大型风力发电机组功率及载荷优化控制方法与技术研究
| 摘要 | 第5-7页 |
| Abstract | 第7-9页 |
| 第1章 绪论 | 第16-36页 |
| 1.1 风力发电技术背景与意义 | 第16-21页 |
| 1.1.1 研究背景 | 第16-19页 |
| 1.1.2 研究目的及意义 | 第19-21页 |
| 1.2 国内外风力发电发展概况 | 第21-26页 |
| 1.2.1 国外风力发电发展现状 | 第21-23页 |
| 1.2.2 国内风力发电发展现状 | 第23-26页 |
| 1.3 风力发电机组功率与载荷控制技术发展现状 | 第26-34页 |
| 1.3.1 风力发电机组功率控制技术发展现状 | 第26-30页 |
| 1.3.2 风力发电机组载荷控制技术发展现状 | 第30-34页 |
| 1.4 本论文的研究内容和章节安排 | 第34-36页 |
| 第2章 大型风力发电机组气动载荷分析及模拟 | 第36-60页 |
| 2.1 引言 | 第36-37页 |
| 2.2 风力发电机组的运行特性 | 第37-42页 |
| 2.2.1 风能的计算 | 第37-39页 |
| 2.2.2 运行特性分析 | 第39-42页 |
| 2.3 风力机气动振动分析 | 第42-48页 |
| 2.3.1 湍流效应 | 第42-45页 |
| 2.3.2 风剪切效应 | 第45-46页 |
| 2.3.3 塔影效应 | 第46-47页 |
| 2.3.4 风力机振动分析 | 第47-48页 |
| 2.4 大型风力机的气动建模 | 第48-59页 |
| 2.4.1 风速变化的模型 | 第48-50页 |
| 2.4.2 叶素动量理论 | 第50-53页 |
| 2.4.3 气动载荷的分析 | 第53-55页 |
| 2.4.4 风力机载荷仿真与分析 | 第55-59页 |
| 2.5 本章小结 | 第59-60页 |
| 第3章 基于径向基神经网络预测控制的变桨系统 | 第60-83页 |
| 3.1 引言 | 第60-61页 |
| 3.2 风力发电机组变桨控制技术 | 第61-65页 |
| 3.2.1 风力发电机组数学模型 | 第61-63页 |
| 3.2.2 变桨控制系统 | 第63-65页 |
| 3.3 RBF神经网络模型预测变桨控制 | 第65-75页 |
| 3.3.1 预测控制系统结构 | 第65-68页 |
| 3.3.2 RBF神经网络辨识建模 | 第68-71页 |
| 3.3.3 RBF神经网络模型预测变桨控制 | 第71-75页 |
| 3.4 结果与分析 | 第75-82页 |
| 3.5 本章小结 | 第82-83页 |
| 第4章 基于叶根载荷反馈的模糊独立变桨控制 | 第83-105页 |
| 4.1 引言 | 第83-84页 |
| 4.2 叶根载荷变换 | 第84-90页 |
| 4.2.1 叶根载荷分析 | 第84-85页 |
| 4.2.2 叶根载荷的计算 | 第85-87页 |
| 4.2.3 Coleman坐标变换 | 第87-90页 |
| 4.3 模糊独立变桨控制器的设计 | 第90-94页 |
| 4.3.1 模糊控制器原理 | 第90-92页 |
| 4.3.2 模糊独立变桨控制器 | 第92-94页 |
| 4.4 结果与分析 | 第94-104页 |
| 4.5 本章小结 | 第104-105页 |
| 第5章 基于激光雷达测速的风电机组模型预测控制 | 第105-119页 |
| 5.1 引言 | 第105-106页 |
| 5.2 LIDAR模拟测量 | 第106-108页 |
| 5.2.1 LIDAR模型 | 第106-107页 |
| 5.2.2 LIDAR测量修正 | 第107-108页 |
| 5.3 基于激光雷达测速的模型预测控制 | 第108-112页 |
| 5.3.1 最优控制 | 第108-110页 |
| 5.3.2 线性模型预测控制 | 第110-111页 |
| 5.3.3 非线性模型预测控制 | 第111-112页 |
| 5.4 结果与分析 | 第112-118页 |
| 5.5 本章小结 | 第118-119页 |
| 第6章 结论与展望 | 第119-122页 |
| 6.1 本文主要工作 | 第119-121页 |
| 6.2 下一步研究方向 | 第121-122页 |
| 参考文献 | 第122-134页 |
| 附录A 攻读学位期间所发表的学术论文目录 | 第134-135页 |
| 附录B 攻读学位期间申请专利及获得的奖励 | 第135-136页 |
| 附录C 攻读学位期间参与(主持)的科研项目 | 第136-137页 |
| 致谢 | 第137页 |
