风速预测优化风力涡轮机发电性能及能源收集的研究

工程科学与技术，国际期刊22（2019）1161完整文章基于风速预测A. Aranizadeha，A.Zabolia，O.Asgari Gashteroodkhanib，B.瓦希迪a伊朗德黑兰阿米尔卡比尔理工大学电气工程系，邮编1591634311b美国内华达大学电气与生物医学工程系阿提奇莱因福奥文章历史记录：收到2018年2019年6月10日修订2019年8月29日接受在线预订2019年保留字：风力发电机超级电容器收集能源微电网风速预测A B S T R A C T风力发电机的转矩和输出功率对风速及其波动的依赖性使得其控制情况复杂。在此基础上，为了改善其控制条件和动态效率，在接入微电网时，采用了充放电速度快的超级电容器。此外，除了降低输出功率波动之外，微电网从风力涡轮机和超级电容器获得的最大能量也是非常重要的，这必须被考虑。为了提高风能的利用率，本文采用了风速预测模型。因此，控制方法是通过使用WSF。在所提出的方法中，获得的事实上，我们使用预测控制方法增加了收集的能量。所考虑的预测控制应用于感应发电机转速变化。本文所考虑的风力涡轮机模型产生 50 kW 的 有 功 功 率 ， 并 且 是 具 有 50 kVA 视 在 功 率 的 变 速 感 应 发 电 机 （ VSIG ） 。 所 有 的 仿 真 都 在MATLAB/SIMULINK软件中进行。©2019 Karabuk University. Elsevier B.V.的出版服务。这是CCBY-NC-ND许可证（http://creativecommons.org/licenses/by-nc-nd/4.0/）。1. 介绍最近，欧洲国家关注气候变化，并决定减少温室气体。通过这种方式，他们采取了新的政策来生产更清洁的能源，以便在2020年之前将产生的二氧化碳减少20%，在2050年之前减少50%。在这方面，增加可再生能源和混合发电将是实现这一目标的途径[1]。消费中心的污染更少，更容易和更少的haz-Preferas以及更有效的传输，发电和消费中心的可控性以及消费中心向其他能源类型转换的更大灵活性是使电力比其他类型的能源更具吸引力的因素[2]。煤、石油、天然气等化石燃料和核能都是不可再生能源，它们的可用资源也是有限的。因此，寻找新能源是近百年来人类关注的重要问题之一[3，4]。能源消耗的增加、成本的居高不下和化石燃料的不可再生性以及全球环境的恶化，对环境产生了巨大的吸引力*通讯作者。电子邮件地址：vahidi@aut.ac.ir（B. Vahidi）。由Karabuk大学负责进行同行审查友好的能源资源[5]。可再生能源生产的最重要的资源之一是风能。风力发电机的主要问题是能量密度低、输出功率振荡严重和获得能量的不确定性。为了给所有负载供电，生产商必须访问关于来自这些资源的功率和能量的所有所需预测。这些预测必须有很高的精度，这样才不会给电网带来问题。为了预测瞬时风速，增加风力发电机的发电量，短期预测必须用于控制风力涡轮机的动态条件[6]。在[7]中，考虑到风能对电网渗透水平的增加，通过预测风能的小时能量在文献[8]中，考虑电网频率波动，确定储能系统的规模，以提高风能在电网中的渗透水平。根据该参考文献，并网风电功率波动引起的电力系统频率偏差在文献[9]中，详细阐述了有源配电网中风力发电机最大输出能量的计算，并提出了多时段最优潮流分析。在[10]中，通过利用一种新的方法，通过连续预测风速来降低风力涡轮机输出功率波动。在该方法中，预测每秒和连续的风速，并通过将这些预测的波动应用于https://doi.org/10.1016/j.jestch.2019.08.0062215-0986/©2019 Karabuk University.出版社：Elsevier B.V.这是一篇基于CC BY-NC-ND许可证的开放获取文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。可在ScienceDirect上获得目录列表工程科学与技术国际期刊杂志主页：www.elsevier.com/locate/jestch22简体中文21162A. Aranizadeh等人/工程科学与技术，国际期刊22（2019）1161通过电网控制器，风力涡轮机的输出功率得到提高。[11]中提出的方法利用人工神经网络（ANN）和电容器系统控制器降低风力涡轮机输出功率波动。在该参考文献中，考虑了用于控制DC总线连接的能量电容器系统（ECS）的ANN控制器。作者在[12]中使用基于能量存储系统的预测和监督控制单元来减少风力涡轮机输出功率波动。在[13]中，使用短期风速预测来增加从风力涡轮机到电网的传递能量。在[14]中，风能通过储能和需求响应来增加。在[15]中，分析了基于随机的包括风力涡轮机、光伏系统、能量存储和响应负载的微电网操作的调度。 作者在[16]中阐述了短期和长期预测对储能系统性能在文献[17]中，作者提出了基于风电和能源价格预测的风电-蓄电池联合发电站利润最大化问题在文献[1，18-20]中，为了改善动态条件，提出了风力涡轮机控制器设计的精确模型。参考文献[21]动态模拟风力涡轮机和混合能源系统。考虑到上述解释，在本文的第二部分中，详细阐述了风力涡轮机、超级电容器储能系统的设计和建模以及将风力涡轮机和超级电容器连接到微电网的过程，以及风速预测系统的建模。第三部分介绍了风力发电机叶片角度控制的控制过程第四部分，利用预测控制提高获得的能量。在第五部分中，给出了有无预测控制的仿真结果。最后，第六部分对本文进行了总结2. 设计和建模2.1. 风力涡轮机规格在一般情况下，用动量理论给出了风能提取功率的数学表达式（1）（2）（3）（4）（5）（6）（7）（8）（9）（10）（11）（12）（13）（14）（15）（16）（17）（18）（19）（10）（1P风<$1qAv3<$1qpR2v312.2. 超级电容器规格到目前为止，已经提出了不同的超级电容器模型。这些模型中的一些仅用于分析超级电容器本身并获得其热和电特性[23]。这些模型只适用于分析超级电容器的特性，而由于其复杂性，无法有效地分析电网。超级电容器的扩展模型的示例在图la中示出。在[11]中分析了该超级电容器模型，其目的是平滑风力涡轮机的输出功率。[24]中提出的模型如图所示。 1 b. 本文采用了相同的模型本文采用2F（法拉）、内阻1.5mΩ的超级电容器每个超级电容器该系列的容量为0.125F。2.3. 电网系统规格图2【10，25】显示了连接风力涡轮机和超级电容储能系统的电网的系统规范。如图所示，风力涡轮机和超级电容器系统连接到具有弱网络的微电网。该微电网对功率波动和转移的能量有严重的反应。基于此，在这种情况下控制风力机的功率和输出能量是非常重要的。在图2中，风力涡轮机、超级电容器储能和微电网的组合供应AC和DC负载。2.4. 预测系统规格预测方法取决于可用的数据和数据在风力发电机组的动态控制中，数据是风速，数据在此基础上，本文提出的风速预测方法是线性预测法[10，26]。该方法能较好地处理短时间内的风速数据。这种预测控制方法在图中示出。3.第三章。根据该图，具有连续变化的时间（t0）和变化的预测时间（t0+T），得到如（4）所表示的变化率。然后，利用（4）的速率，可以计算（5）Vtmt0T-t0Vt0 ）VtmTVt04其中，q是以kg/m3为单位的空气密度，A是以m2为单位的转子扫掠面积，R是以米为单位的扫掠面积半径，并且v是以米为单位的风速。m/s.因此，风力涡轮机可获得的功率可以由（2）表示：Pt¼1qpR2v3Cp k;h2在 该 等 式 中 ， CP 是 风 力 涡 轮 机 的 功 率 系 数 该 值 与 叶 尖 速 比（TSR）和风力涡轮机叶片桨距角有关叶尖速比与风速的比值由k表示，k是无量纲的，并由（3）表示：Rb3Rb2（一）Rira1在U形帽TSRR×xrV风ð3ÞRpU形帽其中，Vwind是风速，R是叶片半径，Xr是风力涡轮机叶片处的角速度风速降低额定风速采用最大功率点跟踪（MPPT）策略，通过控制转子转速，使TSR恒定在其最佳值。当风速大于额定风速时，通过控制叶片桨距角得到了限制功率的策略。（b）第（1）款Fig. 1.超级电容器建模（a）基于[11]的超级电容器扩展等效模型（b）基于[24]的超级电容器紧凑等效模型。Cb3Cb2Cb1UcC¼1¼延迟时间P参考值（pu）-测量的P+Pi控制器桨距角WT系统A. Aranizadeh等人 /工程科学与技术，国际期刊22（2019）1161-116711633.1. 风力涡轮机叶片桨距角控制系统规范应应用于风力涡轮机叶片的风力涡轮机的控制方法如图4所示。当发电功率大于发电机额定功率时，叶片桨距角控制器被激活。此外，叶片桨距角的变化具有一定的惯性，这取决于叶片的变化时间常数值和风力机的初始值的变化。此外，风力涡轮机叶片的桨距角变化必须在规定的限度内[28]。俯仰角的变化是有限的。在本文中，俯仰角的最大变化为3°/s至10°/s，延迟时间为0.02 s。这些限制取决于风力涡轮机的尺寸和特性。PI控制参数为P = 3和I =30。3.2. 超级电容器连接到直流链路控制系统规范图二.微电网（风力发电机、储能系统、弱电源和负荷的连接）。图5示出了连接到DC链路的超级电容器和转换器控制系统的示意图。如图所示，超级电容器由通过DC/DC转换器连接到DC链路的电容器组组成[29]。DC/DC转换器具有两个单独的IGBT开关，其具有单独操作的开关控制器。开关S1和S2在该控制器中以这样的方式切换，以调节用于微电网和风力涡轮机之间的功率传输的Pg在这种结构中，DC/DC变换器工作在降压模式和升压模式两种不同的模式下，这取决于IGBT开关的切换方法。当开关S1断开时，DC/DC转换器进入升压模式。在这种模式下，超级电容器充当将有功功率传输到电网的电源，并且通过这种操作，超级电容器电压（VUC）降低。当开关S2断开时，DC/DC转换器在降压模式下传导电流。在这种模式下，超级电容器作为有功功率吸收器，通过这种操作，VUC增加。基于此并根据上述说明，降压模式下开关S1的占空比由（6）估计：DVUCVDCð6Þ图3.第三章。风速预测（WSF）模型框图mVt0T-Vt0不ð5Þ此外，升压模式下的开关S2的占空比通过（7）获得：D2¼ 1 -D1 7通过电流控制器的输出，并通过比较参考电流与超级电容器的当前电流来获得开关的导通/关断周期。饱和模块用于在0-1范围内调节控制器的输出信号。然后，将该值与10kHz频率的载波信号值进行比较，并用符号函数进行符号表示此外─有了这个线方程，可以观察到任何时间实例中的预测数据[10，27]。如图所示，这种预测控制方法适用于具有恒定速率变化的那些输入，并且预测值遵循确定的过程。在本文中，必须对风速数据进行预测，并将预测值应用于预测控制系统。实际上，V（t0+T）代替V（t0）应用于预测控制还根据风力涡轮机的尺寸和惯性计算T的量。3. 风力涡轮机和超级电容器控制系统规格为了控制图2所示的包含超级电容器的涡轮机系统到电网的风力，可以使用两种控制方法，即，分析了风力机叶片桨距角控制系统和超级电容控制系统此外，在每种情况下都控制超级电容器电压电平，使得其不超出允许的预定极限。PID控制参数为P = 50，I = 1和D = 0.3。4. 使用预测控制增加收获的能量应当注意的是，当风速急剧变化时，发电机转速应当改变，以便（一）见图4。 桨距角控制框图。DC总风力涡轮机补偿器DC负载存储能源DC /DCAC负载其他来源微电网转换器DC/ACDC/DCAC/DC风速值为预测风速样本（未来样本）建模窗口......t 0-mTt 0-T t 0 t0 +T时间Vt0+TVt0+Vt0t0t0 + t0+T风速常规方法1164A. Aranizadeh等人/工程科学与技术，国际期刊22（2019）1161S1DC+的莱斯链接-S2+超级电容器-银行我裁判+ - -一种-最小/最大电压限值命令测量重复序列充电/放电模式图五. 超级电容器与直流环节连接的控制系统。使功率系数保持在最大值。然而，由于发电机惯性，发电机转速的变化缓慢。为了克服惯性，在所提出的方法中，发电机转速控制的过程开始之前的实例的风速变化。根据图6a，在tvirtual中，发电机转速在tactual之前改变，其中实际风速改变。在[tvirtual tactual]中，输出功率对应于叶尖速比的变化而减小，并且反过来，与传统方法相比，所提出的方法导致能量损失然而，在t实际之后，由于发电机转速惯性被克服，输出功率在更短的时间内达到最大值，并且与常规状态相比获得更多 注意到图。在图6a中，可以观察到，在所提出的方法中，在t_actual之后获得的能量大于在[t_virtual_t_actual]中损失的能量。为了进一步阐明为什么获得的能量比通过考虑图6b，可以看出，在传统方法中，当风速当叶尖速比急剧变化时，叶尖速比发生较大变化，使工作点位于CP-K曲线的陡斜率附近，从而使输出功率大幅度下降。然而，在所提出的方法中，由于工作点靠近CP-k曲线的慢斜率，所以输出功率在较小程度上降低。因此，在所提出的方法中的总增益的能量是比传统的方法。图7示出了所提出的方法的框图。 如图所示，使用风速预测，在实际风速改变之前的实例中，发电机转速控制器操作。必须考虑的是，控制器的应用和风速变化之间的时间差取决于风力涡轮机的大小。风力机的尺寸越大，感应发电机转速变化的惯性越大，预测控制器应尽早应用。5. 仿真结果PP2P1测试虚拟测试实际（一）CP-拟议数提出M方法常规方法该方法获得的能量该方法失去的能量该方法不为了分析模拟结果，使用了具有感应发电机的50 kW风力涡轮机风力涡轮机和感应发电机的规格分别见表1和表2[30]表3[21]中还列出了超级电容器存储系统的规格。本文以变速双馈风力发电机（DFIG）为模型，采用扰动观测（PO）方式进行最大功率跟踪（MPPT仿真在MATLAB/SIMULINK软件中实现。图8示出了MATLAB中所提出的系统的SIMULINK模型。该图由风力涡轮机模型、超级电容器模型、负载模型和通过变流器彼此连接的其他源组成。第3.2节和第3.1节分别说明了带开关和桨距角控制器的超级电容器控制器。此外，预测的风速被应用于发电机速度。P-Conventionalλ（b）第（1）款见图6。所提出的方法与传统方法之间的比较（a）在收集能量方面（b）在功率系数方面。见图7。 提出的方法中变速风力涡轮机的框图。（U+1）/2V存在WSFV预测转速控制器由预测超级电容储能系统欧米茄预测俯仰角控制器重量桨距角系统功率V存在微电网符号函数PID控制器饱和块+A. Aranizadeh等人 /工程科学与技术，国际期刊22（2019）1161-11671165表1风力涡轮机参数[29]。参数值空气密度1.225 kg/m3转子直径15 m额定功率50 kW切入/切出速度3/25m/s额定风速12 m/s表2感应发电机参数[29]。参数值额定功率50 KVA定子电压/频率380 V/60 Hz定子电阻0. 016 pu转子电阻0. 015 pu定子漏感0. 06 pu转子漏感0. 06 pu互感3. 5 pu表3超级电容器的参数[21]。参数值超电容电压800 V/每个50 V编号S/编号P16/1Ri1.5 mO超级电容0.125F/每2F电压上限850 V电压下限750 V为了分析该问题并将其应用于具有超级电容器存储系统的风力涡轮机模型，根据图10将风速应用于风力涡轮机。上午9从图9a可以看出，风速为8.5 m/s ，在2.5s后，它降低到7m/s。在这种风速下，风力涡轮机输出功率变得小于被认为是23MW的负载功率，并因此导致超级电容器放电。之后，风速增加到9.5 m/s.在该风速下，风力涡轮机产生的功率变得大于负载功率，这导致超级电容器充电，从而导致超级电容器达到其充电极限。5.1. 不使用风速预测在该部分中，不使用风速预测，并且发电机速度控制是以这样的方式进行的：当风速改变时，发电机速度也改变以从风中收获最大功率。这部分的发电机速度如图9b所示。 如图所示，风速波动具有一定的惯性，考虑到本文所研究的风力机尺寸较小，该惯性不是很大。无论如何，在大型风力涡轮机中，这种惯性是显着的。如图9b所示，当风速在2.5 s处变化时，发电机转速变化以接收最大收获功率。该部分超级电容器的电压如图9c所示。2.5s前，考虑低风速，超电容处于放电模式。风速的增加以及因此风力涡轮机产生的功率的增加使超级电容器处于充电模式，这在超级电容器的电压中是明显可观察到的。继续充电使超级电容器在4.55 s达到其充电极限。当超级电容器达到其充电极限时，超级电容器存储系统与电网分离，并且风力涡轮机与电网一起供应负载需求。此外，随着超级电容器的分离，电网发电量增加，增加了发电成本。图9d示出了风力涡轮机输出功率、从超级电容器注入或接收的功率以及这种情况下风力涡轮机和超级电容器的见图8。 在MATLAB中建立系统的SIMULINK模型。P =P +P总U.C.W.T.PW.T.P负载PU.C.没有预测的情况下与预测功率（kW）1166A. Aranizadeh等人/工程科学与技术，国际期刊22（2019）11619.598.581.91.81.71.67.570 1 2 3 45时间（秒）（一）8608508408308208108001.51.40 1 2 3 4 5时间（秒）（b）第（1）款4030201007900 1 2 3 45时间（秒）-100 1 2 3 4 5时间（秒）（c）（d）见图9。在不使用风速预测的情况下，（a）施加到风力涡轮机的风速变化（b）发电机转速变化（c）超级电容器电压（d）风力涡轮机输出功率、来自超级电容器的功率以及风力涡轮机和超级电容器的总功率以及负载功率。21.91.81.71.61.51.40 1 2 3 458608508408308208108007900 123 4 5时间（秒）(a)（b）第（1）款860408503084020830 10820 08103 3.5 44.5时间（秒）-100 1 2 3 4 5时间（秒）(c)（d）其他事项见图10。使用风速预测（a）发电机转速变化（b）超级电容器电压（c）比较具有和不具有预测控制的超级电容器电压（d）风力涡轮机输出功率、来自超级电容器的功率以及风力涡轮机和超级电容器的总功率以及负载功率。5.2. 基于风速预测的超级电容器充电极限研究与前一节相反，本节中的发电机速度控制是在风速变化之前，发电机速度变化以接收最大风力。实际上，在本节中，随着预测未来风速，发电机速度控制器以一种方式改变，即它在更短的时间内应用未来发生的波动。根据上述事项，发电机速度根据图10a。发电机速度变化发生在2 s（比风速实际变化快0.5 s）。超级电容器电压也如图所示。 10 b.在这一部分，在2.5 考虑到风速，超级电容器处于放电状态模式，并且随着风速的增加以及因此风力涡轮机产生的功率的增加，超级电容器进入充电模式。根据图10b，超级电容器在4.59 s时达到其充电极限。如图所示，在该方法中，超级电容器在0.04秒后达到其充电极限。图1和图2之间的比较。图9c和图10b中示出了图10c。该图明显地表明，通过应用预测控制，超级电容器稍后达到其充电极限。图10d示出了风力涡轮机输出功率、从超级电容器注入或接收的功率以及用于具有风速控制的控制模式的风力涡轮机和超级电容器的总功率。电容电压（V）电容电压（V）转速（rad/s）风速（m/s）电容电压（V）转速（rad/s）功率（kW）P总计=PW.T. +PU.C.PW.T.P负载PU.C.无预测控制的P总计有预测控制的P总计A. Aranizadeh等人 /工程科学与技术，国际期刊22（2019）1161-11671167343230282624223 3.5 4 4.5时间（秒）见图11。在没有和有预测控制的两种情况下，从电网传输到负载的功率之间的比较。图11展示了在具有和不具有预测控制的两种条件下由风力涡轮机和超级电容器产生的功率。从该图可以看出，有风速预测控制的情况下，风力发电机和超级电容器的发电功率之和大于无风速预测控制的情况。这已经在图10c中彻底解释过了。其结果是风力涡轮机和超级电容器系统发电量的增加动力.根据到如图11所示，在预测控制的状态下从电网向负载注入的电力随后增加。因此，在具有预测控制的情况下，由风力涡轮机和超级电容器产生的用于向负载供电的能量比没有预测控制的情况下几乎多296J增加的能量的量取决于涡轮机尺寸，使得涡轮机尺寸的增加增加了所收获的能量。6. 结论在本文中，WSF方法被应用于监测未来的风速数据。将该控制方法应用于风力发电机组，提高了风力发电机组和超级电容储能系统的能量利 用 率 ， 改 善 了 微 电 网 的 运 行 状 况 。 本 文 所 有 的 建 模 都 是 在MATLAB/SIMULINK软件中进行的。通过运行仿真，可以看出，利用WSF方法的风速数据和在线监测的风速在未来，然后应用预测控制异步发电机转速，获得的能量增加了296 J，因此，当使用这种方法时，从大规模风电场的发电量增加，降低网络成本。此外，具有更大惯性的风力涡轮机需要更多的预测时间。本文就是对这一方法的证明。在未来的工作中，可以找到不同尺寸的涡轮机的最佳T引用[1] L.Y. Pao，K.E. Johnson，Control of WindTurbines，IEEE Control Syst.31（2）（2011）44-62.[2] A. Forooghi Nematollahi，A.达德哈岛Asgari Gashteroodkhani湾应用迭代分析法优化分布式发电系统的大小和选址以降低损失，J。可 再生可持续能源8（5）（2016）055301。[3] T. Burton，D. Sharpe，N. Jenkins等人，《风能手册》，威利出版社，2001年。[4] O. Asgari Gashteroodkhani湾Vahidi，A. Zaboli，基于时-时矩阵z分数矢量的串补输电线路故障分析方法，土耳其电气工程计算机科学杂志25（2017）2647[5] http://www.eia.doe.gov/iea‘InternationalEnergyOutlook,EnergyInformation Administration (EIA)’,[6] Y. Izumi，A. Pratab，Y. Kinjyo等人，一个基于模糊的输出功率平滑的WECS使用短期提前预测的风速，在：IEEE国际会议模糊系统（FUZZ），台北，2011年，页。2414- 2419[7] M.Hedayati-Mehdiabadi ， J.Zhang ， K.W.Hedman ， Windpowerdispatchmargin for flexible energy and reserve scheduling with increasedwindgeneration，IEEE trans. Sustainable Energy 6（4）（2015）1543-1552.[8] Y. Liu，W.杜湖，澳-地Xiao等人，一种用于确定能量存储系统的大小以增加受电网频率偏差限制的风穿透的方法，IEEE Trans. 电力系统31（1）（2016）729-737。[9] P. Siano ，P. Chen ， Z. Chen 等 人， 评估 最大 风能 开发在 积极 的配 电网 ， IETGener。传输分布量4（5）（2010）598- 608。[10] A.阿拉尼扎德湾Vahidi，A. Rahiminejad，使用具有连续风速预测和在线监督控制的超级电容器的微电网中的风力涡轮机功率输出平滑，J.可再生可持续能源8（3）（2016）1-17。[11] S.M. Muyeen，H.M. Hasanien，J. Tamura，通过自适应人工神经网络控制能量电容器系统减少风电场连接电力系统的频率波动，IET更新。发电机6（4）（2012）226-235。[12] F.伊斯兰，A. Al-Durra，S.M. Muyeen，基于预测和监控单元的FESS对风电场输出的平滑，IEEE Trans. SustainableEnergy 4（4）（2013）925-933。[13] J. Kiviluoma，P. Meibom，A. Tuohy等人，短期能源平衡与风能水平的增加，IEEEtrans. Sustainable Energy 3（4）（2012）769-776。[14] P.F.里贝罗Johnson，M.L. Crow等人，先进电力应用的储能系统，Proc. IEEE 89（12）（2001）1744-1756。[15] S. 塔拉里湾Yazdaninejad，M.R.Haghifam，基于随机的微电网运行调度，包括风力涡轮机，光伏电池，储能和响应负载，IET Gener。传输分布量9（ 12）（2015）1498-1509。[16] A. Kusko，J. 陈晓，电力系统中的储能技术，第四届中国电力科学技术大会论文集，2001年。2005年工业应用会议记录，2005年，pp。 2672- 2678[17] A. Kulka，变速风力涡轮机的桨距和转矩控制（M.Sc. 瑞典查尔姆斯理工大学，2004。[18] R.达塔，V.T. Ranganathan，变速风力发电使用双馈绕线转子感应电机-与替代方案的比较，IEEE Trans. 能量转换 17（3）（2002）414-421。[19] K.H. Kim，T.L. Van，D.C. Lee等人，考虑转子惯性功率的变速风力涡轮机系统中的最大输出功率跟踪控制，IEEETrans.Ind.Electron.60（8）（2013）3207-3217。[20] T.仙久河Sakamoto，N. Urasaki等人，通过桨距角控制的风力涡轮发电机在所有运行区域的输出功率均衡，IEEE Trans. 能量转换21（2）（2006）467-475。[21] M.J. Khan，M.T.李晓波，小型风力发电与燃料电池混合能源系统的动态模拟，中国能源出版社，2005年，第30卷，第3期，第421-439页。[22] J.F. Manwell，J.G. McGowan，A.L. Rogers，Wind Energy Explained：Theory，Design and Application，Wiley Press，2002。[23] W. Lajnef，J.M. Vinassa，S. Azzopardi等人，Microelectron在混合动力汽车中作为电源使用的超级电容器的可靠性评估中迈出了第一步。可靠性44（9-11）（2004）1769-1773。[24] J.V. Mierlo，P.V. Bossche，G.陈文，电动汽车与混合动力汽车的能源模型：燃料电池、蓄电池、超级电容器、飞轮与发动机发电机，J。电源128（1）（2004）76-89。[25] X.控制张，级联H桥多电平逆变器与光伏系统作为独立直流电源的策略（硕士论文），KTH皇家理工学院，2011。[26] G.H. Riahy，M. Abedi，使用线性预测方法进行风力涡轮机应用的短期风速预测，可再生能源33（1）（2008）35-41。[27] S. Amin-Nejad，T. Asgari Gashteroodkhani，K. Basharkhah，MVDR和LCMV波束形成器在 FPGA 上 的 浮 点 实 现 的 比 较 ， 无 线 通 信 。Commun.98（2）（2018）1913-1929。[28] T. 李文，《风力发电系统》，清华大学出版社，2005年。[29] L. Qu，W.乔，双馈风力发电机的恒功率控制与超级电容器储能，IEEE Trans. 印第安纳Appl. 47（1）（2011）359-367。[30] C.混合风力/光伏/燃料电池分布式发电系统的建模与控制（Ph.D.论文），蒙大拿州立大学，博兹曼，蒙大拿州，美国，2006年。功率（kW）