基于RBF网络的风电机组变桨距滑模控制

由于风速的随机性、风电机组参数的时变性、系统的非线性以及时滞性,造成风电机组输出功率的不稳定。为改善系统在恒功率输出运行区域内的动态性能,在分析风力发电系统变桨距控制研究现状的基础上,提出了一种基于RBF神经网络的变桨距滑模控制方案。采用模糊C-均值(FCM)聚类法和递推最小二乘法(RLS)离线学习得到网络初始参数,并把滑模误差引入到变桨距滑模控制自适应律中,在线调整RBF网络中心和权值以改善系统的动态性能。该方法不仅具有滑模控制的抗干扰、对变化参数鲁棒性强以及速度快等优点,神经网络控制的加入还有效地抑制了滑模变结构控制所引起的桨距角抖振现象。构建了风力发电系统变桨距控制模型并进行仿真,结果表明基于RBF神经网络的变桨距滑模控制器具有良好的动态性能及对风速扰动的鲁棒性,可以有效改善系统的桨距控制效果。