Energy maximization strategies for floating wind farms in a regular layout

Energetic losses due to wakes are a well-known problem in the context of wind farms since they can account to 10-20% of the total Annual Energy Production of a farm. Wakes are especially relevant in floating wind farms, which usually consist of a larger cluster of tur- bines than onshore and bottom-fixed farms. To limit these losses, various strategies for the design and for the control of wind farms have been developed in the last decade. In this thesis, the most famous and the most promising optimization strategies for im- proving the AEP of floating wind farms are implemented and tested on FLORIS. The optimization strategies are applied on a benchmark case defined by the conceptual IEA 15MW turbine type with floating foundations and a regular reference layout composed of 32 turbines. The layout optimization is performed with 3 methods. A simple layout rotation, to find the orientation that maximizes the AEP, leads to an increase by 1% in AEP compared to the benchmark case. The complete layout optimization of the turbine coordinates faces the well-know problems of the design-space multimodality and the choice of appropriate resolution algorithms. A simplified optimization strategy, inspired from the literature, is implemented and provides an increase in AEP by 2.3%. The control optimization is limited to wake steering, thus to the optimization of the turbines yaw angles. The Serial Refine method and the Geometric Yaw Angle method provide an increase in AEP by 3.3% and by 1.6%, respectively. Control co-design of the farm is performed as the sequential optimization of the two phases, leading to a final gain in AEP by 4.6%. The optimizations are also repeated on a bottom-fixed farm to assess the value of model- ing the floating in FLORIS. Finally, in order to reduce the computational cost of the optimization strategies in farms with regular layouts, further analyses assess the opportunity to exploit their repeated pattern.

Le perdite energetiche dovute alle scie sono un problema ben noto nel campo dei parchi eolici. Le scie risultano particolarmente rilevanti in parchi eolici galleggianti, i quali sono solitamente composti da un numero maggiore di turbine rispetto a parchi su terraferma o fissati al fondale. Per limitare queste perdite (che possono rappresentare anche il 20% della Produzione Annuale di Energia di un parco), nell’ultima decade sono state sviluppate svariate strategie da applicare in fase di design o di controllo del parco. In questa tesi, le strategie più diffuse e più promettenti per la massimizzazione dell’AEP di parchi eolici galleggianti sono implementate e testate su FLORIS. Le strategie di ottimizzazione sono applicate a un caso di riferimento definito dalla turbina concettuale IEA 15 MW, a cui viene aggiunto il galleggiamento, e un layout regolare composto da 32 turbine. L’ottimizzazione del layout è effettuata con 3 metodi. Una semplice rotazione del layout, per trovare l’orientamento che garantisce il maggior AEP, porta a un aumento dell’1% rispetto all’AEP del caso di riferimento. L’ottimizzazione completa delle coordinate delle turbine affronta i noti problemi della multimodalità dello spazio delle variabili e della scelta di algoritmi di risoluzione appropriati. Una strategia di ottimizzazione semplificata, ispirata alla letteratura, è implementata e fornisce un aumento dell’AEP del 2.3%. L’ottimizzazione del controllo è limitata al wake steering, quindi all’ottimizzazione degli angoli di yaw delle turbine. Il metodo Serial Refine e il metodo Geometric Yaw Angle forniscono rispettivamente un aumento dell’AEP del 3.3% e del 1.6% Il control co-design del parco eolico viene effettuato come l’ottimizzazione sequenziale delle due fasi, portando a un guadagno finale dell’AEP del 4.6%. Le ottimizzazioni vengono anche ripetute su un parco con fondazioni fisse per valutare il valore della modellazione del galleggiamento in FLORIS. Infine, per ridurre il costo computazionale delle strategie di ottimizzazione in parchi con layout regolari, ulteriori analisi valutano l’opportunità di sfruttare il loro schema ripetuto.