直驱式永磁风电机组变桨距控制技术研究

发布时间：2017-10-08 09:48

  本文关键词：直驱式永磁风电机组变桨距控制技术研究

  更多相关文章： 风力发电 变桨距控制 支持向量机 强化学习 气动载荷

【摘要】：风电资源的合理利用和开发在改善生态环境、优化能源结构、提升社会效益、促进能源和社会可持续发展等方面有着显著的作用,但由于风电系统的复杂性、时变性以及运行过程中的强干扰等因素,对风电系统进行精确的控制仍然是当前研究的一个难题。因此,研究风电技术尤其是控制技术对促进风电产业高效发展具有重要意义。本课题将大型直驱式风电机组变桨距控制技术作为研究重点,通过将支持向量机平台和机器学习方法应用到风电机组统一和独立变桨距控制上做了一些简单的尝试。由于支持向量机在解决非线性问题时有较强的鲁棒性及全局最优性,可以用来优化滑模控制器,消除抖振,故引入支持向量机平台,设计了基于支持向量机理论的滑模趋近律和到达条件,建立了无抖振滑模控制器。经过仿真验证,该控制器在保证功率稳定输出的同时,变桨执行机构动作变化速率大幅度减小,减轻了器械疲劳以及磨损,延长了机组的运行寿命和减少机器故障。鉴于风电机组不断大型化,统一变桨距控制方法已经无法满足大型机组的控制要求,因此研究独立变桨距控制技术成为必要。针对兆瓦级风电系统独立变桨距的控制问题,提出神经网络强化学习动态补偿权系数的独立变桨距控制方法,将统一桨距角分别通过权系数进行静态和动态调节后的独立变桨控制。最后使用Matlab/Simulink和FAST软件进行联合仿真,在Simulink中搭建主要控制器和算法单元,风机则采用FAST提供的非线性模型。通过仿真验证,所提出的控制方法准确且有效地实现桨距角的独立控制,且基于RBF的A-C算法由于具备了神经网络的特性,有很强的鲁棒性,可以做到无模型的自适应优化控制,该控制方法有利于缓解不平衡气动载荷对风轮造成的影响,延长机组使用寿命。
【关键词】：风力发电 变桨距控制 支持向量机 强化学习 气动载荷
【学位授予单位】：湖南工业大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TM315
【目录】：

• 摘要4-5
• ABSTRACT5-9
• 第一章 绪论9-17
• 1.1 课题的研究背景及意义9-10
• 1.2 课题的研究现状10-15
• 1.2.1 风电机组的现状10-11
• 1.2.2 风电机组控制方面的研究现状11-14
• 1.2.3 变桨距系统研究现状14
• 1.2.4 变桨距系统研究现状14-15
• 1.3 本课题主要研究内容15-17
• 第二章 风力发电系统建模与仿真17-30
• 2.1 永磁直驱式风电机组系统结构17-18
• 2.2 风力机理论18-21
• 2.2.1 风机能量转换18-20
• 2.2.2 风机特性系数20-21
• 2.3 变桨距控制理论21-23
• 2.3.1 变桨距控制原理21-22
• 2.3.2 变桨距控制过程22-23
• 2.4 风力发电系统建模与仿真23-29
• 2.4.1 风速模型23-24
• 2.4.2 风力机模型24-25
• 2.4.3 传动系统模型25
• 2.4.4 变桨距执行机构模型25-26
• 2.4.5 发电机模型26
• 2.4.6 风力发电变桨距控制系统仿真26-29
• 2.5 本章小结29-30
• 第三章 基于支持向量机平台的滑模变桨距控制30-51
• 3.1 变结构控制原理30-35
• 3.2 滑模变桨距控制器设计35-40
• 3.3 支持向量机理论40-46
• 3.3.1 SVM的基本思想41
• 3.3.2 SVM的分类问题41-42
• 3.3.3 SVM回归原理42-46
• 3.4 基于SVM无抖振滑模变桨距控制46-50
• 3.5 本章小结50-51
• 第四章 基于强化学习补偿的独立变桨距控制51-69
• 4.1 风力机独立变桨距控制51-55
• 4.1.1 风速特性分析52
• 4.1.2 空气动力学分析52-53
• 4.1.3 独立变桨距控制原理53-54
• 4.1.4 基于权系数独立变桨距控制54-55
• 4.2 强化学习理论55-59
• 4.2.1 基本原理55-57
• 4.2.2 强化学习基本算法57-58
• 4.2.3 强化学习的问题及前景58-59
• 4.3 强化学习动态补偿权系数控制方法59-68
• 4.3.1 基于RBF神经网络的A-C算法60-63
• 4.3.2 基于A-C算法的独立变桨距控制系统63-65
• 4.3.3 控制系统建模65
• 4.3.4 仿真及结果分析65-68
• 4.4 本章小结68-69
• 第五章 总结与展望69-71
• 5.1 总结69-70
• 5.2 展望70-71
• 参考文献71-75
• 攻读硕士学位期间主要研究成果75-76
• 致谢76

【参考文献】

中国期刊全文数据库 前10条

1 李军军;吴政球;谭勋琼;陈波;;风力发电及其技术发展综述[J];电力建设;2011年08期

2 姚兴佳;马永兴;郭庆鼎;;直驱风力发电系统双PWM变流器控制技术[J];电源学报;2011年05期

3 葛红艳;邢光龙;王伟超;;基于支持向量机分类的回归方法[J];电子技术;2008年09期

4 杨文焕;倪凯峰;;基于模糊控制的双馈风力发电最优控制策略[J];电工技术学报;2013年04期

5 秦斌;周浩;杜康;王欣;;基于RBF网络的风电机组变桨距滑模控制[J];电工技术学报;2013年05期

6 肖帅;杨耕;耿华;;抑制载荷的大型风电机组滑模变桨距控制[J];电工技术学报;2013年07期

7 王长路;王伟功;张立勇;乔雪涛;;中国风电产业发展分析[J];重庆大学学报;2015年01期

8 段勇;徐心和;;基于模糊神经网络的强化学习及其在机器人导航中的应用[J];控制与决策;2007年05期

9 郭庆鼎,赵麟,郭洪澈;1MW变速变距风力发电机的滑模变结构鲁棒控制[J];沈阳工业大学学报;2005年02期

10 姚兴佳;刘s，

本文编号：993351