Linear parameter varying control of wind turbines covering both partial load and full load conditions

Abstract

SUMMARYThis paper considers the design of linear parameter varying (LPV) controllers for wind turbines in order to obtain a multivariable control law that covers the entire nominal operating trajectory.The paper first presents a controller structure for selecting a proper operating trajectory as a function of estimated wind speed. The dynamic control law is based on LPV controller synthesis with general parameter dependency by gridding the parameter space.The controller construction can, for medium-to large-scale systems, be difficult from a numerical point of view, because the involved matrix operations tend to be ill-conditioned. The paper proposes a controller construction algorithm together with various remedies for improving the numerical conditioning the algorithm.The proposed algorithm is applied to the design of a LPV controller for wind turbines, and a comparison is made with a controller designed using classical techniques to conclude that an improvement in performance is obtained for the entire operating envelope.

Parameterized Disturbance Observer Based Controller to Reduce Cyclic Loads of Wind Turbine

“…Operating points are chosen based on Refs. [7,22]. K 0 is the controller at operating point (18 m/s, 14.92 deg) and K 1 is the linear controller at operating point of (19 m/s, 16.23 deg) with rated generator torque for full load operation of wind turbine.…”

“…Nonlinear state feedback torque control was used [5] for the above-rated power operating condition of wind turbine and DOBC strategies were reviewed [6]. Ostergaard et al observed that the operation of wind turbines at different wind speeds require some kind of gain scheduling, so they have applied linear parameter varying control to develop robust controllers that cater for a both partial load and full load conditions [7,8].…”

http://recyt.fecyt.es/index.php/RIAII/article/view/RIAI.2010.04.07/7494

“…Sin embargo, se debe incluir el mecanismo controlado que permite orientar el ángulo β de las aspas, a partir de la consigna β ref , ver figura 1. Este sistema de orientación puede ser impulsado por un actuador eléctrico o hidráulico, el cual se puede representar por la siguiente función de transferencia, según el trabajo reportado por (Ostergaard et al, 2008): (26) donde T β es el parámetro que define el tiempo de respuesta del sistema de orientación utilizado, mientras que K β es la ganancia de su controlador. Entonces el modelo lineal admite la siguiente representación matricial:…”

“…Diversas técnicas de control multivariable se han implementado en los aerogeneradores, como son: Control con Variación Paramétrica Lineal (Ostergaard et al, 2008), H ∞ (Rocha y Martins, 2003), Adaptativo (Johnson et al, 2008), Óptimo LQG (Selvam et al, 2009), PID descentralizado (Wu et al, 2008), Predictivo (Yang et al, 2009), Lógica Difusa (Simoes et al, 2009) y Redes Neuronales (Li et al, 2005).…”

“…Para conseguir lo anterior se requieren controladores más complejos, que le permitan al aerogenerador mantener los puntos de operación de máxima eficiencia de potencia, regulando la velocidad angular de la turbina y la potencia generada en diferentes valores determinados por la velocidad media del viento. Esto aporta muchos beneficios con respecto a los aerogeneradores de velocidad fija, como mejor calidad en la energía eléctrica producida, mayor rendimiento y una considerable reducción en las vibraciones y esfuerzos mecánicos tanto en la turbina como en el generador eléctrico (Rodríguez et al, 2003).El diseño de sistemas de control para los aerogeneradores de velocidad variable resulta complicado ya que, además de las variaciones en la magnitud y dirección del viento, se deben considerar cambios abruptos en la carga eléctrica, fuertes no linealidades, varias restricciones y gran interacción entre sus variables (Boukhezzar et al, 2007).Diversas técnicas de control multivariable se han implementado en los aerogeneradores, como son: Control con Variación Paramétrica Lineal (Ostergaard et al, 2008), H ∞ (Rocha y Martins, 2003), Adaptativo (Johnson et al, 2008), Óptimo LQG (Selvam et al, 2009), PID descentralizado (Wu et al, 2008, Predictivo (Yang et al, 2009), Lógica Difusa (Simoes et al, 2009) y Redes Neuronales (Li et al, 2005.En este trabajo se analiza detalladamente el modelado matemático de los aerogeneradores, estudiando principalmente el problema de la interacción entre sus variables. Entonces se proponen varios esquemas de control multivariable, con el objetivo de mejorar el rendimiento de los aerogeneradores por medio de la atenuación de los efectos de la interacción.…”