基于神经网络的风电机组MPPT与桨距角协调控制

被引：1

作者：

冯浩 ^{[1
]}

彭秀芳 ^{[1
]}

王磊 ^{[1
]}

潘磊 ^{[1
]}

地力夏提哈依热丁 ^{[2
]}

机构：

[1] 中国能源建设集团江苏省电力设计院有限公司

[2] 河海大学能源与电气学院

来源：

人民长江 | 2018年 / 06期

关键词：

MPPT-桨距角控制; 神经网络; 多层感知器; 双馈异步风电机组;

D O I：

10.16232/j.cnki.1001-4179.2018.06.020

中图分类号：

TM315 [风力发电机];

学科分类号：

摘要：

为了最大限度地利用风能,更好地利用风速,提出了基于人工神经网络的一种新的最大功率点跟踪(Maximum Power Point Tracking,MPPT)与桨距角控制相结合的控制策略,以解决以往控制策略工作量大、过程繁杂等问题。该控制策略允许低于额定风速时发电机工作在最佳转速得到最大功率,高于额定风速时恒功率输出;整个过程由一个人工神经网络控制器来实现。为此,在Matlab环境下,建立了双馈异步风电机组的仿真模型来开展分析。分析结果表明,风速在额定值附近大范围变化时,采用最大功率点跟踪(MPPT)与桨距角控制相结合的控制策略,能够实现最大功率快速而精确的跟踪和恒功率的输出,且具有很好的动态特性和快速跟踪特性。

引用

页码：107 / 113

页数：7

共 15 条

[1] 电机学[M]. 高等教育出版社 , 马宏忠, 2009
[2] 神经网络设计[M]. 机械工业出版社 , (美)MartinT.Hagan等著, 2002
[3] Design and real time implementation of type-2 fuzzy vector control for DFIG based wind generators[J] . S.Krishnama Raju,G.N. Pillai. &nbspRenewable Energy . 2016
[4] Novel fuzzy logic based sensorless maximum power point tracking strategy for wind turbine systems driven DFIG (doubly-fed induction generator)[J] . K. Belmokhtar,M.L. Doumbia,K. Agbossou. &nbspEnergy . 2014
[5] Improving efficiency of two-type maximum power point tracking methods of tip-speed ratio and optimum torque in wind turbine system using a quantum neural network[J] . Soheil Ganjefar,Ali Akbar Ghassemi,Mohamad Mehdi Ahmadi. &nbspEnergy . 2014
[6] Pitch-controlled variable-speed wind turbine generation. Muljadi E,Butterfield C P. IEEE Transactions on Industry Applications . 2001
[7] 风力发电机组的控制技术[M]. 机械工业出版社 , 叶杭冶编著, 2006
[8] 风力发电机组控制技术[M]. 中国水利水电出版社 , 霍志红, 2010
[9] 变速恒频双馈风力发电机的运行控制特性的仿真与实验研究[D]. 高绪明.广西大学 2007
[10] 变速恒频风力发电系统最大风能追踪优化控制
李大冰
吉荣廷
[J]. 计算机仿真, 2014, 31 (07) : 117 - 120

← 1 2 →