State Estimation of a Multi-Rotor Wind Turbine

Abstract

Storskala Multi-Rotor Turbiner (MRT) for elektrisk kraftproduksjon introduserer nye utfordringer med hensyn til levetiden til støttestrukturen. Vestas Control Challenge fasiliterer utviklingen av avanserte belastningsreduserende og effektoptimaliserende reguleringsmetoder for en MRT. Denne oppgaven tar sikte på å gi et bidrag til en viktig del av mange reguleringssystemer, nemlig tilbakekoblingen ettersom lukket sløyfe reguleringssystemer er avhengige av nøyaktige estimater av systemets indre tilstander for å kunne regulere effektivt.

I denne oppgaven er en linearisert og en ulineær Moving Horizon Estimator (MHE) utviklet og testet for MRT-modellen utviklet av Vestas. Et Unscented Kalman Filter (UKF) og et Extended Kalman Filter (EKF) brukes som referanse estimatorer under ytelses evaluering av MHE.

MHE og Kalman variantene implementeres i MATLAB ved hjelp av CasADi. Ulike målescenarier testes i tillegg til en ytelsesevaluering av MHE-variantene med forskjellige estimeringshorisonter. En evaluering av estimatorenes sanntid anvendelighet gjennomføres også. Vindhastighetene er inkludert i systemets tilstandsrommodell. Bare én målemodell anvender vindhastighets målinger. Resultatene til estimatorene blir evaluert for 3 forskjellige undergrupper av systemtilstander, nemlig støttestrukturen, turbinene og vindhastighetene.

De forskjellige estimatorene viser forskjellige kvaliteter, noe som ikke fører til en fast konklusjon om hvilken estimator som er best egnet for MRT-systemet. Imidlertid blir de beste estimatene for de enkelte undergrupper av systemtilstander utført av enten den lineariserte eller den ulineære MHE versjonen.

Av de mer realistiske målemodellene som er testet, konkluderes det med at én modell fører til høyest ytelse.

Large scale Multi-Rotor Turbines (MRT) for electrical power generation introduce new challenges regarding the longevity of the support structure. The Vestas control challenge facilitate the development of advanced load reducing and power optimizing control methods for a MRT. This thesis aims to make a contribution of an important part of many control systems, namely the feedback. For state feedback control systems, precise estimates of the system's internal states are vital to achieve the control objective as efficiently as possible.

In this thesis, a linearized and nonlinear Moving Horizon Estimator (MHE) is developed and tested for the MRT model provided by Vestas. The Uncsented Kalman Filter(UKF) and the Extended Kalman Filter(EKF) are used as benchmark estimators for MHE performance evaluation. The MHE and the Kalman variants are implemented in MATLAB using CasADi optimization toolbox. Different measurement scenarios are tested in addition to a performance evaluation of the MHE variants with different estimation horizons. An evaluation of the real time applicability of the estimators are also performed. The wind velocities are included in the state space model of the system. All but one measurement model do not utilize wind speed measurements. The performance of the estimators are evaluated for 3 different subgroups of system states, namely the support structure, the turbines and the wind speeds.

The different estimators show different qualities, leading to no firm conclusion on what estimator is the superior for the MRT system. However, the best estimates of the individual subgroups of states are performed by the MHE versions.

Out of the more realistic measurement models tested, one model is concluded to provide the highest performance.