基于深度神经网络的DFIG低电压穿越技术研究

阅读数：1

［目的］双馈风机 （DFIG） 的低电压穿越 （LVRT） 性能在一定程度上依赖于控制参数的优化，而目前对控制参 数的优化基本都是离线模式，原因在于优化算法难以满足实时控制对计算速度的要求。［方法］基于深度神经网络 （DNN） 原理，提出基于“离线训练、在线计算”思路的低电压穿越实时优化控制方法。首先针对含DFIG电网在不同 运行方式下发生的大量不同故障进行控制参数的离线优化并形成相应的LVRT优化控制策略，将不同的故障状态进行 归类并形成成对的故障模式和参数表，从而构成深度神经网络的训练样本。［结果］电网故障瞬间可以将输入参数直 接通过训练好的DNN网络迅速实现控制方案和最优参数的优选。［结论］基于PSCAD和Matlab的联合仿真结果论证 了所提思想在优化效果和优化速度方面的优势，并说明了其实用性。