本文介紹了用於渦輪槳距角控制的永磁同步發電機(PMSG)和高性能在線訓練遞歸神經網絡(RNN)的混合模糊滑模損失最小化控制的設計。反向傳播學習算法用於調節RNN控制器。PMSG速度使用低於額定速度的最大功率點跟蹤,其對應於低風速和高風速,而且能夠從風中捕獲最大能量。設計了具備積分運算切換面的滑模控制器,利用模糊推理機制估計不肯定性的上界。
最近,風力發電系統做爲清潔和安全的可再生能源引發了極大的關注。風力發電能夠經過使用電力電子轉換器的恆速和變速操做來操做。因爲風能產生的改善和閃爍問題的減小,變速發電系統比固定速度系統更具吸引力。而且風力渦輪機可以在最大功率操做點關於各類風速下,經過調整軸速度最佳地在全部風速達到最高效率 。算法
RNN變槳控制系統的設計安全
RNN具備三層,即,輸入,隱藏和輸出。在所示的三層神經網絡圖採用實施建議的RNN用於渦輪控制器。網絡
圖. RNN的體系結構。性能
matlab實現 學習
==============測試
clc; clear; close all; setup; dbstop if error %% RNN % useGPU = true; dataType = 'single'; backward = true; input = InputLayer(struct('batchSize',5,'useGPU',useGPU,'dataType',dataType,'backward',backward,'reverse',true)); embedd1 = EmbeddingLayer(struct('hidden_dim',512,'input_dim',input.vocabSize,'useGPU',useGPU,'dataType',dataType,'backward',backward)); rec1 = RecurrentLayer(struct('hidden_dim',512,'input_dim',512,'useGPU',useGPU,'dataType',dataType,'backward',backward)); rec2 = RecurrentLayer(struct('hidden_dim',512,'input_dim',512,'useGPU',useGPU,'dataType',dataType,'backward',backward)); loss = SoftmaxLayer(struct('hidden_dim',input.vocabSize,'input_dim',512,'useGPU',useGPU,'dataType',dataType,'backward',backward)); % train MaxIter = 10000; history_cost = zeros(1,MaxIter); for i = 1 : MaxIter tic; target = input.fprop(struct('reverse',false,'fprop',true)); loss.fprop(rec2.fprop(rec1.fprop(embedd1.fprop(target,size(target,2)),size(target,2)),size(target,2)),size(target,2)); history_cost(1,i) = gather(loss.getCost(target)); display(history_cost(1,i)); embedd1.bprop(rec1.bprop(rec2.bprop(loss.bprop(target)))); loss.update(@SGD); rec2.update(@SGD); rec1.update(@SGD); embedd1.update(@SGD); toc; end
傳統的比例積分(PI)型控制器因爲其簡單的控制結構,易於設計和低廉的成本而在工業中普遍使用。然而,若是受控設備是高度非線性的或者指望的軌跡隨着更高的頻率變化,則PI型控制器可能不具備使人滿意的性能。對於變速風力渦輪機,一般採用機械致動器來改變葉片的槳距角以控制功率係數。spa
圖(a)顯示了軸速; 能夠觀察到系統跟蹤額定發電機速度下的最大功率。圖6(b)顯示了最大功率跟蹤控制的驗證。設計
圖風速剖面的模擬結果:(a)風廓線速度跟蹤,(b)最大功率跟蹤控制信號,(c)功率跟蹤偏差和(d)功率係數C p。code
圖顯示了效率性能。考慮到中高速範圍內的轉換器損耗幾乎爲80%。blog
模擬效率性能:
本文介紹了用於變速風能系統的驅動PMSG系統的設計。速度控制器設定發電機扭矩指令,這是經過電流控制迴路實現的。所提出的系統已經在實時應用中實現,具備商用PMSG和模擬風力渦輪機行爲的直流驅動器。仿真結果代表該系統具備良好的性能。
動態性能不只在穩態並且在快速輸入時顯示出轉速的準確估計,而傳統的PI控制器不能肯定各類風速的不肯定性模型。本研究成功實現了模糊滑模速度和RNN槳距控制器,用於控制WECS。即便參數不肯定,該技術也能夠保持系統穩定性並達到所需的性能。