期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于参考输入优化的变速风电机组最大化风能捕获方法
被引量：
3
1
作者
陈载宇
李阳
+3 位作者
殷明慧
顾伟峰
刘建坤
邹云
《控制理论与应用》
EI
CAS
CSCD
北大核心
2022年第7期1219-1228,共10页
变速风电机组在额定风速以下应用最大功率点跟踪实现最大化风能捕获.然而,大惯量风电机组在面对快速波动的湍流风速时,因转速调节慢而难以保持运行于最大功率点.本文研究进一步发现,平均转速跟踪误差与整体的风能捕获效率并非单调关系,...
变速风电机组在额定风速以下应用最大功率点跟踪实现最大化风能捕获.然而,大惯量风电机组在面对快速波动的湍流风速时,因转速调节慢而难以保持运行于最大功率点.本文研究进一步发现,平均转速跟踪误差与整体的风能捕获效率并非单调关系,这使得当前以减小转速跟踪误差为目标的控制器设计难以有效提升风电机组的发电效率.为此,本文以提升风能捕获效率(而非减小转速跟踪误差)为目标,提出一种基于参考输入优化的风电机组最大化风能捕获方法.考虑到参考转速对风能捕获效率的复杂影响难以准确建模,本文借助深度确定性策略梯度(DDPG)强化学习算法实现参考输入优化.仿真结果表明该方法能够有效提升湍流风下变速风电机组的风能捕获效率.
展开更多
关键词
风电机组
最大化风能捕获
最大功率点跟踪
慢动态特性
参考输入优化
强化学习
在线阅读
下载PDF
职称材料
基于深度强化学习与改进Jensen模型的风电场功率优化
2
作者
王冠朝
霍雨翀
+1 位作者
李群
李强
《中国电力》
北大核心
2025年第4期78-89,共12页
风电场的功率捕获能力受多种因素的制约。为最大化风电场的功率输出,并应对尾流效应和湍流风速的影响,提出一种基于深度强化学习的风电场控制方案。该方案结合有模型与无模型的控制方法,并整合至基于Actor-Critic架构的深度确定性策略...
风电场的功率捕获能力受多种因素的制约。为最大化风电场的功率输出,并应对尾流效应和湍流风速的影响,提出一种基于深度强化学习的风电场控制方案。该方案结合有模型与无模型的控制方法,并整合至基于Actor-Critic架构的深度确定性策略梯度强化学习网络中。在控制精度方面,采用改进的Jensen尾流模型,通过考虑时间延迟,提升了尾流效应的精确性,并有效捕捉了风电场长期功率输出。仿真结果表明,相比于传统单纯的有模型或者无模型方法,所提方法有效提升了风电场的最大功率输出,同时在保证控制精度的基础上,显著降低了训练时间和计算资源消耗,从而提升了控制策略的整体性能。
展开更多
关键词
风电场控制
最大化风能捕获
深度强化学习
无模型控制
有模型控制
神经网络
在线阅读
下载PDF
职称材料
题名
基于参考输入优化的变速风电机组最大化风能捕获方法
被引量：
3
1
作者
陈载宇
李阳
殷明慧
顾伟峰
刘建坤
邹云
机构
南京理工大学自动化学院
北京金风科创风电设备有限公司
国网江苏省电力有限公司电力科学研究院
出处
《控制理论与应用》
EI
CAS
CSCD
北大核心
2022年第7期1219-1228,共10页
基金
国家自然科学基金项目(61773214,51977111)
江苏省“六大人才高峰”高层次人才项目(XNY–025)
江苏省科技成果转化专项资金项目(BA2019045)资助。
文摘
变速风电机组在额定风速以下应用最大功率点跟踪实现最大化风能捕获.然而,大惯量风电机组在面对快速波动的湍流风速时,因转速调节慢而难以保持运行于最大功率点.本文研究进一步发现,平均转速跟踪误差与整体的风能捕获效率并非单调关系,这使得当前以减小转速跟踪误差为目标的控制器设计难以有效提升风电机组的发电效率.为此,本文以提升风能捕获效率(而非减小转速跟踪误差)为目标,提出一种基于参考输入优化的风电机组最大化风能捕获方法.考虑到参考转速对风能捕获效率的复杂影响难以准确建模,本文借助深度确定性策略梯度(DDPG)强化学习算法实现参考输入优化.仿真结果表明该方法能够有效提升湍流风下变速风电机组的风能捕获效率.
关键词
风电机组
最大化风能捕获
最大功率点跟踪
慢动态特性
参考输入优化
强化学习
Keywords
wind turbines
maximizing wind energy extraction
maximum power point tracking
slow dynamic behavior
optimization of reference input
reinforcement learning
分类号
TM315 [电气工程—电机]
在线阅读
下载PDF
职称材料
题名
基于深度强化学习与改进Jensen模型的风电场功率优化
2
作者
王冠朝
霍雨翀
李群
李强
机构
南京理工大学电气工程系
国网江苏省电力有限公司电力科学研究院
出处
《中国电力》
北大核心
2025年第4期78-89,共12页
基金
国家电网有限公司科技项目(攻关团队项目)(含多构网型变流器的中远海风电场经柔直并网主动频率支撑关键技术,5108-202218280A-2-241-XG)。
文摘
风电场的功率捕获能力受多种因素的制约。为最大化风电场的功率输出,并应对尾流效应和湍流风速的影响,提出一种基于深度强化学习的风电场控制方案。该方案结合有模型与无模型的控制方法,并整合至基于Actor-Critic架构的深度确定性策略梯度强化学习网络中。在控制精度方面,采用改进的Jensen尾流模型,通过考虑时间延迟,提升了尾流效应的精确性,并有效捕捉了风电场长期功率输出。仿真结果表明,相比于传统单纯的有模型或者无模型方法,所提方法有效提升了风电场的最大功率输出,同时在保证控制精度的基础上,显著降低了训练时间和计算资源消耗,从而提升了控制策略的整体性能。
关键词
风电场控制
最大化风能捕获
深度强化学习
无模型控制
有模型控制
神经网络
Keywords
wind farm control
maximizing wind energy capture
deep reinforcement learning
model-free control
model-based control
neural network
分类号
TM614 [电气工程—电力系统及自动化]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于参考输入优化的变速风电机组最大化风能捕获方法
陈载宇
李阳
殷明慧
顾伟峰
刘建坤
邹云
《控制理论与应用》
EI
CAS
CSCD
北大核心
2022
3
在线阅读
下载PDF
职称材料
2
基于深度强化学习与改进Jensen模型的风电场功率优化
王冠朝
霍雨翀
李群
李强
《中国电力》
北大核心
2025
0
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
