基于GRU-IPSO算法的双馈风机控制参数辨识

摘要

针对特定风速下双馈风机(double fed induction generator, DFIG)控制参数辨识结果难以精确刻画随机风速下输出特性的问题，提出一种基于门控循环单元(gated recurrent unit, GRU)-改进粒子群优化(improved particle swarm optimization, IPSO)算法的双馈风机控制参数辨识方法。首先，将双馈风机运行状态分为MPPT、恒速和恒功率三种，并利用斯皮尔曼秩相关系数法分析控制参数与待选观测量的相关性，筛选出交/直轴电流和有功/无功功率作为观测量；然后，在三种运行状态下训练GRU神经网络，在不设寻优范围情况下初步获得控制参数值，以简化辨识流程，并利用IPSO算法对控制参数进一步寻优，以提高辨识精度；最后，根据各参数的相对误差提取三种状态辨识结果中的最优值作为最终控制参数，结合测试案例对GRU-IPSO控制参数辨识方法的有效性和可行性进行验证。测试结果表明：GRU-IPSO辨识算法的加权平均总偏差约为3%,相比于GRU辨识算法，GRU-IPSO辨识算法可将误差缩小5倍。

关键词

双馈风机 / 参数辨识 / 随机特性 / 斯皮尔曼秩相关系数 / 门控循环单元 / 粒子群算法

基金资助

国家自然科学基金资助项目(52067001); 宁夏自然科学基金资助项目(2022AAC03612)