Resumen

En este trabajo, se presenta un controlador neural para el control de paso de turbinas eólicas. El controlador se basa en una red de funciones de base radial (RBF) con un algoritmo de aprendizaje no supervisado. La red RBF utiliza el error entre la potencia de salida y la potencia nominal y su derivada como entradas, mientras que la integral del error alimenta el algoritmo de aprendizaje. Se lleva a cabo un análisis de rendimiento de esta estrategia de neurocontrol, mostrando la influencia de los parámetros RBF, la velocidad del viento, los parámetros de aprendizaje y el período de control en la respuesta del sistema. El neurocontrolador se ha comparado con un regulador proporcional-integral-derivativo (PID) para la misma pequeña turbina eólica, obteniendo mejores resultados. Los resultados de la simulación muestran cómo el algoritmo de aprendizaje permite que la red neural ajuste la ley de control adecuada para estabilizar la potencia de salida alrededor de la potencia nominal y reducir el error cuadrático medio (MSE)

• Materias:Big Data Gestión de riesgos Administración de información Red neuronal Teoría de redes
• Subjects:Big Data Risk management Information management Neural network Network Theory
• Palabras claves:Controlador neuronal; Control de paso de aerogenerador; Red de funciones de base radial; Algoritmo de aprendizaje no supervisado; Estrategia de neurocontrol; Regulador proporcional-integral-derivativo
• Keywords:Neural controller; Wind turbine pitch control; Radial basis function network; Unsupervised learning algorithm; Neurocontrol strategy; Proportional-integral-derivative regulator