풍력발전기;상기 풍력발전기를 기준위치로 하여 소정 거리 이격되어 구비되며, 시계열 풍황 데이터를 측정하는 복수의 풍황 측정 센서;상기 풍황 측정 센서로부터 측정된 시계열 풍황 데이터로부터 기준위치에서 미래의 예측 풍황 데이터를 생성하는 예측 풍황 데이터 생성부;상기 예측 풍황 데이터에 근거하여 상기 풍력발전기의 발전효율을 증가시킬 수 있도록 상기 풍력발전기에 적용되는 제어 알고리즘을 학습시켜 제어 변수를 생성하는 제어 알고리즘 학습부; 및상기 제어 변수에 따라 상기 풍력발전기를 제어하는 제어부를 포함하며,상기 제어 변수는,상기 풍력발전기의 블레이드의 피치(pitch) 및 회전속도, 타워의 요(yaw) 각도 및 틸트(tilt) 각도 중 적어도 하나를 포함하며,상기 제어 알고리즘 학습부는,손실 함수(Loss Function)의 형태로 발전량의 변화를 피드백하며,상기 손실 함수에 의한 결과값이 가장 작아지는 방향으로 상기 제어 변수를 설정하는 미래 풍황 예측을 통한 풍력발전 시스템.

제1 항에 있어서,상기 예측 풍황데이터 생성부는 생성적적대신경망(GANs, Generative Adversarial Networks)으로 학습하여 미래의 예측 풍황 데이터를 생성하는 미래 풍황 예측을 통한 풍력발전 시스템.

제2 항에 있어서,상기 제어 알고리즘 학습부는,상기 풍력발전기의 현재 상태에 대한 데이터를 상기 풍력발전기로부터 수신하며, 상기 제어 변수의 변화에 따른 발전효율의 변화를 학습시키는 미래 풍황 예측을 통한 풍력발전 시스템.

삭제

삭제

제3 항에 있어서,상기 제어 알고리즘 학습부는 인공지능을 심층 결정론적 정책 경사법(DDPG,Deep Deterministic Policy Gradient)으로 학습시키는 미래 풍황 예측을 통한 풍력발전 시스템.

제1 항에 있어서,상기 제어부는 상기 풍력발전기에 구비된 센서로부터 현재 풍황을 측정하며,상기 예측 풍황 데이터와 상기 현재 풍황 값의 오차를 반영하여 상기 풍력발전기를 제어하는 미래 풍황 예측을 통한 풍력발전 시스템.

풍력발전기가 설치된 기준위치로부터 소정거리 내의 다 지점에서 시계열 풍황 데이터를 측정하는 단계;상기 시계열 풍황 데이터를 근거로 현재 시점 이후의 상기 기준위치에서의 예측 풍황 데이터를 생성하는 단계;상기 예측 풍황 데이터에 근거하여 상기 풍력발전기의 발전효율을 증가시킬 수 있도록 상기 풍력발전기에 적용되는 제어 알고리즘을 학습시켜 제어 변수를 생성하는 단계; 및상기 생성된 제어 변수를 근거로 상기 풍력발전기를 제어하는 단계를 포함하며,상기 제어 변수는,상기 풍력발전기의 블레이드의 피치(pitch) 및 회전속도, 타워의 요(yaw) 각도 및 틸트(tilt) 각도 중 적어도 하나를 포함하며,상기 제어 알고리즘의 학습은,손실 함수(Loss Function)의 형태로 발전량의 변화를 피드백하며,상기 손실 함수에 의한 결과값이 가장 작아지는 방향으로 상기 제어 변수를 설정하도록 수행되는 미래 풍황 예측을 통한 풍력발전기 제어방법.

제8 항에 있어서,상기 예측 풍황 데이터는 생성적적대신경망(GANs, Generative Adversarial Networks)을 근거로 생성된 현재로부터 미래의 일정기간동안의 풍황에 대한 정보를 포함하는 미래 풍황 예측을 통한 풍력발전기 제어방법.

제9 항에 있어서,상기 제어 알고리즘의 학습은,상기 풍력발전기의 현재 상태에 대한 데이터를 상기 풍력발전기로부터 수신하며, 상기 제어 변수의 변화에 따른 발전효율의 변화를 기반으로 수행되는 미래 풍황 예측을 통한 풍력발전기 제어방법.

삭제

삭제

제10 항에 있어서,상기 제어 알고리즘의 학습은 인공지능을 심층 결정론적 정책 경사법(DDPG,Deep Deterministic Policy Gradient)으로 학습시켜 수행되는 미래 풍황 예측을 통한 풍력발전기 제어방법.

제8 항에 있어서,상기 풍력발전기를 제어하는 단계는 상기 풍력발전기에 구비된 센서로부터 현재 풍황을 측정하며,상기 예측 풍황 데이터와 상기 현재 풍황 값의 오차를 반영하여 상기 제어 변수를 갱신하는 미래 풍황 예측을 통한 풍력발전기 제어방법.