Feb, 2024
强化学习最大化风力发电
Reinforcement learning to maximise wind turbine energy generation
Daniel Soler, Oscar Mariño, David Huergo, Martín de Frutos, Esteban Ferrer
TL;DR我们提出了一种强化学习策略来通过主动改变转子速度、转子偏转角和叶片俯仰角来控制风力涡轮发电。该方法采用了双重深度 Q 学习与叶片动量元模型相结合，通过训练使其能够在不同风速下进行控制，并且在真实的动态湍流风中表现出良好的性能。与传统的值迭代强化学习控制相比，双重深度 Q 学习表现更好，在所有环境中都优于传统的 PID 控制。此外，强化学习方法适用于包括湍流 / 阵风风在内的变化环境，表现出很大的适应性。最后，我们将所有的控制策略与真实风进行比较，并计算了年度能量产出。在这种情况下，双重深度 Q 学习算法也优于传统方法。