PID神经网络在风机变桨控制中的应用

论文摘要

本论文首先回顾了近几年用于变速恒频风机的变桨控制器的设计结构和算法,对几种最近的和传统的控制器都做了简要的描述。变桨控制不仅应用高风速阶段,它的应用还能够调节风机上的各种载荷。特别是随着风机容量和体积不断增大,变桨距控制对控制载荷会有很大的帮助。变桨距的控制主要用来高风速时限制风机的吸收功率,从而来控制风机的功率输出维持在额定功率上。随着风机机构的大小的增加和电动结构的成本的降低,控制器的设计变的越来越重要。对于新控制器特性在实际应用特性的检验非常重要,即使在计算机的仿真平台上能取得很好的控制特性,也要考虑风机在实际工作环境中所遇到的其他的变量,而这些变量对风机的影响,在设计控制器时可能会起到关键的作用。本论文在PIDNN神经网络的数学模型的基础上,提出了一种新的控制器。并对控制器的特性做了讨论。又重新对风速模型的建立方法进行了讨论,并对其中几种风速模型通过建模和仿真做比较,最终选取在matlab平台上通过搭建模块的方法作为本文仿真使用的模型,对其中阵风的模型进行了数学建模。然后,本论文还完成对两种特定电机模型进行设计,即直驱永磁同步电机和双馈异步电机,在matlab的平台上实现了两种风机模型的搭建。并利用丹麦大学提供的matlab的simulink中的风机的工具箱,在matlab的平台上搭建模型,并进行了仿真。仿真也取得了预期的结果。本论文最后回顾了最近的桨距控制器的结构和算法,并进一步对变桨控制的以后几年的发展方向做了展望和预测。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 能源问题――世界的问题
• 1.1.1 国外的情况
• 1.1.2 我国的情况
• 1.2 风电技术的发展
• 1.2.1 国外风电技术的发展
• 1.2.2 国内风电技术的发展
• 1.3 主要研究对象和方向
• 1.3.1 国内外对变桨控制的研究
• 1.3.2 本论文的主要工作
• 第二章 PIDNN 的结构及算法
• 2.1 结构
• 2.1.1 神经元的输入
• 2.1.2 神经元的状态和输出
• 2.1.3 神经元的定义
• 2.2 PID 网络前向算法
• 2.2.1 输入层
• 2.2.2 隐含层
• 2.2.3 输出层
• 2.3 PID 网络反传算法
• 2.3.1 隐含层至输出层权值
• 2.3.2 输入层至隐含层权值
• 2.4 神经网络的设计
• 2.4.1 单输入单输出神经网络
• 2.4.2 二输入单输出神经网络
• 2.4.3 神经网络的组成部分
• 2.5 总结
• 第三章 风速和风机的模型
• 3.1 风速的模型
• 3.1.1 向量自回归模型
• 3.1.2 叠加模型
• 3.1.3 matlab 中的模型
• 3.1.4 ziggurat method 模型
• 3.2 风机的模型
• 3.2.1 直驱永磁同步电机
• 3.2.2 双馈异步电机
• 3.3 总结
• 第四章 PIDNN 在风机变桨中的应用
• 4.1 风机的模型
• 4.2 风能利用系数模型
• 4.3 控制策略
• 4.3.1 直驱永磁同步电机控制
• 4.3.2 双馈异步电机的控制
• 4.4 与PI、LQG 和模糊的控制比较
• 4.5 总结
• 第五章 MPIDNN 对风机系统辨识
• 5.1 辨识系统
• 5.2 辨识系统的误差分析
• 5.3 总结
• 第六章 发展前景和展望
• 6.1 发展前景
• 6.2 展望
• 参考文献
• 硕士期间发表论文
• 致谢