Phân tích tình hình áp dụng AI trong các bài toán điều khiển hệ thống phát điện sức gió

Trang 3

Phân tích tình hình áp dụng AI trong các bài toán điều khiển hệ thống phát điện sức gió

Trang 5

• Hiệu suất phát điện khoảng 20 ~ 40%

• Giá thành của hệ thống điều khiển chiếm khoảng 7% giá thành toàn hệ thống.

Trang 6

 Generator (máy phát): Biến đổi năng lượng cơ thành năng lượng điện

 Biến đổi điện năng sinh ra bởi máy phát thành dạng điện năng có chất lượng theo yêu cầu của người tiêu dùng.

Trang 7

I Mở đầu

• MPPT Control• Pitch Angle Control• Rotor Speed Control• Grid Side Inverter Control

Trang 8

II MPPT control

Bài báo tham khảo:

Trang 10

II MPPT control

• MPPT (Maximum Power Point Tracker): là phương pháp dò

tìm điểm làm việc có công suất tối đa của hệ thống

• Thuật toán có nhiệm vụ tìm điểm MPP khi có sự thay đổi của tốc độ gió

Trang 11

II MPPT control

 Đường đặc tính công suất

 Mục đích: Điều khiển bộ Boost để công suất cấp cho máy phát là lớn nhất

 Cách thức: từ điều khiển giá trị Dutycycle để thay đổi giá trị U/I đầu ra, chọn điểm làm việc MPP của hệ thống

Trang 12

II MPPT control

• Cấu trúc của bộ chuyển đổi boost

• R là trở kháng của đầu ra của bộ biến đổi

• Trở kháng tương đương Zin có thể được tính bằng:

Trang 13

II MPPT control

• Nghiên cứu này sử dụng mạng nơ-ron nhân tạo lan truyền ngược và cấu trúc

của nó là mạng multilayer feed forward network

• Nghiên cứu sử dụng tính ưu việt của năng lực học tập để xây dựng hai mô-đun

ước tính gió của mạng nơ-ron nhân tạo ANNwind và ước tính công suất ANNPe

để ước tính tốc độ gió và công suất đầu ra

Trang 14

II MPPT control

• Mô-đun ANNwind là cấu trúc mạng hai đầu vào đến một đầu ra

• Trong đó Vw là tốc độ gió thực tế của máy đo gió, • Pe là công suất đầu ra của máy phát điện,

• Z là tốc độ rôto của tuabin gió

• Vw * là tốc độ gió ước tính bởi ANNwind

• Mô-đun ANNPe là cấu trúc mạng ba đầu vào đến một đầu ra

• Trong đó R là trở kháng tải • D là chu kỳ làm việc

• Pe * là công suất đầu ra ước tính của máy phát bởi ANNPe

Trang 16

II MPPT control

Trang 17

II MPPT control

Kết quả:

Tốc độ gió và trở kháng tải thay đổi :

• Nếu trở kháng tải ngay thay đổi từ 50,03 (Ohm) đến 23,22 (Ohm) ở 150 (giây)

Điện áp điều khiển Vcon của hệ thống điều khiển phải thay đổi cùng với tốc độ gió ước tính và trở kháng tải Tốc độ rôto được điều chỉnh bởi hệ thống điều khiển do sự biến đổi của Vcon

Kết quả của công suất đầu ra theo ba tốc độ gió cụ thể (7,6 m / s, 10,6 m / s và 13,0 m / s) được mô phỏng trước và sau khi trở

kháng tải thay đổi tương ứng trong Bảng I và II.

Trang 18

II MPPT control

Trang 19

II MPPT control

Trang 20

II MPPT control

Trang 21

 Khi tốc độ gió dưới 3m/s, hệ thống rotor quay chậm hoặc ngưng hoạt động Ở trạng thái này thân cánh quạt nằm tại vị trí 90 độ (góc pitch bằng 90 độ) và cánh quạt nếu quay nhẹ, công suất cũng rất thấp và sản lượng điện gần như không đáng kể.

 Với tốc độ gió từ 4 đến 11m/s là tốc độ gió thường, hệ thống rotor quay nhanh hơn, cơ năng từ cánh quạt thu được cao hơn nhưng sản lượng vẫn là thấp so với công suất thiết kế Khi đó thân cánh quạt nằm tại vị trí tối ưu là 0 độ.

III Pitch Angle Control

Trang 22

 Khi gió có tốc độ từ 12 đến 25m/s cơ năng thu được đạt công suất cao nhất, điều chỉnh mặt đón gió của cánh quạt được tự động thực hiện với nguyên tắc cánh quạt quay quanh than từ 0 đến 90 độ Lực tác động vào cánh quạt được giữ đều, momen xoắn tạo ra phù hợp với momen máy phát.

 Việc điều chỉnh mặt đón gió của cánh quạt ngoài chức năng thu cơ năng còn giữ cánh quạt và những chi tiết cơ của hệ thống rotor cũng như những bộ phận khác trong tuabin gió giảm lực tác động quá cao có thể gây hư hỏng đặc biệt là khi có bão.

Trang 23

4 phương pháp điều khiển1 Sử dụng điều khiển mờ

2 Sử dụng điều khiển nơ ron

3 Sử dụng điều khiển thông minh

4 Sử dụng học củng cố (reinforcement learning)

Trang 24

1 Điều khiển mờ (fuzzy control)

Để thiết kế các quy tắc bộ điều khiển mờ:

Bước đầu tiên cần xác định hàm liên thuộc

Bước thứ hai là thay đổi giá trị rõ nét (crips) thành các giá trị mờ (quá

S đ kh i h th ng đi u khi n góc pitch d a trên đi u khi n mơ ồ ố ệ ốềểựềểờ

S đ kh i ho t đông đi u khi n logic mơ ồ ốạềểờ

Trang 25

B ng lu t đi u khi n logic mảậềểờ

N u t c đ gió Mfs’ là 7 thì góc pitch b ng 0ế ố ộ ằN u t c đ gió Mfs’ là 8 thì góc pitch b ng 4ế ố ộ ằ

N u t c đ gió Mfs’ là 9 thì góc pitch b ng 11.29ế ố ộ ằN u t c đ gió Mfs’ là 10 thì góc pitch b ng 16.58ế ố ộ ằN u t c đ gió Mfs’ là 11 thì góc pitch b ng 20.64ế ố ộ ằN u t c đ gió Mfs’ là 12 thì góc pitch b ng 23.89ế ố ộ ằN u t c đ gió Mfs’ là 13 thì góc pitch b ng 23.89ế ố ộ ằN u t c đ gió Mfs’ là 14 thì góc pitch b ng 28.8ế ố ộ ằN u t c đ gió Mfs’ là 15 thì góc pitch b ng 30.71ế ố ộ ằN u t c đ gió Mfs’ là 16 thì góc pitch b ng 32.35ế ố ộ ằN u t c đ gió Mfs’ là 17 thì góc pitch b ng 33.79ế ố ộ ằN u t c đ gió Mfs’ là 18 thì góc pitch b ng 35.05ế ố ộ ằN u t c đ gió Mfs’ là 19 thì góc pitch b ng 36.16ế ố ộ ằN u t c đ gió Mfs’ là 20 thì góc pitch b ng 37.16ế ố ộ ằ

Trang 26

Giá trị hệ số C1=0.5176, C2=116, C3=0.4, C4=5, C5=21 và C6=0.0068

Khi giá trị Cp lớn nhất bằng 0.48 thì khi đó β = 0 và λ = 8.1.

Hệ thống sử dụng Simulink và với công suất 20KW, tốc độ gió đầu vào biến động từ 7m/s đến 20m/s trong 10s.

Trang 27

Kết quả

Trang 28

Kết quả

Trang 29

2 Điều khiển nơ ron

Trang 30

Multilayer Perceptron (Perceptron nhi u l p) là m t thu t toán h c máy có giám ề ớ ộ ậ ọsát (Machine Learning) thu c l p m ng n -ron nhân t o, là t p h p c a các ộ ớ ạ ơ ạ ậ ợ ủperceptron chia làm nhi u nhóm, m i nhóm t ng ng v i m t layer.ề ỗ ươ ứ ớ ộ

Trang 31

Hu n luy n b đi u khi n NN thu t toán theo t ng b c:ấ ệ ộ ề ể ậ ừ ướ

B c 1 kh i t o ng u nhiên tr ng s , b c 2 tính toán vector đ u ra sau đó tính ướ ở ạ ẫ ọ ố ướ ầtoán các lan truy n l i, b c 3 d a vào ph ng trình 5 và 6 đ c p nh t các tr ng ề ỗ ướ ự ươ ể ậ ậ ọs Sau đó t ph ng trình 7 và 8 tính toán t ng sai s E, b c 4 l p l i phép tính ố ừ ươ ổ ố ướ ặ ạb ng cách quay l i b c 2 cho đ n khi t ng sai s nh h n l i mong mu n.ằ ạ ướ ế ổ ố ỏ ơ ỗ ố

Ph ng trình 9 bi u di n f1 và f2 ươ ể ễ là hàm truy n c a l p n và l p đ u ra ề ủ ớ ẩ ớ ầ n ron.ơ

Trang 32

Mô ph ng và k t quỏếả

Thông s h th ng mô ph ngố ệ ố ỏ

Trang 33

Trang 34

Trang 35

3 Điều khiển thông minh

B đi u khi n PIộ ềể

Đ đ n gi n ta vi t l i thành ể ơ ả ế ạ

Trang 36

Giá tr c a Kp và Kiị ủ đ t ng ng là ể ươ ứ 3,15 và 19C i ti n thi t k b đi u khi n logic m (FLC)ả ế ế ế ộ ề ể ờ

Thông th ng, r t khó đ mô hình hóa và ki m soát m tườ ấ ể ể ộ h th nệ ố g phi tuy n tính.ế B ộđi u khi n thông th ng không ho t đ ng t tề ể ườ ạ ộ ố khi g p ch n đ ngặ ấ ộ Do đó, đ gi i ể ả

Trang 37

Trang 38

Mô ph ngỏ

Trang 39

K t quếả

K t qu mô ph ng đ c th c hi n trong 2 giai đo nế ả ỏ ượ ự ệ ạ

Giai đo n 1: t c đ gió tăng d n v i t c đ ban đ u 3m/s (8s) Công su t tuabin tăng ạ ố ộ ầ ớ ố ộ ầ ấtheo T i 36s công su t đ u ra v t quá 500kW, b đi u khi n gi công su t đ u ra ạ ấ ầ ượ ộ ề ể ữ ấ ầt i 500kW Có th th y b đi u khi n PI m t h n 1s đ n đ nh h th ng nh ng b ạ ể ấ ộ ề ể ấ ơ ể ổ ị ệ ố ư ộđi u khi n m ch m t 0.1s ề ể ờ ỉ ấ

Trang 40

K t quếả

K t qu mô ph ng đ c th c hi n trong 2 giai đo nế ả ỏ ượ ự ệ ạ

Giai đo n 2:ạ Trong giai đo n th hai, t c đ gió ạ ứ ố ộ trong th i gian th c ờ ự t iạ Islamabad,Pakistan ngày 10 tháng 7 năm 2017 Th i gian th cờ ự t c đ gió tính b ng mố ộ ằ /s

Trang 41

K t quếả

Đối với bộ điều khiển mờ được cải tiến, độ vọt lố tối đa là 527kW So

Trang 42

K t quếả

Các số liệu được phóng to để so sánh công suất đầu ra của PI và bộ điều khiển mờ cải tiến

Trang 43

K t quếả

Nhận xét:

Thông qua việc điều chỉnh góc pitch, người ta có thể điều khiển tuabin gió cho hiệu quả tốt hơn Bài báo này đề xuất một bộ điều khiển PI mờ để cải thiện góc pitch cho tuabin gió Mô hình của bộ điều khiển đề xuất không phụ thuộc vào động lực tuabin và có thể hoạt động ở bất kỳ tốc độ gió nào So sánh đã được thực hiện giữa bộ điều khiển đề xuất và bộ điều khiển PI

Trang 44

5 Học củng cố (Reinforcement learning)

Ph ng pháp h c c ng c bao g m m t môi tr ng, m t thông d ch và m t tác nhân ươ ọ ủ ố ồ ộ ườ ộ ị ộTác nhân d a trên tr ng thái mà thông d ch nh n th c đ c tr c đó l a ch n hành ự ạ ị ậ ứ ượ ướ ự ọđ ng ti p theo t t nh t đ th c hi n Vi c th c hi n đ c giám sát b i trình thông ộ ế ố ấ ể ự ệ ệ ự ệ ượ ởd ch, ng i mà cung c p thông tin cho tác nhân v tr ng thái m i s(t+1) và tr ng thái ị ườ ấ ề ạ ớ ạtr c đó c a r(t+1).ướ ủ

Trang 45

Vi c h c c ng c r i r c đ c th hi n nh sau:ệ ọ ủ ố ờ ạ ượ ể ệ ư

• S là t p h u h n các tr ng thái đ c trình thông d ch nh n bi t T p h p này đ c ậ ữ ạ ạ ượ ị ậ ế ậ ợ ượt o v i các bi n c a môi tr ng, trình thông d ch ph i quan sát đ c và có th ạ ớ ế ủ ườ ị ả ượ ểkhác v i các bi n tr ng thái c a môi tr ng.ớ ế ạ ủ ườ

• A là m t t p h p h u h n các hành đ ng đ c ti n hành b i tác nhân.ộ ậ ợ ữ ạ ộ ượ ế ở• st là tr ng thái t i th i đi m tạ ạ ờ ể

• at là hành đ ng th c hi n b i tác nhân khi thông d ch viên nh n tr ng thái stộ ự ệ ở ị ậ ạ• r(t+1) là tr ng thái nh n đ c sau khi hành đ ng at đ c ti n hànhạ ậ ượ ộ ượ ế

• s(t+1) là tr ng thái sau khi at đ c ti n hànhạ ượ ế

• Môi tr ng là ch ng trình Markov: ườ ươ MDP= s0,a0,r1,s1,a1,r2,s2,a2…⟨ ⟩

• π:S ×A→[0,1] hàm này cung c p xác xu t c a l a ch n hành đ ng a v i m i c p ấ ấ ủ ự ọ ộ ớ ỗ ặ(s,a)

• pss′=Pr{s(t+1))=s′|st=s at=a} là tr ng thái thay đ i t s sang s’ v i hành đ ng a∧ ạ ổ ừ ớ ộ• p (s′,a′) là ch n hành đ ng a’ tr ng thái s’ theo π ọ ộ ở ạ π

• ras=E{rt+1|st=s at=a}∧

• Q (s,a)=ras+ ∑s’pss’∑a’p (s′,a′)Q (s’,a’)π γ π π

Trang 46

Thông s mô ph ngố ỏ

Trang 47

K t qu mô ph ngếảỏ

Khoảng thời gian lấy mẫu Tc là 100 ms Trong tất cả các mô phỏng, tốc độ gió được tạo ngẫu nhiên trong khoảng 11.5m/s đến 14m/s Thời gian mỗi bước tối đa là 10ms

Bộ đk PID cũng được thiết kế với mục tiêu ổn định công suất đầu ra xung quanh giá trị định mức của tuabin và so sánh với học củng cố Sau khi điều chỉnh có thể lấy Kp = 0.9, Kd=0.2 và Ki = 0.5

Trang 48

IV Rotor Speed Control

4.1.Tổng quan phương pháp điều khiển

Hệ số công suất không thể đạt giá trị cực đại nếu không thay đổi tốc độ Rotor khi tốc độ gió thay đổi

Ta thấy rằng tốc độ gió càng lớn thì tốc độ Rotor cũng phải tăng theo để công suất bám theo giá trị cực đại như hình dưới

Trang 49

Việc kiểm soát tốc độ bằng bộ điều khiển PID truyền thống tuy đơn giản nhưng do Turbine gió là hệ thống có tham số thay đổi mạnh và liên tục, nên việc sử dụng bộ điều khiển PID tuy đơn giản nhưng ít chính xác thậm chí gây ra vọt lố.

Do đó việc sử dụng điều khiển thông minh bộ điều khiển PID thích nghi 1 noron dựa trên cơ sở mạng noron xuyên tâm (RBF)

Trang 50

Mô hình hóa hệ thống máy phát điện đồng bộ siêu dẫn (SCSG)

Hệ thống turbine gió SCSG là hệ thống sử dụng máy phát điện đồng bộ siêu dẫn (SCSG)

Trang 51

Nhằm mục đích đơn giản hóa cho việc nghiên cứu, ta sử dụng mô hình máy phát điện đồng bộ tiêu chuẩn

Trong hệ tọa độ quay dq của Rotor, mô hình từ thông được xác định:

Giả sử:

Trang 52

Phương trình cân bằng điện áp của cuộn dây Stator và Rotor

Biểu thức momen điện từ được biểu diễn theo công thức:

Các mạch tương đương được mô hình hóa trên trục dq

Trang 53

Để hoạt động được ở các tốc độ khác nhau mô hình SCSG được nối với lưới điện thông qua bộ biến tần toàn dải Bộ biến tần gồm bộ nghịch lưu phía máy phát, DC link và bộ chỉnh lưu phía lưới.

Bộ nghịch lưu phía máy phát thực hiện điều khiển MPPT thông qua điều khiển dòng q-axis. Bộ chỉnh lưu phía lưới thực hiện điều khiển công suất phản kháng và điều khiển điện áp một chiều không đổi thông qua điều

Triền khai biến tần toàn dải

Trang 54

Mô hình trên mô phỏng hệ truyền động máy phát điện với 2 vòng điều khiển tốc độ và dòng điện Vòng điều khiển công suất được thực hiện bằng phương pháp MPPT Mục đích vòng điều khiển tốc độ là giữ ổn định tốc độ và đạt được đặc tính động của tốc độ động cơ

Trang 55

4.2 Thiết kế bộ điều khiển

4.2.1 Thuật toàn bộ điều khiển PID thích ứng noron đơn

Việc sử dụng bộ điều khiển PID thich ứng noron đơn cho phép chỉnh định bộ 3 tham số theo thời gian thực

Sơ đồ khối bộ điều khiển PID thích ứng noron đơn

Trang 56

Giả sử trọng số trong bộ điều khiển PID tại thời điểm k là Trọng số tại thời điểm kế tiếp là:

Bình phương sai lệch đầu ra:

r(k), y(k) là đầu vào đầu ra mẫuTheo phương pháp lặp, mỗi lần lặp ta muốn:

Khai triển Taylor hàm F xung quanh wj (k), xấp xỉ hàm bậc nhất ta có:

Với:: Là vector Gradient của F(w) khi

Trang 57

Khi đó giá trị của Là:

Trong đó Không xác định nên thay thế bằng hàm signKhi đó trong số của từng tham số như sau:

Trang 58

Với hệ số khuếch đại K ta có:

4.2.2 Cải thiện sử dụng mạng xuyên tâm (RBF)

Mạng RBF thường được sử dụng để xấp xỉ các thành phần bất định của đối tượng trong qua trình thiết kế bộ điều khiển

Mạng RBF gồm 2 lớp như hình dưới:

Trang 59

Trong mạng RFB, Là vecto đầu vàohg là hàm truyền có dạng

là vecto ngưỡng là vecto trọng số, bg độ lệch chuẩn

Đầu ra của noron thứ m trong lớp đầu ra tại thời điểm k:Hiệu suất của mạng:

Trang 60

Sử dụng phương pháp giảm độ dốc

Ta viết được ma trận Jacobien của hệ thông điều kiện như sau

Trang 61

Mô hình mô phỏng hệ thống tạo gió

4.3 Mô phỏng

Trang 62

Trang 63

Đáp ứng tốc độ khi tải thay đổi đột ngột

Trang 64

Trang 65

4.4 Kết luận

Ta thấy bộ điều khiển PID thích nghi noron đơn trên cơ sở mang xuyên tâm ưu việt hơn so với phương pháp điều khiển PID truyền thống Thích nghi nhanh và chính xác với những thay đổi của yếu tố xung quanh

Tài liệu trích dẫn: “Shan Zuo, Yongduan Song, Lei Wang, Zheng Zhou, "Neuron-Adaptive PID Based Speed Control of SCSG Wind Turbine System", Abstract and Applied Analysis, vol. 2014, Article

ID 376259, 10 pages, 2014. https://doi.org/10.1155/2014/376259”

Trang 66

V Biến tần phía lưới (grid-side inverter):

• bộ biến tần phía lưới điều khiển điện áp link và điện áp lưới tương ứng

Trang 67

DC-Biến tần phía lưới điều khiển điện áp DC-link (Vdc) và điện áp lưới (Vt).

Hệ thống điều khiển biến tần phía lưới

5.1 Hệ thống điều khiển PI thông thường

Trang 68

Hệ thống điều khiển biến tần phía lưới5.2 Hệ thống điều khiển mờ

Trang 69

Hệ thống điều khiển PI dựa trên bộ điều khiển mờ