[發明專利]基于強化學習的風力渦輪機控制

在審

• 申請號: 202080064914.8
• 申請日: 2020-08-13
• 公開（公告）號: CN114341489A
• 公開（公告）日: 2022-04-12
• 發明（設計）人: B·戈爾尼克
• 申請（專利權）人: 西門子歌美颯可再生能源公司
• 主分類號: F03D7/04
• 分類號: F03D7/04;F03D17/00;G05B13/02
• 代理公司: 中國專利代理(香港)有限公司 72001
• 代理人: 李雪娜;陳嵐

公開了用于基于強化學習的風力渦輪機控制的方法、系統和設備。該方法包括接收指示風力渦輪機的當前環境狀態的數據，基于風力渦輪機的當前環境狀態和增強學習算法來確定風力渦輪機的一個或多個控制動作，以及將所確定的一個或多個控制動作應用于風力渦輪機。

技術領域

本發明的各種實施例涉及用于通過利用強化學習算法來控制風力渦輪機的方法和設備。

背景技術

風力渦輪機作為更加環保的能源已經使用了很多年。取決于風速，風力渦輪機將產生或多或少的能量。通常，風力渦輪機在低于某一風速下操作是不可行的。

因此，通常，每個風力渦輪機具有預定義切入風速。每當例如由機艙風速計測量的實時風速超過切入風速時，風力渦輪機將啟動以產生電力。對于低于切入風速的風速，風力渦輪機空轉。

使用簡單的預定義閾值作為切入風速的這樣的技術面臨某些局限和缺點。例如，有時啟動風力渦輪機產生能量的可行性不僅取決于本地風速（通常取作輪轂高度上的點測量），而且還取決于其它環境參數。示例包括廣域風場，尤其是（在風力渦輪機轉子區域之上在垂直和水平二者上的）風切變。此外，垂直風切變主要由溫度驅動。另外，湍流強度是風中動能的主要貢獻者。溫度和場地海拔影響空氣密度，空氣密度線性影響風場中的能量。

因此，在其中切入風速被本地定義的場景中，風力渦輪機不能被精確控制，并且因此風力渦輪機的電力輸出不是最優的。

發明內容

因此，存在對于控制風力渦輪機的先進技術的需求。特別地，存在對于將各種環境參數考慮在內來控制風力渦輪機的需求。

獨立權利要求的特征滿足這一需求。從屬權利要求的特征定義了實施例。

一種控制風力渦輪機的方法包括接收指示風力渦輪機的當前環境狀態的數據。該方法還包括基于風力渦輪機的當前環境狀態和強化學習算法來確定風力渦輪機的一個或多個控制動作。該方法進一步包括將所確定的一個或多個控制動作應用于風力渦輪機。

一種用于控制風力渦輪機的系統包括一個或多個計算機，所述一個或多個計算機被配置為接收指示風力渦輪機的當前環境狀態的數據；基于風力渦輪機的當前環境狀態和強化學習算法來確定風力渦輪機的一個或多個控制動作；以及將所確定的一個或多個控制動作應用于風力渦輪機。

一種用于控制風力渦輪機的設備，該設備包括一個或多個處理器，所述一個或多個處理器被配置為接收指示風力渦輪機的當前環境狀態的數據；基于風力渦輪機的當前環境狀態和強化學習算法來確定風力渦輪機的一個或多個控制動作；以及將所確定的一個或多個控制動作應用于風力渦輪機。

一種計算機程序產品或計算機程序或計算機可讀存儲介質包括程序代碼。程序代碼可以由至少一個處理器執行。執行程序代碼使所述至少一個處理器施行控制風力渦輪機的方法。該方法包括接收指示風力渦輪機的當前環境狀態的數據；基于風力渦輪機的當前環境狀態和強化學習算法來確定風力渦輪機的一個或多個控制動作；以及將所確定的一個或多個控制動作應用于風力渦輪機。

應當理解，在不脫離本發明的范圍的情況下，上面提到的特征和下面將要解釋的特征不僅可以用在所指示的相應組合中，而且可以用在其它組合中或者單獨使用。

附圖說明

圖1示意性地圖示了風力渦輪機。

圖2示意性地圖示了根據各種示例的強化學習算法。

圖3示意性地圖示了結合強化學習算法的策略π的圖解。

圖4是用以示意性地圖示在本申請的各種實施例中利用的強化學習算法的核心思想的示例狀態樹。

圖5是用于響應于環境狀態來控制風力渦輪機的示例方法的流程圖。

圖6示意性地圖示了關于可以被配置為執行用于控制風力渦輪機的方法的系統的方面。