基于rbf网络的风电机组变桨距滑模控制-oalib.pdfVIP

20 13 年 5 月 电 工 技 术 学 报 Vol.2 8 No. 5 第28 卷第 5 期 TRANSACTIONS OF CHINA ELECTROTECHNICAL SOCIETY May 2013 基于RBF 网络的风电机组变桨距滑模控制 秦 斌 周 浩 杜 康 王 欣 （湖南工业大学电气与信息工程学院 株洲 412007 ） 摘要 由于风速的随机性、风电机组参数的时变性、系统的非线性以及时滞性，造成风电机 组输出功率的不稳定。为改善系统在恒功率输出运行区域内的动态性能，在分析风力发电系统变 桨距控制研究现状的基础上，提出了一种基于 RBF 神经网络的变桨距滑模控制方案。采用模糊 C-均值（FCM ）聚类法和递推最小二乘法（RLS ）离线学习得到网络初始参数，并把滑模误差引 入到变桨距滑模控制自适应律中，在线调整RBF 网络中心和权值以改善系统的动态性能。该方法 不仅具有滑模控制的抗干扰、对变化参数鲁棒性强以及速度快等优点, 神经网络控制的加入还有 效地抑制了滑模变结构控制所引起的桨距角抖振现象。构建了风力发电系统变桨距控制模型并进 行仿真，结果表明基于RBF 神经网络的变桨距滑模控制器具有良好的动态性能及对风速扰动的鲁 棒性，可以有效改善系统的桨距控制效果。 关键词：风力发电系统 桨距角控制 RBF 神经网络 滑模控制 抖振 中图分类号：TM614 Sliding Mode Control of Pitch Angle Based on RBF Neural-Network Qin Bin Zhou Hao Du Kang Wang Xin （Hunan University of Technology Zhuzhou 412000 China ） Abstract Owing to the stochastic nature of wind speed, time -variable of parameters, system lagging and system nonlinearities the power generated by wind turbines appears to instable change. To improve the dynamic performance in the operation region of constant power output, a sliding mode variable structure controller using RBF neural network is proposed based on analyses of th e features of wind turbine generator system. The initial centers through a FCM algorithm and the weights of network is obtained through recursive least squares(RLS) in off -line training. The sliding mode error is introduced in the adaptive law to improve the performance of the systems. The strategy mentioned above has such advantages as strong ability of rejecting chattering, well robust to the v