基于自适应人工神经网络补偿的双馈风力发电机混沌控制方法

《Mathematics》：A Novel Chaos Control Approach with Adaptive ANN Compensation for a DFIG-Based Wind Turbine

　　

摘要

本文针对基于双馈风力发电机（DFIG）的风力发电机组，提出了一种具有自适应人工神经网络（ANN）补偿的新型混沌控制方法。首先，建立了一个非线性三阶DFIG模型，用以描述系统复杂的动态特性和混沌行为。随后，开发了一种新颖的状态反馈控制律，用于稳定闭环系统、抑制混沌动态，并确保精确的电角速度跟踪。为了进一步增强跟踪性能，引入自适应ANN作为辅助补偿机制，在不修改标称反馈增益的情况下，在线学习和补偿残余跟踪误差。基于Lyapunov方法制定了自适应律，以保证自适应参数的有界性和跟踪误差的一致最终有界性。仿真结果表明，所提出的控制方案能够有效抑制DFIG的混沌动态，同时实现精确的电角速度跟踪。此外，集成自适应ANN后，与标称控制器相比，残余跟踪误差显著减小，同时保持闭环系统的稳定性和鲁棒性。