余欣梅，陈豪君，王星华

（1.中国能源建设集团广东省电力设计研究院有限公司，广州510663；2.广东工业大学自动化学院，广州510006）

低电压穿越技术是保障电网故障过程中风机和电网安全的重要手段。目前DFIG双馈风机的低电压控制基本分为改进控制策略和增设硬件电路两类：文献［1-2］采用带补偿项的矢量控制加速定子磁链暂态分量衰减实现低电压穿越，但受变流器容量限制，仅适用于轻度故障。文献［3］增设撬棒电阻并推导其整定方法，适用于严重故障，但在投入过程中双馈风机会大量吸收无功，不利于电网电压稳定。文献［4］理论分析了多种低电压穿越技术，讨论了DFIG控制系统的PI参数选择对DFIG机组LVRT效果的影响。

为取得更好的控制性能，有学者提出用遗传算法［5-6］、粒子群［7-8］等智能算法［9-10］对PI控制器参数进行优化。这类优化方法均为电网故障后根据当前故障情况进行参数优化，但普遍存在两个问题：（1）在实际情况下，故障的暂态过程比较快，故障后优化很可能会错过抑制暂态量的最好时刻；（2）在有限的时间内在线优化难以同时满足速度和准确度上的要求，严重制约了其在高实时性领域上的应用，实际意义不大。

针对以上不足，本文结合人工智能思想，提出将深度学习算法应用于双馈风机的LVRT的实时优化控制。首先通过PSCAD-MATLAB联合调用技术对风机故障过程进行大量仿真，并利用粒子群优化算法对相应的控制参数进行离线优化，并根据故障程度进行分类，从而形成不同故障程度的优化控制策略参数表。……