申请/专利权人：IFP新能源公司;国家科学研究中心;格勒诺布尔-阿尔卑斯大学;格勒诺布尔综合理工学院

申请日：2020-03-27

公开（公告）日：2024-04-02

公开（公告）号：CN113994087B

主分类号：F03D7/04

分类号：F03D7/04;F03D7/02;G05B17/02

优先权：["20190416 FR FR1904071"]

专利状态码：有效-授权

法律状态：2024.04.02#授权;2022.02.18#实质审查的生效;2022.01.28#公开

摘要：本发明涉及一种通过自动在线选择控制器来控制风力涡轮机的量的方法，该控制器使风力涡轮机疲劳最小化。因此，该方法依赖于控制器列表LIST的仿真离线构造的数据库BDD，以及用于确定风力涡轮机EOL疲劳方面的最优控制器的在线机器学习步骤。因此，该方法允许基于疲劳准则来在线自动选择控制器，并根据测得的风况演变在诸控制器之间切换。

主权项：1.一种控制风力涡轮机EOL的量的方法，所述风力涡轮机的所述量的多个控制器的列表LIST是可用的，其中执行以下步骤：a通过针对所述列表LIST中的每个控制器和多个风数据来仿真代表所述风力涡轮机的疲劳的成本函数，来离线构造数据库BDD，b在线测量风数据X，c通过从所述数据库进行机器学习来针对所述测得的风数据在线确定所述列表LIST中的使所述风力涡轮机的疲劳最小化的控制器CONT，以及d借助于由此确定的所述控制器CONT在线控制所述风力涡轮机EOL的所述量。

全文数据：

权利要求：

百度查询： IFP新能源公司;国家科学研究中心;格勒诺布尔-阿尔卑斯大学;格勒诺布尔综合理工学院 经由机器学习通过选择控制器来控制风力涡轮机的量的方法和系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD