基于神经网络的风力发电并网控制研究.docx

基于神经网络的风力发电并网控制研究锐源风能技术有限公司包头市0140102摘要：随着风力发电技术的不断成熟，系统容量越来越大，从而导致风力发电并网时所产生的电流冲击与波动过大，造成安全问题。对变速恒频双馈发电并网系统，将传统PID控制与BP神经网络控制，提出了一种BP神经网络PID的空载并网控制策略。关键词：风力发电；神经网络；PID控制近年来，风力发电技术日趋成熟，风电系统装机容量越来越大，兆瓦级风力发电系统并网时发生的电流冲击和过大的电压波动已不能忽略，实现安全平稳并网是风力发电系统需要解决的首要问题。变速恒频双馈风电系统并网方式有空载并网、负载并网和孤岛并网3种，其中空载并网方式原理清晰，实现简单，应用最广泛。基于自抗扰控制的并网策略，该控制策略不需要精确电机参数就可以实现并网控制，并对参数的摄动以及内外扰动都具有良好的鲁棒性。提出了基于双馈发电机空载数学模型BP神经网络PID控制的空载并网控制技术。一、目的及意义风电机组的发展迅速，规模程度也随着科学技术的进步越来越大，变速恒频双馈风力发电机组也普遍地受到世界各国的的重用，无冲击电流柔性并网技术也受到越来越多的重视，因为它对于变速恒频双馈风力发电机组的并网来说是非常重要的一项技术。该技术主要是通过控制调整风力发电机组，让定子电压可以更快地跟踪电网电压，符合并网条件，实现无冲击电流并网。在变速恒频双馈风力发电系统的实际运行过程中，电机的参数不是一成不变的，磁路饱和以及电机温升都有可能会使电机参数发生轻微改变，系统的并网性能也会随着实际电网发生波动或者外部扰动而改变。通过对并网控制策略的不断改善，增加电力系利用风能的效率，减低电力系统的电压波动性，提高系统的抗干扰能力，从而实现风电机组不同的工作状态下的无冲击柔性并网，最终为用户提供优质的“绿色”电力。现在在全球范围内大型风电机组在风电领域中的应用更加广泛，我国风电技术的重要任务是发展兆瓦级的变速恒频风电机组。双馈感应发电机通常用软并网方式并网，它的优点是利用电力电子技术和器件来减少并网时的冲击。“软”并网方式主要包括：空载并网和负载并网。由于负载并网前，会包含电网中其它风机的能量分配不协调问题,这样会导致整个并网控制过程较为复杂。由于空载并网大多只考虑发电机的参数信息而不用考虑其他附加因素，所以空载并网控制比较简单，实现起来相对较容易。二、BP神经网络PID并网控制由于BP神经网络具有非线性映射功能，而且结构和学习算法简单明确，不依赖与被控对象数学模型。在BP神经网络的基础上，设计了BP神经网络PID控制器，在双馈发电机空载并网时采用了BP神经网络PID控制策略。1、BP神经网络。BP神经网络结构，是一种单相传播的多层前向网络，网络有输入层、输出层和隐含层，同层节点中没有任何耦合，系统的运行状态量通过输入节点进入神经网络。在网络训练之前，输入量和输出量要进行归一化处理;输出节点对应的是PID的可调参数，采用的BP网络的拓扑结构。网络的学习过程分为信号的正向传播和误差的反向传播两个过程，信号通过输入层传递到隐含层，经过计算和处理以后便传递给了输出层。如果输出层不能得到期望输出，也就是实际输出与期望输出有误差，那么转入反向传播过程，误差信号沿原来的连接通路返回，通过修改各层神经元的权值，逐次地向输入层传播，去进行计算，而这些误差信号也作为修改各层权值的依据，再经过正向传播过程，这样经过两个过程不断的反复作用，就能使误差达到最小。2、BP神经网络PID控制器的设计。根据BP神经网络控制器的特点和传统PID控制器的特点，设计了基于BP神经网络的PID控制器，其控制结构框图如图所示。该控制器由两部分组成:一是传统的PID控制，实现直接对转子电流d轴分量闭环控制;二是BP神经网络控制，根据双馈发电系统的运行状态，利用BP神经网络控制算法调节PID控制器的参数，实现定子电压响应快，误差小。神经网络PID控制器以转子d轴电流分量的参考值与反馈电流误差的平方作为目标函数来调节BP神经网络的连接权值，自动调节PID的参数，经PID控制器作用于双馈发电机，从而使双馈发电机转子电流分量接近由定子磁链观测器算出的转子电流分量的参考值，进而使定子电压与电网电压接近。所建立的BP神经网络为三层网络，有输入节点，隐含层节点，输出节点。3、仿真分析（1）样机参数。基于BP神经网络结合PID的双馈发电机空载并网控制模型进行搭建与仿真验证，并与传统PI控制器进行对比。表为分析中的电机参数。（2）仿真结果。由建立的模型进行仿真，仿真波形，其与传统PI控制器对比波形，如图所示。对风力发电并网时所产生的电流冲击与波动过大的问题，基于神经网络的风力发电并网控制技术。通过建模仿真验证，该控制技术可以使得双馈发电机定子电压跟随速度快、鲁棒性强，大幅提高了系统动态性能。参考