基于matlab的风力发电机组的建模与仿真.docx
《基于matlab的风力发电机组的建模与仿真.docx》由会员分享,可在线阅读,更多相关《基于matlab的风力发电机组的建模与仿真.docx(20页珍藏版)》请在冰豆网上搜索。
基于matlab的风力发电机组的建模与仿真
实验一:
风力发电机组的建模与仿真
姓名:
学号:
一、实验目标:
1.能够对风力发电机组的系统结构有深入的了解。
2.能熟练的利用MATLAB^件进行模块的搭建以及仿真。
3.对仿真结果进行研究并找出最优控制策略。
二、实验类容:
对风速模型、风力机模型、传动模型和发电机模型建模,并研究各自控制方法及控制策略;如对风力发电基本系统,包括风速、风轮、传动系统、各种发电机的数学模型进行全面分析,探索风力发电系统各个部风最通用的模型、包括了可供电网分析的各系统的简单数学模型,对各个数学模型,应用MATLAB软件进行了仿真。
三、实验原理:
风力发电系统的模型主要包括风速模型、传动系统模型、发电机模型和变桨距模型,下文将从以上几方面进行研究。
1、风速的设计
自然风是风力发电系统能量的来源,其在流动过程中,速度和方向是不断
变化的,具有很强的随机性和突变性。
本文不考虑风向问题,仅从其变化特点
出发,着重描述其随机性和间歇性,认为其时空模型由以下四种成分构成:
基
本风速Vb、阵风风速Vg、渐变风速Vr和噪声风速V。
即模拟风速的模型为:
(1-1)
V=Vb+Vg+Vr+Vn
(1).基本风Vb=8m/s
Scope
Step
基本风仿真模块
(2)阵风风速
t1g
Vg
Vcos
0
t1g
tt1gTg
t1gTg
(1-2)
式中:
Gmax
Vcos-y
ttp
1cos2(——)
TT
IgIg
1g
(1-3)
t为时间,单位s;T为阵风的周期,单位
s;Vcos,Vg为阵风风速,单位m/s;t1g为阵
风开始时间,单位s;Gmax为阵风的最大值,单位
m/s。
*ANDI
Logical■
Operator
4
Product
本例中,阵风开始时间为3秒,阵风终止时间为
最大值为6m/s。
秒,阵风周期为6秒,阵风
(3)渐变风速V
渐变风用来描述风速缓慢变化的特点,其具体数学公式如下:
VrVramp
0
hr
t
t1r
tt2r
(1-4)
t2r
式中:
vramp
Rnax
tt2r
t1rt2r
(1-5)
t1r为渐变风开始时间,
单位
;t2r为渐变风终止时间,单位s;Vr,Vramp为不同时
刻渐变风风速,单位m/s;Rmax为渐变风的最大值,单位m/s。
CP
Clock?
?
'-
Logical
Operator
4f(u)
Fcn1
ProducFT
Constant1
选择一个随机噪声模块就可以
(5)风速V=Vb+Vg+Vr+Vn
2、风力机模型的建立
风力机从自然风中所索取的能量是有限的,其功率损失部分可以解释为留在尾流中的
旋转动能。
能量的转化将导致功率的下降,它随所采用的风力机和发电机的型式而异,因
此,风力机的实际风能利用系数
Cp<0.593。
风力机实际得到的有用功率为:
Ps
0.5R2vWCp
(2-1)
而风轮获得的气动扭矩为:
Tr
0.5R3vWCT
(2-2)
其中:
Ps表示有用功率,单位为
表示空气密度,单位为
Kg/m;R表示风轮转动半径,
单位为m;Vm表示风速,单位为m/s;Cp表示风能利用系数;Ct表示气动转矩系数;
并且有:
Cp
CT
(2-3)
——R
Vw
称为叶尖速比;
为风轮角速度,单位为rad/s
(1)Cp的搭建
(2)风力机的搭建(包含风力机实际得到的有用功率
Ps,风轮获得的气动扭矩Tr)
3、传动系统模型的建立:
本实验在分析传动系统机理的基础上,建立系统的刚性轴模型。
刚性轴模型认为传动系统是刚性的,即低速轴,增速齿轮箱传动轴,高速轴都是刚性的。
忽略风轮和发电机部分的传动阻尼,最后可得传动系统的简化运动方程为:
2d
JrnJgTrnTg
gdtg
其中:
22
Jr为风轮转动惯量,单位Kgm;n为传动比;Jg为发电机转动惯量,单位Kgm;
Tg为发电机的反转矩,单位
Nm。
并且:
(3-2)
g为发电机转速,单位rad/s。
Constant2
传动系统仿真模块
4、发电机模型的建立:
本实验只建立发电机的模型,而忽略变频装置。
发电机的反扭矩方程为:
其中:
Te
2'
gmU1「2
2rC1r21
r1
g1
(4-1)
Xi
'2
C1X2
(4-2)
g为发电机极对数;
mi为相数;Ui为电压;
Ci为修正系数;G为发电机的当量转速;
g为发电机转子转速;
1为发电机的同步转速;
ri,Xi分别为定子绕组的电阻和漏抗;
「2,X2分别为归算后转子绕组的电阻和漏抗,单位为Q。
发电机反扭矩仿真模块
4、所有模块链接
Constant3
四、实验结果与分析:
1、风速仿真结果
TimeoTtMT
6
时间单仞0
■I
10
■
HriH'Ofteat:
G
基本风速
阵风风速Vg
lU
1^—
6
a
lU
a?
b
8寸同里位角
10
d
□u
渐变风速Vr
随机噪声风速
Timeofrs-et
时间
总的风速模型
2、风力机仿真结果
0.5
6
10
4
12
Pc仿真波形
FS的仿真波形
TimeoTUeco
1^—
0
-2
131Ce
e
口
Tr的仿真波形
3、传动系统仿真结果
Wr的仿真波形
4、发电机仿真结果
LUU
□
nf
300
■U
的仿真波形
Te
tnrainM0
5、风力机组模型仿真结果
W的仿真波形
风速、输出功率波形都在上面给出波形了,这里不再给出。
6、结果分析
(1)由上图可知系统输出的功率波形与输入的风速有关,由于系统中存在噪声所以输出地功率存在很大的噪声,风轮机和发电机的输出功率远远大于额定输出功率。
(2)输出地角速度在一段时间后趋于稳定状态。
角速度没有太大的冲击变化,对硬件机
器的损坏很小。
0.35以下,必会造成风
3)功率系数图可以看出,风能利用系数比较低,基本运行在
能的极大浪费。
4)风轮转速基本一直运行在0.9rad/s以下,而文章的风轮额定转速为19.8r/min
即2.0724rad/s。
在此种情况下,风轮转速远远低于额定转速,从而必定导致发电量不
足,发电效率低下。
五、实验心得
为风力发电没有燃
通过本次的学习对风机发电机有利一定的了解,风力发电的优势不需要燃料、不占
耕地、没有污染,运行成本低。
;风力发电产业发展前景非常广阔,
料问题,也不会产生辐射或空气污染。
我国风能资源十分丰富,它是一种干净的可再
生能源;风力发电产业发展前景非常广阔,
其优缺点在于:
它的优势不需要燃料、不占
耕地、没有污染,运行成本低,我国风力资源丰富,缺点,效率低,造价昂贵,技术有待改进,
管理不够完善。
通过查阅资料和老师及同学的讨论,完成了试验,对风力发电机组有了深刻的了解和认识,为以后的发展和工作奠定了坚实的基础,本次试验时通过MATLAB对风力发机的风力机模
型、传动装置、发电机模型及风速进行了仿真,分析每部分之间的关系,为以后深入的学习风力发电系统打下了良好的基础。
实验二:
低/高风速时风力发电机组风轮转速的控制器设计
学号:
031240601
一、实验目标:
1.1掌握模糊控制系统的原理及实现方法;
1.2掌握风力发电机组在高风速和低风速时的控制原理研究方法;
1.3掌握控制器对锋利机组的优化方法;
二、实验内容:
2.1对模糊控制系统的原理进行学习研究,并且遵循模糊控制器设计的规则和方法,设计适合风力发电机组的模糊控制器。
如在高风速时随着风速以及风轮转速的变化,通过控制变桨距不断的调整桨距角,使风轮的功率因数变化,从而改变输出功率,使输出功率始终维持在一个合理的恒值状态。
2.2对风力发电机组在高风速和低风速时的控制原理研究,并针对系统控制原理的特点,分别设计了模糊控制器,继而进行了高风速和低风速时的仿真研究,并且将数据进行计算,比对证明模糊控制系统是否成功,同时找出系统设计中的优点和不足,进行推广和改造。
三、实验原理:
模糊控制系统一般主要由模糊控制器,输入/输出接口电路,广义对象以及检测装置构
成。
模糊控制器是模糊控制系统的核心,其主要作用是完成输入精确量的模糊化处理,并运用模糊规则进行运算,进而进行模糊推理决策运算以及精细化处理等重要过程。
其是个模糊控制系统优劣性能的指标。
输入输出接口电路是模糊控制器连接前后系统的两个通道口,其作用是用来传递信号,并完成模拟信号和数字信号之间的转换,用以控制执行器的动作,以实现控制被控对象的目的。
广义对象包括执行机构和被控对象两部分。
检测装置在模糊控制系统中占据非常重要的地位,其精度直接影响整个控制系统的性能指标,因此要求其精度高,可靠且稳定性好。
模糊控制系统的工作原理是:
由检测装置的数据采集单元获取被控变量,经转换和运算处理后,输出精确值,然后精确值和给定值进行比较获得精确偏差,经模糊控制器进行模糊化处理,模糊规则及推理运算,最后经过精确化处理输出精确量,经接口转换送给执行机构执行,使之达到控制对象的目的。
四、实验结果与分析:
4.1模糊控制器模型
2
0
-2^
1
i.rn
1.tb
nS5
375
■115
KlO
加入控制器及滤波器前后的波形及加入控制器和滤波器的波形
4.2结果分析
通过对上面波形对比可知两个波形都存在噪声的干扰,但是在没有加入控制器的冲击很大,会对后期的产生很大的麻烦,同时也会对风机会有一定的损坏。
波形在控制器的基础上增加了滤波装置,使输出的波形更加的平滑、稳定,更有利于风机的功率输出。
五、实验心得
通过本次实验我学会了模糊控制的设计和使用及滤波器在系统中的重要性,模糊控制是利用模糊数学的基本思想和理论的控制方法。
在传统的控制领域里,控制系统动态模式的精确与否是影响控制优劣的最主要关键,系统动态的信息越详细,则越能达到精确控制的目的。
然而,对于复杂的系统,由于变量太多,往往难以正确的描述系统的动态,于是工程师便利用各种方法来简化系统动态,以达成控制的目的,但却不尽理想。
换言之,传统的控制理论对于明确系统有强而有力的控制能力,但对于过于复杂或难以精确描述的系统,则显得无能为力了。
因此便尝试着以模糊数学来处理这些控制问题。