面向孤立分布式发电的优化进化型Takagi-Sugeno Kang-ANFIS控制

《Next Energy》：Optimized evolving Takagi-Sugeno Kang-ANFIS based control for isolated distributed power generation

　　

摘要

研究人员开发了基于永磁同步发电机（PMSG）的风驱动孤立系统。在孤立系统中，非线性负载直接连接到PMSG，这引发了对电能质量治理装置的需求。在公共耦合点（PCC）处连接了由进化型Takagi-Sugeno Kang人工神经模糊推理系统（ETSK-ANFIS）控制的DSTATCOM，从而实现了对PMSG定子电流中谐波的治理。所提出的ETSK-ANFIS具有高建模精度、对系统非线性的有效处理能力以及对变化条件的适应性等特征，非常适合从感知的负载电流中提取有功分量和无功分量。研究人员实施了负载不平衡和风速变化工况，以检验ETSK-ANFIS控制的独立系统的性能。研究人员采用海洋捕食者算法（MPA）来提升ETSK-ANFIS的性能，通过减小提取输出与期望输出之间的误差来实现。MPA基于捕食者与猎物之间的速度比采用多种运动策略，确保了局部开发与全局探索之间的有效平衡。PI控制器参数通过执行MPA获得。研究人员开发了基于ETSK-ANFIS控制算法的Micro-Lab Box控制的独立系统，以验证仿真响应。PMSG产生的线电压为235.1 V，总谐波畸变率（THD）为2.8%，电流为6.99 A，THD为4.6%，均满足IEEE-519标准的要求。在负载不平衡条件下，PMSG端部生成了平衡的三相基波源电流。

基于优化进化型Takagi-Sugeno Kang-ANFIS控制的孤立分布式发电系统论文解读

一、研究背景与意义

全球仍有约7.45亿人口因偏远地区电力传输困难而无法获得电力供应。通过孤立系统实现偏远地区的电气化，具有创新性、可持续性、系统高效、本地控制以及故障快速恢复等优势。风能因其显著的时间和空间变异性而被广泛应用于孤立系统。永磁同步发电机（PMSG）凭借其良好的电压剖面、适用于变速和恒速运行、稳定的频率输出、较低的电压总谐波畸变率（THD）以及不存在励磁失效风险等优点，成为风电集成孤立系统的优选方案。

然而，风速的随机性以及电力电子变换器的使用，导致风能转换系统（WECS）产生电压波动、谐波畸变和闪变等电能质量问题。电能质量劣化会导致设备故障、损耗增加以及系统可靠性降低。在各类电能质量治理方案中，配电网静止同步补偿器（DSTATCOM）因其快速的無功功率支撑能力、电压剖面改善、功率因数调节、谐波与闪变抑制以及成本效益等优势，在风电转换系统中受到广泛青睐。

DSTATCOM的性能在很大程度上取决于其控制策略。传统的控制方法如同步参考坐标系（SRF）理论和瞬时无功功率（IRP）理论虽应用广泛，但在非线性动态负载条件下存在局限性。近年来，人工智能（AI）技术在DSTATCOM控制中的应用展现出快速收敛、稳态误差小、动态负载环境下有效学习、易于实现以及在不确定性条件下的鲁棒性等优势。其中，自适应神经模糊推理系统（ANFIS）整合了神经网络的学習能力与模糊逻辑的人类推理能力，在非线性系统和不确定系统建模方面表现出色。然而，ANFIS模型的参数优化对其性能至关重要。海洋捕食者算法（MPA）作为一种新型元启发式优化算法，具有设计良好的探索与开发阶段、适用于实时应用以及优于粒子群优化（PSO）、布谷鸟搜索和樽海鞘群算法等性能特点。因此，本研究将MPA用于优化进化型Takagi-Sugeno Kang ANFIS（ETSK-ANFIS）控制器的参数和PI控制器参数，以提升孤立风电系统的电能质量治理能力。

二、研究内容与总体结论

研究人员开发了一种基于PMSG的风力发电孤立系统，该系统由三叶片水平轴风力涡轮机（HAWT）驱动，设计输出4 kW机械功率。三相四线非线性负载采用三个单相二极管桥式整流器（DBR）共中性点连接，直接连接到PMSG。系统在公共耦合点（PCC）处配置了带有电池储能系统（BESS）的DSTATCOM以治理电能质量问题。ETSK-ANFIS控制算法用于处理感知的负载电流，提取有功和无功分量，生成参考源电流，进而产生VSC开关管的调节触发脉冲。星形/六边形连接变压器用于负载中性线电流补偿。

研究得出以下总体结论：MPA优化的ETSK-ANFIS控制算法能够有效处理负载不平衡和风速变化工况，维持PMSG端部电压和频率的稳定，显著降低源电流谐波畸变率，使其满足IEEE-519标准。硬件实验验证了仿真结果的正确性，PMSG产生的线电压为235.1 V，THD为2.8%，电流为6.99 A，THD为4.6%。该孤立系统适用于偏远地区或农村电气化，在风速变化较小或恒速风力涡轮机条件下能以较高效率运行。

三、关键技术方法

本研究采用的主要关键技术方法包括：（1）ETSK-ANFIS控制算法：该算法采用五层结构，包括输入获取层、模糊化层（采用高斯隶属函数）、规则触发层、归一化层、去模糊化层和输出聚合层，通过" If-Then "模糊规则将输入映射到有功和无功分量；（2）海洋捕食者算法（MPA）优化：MPA模拟海洋生物的捕食行为，依据捕食者与猎物的速度比分为三个阶级，分别采用布朗运动或列维飞行策略实现全局探索与局部开发的平衡，用于优化ETSK-ANFIS的前提参数和结论参数以及PI控制器参数；（3）星形/六边形变压器：利用六边形连接为不对称电流和三次谐波电流提供闭合路径，并通过星形中性点补偿负载中性线电流；（4）仿真与硬件联合验证：在MATLAB/Simulink中建立系统仿真模型，训练数据选用40,000个样本，测试数据为60,000个样本；硬件平台基于ETSK-ANFIS内置Micro-Lab Box搭建，采用LV25-P电压传感器和LA55-P电流传感器进行信号采集。

四、研究结果

4.1 ETSK-ANFIS训练性能

研究人员以负载电流和由PCC电压生成的角度作为输入信号，有功和无功分量作为输出信号，对ETSK-ANFIS进行训练。有功分量"Id"的训练数据以均方误差（MSE）为0.3053、均方根误差（RMSE）为0.5525、误差均值0.0187、误差标准差0.5523执行；测试数据MSE为0.3011、RMSE为0.5488。无功分量"Iq"的测试结果MSE为0.0735、RMSE为0.2711。回归分析显示"Id"和"Iq"的回归系数分别达到0.96503和0.9621，表明训练效果显著。与PSO优化算法相比，MPA优化的ETSK-ANFIS在"Id"测试数据上的回归系数达0.9673，优于PSO的0.9055，证明MPA能更有效地优化ETSK-ANFIS参数。

4.2 负载不平衡工况下的独立系统性能

研究人员通过断路器切除a相负载0.1 s来模拟负载不平衡工况。ETSK-ANFIS控制器快速响应负载电流变化，生成相应的有功和无功分量。MPA优化的PI控制器产生所需的无功分量以维持电压在参考值。在负载不平衡条件下，PMSG端部仍能生成平衡的三相基波电压和电流。负载侧功率从3,700 W降至2,700 W，而发电功率维持在3,600 W，多余功率通过改变电池电流方向（从放电模式切换至充电模式）供给BESS，使补偿功率从100 W放电模式增至900 W充电模式。BESS电压维持在400 V。PMSG电压和电流的THD分别控制在4.10%和3.44%。

4.3 风速变化条件下的系统性能

研究人员将风速从12 m/s依次变化至11 m/s和10 m/s来检验系统的动态响应。风速变化导致PMSG发电功率波动，但ETSK-ANFIS控制的DSTATCOM通过调节注入功率填补负载功率缺额，维持了PMSG端部电压和电流的正弦波形。电压和频率均稳定在额定值，表明所提控制策略在风速波动条件下具有良好的鲁棒性。

4.4 ETSK-ANFIS-MPA与ETSK-ANFIS-PSO的对比分析

研究人员以端电压响应为评价指标对两种优化算法进行对比。ETSK-ANFIS-MPA优化的系统展现出更快的恢复时间（0.06 s）和更小的峰值超调量（14.72%），相比之下ETSK-ANFIS-PSO的恢复时间为0.08 s、峰值超调量为15.73%。MPA优化的系统调节时间（0.18 s）和上升时间（0.015 s）也均优于PSO方案（0.21 s和0.020 s），表明MPA在动态负载条件下具有更优越的调谐精度。

4.5 MPA估计的PI控制器参数

研究人员利用MPA优化终端电压和频率环路的PI控制器参数，设定搜索代理数为10、迭代次数为40。MPA在第40次迭代时生成的积分时间乘绝对误差（ITSE）为1.5565，获得的终端电压PI控制器的比例增益为0.48211、积分增益为6.3927。优化后的PI控制器使感知端电压在197 V参考值下具有良好的跟踪性能和快速收敛能力。

4.6 硬件实验验证

研究人员搭建了基于ETSK-ANFIS控制的Micro-Lab Box独立系统硬件平台，通过传感器将PMSG电压和电流信号缩放至±5 V范围内输入控制器。在动态实验中，切除a相负载后，系统仍能维持平衡的三相PMSG电流。稳态验证显示，PMSG产生235.1 V线电压（THD为2.8%）和6.99 A电流（THD为4.6%），负载电流的30.6% THD被显著降低至源侧的4.6%。负载功率需求为2.85 kW，由PMSG和补偿器共同供给。星形/六边形变压器成功补偿了7.31 A的中性线电流。

五、讨论与结论

讨论部分指出，ETSK-ANFIS控制算法结合了神经网络学习和模糊推理的优势，具有线性后件和精简规则数，计算效率高。MPA的三阶段速度相关狩猎策略和螺旋攻击机制，使算法在早期迭代中快速收敛至最优解，同时避免了过早收敛，确保了ETSK-ANFIS的训练效率和精度。硬件实验与仿真结果的一致性验证了所提控制策略在实际应用中的可行性和有效性。

研究结论为：研究人员实现了ETSK-ANFIS控制的独立系统，向负载提供优质电能。在负载不平衡和输入风速变化条件下，该系统均能在所有稳态和动态工况下良好运行，保持发电机端部参数无谐波。MPA优化的PI控制器将端电压维持在197 V，其ITSE为1.5565。硬件实验进一步验证了系统性能：PMSG在235.1 V电压下输出2.58 kW功率，电压THD为2.8%，电流为6.99 A，THD为4.6%，星形/六边形变压器补偿了7.31 A的中性线电流。所提出的控制策略为孤立分布式发电系统的电能质量治理提供了一种高效、鲁棒的解决方案。