基于支持向量机的风力发电变桨距自学控制方法

摘要

本发明针对风力发电系统变桨距控制问题，提出了一种基于支持向量机的滑模变桨距控制方法。学控制分为两步，第一步采用常规滑模控制器（SMC）进行控制，SVM-SMC控制器通过支持向量机学得到控制器的结构和初步参数。当学到达一定程度并且SVM-SMC对SMC的逼近误差小于一个阈值时，变桨距系统切换到SVM-SMC控制。第二步采用探索机制，实际控制量由SVM-SMC控制器输出加上均值为零的正态分布的随机扰动构成，根据预测性能指标得到学样本，通过在线学算法对控制参数进行实时优化。本发明不仅具有滑模控制的抗干扰、对变化参数鲁棒性强以及速度快等优点，在保证功率输出稳定在额定值附近的同时，实现桨距角的平稳调节，减轻了机组疲劳度和组件间的磨损。

主权项

1.一种基于支持向量机的风力发电变桨距自学习控制方法，其特征在于该变桨距控制系统采用基于支持向量机的滑模控制,用风速风向传感器采集关于风速等数据信号，当风速信号超过额定值且满足风力机运行条件时，则启动风机的变桨距调节，测量机组输出功率，根据功率偏差求得滑模输入变量s，控制系统分为两阶段进行学习，阶段实现如下：阶段1：控制前期采用SMC控制器输出对变桨距对象进行控制，并在线采集各个采样时刻的滑模控制器的输入（滑模变量s_i）和输出（参考桨距角β_i^*），和功率偏差,形成数据对（s_i，β_i^*），经过设定的评估周期后经对数据的有效性判断后加入支持向量学习控制器（SVM-SMC）的训练样本集合D;同时SVM-SMC控制器通过支持向量机学习算法，对样本数据按照目标函数进行学习得到控制器的结构和初步参数;通过支持向量机的学习功能拟合等效滑模控制作用，得到变桨距对象的控制量，即参考桨距角：其中，b为偏置；θ_i=α_i-α^*_i，α_i和α^*_i为拉格朗日乘子； K(x_i, x)为核函数;阶段2：当学习到达一定程度并且SVM-SMC对常规滑模控制器的逼近误差小于一个阈值时，变桨距系统输入控制切换到SVM-SMC输出，进入自学习阶段;新的训练样本需要通过控制器不断地与被控对象交互而顺序生成，同时对新增样本数据进行有效性判断;根据新得到的样本集，利用在线学习算法对控制结构和参数进行实时校正，其步骤如下：Step1接收新数据，构造新样本(s_c , β_c)，Step2经过设定的评估周期后判断数据有效性，若有效则加入训练样本集；否则丢弃数据转Step1；Step3使用批量式或者增量式支持向量机训练算法进行在线训练；Step4 计算SVM-SMC控制器输出U_svm；Step5 计算以U_svm输出为均值，按某种分布用于探索的扰动值；Step6 以SVM-SMC控制器输出加扰动量作为桨距角参考值，对变桨距对象进行控制；Step7等待数据在线更新，转Step1不断将新数据加入到支持向量机训练集，通过对每次迭代过程中增加的样本进行学习，在线调整SVM-SMC控制器参数，实现系统的不断优化。