基于LSTM神经网络的双馈风机控制参数辨识方法

摘要：

针对暂态工况下难以高精度获取双馈风机(doubly fed induction generator,DFIG)电磁模型控制参数的问题,提出了一种基于长短期记忆(long short-term memory,LSTM)神经网络的DFIG控制参数高精度辨识方法.首先,利用RT-LAB半实物仿真平台测量并获取DFIG控制器硬件在环数据,并在Plecs平台中搭建DFIG模型的辨识模型;然后,采用Person相关系数法提取出高相关性特征并进行神经网络训练;最后,利用提出的LSTM神经网络对DFIG的控制参数进行辨识,并与实测数据进行对比,验证了所提方法的可行性、有效性和实用性.结果表明,相比于传统辨识方法,所提LSTM神经网络参数辨识方法在暂态工况下可有效提高DFIG电磁模型控制参数的辨识精度.

关键词：双馈风机、硬件在环、参数辨识、长短时记忆网络、Person相关系数法

所属期刊栏目：56

分类号：TP311;TM614;TM315

资助基金：宁夏回族自治区自然科学基金资助项目2022AAC03612

在线出版日期：2023-07-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：31-39