风力发电系统最大功率跟踪自适应鲁棒控制系统及方法技术方案

本发明专利技术公开了一种风力发电系统最大功率跟踪自适应鲁棒控制系统及方法。所述风力发电系统最大功率跟踪自适应鲁棒控制系统包含：风速采集系统、风机信息采集模块、最优风轮角速度计算模块、角速度处理模块、自适应鲁棒控制模块和控制信号生成模块等，自适应鲁棒控制模块进一步包含动作网络和评价网络。本发明专利技术提供的风力发电系统最大功率跟踪自适应鲁棒控制系统及方法实时控制风轮角速度使其跟踪最优风轮角速度，使风力发电系统输出功率达到最大输出功率，同时通过自适应鲁棒控制模块自主学习训练保证风机输出功率稳定跟踪最大输出功率。与现有技术相比，本发明专利技术对动态学、控制理论要求较低，跟踪速度快，控制精确、反应灵敏，具有较强的鲁棒性。

【技术实现步骤摘要】
风力发电系统最大功率跟踪自适应鲁棒控制系统及方法
本专利技术属于风力发电
，具体涉及一种风力发电系统最大功率跟踪自适应鲁棒控制系统及方法。
技术介绍
随着社会经济的高速发展，传统能源日渐枯竭，发展可持续再生能源迫在眉睫。风能作为一种广泛分布的清洁可再生能源，具有免费、清洁、无污染等特点，应用前景良好，在世界范围内受到了普遍的重视。风力发电是指通过风力发电系统将风能转化为电能。与多数可再生能源发电技术相比，风力发电具有明显的竞争优势。我国风能资源丰富，发展风力发电可以为国民经济发展提供重要保障。风力发电系统并不能将捕获的风能全部转换成电能，通常采用风能利用系数Cp来表示风力发电机将捕获的风能转化成电能的转换效率。风力发电机具有非线性特性，风电机组转矩控制和输出功率直接受风速影响，风场风速变化具有随机性、不确定性，风力发电系统的风能利用系数Cp随风场风速v的改变而非线性改变，其运行输出的最大功率点位置也会随风速v改变而改变(最大功率点位置指取得最大风能利用系数Cp时，风力发电系统的风轮转速值ω)。假设风速v一定，从风力发电功率本文档来自技高网...

【技术保护点】
1.一种风力发电系统最大功率跟踪自适应鲁棒控制方法，其特征在于，包含以下过程：/nS1、以现有的风场风速、风力发电机风轮角速度以及风力发电机转矩为训练数据训练循环神经网络，构建风力发电系统的数据驱动模型；/nS2、实时采集风场风速数据，根据t时刻风场风速v(t)计算得到t时刻最优风轮角速度ω

【技术特征摘要】
1.一种风力发电系统最大功率跟踪自适应鲁棒控制方法，其特征在于，包含以下过程：
S1、以现有的风场风速、风力发电机风轮角速度以及风力发电机转矩为训练数据训练循环神经网络，构建风力发电系统的数据驱动模型；
S2、实时采集风场风速数据，根据t时刻风场风速v(t)计算得到t时刻最优风轮角速度ωopt(t)；
S3、实时采集风力发电机风轮角速度数据，计算t时刻采集的风力发电机风轮角速度ω(t)与最优风轮角速度ωopt(t)的误差e(t)；
S4、将误差e(t)输入动作网络，通过动作网络计算得出t时刻的动作值ue(t)；
S5、将误差e(t)输入评价网络，通过评价网络计算得出t时刻的性能函数值V(t)及性能函数值导数Ve(t)；
S6、通过效用函数和动作值ue(t)对评价网络进行学习训练，迭代更新评价网络、性能函数值V(t)及性能函数值导数Ve(t)；
S7、评价网络学习训练的同时，通过更新的性能函数值导数Ve(t)对动作网络进行学习训练，迭代更新动作网络及动作值ue(t)；
S8、当动作网络或评价网络的目标函数小于阈值或达到最大迭代次数，则输出最终的动作值ue(t)，将输出最终的动作值ue(t)与稳态控制值ud(t)、设计的鲁棒补偿项ur(t)结合，得到控制值u(t)；
S9、根据预设的映射函数规则，生成与控制值u(t)对应的发电机转矩值Te，以及与发电机转矩值Te对应的控制信号；
风力发电机根据生成的控制信号改变风力发电机的转矩，调整风轮角速度ω(t)，使风机输出功率跟踪最大功率；将时间t更新为t+1，重复步骤S2～S9。


2.如权利要求1所述风力发电系统最大功率跟踪自适应鲁棒控制方法，其特征在于，步骤S1中构建风力发电系统数据驱动模型进一步包含以下过程：
S11、将风力发电系统传动模型以循环神经网络的形式改写为：



其中，ω(t)为t时刻风力发电机风轮角速度，v(t)为t时刻风场风速，u(t)为t时刻风力发电系统最大功率跟踪自适应鲁棒控制系统的控制值，A*、B*、和为未知理想权值矩阵，g是与风力发电系统参数相关的常数，f(·)＝tanh(·)为激活函数，ε(t)为设定的有界的神经网络近似误差项；
S12、根据S11中改写的风力发电系统传动模型，风力发电系统传动模型的数据驱动模型构建为：



其中，是风力发电系统风轮角速度ω(t)的估计；和分别为未知理想权值矩阵A*、B*、和的估计；d(t)为附加调节项，是一个给定的设计值，em(t)为数据驱动模型建模误差，是一个附加调节参数，用于增加神经元灵活性，提高拟合能力，η为大于1的常数；
S13、RNN权值矩阵和附加调节项参数的更新规则为：















其中，γ1、γ2、γ3、γ4、γ5为设计的学习率；
S14、当时间t→∞，建模误差em(t)渐进收敛于零，得到风力发电系统传动模型数据驱动模型：



其中，A、B、Au、Bu为常数。


3.如权利要求1所述风力发电系统最大功率跟踪自适应鲁棒控制方法，其特征在于，步骤S2中t时刻最优风轮角速度ωopt(t)的计算公式如下：
ωopt(t)＝λoptv(t)/R(15)
其中，λopt为最佳叶尖速比，R为风轮半径，v(t)为t时刻风场风速；
根据风能利用系数Cp(λ，β)函数的曲线，当桨距角β＝0时，风能利用系数在最佳叶尖速比λopt处达到最大风能利用系数Cpmax。


4.如权利要求1所述风力发电系统最大功率跟踪自适应鲁棒控制方法，其特征在于，步骤S6中通过效用函数计算得到性能函数值，通过性能函数值评价动作值ue(t)的优劣。


5.如权利要求1所述风力发电系统最大功率跟踪自适应鲁棒控制方法，其特征在于，步骤S6进一步包含以下过程：
S61、首先判断是否进行评价网络更新迭代，当迭代次数k达到设定的评价网络更新上限值，或者评价网络的预测误差ec(k)小于设定的第一误差阈值，停止迭代；
S62、设定评价网络的预测误差为：



设定评价网络的待最小化的目标函数定义为：



其中，k表示迭代次数，Ve(k)...

【专利技术属性】
技术研发人员：陈芃，韩德志，
申请(专利权)人：上海海事大学，
类型：发明
国别省市：上海;31