本书针对双馈感应发电机（以下简称双馈电机）在风力发电运行过程中可能存在的控制器不稳定等问题，提出了一系列控制领域前沿的控制算法，包括滑模控制、*优控制、逆*优控制、神经网络控制、扩展卡尔曼滤波器算法、粒子群优化等。本书推导了双馈电机离散数学模型，并在此基础上推导了上述控制方法的数学表达式，结合双馈电机模型和控制方法的数学模型设计出了双馈风力发电机在机侧和网侧的控制器。本书在仿真中应用了所设计出的控制器，给出了详实的仿真结果，这些仿真结果证明了所提方法在双馈电机控制中的正确性和有效性。本书为风力发电领域的相关研究人员提供了较新和较为全面的参考，适用于高校研究人员和研究生以及工业领域的相关从业人员。
译者序
原书前言
第1章简介1
1.1近年来的研究概况1
1.2本书结构4
1.3本书符号表6
第2章数学预备知识9
2.1模块控制9
2.1.1一类非线性系统的模块表示9
2.1.2模块递归转换10
2.2滑动模态10
2.2.1离散时间滑模13
2.2.2参数已知的离散时间系统15
2.3最优控制及逆最优控制17
2.4离散时间高阶神经网络20
2.5扩展卡尔曼滤波器(EKF)训练算法21
2.6神经网络控制23
2.7粒子群算法23
第3章风机建模25
3.1风力发电系统25
3.1.1风机26
3.1.2风机结构28
3.2离散时间数学模型30
3.2.1双馈感应发电机30
3.2.2直流母线32
第4章可再生能源系统的双馈感应发电机控制34
4.1滑模块控制34
4.1.1DFIG控制器34
4.1.2直流环节控制器38
4.2逆最优控制44
4.2.1DFIG控制器45
4.2.2直流环节控制器48
第5章风力发电机组的神经网络控制55
5.1神经网络辨识器55
5.1.1DFIG神经网络辨识器55
5.1.2直流环节神经网络辨识器56
5.2神经滑模块控制57
5.2.1DFIG神经控制器57
5.2.2直流环节神经控制器61
5.3神经网络逆向最优控制69
5.3.1DFIG神经网络控制器70
5.3.2直流环节神经网络控制器74
第6章风力发电实验台的实现79
61实时控制器编程79
6.2双馈感应发电机模拟实验系统81
6.3滑模控制实时仿真结果87
6.4神经滑模控制实时仿真结果89
6.5神经逆向最优控制实时仿真结果92
附录96
附录A粒子群最优控制算法96
A.1粒子群反向优化控制96
A.1.1DFIG和直流环节的应用96
A.2基于神经网络的粒子群优化103
附录BDFIG建模104
B.1DFIG数学模型104
B.1.1转子参考坐标系的电路变量转换109
B.1.2旋转参考坐标系的转矩方程111
B.1.3标幺值转换112
B.1.4DFIG的状态变量模型114
B.2直流环节数学模型117
参考文献121
书单推荐
