• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Transactions of the Institute of Measurement and Control >An improved radial basis function neural network control strategy-based maximum power point tracking controller for wind power generation system
【24h】

An improved radial basis function neural network control strategy-based maximum power point tracking controller for wind power generation system

机译：一种改进的径向基函数神经网络控制策略的风力发电系统最大功率点跟踪控制器

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

This literature presents an improved maximum power point tracking (MPPT) controller based on radial basis function neural network (RBFNN) control strategy to extract optimal power for wind power generation system. The proposed RBFNN controller is trained online using gradient descent algorithm and its network learning rate modification is carried out by the modified particle swarm optimization algorithm. The proposed MPPT controller uses optimal torque control methodology to extract optimal power available in the wind by upholding the generated torque at an optimal level. The most promising aspects of the proposed controller are that it not only extracts maximum available power from wind, but it also rapidly responses to the change in wind speeds and maintains converter with negligible converter losses. To evaluate the performance of the proposed MPSO-RBFNN-based MPPT controller, an extensive simulation study and experimental analysis is performed. The attained results confirm the enhanced performance of the proposed MPPT controller.
机译：该文献基于径向基函数神经网络（RBFNN）控制策略提供了一种改进的最大功率点跟踪（MPPT）控制器，以提取风力发电系统的最佳功率。所提出的RBFNN控制器使用梯度下降算法在线训练，其网络学习率修改由修改的粒子群优化算法执行。所提出的MPPT控制器采用最佳扭矩控制方法，通过在最佳水平上维护产生的扭矩来提取风中可用的最佳功率。所提出的控制器的最有希望的方面是它不仅可以从风中提取最大可用功率，而且还迅速对风速变化的反应，并保持转换器的转换器损失。为了评估所提出的基于MPSO-RBFNN的MPPT控制器的性能，进行了广泛的仿真研究和实验分析。达到的结果证实了提升的MPPT控制器的增强性能。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号