變速變槳距風力發電機組功率優化控制研究.pdf

1、國家能源科技“十二五”規劃（2011-2015）指出，“在風力發電方面，風電機組主要采用變槳、變速技術”。本文以變速變槳雙饋感應發電機組為研究對象，在對風速和風電功率的短期提前預測的基礎上，以最大風能捕獲和輸出功率平滑為優化目標，以發電機轉速和槳矩角為控制變量，建立了相應的多目標優化模型。運用最小化控制標準和變論域算法求解出模型的優化解，實現變速變漿距風力發電機組功率優化控制。
　　本文通過以下幾方面的研究來實現對1.5MW的雙饋

2、感應風力發電機組功率優化控制。
　　1、建立變速變槳風力發電機組各系統的數學模型，通過對雙饋感應電機坐標變換理論的分析，得到旋轉坐標系下的數學模型，在MATLAB/Simulink平臺中建立了各個子系統的仿真模型，為風速和風電功率的預測及優化控制奠定基礎。
　　2、提出EMD-RBFNN短期風電功率預測模型。利用經驗模態分解（EMD）將風速時間序列分解為具有相同特征尺度的相對平穩的本征模態（IMF）分量，以實現風速時間序列信

3、號平穩化；針對各個模態分量的特性，采用徑向基函數神經網絡模型（RBFNN）對各個模態分量分別進行預測，選用正交最小二乘法來最大限度減少錯誤率，最后將各 IMF-RBFNN預測結果進行重構得到最終預測值，最后經過功率變換得到功率預測值。
　　3、提出粗糙集 PCA-Elman神經網絡短期風電功率預測模型。引入 Elman動態神經網絡建立風速預測模型，采用主成分分析法（PCA）對原始風速數據進行特征提取以優化神經網絡的輸入，改進激勵函

4、數和網絡結構以尋求函數收斂速度和預測精度的最優解；針對Elman神經網絡預測模型在風速波動的峰值處預測誤差較大及預測精度存在波動性，提出采用粗糙值理論對模型預測值進行修正與補償，進一步提高預測精度，再經過功率變換得到功率預測值。
　　4、在基于粗糙集PCA-Elman風電功率預測模型的基礎上，以最大風能捕獲和輸出功率平滑為目標，以發電機轉速和槳距角為控制變量，制定了最小化控制標準，建立相應的多目標優化模型得到發電機轉速，運用變論域