Impact of wake steering and induction control on performance and loads in a floating wind farm

Global efforts in energy harvesting are increasingly shifting towards renewable resources, among which wind energy stands out. Through wind farms — arrays of wind turbines — wind energy is harnessed with an increasingly promising Levelized Cost of Energy (LCoE). Indeed, given the significant economic investment required, it is crucial that farms extract energy at the lowest possible cost. To achieve this, a series of control actions have been developed based on atmospheric conditions and turbines layout. To test out these control strategies and describe the complexity of the phenomena in action, the research in this field is based on simulation of these systems using wake modeling tools (WMTs). There are various types of WMTs, chosen based on computational cost and modeled dynamics. Among these, FAST.Farm and FLORIS, a mid-fidelity and low-fidelity tool respectively, are adopted in this thesis work. In particular, the Empirical Gaussian Model (EGM) has been selected to describe the wake in FLORIS. The main objective of this work is to optimize the performance of a floating wind farm using wake steering strategies, with a focus on maximizing power generation and minimizing structural loads, evaluated through Damage Equivalent Load (DEL). To support this, a tuning process was developed for a two-turbine, offshore, bottom-fixed wind farm, aimed at minimizing the differences of the two WMTs, enabling FLORIS, more time-efficient than FAST.Farm, to be applied in more complex scenarios. The findings were further refined by incorporating the Wake-Added Turbulence module in FAST.Farm, which, by modeling wake-induced turbulence, highlighted how loads are significantly underestimated when this module is not included.

Gli sforzi globali nella cattura di energia si stanno spostando sempre di più verso le risorse rinnovabili, tra queste spicca l’energia eolica. Attraverso i parchi eolici — matrici di turbine eoliche — l’energia del vento viene estratta con un costo livellizzato dell’energia (LCoE) via via più promettente. Difatti, visti gli investimenti economici richiesti, è fondamentale che i parchi eolici estraggano energia al minor costo possibile. Per ottenere ciò, è stata sviluppata una serie di azioni di controllo basate sulle condizioni atmosferiche e sulla disposizione delle turbine. Per testare queste strategie di controllo e per descrivere la complessitità dei fenomeni fisici in gioco, la ricerca in questo campo si basa su simulazioni di questi sistemi sfruttando strumenti di modellazione di scia (WMTs). Sono presenti vari tipologie di WMTs, differenziati sulla base del costo computazionale e sulle dinamiche che riescono a modellare. Tra questi, FAST.Farm e FLORIS, rispettivamente un modellatore a media fedeltà e un modellatore a bassa fedeltà, sono stati utilizzati in questa tesi. Nello specifico, il modello empirico di Gauss (EGM) è stato selezionato per descrivere la scia in FLORIS. L’obiettivo di questo lavoro è quello di ottimizzare le prestazioni di un parco eolico galleggiante attraverso l’orientamento di scia, con un focus sulla massimizzazione di generazione di potenza e minimizzazione dei carichi strutturali, valutati attraverso il carico equivalente di danno (DEL). A supporto di ciò, è stato sviluppato un processo di tuning per un parco eolico a due turbine a fondo fissato a largo della costa, che mira a minimizzare le differenze tra i due WMTs, consentendo a FLORIS, più efficiente in termini di tempo rispetto a FAST.Farm, di essere applicato in scenari più complessi. Infine, i risultati sono stati corretti attraverso l’introduzione del modulo della turbolenza aggiuntiva di scia (WAT) in FAST.Farm, che attraverso la modellazione della turbolenza indotta dalla scia, ha sottolineato come i carichi venissero significativamente sottostimati in assenza del modulo stesso.