论文部分内容阅读
随着人类社会科技和经济的飞速发展,能源紧缺现状日益严重,于是人们将目光投入到新能源的开发中,波浪能作为一种新能源吸引了许多科研人员的目光。现有的波能发电技术的能量转换效率较低、结构复杂、以及成本高昂,特别是中间转换装置的设计尤为复杂,不仅造成极大的能量丢失,而且会增加造价成本。直驱式波能发电系统减少了复杂的中间环节,通过直线运动直接将波能转为电能,提高了转换效率而且避免了当前波能发电技术的诸多弊端。本文研究的发电系统的被控对象是非对称双边直线开关磁阻发电机(ABLSRGAsymmetric Bilateral Linear Switched Reluctance Generator),其结构简单、成本较低和稳定性高的特点使得它能够更好地适应海洋中复杂的发电环境。本文首先从系统的被控对象ABLSRG出发,介绍了它的结构和特性,结合ANSYS Maxwell有限元仿真结果分析了它的电磁特性,通过数学建模(动力学方程、电磁方程、数学模型等)分析阐述了其发电过程、发电原理以及能量转换机制。基于dSPACE平台与MATLAB/Simulink仿真环境共同开发ABLSRG发电电流控制系统,并测试了发电系统在应对系统自身参数以及电机运动状态发生变化的时电流输出的稳定性能。接下来针对PID控制算法对自身参数的调节不够灵活的缺点,利用神经网络控制所具有的自适应、自学习、自组织的特点来优化PID控制算法,设计了基于BP神经网络PID(BPNNPID)控制算法的ABLSRG发电电流控制系统并开展了多组跟踪控制实验,通过分析实验数据证明在加入神经网络后,发电系统的在应对参数和环境变化时具备更强的适应能力。最后,在ABLSRG发电电流控制系统的基础上引入对其发电电压的控制,接着通过实验检测了电压控制系统的稳定性和抗干扰性,最后结合BPNN-PID控制算法与双闭环控制方法开发了ABLSRG发电功率控制系统,并开展了多组跟踪控制实验来证明了该功率控制系统在应对环境因素变化方面具有更好的稳定性和稳态性能。本次课题针对单台ABLSRG开发的波能发电系统为后续大规模波能集群网络发电奠定了坚实的基础,神经网络的控制思想的引入也为后续开发波能发电的大数据服务平台和网络智能化作出了有意义的探索。