双馈风力发电机非线性模型预测控制

在现代风力发电厂中, 需对双馈式风力发电机(Doubly fed induction generator, DFIG)进行有效控制来确保高效率和高负荷跟踪能力. 风力发电厂包含很多不确定因素和非线性因素, 传统的线性控制器往往难以奏效. 本文针对双馈式风力发电机的功率控制提出了一种非线性模型预测控制方法. 文中的目标函数考虑了现实约束下的经济因素和设定值跟踪能力, 同时降低机组磨损和机械疲劳. 预测值可基于输入输出反馈线性化(Input-output feedback linearization, IOFL)策略来计算. 仿真实验结果验证了所构造的非线性模型预测控制器的有效性.     

双馈风电机组的自适应神经网络保性能虚拟同步机控制

近年来，可再生能源的电网渗透率逐年提升，电网对可再生能源参与一次、二次调频的需求也愈加紧迫，虚拟同步机技术（VSG）应运而生.VSG能够赋予新能源机组主动参与电网调频的能力，然而当VSG应用于双馈感应风力发电机（DFIG）时，存在动态过程中转子电流超出转子侧变流器（RSC）容量的风险.本文提出一种应用于DFIG的保性能虚拟同步控制器，通过使用误差映射函数将输出受限的系统转化为等价的不受限系统，并使用李亚普诺夫方法设计保性能控制器，保证转子电流在调频、故障穿越等强动态过程中不超过任意人为设定的限制；此外，利用神经网络自适应策略，对发电机组中的不确定动态特性进行补偿，从而获得理想的控制效果.最后，本文通过大量仿真验证了所提控制策略在调频能力、转子电流控制和应对参数偏差等方面的控制性能.     

基于PR调节器的双馈感应风力发电机控制研究

针对传统的双dq、PI调节器控制策略在不对称跌落下所带来的延时问题,提出了一种基于PR调节器的控制策略:采用功率闭环得到转子侧变换器所需的正序电流给定量,通过抑制电磁转矩二倍频来计算负序电流给定量。Matlab/Simulink仿真结果表明,基于PR调节器的控制策略很好地解决了延时问题,且与双dq、PI调节器控制策略相比,控制性能更优。     

双馈发电机的TS - PID模糊控制算法仿真研究

研究发电机控制器设计优化问题.针对常规PID控制算法鲁棒性差和响应速度低的问题,从电机学基本原理出发,建立了双馈感应发电机的动态数学模型.根据其数学模型的非线性特性,提出了基于TS模型的PID模糊控制算法.在数学建模的基础上,将PID控制算法和TS - PID模糊控制算法用于双馈感应发电机有功功率控制问题中,并对发电机的PID控制器和TS - PID控制器分别进行了仿真.仿真结果表明:采用TS模型的模糊PID控制方法比常规PID具有更大范围的鲁棒性与稳定性.     

双馈感应风力发电系统低电压穿越转子侧新型控制方法

建立了增加定子励磁电流变化的双馈感应风力发电系统数学模型,分析了电网电压跌落时以及电压恢复后系统的响应特性.针对电网电压大值跌落的情况,提出了一种低电压穿越控制方案:首先在转子侧变换器定子磁链定向的矢量控制方案中引入一个补偿项——定子励磁电流的微分项;在此基础上,在发电机的转子侧串联电阻.仿真结果表明,该方法在电网电压大值跌落时,能够对定、转子侧的过电压过电流有明显的抑制作用.     

双馈风力发电机系统的自抗扰神经网络的励磁控制

在双馈发电机传统控制方式的基础上, 将自抗扰控制技术和BP神经网络相结合结合, 应用于双馈风力发电机并网运行的控制上, 提出了一种新的双馈风力发电机并网运行控制方案. 该控制方案具有内外两个控制环, 内环通过BP神经网络实现双馈风力发电机的转子d-q轴电流控制, 外环通过自抗扰技术实现双馈风力发电机定子侧的有功、无功控制. 由于自抗扰控制器利用一阶跟踪微分器和扩张状态观测器对系统扰动进行动态跟踪补偿, 在此基础上输出双馈电机转子交--直轴电流的参考值, 然后将该参考值作为BP神经网络训练样本的输入, 训练后的BP神经网络可以更好地逼近实际转子电压输出量. 论文设计并实现了该方案的具体控制算法. 仿真测试表明: 该控制方案具有优良的动态性能, 对系统的内外扰动具有较强的鲁棒性, 在没有精确的发电机参数情况下依然可实现并网系统的稳定运行.     

双馈感应风力发电机组的滑模直接电压控制

为解决PI矢量控制动态响应慢且依赖电机精确参数的问题, 本文将滑模控制与空间矢量调制结合, 提出了一种开关频率固定的滑模直接电压控制(SMDVC)方法, 以实现双馈感应电机(DFIG)的电网同步控制. 实验结果表明, 提出的SMDVC方法具有比PI矢量控制更好的动态性能, 即使在电网电压不平衡工况下, 也能较好地控制DFIG定子电压实现对电网电压的精确跟踪.     

风力发电系统中双馈异步发电机的仿真研究

该文利用坐标变换技术,推导了双馈感应风力发电机在d—q坐标系下的数学模型,基于变速恒频矢量控制原理在MATAIAB＼SIMULINK环境下分别用现成的几种基本模块和S函数两种方法搭建了相应的动态仿真模型,对双PWM变频器励磁的变速恒频双馈异步发电机模型进行了仿真研究。仿真结果表明了模型的正确性,为风力发电系统的进一步应用研究提供了可靠的理论依据。最后对两种建模方法的仿真速度作了比较,结果表明仿真速度取决于模型中模块的数量,积分函数在仿真过程中最耗时,使用S-函数能有效地提高仿真速度。     

不平衡电网电压下双馈感应发电机无源控制

本文以抑制电网电压不平衡所带来的定、转子不平衡电流为目标,提出了一种基于无源化方法的双馈感应发电机不平衡控制策略.首先在分析了正转同步旋转坐标系下的双馈感应发电机正序模型及负序模型无源性的基础上,设计了正、负序模型的无源性状态反馈控制器;然后给出了一种期望状态值计算方法,根据不平衡控制目标得到定、转子电流负序分量的指令值,结合定子电压的正序分量和电磁转矩的期望值计算出定、转子电流正序分量的给定值;最后得到电网电压不平衡条件下双馈感应发电机的无源控制器.仿真结果表明:所提出的控制方案有效地抑制了电网电压不平衡故障时定子及转子的不平衡电流,降低了输出电磁转矩的波动,提高了双馈感应发电机系统在电网电压不平衡条件下实现不间断运行的能力.     

Intelligent control of doubly‐fed induction generator systems using PIDNNs

An intelligent control for a stand‐alone doubly‐fed induction generator (DFIG) system using a proportional‐integral‐derivative neural network (PIDNN) is proposed in this study. This system can be applied as a stand‐alone power supply system or as the emergency power system when the electricity grid fails for all sub‐synchronous, synchronous, and super‐synchronous conditions. The rotor side converter is controlled using field‐oriented control to produce 3‐phase stator voltages with constant magnitude and frequency at different rotor speeds. Moreover, the grid side converter, which is also controlled using field‐oriented control, is primarily implemented to maintain the magnitude of the DC‐link voltage. Furthermore, the intelligent PIDNN controller is proposed for both the rotor and grid side converters to improve the transient and steady‐state responses of the DFIG system for different operating conditions. Both the network structure and online learning algorithm are introduced in detail. Finally, the feasibility of the proposed control scheme is verified through experimentation. Copyright © 2011 John Wiley and Sons Asia Pte Ltd and Chinese Automatic Control Society     

Power control of a doubly fed induction generator connected to the power grid

In this paper, the regulation control problem of the active and reactive power at the common connection point between a doubly fed induction generator and the grid is approached. The proposed controller is developed exploiting the passivity properties of the considered model for the control system. It is considered the existence of a wind turbine that delivers a time-varying torque to the generation unit which exhibits a highly nonlinear structure due to the variations of the wind speed. From a theoretical perspective, the main feature of the contribution lies in the fact that it is formally proved that the equilibrium point of the closed-loop system that corresponds to the desired power exhibits practical global asymptotic stability properties. This characteristic is obtained applying well-known theory from the perturbed nonlinear dynamical systems theory. However, in the numerical evaluation of the proposed controller, it is illustrated how these properties are indeed stronger since asymptotic stability is achieved.     

基于神经网络的预测控制算法

针对某炼油厂油品车间柴油调和过程这个多输入多输出复杂对象进行了神经网络内模控制的仿真研究,其中在线优化算法采用线性规划的方法.神经网络预测控制正是克服了传统控制思想的束缚,通过对象的输入输出特性建立对象的数学模型,而不必通过复杂的系统辨识来建立过程的模型.对仿真结果进行了比较,结果表明神经网络预测控制算法对复杂对象具有较好的控制作用.     

Robust nonlinear controller design of wind turbine with doubly fed induction generator by using Hamiltonian energy approach

Based on Hamiltonian energy theory, this paper proposes a robust nonlinear controller for the wind turbine with doubly fed induction generator (DFIG), such that the closed-loop system can achieve its stability. Furthermore, in the presence of disturbances, the closed-loop system is finite-gain L2 stable by the Hamiltonian controller. The Hamiltonian energy approach provides us a physical insight and gives a new way to the controller design. The simulation results illustrate that the proposed method is effective and has its advantage.     

基于广义投影神经网络优化的模型预测控制*

为降低模型预测控制优化问题的计算复杂度,以时滞系统的模型预测控制问题作为研究对象,利用神经网络动态平衡点与优化问题解相对应的特点,提出一种基于广义投影神经网络的模型预测控制优化算法。首先,将模型预测控制优化问题描述为一个带约束的二次规划问题,进一步,通过广义投影神经网络模型进行在线优化。该方法充分发挥了神经网络并行、结构简单的优点,通过具体实例仿真,验证了本文算法的有效性与优越性。     

Flicker mitigation in a doubly fed induction generator wind turbine system

This paper describes a doubly fed induction generator (DFIG) control for wind energy generation. The DFIG model is established and the adopted control strategies for machine side and grid side converters are described. Flicker phenomenon is defined and its emission of variable speed wind turbine with DFIG during continuous operation is studied. Calculation of flicker severity is evaluated using flickermeter. Appropriate vector power control of the machine side converter is proposed and applied to achieve flicker mitigation.     

面向FPGA便捷部署的智能模型预测控制

现场可编程逻辑门阵列(FPGA)具有可编程、易并行化的独特优势, 是实现一体化感知、决策、控制最具前景的人工智能芯片之一, 但其硬件描述语言(HDL)不易掌握. 本文提出了一种基于神经网络的智能MPC及其FPGA便捷部署方法, 使用高层次综合(HLS)生成HDL代码, 并通过MATLAB-Modelsim联合仿真验证代码功能, 可克服人工编写HDL代码的困难, 提高控制算法的部署效率. 该方法利用了深度神经网络的结构特点和FPGA的并行计算优势, 离线训练神经网络在线仅需硬件化正向传播, 在低资源占用的同时具有严格计算时间保证. 将所提方法分别应用于高速、高维控制系统中, FPGA在环测试验证了其有效性.     

非线性系统神经网络预测控制研究进展

摘 要：神经网络由于其在非线性系统建模与优化求解方面的优势,被广泛应用于预测控制中,形成了各种各样的神经网络预测控制算法。本文系统地评述了非线性系统神经网络预测控制系统中的模型选取、控制器优化、控制系统结构设计方法以及收敛性理论等研究现状,分析了非线性系统神经网络预测控制算法存在的问题和今后的研究方向。     

一种无约束多步递归神经网络预测控制器

本文针对具有强非线性、多工作点特性的控制系统, 提出了一种基于递归BP神经网络的多步预测模型; 通过分析预测模型的内在数学关系, 选择了二次型函数作为预测控制器的目标函数, 并给出了目标函数关于控制序列的雅可比矩阵和赫森矩阵的计算方法; 最后使用Newton-Rhapson算法设计出了滚动优化控制策略, 构建了一个非线性多步预测控制器. 仿真结果表明, 文中提出的多步预测控制器具有较好的控制效果.