風力タービンのピッチ制御のためのファジィ制御と強化学習の組み合わせ

要旨 風力タービン（WT）におけるピッチ制御信号の生成は、システムの非線形ダイナミクスと内部変数の結合により簡単ではなく、さらに風のランダムな性質から生じる不確実性にも影響される。ファジィ論理は、変化するシステムパラメータや不確実性が関連する応用において有用であることが証明されているが、ファジィ論理制御器（FLC）のパラメータの調整は簡単でも容易でもない。一方、強化学習（RL）は、システムが自動的に学習することを可能にし、この能力を利用してFLCを調整できる。本研究では、RLを用いてファジィ制御器のメンバーシップ関数を調整し出力をスケーリングするWTピッチ制御アーキテクチャを提案する。RL戦略は、風速に応じてWTの出力電力誤差を減らすためにファジィ制御器ゲインを計算する。出力電力誤差に基づく異なる報酬メカニズムが考慮されている。異なる風プロファイルを用いたシミュレーション結果は、このアーキテクチャがRLなしのFLC（133.2 W）やより単純なPID（208.8 W）よりも出力電力誤差の面で優れている（123.7 W）ことを示している。さらに、スムーズな応答を提供し、RL-PIDやラジアルベーシス関数ニューラルネットワーク制御などの他のハイブリッド制御器を上回る。