基于RF-GRU风速预测的风电MPPT控制*

金俊喆， 武 鹏， 董祥祥， 葛传九， 陈 蓓

(上海工程技术大学 电子电气工程学院，上海 201620)

0 引 言

风能是一种重要的低碳能源，已被广泛用来发电[1]。然而，风力发电受风速变化影响较大。由于短期风速的随机性和非线性特性,使风速难以精确预测[2,3]。为最大限度利用风能，风电机组需采用最大功率点跟踪(maximum power point tracking,MPPT)控制，使风机出力可以跟踪风能，保持最大功率输出。

目前常用的MPPT控制算法有叶尖速比法、功率反馈法、爬山法[4]等。文献[4]比较了不同的MPPT算法的优缺点；文献[5]提出了变步长爬山法与模糊算法结合的算例，通过模糊算法追踪至最大功率点附近，再通过多等级变步长爬山法精确定位到最大功率点。在风速预测方面，文献[6]提出了通过改进条件极大似然估计法优化多重离群点平滑转换自回归模型参数，再以此模型进行风电功率估计；文献[7]提出了一种支持向量机与自适应原理结合的风速预测MPPT方法；文献[8]将风速预测与爬山法相结合，运用长短期记忆(long short term memory,LSTM)神经网络来预测风速，在此基础上调整爬山法的步长和方向来实现MPPT跟踪。上述方法在短期风速预测及风电MPPT追踪上都有着不错的效果，但其模型过于复杂，且风速的实际影响未能考虑其中。

为此，考虑到风速的实际影响及传感器所得数据的一定延迟性，本文提出了预测与追踪同步控制的精简策略。首先，运用随机森林(random forest,RF)算法寻找与风速相关度最高的变量进行变量降维，以此数据集构建门控循环单元(gated recurrent unit,GRU)神经网络,实现短期风速预测；……