Innovative control strategy of a wind farm based on artificial intelligence

During the operation of a wind farm, wind stream is disturbed due to the interactions among the wakes of the upstream and downstream wind turbines. This wake effect leads to a decrease in the velocity of the wind received by the downstream aerogenerators, and, consequently, to a loss of energy production. This thesis investigates the possibility of a controlled non-zero yaw angle to the upstream wind turbines in order to deviate the wake, so that the downstream turbines receive a less disturbed wind and the energy production increases. A Matlab® model, which takes into consideration the wake effects and how they change with the modification of the yaw, is implemented. The Stornarella wind farm (FG), Puglia, Italy is chosen as a reference wind farm and the wind data are taken from an anemometric campaign close to the site and available on internet by Arpa Puglia. In a real case situation, in order to apply this technique, a wind forecast is needed to know in advance the wind speed and wind direction and know how to regulate the yaw of the turbines in the future. Several solutions of wind forecasting using Artificial Neural Network are found in literature. The second part of the thesis is an investigation among the more promising solutions with some improvements added. A framework is developed, which utilizes Recurrent Neural Networks based on Gated Recurrent Units (GRUs) to predict the wind speed and direction. Subsequently, a Genetic Algorithm is used to optimize the yaw angles of the wind turbines and consequently maximizing the energy output as calculated by the numerical wind farm Matlab® model based on Jensen’s wake model. Ultimately, several scenarios are implemented. Every scenario highlights different aspects taking into consideration the difficulties of wind prediction and proposing an error control strategy. The results indicate that, with a very accurate wind prediction, it is possible to achieve an increase of around 1.4% in annual energy production, which can lead to an appreciable increase in revenues.

Durante il funzionamento di un parco eolico, il flusso del vento è disturbato a causa dell'interazione tra le scie delle turbine eoliche. Questo effetto scia porta ad una diminuzione della velocità del vento ricevuto dagli aerogeneratori a valle e, di conseguenza, ad una perdita di produzione di energia. La soluzione studiata in questo lavoro è l'applicazione di un angolo di yaw diverso da zero alle turbine eoliche a monte per deviare la scia, in modo che le turbine a valle ricevano un vento meno disturbato e la produzione di energia aumenti. Viene implementato un modello Matlab® che considera gli effetti di scia e come cambiano con la modifica dell’angolo di yaw. Il parco eolico di Stornarella (FG), Puglia, Italia, è stato scelto come parco eolico di riferimento e i dati del vento sono rilevati da una campagna anemometrica vicina al sito e resa disponibile su Internet da Arpa Puglia. In un caso reale di parco eolico, per applicare questa tecnica, è necessaria una previsione del vento per conoscere in anticipo velocità e direzione e sapere come regolare gli yaw delle turbine in futuro. In letteratura sono presenti diverse soluzioni di previsione del vento che utilizzano Artificial Neural Networks. La seconda parte della tesi prende in esame le soluzioni più promettenti con l’aggiunta di alcuni miglioramenti. Viene sviluppato un framework che utilizza Recurrent Neural Networks basate su Gated Recurrent Unit (GRUs) per prevedere la velocità e la direzione del vento. Successivamente, un algoritmo genetico è utilizzato per ottimizzare gli angoli di yaw delle turbine eoliche e conseguentemente massimizzare la produzione di energia annuale, calcolata tramite il modello numerico del parco eolico basato sul modello di scia di Jensen. Vengono analizzati infine diversi scenari. Ognuno di essi evidenzia diversi aspetti tenendo conto delle difficoltà di previsione del vento e proponendo una strategia di controllo degli errori. I risultati indicano che, con una previsione del vento molto accurata, è possibile ottenere un aumento di circa 1.4% della produzione annua di energia, che può portare ad un apprezzabile aumento dei ricavi.