[发明专利]基于强化学习补偿的风力发电变桨距控制方法

摘要

本发明针对风力发电系统变桨距控制问题，提出了一种基于强化学习补偿算法的滑模变桨距控制方法。本专利提出的强化学习补偿算法是将滑模变结构控制和强化学习算法结合起来，基于模型的滑模变结构控制具有强鲁棒性和快速动态响应的特点，在滑模控制信号上叠加一个利用RBF神经网络实现的Actor‑Critic强化学习算法，该强化学习算法可以对系统中的不确定性、扰动和未建模部分进行动态补偿，滑模变结构控制保证初始控制性能，加快了整体算法收敛速度，利用梯度下降法更新网络的各项参数。本发明具有抗干扰好、对变化参数鲁棒性强以及速度快等优点,在保证功率输出稳定在额定值附近的同时，实现桨距角的平稳调节，减轻了机组疲劳度和组件间的磨损。

主权项

1.一种风力发电机组变桨距控制方法，其特征在于，该方法包括：将强化学习和滑模变结构控制结合起来，采用滑动模态控制器完成对风电机组桨距角的基本控制，运用Actor‑Critic强化学习补偿寻优算法，用来自适应补偿扰动、摄动和系统未建模部分对整体性能的影响，达到优化控制的目的，弥补传统方法基于模型的不足；通过测量风力机转速反馈与参照速度得出转速偏差，经过状态转换后，作为滑动模态控制器的输入量，控制器根据偏差发出桨距角控制量命令，取滑模面为：s(x)＝c1x1+x2，c1为滑模参数，x1，x2为系统状态，设计准滑动模态控制器为：其中其中k_β为增益系数，ω_e为电磁角速度，N_P为发电机转子的极对数，ρ为空气的密度，C_p为风能利用系数，B是发电机的摩擦系数，J是风轮发电机整体转动惯量，R为风力机叶片半径，ν为风速，τ_β为桨距角响应时间常数，β为实际桨距角，Δ为边界层，λ为叶尖速比，K为系数。