声明
摘要
英文缩写对照表
符号表
图表目录
1 绪论
1.1 低风速风能资源开发的机遇
1.1.1 能源危机促进风力发电技术发展
1.1.2 低风速风能资源开发的前景
1.2 低风速条件对风电控制技术的挑战
1.2.1 风力机最大功率点跟踪控制原理
1.2.2 低风速条件对最大功率点跟踪控制提出的挑战
1.2.3 面对挑战的两条技术途径
1.3 考虑湍流的MPPT控制系统参考输入优化设定的研究动态
1.3.1 功率曲线与参考转速优化设定的研究进展
1.3.2 现有研究存在的问题
1.4 本文的研究工作
1.4.1 研究内容
1.4.2 章节安排
2 湍流模拟与跟踪控制的模型
2.1 湍流特性的描述
2.2 湍流的模拟
2.3 风力机的数学模型
2.4 MPPT的仿真模型
2.5 小结
3 最大功率点跟踪的影响因素研究与机理分析
3.1 传统功率曲线法及其参数优化
3.1.1 传统功率曲线法
3.1.2 功率曲线的两种优化设定
3.2 跟踪控制的影响因素的分类与提取
3.2.1 影响因素的分类与获得
3.2.2 具体因素影响的量化分析方法
3.3 湍流特性的影响
3.3.1 平均风速与湍流强度
3.3.2 空气密度
3.4 风力机结构参数的影响
3.4.1 风力机半径
3.4.2 风力机转动惯量
3.4.3 最佳叶尖速比
3.5 影响因素及其作用机理的总结
3.6 小结
4 自适应转矩控制搜索性能的改进
4.1 自适应转矩控制
4.2 湍流致使转矩增益系数出现异常
4.2.1 转矩增益系数异常的机理分析
4.2.2 转矩增益系数异常的仿真验证
4.3 转矩增益系数搜索范围的限定
4.3.1 搜索范围限定方法的原理
4.3.2 搜索范围限定的自适应转矩控制
4.3.3 搜索范围限定的自适应转矩控制的具体步骤
4.3.4 转矩增益系数搜索范围限定的有效性分析
4.4 仿真分析
4.4.1 仿真模型和参数
4.4.2 风能捕获效率的对比分析
4.5 小结
5 考虑湍流的跟踪区间的优化设定
5.1 跟踪区间优化设定的难点
5.2 考虑湍流的跟踪区间的优化
5.2.1 RBF神经网络结构的设定
5.2.2 输入和输出变量的选取
5.2.3 RBF神经网络的训练
5.2.4 跟踪区间优化设定的实现和具体步骤
5.3 仿真分析
5.3.1 仿真模型和参数
5.3.2 风能捕获效率的对比分析
5.3.3 神经网络的预测精度分析
5.4 小结
6 爬山算法搜索性能的改进
6.1 传统爬山算法
6.2 湍流导致搜索方向出错的问题
6.3 基于停止机制的性能优化
6.3.1 停止机制的原理
6.3.2 基于停止机制的爬山算法的步骤
6.4 仿真分析
6.4.1 仿真模型和参数
6.4.2 阶跃风速的仿真分析
6.4.3 周期性斜坡风速的仿真分析
6.4.4 湍流风速的仿真分析
6.5 小结
7 总结与展望
致谢
参考文献
攻读博士学位期间发表的论文情况
攻读博士学位期间发表的专利情况
攻读博士学位期间参加的科研项目情况