Moderne Windturbinen haben in den vergangenen drei Jahrzehnten eines enormes Größenwachstum erfahren, welches sich voraussichtlich auch in der Zukunft noch fortsetzen wird. Weiterhin werden immer mehr Turbinen sowohl in flachen Gewässern und als auch auf schwimmenden Plattformen in der Tiefsee betrieben. Diese technologischen Entwicklungen bringen es mit sich, dass der strukturelle Aufbau von Windturbinen immer elastischer wird und gleichzeitig auch noch mehr Regelziele erfüllt werden müssen, die sich gegenseitig beeinflussen. Erweiterte, modellbasierte Zustandsregler erlauben es diesen neuen Herausforderungen zu begegnen, benötigen aber den vollständigen Zustand der Anlage, welcher im Allgemeinen nicht messbar ist.

Um diese Information ohne zusätzliche Messungen und Sensoren zu erlangen, schließt die vorliegende Arbeit die wissenschaftliche Lucke zwischen der Theorie der nichtlinearen Zustandsschätzung und der praktischen Anwendung für Windturbinen. Dieser Ansatz umfasst die Untersuchung nichtlinearer Filteralgorithmen, der regelungstauglichen Modellierung sowie der Entwurfsmethodik, mit dem Ziel nichtlineare Schätzer für den praktischen Einsatz in geschlossenen Regelkreisen von Windturbinen vorzubereiten.

Das Ergebnis dieses Ansatzes sind sogenannte virtuelle (modellbasierte) Sensoren, die für eine Vielzahl von Schätzaufgaben eingesetzt werden können, wie beispielsweise für die Beobachtung von unbekannten Störgrößen oder die Rekonstruktion von nicht gemessenen mechanischen Lasten. Virtuelle Sensoren sind also dann von Vorteil, wenn die interessierenden Größen nicht gemessen werden können oder aber dies zu kostenintensiv oder zu aufwändig ist.

Die Arbeit untersucht zunächst die geeigneten nichtlinearen Algorithmen, um die definierten Schätzprobleme zu lösen. Der Fokus liegt hierbei auf den sogenannten Sigma-Punkt Kalman Filtern (SPKF), wobei sowohl klassische als auch adaptive Ansätze berücksichtigt werden. Es ist bekannt, dass die freien Entwurfsparameter des Kalman Filters nachweislich einen großen Einfluss auf die erwartbare Schätzgüte haben. Eine ungünstige Wahl dieser Filterparameter führt zu einer schwachen Performance im Betrieb oder im schlimmsten Fall sogar zur Filterdivergenz. Dies ist insbesondere im geschlossenen Regelkreis kritisch, denn dort liefert die Zustandsschätzung die erforderlichen Informationen für den Regler. Aus diesem Grund werden in dieser Arbeit zwei Ansätze untersucht, um die Anforderung an die Robustheit des Zustandsschätzers für Windenergieanlagen praktisch zu gewährleisten. Zuerst wird der optimierungsbasierte Entwurf mittels numerischer Algorithmen vorgestellt. Dabei wird alles Vorwissen über die Dynamik der Windenergieanlage ausgenutzt, um die besten Startparameter zu finden. Als zweiten Schritt wird die ausgewählte Adaptation einzelner Rauschparameter eingeführt. Dies verbessert die Performance des SPKF, wenn das Vorwissen über Prozess- oder Messrauschen unzureichend ist oder kritische Rauschparameter unbekannt und zeitveränderlich sind.

Weiterhin ist eine umfangreiche Entwicklungsumgebung geschaffen worden, die es ermöglicht die erforderlichen Funktionalitäten der Schätzer automatisiert zu bewerten. Schließlich werden die Stärken der klassischen und adaptiven Filter in umfangreichen Simulationsstudien verglichen, um alle praktisch relevanten Aspekte mit in die Untersuchungen einzubeziehen.

Zusammenfassend liefert diese Dissertation das theoretische Fundament, die praktische Realisierung und den simulativen Funktionsnachweis, um virtuelle Sensoren effektiv und erfolgreich praktisch umzusetzen. Damit sollen es diese modellbasierten Sensoren ermöglichen zukünftige zustandbasierte Regelung von Windturbinen zu flankieren und darüber hinaus tiefergehenden Einblick in das interne Verhalten des Systems zu erlangen, was zukünftig beispielweise für die Verbesserung der Schätzung bzw. Vorhersage der verbleibenden Lebensdauer von Komponenten genutzt werden kann.