[发明专利]一种基于ELM的风电机组桨距角控制方法有效
申请号: | 201911224370.2 | 申请日: | 2019-12-04 |
公开(公告)号: | CN110985286B | 公开(公告)日: | 2020-11-24 |
发明(设计)人: | 杨秦敏;焦绪国;陈积明 | 申请(专利权)人: | 浙江大学 |
主分类号: | F03D7/00 | 分类号: | F03D7/00 |
代理公司: | 杭州求是专利事务所有限公司 33200 | 代理人: | 刘静 |
地址: | 310058 浙江*** | 国省代码: | 浙江;33 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 基于 elm 机组 桨距角 控制 方法 | ||
1.一种基于ELM的风电机组桨距角控制方法,其特征在于,该方法包括以下步骤:
(1)获取机组某段时间内的有效风速信息,记为V,V是ELM训练目标集,获取对应时间段内的与有效风速信息相关的机组输出数据,并去除获取到的机组输出数据中的相关性,得到去除相关性后的数据;
(2)对步骤(1)获得的去除相关性后的数据进行归一化处理,得到ELM的训练特征集X中的列分量,构造ELM的训练特征集,训练特征集X和训练目标集V共同构成ELM的训练集;
(3)构造包括输入层、隐含层和输出层ELM的结构,使用步骤(2)获得的训练集确定ELM的参数,训练得到ELM模型;
(4)在线使用时,将去除相关性后的机组输出数据做归一化处理,输入到步骤(3)训练好的ELM模型中,计算得到有效风速估计值;
(5)将机组的风轮转速动态模型分解为非线性部分和不确定部分,根据有效风速估计值,计算出机组的风轮转速动态特性的非线性部分;
(6)根据计算出的风轮转速动态特性的非线性部分以及BUDE原理,得到最终的桨距角控制信号表达式:
k>0,k1>0,k2>0是用户自定义的常值控制参数,ko是需要不断更新的控制参数,β1是最终的桨距角控制信号,β0是改写后的控制信号初步表达式,其表达式为:
其中s是拉普拉斯域的变量,L-1(·)表示拉普拉斯反变换,e=ωr-ωd是风轮转速调节误差,ωr是风轮转速,ωd是风轮转速额定值;根据李雅普诺夫稳定性理论,取k0和β1的初值分别为1和0,上述得到的最终的桨距角控制信号β0的范围为0到
2.根据权利要求1所述的基于ELM的风电机组桨距角控制方法,其特征在于,所述步骤(1)中,机组T时间内的有效风速信息通过激光雷达测风装置获得,使用SCADA系统记录对应T时间段内的与有效风速信息相关的机组输出数据X'=[x'(i,j)],i=1,...,l,j=1,...,6,其中x'(i,j)是SCADA系统的一次采样输出,其表达式为:
其中,β是桨距角,是桨距角变化率,afa是塔架前后加速度,vfa是塔架前后速度,xfa是塔架前后位移,Ra是风轮角位移。
3.根据权利要求1所述的基于ELM的风电机组桨距角控制方法,其特征在于,所述步骤(1)中,采用PCA算法去除获取到的机组输出数据中的相关性,具体步骤包括:对数据进行去中心化处理,即X'的每一列数据均减去各自的均值;计算协方差矩阵;计算协方差矩阵的特征值和特征向量;将特征向量按照特征值从大到小按列排序,并取前3列组成矩阵P;将数据X'投影到矩阵P中,得到去除相关性后的数据X”=[x”(i,:)]。
4.根据权利要求1所述的基于ELM的风电机组桨距角控制方法,其特征在于,所述步骤(2)中,归一化处理的具体操作为:
其中,x”(:,j)表示X”中的列分量,μ(j)和σ(j)分别是x”(:,j)的均值和标准差,x(:,j)组成ELM的训练特征集X中的列分量。
5.根据权利要求1所述的基于ELM的风电机组桨距角控制方法,其特征在于,所述步骤(3)中,使用步骤(2)获得的训练集确定ELM的参数,构造的ELM包括具有3个节点的输入层,10个节点的隐含层,1个节点的输出层,随机初始化输入层到隐含层的权重W1和偏置B,得到隐含层的输出H=ψ(XW1+B),选取隐含层的激活函数ψ为sigmoid函数,记隐含层到输出层的权重为W2,则W2计算为:
W2=H+V
其中H+是H的伪逆。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于浙江大学,未经浙江大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201911224370.2/1.html,转载请声明来源钻瓜专利网。