[논문 리뷰] Wind farm yaw control set-point optimization under model parameter uncertainty

Michael F. Howland|arXiv (Cornell University)|2021. 03. 14.

Wind Energy Research and Development참고 문헌 57인용 수 30

한 줄 요약

이 논문은 풍력단지의 양자 제어 설정 최적화를 위한 확률적 프로그래밍 프레임워크를 제안하며, 와이크 스프레딩률과 같은 와이크 모델 파라미터의 불확실성과 바람 조건의 변동성을 명시적으로 고려한다. SCADA 전력 데이터와 모델 잔차를 기반으로 앙상블 컨다 링 필터링(EnKF)을 사용하여 파라미터의 확률 분포를 추정함으로써, 고주파수 제어 업데이트 조건에서도 대규모 난류 시뮬레이션에서 제어의 강건성을 향상시킨다. 그러나 고도로 난류적인 대류 경계층에서는 본질적인 전력 변동성으로 인해 통계적으로 유의미한 전력 향상은 관찰되지 않았다.

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.

연구 동기 및 목표

• 대기 조건과 와이크 모델 파라미터의 불확실성에 기인한 풍력단지 양자 제어의 강건성 부족 문제를 해결하기 위해.
• 비용이 많이 드는 베이지안 샘플링을 피하면서도 와이크 모델 파라미터의 확률 분포를 계산적으로 효율적으로 추정하는 방법을 개발하기 위해.
• 모델 파라미터 불확실성을 통합함으로써 풍력단지의 전력 생산성과 제어 강건성이 개선되는지 여부를 오픈-루프 및 클로즈드-루프 제어 시나리오에서 테스트하기 위해.
• 바람 조건과 와이크 모델 파라미터의 불확실성이 양자 설정 최적화 결과에 미치는 영향을 평가하기 위해.
• 실제 고해상도 대류 대기 경계층에서의 대규모 난류 시뮬레이션(Large Eddy Simulations, LES) 환경에서 제안된 프레임워크의 성능을 평가하기 위해.

제안 방법

• 이 방법은 바람 조건(풍속, 풍향, 난류도)과 와이크 모델 파라미터(예: 와이크 스프레딩률)의 공동 불확실성을 고려하여 양자 설정 최적화를 수행하는 데 확률적 프로그래밍을 사용한다.
• 비용이 많이 드는 MCMC 샘플링을 피하기 위해, SCADA 전력 데이터와 모델 잔차를 기반으로 앙상블 컨다 링 필터링(EnKF)을 사용하여 와이크 모델 파라미터의 확률 분포를 추정한다.
• 풍력단지의 기대 전력 생산량을 계산하기 위해, 현장 측정 자료에서 유래한 바람 조건의 확률 분포와 추정된 파라미터 분포를 통합한다.
• 최적화는 전력망 규모의 풍력단지 데이터를 사용한 오픈-루프 실험과 대류 경계층에서 9기의 풍력 터빈을 포함한 대규모 난류 시뮬레이션(Large Eddy Simulations, LES)을 통한 클로즈드-루프 제어에서 테스트된다.
• 제어기 업데이트 주기의 변화에 따라 양자 제어기의 설정 최적화 및 에너지 비율(Er)의 변동성을 측정함으로써 제어의 강건성을 평가한다.
• 에너지 비율(Er)은 성능 지표로 사용되며, 와이크 스트리밍 제어를 기준으로 한 양자 정렬 운영과 비교한다.

실험 결과

연구 질문

• RQ1 바람 조건의 변동성 외에도 와이크 모델 파라미터의 불확실성을 통합함으로써 오픈-루프 양자 제어에서 풍력단지의 전력 생산성이 향상되는가?
• RQ2 다양한 제어기 업데이트 주기에서, 모델 파라미터 불확실성을 포함한 클로즈드-루프 와이크 스트리밍 제어의 강건성은 어떻게 영향을 받는가?
• RQ3 풍향, 난류 강도, 와이크 모델 파라미터 불확실성의 상대적인 영향은 양자 설정 최적화 결과에 어떤가?
• RQ4 비용이 많이 드는 베이지안 샘플링을 대체할 수 있는 계산적으로 효율적인 파라미터 추정 방법(예: EnKF)은 와이크 모델 파라미터의 불확실성 정량화에 활용될 수 있는가?
• RQ5 고도로 난류적인 대류 경계층에서는 높은 자연적 변동성에도 불구하고, 불확실성 인식 최적화가 여전히 통계적으로 유의미한 전력 향상을 가져오는가?

주요 결과

• 오픈-루프 실험에서, 저난류 강도 조건에서 클러스터 B의 경우 바람 조건과 와이크 모델 파라미터 불확실성을 모두 통합한 결과 통계적으로 유의미한 전력 생산성 향상이 관찰되었지만, 클러스터 A 또는 고난류 조건에서는 그렇지 않았다.
• 바람 조건과 와이크 모델 파라미터 불확실성 양쪽을 고려한 최적화가 바람 조건 불확실성만 고려한 경우보다 우수한 성능을 보였으며, 이는 모델 파라미터 불확실성이 설정 최적화 설계에서 중요한 요소임을 시사한다.
• 대류 경계층에서의 클로즈드-루프 LES 시뮬레이션에서, 불확실성 인식 프레임워크는 제어기 업데이트 주기 변화에 대한 강건성을 향상시키고 설정 최적화의 변동성을 감소시켰다.
• 강건성 향상에도 불구하고, 대류 ABL에서의 기저 변동성이 높아 표준편차 약 20%이므로, 풍력단지의 에너지 생산성 향상은 통계적으로 유의미하지 않았다.
• 에너지 비율(Er)의 앙상블 평균은 파라미터와 바람 조건 불확실성 양쪽을 고려한 최적화에서 가장 높았으며, 이는 전체 성능 안정성의 우수성을 시사한다.
• 결정론적 최적화 방법은 변화하는 업데이트 주기 조건에서 가장 열악한 성능을 보였으며, 이는 제어 타이밍에 민감하고 강건성이 떨어짐을 나타낸다.