Đang tải... (xem toàn văn)
Mục tiêu tổng quát của đề tài này thiết kế bộ điều khiển thích nghi dựa vào cấu trúc bộ điều khiển tuyến tính hóa hồi tiếp với luật điều khiển thích nghi được rút ra từ phân tích ổn định Lyapunov. Bộ điều khiển này được áp dụng để tối ưu hóa chuyển đổi năng lượng gió cho các SWES sử dụng máy phát điện đồng bộ nam châm vĩnh cửu.
TĨM TẮT Năng lượng gió nguồn lượng tái tạo quan trọng Trong vài thập kỷ qua lượng gió phát triển mạnh nguồn lượng tái tạo có tốc độ phát triển nhanh Năng lượng gió chuyển đổi sang lượng điện nhờ hệ thống chuyển đổi lượng gió hay tuabin gió Tùy theo trạng thái nối lưới mà hệ thống lượng gió chia làm hai loại: hệ thống lượng gió nối lưới hệ thống lượng gió độc lập (SWES) Ngày phần lớn hệ thống lượng gió nối lưới Tuy nhiên nhu cầu sử dụng hệ thống lượng gió độc lập cịn lớn, đặc biệt cung cấp điện cho ứng dụng có quy mơ công suất nhỏ sử dụng vùng sâu, xa, hải đảo nơi lưới điện không truyền tới Các SWES thường kết nối với nguồn lượng dự phòng khác hệ thống ắc quy dự phòng, hệ thống máy phát điện dùng dầu diesel,… để đảm bảo trình cung cấp điện SWES liên tục Vì hệ thống điều khiển SWES thường phức tạp phải đáp ứng đồng thời hai yêu cầu điều khiển bản: (1) đảm bảo tối đa hóa lượng gió chuyển đổi được; (2) đảm bảo phối hợp công suất chặt chẽ, nhịp nhàng nguồn lượng khác SWES Đề tài trình bày phương pháp thiết kế điều khiển thích nghi dùng để tối ưu hóa q trình chuyển đổi lượng cho hệ thống lượng gió độc lập (SWES) sử dụng máy phát điện đồng nam châm vĩnh cửu Bộ điều khiển thích nghi thiết kế dựa phân tích ổn định Lyapunov xấp xỉ hệ thống mờ mạng nơron hàm sở xuyên tâm (RBF) Toàn hệ thống bao gồm hệ thống lượng gió độc lập điều khiển thực thi mô Matlab Simulink để kiểm chứng hiệu hoạt động điều khiển thích nghi Ngồi ra, kết mơ điều khiển thích nghi so sánh với điều khiển tuyến tính hóa hồi tiếp để chứng minh tính ưu việt phương pháp điều khiển thích nghi đề xuất báo MỤC LỤC Phần mở đầu 1 Tổng quan nghiên cứu 1 1.1 Tình hình nghiên cứu nước 1 1.2 Tình hình nghiên cứu nước 3 Mục tiêu 3 Đối tượng, phạm vi phương pháp nghiên cứu 4 3.1 Đối tượng nghiên cứu 4 3.2 Phạm vi nghiên cứu 4 3.3 Phương pháp nghiên cứu Phần nội dung .5 Chương 1: Giới thiệu lượng gió Giới thiệu nguồn lượng gió 5 Các hệ thống lượng gió 7 2.1 Các thành phần tuabin gió 7 2.1.1 Hệ thống rotor 2.1.2 Hệ thống truyền động 2.1.3 Máy phát điện 2.1.4 Các phận cấu tạo khác Phân loại tuabin gió 8 3.1 Phân loại theo trục quay rotor 9 3.1.1 Tuabin gió trục ngang (HAWT) 3.1.2 Tuabin gió trục đứng (VAWT) 3.2 Phân loại theo trạng thái nối lưới 10 3.2.1 Tuabin gió nối lưới 10 3.2.2 Tuabin gió độc lập 10 3.3 Phân theo công nghệ điều khiển 10 3.3.1 Điều khiển vận tốc 11 3.3.2 Điều khiển công suất 11 Chương 2: Mơ hình hóa hệ thống lượng gió độc lập .13 Mơ hình hóa khí động lực học tuabin gió 13 Mơ hình hóa truyền động 15 Mơ hình hóa máy phát điện đồng nam châm vĩnh cửu 16 Mơ hình động học hệ thống lượng gió độc lập 18 Chương 3: Điều khiển hệ thống lượng gió độc lập 20 Phương pháp điều khiển thích nghi 20 1.1 Thiết kế điều khiển thích nghi dựa vào tuyến tính hóa hồi tiếp 20 1.2 Thiết kế luật thích nghi 22 1.3 Thiết kế điều khiển trượt 23 Thiết kế điều khiển thích nghi cho hệ thống lượng gió độc lập 24 2.1 Dùng hệ mờ để xấp xỉ tín hiệu điều khiển lý tưởng 24 2.2 Dùng mạng nơron RBF để xấp xỉ tín hiệu điều khiển lý tưởng 26 Mô hệ thống 27 Chương 4: Phân tích kết mô 29 Mơ vận tốc gió thay đổi ngẫu nhiên 29 Kết mơ điều khiển thích nghi mờ 29 Kết mô điều khiển thích nghi mạng nơron 32 Phân tích kết mơ điều khiển thích nghi 34 So sánh điều khiển thích nghi mờ điều khiển thích nghi mạng nơron 35 Phần kết luận 36 Kết luận 36 Kiến nghị 36 DANH MỤC CÁC TỪ VIẾT TẮT VÀ KÝ HIỆU Các từ viết tắt PMSG Máy phát điện nam châm vĩnh cửu SWES Hệ thống lượng gió độc lập WT Tuabin gió MPPT Bám điểm cơng suất cực đại FL Logic mờ NN Mạng nơron RBF Hàm sở xuyên tâm PID Vi tích phân tỉ lệ SISO Một đầu vào-Một đầu FAC Bộ điều khiển thích nghi mờ NNAC Bộ điều khiển thích nghi nơron NFLC Bộ điều khiển tuyến tính hóa hồi tiếp phi tuyến Các ký hiệu , ∗ Tỉ số vận tốc rìa tỉ số vận tốc ría tối ưu [-] Góc chúc ngóc [-] Mơ men xoắn tuabin gió [Nm] Cơng suất chuyển đổi tuabin gió [W] Hệ số mơ men [-] Hệ số công suất chuyển đổi [-] Hệ số công suất chuyển đổi cực đại [-] … Hệ số đa thức mô tả hàm hệ số mô men [-] Bán kính vịng qt tuabin gió [m] Vận tốc gió [m/s] ⍴ Mật độ khơng khí [ / ] Vận tốc góc tuabin gió [rad/s] Vận tốc góc máy phát [rad/s] Qn tính tương đương truyền động [ ] Hệ số nhân vận tốc truyền động [-] Hiệu suất truyền động [-] , Dòng điện d,q stator [A] , Điện cảm d,q stator [H] Điện trở stator [ ] Điện trở tương đương [ ] Điện cảm tải tương đương [H] Số cặp cực [-] Ф Từ thông stator [Wb] Bậc tương đối hệ thống phi tuyến [-] , , Các hàm phi tuyến tín hiệu điều khiển tuyến tính hóa hồi tiếp Giới hạn hàm Giới hạn tốc độ hàm Sai số đầu Sai số bám Hệ số sai số bám Các hệ số đa thức đặc trưng sai số bám ∗ Tín hiệu điều khiển lý tưởng Tín hiệu điều khiển xấp xỉ Tín hiệu điều khiển giám sát Vectơ tham số ∗ Vectơ tham số tối ưu Vectơ hồi quy hàm sở xuyên tâm Sai số xấp xỉ Tốc độ học DANH MỤC BẢNG BIỂU Tên bảng Bảng 1: Các thông số mô Trang 27 DANH MỤC HÌNH ẢNH Tên hình ảnh Trang Hình 1: Mơ tả gió có vận tốc trung bình theo phân bố Weibull Hình 2: Mối quan hệ mật độ lượng vận tốc gió Hình 3: Các thành phần cấu tạo tuabin gió Hình 4: Tuabin gió trục ngang tuabin gió trục dọc Hình 5: Vùng hoạt động tải đầy tải tuabin gió 11 Hình 6: Sơ đồ khối mơ hình hóa hệ thống lượng gió 13 Hình 7: Khối khí động lực học tuabin gió 14 Hình 8: Sơ đồ khối truyền động 15 Hình 9: Mơ hình cứng truyền động 15 Hình 10: Mơ hình hệ thống chuyển đổi lượng gió độc lập 17 25 Hình 11: Số lượng hình dạng tập mờ Hình 12: Hệ điều khiển thích nghi mờ cho SWES 26 26 Hình 13: Cấu trúc mạng nơron RBF dùng để xấp xỉ Hình 14: Mơ hệ thống điều khiển thích nghi cho SWES 27 Simulink Hình 15: Mơ vận tốc gió thay đổi ngẫu nhiên 29 Hình 16: So sánh đáp ứng hệ thống với điều khiển thích nghi mờ 30 điều khiển tuyến tính hóa hồi tiếp Hình 17: So sánh sai số bám điều khiển thích nghi mờ điều 30 khiển tuyến tính hóa hồi tiếp Hình 18: So sánh tín hiệu điều khiển điều khiển thích nghi mờ 31 điều khiển tuyến tính hóa hồi tiếp Hình 19: So sánh khả trì tỉ số vận tốc rìa tối ưu điều 31 khiển thích nghi mờ điều khiển tuyến tính hóa hồi tiếp Hình 20: So sánh khả trì hệ số cơng suất chuyển đổi tối ưu 32 điều khiển thích nghi mờ điều khiển tuyến tính hóa hồi tiếp Hình 21: So sánh đáp ứng hệ thống với điều khiển thích nghi 32 nơron điều khiển tuyến tính hóa hồi tiếp Hình 22: So sánh sai số bám điều khiển thích nghi nơron 33 điều khiển tuyến tính hóa hồi tiếp Hình 23: So sánh tín hiệu điều khiển điều khiển thích nghi nơron 33 điều khiển tuyến tính hóa hồi tiếp Hình 24: So sánh khả trì tỉ số vận tốc rìa tối ưu điều 34 khiển thích nghi nơron điều khiển tuyến tính hóa hồi tiếp Hình 25: So sánh khả trì hệ số cơng suất chuyển đổi tối ưu 34 điều khiển thích nghi nơron điều khiển tuyến tính hóa hồi tiếp ⋯ Trong số dương (57*) lớn σ →0 càng nhanh Thiết kế điều khiển thích nghi cho hệ thống lượng gió độc lập Mỗi tuabin gió có giá trị tỉ số vận tốc rìa tối ưu ∗ định Mục tiêu điều khiển bám theo quỹ đạo vận tốc tối ưu máy phát ∗ để trì tỉ số vận tốc rìa ∗ khơng đổi vận tốc gió liên tục thay đổi Khác với tác giả [10] sử dụng đa thức bậc để xấp xỉ hệ số mô men (4) vùng làm việc xác lập để đơn giản hóa q trình thiết kế điều khiển Trong đề tài hàm đa thức bậc hệ số mô men (4) giữ nguyên để bao quát toàn vùng làm việc tuabin gió 2.1 Dùng hệ mờ để xấp xỉ tín hiệu điều khiển lý tưởng mơ Mơ hình mờ dùng để xấp xỉ tín hiệu điều khiển lý tưởng ∗ hình mờ Takagi – Sugeno với luật suy diễn mờ có dạng: và Trong , , biến trạng thái; , , tập mờ mô tả biến ngôn ngữ , , luật mờ thứ Số lượng hình dạng tập mờ chủ yếu chọn dựa vào phương pháp thử sai Trong đề tài này, dạng tập mờ chọn dạng hình Gauss biến ngơn ngữ có năm tập mờ trình bày Hình 11 Vì có tổng cộng 125 luật suy diễn mờ 24 Hình 11: Số lượng hình dạng tập mờ Mơ hình mờ xấp xỉ mờ có dạng sau: (58) Trong đó: ∑ , … (59) , … (60) (61) Sơ đồ hệ thống điều khiển thích nghi mờ cho hệ thống lượng gió độc lập trình bày Hình 12 25 Hình 12: Hệ điều khiển thích nghi mờ cho SWES 2.2 Dùng mạng nơron RBF để xấp xỉ tín hiệu điều khiển lý tưởng Tín hiệu điều khiển xấp xỉ mạng nơron hàm sở xuyên tâm RBF Mạng nơron RBF sử dụng đề tài gồm lớp vào, lớp ẩn, lớp Lớp vào gồm biến trạng thái hệ thống ( , , ) Lớp ẩn gồm 27 nơron Lớp tín hiệu điều khiển xấp xỉ Cấu trúc mạng nơron RBF thể Hình 13 Hình 13: Cấu trúc mạng nơron RBF dùng để xấp xỉ Các hàm sở phân bố không gian trạng thái độ phân tán chọn 0,7 Như tín hiệu điều khiển xấp xỉ xác định sau: , (62) 26 … … , (63) , (64) Trong hàm sở xuyên tâm thứ xác định sau: (65) Mô hệ thống Mô thực hệ thống SWES dùng máy phát điện đồng nam châm vĩnh cửu có cơng suất 3kW Hệ SWES có hệ số cơng suất chuyển đổi cực đại 0,478 tỉ số vận tốc rìa tối ưu ∗ Các thơng số hệ thống dùng mô cho Bảng Hệ SWES có bậc tương đối Hệ mơ SWES điều khiển thích nghi thể Hình 14 Thời gian mơ 50 s Bảng 1: Các thông số mô Tuabin ⍴ 2,5 1,25 / Bộ truyền động 0,99 0,0552 Máy phát điện 3,3 0,04156 0,04156 0,08 0,4382 Ф Hình 14: Mơ hệ thống điều khiển thích nghi cho SWES Simulink 27 0,001; Các thông số điêu khiển thích nghi chọn sau: ̅ 1,15; 30; 15; Tín hiệu điều khiển thay đổi từ đến 100 100 28 Chương PHÂN TÍCH KẾT QUẢ MƠ PHỎNG Mơ vận tốc gió thay đổi ngẫu nhiên Gió đại lượng vật lý thay đổi ngẫu nhiên có chu kỳ trình bày Hình Để mơ vận tốc gió thay đổi ngẫu nhiên có chu kỳ trên, đề tài xây dựng khối tạo gió gồm vận tốc gió trung bình kết hợp với lọc có tần số khác Các hệ thống lượng gió độc lập thường hoạt động khu vực có vận tốc gió trung bình từ – m/s nên đề tài mô hệ thống điều khiển với vận tốc gió thay đổi ngẫu nhiên có giá trị trung bình m/s minh họa Hình 15 Hình 15: Mơ vận tốc gió thay đổi ngẫu nhiên Kết mơ điều khiển thích nghi mờ 29 Hình 16: So sánh đáp ứng hệ thống với điều khiển thích nghi mờ điều khiển tuyến tính hóa hồi tiếp Hình 17: So sánh sai số bám điều khiển thích nghi mờ điều khiển tuyến tính hóa hồi tiếp 30 Hình 18: So sánh tín hiệu điều khiển điều khiển thích nghi mờ điều khiển tuyến tính hóa hồi tiếp Hình 19: So sánh khả trì tỉ số vận tốc rìa tối ưu điều khiển thích nghi mờ điều khiển tuyến tính hóa hồi tiếp 31 Hình 20: So sánh khả trì hệ số cơng suất chuyển đổi tối ưu điều khiển thích nghi mờ điều khiển tuyến tính hóa hồi tiếp Kết mơ điều khiển thích nghi mạng nơron Hình 21: So sánh đáp ứng hệ thống với điều khiển thích nghi nơron điều khiển tuyến tính hóa hồi tiếp 32 Hình 22: So sánh sai số bám điều khiển thích nghi nơron điều khiển tuyến tính hóa hồi tiếp Hình 23: So sánh tín hiệu điều khiển điều khiển thích nghi nơron điều khiển tuyến tính hóa hồi tiếp 33 Hình 24: So sánh khả trì tỉ số vận tốc rìa tối ưu điều khiển thích nghi nơron điều khiển tuyến tính hóa hồi tiếp Hình 25: So sánh khả trì hệ số cơng suất chuyển đổi tối ưu điều khiển thích nghi nơron điều khiển tuyến tính hóa hồi tiếp 34 Phân tích kết mơ điều khiển thích nghi Xét mục tiêu điều khiển bám quỹ đạo tối ưu vận tốc máy phát ta thấy điều khiển thích nghi mờ (FAC), điều khiển thích nghi mạng nơron (NNAC) điều khiển tuyến tính hóa hồi tiếp (NFLC) có khả bám sát quỹ đạo tham chiếu (Hình 16 21) Tuy nhiên, qua so sánh sai số bám quỹ đạo tham chiếu (Hình 17 22) cho thấy điều khiển FAC NNAC có khả bám quỹ đạo tham chiếu tốt điều khiển NFLC (tổng bình phương nhỏ hơn) Ngồi ra, kết mơ Hình 18 tối thiểu sai số bám 23 cho thấy tín hiệu điều khiển FAC NNAC có tượng dao động số thời điểm Xét khả tối ưu hóa q trình chuyển đổi lượng điều khiển FAC, NNAC NFLC có khả điều khiển tuabin gió vận hành chế độ chuyển đổi lượng cực đại, tức có khả trì tỉ số vận tốc rìa tối ưu vận tốc gió thay đổi liên tục (xem Hình 19 24) trì hệ số cơng suất chuyển đổi cực đại (xem Hình 20 25) Tuy nhiên, Hình 20 25 cho thấy điều khiển FAC NNAC có khả trì trạng thái chuyển đổi lượng cực đại ổn định so với điều khiển NFLC So sánh điều khiển thích nghi mờ điều khiển thích nghi mạng nơron So sánh điều khiển thích nghi mờ FAC điều khiển thích nghi mạng nơron NNAC ta thấy hai điều khiển vượt trội so với điều khiển tuyến tính hóa hồi tiếp NFLC phương diện bám quỹ đạo tham chiếu lẫn tối ưu trình chuyền đổi lượng Câu hỏi đặt điều khiển thích nghi mờ điều khiển thích nghi mạng nơron điều khiển tốt hơn? Qua kết mơ trình bày từ Hình 16 đến 25, ta thấy hai điều khiển cho kết tương tự nên khó phân biệt khác Tuy nhiên, qua so sánh tích phân sai lệch sai số bám hai điều khiển Hình 17 22 ta thấy điều khiển FAC có chất lượng điều khiển bám tốt điều khiển NNAC tích phân sai lệch sai số bám NNAC lớn lần so với tích phân sai lệch sai số bám FAC 35 PHẦN KẾT LUẬN Kết luận Kết mô cho thấy điều khiển thích nghi cho đáp ứng điều khiển tốt hệ SWES có tính phi tuyến cao thay đổi theo thời gian Ngồi ra, so sánh kết mơ điều khiển thích nghi với điều khiển tuyến tính hóa hồi tiếp cho thấy điều khiển thích nghi hiệu q trình tối ưu hóa chuyển đổi lượng gió hệ SWES Kiến nghị Tuy nhiên, thiết kế điều khiển thích nghi cho SWES gặp khó khăn tìm giới hạn vật lý hàm sai số cấu trúc Các thơng số vật lý khó tính tốn thực tế thường tìm phương pháp thử sai Ngoài ra, tương tự điều khiển tuyến tính hóa hồi tiếp, điều khiển thích nghi yêu cầu phải truy xuất tất biến trạng thái hệ thống Điều lúc thực thực tế khơng phải biến trạng thái đo lường Vì vậy, hướng nghiên cứu mở rộng tới nghiên cứu thiết kế ước lượng trạng thái kết hợp với điều khiển thích nghi để nâng cao khả ứng dụng điều khiển thích nghi thực tế 36 TÀI LIỆU THAM KHẢO [1] M Stiebler, Wind Energy Systems for Electric Power Generation, Springer-Verlag, 2008 [2] C Abbey, K Strunz, and G Joos, “A knowledge-based approach for control of two-level energy storage for wind energy systems,” IEEE Transactions on Energy Conversion, vol 24, no 2, 2009, pp 539 –547 [3] S Teleke, M Baran, A Huang, S Bhattacharya, and L Anderson, “Control strategies for battery energy storage for wind farm dispatching,” IEEE Transactions on Energy Conversion, vol 24, no 3, 2009, pp 725 – 732 [4] S Teleke, M Baran, S Bhattacharya, and A Huang, “Optimal control of battery energy storage for wind farm dispatching,” IEEE Transactions on Energy Conversion, vol 25, no 3, 2010, pp 787 –794 [5] Ching-Tsai Pan; Yu-Ling Juan, “A Novel Sensorless MPPT Controller for a High-Efficiency Microscale Wind Power Generation System,” IEEE Transactions on Energy Conversion, vol 25, no 1, 2010, pp 207 –216 [6] Vivek Agarwal; Rakesh K Aggarwal; Pravin Patidar; Chetan Patki, “A Novel Scheme for Rapid Tracking of Maximum Power Point in Wind Energy Generation Systems,” IEEE Transactions on Energy Conversion, vol 25, no 1, 2010, pp 228 –236 [7] Yuanye Xia; Khaled H Ahmed; Barry W Williams, “A New Maximum Power Point Tracking Technique for Permanent Magnet Synchronous Generator Based Wind Energy Conversion System,” IEEE Transactions on Power Electronics, vol 26, no 12, 2011, pp 3609 –3620 [8] Jakeer Hussain; Mahesh K Mishra, “Adaptive Maximum Power Point Tracking Control Algorithm for Wind Energy Conversion Systems,” IEEE Transactions on Energy Conversion, vol 31, no 2, 2016, pp 228 –236 [9] Hongliang Liu; Fabrice Locment; Manuela Sechilariu, “Experimental analysis of impact of maximum power point tracking methods on energy efficiency for small-scale wind energy conversion system,” IET Renewable Power Generation, vol 11, no 2, 2017, pp 389 –397 [10] I Munteanu, A Bratcu, N Cutuluslis, and E Ceanga, “Optimal Control of Wind Energy Systems: Toward a Global Approach.” Springer, 2008 [11] W Dinghui, X Lili, and J Zhicheng, “Fuzzy adaptive control for wind energy conversion system based on model reference,” in Proceedings of Control and Decision Conference, 2009 CCDC ’09 Chinese, June 2009, pp 1783 –1787 [12] J Qi and Y Liu, “PID control in adjustable-pitch wind turbine system 37 [13] [14] [15] [16] [17] [18] [19] [20] [21] [22] based on fuzzy control,” in Proceedings of 2nd International Conference on Industrial Mechatronics and Automation (ICIMA), 2010, vol 2, May 2010, pp 341 –344 X Yao, H Wen, Y Deng, and Z Zhang, “Research on rotor excitation neural network PID control of variable speed constant frequency wind turbine,” in Proceedings of International Conference on Electrical Machines and Systems, 2007 ICEMS., Oct 2007, pp 560 –565 X Yao, X Su, and L Tian, “Wind turbine control strategy at lower wind velocity based on neural network PID control,” in Proceedings of International Workshop on Intelligent Systems and Applications, ISA 2009., May 2009, pp –5 Xingjia Yao; Xianbin Su; Lei Tian, “Pitch angle control of variable pitch wind turbines based on neural network PID,” in Proceedings of 4th IEEE Conference on Industrial Electronics and Applications, ICIEA 2009., May 2009, pp 3235 –3239 Z Xing, Q Li, X Su, and H Guo, “Application of BP neural network for wind turbines,” in Proceedings of Second International Conference on Intelligent Computation Technology and Automation, ICICTA ’09., vol 1, Oct 2009, pp 42 –44 H Khalil, “Nonlinear Systems”, 2nd Edition Prentice-Hall Inc., Upper Saddle River, New Jersey, U.S., 1996 Phan Đình Chung, Lưu Ngọc An, “So sánh khả kết nối lưới yếu loại turbine gió”, Tạp chí khoa học cơng nghệ, Đại học Đà Nẵng, số 5, 2017, Lê Thái Hiệp, Đoàn Đức Tùng, “Giải pháp vận hành hệ thống phát điện hỗn hợp gió-diesel lưới lập”, Tạp chí khoa học công nghệ, Đại học Đà Nẵng, số 11, 2016, Lê Kim Anh, Đặng Ngọc Huy, Xin Al, “Hệ thống điều khiển nối lưới cho tuabin gió kết hợp với nguồn pin mặt trời pin nhiên liệu”, Tạp chí khoa học cơng nghệ, Đại học Đà Nẵng, số 10, 2013 Trương Thị Hoa, Ngô Văn Dưỡng, “Giải pháp điều khiển công suất phản kháng cho hệ thống turbin sử dụng PMSG kết nối vào lưới yếu”, Tạp chí khoa học cơng nghệ, Đại học Đà Nẵng, số (53), 2012 Nguyễn Văn Đoài, “Nghiên cứu lựa chọn phương án xây dựng để tuabin gió đạt sản lượng tối ưu”, Tạp chí khoa học công nghệ, Đại học Đà Nẵng, số (106), 2016 38 ... động học phi tuyến hệ thống lượng gió độc lập Nghi? ?n cứu đề xuất phương pháp pháp điều khiển thích nghi mờ cho hệ thống lượng gió độc lập Áp dụng thành cơng phương pháp điều khiển thích nghi mờ. .. sánh điều khiển thích nghi mờ điều khiển thích nghi mạng nơron So sánh điều khiển thích nghi mờ FAC điều khiển thích nghi mạng nơron NNAC ta thấy hai điều khiển vượt trội so với điều khiển tuyến... tạp chí khoa học, hội nghị khoa học nước quốc tế Các nghi? ?n cứu tóm tắt sau: 1.1 Tình hình nghi? ?n cứu nước Nghi? ?n cứu lượng gió quan tâm cộng đồng nghi? ?n cứu nước vào năm gần đây, điển báo [18-22]