基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
根据共轭梯度算法和传统BP神经网络的变桨距控制器的原理,针对兆瓦级风电机组变桨距控制设计了一种改进共轭梯度优化BP神经网络的变桨距PID参数自整定控制器,此控制器采用改进共轭梯度法修正BP神经网络的权值和阈值,实现BP神经网络变桨距PID控制器的在线整定.在Matlab/Simulink中仿真,仿真结果表明,采用此变桨距控制器可以在额定风速之上快速响应,在相同风速状况下使发电机桨距角调节命令更加准确,风轮转速更加平稳,输出功率维持在额定功率附近,取得了很好的变桨距控制效果.
推荐文章
基于共轭梯度法的改进型BP神经网络PID控制算法
BP神经网络
PID控制器
共轭梯度法
粒子群优化变论域模糊PID控制在风电机组变桨距中的应用
风力发电
粒子群优化
变论域
模糊控制
变桨距
PID控制
兆瓦级风电机组变桨距系统设计
风电机组
变桨系统
控制策略
分段PID算法
基于BP神经网络的PID变桨距风电机组控制
变速恒频
风电机组
变距控制
神经网络
PID算法
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于改进共轭梯度优化BP神经网络的风电机组变桨距控制
来源期刊 可再生能源 学科 工学
关键词 风力发电 BP神经网络 改进共轭梯度法 变桨距控制
年,卷(期) 2014,(6) 所属期刊栏目
研究方向 页码范围 798-804
页数 分类号 TK83
字数 语种 中文
DOI
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 邢作霞 沈阳工业大学新能源工程学院 86 1153 15.0 32.0
2 王雅光 沈阳工业大学新能源工程学院 4 18 3.0 4.0
3 肖泽亮 沈阳工业大学新能源工程学院 5 27 4.0 5.0
4 李旭锋 沈阳工业大学新能源工程学院 3 24 3.0 3.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (7)
共引文献  (6)
参考文献  (5)
节点文献
引证文献  (9)
同被引文献  (32)
二级引证文献  (51)
1999(1)
  • 参考文献(1)
  • 二级参考文献(0)
2004(1)
  • 参考文献(0)
  • 二级参考文献(1)
2005(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(1)
  • 参考文献(0)
  • 二级参考文献(1)
2007(4)
  • 参考文献(2)
  • 二级参考文献(2)
2009(3)
  • 参考文献(1)
  • 二级参考文献(2)
2010(1)
  • 参考文献(1)
  • 二级参考文献(0)
2014(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2015(2)
  • 引证文献(2)
  • 二级引证文献(0)
2016(1)
  • 引证文献(1)
  • 二级引证文献(0)
2017(5)
  • 引证文献(3)
  • 二级引证文献(2)
2018(24)
  • 引证文献(2)
  • 二级引证文献(22)
2019(21)
  • 引证文献(1)
  • 二级引证文献(20)
2020(7)
  • 引证文献(0)
  • 二级引证文献(7)
研究主题发展历程
节点文献
风力发电
BP神经网络
改进共轭梯度法
变桨距控制
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
可再生能源
月刊
1671-5292
21-1469/TK
大16开
辽宁省营口市西市区银泉街65号
8-61
1983
chi
出版文献量(篇)
4935
总下载数(次)
14
论文1v1指导