《一种用于风速估计的新型在线神经网络训练算法和用于最大功率提取的PMSG风力发电系统的自适应控制》

  • 来源专题:可再生能源
  • 编译者: chenss
  • 发布时间:2015-08-18
  • 本文提出了一种对于独立PMSG风力发电系统(WTS)的最大功率点跟踪的自适应控制方案。推导出一种估计风速的新程序。为做到这一点,设计了一个神经网络的标识符(NNI)以使机械转矩近似WTS。有了这个信息,风速计算在最佳机械转矩点的基础上进行。NNI接近实时的机械转矩信号,而不需要离线训练得到最优参数值。以这种方式,它可以良好的精度真正接近任何机械转矩值。为了调节转子速度的最佳速度值,推导出推块反推控制器。利用Lyapunov参数证明了跟踪误差原点的一致渐近稳定性。与一个标准被动性为基础的控制器进行的数值模拟与比较,是为了显示提出的自适应方案的良好性能。

相关报告
  • 《采用二阶快速末端滑模控制从风力机中提取最大功率》

    • 来源专题:可再生能源
    • 编译者:pengh
    • 发布时间:2019-03-20
    • 在额定风速以下的运行区域(区域2),最大风力提取和降低机械应力是风力发电的两大问题。为了克服这两个问题,提出了两种采用二阶滑模控制(SOSMC)的非线性控制策略。所提出的控制器是为了消除参数不确定性、未建模动力学和外部扰动的影响而开发的。第一种策略采用比例积分导数(PID)滑动面,第二种策略采用非线性末端滑动面与PID滑动面相结合的方法设计二阶快速末端滑模控制(SOFTSMC)。应用PID滑动面,确保更好的跟踪,实现零稳态误差,减少机械载荷和削弱抖振现象而非线性应用终端滑动面最大风能提取,建立快速限定时间融合运用一个小的控制输入。利用李雅普诺夫稳定性定理证明了闭环系统的稳定性。结果与现有的一些控制规律进行了比较,其性能评价如表1所示。表1的结果验证了所提控制器的有效性。 ——文章发布于2019年8月
  • 《一种基于数学形态学的风力发电预测聚类算法》

    • 来源专题:可再生能源
    • 编译者:pengh
    • 发布时间:2019-01-17
    • 风力发电具有日相似性的特点。此外,有风力变化趋势的日子也反映了类似的气象现象。因此,选择数值天气预报信息与预测日相似的历史日作为训练样本,可以提高风电预测精度,降低模型仿真过程中的计算复杂度。本文提出了一种基于新型风力发电膨胀与侵蚀聚类算法的预测模型。在该模型中,基于数学形态学的基本运算,通过所提出的DE聚类算法,选取数值天气预报(NWP)信息与预测日相似的天数。所提出的去聚类算法可以在没有监督的情况下自动聚类。案例研究使用数据从宜兰风电场在中国东北表明性能的新广义回归神经网络(GRNN)预测模型的基础上,提出德聚类算法(DE clustering-GRNN)优于DPK-medoids clustering-GRNN,k - means clustering-GRNN,AM-GRNN方面日前风电预测。此外,所提出的聚类- grnn模型是自适应的。 ——文章发布于2019年6月