基于小世界优化的变桨距风电机组神经网络预测控制

通过将混沌映射用于产生初始节点集和进行算子构造,提出一种新的基于实数编码的混沌小世界优化算法。采用4种算法对多例复杂函数的优化问题进行仿真试验,表明所提算法具有能够有效避免陷入局部极小值、快速搜索到最优值的能力。将上述方法应用于变桨距风电机组启动并网时的转速控制,提出一种基于混沌小世界优化算法的神经网络预测控制策略,其预测模型由基于现场数据的神经网络模型建立。仿真与实际测试结果表明,该系统可以根据风速扰动提前预测电机的转速变化,使控制器超前动作,保证系统输出跟踪参考轨迹的方向稳步改变,确保风电机组平稳并网。