基于有效风速估计与预测的风电机组自适应最大风能跟踪控制(英文)

基于有效风速估计与预测的风电机组自适应最大风能跟踪控制(英文)

论文摘要

针对如何在有效风速未知情况下实现风电机组最大风能跟踪(MPPT)的问题,本文使用支持向量回归(SVR)和自适应控制原理,提出基于有效风速估计与预测的自适应MPPT控制方案.首先,使用机组的历史运行数据,训练得到基于SVR的风速估计与预测模型,为MPPT控制提供实时参考输入.其次,结合在线学习估计器(OLA)和减小转矩增益(DTG)控制原理,设计自适应MPPT控制器,该控制器能够较好应对系统未知动态特性和干扰,且能降低传动链载荷.最后,使用李雅普诺夫原理证明闭环系统所有信号都是有界的.仿真结果表明本文提出的方法能够获得良好的MPPT效果,进而提高机组产能.

论文目录

文章来源

类型: 期刊论文

作者: 焦绪国,杨秦敏,孙勇,应有

关键词: 最大风能跟踪器,风电机组,有效风速估计与预测,自适应控制系统

来源: 控制理论与应用 2019年03期

年度: 2019

分类: 信息科技,基础科学,工程科技Ⅱ辑

专业: 电力工业,自动化技术

单位: 浙江大学控制科学与工程学院工业控制技术国家重点实验室,浙江运达风电股份有限公司

基金: Supported by the National Natural Science Foundation of China(U1609214,61673347,61751205)

分类号: TP273;TM614

页码: 372-382

总页数: 11

文件大小: 3563K

下载量: 239

相关论文文献

  • [1].基于激光雷达-Armax的风机轮毂处有效风速预测[J]. 激光与光电子学进展 2020(17)
  • [2].基于激光雷达测风在距离加权下的风速重构算法[J]. 能源与节能 2019(12)
  • [3].桥梁风障阻风效应影响因素研究[J]. 公路 2014(08)
  • [4].普陀区风能分析[J]. 浙江海洋学院学报(自然科学版) 2009(03)
  • [5].基于神经网络的风力发电系统风速软测量[J]. 中国电力 2010(11)
  • [6].基于自适应模糊神经网络的风速软测量[J]. 电力系统及其自动化学报 2013(01)
  • [7].呼伦贝尔市风能资源分析[J]. 现代农业科技 2008(02)
  • [8].防城港市沿海风能资源分析[J]. 安徽农业科学 2008(20)
  • [9].风力发电机的恒功率控制[J]. 低压电器 2011(16)
  • [10].广西山地风能资源评估——以玉林天堂顶为例[J]. 能源与节能 2017(06)
  • [11].全球海域风能资源储量分析[J]. 中外能源 2011(07)
  • [12].辽西朝阳地区风资源特点[J]. 安徽农业科学 2008(31)
  • [13].河北张家口:储输“风光”新能源产业快速发展[J]. 环渤海经济瞭望 2015(03)
  • [14].福建沿海70米高度风能资源分布特点及评估[J]. 资源科学 2011(07)
  • [15].提高风电机组发电量的转矩–变桨协调控制策略[J]. 中国电机工程学报 2017(19)
  • [16].奏响山西能源革命最强音[J]. 支部建设 2018(29)
  • [17].广州南沙区风能资源评估[J]. 广东气象 2016(04)
  • [18].1958~2012年河西走廊风能资源时空变化特征及影响因素分析[J]. 中国农业资源与区划 2016(10)
  • [19].风电场输出功率年度预测中有效风速预测研究[J]. 中国电机工程学报 2010(08)
  • [20].风功率预测中的场风速指标的应用[J]. 太阳能学报 2016(02)

标签:;  ;  ;  ;  

基于有效风速估计与预测的风电机组自适应最大风能跟踪控制(英文)
下载Doc文档

猜你喜欢