基于RBF神经网络技术的风力发电机组系统辨识方法

    公开(公告)号:CN106499583B

    公开(公告)日:2019-03-05

    申请号:CN201610891035.8

    申请日:2016-10-13

    IPC分类号: F03D7/02 F03D7/04 G06N3/08

    摘要: 一种基于RBF神经网络技术的风力发电机组系统辨识方法,包括以下步骤:步骤1获取系统辨识所需数据:根据风力发电机组系统特性,获取辨识所需的输入数据、输出数据;采样时间选取系统内部采样时间;转矩环辨识时输入信号为发电机转矩Tg,桨距环辨识时为桨叶节距角β,输出数据为发电机转速Ω;步骤2基于RBF技术进行系统辨识,描述风力发电机组系统,将转矩环或者桨距环设为非线性SISO系统,采用非线性扩展自回归华东平均模型NARMAX描述,RBF神经网络训练过程如下:信号前向传播:计算RBF神经网络的输出;误差反向传播:采用δ学习算法,调整RBF网络各层间的权值。本发明具有良好的运算速度和较低的计算量、稳定性较好。

    一种基于有效风速估计的大型风电机组虚拟惯量控制方法

    公开(公告)号:CN110729756A

    公开(公告)日:2020-01-24

    申请号:CN201910871440.7

    申请日:2019-09-16

    摘要: 本发明公开了一种基于有效风速估计的大型风电机组虚拟惯量控制方法,包括以下步骤:步骤s1:实时检测风电机转速、输出功率、桨距角、机舱风速和机舱振动加速度,通过有效风速估计方法,得到风速估计值;步骤s2:通过风速-功率关系曲线得到风电机组估计输出功率;步骤s3:在过渡过程控制模式中,计算虚拟惯量控制模式下吸收或释放的能量;步骤s4:计算风电机组对风轮惯性能量的补充或吸收;步骤s5:计算过渡过程控制模式所需的时间;步骤s6:计算过渡过程控制模式的风电机组输出功率设定值。本发明保证了机组在虚拟惯量响应控制模式和最大能量跟踪控制模式之间的平滑切换,避免了虚拟惯量响应控制恢复过程对电网频率造成较大二次冲击。

    一种海上风电系统的无功优化及协调控制方法

    公开(公告)号:CN110690726B

    公开(公告)日:2021-01-01

    申请号:CN201910767654.X

    申请日:2019-08-20

    IPC分类号: H02J3/38 H02J3/50

    摘要: 本发明为一种海上风电系统的无功优化及协调控制方法,包括以下步骤:确定无功调压约束条件并依据约束条件进行修正;将VSC‑HVDC风电场侧交流母线电压测量值与参考电压相减,差值输入PI调节器,得到所需要无功补偿量Qref;比较风电场侧交流母线电压与标称电压,根据风电场侧交流母线电压与标称电压的关系进行电压快速紧急控制、长时间尺度电压控制或电压快速紧急控制及长时间尺度控制结合进行。本发明的优点是:充分发挥WFVSC的电压快速调节特性,提高了海上风电场并网电压的稳定性;电压快速紧急控制和长时间尺度电压控制相结合,在两个时间层面上分阶段控制不同时间常数无功设备,优化了控制效果。