雙饋風(fēng)力發(fā)電機BP神經(jīng)網(wǎng)絡(luò)并網(wǎng)策略研究

呂艷玲++馮曦++朱博++盧健強

摘要：針對變速恒頻雙饋發(fā)電并網(wǎng)系統(tǒng)，將傳統(tǒng)PID控制與BP神經(jīng)網(wǎng)絡(luò)控制相結(jié)合，提出了一種BP神經(jīng)網(wǎng)絡(luò)PID的空載并網(wǎng)控制策略。在此基礎(chǔ)上，利用該控制策略對雙饋風(fēng)力發(fā)電系統(tǒng)空載并網(wǎng)過程進行了研究，并與傳統(tǒng)PI控制策略進行比較。研究結(jié)果表明，并網(wǎng)BP神經(jīng)網(wǎng)絡(luò)PID控制策略的動態(tài)響應(yīng)快，并網(wǎng)過渡過程短，穩(wěn)態(tài)精度高，對電網(wǎng)電壓的波動具有較強的全局魯棒性，是一種優(yōu)良的并網(wǎng)控制策略。

關(guān)鍵詞：

風(fēng)力發(fā)電機；雙饋發(fā)電機；空載并網(wǎng)；BP神經(jīng)網(wǎng)絡(luò)PID控制

DOI：1015938/jjhust201705008

中圖分類號： TM315

文獻標志碼： A

文章編號： 1007-2683（2017）05-0040-06

Research on Grid Connection Strategy Based on BP Neural

Network PID Control for the DoublyFed Induction Generator

L Yanling，F(xiàn)ENG Xi，ZHU Bo，LU Jianqiang

（School of Electrical and Electronic Engineering， Harbin University of Science and Technology， Harbin 150080， China）

Abstract：Based on the combination of the traditional PID control technique and the BP neural network control technique， a noload grid connected control strategy， BP neural network PID control strategy， was proposed for the variable speed constant frequency windpower system with doublyfed induction generator On the basis， the paper studied the process of noload grid connection for the Double Fed Induction Generator with the control strategy ， and compared PI control strategy with BP neural network PID control strategy The result shows that the dynamic response of the BP neural network PID control strategy is faster，and the transition process of cuttingin is short， steadystate is more accurate， the strategy also provides stronger global robustness against voltage fluctuations， which makes it an excellent grid connection control strategy

Keywords：wind power generator； doublyfed induction generator； noload grid connected control； BP neural network PID control

23雙饋發(fā)電機空載并網(wǎng)BP神經(jīng)網(wǎng)絡(luò)PID控制實現(xiàn)

由于雙饋風(fēng)力發(fā)電機在實際運行過程中，其阻抗、磁鏈等物理量隨時間變化的特點，在雙饋發(fā)電機轉(zhuǎn)子側(cè)采用BP神經(jīng)網(wǎng)絡(luò)PID控制器取代傳統(tǒng)PI控制器。現(xiàn)以轉(zhuǎn)子電流ird控制環(huán)為例，以參考電流，實際電流值和他們的偏差e作為BP神經(jīng)網(wǎng)絡(luò)的輸入，神經(jīng)網(wǎng)絡(luò)的輸出為PID控制器的輸入。利用BP算法對神經(jīng)網(wǎng)絡(luò)各層之間加權(quán)系數(shù)的不斷調(diào)整，尋找PID控制器中的最優(yōu)參數(shù)，實現(xiàn)BP神經(jīng)網(wǎng)絡(luò)PID最優(yōu)控制利用BP神經(jīng)網(wǎng)絡(luò)PID控制器可實現(xiàn)雙饋發(fā)電機空載并網(wǎng)時的運行要求。基于BP神經(jīng)網(wǎng)絡(luò)PID控制的雙饋發(fā)電系統(tǒng)框圖如圖3所示。

3基于BP神經(jīng)網(wǎng)絡(luò)PID空載并網(wǎng)仿真分析

根據(jù)以上設(shè)計分析，本文以MATLAB/simulink搭建了基于BP神經(jīng)網(wǎng)絡(luò)PID控制的雙饋發(fā)電機空載并網(wǎng)仿真模型，并與傳統(tǒng)的PI控制結(jié)果進行對比分析。

31樣機參數(shù)

分析過程中所用電機的參數(shù)如表1所示。

32建立仿真模型

利用上述分析原理，建立了基于BP神經(jīng)網(wǎng)絡(luò)PID控制的雙饋發(fā)電機并網(wǎng)控制系統(tǒng)仿真模型，系統(tǒng)仿真模型如圖4所示。

33仿真結(jié)果分析

利用上述仿真模型得出仿真結(jié)果，理想狀態(tài)時，雙饋發(fā)電系統(tǒng)采用BP神經(jīng)網(wǎng)絡(luò)PID并網(wǎng)控制策略仿真波形如圖5所示；BP神經(jīng)網(wǎng)絡(luò)PID控制策略與PI控制策略比較的波形如圖6和圖7所示；電網(wǎng)電壓發(fā)生擾動時的仿真波形如圖8所示。

圖4基于BP神經(jīng)網(wǎng)絡(luò)PID控制的雙饋發(fā)電機并網(wǎng)控制系統(tǒng)仿真模型

圖5為雙饋發(fā)電機采用BP神經(jīng)網(wǎng)絡(luò)PID控制策略并網(wǎng)時，電機的定子電壓與電網(wǎng)電壓的曲線，從圖中可以看出，定子電壓經(jīng)過短暫的過渡過程就能跟隨電網(wǎng)電壓，即電機定子電壓的幅值、相位、頻率與電網(wǎng)電壓的幅值、相位、頻率完全一致。

圖6為正常工況下，普通PI控制與BP神經(jīng)網(wǎng)絡(luò)PID控制策略下的雙饋發(fā)電機定子電壓與電網(wǎng)電壓誤差的比較曲線，從圖中可以看出，后者誤差遠遠小于前者，穩(wěn)態(tài)精度高。endprint

圖7為分別采用傳統(tǒng)PI控制和BP神經(jīng)網(wǎng)絡(luò)PID控制轉(zhuǎn)子d軸電流分量的波形，由圖中可以看出PI控制時轉(zhuǎn)子電流分量在012s時達到穩(wěn)態(tài)而BP神經(jīng)網(wǎng)絡(luò)PID控制時轉(zhuǎn)子電流分量在004s時達到穩(wěn)態(tài)，在兩者都能滿足并網(wǎng)精度的條件下，顯然后者能更快達到給定值，提前滿足并網(wǎng)條件，減少對電網(wǎng)的沖擊，提高了系統(tǒng)運行的穩(wěn)定性。

圖8為電網(wǎng)電壓下降90%UN到恢復(fù)運行電壓UN過程中，BP神經(jīng)網(wǎng)絡(luò)PID控制動態(tài)調(diào)節(jié)過程與傳統(tǒng)PI控制調(diào)節(jié)過程仿真分析對比波形。從圖中可以看出，PI控制調(diào)節(jié)誤差波動大，調(diào)節(jié)緩慢，跟蹤效果差；而BP神經(jīng)網(wǎng)絡(luò)PID控制調(diào)節(jié)過程快，定子電壓完全能夠跟蹤電網(wǎng)電壓波動。

由以上仿真波形分析得出，BP神經(jīng)網(wǎng)絡(luò)PID控制具有較高的動態(tài)響應(yīng)和更快的收斂速度，有較好的魯棒性和抗干擾性。

4結(jié)論

本文提出了雙饋發(fā)電機空載并網(wǎng)的BP神經(jīng)網(wǎng)絡(luò)PID控制策略。研究結(jié)果表明，在BP神經(jīng)網(wǎng)絡(luò)PID控制策略下，雙饋發(fā)電機定子電壓能夠快速跟蹤電網(wǎng)電壓且穩(wěn)態(tài)誤差近似為零，系統(tǒng)在響應(yīng)的全過程對電網(wǎng)電壓擾動具有較強的魯棒性，提高了系統(tǒng)動態(tài)性能，控制效果明顯優(yōu)于傳統(tǒng)PI控制，是一種高性能的并網(wǎng)控制策略。

參 考 文 獻：

[1]MULJADI E，BUTTERFIELD C P，PARSONS B Effect of Variable Speed Wind Turbines Generator on Stability of Weak Grid[J].IEEE Trans on Energy Conversion，2007，22（1）：29-36

[2]趙棟利，許洪華，趙斌，等變速恒頻風(fēng)力雙饋發(fā)電機并網(wǎng)電壓控制研究[J].太陽能學(xué)報，2004，25（5）：587-591

[3]FERNANDEZ L M，GARCIA C A，JURADO F Comparative Study on the Performance of Control Systems for Doubly Fed Induction Generator（DFIG） Wind Turbines Operating with Power Regulation[J].Energy，2008，33（9）：1438-1452

[4]李建林，趙棟利，李亞西，等 幾種適合變速恒頻風(fēng)力發(fā)電機并網(wǎng)方式對比分析[J]電力建設(shè)，2006，27（5）：8-10，17

[5]劉其輝，賀益康，卞松江變速恒頻風(fēng)力發(fā)電機空載并網(wǎng)控制[J].中國電機工程學(xué)報， 2004，24（3）：6-11

[6]劉其輝， 賀益康，張建華交流勵磁變速恒頻風(fēng)力發(fā)電機的運行控制與建模仿真[J].中國電機工程學(xué)報，2006， 26（5）：43-50

[7]付旺保，趙棟利，潘磊，等.基于自抗擾控制器的變速恒頻風(fēng)力發(fā)電并網(wǎng)控制[J].中國電機工程學(xué)報，2006，26（ 3） ： 13- 18

[8]田永貴，王 奔，李小明，等基于自抗擾的變速恒頻雙饋風(fēng)力發(fā)電機并網(wǎng)控制研究[J].四川電力技術(shù)，2015，38（2）：67-72

[9]TAKAO Kenji，YAMAMOTO Toru，HINAMOTO TakaoA Design of Model Driven Cascade PID Comtrollers Using a Neural Network，IEICE Transactions on Fundamentals of Electronics[J].Communications and Computer Sciences，2004：2322-2330

[10]鄭雪梅，郭玲，徐殿國，等.雙饋感應(yīng)發(fā)電機空載并網(wǎng)的高階滑模變結(jié)構(gòu)控制策略[J].電力系統(tǒng)自動化，2012，36（ 7） ： 12 -16.

[11]龔菲， 王永驥 基于神經(jīng)網(wǎng)絡(luò)的 PID 參數(shù)自整定與實時控制[J]. 華中科技大學(xué)學(xué)報（自然科學(xué)版） ，2002 ，30 （10）：69-71

[12]劉金琨先進PID控制MATAB仿真[M].北京：電子工業(yè)出版社（第二版），2006，155-163

[13]楊藝，虎恩典基于S函數(shù)的BP神經(jīng)網(wǎng)絡(luò)PID控制器及Simulink仿真[J].電子設(shè)計工程，2014，22（3）：29-35

[14]楊曉紅，葛海濤基于BP神經(jīng)網(wǎng)絡(luò)的風(fēng)力發(fā)電機組變槳距控制仿真研究[J].機械設(shè)計與制造，2010，47（7）：184-186

[15]徐川川，朱鳳武，李鐵BP神經(jīng)網(wǎng)絡(luò)PID控制器在溫室溫度控制中的研究[J].中國農(nóng)機化，2012（2）：151-154

（編輯：溫澤宇）endprint