专利汇可以提供一种低风速下风力发电机的预测与跟踪控制方法专利检索,专利查询,专利分析的服务。并且本 发明 公开了一种低 风 速下 风 力 发 电机 的预测与 跟踪 控制方法,包括:1)预测风力发电机风轮的最优 角 速度 ;2)设计 控制器 对风力发电机风轮的角速度进行跟踪控制。本发明低风速下风力发电机的预测与跟踪控制方法,能够准确预测未来一段时间进入风场的风速,得到了与未来时刻风力发电机风轮真实角速度接近的理想预测角速度数据,通过准确控制风力发电机风轮角速度跟踪理想预测角速度,能够避免控制不及时的问题,提高风力发电机的 风能 利用率,使风力发电机在低风速下以最大功率输出;且所设计RBF神经网络自适应控制器只依赖于系统角速度误差,对于系统内部部分函数和参数未知的情况也可以对风力发电机转速进行控制。,下面是一种低风速下风力发电机的预测与跟踪控制方法专利的具体信息内容。
1.一种低风速下风力发电机的预测与跟踪控制方法,其特征在于:包括:
1)预测风力发电机风轮的最优角速度,包括:
Ⅰ、将测风塔放置于风场外围1-2公里处,测量即将进入风场的风速;
Ⅱ、根据所测风速数据,通过公式ω*=λoptv/R计算得到风力发电机风轮理想预测角速度ω*,其中λopt为最佳叶尖速比,v是测风塔测得的风速,R是风力发电机风轮半径;
2)设计控制器对风力发电机风轮的角速度进行跟踪控制,包括:
A、设计风机系统模型为:
其中,J=Jr+n2Je,Jr为风轮处转子的转动惯量,Je为发电机转子转动惯量,B为传动系统总阻尼系数,Tr为风轮获得的气动转矩,n为连接风机与发电机的变速箱的传动比,Te为发电机电磁转矩;Tr、B属于系统未知量;
B、获取风轮角速度ω,风轮理想预测角速度ω*,定义误差e=ω-ω*,对两边求导得到整理得到:
风机系统未确定部分 使用RBF神经网络 估计,
其中, 是节点高斯径向基函数,W为每个节点的权值,
ε是神经网络的阈值;
C、使用基于受限李雅普诺夫方法的RBF神经网络方法设计控制器:
其中,γ是自行设计的一个大于零的BLF参数,K0是自行设计的大于零的控制参数,神经网络控制器:
自适应更新率:
其中 为W的估计值,为ε的估计值,选取γ=0.02,K0=3;
D、将本时刻的误差信号e输入风力发电机控制器,得到下一时刻的控制信号Te;
E、将控制信号输入风力发电机得到下一时刻的风轮角速度ω。
2.根据权利要求1所述的低风速下风力发电机的预测与跟踪控制方法,其特征在于:所述步骤B中的风轮角速度ω通过角速度传感器测量获取。
3.根据权利要求1所述的低风速下风力发电机的预测与跟踪控制方法,其特征在于:所述节点高斯径向基函数个数为50。
4.根据权利要求3所述的低风速下风力发电机的预测与跟踪控制方法,其特征在于:所述节点高斯径向基函数中心点按照等梯度方式选取,在样本密度大的地方增加取值点。
标题 | 发布/更新时间 | 阅读量 |
---|---|---|
考虑风电不确定性的新能源接入与网架扩建优化方法 | 2020-05-08 | 994 |
一种避免影响气候导致雾霾的风电/光伏联合配置系统 | 2020-05-08 | 687 |
一种基于风光储联合发电系统的发用电一体化调度方法 | 2020-05-11 | 928 |
一种用于超极限风况风区的分段式风力发电机叶片 | 2020-05-11 | 348 |
偏航对风控制方法、装置、设备及存储介质 | 2020-05-12 | 166 |
一种叶片根部力矩测量方法 | 2020-05-11 | 406 |
一种鲁棒概率tube联合使用的随机模型预测控制方法 | 2020-05-12 | 172 |
一种基于边缘计算的多智能体负荷调控方法 | 2020-05-11 | 485 |
一种双馈风力发电机组无功输出范围的精确计算方法 | 2020-05-12 | 140 |
化石能源低能耗零碳排放采收及碳循环方法 | 2020-05-08 | 92 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台,是提供专利分析,专利查询,专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据,免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析,涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度,系统通过AI智能系统对图表进行解读,只需1分钟,一键生成行业专利分析报告。