Controlador del ángulo de guiñada de un aerogenerador que utiliza redes neuronales artificiales implementadas en un sistema integrado

En esta investigación, las redes neuronales artificiales (RNA) desarrolladas en python se comparan y luego se compilan en una Raspberry pi 4 para generar una señal predictiva de la dirección del viento como aerogenerador Sistema de control de entrada, para maximizar la captación de energía eólica. Se utiliza un conjunto de 12 variables medidas de la estación meteorológica para alimentar la red neuronal, incluido el tiempo, PM10, PM25 y ozono como variables secundarias que permitirán enriquecer la capacidad predictiva factores de la red neuronal, las variables NO, NO2, NOX, y SO2, como variables auxiliares que permitirán fortalecer la validación del comportamiento de la red y finalmente la variables Velocidad del viento, temperatura, humedad relativa y viento dirección como principales variables que aumentarán la predicción eficiencia y con ello, completar la dependencia parcial entre las variables se analiza para mejorar la RNA tiempo de convergencia en el sistema embebido, como trabajo futuro, se permitirá la prueba de un sistema de control incluyendo el control actuadores para optimizar la red

• Tipo de recurso: Trabajo de grado de pregrado
• Fecha de publicación: 2021
• Institución: Universidad Distrital Francisco José de Caldas
• Repositorio: RIUD: repositorio U. Distrital
• Idioma: spa
• OAI Identifier: oai:repository.udistrital.edu.co:11349/28751
• Acceso en línea: http://hdl.handle.net/11349/28751
• Palabra clave: Turbinas de viento; Controlador de red neuronal artificial; Ángulo de guiñada; Dirección del viento; Ingeniería Electrónica - Tesis y disertaciones académicas; Molinos de viento; Inteligencia artificial; Sistemas embebidos; Python (Lenguaje de programación de computadores); Wind Turbines; Artificial Neural Betwork Controller; Yaw Angle; Wind Direction
• License: Atribución-NoComercial-SinDerivadas 4.0 Internacional