基于強化學習的風力發(fā)電變槳距控制.pdf

1、地球資源日益枯竭，然而由于社會發(fā)展和人口劇增等因素，這些資源卻遭到過度的開發(fā)和利用。隨之而來的溫室效應和大氣污染等問題使得人類不得不尋求綠色可持續(xù)的能源，風能作為一種清潔高效無污染的能源越來越受到廣泛的重視。
　　風力發(fā)電已經(jīng)形成了一種產(chǎn)業(yè)，各國在風電理論和風機設計上都取得了許多成果。本文以風力發(fā)電中的關鍵技術變槳距控制作為研究重點，結(jié)合目前較先進和成熟的智能控制方法來實現(xiàn)風能的較高利用和風力發(fā)電機的額定輸出。
　　通過對空

2、氣動力學和變槳距工作原理的分析得出了風能利用系數(shù)變化規(guī)律，并獲得如何通過變槳距調(diào)節(jié)方式取得最佳風能利用系數(shù)的方法。針對風力發(fā)電機組工作特點，本文建立了風速系統(tǒng)、傳動系統(tǒng)、執(zhí)行機構和發(fā)電機的模型，通過組合得到能反映機組動態(tài)行為和適合控制的整體模型。該模型為下一步研究控制算法奠定了基礎。
　　無需對象的數(shù)學模型是強化學習方法在解決復雜系統(tǒng)控制時最大的優(yōu)勢，其自適應性可以很好的克服系統(tǒng)中的攝動和擾動的影響。本文使用一種利用 RBF神經(jīng)網(wǎng)

3、絡實現(xiàn)的自適應啟發(fā)評價算法，該方法利用 RBF的全局逼近性在線逼近算法的評價函數(shù)和動作函數(shù)，同時可以處理連續(xù)的狀態(tài)空間，在一定程度上解決了強化學習算法中的泛化問題。將該方法應用在變槳距控制上，僅僅需要設定好強化信號，利用梯度下降法更新網(wǎng)絡的各項參數(shù)。變槳距控制系統(tǒng)在遍歷一定量的狀態(tài)動作空間之后就能收斂到較好的控制策略。
　　為了減少學習時間，加快收斂速度，本文引入了滑模變結(jié)構控制的思想?；Ｗ兘Y(jié)構控制具有設計簡單、易于實現(xiàn)、動態(tài)響