Turbine-as-sensor based farm-level closed-loop control for wind farm power optimization

For maximum power production and to improve turbine lifecycles, most wind farms in the present day require both accurate turbine-level sensing of local inflow conditions and farm-level communication, coordination, and control to mitigate wake losses. This study addresses both these problems through a custom-built closed-loop control framework called WISDOM (Wind Inference, Simulation, Direction Optimization & Management), which implements an effective wind speed and yaw misalignment observer that assesses these quantities based on the turbine dynamics and specialized Kalman filtering. This sensed data is fed into a custom-built farm-level serial-refine optimizer, which implements a modified Gaussian Wake model that takes local inflow data dynamically from FAST.Farm, and provides quick optimization data through wake steering. All functions, including simulating, sensing, optimizing, and controlling, run within this framework in real-time. Results indicated that the observers sensed data under both uniform and turbulent wind conditions accurately, with an average deviation of 0.2 m/s and 1.2° from the actual wind conditions. Farm-level optimization, utilizing the reduced-order wake model and dynamic updating through the wake meandering model, also proved valuable, resulting in a 13% increase in overall farm power compared to the baseline farm. With all these functions occurring in real-time and utilizing realistic turbine data throughout the simulation, it is demonstrated that WISDOM is a feasible and viable framework for a low-cost closed-loop control system for wind turbines and wind farms.

Per massimizzare la potenza e la vita utile delle turbine, i parchi eolici moderni richiedono sensing accurato a livello di turbina delle condizioni di inflow locali e coordinamento e controllo a livello di parco per mitigare le perdite di scia. Questo studio affronta entrambi i problemi tramite un framework di controllo ad anello chiuso, chiamato WISDOM (Wind Inference, Simulation, Direction Optimization & Management), che implementa un osservatore della velocità del vento efficace e del disallineamento di imbardata, stimando tali grandezze dalla dinamica della turbina tramite filtri di Kalman specializzati. I dati stimati alimentano un ottimizzatore serial-refine a livello di parco che utilizza un modello di scia gaussiana modificato, aggiornato dinamicamente con i dati di inflow locale di FAST.Farm, fornendo rapide soluzioni di ottimizzazione tramite wake steering. Simulazione, sensing, ottimizzazione e controllo operano in questo framework in tempo reale. I risultati mostrano che gli osservatori ricostruiscono le condizioni di vento, sia uniforme sia turbolento, con uno scostamento medio di 0.2 m/s e 1.2°rispetto alle condizioni effettive. L’ottimizzazione con il modello di scia di ordine ridotto, aggiornato dal modello di meandraggio di scia, porta a un incremento del 13% della potenza complessiva del parco rispetto al caso di riferimento. L’uso di dati di turbina realistici e dell’esecuzione in tempo reale dimostra che WISDOM è un framework praticabile per un sistema di controllo ad anello chiuso a basso costo per turbine e parchi eolici.