TU Darmstadt / ULB / TUprints

Nonlinear State Estimation and Noise Adaptive Kalman Filter Design for Wind Turbines

Ritter, Bastian (2020):
Nonlinear State Estimation and Noise Adaptive Kalman Filter Design for Wind Turbines.
Darmstadt, Epubli, Berlin, Technische Universität Darmstadt, ISBN 978-3-752965-45-2,
DOI: 10.25534/tuprints-00011785,
[Ph.D. Thesis]

[img]
Preview
Text
diss_200610_BastianRitter_V2.pdf
Available under CC-BY-NC-ND 4.0 International - Creative Commons, Attribution Non-commerical, No-derivatives.

Download (13MB) | Preview
Item Type: Ph.D. Thesis
Title: Nonlinear State Estimation and Noise Adaptive Kalman Filter Design for Wind Turbines
Language: English
Abstract:

Modern wind turbines have grown significantly in nacelle heights and rotor diameters over the last three decades and will probably do so in the future. Additionally, more and more turbines are mounted in shallow waters on offshore monopiles and also on floating platforms in the deep sea. These technological developments implicate that the complex structural composition of the turbines becomes more flexible and simultaneously more and competing control objectives appear above the horizon. In this context, advanced state-feedback based control schemes have emerged in the wind sector in order to tackle these new challenges effectively though requiring the mostly hidden and immeasurable information about the dynamic state of the wind turbine.

In order to obtain this valuable information without additional measurements and sensors, the present thesis bridges the scientific gap between the nonlinear estimation theory on the one hand and the practical application to wind turbine control systems on the other hand. This approach includes the investigation of the nonlinear filter algorithms, the control-oriented physical models and the design methodology needed to make nonlinear state estimation techniques ready for wind turbine application. The results of this approach are so-called virtual (model-based) sensors that are employed for multiple estimation tasks, such as the observation of unknown disturbances and the online reconstruction of mechanical component loads. These sensors are applicable whenever it is impossible or too expensive to measure the desired quantities directly.

The thesis explores first the suitable nonlinear algorithms to solve the estimation problems. The focus is here laid upon the sigma-point Kalman filters (SPKF) where classical and adaptive versions are presented. As widely known, the free design parameters of these filters have a significant influence on the expected estimation accuracy. An unfortunate filter parameter design leads to weak filter performance or (even worse) filter divergence. This is very critical in closed-loop systems where the state estimates are essential for the feedback controller. For this reason, the dissertation investigates two approaches to address this problem. The first step is the optimal design of the filter parameters based on numerical optimization. Therewith, all the relevant information about the wind turbine are exploited prior to application in order to find the best initial design parameters. The second step is the selective noise adaptation of certain filter parameters. This approach improves on the filter performance when the previous knowledge is insufficient for a proper initial design or some critical filter parameters are unknown and time-varying.

Moreover, a comprehensive engineering suite is developed in order to integrate the necessary functionality to perform an automated filter performance assessment. Finally, the strengths of these techniques are demonstrated illustratively for a variety of test scenarios, with extensive simulation results, for different estimation problems and different filter types in order to investigate all relevant practical aspects.

In a nutshell, this thesis provides the theoretical foundations, the practical application and also the simulative proof of concept in order to realize the wind turbine state estimation effectively and to bring it successfully into practice. Thereby, these virtual sensors shall level the ground not only for advanced state-feedback control, but also provide further insight into the system’s internal behavior which can be exploited in future, for instance, for remaining useful life-time assessment based on reconstructed, experienced loads.

Alternative Abstract:
Alternative AbstractLanguage
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.German
Place of Publication: Darmstadt
Publisher: Epubli, Berlin
Classification DDC: 600 Technik, Medizin, angewandte Wissenschaften > 600 Technik
600 Technik, Medizin, angewandte Wissenschaften > 620 Ingenieurwissenschaften
Divisions: 18 Department of Electrical Engineering and Information Technology > Institut für Automatisierungstechnik und Mechatronik > Control Systems and Mechatronics
Date Deposited: 01 Jul 2020 07:39
Last Modified: 09 Jul 2020 06:34
DOI: 10.25534/tuprints-00011785
Related URLs:
URN: urn:nbn:de:tuda-tuprints-117852
Referees: Konigorski, Prof. Dr. Ulrich and Bottasso, Prof. Dr. Carlo L.
Refereed: 28 April 2020
URI: https://tuprints.ulb.tu-darmstadt.de/id/eprint/11785
Export:
Actions (login required)
View Item View Item