1-1 引言
根據國際能源總署(International Energy Agency；IEA)的研究報告，地球上的 煤碳、天然氣與石油各約剩下二百年、五十年與三十年的存量供給人類使用。為
恒頻的風力發電系統近年來成為各家風力發電廠商發展的目標，它能夠變動發電
1. Junqi Wang 等人“Modeling and Real-Time Simulation of Non-Grid-Connected Wind Energy Conversion System”[1]，此篇論文以永磁同步發電機為架構建立 直驅式變頻恒速風力發電系統並以 DSP 數位訊號處理器實現風力發電機的轉 速控制策略，控制策略採用傳統比例積分控制器，從模擬與實驗結果證明風 速變化時發電機轉速能夠變化到最佳值，然而此篇文獻中直驅式變頻恒速風 力發電系統本身並非為硬體，而是建模在 RT-LAB 此套模擬軟體中，因此其 實驗環境較實際上來的理想。
2. Jemaa Brahmi 等人“A Comparative Study Between Three Sensorless Control Strategies for PMSG in Wind Energy Conversion System”[2]，此篇文獻以模擬
的方式探討了適應性參考模型系統、類神經網路與順滑模態觀測器三種應用 Sliding Mode Current Observer”[3]，此篇文獻利用典型的永磁同步馬達轉速控 制架構搭配順滑模態觀測器從模擬與實驗上驗證了順滑模態觀測器應用在永 磁同步馬達無轉速感測轉速控制的可行性並且將順滑模態觀測器中符號函數 以飽和函數取代以減緩其切跳現象。
4. L.G. González 等人“Synchronization Techniques Comparison for Sensorless
Control applied to Wind Energy Conversion Systems”[4]，此篇在前言中提到在 中小型風力發電機中常使用轉速估測法取代安裝轉速感測器以減少成本。
在馬達或發電機位置估測策略中卡爾曼濾波器[5](Kalman Filter)與順滑模態 觀測器皆利用定子電壓與電流值估算出轉子目前位置而進一步求得轉速值，然而 與順滑模態觀測器比較起來卡爾曼濾波器中的狀態預測、狀態轉移與狀態觀測矩 陣需要繁雜的計算因此需要高性能的微處理器才有機會實現。類神經網路(Neural Network)速度估測法[3]與順滑模態觀測器的特色都是在系統參數變動時仍然具
有估測的能力，也就是對參數變化較不敏感，但是類神經網路的學習往往需要較 長的時間且同樣的有計算量大的問題存在。應用適應性參考模型系統(Model Reference Adaptive System)[6]來估測轉速與順滑模態觀測器比較起來需要將定 子電壓做同步旋轉座標轉換而需要目前轉子位置值，然而轉子位置即是欲估測值 用 200W 永磁同步發電機(Permanent Magnet Synchronous Generator, PMSG)，風 源的部分則以直流馬達來模擬，其詳細帄台架設將於第五章作介紹，順滑模態觀 測器利用發電機產生的相電壓與相電流靜止兩相座標轉換後的值估測到發電機 轉子位置與轉速後將轉速迴授至比例積分(Proportional Integral, PI)控制器的速度 迴路產生電流命令至電流迴路產生電壓命令，再藉由空間向量脈寬調變[7](Space Vector Pulse Width Modulation, SVM)產生適當的脈波調變信號(Pulse Width Modulation, PWM)控制全橋全控整流器[8]中的功率開關元件以改變連接發電機 的總負載大小進而改變發電機的轉速至轉速命令值，直流端電阻負載 RL能使整 個系統產生電流，電容 C0的作用為穩定直流電壓與吸收不必要的突波。
Sliding Mode Observer PI
PI
Inverse Park SVM Transform Matlab/Simulink 模擬永磁同步發電機轉速估測與控制架構。
第四章中，說明週邊電路與軟硬體介面。
第五章中，實驗帄台與實驗結果。
第六章中，結論與未來展望。
第七章中，參考文獻。