[发明专利]一种风电变桨距多变量模糊神经网络PID控制方法

权利要求书

1.一种风电变桨距多变量模糊神经网络PID控制方法，其特征是，所述风电变桨距多变量模糊神经网络包括PID计算模块和模糊神经网络PID模块，模糊神经网络PID模块包括模糊参数整定模块和PID神经网络模块；

所述控制方法包括如下步骤：

a、利用模糊参数整定模块对PID神经网络模块的权值进行预整定；

b、将风力发电机转速参考值与实际转速输出之间的误差经过PID计算模块计算后得到风力发电机转矩参考输出量；

c、将风力发电机功率输出值与功率参考值的误差及误差变化率经过模糊参数整定模块的整定后得到PID神经网络模块权值的预整定参数；通过带有动量因子的负梯度算法训练PID神经网络模块的权值，调节风力发电机转矩参考值输出及桨距角参考值输出。

2.根据权利要求1所述的风电变桨距多变量模糊神经网络PID控制方法，其特征是：所述模糊参数整定模块采用模糊控制器。

3.根据权利要求1所述的风电变桨距多变量模糊神经网络PID控制方法，其特征是：所述步骤b中，风力发电机转矩参考输出Γ_Gr采用PID闭环控制：

Γ_Gr＝e(k_p+k_i/s+k_ds)  (1)

其中，Γ_Gr为风力发电机转矩参考输出，e为风力发电机转速参考值与转速实际输出之间的误差，k_p为比例系数，k_i为微分系数，kx为积分系数，s为微分算子。

4.根据权利要求1所述的风电变桨距多变量模糊神经网络PID控制方法，其特征是：所述步骤a中，所述PID神经网络模块包括两个输入层神经元、三个隐含层神经元、一个输出层神经元。

所述PID神经网络输入层的两个输入分别为r(k)和y(k)，r(k)为风力发电机功率参考值P_r，y(k)为风力发电机功率实际值P。

net1(k)=r(k)net2(k)=y(k)---(2)]]>

输入层神经元的状态为：

u¹_j(k)＝net¹_j  (3)

输入层输出为y_j¹＝f¹(net¹_j)，其中，j＝1,2。

所述PID神经网络隐含层包括比例元、积分元、微分元三个神经元，隐含层各神经元的输入加权和为i＝1,2,3，w_ij²为隐含层第i个神经元的输入权值。

比例元的状态为：

u²₁(k)＝net²₁  (4)

积分元的状态为：

u²₂(k)＝u²₂(k-1)+net²₂  (5)

微分元的状态为：

u²₃(k)＝net²₃(k)-net²₃(k-1)  (6)

隐含层各神经元的输出为：

yi2==1u1i(k)>1u1i(k)-1≤u1i(k)≤1-1u1i(k)<-1---(7)]]>

其中，i＝1,2,3。

所述PID神经网络输出层包括一个神经元，输出层神经元的输入加权和表示为l＝1，w_li³为输出层第l个神经元的输入权值。

输出层神经元的状态函数为：

u³_l(k)＝net³_l  (8)

输出层神经元的输出为y_l³＝f³(net³_l)，其中，l＝1，PID神经网络的输出等于输出层神经元的输出y_l³。