Resumen

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.

• Materias:Automatización Control del proceso Sistemas no lineales Modelo lineal Regulación automática Diagnóstico de fallos
• Subjects:Automation Nonlinear systems Linear model Automatic regulation Fault diagnosis
• Palabras claves:datos, sistemas de conversión de energía eólica, modelo de sistema de control, diferentes reglas de aprendizaje, más energía eólica, entrenamiento de redes neuronales, fuertes características no lineales, wecs, resultados del análisis, modelo de markov
• Keywords:data, wind energy conversion systems, control system model, different learning rules, more wind energy, neural network training, strong nonlinear characteristics, wecs, analysis results, markov model