[论文解读] Optimal Control for Wind Turbine Wake Mixing on Floating Platforms

Maarten J. van den Broek, Daniël van den Berg+2 more|arXiv (Cornell University)|Oct 31, 2022

Wind Energy Research and Development被引用 14

一句话总结

本文提出了一种用于浮式风力涡轮机动态失速控制的新型伴随优化控制框架，通过自动微分将二维无涡流尾迹模型与浮式平台水动力学耦合。该方法通过在反共振频率下激发尾迹失稳，实现7%的平均功率输出提升，同时最小化转子位移并支持大范围推力变化。

ABSTRACT

Dynamic induction control is a wind farm flow control strategy that utilises wind turbine thrust variations to accelerate breakdown of the aerodynamic wake and improve downstream turbine performance. However, when floating wind turbines are considered, additional dynamics and challenges appear that make optimal control difficult. In this work, we propose an adjoint optimisation framework for non-linear economic model-predictive control, which utilises a novel coupling of an existing aerodynamic wake model to floating platform hydrodynamics. Analysis of the frequency response for the coupled model shows that it is possible to achieve wind turbine thrust variations without inducing large motion of the rotor. Using economic model-predictive control, we find dynamic induction results that lead to an improvement of 7% over static induction control, where the dynamic controller stimulates wake breakdown with only small variations in rotor displacement. This novel model formulation provides a starting point for the adaptation of dynamic wind farm flow control strategies for floating wind turbines.

研究动机与目标

• 开发一种控制策略，通过利用动态失速控制增强浮式风电场的尾迹混合。
• 解决平台引起的动态响应与共振问题，这些因素使浮式涡轮机的推力调节复杂化。
• 通过将无涡流尾迹模型与线性水动力平台模型耦合，实现浮式风力涡轮机的基于梯度的最优控制。
• 在推力调节过程中最小化转子位移，以避免功率损失与机械应力。
• 探索最优激励频率，以最大化尾迹失稳，同时避免共振平台模态。

提出的方法

• 采用带有动量盘表示的二维无涡流尾迹模型模拟风力涡轮机尾迹，支持拉格朗日粒子追踪以适配转子运动。
• 将具有纵荡与俯仰自由度的浮式平台线性水动力模型与气动模型耦合，以捕捉平台动力学。
• 使用自动微分替代手动伴随推导，实现非线性经济模型预测控制（EMPC）的高效梯度计算。
• 实施滚动时域EMPC框架，预测时域为100个时间步长（360秒），每步进行50次优化迭代。
• 目标函数最大化平均功率输出，控制信号每时间步使用优化序列中的第一个样本进行更新。
• 对耦合系统的频率响应分析识别出平台运动最小化的反共振频率，从而在低转子位移下实现大范围推力变化。

实验结果

研究问题

• RQ1 动态失速控制能否在不因平台动力学引起过度转子运动的情况下有效应用于浮式风力涡轮机？
• RQ2 何种最优激励频率可使尾迹失稳最大化，同时最小化平台引起的转子位移？
• RQ3 气动尾迹动力学与浮式平台水动力学的耦合如何影响动态失速控制的性能？
• RQ4 与静态或正弦失速控制相比，经济模型预测控制在浮式平台上的平均功率输出可提升多少？
• RQ5 自动微分能否简化风力农场控制中混合气动-水动系统基于伴随的优化过程？

主要发现

• 通过非线性EMPC获得的最优控制信号使平均总功率输出达到11.2 MW，相比静态失速控制提升7%。
• 该动态失速信号相比正弦激励提升了2.4%，后者在先前模拟中产生10.92 MW的功率输出。
• 最优控制信号的主要频率为0.017 Hz（St = 0.30），位于机舱位移频率响应的反共振点附近，从而最小化转子运动。
• 平台纵荡运动是机舱位移的主要驱动因素，而俯仰运动影响较小，尽管推力变化较大，转子位移仍保持极低。
• 最优激励频率（0.017 Hz）显著高于先前固定基座涡轮机研究中发现的0.02 Hz（St = 0.20），表明浮式平台动力学具有显著影响。
• 上游功率对精确频率的敏感性较低，使优化器能够选择最大化尾迹混合的频率，同时避开会限制控制能力的共振平台模态。