[发明专利]一种变速恒频率双馈式双向潮汐发电机系统的控制方法

说明书

技术领域

本发明属于潮汐发电机系统的技术领域，具体涉及一种变速恒频率双馈式双向潮汐发电机系统的控制方法。

背景技术

网络RBF控制的变速恒频率双馈式双向潮汐发电机系统，其特点是能够与传统的PID控制相结合构成神经网络自适应PID控制策略，应用于非线性严重的变速恒频率双馈式双向潮汐发电机系统，可实现对多变速恒频率双馈式双向潮汐发电机系统高性能的RTW实时控制。同时，神经网络所具有的非线性变换特性和高度的并行运算能力使得其适合建立非线性预测模型进行参数预测。通过对被控系统参数的预测，可提高系统的动态响应性能。由于能量密度和时空分布的不确定性和非线性，采用传统PID控制策略对于变速恒频率双馈式双向潮汐发电机的电压、电流、功率、电能的调度和微型电网的潮流控制已经产生了十分明显的局限性，因此采用先进的智能控制理论，对系统进行实时测控是一个优选的技术方案。

发明内容

本申请提供了一种变速恒频率双馈式双向潮汐发电机系统的控制方法，采用BP神经网络和RBF神经网络两个神经网络来分别构成神经网络NNC和神经网络NNI采用变学习速率的神经网络学习算法，学习速率随收敛过程误差的大小而自适应地进行调整，这可大大加快神经网络学习训练的收敛速度，进一步提高系统动态响应速度。

为了达到上述目的，本发明的技术方案是：一种变速恒频率双馈式双向潮汐发电机系统的控制方法，其步骤如下：

步骤一：基于RBF神经网络非线性预测模型变速恒频率双馈式双向潮汐发电机系统的自适应PlD控制；

步骤二：建立基于遗传算法的逆变器，利用变学习的学习算法，在线自适应地调整学习速率；

步骤三：采用了双DSP数字信号处理器DSP28335作为核心处理器，采用非线性预测模型对整个系统进行在线辨识和预测的实时控制。

所述基于RBF神经网络非线性预测模型变速恒频率双馈式双向潮汐发电机系统的自适应PlD控制的方法包括：采用BP神经网络和RBF神经网络两个神经网络来分别构成神经网络NNC和神经网络NNI，神经网络NNC进行自适应PID参数调节；神经网络NNI用来建立非线性预测模型进行参数预测。

所述PID控制的方法是：

假定在第k次迭代过程中，第J个控制器的偏差为：

e_J(k)＝r_J(k)-y_J(k)J＝1，2，3,N(1)

对于第J个控制器而言，其经典的增量数字PID控制算式可表示如下：