Resumen

Este trabajo considera el problema del diseño de controladores de redes neuronales para sistemas de conversión de energía eólica de paso variable (WECS) con perturbaciones no gaussianas de la velocidad del viento en el marco del control de distribución estocástica. Este enfoque se utiliza para modelar directamente la ley de control desconocida basándose en una red neuronal fija (el número de capas y nodos de una red neuronal es fijo) sin necesidad de construir un modelo separado para el WECS. Para caracterizar la aleatoriedad del WECS, se establece un criterio generalizado de entropía mínima para entrenar los pesos de conexión de la red neuronal. Para el entrenamiento, se adoptan tanto el método de estimación de densidad de kernel como la técnica de ventana deslizante para estimar la PDF del error de seguimiento y las entropías. Debido a la dinámica desconocida del proceso, el gradiente de la función objetivo en un algoritmo de tipo gradiente-descenso se estima utilizando un método de perturbación incremental. El enfoque propuesto se ilustra en un WECS simulado con velocidad del viento no gaussiana.

• Materias:Matemáticas Análisis Matemático Álgebra Ingeniería
• Subjects:mathematics Mathematical Analysis Algebra Engineering
• Palabras claves:red neuronal, wecs, perturbaciones gaussianas de la velocidad del viento, criterio de entropía mínima generalizada, método de estimación de la densidad del núcleo, problema de diseño del controlador de la red neuronal, marco de control de la distribución estocástica, sistemas de conversión de energía eólica de paso variable, velocidad del viento gaussiana, método de perturbación incremental
• Keywords:neural network, wecs, gaussian wind speed disturbances, generalized minimum entropy criterion, kernel density estimation method, neural network controller design problem, stochastic distribution control framework, variable pitch wind energy conversion systems, gaussian wind speed, incremental perturbation method