[发明专利]基于RBF神经网络PID的风电机组独立变桨控制方法

权利要求书

1.一种基于RBF神经网络PID的大型风电机组独立变桨控制方法，包括 以下步骤：

1)建立风电机组的数学模型，计算风电机组桨叶的挥舞力矩；

2)通过park变换，把挥舞力矩变换为固定坐标系下的偏航力矩与俯仰力矩；

3)把偏航力矩和俯仰力矩输入到RBF神经网络PID控制器，通过RBF神 经网络在线自学习能力，由梯度下降法得出PID控制器参数调节变化量，PID 控制器输出静止坐标系下的桨距角；

4)经过park逆变换把步骤3)得到的桨距角变换成三个叶片的桨距角，再 把三个叶片桨距角与同步变桨桨距角进行叠加，得出风电机组每个叶片的变桨 桨距角，实现对风电机组的独立变桨控制。

2.根据权利要求1所述的基于RBF神经网络PID的大型风电机组独立变 桨控制方法，其特征在于：所述步骤1)中，建立的风电机组数学模型为：

J·Ω·=-3hMxxfa·+3kMzθ1cm+3hMxu~1cm-Tg]]>

mtwxfa··=-stwxfa-(dtw+3hFx-81R32H2hMz)xfa·+3kFxθ1cm+94HkMzθ2cm+3hFxu~1cm+94HhMzu~2cm]]>

mtwxsd··=32HTg-27R16HhFzxfa·-32kFzθ2cm-3hFzu~2cm/2+stwxsd+dtwxsd·]]>

Mz1=-hMzxfa·+kMzθ1+hMzu1cm]]>

Mz2=-hMzxfa·+kMzθ2+hMzu2cm]]>

Mz3=-hMzxfa·+kMzθ3+hMzu1cm]]>

其中，J是风轮的转动惯量，Ω是叶片的转速，是Ω的导数，x_fa是塔架在 俯仰方向的位移，是x_fa的一阶导数和二阶导数，x_sd是塔架侧向方向的位 移，是x_sd的一阶导数和二阶导数，是叶片1和叶片2处的有效 风速，T_g是电机电磁转矩，m_tw是塔架等效质量，H是风机塔架高度，R是风电机 组叶片半径，s_tw是塔架的刚度，d_tw是塔架的阻尼系数，是风轮转矩对风速的 导数，是风轮转矩对桨距角的导数。