Verification of two operational modal analysis tools on simulated and full-scale OWTs

Offshore wind turbines (OWT) are rather complex structures to dynamically analyze in terms of accessibility and load modeling. The usage of output-only methods, such as operational modal analysis (OMA), represents a powerful solution. Two OMA tools with distinct complexity levels are chosen to be validated: a simpler and partially manual tool for a single accelerometer measure (OMA Sing); and a more mathematically complex and fully automated solution, so-called Covariance driven Stochastic Subspace Identification (OMA SSI-COV). They are applied in simulated and full-scale Alpha Ventus 5MW OWTs data. The FAST model provides a great source of validation since it guarantees OMA strong assumptions of linearity and white noise excitation. The OMA tools aimed to identify the closely spaced fore aft (along wind) and side to side (cross wind) tower bending modes. Significant different damping orders of magnitude are observed for the orthogonal modes in both extraction methods. Moreover, the automated solution presented a worsened identification performance for highly damped responses, with evident larger variability for above rated wind speed seeds. The procedures pursued in the given thesis is based on the National Renewable Energy Laboratory (NREL) OC5 project procedures. From the FAST model verification and tuning to the load cases (LCs) generation, the methodology provided the means to validate the OMA tools and identify the tower modes.

Le Turbine Eoliche Offshore (OWT) sono strutture piuttosto complesse da analizzare dinamicamente in termini di accessibilità e modellazione del carico. L'utilizzo di soli-output metodi, come l'Analisi Modale Operativa (OMA), rappresenta una soluzione potente. Due strumenti OMA con livelli di complessità distinti sono scelti per validazione: uno strumento più semplice e parzialmente manuale per l'accelerometro singolo (OMA Sing); e una soluzione matematicamente più complessa e completamente automatizzata, la identificazione Stocastica del Sottospazio guidata dalla Covarianza (OMA SSI-COV). Sono applicati in dati delle Alpha Ventus 5MW OWT sia simulati dati che su larga scala data. Il modello FAST fornisce un'ottima fonte di convalida poiché garantisce i OMA forti ipotesi di linearità ed eccitazione del rumore bianco. Gli strumenti OMA vengono applicati con l'obiettivo di identificare i vicini modalità di vibrazione della torre di prua a poppa (lungo vento) e da lato a lato (vento trasversale). Si osservano significativi diversi ordini di grandezza di smorzamento per le modalità ortogonali in entrambi i metodi di estrazione. Tuttavia, la soluzione automatizzata ha presentato un peggioramento delle prestazioni di identificazione per una risposta altamente smorzata, con un'evidente maggiore variabilità per i semi di velocità del vento superiori a quelli nominali. La metodologia perseguita nella tesi si basa sulle procedure del progetto OC5 del National Renewable Energy Laboratory (NREL). Dalla verifica e messa a punto del modello FAST alla generazione dei casi di carico (LC), fornendo i mezzi per convalidare gli strumenti OMA e identificare le modalità della torre.