本文關(guān)鍵詞：基于Elman神經(jīng)網(wǎng)絡(luò)控制的風(fēng)電最大功率點(diǎn)追蹤的研究，，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著變速恒頻風(fēng)力發(fā)電機(jī)組的廣泛應(yīng)用,如何提高風(fēng)能利用效率,實(shí)現(xiàn)發(fā)電量的最大化已經(jīng)成為了風(fēng)力發(fā)電技術(shù)中的關(guān)鍵問(wèn)題。為了最大程度地利用風(fēng)能,提高變速恒頻風(fēng)力發(fā)電效率的有效途徑是在最佳轉(zhuǎn)速下如何控制風(fēng)力發(fā)電機(jī)組運(yùn)行的研究,也就是研究最大功率點(diǎn)追蹤的控制方法,以至于最大限度的捕獲風(fēng)能。本文以變速恒頻雙饋異步風(fēng)力發(fā)電系統(tǒng)的最大風(fēng)能追蹤控制為主要研究?jī)?nèi)容,首先綜述了國(guó)內(nèi)外風(fēng)能開(kāi)發(fā)與風(fēng)力發(fā)電的發(fā)展?fàn)顩r、風(fēng)力發(fā)電相關(guān)技術(shù)的發(fā)展水平以及最大風(fēng)能追蹤技術(shù)的研究現(xiàn)狀,并結(jié)合變速恒頻風(fēng)力發(fā)電系統(tǒng)的基本理論,具體分析了風(fēng)力機(jī)的運(yùn)行機(jī)理、風(fēng)力發(fā)電系統(tǒng)的運(yùn)行特性以及最大風(fēng)能追蹤的原理和控制方法。.提出了基于RBF以及Elman神經(jīng)網(wǎng)絡(luò)的最大功率點(diǎn)算法,重點(diǎn)描述了該方法的原理與控制方式,并設(shè)計(jì)了基于RBF和Elman神經(jīng)網(wǎng)絡(luò)的控制器,基于RBF的神經(jīng)網(wǎng)絡(luò)控制器通過(guò)調(diào)節(jié)電機(jī)轉(zhuǎn)速,使轉(zhuǎn)速一直運(yùn)轉(zhuǎn)在最優(yōu)轉(zhuǎn)速,來(lái)捕獲最大功率點(diǎn),而Elman神經(jīng)網(wǎng)絡(luò)通過(guò)調(diào)節(jié)槳距角,來(lái)對(duì)電機(jī)轉(zhuǎn)矩進(jìn)行控制來(lái)實(shí)現(xiàn)最大功率點(diǎn)追蹤,并具體闡述了神經(jīng)網(wǎng)絡(luò)控制的控制原理以及控制過(guò)程。最后,為了驗(yàn)證最大功率點(diǎn)追蹤控制的方法,使用MATLAB/SIMULINK軟件搭建風(fēng)力系統(tǒng)模型、RBF神經(jīng)網(wǎng)絡(luò)控制器模型、Elman神經(jīng)網(wǎng)絡(luò)控制器模型,對(duì)5MW雙饋風(fēng)力發(fā)電系統(tǒng)進(jìn)行仿真研究并驗(yàn)證了控制效果。然后對(duì)仿真之后的發(fā)電機(jī)理想轉(zhuǎn)速跟蹤、最大理想功率輸出、風(fēng)能利用系數(shù)進(jìn)行分析,驗(yàn)證了Elman神經(jīng)網(wǎng)絡(luò)控制器能取得更加理想的控制效果。
【關(guān)鍵詞】：最大功率點(diǎn)追蹤 神經(jīng)網(wǎng)絡(luò)控制技術(shù) 雙饋感應(yīng)電機(jī) Matlab/Simulink 徑向基函數(shù)神經(jīng)網(wǎng)絡(luò) Elman神經(jīng)網(wǎng)絡(luò)
【學(xué)位授予單位】：湖南大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TM614;TP183
【目錄】：

• 摘要5-6
• Abstract6-11
• 第1章 緒論11-19
• 1.1 課題研究的背景與意義11-12
• 1.2 國(guó)內(nèi)外風(fēng)力發(fā)電的發(fā)展現(xiàn)狀12-15
• 1.2.1 國(guó)外風(fēng)力發(fā)電的發(fā)展現(xiàn)狀13-14
• 1.2.2 國(guó)內(nèi)風(fēng)力發(fā)電的發(fā)展現(xiàn)狀14-15
• 1.3 最大風(fēng)能追蹤技術(shù)研究現(xiàn)狀15-17
• 1.4 本文主要研究?jī)?nèi)容17-19
• 第2章 風(fēng)電與雙饋感應(yīng)電機(jī)的基本原理19-30
• 2.1 風(fēng)電基本原理19-20
• 2.2 變速恒頻風(fēng)力發(fā)電系統(tǒng)的運(yùn)行狀態(tài)20-22
• 2.3 雙饋異步發(fā)電系統(tǒng)22-25
• 2.3.1 雙饋異步發(fā)電機(jī)的工作原理23-25
• 2.3.2 PWM變流器25
• 2.4 最大功率點(diǎn)追蹤算法25-29
• 2.4.1 最佳葉尖速比法25-26
• 2.4.2 功率信號(hào)反饋法26-27
• 2.4.3 三點(diǎn)比較法27-28
• 2.4.4 爬山搜索法28-29
• 2.5 本章小結(jié)29-30
• 第3章 基于RBF神經(jīng)網(wǎng)絡(luò)控制的最大功率點(diǎn)追蹤30-37
• 3.1 最大風(fēng)能追蹤30
• 3.2 RBF神經(jīng)網(wǎng)絡(luò)30-34
• 3.2.1 RBF神經(jīng)網(wǎng)絡(luò)模型31-32
• 3.2.2 RBF神經(jīng)網(wǎng)絡(luò)監(jiān)督學(xué)習(xí)算法32-33
• 3.2.3 RBF神經(jīng)預(yù)測(cè)流程圖33-34
• 3.3 RBF神經(jīng)網(wǎng)絡(luò)用于風(fēng)電最大功率點(diǎn)追蹤34-36
• 3.3.1 控制系統(tǒng)34
• 3.3.2 RBF拓?fù)浣Y(jié)構(gòu)34-35
• 3.3.3 控制框圖35-36
• 3.4 本章小結(jié)36-37
• 第4章 基于Elman神經(jīng)網(wǎng)絡(luò)的最大功率追蹤控制37-45
• 4.1 Elman神經(jīng)網(wǎng)絡(luò)的算法37-39
• 4.2 Elman神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)流程39-40
• 4.3 Elman神經(jīng)網(wǎng)絡(luò)用于風(fēng)電最大功率點(diǎn)追蹤40-44
• 4.3.1 控制系統(tǒng)40-41
• 4.3.2 Elman拓?fù)浣Y(jié)構(gòu)41-42
• 4.3.3 控制框圖42-44
• 4.4 本章小結(jié)44-45
• 第5章 基于神經(jīng)網(wǎng)絡(luò)的最大功率點(diǎn)追蹤的仿真分析45-54
• 5.1 控制系統(tǒng)Matlab/Simulink仿真環(huán)境45
• 5.2 風(fēng)電仿真模型圖45-49
• 5.2.1 基于Elman神經(jīng)網(wǎng)絡(luò)仿真模塊圖46-47
• 5.2.2 基于RBF神經(jīng)網(wǎng)絡(luò)仿真模塊圖47
• 5.2.3 風(fēng)速的仿真模型47-48
• 5.2.4 風(fēng)能利用系數(shù)的仿真模型48-49
• 5.3 仿真結(jié)果及分析49-53
• 5.3.1 最大轉(zhuǎn)速追蹤的仿真實(shí)驗(yàn)50-51
• 5.3.2 最大功率追蹤的仿真實(shí)驗(yàn)51-52
• 5.3.3 最大風(fēng)能利用系數(shù)的仿真實(shí)驗(yàn)52-53
• 5.4 本章小結(jié)53-54
• 總結(jié)54-55
• 參考文獻(xiàn)55-60
• 致謝60

  本文關(guān)鍵詞：基于Elman神經(jīng)網(wǎng)絡(luò)控制的風(fēng)電最大功率點(diǎn)追蹤的研究，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：256520