Analysis of control system strategies for wind farm performance optimization

In the pursuit of maximizing the efficiency of wind farms, particularly in dense configurations where turbines frequently operate in the wakes of others, this thesis explores the integration of advanced control strategies to enhance power production and ultimately reduce energy costs per megawatt, addressing the financial challenges faced by the wind industry nowadays. The thesis employs a detailed methodology involving the HAWCStab2 tool for aeroservoelastic stability analysis and PyWake for wind farm modelling. By first obtaining the regulation trajectory of the chosen reference turbine, namely the IEA 10 MW turbine model, it presents the implementation of the thrust coefficient minimization derating algorithm. Subsequently, the integration of the deratable turbine within the PyWake environment is achieved. Lastly, a comparative analysis of different control strategies - derating, wake redirection, and their combination - against a baseline scenario is performed, utilizing the OpenMDAO framework for optimization. Findings reveal that the combined strategy promises a potential power production increase of 2.7% compared to the baseline, albeit with variations based on wind speed. The research highlights the numerical instability challenges encountered when solely focusing on power maximization and proposes the multi-start method as a solution to identify the global optimum more efficiently. It underscores the need for a holistic approach, suggesting that integrating load minimization objectives could offer a more robust framework for wind farm control strategies.

Al fine di massimizzare l’efficienza dei parchi eolici, specialmente nelle wind farm caratterizzate da layout complessi in cui le macchine operano venendo investite dalle scie delle turbine sopravento, questa tesi esplora l’integrazione di strategie di controllo avanzate per potenziare la produzione di energia e, in ultima analisi, ridurre i costi dell’energia eolica per megawatt, così da agevolare i progetti e mitigare le sfide finanziarie che l’industria oggi presenta. La tesi impiega una metodologia dettagliata che coinvolge il software HAWCStab2 per l’analisi della stabilità aeroservoelastica e PyWake per la modellazione di parchi eolici, entrambi sviluppati dal dipartimento di Wind Energy della DTU. Dopo aver ottenuto la traiettoria di regolazione della turbina di riferimento scelta, ovvero il modello IEA 10 MW, lo studio si è posto l’obiettivo di applicare uno specifico algoritmo di derating proposto in letteratura (minimizzazione del coefficiente di spinta) alla suddetta turbina. A seguire, la turbina regolabile è stata integrata all’interno dell’ambiente PyWake. La parte consistente del lavoro è stata poi quella di realizzare un’analisi comparativa delle diverse strategie di controllo studiate - derating, deviazione della scia e la loro combinazione - rispetto a uno scenario di base, utilizzando il framework di ottimizzazione multidisciplinare OpenMDAO. I risultati rivelano che la strategia combinata promette un potenziale aumento della produzione di energia del 2,7% rispetto allo scenario di base, sebbene vadano considerate variazioni di tale valore in base alla velocità del vento analizzata. La ricerca evidenzia le sfide di instabilità numerica incontrate quando ci si concentra esclusivamente sulla massimizzazione della potenza e propone il metodo multi-start come soluzione per identificare più efficientemente l’ottimo globale. Viene sottolineata infine la necessità di un approccio olistico, suggerendo che l’integrazione della minimizzazione del carico come obiettivo all’interno del framework di ottimizzazione potrebbe offrire risultati più scientificamente interessanti e spendibili nell’implementazione pratica delle strategie.