基于LSTM神经网络的双馈风机控制参数辨识方法

作者：薛飞; 李宏强; 李旭涛; 徐恒山

来源：中国电力, 2023, 56(06): 31-39.

DOI：10.11930/j.issn.1004-9649.202208091

• 双馈风机
• 硬件在环
• 参数辨识
• 长短时记忆网络
• Person相关系数法

针对暂态工况下难以高精度获取双馈风机（doublyfedinductiongenerator,DFIG）电磁模型控制参数的问题，提出了一种基于长短期记忆（longshort-termmemory,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。

• 单位
  三峡大学