递归神经网络RNN桨距控制控制风力发电机组
本文介绍了用于涡轮桨距角控制的永磁同步发电机(PMSG)和高性能在线训练递归神经网络(RNN)的混合模糊滑模损失最小化控制的设计。反向传播学习算法用于调节RNN控制器。PMSG速度使用低于额定速度的最大功率点跟踪,其对应于低风速和高风速,并且可以从风中捕获最大能量。设计了具有积分运算切换面的滑模控制器,利用模糊推理机制估计不确定性的上界。
简介
最近,风力发电系统作为清洁和安全的可再生能源引起了极大的关注。风力发电可以通过使用电力电子转换器的恒速和变速操作来操作。由于风能产生的改善和闪烁问题的减少,变速发电系统比固定速度系统更具吸引力。并且风力涡轮机能够在最大功率操作点关于各种风速下,通过调整轴速度最佳地在所有风速达到最高效率 。
RNN变桨控制系统的设计
RNN的体系结构
RNN具有三层,即,输入,隐藏和输出。在所示的三层神经网络图采用实施建议的RNN用于涡轮控制器。
图. RNN的体系结构。
模拟结果
传统的比例积分(PI)型控制器由于其简单的控制结构,易于设计和低廉的成本而在工业中广泛使用。然而,如果受控设备是高度非线性的或者期望的轨迹随着更高的频率变化,则PI型控制器可能不具有令人满意的性能。对于变速风力涡轮机,通常采用机械致动器来改变叶片的桨距角以控制功率系数(
)并将功率保持在最大值。最佳转速
获得每个风速
,并用作闭环的参考。机器参数在附录中给出。
动态性能测试
图(a)显示了轴速; 可以观察到系统跟踪额定发电机速度下的最大功率。图6(b)显示了最大功率跟踪控制的验证。最大功率跟踪控制的风速曲线
和涡轮机之间的动态差异
和发电机功率
由于系统惯性和摩擦力也如图6(b)所示。测得的风速剖面平均功率为226.1 W. 图6(c)显示了涡轮机
和发电机功率
跟踪错误。图6(d)显示了功率系数
在整个风速剖面中接近其最大值。当功率系数接近最佳值时,可以清楚地观察到最大功率提取的效率
。
图风速剖面的模拟结果:(a)风廓线速度跟踪,(b)最大功率跟踪控制信号,(c)功率跟踪误差和(d)功率系数C p。
效率性能测试
图7显示了效率性能。机械输入功率的发电机效率
交流输出功率
超过85%。机械输入功率的总效率
直流输出功率
,考虑到中高速范围内的转换器损耗几乎为80%。
图.模拟效率性能。
结论
本文介绍了用于变速风能系统的驱动PMSG系统的设计。速度控制器设定发电机扭矩指令,这是通过电流控制回路实现的。所提出的系统已经在实时应用中实现,具有商用PMSG和模拟风力涡轮机行为的直流驱动器。仿真结果表明该系统具有良好的性能。
动态性能不仅在稳态而且在快速输入时显示出转速的准确估计,而传统的PI控制器不能确定各种风速的不确定性模型。本研究成功实现了模糊滑模速度和RNN桨距控制器,用于控制WECS。即使参数不确定,该技术也可以保持系统稳定性并达到所需的性能。
还有问题吗?联系我们!
大数据部落 -中国专业的第三方数据服务提供商,提供定制化的一站式数据挖掘和统计分析咨询服务
统计分析和数据挖掘咨询服务:y0.cn/teradat(咨询服务请联系官网客服)
QQ:3025393450
【服务场景】
科研项目; 公司项目外包;线上线下一对一培训;数据采集;学术研究;报告撰写;市场调查。
【大数据部落】提供定制化的一站式数据挖掘和统计分析咨询服务
转载于:https://www.cnblogs.com/tecdat/p/9415030.html
递归神经网络RNN桨距控制控制风力发电机组相关推荐
- 递归神经网络RNN——LSTM
递归神经网络RNN--LSTM 1.LSTM的产生原因及优点 2.LSTM网络结构 3.LSTM工作机制 4.LSTM Attention 机制 关于LSTM模型,看懂这篇文章就OK了,不用再看别的了 ...
- rnn 递归神经网络_递归神经网络rnn的简单解释
rnn 递归神经网络 Recurrent neural network is a type of neural network used to deal specifically with seque ...
- matlab递归神经网络RNN实现:桨距控制控制风力发电机组研究
本文介绍了用于涡轮桨距角控制的永磁同步发电机(PMSG)和高性能在线训练递归神经网络(RNN)的混合模糊滑模损失最小化控制的设计.反向传播学习算法用于调节RNN控制器.PMSG速度使用低于额定速度的最 ...
- lecture7-序列模型及递归神经网络RNN
Hinton 第七课 .这里先说下RNN有recurrent neural network 和 recursive neural network两种,是不一样的,前者指的是一种人工神经网络,后者指的是 ...
- 递归神经网络RNN总结
一.前述 传统的神经网络每个输入节点之间没有联系, RNN (对中间信息保留): 由图可知,比如第二个节点的输入不仅依赖于本身的输入U1,而且依赖上一个节点的输入W0,U0,同样第三个节点依赖于前两个 ...
- 卷积神经网络基础:(8)递归神经网络RNN
1.RNN网络由来 RNN:Recurrent Neural Network.递归神经网络只是在传统神经网络上进行一个改进而已. 正常流程是:输入---->隐层---->输出 (数据来了经 ...
- 算法基础——递归神经网络RNN
CNN主要用于CV领域,RNN主要用于NLP领域,RNN的输入数据是文本数据. 假设 t1 时刻,有输入x1进入隐藏层,得到特征h1,h1会返回和 t2 时刻的输入x2一起输入隐藏层,得到特征h2 ...
- Tensorflow— 递归神经网络RNN
代码: import tensorflow as tf from tensorflow.examples.tutorials.mnist import input_datamnist = input_ ...
- 递归神经网络RNN网络 LSTM
转自: https://blog.csdn.net/Jerr__y/article/details/61195257 @author: huangyongye 前言: 根据我本人学习 TensorFl ...
最新文章
- ASP.NET MVC Identity 兩個多個連接字符串問題解決一例
- python获取列表中前N大的索引
- python之变量操作
- could not export python function call python_value. Remove calls to Python functions before export
- 读书笔记_java设计模式深入研究 第八章 状态模式 State
- VTK:绘图之StackedBar
- Android开发之Git提交Template模板配置
- feignclient对象找不到_成都附近有什么相亲活动?为什么有些人就是找不到对象?梨子游玩...
- VLC详细的使用说明以及配置说明综合示范实例精通VLC开发
- python函数示例_PHP closeir()函数与示例
- 一加8系列获得认证:骁龙865加持 离上市又近一步
- ubuntu系统下IDEA中新建class时报错Unable to parse template “Class“的解决方法
- 为qt程序添加ico图标
- ios-mfi_蓝牙部分翻译
- 【一起入门NLP】中科院自然语言处理第13课-NLP基础任务④:序列生成问题(Seq2Seq)
- 吃饭的时候吃饭,睡觉的时候睡觉。 (转)
- 深度揭秘 Promise 微任务和执行过程
- linux下读取ntfs数据,在Linux中读取NTFS分区上的数据
- 新锐房地产销售管理系统(部分流程)技术解析(八) 销售管理_预定管理
- 基于junit4的关于个人所得税计算的等价类与边界值_关于量子力学的基本原理
热门文章
- Failed to remove multipath map 320b508ca45022b80
- 九齐NY8实现的LED灯不同频率的闪烁
- IDC行业的前景怎么样?
- HTML5 + CSS3 实现地球绕太阳公转
- Spring data MongoDB 系列之一连接数据库并 插入数据
- ps-增加光影效果质感
- vue.js如何连接打印机
- WPF中的形状Shape与几何图形Geometry详解
- 【完整版】2019h1深圳二手楼市热度如何?(数据爬取、分析建模)
- mbs 隐写算法 matlab,缩写发现算法,abbreviation-discovered algorithm,音标,读音,翻译,英文例句,英语词典...