Real-Time Repositioning of Floating Wind Turbines Using Model Predictive Control for Position and Power Regulation
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
As offshore wind capacity could grow substantially in the coming years, floating offshore wind turbines (FOWTs) are particularly expected to make a significant contribution to the anticipated global installed capacity. However, FOWTs are prone to several issues due partly to environmental perturbations and their system configuration which affect their performances and jeopardize their structural integrity. Therefore, advanced control mechanisms are required to ensure good performance and operation of FOWTs. In this study, a model predictive control (MPC) is proposed to regulate FOWTs’ power, reposition their platforms to reach predefined target positions and ensure their structural stability. An efficient nonlinear state space model is used as the internal MPC predictive model. The control strategy is based on the direct manipulation of the thrust force using three control inputs, namely the yaw angle, the collective blade pitch angle, and the generator torque without the necessity of additional actuators. The proposed controller accounts for the environmental perturbations and satisfies the system constraints to ensure good performance and operation of the FOWTs. A realistic scenario for a 5-MW reference wind turbine, modeled using OpenFAST and Simulink, has been provided to demonstrate the robustness of the proposed MPC controller. Furthermore, the comparison of the MPC model and a proportional-integral-derivative (PID) model to satisfy the three predefined objectives indicates the superior performances of the MPC controller.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle