| dc.contributor.advisor |
Tutiven, Christian, Director |
|
| dc.contributor.author |
Espinoza Morán, Víctor Jeremy |
|
| dc.contributor.author |
Ormaza Castillo, Carolina Elizabeth |
|
| dc.creator |
ESPOL.FIMCP |
|
| dc.date.accessioned |
2024-03-20T19:35:43Z |
|
| dc.date.available |
2024-03-20T19:35:43Z |
|
| dc.date.issued |
2023 |
|
| dc.identifier.citation |
Espinoza Morán, V. J. y Ormaza Castillo, C. E. (2023). Diseño de un controlador del ángulo de paso de una turbina eólica basado en aprendizaje por refuerzo. [Proyecto Integrador]. ESPOL.FIMCP . |
|
| dc.identifier.uri |
http://www.dspace.espol.edu.ec/handle/123456789/60810 |
|
| dc.description |
En los últimos años, el uso turbinas de viento para producir energía eléctrica ha crecido significativamente gracias a su contribución con el desarrollo sostenible. Sin embargo, el control de las turbinas de viento sigue siendo un desafío debido a su complejidad y el comportamiento estocástico del viento. Por esta razón, en este proyecto se propone el diseño de un controlador del ángulo de paso para una turbina onshore basado en aprendizaje reforzado. Su objetivo es estabilizar la potencia eléctrica producida alrededor de su valor nominal y preservar la integridad de sus componentes en vientos que exceden las condiciones nominales. Para ello, se seleccionó el modelo de turbina de referencia IEA-3.4-130-RWT y se utilizó una interfaz de OpenFAST en Simulink para conectar ambos entornos y desarrollar el controlador propuesto, basado en el algoritmo de aprendizaje reforzado Deep Q-Network. Además, de desarrolló un sistema SCADA utilizando LabVIEW para el monitoreo de la turbina, el controlador y el viento. El desempeño del controlador propuesto se comparó con el controlador ROSCO, demostrando una reducción de 15% en fluctuaciones alrededor de la potencia nominal y 71% en energía generada por encima de la potencia nominal. Palabras Clave: Energía eólica, Control de ángulo de paso, Aprendizaje reforzado, OpenFAST, Simulink |
|
| dc.format |
application/pdf |
|
| dc.format.extent |
106 página |
|
| dc.language.iso |
spa |
|
| dc.publisher |
ESPOL.FIMCP |
|
| dc.rights |
openAccess |
|
| dc.subject |
Energía eólica |
|
| dc.subject |
Control de ángulo de paso |
|
| dc.subject |
Aprendizaje reforzado |
|
| dc.subject |
OpenFAST |
|
| dc.subject |
Simulink |
|
| dc.title |
Diseño de un controlador del ángulo de paso de una turbina eólica basado en aprendizaje por refuerzo |
|
| dc.type |
Ingenieros en Mecatrónica |
|
| dc.identifier.codigoespol |
T-114271 |
|
| dc.description.city |
Guayaquil |
|
| dc.description.degree |
Escuela Superior Politécnica del Litoral |
|
| dc.identifier.codigoproyectointegrador |
INGE-2298 |
|
| dc.description.abstractenglish |
In recent years, the use of wind turbines to produce electricity has grown significantly due to their contribution to sustainable development. However, the wind turbines? control remains a challenge due to their complexity and the wind?s stochastic behavior. For that reason, the present project proposes the design of a reinforcement learning-based pitch controller. Its aim is to stabilize the electrical power around the rated power and preserve the wind turbine components? integrity when the wind exceeds the rated conditions. For this purpose, the IEA-3.4-130-RWT reference wind turbine was selected, and an OpenFAST interface to Simulink was used to connect both environments and develop the proposed controller based on the Deep Q-Network algorithm. Furthermore, a SCADA system was developed using LabVIEW for the monitoring of the wind turbine, the control performance, and the wind. The performance of the proposed controller was compared to the performance of the ROSCO controller, demonstrating a reduction of 15% in fluctuations around the nominal power and 71% in power generation above rated conditions. Keywords: Wind energy, Pitch control, Reinforcement learning, OpenFAST, Simulink |
|