[论文解读] Blade Effective Wind Speed Estimation: A Subspace Predictive Repetitive Estimator Approach

Yichao Liu, Atindriyo Kusumo Pamososuryo+3 more|arXiv (Cornell University)|Apr 7, 2021

Wind Energy Research and Development参考文献 17被引用 4

一句话总结

该论文提出了一种子空间预测重复估计器（SPRE），通过叶片载荷测量来估计叶片有效风速（BEWS），利用与方位角相关的锥形系数来建模风速-载荷动态关系。该方法成功捕捉了周期性风速变化，并识别出风切变和尾迹干扰，从而在复杂流入条件下（包括剪切流和尾迹冲击流）实现了精确的BEWS估计。

ABSTRACT

Modern wind turbine control algorithms typically utilize rotor effective wind speed measured from an anemometer on the turbine's nacelle. Unfortunately, the measured wind speed from such a single measurement point does not give a good representation of the effective wind speed over the blades, as it does not take the varying wind condition within the entire rotor area into account. As such, Blade Effective Wind Speed (BEWS) estimation can be seen as a more accurate alternative. This paper introduces a novel Subspace Predictive Repetitive Estimator (SPRE) approach to estimate the BEWS using blade load measurements. In detail, the azimuth-dependent cone coefficient is firstly formulated to describe the mapping between the out-of-plane blade root bending moment and the wind speed over blades. Then, the SPRE scheme, which is inspired by Subspace Predictive Repetitive Control (SPRC), is proposed to estimate the BEWS. Case studies exhibit the proposed method's effectiveness at predicting BEWS and identifying wind shear in varying wind speed conditions. Moreover, this novel technique enables complicated wind inflow conditions, where a rotor is impinged and overlapped by wake shed from an upstream turbine, to be estimated.

研究动机与目标

• 为解决短舱风速计无法捕捉叶轮盘面空间变化风速的局限性。
• 通过估计叶片有效风速（BEWS）而非依赖单点轮毂测量，以提升风力机控制性能。
• 开发一种能够识别时变风况（包括风切变和尾迹引起的速度亏损）的方法。
• 仅利用叶片载荷测量实现实时BEWS估计，避免额外传感器需求。

提出的方法

• 构建与方位角相关的锥形系数，将叶片根部平面外弯曲力矩映射为每片叶片的有效风速。
• SPRE算法源自子空间预测重复控制（SPRC），利用旋转叶轮上风流入的周期性特征。
• 估计器采用递归、滚动时域优化方法，以最小化实测与预测叶片载荷之间的误差。
• 通过使用载荷测量和锥形系数模型求解子空间辨识问题，实现每片叶片的BEWS估计。
• 通过三片叶片估计的BEWS平均值计算出叶轮有效风速（REWS）。
• 在FAST-Simulink联合仿真中，基于NREL 5MW参考风力机模型对方法进行验证。

实验结果

研究问题

• RQ1 仅通过叶片载荷测量能否准确估计BEWS，而无需直接的风速传感器？
• RQ2 SPRE估计器在叶轮盘面风切变引起的周期性风速变化中，捕捉能力如何？
• RQ3 SPRE方法能否检测并估计尾迹-转子重叠效应（如速度亏损及其传播）？
• RQ4 在风速发生突变（如阶跃增加）时，SPRE估计器表现如何？
• RQ5 SPRE方法能否区分不同流入模式，如均匀剪切流与非均匀尾迹冲击流？

主要发现

• 在轮毂风速从8 m/s阶跃增加至15 m/s时，SPRE估计器准确跟踪了BEWS，预测的叶片根部弯曲力矩与FAST仿真结果高度吻合。
• 在均匀剪切风条件下，BEWS表现出明显的周期性波动，对应于方位角方向的变化，SPRE估计器成功捕捉了这些波动。
• 在尾迹-转子重叠期间，SPRE方法在特定转子区域（如100°和290°方位角）检测到速度亏损，表明成功识别了尾迹干扰。
• 在尾迹冲击初始阶段（350–450 s）出现估计误差，但因滚动时域优化，误差随时间收敛。
• 在剪切流和尾迹冲击场景中，估计的REWS均与参考值高度一致，证实了BEWS估计的鲁棒性。
• 通过观测BEWS波动在不同方位角随时间的演变，SPRE方法可实现对尾迹传播方向的检测。