[論文レビュー] Wind farm yaw control set-point optimization under model parameter uncertainty

Michael F. Howland|arXiv (Cornell University)|Mar 14, 2021

Wind Energy Research and Development参考文献 57被引用数 30

ひとこと要約

本稿では、風速、風向、乱流の変動に加え、キャスケード効果の拡散率などのキャスケードモデルパラメータの不確実性を明示的に取り入れた、風力発電所のヨー制御設定値最適化の確率的プログラミングフレームワークを提案する。アンサンブルカルマンフィルタを用いてパラメータの確率分布を推定することで、特に高周波度の制御器更新において制御のロバスト性が向上するが、高乱流の対流境界層では固有の出力変動のため、統計的に有意な出力向上は観察されなかった。

ABSTRACT

Wake steering, the intentional yaw misalignment of certain turbines in an array, has demonstrated potential as a wind farm control approach to increase collective power. Existing algorithms optimize the yaw misalignment angle set-points using steady-state wake models and either deterministic frameworks, or optimizers which account for wind direction and yaw misalignment variability and uncertainty. Wake models rely on parameterizations of physical phenomena in the mean flow field, such as the wake spreading rate. The wake model parameters are uncertain and vary in time at a wind farm depending on the atmospheric conditions, including turbulence intensity, stability, shear, veer, and other atmospheric features. In this study, we develop a yaw set-point optimization approach which includes model parameter uncertainty, in addition to wind condition variability and uncertainty. The optimization is tested in open-loop control numerical experiments using utility-scale wind farm operational data for which the set-point optimization framework with parameter uncertainty has a statistically significant impact on the wind farm power production for certain wind turbine layouts at low turbulence intensity, but the results are not significant for all layouts considered nor at higher turbulence intensity. The set-point optimizer is also tested for closed-loop wake steering control of a model wind farm in large eddy simulations of a convective atmospheric boundary layer. The yaw set-point optimization with model parameter uncertainty improved the robustness of the closed-loop wake steering control to increases in the yaw controller update frequency. Increases in wind farm power production were not statistically significant due to the high ambient power variability in the turbulent, convective ABL.

研究の動機と目的

• 大気条件とキャスケードモデルパラメータの両方における不確実性下でも、風力発電所のヨー制御のロバスト性が不足しているという問題に対処すること。
• 高価なベイズ的サンプリングを回避するため、キャスケードモデルパラメータの確率分布を推定する計算効率の良い手法を開発すること。
• モデルパラメータの不確実性を組み込むことで、オープンループおよびクローズドループ制御の両状況下で、風力発電所の出力生産性と制御のロバスト性が向上するかを検証すること。
• 風況とキャスケードモデルパラメータの両方の不確実性が、ヨー設定値最適化の結果に与える影響を評価すること。
• 対流境界層における現実的で高精度な大渦シミュレーション（LES）の下で、提案されたフレームワークの性能を評価すること。

提案手法

• 本手法は、風速、風向、乱流の両方の不確実性と、キャスケード拡散率などのキャスケードモデルパラメータの不確実性を統合した確率的プログラミングを用いて、ヨー設定値を最適化する。
• アンサンブルカルマンフィルタ（EnKF）を用いて、SCADA出力データとモデル残差に基づき、キャスケードモデルパラメータの確率分布を推定し、高価なMCMCサンプリングを回避する。
• 風況の確率分布（例えば、現場測定から得られるもの）と推定されたパラメータ分布を統合し、期待される出力生産を計算する。
• 最適化は、電力会社規模の風力発電所データを用いたオープンループ実験と、対流境界層における9機のタービンを含む大渦シミュレーション（LES）を用いたクローズドループ制御の両方でテストされた。
• 制御のロバスト性は、ヨー制御器の更新頻度を変化させ、シミュレーション全体で設定値のばらつきとエネルギー比（Er）の変動を測定することで評価された。
• エネルギー比（Er）は、キャスケードステアリング制御と基準のヨー同期動作との比較に用いられる性能指標である。

実験結果

リサーチクエスチョン

• RQ1 風況の変動に加え、キャスケードモデルパラメータの不確実性を組み込むことで、オープンループヨー制御における風力発電所の出力生産性が向上するか？
• RQ2 制御器の更新頻度が変化する条件下で、モデルパラメータの不確実性を組み込むことで、クローズドループキャスケードステアリング制御のロバスト性にどのような影響を与えるか？
• RQ3 風向、乱流強度、およびキャスケードモデルパラメータの不確実性が、ヨー設定値最適化の結果に与える相対的な影響は何か？
• RQ4 計算効率の良いパラメータ推定手法（例：EnKF）が、キャスケードモデルパラメータの不確実性評価において、高価なベイズ的サンプリングに代わって使用可能か？
• RQ5 高乱流の対流境界層において、自然な変動が著しいにもかかわらず、不確実性を考慮した最適化が統計的に有意な出力向上をもたらすか？

主な発見

• オープンループ実験では、低乱流強度下でのクラスタBにおいて、風況とキャスケードモデルパラメータの両方の不確実性を組み込むことで、統計的に有意な出力生産性の向上が得られたが、クラスタAや高乱流条件下では観察されなかった。
• 風況とモデルパラメータの両方の不確実性を考慮した最適化は、風況の不確実性のみを考慮した場合よりも優れた性能を示し、モデルパラメータの不確実性が設定値設計において重要な要因であることが示された。
• 対流境界層における9機のタービンを含む大渦シミュレーション（LES）のクローズドループシミュレーションでは、不確実性を考慮したフレームワークが、制御器の更新頻度に対するロバスト性を向上させ、更新期間中のヨー設定値のばらつきを低減した。
• ロバスト性の向上にもかかわらず、対流ABLにおけるベースラインの変動が著しい（標準偏差約20％）ため、風力発電所のエネルギー生産に統計的に有意な増加は観察されなかった。
• エネルギー比（Er）のアンサンブル平均は、パラメータと風況の両方の不確実性を考慮した最適化で最も高くなり、全体的な性能安定性が優れていることが示された。
• 決定論的最適化アプローチは、変動する更新周期下で最も悪かった。これは、制御タイミングへの感受性とロバスト性の欠如を示している。