风速波动时基于UKF-DFNN的变桨距控制

摘要

针对风速大于额定风速时风速波动引起风电机组的功率波动及变桨距系统频繁启停的问题,提出基于无迹卡尔曼滤波(unscented Kalman filter,简称UKF)与动态模糊神经网络(dynamic fuzzy neural network,简称DFNN)相结合的变桨距控制策略.为了消除传统变桨距控制中风速作为输入信号时产生的时延,将风电机组转速及输出功率作为反馈输入量.利用UKF对反馈输入量进行实时滤波处理,且将滤波后的数据用DFNN动态调整其权重,得到精确的桨距角指令值.采用Matlab/Simulink构建仿真模型,将UKF-DFNN控制与模糊PID、径向基函数(radial basis function,简称RBF)神经网络控制进行对比分析.仿真结果表明:所提策略能提高风速波动时系统的鲁棒性、抑制桨距角的波动范围、输出稳定的功率.