雙饋感應(yīng)發(fā)電機(jī)：風(fēng)力發(fā)電控制

譯者序

原書(shū)前言

第1章簡(jiǎn)介1

1.1近年來(lái)的研究概況1

1.2本書(shū)結(jié)構(gòu)4

1.3本書(shū)符號(hào)表6

第2章數(shù)學(xué)預(yù)備知識(shí)9

2.1模塊控制9

2.1.1一類(lèi)非線(xiàn)性系統(tǒng)的模塊表示9

2.1.2模塊遞歸轉(zhuǎn)換10

2.2滑動(dòng)模態(tài)10

2.2.1離散時(shí)間滑模13

2.2.2參數(shù)已知的離散時(shí)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(shí)間高階神經(jīng)網(wǎng)絡(luò)20

2.5擴(kuò)展卡爾曼濾波器(EKF)訓(xùn)練算法21

2.6神經(jīng)網(wǎng)絡(luò)控制23

2.7粒子群算法23

第3章風(fēng)機(jī)建模25

3.1風(fēng)力發(fā)電系統(tǒng)25

3.1.1風(fēng)機(jī)26

3.1.2風(fēng)機(jī)結(jié)構(gòu)28

3.2離散時(shí)間數(shù)學(xué)模型30

3.2.1雙饋感應(yīng)發(fā)電機(jī)30

3.2.2直流母線(xiàn)32

第4章可再生能源系統(tǒng)的雙饋感應(yīng)發(fā)電機(jī)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(fēng)力發(fā)電機(jī)組的神經(jīng)網(wǎng)絡(luò)控制55

5.1神經(jīng)網(wǎng)絡(luò)辨識(shí)器55

5.1.1DFIG神經(jīng)網(wǎng)絡(luò)辨識(shí)器55

5.1.2直流環(huán)節(jié)神經(jīng)網(wǎng)絡(luò)辨識(shí)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(luò)逆向最優(yōu)控制69

5.3.1DFIG神經(jīng)網(wǎng)絡(luò)控制器70

5.3.2直流環(huán)節(jié)神經(jīng)網(wǎng)絡(luò)控制器74

第6章風(fēng)力發(fā)電實(shí)驗(yàn)臺(tái)的實(shí)現(xiàn)79

61實(shí)時(shí)控制器編程79

6.2雙饋感應(yīng)發(fā)電機(jī)模擬實(shí)驗(yàn)系統(tǒng)81

6.3滑模控制實(shí)時(shí)仿真結(jié)果87

6.4神經(jīng)滑模控制實(shí)時(shí)仿真結(jié)果89

6.5神經(jīng)逆向最優(yōu)控制實(shí)時(shí)仿真結(jié)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(yīng)用96

A.2基于神經(jīng)網(wǎng)絡(luò)的粒子群優(yōu)化103

附錄BDFIG建模104

B.1DFIG數(shù)學(xué)模型104

B.1.1轉(zhuǎn)子參考坐標(biāo)系的電路變量轉(zhuǎn)換109

B.1.2旋轉(zhuǎn)參考坐標(biāo)系的轉(zhuǎn)矩方程111

B.1.3標(biāo)幺值轉(zhuǎn)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(xué)模型117

參考文獻(xiàn)121