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. 【作者单位】： 湖南大学电气与信息工程学院;湖南世优电气股份有限公司;
【关键词】： 风机载荷 叶素 自适应率 动态性能 叶根弯矩
【基金】：科技部国家国际科技合作专项(批准号:2011DFA62890)资助项目
【分类号】：TM315
【正文快照】： 引用格式:韩兵,周腊吾,陈浩,等.基于RBF神经网络的风电机组独立变桨控制.中国科学:技术科学,2016,46:248–255Han B,Zhou L W,Chen H,et al.based on RBF neural-network for Individual pitch control of wind turbine(in Chinese).Sci Sin Tech,2016,46:*E-mail:hanbing9107

您可以在本站搜索以下学术论文文献来了解更多相关内容