CN108717266A - 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 - Google Patents
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 Download PDFInfo
- Publication number
- CN108717266A CN108717266A CN201810540769.0A CN201810540769A CN108717266A CN 108717266 A CN108717266 A CN 108717266A CN 201810540769 A CN201810540769 A CN 201810540769A CN 108717266 A CN108717266 A CN 108717266A
- Authority
- CN
- China
- Prior art keywords
- wind turbine
- power
- fan
- function
- wind
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
- G05B13/041—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a variable is automatically adjusted to optimise the performance
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Control Of Eletrric Generators (AREA)
Abstract
本发明公开了一种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,包括:步骤一:建立风机功率的系统模型,步骤二:设计控制风机输出功率跟踪最大功率的控制器ui:而和的自适应律为步骤三:将控制器ui计算得到的指令输入风机系统,控制风机输出功率跟踪风机的最大输出功率。本发明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,其控制器能使风场中在有相互之间的扰动的时候,系统的输出功率能更好的地跟踪理想的最大功率信号,并确保系统跟踪误差渐近趋于零。
Description
技术领域
本发明涉及风场中风机控制技术领域,特别涉及一种控制风机跟踪最大输出功率的方法。
背景技术
现在风能被广泛利用,在风机功率控制方面,许多诸如滑膜,模糊,最优,反推控制等都与之结合,以达到跟踪最大功率的效果。风电场电力系统涉及大量风机,风机间的相互扰动对控制风场中风机,这会对控制器控制风场中每个风机的输出功率都能跟踪最优输出功率造成明显影响。但是现有的控制方法中,并没有考虑到风机之间有相互扰动的情况,因而控制系统输出功率追踪最大功率的效果还有待提高。
发明内容
有鉴于此,本发明的目的一种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,实现在风场中风机之间有相互扰动的情况下,使系统中各风机都产生近乎最佳的功率输出,从而使系统的输出功率能更好的地跟踪最大功率,并确保跟踪误差渐近趋于零。
本发明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,包括以下步骤:
步骤一:建立风机功率的系统模型
由风机产生的气动功率Pa为:
其中ρ为风的密度,v为风速,R为风机转子的半径,CP(λ,β)表示风机功率转换效率;β是叶片俯仰角。
叶尖速比λ由以下公式决定:
其中ωr是风机转子的角速度,于是Pa另一表达式为
Pa=ωrTa
Ta表示空气动力学力矩;
风机转子和发电机之间有以下数学关系
其中Jr是风机转子惯量,Jg是发电机转子惯量,是风机转子的角加速度,ωg是发电机转子的角速度,是发电机转子的角加速度,Kr是风机转子的外部阻尼,Kg是发电机转子的外部阻尼;Tls是低速扭矩,Ths是高速扭矩,Tem是发电机电磁转矩。连接风机转子和发电机转子的变速器的速比ng为:
传动系统可以写为
其中
Jt=Jr+ng 2Jg
Kt=Kr+ng 2Kg
Tg=ngTem
及而,
考虑到受环境变化引起的扰动,于是用ξi(·)表示系统中每个风机受到的扰动
于是每个风机的输出功率为
Pgi=Temiωgi=ngiTemiωri
由于风机的输出功率越大,风机的转速越快,风机之间的塔影效应就越大,从而会影响到其它风机的输出功率,用ψi(Pg1,Pg2...PgN)表示风机之间的这种影响;
yi=Pgi
以上式中ai(t)=ngiωri,ai(t)ui是风机系统的输入,yi是风机系统的输出;
步骤二:设计控制风机输出功率跟踪最大功率的控制器;
1)定义速度函数
其中T是可以任意设定的有限时间;是任意非递减函数,满足显然,当t≥T,有
于是引入以下速度函数
其中0<bf<<1为可任意设定的参数;
2)定义一个连续函数:
其中Z=[z1,z2...zq]∈Rq是神经网络的输入矢量;为权重,ξ(Z)是有界的逼近误差,满足|ξ(Z)|≤ξM;存在理想的W*,ξ*能最大限度的逼近函数:
对于基函数S(Z)=[s1(Z),...,sp(Z)]T的选择之一为
其中μj=[μj1,...,μjq]T,j=1,...p,表明存在未知常数满足Sj(Z)<γ,φj是高斯函数的宽度;W*满足:
于是基于这些性质,与上面的函数进行逼近
3)定义新的动力学
定义跟踪误差ei=Pgi-Pgi *,由于引入了速度函数,于是一个新的误差产生了:
设定条件:1)复合扰动fi未知但是有界满足|fi|≤αi;2)相互影响N是风机数量;其中φi,j(yj)≥0分别为未知常数和未知光滑函数;
4)为了简化计算和补偿相互作用,引入下面的未知变量ρi和平滑函数
于是
其中
为了设计复合扰动的观测器,定义变量
k0>0为设计参数
再定义
于是得到控制器控制器ui:
而和的自适应律为
其中ki0>0,ki1>0,ki2>0,,γρi>0,σρi>0为可任意设置的常数;
步骤三:将控制器ui计算得到的指令输入风机系统,控制系统输出功率跟踪最大输出功率。
本发明的有益效果:
本发明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,其控制器能使风场中在有相互之间的扰动的时候,使系统中各风机都产生近乎最佳的功率输出,从而使系统的输出功率能更好的地跟踪最大功率,并确保跟踪误差渐近趋于零。
具体实施方式
下面结合实施例对本发明作进一步描述。
本实施例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,包括以下步骤:
步骤一:建立风机功率的系统模型
由风机产生的气动功率Pa为:
其中ρ为风的密度,v为风速,R为风机转子的半径,CP(λ,β)表示风机功率转换效率;β是叶片俯仰角。
叶尖速比λ由以下公式决定:
其中ωr是风机转子的角速度,于是Pa另一表达式为
Pa=ωrTa
Ta表示空气动力学力矩;
风机转子和发电机之间有以下数学关系
其中Jr是风机转子惯量,Jg是发电机转子惯量,是风机转子的角加速度,ωg是发电机转子的角速度,是发电机转子的角加速度,Kr是风机转子的外部阻尼,Kg是发电机转子的外部阻尼;Tls是低速扭矩,Ths是高速扭矩,Tem是发电机电磁转矩;连接风机转子和发电机转子的变速器的速比ng为:
传动系统可以写为
其中
Jt=Jr+ng 2Jg
Kt=Kr+ng 2Kg
Tg=ngTem
及而,
考虑到受环境变化引起的扰动,于是用ξi(·)表示系统中每个风机受到的扰动
于是每个风机的输出功率为
Pgi=Temiωgi=ngiTemiωri
由于风机的输出功率越大,风机的转速越快,风机之间的塔影效应就越大,从而会影响到其它风机的输出功率,用ψi(Pg1,Pg2...PgN)表示风机之间的这种影响;
yi=Pgi
其中ai(t)=ngiωri,ai(t)ui是风机系统的输入,yi是风机系统的输出;下标中的i=1、2、3……N,i是对风机的编号,表示任意一个风机;
步骤二:设计控制风机输出功率跟踪最大功率的控制器;
1)定义速度函数
其中T是可以任意设定的有限时间;是任意非递减函数,满足显然,当t≥T,有
于是引入以下速度函数
其中0<bf<<1为可任意设定的参数;
2)定义一个连续函数:
其中Z=[z1,z2...zq]∈Rq是神经网络的输入矢量;为权重,ξ(Z)是有界的逼近误差,满足ξ(Z)|≤ξM;存在理想的W*,ξ*能最大限度的逼近函数:
对于基函数S(Z)=[s1(Z),...,sp(Z)]T的选择之一为
其中μj=[μj1,...,μjq]T,j=1,...p,表明存在未知常数满足Sj(Z)<γ,φj是高斯函数的宽度;W*满足:
是函数的估计值;
于是基于这些性质,与上面的函数进行逼近
3)定义新的动力学
定义跟踪误差ei=Pgi-Pgi *,由于引入了速度函数,于是一个新的误差产生了:
设定条件:1)复合扰动fi未知但是有界满足|fi|≤αi;2)相互影响N是风机数量;其中φi,j(yj)≥0分别为未知常数和未知光滑函数;
4)为了简化计算和补偿相互作用,引入下面的未知变量ρi和平滑函数
于是
其中
为了设计复合扰动的观测器,定义变量
k0>0为设计参数
再定义
于是得到控制器控制器ui:
而和的自适应律为
其中ki0>0,ki1>0,ki2>0,,γρi>0,σρi>0为可任意设置的常数;
步骤三:将控制器ui计算得到的指令输入风机系统,控制系统输出功率跟踪最大输出功率。
下面对使用本实施例中的控制器能使风机系统的输出功率跟踪理想的最大输出功率进行证明:
建立李雅普诺夫函数
其中:
则
运用杨氏不等式得到
于是得到
又由于
于是得到以下
带入上式
利用如下不等式
进一步可以得到:
考虑到整个闭环系统、控制律和自适应律,然后,整个闭环系统的所有信号都是半最终一致有界,并且跟踪性能可以保证。
建立整个闭环系统的李雅普诺夫函数:
将ρi,φi的定义带入,则有:
以上表面
qi才有界并且假设其界限为Qi≥0,于是有以下结论:
满足
则系统最后趋于稳定并且误差有界;进一步分析,因为之前得到
当
由此可以看出误差的衰减率不小于
通过上述证明可知,本实施例中风场中风机功率的基于扰动观测器的神经自适应跟踪控制方法,其控制器能使风场中在有相互之间的扰动的时候,系统的输出功率能更好的地跟踪理想的最大功率信号,并确保系统跟踪误差渐近趋于零。
最后说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的宗旨和范围,其均应涵盖在本发明的权利要求范围当中。
Claims (1)
1.一种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,其特征在于:包括以下步骤:
步骤一:建立风机功率的系统模型
由风机产生的气动功率Pa为:
其中ρ为风的密度,v为风速,R为风机转子的半径,CP(λ,β)表示风机功率转换效率;β为叶片俯仰角。
叶尖速比λ由以下公式决定:
其中ωr是风机转子的角速度,于是Pa另一表达式为
Pa=ωrTa
Ta表示空气动力学力矩;
风机转子和发电机之间有以下数学关系
其中Jr是风机转子惯量,Jg是发电机转子惯量,是风机转子的角加速度,ωg是发电机转子的角速度,是发电机转子的角加速度,Kr是风机转子的外部阻尼,Kg是发电机转子的外部阻尼;Tls是低速扭矩,Ths是高速扭矩,Tem是发电机电磁转矩;连接风机转子和发电机转子的变速器的速比ng为:
传动系统可以写为
其中
Jt=Jr+ng 2Jg
Kt=Kr+ng 2Kg
Tg=ngTem
及而,
考虑到受环境变化引起的扰动,于是用ξi(·)表示系统中每个风机受到的扰动
于是每个风机的输出功率为
Pgi=Temiωgi=ngiTemiωri
由于风机的输出功率越大,风机的转速越快,风机之间的塔影效应就越大,从而会影响到其它风机的输出功率,用ψi(Pg1,Pg2...PgN)表示风机之间的这种影响;
yi=Pgi
其中ai(t)=ngiωri,ai(t)ui是风机系统的输入,yi是风机系统的输出。
步骤二:设计控制风机输出功率跟踪最大功率的控制器;
1)定义速度函数
其中T是可以任意设定的有限时间;是任意非递减函数,满足
显然,当t≥T,有
于是引入以下速度函数
其中0<bf<<1为可任意设定的参数;
2)定义一个连续函数:
其中Z=[z1,z2...zq]∈Rq是神经网络的输入矢量;为权重,ξ(Z)是有界的逼近误差,满足|ξ(Z)|≤ξM;存在理想的W*,ξ*能最大限度的逼近函数:
对于基函数S(Z)=[s1(Z),...,sp(Z)]T的选择之一为
其中μj=[μj1,...,μjq]T,j=1,...p,表明存在未知常数满足Sj(Z)<γ,φj是高斯函数的宽度;W*满足:
于是基于这些性质,与上面的函数进行逼近
3)定义新的动力学
定义跟踪误差ei=Pgi-Pgi *,由于引入了速度函数,于是一个新的误差产生了:
设定条件:1)复合扰动fi未知但是有界满足|fi|≤αi;2)相互影响N为风机数量;其中φi,j(yj)≥0分别为未知常数和未知光滑函数;
4)为了简化计算和补偿相互作用,引入下面的未知变量ρi和平滑函数
于是
其中
为了设计复合扰动的观测器,定义变量
k0>0为设计参数
再定义
于是得到控制器控制器ui:
而和的自适应律为
其中ki0>0,ki1>0,ki2>0,,γρi>0,σρi>0为可任意设置的常数;
步骤三:将控制器ui计算得到的指令输入风机系统,控制系统输出功率跟踪最大输出功率。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810540769.0A CN108717266B (zh) | 2018-05-30 | 2018-05-30 | 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 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810540769.0A CN108717266B (zh) | 2018-05-30 | 2018-05-30 | 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 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108717266A true CN108717266A (zh) | 2018-10-30 |
CN108717266B CN108717266B (zh) | 2021-03-12 |
Family
ID=63911554
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810540769.0A Active CN108717266B (zh) | 2018-05-30 | 2018-05-30 | 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 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108717266B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110985289A (zh) * | 2019-12-04 | 2020-04-10 | 浙江大学 | 基于svr和smc的风电机组并具有预设性能的mppt方法 |
CN112147900A (zh) * | 2020-09-30 | 2020-12-29 | 苏州科技大学 | 全状态约束电力系统的有限时间自适应模糊跟踪控制方法 |
CN112486019A (zh) * | 2020-11-17 | 2021-03-12 | 九江学院 | 不确定风力发电机系统的最大功率跟踪模糊控制方法 |
CN112682258A (zh) * | 2020-12-25 | 2021-04-20 | 中南大学 | 基于Backstepping的大型风力机最大功率点跟踪控制方法 |
Citations (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH06511133A (ja) * | 1991-09-19 | 1994-12-08 | ユーエス・ウィンドパワー・インコーポレーテッド | 変速風力タービン用速度制御装置 |
EP1885054A1 (en) * | 2006-08-03 | 2008-02-06 | STMicroelectronics S.r.l. | Method of estimating the state of a system and related device for estimating position and speed of the rotor of a brushless motor |
CN101603503A (zh) * | 2009-07-21 | 2009-12-16 | 南京航空航天大学 | 一种定桨距风力机的内模控制方法 |
CN101881968A (zh) * | 2009-05-05 | 2010-11-10 | 同济大学 | 一种基于模型的设备故障诊断方法 |
CN101975140A (zh) * | 2010-09-08 | 2011-02-16 | 南京航空航天大学 | 基于功率反馈的风力发电机组全风速范围运行控制策略 |
CN102352814A (zh) * | 2011-06-21 | 2012-02-15 | 北京交通大学 | 一种大型直驱风电机组的最大功率跟踪方法 |
CN103244350A (zh) * | 2013-05-02 | 2013-08-14 | 国电南瑞科技股份有限公司 | 一种风力发电机组最佳叶尖速比跟踪控制方法 |
CN103410659A (zh) * | 2013-05-03 | 2013-11-27 | 浙江大学 | 基于High-Gain观测器的风力发电机组有效风速获取方法 |
EP2684736A1 (en) * | 2011-03-07 | 2014-01-15 | NTN Corporation | Electric vehicle |
WO2014049694A1 (ja) * | 2012-09-25 | 2014-04-03 | 株式会社安川電機 | モータ制御装置 |
DE102012218484A1 (de) * | 2012-10-10 | 2014-04-10 | Wobben Properties Gmbh | Verfahren zum Betreiben einer Windenergieanlage |
US20140265952A1 (en) * | 2013-03-15 | 2014-09-18 | Texas Instruments Incorporated | Automated Motor Control |
CN104329220A (zh) * | 2014-09-03 | 2015-02-04 | 上海交通大学 | 用于抑制风电机组扭振的扭转载荷控制器及控制方法 |
CN104836253A (zh) * | 2015-05-19 | 2015-08-12 | 清华大学 | 双馈风机虚拟惯量的控制方法及控制装置 |
CN104852652A (zh) * | 2015-05-06 | 2015-08-19 | 北京天诚同创电气有限公司 | 同步风力发电机闭环矢量控制方法和系统 |
CN104898431A (zh) * | 2015-06-10 | 2015-09-09 | 北京理工大学 | 一种基于扰动观测器的再入飞行器有限时间控制方法 |
US20150285222A1 (en) * | 2012-10-01 | 2015-10-08 | IFP Energies Nouvelles | Wind turbine control method using an estimation of the incident wind speed |
CN105156270A (zh) * | 2015-10-09 | 2015-12-16 | 上海电机学院 | 风力发电机独立变桨控制系统及方法 |
CN105156271A (zh) * | 2015-10-22 | 2015-12-16 | 扬州大学 | 受扰风力发电机系统的抗干扰最优功率跟踪控制方法 |
KR20160037715A (ko) * | 2014-09-26 | 2016-04-06 | 광운대학교 산학협력단 | 병렬형 풍력 발전기의 외란 관측기 기반 속도 제어기 및 그 운영 방법 |
CN106930898A (zh) * | 2017-05-19 | 2017-07-07 | 重庆大学 | 一种基于自适应扰动补偿的漂浮式风力机功率控制方法 |
CN107061158A (zh) * | 2017-06-27 | 2017-08-18 | 星际(重庆)智能装备技术研究院有限公司 | 一种低风速下风力发电机的预测与跟踪控制方法 |
US20180142674A1 (en) * | 2015-05-27 | 2018-05-24 | Vestas Wind Systems A/S | Control of a wind turbine taking fatigue measure into account |
-
2018
- 2018-05-30 CN CN201810540769.0A patent/CN108717266B/zh active Active
Patent Citations (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH06511133A (ja) * | 1991-09-19 | 1994-12-08 | ユーエス・ウィンドパワー・インコーポレーテッド | 変速風力タービン用速度制御装置 |
EP1885054A1 (en) * | 2006-08-03 | 2008-02-06 | STMicroelectronics S.r.l. | Method of estimating the state of a system and related device for estimating position and speed of the rotor of a brushless motor |
CN101881968A (zh) * | 2009-05-05 | 2010-11-10 | 同济大学 | 一种基于模型的设备故障诊断方法 |
CN101603503A (zh) * | 2009-07-21 | 2009-12-16 | 南京航空航天大学 | 一种定桨距风力机的内模控制方法 |
CN101975140A (zh) * | 2010-09-08 | 2011-02-16 | 南京航空航天大学 | 基于功率反馈的风力发电机组全风速范围运行控制策略 |
EP2684736A1 (en) * | 2011-03-07 | 2014-01-15 | NTN Corporation | Electric vehicle |
CN102352814A (zh) * | 2011-06-21 | 2012-02-15 | 北京交通大学 | 一种大型直驱风电机组的最大功率跟踪方法 |
WO2014049694A1 (ja) * | 2012-09-25 | 2014-04-03 | 株式会社安川電機 | モータ制御装置 |
US20150285222A1 (en) * | 2012-10-01 | 2015-10-08 | IFP Energies Nouvelles | Wind turbine control method using an estimation of the incident wind speed |
DE102012218484A1 (de) * | 2012-10-10 | 2014-04-10 | Wobben Properties Gmbh | Verfahren zum Betreiben einer Windenergieanlage |
US20140265952A1 (en) * | 2013-03-15 | 2014-09-18 | Texas Instruments Incorporated | Automated Motor Control |
CN103244350A (zh) * | 2013-05-02 | 2013-08-14 | 国电南瑞科技股份有限公司 | 一种风力发电机组最佳叶尖速比跟踪控制方法 |
CN103410659A (zh) * | 2013-05-03 | 2013-11-27 | 浙江大学 | 基于High-Gain观测器的风力发电机组有效风速获取方法 |
CN104329220A (zh) * | 2014-09-03 | 2015-02-04 | 上海交通大学 | 用于抑制风电机组扭振的扭转载荷控制器及控制方法 |
KR20160037715A (ko) * | 2014-09-26 | 2016-04-06 | 광운대학교 산학협력단 | 병렬형 풍력 발전기의 외란 관측기 기반 속도 제어기 및 그 운영 방법 |
CN104852652A (zh) * | 2015-05-06 | 2015-08-19 | 北京天诚同创电气有限公司 | 同步风力发电机闭环矢量控制方法和系统 |
CN104836253A (zh) * | 2015-05-19 | 2015-08-12 | 清华大学 | 双馈风机虚拟惯量的控制方法及控制装置 |
US20180142674A1 (en) * | 2015-05-27 | 2018-05-24 | Vestas Wind Systems A/S | Control of a wind turbine taking fatigue measure into account |
CN104898431A (zh) * | 2015-06-10 | 2015-09-09 | 北京理工大学 | 一种基于扰动观测器的再入飞行器有限时间控制方法 |
CN105156270A (zh) * | 2015-10-09 | 2015-12-16 | 上海电机学院 | 风力发电机独立变桨控制系统及方法 |
CN105156271A (zh) * | 2015-10-22 | 2015-12-16 | 扬州大学 | 受扰风力发电机系统的抗干扰最优功率跟踪控制方法 |
CN106930898A (zh) * | 2017-05-19 | 2017-07-07 | 重庆大学 | 一种基于自适应扰动补偿的漂浮式风力机功率控制方法 |
CN107061158A (zh) * | 2017-06-27 | 2017-08-18 | 星际(重庆)智能装备技术研究院有限公司 | 一种低风速下风力发电机的预测与跟踪控制方法 |
Non-Patent Citations (7)
Title |
---|
ALI BOUKHRISS,ETAL.: "Maximization of Generated Power from Wind Energy Conversion Systems using a Doubly Fed Induction Generator with Active Disturbance Rejection Control", 《2014 SECOND WORLD CONFERENCE ON COMPLEX SYSTEMS (WCCS)》 * |
SANG, YY ETAL.: "Design and implementation of perturbation observer-based robust passivity-based control for VSC-MTDC systems considering offshore wind power integration", 《IET GENERATION TRANSMISSION & DISTRIBUTION》 * |
ZHAO, H.ETAL.: "Distributed model predictive control of a wind farm for optimal active power control part I: clustering based wind turbine model linearization", 《IEEE TRANS. SUSTAIN. ENERGY》 * |
李亚强: "无速度传感器的风电机组最大功率跟踪方法研究", 《中国优秀硕士学位论文全文数据库 工程科技II辑》 * |
李鹏等: "风力发电机组控制技术综述及展望", 《电气自动化》 * |
沈涛: "漂浮式海上风力发电机组载荷优化及控制技术研究", 《中国优秀硕士学位论文全文数据库 工程科技II辑》 * |
马运东等: "应用扰动观测器的定桨距风力机转速控制", 《中国电机工程学报》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110985289A (zh) * | 2019-12-04 | 2020-04-10 | 浙江大学 | 基于svr和smc的风电机组并具有预设性能的mppt方法 |
CN112147900A (zh) * | 2020-09-30 | 2020-12-29 | 苏州科技大学 | 全状态约束电力系统的有限时间自适应模糊跟踪控制方法 |
CN112147900B (zh) * | 2020-09-30 | 2022-04-26 | 苏州科技大学 | 全状态约束电力系统的有限时间自适应模糊跟踪控制方法 |
CN112486019A (zh) * | 2020-11-17 | 2021-03-12 | 九江学院 | 不确定风力发电机系统的最大功率跟踪模糊控制方法 |
CN112486019B (zh) * | 2020-11-17 | 2022-06-07 | 九江学院 | 不确定风力发电机系统的最大功率跟踪模糊控制方法 |
CN112682258A (zh) * | 2020-12-25 | 2021-04-20 | 中南大学 | 基于Backstepping的大型风力机最大功率点跟踪控制方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108717266B (zh) | 2021-03-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108717266A (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 | |
CN101900080B (zh) | 采用变结构pid变桨控制的风机控制系统 | |
CN108533451B (zh) | 一种风力发电机组的变桨控制方法 | |
CN104454347A (zh) | 一种独立变桨距风力发电机桨距角的控制方法 | |
Thapa et al. | Pitch control scheme for rapid active power control of a PMSG-based wind power plant | |
Belghazi et al. | Pitch angle control for variable speed wind turbines using genetic algorithm controller | |
CN105508134A (zh) | 一种提高风力发电机组风能利用效率的方法及装置 | |
CN107218175B (zh) | 一种实现风力机最大化风能捕获效率的转速跟踪目标优化方法 | |
CN109507869A (zh) | 一种适用于永磁同步电机的电机控制pi参数的优化方法 | |
CN112343770A (zh) | 一种基于观测器的风力发电机最佳转速有限时间跟踪控制方法 | |
CN107313898B (zh) | 基于Markov跳变规律的风力发电系统控制的方法 | |
CN113162071A (zh) | 基于变功率跟踪的直驱永磁风电机组减载调频控制方法 | |
Goyal et al. | Power regulation of a wind turbine using adaptive fuzzy-PID pitch angle controller | |
Yao et al. | RBF neural network based self-tuning PID pitch control strategy for wind power generation system | |
Majdoub et al. | Variable speed control of DFIG-wind turbine with wind estimation | |
CN105402087A (zh) | 风电机组变桨距切换控制方法 | |
CN114439692A (zh) | 漂浮式海上风电机组永磁直驱风电系统变桨距控制方法 | |
CN112682258B (zh) | 基于Backstepping的大型风力机最大功率点跟踪控制方法 | |
Wang et al. | Sliding mode control for maximum wind energy capture of DFIG-based wind turbine | |
Benaaouinate et al. | Emulation of a Wind Turbine Using Induction Motor Driven by Field Oriented Control | |
CN105317632A (zh) | 一种风电机组转动惯量的测量方法 | |
Song et al. | Nonlinear variable speed control of wind turbines | |
Serhoud et al. | Sensorless sliding power control of doubly fed induction wind generator based on MRAS observer | |
Chafik et al. | A new adaptive anti-windup controller for wind energy conversion system based on PMSG | |
Ghaderi et al. | Maximum power point tracking in variable speed wind turbine based on permanent magnet synchronous generator using maximum torque sliding mode control strategy |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right |
Effective date of registration: 20210618 Address after: Room 731 and 732, 7th floor, 557 Renmin Road, Dongge sub district office, Pingdu City, Qingdao City, Shandong Province 266701 Patentee after: QINGDAO GELAIRUI INTELLIGENT CONTROL TECHNOLOGY Co.,Ltd. Address before: 401233 No. 6 Xinmin Road, new city street, Changshou District, Chongqing Patentee before: DIBI (CHONGQING) INTELLIGENT TECHNOLOGY RESEARCH INSTITUTE Co.,Ltd. |
|
TR01 | Transfer of patent right |