基于智能滑模变结构控制的风力发电系统变桨距控制研究

摘要

变桨距控制系统作为风力发电机组电控系统的外环,它负责空气动力系统的桨距自动调节,稳定高风速段发电机功率输出;在并网过程中实现快速无冲击并网。变桨伺服系统是一个随动系统,其参数复杂多变,结构的非线性和时变性,传统的控制策略难以实现高精度控制,有必要采取先进的控制策略来保证风力发电机组高品质电能的输出和安全稳定运行。　　本课题在对风力发电基本理论和变桨距原理的研究基础上,建立了风电系统的数学模型,将滑模控制理论应用到变桨距控制中,消除系统参数摄动及外部扰动的影响。此外,考虑到滑模控制的抖振现象,将RBF神经网络、支持向量机等理论与滑模控制相结合,实现风力发电变桨距系统的自适应控制。本课题主要内容归纳如下:　　1、根据空气动力学原理和桨叶受力情况阐述变桨距调节原理,建立了变桨距风力发电系统各部分的数学模型,并在Matlab软件中搭建了仿真模型,在所建模型基础上,设计了基于PSO的PID控制器并进行了仿真,为后续章节对变桨距控制策略的研究奠定基础。　　2、分析了变桨距控制研究现状,提出了基于RBF神经网络的变桨距滑模控制方案。采用模糊C-均值聚类法和递推最小二乘法离线学习得到控制器初始参数,并把滑模误差引入到自适应控制律中,在线调整RBF网络的中心和权值以改善系统动态性能。神经网络控制的加入还有效抑制了滑模控制引起的桨距角抖振现象。　　3、支持向量机是统计学理论中较新的内容,具备很强的学习能力与泛化性能。支持向量机与滑模控制相结合,不但可以提高滑模控制的自适应能力,而且为系统的复杂控制和综合问题的分析设计提供了解决方法。本课题提出了一种基于在线支持向量机的滑模变桨距控制方案。控制前期采用常规滑模控制,产生数据样本用以训练支持向量机滑模控制器得到控制器的基本结构和初步参数。学习结束后,转用基于支持向量机的滑模控制,利用在线学习机制实现自适应控制。仿真结果表明基于支持向量机的变桨距滑模控制器具有良好的动态性能及对风速扰动的鲁棒性,在保证功率输出稳定在额定值附近的同时,实现桨距角平稳调节。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 绪论

1.1课题背景和研究意义

1.2风力发电系统变桨距控制技术的研究现状

1.3本课题的主要研究内容

第二章 风力发电系统动态建模及PID控制策略

2.1风力机的工作原理

2.2风力机的理论基础

2.3 风力机变桨距控制

2.4 风力发电系统动态建模

2.5 基于PSO的PID变桨距控制器设计

2.6 本章小结

第三章 基于RBF网络的风电机组变桨距滑模控制

3.1滑模变结构控制基本理论

3.2径向基函数神经网络

3.3 基于RBF神经网络的变桨距滑模控制器

3.4仿真结果及分析

3.5本章小结

第四章 基于SVM的永磁直驱风电系统滑模变桨距控制

4.1 支持向量机回归原理

4.2 支持向量机回归

4.3在线支持向量机及算法实现

4.4基于SVM的永磁直驱风电系统滑模变桨距控制

4.5仿真结果及分析

4.6 本章小结

第五章 总结与展望

5.1 研究工作总结

5.2 展望

参考文献

攻读硕士学位期间主要研究成果

致谢