Levenberg-Marquardt算法在T-S型模糊RBF神经网络训练中的应用

为了提高T-S型模糊RBF神经网络的训练效率,把Levenberg-Marquardt算法引入到T-S型模糊RBF神经网络的训练过程中,提高了网络训练的收敛速度,减小了训练过程陷入局部极小点的概率,然后基于这种算法推导出T-S型模糊RBF神经网络的快速训练算法,即混合学习算法。最后通过实验验证了这种算法的有效性和实用性。

太阳能跟踪装置风载荷的计算方法

风载荷是跟踪装置所承受的主要载荷,其大小直接影响整个系统的结构强度以及装置传动部件的选择。太阳能跟踪装置的常规形式属于非流线的可旋转平板结构,其风载荷主要与风力系数相关。文章详细分析了跟踪装置的风载荷,比较了3种不同风力系数的计算方法,结果表明:三维CFD数值计算方法与系统的实际试验结果更加吻合。

IEC 60870-5-104协议在光伏电站中的应用

为了适应日益发展的光伏电站对稳定性和规范化的要求,介绍了IEC 60870-5-104协议在光伏电站中的应用,简述了光伏电站监控系统的网络结构,重点阐述了IEC60870-5-104协议转换方法。

一种基于自适应控制算法的光伏发电站自动发电控制系统

光伏电站组成结构时有变化,导致了光伏电站数学模型的时变性和非线性,基于固定参数PID控制算法的自动发电控制系统不能应对这种变化。为了提高光伏电站自动发电控制系统的调节性能,对它的控制算法进行了研究。针对光伏电站,基于波波夫超稳定理论,设计了一种离散自适应控制算法。某50MW光伏电站,基于该算法的自动发电控制系统与基于固定参数PID算法的自动发电控制系统,对它们的控制效果进行了比较分析。仿真结果表明,基于该算法的自动发电控制系统具有优越性和可行性。

风力发电机风向小脑神经网络软测量方法研究

风向测量值是控制风力发电机偏航的依据。风向测量值和原始风向值之间通常会存在偏差,这是影响风力发电机风能捕捉效率的主要因素之一。受风力发电机结构限制,机舱上的风向标难以准确测量风向。分析了风向测量误差产生原因,叙述了风向测量值和原始风向值之间的数学关系。风向软测量技术是降低风向测量偏差的有效方法。简述了风向软测量技术的传统方法。传统风向软测量方法可以显著减小测量误差,但计算量大,风力发电机翼型参数精度要求高,不适合工程使用。针对传统风向软测量技术的不足,提出了小脑神经网络(CMAC)软测量方法。该方法降低了风向测量的计算量,进一步提高了风向测量精度。实践证明了该方法的可行性。

风电机组自适应控制策略研究

风力发电机的参数准确度和环境变化对风能利用率影响较大。为了提高系统的自适应控制性能,分析了风轮空气动力特性,介绍了当前风力发电机自适应控制原理和性质;为了优化这种算法,引入了具有参数估计功能的反推自适应控制策略,实时辨识控制参数,然后通过数据共享系统让所得参数在风电场内共享,可提高风电场的风能利用率,增加风电场电能输出。