風力タービンのダブルディープQネットワークを用いた強化学習ベースピッチ制御

科学分野:

• 再生可能エネルギーシステム
• 制御工学
• 人工知能

背景:

• 従来の風力タービンピッチコントローラーは、非線形風力ダイナミクスへの適応と変動荷重の緩和において限界に直面しています。
• 比例積分（PI）コントローラーは、変動する風況下で最適なパフォーマンスを維持する上で課題を示します。

研究 の 目的:

• 強化された風力タービンピッチ制御のための新しい強化学習（RL）ベースフレームワークを開発および評価すること。
• 不確実な風況下で動作する風力タービンの電力調整効率と構造荷重緩和を改善すること。

主な方法:

• ポリシー転送とダブルディープQネットワーク（DDQN）アルゴリズムを使用した洗練を含む2段階RLアプローチ。
• 初期のPIコントローラーベースのポリシーを洗練させる、実践的な運用シナリオに合わせて調整された新しい報酬関数の開発。

主要な成果:

• 提案されたRLコントローラーは、業界標準のROSCOコントローラーと比較して優れたパフォーマンスを示しました。
• 電力変動を15.87%削減しました。
• 同等またはわずかに減少した構造荷重レベルを維持し、運用上の安全性を確保しました。

結論:

• 強化学習は、風力タービンの電力調整を強化するための強力なアプローチを提供します。
• 開発されたRLフレームワークは、安全性を損なうことなく、制御効率を効果的に改善し、構造的完全性を維持します。