이 페이지는 기계 번역되었습니다.
번역 품질에 대한 1분 설문 조사에 참여해 주세요.
머신러닝을 활용한 풍력 터빈의 모델 예측 제어 강화 사례
대형 터빈의 동적 부하를 경감하는 접근법
"머신러닝으로 강화된 모델 예측 제어기의 장점은 시뮬레이션과 실제 현장 테스트 환경에서 모두 시연할 수 있다는 점입니다."
주요 성과
- 머신러닝으로 강화된 모델 예측 제어기는 고충실도 시뮬레이션과 실제 풍력 터빈에서 수행된 현장 테스트를 비롯한 시나리오 기반 테스트를 통해 성공적으로 검증되었습니다.
- 시뮬레이션 결과, 제어기가 추력 변동을 크게 줄이는 것으로 나타났으며, 특히 주요 주파수 주변에서 더욱 그랬습니다.
- MATLAB 및 Simulink를 사용하면 신속한 전처리, 모델 개발, 시뮬레이션, 자동 코드 생성을 통해 실제 터빈 제어기에 배포할 수 있습니다.
RWTH Aachen University 및 W2E Wind to Energy GmbH의 엔지니어들은 점점 더 대형화되고 경량화되는 풍력 터빈이 동적 부하와 구조적 진동에 더 취약해지는 문제를 해결하고 있습니다. 제어 전략을 강화하기 위해 그들은 머신러닝 컴포넌트로 보강된 고급 MPC(모델 예측 제어기)를 개발해 추력 변동을 더 잘 예측하고 완화했습니다.
엔지니어들은 MATLAB® 및 Simulink®를 사용해 풍력 터빈의 역학을 모델링하고 MPC를 설계했습니다. 그들은 데이터 전처리를 위해 MATLAB을 사용했고 추력의 변화를 예측하기 위해 국소 선형 뉴로퍼지 모델을 훈련했습니다. 제어기는 시뮬레이션과 Software-in-the-Loop 테스트를 통해 검증되었고, Simulink Coder™를 사용한 자동화된 코드 생성을 통해 실제 3메가와트 풍력 터빈에 배포되었습니다. 이러한 통합적 접근 방식은 부하 감소를 개선하고 풍력 터빈 제어를 위해 머신러닝과 모델 기반 설계를 결합하는 것이 실질적으로 가능하다는 것을 보여주었습니다.
