Estimation of Wind Speed and Shear on Wind Turbines

Estimering af Vindhastighed og Vindgradient på Vindmøller

Mogensen, Jesper ; Wittendorff, Anders ; Kajgaard, Mikkel Urban

4. term

Control and Automation, Master

2013

2013-06-06

131

Dette projekt udvikler en model for en 5 MW vindmølle, der forudsiger, hvordan den mekaniske struktur bøjer og bevæger sig under påvirkning af vinden. Samtidig udvikles en estimator, der udleder to vindparametre: navhøjde-vindhastighed og vertikal skæring (hvordan vindhastigheden ændrer sig med højden). Vi opstiller principperne for en lineært parametervarierende (LPV) model, hvor parametrene afhænger af driftstilstanden, men på grund af tidsbegrænsninger blev alle systemmatricer for masse, stivhed og dæmpning ikke færdiggjort. I stedet anvendte vi systemmatricer fra en rotorvinkelafhængig linearisering fra NREL FAST-værktøjskassen til MATLAB og validerede modellen mod FAST-simulationer. Sammenlignet med FAST’s ikke-lineære model fungerer den afledte model lovende nær de valgte arbejdspunkter (de betingelser, der ligger til grund for lineariseringen), men nøjagtigheden falder, når input bevæger sig længere væk fra disse punkter. Vi designede også en lineariseret Kalman-estimator, som estimerer de to vindparametre i tilstedeværelse af proces- og målestøj med middelafvigelser på hhv. 1,22 % for navhøjde-vindhastighed og 0,33 % for vertikal skæring.

This project develops a model for a 5 MW wind turbine that predicts how its mechanical structure deflects and moves under incoming wind. In parallel, it designs an estimator that infers two wind characteristics—hub-height wind speed and vertical shear (how wind speed changes with height). We set up the principles of a Linear Parameter-Varying (LPV) model, whose parameters change with operating conditions, but due to time limits we did not complete all system matrices for mass, stiffness, and damping. To proceed, we used system matrices from a rotor-angle-dependent linearization provided by the NREL FAST toolbox for MATLAB, and validated the model against FAST simulations. When compared with FAST’s nonlinear model, the derived model performs well near the chosen operating points (the conditions around which the linearization is made), but its accuracy decreases as inputs move away from those points. We also designed a linearized Kalman estimator that estimates the two wind parameters in the presence of process and measurement noise, achieving mean deviations of 1.22% for hub-height wind speed and 0.33% for vertical shear.

[This abstract was generated with the help of AI]

wind ; turbine ; estimation ; shear ; kalman

Download
View record in AAU Student Projects