Điều khiển trực tiếp công suất thực và công suất kháng của máy phát năng lượng gió (dfig) dùng mạng neural nhân tạo

i ĐẠI HỌC QUỐC GIA TP HCM TRƯỜNG ĐẠI HỌC BÁCH KHOA - NGUYỄN BẢO ANH ĐIỀU KHIỂN TRỰC TIẾP CÔNG SUẤT THỰC VÀ CƠNG SUẤT KHÁNG CỦA MÁY PHÁT NĂNG LƯỢNG GIĨ (DFIG) DÙNG MẠNG NEURON NHÂN TẠO Chuyên ngành : THIẾT BỊ, MẠNG, NHÀ MÁY ĐIỆN LUẬN VĂN THẠC SĨ TP HỒ CHÍ MINH, tháng 07 năm 2011 ii CƠNG TRÌNH ĐƯỢC HOÀN THÀNH TẠI TRƯỜNG ĐẠI HỌC BÁCH KHOA ĐẠI HỌC QUỐC GIA TP HỒ CHÍ MINH Cán hướng dẫn khoa học: PGS.TS PHAN QUỐC DŨNG ( Ghi rõ họ, tên, học hàm, học vị chữ ký) Cán chấm nhận xét 1: (Ghi rõ họ, tên, học hàm, học vị chữ ký) Cán chấm nhận xét 2: (Ghi rõ họ, tên, học hàm, học vị chữ ký) Luận văn thạc sĩ bảo vệ Trường Đại học Bách Khoa, ĐHQG Tp HCM ngày… tháng…… năm…… Thành phần Hội đồng đánh giá luận văn thạc sĩ gồm: (Ghi rõ họ, tên, học hàm, học vị Hội đồng chấm bảo vệ luận văn thạc sĩ) Xác nhận Chủ tịch Hội đồng đánh giá LV Bộ môn quản lý chuyên ngành sau luận văn sữa chữa (nếu có) Chủ tịch Hội đồng đánh giá LV Bộ môn quản lý chuyên ngành iii TRƯỜNG ĐẠI HỌC BÁCH KHOA PHÒNG ĐÀO TẠO SĐH CỘNG HÒA XÃ HỘI CHỦ NGHĨA VIỆT NAM Độc lập – Tự – Hạnh Phúc -oOo - Tp.HCM, ngày 30 tháng 08 năm 2010 NHIỆM VỤ LUẬN VĂN THẠC SĨ Họ tên học viên: NGUYỄN BẢO ANH Phái: Nam Ngày, tháng, năm sinh: 19-11-1985 Nơi sinh: TP HỒ CHÍ MINH Chuyên ngành: Thiết bị, mạng, nhà máy điện MSHV: 09180052 TÊN ĐỀ TÀI: ĐIỀU KHIỂN TRỰC TIẾP CÔNG SUẤT THỰC VÀ CÔNG SUẤT KHÁNG CỦA MÁY PHÁT NĂNG LƯỢNG GIÓ (DFIG) DÙNG MẠNG NEURON NHÂN TẠO NHIỆM VỤ LUẬN VĂN: Tìm hiểu hệ thống DFIG mạng neuron nhân tạo (ANN) Nghiên cứu giải thuật điều khiển DFIG chế độ hoạt động khác Xây dựng mơ hình mơ điều khiển DFIG MATLAB/SIMULINK theo giải thuật nghiên cứu có sử dụng ANN Triển khai mơ hình thực nghiệm điều khiển DFIG DSpace 1103 theo giải thuật nghiên cứu có sử dụng ANN NGÀY GIAO NHIỆM VỤ: Ngày 30 tháng 08 năm 2010 NGÀY HOÀN THÀNH NHIỆM VỤ: Ngày 04 tháng 07 năm 2011 HỌ VÀ TÊN CÁN BỘ HƯỚNG DẪN: PGS.TS PHAN QUỐC DŨNG Nội dung đề cương Luận văn thạc sĩ Hội Đồng Chuyên Ngành thông qua CÁN BỘ HƯỚNG DẪN CHỦ NHIỆM BỘ MÔN QUẢN LÝ CHUYÊN NGÀNH KHOA QUẢN LÝ CHUYÊN NGÀNH iv LỜI CẢM ƠN Trước hết, xin gửi lời cảm ơn chân thành đến PGS TS Phan Quốc Dũng, người thầy tận tình hướng dẫn, tạo điều kiện tốt cung cấp cho nhiều tài liệu q giá giúp tơi hồn thành luận văn Đồng thời, xin cảm ơn TS Lê Minh Phương, Ths Lê Đình Khoa cộng thân thiết nhóm nghiên cứu lượng tái tạo Nguyễn Nhật Quang, Nguyễn Trường Đan Vũ, Nguyễn Hữu Nhân hỗ trợ cho nhiều suốt thời gian Bên cạnh đó, tơi cảm ơn đến thầy cô, bạn sinh viên làm việc học tập phịng Thí nghiệm nghiên cứu Điện tử cơng suất nhiệt tình trao đổi, truyền đạt kiến thức kinh nghiệm để tơi hồn thành luận văn tốt Cuối cùng, tơi muốn nói lời cảm ơn đến cha, mẹ gia đình sinh thành nuôi khôn lớn, động viên chỗ dựa vững tinh thần vật chất, tạo điều kiện thuận lợi cho học tập trưởng thành ngày hôm v TÓM TẮT LUẬN VĂN Ngày nay, kinh tế giới ngày phát triển mạnh mẽ, đôi với điều cạn kiệt nguồn lượng hoá thạch than đá dầu mỏ Hơn nữa, việc sử dụng nhiều lượng hoá thạch gây ảnh hưởng đến môi trường, sản sinh nhiều CO khí độc khác khiến nhiệt độ địa cầu tăng lên Bên cạnh lượng hoá thạch, nguồn lượng lớn khác sử dụng lượng ngun tử khơng thải khí gây hại cho mơi trường Tuy nhiên, có cố xảy lò phản ứng hạt nhân gây nổ rị rỉ, mơi trường xung quanh bị nhiễm xạ nặng nề để lại hậu nghiêm trọng lâu dài nhiều so với ô nhiễm lượng hoá thạch mang lại Do vậy, người cần nguồn lượng an toàn hơn, lượng tái tạo tiêu biểu lượng mặt trời lượng gió đáp ứng yêu cầu Năng lượng mặt trời thường sử dụng ứng dụng công suất nhỏ vài kW hộ gia đình, lượng gió diện ứng dụng cơng suất lớn mức hàng MW để đưa công suất lên lưới điện Nhiều loại máy phát chạy lượng gió sử dụng, nhiên, máy phát cảm ứng nguồn kép (DFIG) cho nhiều hiệu mặt kinh tế so với máy phát loại khác công suất Luận văn tập trung nghiên cứu giải thuật để điều khiển hệ thống DFIG kết nối lưới, đặc biệt giải thuật điều khiển trực tiếp khối điều chỉnh PI khơng cần sử dụng giải thuật khiến việc điều khiển trở nên đơn giản Các giải thuật điều khiển nghiên cứu giải thuật điều khiển trực tiếp moment ảo (DVTC) dùng để hoà đồng DFIG vào lưới, giải thuật điều khiển trực tiếp công suất (DPC) dùng để điều khiển dịng cơng suất lên lưới Ngoài ra, mạng neuron nhân tạo (ANN) nghiên cứu ứng dụng vào giải thuật để nâng cao chất lượng điều khiển cho hệ thống Mô hình mơ thực MATLAB/SIMULINK mơ hình thực nghiệm thực vi điều khiển DSpace 1103 vi DANH MỤC CÁC KÝ HIỆU vg, vs Vector điện áp lưới điện áp stator is, ir Vector dòng điện stator dòng điện rotor θr, θs Góc quay rotor góc quay stator ψg, ψs Vector từ thông lưới từ thông stator ψr, Te, Tv Vector từ thông rotor, giá trị moment điện giá trị moment ảo ψr_ref, Tv_ref Giá trị biên độ từ thông rotor đặt giá trị moment ảo đặt Ps, Qs Giá trị công suất thực công suất kháng stator Ps_ref, Qs_ref Giá trị đặt công suất thực công suất kháng stator Sψ, ST Trạng thái sai số vector từ thông rotor moment ảo SP, SQ Trạng thái sai số công suất thực công suất kháng stator N Số thứ tự sector Lm Điện cảm tương hỗ Ls, Lr Tự cảm cuộn dây stator rotor Rs, Rr Điện trở cuộn dây stator rotor p, J, B Số cặp cực, moment quán tính hệ số ma sát ωs, ωr Tốc độ đồng tốc độ rotor Chỉ số s, r Hệ tọa độ tĩnh hệ tọa độ quay Chỉ số a, b, c Các thành phần hệ tọa độ ba pha α, β Các thành phần hệ tọa độ tĩnh d, q Các thành phần hệ tọa độ quay vii MỤC LỤC CHƯƠNG : GIỚI THIỆU CHƯƠNG : GIỚI THIỆU HỆ THỐNG PHONG ĐIỆN SỬ DỤNG DFIG VÀ TURBINE GIÓ 2.1 GIỚI THIỆU ĐỘNG CƠ CẢM ỨNG 2.2 MƠ HÌNH ĐỘNG CỦA ĐỘNG CƠ CẢM ỨNG 2.2.1 Vector không gian 2.2.2 Các phép chuyển trục tọa độ 2.2.3 Mơ hình máy điện cảm ứng 11 2.3 GIỚI THIỆU MÁY PHÁT CẢM ỨNG NGUỒN KÉP (DFIG) 12 2.4 MƠ HÌNH ĐỘNG CỦA DFIG 14 2.5 CẤU TRÚC HỆ THỐNG DFIG VÀ TURBINE GIÓ 15 2.5.1 Mơ hình turbine gió .15 2.5.2 Hệ thống máy phát DFIG turbine gió .17 CHƯƠNG : GIẢI THUẬT ĐIỀU KHIỂN CHO DFIG .19 3.1 CẤU HÌNH BỘ BIẾN ĐỔI PHÍA ROTOR 20 3.2 GIẢI THUẬT ĐIỀU KHIỂN BỘ BIẾN ĐỔI PHÍA ROTOR .21 3.2.1 Giải thuật hồ đồng theo thuật tốn điều khiển trực tiếp moment ảo (DVTC) 21 3.2.1.1 Phương pháp điều khiển trực tiếp moment (DTC) kết nối lưới 21 3.2.1.2 Phương pháp điều khiển trực tiếp moment ảo (DVTC) .23 3.2.1.3 Thuật tốn DVTC cho hịa đồng DFIG 25 3.2.2 Giải thuật phát cơng suất theo thuật tốn điều khiển trực tiếp công suất (DPC) 27 3.2.2.1 Mối quan hệ công suất từ thông 27 3.2.2.2 Điều khiển trực tiếp công suất .30 3.3 CẤU HÌNH BỘ BIẾN ĐỔI PHÍA LƯỚI 33 3.4 GIẢI THUẬT ĐIỀU KHIỂN BỘ BIẾN ĐỔI PHÍA LƯỚI 34 3.5 MƠ HÌNH ĐIỀU KHIỂN HỆ THỐNG DFIG TRUYỀN THỐNG 36 CHƯƠNG : MẠNG NEURON NHÂN TẠO 38 4.1 GIỚI THIỆU 39 4.2 MƠ HÌNH CỦA NEURON NHÂN TẠO 40 4.2.1 Neuron sinh học 40 4.2.2 Neuron nhân tạo 41 4.3 CÁC MẠNG NEURON THÔNG DỤNG 42 4.3.1 Mạng perceptron 42 4.3.2 Mạng truyền thẳng .44 4.3.3 Mạng hồi quy .45 4.4 HUẤN LUYỆN MẠNG NEURON 46 4.4.1 Huấn luyện mạng lớp 47 4.4.1.1 Luật perceptron 47 4.4.1.2 Luật delta .48 4.4.2 Huấn luyện mạng nhiều lớp 49 4.5 MƠ HÌNH ĐIỀU KHIỂN DFIG TRÊN CƠ SỞ MẠNG NEURON 52 4.5.1 Mạng thực phép biến đổi Clark 52 viii 4.5.2 Mạng tính tốn từ thơng rotor 52 4.5.3 Mạng thực phép biến đổi Park .53 4.5.4 Mạng tính tốn từ thông lưới từ thông stator 54 4.5.5 Mạng tính tốn cơng suất stator 54 4.5.6 Mạng so sánh trễ ba bậc .55 4.5.7 Mạng xác định vị trí vector từ thông 56 4.5.8 Mạng chọn vector tối ưu 56 4.5.9 Mạng tính tốn biên độ từ thông 57 4.5.10 Mạng tính tốn từ thơng ảo 57 4.5.11 Mạng so sánh trễ hai bậc 58 4.5.12 Mạng điều khiển PI 58 4.5.13 Mạng tính tốn dịng điện đặt 59 4.5.14 Mạng biến đổi Inverse Clark .60 CHƯƠNG : KẾT QUẢ MÔ PHỎNG 61 5.1 MƠ HÌNH MƠ PHỎNG TRÊN MÁY TÍNH .62 5.2 BỘ ĐIỀU KHIỂN TRUYỀN THỐNG .63 5.3 BỘ ĐIỀU KHIỂN SỬ DỤNG MẠNG NEURON 71 CHƯƠNG : MƠ HÌNH THỰC NGHIỆM 79 6.1 VI ĐIỀU KHIỂN DSPACE 1103 80 6.1.1 Giới thiệu .80 6.1.2 Cấu trúc 80 6.1.3 Giao tiếp máy tính .83 6.2 THIẾT KẾ MẠCH PHẦN CỨNG 84 6.2.1 Bộ chỉnh lưu 84 6.2.2 Bộ nghịch lưu 85 6.2.3 Mạch lái IGBT .87 6.2.4 Mạch tạo deadtime .89 6.2.5 Mạch cảm biến áp 91 6.2.6 Mạch cảm biến dòng 93 6.2.7 Encoder 95 6.3 MƠ HÌNH PHẦN CỨNG VÀ CHƯƠNG TRÌNH ĐIỀU KHIỂN .96 6.4 KẾT QUẢ THỰC NGHIỆM .98 6.3.1 Bộ điều khiển truyền thống 99 6.3.2 Bộ điều khiển có sử dụng mạng neuron 107 CHƯƠNG : KẾT LUẬN .115 7.1 NHẬN XÉT KẾT QUẢ .116 7.2 HƯỚNG PHÁT TRIỂN ĐỀ TÀI 116 TÀI LIỆU THAM KHẢO 118 LÝ LỊCH TRÍCH NGANG .121 ix DANH MỤC HÌNH ẢNH Hình 2.1 Kết cấu máy điện cảm ứng rotor lồng sóc Hình 2.2 Vector khơng gian Hình 2.3 Hệ tọa độ pha hệ tọa độ tĩnh 10 Hình 2.4 Hệ tọa độ tĩnh hệ tọa độ quay 11 Hình 2.5 Mơ hình động máy điện cảm ứng 11 Hình 2.6 Kết cấu máy điện cảm ứng nguồn kép (DFIG) 13 Hình 2.7 Mơ hình động DFIG 14 Hình 2.8 Turbine gió .15 Hình 2.9 Hệ thống turbine gió vận hành tốc độ cố định 17 Hình 2.10 Hệ thống turbine gió vận hành tốc độ thay đổi 18 Hình 3.1 Bộ biến đổi phía rotor 20 Hình 3.2 Điều khiển trễ hai bậc cho từ thông moment 22 Hình 3.3 Vector từ thông rotor vector điện áp rotor máy kết nối vào lưới 23 Hình 3.4 Vector từ thơng rotor vector điện áp rotor máy chưa kết nối vào lưới 24 Hình 3.5 Sơ đồ khối thuật tốn DVTC 26 Hình 3.6 Mối quan hệ từ thông stator rotor hệ tọa độ 28 Hình 3.7 Điều khiển trễ ba bậc cho công suất thực công suất kháng .30 Hình 3.8 Sơ đồ khối thuật toán DPC .31 Hình 3.9 Bộ biến đổi phía lưới (GSC) 33 Hình 3.10 Mơ hình động GSC 33 Hình 3.11 Điều khiển trễ hai bậc cho dịng điện ba pha .35 Hình 3.12 Sơ đồ khối thuật tốn điều khiển GSC 36 Hình 3.13 Khối điều khiển RSC 37 Hình 3.14 Khối điều khiển GSC 37 Hình 4.1 Neuron sinh học .40 Hình 4.2 Neuron nhân tạo .41 Hình 4.3 Các hàm truyền thơng dụng 42 Hình 4.4 Perceptron 42 Hình 4.5 Mạng perceptron 43 Hình 4.6 Mạng perceptron thu gọn .44 Hình 4.7 Mạng truyền thẳng 44 Hình 4.8 Mạng Elman 45 Hình 4.9 Hàm bão hịa tuyến tính 46 Hình 4.10 Mạng Hopfield .46 Hình 4.11 Mạng lớp .47 Hình 4.12 Mạng nhiều lớp 50 Hình 4.13 Mạng biến đổi Clark 52 Hình 4.14 Mạng tính tốn từ thơng rotor 53 Hình 4.15 Mạng biến đổi Park 53 Hình 4.16 Mạng thực biến đổi lượng giác 53 Hình 4.17 Mạng ước lượng từ thông .54 Hình 4.18 Mạng ước lượng công suất 55 Hình 4.19 Mạng so sánh trễ ba bậc .55 Hình 4.20 Mạng xác định vị trí vector từ thơng 56 x Hình 4.21 Mạng chọn vector tối ưu 56 Hình 4.22 Mạng ước lượng biên độ từ thông 57 Hình 4.23 Mạng ước lượng moment ảo 57 Hình 4.24 Mạng so sánh trễ hai bậc 58 Hình 4.25 Mạng điều khiển PI 59 Hình 4.26 Mạng bão hịa dịng điện 59 Hình 4.27 Mạng tính tốn dịng điện đặt .60 Hình 4.28 Mạng biến đổi Inverse Clark 60 Hình 5.1 Mơ hình mơ MATLAB/SIMULINK 62 Hình 5.2 Điện áp stator lưới theo phương pháp truyền thống (trường hợp 2) 64 Hình 5.3 Đáp ứng từ thơng, moment theo phương pháp truyền thống (trường hợp 2) 65 Hình 5.4 Dịng điện stator theo phương pháp truyền thống (trường hợp 2) 66 Hình 5.5 Cơng suất stator theo phương pháp truyền thống (trường hợp 2) 67 Hình 5.6 Dịng điện rotor theo phương pháp truyền thống (trường hợp 2) 67 Hình 5.7 Điện áp tụ DC theo phương pháp truyền thống (trường hợp 2) .68 Hình 5.8 Dịng điện stator theo phương pháp truyền thống (trường hợp 3) 69 Hình 5.9 Cơng suất stator theo phương pháp truyền thống (trường hợp 3) 69 Hình 5.10 Dịng điện rotor theo phương pháp truyền thống (trường hợp 3) 70 Hình 5.11 Điện áp tụ DC theo phương pháp truyền thống (trường hợp 3) 70 Hình 5.12 Điện áp stator lưới sử dụng mạng neuron (trường hợp 2) 71 Hình 5.13 Đáp ứng từ thơng, moment sử dụng mạng neuron (trường hợp 2) 72 Hình 5.14 Dịng điện stator sử dụng mạng neuron (trường hợp 2) 74 Hình 5.15 Cơng suất stator sử dụng mạng neuron (trường hợp 2) 74 Hình 5.16 Dịng điện rotor sử dụng mạng neuron (trường hợp 2) 75 Hình 5.17 Điện áp tụ DC sử dụng mạng neuron (trường hợp 2) 75 Hình 5.18 Dòng điện stator sử dụng mạng neuron (trường hợp 3) 76 Hình 5.19 Công suất stator sử dụng mạng neuron (trường hợp 3) 77 Hình 5.20 Dòng điện rotor sử dụng mạng neuron (trường hợp 3) 77 Hình 5.21 Điện áp tụ DC sử dụng mạng neuron (trường hợp 3) 78 Hình 6.1 Card DS1103 80 Hình 6.2 Sơ đồ khối DS1103 81 Hình 6.3 Giao diện Control Desk 84 Hình 6.4 Cầu chỉnh lưu pha .85 Hình 6.5 IGBT G60N100 86 Hình 6.6 Bộ nghịch lưu dùng IGBT 87 Hình 6.7 Opto HCPL 3120 88 Hình 6.8 Mạch lái IGBT .89 Hình 6.9 IC đảo Schmitt Trigger 74LS14 89 Hình 6.10 Mạch tạo deadtime .91 Hình 6.11 Cảm biến áp LEM LV25-P 91 Hình 6.12 Mạch cảm biến áp 93 Hình 6.13 Cảm biến dòng LEM HX 20-P 93 Hình 6.14 Mạch cảm biến dòng 94 Hình 6.15 Encoder E6B2-CWZ6C 2000 xung .95 Hình 6.16 Mơ hình kết nối thiết bị phần cứng 97 Hình 6.17 Chương trình điều khiển máy tính 98 Hình 6.18 Đáp ứng cho q trình hịa đồng điều khiển truyền thống 100 107 6.3.2 Bộ điều khiển có sử dụng mạng neuron Các đáp ứng cho chế độ hòa đồng cho Hình 6.20 (a) (b) (c) 108 (d) (e) Hình 6.22 Đáp ứng cho q trình hịa đồng sử dụng mạng neuron (a) Điện áp stator điện áp lưới (b) Từ thông rotor từ thông rotor đặt (c) Moment ảo (d) Dòng điện rotor 1350 rpm (e) Dòng điện rotor 1450 rpm 109 Các đáp ứng cho q trình phát cơng suất thực 500 W cho Hình 6.21 (a) (b) (c) 110 (d) (e) Hình 6.23 Đáp ứng cho q trình phát cơng suất thực 500 W sử dụng mạng neuron (a) Dòng áp stator (b) Phổ Fourrier dòng điện stator (c) Cơng suất thực cơng suất kháng (d) Dịng điện rotor 1350 rpm (e) Dòng điện rotor 1450 rpm 111 Các đáp ứng cho trình phát cơng suất thực kW cho Hình 6.22 (a) (b) (c) 112 (d) (e) Hình 6.24 Đáp ứng cho q trình phát cơng suất thực kW sử dụng mạng neuron (a) Dòng áp stator (b) Phổ Fourrier dịng điện stator (c) Cơng suất thực cơng suất kháng (d) Dịng điện rotor 1350 rpm (e) Dòng điện rotor 1450 rpm 113 Các đáp ứng cho q trình phát cơng suất kháng 500 Var cho Hình 6.23 (a) (b) (c) 114 (d) (e) Hình 6.25 Đáp ứng cho q trình phát cơng suất kháng 500 Var sử dụng mạng neuron (a) Dòng áp stator (b) Phổ Fourrier dòng điện stator (c) Cơng suất thực cơng suất kháng (d) Dịng điện rotor 1350 rpm (e) Dòng điện rotor 1450 rpm 115 CHƯƠNG : KẾT LUẬN Nhận xét kết Hướng phát triển đề tài 116 7.1 NHẬN XÉT KẾT QUẢ Các kết mô thực nghiệm trình bày phần tính đắn giải thuật điều khiển cho DFIG khả ứng dụng mạng neuron nhân tạo vào việc điều khiển DFIG Trong mơ hình mơ phỏng, cơng suất, điện áp dịng điện có đáp ứng với giá trị đặt chế độ vận hành khác DFIG Bộ điều khiển sử dụng mạng neuron cho kết tốt điều khiển theo phương pháp truyền thống với ưu điểm: độ nhấp nhô hệ số méo dạng thấp thời gian tính tốn mạng neuron nhanh điều khiển truyền thống Trong mơ hình thực nghiệm, điều khiển sử dụng mạng neuron cho kết gần tương tự điều khiển truyền thống vi điều khiển DSpace 1103 không hỗ trợ mạnh khả tính tốn song song, vốn quan trọng việc thực thi mạng neuron Tuy nhiên, kết mạng neuron hồn tồn triển khai thực tế vào giải thuật điều khiển sử dụng vi xử lý thích hợp Hạn chế đề tài: phần thực nghiệm thực điều khiển biến đổi phía rotor, biến đổi phía lưới chỉnh lưu cầu diode thay biến đổi sử dụng IGBT cung cấp điện cho tụ DC, công suất truyền từ tụ DC lên lưới Mơ hình thực nghiệm hoạt động chế độ đồng bộ, hoạt động chế độ đồng 7.2 HƯỚNG PHÁT TRIỂN ĐỀ TÀI Triển khai mô hình sử dụng IGBT cho biến đổi cơng suất phía lưới hệ thống DFIG giải thuật để điều khiển biến đổi này, hướng đến việc xây dựng mơ hình hồn chỉnh cho việc phát điện sử dụng lượng gió Triển khai thiết kế phần cứng giải thuật điều khiển truyền thống lên vi điều khiển DSP với mục đích thu gọn kích thước phần cứng, thích hợp cho việc đóng gói sản phẩm đưa 117 thương mại Triển khai giải thuật điều khiển sử dụng mạng neuron lên phần cứng có hỗ trợ xử lý song song, tiêu biểu card FPGA Khi đó, thuật tốn có sử dụng neuron thực thi nhanh hơn, đáp ứng tốt so với kết thực nghiệm trình bày luận văn 118 TÀI LIỆU THAM KHẢO [1] Lie Xu, Phillip Cartwright, “ Direct Active and Reactive Power Control of DFIG for Wind Energy Generation”, IEEE Transactions on Energy Conversion, Vol 21, No.3, September 2006 [2] Mansour Mohseni, Syed Islam, “ A Space Vector-Based Current Controller for Doubly Fed Induction Generators”, Industrial Electronics, 2009, IECON'09, 35th Annual Conference of IEEE, 3-5 November 2009 [3] Chia-Chi Chu, Chia-Chun Hung, Yuan-Zheng Lin, Zen-Jey Guey, “Universal FieldOriented Rotor-Side Controllers for Doubly Fed Induction Generators”, Power Electronics and Drive Systems 2009, PEDS 2009, International Conference on 2-5 November 2009 [4] J.G Slootweg, S.W.H de Haan, H Polinder, W.L Kling, “ General Model for Representing Variable Turbines in Power System Dynamics Simulations”, IEEE Transactions on Energy Conversion, Vol 18, No.1, February 2003 [6] Xingjia Yao, Yanjun Jing, Zouxia Xing, “Uninterrupted Operation of Doubly Fed Induction Generator based Wind Turbine during Network”, Proceeding of International Conference on Electrical Machines and Systems 2007, October ~ 11, Seoul, Korea [7] S Muller, M Deicke, Rik W De Doncker, “ Doubly Fed Induction Generator System for Wind Turbines”, IEEE Industry Application Magazine, May/ June 2002 [8] C Belfedal, S.Moreau, G.Champenois, T.Allaoui, M.Denai, “ Comparison of PI and Direct Power Control with SVM of Doubly Fed Induction Generator”, Istanbul University, Journal of Electrical & Electronics Engineering, Issue 8/2, 2008 [9] Luna A, Lima F.K.A, Rodriguez P, Watanabe E.H, Teodorescu R, “ Comparison of Power Control Strategies for DFIG Wind Turbines”, Proceedings of The 34th Annual Conference of the IEEE Industrial Electronics Society, IECON 2008 IEEE, 2008 [10] F Poitiers, M Machmoum, R Le Doeuff, M.E Zaim, “ Control of a Doubly Fed Induction Generator for Wind Energy Conversion Systems”, Australian Univrsities Power Engineering Conference, 2001 119 [11] S.K Salman, Babak Badrzadeh, “ New Approach for modelling Doubly Fed Induction Generator for grid-connection studies”, The 8th European Wind Energy Conference and Exhibition, London, UK, November 2004 [12] D Aouzellag, K Ghedamsi, E.M Berkouk, “ Power Control of a Variable Speed Wind Turbine Driving a DFIG”, International Conference on Renewable Enrgies and Power Quality, 2006 [13] Branislav Dosijanoski, “ Simulation of Doubly Fed Induction Generator in a Wind Turbine” [14] Jihen Arbi, Manel Jebali-Ben Ghorbal, Ilhem Slama-Belkhodja, Lotfi Charaabi, “ Direct Virtual Torque Control for Doubly Fed Induction Generator Grid Connection”, IEEE Transactions on Industrial Electronics, Vol 56, No.10, October 2009 [15] Z Mahi, C Serban, H.Siguerdidjane, “ Direct Torque Control of a Doubly Fed Induction Generator of a Variable Speed Wind Turbine Power Regulation” [16] V Ramakrishnan, S.K Srivatsa, “ Mathematical Modelling of Wind Energy System”, Asian Journal of Information Technology 2007 [17] H.F Abdul Wahab, H Sanusi, “ Simulink Model of Direct Torque Control of Induction Machine”, American Journal of Applied Sciences 2008 [18] P.Q Dzung, L.M Phuong , “ A New Artificial Neural Network – Direct Torque Control For Matrix Converter Fed Three-Phase Induction Motor”, International Conference on Power Electronics and Drive Systems, IEEE PEDS 2005, Kuala Lumpur, Malaysia [19] R Toufouti, S Meziane, H Benalla, “ Direct Torque Control for Induction Motor Using Intelligent Tecniques” , Journal of Theoretical and Applied Information Technology, 2007 [20] Sung-Hoe Huh, Kyo-Beum Lee, Dong-Won Kim, Ick Choy, Gwi-Tae Park, “ Sensorless Speed Control System Using a Neural Network” , International Journal of Control, Automation, and Systems, Vol 3, No 4, pp 612 – 619, December 2005 [21] Rajesh Kumar, R.A Gupta, S.V Bhangale, Himanshu Gothwal, “Artificial Neural Network Based Direct Torque Control of Induction Motor” , IETECH Journal of Electrical Analys, Vol 2, No 3, pp 159 – 165, 2008 120 [22] Ahmed G Abo-Khalil, Dong-Choon Lee, Seung-Pyo Ryu, “ Synchronization of DFIG Output Voltage to Utility Grid in Wind Power System”, IASTED proc in Rhodes, pp 372-377, June 2006 [23] Mariusz Malinowski, “ Sensorless Control Strategies for Three – Phase PWM Rectifiers”, Ph.D Thesis, Warsaw, Poland 2001 [24] Jef Beerten, Jan Verveckken, Johan Driesen, “ Comparison of Three-level torque hysteresis controllers for Direct Torque Controller” [25] Rajib Datta, V.T Ranganathan, “ Direct Power Control of Grid-connected Wound Rotor Induction Machine Without Rotor Position Sensors”, IEEE Transactions on Power Electronics, Vol 16, No.3, May 2001 [26] MATLAB, “ SimPower System for Use with Simulink”, User Guide [27] MATLAB, “ Neural Network Toolbox for Use with Matlab”, User Guide [28] Ben Krose, Patrick van der Smagt, “ An introduction to Neural Network”, Eight edition, November 1996 [29] Dave Anderson, Geogre McNeill, “ Artificial Neural Networks Technology”, August 1992 [30] Nikola K Kasabov, “ Foundations of Neural Networks, Fuzzy Systems and Knowledge Engineering”, Second printing 1998 [31] Daniel Graupe, “ Artificial Neural Networks”, Second edition [32] Hofmann W, Okafor F, “Doubly Fed Full Controlled Induction Wind Generator for Optimal Power Utilisation”, PEDS' 01 Conference Proceeding 121 LÝ LỊCH TRÍCH NGANG Họ tên: NGUYỄN BẢO ANH Ngày tháng năm sinh: 19/11/1985 Điện thoại: 01669509368 Email: ngbaoanh85@gmail.com Nơi sinh: Tp Hồ Chí Minh Q TRÌNH ĐÀO TẠO Năm 2003 – 2008: Học đại học khoa Điện – Điện tử trường Đại học Bách Khoa Thành phố Hồ Chí Minh Năm : 2009 – 2011: Học cao học ngành Thiết bị – Mạng – Nhà máy điện trường Đại học Bách Khoa Thành phố Hồ Chí Minh ... ngành: Thiết bị, mạng, nhà máy điện MSHV: 09180052 TÊN ĐỀ TÀI: ĐIỀU KHIỂN TRỰC TIẾP CÔNG SUẤT THỰC VÀ CÔNG SUẤT KHÁNG CỦA MÁY PHÁT NĂNG LƯỢNG GIÓ (DFIG) DÙNG MẠNG NEURON NHÂN TẠO NHIỆM VỤ LUẬN... công suất thường điều khiển theo phương pháp điều khiển vector, nhờ phân ly điều khiển công suất thực công suất kháng Trong chế độ vận hành bình thường, mục tiêu việc điều khiển RSC để điều khiển. .. 3.2.2 Giải thuật phát công suất theo thuật tốn điều khiển trực tiếp cơng suất (DPC) 27 3.2.2.1 Mối quan hệ công suất từ thông 27 3.2.2.2 Điều khiển trực tiếp công suất .30