LiDAR technology with unfrozen turbulence for wind turbine predictive control

The purpose of this work was to analyze the possibility of improving the use of LiDAR (Light Detection And Ranging) technology, as a sensor to provide the feed-forward information to the predictive controller, which scans a unfrozen wind field. It was also analyzed the improvements of predictive controls in comparison to a basic LQR controller. The predictive controls considered are Non Homogenus Linear Quadratic Regulator (NHLQR) and Receding Horizon Control (RHC). The new idea of LiDAR sensor, which scans an unfrozen wind field, arises to go beyond the limits imposed by the LiDAR used today, which it is based on Taylor Hypothesis of Frozen Turbulence. The unfrozen wind field is generated following the theory developed by Kirstensen, then to obtain that it is developed a empirical-mathematical model that allows to unfreeze the turbulence and a new wind generator, following Veers theory, that allows to elaborate a new more complex unfrozen wind filed history. Therefore the Frozen-LiDAR was updated with these mathematical models to perform unfrozen detection. To verify the performance of the Unfrozen-LiDAR in comparison to the Frozen-LiDAR as device of predictive controllers is used an aero-servo-elastic simulatior, CP-Lambda (Code for Performance, Loads and Aeroelasticity by Multi-Body Dynamic Analysis) developed by the Department of Aerospace Sciences and Technologies of Politecnico di Milano (DAST-Polimi). In this approach the wind turbine is modeled as a multi-body system, i.e., a complex model of interconnected flexible elements. In particular is useful to emphasize that the simulations were computed fulfilling the International Standard requirements. The results obtained are remarkable, the predictive controllers considered have significantly better performance, in some cases, than the controller reference considered, that it is the Linear Quadratic Regulator control (LQR). Instead the di erences between simulations of predictive controls equipped with Unfrozen-LiDAR and Frozen-LiDAR are not significant.

Lo scopo di questo lavoro è stato quello di analizzare i possibili miglioramenti apportati mediante l’utilizzo di un sensore LiDAR (Linght Detection And Ranging), come strumento per fornire l’informazione predittiva ad un controllore in feed-forward, capace di rilevare la velocità del vento in un campo di vento definito scongelato. Inoltre sono stati analizzati i notevoli miglioramenti in termini assoluti apportati mediante l’utilizzo di controlli predittivi, quali Non Homogeneus Linear Qudratic Regulator (NHLQR) and Receding Horizon Control (RHC), in confronto ad un controllore di riferimento in feed-back, quale il Linear Quadratic Regulator (LQR). Il modello di LiDAR scongelato, ovvero un LiDAR capace di scansionare un campo di vento scongelato, è stato implementato prendendo in considerazione la teoria di turbolenza scongelata enunciata da Kirstensen, per ottenere un campo di vento scongelato a partire da una storia di vento di riferimento, in modo tale da rilassare l’ipotesi di Taylor (Ipotesi di turbolenza congelata) che è alla base dei LiDAR usati oggigiorno. Tale modello è stato prima verificato con un caso test e successivamente accorpato ad un generatore di vento turbolento scongelato, seguendo la teoria di Veers. Le simulazione delle turbine reali prese in considerazione, realizzate dal consorzio Innwind e dalla università nazionale di Kangwon, sono state attuate mediante un simulatore aero-servo-elastico virtuale multi corpo che prevede l’approssimazione del modello con elementi flessibili interconnessi, tale simulatore è stato sviluppato dal dipartimento di Scienze e Tecnologie Aerospaziali del Politecnico di Milano (DAST-Polimi), CP-Lambda (Code for Performance, Loads and Aeroelasticity by Multi-Body Dynamic Analysis). In particolare le simulazioni sono state eseguite seguendo i requisiti della Normativa. I risultati ottenuti sono notevoli. I controlli predittivi in termini di fatica e di qualità di potenza risultano essere ben più e cienti nei confronti dei controlli in feed-back. In particolare si può riscontrare come il LiDAR scongelato non contribuisce ad un sostanziale miglioramento in confronto al il LiDAR congelato, in termini di fatica, deviazione standard della potenza e deviazione standard della velocità angolare.