[论文解读] Sensor Setups for State and Wind Estimation for Airborne Wind Energy Converters

Maximilian Ranneberg|arXiv (Cornell University)|Sep 4, 2013

Aerospace Engineering and Energy Systems被引用 4

一句话总结

本文提出一种无迹卡尔曼滤波器，用于在低成本传感器配置下，对空基风能转换器的飞行状态、气动参数和风况进行联合估计。即使仅使用地面传感器，也能实现精确的风速估计，经飞行数据和激光雷达测量验证，有助于提升风能场址评估与控制性能。

ABSTRACT

An unscented Kalman filter with joint state and parameter estimation is proposed for aerodynamics, states and wind conditions for airborne wind energy converters. The proposed estimator relies on different measurement setups. Due to the strict economic constraints of wind energy converters, the sensor setups are chosen with minimal cost and reliability issues in mind. Simulation data with a high fidelity system model and experimental tests using flight data, together with wind measurements obtained using a lidar system for altitude wind measurements, are used for validation. The data was obtained during test flights of the EnerK\\'ite EK30, an airborne wind energy converter currently in research operation in Brandenburg, Germany. Feasible accuracies were achieved even with the simplest of setups and illustrate the gain achievable by airborne sensors. Additionally, the results encourage further research into use of the obtained wind estimates for site assessment.

研究动机与目标

• 解决在不依赖昂贵机载风速计的情况下，对高空风况进行精确估计的挑战。
• 开发一种基于最少且可靠的传感器的低成本状态与风速估计系统，以支持经济运行。
• 通过基于模型的滤波方法，精确估计风速与风向，从而提升控制性能与场址评估能力。
• 利用高保真仿真与EnerKíte EK30平台的真实飞行数据，验证估计器性能。
• 评估传感器配置、飞行轨迹设计及气动参数变化对估计精度与响应时间的影响。

提出的方法

• 在非线性质点质量模型中，采用无迹卡尔曼滤波（UKF）对系统状态、气动参数和风况进行联合估计。
• 实施三种传感器配置：仅使用地面测量（低成本）、增加机载加速度与空速压力传感器（中成本）、以及增加GPS速度/位置测量（高成本）。
• 使用EnerKíte EK30的高保真仿真模型，包含刚体风筝动力学、详细的系绳建模、执行器动力学及真实气动特性。
• 引入对数风切变模型，以表征运行高度范围内垂直方向的风速变化。
• 利用EnerKíte EK30飞行试验的真实飞行数据与同步的激光雷达风速测量（最高达200米）对估计器进行验证。
• 将滤波估计结果与激光雷达测量值对比，以评估在不同风速与湍流条件下的估计精度。

实验结果

研究问题

• RQ1 仅使用低成本地面传感器，能否在空基风能系统中实现精确的风速与风向估计？
• RQ2 增加机载加速度与空速压力传感器，如何提升风速与状态估计的精度与响应时间？
• RQ3 飞行轨迹，尤其是回飞与侧滑动作，对风速与状态估计精度有何影响？
• RQ4 风速估计对气动参数变化（如控制索调整引起的参数变化）的敏感性如何？
• RQ5 基于模型的风速估计能否提供可靠的数据用于风能场址评估，尤其与激光雷达测量结果相比？

主要发现

• 即使仅使用地面传感器，无迹卡尔曼滤波器仍实现了可行的风速估计精度，证明了低成本配置的可行性。
• 在平均运行高度140米处，风速估计值与激光雷达测量值高度相关，验证了模型在真实环境下的准确性。
• 风速估计的响应时间从有空中传感器时的30秒，到无空中传感器时的2分钟不等，表明对短期湍流的分辨能力有限。
• 气动参数变化（如控制索调整）导致风速估计出现暂时的波动，凸显了对系统动态变化的敏感性。
• 未来若能使用完整的空速矢量测量，可显著缩短适应时间并提升湍流评估能力。
• 基于模型的方法在低空速条件下优于直接基于空速的风速估计，尤其在压力传感器噪声大且不准确时表现更优。