摘要随着传统化石能源消耗不断增加以及环境污染问题日益突出新能源发电技术成为现代能源体系发展的重要方向。其中风力发电凭借资源丰富、清洁环保以及可持续利用等优势在新能源领域占据重要地位。然而由于自然风速具有随机性、间歇性和不可预测性风力发电系统输出功率会随着风速变化产生较大波动使风力机难以长期运行在最佳能量转换状态。因此如何提高风能利用率实现最大功率点跟踪Maximum Power Point TrackingMPPT成为小型风力发电系统控制研究中的关键问题。本文以小型永磁直驱风力发电系统为研究对象针对传统MPPT控制方法存在的响应速度与稳定性难以兼顾的问题设计了一种结合最佳叶尖速比法与爬山搜索法的复合最大功率点跟踪控制策略。首先对小型永磁直驱风力发电系统结构及运行原理进行分析建立风力机、永磁同步发电机以及双PWM变流器数学模型其次对最佳叶尖速比法和爬山搜索法进行研究并结合两种方法优势提出优化MPPT控制策略最后利用MATLAB/Simulink建立完整仿真模型在阶跃风速和随机风速条件下验证控制效果。仿真结果表明该控制策略能够快速跟踪风力机最大功率点在提高风能转换效率的同时有效降低最大功率点附近的功率振荡提高系统运行稳定性。关键词风力发电系统永磁同步发电机最大功率点跟踪MPPT控制叶尖速比法爬山搜索法MATLAB/Simulink1. 引言为什么风力发电需要MPPT控制能源是现代社会发展的基础资源。长期以来煤炭、石油和天然气等传统能源在能源结构中占据主要地位但由于其不可再生性以及使用过程中产生的大量污染物能源转型已经成为全球发展的重要方向。风能作为一种清洁可再生能源具有储量丰富、环境污染小等特点被广泛应用于新能源发电领域。尤其是在偏远地区、山区、海岛等电网覆盖不足区域小型风力发电系统具有安装灵活、维护方便等优势。小型风力发电系统主要面向分布式供电和独立供电场景但由于风速存在随机变化风力机输出功率会随风速变化产生明显波动。风力机输出功率与风速之间具有强非线性关系P12ρSv3CpP\frac{1}{2}\rho S v^3 C_pP21ρSv3Cp其中PPP风力机捕获机械功率ρ\rhoρ空气密度SSS风轮扫掠面积vvv风速CpC_pCp风能利用系数。由公式可以看出风速变化会直接影响风能输入而风能利用系数 CpC_pCp 又受到风机转速、叶尖速比等因素影响。因此在不同风速条件下风力机都存在一个最佳运行点使输出功率达到最大。这就是最大功率点跟踪技术MPPT存在的意义。图1 风力发电系统最大功率点示意图2. 小型永磁直驱风力发电系统结构分析小型永磁直驱风力发电系统主要由以下几个部分组成风力机永磁同步发电机PMSG机侧PWM变流器直流母线网侧PWM变流器滤波环节电网控制系统。整体结构如下图2 小型永磁直驱风力发电系统结构框图风力机负责将空气中的动能转换为机械能。当自然风作用于叶片时叶片产生气动力矩推动风轮旋转。由于永磁同步发电机与风轮直接连接因此无需齿轮箱可以减少机械损耗提高系统效率。系统运行过程如下风能 ↓ 风力机 ↓ 机械能 ↓ 永磁同步发电机 ↓ 交流电能 ↓ 机侧变流器 ↓ 直流母线 ↓ 网侧变流器 ↓ 电网根据系统设计内容机侧变流器主要负责调节发电机转速和电磁转矩是实现MPPT控制的重要环节网侧变流器主要用于稳定直流母线电压并实现电能并网。3. 风力机数学模型与最大风能捕获原理3.1 风能转换基本原理风力发电系统的核心任务是将空气中的动能转换为机械能再通过发电机实现机械能到电能的转换。空气运动过程中具有动能E12mv2E\frac{1}{2}mv^2E21mv2其中$E$空气具有的动能单位为 J$m$空气质量单位为 kg$v$空气流动速度即风速单位为 m/s。设空气密度为 $\rho$风轮扫掠面积为 $S$单位时间内通过风轮的空气质量可以表示为mρSvm\rho SvmρSv将其代入空气动能公式可得到单位时间内风能所具有的功率Pw12ρSv3P_w\frac{1}{2}\rho Sv^3Pw21ρSv3其中$P_w$风能理论功率$\rho$空气密度$S$风轮扫掠面积$v$风速。对于半径为 $R$ 的风力机其叶片扫掠面积为SπR2S\pi R^2SπR2因此风力机能够获得的理论风能功率为Pw12ρπR2v3P_w\frac{1}{2}\rho \pi R^2v^3Pw21ρπR2v3由公式可以看出风能功率与空气密度成正比与风轮面积成正比与风速的三次方成正比。其中风速是影响风能大小最关键的因素。例如当风速增加一倍时理论风能功率将增加约 8 倍。因此在实际风力发电系统中需要通过控制策略实时调整风机运行状态提高风能捕获效率。3.2 贝茨极限与风能利用系数虽然空气中包含大量风能但是由于气流必须经过风轮后继续流动因此风力机无法将全部风能转换为机械能。德国物理学家贝茨Betz通过理论分析提出理想情况下风力机最大只能捕获风中约59.3%的能量。该最大转换效率称为贝茨极限Betz Limit其表达式为Cpmax1627C_{pmax}\frac{16}{27}Cpmax2716计算得到Cpmax0.593C_{pmax}0.593Cpmax0.593也就是说Cpmax59.3%C_{pmax}59.3\%Cpmax59.3%其中$C_p$ 表示风能利用系数Coefficient of Power用于描述风力机将风能转换为机械能的能力。实际风力机输出机械功率可以表示为Pm12ρπR2v3CpP_m\frac{1}{2}\rho\pi R^2v^3C_pPm21ρπR2v3Cp其中$P_m$风力机机械输出功率$\rho$空气密度$R$风轮半径$v$风速$C_p$风能利用系数。风能利用系数并不是固定值而是受到以下因素影响风轮转速叶片结构桨距角风速大小机械损耗。因此对于同一台风力机在不同运行状态下CpC_pCp会不断变化。最大功率点跟踪MPPT的本质就是通过控制发电机转速使风力机始终运行在CpCpmaxC_pC_{pmax}CpCpmax附近从而获得最大的风能转换效率。图3-1 贝茨理论气流变化示意图上游风速 $v_1$风轮处速度 $v$下游速度 $v_2$说明风能被风轮吸收后速度降低。3.3 风力机叶尖速比模型为了描述风力机转速与风速之间的关系引入叶尖速比Tip Speed RatioTSR。叶尖速比定义为λωRv\lambda\frac{\omega R}{v}λvωR其中$\lambda$叶尖速比$\omega$风轮机械角速度单位 rad/s$R$风轮半径单位 m$v$风速单位 m/s。叶尖速比表示风力机叶片尖端速度与来流风速之间的比例关系。对于确定结构参数的风力机Cpf(λ,β)C_pf(\lambda,\beta)Cpf(λ,β)其中$\beta$桨距角$\lambda$叶尖速比。当桨距角保持不变时Cpf(λ)C_pf(\lambda)Cpf(λ)因此风力机存在一个最佳叶尖速比λopt\lambda_{opt}λopt当λλopt\lambda\lambda_{opt}λλopt时CpCpmaxC_pC_{pmax}CpCpmax此时风力机能够捕获最大风能。图3-2 风能利用系数Cp与叶尖速比关系曲线3.4 风力机机械转矩模型根据风力机输出功率与机械转速关系PmTmωP_mT_m\omegaPmTmω因此TmPmωT_m\frac{P_m}{\omega}TmωPm代入风力机功率公式Tm12ρπR2v3CpωT_m \frac{ \frac{1}{2}\rho\pi R^2v^3C_p } {\omega}Tmω21ρπR2v3Cp其中$T_m$风力机机械转矩$\omega$风轮角速度。在MATLAB/Simulink建模过程中通常以风速发电机转速桨距角作为输入变量通过计算叶尖速比风能利用系数输出功率机械转矩建立风力机模型。图3-3 Simulink风力机数学模型输入Wind SpeedRotor SpeedPitch Angle输出Mechanical TorqueWind Power4. 最大功率点跟踪MPPT控制算法分析4.1 MPPT控制基本思想由于风速具有随机性和波动性风力机最佳运行状态会随着风速变化而改变。因此需要通过控制系统实时调整发电机转速电磁转矩变流器控制信号使风力机始终运行在最大功率点附近。MPPT控制目标maxPm\max P_mmaxPm等价于maxCp\max C_pmaxCp即λ→λopt\lambda \rightarrow \lambda_{opt}λ→λopt4.2 最佳叶尖速比法最佳叶尖速比法是一种基于风力机数学模型的MPPT控制方法。其核心思想根据实时风速计算最佳转速。由λωRv\lambda\frac{\omega R}{v}λvωR可得ωrefλoptvR\omega_{ref} \frac{\lambda_{opt}v}{R}ωrefRλoptv其中$\omega_{ref}$最佳参考转速$\lambda_{opt}$最佳叶尖速比。控制过程中将ωref\omega_{ref}ωref与实际转速ω\omegaω进行比较。通过控制器调节发电机电磁转矩使ω→ωref\omega \rightarrow \omega_{ref}ω→ωref最终实现最大功率输出。图4-1 最佳叶尖速比法控制框图优点1控制原理简单基于明确的风力机运行规律。2理论精度较高能够准确定位最大功率点。3响应速度较快风速变化时可以快速调整目标转速。缺点1依赖风速测量需要实时获得风速。实际应用中传感器误差安装位置影响湍流扰动都会降低控制效果。2依赖系统参数需要提前获得最佳叶尖速比风机参数$C_p-\lambda$ 曲线。因此该方法工程应用时通常需要结合其他算法优化。4.3 爬山搜索法Hill Climbing爬山搜索法又称扰动观察法Perturb and ObservePO是一种无需准确风速信息的MPPT方法。其基本思想通过人为改变控制变量然后观察输出功率变化方向。控制变量通常为发电机转速转矩指令。假设当前功率P(k)P(k)P(k)经过扰动后P(k1)P(k1)P(k1)功率变化量ΔPP(k1)−P(k)\Delta PP(k1)-P(k)ΔPP(k1)−P(k)如果ΔP0\Delta P0ΔP0说明扰动方向正确。继续保持当前调整方向。如果ΔP0\Delta P0ΔP0说明远离最大功率点。改变扰动方向。图4-2 爬山搜索法控制流程图优点不需要风速传感器对风机参数依赖较小结构简单容易数字化实现。缺点传统固定步长爬山算法存在大步长优点跟踪速度快缺点最大功率点附近振荡明显。小步长优点稳态误差小缺点动态响应慢。因此传统爬山搜索法无法同时满足快速性稳定性。5. 复合MPPT优化控制策略设计针对上述两种算法存在的问题本文提出一种基于最佳叶尖速比法与爬山搜索法结合的复合MPPT控制策略。其核心思想第一阶段快速搜索当系统启动或者风速发生明显变化时利用最佳叶尖速比法快速计算目标转速。即ωrefλoptvR\omega_{ref} \frac{\lambda_{opt}v}{R}ωrefRλoptv使系统快速接近最大功率区域。第二阶段精确优化当系统进入最大功率附近采用爬山搜索法进行微调。通过 ΔP\Delta PΔP 判断搜索方向。同时采用变步长策略远离最大功率点增大步长接近最大功率点减小步长。图5-1 复合MPPT控制流程图复合控制策略优势相比传统方法该方法具有1. 更快动态响应利用叶尖速比法快速定位。2. 更低稳态振荡利用爬山搜索法精细调整。3. 更强环境适应能力减少对精确风速和模型参数的依赖。因此该控制策略能够兼顾MPPT速度稳态精度系统稳定性。6. MATLAB/Simulink小型风力发电系统建模为了验证所设计复合MPPT控制策略的有效性采用 MATLAB/Simulink 仿真平台建立小型永磁直驱风力发电系统模型。系统整体模型主要包括风力机模型永磁同步发电机模型机侧PWM变流器直流母线模型网侧PWM变流器滤波环节电网模型MPPT控制系统。整体能量转换过程如下风能 ↓ 风力机 ↓ 机械转矩 ↓ 永磁同步发电机 ↓ 交流电 ↓ 机侧PWM变流器 ↓ 直流母线 ↓ 网侧PWM变流器 ↓ 电网图6-1 小型永磁直驱风力发电系统Simulink整体模型放置Simulink总模型截图。建议包含风力机模块PMSG模块MSC控制模块GSC控制模块DC LinkGrid模块。6.1 风力机模型设计风力机模型主要用于模拟风能到机械能的转换过程。其输入信号包括风速风轮转速桨距角。输出信号风力机机械功率风力机机械转矩。风力机输出功率Pm12ρπR2v3Cp(λ,β)P_m \frac{1}{2} \rho \pi R^2 v^3 C_p(\lambda,\beta)Pm21ρπR2v3Cp(λ,β)其中$P_m$机械输出功率$\rho$空气密度$R$风轮半径$v$风速$C_p$风能利用系数$\lambda$叶尖速比$\beta$桨距角。叶尖速比λωRv\lambda \frac{\omega R}{v}λvωR通过计算λ\lambdaλ得到对应CpC_pCp进而获得风力机输出机械功率。图6-2 风力机Simulink模型结构Wind Speed | ↓ λ计算模块 | ↓ Cp计算模块 | ↓ Power Calculation | ↓ Mechanical Torque输出6.2 永磁同步发电机PMSG模型设计永磁同步发电机是小型直驱风力发电系统的核心能量转换设备相比传统异步发电机永磁同步发电机具有无励磁绕组效率高结构简单低速运行性能好等优点。因此非常适合应用于小型风力发电系统。永磁同步电机在$d-q$坐标系下数学模型为电压方程udRsidLddiddt−ωeLqiqu_dR_si_dL_d\frac{di_d}{dt}-\omega_eL_qi_qudRsidLddtdid−ωeLqiq uqRsiqLqdiqdtωeLdidωeψfu_q R_si_q L_q\frac{di_q}{dt} \omega_eL_di_d \omega_e\psi_fuqRsiqLqdtdiqωeLdidωeψf其中$u_d,u_q$定子电压$i_d,i_q$定子电流$R_s$定子电阻$L_d,L_q$直轴和交轴电感$\omega_e$电角速度$\psi_f$永磁磁链。电磁转矩Te32p[ψfiq(Ld−Lq)idiq]T_e \frac{3}{2}p [ \psi_f i_q (L_d-L_q)i_di_q ]Te23p[ψfiq(Ld−Lq)idiq]其中$T_e$电磁转矩$p$极对数。对于表贴式永磁同步电机LdLqL_dL_qLdLq因此Te32pψfiqT_e \frac{3}{2}p\psi_f i_qTe23pψfiq由此可知通过控制$q$轴电流iqi_qiq即可实现发电机电磁转矩控制。图6-3 永磁同步发电机数学模型6.3 机侧变流器控制模型机侧变流器Machine Side ConverterMSC的主要作用控制发电机转速调节电磁转矩实现MPPT控制。其控制目标使风力机运行在最大功率点。控制结构主要包括转速外环电流内环SVPWM调制。控制流程MPPT算法 | ↓ 目标转速ωref | ↓ 速度PI控制器 | ↓ 电磁转矩参考值 | ↓ dq电流控制 | ↓ PWM信号 | ↓ 逆变器图6-4 机侧变流器控制框图转速控制环速度误差eωωref−ωe_\omega \omega_{ref}-\omegaeωωref−ω经过PI控制器Te∗KpeωKi∫eωdtT_e^*K_p e_\omega K_i\int e_\omega dtTe∗KpeωKi∫eωdt得到参考电磁转矩。电流控制环根据转矩关系Te32pψfiqT_e \frac32p\psi_f i_qTe23pψfiq得到iq∗2Te∗3pψfi_q^* \frac{2T_e^*}{3p\psi_f}iq∗3pψf2Te∗然后通过电流控制器实现iq→iq∗i_q\rightarrow i_q^*iq→iq∗最终控制发电机输出转矩。6.4 直流母线模型直流母线连接机侧变流器和网侧变流器。主要作用储存能量平衡功率稳定系统运行。直流母线电压动态关系CdUdcdtimsc−igscC\frac{dU_{dc}}{dt} i_{msc}-i_{gsc}CdtdUdcimsc−igsc其中$C$直流电容$U_{dc}$直流母线电压$i_{msc}$机侧输入电流$i_{gsc}$网侧输出电流。6.5 网侧变流器控制模型网侧变流器Grid Side ConverterGSC的主要任务保持直流母线电压稳定控制并网电流提高输出电能质量。控制采用电压外环 电流内环双闭环控制结构。控制流程Udc参考值 | ↓ 电压PI控制 | ↓ 有功电流参考id* | ↓ dq电流控制 | ↓ PWM调制 | ↓ 并网图6-5 网侧变流器控制结构图7. 系统仿真方案设计为了验证复合MPPT控制策略性能设计两种典型风速环境7.1 阶跃风速仿真阶跃风速用于测试系统动态响应速度MPPT跟踪能力转速调节性能。例如初始风速v8m/sv8m/sv8m/s随后变化为v10m/sv10m/sv10m/s观察系统响应。图7-1 阶跃风速输入曲线7.2 随机风速仿真实际自然风具有随机性。因此采用随机风速模型模拟真实运行环境。随机风速能够验证算法适应能力功率稳定性抗扰动性能。图7-2 随机风速输入曲线8. 仿真结果分析8.1 阶跃风速条件下结果分析在阶跃风速变化过程中系统首先利用最佳叶尖速比算法快速调整运行状态使风力机快速接近新的最大功率区域。随后复合MPPT控制进入精细搜索阶段通过爬山搜索算法进一步优化运行点。从仿真结果可以观察到风机转速能够快速跟随变化输出功率快速达到新的稳定值最大功率点附近振荡较小。8.2 随机风速条件下结果分析在随机风速情况下由于输入风能持续变化传统固定步长MPPT容易产生较明显功率波动。采用复合MPPT策略后风速变化初期快速响应稳态阶段减小扰动幅度输出功率更加平稳。仿真结果表明该控制方法能够有效提高系统对复杂风况的适应能力。8.3 不同MPPT控制策略对比分析为了进一步验证复合MPPT控制策略的有效性可以将其与传统方法进行对比分析。常见方法包括最佳叶尖速比法传统爬山搜索法复合MPPT控制方法。对比结果如下控制方法是否需要风速动态响应速度稳态振荡参数依赖最佳叶尖速比法需要快小较强爬山搜索法不需要一般较明显较弱复合MPPT方法部分需要快小较弱由表可以看出1最佳叶尖速比法优势理论基础明确最大功率点定位准确动态响应速度快。不足依赖风速测量需要准确获取风机参数。2传统爬山搜索法优势不需要风速传感器结构简单工程实现方便。不足固定步长导致动态性能和稳态性能难以兼顾。3复合MPPT控制策略结合两种方法优势在启动阶段采用最佳叶尖速比思想快速定位最大功率区域。在稳定运行阶段采用爬山搜索算法进一步优化运行点。因此该方法兼顾了快速性稳定性适应性。9. 复合MPPT控制策略优势总结通过前文分析和仿真验证可以总结该控制方法具有以下优势。9.1 提高动态响应能力传统爬山搜索法需要不断试探运行方向。当风速突然变化时系统需要较长时间寻找新的最大功率点。复合MPPT策略利用最佳叶尖速比方法直接计算目标运行速度ωrefλoptvR\omega_{ref} \frac{\lambda_{opt}v}{R}ωrefRλoptv使系统快速进入最大功率区域。因此提高了系统动态响应速度。9.2 降低最大功率点附近振荡传统固定步长爬山算法当接近最大功率点时仍然保持较大的扰动步长。导致输出功率周期性波动能量损失增加。复合算法通过减小搜索步长使运行点更加接近dPdω0\frac{dP}{d\omega}0dωdP0即最大功率点。9.3 提高复杂风况适应能力实际运行环境中风速并不是理想阶跃变化而是随机变化波动明显存在扰动。复合MPPT控制方法能够根据运行状态动态调整控制策略因此具有更好的环境适应能力。10. 小型风力发电系统设计总结本文围绕小型永磁直驱风力发电系统最大功率点跟踪控制问题展开研究完成了系统建模、控制策略设计以及仿真验证。主要工作如下1建立风力发电系统数学模型分析了风能转换原理风力机数学模型贝茨极限风能利用系数叶尖速比关系。建立了风力机机械功率和机械转矩模型为MPPT控制提供理论基础。2分析传统MPPT控制方法研究了最佳叶尖速比法特点控制精度高动态响应快依赖风速。爬山搜索法特点结构简单无需风速测量存在稳态振荡。3设计复合MPPT控制策略针对传统方法不足提出最佳叶尖速比法 爬山搜索法的复合控制策略。其核心思想启动阶段快速搜索。稳定阶段精确优化。实现快速跟踪稳定运行提高风能利用率。4完成MATLAB/Simulink仿真验证建立完整系统模型包括风力机永磁同步发电机机侧PWM变流器网侧PWM变流器电网模型MPPT控制模块。通过阶跃风速随机风速两种工况进行验证。仿真结果表明设计的控制策略能够有效跟踪最大功率点并改善系统输出功率稳定性。11. MATLAB/Simulink仿真资源说明本文涉及的小型永磁直驱风力发电系统模型采用 MATLAB/Simulink 建立。仿真模型主要包括风力机模型PMSG模型双PWM变流器模型MPPT控制模块电网接口模型。读者可以根据本文介绍的系统结构数学模型控制流程进行模型复现和进一步研究。如果用于本科毕业设计或课程设计可以进一步扩展模糊控制MPPT神经网络MPPT自适应变步长算法滑模控制模型预测控制。12. 未来研究方向虽然本文设计的复合MPPT控制策略能够有效提升风力发电系统性能但仍存在进一步优化空间。未来可以从以下几个方面展开研究12.1 智能算法优化利用模糊逻辑控制神经网络强化学习实现更加智能化的MPPT控制。12.2 自适应步长控制传统爬山搜索算法最大的问题是步长固定。未来可以根据ΔP\Delta PΔP变化趋势自动调整扰动步长。实现远离最大功率点大步搜索接近最大功率点小步优化。12.3 实物实验验证目前系统主要通过Simulink进行仿真验证。后续可以结合DSP控制器STM32控制平台实验样机进行实际测试。13. 结语随着新能源技术不断发展小型风力发电系统将在分布式能源、电网覆盖不足地区以及独立供电场景中发挥越来越重要的作用。然而由于风能具有随机性和间歇性如何提高风能利用率仍然是风力发电控制领域的重要研究方向。本文针对小型永磁直驱风力发电系统设计了一种结合最佳叶尖速比法和爬山搜索法的复合MPPT控制策略。通过 MATLAB/Simulink 建模与仿真分析证明该方法能够快速响应风速变化并在最大功率点附近保持较好的稳定性。相比传统MPPT算法复合控制策略在动态性能和稳态性能之间取得了更好的平衡为小型风力发电系统高效运行提供了一种可行方案。
基于复合MPPT控制策略的小型永磁直驱风力发电系统设计与MATLAB/Simulink仿真分析
摘要随着传统化石能源消耗不断增加以及环境污染问题日益突出新能源发电技术成为现代能源体系发展的重要方向。其中风力发电凭借资源丰富、清洁环保以及可持续利用等优势在新能源领域占据重要地位。然而由于自然风速具有随机性、间歇性和不可预测性风力发电系统输出功率会随着风速变化产生较大波动使风力机难以长期运行在最佳能量转换状态。因此如何提高风能利用率实现最大功率点跟踪Maximum Power Point TrackingMPPT成为小型风力发电系统控制研究中的关键问题。本文以小型永磁直驱风力发电系统为研究对象针对传统MPPT控制方法存在的响应速度与稳定性难以兼顾的问题设计了一种结合最佳叶尖速比法与爬山搜索法的复合最大功率点跟踪控制策略。首先对小型永磁直驱风力发电系统结构及运行原理进行分析建立风力机、永磁同步发电机以及双PWM变流器数学模型其次对最佳叶尖速比法和爬山搜索法进行研究并结合两种方法优势提出优化MPPT控制策略最后利用MATLAB/Simulink建立完整仿真模型在阶跃风速和随机风速条件下验证控制效果。仿真结果表明该控制策略能够快速跟踪风力机最大功率点在提高风能转换效率的同时有效降低最大功率点附近的功率振荡提高系统运行稳定性。关键词风力发电系统永磁同步发电机最大功率点跟踪MPPT控制叶尖速比法爬山搜索法MATLAB/Simulink1. 引言为什么风力发电需要MPPT控制能源是现代社会发展的基础资源。长期以来煤炭、石油和天然气等传统能源在能源结构中占据主要地位但由于其不可再生性以及使用过程中产生的大量污染物能源转型已经成为全球发展的重要方向。风能作为一种清洁可再生能源具有储量丰富、环境污染小等特点被广泛应用于新能源发电领域。尤其是在偏远地区、山区、海岛等电网覆盖不足区域小型风力发电系统具有安装灵活、维护方便等优势。小型风力发电系统主要面向分布式供电和独立供电场景但由于风速存在随机变化风力机输出功率会随风速变化产生明显波动。风力机输出功率与风速之间具有强非线性关系P12ρSv3CpP\frac{1}{2}\rho S v^3 C_pP21ρSv3Cp其中PPP风力机捕获机械功率ρ\rhoρ空气密度SSS风轮扫掠面积vvv风速CpC_pCp风能利用系数。由公式可以看出风速变化会直接影响风能输入而风能利用系数 CpC_pCp 又受到风机转速、叶尖速比等因素影响。因此在不同风速条件下风力机都存在一个最佳运行点使输出功率达到最大。这就是最大功率点跟踪技术MPPT存在的意义。图1 风力发电系统最大功率点示意图2. 小型永磁直驱风力发电系统结构分析小型永磁直驱风力发电系统主要由以下几个部分组成风力机永磁同步发电机PMSG机侧PWM变流器直流母线网侧PWM变流器滤波环节电网控制系统。整体结构如下图2 小型永磁直驱风力发电系统结构框图风力机负责将空气中的动能转换为机械能。当自然风作用于叶片时叶片产生气动力矩推动风轮旋转。由于永磁同步发电机与风轮直接连接因此无需齿轮箱可以减少机械损耗提高系统效率。系统运行过程如下风能 ↓ 风力机 ↓ 机械能 ↓ 永磁同步发电机 ↓ 交流电能 ↓ 机侧变流器 ↓ 直流母线 ↓ 网侧变流器 ↓ 电网根据系统设计内容机侧变流器主要负责调节发电机转速和电磁转矩是实现MPPT控制的重要环节网侧变流器主要用于稳定直流母线电压并实现电能并网。3. 风力机数学模型与最大风能捕获原理3.1 风能转换基本原理风力发电系统的核心任务是将空气中的动能转换为机械能再通过发电机实现机械能到电能的转换。空气运动过程中具有动能E12mv2E\frac{1}{2}mv^2E21mv2其中$E$空气具有的动能单位为 J$m$空气质量单位为 kg$v$空气流动速度即风速单位为 m/s。设空气密度为 $\rho$风轮扫掠面积为 $S$单位时间内通过风轮的空气质量可以表示为mρSvm\rho SvmρSv将其代入空气动能公式可得到单位时间内风能所具有的功率Pw12ρSv3P_w\frac{1}{2}\rho Sv^3Pw21ρSv3其中$P_w$风能理论功率$\rho$空气密度$S$风轮扫掠面积$v$风速。对于半径为 $R$ 的风力机其叶片扫掠面积为SπR2S\pi R^2SπR2因此风力机能够获得的理论风能功率为Pw12ρπR2v3P_w\frac{1}{2}\rho \pi R^2v^3Pw21ρπR2v3由公式可以看出风能功率与空气密度成正比与风轮面积成正比与风速的三次方成正比。其中风速是影响风能大小最关键的因素。例如当风速增加一倍时理论风能功率将增加约 8 倍。因此在实际风力发电系统中需要通过控制策略实时调整风机运行状态提高风能捕获效率。3.2 贝茨极限与风能利用系数虽然空气中包含大量风能但是由于气流必须经过风轮后继续流动因此风力机无法将全部风能转换为机械能。德国物理学家贝茨Betz通过理论分析提出理想情况下风力机最大只能捕获风中约59.3%的能量。该最大转换效率称为贝茨极限Betz Limit其表达式为Cpmax1627C_{pmax}\frac{16}{27}Cpmax2716计算得到Cpmax0.593C_{pmax}0.593Cpmax0.593也就是说Cpmax59.3%C_{pmax}59.3\%Cpmax59.3%其中$C_p$ 表示风能利用系数Coefficient of Power用于描述风力机将风能转换为机械能的能力。实际风力机输出机械功率可以表示为Pm12ρπR2v3CpP_m\frac{1}{2}\rho\pi R^2v^3C_pPm21ρπR2v3Cp其中$P_m$风力机机械输出功率$\rho$空气密度$R$风轮半径$v$风速$C_p$风能利用系数。风能利用系数并不是固定值而是受到以下因素影响风轮转速叶片结构桨距角风速大小机械损耗。因此对于同一台风力机在不同运行状态下CpC_pCp会不断变化。最大功率点跟踪MPPT的本质就是通过控制发电机转速使风力机始终运行在CpCpmaxC_pC_{pmax}CpCpmax附近从而获得最大的风能转换效率。图3-1 贝茨理论气流变化示意图上游风速 $v_1$风轮处速度 $v$下游速度 $v_2$说明风能被风轮吸收后速度降低。3.3 风力机叶尖速比模型为了描述风力机转速与风速之间的关系引入叶尖速比Tip Speed RatioTSR。叶尖速比定义为λωRv\lambda\frac{\omega R}{v}λvωR其中$\lambda$叶尖速比$\omega$风轮机械角速度单位 rad/s$R$风轮半径单位 m$v$风速单位 m/s。叶尖速比表示风力机叶片尖端速度与来流风速之间的比例关系。对于确定结构参数的风力机Cpf(λ,β)C_pf(\lambda,\beta)Cpf(λ,β)其中$\beta$桨距角$\lambda$叶尖速比。当桨距角保持不变时Cpf(λ)C_pf(\lambda)Cpf(λ)因此风力机存在一个最佳叶尖速比λopt\lambda_{opt}λopt当λλopt\lambda\lambda_{opt}λλopt时CpCpmaxC_pC_{pmax}CpCpmax此时风力机能够捕获最大风能。图3-2 风能利用系数Cp与叶尖速比关系曲线3.4 风力机机械转矩模型根据风力机输出功率与机械转速关系PmTmωP_mT_m\omegaPmTmω因此TmPmωT_m\frac{P_m}{\omega}TmωPm代入风力机功率公式Tm12ρπR2v3CpωT_m \frac{ \frac{1}{2}\rho\pi R^2v^3C_p } {\omega}Tmω21ρπR2v3Cp其中$T_m$风力机机械转矩$\omega$风轮角速度。在MATLAB/Simulink建模过程中通常以风速发电机转速桨距角作为输入变量通过计算叶尖速比风能利用系数输出功率机械转矩建立风力机模型。图3-3 Simulink风力机数学模型输入Wind SpeedRotor SpeedPitch Angle输出Mechanical TorqueWind Power4. 最大功率点跟踪MPPT控制算法分析4.1 MPPT控制基本思想由于风速具有随机性和波动性风力机最佳运行状态会随着风速变化而改变。因此需要通过控制系统实时调整发电机转速电磁转矩变流器控制信号使风力机始终运行在最大功率点附近。MPPT控制目标maxPm\max P_mmaxPm等价于maxCp\max C_pmaxCp即λ→λopt\lambda \rightarrow \lambda_{opt}λ→λopt4.2 最佳叶尖速比法最佳叶尖速比法是一种基于风力机数学模型的MPPT控制方法。其核心思想根据实时风速计算最佳转速。由λωRv\lambda\frac{\omega R}{v}λvωR可得ωrefλoptvR\omega_{ref} \frac{\lambda_{opt}v}{R}ωrefRλoptv其中$\omega_{ref}$最佳参考转速$\lambda_{opt}$最佳叶尖速比。控制过程中将ωref\omega_{ref}ωref与实际转速ω\omegaω进行比较。通过控制器调节发电机电磁转矩使ω→ωref\omega \rightarrow \omega_{ref}ω→ωref最终实现最大功率输出。图4-1 最佳叶尖速比法控制框图优点1控制原理简单基于明确的风力机运行规律。2理论精度较高能够准确定位最大功率点。3响应速度较快风速变化时可以快速调整目标转速。缺点1依赖风速测量需要实时获得风速。实际应用中传感器误差安装位置影响湍流扰动都会降低控制效果。2依赖系统参数需要提前获得最佳叶尖速比风机参数$C_p-\lambda$ 曲线。因此该方法工程应用时通常需要结合其他算法优化。4.3 爬山搜索法Hill Climbing爬山搜索法又称扰动观察法Perturb and ObservePO是一种无需准确风速信息的MPPT方法。其基本思想通过人为改变控制变量然后观察输出功率变化方向。控制变量通常为发电机转速转矩指令。假设当前功率P(k)P(k)P(k)经过扰动后P(k1)P(k1)P(k1)功率变化量ΔPP(k1)−P(k)\Delta PP(k1)-P(k)ΔPP(k1)−P(k)如果ΔP0\Delta P0ΔP0说明扰动方向正确。继续保持当前调整方向。如果ΔP0\Delta P0ΔP0说明远离最大功率点。改变扰动方向。图4-2 爬山搜索法控制流程图优点不需要风速传感器对风机参数依赖较小结构简单容易数字化实现。缺点传统固定步长爬山算法存在大步长优点跟踪速度快缺点最大功率点附近振荡明显。小步长优点稳态误差小缺点动态响应慢。因此传统爬山搜索法无法同时满足快速性稳定性。5. 复合MPPT优化控制策略设计针对上述两种算法存在的问题本文提出一种基于最佳叶尖速比法与爬山搜索法结合的复合MPPT控制策略。其核心思想第一阶段快速搜索当系统启动或者风速发生明显变化时利用最佳叶尖速比法快速计算目标转速。即ωrefλoptvR\omega_{ref} \frac{\lambda_{opt}v}{R}ωrefRλoptv使系统快速接近最大功率区域。第二阶段精确优化当系统进入最大功率附近采用爬山搜索法进行微调。通过 ΔP\Delta PΔP 判断搜索方向。同时采用变步长策略远离最大功率点增大步长接近最大功率点减小步长。图5-1 复合MPPT控制流程图复合控制策略优势相比传统方法该方法具有1. 更快动态响应利用叶尖速比法快速定位。2. 更低稳态振荡利用爬山搜索法精细调整。3. 更强环境适应能力减少对精确风速和模型参数的依赖。因此该控制策略能够兼顾MPPT速度稳态精度系统稳定性。6. MATLAB/Simulink小型风力发电系统建模为了验证所设计复合MPPT控制策略的有效性采用 MATLAB/Simulink 仿真平台建立小型永磁直驱风力发电系统模型。系统整体模型主要包括风力机模型永磁同步发电机模型机侧PWM变流器直流母线模型网侧PWM变流器滤波环节电网模型MPPT控制系统。整体能量转换过程如下风能 ↓ 风力机 ↓ 机械转矩 ↓ 永磁同步发电机 ↓ 交流电 ↓ 机侧PWM变流器 ↓ 直流母线 ↓ 网侧PWM变流器 ↓ 电网图6-1 小型永磁直驱风力发电系统Simulink整体模型放置Simulink总模型截图。建议包含风力机模块PMSG模块MSC控制模块GSC控制模块DC LinkGrid模块。6.1 风力机模型设计风力机模型主要用于模拟风能到机械能的转换过程。其输入信号包括风速风轮转速桨距角。输出信号风力机机械功率风力机机械转矩。风力机输出功率Pm12ρπR2v3Cp(λ,β)P_m \frac{1}{2} \rho \pi R^2 v^3 C_p(\lambda,\beta)Pm21ρπR2v3Cp(λ,β)其中$P_m$机械输出功率$\rho$空气密度$R$风轮半径$v$风速$C_p$风能利用系数$\lambda$叶尖速比$\beta$桨距角。叶尖速比λωRv\lambda \frac{\omega R}{v}λvωR通过计算λ\lambdaλ得到对应CpC_pCp进而获得风力机输出机械功率。图6-2 风力机Simulink模型结构Wind Speed | ↓ λ计算模块 | ↓ Cp计算模块 | ↓ Power Calculation | ↓ Mechanical Torque输出6.2 永磁同步发电机PMSG模型设计永磁同步发电机是小型直驱风力发电系统的核心能量转换设备相比传统异步发电机永磁同步发电机具有无励磁绕组效率高结构简单低速运行性能好等优点。因此非常适合应用于小型风力发电系统。永磁同步电机在$d-q$坐标系下数学模型为电压方程udRsidLddiddt−ωeLqiqu_dR_si_dL_d\frac{di_d}{dt}-\omega_eL_qi_qudRsidLddtdid−ωeLqiq uqRsiqLqdiqdtωeLdidωeψfu_q R_si_q L_q\frac{di_q}{dt} \omega_eL_di_d \omega_e\psi_fuqRsiqLqdtdiqωeLdidωeψf其中$u_d,u_q$定子电压$i_d,i_q$定子电流$R_s$定子电阻$L_d,L_q$直轴和交轴电感$\omega_e$电角速度$\psi_f$永磁磁链。电磁转矩Te32p[ψfiq(Ld−Lq)idiq]T_e \frac{3}{2}p [ \psi_f i_q (L_d-L_q)i_di_q ]Te23p[ψfiq(Ld−Lq)idiq]其中$T_e$电磁转矩$p$极对数。对于表贴式永磁同步电机LdLqL_dL_qLdLq因此Te32pψfiqT_e \frac{3}{2}p\psi_f i_qTe23pψfiq由此可知通过控制$q$轴电流iqi_qiq即可实现发电机电磁转矩控制。图6-3 永磁同步发电机数学模型6.3 机侧变流器控制模型机侧变流器Machine Side ConverterMSC的主要作用控制发电机转速调节电磁转矩实现MPPT控制。其控制目标使风力机运行在最大功率点。控制结构主要包括转速外环电流内环SVPWM调制。控制流程MPPT算法 | ↓ 目标转速ωref | ↓ 速度PI控制器 | ↓ 电磁转矩参考值 | ↓ dq电流控制 | ↓ PWM信号 | ↓ 逆变器图6-4 机侧变流器控制框图转速控制环速度误差eωωref−ωe_\omega \omega_{ref}-\omegaeωωref−ω经过PI控制器Te∗KpeωKi∫eωdtT_e^*K_p e_\omega K_i\int e_\omega dtTe∗KpeωKi∫eωdt得到参考电磁转矩。电流控制环根据转矩关系Te32pψfiqT_e \frac32p\psi_f i_qTe23pψfiq得到iq∗2Te∗3pψfi_q^* \frac{2T_e^*}{3p\psi_f}iq∗3pψf2Te∗然后通过电流控制器实现iq→iq∗i_q\rightarrow i_q^*iq→iq∗最终控制发电机输出转矩。6.4 直流母线模型直流母线连接机侧变流器和网侧变流器。主要作用储存能量平衡功率稳定系统运行。直流母线电压动态关系CdUdcdtimsc−igscC\frac{dU_{dc}}{dt} i_{msc}-i_{gsc}CdtdUdcimsc−igsc其中$C$直流电容$U_{dc}$直流母线电压$i_{msc}$机侧输入电流$i_{gsc}$网侧输出电流。6.5 网侧变流器控制模型网侧变流器Grid Side ConverterGSC的主要任务保持直流母线电压稳定控制并网电流提高输出电能质量。控制采用电压外环 电流内环双闭环控制结构。控制流程Udc参考值 | ↓ 电压PI控制 | ↓ 有功电流参考id* | ↓ dq电流控制 | ↓ PWM调制 | ↓ 并网图6-5 网侧变流器控制结构图7. 系统仿真方案设计为了验证复合MPPT控制策略性能设计两种典型风速环境7.1 阶跃风速仿真阶跃风速用于测试系统动态响应速度MPPT跟踪能力转速调节性能。例如初始风速v8m/sv8m/sv8m/s随后变化为v10m/sv10m/sv10m/s观察系统响应。图7-1 阶跃风速输入曲线7.2 随机风速仿真实际自然风具有随机性。因此采用随机风速模型模拟真实运行环境。随机风速能够验证算法适应能力功率稳定性抗扰动性能。图7-2 随机风速输入曲线8. 仿真结果分析8.1 阶跃风速条件下结果分析在阶跃风速变化过程中系统首先利用最佳叶尖速比算法快速调整运行状态使风力机快速接近新的最大功率区域。随后复合MPPT控制进入精细搜索阶段通过爬山搜索算法进一步优化运行点。从仿真结果可以观察到风机转速能够快速跟随变化输出功率快速达到新的稳定值最大功率点附近振荡较小。8.2 随机风速条件下结果分析在随机风速情况下由于输入风能持续变化传统固定步长MPPT容易产生较明显功率波动。采用复合MPPT策略后风速变化初期快速响应稳态阶段减小扰动幅度输出功率更加平稳。仿真结果表明该控制方法能够有效提高系统对复杂风况的适应能力。8.3 不同MPPT控制策略对比分析为了进一步验证复合MPPT控制策略的有效性可以将其与传统方法进行对比分析。常见方法包括最佳叶尖速比法传统爬山搜索法复合MPPT控制方法。对比结果如下控制方法是否需要风速动态响应速度稳态振荡参数依赖最佳叶尖速比法需要快小较强爬山搜索法不需要一般较明显较弱复合MPPT方法部分需要快小较弱由表可以看出1最佳叶尖速比法优势理论基础明确最大功率点定位准确动态响应速度快。不足依赖风速测量需要准确获取风机参数。2传统爬山搜索法优势不需要风速传感器结构简单工程实现方便。不足固定步长导致动态性能和稳态性能难以兼顾。3复合MPPT控制策略结合两种方法优势在启动阶段采用最佳叶尖速比思想快速定位最大功率区域。在稳定运行阶段采用爬山搜索算法进一步优化运行点。因此该方法兼顾了快速性稳定性适应性。9. 复合MPPT控制策略优势总结通过前文分析和仿真验证可以总结该控制方法具有以下优势。9.1 提高动态响应能力传统爬山搜索法需要不断试探运行方向。当风速突然变化时系统需要较长时间寻找新的最大功率点。复合MPPT策略利用最佳叶尖速比方法直接计算目标运行速度ωrefλoptvR\omega_{ref} \frac{\lambda_{opt}v}{R}ωrefRλoptv使系统快速进入最大功率区域。因此提高了系统动态响应速度。9.2 降低最大功率点附近振荡传统固定步长爬山算法当接近最大功率点时仍然保持较大的扰动步长。导致输出功率周期性波动能量损失增加。复合算法通过减小搜索步长使运行点更加接近dPdω0\frac{dP}{d\omega}0dωdP0即最大功率点。9.3 提高复杂风况适应能力实际运行环境中风速并不是理想阶跃变化而是随机变化波动明显存在扰动。复合MPPT控制方法能够根据运行状态动态调整控制策略因此具有更好的环境适应能力。10. 小型风力发电系统设计总结本文围绕小型永磁直驱风力发电系统最大功率点跟踪控制问题展开研究完成了系统建模、控制策略设计以及仿真验证。主要工作如下1建立风力发电系统数学模型分析了风能转换原理风力机数学模型贝茨极限风能利用系数叶尖速比关系。建立了风力机机械功率和机械转矩模型为MPPT控制提供理论基础。2分析传统MPPT控制方法研究了最佳叶尖速比法特点控制精度高动态响应快依赖风速。爬山搜索法特点结构简单无需风速测量存在稳态振荡。3设计复合MPPT控制策略针对传统方法不足提出最佳叶尖速比法 爬山搜索法的复合控制策略。其核心思想启动阶段快速搜索。稳定阶段精确优化。实现快速跟踪稳定运行提高风能利用率。4完成MATLAB/Simulink仿真验证建立完整系统模型包括风力机永磁同步发电机机侧PWM变流器网侧PWM变流器电网模型MPPT控制模块。通过阶跃风速随机风速两种工况进行验证。仿真结果表明设计的控制策略能够有效跟踪最大功率点并改善系统输出功率稳定性。11. MATLAB/Simulink仿真资源说明本文涉及的小型永磁直驱风力发电系统模型采用 MATLAB/Simulink 建立。仿真模型主要包括风力机模型PMSG模型双PWM变流器模型MPPT控制模块电网接口模型。读者可以根据本文介绍的系统结构数学模型控制流程进行模型复现和进一步研究。如果用于本科毕业设计或课程设计可以进一步扩展模糊控制MPPT神经网络MPPT自适应变步长算法滑模控制模型预测控制。12. 未来研究方向虽然本文设计的复合MPPT控制策略能够有效提升风力发电系统性能但仍存在进一步优化空间。未来可以从以下几个方面展开研究12.1 智能算法优化利用模糊逻辑控制神经网络强化学习实现更加智能化的MPPT控制。12.2 自适应步长控制传统爬山搜索算法最大的问题是步长固定。未来可以根据ΔP\Delta PΔP变化趋势自动调整扰动步长。实现远离最大功率点大步搜索接近最大功率点小步优化。12.3 实物实验验证目前系统主要通过Simulink进行仿真验证。后续可以结合DSP控制器STM32控制平台实验样机进行实际测试。13. 结语随着新能源技术不断发展小型风力发电系统将在分布式能源、电网覆盖不足地区以及独立供电场景中发挥越来越重要的作用。然而由于风能具有随机性和间歇性如何提高风能利用率仍然是风力发电控制领域的重要研究方向。本文针对小型永磁直驱风力发电系统设计了一种结合最佳叶尖速比法和爬山搜索法的复合MPPT控制策略。通过 MATLAB/Simulink 建模与仿真分析证明该方法能够快速响应风速变化并在最大功率点附近保持较好的稳定性。相比传统MPPT算法复合控制策略在动态性能和稳态性能之间取得了更好的平衡为小型风力发电系统高效运行提供了一种可行方案。