CN104005909B - 非线性前馈与模糊pid结合的风力发电机组变桨距控制方法 - Google Patents
非线性前馈与模糊pid结合的风力发电机组变桨距控制方法 Download PDFInfo
- Publication number
- CN104005909B CN104005909B CN201410162896.3A CN201410162896A CN104005909B CN 104005909 B CN104005909 B CN 104005909B CN 201410162896 A CN201410162896 A CN 201410162896A CN 104005909 B CN104005909 B CN 104005909B
- Authority
- CN
- China
- Prior art keywords
- msub
- fuzzy
- msubsup
- particle
- generator
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/70—Wind energy
- Y02E10/72—Wind turbines with rotation axis in wind direction
Landscapes
- Control Of Eletrric Generators (AREA)
Abstract
本发明公开了一种非线性前馈控制与粒子群优化模糊PID控制结合的风力发电机变桨距控制方法。该方法提出基于有功功率偏差的前馈控制策略,当发电机组运行在额定风速以上时,运用发电机有功功率P与额定功率P0得到功率偏差△P;通过MAPSO模糊PID控制器给出变桨距控制期望输出的桨距角β1;同时经非线性前馈控制器得出变桨距控制期望的前馈桨距角β2;MAPSO模糊PID控制器得到的桨距角β1与前馈桨距角β2相加,得到桨距角设定值β。本发明降低了系统的调节时间,增加系统的稳定性和可靠性,较传统控制器具有明显的优势。
Description
技术领域
本发明涉及风力发电技术领域,具体是一种非线性前馈与多Agent粒子群(MAPSO)优化模糊PID控制结合的风力发电机组变桨距控制方法。
背景技术
现代风力发电兴起于20世纪70年代,经过多年的发展从最初的定桨距到现在的变桨距,从恒速恒频到如今的变速恒频,风力发电技术已较为成熟,基本实现了风力发电机组从能够向电网供电到理想地向电网供电的最终目标。
近年来变桨距机组逐渐成为风力发电的主流机型。为了保证大中型风力发电机组在额定风速以上安全运行并能稳定地输出额定功率,通常采用变桨距控制方式即通过改变风轮桨叶桨距角进而改变风力机风能利用系数,使机组输出功率保持稳定。
电动变桨距风力发电机组大多数是采用变增益PI或PID变桨距控制方式,通过测量偏差来调整叶片桨距角,改变气流对叶片的攻角,从而改变风轮获得的空气动力转矩使机组输出功率保持稳定。变速变桨距风力发电机组是一个非线性、多变量、时变的复杂系统,因此很难建立精确的数学模型。对于风力发电机组的变桨距系统而言,传统的PID反馈控制方法存在反馈信号校正动作滞后的问题,即只有当机组实际功率与功率设定值出现偏差时,控制器才会开始调节。由于变桨系统的惯性和迟延,造成控制过程动态调节时间长、超调量大。另外,风力发电机组在变桨过程中不可避免会对风力发电机组造成载荷冲击,对于大型变速变桨距风力发电机组的变桨控制,如何能在提高功率品质的同时,降低风力发电机组关键部位的载荷成为主要问题。
因此,设计一种新型风力发电机组变桨系统控制方法,以解决现有技术存在的问题,具有重要的理论和现实意义。
发明内容
针对以上现有技术中的不足,本发明的目的在于提供一种提高模糊控制器的鲁棒性和控制精度、减少了系统的调节时间而且降低了机械抖动的方法,本发明的技术方案如下:一种非线性前馈与模糊PID结合的风力发电机组变桨距控制方法,其包括以下步骤:
101、用功率表测量风力发电机组的发电机功率P;
102、将步骤101得到的发电机功率P与发电机额定功率P0进行差值运算得到功率偏差ΔP,并计算出Δt时间内的功率偏差率ΔP/Δt;
103、初始化模糊控制器、PID控制器,根据步骤102得到的功率偏差ΔP、功率偏差率ΔP/Δt,将功率偏差ΔP、功率偏差率ΔP/Δt作为模糊控制器的输入变量,即误差信号E和误差信号变化率EC,然后选择模糊控制器中模糊子集的隶属度函数,去模糊化,并将隶属度函数的顶点坐标作为一个粒子,采用多Agent粒子群MAPSO寻优算法优化模糊控制器的隶属度函数,得出模糊控制器的输出为三个增益KP,KI,KD,将KP,KI,KD作为PID控制器的输入变量,所述PID控制器的输出为变桨距控制期望输出的桨距角β1;
104、采集风力发电机组的发电机风速数据V(t),将风力发电机组的发电机风速数据V(t)作为自变量,将发电机桨距角β(t)作为因变量,对发电机桨距角—风速数据对进行拟合,建立桨距角—风速非线性前馈控制器模型:
βf(t)=β(V)=a0+a1V+a2V2+…+anVn,非线性前馈控制器中系数采用最小二乘多项式拟合方法来确定,设当前时刻的测量风速为Vt,上一控制时刻的实际桨距角为βf(t-1),则前馈控制器的输出增量型参考前馈桨距角为:β2=βf(t)-βf(t-1);
105、将步骤103中得到的变桨距控制期望输出的桨距角β1与步骤104得到的前馈桨距角β2相加,得到发电机叶片的变桨角度β,即β=β1+β2;
106、将步骤105中的发电机叶片变桨角度β传输给发电机变桨执行机构,所述发电机变桨执行机构根据发电机叶片变桨角度β进行变桨,完成控制。
进一步的,步骤103中,模糊控制器规则表示成:
其中E表示误差信号,EC表示误差信号的变化率,……,表示E的模糊集合,……,,表示EC的模糊集合,KP,KI,KD表示PID控制器的三个增益,表示PID控制器增益对应的模糊集合。
进一步的,步骤103中的隶属度函数选择三角隶属函数,去模糊化方法采用重心法。
进一步的,MAPSO寻优算法包括以下步骤:
A、初始化粒子群体,MAPSO初始化为一群粒子,其中第i个粒子在d维解空间的位置为Xi=(Xi1,Xi2,Xi3,...,Xid),初始化粒子的两个极值个体最优值pbest和全局最优值gbest;
B、竞争:每个粒子按照选取邻居粒子,并根据计算适应度值调整自己的位置信息;
C、更新:粒子通过如下公式来更新其速度和位置,
vid(t+1)=wvid(t)+c1r1[pbest(t)-xid(t)]+c2r2[gbest(t)-xid(t)] (1)
xid(t+1)=xid(t)+vid(t+1) (2)
式中,c1=c2=2,为加速因子,w为惯性因子,r1和r2是介于[0,1]之间的随机数,t为时间;
D、计算适应度值:根据适应度函数计算每个粒子的适应度值,其公式如下:
式中,e(t)为系统误差,u(t)为控制输出,tu为上升时间,ω1,ω2,ω3为权值;根据适应度函数更新粒子的全局最优值,当计算所得的最优值达到设定值或算法到达最大迭代次数时,退出MAPSO寻优算法;否则返回步骤B。
本发明的优点及有益效果如下:
1、本发明使用多Agent粒子群算法来优化模糊PID控制器中隶属度函数,并用于控制风力发电机组桨距角的变化,来提高模糊控制器的鲁棒性和控制精度;2、根据风速与桨距角之间的非线性关系引入前馈控制器来得到合适的前馈变桨角,这样不仅减少了系统的调节时间而且降低了机械抖动;3、本发明将MAPSO模糊PID控制器和非线性前馈控制器应用到风力发电机组中,加快了系统的动态响应,降低系统的调节时间,同时增加了系统的稳定性和可靠性。
附图说明
图1为非线性前馈控制与多Agent粒子群优化模糊PID结合的风力发电机变桨距控制方法示意图。
具体实施方式
下面结合附图给出一个非限定性的实施例对本发明作进一步的阐述。
参照图1所示,如图1所示,本发明的具体步骤是:
步骤1:测量风力发电机组的发电机功率P;
步骤2:将发电机功率P与额定功率P0进行差值运算得到功率偏差ΔP;
步骤3:MAPSO模糊PID控制,即MAPSO模糊PID控制器根据功率偏差ΔP,计算出变桨距控制期望输出的桨距角β1;
模糊PID控制器的输入变量是误差信号和误差信号变化率,输出变量是PID控制器的三个增益。将多输入多输出的模糊系统分解成多输入单输出的模糊控制系统来进行考虑,模糊控制规表示成:
其中E表示误差信号,EC表示误差信号的变化率,……,表示E的模糊集合,……,表示EC的模糊集合,KP,KI,KD表示PID控制器的三个增益,表示PID控制器增益对应的某个模糊集合。
模糊控制器中的模糊子集的隶属度函数选择三角隶属函数,去模糊化方法采用重心法。在确定模糊PID控制器后,本发明通过将隶属度函数的顶点坐标作为一个粒子,利用多Agent粒子群优化算法兼有进化计算和群智能的特点来优化控制器的隶属度函数。
MAPSO算法过程主要包括以下几个部分:
(1)初始化粒子群体:MAPSO初始化为一群粒子,其中第i个粒子在d维解空间的位置为Xi=(Xi1,Xi2,Xi3,...,Xid),初始化粒子的两个极值个体最优值(pbest)和全局最优值(gbest)。
(2)竞争:每个粒子按照一定规律选取邻居粒子,并根据计算适应度值调整自己的位置信息。
(3)更新:粒子通过如下公式来更新其速度和位置,
vid(t+1)=wvid(t)+c1r1[pbest(t)-xid(t)]+c2r2[gbest(t)-xid(t)] (1)
xid(t+1)=xid(t)+vid(t+1) (2)
式中,c1=c2=2,为加速因子,w为惯性因子,r1和r2是介于[0,1]之间的随机数,t为时间。
(4)计算适应度值:根据适应度函数计算每个粒子的适应度值,本发明采用误差绝对值时间积分性能指标作为参数优化的适应值函数,为了防止控制量过大,在适应度函数中加入控制输出的平方项,其公式如下:
式中,e(t)为系统误差,u(t)为控制输出,tu为上升时间,ω1,ω2,ω3为权值。
根据适应度函数更新粒子的全局最优值。当计算所得的最优值达到设计要求或算法到达最大迭代次数时,退出MAPSO寻优算法;否则返回步骤(2)。
步骤4:非线性前馈控制,额定风速以上,为保证机组输出功率维持在额定功率,桨距角和风速之间存在确定的非线性关系,根据这关系设计非线性前馈控制器,通过控制器得到期望的前馈桨距角β2;
风能利用系数CP代表了风轮从风能中吸收功率的能力,是叶尖速比λ和桨距角β的高阶非线性函数机组有包括铜损、变速箱等的固定损耗设其为a%,且由可得:
在式(4)中,将实际风速V作为输入变量,将桨距角β作为输出变量,则可得到:
β=g[(1+a%)P0,V] (5)
由于式(4)存在严重的非线性,直接从式(4)中整理出式(5)的解析形式十分困难.本文采用数值计算的方法来进行简化,得到为保证额定风速以上功率恒定的对应不同风速的一组桨距角值。
将外部扰动V(t)作为自变量,将桨距角β(t)作为因变量。通过最小二乘多项式拟合的方法对桨距角—风速数据对进行拟合,建立桨距角—风速非线性模型:
βf(t)=β(V)=a0+a1V+a2V2+…+anVn (6)
即为保证机组输出功率维持在额定功率所需的桨距角与对应风速的非线性关系。
非线性前馈控制器式设计,式(6)中系数采用最小二乘多项式拟合方法来确定,设当前时刻的测量风速为Vt,上一控制时刻的实际桨距角为βf(t-1),则前馈控制器的输出增量型参考前馈桨距角为:
β2=βf(t)-βf(t-1)
步骤5:MAPSO模糊PID控制器输出的桨距角β1与前馈桨距角β2相加,得到叶片的变桨角度β;
步骤6:变桨执行机构根据变桨叶片的变桨角度β驱动叶片变桨。
综上所述,本发明使用一种非线性前馈与MAPSO优化模糊PID控制结合的风力发电机组变桨距控制方法,在模糊PID控制器的基础上,使用多Agent粒子群算法来优化模糊控制器的隶属函数,使得模糊控制器的鲁棒性和控制精度得到提高;同时通过数值计算和多项式拟合的方法获得了叶轮桨距角与风速之间的解析非线性模型,并将其作为前馈控制器,从而达到快速补偿的作用。该方法具有良好的控制效果,不仅能提高控制精度和风机稳定性,而且有效减小系统超调量和缩短调节时间。
以上这些实施例应理解为仅用于说明本发明而不用于限制本发明的保护范围。在阅读了本发明的记载的内容之后,技术人员可以对本发明作各种改动或修改,这些等效变化和修饰同样落入本发明方法权利要求所限定的范围。
Claims (4)
1.一种非线性前馈与模糊PID结合的风力发电机组变桨距控制方法,其特征在于包括以下步骤:
101、用功率表测量风力发电机组的发电机功率P;
102、将步骤101得到的发电机功率P与发电机额定功率P0进行差值运算得到功率偏差ΔP,并计算出Δt时间内的功率偏差率ΔP/Δt;
103、初始化模糊控制器、PID控制器,根据步骤102得到的功率偏差ΔP、功率偏差率ΔP/Δt,将功率偏差ΔP、功率偏差率ΔP/Δt作为模糊控制器的输入变量,即误差信号E和误差信号变化率EC,然后选择模糊控制器中模糊子集的隶属度函数,去模糊化,并将隶属度函数的顶点坐标作为一个粒子,采用多Agent粒子群MAPSO寻优算法优化模糊控制器的隶属度函数,得出模糊控制器的输出为三个增益KP,KI,KD,将KP,KI,KD作为PID控制器的输入变量,所述PID控制器的输出为变桨距控制期望输出的桨距角β1;
104、采集风力发电机组的发电机风速数据V(t),将风力发电机组的发电机风速数据V(t)作为自变量,将发电机桨距角β(t)作为因变量,对发电机桨距角—风速数据对进行拟合,建立桨距角—风速非线性前馈控制器模型:βf(t)=β(V)=a0+a1V+a2V2+…+anVn,n表示外部扰动的拟合次数,扰动非线性前馈控制器中系数采用最小二乘多项式拟合方法来确定,设当前时刻的测量风速为Vt,上一控制时刻的实际桨距角为βf(t-1),则前馈控制器的输出增量型参考前馈桨距角为:β2=βf(t)-βf(t-1);
105、将步骤103中得到的变桨距控制期望输出的桨距角β1与步骤104得到的前馈桨距角β2相加,得到发电机叶片的变桨角度β,即β=β1+β2;
106、将步骤105中的发电机叶片变桨角度β传输给发电机变桨执行机构,所述发电机变桨执行机构根据发电机叶片变桨角度β进行变桨,完成控制。
2.根据权利要求1所述的非线性前馈与模糊PID结合的风力发电机组变桨距控制方法,其特征在于:步骤103中,模糊控制器规则表示成:
<mrow>
<mi>I</mi>
<mi>F</mi>
<mi> </mi>
<mi>E</mi>
<mi> </mi>
<mi>i</mi>
<mi>s</mi>
<mi> </mi>
<msubsup>
<mi>X</mi>
<mn>1</mn>
<mn>1</mn>
</msubsup>
<mi>a</mi>
<mi>n</mi>
<mi>d</mi>
<mi> </mi>
<mi>E</mi>
<mi>C</mi>
<mi> </mi>
<mi>i</mi>
<mi>s</mi>
<mi> </mi>
<msubsup>
<mi>X</mi>
<mn>2</mn>
<mn>1</mn>
</msubsup>
<mo>,</mo>
<mi>T</mi>
<mi>H</mi>
<mi>E</mi>
<mi>N</mi>
<mi> </mi>
<msub>
<mi>K</mi>
<mi>P</mi>
</msub>
<mo>=</mo>
<msubsup>
<mi>Y</mi>
<mi>P</mi>
<mi>i</mi>
</msubsup>
<mo>,</mo>
<msub>
<mi>K</mi>
<mi>I</mi>
</msub>
<mo>=</mo>
<msubsup>
<mi>Y</mi>
<mi>I</mi>
<mi>j</mi>
</msubsup>
<mo>,</mo>
<msub>
<mi>K</mi>
<mi>D</mi>
</msub>
<mo>=</mo>
<msubsup>
<mi>Y</mi>
<mi>D</mi>
<mi>k</mi>
</msubsup>
<mo>;</mo>
</mrow>
<mrow>
<mi>I</mi>
<mi>F</mi>
<mi> </mi>
<mi>E</mi>
<mi> </mi>
<mi>i</mi>
<mi>s</mi>
<mi> </mi>
<msubsup>
<mi>X</mi>
<mn>1</mn>
<msub>
<mi>n</mi>
<mn>1</mn>
</msub>
</msubsup>
<mi>a</mi>
<mi>n</mi>
<mi>d</mi>
<mi> </mi>
<mi>E</mi>
<mi>C</mi>
<mi> </mi>
<mi>i</mi>
<mi>s</mi>
<mi> </mi>
<msubsup>
<mi>X</mi>
<mn>2</mn>
<msub>
<mi>n</mi>
<mn>1</mn>
</msub>
</msubsup>
<mo>,</mo>
<mi>T</mi>
<mi>H</mi>
<mi>E</mi>
<mi>N</mi>
<mi> </mi>
<msub>
<mi>K</mi>
<mi>P</mi>
</msub>
<mo>=</mo>
<msubsup>
<mi>Y</mi>
<mi>P</mi>
<mi>i</mi>
</msubsup>
<mo>,</mo>
<msub>
<mi>K</mi>
<mi>I</mi>
</msub>
<mo>=</mo>
<msubsup>
<mi>Y</mi>
<mi>I</mi>
<mi>j</mi>
</msubsup>
<mo>,</mo>
<msub>
<mi>K</mi>
<mi>D</mi>
</msub>
<mo>=</mo>
<msubsup>
<mi>Y</mi>
<mi>D</mi>
<mi>k</mi>
</msubsup>
<mo>;</mo>
</mrow>
其中E表示误差信号,EC表示误差信号的变化率,表示E的模糊集合,n1表示E或EC的模糊集合个数,表示EC的模糊集合,KP,KI,KD表示PID控制器的三个增益,表示PID控制器增益对应的模糊集合。
3.根据权利要求1所述的非线性前馈与模糊PID结合的风力发电机组变桨距控制方法,其特征在于:步骤103中的隶属度函数选择三角隶属函数,去模糊化方法采用重心法。
4.根据权利要求1所述的非线性前馈与模糊PID结合的风力发电机组变桨距控制方法,其特征在于:MAPSO寻优算法包括以下步骤:
A、初始化粒子群体,MAPSO初始化为一群粒子,其中第i个粒子在d维解空间的位置为Xi=(Xi1,Xi2,Xi3,...,Xid),初始化粒子的两个极值个体最优值pbest和全局最优值gbest;
B、竞争:每个粒子按照选取邻居粒子,并根据计算适应度值调整自己的位置信息;
C、更新:粒子通过如下公式来更新其速度和位置,
vid(t+1)=wvid(t)+c1r1[pbest(t)-xid(t)]+c2r2[gbest(t)-xid(t)] (1)
xid(t+1)=xid(t)+vid(t+1) (2)
式中,c1=c2=2,为加速因子,w为惯性因子,pbest(t)表示粒子个体最优值,gbest(t)表示粒子全局最优值,r1和r2是介于[0,1]之间的随机数,t为时间;
D、计算适应度值:根据适应度函数计算每个粒子的适应度值,其公式如下:
<mrow>
<mi>J</mi>
<mo>=</mo>
<msubsup>
<mo>&Integral;</mo>
<mn>0</mn>
<mi>&infin;</mi>
</msubsup>
<mrow>
<mo>(</mo>
<msub>
<mi>&omega;</mi>
<mn>1</mn>
</msub>
<mo>|</mo>
<mi>e</mi>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
<mo>|</mo>
<mo>+</mo>
<msub>
<mi>&omega;</mi>
<mn>2</mn>
</msub>
<mi>u</mi>
<msup>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>)</mo>
</mrow>
<mi>d</mi>
<mi>t</mi>
<mo>+</mo>
<msub>
<mi>&omega;</mi>
<mn>3</mn>
</msub>
<msub>
<mi>t</mi>
<mi>u</mi>
</msub>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>3</mn>
<mo>)</mo>
</mrow>
</mrow>
式中,e(t)为系统误差,u(t)为控制输出,tu为上升时间,ω1,ω2,ω3为权值;根据适应度函数更新粒子的全局最优值,当计算所得的最优值达到设定值或算法到达最大迭代次数时,退出MAPSO寻优算法;否则返回步骤B。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410162896.3A CN104005909B (zh) | 2014-04-22 | 2014-04-22 | 非线性前馈与模糊pid结合的风力发电机组变桨距控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410162896.3A CN104005909B (zh) | 2014-04-22 | 2014-04-22 | 非线性前馈与模糊pid结合的风力发电机组变桨距控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104005909A CN104005909A (zh) | 2014-08-27 |
CN104005909B true CN104005909B (zh) | 2017-09-19 |
Family
ID=51366745
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410162896.3A Active CN104005909B (zh) | 2014-04-22 | 2014-04-22 | 非线性前馈与模糊pid结合的风力发电机组变桨距控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104005909B (zh) |
Families Citing this family (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104533714B (zh) * | 2014-11-03 | 2017-03-01 | 华北电力大学 | 一种风力发电机组控制器参数辨识与整定方法 |
CN105281615A (zh) * | 2015-11-12 | 2016-01-27 | 广西师范大学 | 一种基于改进粒子群算法优化无刷直流电机模糊控制器的方法 |
CN105888971B (zh) * | 2016-04-28 | 2018-12-18 | 华北电力大学 | 一种大型风力机叶片主动降载控制系统及方法 |
CN106246464B (zh) * | 2016-07-28 | 2018-09-28 | 许继集团有限公司 | 一种风力发电机组变桨距的模糊pi控制方法和装置 |
CN106843227A (zh) * | 2017-03-09 | 2017-06-13 | 杭州电子科技大学 | 一种智能汽车自主循迹路径规划的方法 |
CN106870281A (zh) * | 2017-04-06 | 2017-06-20 | 哈尔滨理工大学 | 一种基于模糊前馈和模糊‑pi的变桨距控制方法 |
CN107387316B (zh) * | 2017-08-30 | 2024-01-02 | 南京信息工程大学 | 一种基于压力变送器的风机独立变桨控制系统 |
CN108412688A (zh) * | 2018-04-11 | 2018-08-17 | 上海电机学院 | 一种风速前馈与模糊pid结合的变桨控制方法 |
CN109185054B (zh) * | 2018-09-11 | 2020-06-12 | 浙江运达风电股份有限公司 | 风力发电机桨距角控制方法、系统、装置及可读存储介质 |
CN111828246B (zh) * | 2019-04-23 | 2022-11-18 | 新疆金风科技股份有限公司 | 风力发电机组防过速控制方法和装置、存储介质 |
CN113309663B (zh) * | 2021-03-08 | 2022-11-15 | 新疆金风科技股份有限公司 | 用于风力发电机组的控制方法及控制装置 |
CN113048017B (zh) * | 2021-04-02 | 2022-04-26 | 国网湖南省电力有限公司 | 基于内模控制的风电机组有功功率控制优化方法及系统 |
CN113883008B (zh) * | 2021-11-23 | 2023-06-16 | 南瑞集团有限公司 | 一种可抑制多扰动因素的风机模糊自适应变桨距控制方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4161658A (en) * | 1978-06-15 | 1979-07-17 | United Technologies Corporation | Wind turbine generator having integrator tracking |
CN101223358A (zh) * | 2005-07-18 | 2008-07-16 | 剪式风能科技公司 | 使用塔的动态特性进行风流量估计和跟踪 |
CN103487047A (zh) * | 2013-08-06 | 2014-01-01 | 重庆邮电大学 | 一种基于改进粒子滤波的移动机器人定位方法 |
-
2014
- 2014-04-22 CN CN201410162896.3A patent/CN104005909B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4161658A (en) * | 1978-06-15 | 1979-07-17 | United Technologies Corporation | Wind turbine generator having integrator tracking |
CN101223358A (zh) * | 2005-07-18 | 2008-07-16 | 剪式风能科技公司 | 使用塔的动态特性进行风流量估计和跟踪 |
CN103487047A (zh) * | 2013-08-06 | 2014-01-01 | 重庆邮电大学 | 一种基于改进粒子滤波的移动机器人定位方法 |
Non-Patent Citations (1)
Title |
---|
风电机组非线性前馈与模糊PID结合变桨距控制研究;郭鹏;《动力工程学报》;20101130;第30卷(第11期);正文第839-843页,图1 * |
Also Published As
Publication number | Publication date |
---|---|
CN104005909A (zh) | 2014-08-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104005909B (zh) | 非线性前馈与模糊pid结合的风力发电机组变桨距控制方法 | |
CN104595106B (zh) | 基于强化学习补偿的风力发电变桨距控制方法 | |
US10302067B2 (en) | Model based controller for a wind turbine generator | |
CN109072875B (zh) | 使用实时增益计算的风力涡轮机的控制 | |
CN108488035B (zh) | 永磁直驱风力发电机组失速和变桨混合控制方法 | |
CN103410660A (zh) | 基于支持向量机的风力发电变桨距自学习控制方法 | |
CN109737008A (zh) | 风电机组智能变桨控制系统及方法、风电机组 | |
CN108512258B (zh) | 一种基于改进多智能体一致性算法的风电场有功调度方法 | |
CN104533714A (zh) | 一种风力发电机组控制器参数辨识与整定方法 | |
CN104314755B (zh) | 基于ipso的dfig变桨距ladrc方法及系统 | |
CN103527405B (zh) | 一种双馈式风力发电机组变桨距控制方法 | |
CN103184972B (zh) | 兆瓦级异步双馈风机转矩/桨距控制器参数自整定方法 | |
CN110145436A (zh) | 应用于风机的非线性经济模型预测控制方法 | |
CN113883008B (zh) | 一种可抑制多扰动因素的风机模糊自适应变桨距控制方法 | |
WO2018115423A1 (en) | Fatigue load minimization in an operation of a wind farm | |
CN105626378A (zh) | 基于rbf神经网络的大型风电机组独立变桨控制方法 | |
CN116292095B (zh) | 一种串列式双风轮风电机组多场景协调运行方法 | |
CN105156270A (zh) | 风力发电机独立变桨控制系统及方法 | |
Anjun et al. | Pitch control of large scale wind turbine based on expert PID control | |
CN108717266B (zh) | 风场风机功率基于扰动观测器的神经自适应跟踪控制方法 | |
CN116316671A (zh) | 基于改进粒子群算法的风电场虚拟惯量优化分配方法 | |
Malmir et al. | Controlling megawatt class WECS by ANFIS network trained with modified genetic algorithm | |
CN109611274B (zh) | 一种风力发电机组高风速区lqg优化控制方法 | |
CN109488526B (zh) | 基于比例-极限学习机稳态估计的变桨距控制方法 | |
CN111502914A (zh) | 基于线性变参数系统的风机变桨控制器设计方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |