其他
【精彩论文】基于LSTM神经网络的双馈风机控制参数辨识方法
观点凝练
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。
结论：针对暂态工况下难以高精度获取双馈风机电磁模型控制参数的问题，本文提出了基于LSTM神经网络算法的双馈风机控制参数辨识方法，并通过测试实验证实了所提方法在双馈风机控制参数辨识问题上的可行性、有效性和实用性。相比于BP、RNN算法的辨识结果，提出的LSTM算法或模型在20%和80%低电压穿越工况下具有更高的控制参数辨识精度。
引文信息
薛飞, 李宏强, 李旭涛, 等. 基于LSTM神经网络的双馈风机控制参数辨识方法[J]. 中国电力, 2023, 56(6): 31-39.XUE Fei, LI Hongqiang, LI Xutao, et al. Identification method for control parameters of doubly-fed induction generator based on LSTM neural network[J]. Electric Power, 2023, 56(6): 31-39.往期回顾
◀【精彩论文】激励相容的分段式用户互动补偿电价合同模型◀【精彩论文】实测风速分析模拟及微地形下杆塔风速修正方法◀【精彩论文】基于跨临界CO2热泵的茶叶生产能源系统负荷削减潜力◀【精彩论文】典型国家电力市场保底售电服务机制对比及对中国的启示◀【征稿启事】“分布式智能电网的规划、运行和电力交易”专栏征稿启事◀【征稿启事】“新型能源体系下电碳协同市场机制及优化运行”专栏征稿启事◀【征稿启事】“面向碳达峰碳中和目标的清洁高效发电技术”专题征稿启事◀【征稿启事】“新型电力系统低碳规划与运行”专栏征稿启事
审核：方彤
根据国家版权局最新规定，纸媒、网站、微博、微信公众号转载、摘编《中国电力》编辑部的作品，转载时要包含本微信号名称、二维码等关键信息，在文首注明《中国电力》原创。个人请按本微信原文转发、分享。欢迎大家转载分享。