基于rbf神經(jīng)網(wǎng)絡(luò)的風(fēng)力機(jī)變槳距控制系統(tǒng)

基于rbf神經(jīng)網(wǎng)絡(luò)的風(fēng)力機(jī)變槳距控制系統(tǒng)

風(fēng)能發(fā)電技術(shù)以可靠性、無政府消耗能源、短程、靈活、互聯(lián)運(yùn)營等特點(diǎn)，在能源和能源行業(yè)發(fā)揮著主導(dǎo)作用?，F(xiàn)在，風(fēng)裝置的最大動力能力正在增加，并且隨著之前的pi控制而改變。當(dāng)使用傳統(tǒng)的pi控制時(shí)，等效參數(shù)的測量不正確或發(fā)生變化時(shí)，控制器的性能會變差，甚至不穩(wěn)定。由于復(fù)雜模糊規(guī)則的相互作用，模糊控制的影響是不理想的，因此控制效果不是最佳的。然而，在實(shí)際的工業(yè)控制過程中，基于風(fēng)電機(jī)的特點(diǎn)，我們建立了基于新高速浮點(diǎn)采集的ps-receiven風(fēng)景氣動器的流量旁路管理信息系統(tǒng)。由于電子網(wǎng)絡(luò)電器需要高速處理器，因此使用美國德州儀器（ti）最新開發(fā)的高速浮點(diǎn)f8335ps芯片作為系統(tǒng)的硬件控制裝置。結(jié)果表明，當(dāng)輸出超過額定功率時(shí)，rbf神經(jīng)網(wǎng)絡(luò)電源氣器通過調(diào)整旋轉(zhuǎn)電流和節(jié)距角，輸出可以維持在額定功率附近。rbf神經(jīng)網(wǎng)絡(luò)電源氣源氣源氣源氣源氣源氣源氣源氣源氣源氣源氣源氣源氣源氣源氣源氣源氣源氣源氣源氣源氣源氣源氣源氣源氣源風(fēng)效率降低，并且無法獲得相關(guān)的外部干擾。該開放平臺的算法非常簡單，設(shè)計(jì)適用性強(qiáng)。1轉(zhuǎn)子電流控制器為了優(yōu)化功率曲線,本文設(shè)計(jì)的變槳距風(fēng)力發(fā)電機(jī)在進(jìn)行功率控制的過程中(如圖1所示),當(dāng)發(fā)電機(jī)并入電網(wǎng)前,發(fā)電機(jī)轉(zhuǎn)速由速度控制器A根據(jù)發(fā)電機(jī)轉(zhuǎn)速反饋信號與給定信號直接控制;發(fā)電機(jī)并入電網(wǎng)后,速度控制器B與功率控制器起作用.節(jié)距的給定參考值由控制器根據(jù)風(fēng)力發(fā)電機(jī)的運(yùn)行狀態(tài)給出,當(dāng)風(fēng)力發(fā)電機(jī)并入電網(wǎng)前,由控制器A給出;當(dāng)風(fēng)力發(fā)電機(jī)組并入電網(wǎng)后由速度控制器B給出.變槳距系統(tǒng)由風(fēng)速低頻分量和發(fā)電機(jī)轉(zhuǎn)速控制,風(fēng)速的高頻分量產(chǎn)生的機(jī)械能波動,通過迅速改變發(fā)電機(jī)的轉(zhuǎn)速來進(jìn)行平衡,即通過轉(zhuǎn)子電流控制器對發(fā)電機(jī)轉(zhuǎn)差率進(jìn)行控制,當(dāng)風(fēng)速高于額定風(fēng)速時(shí),允許發(fā)電機(jī)轉(zhuǎn)速升高,將瞬變的風(fēng)能以風(fēng)輪機(jī)動能的形式儲存起來;轉(zhuǎn)速降低時(shí),再將動能釋放出來,使功率曲線達(dá)到理想的狀態(tài).1.1片掃掃級風(fēng)力機(jī)捕獲的風(fēng)能與風(fēng)速的立方成比例關(guān)系,同時(shí)還與風(fēng)力機(jī)葉片的轉(zhuǎn)速和結(jié)構(gòu)參數(shù)有關(guān).風(fēng)力機(jī)功率特性方程為:Ρr=CpAρv3×1032ΡΝ(1)Pr=CpAρv3×1032PN(1)式中:Pr為風(fēng)力機(jī)機(jī)械功率標(biāo)么值;Cp為風(fēng)能轉(zhuǎn)換效率系數(shù),它是槳距角β和葉尖速率比λ(λ=Rω/ν)的函數(shù).ω為風(fēng)力機(jī)葉片轉(zhuǎn)速(rad/s),R為葉片半徑(m);A為葉片掃掠面積(m2);ρ為空氣密度(kg/m3);v為風(fēng)速(m/s);PN為功率基值(kW).由式(1)可知,當(dāng)風(fēng)速一定時(shí),風(fēng)力機(jī)機(jī)械功率的大小取決于Cp的大小,風(fēng)能轉(zhuǎn)換效率系數(shù)是槳葉吸收的機(jī)械能和通過槳葉旋轉(zhuǎn)面的全部風(fēng)能的比例.風(fēng)能轉(zhuǎn)換效率系數(shù)直接反映了風(fēng)力發(fā)電系統(tǒng)對風(fēng)能的利用效率,Cp與槳距角β、葉尖速率λ的非線性關(guān)系可表示為:Cp(λ,β)=c1(c2λ1-c3β-c4)e-c5λi+c6λ(2)1λi=1λ+0.08β-0.035β3+1(3)Cp(λ,β)=c1(c2λ1?c3β?c4)e?c5λi+c6λ(2)1λi=1λ+0.08β?0.035β3+1(3)式中:c1=0.05176,c2=0.05176,c3=0.05176,c4=5,c5=21,c6=0.0068.圖2所示的仿真圖形表明了當(dāng)β=0時(shí)Cp與λ的對應(yīng)關(guān)系.風(fēng)能轉(zhuǎn)換效率系數(shù)Cp在葉尖速比λ為8.1時(shí),其風(fēng)能轉(zhuǎn)換效率系數(shù)Cp獲得最大值0.48.同理,β=20時(shí),葉尖速比λ在4.8時(shí)其風(fēng)能轉(zhuǎn)換效率系數(shù)Cp獲得最大值.由此可見,β角在風(fēng)輪機(jī)控制過程中起重要作用.因此,本文在功率控制的基礎(chǔ)上,采用對節(jié)距角的控制,來達(dá)到理想的恒功率輸出控制效果.2功率控制系統(tǒng).轉(zhuǎn)子電流控制系統(tǒng).轉(zhuǎn)子為了有效地控制風(fēng)速引起的功率波動,本文采用發(fā)電機(jī)轉(zhuǎn)子電流控制技術(shù).通過對發(fā)電機(jī)轉(zhuǎn)子電流的控制來迅速改變發(fā)電機(jī)轉(zhuǎn)差率,從而改變風(fēng)輪轉(zhuǎn)速,吸收由于瞬變風(fēng)速引起的功率波動.功率控制系統(tǒng)如圖3所示,系統(tǒng)由2個(gè)控制環(huán)組成,外環(huán)通過測量轉(zhuǎn)速產(chǎn)生功率參考曲線,內(nèi)環(huán)是一個(gè)功率伺服環(huán),它通過轉(zhuǎn)子電流控制器對發(fā)電機(jī)轉(zhuǎn)差率進(jìn)行控制,使發(fā)電機(jī)功率跟蹤功率給定值.轉(zhuǎn)子電流控制系統(tǒng)如圖4所示,系統(tǒng)由神經(jīng)網(wǎng)絡(luò)PID和一個(gè)等效變阻器構(gòu)成.它根據(jù)給定的電流值,通過改變轉(zhuǎn)子電路的電阻來改變發(fā)電機(jī)的轉(zhuǎn)差率.當(dāng)功率變化即轉(zhuǎn)子電流變化時(shí),神經(jīng)網(wǎng)絡(luò)PID控制器迅速調(diào)整轉(zhuǎn)子電阻,使轉(zhuǎn)子電流跟蹤給定值,如果從主控制器傳出的電流給定值是恒定的,它將保持轉(zhuǎn)子電流恒定,從而使功率輸出保持不變.2.1tms330浮點(diǎn)處理器由于風(fēng)力發(fā)電機(jī)系統(tǒng)是一個(gè)復(fù)雜的大滯后、非線性系統(tǒng),控制變量多,系統(tǒng)的實(shí)時(shí)性能要求嚴(yán)格,所以本文采用新型高速的數(shù)字信號處理器TMS320F28335浮點(diǎn)處理器作為其控制器.TMS320F28335可以運(yùn)行在150MHz頻率下,具有18k片內(nèi)SRAM,128k零等待RAM,128k片內(nèi)Flashmemory,16路12bitA/D和16路PWM等功能.可采用18位的高精度片外ADC模塊來實(shí)現(xiàn)模數(shù)轉(zhuǎn)換,采用F28335高速浮點(diǎn)DSP,其運(yùn)行算法速度比較快,精度比較高,可以適應(yīng)系統(tǒng)復(fù)雜非線性的高速運(yùn)算控制特點(diǎn).3節(jié)點(diǎn)基寬度及學(xué)習(xí)速率RBF神經(jīng)網(wǎng)絡(luò)是一種3層前向網(wǎng)絡(luò),由輸入到輸出的映射是非線性的,而隱含層空間到輸出空間的映射是線性的,從而大大加快了學(xué)習(xí)速率并避免了局部極小值問題.將人工神經(jīng)網(wǎng)絡(luò)與PID控制律相結(jié)合,充分發(fā)揮了神經(jīng)網(wǎng)絡(luò)的自適應(yīng)、非線性映射能力和學(xué)習(xí)能力,可形成一種自適應(yīng)能力很強(qiáng)的參數(shù)可調(diào)的神經(jīng)網(wǎng)絡(luò)PID控制策略.應(yīng)用RBF神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)的非線性預(yù)測模型,可提高系統(tǒng)的動態(tài)響應(yīng)特性.基于RBF神經(jīng)網(wǎng)絡(luò)整定PID控制風(fēng)力機(jī)變槳距系統(tǒng)的整體結(jié)構(gòu)框圖如圖5所示.在RBF神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)中,hj(x)為高斯基函數(shù):hj(x)=exp(-∥X-Cj∥22b2j),j=1,2,?,m.網(wǎng)絡(luò)第i個(gè)結(jié)點(diǎn)的中心矢量Cj=[cj1,cj2,?,cji,?,cjn]Τ,其中i=1,2,…,n.設(shè)網(wǎng)絡(luò)的基寬向量為:B=[b1,b2,?,bm]Τ設(shè)bj為節(jié)點(diǎn)的基寬度參數(shù),且為大于零的數(shù).網(wǎng)絡(luò)的權(quán)向量為:w=[w1,w2,?,wj,?,wm]Τ辨識網(wǎng)絡(luò)的輸出為:ym(k)=m∑j=1Wjhj(4)辨識器的指標(biāo)函數(shù)為:J1=12[y(k)-ym(k)]2(5)根據(jù)梯度下降法,輸出權(quán)、節(jié)點(diǎn)中心及節(jié)點(diǎn)基寬參數(shù)的迭代算法為:wj(k)=wj(k-1)+η(k)[y(k)-ym(k)]hj+α[wj(k-1)-wj(k-2)]Δbj=[y(k)-ym(k)]wjhj∥x-Cj∥2b3j(6)bj(k)=bj(k-1)η(k)Δbj+α[bj(k-1)-bj(k-2)]Δcji=[y(k)-ym(k)]wjxj-cjib2jcji(k)=cji(k-1)+η(k)Δcji+α[cji(k-1)-cji(k-2)]式中:η(k)為學(xué)習(xí)速率;α為動量因子.被控對象的輸出對控制輸入的導(dǎo)數(shù)(即Jacobian陣)算法為:?y(k)?Δu(k)≈?ym(k)?Δu(k)=m∑j=1wjhjcji-x1b2j(7)式中:x1=Δu(k).采用增量式PID,控制誤差為:e(k)=rin(k-)yout(k)PID三項(xiàng)輸入為:{xc(1)=e(k)-e(k-1)xc(2)=e(k)xc(3)=e(k)-2e(k-1)+e(k-2)控制算法為:u(k)=u(k-1)+kpxc(1)+kixc(2)+kdxc(3)(8)神經(jīng)網(wǎng)絡(luò)整定的指標(biāo)為:E(k)=1/2e(k)2kp、ki、kd的調(diào)整采用梯度下降法,推導(dǎo)可求得:{Δkp=ηe(k)?y?Δuxc(1)Δki=ηe(k)?y?Δuxc(2)Δkd=ηe(k)?y?Δuxc(3)(9)4高速浮點(diǎn)神經(jīng)網(wǎng)絡(luò)仿真結(jié)果采用MATLAB仿真環(huán)境,運(yùn)用RBF神經(jīng)網(wǎng)絡(luò)算法實(shí)現(xiàn)適當(dāng)?shù)膮?shù)設(shè)置,并對提出的算法采用M函數(shù)進(jìn)行仿真.通過仿真裝置建立了風(fēng)力機(jī)變槳距模型,圖6給出了仿真的結(jié)果.仿真過程中,風(fēng)力機(jī)額定輸出功率為9×106W,風(fēng)力機(jī)葉片最大轉(zhuǎn)角β為45°,β的最大轉(zhuǎn)速為2°/s,初始風(fēng)速為8m/s,最大風(fēng)速為14m/s,額定風(fēng)速定為13m/s.該RBF神經(jīng)網(wǎng)絡(luò)整定PID控制的風(fēng)力機(jī)變槳距控制系統(tǒng),采用高速浮點(diǎn)TMS320F28335(DSP)為核心控制器,可對較為復(fù)雜的RBF神經(jīng)網(wǎng)絡(luò)控制參數(shù)進(jìn)行實(shí)時(shí)控制,仿真結(jié)果表明該神經(jīng)網(wǎng)絡(luò)控制系統(tǒng)對功率信號具有良好的控制效果.在中低風(fēng)速下,保持最優(yōu)的力矩系數(shù),發(fā)電機(jī)發(fā)出的功率和風(fēng)速的3次方成正比.在高風(fēng)速下,發(fā)電機(jī)的轉(zhuǎn)差速率達(dá)到最大,力矩電流達(dá)到最大,這時(shí)電機(jī)轉(zhuǎn)速固定,葉尖速比將隨著風(fēng)速的變化而變化,并且保持最大的力矩給