Las redes neuronales son otra técnica del control inteligente que se basa en la forma como trabaja el cerebro humano a través del aprendizaje automático y del entrenamiento. El control de los Sistemas de Conversión de Energía Eólica – SCEE no ha sido ajena a esta técnica de inteligencia artificial y se han desarrollado diferentes controladores con un objetivo común que es mejorar el desempeño de los SCEE. A continuación se revisan algunas investigaciones que han abordado el tema.

En K. L. Shi y Li (2004); Li y colegas (2005) se mostraron las ventajas de la aplicación de una red neural para una pequeña turbina eólica, en donde se verificó la estimación rápida y precisa de la velocidad del viento actual sin el uso del anemómetro y se observó que la potencia mecánica máxima puede ser obtenida en estado estable y dinámico. Adicionalmente, a la red neural se le agregó una función de compensación con el fin de evitar que el coeficiente de potencia se desviara de su valor óptimo. A continuación se presenta la red implementada:

En 2006, Zhang y Li, propusieron una red neural con el fin de estimar el valor de la velocidad del viento sin la utilización de sensores teniendo cmoo entradas a la potencia en el eje del generador y la velocidad angular de la turbina. Esta red fue implementada en una tarjeta FPGA (fiel-programmable-gate array) y fueron realizadas diferentes simulaciones con una turbina eólica pequeña, con mejores resultados con respecto a métodos tradicionales.

En 2006, Bati y leabi, emplearon un sistema de control adaptivo basado en redes neuronales para el control de SCEE de media escala en diferentes condiciones de operación. Este método propuesto consistía de identificadores hacia adelante  y hacia atrás, usados para modelar la dinámica del sistema en ambos sentidos, y adaptar los parámetros del controlador neural que es utilizado para entregar una señal de control al actuador del ángulo de paso. Los resultados de las simulaciones indicaron que esta estrategia de control propuesta es una gran contribución al campo del control en los SCEE.

En 2007, Xiangming y colegas, desarrollaron un controlador PID para el control del ángulo de paso por medio de redes neuronales utilizando el algoritmo de aprendizaje supervisado Hebbina, para un SCEE de velocidad variable y frecuencia constante de 1 MW de potencia nominal.

Las redes neuronales artificiales – ANN están inspiradas en las redes neuronales biológicas del cerebro humano. Están constituidas por elementos que se comportan de forma similar a la neurona biológica en sus funciones más comunes. Estos elementos están organizados de una forma parecida a la que presenta el cerebro humano. Las ANN al margen de “parecerse” al cerebro presentan una serie de características propias del cerebro. Por ejemplo las ANN aprenden de la experiencia, generalizan de ejemplos previos a ejemplos nuevos y abstraen las características principales de una serie de datos.

  • Generalizar: Extender o ampliar una cosa. Las ANN generalizan automáticamente debido a su propia estructura y naturaleza. Estas redes pueden ofrecer, dentro de un margen, respuestas correctas a entradas que presentan pequeñas variaciones debido a los efectos de ruido o distorsión.
  • Aprender: Adquirir el conocimiento de una cosa por medio del estudio, ejercicio o experiencia. Las ANN pueden cambiar su comportamiento en función del entorno. Se les muestra un conjunto de entradas y ellas mismas se ajustan para producir unas salidas consistentes.
  • Abstraer: Aislar mentalmente o considerar por separado las cualidades de un objeto. Algunas ANN son capaces de abstraer la esencia de un conjunto de entradas que aparentemene no presentan aspectos comunes o relativos.

  1. Estimado Jorge, soy seguidor de tu blog. Quisiera saber si puedes ayudarme con un asunto. Esto tratando de poder obtener el modelo de optimización para el control de nivel de un estanque aplicando control predictivo basado en modelo. La verdad no he encontrado información alguna de cómo realizar este modelo de optimización ( Optimizador) para poder utilizar el tool box con que cuenta simulink. Agradecería cualquier tipo de ayuda. De ante mano muchísimas gracias y felicitaciones por tu blog es genial.

    • Hola Cristóbal, disculpa por demorar en responder. No es mi línea de investigación y/o desarrollo, lo lamento. Espero de aca a unos cuantos meses iniciar algo de predictivo, pero todo depende de las nexos de cooperación y colaboración internacional que establezca. Atte Jorge Mírez




Responder

Por favor, inicia sesión con uno de estos métodos para publicar tu comentario:

Logo de WordPress.com

Estás comentando usando tu cuenta de WordPress.com. Cerrar sesión / Cambiar )

Imagen de Twitter

Estás comentando usando tu cuenta de Twitter. Cerrar sesión / Cambiar )

Foto de Facebook

Estás comentando usando tu cuenta de Facebook. Cerrar sesión / Cambiar )

Google+ photo

Estás comentando usando tu cuenta de Google+. Cerrar sesión / Cambiar )

Conectando a %s



A %d blogueros les gusta esto: