本页面使用了机器翻译。
请花 1 分钟时间完成一个翻译质量的调查。
使用机器学习增强风力发电机的模型预测控制。
该方法有助于降低大型涡轮机的动态载荷
“机器学习增强型模型预测控制器的优势既可以在仿真中演示，也可以在真实的现场测试环境中演示。”
关键成果
- 机器学习增强型模型预测控制器已通过基于场景的测试成功验证，包括高保真仿真和在全尺寸风力发电机上进行的现场测试。
- 仿真表明，该控制器显著减少了推力波动，尤其是在关键频率附近。
- MATLAB 和 Simulink 实现了快速的数据预处理、模型开发、仿真以及用于在真实风机控制器上部署的自动代码生成。
亚琛工业大学和 W2E Wind to Energy GmbH 的工程师们正在应对日益大型化和轻量化的风力发电机所带来的挑战，这些风机更容易受到动态载荷和结构振荡的影响。为了增强控制策略，他们开发了一种先进的模型预测控制器 (MPC)，并增加了一个机器学习组件，以更好地预测和缓解推力波动。
工程师们使用 MATLAB® 和 Simulink® 对风力发电机的动力学进行了建模，并设计了 MPC。他们使用 MATLAB 进行数据预处理，并训练了一个局部线性神经模糊模型来预测推力的变化。该控制器通过仿真和软件在环 (SIL) 测试进行了验证，然后使用 Simulink Coder™ 进行自动代码生成，将其部署在一台全尺寸 3 兆瓦风力发电机上。这种集成方法改善了载荷降低效果，并证明了将机器学习与基于模型的设计 (Model-Based Design) 相结合用于风力发电机控制的实际可行性。
