基于强化学习的风电机组偏航系统模型预测控制

桑申刚; 李桂朋; 王向伟; 刘毅; 王森; 申向荣

doi:10.19666/j.rlfd.202501006

欢迎来到能源电力期刊网！

English Version 读者登录期刊登录

您当前的位置：

首页 >

文章列表页 >

基于强化学习的风电机组偏航系统模型预测控制

低碳电力技术研究专题 | 更新时间：2025-11-03

- 基于强化学习的风电机组偏航系统模型预测控制
- Predictive control of wind turbine yaw system model based on reinforcement learning
- 热力发电 2025年第9期页码：86-94
- 作者机构：
- 作者简介：
- 基金信息：
  
  中国华能集团有限公司总部科技项目(HNKJ22-HF69)~~
- DOI：10.19666/j.rlfd.202501006
  中图分类号：
- 纸质出版：2025
- 稿件说明：
移动端阅览
桑申刚, 李桂朋, 王向伟, 等. 基于强化学习的风电机组偏航系统模型预测控制[J]. 热力发电, 2025,(9):86-94.

Predictive control of wind turbine yaw system model based on reinforcement learning[J]. Thermal power generation, 2025, (9): 86-94.
桑申刚, 李桂朋, 王向伟, 等. 基于强化学习的风电机组偏航系统模型预测控制[J]. 热力发电, 2025,(9):86-94. DOI： 10.19666/j.rlfd.202501006.

Predictive control of wind turbine yaw system model based on reinforcement learning[J]. Thermal power generation, 2025, (9): 86-94. DOI： 10.19666/j.rlfd.202501006.

摘要

提升风电机组偏航系统在多工况场景下的动态性能至关重要。基于此，提出了一种基于强化学习的风电机组偏航系统模型预测控制策略，通过双延迟深度确定性策略梯度(TD3)算法实现多目标参数动态优化。首先，针对功率损失率和偏航执行器使用率2个相互矛盾的控制目标，建立偏航系统的多步模型预测控制器(yaw model predictive control

YMPC)；其次，针对偏航系统的优化目标及风况特性设计双延迟深度确定性策略梯度(TD3)智能体的输入状态、动作和奖励机制，从而使用TD3智能体整定YMPC的权重系数和控制步长；最后，采用中国北方风电场典型日数据验证了该方法的有效性。结果表明，与固定控制参数的YMPC相比，所提出的策略显著提升了偏航系统的综合性能。

Abstract

关键词

Keywords

references

浏览量

533

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

暂无数据

基于强化学习的风电机组偏航系统模型预测控制

Predictive control of wind turbine yaw system model based on reinforcement learning

DOI：10.19666/j.rlfd.202501006

摘要

Abstract

关键词

Keywords

references