本發(fā)明涉及風(fēng)力發(fā)電技術(shù)領(lǐng)域,具體涉及一種小型雙饋風(fēng)力發(fā)電機(jī)并網(wǎng)控制方法。
背景技術(shù):
風(fēng)力發(fā)電機(jī)在并網(wǎng)過程中會(huì)出現(xiàn)過電壓、過電流或轉(zhuǎn)速上升等問題,對(duì)電網(wǎng)會(huì)造成沖擊,這種沖擊的嚴(yán)重后果會(huì)引起電網(wǎng)電壓的降低,還會(huì)對(duì)發(fā)電機(jī)和機(jī)械部件造成損害,更為嚴(yán)重的是,長時(shí)間的并網(wǎng)沖擊,還可能使系統(tǒng)瓦解或威脅風(fēng)力發(fā)電機(jī)的正常運(yùn)行,因此,必須通過合理的發(fā)電機(jī)并網(wǎng)技術(shù)來抑制并網(wǎng)沖擊電流。
傳統(tǒng)的控制方法有PI(Proportional Integral,比例積分)控制和線性滑??刂疲荘I控制具有較大的超調(diào)量,系統(tǒng)的響應(yīng)時(shí)間較長,而線性滑模控制雖然相對(duì)于PI控制有了一定的改善,但是存在抖振現(xiàn)象。
技術(shù)實(shí)現(xiàn)要素:
本發(fā)明主要解決的技術(shù)問題是提供一種小型雙饋風(fēng)力發(fā)電機(jī)并網(wǎng)控制方法,采用模糊神經(jīng)PI控制系統(tǒng)結(jié)構(gòu),將模糊控制、人工神經(jīng)網(wǎng)絡(luò)控制應(yīng)用到經(jīng)典PI控制中,對(duì)傳統(tǒng)PI控制器的性能有很大的改善,解決了現(xiàn)有PI控制存在的超調(diào)量大、系統(tǒng)響應(yīng)時(shí)間長,以及線性滑??刂拼嬖诘亩墩瘳F(xiàn)象等問題,能夠有效地抑制風(fēng)力發(fā)電機(jī)并網(wǎng)沖擊電流。
為解決上述技術(shù)問題,本發(fā)明采用如下技術(shù)方案:
一種小型雙饋風(fēng)力發(fā)電機(jī)并網(wǎng)控制方法,在傳統(tǒng)PI控制中加入模糊控制和神經(jīng)網(wǎng)絡(luò)控制,所述并網(wǎng)控制方法具體包括如下步驟:
步驟1,獲取所述雙饋風(fēng)力發(fā)電機(jī)輸出偏差和偏差變化率,并將所述偏差和偏差變化率按照模糊規(guī)則模糊化;
步驟2,將所述模糊化后的偏差和偏差變化率作為模糊神經(jīng)網(wǎng)絡(luò)輸入并進(jìn)行處理,獲得所述模糊神經(jīng)網(wǎng)絡(luò)的輸出;
步驟3,將所述模糊神經(jīng)網(wǎng)絡(luò)的輸出反模糊化處理得到所述PI控制參數(shù);
步驟4,將所述PI控制參數(shù)傳給所述PI控制器,所述PI控制器對(duì)所述雙饋風(fēng)力發(fā)電機(jī)的并網(wǎng)進(jìn)行控制。
進(jìn)一步地,所述步驟1中的所述偏差為所述風(fēng)力發(fā)電機(jī)的定子電壓與電網(wǎng)電壓的差值。
進(jìn)一步地,所述步驟1中的模糊規(guī)則為:
將所述偏差和偏差變化率分為7個(gè)模糊子集:負(fù)大(NB),負(fù)中(NM),負(fù)小(NS),零(ZO),正小(PS),正中(PM),正大(PB);
論域范圍為{-3,+3};
隸屬度函數(shù)為三角形隸屬度函數(shù)。
進(jìn)一步地,所述步驟2中所述模糊神經(jīng)網(wǎng)絡(luò)的輸入還包括RBF神經(jīng)網(wǎng)絡(luò)輸出信息,所述RBF神經(jīng)網(wǎng)絡(luò)以所述PI控制器輸出和所述雙饋風(fēng)力發(fā)電機(jī)輸出作為輸入,所述RBF神經(jīng)網(wǎng)絡(luò)對(duì)所述PI控制器輸出和所述雙饋風(fēng)力發(fā)電機(jī)輸出信息進(jìn)行處理,獲取所述雙饋風(fēng)力發(fā)電機(jī)控制對(duì)象的Jaco-bian(雅科比)信息,將獲取的所述Jaco-bian信息作為所述模糊神經(jīng)網(wǎng)絡(luò)的輸入,為所述模糊神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法提供依據(jù)。
進(jìn)一步地,所述神經(jīng)網(wǎng)絡(luò)為BP神經(jīng)網(wǎng)絡(luò)。
進(jìn)一步地,所述BP神經(jīng)網(wǎng)絡(luò)的各層計(jì)算過程如下:
定義所述BP神經(jīng)網(wǎng)絡(luò)中表示第k層的第i各輸入,表示第k層的第j個(gè)節(jié)點(diǎn)的凈輸入,表示第k層的第j個(gè)節(jié)點(diǎn)的輸出,則:
輸入層:
隸屬度函數(shù)層:
其中:所述m為高斯函數(shù)均值,所述n為標(biāo)準(zhǔn)差。
規(guī)則層:
其中:所述即為第l條規(guī)則的激活度。
輸出層:
其中:所述n為第三層節(jié)點(diǎn)的個(gè)數(shù),所述θ為規(guī)則表矩陣。
本發(fā)明將將模糊控制、人工神經(jīng)網(wǎng)絡(luò)控制應(yīng)用到經(jīng)典PI控制中,解決了現(xiàn)有PI控制存在的超調(diào)量大、系統(tǒng)響應(yīng)時(shí)間長,以及線性滑??刂拼嬖诘亩墩瘳F(xiàn)象等問題,能夠有效地抑制風(fēng)力發(fā)電機(jī)并網(wǎng)沖擊電流,改善系統(tǒng)性能。
附圖說明
圖1是小型雙饋風(fēng)力發(fā)電機(jī)并網(wǎng)控制系統(tǒng)結(jié)構(gòu)圖。
圖2是本發(fā)明一個(gè)實(shí)施例的小型雙饋風(fēng)力發(fā)電機(jī)并網(wǎng)控制方法流程示意圖。
圖3是小型雙饋風(fēng)力發(fā)電機(jī)在傳統(tǒng)PI控制器下的定子電壓與電網(wǎng)電壓的輸出波形(只有電流環(huán))。
圖4是小型雙饋風(fēng)力發(fā)電機(jī)在傳統(tǒng)PI控制器下的定子電壓與電網(wǎng)電壓的差值的輸出波形。
圖5為本發(fā)明一實(shí)施例模糊PI神經(jīng)控制器下的風(fēng)力發(fā)電機(jī)定子電壓與電網(wǎng)電壓的輸出波形。
圖6為本發(fā)明一實(shí)施例模糊PI神經(jīng)控制器下的風(fēng)力發(fā)電機(jī)定子電壓與電網(wǎng)電壓的差值。
具體實(shí)施方式
下面對(duì)本發(fā)明的較佳實(shí)施例進(jìn)行詳細(xì)闡述,以使本發(fā)明的優(yōu)點(diǎn)和特征能更易于被本領(lǐng)域技術(shù)人員理解,從而對(duì)本發(fā)明的保護(hù)范圍做出更為清楚明確的界定。
圖1是一種小型雙饋風(fēng)力發(fā)電機(jī)并網(wǎng)控制系統(tǒng)結(jié)構(gòu)圖,采用模糊神經(jīng)PI控制器對(duì)風(fēng)力發(fā)電機(jī)進(jìn)行并網(wǎng)控制。其中,模糊神經(jīng)PI控制器在傳統(tǒng)PI控制器中加入模糊控制和神經(jīng)網(wǎng)絡(luò)控制,以改善系統(tǒng)性能。該小型雙饋風(fēng)力發(fā)電機(jī)并網(wǎng)控制方法流程如圖2所示,具體步驟如下所述。
步驟1,獲取所述雙饋風(fēng)力發(fā)電機(jī)系統(tǒng)偏差和偏差變化率,并將所述偏差和偏差變化率模糊化。
其中,偏差為所述風(fēng)力發(fā)電機(jī)的定子電壓與電網(wǎng)電壓的差值傳統(tǒng)PI控制方法僅包括電流環(huán)。與傳統(tǒng)PI控制方法相比,可以有效降低定子電壓與電網(wǎng)電壓的差值。
模糊化規(guī)則為:
將所述偏差和偏差變化率分為7個(gè)模糊子集:負(fù)大(NB),負(fù)中(NM),負(fù)小(NS),零(ZO),正小(PS),正中(PM),正大(PB);
論域范圍為{-3,+3};
隸屬度函數(shù)為三角形隸屬度函數(shù)。
步驟2,將所述模糊化后的偏差和偏差變化率作為模糊神經(jīng)網(wǎng)絡(luò)輸入并進(jìn)行處理,獲得所述模糊神經(jīng)網(wǎng)絡(luò)的輸出。
模糊神經(jīng)網(wǎng)絡(luò)的輸入量和輸出量都包含7個(gè)模糊子集,它們是負(fù)大(NB),負(fù)中(NM),負(fù)小(NS),零(ZO),正小(PS),正中(PM),正大(PB),論域范圍為{-3,+3},隸屬度函數(shù)采用三角形隸屬度函數(shù)。
PI控制器的kp的模糊規(guī)則表為:
PI控制器的ki的模糊規(guī)則表為:
神經(jīng)網(wǎng)絡(luò)優(yōu)選為BP神經(jīng)網(wǎng)絡(luò),BP神經(jīng)網(wǎng)絡(luò)的各層計(jì)算過程如下:
定義該BP神經(jīng)網(wǎng)絡(luò)中表示第k層的第i各輸入,表示第k層的第j個(gè)節(jié)點(diǎn)的凈輸入,表示第k層的第j個(gè)節(jié)點(diǎn)的輸出,則:
輸入層:
隸屬度函數(shù)層:
其中:m為高斯函數(shù)均值,所述n為標(biāo)準(zhǔn)差。
規(guī)則層:
其中:即為第l條規(guī)則的激活度。
輸出層:
其中:n為第三層節(jié)點(diǎn)的個(gè)數(shù),所述θ為規(guī)則表矩陣。
步驟3,將所述模糊神經(jīng)網(wǎng)絡(luò)的輸出反模糊化處理得到所述PI控制參數(shù);
步驟4,將所述PI控制參數(shù)傳給所述PI控制器,所述PI控制器對(duì)所述雙饋風(fēng)力發(fā)電機(jī)的并網(wǎng)進(jìn)行控制。
在本發(fā)明另一較佳實(shí)施例中,步驟2中的模糊神經(jīng)網(wǎng)絡(luò)的輸入還包括RBF神經(jīng)網(wǎng)絡(luò)輸出信息,該RBF神經(jīng)網(wǎng)絡(luò)以PI控制器輸出和雙饋風(fēng)力發(fā)電機(jī)輸出作為輸入,RBF神經(jīng)網(wǎng)絡(luò)對(duì)PI控制器輸出和雙饋風(fēng)力發(fā)電機(jī)輸出信息進(jìn)行處理,獲取所述雙饋風(fēng)力發(fā)電機(jī)控制對(duì)象的Jaco-bian(雅科比)信息,作為所述模糊神經(jīng)網(wǎng)絡(luò)的輸入,為所述模糊神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法提供依據(jù)。
通過仿真比較了本實(shí)施例公開的雙饋風(fēng)力發(fā)電機(jī)并網(wǎng)控制方法和傳統(tǒng)PI控制方法,在傳統(tǒng)PI控制器下的風(fēng)力發(fā)電機(jī)定子電壓與電網(wǎng)電壓的輸出波形如圖3所示,在傳統(tǒng)PI控制器下的風(fēng)力發(fā)電機(jī)定子電壓與電網(wǎng)電壓的差值的輸出波形如圖4所示,在模糊神經(jīng)PI控制器下的定子電壓與電網(wǎng)電壓的輸出波形如圖5所示,在模糊PI神經(jīng)控制器下的定子電壓與電網(wǎng)電壓的差值如圖6所示。
通過圖3與圖5進(jìn)行比較可以發(fā)現(xiàn),圖5在模糊神經(jīng)PI和雙閉環(huán)相結(jié)合的新型矢量控制策略的作用下,定子電壓的幅值、頻率、相位比傳統(tǒng)PI控制下的單電流環(huán)矢量控制作用下的圖3更加接近電網(wǎng)電壓。同時(shí)通過圖4與圖6進(jìn)行比較發(fā)現(xiàn)也可以更加直觀的發(fā)現(xiàn)圖6中的定子電壓與電網(wǎng)電壓的差值是非常小的,而圖4中的差值相對(duì)較大,再次表明了在模糊神經(jīng)PI控制器與雙閉環(huán)矢量控制相結(jié)合的控制策略下,定子電壓的幅值、頻率、相位與電網(wǎng)電壓是十分接近的。
以上所述僅為本發(fā)明的實(shí)施例,并非因此限制本發(fā)明的專利范圍,凡是利用本發(fā)明說明書內(nèi)容所作的等效結(jié)構(gòu)或等效流程變換,或直接或間接運(yùn)用在其他相關(guān)的技術(shù)領(lǐng)域,均同理包括在本發(fā)明的專利保護(hù)范圍內(nèi)。