基于RBF神经网络的风电机组独立变桨控制

摘要

由于风速的随机性、风电机组参数的时变性以及复杂的变桨系统引起的时滞性,随着风力机桨叶长度的不断增加,叶片受力拍打振动的情况越来越严重,同时造成输出功率不稳定.为改善风机变桨系统在运行区域内的动态性能,本文依据风力机空气动力学原理、风剪切特性和塔影效应,提出了基于径向基函数（RBF）神经网络自适应独立变桨距控制方法,采用RBF神经网络逼近变桨系统未知的非线性函数,通过Lyapunov方法导出神经网络自适应率,在线调整神经网络权值来改善独立变桨系统的动态性能,最后通过设计风电机组的独立变桨控制模型进行相关实验,证明基于RBF神经网络自适应独立变桨控制系统具有良好的动态性能,可以有效稳定输出功率,降低桨叶、轮毂、机舱、塔架等风电机组关键部件的疲劳载荷.