采用电压过零检测式频率计。0018 一种小型永磁直驱风力发电系统最大功率跟踪方法，其特征在于，所述方法具体包括步骤：0019 步骤1：采用n个风速传感器输出的不同位置的风速数据构成风速向量V=V1，V2，VnT；0020 步骤2：以风速向量V=V1，V2，VnT作为输入，利用支持向量机预测模型得到最大功率点对应的最优转速预测值ref；0021 步骤3：通过比例积分控制方法调节风机的转速，使风机达到最大功率点对应的最优转速预测值ref；00。

15、22 步骤4：以最大功率点对应的最优转速预测值ref为初始值，采用扰动观察法以设定的扰动步长跟踪风机的最大功率；0023 步骤5：当扰动观察法求得的扰动前后的功率差值大于等于设定阈值Tr时，说明风速发生了突变，重复步骤1至步骤4；否则，继续采用扰动观察法以设定的扰动步长跟踪风机的最大功率。0024 步骤2中，利用支持向量机预测模型得到最大功率点对应的最优转速预测值ref的过程为：0025 支持向量机SVM预测模型的作用是根据由多个风速传感器测得的风速向量V=V1，V2，VnT给出风机最大功率点最佳转速opt的预测值ref；0026 步骤201：收集训练样本；0027 记某一风速环境下的风速向量。

16、为V(i)=V1(i)，V2(i)，Vn(i)T，对应风机最大功率点转速为opt(i)，则可构成一对样本(V(i),opt(i)；通过收集各种不同风速环境下的样本对，形成样本集(V(i),opt(i)，0028 某一风速环境下训练样本的获取采用试探法来采集；采集过程为：0029 步骤2011：初始化DC-DC变换器的PWM信号的脉冲占空比D以较小的初始值D0，使其每次以固定增量D不断增加，对于第k次，有0030 D(k)=D0+kD （1）0031 其中：D(k)为第k次脉冲占空比；0032 D0为占空比初始值；0033 D为固定增量；0034 步骤2012：通过电压传感器和电流传感器采集风机。

17、经整流器后的直流输出电压说明书CN 103437955 A3/6页7Vdc(k)和直流输出电流Idc(k)，计算当前风机的输出功率P(k)：0035 P(k)=Vdc(k)Idc(k) （2）0036 步骤2013：与前一次风机的输出功率P(k-1)比较，当出现P(k)P(k-1)时，则认为此时风机的工作状态已接近最大功率点；令：0037 D(k)=D0+(k-0.5)D （3）0038 记录此时的风机转速作为最大功率点转速opt(i)，以及风速向量V(i)=V1，V2，VnT，完成一次采集，即得到一对样本V(i),opt(i)；0039 步骤202：训练支持向量机SVM模型；具体过程为：。

18、0040 步骤2021：给定样本集其中，XiRn为输入向量，yiR为相应输出值，N为样本个数，n为输入向量维数；0041 步骤2022：设定支持向量机SVM所用线性回归函数为：0042 yi=f(Xi)=W(Xi)+b （4）0043 其中：yi为线性回归函数输出；0044 (Xi)是从输入空间到高维特征空间的非线性映射；0045 Xi为输入向量；0046 W为权值向量；0047 b为偏置；0048 权值向量W和偏置b由最小化公式（5）来计算：0049 0050 0051 其中：W为权值向量，第1项决定回归函数的泛化能力；C为惩罚因子(C0)，用于控制对超出的样本的惩罚程度；N为样本个数；i为。

19、引入的松弛变量；为误差；0052 步骤2023：根据最小化公式(5)建立拉格朗日方程，求解线性回归函数为：0053 0054 其中：K(Xi,Xj)为核函数，核函数为高斯函数2为高斯核函数的宽度参数；j为拉格朗日系数；Xj为样本向量，且不为零的j对应的向量Xj称为支持向量；得到支持向量后，即可求得回归函数y=f(Xi)；0055 步骤2024：采用统计量平均相对误差MRE评价预测模型的性能；其表达式为：说明书CN 103437955 A4/6页80056 0057 式中：0058 MRE为统计量平均相对误差；0059 Y为样本的真值；0060 为Y的估计值；0061 步骤2025：均匀抽取。

20、总样本中的五分之三作为训练样本，其余五分之二作为检验样本，分别取不同C与2，利用训练样本进行学习，并计算在检验样本上的MRE，选择最小的MRE所对应的模型作为最终预测模型；0062 步骤203：将风速向量V=V1，V2，VnT通过最终预测模型得到风机最大功率点转速预测值为ref。0063 本发明的有益效果在于：（1）当外界环境变化时，借助于预测模型可以直接将工作转速调节至最优转速预测值ref的附近，避免了扰动观察法P&O逐步试探的过程，从而提高了跟踪速度；（2）以最优转速预测值ref为初值进行扰动观察过程时，由于最优转速预测值ref已经十分接近实际最优转速，故可以设置较小的扰动步长，从而有效的。

21、降低扰动过程的功率损失；（3）当风机的特性发生变化后，可以通过重新收集样本，训练新的预测模型以保证预测精度。附图说明0064 图1为本发明硬件结构图；0065 图2为扰动观察法P&O算法流程图；0066 图3为本发明提供的一种小型永磁直驱风力发电系统最大功率跟踪方法的流程图；0067 其中，1-风速传感器；2-永磁直驱风力发电机；3-转速传感器；4-整流器；5-电压传感器；6-第一电容；7-第二电容；8-电流传感器。具体实施方式0068 下面结合附图，对优选实施例作详细说明。应该强调的是下述说明仅仅是示例性的，而不是为了限制本发明的范围及其应用。0069 图1为本发明实施例的硬件结构图，其中，。

22、小型永磁直驱风力发电机2主要参数为：风轮直径为1.2m，额定功率为300W，额定电压为24V，额定转速800r/min，启动风速1m/s，额定风速10m/s，安全风速25m/s；最大功率跟踪装置的主要参数为：MPPT控制器采用dsPIC33FJ06GS101单片机，DC-DC变换器采用Boost电路，驱动模块选用MCP14E3，电压传感器采选用LV28-P，电流传感器8选用LA25-NP，风速传感器1采用JL-FS2，共5个：分别安装于风机叶轮前侧0.5米，与叶轮圆形面积同轴、平行且大小相等的圆形平面内的圆心处以及距离圆心1/4半径处、1/2半径处、3/4半径处、1倍半径处，转速传感器3采用电。

23、压过零检测式频率计，第一电容C110F，第二电容C2100F。0070 依据步骤201进行训练样本的采集。实施例中，利用鼓风机、变频器和直管段构成说明书CN 103437955 A5/6页9小型实验风洞，通过调节变频器的频率设定值控制鼓风机出力，进而创造出不同的风速环境。控制变频器频率从10Hz开始，以0.2Hz为间隔升至60Hz，可提供250种风速环境，即V(i)=V1(i)，V2(i)，V3(i)，V4(i)，V5(i)T，i=1,250，从而可构造出250对样本。0071 依据步骤202进行SVM模型的训练。均匀抽取总样本中的150对作为训练样本，其余100对作为检验样本。为防止产生。

24、过学习现象或者欠学习现象，分别取不同C=10-1、100、101、102、103，2=10-2、10-1、100、101、102，利用训练样本进行学习，并计算在检验样本上的MRE，选择最小的MRE所对应的模型作为最终预测模型，其中共包含56个支持向量，将这些支持向量写入单片机的存储器以供调用。0072 图2为扰动观察法P&O的流程图，其原理是周期性地扰动风机的转速(+)，再比较其扰动前后的功率变化，若输出功率增加，则表示扰动方向正确，继续朝同一方向(+)扰动；若输出功率减小，则朝相反(-)方向扰动。由于dsPIC33FJ06GS101的AD模块完成一次采样只需要0.5s，测量风机的直流输出电压。

25、、直流输出电流时，为了消除DC-DC变换器中高频斩波引起的信号抖动，令AD模块连续转换10次取平均值作为测量值。0073 图3为本发明提供的一种小型永磁直驱风力发电系统最大功率跟踪方法的流程图。开始时，首先采集安装于不同位置的5个风速传感器的输出，构成风速向量V=V1，V2，V3，V4，V5T，将其送入支持向量机预测模型，得到最大功率点对应的最优转速预测值ref；比例积分PI控制器依据风机实际转速与ref的偏差调节DC-DC变换器的PWM占空比，使得实际工作电压快速跟踪至ref。然后以ref为初值，利用较小的扰动步长开始P&O过程。在P&O过程中，将每一次扰动前后的功率差P与某一阈值Tr比较，。

26、当|P|Tr时，继续P&O过程，否则认为此时风速环境发生了突变，重新由支持向量机SVM模型预测出ref，并重复上述过程。对于300W的风机，本实施例取Tr=10W。0074 将上述最大功率跟踪MPPT方法通过C语言程序写入控制芯片dsPIC33FJ06GS101，输出PWM方波驱动DC-DC变换器，即可实现最大功率跟踪功能。0075 为了验证所提方法的正确性，在本发明所述的硬件平台上将其与常规扰动观察法P&O进行了比较。具体为：在同一风速环境下（设置风洞的变频器频率为40Hz），控制风机初始转速为0=600r/min，分别比较两种方法的跟踪速度和稳态过程的平均功率。0076 常规扰动观察法P&。

27、O方法（调整周期T=5s，步长=20r/min）的跟踪过程为：经过连续15拍的正方向扰动后，开始在最大功率点MPP（opt=900r/min）左右振荡，即进入稳态过程，总共所需时间约为75秒。0077 本发明所述方法的跟踪过程为，首先对风速向量进行测量，然后经支持向量机SVM模型给出最大功率点转速预测值ref=915r/min后，通过PI控制器直接将工作转速调节至915r/min，然后开始进行小步长扰动观察P&O（调整周期T=5s，步长=5r/min），由于ref本身已非常接近最大功率点MPP（opt=900r/min），经过连续3拍的负方向扰动后，进入了稳态过程，总共所需时间约为15秒。由此可知，本发明所提方法的跟踪速度要明显高于常规扰动观察法P&O方法。0078 进入稳态过程后，分别计算60秒稳态过程的平均功率，得出常规扰动观察法P&O方法为210瓦，而本发明所述方法为236瓦，这说明采用本发明所述方法可以有效的降低功率损失。说明书CN 103437955 A6/6页100079 以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。说明书CN 103437955 A10。

展开阅读全文