自然界风速的多变性与风机变桨系统的迟缓性会导致风机输出功率的不稳定。为了改善风机输出功率的稳定,首先基于RBF神经网络RBFNN(radial basis function neural network),以功率差作为信号来源,设计了RBF-PID自适应变桨控制器,建立了...自然界风速的多变性与风机变桨系统的迟缓性会导致风机输出功率的不稳定。为了改善风机输出功率的稳定,首先基于RBF神经网络RBFNN(radial basis function neural network),以功率差作为信号来源,设计了RBF-PID自适应变桨控制器,建立了风力机及变桨距机构仿真模型。其次,建立了2种风况模型,较好地模拟了自然界基本风况。仿真表明:在不同风况下对比常规模糊控制与PID控制,RBF-PID参数自适应方法在风速波动较大的情况下能够更好地稳定输出功率,且减小了变桨的幅值与频率,增加了风机的寿命。展开更多
文摘自然界风速的多变性与风机变桨系统的迟缓性会导致风机输出功率的不稳定。为了改善风机输出功率的稳定,首先基于RBF神经网络RBFNN(radial basis function neural network),以功率差作为信号来源,设计了RBF-PID自适应变桨控制器,建立了风力机及变桨距机构仿真模型。其次,建立了2种风况模型,较好地模拟了自然界基本风况。仿真表明:在不同风况下对比常规模糊控制与PID控制,RBF-PID参数自适应方法在风速波动较大的情况下能够更好地稳定输出功率,且减小了变桨的幅值与频率,增加了风机的寿命。