雙饋風力發電機BP神經網絡并網策略研究

呂艷玲++馮曦++朱博++盧健強

摘要：針對變速恒頻雙饋發電并網系統，將傳統PID控制與BP神經網絡控制相結合，提出了一種BP神經網絡PID的空載并網控制策略。在此基礎上，利用該控制策略對雙饋風力發電系統空載并網過程進行了研究，并與傳統PI控制策略進行比較。研究結果表明，并網BP神經網絡PID控制策略的動態響應快，并網過渡過程短，穩態精度高，對電網電壓的波動具有較強的全局魯棒性，是一種優良的并網控制策略。

關鍵詞：

風力發電機；雙饋發電機；空載并網；BP神經網絡PID控制

DOI：1015938/jjhust201705008

中圖分類號： TM315

文獻標志碼： A

文章編號： 1007-2683（2017）05-0040-06

Research on Grid Connection Strategy Based on BP Neural

Network PID Control for the DoublyFed Induction Generator

L Yanling，FENG Xi，ZHU Bo，LU Jianqiang

（School of Electrical and Electronic Engineering， Harbin University of Science and Technology， Harbin 150080， China）

Abstract：Based on the combination of the traditional PID control technique and the BP neural network control technique， a noload grid connected control strategy， BP neural network PID control strategy， was proposed for the variable speed constant frequency windpower system with doublyfed induction generator On the basis， the paper studied the process of noload grid connection for the Double Fed Induction Generator with the control strategy ， and compared PI control strategy with BP neural network PID control strategy The result shows that the dynamic response of the BP neural network PID control strategy is faster，and the transition process of cuttingin is short， steadystate is more accurate， the strategy also provides stronger global robustness against voltage fluctuations， which makes it an excellent grid connection control strategy

Keywords：wind power generator； doublyfed induction generator； noload grid connected control； BP neural network PID control

23雙饋發電機空載并網BP神經網絡PID控制實現

由于雙饋風力發電機在實際運行過程中，其阻抗、磁鏈等物理量隨時間變化的特點，在雙饋發電機轉子側采用BP神經網絡PID控制器取代傳統PI控制器。現以轉子電流ird控制環為例，以參考電流，實際電流值和他們的偏差e作為BP神經網絡的輸入，神經網絡的輸出為PID控制器的輸入。利用BP算法對神經網絡各層之間加權系數的不斷調整，尋找PID控制器中的最優參數，實現BP神經網絡PID最優控制利用BP神經網絡PID控制器可實現雙饋發電機空載并網時的運行要求。基于BP神經網絡PID控制的雙饋發電系統框圖如圖3所示。

3基于BP神經網絡PID空載并網仿真分析

根據以上設計分析，本文以MATLAB/simulink搭建了基于BP神經網絡PID控制的雙饋發電機空載并網仿真模型，并與傳統的PI控制結果進行對比分析。

31樣機參數

分析過程中所用電機的參數如表1所示。

32建立仿真模型

利用上述分析原理，建立了基于BP神經網絡PID控制的雙饋發電機并網控制系統仿真模型，系統仿真模型如圖4所示。

33仿真結果分析

利用上述仿真模型得出仿真結果，理想狀態時，雙饋發電系統采用BP神經網絡PID并網控制策略仿真波形如圖5所示；BP神經網絡PID控制策略與PI控制策略比較的波形如圖6和圖7所示；電網電壓發生擾動時的仿真波形如圖8所示。

圖4基于BP神經網絡PID控制的雙饋發電機并網控制系統仿真模型

圖5為雙饋發電機采用BP神經網絡PID控制策略并網時，電機的定子電壓與電網電壓的曲線，從圖中可以看出，定子電壓經過短暫的過渡過程就能跟隨電網電壓，即電機定子電壓的幅值、相位、頻率與電網電壓的幅值、相位、頻率完全一致。

圖6為正常工況下，普通PI控制與BP神經網絡PID控制策略下的雙饋發電機定子電壓與電網電壓誤差的比較曲線，從圖中可以看出，后者誤差遠遠小于前者，穩態精度高。endprint

圖7為分別采用傳統PI控制和BP神經網絡PID控制轉子d軸電流分量的波形，由圖中可以看出PI控制時轉子電流分量在012s時達到穩態而BP神經網絡PID控制時轉子電流分量在004s時達到穩態，在兩者都能滿足并網精度的條件下，顯然后者能更快達到給定值，提前滿足并網條件，減少對電網的沖擊，提高了系統運行的穩定性。

圖8為電網電壓下降90%UN到恢復運行電壓UN過程中，BP神經網絡PID控制動態調節過程與傳統PI控制調節過程仿真分析對比波形。從圖中可以看出，PI控制調節誤差波動大，調節緩慢，跟蹤效果差；而BP神經網絡PID控制調節過程快，定子電壓完全能夠跟蹤電網電壓波動。

由以上仿真波形分析得出，BP神經網絡PID控制具有較高的動態響應和更快的收斂速度，有較好的魯棒性和抗干擾性。

4結論

本文提出了雙饋發電機空載并網的BP神經網絡PID控制策略。研究結果表明，在BP神經網絡PID控制策略下，雙饋發電機定子電壓能夠快速跟蹤電網電壓且穩態誤差近似為零，系統在響應的全過程對電網電壓擾動具有較強的魯棒性，提高了系統動態性能，控制效果明顯優于傳統PI控制，是一種高性能的并網控制策略。

參 考 文 獻：

[1]MULJADI E，BUTTERFIELD C P，PARSONS B Effect of Variable Speed Wind Turbines Generator on Stability of Weak Grid[J].IEEE Trans on Energy Conversion，2007，22（1）：29-36

[2]趙棟利，許洪華，趙斌，等變速恒頻風力雙饋發電機并網電壓控制研究[J].太陽能學報，2004，25（5）：587-591

[3]FERNANDEZ L M，GARCIA C A，JURADO F Comparative Study on the Performance of Control Systems for Doubly Fed Induction Generator（DFIG） Wind Turbines Operating with Power Regulation[J].Energy，2008，33（9）：1438-1452

[4]李建林，趙棟利，李亞西，等 幾種適合變速恒頻風力發電機并網方式對比分析[J]電力建設，2006，27（5）：8-10，17

[5]劉其輝，賀益康，卞松江變速恒頻風力發電機空載并網控制[J].中國電機工程學報， 2004，24（3）：6-11

[6]劉其輝， 賀益康，張建華交流勵磁變速恒頻風力發電機的運行控制與建模仿真[J].中國電機工程學報，2006， 26（5）：43-50

[7]付旺保，趙棟利，潘磊，等.基于自抗擾控制器的變速恒頻風力發電并網控制[J].中國電機工程學報，2006，26（ 3） ： 13- 18

[8]田永貴，王 奔，李小明，等基于自抗擾的變速恒頻雙饋風力發電機并網控制研究[J].四川電力技術，2015，38（2）：67-72

[9]TAKAO Kenji，YAMAMOTO Toru，HINAMOTO TakaoA Design of Model Driven Cascade PID Comtrollers Using a Neural Network，IEICE Transactions on Fundamentals of Electronics[J].Communications and Computer Sciences，2004：2322-2330

[10]鄭雪梅，郭玲，徐殿國，等.雙饋感應發電機空載并網的高階滑模變結構控制策略[J].電力系統自動化，2012，36（ 7） ： 12 -16.

[11]龔菲， 王永驥 基于神經網絡的 PID 參數自整定與實時控制[J]. 華中科技大學學報（自然科學版） ，2002 ，30 （10）：69-71

[12]劉金琨先進PID控制MATAB仿真[M].北京：電子工業出版社（第二版），2006，155-163

[13]楊藝，虎恩典基于S函數的BP神經網絡PID控制器及Simulink仿真[J].電子設計工程，2014，22（3）：29-35

[14]楊曉紅，葛海濤基于BP神經網絡的風力發電機組變槳距控制仿真研究[J].機械設計與制造，2010，47（7）：184-186

[15]徐川川，朱鳳武，李鐵BP神經網絡PID控制器在溫室溫度控制中的研究[J].中國農機化，2012（2）：151-154

（編輯：溫澤宇）endprint