更新时间：2019-01-09 15:07:23
封面
版权信息
前言
第1章 绪论
1.1 风电技术的研究意义
1.1.1 能源现状概述
1.1.2 发展风电的意义
1.2 风电技术的研究现状
1.2.1 风电现状总览
1.2.2 风电发展趋势
1.3 风电技术的研究内容
1.3.1 基本问题及研究内容
1.3.2 风电系统的控制技术
第2章 风能转化原理
2.1 风能特性
2.2 风能预测
2.3 叶轮空气动力学基本原理
2.3.1 桨叶受力分析
2.3.2 风能转换过程分析
2.3.3 动力学特性参数
2.4 叶轮空气动力学建模理论
2.4.1 叶素—动量理论
2.4.2 尾流模型
2.4.3 稳态失速与动态失速
第3章 风电机组特性与系统辨识
3.1 典型风电机组及特性
3.1.1 双馈风电机组
3.1.2 直驱风电机组
3.1.3 双馈与直驱的比较
3.1.4 半直驱机组
3.2 前端调速机组
3.2.1 机组结构
3.2.2 齿轮调速原理
3.3 风电机组辨识原理
3.3.1 辨识的作用
3.3.2 典型的辨识方法
3.4 基于风场数据的混合辨识方法
3.4.1 辨识问题描述
3.4.2 基于ERA的状态估计流程
3.4.3 SEI与ERA混合估计算法
3.4.4 数值算例及分析
第4章 机组典型模块与控制系统
4.1 机组典型模块
4.1.1 叶轮
4.1.2 驱动链
4.1.3 发电机
4.1.4 变桨模块
4.2 定桨距风机控制
4.2.1 定桨距风机机组特性
4.2.2 定桨距风机控制系统
4.3 变桨距风机控制
4.3.1 变桨距风机机组特性
4.3.2 变桨距风机控制系统
第5章 机组最大功率跟踪及变桨控制
5.1 基于转矩估计的非线性MPPT控制
5.1.1 最大功率跟踪方案
5.1.2 最大功率跟踪控制器设计
5.1.3 最大功率跟踪曲线搜索
5.1.4 最大功率跟踪方案仿真验证
5.2 基于虚拟参数的PPB控制
5.2.1 系统描述与建模
5.2.2 面向PPB的误差转换
5.2.3 面向PPB的虚拟参数控制器
5.3 高风速区域的线性化与PI变桨控制
5.3.1 各组件非线性建模
5.3.2 非线性模型的线性化
5.3.3 PI变桨控制器设计及仿真验证
5.4 自适应容错变桨控制
5.4.1 问题描述
5.4.2 鲁棒容错控制
5.4.3 鲁棒自适应容错控制
5.4.4 基于神经网络的鲁棒自适应容错控制
5.4.5 基于自适应容错控制的机组变桨
第6章 机组载荷分析及独立变桨控制
6.1 风电机组载荷
6.1.1 机组载荷的标准
6.1.2 机组载荷的分类
6.1.3 极限载荷与疲劳载荷
6.2 基于Bladed的载荷分析
6.2.1 Bladed软件概述
6.2.2 Bladed模块建模
6.2.3 Bladed载荷模拟计算
6.3 面向减载控制的独立变桨
6.3.1 独立变桨距机构的建模
6.3.2 鲁棒自适应独立变桨控制器设计
6.3.3 改进的鲁棒自适应独立变桨控制器
第7章 机组的仿生智能监测控制
7.1 基于神经网络的独立变桨及最大功率跟踪
7.1.1 基于神经网络的独立变桨控制
7.1.2 基于神经网络的最大功率跟踪
7.2 基于记忆的机组控制方法
7.2.1 机组动力学建模
7.2.2 基于记忆的控制器设计
7.3 基于仿记忆的机组监测方法
7.3.1 风机故障统计分析
7.3.2 故障严重度分类及基本策略
7.3.3 故障估计与仿记忆原理
7.3.4 仿记忆监测控制结构
第8章 风电机组控制工程——整机部件与控制系统
8.1 风电整机系统部件
