一种基于混合神经网络的风力发电机稳定控制方法，它包括：①采集风速及对应的有功功率；②滤波预处理；③GA-BP算法调试；④神经网络训练；⑤显示屏计算结果；其优越性在于：精度高，可以很好地拟合风力发电系统的性能；运算速度快，使系统达到了实时性的要求；用DSP编程实现GA-BP神经网络算法，对于提高GA-BP神经网络算法的快速性与更好的发挥GA-BP神经网络算法的并行性是行之有效的。
【技术实现步骤摘要】
本专利技术涉及风 力发电、智能控制和电力电子技术、数字信号处理
，尤其是基于。
技术介绍
随着中国可再生能源刺激政策的不断出台和电网配套建设的完善，中国巨大的风电发展潜力将得到进一步激发，中国有能力成为世界可再生能源的大国。从风力发电本身的特点可以看出自然风速的大小和方向是随机和不可控的，这样作用在风力机桨叶上产生的风能也是随机的和不可控的；针对由于气动、机械等方面的复杂机理，使得大型风力机的建模非常困难，难以得到精确的机理模型，而且常规电力系统是一个非线性的动态系统。 在大规模风电入网后，上述风电的显著特点使得风电系统的非线性动态特征与常规电力系统相比更加明显。目前的建模方法是机理分析法。机理分析法的主要原理是从系统内部的物理本质入手，通过选择适当的物理模型结构来模拟系统的特性，主要是考虑力的平衡关系，建立了风力发电机组在标称状态下的数学模型。由于风力发电机的复杂性，建立的机理与实际有一定的偏差。因此，有必要采取一种较新、较准确的建模方法对非线性性强的风力发电机进行建模。人工神经网络具有模拟多变量而不需要对输入变量做复杂的相关假定的能力，许多领域已经开始运用这项理论建模，但多是计算机仿真，少有硬件实现。
技术实现思路
本专利技术目的在于提供基于，它可以克服现有技术的不足，是一种简单易行，可以有效地对发电机进行稳定控制的方法。本专利技术的技术方案，其特征在于它包括以下步骤①由外部测量设备从风力发电系统中采集风速及对应的有功功率，作为输入信号和输出信号；②将步骤①中确定的输入信号和输出信号进行滤波预处理权利要求1.，其特征在于它包括以下步骤①由外部测量设备从风力发电系统中采集风速及对应的有功功率，作为输入信号和输出信号；②将步骤①中确定的输入信号和输出信号进行滤波预处理2.根据权利要求1中所述，其特征在于所述步骤①中整个风电机系统输入信号为风速，浆距角设定为3. 7°，输出信号为有功功率，其他信号可隐藏在黑箱内。3.根据权利要求1中所述，其特征在于所述步骤②中神经网络结构为1-10-1型。4.根据权利要求1中所述，其特征在于所述步骤③中的算法包括神经网络权值训练程序单元、接受用户输入参数后的正向计算程序单元以及运算结果的液晶显示程序单元。5.根据权利要求1中所述，其特征在于所述步骤④中建好的风电机模拟系统由神经网络仿真平台、神经网络协处理器、通讯模块和电源构成；所述神经网络仿真平台由一台进行网络在线辨识和结果显示的PC主控机组成；所述神经网络协处理器由终端显示器计算机及插在其ISA插槽中的SEED-C30PS处理部分组成；经预处理后的信号经PC机总线导入双向存储器128KX32，20000H-3FFFFFH及 40000H-5FFFFHo6.根据权利要求5中所述，其特征在于所述PC主控机可以申请SEED-C30PS处理部分的INT0-INT2等三级中断，SEED-C30PS 处理部分也可以向主机申请IRQll和IRQ12中断，实现握手和中断应答。7.根据权利要求5中所述，其特征在于所述电源采用的是TI公司的TPS73HD301电源模块产生需要的电压，每路电源的最大输出可达750mA。8.根据权利要求5中所述，其特征在于所述SEED-C30PS处理部分采用TMS320C5509DSP芯片。9.根据权利要求1中所述，其特征在于所述步骤⑤中键盘控制器采用PIC内核的SK5278模块。10.根据权利要求1中所述，其特征在于所述步骤⑤中液晶显示模块为FM12232B型图形点阵液晶显示模块。全文摘要，它包括①采集风速及对应的有功功率；②滤波预处理；③GA-BP算法调试；④神经网络训练；⑤显示屏计算结果；其优越性在于精度高，可以很好地拟合风力发电系统的性能；运算速度快，使系统达到了实时性的要求；用DSP编程实现GA-BP神经网络算法，对于提高GA-BP神经网络算法的快速性与更好的发挥GA-BP神经网络算法的并行性是行之有效的。文档编号H02P9/04GK102324887SQ20111026598公开日2012年1月18日 申请日期2011年9月8日 优先权日2011年9月8日专利技术者刘玥, 刘进华, 周雪松, 马幼捷 申请人:天津理工大学本文档来自技高网...
【技术保护点】
１．一种基于混合神经网络的风力发电机稳定控制方法，其特征在于它包括以下步骤：①由外部测量设备从风力发电系统中采集风速及对应的有功功率，作为输入信号和输出信号；②将步骤①中确定的输入信号和输出信号进行滤波预处理（ｍａｔｈ）??（ｍｒｏｗ）?（ｍｉ）ｘ（／ｍｉ）?（ｍｏ）＝（／ｍｏ）?（ｍｆｒａｃ）?（ｍｓｕｂ）?（ｍｒｏｗ）?（ｍｉ）Ｘ（／ｍｉ）?（ｍｏ）－（／ｍｏ）?（ｍｉ）Ｘ（／ｍｉ）?（／ｍｒｏｗ）?（ｍｉ）ｍｉｎ（／ｍｉ）?（／ｍｓｕｂ）?（ｍｒｏｗ）?（ｍｓｕｂ）?（ｍｉ）Ｘ（／ｍｉ）?（ｍｉ）ｍａｘ（／ｍｉ）?（／ｍｓｕｂ）?（ｍｏ）－（／ｍｏ）?（ｍｓｕｂ）?（ｍｉ）Ｘ（／ｍｉ）?（ｍｉ）ｍｉｎ（／ｍｉ）?（／ｍｓｕｂ）?（／ｍｒｏｗ）?（／ｍｆｒａｃ）?（／ｍｒｏｗ）?（／ｍａｔｈ）式中：Ｘｍａｘ、Ｘｍｉｎ分别为小时输入的最大值和最小值，ｘ表示归一化后的值，便于提高辨识精度，并确定风力发电机神经网络模型的基本结构；③按ＧＡ－ＢＰ算法编程，把程序导入系统的中央控制器ＤＳＰ中，调试软硬件；此时神经网络的输出为：（ｍａｔｈ）??（ｍｒｏｗ）?（ｍｓｕｂ）?（ｍｉ）ｏ（／ｍｉ）?（ｍｉ）ｊ（／ｍｉ）?（／ｍｓｕｂ）?（ｍｒｏｗ）?（ｍｏ）（（／ｍｏ）?（ｍｉ）ｔ（／ｍｉ）?（ｍｏ））（／ｍｏ）?（／ｍｒｏｗ）?（ｍｏ）＝（／ｍｏ）?（ｍｉ）ｆ（／ｍｉ）?（ｍｏ）｛（／ｍｏ）?（ｍｏ）［（／ｍｏ）?（ｍｕｎｄｅｒｏｖｅｒ）?（ｍｉ）＆Ｓｉｇｍａ；（／ｍｉ）?（ｍｒｏｗ）?（ｍｉ）ｉ（／ｍｉ）?（ｍｏ）＝（／ｍｏ）?（ｍｎ）１（／ｍｎ）?（／ｍｒｏｗ）?（ｍｉ）ｎ（／ｍｉ）?（／ｍｕｎｄｅｒｏｖｅｒ）?（ｍｓｕｂ）?（ｍｉ）ｗ（／ｍｉ）?（ｍｉ）ｉｊ（／ｍｉ）?（／ｍｓｕｂ）?（ｍｓｕｂ）?（ｍｉ）ｘ（／ｍｉ）?（ｍｉ）ｉ（／ｍｉ）?（／ｍｓｕｂ）?（ｍｒｏｗ）?（ｍｏ）（（／ｍｏ）?（ｍｉ）ｔ（／ｍｉ）?（ｍｏ）－（／ｍｏ）?（ｍｓｕｂ）?（ｍｉ）＆ｔａｕ；（／ｍｉ）?（ｍｉ）ｉｊ（／ｍｉ）?（／ｍｓｕｂ）?（ｍｏ））（／ｍｏ）?（／ｍｒｏｗ）?（ｍｏ）］（／ｍｏ）?（ｍｏ）－（／ｍｏ）?（ｍｓｕｂ）?（ｍｉ）Ｔ（／ｍｉ）?（ｍｉ）ｊ（／ｍｉ）?（／ｍｓｕｂ）?（ｍｏ）｝（／ｍｏ）?（／ｍｒｏｗ）?（／ｍａｔｈ）τｉｊ－－输入输出间的突触时延；Ｔｊ－－神经元ｊ的阈值；ｗｉｊ－－神经元ｉ到ｊ的突触连接系数或称权重值；④用ＤＳＰ实现ＧＡ－ＢＰ算法，对风电系统进行建模，当神经网络训练好以后，系统便处于等待状态；⑤当用户通过键盘输入Ｖ（１－２５ｍ／ｓ）后，程序就开始正向计算，计算结束后，通过液晶显示屏给出计算结果，作为用户需要的加工参数。...
【技术特征摘要】
【专利技术属性】
技术研发人员：马幼捷，刘玥，周雪松，刘进华，
申请(专利权)人：天津理工大学，
类型：发明
国别省市：12
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。