Mô hình tuabin gió PMSG

Nguồn năng lượng từ gió là một loại năng lượng có tốc độ phát triển nhanh. Vì đây là một trong những nguồn năng lượng tái tạo sạch và dồi dào, do đó vấn đề khai thác hiệu quả đối với nguồn năng lượng này cũng được nghiên cứu (Nguyen và Naidu, 2011). Để khai thác năng lượng này người ta dùng các tuabin gió, trong đó gồm có các hệ thống cơđiện phức tạp. Nhưng khi xét về động học các tuabin gió, thì đây lại là những hệ thống phi tuyến và thay đổi theo thời gian (Bianchi et al., 2007). Do đó việc thiết kế các hệ thống điều khiển, giám sát của các tuabin gió cũng trở nên phức tạp và tốn kém. 

Tuabin được dùng để khai thác năng lượng gió có yêu cầu điều khiển tương đối đa dạng (Munteanu et al., 2008; Nguyen & Naidu, 2014; Hussain &  Mishra, 2016; Mousa et al., 2019; Berrada & Boumhidi, 2020). Nhiều thông số và trạng thái của hệ thống phải được đo lường theo yêu cầu đòi hỏi của các hệ thống giám sát, điều khiển tuabin gió. Tuy nhiên, việc đo lường các thông số yêu cầu phải sử dụng rất nhiều loại cảm biến khác nhau, gây tốn kém trong đầu tư và phức tạp trong giám sát, bảo trì hệ thống. Vì vậy các phương pháp điều khiển khác nhau để hạn chế tối đa sử dụng các cảm biến trong các tuabin gió đã được đề xuất trong nghiên cứu.

Có nhiều phương pháp cho việc điều khiển và giám sát tuabin được áp dụng để khai thác năng lượng gió, mà điển hình nhất là phương pháp điều khiển bám điểm công suất cực đại (Maximum Power Point Tracking-MPPT) trong quá trình vận hành tuabin gió (Hussain &  Mishra, 2016; Mousa et al., 2019). Với ưu điểm là phương pháp không cần mô hình động học của hệ thống tuabin. Nhưng hạn chế của phương pháp này là hiệu quả chuyển đổi năng lượng không cao khi tốc độ gió thay đổi thường xuyên và có nhiều nhiễu loạn. Vì vậy các phương pháp điều khiển cho hiệu quả cao hơn đã và đang được nghiên cứu áp dụng. Hay như phương pháp điều khiển tối ưu và phương pháp điều khiển bền vững dùng lý thuyết hồi tiếp định lượng (Quantitative Feedback Theory-QFT) của Munteanu et al. (2008), phương pháp điều khiển thích nghi (Nguyen & Naidu, 2014), phương pháp điều khiển trượt (Berrada & Boumhidi, 2020). Tuy nhiên các phương pháp điều khiển này lại đòi hỏi phải có mô hình toán của hệ thống tuabin và dữ liệu đo lường của nhiều thông số và trạng thái của mô hình. Vì vậy điều này làm nảy sinh yêu cầu phải dùng các phương pháp ước lượng trạng thái để giảm thiểu tối đa việc sử dụng các cảm biến.

Một trong những phương pháp ước lượng trạng thái được sử dụng phổ biến nhất là bộ lọc Kalman (Kalman, 1960; Kalman & Bucy, 1961). Tuy nhiên, để sử dụng phương pháp này cho các hệ thống phi tuyến, người ta thường sử dụng bộ lọc Kalman mở rộng (Smith et al., 1962), do bộ lọc Kalman chỉ áp dụng cho các hệ thống tuyến tính. Nhiều công trình nghiên cứu về ứng dụng của bộ lọc Kalman trong các tuabin gió đã được công bố trong những năm gần đây. 

Đầu tiên là các nghiên cứu ước lượng và dự báo tốc độ gió trong ngắn hạn (short-term wind speed) được thực hiện. Đây là vấn đề rất quan trọng trong điều khiển và giám sát các tuabin gió, do đó đã có nhiều nghiên cứu được tiến hành nhằm thực hiện khảo sát và phân tích cho những vấn đề này (Cassola và Burlando, 2012; Zuluaga et al., 2015; Aly, 2020; Hur, 2019; Hur, 2021). Nhưng một vấn đề hay gặp trong dữ liệu đo lường tốc độ gió là các điểm dị biệt (outliners) vốn làm cho bộ lọc Kalman trở nên nhạy cảm và thiếu tính bền vững. Vấn đề này đã được giải quyết trong nghiên cứu của Zuluaga et al. (2015), bằng cách bổ sung các trọng số vô hướng là các biến ngẫu nhiên có phân bố Gamma vào mỗi điểm dữ liệu đo lường. Kết quả bộ dự báo một bước tốc độ gió cho kết quả bền vững hơn với các nhiễu bất thường. 

Trong nghiên cứu của Cassola and Burlando (2012), các tác giả đã sử dụng bộ lọc Kalman để ước lượng tốc độ gió và dự báo năng lượng gió cho những vùng có địa hình phức tạp, do những mô hình tính toán phân bố gió không cho độ chính xác cao. Điều này giúp cho việc khảo sát và đánh giá tiềm năng năng lượng gió ở các vùng có địa hình phức tạp có độ chính xác cao hơn. Ngoài ra, bộ lọc Kalman mở rộng còn được kết hợp với các mạng nơ ron nhân tạo (Hur, 2021), hay như việc nghiên cứu về mạng nơ ron wavelet và chuỗi thời gian (Aly, 2020) và Hur (2019) sử dụng bộ lọc Kalman mở rộng để tăng tính chính xác trong dự báo tốc độ gió hoặc kết hợp với các mạng nơ ron nhân tạo giúp tiết kiệm số lượng cảm biến đắt tiền cho một trang trại gió gồm nhiều tuabin gió.

Một phiên bản hiệu chỉnh của bộ lọc Kalman mở rộng đã được đề xuất trong nghiên cứu của Song et al. (2017) để ước lượng tốc độ gió ứng dụng vào bộ điều khiển bám điểm công suất cực đại cho tuabin gió ở cả hai chế độ tối ưu và ổn định công suất đầu ra. Bên cạnh dự báo tốc độ gió, một ứng dụng quan trọng khác của bộ lọc Kalman là ước lượng các biến trạng thái của hệ thống để làm đầu vào cho các bộ điều khiển hồi tiếp trạng thái. Trong nghiên cứu kết nối nguồn của tuabin gió với lưới điện (Yu et al., 2017), các tác giả đã thành công trong khi ứng dụng bộ lọc Kalman Unscented để ước lượng từ thông, điện áp và các biến trạng thái của tuabin gió sử dụng máy phát bất đồng bộ nguồn kép (Doubly Fed Induction Generator- DFIG). Kết quả nghiên cứu của Yu et al. (2017) cho thấy bộ lọc Kalman có thể ước lượng chính xác các trạng thái của hệ thống.Tuy nhiên, phần lớn các nghiên cứu thiết kế hệ thống điều khiển, giám sát tuabin gió được thực hiện đã sử dụng bộ lọc Kalman tập trung vào các tuabin gió DFIG mà ít quan tâm đến các tuabin gió PMSG. Vì vậy, trong bài báo này, khả năng ứng dụng phương pháp bộ lọc Kalman mở rộng (EKF) trên môi trường Matlab & Simulink để ước lượng các trạng thái của các tuabin gió PMSG đã được nghiên cứu. Kết quả nghiên cứu giúp cung cấp các ước lượng trạng thái tin cậy cho các bộ điều khiển hồi tiếp trạng thái mà không cần phải sử dụng nhiều cảm biến đắt tiền trong các tuabin gió PMSG.

Trong  nghiên cứu này, kết quả nghiên cứu thiết kế bộ ước lượng các biến trạng thái cho các tuabin gió sử dụng máy phát điện đồng bộ nam châm vĩnh cửu đã được trình bày. Bộ ước lượng được xây dựng dựa trên nguyên lý của bộ lọc Kalman mở rộng dùng cho các hệ thống phi tuyến. Bộ ước lượng sau khi thiết kế được áp dụng và mô phỏng trong hai kịch bản vận hành tuabin gió, với các thông số hệ thống không đổi và thay đổi.

Qua thời gian thực hiện, kết quả nghiên cứu cho thấy việc sử dụng bộ lọc Kalman mở rộng để thiết kế và mô phỏng đối với tuabin gió sử dụng máy phát đồng bộ nam châm vĩnh cửu (PMSG), một dạng hệ thống phi tuyến cao, thay đổi theo thời gian đã được trình bày trong nghiên cứu. Kết quả mô phỏng trong hai trường hợp cho thấy bộ lọc Kalman mở rộng có thể ước lượng giá trị của các biến trạng thái với độ chính xác cao. Đồng thời, bộ lọc Kalman mở rộng vẫn hoạt động khá tốt khi các thông số của hệ thống thay đổi theo thời gian. Ngoài ra kết quả nghiên cứu này cũng cho thấy tiềm năng ứng dụng của bộ lọc Kalman mở rộng trong thiết kế các bộ điều khiển hồi tiếp trạng thái cho các tuabin gió sử dụng máy phát đồng bộ nam châm vĩnh cửu.