本書針對雙饋感應發(fā)電機（以下簡稱雙饋電機）在風力發(fā)電運行過程中可能存在的控制器不穩(wěn)定等問題，提出了一系列控制領域前沿的控制算法，包括滑模控制、*優(yōu)控制、逆*優(yōu)控制、神經(jīng)網(wǎng)絡控制、擴展卡爾曼濾波器算法、粒子群優(yōu)化等。本書推導了雙饋電機離散數(shù)學模型，并在此基礎上推導了上述控制方法的數(shù)學表達式，結合雙饋電機模型和控制方法的數(shù)學模型設計出了雙饋風力發(fā)電機在機側和網(wǎng)側的控制器。本書在仿真中應用了所設計出的控制器，給出了詳實的仿真結果，這些仿真結果證明了所提方法在雙饋電機控制中的正確性和有效性。本書為風力發(fā)電領域的相關研究人員提供了較新和較為全面的參考，適用于高校研究人員和研究生以及工業(yè)領域的相關從業(yè)人員。
譯者序
原書前言
第1章簡介1
1.1近年來的研究概況1
1.2本書結構4
1.3本書符號表6
第2章數(shù)學預備知識9
2.1模塊控制9
2.1.1一類非線性系統(tǒng)的模塊表示9
2.1.2模塊遞歸轉換10
2.2滑動模態(tài)10
2.2.1離散時間滑模13
2.2.2參數(shù)已知的離散時間系統(tǒng)15
2.3最優(yōu)控制及逆最優(yōu)控制17
2.4離散時間高階神經(jīng)網(wǎng)絡20
2.5擴展卡爾曼濾波器(EKF)訓練算法21
2.6神經(jīng)網(wǎng)絡控制23
2.7粒子群算法23
第3章風機建模25
3.1風力發(fā)電系統(tǒng)25
3.1.1風機26
3.1.2風機結構28
3.2離散時間數(shù)學模型30
3.2.1雙饋感應發(fā)電機30
3.2.2直流母線32
第4章可再生能源系統(tǒng)的雙饋感應發(fā)電機控制34
4.1滑模塊控制34
4.1.1DFIG控制器34
4.1.2直流環(huán)節(jié)控制器38
4.2逆最優(yōu)控制44
4.2.1DFIG控制器45
4.2.2直流環(huán)節(jié)控制器48
第5章風力發(fā)電機組的神經(jīng)網(wǎng)絡控制55
5.1神經(jīng)網(wǎng)絡辨識器55
5.1.1DFIG神經(jīng)網(wǎng)絡辨識器55
5.1.2直流環(huán)節(jié)神經(jīng)網(wǎng)絡辨識器56
5.2神經(jīng)滑模塊控制57
5.2.1DFIG神經(jīng)控制器57
5.2.2直流環(huán)節(jié)神經(jīng)控制器61
5.3神經(jīng)網(wǎng)絡逆向最優(yōu)控制69
5.3.1DFIG神經(jīng)網(wǎng)絡控制器70
5.3.2直流環(huán)節(jié)神經(jīng)網(wǎng)絡控制器74
第6章風力發(fā)電實驗臺的實現(xiàn)79
61實時控制器編程79
6.2雙饋感應發(fā)電機模擬實驗系統(tǒng)81
6.3滑模控制實時仿真結果87
6.4神經(jīng)滑�？刂茖崟r仿真結果89
6.5神經(jīng)逆向最優(yōu)控制實時仿真結果92
附錄96
附錄A粒子群最優(yōu)控制算法96
A.1粒子群反向優(yōu)化控制96
A.1.1DFIG和直流環(huán)節(jié)的應用96
A.2基于神經(jīng)網(wǎng)絡的粒子群優(yōu)化103
附錄BDFIG建模104
B.1DFIG數(shù)學模型104
B.1.1轉子參考坐標系的電路變量轉換109
B.1.2旋轉參考坐標系的轉矩方程111
B.1.3標幺值轉換112
B.1.4DFIG的狀態(tài)變量模型114
B.2直流環(huán)節(jié)數(shù)學模型117
參考文獻121
書單推薦
