đồ án tốt nghiệp thiết kế điều khiển mppt cho hệ thống phát điện sức gió sử dụng bộ ước lượng tốc độ gió anfis và bộ điều khiển tối ưu thích nghi dựa trên bộ quan sát nhiễu

ĐẠI HỌC BÁCH KHOA HÀ NỘI ĐỒ ÁN TỐT NGHIỆP PHÁT ĐIỆN SỨC GIÓ SỬ DỤNG BỘ ƯỚC LƯỢNG TỐC ĐỘ GIÓ ANFIS VÀ BỘ ĐIỀU KHIỂN TỐI ƯU THÍCH NGHI DỰA TRÊN BỘ QUAN SÁT NHIỄU 1... ‒ Áp dụng bộ điều khi

ĐẠI HỌC BÁCH KHOA HÀ NỘI

ĐỒ ÁN TỐT NGHIỆP

PHÁT ĐIỆN SỨC GIÓ SỬ DỤNG BỘ ƯỚC LƯỢNG TỐC ĐỘ GIÓ ANFIS VÀ BỘ ĐIỀU KHIỂN TỐI ƯU THÍCH NGHI DỰA TRÊN BỘ QUAN SÁT NHIỄU

1 TRẦN HOÀI LÂM lam.th174007@sis.hust.edu.vn

2 NGUYỄN ĐỨC HÀ ha.nd181453@sis.hust.edu.vn Ngành KT Điều khiển & Tự động hóa

Giảng viên hướng dẫn: PGS - TS Vũ Thị Thúy Nga

HÀ NỘI, 3/2023

Chữ ký của GVHD

BỘ GIÁO DỤC & ĐÀO TẠO ĐH BÁCH KHOA HÀ NỘI

CỘNG HÒA XÃ HỘI CHỦ NGHĨA VIỆT NAM Độc lập – Tự do - Hạnh phúc NHIỆM VỤ

‒ Thiết kế bộ điều khiển tối ưu thích nghi dựa trên bộ quan sát nhiễu ‒ Thiết kế bộ ước lượng tốc độ gió ANFIS

‒ Áp dụng bộ điều khiển và bộ ước lượng ở trên cho bài toán điều khiển MPPT của hệ thống phát điện sức gió

3 Thời gian giao đề tài: 16 – 10 – 2022 4 Thời gian hoàn thành: 05 – 03 – 2023

Ngày tháng … năm 2023 CÁN BỘ HƯỚNG DẪN

Lời cảm ơn

Chúng em xin gửi lời cảm ơn chân thành đến các thầy cô trong Khoa Tự Động Hóa nói riêng và các thầy cô trong trường Điện – Điện Tử, Đại học Bách Khoa Hà Nội Chúng em xin bảy tỏ lời cảm ơn và tri ân sâu sắc tới cô PGS.TS Vũ Thị Thúy Nga đã định hướng và truyền đạt rất nhiều kiến thức quan trọng trong lĩnh vực điều khiển Chúng em cũng xin gửi lời cảm ơn sâu sắc đến gia đình và bạn bè đã luôn sát cánh và động viên tinh thần trong suốt quãng thời gian qua

Chúng em xin chân thành cảm ơn!

Tóm tắt nội dung đồ án

Trong đồ án này, bộ điều khiển tối ưu thích nghi dựa trên bộ quan sát nhiễu và bộ ước lượng tốc độ gió ANFIS được thiết kế cho bài toán điều khiển công suất cực đại của hệ thống phát điện sức gió Đầu tiên, tốc độ gió được ước lượng qua bộ ANFIS với đầu vào là tốc độ rotor và công suất đầu ra Tham số của mạng ANFIS được huấn luyện bằng phương pháp học lai làm tăng hiệu suất trong quá trình học Phương pháp TSR được sử dụng để tính ra điểm làm việc tối ưu Tiếp theo, bộ điều khiển tối ưu thích nghi được thiết kế để điều khiển hệ thống phát điện sức gió bám điểm công suất cực đại Bằng cách thêm thành phần hệ số suy giảm vào hàm mục tiêu làm cho tín hiệu điều khiển được duy trì đối với bài toán điều khiển bám tối ưu Hơn nữa, bằng việc thiết kế bộ quan sát nhiễu phi tuyến, thành phần nhiễu ước lượng đóng vai trò trong việc xây dựng hàm mục tiêu và xây dựng luật cập nhật cho một mạng Critic Tính ổn định của hệ thống được chứng minh bằng lý thuyết ổn định Lyapunov Chất lượng của bộ điều khiển được kiểm chứng bằng mô phỏng và so sánh với bộ điều khiển PI truyền thống

Đồ án được trình bày với nội dung gồm ba phần sau: ‒ Chương 1: Giới thiệu chung

‒ Chương 2: Bộ điều khiển tối ưu thích nghi dựa trên bộ quan sát nhiễu ‒ Chương 3: Thiết kế điều khiển MPPT cho hệ thống phát điện sức gió sử

dụng bộ ước lượng tốc độ gió ANFIS và bộ điều khiển tối ưu thích nghi dựa trên bộ quan sát nhiễu

Sinh viên thực hiện

(Ký và ghi rõ họ tên)

Trần Hoài Lâm

Nguyễn Đức Hà

MỤC LỤC

CHƯƠNG 1 GIỚI THIỆU CHUNG 1

1.1 Tổng quan về năng lượng gió 1

1.1.1 Khái niệm về năng lượng gió 1

1.1.2 Cách tạo ra năng lượng gió 2

1.1.3 Ưu và nhược điểm của năng lượng gió 2

1.1.4 Tiềm năng của năng lượng gió 3

1.2 Tổng quan về hệ thống Tuabin gió 4

1.2.1 Giới thiệu chung về hệ thống Tuabin gió 4

1.2.2 Các thành phần của Tuabin gió 4

1.2.3 Phân loại Tuabin gió 5

1.2.4 Mô hình hóa Tuabin gió 7

1.3 Máy phát điện đồng bộ nam châm vĩnh cửu PMSG 8

1.5 Tổng quan về điều khiển tối ưu 12

CHƯƠNG 2 BỘ ĐIỀU KHIỂN TỐI ƯU THÍCH NGHI DỰA TRÊN BỘ QUAN SÁT NHIỄU 16

2.1 Đặt vấn đề 16

2.2 Mô tả bài toán 17

2.3 Phương trình Halminton-Jacobi-Bellman (HJB) 17

2.4 Xấp xỉ thành phần Critic dựa trên mạng noron ổn định tiệm cận 18

2.5 Bộ quan sát nhiễu phi tuyến 21

2.6 Phân tích tính ổn định 21

2.7 Kết quả mô phỏng 22

CHƯƠNG 3 THIẾT KẾ ĐIỀU KHIỂN MPPT CHO HỆ THỐNG PHÁT ĐIỆN SỨC GIÓ SỬ DỤNG BỘ ƯỚC LƯỢNG TỐC ĐỘ GIÓ ANFIS VÀ BỘ ĐIỀU KHIỂN TỐI ƯU THÍCH NGHI DỰA TRÊN BỘ QUAN SÁT NHIỄU 25

3.3 Thiết kế bộ điều khiển tối ưu thích nghi sử dụng bộ quan sát nhiễu 27

3.4 Ước lượng tốc độ gió sử dụng mạng ANFIS 29

3.4.1 Công cụ ANFIS trong Matlab 29

3.4.2 Ước lượng tốc độ gió bằng ANFIS 29

3.5 Kết quả mô phỏng 32

TÀI LIỆU THAM KHẢO 38

DANH MỤC HÌNH VẼ

Hình 1.1: Kết hợp Tuabin gió với sản xuất nông nghiệp 2

Hình 1.2: Các thành phần của hệ thống Tuabin gió 4

Hình 1.3: Tuabin gió trục ngang và Tuabin gió trục đứng 6

Hình 1.4: Các vùng hoạt động của Tuabine gió 7

Hình 1.5: Đường cong công suất ứng với các tốc độ gió khác nhau 8

Hình 1.6: Mặt cắt ngang của máy phát PMSG 8

Hình 1.7: Nguyên lý làm việc của máy phát PMSG 9

Hình 1.8: Sơ đồ mạch điện tương đương trong hệ quy chiếu d-q 9

Hình 1.9: Cấu trúc mạng ANFIS với hai đầu vào và một đầu ra 11

Hình 1.10: Nguyên lý hoạt động Bellman và hàm đánh giá tối ưu 14

Hình 3.2: Cấu trúc điều khiển 27

Hình 3.3: Tốc độ gió thực và tốc độ ước lượng với tốc độ gió bước 31

Hình 3.4: Sai lệch ước lượng với tốc độ gió bước 31

Hình 3.5: Tốc độ gió thực và tốc độ ước lượng với tốc độ gió ngẫu nhiên 32

Hình 3.6: Sai lệch ước lượng với tốc độ gió ngẫu nhiên 32

Hình 3.7: Tốc độ gió thay đổi ở dạng bước nhảy 33

Hình 3.8: Đáp ứng của hệ số công suất 33

Hình 3.9: Đáp ứng của công suất cơ 34

Hình 3.10: Đáp ứng của tốc độ Rotor 34

Hình 3.11: Tốc độ gió thay đổi theo dạng ngẫu nhiên 35

Hình 3.12: Đáp ứng của hệ số công suất 35

Hình 3.13: Đáp ứng của công suất cơ 35

Hình 3.14: Đáp ứng của tốc độ Rotor 35

DANH MỤC BẢNG BIỂU

Bảng 1.1: Thuật toán Actor-Critic 15Bảng 3.1: Thông số của máy phát PMSG và Tuabin gió 33

DANH MỤC CÁC KÝ HIỆU VIẾT TẮT

PMSG: Permanent Magnet Synchronous Generator WECS: Wind Energy Convergence Systems MPPT: Maximum Power Point Tracking MPP: Maximum Power Point HCS: Hill Climb Searching OTC: Optimal Torque Control TSR: Tip Speed Ratio MSC: Machine Side Converter GSC: Grid Side Converter ARE: Algebraic Riccati Equation HJB: Hamilton–Jacobi–Bellman ADP: Adaptive Dynamic Programming ANFIS: Adaptive Neural Fuzzy Inference System NN: Neural Network

AC: Actor-Critic

UUB: Uniformly Ultimately Bounded

1 CHƯƠNG 1 GIỚI THIỆU CHUNG

1.1 Tổng quan về năng lượng gió

Gần đây, năng lượng tái tạo đang được nhiều chính phủ quan tâm để giảm sự phụ thuộc vào nguồn tài nguyên hóa thạch Đứng trước thực tế về nhu cầu sử dụng năng lượng ngày càng cao và những nguồn năng lượng hóa thạch như dầu, khí đốt, than,… đang ngày càng trở nên khan hiếm cũng như gây nên những ảnh hưởng xấu đến môi trường, yêu cầu khách quan là cần tìm ra và phát triển những dạng năng lượng mới để thay thế cho chúng Những năng lượng đó cần đảm bảo hai điều kiện đó là nguồn năng lượng dồi dào, luôn sẵn có và quan trọng hơn là thân thiện với môi trường Từ đó, khái niệm năng lượng tái tạo (Renewable Energy) ngày càng trở nên phổ biến Đây là những nguồn năng lượng “sạch hơn” và có thể xem là vô hạn, chẳng hạn như: năng lượng gió, năng lượng mặt trời, năng lượng sinh khối

Trong số các nguồn năng lượng tái tạo, năng lượng gió được sử dụng khá phổ biến bởi đây là nguồn năng lượng sạch, tin cậy, có mặt khắp nơi trên thế giới, giá thành của hệ thống liên tục giảm để có thể cạnh tranh với các hệ thống phát điện khác Việc tạo ra năng lượng gió là một hệ thống phức tạp vì đây là sự kết hợp của các thành phần khí động học, cơ khí và điện

1.1.1 Khái niệm về năng lượng gió

Gió là sự chuyển động của không khí từ khu vực có áp suất cao đến khu vực có áp suất thấp Và gió từ lâu đã đóng vai trò là nguồn cung cấp năng lượng cho con người Con người đã khai thác năng lượng gió trong hàng nghìn năm, từ những chiếc thuyền buồm đầu tiên cho đến hệ thống thông gió có từ năm 300 trước Công nguyên Đây là một nguồn năng lượng tái tạo và không phát thải, rất thích hợp cho việc sản xuất năng lượng ở quy mô lớn Trên con đường hướng tới một tương lai “không carbon”, năng lượng gió sẽ ngày càng đóng một vai trò quan trọng Năng lượng gió hoạt động thế nào?

Để thu được năng lượng gió và chuyển thành điện năng, ta sử dụng các Tuabin gió Các Tuabin gió có kích thước lớn, có thể cao bằng một tòa nhà 20 tầng và có ba cánh quạt dài đến 200 foot (60 mét) Gió làm quay các cánh quạt, qua đó làm quay một trục nối với nam châm của máy phát điện để tạo ra điện năng Chính vì đặc điểm kích thước lớn này, mà các các Tuabin gió được yêu cầu lắp đặt cách nhau một khoảng cách đủ lớn để không gây sự cố đáng tiếc, ở khoảng cách giữa hai Tuabin với nhau thường sẽ được bố trí thêm các tấm pin mặt trời hoặc tiến hành nông nghiệp để tận dụng diện tích Các Tuabin gió lớn nhất tạo ra điện trong một năm khoảng 12 MWh, tức là đủ để cung cấp cho khoảng 600 ngôi nhà Các trang trại điện gió có hàng chục và đôi khi hàng trăm Tuabin này xếp cùng nhau ở những vùng đặc biệt nhiều gió Các Tuabin nhỏ hơn được lắp đặt ở sân sau có thể sản xuất đủ điện cho một ngôi nhà hoặc doanh nghiệp nhỏ

Hình 1.1: Kết hợp Tuabin gió với sản xuất nông nghiệp 1.1.2 Cách tạo ra năng lượng gió

a) HAWT

Chuyển động xoay tròn làm quay một trục trong thiết bị bảo vệ, động năng của trục quay được chuyển đổi bởi một máy phát thành năng lượng điện Điện được dẫn đi qua một máy biến áp, làm tăng điện áp để nó có thể được vận chuyển trên lưới điện địa phương hoặc được sử dụng bởi một lưới điện quốc gia

b) Cây điện gió

Là một loại Tuabin gió không phát ra tiếng ồn, hay còn được gọi là Cây điện gió (Wind Tree) Đây là một một lựa chọn tối ưu cho các khu vực đô thị như vườn, công viên và khu vực cộng đồng địa phương khi tạo ra năng lượng gió mà không gây ồn làm ảnh hưởng đến cảnh quan công cộng

c) Sử dụng diều điện gió

Đây là một phát minh thay thế phù hợp cho người dân gặp khó khăn trong việc lắp đặt Tuabin gió truyền thống

Bằng điều khiển của các máy tính có sử dụng hệ thống định vị toàn cầu (GPS) và nhiều cảm biến khác, diều điện gió sẽ cất cánh và bay vòng tròn xung quanh trạm, nhờ gió làm xoay 8 cánh quạt tích hợp trên cánh diều để kích hoạt một máy phát tạo ra điện rồi truyền về lưới điện thông qua dây neo theo điều khiển của các máy tính có sử dụng hệ thống định vị toàn cầu (GPS) và nhiều cảm biến khác 1.1.3 Ưu và nhược điểm của năng lượng gió

3 Có tiềm năng lớn

Sử dụng công nghệ hiện đại Tăng trưởng nhanh với tiềm năng lớn

Giá thành giảm: nhờ những tiến bộ về công nghệ và nhu cầu gia tăng mà giá đã giảm hơn 80% kể từ năm 1980 và dự kiến sẽ tiếp tục giảm trong tương lai gần

Nhược điểm:

Các Tuabin gió có thể gây ảnh hưởng xấu đến động vật địa phương Các địa điểm lấy gió trên đất liền tốt thường nằm ở những vị trí hẻo lánh, xa trung tâm thành phố cần lấy điện

Phải cạnh tranh với các nguồn phát điện thông thường trên cơ sở chi phí Tuabin có thể gây ra tiếng ồn và ô nhiễm mỹ quan

Phụ thuộc nhiều vào yếu tố thời tiết, những cơn bão mạnh có thể ảnh hưởng đến hoạt động của Tuabin khi bị sét đánh

Chỉ thích hợp để xây dựng ở một địa điểm nhất định

Cần chặt bỏ một số lượng lớn cây xanh để có diện tích cho việc lắp đặt Tuabin gió

1.1.4 Tiềm năng của năng lượng gió Năng lượng gió trên thế giới

Các nguồn năng lượng sạch đang được quan tâm nhiều như năng lượng gió, năng lượng mặt trời, năng lượng địa nhiệt, năng lượng sóng biển, năng lượng thủy triều… bởi sự cạn kiệt tài nguyên hóa thạch và ô nhiễm môi trường Năng lượng sạch là một sự lựa chọn cho ngành năng lượng thay thế trong tương lai Trong đó, năng lượng gió được xem như là nguồn năng lượng dễ khai thác, tiềm năng lớn với công nghệ đơn giản và chi phí đầu tư và vận hành tương đối thấp

Năng lượng gió ở Việt Nam

Tốc độ gió cần thiết tại trục Tuabin (có cao độ khoảng 40 – 60m) phù hợp cho việc vận hành thương mại vào khoảng 6 - 7m/giây Tốc độ gió trung bình của Việt Nam ở độ cao cách mặt đất 30m theo đánh giá là khoảng 4 - 5 m/giây ở các vùng bờ biển Ở một vài hòn đảo độc lập, con số này đạt trên 9m/s, phù hợp để phát triển việc tận dụng loại năng lượng này

Nằm trong khu vực cận nhiệt đới gió mùa với bờ biển dài, Việt Nam có một thuận lợi cơ bản để phát triển năng lượng gió So sánh tốc độ gió trung bình trong vùng biển Đông Việt Nam và các vùng biển lân cận cho thấy gió tại biển Đông khá mạnh và thay đổi nhiều theo mùa

Nhược điểm lớn nhất là sự phụ thuộc vào điều kiện thời tiết và chế độ gió Vì vậy khi thiết kế, cần nghiên cứu hết sức chi tiết về chế độ gió, địa hình cũng như loại gió không có các dòng rối (có ảnh hưởng không tốt đến máy phát)

1.2 Tổng quan về hệ thống Tuabin gió 1.2.1 Giới thiệu chung về hệ thống Tuabin gió

Tuabin điện gió (Tuabin gió) là một thiết bị cơ khí khá đơn giản và cấu tạo cũng không quá phức tạp Mượn sức gió để chuyển đổi động năng thành cơ năng và tiếp tục chuyển đổi thành điện năng Ở nước ngoài, Tuabin gió được đặt trên các cánh đồng rộng lớn vì các cánh quạt phải được trải rộng để đảm bảo được lượng gió hấp thụ và cách xa khu dân cư Các Tuabin được đặt ngoài khơi sức gió sẽ tối ưu hơn nhưng chi phí xây dựng và bảo trì cao hơn đáng kể

Tỉ lệ sản sinh ra điện của Tuabin sẽ thuận với tỉ lệ độ lớn của cánh quạt Điện gió khi sản sinh ra điện có thể hòa vào điện lưới quốc gia

1.2.2 Các thành phần của Tuabin gió

Phong kế (Anemometer): Bộ đo lường tốc độ gió và truyền dữ liệu tốc độ gió tới bộ điểu khiển

Cánh quạt (Blades): Gió thổi qua các cánh quạt và là nguyên nhân làm cho các cánh quạt chuyển động và quay

Bộ hãm (Brakes): Dùng để dừng Rotor trong tình trạng khẩn cấp bằng điện, bằng sức nước hoặc bằng động cơ

Bộ điều khiển (Controller): Bộ điều khiển sẽ khởi động động cơ ở tốc độ gió khoảng 2m/s đến 3m/s và tắt động cơ khoảng 25m/s bởi vì các máy phát này có thể phát nóng

Hộp số (Gear box): Bánh răng được nối với trục có tốc độ thấp với trục có tốc độ cao và tăng tốc độ quay từ 30 đến 60 vòng/ phút lên 1200 đến 1500 vòng/ phút, tốc độ quay là yêu cầu của hầu hết các máy phát điện sản xuất ra điện Bộ bánh răng này rất đắt tiền, nó là một phần của bộ động cơ và tuabin gió

Hình 1.2: Các thành phần của hệ thống Tuabin gió

5 Hiện nay, trên thế giới có hai công nghệ phổ biến là loại có hộp số và không có hộp số, tùy thuộc vào ưu điểm và bí mật công nghệ mà các hãng lựa chọn, chế tạo thiết bị cho riêng mình

- Loại có hộp số: dùng cho máy phát bình thường (chuyển đổi vòng quay lên, tùy thuộc thiết kế có số cặp cực)

- Loại không có hộp số: dùng cho máy phát kích từ bằng nam châm vĩnh cửu (trục Rotor chuyền thẳng đến trục máy phát, vòng quay tùy thuộc thiết kế số cặp cực, số cực càng lớn thì vòng quay càng thấp)

Máy phát (Generator): máy phát làm nhiệm vụ biến đổi năng lượng cơ học của rotor thành năng lượng điện Ở các Tuabin thường sử dụng các máy phát đồng bộ lẫn máy phát không đồng bộ Đối với các Tuabin cỡ công suất từ vài trăm kW tới vài MW thông thường phát dòng điện 3 pha AC với điện áp từ 400V đến 1000V

Trục truyền động của máy phát ở tốc độ cao (High-speed shaft) Trục quay tốc độ thấp (Low-speed shaft) - Vỏ (Nacelle): Bao gồm rotor và vỏ bọc ngoài, toàn bộ được dặt trên đỉnh trụ và bao gồm các phần: hộp số, trục truyền động tốc độ cao và thấp, máy phát, bộ điều khiển và bộ hãm Vỏ bọc ngoài dùng bảo vệ các thành phần bên trong vỏ

Bước răng (Pitch): cánh được xoay hoặc làm nghiêng một ít để giữ cho rotor quay trong gió không quá cao hay quá thấp để tạo ra điện

Rotor: bộ phận này nằm phía cuối trục Tuabin, Rotor được gắn trên thân trục và phía đầu kia là bộ cánh quạt Khi gió thổi tác động lên cánh quạt ở tốc độ nhất định nhờ áp dụng nguyên tắc nâng tựa như hoạt động của cánh máy bay thì cánh quạt quay, đồng thời Rotor quay trong lòng Stator tạo ra từ trường sinh ra dòng điện Chúng là thành phần chính trong máy phát điện (Generator) của Tuabin gió có chức năng chuyển đổi năng lượng cơ học thành năng lượng điện năng

Trụ đỡ (Tower): Được làm bằng thép hình trụ hoặc thanh dằn bằng thép Bởi vì tốc độ gió tăng lên nếu trụ càng cao, trụ đỡ cao hơn để thu được năng lượng gió nhiều hơn và phát ra điện nhiều hơn

Gió vane: Để xử lý hướng gió và liên lạc với “Yaw drive” để định hướng Tuabin gió

Yaw drive: Dùng để giữ cho rotor luôn luôn hướng về hướng gió chính khi có sự thay đổi hướng gió

Yaw motor: Động cơ cung cấp cho “Taw drive” định được hướng gió 1.2.3 Phân loại Tuabin gió

Các Tuabin gió có thể được phân loại theo trục quay của rotor, theo trạng thái nối lưới, theo công nghệ tiên tiến

a) Phân loại theo trục quay của rotor

Hình 1.3: Tuabin gió trục ngang và Tuabin gió trục đứng

Tuabin gió trục ngang (HAWT): là loại Tuabin gió có rotor quay quanh trục ngang Loại Tuabin gió trục ngang có độ cao tùy ý và các thành phần cấu tạo có thể được lắp đặt nguyên khối Vì vậy loại Tuabin gió trục ngang có công suất chuyển đổi năng lượng lớn và bảo trì ít phức tạp Tuy nhiên Tuabin gió trục ngang phải có hệ thống điều hướng để luôn hứng đúng hướng gió chính

Tuabin gió trục đứng (VAWT): là loại Tuabin gió có rotor quay quanh trục đứng Vì trục quay của Tuabin là trục đứng nên loại Tuabin gió trục đứng có thể quay mà không phụ thuộc vào hướng gió, do đó không cần hệ thống điều hướng Tuy nhiên loại Tuabin gió trục đứng không thể được lắp đặt ở độ cao tùy ý và các thành phần cấu tạo khác phải được lắp đặt dưới đất Vì thế Tuabin gió trục đứng có hiệu suất chuyển đổi năng lượng thấp và công tác bảo trì phức tạp

b) Phân loại theo trạng thái nối lưới

Tuabin gió nối lưới: các Tuabin gió độc lập được lắp đặt tại cùng một khu vực địa lý hình thành các trang trại gió hay nhà máy điện gió Đầu ra năng lượng của các nhà máy điện gió là tổng hợp năng lượng từ các Tuabin gió độc lập Đầu ra năng lượng này được kết nối vào lưới điện để cung cấp điện cho lưới điện quốc gia Tuabin gió nối lưới là loại phổ biến nhất trên thị trường điện gió hiện nay

Tuabin gió độc lập: ngày nay vẫn còn nhiều khu vực không có lưới điện đưa tới, chẳng hạn như các khu vực nông thôn, miền núi, hải đảo,… Giải pháp năng lượng gió cho các khu vực này là dùng các Tuabin gió độc lập hoặc các hệ thống năng lượng gió kết hợp với các nguồn năng lượng khác Đầu ra năng lượng của các hệ thống năng lượng gió này được kết nối trực tiếp với tải hoặc lưới điện cục bộ

c) Phân loại theo công nghệ điều khiển

Xét về phương diện điều khiển, Tuabin gió được phân thành 2 loại cơ bản: điều khiển tốc độ và điều khiển công suất tương ứng với 2 vùng hoạt động của Tuabin gió là vùng hoạt động dưới tải và vùng hoạt động đầy tải (xem Hình 1.4)

7 Hình 1.4: Các vùng hoạt động của Tuabin gió

Điều khiển tốc độ: loại Tuabin gió điều khiển tốc độ là loại có khả năng điều khiển tốc độ của máy phát Tốc độ của máy phát có thể điều khiển được hoặc không tùy thuộc vào loại và cấu hình kết nối của máy phát Công nghệ Tuabin gió tốc độ thay đổi có ưu điểm hơn vì nó có khả năng tối ưu hóa công suất chuyển đổi khi Tuabin gió hoạt động trong vùng dưới tải

Điều khiển công suất: là khả năng cắt giảm công suất chuyển đổi năng lượng khi tốc độ gió quá lớn, vượt quá tốc độ gió định mức Lúc này Tuabin gió chuyển qua hoạt động trong vùng đầy tải Trong vùng đầy tải, công suất chuyển đổi được điều khiển ổn định bằng cách thay đổi góc chúc ngóc của các cánh quạt gió Khi đó lượng gió đi qua bề mặt quét của Tuabin gió có thể được điều chỉnh tùy ý Loại điều khiển công suất này được gọi là điều khiển công suất tích cực hay điều khiển công suất góc chúc ngóc thay đổi Tuy nhiên có một cách điều khiển công suất đơn giản hơn gọi là điều khiển công suất góc chúc ngóc cố định Công nghệ điều khiển góc chúc ngóc này được thực hiện bằng cách thiết kế các cánh quạt theo các phương pháp đặc biệt, cho phép các cánh quạt tự điều chỉnh sang chế độ thất tốc (dừng quay) khi tốc độ gió vượt giới hạn định mức Tuy nhiên loại Tuabin gió điều khiển công suất góc chúc ngóc cố định có hạn chế là tạo ra áp lực vật lý lớn trên bề mặt các cánh quạt Tóm lại, dựa vào công nghệ điều khiển tốc độ và công suất chuyển đổi, có 4 loại Tuabin gió như sau:

‒ Tuabin gió tốc độ cố định và góc chúc ngóc cố định (FSFP) ‒ Tuabin gió tốc độ thay đổi và góc chúc ngóc cố định (VSFP) ‒ Tuabin gió tốc độ góc cố định và góc chúc ngóc thay đổi (FSVP) ‒ Tuabin gió tốc độ thay đổi và góc chúc ngóc thay đổi (VSVP) 1.2.4 Mô hình hóa Tuabin gió

Tuabine gió hoạt động theo nguyên lý biến đổi động năng của gió thành cơ năng để quay Tuabin gió Biểu thức công suất cơ mà Tuabin nhận được từ luồng gió như sau [1-4]:

Trong đó:

𝑃 là công suất cơ ( ) 𝑊𝜌 là mật độ không khí (𝑘𝑔/𝑚 ) R là bán kính quay ( ) mV là tốc độ gió (𝑚/𝑠) 𝐶 là hệ số công suất

Hệ số công suất 𝐶 là hàm phi tuyến của và được tính như sau [26]: 𝛽 𝜆21/

(1.3)

Trong đó: là góc mở cánh quạt 𝜔 là tốc độ quay Rotor

Hình 1.5: Đường cong công suất ứng với các tốc độ gió khác nhau Hình 1.5 mô tả đường cong công suất – tốc độ Rotor đối với các tốc độ gió khác nhau Tại mỗi tốc độ gió, công suất thu được là lớn nhất khi tốc độ được điều khiển ở giá trị tối ưu [26]:

9 Hình 1.6: Mặt cắt ngang của máy phát PMSG

Các máy phát điện đồng bộ nam châm vĩnh cửu có 4 cực từ, phần cắt ngang của nó được mô tả trong Hình 1.6 Các nam châm được gắn chặt trên lõi thép rotor Không gian giữa các nam châm được lấp đầy bằng các lá thép hình đặc biệt, các bộ phận đó tạo ra một dòng điện đóng cho từ trường

1.3.1 Nguyên lý làm việc

Hình 1.7: Nguyên lý làm việc của máy phát PMSG

Khi ta đưa dòng điện kích thích một chiều 𝑖 vào dây quấn kích thích đặt trên cực từ, dòng điện 𝑖 sẽ tạo nên một từ thông 𝜙 Nếu ta quay rotor lên đến tốc độ n (v/ph), thì từ trường kích thích 𝜙 sẽ quét qua dây quấn phần ứng và cảm ứng nên trong dây quấn đó suất điện động và dòng điện phần ứng biến thiên với tần số 𝑓 = 𝑝𝑛/60 Trong đó p là số đôi cực của máy Với máy điện đồng bộ 3 pha, dây quấn phần ứng nối sao (Y) hoặc nối tam giác (Δ)

Khi máy làm việc dòng điện phần ứng 𝐼ư chạy trong dây quấn 3 pha sẽ tạo nên một từ trường quay Từ trường quay với tốc độ đồng bộ 𝑛 = 60𝑓 /𝑝 1.3.2 Mô hình toán học của PMSG

Máy phát điện đồng bộ nam châm vĩnh cửu thường được mô hình hóa trong hệ tọa độ d-q với mục đích đơn giản cho việc thiết kế điều khiển [3, 4]

Hình 1.8: Sơ đồ mạch điện tương đương trong hệ quy chiếu d-q

Trong đó 𝑉 , 𝑉 là điện áp Stator trên hệ d-q, 𝑖 , 𝑖 là dòng điện Stator trên hệ d-q, 𝐿 là điện cảm Stator, 𝑅 là điện trở Stator, 𝜓 là từ thông, 𝜔 là tốc độ quay của Rotor, 𝑝 là số cặp cực, J là momen quán tính; B là hệ số nhớt; 𝑇 là Mô-men xoắn của Tuabin gió, 𝑇 là mô-men điện từ

Phương trình điện áp của PMSG trong hệ quy chiếu d-q [39]:

dtdV R i

(1.6) Khi đó có thể viết [39]:

11 1.4.1 Cấu trúc mô hình ANFIS

Giả sử hệ suy luận mờ có hai đầu vào là x và y, đầu ra là f, cấu trúc ANFIS được thể hiện như sau:

Lớp 1

Lớp 2Lớp 3Lớp 4

Lớp 5

Hình 1.9: Cấu trúc mạng ANFIS với hai đầu vào và một đầu ra

Chú thích: Nốt vuông là những nốt có tham số, nốt tròn là những nốt không có tham số

Mô hình suy luận mờ được xây dựng dựa trên hai luật hợp thành Nếu-Thì loại Takagi-Sugeno

Luật 1: Nếu x là A và 1 y là B thì 1 f1 p x q y r 1 1 1Luật 2: Nếu x là A và 2 y là B thì 2 f2 p x q y r 2 2 2Trong đó: , ,p q r , i i i 1, 2 là các tham số của hệ mờ Anfis

Xét lớp 1: Mỗi một nốt i trong lớp này là nốt vuông, biểu diễn cho hàm: 1

Trong đó x là đầu vào của mỗi nốt i, A là biến ngôn ngữ được liên kết bởi hàm i

đặc trưng của nốt đó Nói cách khác 1i

O là hàm liên thuộc của A và nó xác định i

mức độ thoả mãn của x với tập A Hàm cơ sở i

A x chọn là hàm hình chuông với giá trị đỉnh bằng 1 và giá trị nhỏ nhất bằng 0 như sau:

x cx

i iii i

Là các hệ thống loại Sugeno ở vị trí 0 hoặc 1

Có một đầu ra đơn, giải mờ bằng phương pháp trung bình trọng tâm Tất cả các hàm liên thuộc đầu ra phải cùng loại, hoặc tuyến tính hoặc bất biến Không chia sẻ luật điều khiển Các luật khác nhau không thể chia sẻ cùng

một hàm liên thuộc đầu ra, cụ thể là số lượng các hàm liên thuộc đầu ra phải bằng số lượng các luật

1.5 Tổng quan về điều khiển tối ưu

Điều khiển tối ưu là một trong những bài toán mà thu hút được nhiều sự quan tâm của các nhà nghiên cứu [7-10, 27] Luật điều khiển tối ưu thiết kế không chỉ để ổn định hệ thống mà còn phải tối thiểu hóa hàm mục tiêu mô tả chỉ tiêu chất lượng mong muốn Về mặt toán học, bài toán điều khiển tối ưu được giải nếu nghiệm phương trình Hamilton-Jacobi-Bellman (HJB) được giải

Với hệ tuyến tính, phương trình HJB trở thành phương trình đại số Riccati (Algebraic Riccati Equation-ARE) Nếu ma trận trạng thái (A, B) của hệ tuyến tính có sẵn, nghiệm ARE hoàn toàn có thể tìm được bằng giải tích Ngược lại, nếu thiếu một trong các ma trận này thì phương pháp giải tích không thể áp dụng Đối với hệ phi tuyến, phương trình HJB trở thành phương trình vi phân phi tuyến Nghiệm giải tích của phương trình HJB phi tuyến nói chung là không thể giải được [8, 9] Do đó mà vấn đề xấp xỉ nghiệm của phương trình HJB được đặt ra Gần đây lý thuyết về quy hoạch động ADP và học tăng cường Reinforcement learning là một trong những công cụ mạnh để nghiên cứu và phát triển các thuật toán điều khiển tối ưu để xấp xỉ nghiệm HJB [27, 28, 29]

Đầu tiên, ta sẽ đưa ra các khái niệm liên quan đến học củng cố trong điều

13 Tại mỗi trạng thái xkx, có tập hợp hữu hạn tín hiệu điều khiển ( )U x k

Mô hình đối tượng điều khiển xk1 f x u xk, ( )kk với ( )u xkk U x( )k là tín hiệu điều khiển để chuyển trạng thái hệ thống từ xk sang x 1 Chú ý đơn giản trong cách viết ta định nghĩa xk x k và xk1 x k 1

Hàm thưởng/phạt (cost function), còn gọi là tín hiệu củng cố,

, ( )

Trong đó 0,1 Hàm đánh giá V xk (hàm Bellman) của trạng thái ,xk xkx

được định nghĩa dưới dạng hồi quy như sau:

V x không phụ thuộc vào *k

u x Giả sử tồn tại *

1,f x u

2,f x u

f x u

Hình 1.10: Nguyên lý quy hoạch động Bellman và hàm đánh giá tối ưu

Hình 1.10 minh họa hàm đánh giá tối ưu (1.20) theo nguyên lý DP, trong đó

dụng Từ đó, luật điều khiển tối ưu được định nghĩa:

V x là cần thiết Từ đó người thiết lập một số thuật toán thông dụng như lặp giá trị, lăp chiến lược và Q-learning ra đời nhằm xấp xỉ hai nghiệm này trên cơ sở (1.20) hoặc/và (1.21)

Khác với thuật toán VI, PI hay Q-Learning, thuật toán AC không chỉ áp dụng cho hệ rời rạc mà còn áp dụng hệ thống liên tục Thuật toán chứa hai thành phần cần phải được xấp xỉ Thành phần thứ nhất (bộ chỉ trích) ước lượng hàm đánh giá

V x hoặc Q x uk, k và dự báo tổng chi phí kỳ vọng Thành phần thứ hai xấp xỉ luật điều khiển u x hoặc u xk Thành phần này được điều chỉnh thích nghi dựa vào tín hiệu từ thành phần thứ nhất

15 Thuật toán AC:

Bước 1: Khởi tạo với V x0 ,u x0 với x0 x0

Bước 2: Áp dụng u x t vào đối tượng điều khiển nhận trạng thái x t f x u,

và r x u,

Cập nhật hàm chỉ trích:

Cập nhật tham số bộ điều khiển u x dựa vào V x t

Bước 3: Nếu thỏa mãn tiêu chuẩn hội tụ để V x t V f x t u x, với

δ là một số dương đủ nhỏ được chọn trước, thì gán

Bảng 1.1: Thuật toán Actor-Critic

CHƯƠNG 2 BỘ ĐIỀU KHIỂN TỐI ƯU THÍCH NGHI DỰA TRÊN BỘ QUAN SÁT NHIỄU

2.1 Đặt vấn đề

Trong thực tế, hệ thống phi tuyến có nhiễu rất phổ biến và đã có rất nhiều nghiên cứu đưa ra để xử lý bài toán điều khiển bám cho hệ thống này [11, 12] Tuy nhiên, thiết kế bộ điều khiển tối ưu cho hệ phi tuyến vẫn còn bị hạn chế nếu sử dụng phương pháp giải tích để tìm nghiệm tối ưu của phương trình HJB Gần đây, phương pháp quy hoạch động thích nghi ADP và học tăng cường được xem là phương pháp hữu hiệu trong việc giải bài toán tối ưu với cả hệ tuyến tính và phi tuyến [13, 14] Một số thuật toán đã được nghiên cứu để xử lý bài toán điều khiển tối ưu cho hệ phi tuyến có nhiễu [15, 16, 17] Trong [15], phương pháp học tăng cường thích nghi online được trình bày cho bài toán điều khiển tối ưu của hệ phi tuyến với mô hình bất định Để tìm nghiệm của phương trình HJB, cấu trúc Actor-Critic-Identifier được xây dựng dựa trên ba mạng NN: mạng Actor và mạng Critic có vai trò ước lượng tín hiệu điều khiển tối ưu và ước lượng hàm mục tiêu, mạng NN còn lại có vai trò nhận dạng động học của hệ thống

Trong [17], bộ điều khiển học tăng cường thích nghi dựa trên bộ quan sát nhiễu được đưa ra để thiết kế bộ điều khiển tối ưu cho hệ tàu thủy Bộ điều khiển gồm hai thành phần đó là thành phần tối ưu có nhiệm vụ tối thiểu hóa hàm mục tiêu và thành phần thứ hai là thành phần bù có vai trò loại bỏ ảnh hưởng của nhiễu Tuy nhiên, trong trong thực tế giả thiết thành phần nhiễu matched disturbances làm cho tính ứng dụng của thuật toán bị hạn chế

Bài báo [18] xử lý bài toán điều khiển tối ưu cho hệ phi tuyến với thành phần nhiễu là unmatched disturbances Bằng việc xây dựng hàm mục tiêu thích hợp, nghiệm của phương trình HJB được giải bằng một xấp xỉ hàm duy nhất, ảnh hưởng của nhiễu được loại bỏ bằng cách sử dụng bộ quan sát nhiễu Tuy nhiên, nhược điểm của bài báo là giả thiết thành phần nhiễu bằng 0 khi sai lệch tiến về 0 Điều này rất khó áp dụng cho các bài toán trong thực tế Hơn nữa, với cách đưa ra hàm mục tiêu như vậy thì khả năng áp dụng cho bài toán điều khiển bám là không cao Trong thực tế, tín hiệu đặt dường như không về 0, do đó với hàm mục tiêu được xây dựng như [19] thì sẽ làm cho hàm mục tiêu là vô hạn Nguyên nhân do tín hiệu điều khiển một phần phụ thuộc vào tín hiệu đặt và do đó làm cho u Ru Tkhông về 0 khi thời gian tiến ra vô cùng Vấn đề trên có thể được xử lý bằng cách thêm hệ số suy giảm discount factor [20, 21] trong việc xây dựng hàm mục tiêu

Bài báo [20] giải quyết bài toán điều khiển bám tối ưu bền vững cho cho WMR với thành phần nhiễu ngoài Nhiễu được coi là unmatch disturbances Bằng cách xây dựng hàm mục tiêu chứa hệ số suy giảm phù hợp, luật điều khiển tối ưu được xấp xỉ thông qua hai mạng noron đó là mạng Critic và mạng Actor Tuy nhiên, điều kiện PE phải được duy trì để đảm bảo quá trình học là hội tụ, hơn nữa việc sử dụng hai mạng NN gây ra số lượng tính toán lớn