CN112486019A - 不确定风力发电机系统的最大功率跟踪模糊控制方法 - Google Patents

不确定风力发电机系统的最大功率跟踪模糊控制方法 Download PDF

Info

Publication number
CN112486019A
CN112486019A CN202011284884.XA CN202011284884A CN112486019A CN 112486019 A CN112486019 A CN 112486019A CN 202011284884 A CN202011284884 A CN 202011284884A CN 112486019 A CN112486019 A CN 112486019A
Authority
CN
China
Prior art keywords
maximum power
wind
power tracking
control
fuzzy control
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
Application number
CN202011284884.XA
Other languages
English (en)
Other versions
CN112486019B (zh
Inventor
陈燕芳
郭书超
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Jiujiang University
Original Assignee
Jiujiang University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Jiujiang University filed Critical Jiujiang University
Priority to CN202011284884.XA priority Critical patent/CN112486019B/zh
Publication of CN112486019A publication Critical patent/CN112486019A/zh
Application granted granted Critical
Publication of CN112486019B publication Critical patent/CN112486019B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • 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
    • G05B13/042—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 parameter or coefficient is automatically adjusted to optimise the performance
    • 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
    • Y02E10/76—Power conversion electric or electronic aspects

Abstract

本发明属于变速风力发电控制领域，提供了一种不确定风力发电机组的最大功率跟踪模糊控制方法包括获取风力发电机的定子电压和电流并结合风力发电机相关参数，构建具有不确定性和扰动及噪声干扰的风力发电机模型；根据T‑S模糊线性化法则，将所述风力发电机模型线性化处理，再进行无穷范数闭环控制最大功率追踪；基于带干扰估计系统模型，综合考虑最大功率跟踪误差和干扰误差，通过构造李雅普诺夫方程求取相关控制参数，以对风力发电机组进行最大功率跟踪模糊控制。

Description

不确定风力发电机系统的最大功率跟踪模糊控制方法
技术领域
本发明属于变速风力发电控制领域，尤其涉及一种不确定风力发电机组的最大功率跟踪模糊控制方法。
背景技术
本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。
由于传统HCS算法对风速的快速变化不敏感，可能导致搜索方向存在错误。传统的PI控制结构采用叶尖速的方法来实现对风速的跟踪，但是对于非线性系统，传统控制方法控制效果不太理想，特别是永磁同步发电机PMSG由于受到长时间的高风速、高负荷的运行影响和温度的影响，发电机内部的物理参数，如发电机电阻Rs、电感Ls和磁链ψpm均会受到不同程度的影响而改变其值，所以很有必要针对此发电机模型参数不确定性的控制问题展开研究。
发明人发现，目前的风力发电机组的最大功率跟踪控制方法不适用于不确定且干扰信号未知的变速风力发电领域，进而无法保障风速不确定且干扰信号未知的风力发电机组的稳定运行。
发明内容
为了解决上述背景技术中存在的至少一项技术问题，本发明提供一种不确定风力发电机组的最大功率跟踪模糊控制方法，其尽可能大的降低扰动对系统的影响，提高变速风力发电机组的最大功率控制效率及运行稳定性。
为了实现上述目的，本发明采用如下技术方案：
本发明的第一个方面提供一种不确定风力发电机系统的最大功率跟踪模糊控制方法。
一种不确定风力发电机组的最大功率跟踪模糊控制方法，其包括：
获取风力发电机的定子电压和电流并结合风力发电机相关参数，构建具有不确定性和扰动及噪声干扰的风力发电机模型；
根据T-S模糊线性化法则，将所述风力发电机模型线性化处理，再进行无穷范数闭环控制最大功率追踪；
基于带干扰估计系统模型，综合考虑最大功率跟踪误差和干扰误差，通过构造李雅普诺夫方程求取相关控制参数，以对风力发电机组进行最大功率跟踪模糊控制。
本发明的第二个方面提供一种不确定风力发电机组的最大功率跟踪模糊控制系统。
一种不确定风力发电机组的最大功率跟踪模糊控制系统，其包括：
模型构建模块，其用于获取风力发电机的定子电压和电流并结合风力发电机相关参数，构建具有不确定性和扰动及噪声干扰的风力发电机模型；
模糊线性化模块，其用于根据T-S模糊线性化法则，将所述风力发电机模型线性化处理，再进行无穷范数闭环控制最大功率追踪；
控制参数计算模块，其用于基于带干扰估计系统模型，综合考虑最大功率跟踪误差和干扰误差，通过构造李雅普诺夫方程求取相关控制参数，以对风力发电机组进行最大功率跟踪模糊控制。
本发明的第三个方面提供一种计算机可读存储介质。
一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述所述的不确定风力发电机组的最大功率跟踪模糊控制方法中的步骤。
本发明的第四个方面提供一种计算机设备。
一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述所述的不确定风力发电机组的最大功率跟踪模糊控制方法中的步骤。
与现有技术相比，本发明的有益效果是：
本发明适用于具有不确定参数和扰动下的变速风力发电系统的稳定运行问题和跟踪最大功率问题以及尽可能大的降低扰动对系统的影响，针对不确定参数系统及未知干扰信号进行了有效控制，并取得了非常稳定的控制效果。
本发明附加方面的优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
构成本发明的一部分的说明书附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。
图1是本发明实施例的不确定风力发电机组的最大功率跟踪模糊控制方法原理图；
图2是本发明实施例的风速仿真图；
图3是本发明实施例的风机功率因子仿真图；
图4是本发明实施例的转子速度参考值与本案控制结果比较仿真图；
图5是本发明实施例的q轴电流仿真图；
图6是本发明实施例的d轴电流仿真图；
图7是本发明实施例的估计的扭矩与实际扭矩比较仿真图；
图8是本发明实施例的输出功率。
具体实施方式
下面结合附图与实施例对本发明作进一步说明。
应该指出，以下详细说明都是例示性的，旨在对本发明提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本发明所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本发明的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
实施例一
根据图1，本实施例的不确定风力发电机组的最大功率跟踪模糊控制方法，其包括：
S101：获取风力发电机的定子电压和电流并结合风力发电机相关参数，构建具有不确定性和扰动及噪声干扰的风力发电机模型。
在本实施例中，风力发电机相关参数包括定子电阻、机电侧转速、极对数、电感、电磁转矩和永磁体磁链。
在具体实施中，基于风力发电机的定子电压和电流及风力发电机相关参数，构建风力发电机初始模型：
Figure BDA0002781999470000051
Figure BDA0002781999470000052
其中：Vd，Vq，id，iq是d-q轴上的定子电压和电流，Rs是定子电阻，ωe＝Pnωm为机电侧转速，Pn为极对数，Ld，Lq为发电机在d-q轴上的电感，Tem为电磁转矩，Ψm为永磁体磁链。
整理可得：
x：＝[wm iq id]T，u：＝[Vq Vd]T，
Figure BDA0002781999470000053
Figure BDA0002781999470000054
其中，J是转动惯量，f是粘性摩擦系数。
考虑风力机组存在的各种不确定性和扰动及噪声干扰，将风力发电机初始模型更新，构建具有不确定性和扰动及噪声干扰的风力发电机模型。
Figure BDA0002781999470000055
其中：ΔA(x),ΔB代表系统中不确定部分，是满足以下条件的时变不确定矩阵。C为常系数矩阵。
不确定度的范围如下：
Figure BDA0002781999470000061
Figure BDA0002781999470000062
Figure BDA0002781999470000063
Figure BDA0002781999470000064
其中，
Figure BDA0002781999470000065
和
Figure BDA0002781999470000066
为已知的实数矩阵，它表征了不确定性的结构；
Figure BDA0002781999470000067
分别是∑A(t)和∑B(t)对应矩阵的转置，∑A(t)和∑B(t)是具有Lebesgue可测元素的未知矩阵函数；I为单位矩阵，Tm为不可测干扰信号。
S102：根据T-S模糊线性化法则，将所述风力发电机模型线性化处理，再进行无穷范数闭环控制最大功率追踪。
具体地，此步骤是利用中心平均去模糊化、乘积推理，将非线性系统近似于线性化表示，其全局微分方程可被推断为：假设电机转速ωm作用范围的区域为：
Figure BDA0002781999470000068
ωm 和
Figure BDA0002781999470000069
分别为ωm的最小值和最大值。
Figure BDA00027819994700000610
其中：
hi(z(t))为标准化的隶属函数，在此控制方法中，r为常系数，r取2；
Figure BDA00027819994700000611
h2(z(t))＝1-h1(z(t))
Figure BDA0002781999470000071
Figure BDA0002781999470000072
Figure BDA0002781999470000073
控制信号目的是为了将不能达到收敛稳定的开环系统通过加以闭环控制的方式达到稳定。确定控制信号u(t)为：
Figure BDA0002781999470000074
Figure BDA0002781999470000075
其中，Ki为闭环放大矩阵。
估计Tm信号：
Figure BDA0002781999470000076
其中，Aδ，Cδ为已知矩阵，T为未知的干扰信号，d为干扰信号。
S103：基于带干扰估计系统模型，综合考虑最大功率跟踪误差和干扰误差，通过构造李雅普诺夫方程求取相关控制参数，以对风力发电机组进行最大功率跟踪模糊控制。
在本实施例中，带干扰估计的系统模型
Figure BDA0002781999470000081
其中，
Figure BDA0002781999470000082
表示系统的内部状态，
Figure BDA0002781999470000083
表示系统的干扰估计，p(t)表示系统的估计状态，L表示带干扰估计的系统模型的增益矩阵，可以通过MATLAB求出来。
追踪误差
Figure BDA0002781999470000084
定义为：
Figure BDA0002781999470000085
Figure BDA0002781999470000086
其中xd(t)为期望变量，期待的结果是：x(t)-xd(t)→0whent→∞。ωm，ref为参数转速。ωmd、iqd、idd分别为期望转速、期望q轴上的电流以及期望d轴上的电流。
Figure BDA00027819994700000814
表示系统的干扰估计。
追踪误差的微分形式如下：
Figure BDA0002781999470000087
干扰估计误差
Figure BDA0002781999470000088
定义为：
Figure BDA0002781999470000089
对其进行微分，可得下式：
Figure BDA00027819994700000810
针对上述两种误差进行合并，可得增广项
Figure BDA00027819994700000811
Figure BDA00027819994700000812
构造李雅普诺夫普方程：V(xa(t))＝xa(t)TPxa(t)；
Figure BDA00027819994700000813
对其微分，得出保证
Figure BDA0002781999470000091
的不等式条件，并对其整理为LMI形式；利用MATLAB软件，求出矩阵P,从而得到矩阵Li和Ki。
本实施例还根据风速大小，将控制风力发电机组的工作区域分为整机待风区、功率跃升区、功率缓冲区、功率控制区和顺桨停机保护区。
为了验证上述设计的控制方法的效果，在计算机中用MATLAB进行了仿真，针对的控制对象是1.8MW的风力发电机仿真模型，在可变风工作环境下进行了实验，发现实验效果非常理想。下面列出了仿真参数列表1：
表1仿真参数
Figure BDA0002781999470000092
风为可变风，风速范围为：
V＝2cos(30*(t-2))+6-4*sin((1/3)*t+0.5*sin(7*t)+0.7*cos(11*t))+9*sinc(0.1*(t-10))；相应仿真图如图2所示：
本控制策略能够很好的实现风力发电机组稳定工作，针对最大功率实现有效跟踪，工作期间主要分为一下几个区域：
当风速
Figure BDA0002781999470000093
此阶段属于整机待风区；当风速
Figure BDA0002781999470000094
CP_opt＝0.81，CP又称之为风机的功率因子。风机功率因子仿真，如图3所示。
在零和最优值之间会跟随风况及功率情况发生改变，此阶段属于功率跃升区，浆距角θ＝0°，不需要对系统进行控制，但是需要对其进行功率监控；
当风速V∈(0.95Vref，Vref)和V∈(Vref，1.05Vref)，此阶段属于功率缓冲区，浆距角控制开始处于启动状态，CP<＝0.81，浆距角θ≠0°。
当风速V∈(1.05Vref，Vcut-of)，此阶段属于功率控制区，主要通过浆距角打开，控制CP，风速越大，CP越小，目的是保证输出功率P＝Pref；
当风速V＞Vcut-of，为保护风力发电机组得安全，此阶段属于顺桨停机保护区。
其中，
Figure BDA0002781999470000101
和Vcut-of分别表示接入有效风速和最大风速。Vref和Pref分别表示风速参考值和输出功率参数值。
图4是本发明实施例的转子速度参考值与本案控制结果比较仿真图；q轴电流仿真和d轴电流仿真，如图5和图6所示。图7是本发明实施例的估计的扭矩与实际扭矩比较仿真图；图8是本发明实施例的输出功率。本实施例适用于具有不确定参数和扰动下的变速风力发电系统的稳定运行问题和跟踪最大功率问题以及尽可能大的降低扰动对系统的影响，针对不确定参数系统及未知干扰信号进行了有效控制，并取得了非常稳定的控制效果。
实施例二
本实施例提供了一种不确定风力发电机组的最大功率跟踪模糊控制系统，其包括：
模型构建模块，其用于获取风力发电机的定子电压和电流并结合风力发电机相关参数，构建具有不确定性和扰动及噪声干扰的风力发电机模型；
模糊线性化模块，其用于根据T-S模糊线性化法则，将所述风力发电机模型线性化处理，再进行无穷范数闭环控制最大功率追踪；
控制参数计算模块，其用于基于带干扰估计系统模型，综合考虑最大功率跟踪误差和干扰误差，通过构造李雅普诺夫方程求取相关控制参数，以对风力发电机组进行最大功率跟踪模糊控制。
本实施例的不确定风力发电机组的最大功率跟踪模糊控制系统中的各个模块，其实施例一所述的不确定风力发电机组的最大功率跟踪模糊控制方法中的各个步骤一一对应，此处不再累述。
实施例三
本实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述实施例一所述的不确定风力发电机组的最大功率跟踪模糊控制方法中的步骤。
实施例四
本实施例提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述实施例一所述的不确定风力发电机组的最大功率跟踪模糊控制方法中的步骤。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用硬件实施例、软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
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(RandomAccessMemory，RAM)等。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种不确定风力发电机组的最大功率跟踪模糊控制方法，其特征在于，包括：
获取风力发电机的定子电压和电流并结合风力发电机相关参数，构建具有不确定性和扰动及噪声干扰的风力发电机模型；
根据T-S模糊线性化法则，将所述风力发电机模型线性化处理，再进行无穷范数闭环控制最大功率追踪；
基于带干扰估计系统模型，综合考虑最大功率跟踪误差和干扰误差，通过构造李雅普诺夫方程求取相关控制参数，以对风力发电机组进行最大功率跟踪模糊控制。
2.如权利要求1所述的不确定风力发电机组的最大功率跟踪模糊控制方法，其特征在于，所述风力发电机相关参数包括定子电阻、机电侧转速、极对数、电感、电磁转矩和永磁体磁链。
3.如权利要求1所述的不确定风力发电机组的最大功率跟踪模糊控制方法，其特征在于，在所述风力发电机模型中，不确定性部分采用有界的时变不确定矩阵表示。
4.如权利要求1所述的不确定风力发电机组的最大功率跟踪模糊控制方法，其特征在于，干扰误差为未知的干扰信号与系统的内部状态之差。
5.如权利要求1所述的不确定风力发电机组的最大功率跟踪模糊控制方法，其特征在于，在构造李雅普诺夫方程之前，还包括：将最大功率跟踪误差和干扰误差合并为一个增广误差。
6.如权利要求1所述的不确定风力发电机组的最大功率跟踪模糊控制方法，其特征在于，通过构造李雅普诺夫方程求取的相关控制参数包括闭环放大矩阵及带干扰估计系统模型的增益矩阵。
7.如权利要求1所述的不确定风力发电机组的最大功率跟踪模糊控制方法，其特征在于，根据风速大小，将控制风力发电机组的工作区域分为整机待风区、功率跃升区、功率缓冲区、功率控制区和顺桨停机保护区。
8.一种不确定风力发电机组的最大功率跟踪模糊控制系统，其特征在于，包括：
模型构建模块，其用于获取风力发电机的定子电压和电流并结合风力发电机相关参数，构建具有不确定性和扰动及噪声干扰的风力发电机模型；
模糊线性化模块，其用于根据T-S模糊线性化法则，将所述风力发电机模型线性化处理，再进行无穷范数闭环控制最大功率追踪；
控制参数计算模块，其用于基于带干扰估计系统模型，综合考虑最大功率跟踪误差和干扰误差，通过构造李雅普诺夫方程求取相关控制参数，以对风力发电机组进行最大功率跟踪模糊控制。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-7中任一项所述的不确定风力发电机组的最大功率跟踪模糊控制方法中的步骤。
10.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-7中任一项所述的不确定风力发电机组的最大功率跟踪模糊控制方法中的步骤。
CN202011284884.XA 2020-11-17 2020-11-17 不确定风力发电机系统的最大功率跟踪模糊控制方法 Active CN112486019B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011284884.XA CN112486019B (zh) 2020-11-17 2020-11-17 不确定风力发电机系统的最大功率跟踪模糊控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011284884.XA CN112486019B (zh) 2020-11-17 2020-11-17 不确定风力发电机系统的最大功率跟踪模糊控制方法

Publications (2)

Publication Number Publication Date
CN112486019A true CN112486019A (zh) 2021-03-12
CN112486019B CN112486019B (zh) 2022-06-07

Family

ID=74930742

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011284884.XA Active CN112486019B (zh) 2020-11-17 2020-11-17 不确定风力发电机系统的最大功率跟踪模糊控制方法

Country Status (1)

Country Link
CN (1) CN112486019B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111239598A (zh) * 2020-01-16 2020-06-05 温州大学乐清工业研究院 一种对断路器保护特性进行在线测试的装置

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102705158A (zh) * 2012-05-25 2012-10-03 江南大学 基于模糊性能估计器的风能转换系统反馈控制
CN105179164A (zh) * 2015-06-25 2015-12-23 江苏科技大学 基于t-s模糊模型的风能转换系统滑模控制方法及装置
TW201624167A (zh) * 2014-12-19 2016-07-01 guo-rui Yu 最大功率追蹤之風力發電系統
CN108717266A (zh) * 2018-05-30 2018-10-30 迪比（重庆）智能科技研究院有限公司 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
CN110206686A (zh) * 2019-07-17 2019-09-06 星际（重庆）智能装备技术研究院有限公司 一种用于风力发电机组的自适应最大功率跟踪控制方法
CN110345006A (zh) * 2019-03-29 2019-10-18 苏州科技大学 一种风力发电机组低风速区最大功率跟踪优化控制方法
CN110365045A (zh) * 2019-07-09 2019-10-22 闽江学院 一种基于估计与补偿控制的风光互补发电系统的网络延时抑制方法
CN110454328A (zh) * 2019-08-12 2019-11-15 长沙理工大学 一种无风速传感器下的风力发电系统功率追踪方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102705158A (zh) * 2012-05-25 2012-10-03 江南大学 基于模糊性能估计器的风能转换系统反馈控制
TW201624167A (zh) * 2014-12-19 2016-07-01 guo-rui Yu 最大功率追蹤之風力發電系統
CN105179164A (zh) * 2015-06-25 2015-12-23 江苏科技大学 基于t-s模糊模型的风能转换系统滑模控制方法及装置
CN108717266A (zh) * 2018-05-30 2018-10-30 迪比（重庆）智能科技研究院有限公司 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
CN110345006A (zh) * 2019-03-29 2019-10-18 苏州科技大学 一种风力发电机组低风速区最大功率跟踪优化控制方法
CN110365045A (zh) * 2019-07-09 2019-10-22 闽江学院 一种基于估计与补偿控制的风光互补发电系统的网络延时抑制方法
CN110206686A (zh) * 2019-07-17 2019-09-06 星际（重庆）智能装备技术研究院有限公司 一种用于风力发电机组的自适应最大功率跟踪控制方法
CN110454328A (zh) * 2019-08-12 2019-11-15 长沙理工大学 一种无风速传感器下的风力发电系统功率追踪方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
NAZIHA HARRABI等: "Maximum power point tracking of a wind generation system based on T-S fuzzy model", 《2015 16TH INTERNATIONAL CONFERENCE ON SCIENCES AND TECHNIQUES OF AUTOMATIC CONTROL AND COMPUTER ENGINEERING 》, 7 July 2016 (2016-07-07), pages 507 - 512 *
SOUNGHWAN HWANG等: "Disturbance observer-based integral fuzzy", 《IET CONTROL THEORY & APPLICATIONS》, vol. 13, no. 12, 5 July 2019 (2019-07-05), pages 1891 - 1900, XP006078940, DOI: 10.1049/iet-cta.2018.5779 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111239598A (zh) * 2020-01-16 2020-06-05 温州大学乐清工业研究院 一种对断路器保护特性进行在线测试的装置
CN111239598B (zh) * 2020-01-16 2022-07-29 温州大学乐清工业研究院 一种对断路器保护特性进行在线测试的装置

Also Published As

Publication number Publication date
CN112486019B (zh) 2022-06-07

Similar Documents

Publication Publication Date Title
Saghafinia et al. Adaptive fuzzy sliding-mode control into chattering-free IM drive
CN108649847A (zh) 基于频率法和模糊控制的电机pi控制器参数整定方法
Fu et al. Barrier Lyapunov function-based adaptive fuzzy control for induction motors with iron losses and full state constraints
CN113048017B (zh) 基于内模控制的风电机组有功功率控制优化方法及系统
Jaladi et al. Real-Time Simulator based hybrid control of DFIG-WES
CN111478365B (zh) 一种直驱风电机组虚拟同步机控制参数的优化方法及系统
CN108809189A (zh) 一种并网调频型飞轮储能系统充电过程中的转速控制方法
CN111371357A (zh) 一种基于自适应超螺旋算法的永磁同步电机调速控制方法
CN112486019B (zh) 不确定风力发电机系统的最大功率跟踪模糊控制方法
Mansouri et al. Genetic algorithm optimized robust nonlinear observer for a wind turbine system based on permanent magnet synchronous generator
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
Fattah et al. Performance and comparison analysis of speed control of induction motors using improved hybrid PID-fuzzy controller
Neema et al. Speed control of induction motor using fuzzy rule base
Hawkins et al. Region II wind power capture maximization using robust control and estimation with alternating gradient search
Yousfi et al. Speed sensorless vector control of doubly fed induction machine using fuzzy logic control equipped with Luenberger observer
Karad et al. Comparative analysis of fractional-order PID controller for pitch angle control of wind turbine system
Manjeera et al. Design and Implementation of Fuzzy logic-2DOF controller for Emulation of wind turbine System
CN115102444A (zh) 一种永磁同步电机自适应积分滑模预测控制方法
CN108599646B (zh) 直驱型pmsm风电系统mppt的准pi扰动感知控制方法
Lftisi et al. Implementing fuzzy logic controller techniques for indirect vector control induction motor drives
Shi et al. Model predictive control of direct-driven surface-mounted permanent magnet synchronous generator based on active disturbance rejection controller
Zhou et al. Research on vector control of permanent magnet synchronous motor of high precision turntable based on fuzzy neural network
CN110032238B (zh) 一种风机发电偏航控制系统最大功率追踪方法
Kashaganova et al. Maximum power tracking for wind energy conversion systems via a high-order optimal disturbance observer-based LQR without a wind speed sensor
CN114448308B (zh) 一种永磁同步电机调速系统的变增益滑模控制方法

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