Resumen

Se propone un esquema de control modificado basado en la combinación de una red neuronal entrenada en línea y técnicas de modo deslizante para mejorar la extracción de potencia máxima de un sistema de aerogenerador con generador síncrono de imanes permanentes (PMSG) conectado a la red. El método de control propuesto no necesita conocer los límites de incertidumbre ni el modelo exacto del sistema no lineal. Dado que la red neuronal se entrena en línea, el tiempo necesario para estimar unos buenos pesos puede afectar al rendimiento dinámico del proceso durante la fase de arranque. Por lo tanto, se propone una forma adecuada de acelerar suave y explícitamente la tasa de convergencia de la red neuronal durante la fase de arranque. Además, se presenta una estructura flexible de control del convertidor de fuente de tensión del lado de la red que puede funcionar tanto en modo conectado a la red como en modo autónomo, basada en el método de control proporcional integral (PI) convencional. Se realizan simulaciones en el entorno Matlab/Simulink para verificar la eficacia y evaluar el rendimiento del controlador propuesto. El análisis de los resultados muestra la superioridad del neurocontrolador de modo deslizante RBF propuesto en comparación con un controlador no lineal basado en el método de control de modo deslizante cuando el sistema sufre incertidumbres en los parámetros.

• Materias:Control del proceso Regulación automática Diagnóstico de fallos Instrumentación automática Optimización de procesos
• Subjects: Automatic regulation Fault diagnosis Automatic instrumentation Process optimization
• Palabras claves:método de control, red neuronal, fase de arranque, estructura de control del convertidor de fuente de tensión del lado de la red flexible, extracción de potencia máxima, método de control de modo, tasa de red neuronal, sistema de turbina eólica, red, rbf neuro
• Keywords:control method, neural network, startup phase, flexible grid side voltage source converter control structure, maximum power extraction, mode control method, neural network rate, wind turbine system, grid, rbf neuro