微電網之運轉與智慧型控制 國立中央大學電機工程學系講座教授 林法正 E-mail: linj@ee.ncu.eu.w 1
大綱 一 緒論二 孤島現象介紹三 Elman 類神經網路四 新型主動式孤島偵測法五 主動式孤島偵測實驗結果六 併網型風力驅動感應發電機七 小波模糊類神經網路八 併網型風力驅動感應發電機實驗結果九 儲能系統與微渦輪發電機十 微電網系統控制法則與模擬十一 結論與未來展望
大綱 一 緒論二 孤島現象介紹三 Elman 類神經網路四 新型主動式孤島偵測法五 主動式孤島偵測實驗結果六 併網型風力驅動感應發電機七 小波模糊類神經網路八 併網型風力驅動感應發電機實驗結果九 儲能系統與微渦輪發電機十 微電網系統控制法則與模擬十一 結論與未來展望 3
一 緒論 微電網介紹 傳統電力結構 未來電網連結分散式發電設備 火力 核能 水力 集中式電廠特高壓電網 Special Hih Volae Gri 火力 核能 水力 Disconnec Swich 風力電廠 保護設備 保護設備 保護設備 高壓電網 Hih Volae Gri 低壓電網 Low Volae Gri V FC 適合的管理與保護設備 WND V CH 適合的管理與保護設備 微電網 #1 微電網 # 4
微電網技術發展 一 緒論 續 隨著小容量分散式電源佔比增加, 電業勢將面臨大量各類分散型電源併入電力系統所造成之衝擊 為兼顧安全及電力品質, 進行分散式電源整合運轉控制是近年來受到相當重視之議題 重要區域可建立微電網來提高供電可靠度, 歐盟 EU 美國電力研究院 ER 日本電力中央研究所 CRE 與 NEDO 等, 均已開始先導性研究計畫 微電網的貢獻 : 增進能源效率, 減低碳排放, 改善電力品質, 減少傳送損失, 降低電網投資 5
一 緒論 續 微電網整合分散式電源系統 微電網技術是指將一定區域內的分散發電資源聯結起來 也可以使用儲能裝置, 向附近的各終端用戶直接供應各種能源 熱 電 冷 微電網系統既可以與大電網併聯運轉, 也可以獨立運轉 Source: Taipower 6
微電網之優點 一 緒論 續 可在孤島運轉及併聯運轉間轉換, 平穩的與大電網併網或切離 新的微電源併入不對現行系統造成影響 設備對等 peer o peer, 無主控設備 隨插即用 更為有效之功率管理及控制 對實功 虛功可以根據動態負載的要求進行獨立監控 最佳化資源配置和提供高效率能源 安全可靠的客製化電能服務 能源利用更為有效, 符合環保概念 7
一 緒論 續 研究動機與目的 微電網是將分散式電源與鄰近負載端組成新的微型電網, 其中包含兩種運轉模式, 一是正常情況下, 微電網與市電併聯運轉 ; 另一是當檢測出微電網外部發生故障或電力品質不符要求時, 微電網將即時與市電解聯並獨立運轉, 稱為孤島運轉模式 未與市電脫離的威脅 : 1. 對維修人員造成生命安全的威脅. 產生不穩定電源, 迫使敏感性負載電器用品受損 3. 形成欠相供電, 而造成用戶三相負載的不良影響 4. 破壞電力網路的保護協調動作 提出新式主動式孤島偵測法運用電流注入擾動訊號並結合 Elman 智慧型控制, 以提升孤島偵測效能 8
一 緒論 續 分散式電源包含風力發電系統 太陽光電發電系統 儲能系統及微渦輪機等各式分散式電源, 而本文亦提出併網型風力驅動鼠籠式感應發電系統, 首先利用交流 / 直流 AC/DC 轉換器將感應發電機所產生變動電壓及變動頻率之三相交流電源轉換成固定電壓之直流電源, 再利用直流 / 交流 DC/AC 換流器, 轉換至三相定電壓及定頻率之交流電源, 最後再與市電併聯 結合小波模糊類神經網路控制器來取代 控制器, 以改善鼠籠式感應發電機在不同操作情況下之暫態與穩態特性 利用 SM 軟體模擬微電網系統分散式電源管理與分配, 其中利用儲能系統當作微電網控制主機 Maser, 而風力發電機與微渦輪發電機等分散式電源則定位為從屬 Slave 部分 在孤島運轉時, 儲能系統則切換至電壓與頻率控制, 以負責穩定微電網系統的電壓及頻率, 並依據負載所需調整功率輸出 9
一 緒論 續 CC AC Source 6VA Swich Conrol Saic Swich Sorae nverer C RS485 C RS485 C MT WTG W nverer Converer Moel o MTG W nverer Resisive loa or 4W WTG: 風力發電機 Sorae: 鋰鐵磷電池 MTG: 微渦輪發電機 C: 工業級電腦 CC: 責任分界點 10
大綱 一 緒論二 孤島現象介紹三 Elman 類神經網路四 新型主動式孤島偵測法五 主動式孤島偵測實驗結果六 併網型風力驅動感應發電機七 小波模糊類神經網路八 併網型風力驅動感應發電機實驗結果九 儲能系統與微渦輪發電機十 微電網系統控制法則與模擬十一 結論與未來展望 11
孤島運轉 二 孤島現象介紹 分散式電源在市電異常或脫離的情況下持續對負載供電之情形 ; 此時的負載與分散式發電系統形成一獨立於市電網路中的子系統, 此子系統在與市電網路上其他設備雖然隔離, 但卻對負載端持續傳送與消耗電能, 成為電力系統中的 孤島 DC/AC 換流器 inv jq inv V CC jq loa jq loa S1 AC 市電 R L C 1
孤島最難偵測點說明 當市電斷路器 S1 關閉 二 孤島現象介紹 續 inv loa Q inv Q loa Q 當市電斷路器 S1 開啟 1. Δ = 0 ΔQ 0. Δ 0 ΔQ = 0 3. Δ 0 ΔQ 0 4. Δ = 0 ΔQ = 0 電感性或電容性負載, 造成頻率偏移 電阻性負載, 造成電壓偏移 負載端會有電壓及頻率偏移 換流器之輸出功率和負載端呈現平衡狀態, 市電網路存在與否對負載端無影響, 故孤島運轉之現象隨即產生 13
RLC 測試系統參數 換流器額定輸出功率 W 電壓 110V rms 頻率 60Hz 品質因數 =.5 L V Q o Q C V V R 6.05 o 二 孤島現象介紹 續 6.4m H 1096u F R : 有效負載電阻 L : C : : 1 o 60Hz LC : o Q : 有效負載電感 H 有效負載電容 F 實功率 W 共振頻率 Hz 品質因數 14
EEE1547 規範介紹 二 孤島現象介紹 續 EEE1547 4..3 不正常電壓測試條件 電壓範圍 % 最大偵測時間 s V <50 0.16 50 V <88 110<V <10 1 V 10 0.16 EEE1547 4..4 不正常頻率測試條件 功率大小頻率範圍 Hz 最大偵測時間 s 30W >60.5 0.16 <59.3 0.16 >60.5 0.16 >30W <{59.8~57} 0.16~300 <57 0.16 電壓正常操作範圍 頻率正常操作範圍 88% V 110% 59.3 60. 5 EEE S 1547 4.4.1 對於一般分散式電源與市電電源之責任分界點發生孤島運轉現象時, 分散式市電源端需在 秒內偵測到孤島運轉並且停止輸出功率 15
被動式孤島偵測法 保護電譯偵測法 二 孤島現象介紹 續 包括過電壓保護電譯 OV mehos 欠電壓保護電譯 UV mehos 過頻率保護電譯 OF mehos 欠頻率保護電譯 UF mehos 四種保護電譯 NDZ Q OF OV UV UF 16
主動式孤島偵測法 1 主動式頻率偏移法 i inv sin[ 1 ] V i 二 孤島現象介紹 續 Sania 頻率偏移法 c c o [ 1] line V T v T v i z z z 17
大綱 一 緒論二 孤島現象介紹三 Elman 類神經網路四 新型主動式孤島偵測法五 主動式孤島偵測實驗結果六 併網型風力驅動感應發電機七 小波模糊類神經網路八 併網型風力驅動感應發電機實驗結果九 儲能系統與微渦輪發電機十 微電網系統控制法則與模擬十一 結論與未來展望 18
三 Elman 類神經網路 Elamn 類神經網路 ENN ENN 最早提出用於語音處理, 由於其具傑出的動態特性, 已被廣泛應用在動態系統識別和控制應用上 具額外可記憶儲存訊號之神經元, 可將隱藏層輸出資料回饋到額外具記憶功能的承接層神經元, 記憶先前隱藏層神經元資料, 並在時間延遲下輸入至所有隱藏神經元 ENN 可近似高階系統, 並具有精度高, 收斂速度快等優點 本論文利用 ENN 類神經網路, 主要是用來改善暫態響應速度及提升孤島偵測速度 19
三 Elman 類神經網路 續 Elamn 類神經網路架構 ENN y o 1 Oupu Layer o 1 W jo 1 x j Z 1 Z 1 Z 1 Hien Layer j 1 1 W ij x c r Conex Layer r e i e e npu Layer i 0
三 Elman 類神經網路 續 ENN 與新式主動式孤島偵測法之結合 Q 0 - + + - inv i e + + i is i qe i e T i us i vs i ws Q inv sin sin inv i us Q 0 - + + - Q inv ENN ENN i e + + i is i qe i e T i vs i ws sin sin 1
ENN 類神經網路之調整公式三 Elman 類神經網路 續 1 1 1 x W ne ne y y V W V W j o jo o o o o jo jo 1 jo jo jo W W W 1 1 1 ae W W x x ne ne y y V W V W i jo o ij j j o o o o ij ij 1 1 1 1 ij ij ij W W W
大綱 一 緒論二 孤島現象介紹三 Elman 類神經網路四 新型主動式孤島偵測法五 主動式孤島偵測實驗結果六 併網型風力驅動感應發電機七 小波模糊類神經網路八 併網型風力驅動感應發電機實驗結果九 儲能系統與微渦輪發電機十 微電網系統控制法則與模擬十一 結論與未來展望 3
四 新型主動式孤島偵測法 擾動訊號注入與功率控制 Q - + + - Q inv inv ower Caculain Uni or ENN or ENN v q v iq i i e + + abc abc LL i is q q T 由於電壓值固定與市電電壓相同, 外迴路功率控制系統僅需分別控制電流命令與 i e i us i vs iqe - i e sin sin v un v vn v wn i us i vs i ws i ws + + i - us - + i vs i ws T a + _ T a T b + Tb T c _ + _ T c i qe inv 3 e 3 e e e e e e e vqiq vi Qinv vqi viq 4
四 新型主動式孤島偵測法 續 擾動訊號注入法 Q 0 - + + - inv i e + + i is i qe i e T i us i vs i ws Q inv sin sin 加入擾動訊號至虛功軸以使頻率偏移至 NDZ 之範圍之外 min NDZ max Q inv loa 偏移至 NDZ 之外 Q min min Q inv loa Q max max 5
Q Q 主動式孤島偵測法 NDZ 分析 Q inv inv loa Q Q inv Q Q Q 0 Q loa loa V 1 w L w C loa 1 R w L w C 1 1 1 R wc RQ wc w L Q w L inv loa inv loa 1 1 RQ wc C w L R L w w o o Q Q w w o 藉由設定標準安全規範 EEE1547 所限定之安全頻率的最大值及最小值得 min Q inv max Q Q 四 新型主動式孤島偵測法 續 min loa o max 其中 loa Q inv Q loa Q Q o Q R : RLC 負載之實功率 : 換流器輸出之虛功率 : RLC 負載之虛功率 : 市電虛功率 : 品質因數 : 市電頻率 : RLC 共振頻率 C L min 1 w o LC NDZ max Q inv loa 6
7 擾動訊號注入法結合 控制器分析擾動訊號四 新型主動式孤島偵測法 續 sin sin Q Q Q Q i inv inv e 1 1, 1 0, 1 1, sin 其中 s sin s s s Q s Q s inv inv e 上式作拉式轉換並將虛功率命令為零代入 e e inv s s s sin s s s s s Q 1 1 1 因此可表示成下式 Q inv
8 四 新型主動式孤島偵測法 續 上式作反拉式轉換 e e inv e i e sin e i Q sin cos max max min min Q Q Q loa inv 代入 擾動訊號注入法結合 控制器分析
9 四 新型主動式孤島偵測法 續 sin cos sin cos max max min min Q e i e sin e i Q e i e sin e i loa e loa loa loa e loa e loa loa loa e min loa inv Q max NDZ 加速擾動至 NDZ 之外 擾動訊號注入法結合 控制器分析
30 四 新型主動式孤島偵測法 續 其中 p w loa 為常數 loa e loa loa e loa e e i e sin i Q min min sin cos 下限不等式上限不等式 loa e loa loa e loa e e i e sin i Q max max sin cos A 可簡化成 B 可簡化成 擾動訊號注入法結合 控制器分析
四 新型主動式孤島偵測法 續 擾動訊號注入法結合 ENN 控制器分析 inv i us Q 0 - + + - Q inv ENN ENN i e + + i is i qe i e T i vs i ws sin sin i e [ W j jo x j ] Q ENN Q inv sin 擾動訊號 sin 將虛功率命令為零代入 Q inv i sin e [ W x ] j jo j sin Q min min Q inv loa Q max max 31
3 四 新型主動式孤島偵測法 續 ] [ sin ] [ sin max max min min Q x W sin i Q x W sin i j j jo loa e j j jo loa e 下限不等式上限不等式 C 可簡化成 D 可簡化成 e j j jo loa sin i x W Q sin ] [ min min e j j jo loa sin i x W Q sin ] [ max max 擾動訊號注入法結合 ENN 控制器分析
大綱 一 緒論二 孤島現象介紹三 Elman 類神經網路四 新型主動式孤島偵測法五 主動式孤島偵測實驗結果六 併網型風力驅動感應發電機七 小波模糊類神經網路八 併網型風力驅動感應發電機實驗結果九 儲能系統與微渦輪發電機十 微電網系統控制法則與模擬十一 結論與未來展望 33
五 主動式孤島偵測實驗結果 孤島偵測系統架構 i c T a T a a C c DC V c Source T a a T a VS T b T c T b T c L i us V un i vs V vn i ws V wn S1 Drive Circuis RLC Loa Uiliy T a T b T c Curren Conroller Circuis i us i vs i ws i us i vs i ws MRC-6810 D/A Volae Malab & Simulin Real- Time Conrol MRC- 6810 A/D an Curren Sensor Circuis nel Core-Duo CU Memory V un V vn V wn i us i vs i ws 34
實驗系統 五 主動式孤島偵測實驗結果 續 Transormer SS S1 DC Source DC Source nverer Sysem CB RLC loa Loa 35
W 五 主動式孤島偵測實驗結果 續 暫態響應實驗結果 W var 00W/iv a s /iv s var 00W/iv a s /iv s Q Q Q Q 1 var/iv 1 var/iv s /iv s b conrol ENN conrol b s /iv s 36
W 五 主動式孤島偵測實驗結果 續 實驗結果 - 被動式孤島偵測 Hz 市電脫離 00 W /iv 0.5 s /iv 市電脫離 0. Hz /iv 0.5 s /iv V un V vn V wn s 37
W W Gri O Gri O Hz 00W/iv a 0.5 s/iv s Hz 00W/iv a 0.5 s/iv s 0.75s 0.5s Gri O Gri O 0.Hz/iv Sop 0.5 s/iv 0.Hz/iv Sop 0.5 s/iv V b s V b s V un V vn V wn V un V vn V wn 0.5 s/iv 0V/iv s c =60 ENN =60 0.5 s/iv 0V/iv s c 38
W W Gri O Gri O Hz 00W/iv a 0.5 s/iv s Hz 00W/iv a 0.5 s/iv s 0.35s 0.5s Gri O 0.Hz/iv Sop 0.5 s/iv Gri O 0.Hz/iv Sop 0.5 s/iv V b s V b s V un V vn V wn V un V vn V wn 0.5 s/iv 0.5 s/iv 0V/iv 0V/iv s c c =59.9 ENN =59.9 s 39
W W Gri O Gri O Hz 00W/iv a 0.5 s/iv s Hz 00W/iv a 0.5 s/iv s 1s 0.75s Gri O Gri O 0.Hz/iv Sop 0.5 s/iv 0.Hz/iv Sop 0.5 s/iv V b s V b s V un V vn V wn V un V vn V wn 0.5 s/iv 0V/iv s c =60.1 0.5 s/iv 0V/iv s c ENN =60.1 40
五 主動式孤島偵測實驗結果 續 ENN 實功率控制網路參數響應圖 a c b 41
大綱 一 緒論二 孤島現象介紹三 Elman 類神經網路四 新型主動式孤島偵測法五 主動式孤島偵測實驗結果六 併網型風力驅動感應發電機七 小波模糊類神經網路八 併網型風力驅動感應發電機實驗結果九 儲能系統與微渦輪發電機十 微電網系統控制法則與模擬十一 結論與未來展望 4
六 併網型風力驅動感應發電機 風力發電技術發展概況迄 01 年底全球已有 53 個國家應用風力發電, 裝置容量超過 8,587MW, 主要分佈於歐洲 北美洲與亞洲 Source: Moor Global Drive Win & Enery Conrol Council Lab, Deparmen o Elecrical Enineerin, Naional Cenral Universiy, Taiwan. 43
六 併網型風力驅動感應發電機 續 Source: Moor Global Drive Win & Enery Conrol Council Lab, Deparmen o Elecrical Enineerin, Naional Cenral Universiy, Taiwan. 44
六 併網型風力驅動感應發電機 續 風機簡介 風機主要結構包含 : 葉片 發電機與風機塔三部分 風機若依其旋轉軸的方式區分, 主要可分為 : 水平軸式 Horizonal-Axis Roor 垂直軸式 Verical-Axis Roor 45
六 併網型風力驅動感應發電機 續 常見變速風機 常見變速風機區分三種 : 雙饋式感應風力發電系統 永磁同步風力發電系統與鼠籠式感應發力發電系統 Gear Box DFG 3-hase Gri 雙饋式感應風力發電系統 46
六 併網型風力驅動感應發電機 續 常見變速風機 MSG 3-hase Gri 永磁同步風力發電系統 Gear Box SCG 3-hase Gri 鼠籠式感應發力發電系統 47
六 併網型風力驅動感應發電機 續 常見變速風機 由於鼠籠式感應發電系統具有結構強健 成本低 沒有滑環和電刷 易於操作 性能穩定及維護等優點, 在水力發電與風力發電的應用上, 鼠籠式感應發電機適合與電力系統連結, 並提供一良好的獨立電源 Source: ManeTe 公司 General Elecric 公司 48
六 併網型風力驅動感應發電機 續 風機仿真系統 本文所提出之感應發電機系統是以永磁同步馬達模擬實際之 W 三葉片水平軸式風機, 葉片直徑為.4 公尺 一般在說明風機特性時, 會將功率係數以尖端速度比 Tip Spee Raio 的函數表示, 而尖端速度比的定義如下 : R m m v 其中 λ 為尖端速度比,R m 為風機葉片半徑, 達之轉速,v 為風速 m 為永磁同步馬 49
六 併網型風力驅動感應發電機 續 功率係數 C p 與尖端速度比 λ 之關係曲線圖 : 0.436 功率係數 C p 若從曲線圖上選取一個具有最大功率係數 C p,max 的理想值 λ op, 而此時永磁同步馬達相對應的轉子轉速則可表示為 : m op R m v 5.5 尖端速度比 λ 風機之 C p -λ 曲線圖 50
六 併網型風力驅動感應發電機 續 根據風能之特性, 可將風機所獲得之能量表示如下 : m AC v p 3 /.77C v p 3 其中空氣密度為 ρ=1.5 /m 3 ;A 為風機葉片旋轉面積 m 感應發電機輸出功率 e 可表示如下 : 0. 95 e m m m m 其中, 風機機械傳送效率 = 0.98, 發電機轉換效率 =0.97 51
六 併網型風力驅動感應發電機 續 本文所模擬之風機在各種風速情況下, 功率輸出 - 轉子轉速關係圖 : 最大功率曲線風機輸出功率 W 轉子轉速 rpm 5
六 併網型風力驅動感應發電機 續 風機仿真系統於各風速情況之參數對照表 53
六 併網型風力驅動感應發電機 續 感應發電機系統 本文實作中所使用之感應發電機為富田公司所製造之 4 極.W 380V 4.7A 000rpm 之三相 Y 接伺服馬達 SFVF- 90MB, 其參數如下所示 : R L s s.95, R 0.006459 H, r 1.809, L r 0.006577 H, L m 0.1301 H 其中 L s 及 L r 分別為定子及轉子繞組之漏電感 原動機為 Sanyo Deni 公司所製造之 4 極 3.5W 10V 6.4A 000rpm 之三相 Y 接永磁同步馬達 60B18350BXSA3 54
六 併網型風力驅動感應發電機 續 55
大綱 一 緒論二 孤島現象介紹三 Elman 類神經網路四 新型主動式孤島偵測法五 主動式孤島偵測實驗結果六 併網型風力驅動感應發電機七 小波模糊類神經網路八 併網型風力驅動感應發電機實驗結果九 儲能系統與微渦輪發電機十 微電網系統控制法則與模擬十一 結論與未來展望 56
七 小波模糊類神經網路 小波模糊類神經網路架構 WFNN 近年來智慧型控制之發展的崛起, 其在解決複雜系統上有良好的效果, 如模糊類神經網路 FNN 其能夠利用模糊推論來處理不確定的資訊與擁有人工智慧的自我學習能力之外,FNN 不需額外複雜的數學理論便能夠有效近似非線性與不確定性的系統 根據小波理論的時域及頻域特性, 其能夠快速收斂並且能在降低類神經網路大小的情況下提升運算的精確度 本文結合了模糊類神經網路與小波型函數之特性形成 WFNN 模糊類神經網路, 主要是用來改善暫態與穩態響應速度 57
七 小波模糊類神經網路 續 小波模糊類神經網路架構 WFNN y 5 o y 4 l 5 l w 第五層 : 輸出層第四層 : 小波函數層 w 4 y y y 3 WF 1 WF WF 3 WF 4 WF 5 WF 6 WF 7 WF 8 WF 9 第三層 : 規則層 w i i WF K 3 w j y j y 1 i 第二層 : 歸屬函數層第一層 : 輸入層 x x 1 x 1 1 x 1 58
59 小波模糊類神經網路之調整公式七 小波模糊類神經網路 續 3 1 3 3 4 4 5 5 j j i j j j j j l l o o j j m y y y y y y y y y y V V 1 3 3 4 4 5 5 j j i j j m j j j l l o o m j m j m y y m y y y y y y y y V m V m, 1, 4 3 4 1 4 3 4 4 4 4 5 5 4 4 i w y i w y w y y y y V w V w l w l w i l l o o w i w i 4 5 1 5 5 5 1 5 1 5 l o w l o o w l w l y w y y V w V w 4 4 4 1 i i i w N w N w j j j m N m N m 1 j j j N N 1 5 5 5 1 l l l w N w N w
七 小波模糊類神經網路 續 WFNN 與併網型風力驅動感應發電機之結合 原動機 永磁同步馬達 編碼器 鼠籠式感應發電機 i a i b i c T a T a T b T b T c T c C c i c V c T a T a T b T b T c T c i, i, i, u v u v v v w v w L 市電 r i a i b Ta Tb Tc 電流控制脈波寬度調變 T a T b T c 電流控制脈波寬度調變 i u i v 功率計算及鎖相迴路單元 r sl e iqs T ri s e i a i qs i b q/abc i c i u i s s i v i w i i Limier q/abc qs Limier ' e Limier WFNN Conroller WFNN Conroller V c V c WFNN Conroller Q Q 0 60
大綱 一 緒論二 孤島現象介紹三 Elman 類神經網路四 新型主動式孤島偵測法五 主動式孤島偵測實驗結果六 併網型風力驅動感應發電機七 小波模糊類神經網路八 併網型風力驅動感應發電機實驗結果九 儲能系統與微渦輪發電機十 微電網系統控制法則與模擬十一 結論與未來展望 61
八 併網型風力驅動感應發電機實驗結果 系統架構 + rime Mover Encoer SCG + - + - - + 110V/0V 3-hase Gri - Curren Sensor Circuis Curren Conrol an Drive Circuis Curren Conrol an Drive Circuis Curren Sensor Circuis Encoer nerace Circuis MRC-6810 D/A MRC-6810 Encoer nel Core-Duo CU Malab & Simulin Real-Time Conroller MRC-6810 D/A MRC-6810 A/D Memory Volae an Curren Sensor Circuis 6
八 併網型風力驅動感應發電機實驗結果 續 實驗系統 C Converer MSM Drive Transormer nverer SCG rime Mover 63
八 併網型風力驅動感應發電機實驗結果 續 實驗測試狀態 狀態一 : 定轉子轉速 790rpm v=6m/s, 實功率命令 50W 狀態二 : 定轉子轉速 1581rpm v=1m/s, 實功率命令 1980W 狀態三 : 變動轉子轉速以模擬實際風機不同風速之情形, 首先轉子轉速由 1054rpm v=8m/s 調整至 1186rpm v=9m/s 再調整至 790rpm v=6m/s 最後再改並至 1581rpm v=1m/s, 實功率命令分別為 587W 836W 50W 及 1980W 上述三種測試狀態之功率整流器磁場控制電流均為 5.4A, 直流鏈電壓命令 V c 為 40V, 虛功率命令 Q 為 0var i s 64
八 併網型風力驅動感應發電機實驗結果 續 實驗結果 - 狀態一定轉子轉速 790rpm V V s/iv s/iv W 50V/iv a s W 50V/iv a s 50W/iv s/iv 50W/iv s/iv s b b conrol WFNN conrol s 65
八 併網型風力驅動感應發電機實驗結果 續 實驗結果 - 狀態一定轉子轉速 790rpm var var 00var/iv s/iv 00var/iv s/iv s s rpm c rpm c 00rpm/iv s/iv 00rpm/iv s/iv s conrol WFNN conrol s 66
八 併網型風力驅動感應發電機實驗結果 續 實驗結果 - 狀態二定轉子轉速 1581rpm V V s/iv s/iv 50V/iv 50V/iv s s W a W a 00W/iv s/iv 00W/iv s/iv s s b b conrol WFNN conrol 67
八 併網型風力驅動感應發電機實驗結果 續 實驗結果 - 狀態二定轉子轉速 1581rpm var var 00var/iv s/iv 00var/iv s/iv s s rpm c rpm c 00rpm/iv s/iv 00rpm/iv s/iv s conrol WFNN conrol s 68
八 併網型風力驅動感應發電機實驗結果 續 實驗結果 - 狀態三變動轉子轉速 V V 50V/iv 5s/iv 50V/iv 5s/iv W a s W a s 00W/iv 5s/iv 00W/iv 5s/iv b s b s conrol WFNN conrol 69
八 併網型風力驅動感應發電機實驗結果 續 實驗結果 - 狀態三變動轉子轉速 var var 00var/iv 5s/iv 00var/iv 5s/iv s s c c rpm rpm 00rpm/iv 5s/iv 00rpm/iv 5s/iv conrol s WFNN conrol s 70
八 併網型風力驅動感應發電機實驗結果 續 實驗結果 - 鎖相迴路狀態二響應 a c b 71
八 併網型風力驅動感應發電機實驗結果 續 實驗結果 -WFNN 於狀態三網路參數響應圖 a c b 7
大綱 一 緒論二 孤島現象介紹三 Elman 類神經網路四 新型主動式孤島偵測法五 主動式孤島偵測實驗結果六 併網型風力驅動感應發電機七 小波模糊類神經網路八 併網型風力驅動感應發電機實驗結果九 儲能系統與微渦輪發電機十 微電網系統控制法則與模擬十一 結論與未來展望 73
九 儲能系統與微渦輪發電機 儲能系統 : 磷酸鋰鐵電池 [63,64] 因本文所發展之微電網包含儲能系統與微渦輪發電機等分散式電源, 故加以說明其運作原理 在儲能系統部分, 實驗室已完成建置磷酸鋰鐵電池, 其主要由磷酸鋰鐵電池組與具雙向功率流動之三相交流 / 直流 AC/DC 轉換器所組成, 並連接至市電端, 最後以鎖相迴路法達到與市電電壓同步 V c LiFeO 4 baery sorae 3 110V 1: L L L 3 0 V ri T T a Q b q abc θˆ T WM V q ωli conrol conrol V ωli q θˆ power V i caculain V q i q i a i b i c i q i abc i a i q b i c Moor Drive & Conrol Lab, Deparmen i i o Elecrical Enineerin, Naional Cenral Universiy, Taiwan. c q V V q V a V b V c i q TSKFNN conrol θˆ abc q i TSKFNN conrol DS TMS30F8035 0 ischarin coniion 0 charin coniion V a V b V c Q Q 0 θˆ LL V a V b V c 74
九 儲能系統與微渦輪發電機 續 磷酸鋰鐵電池實驗系統 隔離變壓器 電壓感測器 濾波電感具雙向之三相交流 - 直流轉換器 電流感測器 DS TMS30F8035 磷酸鋰鐵電池組 75
九 儲能系統與微渦輪發電機 續 實驗結果 - 充放電模式暫態與穩態響應 000W 0W 500W 0V/0A 85V 峰值 179.6V 峰值 14.85A V i a a 0A Q 0VAR 500VAR Q a 400ms c 10ms 0VAR 0W Q Q 500VAR 500W 85V 0V/0A 峰值 179.6V 峰值 14.85A V i a a 0A -000W b 400ms 10ms
九 儲能系統與微渦輪發電機 續 微渦輪發電機運作原理 微渦輪發電機是由一渦輪機驅動永磁同步發電機, 微渦輪發電機可區分高速單軸渦輪機與分軸渦輪機兩大類, 單軸渦輪機是將壓縮機與發電機固定在同一轉軸, 故操作在高轉速 高頻率之下 1500Hz 至 4000Hz 最後可藉由換流器轉換至 60Hz 交流電源與市電併網 分軸渦輪機則是藉由齒輪箱與傳統發電機連結, 因此可直接產生 60Hz 交流電源 [65-68], 而目前較廣為採用者為高速單軸渦輪機, 故本文以單軸渦輪機為主並介紹其運作原理 77
九 儲能系統與微渦輪發電機 續 微渦輪發電機運作原理 微渦輪發電機主要是由速度與加速度控制 溫度控制及燃料系統三種模組構成 溫度控制 速度命令 速度控制 燃料系統 壓縮機及燃燒室 速度 加速度控制 最低值選擇器 轉矩輸出 78
九 儲能系統與微渦輪發電機 續 速度及加速控制 加速控制主要做為微渦輪機啟動時之加速控制, 當達到操作速度時, 加速控制隨即停止 速度命令 K T s 1 T s Z 1 速度 100 s 最低值選擇器 加速度命令 燃料系統 V ce N X K 1 K F K V T s c V E l K T s c 燃料閥 促動器 轉移函數 轉移函數 W 79
九 儲能系統與微渦輪發電機 續 壓縮機與渦輪機 壓縮機與渦輪機為微渦輪機之心臟, 其本質為一線性非動態設備 在此系統中, 轉矩 T 及排氣溫度 Tx 特性將可表示如下 : T K HHV W 0.3 0.51 N Nm T x T R 7001 W 5501 N F 1 排氣延遲 T R e st TD W 1 排放系統 T x W e st CR N 燃燒室延遲 1 T CD s 1 W 轉矩函數 T 渦輪機動態轉移函數 80
九 儲能系統與微渦輪發電機 續 溫度控制 溫度控制為微渦輪機輸出功率限制在一預設之操作溫度, 燃料在燃燒過程將產生排氣溫度與轉矩, 產生排氣溫度可藉由一連串熱電偶量測出 熱電偶之輸出將與溫度命令比較, 當溫度命令大於熱電偶之輸出, 則將可保證微渦輪機操作在速度控制之情況, 但當溫度命令小於熱電偶之輸出, 此代表溫度控制之輸出將逐漸減少, 因此溫度控制之輸出將低於速度控制之輸出, 因而在最低值選擇器將選擇溫度控制之輸出, 故可達到限制微渦輪機之功率輸出 T R T x 輻射屏蔽 K 3 K 4 T s 1 3 熱電偶 1 T s 4 1 溫度控制 T 5 s 1 T s 最低值選擇器 81
大綱 一 緒論二 孤島現象介紹三 Elman 類神經網路四 新型主動式孤島偵測法五 主動式孤島偵測實驗結果六 併網型風力驅動感應發電機七 小波模糊類神經網路八 併網型風力驅動感應發電機實驗結果九 儲能系統與微渦輪發電機十 微電網系統控制法則與模擬十一 結論與未來展望 8
十 微電網系統控制法則與模擬 微電網系統控制法則 微電網是將分散式電源與鄰近負載端組成新的微型電網, 其中包含兩種運轉模式, 一是正常情況下, 微電網與市電併聯運轉, 稱為併網模式 ; 另一是當檢測出微電網外部發生故障時, 微電網將即時與市電解聯並獨立運轉, 稱為孤島運轉模式 在微電網系統中最重要的議題為功率分配亦即電能管理, 在併網模式運作時, 市電與微電網內各分散式電源將一起負責負載所需功率並達到供需平衡, 而當在孤島運轉模式時, 由於微電網已與市電脫離, 微電網內分散式電源將適時改變輸出功率, 以符合負載供需平衡 併網模式運作時, 微電網系統的電壓與頻率皆完全由市電所箝制, 而當市電發生異常脫離進入孤島運轉模式時, 由於供需的不平衡, 將導致微電網系統的電壓與頻率造成波動, 嚴重的話將導致微電網系統無法運作而崩潰 83
十 微電網系統控制法則與模擬 續 微電網系統控制法則 定功率控制法 : 為各分散式電源依已預先設定之實 虛功率命令來輸出功率 電壓 頻率控制法 : 主要是控制及穩定系統電壓與頻率, 而忽略分散式電源功率之改變輸出 下降控制法 : 下降控制法有電壓控制性能較差 高電壓失真及市電恢復重新同步之問題 min max V V Q Q Q min max 84
十 微電網系統控制法則與模擬 續 微電網系統控制法則 系統層級 主 從控制模式 : 最主要是當微電網孤島運轉時, 將其中一個分散式電源由原先定功率控制法轉換成電壓 頻率控制法, 而其他分散式電源則仍然維持定功率控制 分級控制模式 : 通常會有一個中央控制器負責收集各分散式電源電壓 電流 頻率及負載需求等相關訊息, 並且依據現況預測及調節各分散式電源之輸出與負載卸除等 微電網系統 SM 模擬 本文採用主 從控制模式, 以 SM 軟體模擬分散式電源功率分配, 其中以儲能系統當作微電網控制主機 Maser, 而風力發電機及微渦輪發電機等分散式電源則定位為從屬 Slave 部分, 當在併網模式運作時, 各分散式電源皆控制實 虛功率之輸出, 而在進入孤島運轉時, 風力發電機及微渦輪發電機依然輸出固定功率, 而儲能系統即微電網控制主機則負責穩定微電網的電壓及頻率, 並依據負載所需調整輸出功率 85
十 微電網系統控制法則與模擬 續 儲能系統於微電網併網控制方塊圖 86
十 微電網系統控制法則與模擬 續 儲能系統於孤島運轉控制方塊圖 87
十 微電網系統控制法則與模擬 續 微電網 SM 模擬模組 儲能系統模組風力發電機模組 靜態開關 市電 0V 微渦輪機模組 W 或 4W 負載 88
十 微電網系統控制法則與模擬 續 微電網 SM 儲能系統模擬模組 三相變壓器 110V/0V 孤島控制頻率產生相角併網控制實虛功率迴路 孤島偵測模組控制法則切換開關 孤島控制電壓頻率迴路 89
十 微電網系統控制法則與模擬 續 微電網 SM 風力發電機模擬模組 三相變壓器 110V/0V 風機模組 AC/DC 磁場導向控制模組 實虛功率控制迴路 90
十 微電網系統控制法則與模擬 續 微電網 SM 微渦輪發電機模擬模組 微渦輪發電機因其動態響應較為複雜且緩慢, 故以理想電壓源當作微渦輪發電機輸出 三相變壓器 110V/0V 實虛功率控制迴路 91
十 微電網系統控制法則與模擬 續 儲能系統未控制電壓及頻率響應 孤島運轉時 本文先模擬孤島運轉時儲能系統未控制電壓與頻率, 亦即維持實 虛功率控制之情形 併網時儲能系統設定輸出功率 sorae 0.5W, 風力發電機設定輸出功率 WTG 約 1W 風速 9.6m/s, 微渦輪發電機設定輸出功率 MT 1.5W, 負載為 4W, 市電異常發生於 0.5 秒 a b 9
十 微電網系統控制法則與模擬 續 儲能系統未控制電壓及頻率響應 孤島運轉時 c Moor Drive & Conrol Lab, Deparmen o Elecrical e Enineerin, Naional Cenral Universiy, Taiwan. 93
十 微電網系統控制法則與模擬 續 儲能系統控制電壓及頻率響應 負載 4W 時 模擬儲能系統於孤島運轉時切換至電壓與頻率控制之情形, 另外當市電恢復正常後, 儲能系統再切換至實 虛功率控制, 亦即微電網系統經過併網操作 孤島運轉及偵測市電恢復正常後, 隨即切換回併網運作之情形 併網時儲能系統設定輸出功率 sorae 0.5W, 風力發電機設定輸出功率 WTG 約 1W 風速 9.6m/s, 微渦輪發電機設定輸出功率 MT 1.5W, 負載為 4W, 市電異常發生於 1.5 秒, 市電恢復正常於 3 秒重新併網 Moor Drive & Conrol a Lab, Deparmen o Elecrical Enineerin, Naional Cenral Universiy, b Taiwan. 94
十 微電網系統控制法則與模擬 續 儲能系統控制電壓及頻率響應 負載 4W 時 c Moor Drive & Conrol Lab, Deparmen o Elecrical e Enineerin, Naional Cenral Universiy, Taiwan. 95
十 微電網系統控制法則與模擬 續 儲能系統控制電壓及頻率響應 負載 W 時 負載 W 時, 儲能系統經過併網操作 孤島運轉及偵測市電恢復正常後, 重新併網運作之情形 併網時儲能系統設定輸出功率 sorae 0W, 風力發電機設定輸出功率 WTG 約 0.7W 風速 8.5m/s, 微渦輪發電機設定輸出功率 MT 0.3W, 市電異常發生於 1.5 秒, 市電恢復正常於 3 秒重新併網 a b 96
十 微電網系統控制法則與模擬 續 儲能系統控制電壓及頻率響應 負載 W 時 c Moor Drive & Conrol Lab, Deparmen o Elecrical e Enineerin, Naional Cenral Universiy, Taiwan. 97
大綱 一 緒論二 孤島現象介紹三 Elman 類神經網路四 新型主動式孤島偵測法五 主動式孤島偵測實驗結果六 併網型風力驅動感應發電機七 小波模糊類神經網路八 併網型風力驅動感應發電機實驗結果九 儲能系統與微渦輪發電機十 微電網系統控制法則與模擬十一 結論與未來展望 98
結論 十一 結論與展望 1. 提出新式電流注入擾動訊號孤島偵測法. 成功結合 ENN 智慧型控制器於電流注入擾動訊號孤島偵測法並增強孤島偵測能力 3. 發展一併網型風力驅動鼠籠式感應發電系統 4. 提出一新型 WFNN 智慧型類神經網路控制器 5. 成功結合 WFNN 類神經網路控制器於併網型風力驅動鼠籠式感應發電系統並增強系統暫態及穩態控制之能力 6. 成功模擬微電網能源管理系統 99
未來展望 十一 結論與展望 續 1. 研究微電網中儲能系統進入充電模式之情境. 研究微渦輪發電機模組, 並依實際模組加入微電網系統中模擬 3. 建立微電網通訊模組, 使儲能系統能與其他分散式電源通訊 4. 發展新智慧型模糊類神經網路控制器應用於微電網系統, 以驗證及提升電能管理與控制等性能 5. 研究當孤島運轉時, 儲能系統透過通訊方式, 調配風力發電機與微渦輪發電機之輸出功率, 使儲能系統只需負責穩定微電網之電壓與頻率 100
101
期刊論文 論文發表 [1] Lin, F. J., Hwan, J. C., Tan, K. H., Lu, Z. H., an Chan, Y. R., nellien Conrol o Doubly-Fe nucion Generaor Sysems Usin DNNs, Asian Journal o Conrol, Vol. 14, No. 3, pp. 768-783, 01. [] Lin, F. J., Huan, Y. S., Tan, K. H., Lu, Z. H., an Chan, Y. R., nellien-conrolle Doubly Fe nucion Generaor Sysem Usin FNN, Neural Compuin an Applicaions, Accepe, 01. [3] Lin, F. J., Huan, Y. S., Tan, K. H., Chiu, J. H., an Chan, Y. R., Acive slanin Deecion Meho Usin D-axis Disurbance Sinal njecion wih nellien Conrol, ET Generaion, Transmission an Disribuion, Accepe, 013. [4] Lin, F. J., Tan, K. H., Fan, D. Y., an Lee, Y. D., nellien Conrolle Three-hase Squirrel- Cae nucion Generaor Sysem Usin Wavele Fuzzy Neural Newor or Win ower, ET Renewable ower Generaion, Accepe, 013. [5] Lin, F. J., Huan, Y. S., Tan, K. H., an Chan, Y. R., Acive slanin Deecion Meho via Curren njecion Disurbance Usin Elman Neural Newor, Journal o Chinese nsiue o Enineer, Revise, 013. [6] Lin, F. J., Tan, K. H., Fan, D. Y., an Shih, G. Y., Squirrel-Cae nucion Generaor Sysem Usin Hybri Wavele Fuzzy Neural Newor Conrol or Win ower Applicaions, EEE Transacions on Neural Newors an Learnin Sysems, Submie, 013. 10
研討會論文 論文發表 續 [1] Lin, F. J., Tan, K. H., an Fan, D. Y., Squirrel-Cae nucion Generaor Sysem Usin nellien Conrol or Win ower Applicaions, roceeins o he 013 EEE nernaional Conerence on Fuzzy Sysem, Accepe, 013. [] Lin, F. J., Tan, K. H., an Chiu, J. H., Acive slanin Deecion Meho Usin Wavele Fuzzy Neural Newor, roceeins o he 01 EEE nernaional Conerence on Fuzzy Sysem, Brisbane, Queenslan, pp. 1-8, 01. [3] Lin, F. J., Tan, K. H., Lu, Z. H., an Chan, Y. R., Conrol o Doubly-Fe nucion Generaor Sysem Usin FNN, roceeins o he 011 EEE nernaional Conerence on Fuzzy Sysem, Taipei, Taiwan, pp. 614-61, 011. [4] Lin, F. J., Hwan, J. C., Tan, K. H., Lu, Z. H., an Chan, Y. R., Conrol o Doubly-Fe nucion Generaor Sysem Usin DNNs, roceeins o he 010 Ninh nernaional Conerence on Machine Learnin an Applicaions, Washinon, USA, pp. 675-680, 010. 103