Optimization by Gaussian Radial Basis Function Neural Networks of the Performance of Doubly Fed Induction Machine System based on Wind Energy

Abstract

The present paper introduces Gaussian Radial Basis Function Neural Networks (GRBFNN) into the power control scheme of a wind turbine connected to a Doubly Fed Induction Machine (DFIG). These GRBFNN will replace the existing four PI controllers. The new controllers regulate power flow between the DFIG stator and the power network, reduce chattering, and enhance overall performance. We tested the performance of the GRBFNN controllers against a traditional PI controller through simulations in the Matlab/Simulink environment. Results indicate that the proposed controllers offer improved settling time, reduced overshoot, greater robustness to parameter variations, and effective tracking of references. الملخص تقدم هذه الورقة شبكات العصبونات من نوع Gaussian Radial Basis Function Neural Networks (GRBFNN) في مخطط التحكم في الطاقة لعنفة الرياح المتصلة بمحرك ذو تغذية مزدوجة (DFIG). ستستبدل هذه الشبكات GRBFNN وحدات التحكم PI الأربعة الموجودة حاليًا. تعمل وحدات التحكم الجديدة على تنظيم تدفق الطاقة بين العضو الثابت للمحرك DFIG والشبكة الكهربائية، وتقليل الاهتزازات، وتحسين الأداء العام. قمنا باختبار أداء وحدات التحكم GRBFNN مقابل وحدة تحكم PI التقليدية من خلال محاكاة في بيئة Matlab/Simulink. وتشير النتائج إلى أن الوحدات المقترحة تقدم وقت استقرار محسن، وتقليل الانحراف الزائد، وزيادة المتانة تجاه تغييرات المعلمات، وتتبع فعال للمراجع..