[发明专利]一种基于双馈风电系统的BP神经网络优化混沌控制方法

说明书

本发明公开了一种基于双馈风电系统的BP神经网络优化混沌控制方法，该方法首先建立双馈风电系统标准数学模型，该数学模型包括双馈感应发电机的电压同磁链方程，以及电机运动方程，在此基础上，建立双馈风电系统解耦数学模型；利用反步法设计对转子d轴电流的反步控制器，以及设计对转子q轴电流与转速v的反步控制器；利用BP神经网络拟合优化解耦反步控制参数，实现对于双馈风电系统的控制效果优化；通过稳定性分析理论及实际验证证实了系统的全局稳定。

技术领域

本发明涉及风能发电领域，特别涉及双馈风电系统控制策略优化。

背景技术

目前双馈电机(DFIG)研究主要集中在矢量控制调速及变速恒频运行上，有关电机混沌运动分析与控制研究则主要针对永磁同步电机，双馈电机的相关研究较少。实际上，在某些特定工作条件下，双馈电机系统亦会呈现混沌运行特性，可表现为定转子电流、转速及转矩的剧烈振荡，控制性能的不稳定，系统不规则电磁噪声等。目前的电机混沌现象研究，集中于混沌现象鉴别并预测此类非线性现象，采用经典理论难以解释。

反步法基本思想是将一个复杂的非线性系统分解成不超过系统阶数的子系统，然后为每个子系统设计Lyapunov函数以及中间虚拟控制量，再一步一步回退至整个系统，最终将各个部分集成起来，完成整体控制律的设计。由于反步法的优越性，目前许多研究将反步法用于混沌系统的控制中。但反步法的效果受其控制参数的影响。神经网络是近几年高速发展的人工智能技术之一。神经网络迅速发展并且得到广泛应用，也越来越多的研究将神经网络用于各种控制优化当中。

发明内容

本发明针对双馈风电系统的混沌现象及其控制问题，根据电机d-q轴数学模型，推导出解耦数学模型，并基于解耦模型，采用反步法设计系统控制器。通过BP神经网络建立控制参数模型进行拟合，寻出总体控制效果最佳的控制参数，使反步控制策略可使电机系统迅速达到稳定状态，实现双馈电机的与控制。

为了实现上述任务，本发明采用以下技术方案：

一种基于双馈风电系统的BP神经网络优化混沌控制方法，包括以下步骤：

步骤1，建立双馈风电系统解耦数学模型

首先建立双馈风电系统标准数学模型，该数学模型包括双馈感应发电机的电压同磁链方程，以及电机运动方程，在此基础上，建立双馈风电系统解耦数学模型；

步骤2，设计双馈风电系统的反步控制策略

利用反步法设计对转子d轴电流的反步控制器，以及设计对转子q轴电流与转速v的反步控制器；

步骤3，利用BP神经网络拟合优化解耦反步控制参数，实现对于双馈风电系统的控制效果优化。

进一步地，所述的双馈风电系统标准数学模型表示为：

双馈感应发电机的电压同磁链方程为：

电机运动方程如下：