发明名称 |
基于RBF神经网络PID的风电机组独立变桨控制方法 |
摘要 |
本发明公开了一种基于RBF神经网络PID的大型风电机组独立变桨控制方法,步骤如下:建立风电机组数学模型,计算风电机组桨叶的挥舞力矩;通过park变换,把挥舞力矩变换为固定坐标系下的偏航力矩与俯仰力矩;把偏航力矩和俯仰力矩输入到RBF神经网络PID控制器,得出PID控制器参数调节变化量,PID控制器输出静止坐标系下的桨距角;经过park逆变换把得到的桨距角变换成三个叶片的桨距角,再与同步变桨桨距角进行叠加,得出风电机组每个叶片的变桨桨距角,实现对风电机组的独立变桨控制,从而实现风切变、风剪切和塔影效应在桨叶叶片、塔架等关键部件上产生不平衡载荷的有效改善,稳定风电机组输出功率。 |
申请公布号 |
CN105673325A |
申请公布日期 |
2016.06.15 |
申请号 |
CN201610022088.6 |
申请日期 |
2016.01.13 |
申请人 |
湖南世优电气股份有限公司 |
发明人 |
周腊吾;田猛;陈浩;韩兵;邓宁峰 |
分类号 |
F03D7/02(2006.01)I |
主分类号 |
F03D7/02(2006.01)I |
代理机构 |
湘潭市汇智专利事务所(普通合伙) 43108 |
代理人 |
颜昌伟 |
主权项 |
一种基于RBF神经网络PID的大型风电机组独立变桨控制方法,包括以下步骤:1)建立风电机组的数学模型,计算风电机组桨叶的挥舞力矩;2)通过park变换,把挥舞力矩变换为固定坐标系下的偏航力矩与俯仰力矩;3)把偏航力矩和俯仰力矩输入到RBF神经网络PID控制器,通过RBF神经网络在线自学习能力,由梯度下降法得出PID控制器参数调节变化量,PID控制器输出静止坐标系下的桨距角;4)经过park逆变换把步骤3)得到的桨距角变换成三个叶片的桨距角,再把三个叶片桨距角与同步变桨桨距角进行叠加,得出风电机组每个叶片的变桨桨距角,实现对风电机组的独立变桨控制。 |
地址 |
411101 湖南省湘潭市高新区火炬创新创业园 |