计算机工程与应用
計算機工程與應用
계산궤공정여응용
COMPUTER ENGINEERING AND APPLICATIONS
2011年
9期
228-232
,共5页
刘吉宏%吕跃刚%郭鹏%徐大平
劉吉宏%呂躍剛%郭鵬%徐大平
류길굉%려약강%곽붕%서대평
非线性智能模型预测控制%最大风能捕获%双馈感应发电机(DFIG)%转速控制%粒子群优化%支持向量机(SVM)
非線性智能模型預測控製%最大風能捕穫%雙饋感應髮電機(DFIG)%轉速控製%粒子群優化%支持嚮量機(SVM)
비선성지능모형예측공제%최대풍능포획%쌍궤감응발전궤(DFIG)%전속공제%입자군우화%지지향량궤(SVM)
根据最大风能捕获原理,额定风速以下风能的最大追踪可以通过控制双馈感应发电机(DFIG)跟踪最优转速来实现.以变速恒频双馈风力发电系统为研究对象,研究了额定风速以下风能的最大追踪控制问题.首先针对双馈发电机强耦合、强非线性、机理模型复杂的特点,采用支持向量机(SVM)理论建立了智能预测模型;然后利用反馈校正的方法对预测输出进行修正,构成控制闭环;最后利用粒子群优化算法(PSO)调整参数少、演化群体小、计算速度快的优点容易地求出最优控制序列,较好地解决了滚动优化计算中的"瓶颈问题".仿真结果验证了所采用的预测模型具有比较好的抗干扰能力和泛化能力,预测控制算法能够实现控制目标.
根據最大風能捕穫原理,額定風速以下風能的最大追蹤可以通過控製雙饋感應髮電機(DFIG)跟蹤最優轉速來實現.以變速恆頻雙饋風力髮電繫統為研究對象,研究瞭額定風速以下風能的最大追蹤控製問題.首先針對雙饋髮電機彊耦閤、彊非線性、機理模型複雜的特點,採用支持嚮量機(SVM)理論建立瞭智能預測模型;然後利用反饋校正的方法對預測輸齣進行脩正,構成控製閉環;最後利用粒子群優化算法(PSO)調整參數少、縯化群體小、計算速度快的優點容易地求齣最優控製序列,較好地解決瞭滾動優化計算中的"瓶頸問題".倣真結果驗證瞭所採用的預測模型具有比較好的抗榦擾能力和汎化能力,預測控製算法能夠實現控製目標.
근거최대풍능포획원리,액정풍속이하풍능적최대추종가이통과공제쌍궤감응발전궤(DFIG)근종최우전속래실현.이변속항빈쌍궤풍력발전계통위연구대상,연구료액정풍속이하풍능적최대추종공제문제.수선침대쌍궤발전궤강우합、강비선성、궤리모형복잡적특점,채용지지향량궤(SVM)이론건립료지능예측모형;연후이용반궤교정적방법대예측수출진행수정,구성공제폐배;최후이용입자군우화산법(PSO)조정삼수소、연화군체소、계산속도쾌적우점용역지구출최우공제서렬,교호지해결료곤동우화계산중적"병경문제".방진결과험증료소채용적예측모형구유비교호적항간우능력화범화능력,예측공제산법능구실현공제목표.
