Geri Dön

Bayesian reinforcement learning with MCMC to maximize energy output of vertical axis wind turbine

Dikey eksenli rüzgar türbininin enerji çıktısını büyütmek için MZMC ile Bayesçi pekiştirmeli öğrenme

  1. Tez No: 554571
  2. Yazar: ARDA AĞABABAOĞLU
  3. Danışmanlar: DOÇ. DR. AHMET ONAT
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Elektrik ve Elektronik Mühendisliği, Mekatronik Mühendisliği, Computer Engineering and Computer Science and Control, Electrical and Electronics Engineering, Mechatronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2019
  8. Dil: İngilizce
  9. Üniversite: Sabancı Üniversitesi
  10. Enstitü: Mühendislik ve Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Mekatronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Mekatronik Mühendisliği Bilim Dalı
  13. Sayfa Sayısı: 73

Özet

Küçük ölçekli rüzgâr türbinlerinin (DERT) enerji çıkışının optimizasyonu, rüzgâr hızını rotor uç hızı oranını optimum değerde tutan bir kontrolör gerektirmektedir. Eğer dinamik model sistemin tamamı bilinir ve rüzgâr hızı tahmin edilebilirse, analitik bir çözüm elde edilebilir. Ancak, sadece yaşlanma değil aynı zamanda modelleme ve rüzgar hızı tahminindeki hatalar basit bir çözümü engeller. Bu tezde, Dikey Eksenli Rüzgar Türbinlerinin enerji çıkış optimizasyonuna, sürekli durum ve aksiyon uzaylarına sahip dinamik sistemleri optimize etmek için tasarlanmış bir Pekiştirmeli öğrenme yaklaşımı uygulaması önerilmektedir. Rüzgar türbininin dinamik modellemesi ve yük kontrolü; tek süreç içinde ele alınmaktadır. Önerilen algoritma bir optimal politikanın parametrelerini elde etmek için Markov Zincirli Monte Carlo kullanarak modelden bağımsız Bayesçi Pekiştirmeli Öğrenmedir. Önerilen yöntem rüzgar hızı profillerini ve sistem modelini öğrenir, bu nedenle, Dairesel Tabanlı Fonksiyon Sinir Ağı (DTFSA) kullanarak optimal kontrol sinyalini hesaplamak için tüm sistem durumlarını ve gözlenen rüzgar hızı profillerini kullanabilir. Önerilen yöntem, klasik Maksimum Güç Noktası Takipçisi (MGNT) ile karşılaştırmak üzere sabit mıknatıslı senkron jeneratör tabanlı DERT Simulink modeli için simülasyon çalışmaları yapılarak doğrulanır. Sonuçlar klasik yöntem ile kıyaslandığında, özellikle rüzgar hızı geçişlerinde, önemli bir gelişme göstermiştir, ayrıca değişken hızlar için umut vadeden enerji çıktısı göstermiştir ki bu Dikey Eksenli Rüzgar Türbinlerini (DERT) için istenilen bir durumdur.

Özet (Çeviri)

Optimization of energy output of small scale wind turbines requires a controller which keeps the wind speed to rotor tip speed ratio at the optimum value. An analytic solution can be obtained if the dynamic model of the complete system is known and wind speed can be anticipated. However, not only aging but also errors in modeling and wind speed prediction prevent a straightforward solution. This thesis proposes to apply a reinforcement learning approach designed to optimize dynamic systems with continuous state and action spaces, to the energy output optimization of Vertical Axis Wind Turbines (VAWT). The dynamic modeling and load control of the wind turbine are accomplished in the same process. The proposed algorithm is a model-free Bayesian Reinforcement Learning using Markov Chain Monte Carlo method (MCMC) to obtain the parameters of an optimal policy. The proposed method learns wind speed profiles and system model, therefore, can utilize all system states and observed wind speed profiles to calculate an optimal control signal by using a Radial Basis Function Neural Network (RBFNN). The proposed method is validated by performing simulation studies on a permanent magnet synchronous generator-based VAWT Simulink model to compare with the classical Maximum Power Point Tracking (MPPT). The results show significant improvement over the classical method, especially during the wind speed transients, promising a superior energy output in turbulent settings; which coincide with the expected application areas of VAWTs.

Benzer Tezler

  1. Bayesian reinforcement learning with MCMC to maximize energy output in hardware-in-the-loop simulations of vertical axis wind turbine

    Dikey eksenli rüzgar türbininin enerji çıktısını büyütmek icin MZMC ile Bayesci pekiştirmeli öğrenme

    USAMAH YAASEEN OSMAN

    Yüksek Lisans

    İngilizce

    İngilizce

    2021

    Mekatronik MühendisliğiSabancı Üniversitesi

    Mekatronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. AHMET ONAT

  2. Markov chain Monte Carlo Algorithm for Bayesian Policy Search

    Bayes Politika Arama için Markov Zinciri Monte Carlo Algoritması

    VAHID TAVAKOL AGHAEI

    Doktora

    İngilizce

    İngilizce

    2019

    Mekatronik MühendisliğiSabancı Üniversitesi

    Mekatronik Mühendisliği Ana Bilim Dalı

    Assoc. Prof. Dr. AHMET ONAT

    DR. SİNAN YILDIRIM

  3. Keyframe demonstration seeded and Bayesian optimized policy search

    Anahtar nokta gösterimlerinden desteklenerek başlatılmış ve Bayessel optimize edilmiş politika öğrenimi

    ONUR BERK TÖRE

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKoç Üniversitesi

    Bilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ BARIŞ AKGÜN

  4. Improving sample efficiency in reinforcement learning control using autoencoders

    Pekiştirmeli öğrenme kontrolde otokodlayıcılar ile örnekleme verimliliğini arttırma

    BURAK ER

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Kontrol ve Otomasyon Mühendisliği Ana Bilim Dalı

    PROF. DR. MUSTAFA DOĞAN

  5. Conditional computation techniques in deep neural networks with conditional information gain

    Derin sinir ağlarında koşullu bilgi kazanımı ile koşullu hesaplama yöntemleri

    UFUK CAN BİÇİCİ

    Doktora

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBoğaziçi Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. LALE AKARUN ERSOY