一种基于深度强化学习的直驱型风电机组单环控制方法技术

本发明专利技术一种基于深度强化学习的直驱型风电机组单环控制方法，属风电领域。该直驱型风电机组包括永磁同步风力发电机、机侧变流器等；根据风力发电机的环境状态构建基于TD3算法的智能体，环境状态包括风速及其变化率、发电机转速及其参考值、定子电流及其参考值、定子电压及其参考值、定子电感、定子电阻、永磁体转子磁链，设计奖励函数，确定风速和发电机训练条件，对智能体进行训练，将训练好的智能体模型移植入机侧变流器的主控芯片，建立基于主控芯片的实际控制系统，实现转速电流一体化单环控制。本发明专利技术摒弃传统的双环控制，无需控制对象的精确参数，自适应能力强、电流畸变率小、功耗低、发电效率高，可实现风电机组快速、高效、稳定控制。

【技术实现步骤摘要】

本专利技术涉及一种控制方法，尤其是一种基于深度强化学习的直驱型风电机组单环控制方法，属于风电。

技术介绍

1、近年来，风力发电技术取得了显著的发展。直驱型永磁同步发电机(pmsg)因其结构简单、成本低、无需增速齿轮箱等优势被广泛应用于风力发电系统。

2、目前，pid控制仍然是pmsg的重要控制方法之一。但在时变风速、发电机参数变化等工况下，由于pid的控制参数固定不变，不能适应变化的工况，其控制难以维持良好的稳态性能。模型预测控制(mpc)也是一种在pmsg中广泛使用的方法，通过设计代价函数实现跟踪控制。然而，电机参数的变化会增大mpc方法的跟踪误差，进而影响控制效果。为了减小参数不匹配的影响，无模型预测控制方法是一种新的思路，但其增大了控制器的设计难度。总之，通过上述控制方法实现pmsg的智能控制难度较大。

3、深度强化学习(drl)作为一种解决复杂系统感知问题的强大技术，有效结合了深度学习的感知能力和强化学习的决策能力，可以根据输入的信息进行控制，是一种更接近人类思维方式的人工智能控制方法，近年来引起了广泛关注。目前已有文献设计本文档来自技高网...

【技术保护点】

1.一种基于深度强化学习的直驱型风电机组单环控制方法，所述直驱型风电机组，包括：永磁同步风力发电机、机侧变流器；所述机侧变流器一端与所述永磁同步风力发电机的定子相连；其特征在于，采用如下步骤：

2.根据权利要求1所述的一种基于深度强化学习的直驱型风电机组单环控制方法，其特征在于，所述步骤1中所述永磁同步风力发电机的环境状态包括：风速vw及风速变化率vw，所述永磁同步风力发电机的转子旋转角速度ωm及其参考值ωm,r，所述永磁同步风力发电机的定子电流的d、q轴分量isd、isq及其参考值isd,r、isq,r，所述永磁同步风力发电机的定子电压的d、q轴分量usd、usq及其参考值...

【技术特征摘要】

1.一种基于深度强化学习的直驱型风电机组单环控制方法，所述直驱型风电机组，包括：永磁同步风力发电机、机侧变流器；所述机侧变流器一端与所述永磁同步风力发电机的定子相连；其特征在于，采用如下步骤：

2.根据权利要求1所述的一种基于深度强化学习的直驱型风电机组单环控制方法，其特征在于，所述步骤1中所述永磁同步风力发电机的环境状态包括：风速vw及风速变化率vw，所述永磁同步风力发电机的转子旋转角速度ωm及其参考值ωm,r，所述永磁同步风力发电机的定子电流的d、q轴分量isd、isq及其参考值...

【专利技术属性】
技术研发人员：张维钰，蔡彬，张帅，张登骥，褚晓广，
申请(专利权)人：曲阜师范大学，
类型：发明
国别省市：