0

Tài liệu Ứng dụng phương pháp điều khiển Fuzzy-Neural điều khiển máy phát điện gió DFIG

78 0 0
  • Loading ...
    Loading ...
    Loading ...

Tài liệu hạn chế xem trước, để xem đầy đủ mời bạn chọn Tải xuống

Tài liệu liên quan

Thông tin tài liệu

Ngày đăng: 22/07/2021, 23:00

BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC CÔNG NGHỆ TP HỒ CHÍ MINH - NGUYỄN NGỌC ĐỨC ỨNG DỤNG PHƯƠNG PHÁP ĐIỀU KHIỂN FUZZY-NEURAL ĐIỀU KHIỂN MÁY PHÁT ĐIỆN GIÓ DFIG LUẬN VĂN THẠC SĨ Chuyên ngành: KỸ THUẬT ĐIỆN Mã số ngành: 60520202 TP HỒ CHÍ MINH, tháng 01 năm 2016 BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC CÔNG NGHỆ TP HỒ CHÍ MINH - NGUYỄN NGỌC ĐỨC ỨNG DỤNG PHƯƠNG PHÁP ĐIỀU KHIỂN FUZZY-NEURAL ĐIỀU KHIỂN MÁY PHÁT ĐIỆN GIÓ DFIG LUẬN VĂN THẠC SĨ Chuyên ngành: KỸ THUẬT ĐIỆN Mã số ngành: 60520202 CÁN BỘ HƯỚNG DẪN KHOA HỌC:TS TRƯƠNG ĐÌNH NHƠN TP HỒ CHÍ MINH, tháng 01 năm 2016 CƠNG TRÌNH ĐƯỢC HỒN THÀNH TẠI TRƯỜNG ĐẠI HỌC CƠNG NGHỆ TP HỒ CHÍ MINH Cán hướng dẫn khoa học : TS TRƯƠNG ĐÌNH NHƠN (Ghi rõ họ, tên, học hàm, học vị chữ ký) Luận văn Thạc sĩ bảo vệ Trường Đại học Công nghệ TP HCM, ngày 04 tháng 03 năm 2016 Thành phần Hội đồng đánh giá Luận văn Thạc sĩ gồm: STT Họ Và Tên Chức danh hội đồng TS Nguyễn Hùng Chủ tịch PGS.TS Trương Việt Anh Phản biện TS Đinh Hoàng Bách Phản biện PGS.TS Lê Chí Kiên Ủy viên TS Đoàn Thị Bằng Ủy viên, Thư ký Xác nhận Chủ tịch Hội đồng đánh giá Luận sau Luận văn sửa chữa (nếu có) Chủ tịch Hội đồng đánh giá LV TRƯỜNG ĐH CÔNG NGHỆ TP HCM PHÒNG QLKH - ĐTSĐH CỘNG HÒA Xà HỘI CHỦ NGHĨA VIỆT NAM Độc lập - Tự - Hạnh phúc TP HCM, ngày … tháng … năm 2016 NHIỆM VỤ LUẬN VĂN THẠC SĨ Họ tên học viên: NGUYỄN NGỌC ĐỨC Giới tính: Nam Ngày, tháng, năm sinh: 02/07/1990 Nơi sinh:Ninh Thuận Chuyên ngành: Kỹ Thuật Điện MSHV: 1441830005 I- TÊN ĐỀ TÀI: ỨNG DỤNG PHƯƠNG PHÁP ĐIỀU KHIỂN FUZZY-NEURAL ĐIỀU KHIỂN MÁY PHÁT ĐIỆN GIÓ DFIG II- NHIỆM VỤ VÀ NỘI DUNG: Tổng quan lượng gió máy phát điện Cơ sở lý thuyết phương pháp điều khiển Fuzzy-Neural Xây dựng mơ hình tốn máy phát không đồng nguồn kép DFIG Thiết kế Fuzzy-Neural điều khiển máy phát điện DFIG Mơ hình kết mô dùng Fuzzy-Neural điều khiển III- NGÀY GIAO NHIỆM VỤ: Tháng 08 năm 2015 IV- NGÀY HOÀN THÀNH NHIỆM VỤ: Tháng năm 2016 V- CÁN BỘ HƯỚNG DẪN: TS TRƯƠNG ĐÌNH NHƠN CÁN BỘ HƯỚNG DẪN KHOA QUẢN LÝ CHUYÊN NGÀNH i LỜI CAM ĐOAN Tôi xin cam đoan cơng trình nghiên cứu riêng Các số liệu, kết nêu Luận văn trung thực chưa công bố cơng trình khác Tơi xin cam đoan giúp đỡ cho việc thực Luận văn cảm ơn thơng tin trích dẫn Luận văn rõ nguồn gốc Học viên thực Luận văn Nguyễn Ngọc Đức ii LỜI CẢM ƠN Sau thời học tập nghiên cứu, làm việc khẩn trương, động viên, giúp đỡ hướng dẫn tận tình Thầy hướng dẫn TS Trương Đình Nhơn, luận văn với đề tài “Ứng dụng phương pháp điều khiển Fuzzy-Neural điều khiển máy phát điện gió DFIG ” hồn thành Tác giả xin bày tỏ lòng biết ơn sâu sắc đến: Thầy giáo hướng dẫn TS Trương Đình Nhơn tận tình dẫn, giúp đỡ tác giả hồn thành luận văn Khoa đào tạo Sau đại học, thầy giáo, cô giáo Khoa Điện Trường Đại học Công Nghệ TP Hồ Chí Minh giúp đỡ tác giả suốt trình học tập trình nghiên cứu thực luận văn Toàn thể đồng nghiệp, bạn bè, gia đình người thân quan tâm, động viên, giúp đỡ tác giả suốt trình học tập hồn thành luận văn Tác giả luận văn Nguyễn Ngọc Đức iii TÓM TẮT Nhu cầu tiêu thụ lượng điện toàn cầu tăng lên có gia tăng ổn định Ngồi nguồn sản xuất điện thơng thường, lượng lớn nguồn phát điện từ lượng tái tạo tích hợp vào hệ thống điện Hệ thống chuyển đổi lượng gió (WECS) có chi phí cạnh tranh, nguồn lượng tái tạo an toàn với môi trường giới Máy phát điện cảm ứng nguồn kép (DFIG) ngày sử dụng rộng rãi Luận văn trình bày phân tích phản ứng động trang trại gió DFIG dựa việc điều khiển lỗi từ xa sử dụng điều khiển Fuzzy-Neural Mục đích luận văn phân tích phản ứng động trang trại gió DFIG sau xử lý lỗi sử dụng điều khiển Fuzzy-Neural đề xuất Khảo sát ổn định trang trại gió sau xử lý lỗi Tính hiệu điều khiển Fuzzy-Neural sau so sánh với điều khiển PI Giá trị điều khiển việc xử lý lỗi khôi phục hệ thống hoạt động bình thường sau xử lý lỗi minh họa kết mô thực Simulink phần mềm Matlab iv ABSTRACT The global electrical energy consumption is rising and there is steady increase of the demand on power generation In addition to conventional power generation units a large number of renewable energy units are being integrated into the power system The Wind Energy Conversion system (WECS) is the most cost competitive of all the environmentally clean and safe renewable energy sources in world Doubly fed induction generator (DFIG) based wind farm is today the most widely used concept This paper presents the dynamic response analysis of DFIG based wind farm under remote fault condition using the Fuzzy-Neural controllers The goal of the work is to analyze the dynamic response of DFIG based wind farm during and after the clearance of fault using the proposed Fuzzy-Neural controller The stability of wind farm during and after the clearance of fault is investigated The effectiveness of the Fuzzy-Neural controller is then compared with that of a PI controller The validity of the controllers in restoring the wind farms normal operation after the clearance of fault is illustrated by the simulation results which are carried out using MATLAB/SIMULINK v MỤC LỤC Lời cam đoan i Lời cảm ơn ii Tóm tắt iii Mục lục v Danh mục từ viết tắt viii Danh mục bảng ix Danh mục hình x Chương 0: Mở Đầu 0.1 Lý chọn đề tài 0.2 Mục đích nghiên cứu 0.3 Đối tượng nghiên cứu 0.4 Ý nghĩa khoa học, ý nghĩa thực tiễn để tài 0.4.1 Ý nghĩa khoa học 0.4.2 Ý nghĩa thực tiễn Chương 1: Tổng Quan Về Năng Lượng Gió Và Máy Phát Điện Sức Gió 1.1 Đôi nét lịch sử nghiên cứu phát triển máy phát điện sức gió 1.1.1 Lịch sử phát triển máy phát điện chạy sức gió 1.1.2 Đặc điểm chung máy phát điện chạy sức gió 1.1.3 Những lợi ích sử dụng gió để sản xuất điện (điện gió) 1.2 Năng lượng gió thiết bị biến đổi lượng gió – Turbin gió 1.2.1 Turbin gió 1.2.2 Máy phát điện Turbin gió 12 1.2.3 Gió Năng lượng 12 1.3 Kết luận chương 16 vi Chương 2: Cơ Sở Lý Thuyết Của Phương Pháp Điều Khiển Fuzzy-Neural 17 2.1 Sự kết hợp Logic Mờ Mạng Neural 17 2.1.1 Giới thiệu 17 2.1.2 Kết hợp điều khiển Fuzzy Mạng Neural 19 2.1.2.1 Cấu trúc chung hệ Fuzzy-Neural 19 2.1.2.2 Biểu diễn luật If-Then theo cấu trúc mạng Neural 20 2.2 Fuzzy-Neural 24 2.3 Huấn luyện mạng Fuzzy-Neural 25 2.4 Kết luận chương 30 Chương 3: Ứng dụng điều khiển Fuzzy-Neural máy phát điện DFIG 31 3.1 Máy điện cảm ứng kích từ nguồn kép 31 3.1.1 Giới thiệu 31 3.1.2 Vector không gian phép biến đổi 32 3.1.3 Biểu diễn công suất theo Vector không gian 33 3.1.4Mối liên hệ hệ trục abc; dq αβ 34 3.1.5 Mơ hình tốn máy phát điện gió DFIG 37 3.1.6 Mơ hình tốn DFIG hệ trục tọa độ tĩnh αβ 39 3.1.7 Mơ hình toán DFIG hệ trục tọa độ đồng dq 40 3.2 Ứng dụng phương pháp Fuzzy-Neural để điều chỉnh biến đổi công suất 42 3.2.1 Điều khiển Rotor-Side Converter(RSC) 44 3.2.2 Điều khiển Grid-Side Converter(GSC) 46 3.3 Kết luận chương 48 Chương 4: Xây dựng mô hình mơ Nhận xét 49 4.1 Xây dựng mơ hình mơ 49 4.1.1 Mơ hình tồn hệ thống 49 49 CHƢƠNG XÂY DỰNG MƠ HÌNH MƠ PHỎNG VÀ NHẬN XÉT 4.1 Xây Dựng Và Thơng Số Mơ Hình Mơ Phỏng 4.1.1 Mơ hình tồn hệ thống - Mơ hình simulink tổ máy phát điện turbine gió tốc độ thay đổi sử dụng máy phát điện cảm ứng nguồn kép (DFIG) kết nối lưới điện - Trong mơ hình sử dụng sáu máy phát điện khơng đồng nguồn kép 9-MW có thông số máy cho sau: Công suất 1,5 MW, tần số f=60Hz, V=480v, Phía stator Rs=0.00706 Ω, Lls =0.171H; phía rotor Rr' =0.005 Ω, Llr' =0.156H; Lm= 2.9H, p=3 Hình 4.1 : Mơ hình tồn hệ thống với tốc độ gió thay đổi 50 4.1.2 Mơ hình điều khiển phía rotor (RSC) Hình 4.2 : Mơ hình điều khiển phía rotor sử dụng PI 51 Hình 4.3 : Mơ hình điều khiển phía rotor sử dụng Fuzzy-Neural 4.1.3 Xây dựng điều khiển Fuzzy-Neural Quá trình thiết kế thực theo bước sau: - Bước 1: Xây dựng tập liệu huấn luyện mạng từ điều khiển PI Ta bảng giá trị huấn luyện - Bước 2: Sử dụng phần mềm ANFIS Matlab để thiết kế điều khiển Fuzzy-Neural huấn luyện theo tập liệu có đạt sai số cho phép Trong trình huấn luyện sai số chưa đạt yêu cầu cần phải tăng số kỳ huấn luyện thay đổi cấu trúc mạng cách thay đổi số Neural thay đổi phương pháp huấn luyện mạng 4.1.4 Xây dựng tập liệu huấn luyện Tập liệu huấn luyện (cịn gọi tập đích) tập thơng số vào/ra tối ưu dùng để điều khiển hệ thống Việc xây dựng tập liệu huấn luyện có ảnh hưởng định đến chất lượn điều khiển Để xây dựng tập liệu huấn luyện cho điều khiển ta 52 cần mô hệ thống với điều khiển PI để lấy liệu đầu vào, ,giá trị sai lệch… Sau dựa vào kinh nghiệm điều khiển số thủ tục gia công khác để chọ tập liệu đích cho điều khiển Với điều khiển Fuzzy-Neural hình 4.3 4.1.5 Cấu trúc hệ Fuzzy-Neural Bộ điều khiển Fuzzy-Neural xây dựng theo nhiều cấu trúc khác nhau, đề tài tác giả chon điều khiển Neural-Fuzzy hình Hình 4.4: Sơ đồ cấu trúc điều khiển Fuzzy- Neural Trong sơ đồ cấu trúc điều khiển Fuzzy- Neural có đầu vào đầu Đầu vào có neural mơ tả hàm liên thuộc dạng hàm Gauss 53 Hình 4.5: Hàm liên thuộc đầu vào điều khiển Fuzzy-Neural sau huấn luyện 4.1.6 Huấn luyện điều khiển Sau 30 kỳ huấn luyện ta thu điều khiển Neural-Fuzzy với sai số liệu vào đích liệu vào mạng 0.015713, sai số chấp nhận Hình sau sai số tập liệu mạng Fuzzy-Neural tập liệu đích Hình 4.6: Dữ liệu vào ANFIS sau huấn luyện 54 4.2 Kết mô  Tại thời điểm t = s xảy tượng sụt điện áp hệ thống 120 KV Kết xử lý cố hai điều khiển PI Fuzzy-Neural P(MW) Ban đầu trang trại gió DFIG sản xuất MW Tốc độ tuabin tương ứng 1.2 pu máy phát tốc độ đồng Điện áp DC quy định 1150 V công suất phản kháng giữ mức MVAr Tại t = 1s điện áp tích cực, tự đột ngột giảm tới 0,5 p.u gây dao động điện áp DC bus sản lượng điện DFIG Trong võng điện áp hệ thống điều khiển cố gắng để điều chỉnh điện áp DC công suất phản kháng điểm thiết lập họ (1150 V, MVAr) Hệ thống phục hồi khoảng chu kỳ (a) Q(MVAR) 55 (b) (c) 56 (d) (e) Hình 4.7 : Phản ứng độ hệ thống Fuzzy-Neural so với PI cố sụt điện áp lƣới 120 kV (a) P(kw); (b) Q(kVAR) (c) Vdc; (d) V_B575; (e) I_B575 57  Tại thời điểm t = s xảy tượng ngắn mạch pha B575 Kết P(MW) xử lý cố hai điều khiển PI Fuzzy-Neural Q(MVAR) (a) 58 (b) (c) (d) 59 (e) Hình 4.8:Phản ứng độ hệ thống Fuzzy-Neural so với Pi với cố ngắn mạch pha thời điểm t = s (a)P(kw); (b)Q(kvar); (c)Vdc(V); (d) V_B575; (e)I_B575 Từ kết mô trên, ta có nhận xét sau đây: - Bộ điều khiển PI: Thời điểm xảy cố ngắn mạch sụt điện áp dao động điện áp bus DC công suất phát DFIG Trong suốt q trình sụt lún điện áp, bơ điều khiển điều chỉnh điện áp DC công suất phản kháng hệ thống lấy lại điện áp mong muốn sau vài chu kỳ Nhưng tốc độ gió cơng suất tải thay đổi điều khiển PI khơng đáp ứng lúc hệ thống phi tuyến nên kết sóng điện áp góp B_V575 bị dao động lớn, sai lệch lớn, sóng rung hịa lưới - Bộ điều khiển Fuzzy-Neural: Giảm thời gian tìm đến giá trị tối ưu so với điều khiển PI Sóng điện áp góp B_V575 cải thiện tốt 60 4.3 Nhận xét Với kết mô ta giải vấn đề điện áp ổn định hịa lưới với vận tốc gió tải thay đổi Như sử dụng điều khiển Fuzzy-Neural giải đảm bảo điện áp ổn định hịa lưới,ít bị nhiễu , đảm bảo sai lệch tiến chất lượng tốt điều khiển PI Nhưng sai lệch chưa đạt giá trị mong muốn, thời gian đáp ứng lớn 61 KẾT LUẬN VÀ CÁC ĐỀ XUẤT  Kết luận  Luận văn nghiên cứu tìm hiểu : - Tình hình phát triển chung giới lĩnh vực biến đổi lượng gió - Tìm hiểu ứng dụng nguyên lý hoạt động DFIG hệ thống biến đổi lượng gió vận tốc thay đổi - Mơ hình hóa máy phát điện gió nguồn kép DFIG ứng dụng phương pháp điều khiển Fuzzy-Neural để điều chỉnh độc lập công suất tác dụng công suất kháng độc lập với mục tiêu điều khiển tối ưu cơng suất tác dụng nhận từ gió Xem xét đến tượng sụt áp ngắn mạch lưới  Những nghiên cứu chưa xét luận văn: - Trong mơ hình khảo sát, tốc độ thay đổi dẫn đến điện áp chiều DC kết nối biến đổi công suát bị giảm Do dịng tụ DC_link tăng cao, luận văn chưa xét đến bù điện áp DC - Hệ thống chưa xét bến tổn hao trục truyền, tổn hao hộp số, tổn hao biến đổi Converter tổn hao khác  Hƣớng phát triển đề tài - Khỏa sát mơ hình điều khiển thay đổi tần số lưới, khảo sát tính ổn định DFIG xảy cố ngắn mạch đầu cực máy Đưa giải pháp xử lý, ví dụ phương án đặt STACOM đầu cực máy phát lắp đặt bù điện áp cố sụt áp lưới - Ảnh hưởng nhiễu turbin gió đến hệ thống, phân tích sóng hài hệ thống DFIG tác động đến hệ thống lưới điện trình vận hành điều khiển máy điện DFIG - Xem xét khảo sát mơ hình thực tế xét đến tổn thất thành phần hệ thống, ảnh hưởng thành phần tổn hao đến trình điều khiển 62 TÀI LIỆU THAM KHẢO [1] Putnam PC (1948) Power from the wind Van Nostrand, New York [2] Golding E (1976) The generation of electricity by wind power Halste Press, New York [3] Ramler JR, Donovan RM (1979) Wind turbines for electric utilities: Development status and economics DOE/NASA/1028-79/23, NASA TM- 79170, AIAA-790965 [4] Sorensen B (1995) History of, and recent progress in, wind-energy utilization Annual Review of Energy and the Environment 20(1) : 387-424 [5] Andreas petersson (2003) “Analysis, Modeling and Control of Doubly-Fed Induction Generators for Wind Turbines ,” Chalmers university of technology, [6] Nguyễn Văn Nhờ, 2005 “Điện tử công suất 1,” nhà xuất đại học Quốc Gia Tp.HCM, 2005 [7] Tạ Văn Đa, 2006 “Đánh giá tài nguyên khả khai thác lượng gió lãnh thổ Việt Nam,” báo cáo tổng kết đề tài KHCN cấp Bộ, Hà Nội 102006 [8] Phan Quốc Dũng ; 2006; ” Truyền động điện”; nhà xuất đại học Quốc Gia Tp.HCM 2006 [9] Jeong –Ik Jang; 2006; “ Active and reactive power control of DFIG for wind energy conversiob under unbalanced grid voltage” IEEE, 2006 [10] Nguyễn Đức Trí, 2006; “Điều khiển động không đồng băng phương pháp RFOC/SFOC Fuzzy logic”; Luận văn Thạc Sĩ, ĐHBK Tp.HCM 2006 [11] Dawei Zhi, Lie Xu, 2007; “Direct Power Control of DFIG With Constant Switching Frequency and Improved Transient Performance,” IEE transactions on enegry conversion, vol.22, no.1, Match 2007 [12] Murali M.Baggu, 2007; “ Implementation of a converter in sequence domain to counter voltage imbalances” IEEE, 2007 [13] Nguyễn Chí Hiếu, 2008; “Khảo sát mơ hình nhà máy phát điện gió lưới điện phân phối,” luận văn Thạc sĩ, ĐHBK TPHCM, 2008 63 [14] Hee-Sang Ko, Gi-Gab Yoon, Won-Pyo Hong, 2008; “Active Use of DFIGBased Variable-Speech Wind-Turbine for Voltage Regulation,” IEE transactions on industry applications, vol.44, no.6, November/December 2008 [15] Andrea Stefani, Amine Yazidi, Claudio Rossi, Fiorenzo Filippetti, Domenico Cassadei, Gérard-André Capolino, 2009; “Doubly Fed Industry machines diagnosis based on signature analysis of rotor modulating signals,” IEEE transactions on industry applications, vol.45, no.1, January/February 2009 [16] Lingling Fan, 2009; “ Negative Sequence compensation techniques of DFIGbased Wind energy systems under unbalanced” IEEE; [17] Yi Zhou, Paul Bauer, 2009; “operation of grid – connected dfig under unbalabsed grid voltage condition” IEEE transaction on energy conversion vol.24., No 1.March 2009 [18] J Hu, Y.He ; (2009); “ Modeling and enhanced control of DFIG under unbalanced grid voltage conditions” Electric power systems research 79(2009) 273-281 [19] Võ Xuân Hải, 2009; ”Điều khiển định hướng từ thơng máy phát điện gió khơng đồng nguồn kép”, luận văn Thạc sĩ, ĐHBK TPHCM, 2009 Nghiên cứu điều khiển tốc độ công suất DFIG [20] Dr MIGUEL ANGEL RODRIGUEZ VIDAL, “Predictive Direct Control Techniques of the Doubly Fed InducTion Machine for Wind Energy Generation Applications” ... tài: ? ?Ứng Dụng Phƣơng Pháp Điều Khiển Fuzzy-Neural Điều Khiển Máy Phát Điện Gió DFIG? ?? Mục đích nghiên cứu Mục tiêu đề tài nghiên cứu điều khiển Fuzzy-Neural ứng dụng chúng để điều khiển máy phát. .. ngành: Kỹ Thuật Điện MSHV: 1441830005 I- TÊN ĐỀ TÀI: ỨNG DỤNG PHƯƠNG PHÁP ĐIỀU KHIỂN FUZZY-NEURAL ĐIỀU KHIỂN MÁY PHÁT ĐIỆN GIÓ DFIG II- NHIỆM VỤ VÀ NỘI DUNG: Tổng quan lượng gió máy phát điện Cơ sở... Lượng Gió Và Máy Phát Điện Sức Gió 1.1 Đơi nét lịch sử nghiên cứu phát triển máy phát điện sức gió 1.1.1 Lịch sử phát triển máy phát điện chạy sức gió 1.1.2 Đặc điểm chung máy phát điện
- Xem thêm -

Xem thêm: Tài liệu Ứng dụng phương pháp điều khiển Fuzzy-Neural điều khiển máy phát điện gió DFIG, Tài liệu Ứng dụng phương pháp điều khiển Fuzzy-Neural điều khiển máy phát điện gió DFIG

Từ khóa liên quan