Debido a la incertidumbre del viento y a que los sistemas de conversión de energía eólica (WECS) tienen fuertes características no lineales, es difícil construir un modelo preciso del WECS. Para resolver este problema, se selecciona la tecnología de control basada en datos y se diseña un controlador basado en datos para el WECS a partir del modelo de Markov. Las redes neuronales se diseñan para optimizar la salida del sistema basándose en el modelo del sistema de control basado en datos. Para mejorar la eficacia del entrenamiento de la red neuronal, se comparan tres reglas de aprendizaje diferentes. Se comparan los resultados del análisis y los datos SCADA del parque eólico, y se demuestra que el método reduce eficazmente las fluctuaciones de la velocidad del generador, se puede mejorar la seguridad de los aerogeneradores, se mejora la precisión de la salida del WECS y se capta más energía eólica.
Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.
Artículos:
Comportamiento de la punta del chirriador de tipo parcial y de cavidad de un álabe de turbina HP en cascada lineal
Artículos:
Convertidor CA/CC trifásico bidireccional conectado a la red para aplicaciones V2G
Videos:
¿Qué es la Automatización Industrial?
Artículos:
Modelo de predicción del rendimiento del separador de aceite-aire de presión dinámica
Artículos:
Control robusto tolerante a fallos para sistemas de control en red inciertos con retardo de estado y caída aleatoria de paquetes de datos
Artículos:
Comportamiento del aguacate Hass liofilizado durante la operación de rehidratación
Artículos:
Caracterización estructural de la materia orgánica de tres suelos provenientes del municipio de Aquitania-Boyacá, Colombia
Informes y Reportes:
Técnicas de recuperación de suelos contaminados
Artículos:
Una revisión de la etiopatogenia y características clínicas e histopatológicas del melanoma mucoso oral.