面向波能源转换器的主动学习能量生成自动优化
系统与控制
2025-07-08 v2 系统与控制
摘要
本文提出了一种用于波能源转换器（WEC）的自动优化控制框架，以最大化能量生成，应对未知且不断变化的海洋条件。该控制框架包含两个层次。高层控制器在较长的时间尺度上运行，旨在最大化数个波周期内的平均能量生成。生成的功率输出（PTO）轮廓作为供下层物理系统遵循的参考信号。新的自动优化过程利用WEC中非平稳运行条件的参数化，建立了平均能量生成与PTO力关键设计参数之间与未知波参数的关系。高层控制器基于探索与开发（Exploration and Exploitation）的双控制（DCEE）概念设计，以主动探测海洋条件，快速学习未知波参数，同时生成最优PTO轮廓。在此过程中，量化估计的波条件不确定性嵌入优化成本函数，以实现主动学习。在未知规则波和不规则波的仿真结果表明，本新型具有主动学习功能的自动优化WEC系统在鲁棒性和有效性方面优于模型预测控制、极值寻优和经典Bang-Bang控制方法。
引用
@article{arxiv.2507.01727,
title = {Auto-optimization of Energy Generation for Wave Energy Converters with Active Learning},
author = {Siyang Tang and Wen-Hua Chen and Cunjia Liu},
journal= {arXiv preprint arXiv:2507.01727},
year = {2025}
}