Bao Cao Giua Ki 1 Final

Phân tích tình hình áp dụng AI
trong các bài toán điều khiển hệ

thống phát điện sức gió
Nhóm 9:
Nguyễn Quốc Huy 20181532
Đồng Hữu Hùng 20219525
Trần Nam Trung 20219528
Nguyễn Quỳnh Mai 20219512
Nội dung
I. Mở đầu
II. MPPT Control
III. Pitch Angle Control
IV. Rotor Speed Control
V. Grid Side Inverter Control
VI. Đánh giá và Kết luận
4
I. Mở đầu
Hệ thống điện gió
• Điện năng được sinh ra bằng cách biến đổi năng lượng gió thành động năng để
quay turbin.
• Cấu trúc gồm cánh, thiết bị biến đổi công suất, máy phát và hệ thống điều khiển
công suất (PCS).
• Để tạo ra điện năng một cách hiệu quả thì tốc độ gió ít nhất phải đạt 5 m/s.
• Công suất phát tỉ lệ với tốc độ gió và kích thước cánh quạt.
• Hiệu suất phát điện khoảng 20 ~ 40%.
• Giá thành của hệ thống điều khiển chiếm khoảng 7% giá thành toàn hệ thống.
5
I. Mở đầu
Hệ thống điện gió
 Blade (cánh quạt): quay cùng với gió, làm nhiệm vụ biến năng lượng gió thành
động năng.
 Gearbox (hộp đổi tốc): Biến đổi tốc độ quay thấp của turbine thành tốc độ quay
lớn hơn rất nhiều của máy phát
 Generator (máy phát): Biến đổi năng lượng cơ thành năng lượng điện.
 Biến đổi điện năng sinh ra bởi máy phát thành dạng điện năng có chất lượng
theo yêu cầu của người tiêu dùng.
6
I. Mở đầu
• MPPT Control
• Pitch Angle Control
• Rotor Speed Control
• Grid Side Inverter Control
7
II. MPPT control
Bài báo tham khảo:
8
II. MPPT control
Mạng Neural
Do hệ thống năng lượng gió ở dạng phi tuyến tính nên rất khó thiết lập phương pháp điều
khiển tuyến tính.
Sử dụng mạng nơ-ron nhân tạo để điều chỉnh các thông số bộ điều khiển cho công suất
đầu ra tối đa một cách tự động
 Rút ngắn thời gian để đạt được điểm công suất cực đại và giảm tỷ lệ tổn thất năng
lượng của máy phát điện gió.
9
II. MPPT control
• MPPT (Maximum Power Point Tracker): là phương pháp dò tìm điểm làm
việc có công suất tối đa của hệ thống
• Thuật toán có nhiệm vụ tìm điểm MPP khi có sự thay đổi của tốc độ gió
Turbine power curves.
10
II. MPPT control
 Đường đặc tính công suất
 Mục đích: Điều khiển bộ Boost để công suất cấp cho máy phát là lớn
nhất
 Cách thức: từ điều khiển giá trị Dutycycle để thay đổi giá trị U/I đầu ra,
chọn điểm làm việc MPP của hệ thống
11
II. MPPT control
• Cấu trúc của bộ chuyển đổi boost
• R là trở kháng của đầu ra của bộ biến đổi.

• Trở kháng tương đương Zin có thể được tính bằng:
• Công suất phát tối đa đạt được bằng cách điều khiển D (Duty Cycle).
12
II. MPPT control
• Nghiên cứu này sử dụng mạng nơ-ron nhân tạo lan truyền ngược và cấu trúc
của nó là mạng multilayer feed forward network.
• Nghiên cứu sử dụng tính ưu việt của năng lực học tập để xây dựng hai mô-đun
ước tính gió của mạng nơ-ron nhân tạo ANNwind và ước tính công suất ANNPe
để ước tính tốc độ gió và công suất đầu ra.
13
II. MPPT control
• Mô-đun ANNwind là cấu trúc mạng hai đầu vào đến một đầu ra.
• Trong đó Vw là tốc độ gió thực tế của máy đo gió,
• Pe là công suất đầu ra của máy phát điện,
• Z là tốc độ rôto của tuabin gió
• Vw * là tốc độ gió ước tính bởi ANNwind.
• Mô-đun ANNPe là cấu trúc mạng ba đầu vào đến một đầu ra.
• Trong đó R là trở kháng tải
• D là chu kỳ làm việc
• Pe * là công suất đầu ra ước tính của máy phát bởi ANNPe.
14
II. MPPT control
• Cấu trúc của điều khiển MPPT xây dựng môi trường giao tiếp phần mềm và
phần cứng thông qua các cảm biến và thẻ AD / DA.
• Quá trình điều khiển MPPT được thể hiện trong hình, trong đó ANNwind ước
tính tốc độ gió và ANNPe-PSO ước tính duty cycle:
15
II. MPPT control
16
II. MPPT control
Kết quả:
Tốc độ gió và trở kháng tải thay đổi :
• Nếu trở kháng tải ngay thay đổi từ 50,03 (Ohm) đến 23,22 (Ohm) ở 150
(giây)
Điện áp điều khiển Vcon của hệ thống điều khiển phải thay đổi cùng với
tốc độ gió ước tính và trở kháng tải. Tốc độ rôto được điều chỉnh bởi hệ
thống điều khiển do sự biến đổi của Vcon.
Kết quả của công suất đầu ra theo ba tốc độ gió cụ thể (7,6 m / s, 10,6 m / s
và 13,0 m / s) được mô phỏng trước và sau khi trở kháng tải thay đổi tương
ứng trong Bảng I và II.
17
II. MPPT control
18
II. MPPT control
19
II. MPPT control
20
 Góc pitch
Là góc quay của cánh quạt quanh trục thẳng kéo dài của chính nó với mục
đích điều chỉnh hướng gió tác động vào cánh quạt phù hợp với yêu cầu
 Khi tốc độ gió dưới 3m/s, hệ thống rotor quay chậm hoặc ngưng hoạt động.
Ở trạng thái này thân cánh quạt nằm tại vị trí 90 độ (góc pitch bằng 90 độ)
và cánh quạt nếu quay nhẹ, công suất cũng rất thấp và sản lượng điện gần
như không đáng kể.
 Với tốc độ gió từ 4 đến 11m/s là tốc độ gió thường, hệ thống rotor quay
nhanh hơn, cơ năng từ cánh quạt thu được cao hơn nhưng sản lượng vẫn là
thấp so với công suất thiết kế. Khi đó thân cánh quạt nằm tại vị trí tối ưu là
0 độ.
21
 Khi gió có tốc độ từ 12 đến 25m/s cơ năng thu được đạt công suất cao
nhất, điều chỉnh mặt đón gió của cánh quạt được tự động thực hiện với
nguyên tắc cánh quạt quay quanh than từ 0 đến 90 độ. Lực tác động vào
cánh quạt được giữ đều, momen xoắn tạo ra phù hợp với momen máy phát.
 Việc điều chỉnh mặt đón gió của cánh quạt ngoài chức năng thu cơ năng còn
giữ cánh quạt và những chi tiết cơ của hệ thống rotor cũng như những bộ
phận khác trong tuabin gió giảm lực tác động quá cao có thể gây hư hỏng
đặc biệt là khi có bão.
22
4 phương pháp điều khiển
1. Sử dụng điều khiển mờ
2. Sử dụng điều khiển nơ ron
3. Sử dụng điều khiển thông minh
4. Sử dụng học củng cố (reinforcement learning)
23
1. Điều khiển mờ (fuzzy control)
Sơ đồ khối hệ thống điều khiển góc pitch dựa trên điều khiển mờ
Sơ đồ khối hoạt đông điều khiển logic mờ
Để thiết kế các quy tắc bộ điều khiển mờ:

Bước đầu tiên cần xác định hàm liên thuộc
Bước thứ hai là thay đổi giá trị rõ nét (crips) thành các giá trị mờ (quá
trình làm mờ)
Bước thứ ba cung cấp các quy tắc cho suy luận mờ b
Bước cuối cùng là thay đổi các giá trị mờ thành các giá trị crips và được
gọi là giải mờ.
Dian Budhi Santoso et al 2021 IOP Conf. Ser.: Earth Environ. Sci. 830 012073 24
Bảng luật điều khiển logic mờ

Nếu tố c độ gió Mfs’ là 7 thì gó c pitch bằ ng 0
Nếu tố c độ gió Mfs’ là 8 thì gó c pitch bằ ng 4
Nếu tố c độ gió Mfs’ là 9 thì gó c pitch bằ ng 11.29
Giá trị hệ số C1=0.5176, C2=116, C3=0.4, C4=5, C5=21 và C6=0.0068.

Khi giá trị Cp lớn nhất bằng 0.48 thì khi đó β = 0 và λ = 8.1.
Hệ thống sử dụng Simulink và với công suất 20KW, tốc độ gió đầu vào biến động từ
7m/s đến 20m/s trong 10s.
Kết quả
Kết quả
Bả ng cho thấy kết quả củ a việc thay đổ i gó c pitch khi tố c độ gió thay đổ i. Từ kết quả
mô phỏ ng cho thấy sự ổ n định củ a cô ng suấ t cơ vớ i giá trị 20KW và độ lệch cô ng suấ t
là ±250watts cho đến lầ n thứ 7 thì cô ng suấ t giả m khoả ng 840watt vì khi đó tốc độ
gió đi qua tuabin nằm trong khoảng 7m/s là tố c độ định mứ c tố i thiểu.
2. Điều khiển nơ ron
Ahmed Harb Najd et al 2020 IOP Conf. Ser.: Mater. Sci. Eng. 928 022118 29
Multilayer Perceptron (Perceptron nhiều lớ p) là mộ t thuậ t toá n họ c máy có giá m

sá t (Machine Learning) thuộ c lớ p mạ ng nơ-ron nhâ n tạ o, là tậ p hợ p củ a cá c
perceptron chia là m nhiều nhó m, mỗ i nhó m tương ứ ng vớ i mộ t layer.
Trong hình trên đạ i diện cho bộ điều khiển NN có lớ p đầ u và o gồ m 2 đầ u và o, mộ t
lớ p ẩ n có 5 neural và có 1 lớ p đầ u ra.
Huấ n luyện bộ điều khiển NN thuậ t toá n theo từ ng bướ c:

Bướ c 1 khở i tạ o ngẫ u nhiên trọ ng số , bướ c 2 tính toá n vector đầ u ra sau đó tính
toá n cá c lan truyền lỗ i, bướ c 3 dự a và o phương trình 5 và 6 để cậ p nhậ t cá c trọ ng
số . Sau đó từ phương trình 7 và 8 tính toá n tổ ng sai số E, bướ c 4 lặ p lạ i phép tính
bằ ng cá ch quay lạ i bướ c 2 cho đến khi tổ ng sai số nhỏ hơn lỗ i mong muố n.
Phương trình 9 biểu diễn f1 và f2 là hà m truyền củ a lớ p ẩ n và lớ p đầ u ra nơron.
Mô phỏng và kết quả
Thô ng số hệ thố ng mô phỏ ng
a tốc độ gió tăng dần, b tốc độ gió thay đổi ngẫu nghiên
a góc pitch khi tốc độ gió tăng dần, b góc pitch khi tốc độ gió thay đổi
ngẫu nhiên với NN controller
3. Điều khiển thông minh
Bộ điều khiển PI
Để đơn giả n ta viết lạ i thà nh
35
Giá trị củ a Kp và Ki để tương ứ ng là 3,15 và 19
Cả i tiến thiết kế bộ điều khiển logic mờ (FLC)

Thô ng thườ ng, rấ t khó để mô hình hó a và kiểm soá t mộ t hệ thố ng phi tuyến tính. Bộ
điều khiển thô ng thườ ng khô ng hoạ t độ ng tố t khi gặ p chấ n độ ng. Do đó , để giả i quyết
vấ n đề phi tuyến này, mộ t bộ điều khiển mờ cả i tiến đượ c sử dụ ng
36
37
Mô phỏng
38
Kết quả
Kết quả mô phỏ ng đượ c thự c hiện trong 2 giai đoạ n
Giai đoạ n 1: tố c độ gió tă ng dầ n vớ i tố c độ ban đầ u 3m/s (8s). Cô ng suấ t tuabin tă ng
theo. Tạ i 36s cô ng suấ t đầ u ra vượ t quá 500kW, bộ điều khiển giữ cô ng suấ t đầ u ra tạ i
500kW. Có thể thấy bộ điều khiển PI mấ t hơn 1s để ổ n định hệ thố ng nhưng bộ điều
khiển mờ chỉ mấ t 0.1s
39
Kết quả
Kết quả mô phỏ ng đượ c thự c hiện trong 2 giai đoạ n
Giai đoạ n 2:Trong giai đoạ n thứ hai, tố c độ gió trong thờ i gian thự c tạ i Islamabad,
Pakistan ngày 10 thá ng 7 nă m 2017. Thờ i gian thự c tố c độ gió tính bằng m/s
40
Kết quả
Đối với bộ điều khiển mờ được cải tiến, độ vọt lố tối đa là 527kW. So sánh cả bộ điều
khiển được đề xuất và bộ điều khiển PI, độ vọt lố cải thiện độ mờ (5,4%) tốt hơn PI (52%).
41
Kết quả
Các số liệu được phóng to để so sánh công suất đầu ra của PI và bộ điều khiển mờ cải
tiến
42
Kết quả
Nhận xét:
Thông qua việc điều chỉnh góc pitch, người ta có thể điều khiển tuabin gió cho hiệu quả
tốt hơn. Bài báo này đề xuất một bộ điều khiển PI mờ để cải thiện góc pitch cho tuabin
gió. Mô hình của bộ điều khiển đề xuất không phụ thuộc vào động lực tuabin và có thể
hoạt động ở bất kỳ tốc độ gió nào. So sánh đã được thực hiện giữa bộ điều khiển đề xuất
và bộ điều khiển PI.
43
5. Học củng cố (Reinforcement learning)
Phương phá p họ c củ ng cố bao gồ m mộ t mô i trườ ng, mộ t thô ng dịch và mộ t tá c nhâ n.

Tác nhâ n dự a trên trạ ng thá i mà thô ng dịch nhậ n thứ c đượ c trướ c đó lự a chọ n hà nh
độ ng tiếp theo tố t nhấ t để thự c hiện. Việc thự c hiện đượ c giá m sá t bở i trình thô ng dịch,
ngườ i mà cung cấ p thô ng tin cho tác nhâ n về trạ ng thá i mớ i s(t+1) và trạ ng thá i trướ c
đó củ a r(t+1).
44
Việc họ c củ ng cố rờ i rạ c đượ c thể hiện như sau:

• S là tậ p hữ u hạ n cá c trạ ng thá i đượ c trình thô ng dịch nhậ n biết. Tậ p hợ p này đượ c
tạ o vớ i cá c biến củ a mô i trườ ng, trình thô ng dịch phả i quan sá t đượ c và có thể khá c
vớ i cá c biến trạ ng thá i củ a mô i trườ ng.
• A là mộ t tậ p hợ p hữ u hạ n cá c hà nh độ ng đượ c tiến hà nh bở i tá c nhâ n.
• st là trạ ng thá i tạ i thờ i điểm t
• at là hà nh độ ng thự c hiện bở i tá c nhâ n khi thô ng dịch viên nhậ n trạ ng thá i st
• r(t+1) là trạ ng thá i nhậ n đượ c sau khi hà nh độ ng at đượ c tiến hà nh
• s(t+1) là trạ ng thá i sau khi at đượ c tiến hà nh
• Mô i trườ ng là chương trình Markov: MDP=⟨s0,a0,r1,s1,a1,r2,s2,a2…⟩
• π:S ×A→[0,1] hà m này cung cấ p xá c xuấ t củ a lự a chọ n hà nh độ ng a vớ i mỗ i cặ p (s,a)
• pss′=Pr{s(t+1))=s′|st=s∧at=a} là trạ ng thá i thay đổ i từ s sang s’ vớ i hà nh độ ng a
• pπ(s′,a′) là chọ n hà nh độ ng a’ ở trạ ng thá i s’ theo π
• ras=E{rt+1|st=s∧at=a}
• Qπ(s,a)=ras+γ∑s’pss’∑a’pπ(s′,a′)Qπ(s’,a’)
45
Thô ng số mô phỏ ng
46
Kết quả mô phỏng
Khoảng thời gian lấy mẫu Tc là 100 ms. Trong tất cả các mô phỏng, tốc độ gió được
tạo ngẫu nhiên trong khoảng 11.5m/s đến 14m/s. Thời gian mỗi bước tối đa là 10ms
Bộ đk PID cũng được thiết kế với mục tiêu ổn định công suất đầu ra xung quanh giá
trị định mức của tuabin và so sánh với học củng cố. Sau khi điều chỉnh có thể l ấy Kp
= 0.9, Kd=0.2 và Ki = 0.5
47
4.1.Tổng quan phương pháp điều khiển
Hệ số công suất không thể đạt giá trị cực đại nếu không thay đổi tốc độ Rotor khi
tốc độ gió thay đổi
Ta thấy rằng tốc độ gió càng lớn thì tốc độ Rotor cũng phải tăng theo để công suất
bám theo giá trị cực đại như hình dưới
48
Việc kiểm soát tốc độ bằng bộ điều khiển PID truyền thống tuy đơn giản nhưng do
Turbine gió là hệ thống có tham số thay đổi mạnh và liên tục, nên việc sử dụng bộ
điều khiển PID tuy đơn giản nhưng ít chính xác thậm chí gây ra vọt lố.
Do đó việc sử dụng điều khiển thông minh bộ điều khiển PID thích nghi 1 noron
dựa trên cơ sở mạng noron xuyên tâm (RBF)
49
Mô hình hóa hệ thống máy phát điện đồng bộ siêu dẫn (SCSG)
Hệ thống turbine gió SCSG là hệ thống sử dụng máy phát điện đồng bộ siêu dẫn (SCSG)
cho ưu thế về năng suất, trọng lượng và kích thước
50
Nhằm mục đích đơn giản hóa cho việc nghiên cứu, ta sử dụng mô hình máy phát điện
đồng bộ tiêu chuẩn
Trong hệ tọa độ quay dq của Rotor, mô hình từ thông được xác định:
Giả sử:
51
Phương trình cân bằng điện áp của cuộn dây
Stator và Rotor
Các mạch tương đương được mô hình hóa trên trục dq
Biểu thức momen điện từ được biểu diễn theo

công thức:
52
Để hoạt động được ở các tốc độ khác nhau mô hình SCSG được nối với lưới điện thông qua
bộ biến tần toàn dải. Bộ biến tần gồm bộ nghịch lưu phía máy phát, DC link và bộ chỉnh lưu
phía lưới.
Bộ nghịch lưu phía máy phát thực hiện điều khiển MPPT thông qua điều khiển dòng q-
axis. Bộ chỉnh lưu phía lưới thực hiện điều khiển công suất phản kháng và điều khiển điện
áp một chiều không đổi thông qua điều khiển các dòng q-axis và d-axis.
Triền khai biến tần toàn dải
53
Mô hình trên mô phỏng hệ truyền động máy phát điện với 2 vòng điều khiển tốc độ và
dòng điện. Vòng điều khiển công suất được thực hiện bằng phương pháp MPPT. Mục đích
vòng điều khiển tốc độ là giữ ổn định tốc độ và đạt được đặc tính động của tốc độ động cơ
rotor
54
4.2. Thiết kế bộ điều khiển
4.2.1. Thuật toàn bộ điều khiển PID thích ứng noron đơn
Việc sử dụng bộ điều khiển PID thich ứng noron đơn cho phép chỉnh định bộ 3 tham số
theo thời gian thực
Sơ đồ khối bộ điều khiển PID thích ứng noron đơn
55
Giả sử trọng số trong bộ điều khiển PID tại thời điểm k là
Trọng số tại thời điểm kế tiếp là:
Bình phương sai lệch đầu ra:
r(k), y(k) là đầu vào đầu ra mẫu
Theo phương pháp lặp, mỗi lần lặp ta muốn:
Khai triển Taylor hàm F xung quanh wj (k), xấp xỉ hàm bậc nhất ta có:
Với:: Là vector Gradient của F(w) khi
Giả sử: Với là tốc độ học giá trị dương nhỏ
56
Khi đó giá trị của Là:
Trong đó Không xác định nên thay thế bằng hàm sign
Khi đó trong số của từng tham số như sau:
57
Với hệ số khuếch đại K ta có:
4.2.2. Cải thiện sử dụng mạng xuyên tâm (RBF)
Mạng RBF thường được sử dụng để xấp xỉ các thành phần bất định của đối tượng trong
qua trình thiết kế bộ điều khiển
Mạng RBF gồm 2 lớp như hình dưới:
58
Trong mạng RFB, Là vecto đầu vào
hg là hàm truyền có dạng
Trong đó, Là vecto tâm
là vecto ngưỡng là vecto trọng số, bg độ lệch chuẩn
Đầu ra của noron thứ m trong lớp đầu ra tại thời điểm k:
Hiệu suất của mạng:
59
Sử dụng phương pháp giảm độ dốc
Tại thời điểm k ,
Ta viết được ma trận Jacobien của hệ thông

điều kiện như sau
Có thể kết luận rằng
60
4.3. Mô phỏng
Mô hình mô phỏng hệ thống tạo gió
61
Mô hình mô phỏng hệ thống SCSG
62
Đáp ứng tốc độ khi tải thay đổi đột ngột
63
64
4.4. Kết luận
Ta thấy bộ điều khiển PID thích nghi noron đơn trên cơ sở mang xuyên tâm
ưu việt hơn so với phương pháp điều khiển PID truyền thống. Thích nghi
nhanh và chính xác với những thay đổi của yếu tố xung quanh
Tài liệu trích dẫn: “Shan Zuo, Yongduan Song, Lei Wang, Zheng
Zhou, "Neuron-Adaptive PID Based Speed Control of SCSG Wind Turbine
System", Abstract and Applied Analysis, vol. 2014, Article
ID 376259, 10 pages, 2014. https://doi.org/10.1155/2014/376259”
65
V. Biến tần phía lưới (grid-side inverter):
• bộ biến tần phía lưới điều khiển điện áp DC-link và
điện áp lưới tương ứng
Hệ thống điều khiển bộ biến đổi công suất
66
5.1 Hệ thống điều khiển PI thông thường
Biến tần phía lưới điều khiển điện áp DC-link (Vdc) và điện áp lưới (Vt).
Hệ thống điều khiển biến tần phía lưới

,
Nhược điểm:
Khó khăn trong việc điều chỉnh tham số của BĐK trong các vùng tốc độ gió khác nhau.
67
5.2 Hệ thống điều khiển mờ
Hệ thống điều khiển biến tần phía lưới
68
Hệ thống điều khiển PI dựa trên bộ điều khiển mờ
Nó là một hệ thống điều khiển mờ dựa trên đa đầu vào-đa đầu ra (MIMO) với :
+ 2 đầu vào của BĐK mờ là sai lệch e và sự thay đổi của sai lệch ce
+ 2 đầu ra là hệ số tỉ lệ Kp và hệ số tích phân Ki
69
Các hàm liên thuộc đầu vào mờ : a) b)

Các hàm liên thuộc đầu ra mờ: c) d)
70
Luật điều khiển mờ

Trong đó: negative big (NB); negative medium (NM); negative small (NS); zero (ZO);
positive big (PB); positive medium (PM); and Positive small (PS)
71
5.3 Hệ thống điều khiển sử dụng phương pháp

Digital H∞
Sơ đồ cấu trúc điều khiển Kỹ thuật số H∞: a) Cấu trúc vòng kín tổng quát
b) Cấu trúc phản hồi
K[z] là bộ điều khiển số cần thiết kế, “s” là bộ lấy mẫu với chu kỳ lấy mẫu
72
5.3 Hệ thống điều khiển sử dụng phương pháp Digital H∞
Phương pháp điều khiển biến tần phía lưới
73
Ta có 2 phương trình:
Với Rfilt và Lfilt là điện trở và điện cảm của bộ lọc.

Từ 2 phương trình trên ta thu được biểu thức vevtor không gian :
74
Từ Công thức (29) - (31) ở trên, các biến trạng thái x , các đầu vào bên
ngoài và nhiễu w , và các đầu vào điều khiển u là:
75
5.4 So sánh các phương pháp thông qua đánh giá mô phỏng
Mô hình hệ thống điện
76
5.5.1 Vận tốc gió xoáy thấp

Tốc độ gió định mức là 12 m/s, thay đổi từ 9 m/s đến 15 m/s.
77
Nhận xét:
+ Từ đồ thị c): phương pháp Digital H∞ và phương pháp bộ điều khiển mờ có thể tạo ra
công suất đầu ra ổn định hơn so với phương pháp bộ điều khiển PI thông thường. Khi tốc
độ gió dao động lớn (25-30s) thì công suất đầu ra của bộ PI không ổn định.
+ Từ đồ thị d): phương pháp Digital H∞ có chênh lệch giữa momen đầu vào và momen đầu
ra nhỏ hơn 2 phương pháp còn lại.
+ Từ đồ thị e) f): các thành phần tần số cao của điện áp và dòng điện liên kết DC giảm theo
phương pháp Digital H∞ => do đó có thể giảm kích thước của tụ DC-link
+ Từ đồ thị g): phương pháp Digital H∞ có thể cung cấp công suất đầu ra hiệu quả cho lưới
điện.
Tuy nhiên, phương pháp bộ điều khiển mờ có thể cung cấp công suất gần như tương
tự như phương pháp Digital H∞ và cho thấy hiệu suất tốt hơn so với phương pháp PI. Do
đó, tổn thất công suất của phương pháp Digital H∞ thấp hơn so với phương pháp PI vì
phương pháp đề xuất có thể cải thiện chất lượng của chênh lệch mômen, dòng điện DC-
link và điện áp.
78
5.5.1 Vận tốc gió xoáy cao
79
5.5.1 Vận tốc gió xoáy cao

Nhận xét:
+ Từ đồ thị c): điện áp điều khiển q dao động lớn hơn theo phương pháp PI và phương pháp bộ điều
khiển mờ so với phương pháp Digital H∞.
+ Từ đồ thị d): điện áp điều khiển trục d được điều khiển chính xác bằng phương pháp Digital H∞.
Các thông số của bộ điều khiển PI khác nhau với mỗi tốc độ gió khác nhau.
Phương pháp điều khiển mờ tương tự như phương pháp Digital H∞ ở vận tốc gió nhiễu thấp, nhưng
ở vận tốc gió nhiễu cao thì kém hơn.
+ Từ đồ thị e): công suất tạo ra của phương pháp PI trở nên không ổn định do vận tốc gió nhiễu loạn
cao. Phương pháp Digital H∞ có thể tạo ra công suất đầu ra ổn định so với phương pháp PI. Phương
pháp bộ điều khiển mờ có thể tạo ra công suất ổn định so với phương pháp PI nhưng công suất đầu
ra dao động nhiều hơn so với phương pháp Digital H∞.
Tài liệu trích dẫn: “Design and Implement a Digital H∞ Robust Controller for a MW-
Class PMSG-Based Grid-Interactive Wind Energy Conversion System by Abdul
Motin Howlader, Naomitsu Urasaki, Atsushi Yona, Tomonobu Senjyu and
Ahmed Yousuf Saber”
80
Tài liệu tham khảo
• Wind turbine pitch reinforcement learning control improved by PID regulator and learning observer - J. Enrique
Sierra-Garcia a,∗ , Matilde Santos b , Ravi Pandit c
• Optimization Method Based MPPT for Wind Power Generators Chun-Yao Lee , Yi-Xing Shen , Jung-Cheng Cheng ,
Chih-Wen Chang and Yi-Yin Li
• Pitch angle control of a wind turbine using fuzzy logic control by Dian Budhi Santoso et al 2021 IOP Conf. Ser.:
Earth Environ. Sci. 830 012073
• Pitch angle control using neural network in windturbines by Ahmed Harb Najd et al 2020 IOP Conf. Ser.: Mater.
Sci. Eng. 928 022118
• An intelligent pitch angle control of wind turbine by Authors:Syed Zulqadar Hassan, Hui Li, Tariq Kamal, Malik
Qamar Abbas, Muhammad Abbas Khan, Gussan Mufti
• Optimal Pitch Angle Control for Wind Turbine Using Intelligent Controller: Mustafa S Abdul-Ruhman and Majli N
Hawas 2020 IOP Conf. Ser.: Mater. Sci. Eng. 745 012017
81
THANK YOU !
82

Bao Cao Giua Ki 1 Final

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Bao Cao Giua Ki 1 Final

Uploaded by

Copyright:

Available Formats

Phân tích tình hình áp dụng AI

trong các bài toán điều khiển hệ

Hệ thống điện gió

Hệ thống điện gió

Bài báo tham khảo:

Turbine power curves.

 Đường đặc tính công suất

• Cấu trúc của bộ chuyển đổi boost

• R là trở kháng của đầu ra của bộ biến đổi.

4 phương pháp điều khiển

1. Sử dụng điều khiển mờ

2. Sử dụng điều khiển nơ ron

3. Sử dụng điều khiển thông minh

4. Sử dụng học củng cố (reinforcement learning)

Sơ đồ khối hoạt đông điều khiển logic mờ

Để thiết kế các quy tắc bộ điều khiển mờ:

Bảng luật điều khiển logic mờ

Giá trị hệ số C1=0.5176, C2=116, C3=0.4, C4=5, C5=21 và C6=0.0068.

Multilayer Perceptron (Perceptron nhiều lớ p) là mộ t thuậ t toá n họ c máy có giá m

Huấ n luyện bộ điều khiển NN thuậ t toá n theo từ ng bướ c:

Thô ng số hệ thố ng mô phỏ ng

Để đơn giả n ta viết lạ i thà nh

Giá trị củ a Kp và Ki để tương ứ ng là 3,15 và 19

Cả i tiến thiết kế bộ điều khiển logic mờ (FLC)

Phương phá p họ c củ ng cố bao gồ m mộ t mô i trườ ng, mộ t thô ng dịch và mộ t tá c nhâ n.

Việc họ c củ ng cố rờ i rạ c đượ c thể hiện như sau:

Các mạch tương đương được mô hình hóa trên trục dq

Biểu thức momen điện từ được biểu diễn theo

Triền khai biến tần toàn dải

Sơ đồ khối bộ điều khiển PID thích ứng noron đơn

Giả sử trọng số trong bộ điều khiển PID tại thời điểm k là

Trọng số tại thời điểm kế tiếp là:

Bình phương sai lệch đầu ra:

r(k), y(k) là đầu vào đầu ra mẫu

Theo phương pháp lặp, mỗi lần lặp ta muốn:

Với:: Là vector Gradient của F(w) khi

Giả sử: Với là tốc độ học giá trị dương nhỏ

Khi đó giá trị của Là:

Khi đó trong số của từng tham số như sau:

4.2.2. Cải thiện sử dụng mạng xuyên tâm (RBF)

Mạng RBF gồm 2 lớp như hình dưới:

hg là hàm truyền có dạng

Trong đó, Là vecto tâm

là vecto ngưỡng là vecto trọng số, bg độ lệch chuẩn

Hiệu suất của mạng:

Tại thời điểm k ,

Ta viết được ma trận Jacobien của hệ thông

Có thể kết luận rằng

Mô hình mô phỏng hệ thống tạo gió

Mô hình mô phỏng hệ thống SCSG

Đáp ứng tốc độ khi tải thay đổi đột ngột

Hệ thống điều khiển bộ biến đổi công suất

Hệ thống điều khiển biến tần phía lưới

Hệ thống điều khiển biến tần phía lưới

Hệ thống điều khiển PI dựa trên bộ điều khiển mờ

Các hàm liên thuộc đầu vào mờ : a) b)

Luật điều khiển mờ

5.3 Hệ thống điều khiển sử dụng phương pháp

5.3 Hệ thống điều khiển sử dụng phương pháp Digital H∞

Phương pháp điều khiển biến tần phía lưới

Với Rfilt và Lfilt là điện trở và điện cảm của bộ lọc.

Mô hình hệ thống điện

5.5.1 Vận tốc gió xoáy thấp

5.5.1 Vận tốc gió xoáy cao