CN110361963B - 一种永磁风机pi参数优化方法及装置 - Google Patents
一种永磁风机pi参数优化方法及装置 Download PDFInfo
- Publication number
- CN110361963B CN110361963B CN201910498420.XA CN201910498420A CN110361963B CN 110361963 B CN110361963 B CN 110361963B CN 201910498420 A CN201910498420 A CN 201910498420A CN 110361963 B CN110361963 B CN 110361963B
- Authority
- CN
- China
- Prior art keywords
- wind speed
- firefly
- current
- fireflies
- maximum
- 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
- 238000000034 method Methods 0.000 title claims abstract description 30
- 241000254158 Lampyridae Species 0.000 claims abstract description 102
- 238000005457 optimization Methods 0.000 claims abstract description 29
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 26
- 238000004364 calculation method Methods 0.000 claims abstract description 19
- 238000001514 detection method Methods 0.000 claims abstract description 4
- 238000010521 absorption reaction Methods 0.000 claims description 9
- 230000006870 function Effects 0.000 description 15
- 238000011161 development Methods 0.000 description 7
- 238000010248 power generation Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 239000013256 coordination polymer Substances 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000003912 environmental pollution Methods 0.000 description 3
- GNBHRKFJIUUOQI-UHFFFAOYSA-N fluorescein Chemical compound O1C(=O)C2=CC=CC=C2C21C1=CC=C(O)C=C1OC1=CC(O)=CC=C21 GNBHRKFJIUUOQI-UHFFFAOYSA-N 0.000 description 3
- 230000004907 flux Effects 0.000 description 3
- 230000009191 jumping Effects 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 2
- 239000003208 petroleum Substances 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000004146 energy storage Methods 0.000 description 1
- 238000004020 luminiscence type Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000003345 natural gas Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000004804 winding Methods 0.000 description 1
Images
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
- G05B11/00—Automatic controllers
- G05B11/01—Automatic controllers electric
- G05B11/36—Automatic controllers electric with provision for obtaining particular characteristics, e.g. proportional, integral, differential
- G05B11/42—Automatic controllers electric with provision for obtaining particular characteristics, e.g. proportional, integral, differential for obtaining a characteristic which is both proportional and time-dependent, e.g. P. I., P. I. D.
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Wind Motors (AREA)
Abstract
本发明提供了一种永磁风机PI参数优化方法及装置,该装置包括:风速检测模块,用于检测当下风速;参数优化计算模块,基于目标函数以及当下风速,通过萤火虫算法计算所述目标函数的全局最优解,输出上一阶段风速对应的最优值,从而得到优化的PI参数;风速判断模块,获取所述上一阶段风速,并基于所述当下风速以及上一阶段风速的差值,控制所述参数优化计算模块进行计算或停止。本发明的技术方案能够适应风力发电机组在实际应用中风速多变环境下的多参数优化,拥有较高的计算精度,且能够有效避免陷入局部最优。
Description
技术领域
本发明属于风力发电领域,具体涉及一种适用于不同风速下基于自适应多维萤火虫算法的永磁风机的PI参数优化的方法。
背景技术
能源是人类社会进步和经济发展的重要物质基础,能源工业的发展规模和速度影响着社会经济的发展,70年代初期,由于“石油危机”,出现了资源紧张的问题,人们意识到常规化石能源的不稳定性和有限性及其大量消耗并造成的环境污染和资源短缺等问题,使人们开始寻找清洁的可再生资源。相对于传统的石油、天然气等化石能源,新能源具有污染少的特点,对于解决当今世界资源短缺和改善环境污染,推动技术进步,实现人与自然可持续发展。风能是清洁的可再生资源,与传统化石能源相比,具有无环境污染、能源充足等优点。风力发电是将风能转换为机械能,进而转换为电能,其基本的工作原理是利用风吹动风轮,通过风轮的机械转动驱动发电机转子旋转,从而产生电能。在当今世界的新能源开发技术中,风力发电是最有利用价值的发电方式,全球风力发电量所占比也在逐步增加,并且发电技术也较为成熟。风力发电机一般包括叶片、发电机、尾翼、塔架、储能装置等构件组成。
永磁直驱风机是国内常用的风力发电机,其优点是实用低风速的能力强,耗能较低,并且维护成本也比较低。根据我国低风速的三类风区占全部风能资源的一半以上,更适合实用永磁直驱风机,也是我国未来的发展趋势。考虑到实际工作中的风电场,研究风力发电机最大风能捕获问题具有实际意义,也可以降低成本。风力发电机组机侧变流器是功率控制的关键环节。目前应用十分广泛的算法是定子磁链定向的矢量控制,可以实现高动态性能变频调速系统的设计,将电机定子电流分解成转矩电流分量和励磁电流分量去实现解耦,进而按照线性系统的控制理论方法来设计转速和磁链的PI控制器,从而可以实现连续控制,十分适用于风力发电机组此类宽范围调速系统和伺服系统。矢量控制一般采用PI控制器作为实现策略,具有结构简单,稳定性能好,可靠性高的优点。PI控制算法效果取决于控制器的环节参数KP、Ki的取值组合,而风电场风功率是非线性的、还需要考虑一些因天气变化、频率变化、电网电压等不确定因素,而且风速通常以高度随机且快速的时变模式变化,发电机转速变化的离散型非常大,所以风力发电机很难实现最大风功率。传统的参数优化方法通常是操作者在实际系统中经过多次反复调试得出目标参数,这种方法效率低下,严重依赖于生产经验;现代控制方法如适应控制以实现全局一致的控制性能,实际难以实现。
发明内容
针对现有技术的不足,本发明提出一种永磁风机PI参数优化方法及装置。具体而言,本发明提供了以下的技术方案:
一方面,本发明提供了一种永磁风机PI参数优化方法,所述方法包括:
S1、构造PI参数控制的目标函数,并检测当下风速;
S2、初始化萤火虫算法参数,所述算法参数包括种群维数、萤火虫数目、每组萤火虫种群数、最大吸引度、光强吸收系数、最大迭代次数、随机萤火虫位置;
S3、计算各组萤火虫吸引度、相对亮度、自适应移动步长,并在随后开始移动;
S4、更新萤火虫位置,并重新计算吸引度、相对亮度;
S5、计算搜索精度,当搜索精度达到预设要求或者迭代次数达到最大阈值时,执行S6,否则检测当下风速,并执行S2;
S6、若每组萤火虫满足搜索精度要求或迭代次数均达到最大阈值,则得到所述目标函数的全局最优解;
S7、输出上一阶段风速对应的最优值,若当下风速与所述上一阶段风速差值大于预设值,则获取当下风速,并返回S2,若小于等于预设值,则结束。
优选地,所述目标函数为:
优选地,所述S2中,所述种群维数为7。
优选地,所述S3中,各组萤火虫i的吸引度为:
优选地,所述S3中,各组萤火虫i的相对亮度为:
优选地,所述S4中,更新萤火虫位置采用如下方式:
优选地,所述搜索精度的预设要求为:搜索精度小于等于0.2。
优选地,所述S7中的预设值为3m/s。
另一方面,本发明还提供了一种永磁风机PI参数优化装置,所述装置包括:
风速检测模块,用于检测当下风速;
参数优化计算模块,基于目标函数以及当下风速,通过萤火虫算法计算所述目标函数的全局最优解,输出上一阶段风速对应的最优值,从而得到优化的PI参数;
风速判断模块,获取所述上一阶段风速,并基于所述当下风速以及上一阶段风速的差值,控制所述参数优化计算模块进行计算或停止。
优选地,所述风速判断模块中,若当下风速与所述上一阶段风速差值大于预设值,则获取当下风速,控制所述参数优化计算模块进行计算,若小于等于预设值,则结束所述参数优化计算模块的计算。
优选地,所述目标函数为:
基于上述技术方案可见,与现有技术相比,本发明提高了PI参数优化过程中的寻优速度,有效的避免了陷入局部最优,并应用于变风速下这一复杂且在实际中常见的情况,解决了在变风速下传统手动测量数据的效率低下问题,结合本发明的技术方案即可实现高效率并保证了较高的精度。
附图说明
图1为本发明实施例的方法流程图;
图2为本发明实施例的PI控制装置结构示意图。
具体实施例
下面将结合本发明实施例中的图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有付出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
实施例1
在一个具体的实施例中,本发明通过改进的萤火虫算法实现永磁风机PI控制的优化。萤火虫算法(Firely Algorithm,FA)是模拟自然界中成虫发光的生物学特性发展而来的,是一种启发式算法也是基于群体的随机优化算法在萤火虫的群聚活动中,每只萤火虫通过散发荧光素与同伴进行寻觅食物以及求偶等信息交流。一般来说,荧光素越亮的萤火虫其号召力也就越强,最终会出现很多萤火虫聚集在一些荧光素较亮的萤火虫周围。萤火虫不分性别,它将会被吸引到所有其他比它更亮的萤火虫那去;萤火虫的吸引力和相对亮度成正比,对于任何两只萤火虫,其中一只会向着比它更亮的另一只移动,然而,相对亮度是随着距离的增加而减少的;相对比于其他算法,自适应步长的萤火虫算法可以提高收敛速度和精度,并且避免进入局部最优,可以达到理想的后期效果,实现最大风功率和最低控制成本的最优解。本发明基于风电机组应用的特殊要求,对萤火虫算法进行了改进,以更快地达到求解目标函数的最优解的目的。
为了使风机在变风速下达到最大风功率并且控制成本最低,本实施例中,选出需要优化的参数,结合算法具体包括以下步骤:
步骤一,构造出目的函数fp,使其实现最大风功率和最低控制成本;
步骤二,测当下风速,开始算法;
步骤三,初始化:萤火虫种群维数7维,萤火虫数目χ,每一组萤火虫种群数w,最大吸引度β0,光强吸收系数γ,最大迭代次数m,随机初始化萤火虫位置;
步骤四,计算各组萤火虫吸引度βi和相对亮度Ii;
步骤五,计算萤火虫自适应移动步长αi,从而确定萤火虫移动步长,萤火虫开始移动;
步骤六,更新萤火虫位置,并重新计算吸引度,相对亮度;
步骤七,计算搜索精度,当精度达到要求或达到最大迭代次数时进行下一步,否则再次进行搜索,跳到步骤二;
步骤八,若7组萤火虫满足精度要求或最大迭代次数时,得到全局最优解,即找到目标函数fp最小,即成本最低和最大风功率;
具体而言,本实施例的详细实现方法,可以通过如下方式进行:
步骤1:构造目标函数fp实现最大功率和最低成本:
永磁风机典型的解耦d-q电流PI控制方程可基于风电的最优求解设置如下:
vsd *=vsd'-ωeLqisq
vsq *=vsq'+ωeLdisd+ωeψf
其中RS是定子绕组的电阻,vsd、vsq、isd、isq分别是瞬时定子电压、电流的d-q分量,ωe是电气转速,ψf是由永磁体产生的磁链,Ld、Lq是定子的漏电感与定子和转子之间dq轴互感之和。d-q电压基准vsd *和vsq *是d-q电压的总和,vsd′和vsq′表示补偿项目。
其中,CP风能利用系数,β:风力发电机叶片的桨距角;λ:叶尖速比,ω:风轮旋转角速度,R:风轮半径;
风力发电机组的最大风能捕捉与发电机转速控制密切相关
Kω=0.5ρSCρmax
ωT风力机风轮转速,N:齿轮箱变比;Kω机械转速下的风力在风力涡轮机上产生的机械动力。
功率系数CP(λ,β)应在工作范围内的各种风速下均能够保持在最大点CP *处,
CP *=CP(λ*)
其中,λ*:叶尖速比最佳值,ωm机械转动速度,ωm *追踪最佳参考值:,桨距角β=0°,vf风速。
控制成本通过正弦脉宽调制(SPWM)技术调制,用g(x)表示
当fp取得最小值时,即为实现最大风功率和最低控制成本。
其中T为风速下的时间,KPi、KIi(i=3)为比例积分系数,由于有3个PI控制器,所以总共有6个参数,其余各项均在其最大值最小值之间变化,由于功率与成本的数量级相差甚远,所以引入权重α1和α2用来分权等,使控制成本不被过度优化。
步骤2:捕获风速,开始算法
步骤3:初始化
在本实施例中,优选地,设置萤火虫种群维数为7,7维萤火虫位置分别代表KP1、KI1、KP2、KI2、KP3、KI3、ωr;
初始化7维萤火虫数目χ,每组萤火虫种群数目w,最大吸引度β0,光强吸收系数γ,最大迭代次数m,初始化萤火虫随机位置,所有萤火虫的最大亮度位置表示各个参数值最优;萤火虫最大亮度表示能达到最大风功率和最低控制成本,目标函数为fp,当fp最小时,满足要求。
由于萤火虫会相对更亮的而吸引,当每组萤火虫都聚集在一起时,即为最大亮度。即表示符合要求。
每组萤火虫的位置范围由上述可知分别为[0,KP1]、[0,KI1]、[0,KP2]、[0,KI2]、[0,KP3]、[0,KI3]、[0,ωr],计算fp作为各组萤火虫i的最大荧光亮度,由于萤火虫之间会向比它更亮的地方靠近,即吸引度和相对亮度
步骤4:
其中:为萤火虫i当前时刻的最大荧光亮度,在数值上等于fp,萤火虫i由当前相对亮度确定移动方向,每一只萤火虫因为所处位置不同发出的荧光亮度也不同,通过比较各点的相对亮度,相对亮度高的萤火虫可以吸引相对亮度低的萤火虫向自己移动;
步骤5:
步骤6:更新萤火虫的位置,对处在最佳位置的萤火虫进行随机扰动,对于萤火虫的位置进行更新,所述位置更新公式如下:
根据更新后萤火虫的位置,重新计算萤火虫的最大荧光亮度;保存当前所有萤火虫个体中的最大荧光亮度及位置等信息。
步骤8,7组萤火虫满足精度或最大迭代次数,结束算法,给出最终求出的最优解,即找到目标函数fp最小,即成本最低和最大风功率
实施例2
在又一个具体的实施例中,本发明还提供了一种永磁风机PI参数优化装置,这一装置可以执行如实施例1中所述的方法。在一个具体的实施方式中,该装置可以设置如下:
风速检测模块,用于检测当下风速;
参数优化计算模块,基于目标函数以及当下风速,通过萤火虫算法计算所述目标函数的全局最优解,输出上一阶段风速对应的最优值,从而得到优化的PI参数;
风速判断模块,获取所述上一阶段风速,并基于所述当下风速以及上一阶段风速的差值,控制所述参数优化计算模块进行计算或停止。
更为优选地,该参数优化计算模块包括正弦脉宽调制(SPWM)单元,用于实现最大风功率和最低控制成本,从而得到全局最优解。
优选地,所述风速判断模块中,若当下风速与所述上一阶段风速差值大于预设值,则获取当下风速,控制所述参数优化计算模块进行计算,若小于等于预设值,则结束所述参数优化计算模块的计算。
优选地,所述目标函数为:
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)或随机存储记忆体(Random AccessMemory,RAM)等。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围。
Claims (7)
1.一种永磁风机PI参数优化方法,其特征在于,所述方法包括:
S1、构造PI参数控制的目标函数,并检测当下风速;
S2、初始化萤火虫算法参数,所述算法参数包括种群维数、萤火虫数目、每组萤火虫种群数、最大吸引度、光强吸收系数、最大迭代次数、随机萤火虫位置;
S3、计算各组萤火虫吸引度、相对亮度、自适应移动步长,并在随后开始移动;
S4、更新萤火虫位置,并重新计算吸引度、相对亮度;
S5、计算搜索精度,当搜索精度达到预设要求或者迭代次数达到最大阈值时,执行S6,否则检测当下风速,并执行S2;
S6、若每组萤火虫满足搜索精度要求或迭代次数均达到最大阈值,则得到所述目标函数的全局最优解;
S7、输出上一阶段风速对应的最优值,若当下风速与所述上一阶段风速差值大于预设值,则获取当下风速,并返回S2,若小于等于预设值,则结束;
所述目标函数为:
2.根据权利要求1所述的方法,其特征在于,所述S2中,所述种群维数为7。
6.根据权利要求1所述的方法,其特征在于,所述搜索精度的预设要求为:搜索精度小于等于0.2。
7.一种永磁风机PI参数优化装置,其特征在于,所述装置包括:
风速检测模块,用于检测当下风速;
参数优化计算模块,基于目标函数以及当下风速,通过萤火虫算法计算所述目标函数的全局最优解,输出上一阶段风速对应的最优值,从而得到优化的PI参数;
风速判断模块,获取所述上一阶段风速,并基于所述当下风速以及上一阶段风速的差值,控制所述参数优化计算模块进行计算或停止;
所述风速判断模块中,若当下风速与所述上一阶段风速差值大于预设值,则获取当下风速,控制所述参数优化计算模块进行计算,若小于等于预设值,则结束所述参数优化计算模块的计算;
所述目标函数为:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910498420.XA CN110361963B (zh) | 2019-06-10 | 2019-06-10 | 一种永磁风机pi参数优化方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910498420.XA CN110361963B (zh) | 2019-06-10 | 2019-06-10 | 一种永磁风机pi参数优化方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110361963A CN110361963A (zh) | 2019-10-22 |
CN110361963B true CN110361963B (zh) | 2022-04-01 |
Family
ID=68216795
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910498420.XA Active CN110361963B (zh) | 2019-06-10 | 2019-06-10 | 一种永磁风机pi参数优化方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110361963B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112904729A (zh) * | 2021-01-21 | 2021-06-04 | 深圳翱诺科技有限公司 | 一种避免局部最优的控制器参数设计算法 |
CN113093529B (zh) * | 2021-04-13 | 2024-01-26 | 哈尔滨理工大学 | 一种使用萤火虫群优化的永磁同步电动机模型预测速度控制方法及其控制器 |
CN114397806B (zh) * | 2021-11-30 | 2023-10-13 | 江苏方天电力技术有限公司 | 一种基于最优转矩控制法的风力机控制器参数优化方法 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104454346B (zh) * | 2014-11-09 | 2017-02-15 | 中科诺维(北京)科技有限公司 | 一种小型永磁直驱风力发电系统最大功率跟踪控制方法 |
CN105353611B (zh) * | 2015-10-27 | 2018-03-27 | 广州中国科学院沈阳自动化研究所分所 | 面向冷藏集装箱船的制冷功率平衡控制方法及其控制系统 |
CN106325062B (zh) * | 2016-08-26 | 2019-06-14 | 武汉科技大学 | 一种基于改进萤火虫算法的恒定磨削力pid控制优化方法 |
CN106685296A (zh) * | 2016-12-29 | 2017-05-17 | 威灵(芜湖)电机制造有限公司 | 风机的转速控制方法、系统及风机系统 |
CN108521243B (zh) * | 2018-05-10 | 2020-05-26 | 北京航空航天大学 | 一种基于空间矢量调制的高速永磁同步电机直接功率控制方法 |
CN109011675A (zh) * | 2018-07-06 | 2018-12-18 | 昆明理工大学 | 一种化工原料精馏过程的优化调度方法 |
CN109270981B (zh) * | 2018-11-16 | 2020-06-30 | 东北大学 | 一种基于改进型萤火虫算法的光伏阵列mppt控制方法 |
CN109711636A (zh) * | 2019-01-09 | 2019-05-03 | 南京工业大学 | 一种基于混沌萤火虫与梯度提升树模型的河流水位预测方法 |
CN109474021B (zh) * | 2019-01-16 | 2021-10-26 | 湖南大学 | 一种基于h-mmc的风力发电并网系统及其控制方法 |
-
2019
- 2019-06-10 CN CN201910498420.XA patent/CN110361963B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN110361963A (zh) | 2019-10-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110361963B (zh) | 一种永磁风机pi参数优化方法及装置 | |
CN102434391B (zh) | 一种基于起始转速调整的改进最大功率点跟踪控制方法 | |
CN103244348A (zh) | 变速变桨风力发电机组功率曲线优化方法 | |
CN106777499B (zh) | 一种双馈异步风力发电机组的整机动态建模方法 | |
CN106777525B (zh) | 考虑设计叶尖速比风轮静、动态影响的风力机气动设计方法 | |
Hossain et al. | Energy efficient wind turbine system based on fuzzy control approach | |
Xin et al. | Modified hill climbing method for active yaw control in wind turbine | |
CN111209638A (zh) | 基于运行攻角偏差修正的低风速风力机叶片气动设计方法 | |
Shamseldin | Adaptive controller with PID, FOPID, and NPID compensators for tracking control of electric–wind vehicle | |
CN107524563A (zh) | 一种基于滑模极值搜索的控制方法 | |
Aleksandr et al. | MPPT algorithms for wind turbines: review and comparison | |
Sirichai | Experimental assessment with wind turbine emulator of variable-speed wind power generation system using boost chopper circuit of permanent magnet synchronous generator | |
Bertašienė et al. | Synergies of Wind Turbine control techniques | |
CN113688581B (zh) | 风电场有功出力优化控制的方法、装置、电子设备及介质 | |
Sun et al. | Design and optimization of control parameters based on direct-drive permanent magnet synchronous generator for wind power system | |
CN115903457A (zh) | 一种基于深度强化学习的低风速永磁同步风力发电机控制方法 | |
CN113098057B (zh) | 一种双馈风机参数的多目标高维多分数阶优化方法 | |
Khan et al. | Intelligent control based maximum power extraction strategy for wind energy conversion systems | |
Hong et al. | The design and testing of a small-scale wind turbine fitted to the ventilation fan for a livestock building | |
CN110836168B (zh) | 一种基于pso寻优的风机阻尼自适应控制方法及其控制器 | |
Hossain et al. | Prediction of power generation of small scale vertical axis wind turbine using fuzzy logic | |
Wang et al. | An improved adaptive firefly algorithm for PI parameter optimization of permanent magnet synchronous motor | |
Wibawa et al. | A micro-scale cyclone-wind turbine for rooftop ventilator | |
CN114337419B (zh) | 基于哈里斯鹰算法永磁风力发电机组的控制方法及系统 | |
Oztürk et al. | Speed control of wind turbine rotor using genetic algorithm |
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 |