基于神经网络算法的风电机组独立变桨控制研究
| 摘要 | 第1-3页 |
| Abstract | 第3-7页 |
| 第一章 引言 | 第7-10页 |
| ·选题背景及研究意义 | 第7页 |
| ·国内外研究动态及发展趋势 | 第7-9页 |
| ·论文要解决的问题 | 第9-10页 |
| 第二章 风电机组的变桨距控制理论 | 第10-19页 |
| ·风力机的空气动力学理论 | 第10-15页 |
| ·叶素理论 | 第10-11页 |
| ·风能功率 | 第11-12页 |
| ·风能利用系数与贝兹极限 | 第12-15页 |
| ·风速特性分析 | 第15-17页 |
| ·风切变效应 | 第15-16页 |
| ·塔影效应 | 第16-17页 |
| ·变桨距控制系统的研究 | 第17-19页 |
| 第三章 风电机组各部分的模型 | 第19-31页 |
| ·风资源模型 | 第19-21页 |
| ·基本风 | 第19页 |
| ·随机风 | 第19-20页 |
| ·阵风 | 第20页 |
| ·渐变风 | 第20-21页 |
| ·风轮模型 | 第21页 |
| ·传动系统模型 | 第21-22页 |
| ·永磁同步发电机模型 | 第22-25页 |
| ·风电机组模型在Matlab上的仿真 | 第25-31页 |
| ·风模型的仿真 | 第25-27页 |
| ·风电机组模型的仿真 | 第27-31页 |
| 第四章 神经网络 | 第31-45页 |
| ·神经网络的基本原理 | 第31-33页 |
| ·神经元 | 第31页 |
| ·连接权值 | 第31页 |
| ·神经网络状态 | 第31页 |
| ·神经网络的输出 | 第31-32页 |
| ·神经网络的结构 | 第32页 |
| ·神经网络的学习方式 | 第32-33页 |
| ·BP神经网络算法 | 第33-37页 |
| ·基本BP算法公式推导 | 第33-35页 |
| ·基本BP算法的缺陷 | 第35-36页 |
| ·BP算法的改进方案 | 第36-37页 |
| ·神经网络的设计 | 第37页 |
| ·网络的层数 | 第37页 |
| ·隐含层的神经元数 | 第37页 |
| ·初始权值的选取 | 第37页 |
| ·学习速率 | 第37页 |
| ·BP神经网络在MATLAB中的仿真 | 第37-43页 |
| ·神经网络在风机变桨距的仿真 | 第43-45页 |
| 第五章 独立变桨距控制 | 第45-55页 |
| ·变桨距执行机构的介绍 | 第45-46页 |
| ·独立变桨距控制系统设计 | 第46-47页 |
| ·基于桨叶方位角权系数分配模型 | 第47-50页 |
| ·独立变桨距控制仿真 | 第50-55页 |
| 第六章 结论 | 第55-56页 |
| 参考文献 | 第56-59页 |
| 附录I | 第59-61页 |
| 附录II | 第61-62页 |
| 致谢 | 第62-64页 |
