文丨胖仔研究社编辑丨胖仔研究社前言近年来，随着风电装机规模的不断扩大，风电机组单机容量、风电并网容量也在不断增加，这对电网的安全运行提出了更高的要求。
为了保证风电场的稳定运行，风力发电机组需要具备更高的能量转换效率，在风能转换过程中需要考虑风能的不确定性和变化率。
为实现风能的高效利用，首先要对风电场进行建模。
对于风电场而言，风力发电机是一个非常复杂的系统，具有非线性、强耦合、时变不确定性等特点。
通常，在风力机模型中会使用线性化方法，使得系统简化为一阶线性模型。
对于风力发电系统，其输出功率在空间上是离散的，因此需要考虑风速对输出功率影响的非线性特性。
风力发电风力发电机的功率控制包括风轮转速控制、发电机转速控制和功率因数补偿，其中最重要的是风轮转速控制，因为风速变化会导致风轮转速的变化，必然会引起发电机功率的变化。
风机运行中，风机的输出功率取决于风机对风速的响应速度，如果风速很小，风机输出功率也很小。
从这个角度上说，风机属于低速电机，而发电机属于高速电机。
为了提高风电场的效率，需要最大限度地提高风电场中风机和发电机的运行效率。
通常情况下，我们可以使用最大风能利用系数和额定功率点来评估风电场的效率。
但是，对于兆瓦级风电机组，在这种情况下，由于风速不可能无限增大，因此我们需要找到一个最佳的运行功率点来提高整个系统的效率。
根据不同的风速条件，我们可以在不同的转速下获得 MPPT值，一般来说，如果风速变化缓慢，则需要更多的时间来获得 MPPT值；如果风速变化剧烈，则需要更多的时间来获得 MPPT值。
根据前面所述，我们可以使用 Matlab软件建立风力机和发电机的仿真模型。
通过对风电场运行状态下风轮转速与发电机转速之间关系的研究，可以建立风轮转速与发电机转速之间的数学模型。
对于定子磁场定向控制系统而言，其特点是通过发电机在转速不变时增加有功功率来实现最大风能利用系数最大化。
当风速变化时，由于风速变化相对于定子磁场定向控制系统而言是线性的，所以系统可以近似为线性系统。
在风速变化过程中，由于风力机与发电机之间的非线性耦合关系，其输出功率存在较大偏差。
通过对输出功率偏差进行修正，可以使其偏差最小化，考虑到风机和发电机之间的非线性耦合关系以及系统模型误差的存在，所以在风速变化过程中需要进行在线修正。
为此我们建立了 FCOC模型，在该模型中，通过风速与风轮转速之间的关系可以实现风速变化对风机输出功率的影响。
当风速大于一定值时，风机输出功率曲线就会出现非零斜率现象，为了解决这个问题，我们可以在风速大于一定值时，根据风轮转速与发电机转速的关系来计算风机输出功率的误差值，并对该误差进行修正。
FCOC模型在风速变化过程中有两个输入：风轮转速和发电机转速。
风轮转速由风轮桨距角控制，而发电机转速由励磁控制。
根据以上分析，我们可以建立一种自校正复合自抗扰控制策略来解决风速变化过程中的风机输出功率误差问题。
这种控制策略具有结构简单、鲁棒性强、无静差等优点，在风电机组中得到了广泛的应用。
风力发电机最大功率点跟踪的现状在风力发电机最大功率点跟踪控制策略方面，国内外学者提出了很多方法，包括：最大功率点追踪技术、变桨距角和叶片调节控制技术、变桨距和功率调节控制技术、永磁同步发电机和超级电容器等。
其中， MPPT控制技术是目前风力发电最先进的技术，特别是在变速恒频风力发电系统中， MPPT控制可提高机组的运行效率。
目前，最先进的 MPPT控制策略主要分为两类：一类是基于传统的叶尖速比法，另一类是基于最大风能捕捉法。
前者采用定桨距角控制策略，后者采用变桨距角控制策略。
基于定桨距角控制策略的最大功率点跟踪方法虽然简单，但由于需要对风速进行准确地测量和预测，从而影响了系统的动态特性。
因此，本文提出了一种基于 MPPT模型的自校正复合自抗扰控制策略，该方法在不改变定桨距角控制策略的基础上，采用自校正复合自抗扰控制技术取代传统的扰动观测器结构，以提高系统对风速扰动的鲁棒性。
同时，基于 Matlab/Simulink软件对所提方法进行仿真分析，结果表明，该方法可有效地提高系统对风速扰动的鲁棒性；在不同风速变化范围内均能快速跟踪到系统最佳功率点处，且该方法具有良好的动态响应特性。
本文提出了一种基于定桨距角和变桨距控制策略的自校正复合自抗扰控制方法，该方法对定桨距角和变桨距策略进行了改进，采用定桨距角控制策略来抑制风速扰动对系统性能的影响。
自校正复合自抗扰控制方法在实际应用中，针对风机在复杂环境下，受到外部干扰等因素的影响，为保证控制系统具有更好的动态性能、稳态性能和鲁棒性，有必要采用复合自抗扰控制。
自抗扰控制是一种通过跟踪参考信号，实时补偿系统非线性扰动的新型控制方法，是经典控制理论与现代控制理论相结合的产物。
自抗扰控制由一个三阶扩张状态观测器和一个二阶扩张状态观测器组成，可以实现对非线性扰动的有效观测和补偿，具有跟踪性能好、响应速度快、鲁棒性强等特点。
ADRC具有良好的抗扰动能力，当系统存在不确定性时，仍能保证跟踪性能。
但由于自抗扰控制系统结构复杂，参数众多，难于实现在线整定和在线应用。
为了提高自抗扰控制系统的稳定性和鲁棒性，提出了一种基于误差反馈校正的复合自抗扰控制方法。
首先根据参考信号跟踪最大功率点处的功率曲线进行轨迹规划得到输出反馈信号；其次对最大功率点处的输出信号进行误差反馈校正，得到复合自抗扰控制器中参数修正项；最后将参数修正项带入到复合自抗扰控制器中完成整定。
为了验证提出的复合自抗扰控制方法在实际运行中的性能，将该方法应用于风速波动影响最大功率点跟踪的仿真系统中，并与传统 PID控制和传统自抗扰控制进行对比。
仿真结果表明，提出的复合自抗扰控制方法能够很好地实现最大功率点跟踪，并在风速波动影响最大功率点跟踪的情况下具有更好的动静态性能。
与 PID控制和传统自抗扰控制相比，提出的 ETADRC方法在风速波动影响最大功率点跟踪时具有更好的动静态性能。
自抗扰控制器参数优化方法这里的自抗扰控制器参数优化方法与前文提出的复合自抗扰控制方法基本相同，只是在控制算法中引入了前馈补偿器，以减小复合自抗扰控制对外部扰动和系统参数变化的鲁棒性。
具体地，对于前馈补偿器，在固定参数下，随着外部扰动的增加，复合自抗扰控制系统可以对干扰做出快速响应，但由于其参数变化率较大，容易导致控制性能下降。
为了避免这种情况发生，本文采用自适应卡尔曼滤波方法对复合自抗扰控制器参数进行优化。
由于对前馈补偿器的参数进行优化时，存在一定的误差，因此引入了卡尔曼滤波算法，对自抗扰控制系统中的误差进行估计。
其具体流程如下：首先，通过分析复合自抗扰控制系统的结构和数学模型，得到其数学表达式；其次，根据复合自抗扰控制系统的结构和数学模型，采用卡尔曼滤波算法对复合自抗扰控制系统的误差进行估计，计算出自适应卡尔曼滤波算法参数优化模型中的系数，将复合自抗扰控制系统中误差向量与自适应卡尔曼滤波算法参数优化模型中系数进行比较。
通过上述步骤得到复合自抗扰控制系统中误差向量与自适应卡尔曼滤波算法参数优化模型中系数进行比较后得到相应的改进参数。
应用前景及发展趋势随着风电的快速发展，风电机组在实际运行过程中的各种不确定性因素以及自身结构特性等影响下，其控制系统的性能会逐渐降低，甚至无法正常运行。
因此，研究和开发具有鲁棒性的最大功率跟踪控制器是目前国内外风电领域的研究热点和难点。
对自抗扰控制技术的研究主要集中在线性系统，而对非线性系统的研究还处于探索阶段，尽管目前自抗扰控制技术已经能够实现对非线性系统的控制；但是由于非线性系统本身具有结构参数不确定性、参数时变、时变非凸等问题，使得其在实际应用中存在较大的问题。
因此，对自抗扰控制器结构参数进行优化是解决自抗扰控制技术应用过程中存在问题的有效方法。
由于自抗扰控制器结构较复杂、参数较多，并且在实际应用中需考虑风力发电机的实际结构特性进行设计，因此自抗扰控制器在实际应用中存在一定困难。
而采用智能优化方法对自抗扰控制器进行优化设计，不仅可以减少参数数量和提高设计效率，而且还可以实现对风力发电机结构特性的准确描述。
由于自抗扰控制器在非线性系统中具有较好的控制效果，因此如何将自抗扰控制器与其他控制器相结合实现更好的控制效果也是目前研究领域的一个热点。
笔者观点本文针对风力发电系统中的非线性扰动，提出了一种基于非线性自抗扰控制的风力发电系统最大功率跟踪控制方法。
该方法通过对风力发电机模型进行在线辨识，并采用一种基于无功补偿和非线性补偿相结合的复合控制策略，同时引入了前馈补偿机制，有效地改善了系统的动态特性。
仿真实验结果表明，该方法能够有效地提高风力发电机的最大功率跟踪能力，同时具有较好的鲁棒性和动态特性。
参考文献1.顾亚维：基于自抗扰控制的风力发电系统建模与控制，《电力系统自动化》，2021 (13)：33-40。
2.高玉成：基于自抗扰控制的风力发电系统模型与仿真研究，《风能资源与发电技术》，2021 (11)：56-63。
3.张少敏：基于多层非线性模型的风力发电机最大功率跟踪控制研究，《风能资源与利用》，2012,37 (6)：1861-1867。
4.毛晓阳：基于自适应线性系统理论的风电并网控制研究，《中国电机工程学报》，2012,38 (6)：452-458。
5.张兴民：基于 Matlab的风力机仿真软件研究，《控制理论与应用》，2011,11 (10)：482-483。
