在单旋风力轮系统中使用基于分数顺序错误方法的模糊控制器来管理功率

科学领域:

• 人工智能的人工智能
• 控制系统工程 控制系统工程
• 可再生能源系统可再生能源系统

背景情况:

• 模糊逻辑 (FL) 对于复杂的控制是有效的,但在动态环境中可能缺乏精度.
• 传统的FL依赖于启发式知识,限制了适应性.
• 风力轮机中的双输入感应发电机 (DFIG) 需要强大的控制来稳定输出功率.

研究的目的:

• 为了增强风力轮机系统的模糊逻辑 (FL) 控制,使用分数顺序错误 (FOE).
• 通过将FOE整合到FL战略中来改善DFIG的直接功率控制 (DPC).
• 提高单旋风力轮机功率调节的精度,适应性和稳定性.

主要方法:

• 开发了一种新的直接功率控制策略,其中包含分数顺序错误 (DPC-FOE-FL).
• 应用了分数计算原理来增强FL控制器的错误处理.
• 使用 MATLAB 模拟验证了 DPC-FOE-FL 方法,将其与传统的 DPC-FL 控制进行比较.

主要成果:

• DPC-FOE-FL方法显著降低了定子电流能量波动 (40.85%和34.21%) 和波扭曲.
• 反应功率超标被抑制了高达96.28%.
• 在多次测试中,主动功率波动被减少了60%以上,证明了卓越的动态性能.

结论:

• 将FOE集成到基于FL的控制器中,可以大大提高风能系统的功率控制稳定性和效率.
• DPC-FOE-FL技术提供了一个强大的解决方案,用于在波动的风条件下优化DFIG中的功率调节.
• 这种方法为可再生能源应用提供了更高的精度和适应性.