1、“.....变速恒频双馈风电系统并网方式有空载并网负载并网和孤岛并网种,其中空载并网方式原理清晰,实现简单,应用最广泛。国内外学者对双馈以上仿真波形分析得出,神经网络控制具有较高的动态响应和更快的收敛速度,有较好的鲁棒性和抗干扰性。图电网电压波动时误差对比仿真波形结语本文提出了双馈发电机空载并网的神经网络控制策略。针对风力发电并网时所产生的电流冲击与波动过大的问题,本文提出了种基于神经网络的风力发电并网控制技术。通过建模仿真验证,该控制技术可以使得双馈发电机定子电压与电网电压误差的比较曲线,从图中可以看出,后者误差远远小于前者,稳态精度高。图定子电压与电网电压曲线图电网与定子电网误差比较图为分别采用传统控制和神经网络控制转子轴电流分量的波形,由图中可以看出控制时转子电流分量在时达到稳态而神经网络控制时转子电流分量在时达到稳态,在两者都能满足并网精度的条件下......”。

2、“.....基于神经网络空载并网仿真分析样机参数基于上述分析,本文在中对基于神经网络结合的双馈发电机空载并网控制模型进行搭建与仿真验证,并与传统控制器进行对比。表为分析中的电机参数。表电机参数建立仿真模型利用上述分析原理,建立了基于神经网络控制的双馈发电机并网控制系统仿真模型,系统仿基于神经网络的风力发电并网控制研究原稿的输入,实现神经网络对的最优控制,进而满足双馈发电机空载并网运行要求。基于神经网络结合的双馈发电机空载并网控制结构图,如图所示。关键词风力发电神经网络控制双馈发电机引言近年来,风力发电技术日趋成熟,风电系统装机容量越来越大,兆瓦级风力发电系统并网时发生的电流冲击和过大的电压波动已不能忽略,实现安全平稳并网是风力发电系统化神经网络的参数结构,从而达到提高神经网络学习效率的目的。通过编程将最优种群返回给神经网络作为神经网络的最优参数......”。

3、“.....得到训练误差曲线如图所示,由测试误差曲线和验证误差曲线训练过程曲线可以看出,误差精度得到了提高,故障位臵的判断更加准确。图训练误差曲线基于神经网络的故障诊断器基于神经网络出的转子电流分量的参考值,进而使定子电压与电网电压接近。图基于神经网络的控制器结构框图双馈发电机空载并网控制在双馈发电机中采用结合神经网络与的控制器,以适应运行过程中发电机随时间变化的阻抗磁链等物理量。如对转子电流进行控制,神经网络的输入为期望电流实际电流与其的误差。经过各层权值的不断调整,将神经网络的输出作为控制统控制器的特点,设计了基于神经网络的控制器,其控制结构框图如图所示,该控制器由两部分组成是传统的控制,实现直接对转子电流轴分量闭环控制是神经网络控制,根据双馈发电系统的运行状态,利用神经网络控制算法调节控制器的参数,实现定子电压响应快,误差小......”。

4、“.....在分析了空载并网控制原理的基础上,设计了转子侧神经网络控制器实现转子电流控制,该控制器不仅具有非线性映射功能,而且结构和学习算法简单明确,不依赖于被控对象数学模型。图基于神经网络的控制器结构框图双馈发电机空载并网控制在双馈发电机中采用结合神经网络与的控制器,以适应运行过程中发电机随时间变化的阻抗磁链等物理作为目标函数来调节神经网络的连接权值,自动调节的个参数,经控制器作用于双馈发电机,从而使双馈发电机转子电流分量接近由定子磁链观测器算出的转子电流分量的参考值,进而使定子电压与电网电压接近。基于神经网络的风力发电并网控制研究原稿。图网络训练误差曲线图训练状态曲线造成整体训练失败等现象,可以考虑通过遗传算法较强的全局寻优能力来关键词风力发电神经网络控制双馈发电机引言近年来,风力发电技术日趋成熟,风电系统装机容量越来越大......”。

5、“.....实现安全平稳并网是风力发电系统需要解决的首要问题。变速恒频双馈风电系统并网方式有空载并网负载并网和孤岛并网种,其中空载并网方式原理清晰,实现简单,应用最广泛。国内外学者对双馈所示。变频器的主要故障还有过电压过电流变频器误动作与预期效果误差大过热欠电压等。其中变频器过电压主要是指变频器负载突降或向电容器组增能,会使中间直流回路能量增大,短时间内能量增大,若超过直流回路及其能量处理单元的承受能力将会引发过电压故障,从而影响滤波器电容寿命。过电流故障是由于变频器负载发生突变负荷分配不均,输出短路等原因引起的过载过电流和短路制的并网策略,该控制策略不需要精确电机参数就可以实现并网控制,并对参数的摄动以及内外扰动都具有良好的鲁棒性。本文从双馈风力发电机并网过程的运行特性入手,在分析了空载并网控制原理的基础上,设计了转子侧神经网络控制器实现转子电流控制,该控制器不仅具有非线性映射功能......”。

6、“.....不依赖于被控对象数学模型。加之双馈发电机,因而可故障诊断器需要具有两个必备部分,即输入样本和对应的输出样本。很显然,故障特征数据即为训练器的输入样本,而特征数据对应的故障类型即为训练器的输出样本。遗传算法及其对神经网络的优化神经网络由于初始参数设臵不当可能导致训练过程变化较大,甚至因局部不收敛等情况造成整体训练失败等现象,可以考虑通过遗传算法较强的全局寻优能力来优化神经网络的参数结构,从而作为目标函数来调节神经网络的连接权值,自动调节的个参数,经控制器作用于双馈发电机,从而使双馈发电机转子电流分量接近由定子磁链观测器算出的转子电流分量的参考值,进而使定子电压与电网电压接近。基于神经网络的风力发电并网控制研究原稿。图网络训练误差曲线图训练状态曲线造成整体训练失败等现象,可以考虑通过遗传算法较强的全局寻优能力来的输入,实现神经网络对的最优控制......”。

7、“.....基于神经网络结合的双馈发电机空载并网控制结构图,如图所示。关键词风力发电神经网络控制双馈发电机引言近年来,风力发电技术日趋成熟,风电系统装机容量越来越大,兆瓦级风力发电系统并网时发生的电流冲击和过大的电压波动已不能忽略,实现安全平稳并网是风力发电系统量闭环控制是神经网络控制,根据双馈发电系统的运行状态,利用神经网络控制算法调节控制器的参数,实现定子电压响应快,误差小。神经网络控制器以转子轴电流分量的参考值与反馈电流误差的平方作为目标函数来调节神经网络的连接权值,自动调节的个参数,经控制器作用于双馈发电机,从而使双馈发电机转子电流分量接近由定子磁链观测器基于神经网络的风力发电并网控制研究原稿电流,由于逆变器件的过载能力较差,所以变频器的过电流故障诊断至关重要。当输入电源缺相,整流回路故障会导致欠压故障。这些原因都会导致变频器故障。加之双馈发电机,因而可以实现空载数学模型的并网控制......”。

8、“.....文中所提出的技术算法简单响应速度快且精度高,能较好地控制电网电压波动,具有定的有效性。基于神经网络的风力发电并网控制研究原稿的输入,实现神经网络对的最优控制,进而满足双馈发电机空载并网运行要求。基于神经网络结合的双馈发电机空载并网控制结构图,如图所示。关键词风力发电神经网络控制双馈发电机引言近年来,风力发电技术日趋成熟,风电系统装机容量越来越大,兆瓦级风力发电系统并网时发生的电流冲击和过大的电压波动已不能忽略,实现安全平稳并网是风力发电系统会对变频器的性能同时晶闸管的电压上升率是有限的,晶闸管由导通转为关断时,电压突然加在元件的两端,因为结有定的电容量,如果电压上升率太大,则会产生定的漏电流,使元件不关断而损坏晶闸管的电流上升率也是有限的,当元件使用在电流比较大频率比较高的情况下,由于电流上升率较大,在芯片上电流来不及扩散,产生局部结温过高而损坏......”。

9、“.....刘友伟变速恒频双馈型并网风力发电机励磁控制的研究南京南京航空航天大学,王勇,张纯江,柴秀慧,等变速恒频风力发电机空载并网控制策略电网技术,张继红,吴振奎,李含善交流励磁变速恒频风力发电机并网控制及仿真辽宁工程技术大学学报自然科学版,刘静,黄磊,康忠健基于自抗扰控制技术的双馈型感应发电机功实现空载数学模型的并网控制。通过与传统控制技术比较可知,文中所提出的技术算法简单响应速度快且精度高,能较好地控制电网电压波动,具有定的有效性。基于神经网络的风力发电并网控制研究原稿。直驱式风力发电机变频器故障地区风场气候环境恶略,夏天高温,冬天寒冷,且昼夜温差大而变频器所处环境更是油污尘土高温电磁干扰震动干扰等恶劣条件的综合,这些外界条件作为目标函数来调节神经网络的连接权值,自动调节的个参数,经控制器作用于双馈发电机......”。