基于LSTM神经网络的双馈风机控制参数辨识方法｜《中国电力》
能源危机促进了新能源的快速发展，以风电为代表的新能源机组在电网中的占比不断提高，但具有间歇性和随机性特征的风电机组通过非线性电力电子变流器大量接入电网对电力系统的安全稳定运行带来巨大挑战，主要原因之一是风机控制参数对其出力特性影响巨大，而风机实际控制参数难以收集，导致研究人员无法获得风机的精确模型，因此，从风机自身特性研究和电力系统稳定性分析的角度来看，对风机的真实控制参数进行高精度辨识具有极为重要的实际意义和研究意义。
《中国电力》2023年第6期刊发了薛飞等人撰写的《基于LSTM神经网络的双馈风机控制参数辨识方法》一文。文章提出一种基于LSTM的双馈风机控制系统参数辨识方法。基于RT-LAB半实物仿真平台获得来自真实控制器的双馈风机硬件在环测试数据，采用Person相关系数法提取高相关性特征并进行神经网络训练，利用LSTM神经网络对双馈风机的控制参数进行辨识。
