このページは機械翻訳を使用して翻訳されました。
翻訳品質のアンケートに 1 分ご協力ください。
機械学習による風力タービンのモデル予測制御の強化
大型タービンの動的負荷を軽減するアプローチ
「機械学習で強化されたモデル予測コントローラーの利点は、シミュレーションと実際のフィールドテスト環境の双方で実証できます。」
主な成果
- 機械学習で強化されたモデル予測コントローラーは、高忠実度シミュレーションと実物大の風力タービンで実施された現場テストの両方を含むシナリオベースのテストを通じて正常に検証されました。
- シミュレーションでは、コントローラーによって、特に重要な周波数付近での推力変動が大幅に減少することが示されました。
- MATLABとSimulinkにより、実際のタービン コントローラーに展開するための高速な前処理、モデル開発、シミュレーション、自動コード生成が可能になりました。
アーヘン工科大学と W2E Wind to Energy GmbH のエンジニアは、動的負荷と構造的振動の影響を受けやすくなっている、ますます大型化、軽量化している風力タービンがもたらす課題に取り組んでいます。制御戦略を強化するために、彼らは機械学習コンポーネントを拡張した高度なモデル予測コントローラー (MPC) を開発し、推力の変動をより正確に予測して軽減できるようにしました。
MATLAB®および Simulink®を活用して、エンジニアたちは風力タービンのダイナミクスをモデル化し、MPC を設計しました。彼らはデータの前処理にMATLAB を使用し、推力の変化を予測するローカル線形ニューロファジー モデルをトレーニングしました。コントローラはシミュレーションとソフトウェアインザループテストを通じて検証され、その後、自動コード生成用のSimulink Coder™ を使用して、実物大の 3 メガワット風力タービンに導入されました。この統合アプローチにより負荷軽減が改善され、風力タービン制御のための機械学習とモデルベースデザインを組み合わせることが実用的であることが実証されました。
