Optimal Intelligent Control for Wind Turbulence Rejection in WECS Using ANNs and Genetic Fuzzy Approach
Dieses Papier schlägt eine optimale intelligente Steuerungsstrategie für Windenergieumrechnungssysteme vor, die Multi-Layer-Perceptron- und Radial-Basis-Funktion-Neuronale Netze zusammen mit einem genetischen Fuzzy-System nutzt, um Windturbulenzen zu modellieren und Pitch-Winkel zu regeln, wodurch die Energieumwandlungseffizienz maximiert und die Antriebsstrangbelastung minimiert wird.
Originalarbeit lizenziert unter CC BY 3.0 (http://creativecommons.org/licenses/by/3.0/). Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen
Das große Ganze: Den Wind einfangen, ohne die Maschine zu beschädigen
Stellen Sie sich eine Windkraftanlage wie ein riesiges, hochmodernes Segelboot vor. Ihre Aufgabe ist es, den Wind einzufangen und ihn in Elektrizität umzuwandeln. Der Wind ist jedoch ein launischer Kapitän. Manchmal weht er sanft, manchmal gibt es heftige Böen, und manchmal hört er abrupt auf. Diese „Turbulenz“ ist wie das Fahren mit dem Fahrrad auf einer holprigen Straße; wenn man nicht sein Gleichgewicht anpasst, könnte man stürzen oder an Geschwindigkeit verlieren.
Das Hauptproblem, das diese Arbeit angeht, ist die Frage, wie man den Stromertrag der Windkraftanlage stabil und sicher hält, selbst wenn der Wind Unfug treibt. Wenn der Wind zu stark weht, könnte die Turbine zu schnell rotieren und kaputtgehen. Wenn er zu schwach weht, verdient die Turbine kein Geld. Das Ziel ist es, den „Motor“ auf der perfekten Geschwindigkeit laufen zu lassen.
Die Lösung: Das „Smart Pitch“-System
Um dies zu lösen, verfügt die Turbine über eine Funktion namens Pitch-Regelung. Stellen Sie sich die Rotorblätter wie die Segel eines Bootes vor.
- Zu viel Wind? Man dreht die Segel leicht vom Wind weg (wie beim „Verfangen“ eines Segels), damit sie nicht zu viel Kraft aufnehmen.
- Zu wenig Wind? Man dreht die Segle so, dass sie jedes Lüftchen einfangen.
In dieser Arbeit geht es darum, einem Computer beizubringen, wie er genau entscheidet, wie stark er diese Segel drehen muss (den Pitch-Winkel), um in Echtzeit auf die Stimmungsschwankungen des Windes zu reagieren.
Die drei getesteten „Smarten Gehirne“
Die Autoren testeten drei verschiedene Arten von „smarten Gehirnen“ (Algorithmen), um zu sehen, welches die Segel am besten steuern kann.
1. Das Multi-Layer Perceptron (MLP) – Der „Erfahrene Coach“
Stellen Sie sich einen Coach vor, der tausende Spiele beobachtet hat. Er betrachtet die Windgeschwindigkeit und die aktuelle Leistung und gibt basierend auf seiner enormen Erfahrung die perfekte Anweisung für die Segel heraus.
- Wie es funktioniert: Es ist eine Art Künstliches Neuronales Netz (ANN), das durch das Betrachten vergangener Daten lernt. Es versucht, einen Zusammenhang zwischen „Windgeschwindigkeit“ und „Bestem Segelwinkel“ zu finden.
- Das Ergebnis: Es hat eine großartige Arbeit geleistet. Es hat die Beziehung gut gelernt und die Leistung stabil gehalten.
2. Das Radial Basis Function (RBF) – Der „Muster-Detektiv“
Dies ist eine andere Art von smartem Gehirn, das jedoch etwas anders arbeitet. Anstatt die gesamte Historie zu betrachten, konzentriert es sich darauf, wie nah die aktuelle Situation bestimmten „Zentrumspunkten“ ist, die es auswendig gelernt hat.
- Wie es funktioniert: Es ist wie ein Koch, der bestimmte Rezepte auswendig kennt. Wenn der Wind „ein bisschen wie Rezept A“ und „ein bisschen wie Rezept B“ ist, mischt er die Anweisungen.
- Das Ergebnis: Es funktionierte ebenfalls gut, aber die Arbeit legt nahe, dass es etwas weniger präzise als das MLP war, wenn der Wind sehr verstreut und unvorhersehbar war.
3. Das Genetic Fuzzy System (GFS) – Der „Evolutionäre Regel-Schöpfer“
Dies ist der kreativste Ansatz. Stellen Sie sich eine Gruppe von Regelsetzern vor, die versuchen, ein Handbuch darüber zu schreiben, wie man das Boot steuert.
- Der Prozess:
- Zufälliger Start: Sie beginnen mit einer Reihe von zufälligen, albernen Regeln (z. B. „Wenn der Wind stark ist, drehe die Segel um 90 Grad“).
- Der Test: Sie testen diese Regeln in einer Simulation. Diejenigen, die scheitern (und das Boot zum Schwanken bringen), werden aussortiert.
- Evolution: Die besten Regeln „paaren“ sich und kombinieren sich zu neuen, besseren Regeln. Mit der Zeit sterben die „schlechten“ Regeln aus, und die „smarten“ Regeln überleben.
- Fuzzy Logic: Anstatt zu sagen „Wenn der Wind 10 mph beträgt“, verwendet es menschenähnliche Sprache wie „Wenn der Wind mittelgroß ist“.
- Das Ergebnis: Diese Methode war der Champion. Sie erstellte einen Satz von Regeln, die die Windturbulenzen besser bewältigten als die anderen beiden Methoden und die Leistungsausgabe glatter und stabiler hielten.
Die Rennergebnisse
Die Autoren führten eine Simulation durch, bei der sie alle drei Systeme einem „Sturm“ aussetzten. Das passierte:
- Der alte Weg (Standard-Regler): Dies sind wie Fahrer, die erst reagieren, nachdem sie auf einen Schlag gestoßen sind. Sie verursachten, dass die Leistung wild auf und ab sprang, was schlecht für das Stromnetz ist.
- Das MLP und RBF: Dies waren wie erfahrene Fahrer, die die Schlaglöcher antizipierten. Sie glätteten die Situation erheblich.
- Das Genetic Fuzzy System (GFS): Dies war der Formel-1-Fahrer. Er hat die Unebenheiten nicht nur geglättet; er hielt das Auto perfekt auf der Strecke, selbst als die Straße chaotisch wurde. Die Arbeit behauptet, dass diese Methode den „geringsten Fehler“ hatte, was bedeutet, dass die erzeugte Elektrizität am konsistentesten und am nächsten am idealen Zielwert war.
Das Fazbeit (Bottom Line)
Die Arbeit kommt zu dem Schluss, dass das „smarte Gehirn“ (MLP) zwar sehr gut ist, der „Evolutionäre Regel-Schöpfer“ (GFS) jedoch das beste Werkzeug für die Aufgabe ist.
Durch den Einsatz dieses smarten genetischen Systems können Windkraftanlagen:
- Mit böigem Wind umgehen: Sie werden nicht auseinanderbrechen, wenn der Wind verrückt spielt.
- Den Strom stabil halten: Sie können einen glatten, zuverlässigen Stromfluss an das Stromnetz senden, anstatt einen unruhigen, unvorhersehbaren.
- Smarter sein: Sie reagieren nicht nur; sie lernen und entwickeln sich weiter, um das perfekte Gleichgewicht zwischen dem Wind und der Maschine zu finden.
Ein Haken: Die Arbeit stellt fest, dass dieses „smarte Gehirn“ einen leistungsstarken Computer benötigt, da es viel vergangene Daten speichern muss, um seine Entscheidungen zu treffen. Aber um unsere Windparks sicher und effizient zu halten, ist dies eine gewinnbringende Strategie.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.