[發明專利]一種基于神經網絡預測控制的雙風輪風力機變槳控制方法

有效

• 申請號: 202111112807.0
• 申請日: 2021-09-23
• 公開（公告）號: CN113638841B
• 公開（公告）日: 2023-04-25
• 發明（設計）人: 張文廣;駱偉健;馮賢治;房方;胡陽;劉亞娟;王慶華
• 申請（專利權）人: 華北電力大學
• 主分類號: F03D7/02
• 分類號: F03D7/02;F03D7/04;F03D17/00;F03D1/02
• 代理公司: 北京眾合誠成知識產權代理有限公司 11246
• 代理人: 張文寶

本發明公開了屬于風力機控制技術領域的一種基于神經網絡預測控制的雙風輪風力機變槳控制方法。包括步驟1：采集雙風輪風力機控制系統極端風況下的風速、前風輪轉速、后風輪轉速、前風輪槳距角和后風輪槳距角數據；步驟2：基于卷積神經網絡對雙風輪風力機極端風況下的載荷進行建模；步驟3：建立雙風輪風力機控制系統的雙輸入雙輸出廣義預測模型并進行解耦，求解廣義預測模型的輸出；步驟4：確定性能優化指標，利用混沌蝠鲼覓食算法對步驟3中解耦后的廣義預測模型進行滾動優化，得到最優控制律與最優控制器輸入。本發明大大提高了保護控制系統的可靠性；大幅降低了網絡復雜性；避免陷入局部最優，尋優能力強，收斂快。

技術領域

本發明涉及風力機控制技術領域，尤其涉及一種基于神經網絡預測控制的雙風輪風力機變槳控制方法。

背景技術

風力發電是一種將氣體流動的動能轉變為電能的過程，根據目前的風力發電技術，3m/s的微風也可用于發電，應用場景廣泛。雙風輪風力機的前后兩個風輪在運行過程中會相互影響，因此在控制過程中加入解耦補償器，能夠得到較好的控制效果。應對更加廣泛的風速區是當前風力機的發展趨勢。當出現風速大于25m/s的極端風況時，風力機基本都順槳停機并斷網，對風力機造成較大的載荷變動，危害風力機的使用壽命。在智能保護控制下，風力機在風速大于25m/s的一段區間內，降低風力機的功率繼續運行，不僅可以拓寬可利用風速范圍，還可以提高風力機發電效益。

發明內容

本發明的目的是提出一種基于神經網絡預測控制的雙風輪風力機變槳控制方法，其特征在于，包括以下步驟：

步驟1：采集雙風輪風力機控制系統極端風況下的風速、前風輪轉速、后風輪轉速、前風輪槳距角和后風輪槳距角數據；

步驟2：基于卷積神經網絡對雙風輪風力機極端風況下的載荷進行建模；

步驟3：建立雙風輪風力機控制系統的雙輸入雙輸出廣義預測模型并進行解耦，求解廣義預測模型的輸出；

步驟4：確定性能優化指標，利用混沌蝠鲼覓食算法對步驟3中解耦后的廣義預測模型進行滾動優化，得到最優控制律與最優控制器輸入。

所述步驟2包括以下子步驟：

步驟2.1：將步驟1中采集到的每項數據都按照7:3的比例劃分為訓練集與測試集；

步驟2.2：將步驟1中采集到的風速、前風輪轉速、后風輪轉速、前風輪槳距角和后風輪槳距角作為五維輸入層構建卷積神經網絡；

步驟2.3：在步驟2.2的五維輸入層后依次構建第一卷積模塊和第二卷積模塊，在第二卷積模塊后依次設置全連接層、Dropout層和二維輸出層；

步驟2.4：選取交叉熵函數L為目標函數，利用隨機梯度下降法和訓練集對卷積神經網絡進行訓練，再利用測試集對卷積神經網絡進行測試；

步驟2.5：判斷交叉熵函數L是否小于等于-5，若是，得到以風速、前風輪轉速、后風輪轉速、前風輪槳距角和后風輪槳距角為輸入和以前風輪葉根彎矩、后風輪葉根彎矩為輸出的雙風輪風力機五輸入二輸出模型；若否，再對卷積神經網絡進行權值更新的迭代訓練，直到交叉熵函數L小于等于-5。

所述步驟2.3中的第一卷積模塊和第二卷積模塊均包含一個卷積層、一個激活層和一個池化層。

所述步驟2.4中的交叉熵函數L為：

式中，為前后葉輪葉根彎矩的概率；為前后葉輪葉根彎矩誤差。

所述步驟3包括以下子步驟：

步驟3.1：建立雙風輪風力機控制系統雙輸入雙輸出廣義預測模型如下：