基于神经网络预测控制风力发电机变桨距研究

论文摘要

能源危机已经日益加重,开发和利用可再生能源是解决能源危机的主要手段。风能是一种绿色清洁新能源,以其环保、可再生等特点备受人们的关注。风力发电机是获取风能的主要手段,随着风力发电等相关理论研究的深入,风力发电厂已遍布全球,风力发电机所发出的电能占全球总发电量的比重正在不断上升。变桨距风力发电机以其良好的启动性能和高风速自调节性能,必将逐渐取代定桨距风力发电机,成为未来风力发电机的主要装机类型。因此,对于变桨距控制系统的研究工作具有很大的现实意义。本文针对变桨距风力发电机在变桨距控制过程中,由于风速的速度和幅值不断变化,易引起节距调节盲目或频繁调节等问题,提出了一种基于风速短期预测控制的变桨距控制系统。首先,在对风电场的风速特性进行分析的基础上,对几种典型神经网络的风速预测效果进行了比较和分析。其次,根据风力发电系统的性能要求,设计神经网络预测控制器的相关参数。并根据变桨距控制的优化策略,设定神经网络预测控制器的内部控制规则。最后,将神经网络预测控制器引入常规变桨距控制系统,利用预测控制器的预测输出优化变桨距调节过程,减少桨距角不必要的调节动作。通过MATLAB仿真软件对神经网络风速预测效果及其预测误差进行仿真和对比分析,并使用PSCAD仿真软件对新构建变桨距控制系统的控制效果进行仿真验证。仿真结果表明,该控制系统能够有效地减小变桨距调节的盲目性,降低不必要变桨距调节频率。同时,该预测控制方法提高了变桨距控制系统的性能,使风力发电机运行条件更宽,输出功率更加稳定。

论文目录

• 致谢
• 摘要
• Abstract
• 1 绪论
• 1.1 新能源的利用势在必行
• 1.2 风力发电发展现状
• 1.3 风力发电控制技术
• 1.4 本论文主要工作
• 2 风力发电技术
• 2.1 风力发电机的基本结构
• 2.2 风力发电技术的基本理论
• 2.3 风速模型
• 2.4 风力发电机的功率调节方式
• 2.4.1 定桨距风力发电机失速控制
• 2.4.2 风力发电机变桨距控制
• 2.4.3 变桨距控制过程
• 2.5 本章小结
• 3 人工神经元网络
• 3.1 前馈神经元网络
• 3.1.1 神经网络的学习方式
• 3.1.2 BP 神经网络学习方法
• 3.2 过程神经元网络
• 3.3 过程神经元网络的学习算法
• 3.4 蚁群优化算法
• 3.4.1 基于蚁群算法的多目标优化
• 3.4.2 连续空间的信息素更新策略
• 3.4.3 连续空间蚁群算法的搜索策略
• 3.4.4 Pareto 解集的构建与算法实现
• 3.4.5 仿真实验与分析
• 3.5 本章小结
• 4 神经元网络短期风速预测
• 4.1 BP 神经网络短期风速预测
• 4.2 过程神经网络短期风速预测
• 4.3 基于蚁群优化算法的神经网络训练过程
• 4.4 基于蚁群优化算法的神经网络短期风速预测
• 4.4.1 神经网络参数的蚁群优化算法
• 4.4.2 基于蚁群优化算法的神经网络短期风速预测
• 4.5 神经网络风速预测模型参数更新策略
• 4.6 本章小结
• 5 变桨距控制技术
• 5.1 风力发电机数学模型及其特性
• 5.2 变桨距控制系统
• 5.3 神经网络预测控系统
• 5.4 基于神经网络预测控制的变桨距风力发电机控制系统
• 5.4.1 基于神经网络风速预测控制的速度控制器Ⅰ
• 5.4.2 基于神经网络风速预测控制的速度控制器Ⅱ
• 5.5 基于神经网络预测控制的变桨距控制系统仿真与分析
• 5.6 本章小结
• 结论
• 参考文献
• 附录A 部分仿真程序
• 作者简历
• 学位论文数据集