利用强化学习最大化风力涡轮机能量生成
机器学习
2024-02-20 v1 数学物理
math.MP
最优化与控制
摘要
我们提出了一种强化学习策略，通过主动改变转子速度、转子偏航角和叶片桨距角来控制风力涡轮机的能量生成。将具有优先经验回放的双深度 Q 学习代理与叶片元动量模型耦合，并训练其以适应变化的风况。该代理被训练以针对简单的稳定风况决定最佳控制（速度、偏航、桨距），随后在真实的动态湍流风况中进行挑战，显示出良好的性能。双深度 Q 学习与经典的值迭代强化学习控制进行了比较，两种策略在所有环境中均优于经典的 PID 控制。此外，强化学习方法非常适合包括湍流/阵风在内的变化环境，显示出极大的适应性。最后，我们将所有控制策略与真实风况进行比较并计算年发电量。在这种情况下，双深度 Q 学习算法也优于经典方法。
引用
@article{arxiv.2402.11384,
title = {Reinforcement learning to maximise wind turbine energy generation},
author = {Daniel Soler and Oscar Mariño and David Huergo and Martín de Frutos and Esteban Ferrer},
journal= {arXiv preprint arXiv:2402.11384},
year = {2024}
}