智能模糊PID控制在离网风光互补发电系统中应用研究

王育欣，殷孝雎

WANG Yu-xin1,2，YIN Xiao-ju3

（1.“特种电机与高压电器”部、省共建重点实验室 沈阳工业大学，沈阳 110004；2. 沈阳广播电视大学 理工学院，沈阳 110003；3. 辽宁太阳能研究应用有限公司，沈阳 110136）

0 引言

在能源短缺和环境污染问题日益严重的今天，风光能源作为取之不尽的绿色能源，成为传统能源的重要补充，因此，风光互补发电具有广阔的应用领域和发展前景。根据特定环境的负载条件和负载参数特征进行合理的容量配置可以大幅度节约系统的成本，提高系统效率。在独立风光互补发电系统中，蓄电池作为能量储存部分不可忽视，蓄电池组一次性设备投资是高比例的，同时，它也是整个系统中不稳定的环节，由于从风力发电机和太阳能电池板获得的电能有明显的波动，对蓄电池的充电和放电管理直接影响着发电系统的电能质量。这对电能的管理系统提出了更高的要求，因此，关于蓄电池的能源管理研究有着更多的理论和实践意义。

传统的控制理论控制性能不是很理想，本文提出了结合传统PID控制和模糊控制两种思想解决蓄电池管理问题，给出了风力发电机、光伏阵列和蓄电池组等仿真模型，最后通过模糊控制系统仿真研究对比了仿真结果。

1 系统组成

独立风光互补发电系统由涡轮发电机、智能控制器、储能蓄电池、DC-DC斩波器和AC-DC整流器等组成，如图1所示。风机发电将风能转换成电能，经三相全桥整流电路AC-DC整流器整流，输出后经系统控制器可对蓄电池进行储能；蓄电池具有对电能储存和调整作用；当发出电能过剩时，输入至蓄电池储能；当发出电能不足或能量消耗增加时，负载能量由蓄电池放电获得，从而使电源电压稳定。模糊智能控制器使用切换开关来调整蓄电池的工作状态，使蓄电池交替地工作在充电、放电、浮冲状态，保障发电系统的稳定性和连续性，系统最终通过PWM控制将发电输出电量供给用户负载。

图1 风光互补发电系统结构图

2 系统模型

2.1 风力发电机模型

根据空气动力学原理，风机输出能量特征如公式（1）所示，其中CP为风能利用系数，r为空气密度，1.25k/m3，v为风速，R为风机叶片半径；风机叶尖速比可由公式（2）求得，其中w为叶片旋转角速度；风力机输出转矩可用公式（3）表示，其中CT(l,b)为转矩系数，用公式（4）表示，其中拟合函数CP(l,b)由公式（5）获得，其中C1，…，C6为待定系数，可根据风机特征确定。

2.2 光伏电池模型

单个光伏电池的等效电路如图2所示，它由稳定产生光电流的电流源、内部并联电阻、串联电阻等组成。从图2中可以看出光伏单元特征表达式用如下方程表示：

其中Is和Vs分别是光伏电池单元的输出电流和输出电压，Isc是短路电流，Io为光伏电池内部等效二极管PN结反向饱和电流，q为电子电荷，1.6×10-19C；K为波尔兹曼常量，0.86×10-4Ev/K，A为P-N结理想因子（1－5），T为热力学温度，Rs和Rsh分别为内部串联电阻和并联电阻；反相饱和电流Io随温度而变化，见式（8）、式（9），其中CD为扩散电容，Etp为光照强度，单位为mW/cm2。

2.3 蓄电池模型

为使系统模型简化，这里采用了蓄电池戴维宁等效模型，如图3所示，其中包括电压源Us、蓄电池内阻、并联极板间的等效电容C和等效电阻R，这些参数为常数，构成了蓄电池的近似模型。

3 模糊PID控制

3.1 控制方式

图2 光伏电池单元等效电路

图3 蓄电池戴维宁等效电路

该独立风光互补发电系统的蓄电池充放电采用双闭环控制，内环为充电电流环，采用PI控制；外环为充电电压环。整个系统的关键是模糊PID控制器，模糊控制与PID控制分别由开关切换实现，在充电初期，采用PID控制进行大电流快速充电，当达到80%至90%电池容量时，采用模糊控制模式充电，保持充电电压恒定，控制系统框图如图4所示。

图4 控制系统框图

3.2 模糊控制设计

控制器模糊变量包括输入变量e、ec和输出U，e为蓄电池采样电压与参考值偏差，取值范围定义如下：

模糊子集为：

控制规则列表见表1。

在Matlab/Simulink 模糊逻辑工具箱中输入变量e、ec 和输出变量U的论域、模糊语言变量和模糊规则，并将模糊推理系统设置为Mamdani型，变量e、ec、U的隶属度函数如图5所示。

4 仿真结果

通过求解前面提出的方程，得到了一系列仿真结果，其中风力发电机的额定功率为300W，俯仰角为0，额定风速为12 m/s，风机输出整流前电压和整流后电压如图6所示；单个光伏电池仿真结果如图7所示，图7是在光强为100 ，大气温度为25 时的仿真模型。光伏电池仿真参数见表2。

表1 模糊控制规则

图5 变量e、ec、U的隶属度函数

图6 风机输出整流前与整流后电压

图7 单个光伏单元仿真I-U 特征曲线

表2 光伏电池模型参数

图9为蓄电池充放电某一时刻的MOSFET开关管控制脉冲。开关管响应可清晰表明蓄电池充放电特征。控制MOSFET的通断，实现风力和太阳能支路的通断来对蓄电池进行充电管理，仿真结果证明采用模糊-PID控制能有效地改善系统的动态性能。

图8 控制系统输出脉冲

5 仿真结果

仿真结果表明模糊PID控制在风光互补发电系统蓄电池能量管理上具有较好的控制效果。这种控制方法可以应用于其它分布式发电系统中，具有一定的实用性。因为蓄电池模型是很复杂的，本文仅仅提出了一种近似模型，如对蓄电池模型进一步改进，仿真结果将更加理想。

[1] J.G.Slootweg,S.W.H.de haan,H.Polinder,et al. General Model for Representing Variable Speed Wind Turbines in Power System Dynamics Simulations[J]. IEEE Transaction on Power Systems,2003,11(1)：10-16.

[2] YIN Huan-ying,MA Sheng-hong,Fuzzy Control Application for Load Management in PV/Wind System [J].RENEWABLE ENERGY,2005,122(5)： 32-34.

[3] 郑蕾,黄克亚. 模糊控制技术与神经网络法相结合实现光伏发电系统最大功率点跟踪[J]. 制造业自动化,2011,(15).

[4] JI Chang-an,ZHANG Xiu-bin,ZENG Guo-hui,et al.Wind-light Complementary Power System Based on MCU[J]. POWER SUPPLY TECHNOLOGIES AND APPLICATIONS,2005,8(6)： 35-38.

[5] 曾叶凡,刘志峰,张爱平. 独立光伏发电系统的研究与设计[J]. 制造业自动化,2008,(04).

[6] 齐志远,王生铁,田桂珍. 风光互补发电系统的协调控制[J]. 太阳能学报,2010,Vol.31,No. 5： 654-660.

[7] D. B. Nelson,M. H. Nehrir,and C. Wang. Unit sizing and cost analysis of stand-alone hybrid wind/PV/fuel cell power generation systems [J]. Renewable Energy,2005,31(10)： 1641-1656.

[8] G. Tina,S. Gagliano,and S. Raiti. Hybrid solar/wind power system probabilistic modelling for long-term performance assessment [J]. Solar Energy,2005,80(7)： 578-588.

[9] M. L. Li and C. Wang. Research on optimization of wind and PV hybrid power systems [J]. IEEE ICA congress,2008,7： 6429-6432.

[10] 陈海,晁勤,戴训江. 独立光伏发电系统充放电控制策略[J]. 可再生能源,2009,(03) .