欢迎来到利索能及~ 联系电话:18621327849
利索能及
我要发布
收藏
专利号: 2018110081145
申请人: 重庆邮电大学
专利类型:发明专利
专利状态:已下证
专利领域: 液力机械或液力发动机;风力、弹力或重力发动机;其他类目中不包括的产生机械动力或反推力的发动机
更新日期:2024-10-29
缴费截止日期: 暂无
联系人

摘要:

权利要求书:

1.一种大型风力机的恒定输出功率控制方法,其特征在于,包括以下步骤:首先,在分析风力机系统影响功率输出状态变量的基础上,提出了变桨控制和转矩控制相结合的复合控制策略,即在额定风速以上,风速变化幅值大于限定值时,以变桨控制和转矩控制串联的方式进行控制;风速变化幅值小于限定值且变化频率大于设定值f时,以转矩控制的方式进行控制;

然后,采用人工蜂群算法对PID控制器初始参数进行优化;

最后,设计模糊推理规则对PID参数进行在线调整,通过乘上伸缩因子,以变论域方式对论域进行调整。

2.根据权利要求1所述的一种大型风力机的恒定输出功率控制方法,其特征在于,所述在额定风速以上风速变化幅值较大时以变桨控制和转矩控制串联的方式进行控制,具体包括:在风速变化幅值大于限定值时,首先采用变桨控制将功率迅速控制到设定的范围内,并保持此时的变桨角度;然后,采用转矩控制方式提高控制系统的响应速度,减小功率波动。

3.根据权利要求1所述的一种大型风力机的恒定输出功率控制方法,其特征在于,在风速变化幅值小于限定值且变化频率大于设定值f时,以转矩控制的方式进行控制,具体包括:首先分析当风速变化幅值小于限定值且变化频率大于限定值时采用变桨控制的弊端和采用转矩控制的优点,并以人工蜂群算法和变论域模糊算法相结合,提高控制系统精度。

4.根据权利要求1所述的一种大型风力机的恒定输出功率控制方法,其特征在于,所述采用人工蜂群算法对PID控制器初始参数进行优化,具体包括:蜜源的位置是采蜜的关键信息,代表问题的潜在解,蜜源i的位置可表示为式(12);

式中,t表示当前迭代次数,k表示维数, 表示蜜源i在t次迭代时的k位置;

蜜源i的初始位置可表示为:

xik=Lk+rand(0,1)(Uk-Lk)    (13)式中,Lk表示搜索空间的下限,Uk表示搜索空间的上限,rand(0,1)产生0到1之间的随机数;

引领蜂将搜索到的新蜂源位置用式(14)表示;

vik=xik+r(xik-xnk)    (14)

式中,r是[-1,1]之间均匀分布的随机数,n∈{1,2,…},n表示在蜜源中选择一个不等于i的蜜源;

引领蜂确定好新蜜源的位置信息后,飞回到指定区域进行蜜源信息共享,跟随蜂依据获得的蜜源信息进行跟随,其跟随概率用式(15)表示;

式中,q表示蜜源总数,fiti表示适应度;

适应度可用式(16)表示。

式中,fi表示解的函数值;

根据适应度表达式(16)评价新蜂源的适应度,确定保留蜂源,经过这样的过程,蜜蜂完成对最佳蜂源的寻找。这个过程也即采用人工蜂群算法对PID参数的优化过程。

5.根据权利要求4所述的一种大型风力机的恒定输出功率控制方法,其特征在于,所述设计模糊推理规则对PID参数进行在线调整,并对模糊推理的固定论域替换为变论域,具体包括:模糊PID控制器以误差和误差变化率为模糊控制器输入,首先需要将输入的基本论域转化为模糊论域,取适当的量化因子,将基本论域转换为模糊论域。量化因子可用式(17)、(18)确定;

式中,Kc为偏差的量化因子,Kec为偏差变化率的量化因子,emax为最大偏差,emin为最小偏差,ecmax为最大偏差变化率,ecmin为最小偏差变化率;

经过模糊控制后的值,经过反模糊化后转换为实际控制输出,反模糊化采用的比例因子采用式(19)确定;

式中,ΔKmax为比例、积分、微分参数各自论域的实际变化最大值,ΔKmin为比例、积分、微分参数各自论域的实际变化最小值;

在初始论域基础上乘上伸缩因子,输入偏差伸缩因子可用式(20)确定,输入变化率伸缩因子可用式(21)确定;

式中,λ1、λ2∈[0,1],ε1、ε2为任意小的正数。xemax表示偏差论域最大值,xecmax表示偏差变化率论域最大值。

6.根据权利要求5所述的一种大型风力机的恒定输出功率控制方法,其特征在于,ΔKp、ΔKi、ΔKd的伸缩因子由(22)、(23)、(24)式确定。

βp=2|e|    (22)

βd=2|e|   (24)

式中,ΔKp、ΔKi、ΔKd分别比例、积分、微分系数的变化量。βp为ΔKp的伸缩因子,βi为ΔKi的伸缩因子,βd为ΔKd的伸缩因子。

7.根据权利要求5所述的一种大型风力机的恒定输出功率控制方法,其特征在于,如果取偏差和偏差变化率的量化等级为七级,那么模糊论域为[-6 6],采用相同的方法,可以取Kp,Ki,Kd的量化等级,得到对应的模糊论域;如果取七个模糊子集,那么语言变量为{负大、负中、负小、零、正大、正中、正小}。