基于模糊RBF神经网络的风电机组变桨控制研究
DOI:
CSTR:
作者:
作者单位:

1.江西理工大学电气工程与自动化学院 赣州 341000; 2.中国科学院赣江创新研究院 赣州 341000

作者简介:

通讯作者:

中图分类号:

TM614

基金项目:

国家自然科学基金(61763015)项目资助


Research on wind turbine pitch control based on fuzzy RBF neural network
Author:
Affiliation:

1.School of Electrical Engineering and Automation, Jiangxi University of Science and Technology,Ganzhou 341000, China; 2.Ganjiang Innovation Research Institute, Chinese Academy of Sciences,Ganzhou 341000, China

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    针对大型风力发电机变桨控制受外部干扰和参数变化大、造成输出功率不稳定的问题,提出一种智能控制的算法,在RBF神经网络基础上增加模糊算法,利用模糊RBF神经网络实时在线调整PID参数。当实际风速偏离额定风速时,科学调整风机桨距角,使风机所获得的空气动力转矩发生变化,从而在额定功率附近保持风力机输出功率的相对稳定。据此搭建了风电机组各模块的数学模型,并在MATLAB/Simulink上搭建了仿真模块。实验结果表明:基于上述的方法控制效果相比于传统PID控制和常规RBF神经网络PID控制,响应更快、风能利用系数性能超调更小、功率输出更稳定,更有利于风力发电机组的系统稳定性。

    Abstract:

    The variable pitch control of wind turbine is subject to external interference and large parameter changes, resulting in unstable output power, this paper introduces an intelligent control algorithm, adds a fuzzy algorithm on the basis of RBF neural network, and uses fuzzy RBF neural network control to adjust the PID parameters online and in real time.When the actual wind speed is higher than the rated wind speed adjust the blade pitch angle of the fan to change the aerodynamic torque obtained by the fan, make the fan output power stable near the rated power.In this paper, the mathematical model of each module of the fan is established, and the corresponding simulation model is established in the MATLAB/Simulink. According to the experimental results, the control effect based on the above method is better than traditional PID control and conventional RBF neural network PID control, with faster response, less overshoot of wind energy utilization coefficient performance, more stable power output, and more conducive to the system stability of wind turbine.

    参考文献
    相似文献
    引证文献
引用本文

陈德海,陈志文,李明,赖正贵,李志远.基于模糊RBF神经网络的风电机组变桨控制研究[J].电子测量技术,2023,46(19):125-131

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:
  • 最后修改日期:
  • 录用日期:
  • 在线发布日期: 2024-01-15
  • 出版日期:
文章二维码