基于rbf神經(jīng)網(wǎng)絡(luò)pid的風(fēng)電機(jī)組獨(dú)立變槳控制方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及大型風(fēng)電機(jī)組變槳控制領(lǐng)域，特別涉及基于RBF神經(jīng)網(wǎng)絡(luò)PID的風(fēng)電機(jī) 組獨(dú)立變槳控制方法。
【背景技術(shù)】
[0002] 當(dāng)今社會，人類社會對能源的需求與日倶增，能源的浪費(fèi)、低效率和不可持續(xù)利用 造成了整個社會的能源危機(jī)。在可再生能源中，風(fēng)能因其無污染、零排放和可再生等優(yōu)點(diǎn)， 成為了國內(nèi)外新能源研究的重要對象，因此風(fēng)能發(fā)電技術(shù)在開發(fā)利用新能源技術(shù)中是最成 熟的。風(fēng)電機(jī)組變槳控制系統(tǒng)分統(tǒng)一變槳控制系統(tǒng)和獨(dú)立變槳控制系統(tǒng)，因為在風(fēng)電機(jī)組 運(yùn)行中獨(dú)立變槳控制系統(tǒng)相對統(tǒng)一變槳控制系統(tǒng)能提高風(fēng)能利用系數(shù)，使風(fēng)電機(jī)組輸出最 佳風(fēng)能。
[0003] 采用常規(guī)PID控制的獨(dú)立變槳控制系統(tǒng)在風(fēng)電機(jī)組中得到了普及，然而，由于PID 控制不能很好地處理時變、非線性和強(qiáng)耦合的風(fēng)力發(fā)電系統(tǒng)，因而為了解決PID變槳控制系 統(tǒng)的控制缺點(diǎn)，國內(nèi)外科研工作者在獨(dú)立變槳控制系統(tǒng)中提出了各種先進(jìn)的控制方法，如 滑模變結(jié)構(gòu)變槳距控制、H〇〇魯棒控制、自適應(yīng)控制、模糊控制等。但是上面提到的各種先進(jìn) 變槳控制方法都不能有效解決運(yùn)行于額定風(fēng)速以上由風(fēng)切變、風(fēng)剪切和塔影效應(yīng)在塔架和 槳葉上產(chǎn)生的不平衡載荷，不能有效穩(wěn)定風(fēng)電機(jī)組的輸出功率。
[0004] 為了解決不平衡載荷和穩(wěn)定風(fēng)電機(jī)組輸出功率的問題，需要對風(fēng)電機(jī)組進(jìn)行綜合 分析，以此來改善風(fēng)電機(jī)組運(yùn)行的動態(tài)性能，從而降低對風(fēng)切變、風(fēng)剪切和塔影效應(yīng)在塔架 和槳葉等關(guān)鍵部件上產(chǎn)生的不平衡載荷，使風(fēng)電機(jī)組輸出功率穩(wěn)定。

【發(fā)明內(nèi)容】

[0005] 為了解決上述技術(shù)問題，本發(fā)明提供一種基于RBF神經(jīng)網(wǎng)絡(luò)PID的大型風(fēng)電機(jī)組獨(dú) 立變槳控制方法，通過RBF神經(jīng)網(wǎng)絡(luò)在線自學(xué)習(xí)能力，得出PID控制器參數(shù)調(diào)節(jié)變化量，從而 優(yōu)化大型風(fēng)電機(jī)組獨(dú)立變槳控制系統(tǒng)的動態(tài)性能，實現(xiàn)風(fēng)切變、風(fēng)剪切和塔影效應(yīng)在槳葉 葉片、塔架等關(guān)鍵部件上產(chǎn)生不平衡載荷的有效改善，穩(wěn)定風(fēng)電機(jī)組輸出功率。
[0006] 本發(fā)明解決上述問題的技術(shù)方案是：
[0007] -種基于RBF神經(jīng)網(wǎng)絡(luò)PID的大型風(fēng)電機(jī)組獨(dú)立變槳控制方法，包括以下步驟：
[0008] 1)建立風(fēng)電機(jī)組的數(shù)學(xué)模型，計算風(fēng)電機(jī)組槳葉的揮舞力矩；
[0009] 2)通過park變換，把揮舞力矩變換為固定坐標(biāo)系下的偏航力矩與俯仰力矩；
[0010] 3)把偏航力矩和俯仰力矩輸入到RBF神經(jīng)網(wǎng)絡(luò)PID控制器，通過RBF神經(jīng)網(wǎng)絡(luò)在線 自學(xué)習(xí)能力，由梯度下降法得出PID控制器參數(shù)調(diào)節(jié)變化量，PID控制器輸出靜止坐標(biāo)系下 的槳距角；
[0011] 4)經(jīng)過park逆變換把步驟3)得到的槳距角變換成三個葉片的槳距角，再把三個葉 片槳距角與同步變槳槳距角進(jìn)行疊加，得出風(fēng)電機(jī)組每個葉片的變槳槳距角，實現(xiàn)對風(fēng)電 機(jī)組的獨(dú)立變槳控制。
[0012]上述基于RBF神經(jīng)網(wǎng)絡(luò)PID的大型風(fēng)電機(jī)組獨(dú)立變槳控制方法，所述步驟1)中，建 立的風(fēng)電機(jī)組數(shù)學(xué)模型為：
[0013]
[0014]
[0015]
[0016]
[0017]
[0018]
[0019] 其中，J是風(fēng)輪的轉(zhuǎn)動慣量，Ω是葉片的轉(zhuǎn)速，&是Ω的導(dǎo)數(shù)，Xfa是塔架在俯仰方 向的位移，4是X fa的一階導(dǎo)數(shù)和二階導(dǎo)數(shù)，Xsd是塔架側(cè)向方向的位移，<:f、.C是 Xsd的一階導(dǎo)數(shù)和二階導(dǎo)數(shù)，貧是葉片1和葉片2處的有效風(fēng)速，Tg是電機(jī)電磁轉(zhuǎn)矩， mtw是塔架等效質(zhì)量，H是風(fēng)機(jī)塔架高度，R是風(fēng)電機(jī)組葉片半徑，&|是塔架的剛度，dtw是塔架 的阻尼系數(shù)，\是風(fēng)輪轉(zhuǎn)矩對風(fēng)速的導(dǎo)數(shù)，是風(fēng)輪轉(zhuǎn)矩對槳距角的導(dǎo)數(shù)。
[0020] 上述基于RBF神經(jīng)網(wǎng)絡(luò)PID的大型風(fēng)電機(jī)組獨(dú)立變槳控制方法，所述步驟2)中，葉 片i的揮舞力矩Mzi，則偏航力矩和俯仰力矩為
[0021]
〇
[0022]上述基于RBF神經(jīng)網(wǎng)絡(luò)PID的大型風(fēng)電機(jī)組獨(dú)立變槳控制方法，所述步驟3)中，通 過跟蹤系統(tǒng)的俯仰力矩Mtut和偏航力矩Myaw來調(diào)節(jié)風(fēng)輪轉(zhuǎn)速、轉(zhuǎn)矩和葉片載荷，設(shè)RBF神經(jīng) 網(wǎng)絡(luò)的輸入量為
[0023] X= [u(k) ,u(k-l) ,y(k-l) ]τ
[0024] 式中u(k)、y(k)為控制對象的控制信號和槳距角反饋信號;k表示神經(jīng)網(wǎng)絡(luò)計算次 數(shù)；
[0025] 設(shè)控制系統(tǒng)的輸入為r(k)，則控制系統(tǒng)的誤差為
[0026] e(k) =r(k)-y(k)
[0027] 由梯度下降法得PID參數(shù)調(diào)節(jié)量為
[0028]
[0029]
[0030]
[0031] 式中，np表示比例學(xué)習(xí)速率，ηι表示積分學(xué)習(xí)速率，nD表示微分學(xué)習(xí)速率，e (k)表示 誤差，y(k)表示控制目標(biāo)的輸出量，Xl(k)為RBF神經(jīng)網(wǎng)絡(luò)PID控制器的輸入量；
[0032] RRF袖怒國欽的猝向甚向量為? =「?!，φ2, · · ·，φη]，(J)i的高斯表示形式為
[0033]
[0034] 式中，M表示中心數(shù);cU表示中心之間的最大距離，X表示RBF神經(jīng)網(wǎng)絡(luò)輸入向量，ti 表示第i個神經(jīng)網(wǎng)絡(luò)結(jié)點(diǎn)的中心矢量，m表示RBF神經(jīng)網(wǎng)絡(luò)神經(jīng)元個數(shù)；
[0035]設(shè)置PID控制器為RBF神經(jīng)網(wǎng)絡(luò)的輸出端，輸出量為
[0036]
[0037] 式中Co1為第i個RBF神經(jīng)網(wǎng)絡(luò)隱含層與輸出層之間權(quán)值。
[0038]本發(fā)明的有益效果在于：
[0039] 1、本發(fā)明通過RBF神經(jīng)網(wǎng)絡(luò)在線自學(xué)習(xí)能力，對RBF神經(jīng)網(wǎng)絡(luò)的權(quán)值進(jìn)行在線調(diào) 整，得出PID控制器參數(shù)調(diào)節(jié)變化量來優(yōu)化大型風(fēng)電機(jī)組獨(dú)立變槳控制系統(tǒng)的動態(tài)性能，從 而實現(xiàn)風(fēng)切變、風(fēng)剪切和塔影效應(yīng)在槳葉葉片、塔架等關(guān)鍵部件上產(chǎn)生不平衡載荷的有效 改善，穩(wěn)定風(fēng)電機(jī)組輸出功率，提高了風(fēng)機(jī)的性能、效率和使用壽命；
[0040] 2、本發(fā)明提高了獨(dú)立變槳控制系統(tǒng)對運(yùn)行在額定風(fēng)速以上的動態(tài)性能，風(fēng)電機(jī)組 位于強(qiáng)湍流風(fēng)速下的性能得到明顯提高，適用于復(fù)雜的風(fēng)力發(fā)電系統(tǒng)運(yùn)行環(huán)境，而且不會 增加控制系統(tǒng)的硬件設(shè)備的復(fù)雜度；
[0041] 3、本發(fā)明采用RBF神經(jīng)網(wǎng)絡(luò)來調(diào)節(jié)PID參數(shù)，通過采用智能優(yōu)化控制算法，提高了 控制系統(tǒng)的性能和效率，有效減小了系統(tǒng)變量相互耦合的影響，提高了系統(tǒng)的穩(wěn)定性。
【附圖說明】
[0042]圖1為本發(fā)明的控制原理圖。
[0043] 圖2為本發(fā)明RBF神經(jīng)網(wǎng)絡(luò)PID控制框圖。
[0044] 圖3為本發(fā)明RBF神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)示意圖。
【具體實施方式】
[0045]下面結(jié)合附圖和實施例對本發(fā)明作進(jìn)一步的說明。
[0046]圖1所示為本發(fā)明的控制原理圖，本控制方法包括以下步驟：
[0047] 1)建立風(fēng)電機(jī)組的數(shù)學(xué)模型，計算風(fēng)電機(jī)組槳葉的揮舞力矩Mz1、Mz2、M z3;
[0048]為了提高風(fēng)電機(jī)組運(yùn)行的動態(tài)性能，本發(fā)明的控制對象選擇為風(fēng)輪轉(zhuǎn)矩、風(fēng)輪轉(zhuǎn) 速、葉片載荷和風(fēng)電機(jī)組輸出功率，建立