发电机励磁系统参数辨识的仿真研究

研究发电机励磁系统参数辩识问题,由于励磁系统是一个非线性系统,造成电力系统不稳定.传统时域或频域辩识方法不能辩识其非线性环节,导致励磁系统辩识的精度低.为了提高发电机励磁系统的辩识精度,提出一种神经网络的发电机励磁系统参数非线性辨识方法.以发电机励磁系统实际输入作为神经网络的输入,以实际励磁系统输出与神经网络输出之间的最小误差作为目标函数,通过不断调整神经网络的权值对神经网络模型进行优化,最后得到满足系统误差要求的发电机励磁系统参数.仿真结果表明,改进方法解决了传统辩识方法无法准确辩识励磁系统非线性环节的难题,有效提高了励磁系统的辨识精度.     

无刷励磁同步风力发电机免疫单神经元控制

根据同步无刷风力发电机系统的特点,提出了同步无刷励磁风力发电机励磁系统设计方法,采用可控硅静止励磁装置向交流励磁机定子励磁绕组提供直流励磁,励磁机输出交流电经过旋转整流器供给风力发电机励磁,根据风速变化,控制励磁机的励磁从而可以控制同步发电机的励磁,使得输出电压恒定;在额定风速以下,获得最大风能利用系数;额定风速以上,保证输出功率恒定;并采用免疫单神经元PID控制算法,使系统的抗干扰能力加强。     

双馈异步风力发电机功率控制扰动法仿真研究

双馈异步风力发电机有功功率、无功功率的解耦控制是变速恒频风力发电系统的关键技术,也是保证风力发电机组安全高效运行的关键.介绍了交流励磁变速恒频风力发电的基本原理,提出了功率控制扰动策略.利用定子磁链定向的矢量控制方法建立了双馈异步发电机在d-q坐标系下的数学模型,实现了定子有功功率、无功功率的解耦控制.推导了双馈异步发电机的线性化模型并分析了其特件.利用MATLAB/Simulink建立了系统的仿真模型,并就主要扰动参数对系统功率控制性能的影响进行了分析.仿真结果验证了功率控制扰动策略的正确性和可行性,为风力发电技术的进一步研究提供了理论依据.     

基于交流跟踪的同步发电机最优励磁控制技术研究

针对同步发电机采用传统PID控制不能很好地满足电力系统对抑制振荡、提高动态稳定极限等方面要求的问题,提出了一种基于交流跟踪的同步发电机最优励磁控制方法;给出了基于拉格朗日方法的同步发电机励磁系统偏差线性化模型,分析了最优励磁控制量的确定方法,建立了基于最优励磁控制方法的同步发电机系统仿真模型。仿真结果表明,与传统PID控制方法相比,最优励磁控制方法能够实时控制同步发电机励磁系统,确保了同步发电机的输出稳定性。     

多机系统励磁与STATCOM协调控制研究

针对传统的静止同步补偿器STATCOM的控制方法对维持节点电压、阻尼系统振荡以及提高系统暂态稳定性能的不足之处,提出了一种基于模糊控制的励磁与STATCOM协调控制方法.该方法是以模糊集合论、模糊语言变量及模糊逻辑推理为基础,将发电机励磁与STATCOM的协调控制策略转化为模糊规则的形式,从而实现了对多机系统的稳定控制.利用Matlab软件对三机系统进行数值仿真表明,与常规的AVR/PSS励磁控制器和PID STATCOM控制器相比,协调控制具有优良的动态品质,在系统遭受各种故障情况下具备较强的鲁棒性;同时也说明了协调控制在提高电压稳定性上的有效性.     

新型双馈风力发电机有功功率平滑控制策略研究

针对由于风能的不确定性、风力发电机的大惯性以及风力发电系统的响应延迟性等造成的风力发电机输出有功功率在一定范围内有波动的问题,提出了一种新型双馈风力发电机有功功率平滑控制策略。该控制策略在全风速范围内采用变浆与变速协调控制策略,并在其基础上增加了一个有功功率误差控制环节,将转子电压辅助控制指令值作为反馈量加入原来的转子电压控制指令值,通过控制SPWM脉冲发生器来实现风力发电机定子输出有功功率的平滑控制。Matlab/Simulink仿真结果表明,与传统有功功率控制策略相比,该新型有功功率平滑控制策略有效抑制了双馈风力发电机输出有功功率的波动。     

双馈感应风力发电机组的非线性变结构空载并网控制策略

采用矢量控制结合PI控制来实现双馈感应发电机并网时,电机的各种磁链以及电压电流交叉耦合补偿部分都会降低电网电压跟踪的速度,使动态响应性能不够理想,令超调量增大.本文采用变结构控制与全状态反馈线性化解耦相结合的控制策略,来控制双馈感应发电机组的空载并网过程.在MATLAB仿真模型基础上,从空载并网时发电机定子电压对电网电压的跟踪、并网过渡过程中定转子电流变化情况,和并网后功率调节和最大风能捕获这3个阶段进行了仿真分析.最后将非线性变结构控制器与传统矢量控制外加PI调节控制的仿真结果进行了对比分析.结果表明,采用全状态反馈线性化变结构控制的双馈感应风力发电机组,可以实现发电机的平滑并网,并网效果较好,定子电流对电网冲击小,转子电流实现比较平稳的过渡.并网后,发电机能够有效地进行最大风能捕获,实现变速恒频发电和有功、无功功率的独立调节控制.通过与传统矢量控制的比较分析,可以看出,双馈感应风力发电机组采用状态反馈精确线性化变结构控制器比传统矢量PI控制器对电网电压跟踪速度更快,动态响应更快速、调节时间和超调量更小.     

交流励磁发电机智能模糊励磁控制研究

在深入分析和研究交流励磁发电机的基础上,结合模糊控制不依赖对象模型、控制迅速等优点,针对交流励磁发电机提出了一种带有智能模糊控制器的新颖解耦励磁控制方法.通过模糊控制理论建立了相应的励磁控制模型,并以双PWM变换器为基础设计了智能模糊励磁控制器;通过仿真分析验证了智能模糊励磁控制器提高了系统的运行性能,以及智能模糊控制方法的正确性和有效性.     

基于模糊RBF的双馈风机励磁控制研究

针对传统矢量控制精度依赖于发电机精确数学模型和参数等缺点,在分析双馈感应发电机电磁关系基础上,研究一种基于模糊神经网络的励磁控制策略.设计了基于模糊RBF解耦的励磁控制器,并对模糊RBF解耦算法进行研究;对基于模糊RBF的励磁控制的兆瓦级双馈风力发电系统进行仿真,结果验证了基于模糊RBF励磁控制的双馈发电机系统具有有功、无功功率的快速解耦能力,其调节过程响应速度快,超调量小,无静差;对于外界干扰和电机内部参数变化等问题都有良好的鲁棒性和参数自适应性.     

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.     

Adaptive Continuous Neural Pitch Angle Control for Variable‐Speed Wind Turbines

As wind energy becomes one of the fastest growing renewable energy resources, the control of large‐scale wind turbines remains a challenging task due to its system model nonlinearities and high external uncertainties. In this paper, an adaptive neural pitch angle control strategy is proposed for the variable‐speed wind turbines (VSWT) operating in pitch control region. The control objective is to maintain the rotor speed and generator power at the prescribed reference values in the presence of external disturbance, without the need of the information of system parameters and aerodynamics. First, the order of the system dynamics is increased by defining a filtered regulation error. By this means, the non‐affine characteristics of the VSWT model is transformed into a simple affine control problem and thus the feedback linearization technique can be employed. The continuousness of control signal is also guaranteed to relax the requirement on the bandwidth of actuators, and the mechanical load on pitching systems is reduced. Subsequently, an online learning approximator (OLA) is utilized to estimate the unknown nonlinear aerodynamics of the wind turbine and extend the practicability of the proposed adaptive parameter‐free controller. In addition, a high‐gain observer is implemented to obtain an estimation of rotor acceleration, which rejects the need of additional sensors. Rigid theoretical analysis guarantees the tracking of rotor speed/generator power and the boundedness of all other signals of the closed‐loop system. Finally, the effectiveness of the proposed scheme is testified via the Wind Turbine Blockset simulation package in Matlab/Simulink environment. Moreover, comparison results reveal that the introduced solution is able to provide better regulation performance than the conventional PI counterpart.     

基于神经网络模型的空燃比非线性模型预测控制

采用基于径向基神经网络（RBFNN）模型的非线性模型预测控制方法,被控对象选择火花塞点火（SI）发动机的空燃比（AFR）高度非线性复杂系统,利用渐消记忆最小二乘法实现基于RBFNN的SI发动机AFR系统建模以及参数在线自适应更新。针对非线性模型预测控制中寻优问题,运用序列二次规划滤子算法对最优控制序列进行求解,并加入滤子技术避免了罚函数的使用。在相同的实验环境下,与PI控制算法和Volterra模型预测控制方法进行仿真对比实验,结果表明,所提算法的控制效果明显优于其他两种方法。     

溶解氧浓度的直接自适应动态神经网络控制方法

针对污水处理过程溶解氧浓度的控制问题,提出一种直接自适应动态神经网络控制方法(direct adaptive dynamic neural network control,DADNNC).构建的控制系统主要包括神经网络控制器和补偿控制器.神经网络控制器由自组织模糊神经网络实现系统状态与控制量之间的映射;提出一种基于规则无用率的结构修剪算法,并给出结构调整后网络收敛的理论证明.同时,为保证系统稳定,设计补偿控制器减小网络逼近误差,参数调整由Layapunov理论给出.国际基准仿真平台上的实验表明,与固定结构神经网络控制器、PID和模型预测控制等已有控制方法相比,DADNNC方法具有更高的控制精度和更强的适应能力.     

Dynamic performance improvement of an isolated wind turbine induction generator

A dynamic model of a variable speed stand alone wind generation system is developed. The transient performance of the system under variable wind gust and other disturbance conditions has been studied. It has been observed that a stand alone generator is very vulnerable to transient disturbances in the system. A variable susceptance excitation control system, installed at the generator terminal, has been shown to improve the dynamic performance of the system following transient disturbances. Additional pole-placement based PI and PID controllers in the excitation control circuit are shown to control the violently oscillating and even growing transients very effectively. The robustness of the proposed controller has been tested for various disturbances and also for a range of operation.     

Improved low-voltage ride through capability for PMSG wind turbine based on port-controlled hamiltonian system

This paper presents a nonlinear feedback controller for a permanent-magnet synchronous generator (PMSG) wind turbine system based on port-controlled Hamiltonian system. For the simplification, this work focuses on the nonlinear control law of the grid side converter (GSC) that is directly connected to the grid and affected during network disturbances. The proposed controller is designed through the analysis of PMSG GSC model from the passivity viewpoint in order to regulate the reference of the DC voltage and track the reference of the reactive current. The exponential stability of the equilibrium point of the error dynamics at the origin is guaranteed by using Lyapunov theory. Finally, the proposed method is validated through simulation. The simulation results show that the performance has smaller overshoot and faster convergence when the proposed method is used than when the conventional method is used.     

基于动态函数连接神经网络的自适应逆控制系统辨识研究

自适应逆控制将系统扰动消除和动态响应性能独立分开控制,其性能的优劣取决于系统对象、逆对象及逆控制器模型辨识精度的高低。文中提出用动态函数连接神经网络来实现自适应逆控制系统对象、逆对象的同时在线建模和逆控制器的离线建模,并将模型参数的辨识转化为空间参数寻优。针对混沌初始化对已收敛种群结构的破坏性,提出用变参数混沌粒子群优化算法对神经网络权值进行全局寻优,通过仿真实验可以看出基于动态函数连接神经网络的建模误差小,辨识精度高;与当前的参考模型自适应控制方法进行对比分析,所提方法能取得较好的扰动消除效果,并能使系统的跟踪响应性能得到提高,从而验证了方法的有效性、可行性。     

基于神经网络逆控制的水轮机调节系统

根据神经网络对非线性系统模型的辨识能力,将其与自适应逆控制相结合,对水轮发电机组的逆模型进行建模,构建一种新的水轮机调节系统。该方案以逆系统以及系统辨识理论为基础,以水轮发电机组作为被控对象,分别针对其频率和负荷扰动,建立神经网络在线逆控制器,对系统进行调控,并将仿真结果与传统PID控制进行比较。从仿真结果可以看出,所提的控制方案能够实现对水轮发电机组的有效控制,使系统具有较好的动态性能和鲁棒性。     

变桨距风力机特性模拟

变桨距风力机在不同风速下具有不同的运行状态和输入输出关系.文章根据空气动力学理论研究了风力机静动态特性;探讨了不同风速下,变桨距风力机的控制方案及运行状态;根据变桨距风力机不同的运行状态,设计了发电机特性和桨距角控制方案;在matlab/simulink环境下,建立了适应变桨距风力机全状态的模拟系统;在匀速风、阵风、渐...     

电网故障下双馈风力发电机网侧变换器的高阶滑模控制

针对电网故障下对双馈风力发电机网侧变换器的影响,本文采用滑模变结构控制方法,提出了采用增加瞬时功率前馈补偿的高阶滑模变结构控制策略,为此首先简要的分析了双馈风力发电机中双脉宽调制（PWM）型变换器的结构和控制原理,然后根据网侧变换器的数学模型,提出对网侧变换器采用电网电压定向欠量控制,以实现交流侧单位功率因数和直流环节电压控制．提出的方法提高了系统响应速度,克服参数变化和外电压波动的影响．仿真结果表明了该策略的有效性．     

Multi‐Variable Direct Self‐Organizing Fuzzy Neural Network Control for Wastewater Treatment Process

A multi‐variable direct self‐organizing fuzzy neural network control (M‐DSNNC) method is proposed for the multi‐variable control of the wastewater treatment process (WWTP). In this paper, the proposed control system is an essential multi‐variable control method for the WWTP. No exact plant model is required, which avoids the difficulty of establishing the mathematics model of WWTP. The M‐DSNNC system is comprised of a fuzzy neural network controller and a compensation controller. The fuzzy neural network is used for approximating the ideal control law under a general nonlinear system. Moreover, the neural network is designed in a self‐organizing mode to adapt the uncertainty environment. Simulation results, based on the international benchmark simulation model No.1 (BSM1), demonstrate that the control accuracy is improved under the proposed M‐DSNNC method, and the controller has a much stronger decoupling ability.