双馈风力发电系统的神经网络控制

　　摘　要：将神经网络逆控制方法应用于双馈发电系统，根据双馈发电机功率控制数学模型推导逆系统模型，合理选择逆控制输入、输出信号，用神经网络实现逆控制算法，将系统分解为有功功率和无功功率的两个单变量线性子系统。运用线性系统综合方法，设计了由PI 调节器组成的有功功率和无功功率线性闭环子系统，建立了相应的仿真模型并进行了仿真。仿真结果表明，采用神经网络逆系统控制的双馈发电系统具有较好的性能，不仅能够方便地实现有功功率的控制，而且可独立地提供电网所需的无功功率。
    1. 引言
    在并网型双馈风力发电系统中，常用的控制方法是通过定子磁场定向矢量控制，进行发电机有功、无功功率的解耦控制。由于风能具有强烈的随机性、时变性，且含有未建模或无法准确建模的动态部分，使双馈发电系统成为一个复杂、多变量非线性系统，因此采用传统PI 调节很难达到高性能。
    逆控制是解决复杂非线性系统控制的一种有效方法^[1]；耿华、杨耕在《基于逆系统方法的变速变桨距风机的桨距角控制》中，为优化变速变桨距风电系统的高风速区的风能捕获，基于奇异摄动理论和逆系统方法提出一种非线性的桨距角控制器[2]；张先勇等新著《基于逆系统理论的风力发电功率解耦控制》中，将逆系统理论引入双馈型变速风力发电系统进行有功功率和无功功率的解耦控制。但是逆控制中，要实现解耦线性化，必须已知系统的精确数学模型，使得解析逆系统方法难以在实际中真正应用[3]。神经网络逆控制既具有对非线性系统的逼近及对参数变化的适应能力，又具有逆系统的解耦线性化能力，已成功用于感应电动机的矢量控制调速系统中^[4]-[8]取得了较好控制效果。
    本文将神经网络逆控制方法应用于双馈发电系统，根据双馈发电机特点推导逆系统模型，利用神经网络进行逆控制，确定神经网络逆控制输入、输出变量，离线训练神经网络后得到其输入样本集和期望输出样本集，将训练好的神经网络与被控系统串联，构成以PI 调节器作为复合控制器的闭环控制系统。通过系统仿真，可以实现有功功率、无功功率有效控制。
    2. 双馈发电机数学模型
    根据电机学理论，同步旋转M-T 坐标系中双馈发电机数学模型为^[9]，