CN102720634B - 一种优化参数的变论域模糊电动变桨控制方法 - Google Patents

一种优化参数的变论域模糊电动变桨控制方法 Download PDF

Info

Publication number
CN102720634B
CN102720634B CN201210234372.1A CN201210234372A CN102720634B CN 102720634 B CN102720634 B CN 102720634B CN 201210234372 A CN201210234372 A CN 201210234372A CN 102720634 B CN102720634 B CN 102720634B
Authority
CN
China
Prior art keywords
control
fuzzy
domain
contraction
parameter
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Expired - Fee Related
Application number
CN201210234372.1A
Other languages
English (en)
Other versions
CN102720634A (zh
Inventor
董海鹰
魏占宏
李宏伟
李晓青
王国华
李帅兵
马博
李晓楠
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Lanzhou Jiaotong University
Original Assignee
Lanzhou Jiaotong University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Lanzhou Jiaotong University filed Critical Lanzhou Jiaotong University
Priority to CN201210234372.1A priority Critical patent/CN102720634B/zh
Publication of CN102720634A publication Critical patent/CN102720634A/zh
Application granted granted Critical
Publication of CN102720634B publication Critical patent/CN102720634B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E10/00—Energy generation through renewable energy sources
    • Y02E10/70—Wind energy
    • Y02E10/72—Wind turbines with rotation axis in wind direction

Landscapes

  • Feedback Control In General (AREA)

Abstract

本发明公开了一种优化参数的变论域模糊电动变桨控制方法，其涉及到电动变桨***所建立的三闭环控制，即电流环、速度环和位置环，通过分析变论域伸缩因子的结构，利用遗传算法优化其参数，实现参数的智能寻优，建立确定伸缩因子的合理机制。本发明将优化的变论域模糊控制算法应用于电动变桨***的速度和位置控制中，根据速度环和位置环的控制目标建立合适目标函数，实现变论域模糊控制器的最优控制性能。有效地抑制了转矩脉动，提高了***的动态性能和稳态性能，并最终实现了桨距角位置快速、准确跟踪。为风电变桨***提供了一种有效、实用的控制方法。

Description

一种优化参数的变论域模糊电动变桨控制方法
技术领域
本发明涉及电动变桨控制方法技术领域，具体地，涉及一种优化参数的变论域模糊电动变桨控制方法。
背景技术
对于风电机组电动变桨***这样的高阶强耦合严重滞后大惯性的非线性***来说，虽然常规的控制器技术已经很成熟，在工业过程控制中得到了广泛使用，但要满足风电机组快速响应风速的要求，这些控制器的控制效果反而不理想。基于模糊控制的电动变桨***，模糊控制器可以通过公式简单标度变换进行一些整定，对控制环的结模型无需深入研究，可以获得一定的控制效果，通过对论域区间的划分也可进一步提高控制品质，这正是将模糊控制应用在风电电动变桨***的优势所在。但控制器在参数整定过程中还是有一定的盲目性，并且变论域模糊控制的关键是确定伸缩因子，使得论域在合理范围内变化，而当前是主要依靠经验值或反复调试来实现的，使得控制器参数可能并非最优，控制品质并非最佳。
发明内容
针对现有技术中存在的问题，本发明提出一种在电动变桨控制***中利用遗传算法优化伸缩因子的变论域模糊控制方法。将优化的变论域模糊控制算法应用于电动变桨***的速度和位置控制中，根据速度环和位置环的控制目标建立合适目标函数，实现变论域模糊控制器的最优控制性能。有效地抑制了转矩脉动，提高了***的动态性能和稳态性能，并最终实现了桨距角位置快速、准确跟踪。为风电变桨***提供了一种有效、实用的控制方法。
为此，采用如下技术方案：一种优化参数的变论域模糊电动变桨控制方法，其涉及到电动变桨***所建立的三闭环控制，即电流环、速度环和位置环，通过分析变论域伸缩因子的结构，利用遗传算法优化其参数，实现参数的智能寻优，建立确定伸缩因子的合理机制；具体如下：
A、将遗传算法优化的变论域模糊控制算法应用于所述电动变桨***的速度和位置控制中，所述位置和速度控制器的输入皆为误差                                                
Figure 928850DEST_PATH_IMAGE001
和误差的变化量
Figure 118523DEST_PATH_IMAGE002
，输出皆为
Figure 18345DEST_PATH_IMAGE003
，分别确定所述速度和位置控制器输入、输出语言变量的基本论域，输入语言变量基本论域分别为
Figure 20674DEST_PATH_IMAGE004
，而输出语言变量基本论域为
Figure 322343DEST_PATH_IMAGE005
，可建立伸缩因子的结构为：
          
Figure 682917DEST_PATH_IMAGE006
                                      (1)
B、建立所述电动变桨速度和位置控制的模糊控制规则表，在双输入单输出模糊控制器中，基于变论域思想，设计变论域模糊控制***； 
C、将所述伸缩因子的参数表示成遗传空间的染色体或者个体，进行编码，得到初始种群，将所述伸缩因子的参数赋给所设计的模糊推理***，使用所述变论域模糊控制进行控制，根据所述速度环和位置环的控制目标建立合适目标函数，根据该目标函数编写计算个体适应度值的适应度函数，通过该适应度函数计算每个个体的适应度值，提供给遗传算子进行选择操作、交叉操作和变异操作，获得新的群体，经过设定迭代次数的进化之后，算法收敛于最好的染色体，它即是所述伸缩因子的最佳参数，从而实现电动变桨***变论域模糊控制器的最优控制性能。
更进一步的：
所述伸缩因子参数采用实数编码，染色体长度为6。
所述速度环目标函数里加入误差绝对值时间积分来提高其过渡动态性能。
所述位置环目标函数里采取惩罚因子来避免超调现象。
本发明通过分析变论域伸缩因子的结构，利用遗传算法优化其参数，实现了参数的智能寻优，建立了确定伸缩因子的合理机制，有效解决了变论域模糊控制方法伸缩因子靠经验和反复调试来确定的问题，提高了控制精度。将优化的变论域模糊控制算法应用于电动变桨***的速度和位置控制中，根据速度和位置的控制目标建立合适目标函数，实现变论域模糊控制器的最优控制性能。有效地抑制了转矩脉动，提高了***的动态性能和稳态性能，并最终实现了桨距角位置快速、准确跟踪。为风电变桨***提供了一种有效、实用的控制方法。
附图说明
图1为电动变桨***控制原理结构图；
图2为本发明遗传算法优化的速度环和位置环的控制框图；
图3为本发明遗传算法优化的变论域模糊控制流程图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。
当风速在额定风速以上切出风速以下时，变桨***开始变桨，给定驱动电机转速
Figure 70036DEST_PATH_IMAGE007
和桨距角
Figure 377520DEST_PATH_IMAGE008
，根据实际测量值计算转速误差
Figure 268116DEST_PATH_IMAGE009
、桨距角误差
Figure 65171DEST_PATH_IMAGE010
及转速误差变化量
Figure 674007DEST_PATH_IMAGE011
、桨距角误差变化量，将其作为电动变桨***位置和速度变论域模糊控制器的输入，见附图1和2，按照式1，建立伸缩因子的结构，共有
Figure 858180DEST_PATH_IMAGE013
 6个待优参数。
建立所述电动变桨速度和位置控制的模糊控制规则表，在双输入单输出模糊控制器中，基于变论域思想，设计所述变论域模糊控制***。其中，
Figure 763819DEST_PATH_IMAGE014
和
Figure 859951DEST_PATH_IMAGE015
分别为所述模糊控制器的两个输入变量，
Figure 571555DEST_PATH_IMAGE016
和
Figure 436743DEST_PATH_IMAGE017
分别为所述输入变量所对应的伸缩因子，
Figure 513284DEST_PATH_IMAGE018
则为所述输出变量的伸缩因子，
Figure 96712DEST_PATH_IMAGE019
为所述模糊控制器所逼近的控制器函数。模糊控制***其基础变量的运算依赖于时间步长
Figure 346427DEST_PATH_IMAGE020
，分别记为，因此可用时间函数来表示变论域，记作
Figure 641460DEST_PATH_IMAGE022
。随着优化的进行，输入输出模糊子集论域也相应发生变化，隶属度函数
Figure 712184DEST_PATH_IMAGE023
发生相应的变化，记之为
Figure 195949DEST_PATH_IMAGE024
，这使得模糊控制规则成为一组动态规则： 
   
Figure 516389DEST_PATH_IMAGE026
                       (2)
当k=0时，式2为模糊控制初始控制规则。随着k的变化，控制函数则随着论域变化而发生相应地变形，可以记为：
Figure 808830DEST_PATH_IMAGE027
                          (3)
其中，
Figure 665928DEST_PATH_IMAGE028
为输入语言变量（误差）的隶属度函数个数，
Figure 297898DEST_PATH_IMAGE029
；
Figure 949459DEST_PATH_IMAGE030
为输入语言变量(误差变化率)的隶属度函数个数，
Figure 994775DEST_PATH_IMAGE031
；、
Figure 938777DEST_PATH_IMAGE033
的具体值按实际***运行情况来确定。
由变论域理论可知，
Figure 964502DEST_PATH_IMAGE034
单调性保证了 的单调性，从而保证了控制函数的有效性。变论域模糊控制器的设计减弱了对控制领域专家知识的依赖，根据模糊控制规则的变化趋势，随着控制器输入语言变量的变化而相应地对基本论域进行伸缩，通过对基本论域自适应调整，实现电动变桨***动态性能的改善，提高控制的稳态精度。
将所述伸缩因子的6个参数表示成遗传空间的染色体或者个体，利用遗传算法对伸缩因子的6个参数进行优化，进行实数编码，则染色体长度。实数编码不必进行数值转换，可以直接在解得表现型上进行遗传算法操作。得到初始种群，将所述伸缩因子的6个参数赋给所设计的变论域模糊推理***，使用所述变论域模糊控制进行控制，根据所述速度环和位置环的控制目标建立合适目标函数
Figure 30361DEST_PATH_IMAGE038
，所述速度环目标函数里加入误差绝对值时间积分来提高其过渡动态性能，所述位置环目标函数里采取惩罚因子来避免超调现象。采用如下目标函数来确保有较好动态性且输出控制量在一定范围之内：
                                                        (4)
其中为
Figure 521703DEST_PATH_IMAGE040
控制量，
Figure 45088DEST_PATH_IMAGE041
为上升时间，
Figure 474932DEST_PATH_IMAGE042
为速度目标函数的权值。
位置环的输入为桨距角的给定角度
Figure 887197DEST_PATH_IMAGE043
和实际输出角度
Figure 427899DEST_PATH_IMAGE044
的差值
Figure 71370DEST_PATH_IMAGE045
及误差变化
Figure 406537DEST_PATH_IMAGE046
，通过模糊推理可得到较优角度。其结构见附图2，采用遗传算法优化所述伸缩因子 6个参数值，采用惩罚因子来避免位置环输出超调，目标函数如下：
           
Figure 151956DEST_PATH_IMAGE048
             (5)
其中为控制量，为上升时间，
Figure 372219DEST_PATH_IMAGE051
为位置目标函数的权值。
根据所述目标函数编写计算个体适应度值的适应度函数，适应度函数取为：
                         
Figure 254724DEST_PATH_IMAGE052
                                                               (6)
通过式6适应度函数计算每个个体的适应度值，提供给遗传算子（即顺序提供给选择算子、交叉算子和变异算子）进行选择操作、交叉操作和变异操作，获得新的群体，经过设定迭代次数的进化之后，算法收敛于最好的染色体，它即是所述伸缩因子的最佳参数，从而实现电动变桨***变论域模糊控制器的最优控制性能。
对伸缩因子采用遗传算法优化后，可直接确定其最优值，有效解决了变论域模糊控制方法伸缩因子靠经验和反复调试来确定的问题，使得变论域模糊控制在电动变桨***上的应用方便而实效。

Claims (4)

1.一种优化参数的变论域模糊电动变桨控制方法，其涉及到电动变桨***所建立的三闭环控制，即电流环、速度环和位置环，其特征在于：通过分析变论域伸缩因子的结构，利用遗传算法优化其参数，实现参数的智能寻优，建立确定伸缩因子的合理机制；具体如下：
A、将遗传算法优化的变论域模糊控制算法应用于所述电动变桨***的速度和位置控制中，所述位置和速度控制器的输入皆为误差                                                和误差的变化量
Figure 559531DEST_PATH_IMAGE002
，输出皆为
Figure 552895DEST_PATH_IMAGE003
，分别确定所述速度和位置控制器输入、输出语言变量的基本论域，输入语言变量基本论域分别为
Figure 307224DEST_PATH_IMAGE004
，而输出语言变量基本论域为
Figure 857285DEST_PATH_IMAGE005
，建立所述输入、输出语言变量的伸缩因子的结构为：
                    (1)
式 (1)中共有6个待优参数；
B、建立所述电动变桨速度和位置控制的模糊控制规则表，在双输入单输出模糊控制器中，基于变论域思想，设计变论域模糊控制***； 
C、将伸缩因子的参数表示成遗传空间的染色体或者个体，进行编码，得到初始种群，将所述伸缩因子的参数赋给所设计的模糊推理***，使用所述变论域模糊控制进行控制，根据所述速度环和位置环的控制目标建立合适目标函数，根据该目标函数编写计算个体适应度值的适应度函数，通过该适应度函数计算每个个体的适应度值，提供给遗传算子进行选择操作、交叉操作和变异操作，获得新的群体，经过设定迭代次数的进化之后，算法收敛于最好的染色体，它即是所述伸缩因子的最佳参数，从而实现电动变桨***变论域模糊控制器的最优控制性能。
2.根据权利1所述的一种优化参数的变论域模糊电动变桨控制方法，其特征在于：所述伸缩因子参数采用实数编码，染色体长度为6。
3.根据权利1所述的一种优化参数的变论域模糊电动变桨控制方法，其特征在于：所述速度环目标函数里加入误差绝对值时间积分来提高其过渡动态性能。
4.根据权利1所述的一种优化参数的变论域模糊电动变桨控制方法，其特征在于：所述位置环目标函数里采取惩罚因子来避免超调现象。
CN201210234372.1A 2012-07-09 2012-07-09 一种优化参数的变论域模糊电动变桨控制方法 Expired - Fee Related CN102720634B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201210234372.1A CN102720634B (zh) 2012-07-09 2012-07-09 一种优化参数的变论域模糊电动变桨控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201210234372.1A CN102720634B (zh) 2012-07-09 2012-07-09 一种优化参数的变论域模糊电动变桨控制方法

Publications (2)

Publication Number Publication Date
CN102720634A CN102720634A (zh) 2012-10-10
CN102720634B true CN102720634B (zh) 2014-05-21

Family

ID=46946473

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201210234372.1A Expired - Fee Related CN102720634B (zh) 2012-07-09 2012-07-09 一种优化参数的变论域模糊电动变桨控制方法

Country Status (1)

Country Link
CN (1) CN102720634B (zh)

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106150899B (zh) * 2015-04-21 2019-04-16 兰州交通大学 一种前端调速式风电机组功率优化控制方法
CN105584886B (zh) * 2015-11-23 2018-11-23 国网河北省电力有限公司沧州供电分公司 一种船舶电缆绞车驱动***的控制方法
CN105652667B (zh) * 2016-03-31 2019-12-27 西南石油大学 一种模型不确定双关节机械手的高精度轨迹跟踪控制方法
CN105888970B (zh) * 2016-05-16 2018-09-14 扬州大学 智能风机叶片基于灰色信息优化的自适应内模振动控制方法
CN107762730B (zh) * 2017-08-23 2019-06-18 华北电力大学 一种带有尾缘襟翼的大型变桨风力机控制***及控制方法
CN109209768B (zh) * 2018-08-31 2020-06-16 重庆邮电大学 一种大型风力机的恒定输出功率控制方法
CN110543101A (zh) * 2019-10-09 2019-12-06 福建工程学院 一种基于遗传算法优化风机模糊控制器的方法及装置
CN113759754B (zh) * 2021-09-14 2024-04-02 兰州交通大学 一种大风环境下列车主动悬挂***控制方法

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7015595B2 (en) * 2002-02-11 2006-03-21 Vestas Wind Systems A/S Variable speed wind turbine having a passive grid side rectifier with scalar power control and dependent pitch control
US7679208B1 (en) * 2008-09-18 2010-03-16 Samsung Heavy Ind. Co., Ltd. Apparatus and system for pitch angle control of wind turbine
DE102010016105B4 (de) * 2010-03-23 2015-10-08 Moog Unna Gmbh Notbetriebsfähige Pitchantriebsvorrichtung für eine Wind- oder Wasserkraftanlage
CN101881970B (zh) * 2010-06-04 2011-09-14 哈尔滨工程大学 船舶双舵同步控制方法
CN101892952B (zh) * 2010-06-26 2012-05-09 兰州交通大学 全数字化的电动变桨驱动器
CN102183957B (zh) * 2011-03-04 2013-03-20 哈尔滨工程大学 船舶航向变论域模糊与最小二乘支持向量机复合控制方法
CN102645893A (zh) * 2012-04-19 2012-08-22 哈尔滨工程大学 船舶航向变论域模糊控制方法

Also Published As

Publication number Publication date
CN102720634A (zh) 2012-10-10

Similar Documents

Publication Publication Date Title
CN102720634B (zh) 一种优化参数的变论域模糊电动变桨控制方法
Pan et al. Variable pitch control on direct-driven PMSG for offshore wind turbine using Repetitive-TS fuzzy PID control
CN105629735B (zh) 一种航空发动机在线自适应最优pid控制器设计方法
CN106837678B (zh) 基于改进tlbo算法的水轮发电机组pid调速器参数优化
CN103410660A (zh) 基于支持向量机的风力发电变桨距自学习控制方法
CN114844064B (zh) 双馈型变速抽水蓄能机组自适应变参数调频方法及装置
CN105449698B (zh) 一种新型水电机组负荷与频率控制器
Sambariya et al. Design of robust PID power system stabilizer for multimachine power system using HS algorithm
Geng et al. Robust pitch controller for output power levelling of variable-speed variable-pitch wind turbine generator systems
CN102410138B (zh) 一种获取风力发电机组最优控制输入的方法
CN114722693A (zh) 一种水轮机调节***二型模糊控制参数的优化方法
Umrao et al. Load frequency control using polar fuzzy controller
Kumari et al. Development trends and future prospects of hydro-turbine control systems
CN113653589B (zh) 一种变参双幂趋近律的水轮机组微分预测滑模控制方法
Feng et al. Nonlinear model predictive control for pumped storage plants based on online sequential extreme learning machine with forgetting factor
Liu et al. Deep-Q-network-based intelligent reschedule for power system operational planning
Li et al. Parameter optimization for turbine DEH control system based on Improved Genetic Algorithm
CN110850710A (zh) 基于无模型自适应控制的水电机组控制优化方法
CN109494725B (zh) 一种可伸缩的磁滞回环滑模自动发电控制方法
CN110671260A (zh) 一种水轮发电机组调节***的非线性广义预测控制方法
CN113217275B (zh) 一种基于策略迭代的风电机组变桨距控制方法
CN114421478B (zh) 一种巨型水电厂调速器功率的闭环控制方法
CN103925008B (zh) 一种罗茨式小型蒸汽发电机组
Li et al. Overview of Maximum power point tracking control method for wind power generation system
Jie et al. Research on fuzzy PID-based variable frequency control technology of electroplating power supply

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20140521

Termination date: 20150709

EXPY Termination of patent right or utility model