融合寻优算法的双馈风力机控制参数分步辨识方法

为获得准确的双馈风力机（DFIG）控制参数以提高电力系统机电/电磁仿真分析和计算的准确性，将长短期记忆（LSTM）神经网络与改进粒子群（IPSO）算法相结合对DFIG的控制参数进行辨识。首先，利用RT-LAB平台通过硬件在环（HIL）实验获得真实DFIG控制器的响应数据集；其次，为避免无关特征干扰LSTM模型的预测结果，利用最大信息系数提取出DFIG中高相关性的观测量特征；在此基础上，为提高算法的寻优速度，利用LSTM初步寻优到DFIG控制参数的初始值与搜索范围；最后，通过IPSO算法精确辨识出DFIG的控制参数，提高了辨识算法的寻优效率和精度。HIL测试结果证实了LSTM-IPSO辨识方法在20%～80%低电压穿越工况下具有良好的适应性，并能有效提高DFIG控制参数的辨识精度。