matlab递归神经网络RNN实现:桨距控制控制风力发电机组研究

本文介绍了用于涡轮桨距角控制的永磁同步发电机(PMSG)和高性能在线训练递归神经网络(RNN)的混合模糊滑模损失最小化控制的设计。

反向传播学习算法用于调节RNN控制器。PMSG速度使用低于额定速度的最大功率点跟踪,其对应于低风速和高风速,并且可以从风中捕获最大能量。设计了具有积分运算切换面的滑模控制器,利用模糊推理机制估计不确定性的上界。

1.简介

最近,风力发电系统作为清洁和安全的可再生能源引起了极大的关注。风力发电可以通过使用电力电子转换器的恒速和变速操作来操作。由于风能产生的改善和闪烁问题的减少,变速发电系统比固定速度系统更具吸引力。并且风力涡轮机能够在最大功率操作点关于各种风速下,通过调整轴速度最佳地在所有风速达到最高效率 。

RNN变桨控制系统的设计

RNN的体系结构

RNN具有三层,即,输入,隐藏和输出。在所示的三层神经网络图采用实施建议的RNN用于涡轮控制器。

图. RNN的体系结构。

matlab实现

模拟结果

传统的比例积分(PI)型控制器由于其简单的控制结构,易于设计和低廉的成本而在工业中广泛使用。然而,如果受控设备是高度非线性的或者期望的轨迹随着更高的频率变化,则PI型控制器可能不具有令人满意的性能。对于变速风力涡轮机,通常采用机械致动器来改变叶片的桨距角以控制功率系数。

动态性能测试

图(a)显示了轴速; 可以观察到系统跟踪额定发电机速度下的最大功率。图6(b)显示了最大功率跟踪控制的验证。

图风速剖面的模拟结果:(a)风廓线速度跟踪,(b)最大功率跟踪控制信号,(c)功率跟踪误差和(d)功率系数C p。

效率性能测试

图显示了效率性能。考虑到中高速范围内的转换器损耗几乎为80%。

模拟效率性能:

结论

本文介绍了用于变速风能系统的驱动PMSG系统的设计。速度控制器设定发电机扭矩指令,这是通过电流控制回路实现的。所提出的系统已经在实时应用中实现,具有商用PMSG和模拟风力涡轮机行为的直流驱动器。仿真结果表明该系统具有良好的性能。

动态性能不仅在稳态而且在快速输入时显示出转速的准确估计,而传统的PI控制器不能确定各种风速的不确定性模型。本研究成功实现了模糊滑模速度和RNN桨距控制器,用于控制WECS。即使参数不确定,该技术也可以保持系统稳定性并达到所需的性能。


可下载资源

关于作者

Kaizong Ye拓端研究室(TRL)的研究员。

本文借鉴了作者最近为《R语言数据分析挖掘必知必会 》课堂做的准备。

​非常感谢您阅读本文,如需帮助请联系我们!

 
QQ在线咨询
售前咨询热线
15121130882
售后咨询热线
0571-63341498