《机电工程》杂志,月刊( 详细... )
中国标准连续出版物号: ISSN 1001-4551 CN 33-1088/TH
主办单位:浙江省机电集团有限公司
浙江大学
主编:陈 晓
副 主 编:唐任仲、罗向阳(执行主编)
总 经 理:罗向阳
出 版:浙江《机电工程》杂志社有限公司
地 址:杭州市上城区延安路95号浙江省机电集团大楼二楼211、212室
电话Tel:+86-571-87041360、87239525
E-mail:meem_contribute@163.com
国外发行:中国国际图书贸易总公司
订阅:全国各地邮局 国外代号:M3135
国内发行:浙江省报刊发行局
邮发代号:32-68
广告发布登记证:杭上市管广发G-001号
在线杂志 |
当前位置: 机电工程 >>在线杂志 |
基于RBF神经网络的风力发电机组系统辨识研究*
作者:杨震宇1,王青,魏新刚 日期:2017-08-14/span> 浏览:2490 查看PDF文档
基于RBF神经网络的风力发电机组系统辨识研究*
摘要:针对风力发电机组精确的数学模型难以建立的特点,采用RBF神经网络对风电机组进行了系统辨识。通过对风力发电机组转矩环和桨距环的动态过程进行分析,设计了基于RBF神经网络算法的风力发电机组转矩环与桨距环的辨识系统,采用RBF基函数构成隐含层空间,RBF参数确定后,非线性映射关系就确定了,将输入矢量直接映射到隐含层空间,对隐含层节点输出进行了线性加权求和,得到了输出层。研究结果表明,进行转矩环辨识时,辨识系统的输入信号为转矩给定,输出信号为发电机转速,辨识结果的误差率为1%;进行桨距环辨识时,辨识系统的输入信号为桨距角,输出信号为发电机转速,辨识结果的误差率为3%;采用RBF神经网络算法进行系统辨识具有较高的辨识精度和效率。
关键词:风力发电机组;RBF神经网络;辨识中图分类号:TM315;TK8 文献标志码:A 文章编号:1001-4551(2017)06-0639-05
本文引用格式:
杨震宇,王青,魏新刚,等.基于RBF神经网络的风力发电机组系统辨识研究[J].机电工程,2017,34(6):639-642,658.
YANG Zhen yu, WANG Qing, WEI Xin gang, et al. Identification of the wind turbine system based on RBF neural network[J].Journal of Mechanical & Electrical Engineering, 2017,34(6):639-642,658.
《机电工程》杂志:http://www.meem.com.cn
友情链接