שיפור ביצועים דינמי של זווית כנף מתכווננת עבור מערכות ייצור רוח בהתבסס על טכניקות בקרה של רשתות עצביות מלאכותיות

אנרגיית רוח חכמה יותר לחיי היומיום

ככל שיותר מהחשמל שלנו מגיע מהרוח, שמירה על תאורה ותשתיות בזמן רוחות פתאומיות ותקופות של דממה נעשית מאזן עדין. מחקר זה בוחן כיצד למידת מכונה שמתזמרת את נטיית להבי הטורבינה בזמן אמת יכולה לעזור לחוות רוח לספק חשמל יציב ויעיל יותר לרשת, גם כאשר מזג האוויר בלתי צפוי.

מדוע קשה להשיג כוח רוח יציב

אנרגיית הרוח נקייה ושופעת, אבל הרוח עצמה אף פעם אינה קבועה. כאשר מהירות הרוח עולה מדי, יש להגן על הטורבינות מפני עומסים מכניים; כאשר היא יורדת, כל תנועה חשובה. טורבינות מודרניות מתמודדות עם זאת על ידי שינוי זווית הלהבים — תהליך המכונה בקרת זווית (pitch control) — כך שמהירות הסיבוב ותפוקת החשמל יישארו קרובים לערכים האידיאליים. שיטות בקרה מסורתיות משתמשות בכלליים פשוטים המותאמים למודל מתמטי של הטורבינה. שיטות אלו עובדות, אך עשויות להתקשות בהתנהגות הלא־ליניארית והסבוכה של הרוח האמיתית, לפעמים מגיבות לאט מדי או עושות חריגה מהמטרות.

ללמד טורבינה "לקרוא" את הרוח

החוקרים התמקדו בתכנון טורבינה גדול נפוץ המשתמש בגנרטור אינדוקציה בהזנה כפולה בדירוג 1.5 מגה־ואט. הם השוו שלושה סוגי בקרות לזווית הלהב. הראשון היה בקר PID המוכר, שמגיב להפרש בין העוצמה הרצויה לעוצמה בפועל או בין המהירות הרצויה למהירות בפועל. השני היה גרסה פרקציונלית גמישה יותר של בקר זה. המשפחה השלישית השתמשה ברשתות עצביות מלאכותיות שלומדות מהנתונים כיצד להגיב בצורה מיטבית. בתוך משפחה זו הצוות בחן שלושה עיצובים: רשת מזינה רב־שכבתית (multilayer feedforward), רשת מזינה מפוצלת (cascade forward) ורשת אלמן חוזרת (Elman recurrent) היכולה לזכור התנהגויות קודמות לאורך זמן.

בחינה של הבקרה החכמה בתנאי אמת

כדי לבדוק כיצד השיטות הללו מתנהגות בתנאים ריאליסטיים, הצוות הריץ סימולציות מפורטות ב‑MATLAB ו‑Simulink תוך שימוש ברישומי מהירות רוח אמיתיים. הם בחנו שלושה סוגי שינויים ברוח: קפיצות פתאומיות, עליות/ירידות חלקות (ramps) ותבניות אקראיות בלתי סדירות מאוד. בכל מקרה הם עקבו אחר יכולת הבקרים לשמור על כוח מכני קרוב לערך המדורג תוך הגבלת שינויים חדים בזווית הלהב. כל בקרי הרשת העצבית הקטינו את השגיאה בהשוואה לשיטות המסורתיות, אך עיצוב ה‑multilayer feedforward בלט. הוא הגיע לרמת הכוח הרצויה מהר יותר, עם הבדלים יציבים קטנים יותר, והשיג את השגיאה הממוצעת בריבוע הנמוכה ביותר בכל המבחנים.

רווחים ביעילות ובהגנה על המערכת

בעת קפיצות רוח פתאומיות, בקר הרשת העצבית שמר על הטורבינה בתפעול סביב כ‑98.9 אחוז מהדירוג שלה, גבוה באופן ניכר משני הבקרים הסטנדרטיים. במהלך שינויים הדרגתיים ואקראיים הוא גם סיפק יעילות גבוהה יותר ותנודות כוח קטנות יותר. על ידי התאמת זווית הלהב בצורה חלקה יותר, הוא עזר לשמור על השילוב הטוב ביותר בין מהירות הלהב ותפיסת הרוח תוך הפחתת עומס מכני שיכול לקצר את חיי הטורבינה. אף על פי שעיצובים אחרים של רשתות עצביות גם הם הופיעו טובים, הם דרשו מאמץ חישובי גדול יותר ללא השגת אותו איזון של מהירות ודיוק.

מה משמעות הדבר לחוות רוח בעתיד

באופן פשוט, המחקר מצביע על כך שרשת עצבית מאומנת היטב יכולה לפעול כמו מפעיל מיומן הצופה בשמיים ומכייל באופן רציף את להבי הטורבינה לטובת בטיחות ותפוקה. מבין האופציות שנבדקו, רשת ה‑multilayer feedforward סיפקה את הבקרה המדויקת והמתאימה ביותר, שמרה על הכוח קרוב ליעד והפחיתה בלאי על החומרה. כשהבקרים החכמים האלה יעברו מהסימולציה לטורבינות אמיתיות, הם יכולים לסייע לחוות רוח לספק אנרגיה נקייה אמינה יותר ללא צורך בציוד חדש מהותי — פשוט על ידי ניצול טוב יותר של כל רצועת רוח.

ציטוט: Ameen, A.G., Mohamed, S., Abdel-Jaber, G.T. et al. Dynamic performance enhancement of adjustable blade pitch angle for wind generation system applications based on artificial neural network control techniques. Sci Rep 16, 16294 (2026). https://doi.org/10.1038/s41598-026-53411-9

מילות מפתח: בקרת טורבינת רוח, זווית זווית הלהב, רשת עצבית, אנרגיה מתחדשת, גנרטור אגירה אינדוקציה עם הזנה כפולה