基于模糊逻辑控制的混合风柴油系统负荷频率控制

年代Siddik¹Selva Vinayagam²R Gopinath^3.

印度泰米尔纳德邦Sri Muthukumaran理工学院助理教授
印度泰米尔纳德邦Sri Muthukumaran理工学院助理教授
博士学者，Sri Muthukumaran理工学院，泰米尔纳德邦，印度

摘要

由于需求的快速增长和各种可再生能源对现有系统的整合，电力系统中的负荷频率控制(LFC)正在发生许多变化。本文提出了一种基于模糊逻辑控制的混合动力系统LFC方案。因此，LFC的目标是最小化系统频率偏差和tie线功率变化。风力发电作为一种高度间歇性的能源，给混合动力系统带来了额外的功率不平衡和频率偏差问题。对这种系统在孤立条件下的特性进行了认真的研究。在此基础上，提出了一种基于FLC的隔离型混合动力风电系统LFC方案，并利用MATLAB/SIMULINK对该方案的性能进行了验证

关键字

模糊逻辑，混合系统，负荷频率控制，可再生能源发电，风力发电

介绍

随着人们越来越重视环境保护和温室效应，迫切需要利用丰富的自然能源来减少化石燃料发电厂排放的温室气体。因此，工程师面临的最大挑战是开发新技术来利用清洁能源。尽管风能具有这样的品质，但风能作为发电的来源在本质上是高度间歇性的，因此风能产生的电力是不可预测的，不可靠的。

在[1]和[2]中提出了风力与柴油发电的混合动力，以处理不可预测的风的性质。混合风-柴油系统是非常可靠的，因为柴油作为缓冲，照顾风速的变化，并将始终保持平均功率等于设定点。除了风的非定常特性外，这类可再生能源的输出功率波动可能会引起电网频率和电压波动的严重问题，特别是在孤立微电网的情况下，微电网是由一些可再生能源和负载组成的小型供电网络。在最坏的情况下，如果系统频率不能维持在可接受的范围[3]，可能会导致系统失去稳定性。

由于尺寸变化、结构变化、新出现的可再生能源和新的不确定性，传统的LFC设计通常不适合具有非线性和不确定参数的大型电力系统。为了克服这些困难，需要开发一种智能LFC方案。随着人工神经网络、模糊逻辑控制、专家系统和自然启发算法的最新进展，任何问题的基于知识的解决方案的发展正在进入新的维度。

由于模糊逻辑的简单性、鲁棒性和可靠性，它现在几乎被应用于所有的科学技术领域，包括解决电力系统控制和运行中的广泛控制问题。模糊逻辑的主要优点是，与传统的控制定理不同，传统的控制定理本质上是基于被控系统的线性化数学模型，模糊控制方法试图直接基于测量、长期经验和领域专家/操作员的知识来建立控制器。

模糊逻辑已被用于解决负载频率问题，并已得到很好的证明。但所有报道的工作都只考虑了常规系统。为此，本文提出了一种基于模糊逻辑的混合动力风电系统负荷频率控制新技术。

模型解释

隔离混合风柴油发电系统的基本结构如图1所示，其中可编程螺距控制装置(PPC)安装在风侧，调速器安装在柴油侧。在随机风能供给的情况下，假设系统中存在突变负荷。这就导致了系统存在严重的频率偏差问题，这种功率变化和频率偏差严重影响了系统的稳定性。受如此大的频率偏差影响，负载侧机器设备的寿命将会减少。在数学建模方面，本研究使用的传递函数方框图如图2所示。该控制器是一阶超前滞后控制器，具有风侧频率偏差的单输入反馈。在风力侧安装可编程螺距控制器(PPC)的混合动力柴油发电有望成为一种降低频率偏差的经济有效的装置。

图2中线性化模型的状态方程可以表示为[4]

(1）

(2)

（3）

模糊逻辑控制

模糊逻辑是一种基于“真实度”的计算方法，而不是现代计算机所基于的通常的“真或假”(1或0)布尔逻辑。模糊逻辑的概念最早是由加州大学伯克利分校的洛特菲·扎德博士在20世纪60年代提出的。

模糊控制器由模糊器、推理机制、规则库和去模糊器四部分组成，如图所示

一般来说，基于模糊逻辑的控制器的设计有以下四个步骤

步骤1)定义输入和输出变量及其范围

步骤2)将输入和输出的清脆值模糊化为模糊集

步骤3)定义推理机制，形成规则库

步骤4)将输出的模糊集去模糊化为清晰值

在LFC情况下，为了设计模糊控制器，将ACE (e)及其导数(de)作为两个输入，即它们用作规则库的if部分，其输出给出then部分。在这种情况下，如上所述，两个输入信号ACE(e)及其导数dACE(de)首先在模糊化中使用五个隶属函数转换为模糊数。隶属度函数定义为正大(PB)、正小(PS)、零(ZZ)、负小(NS)、负大(NB)、小(S)、中(M)、大(B)、很大(VB)、很大(VVB)。最后将表示控制器输出的模糊子集转换为清晰值。

从表1中我们可以推断出可以用IF- then语句表示的规则如下:“如果ACE是NS, dACE是PB，那么输出是VB”

测试系统

为了研究所提控制器的有效性，建立了如图所示的风-柴油混合动力系统的simulink模型。为了证明所提控制器的优越性，考虑了两种情况

a.负载阶跃变化

b.可变风输入。

图4显示了使用simulink信号生成器应用的可变风输入。图5和图6分别显示了现有螺距控制和所提出的模糊逻辑控制器的测试系统

结果

比较了采用PPC和FLC的风柴油混合动力系统在负荷阶跃变化情况下的运行情况。利用MATLAB/SIMULINK环境对两种LFC方案进行了设计、测试和验证。图7和图8显示了负载阶跃变化时混合动力风电柴油系统的频率响应。从图7中我们可以看到，系统的频率偏差已经减少到零。与PPC的频率响应结果比较，FLC明显改善了混合动力系统的频率响应。同样，图9和图10显示了变风速输入时系统的频率响应，再次验证了FLC的优越性。