基于改进循环神经网络的风力发电系统控制方法及系统

本发明公开了一种基于改进循环神经网络的风力发电系统控制方法及系统，属于风力发电系统控制领域，该方法采用训练数据集对改进的RNN网络模型进行训练，对输入向量进行向前传播得到增益数据；量化增益参数与理想增益参数之间的损失值，根据损失值构建损失函数并利用梯度反向传播算法得到各层的权重梯度，根据权重梯度并结合动量梯度下降算法更新网络权重，同时对递归权重施加了幅值约束，经过迭代训练，得到训练后的RNN网络模型；根据训练后的RNN网络模型获取风力发电系统的增益参数，根据增益参数控制风力发电系统的运行状态；该方法通过引入循环神经网络实现PI控制器自适应，能够显著减少系统响应时间、静态误差和过冲，从而提高了系统性能。