Prognostics and health aware model predictive control of wind turbines

Abstract

Wind turbines components are subject to considerable stresses and fatigue due to extreme environmental conditions to which they are exposed, especially those located offshore. Also, the most common faults present in wind turbine components have been investigated for years by the research community and that has led to propose a fault diagnosis and fault tolerant control wind turbine benchmark which include a set of faults that affect the sensors and actuators of several wind turbine components.

This thesis presents some contributions to the fields of fault diagnosis, fault-tolerant control, prognostics and its integration with wind turbine control which leads to proposing a control approach called health-aware model predictive control (HAMPC). The contributions are summarized below: - Model-based fault diagnosis: to perform fault detection and isolation interval-based observers together with a set of analytical redundant relations (ARRs) are obtained based on a structural analysis and the fault signature matrix that relates the ARRs with the faults. - Fault tolerant control: it is proposed a fault tolerant control scheme that integrates fault detection and an algorithm for fault accommodation. The scheme has the objective to avoid the increment of blades and tower loads when a fault in the rotor azimuth angle sensor occurs using the individual pitch control technique (IPC). - Wind turbine blades fatigue prognostics and degradation: fatigue is assessed using the rainflow counting algorithm which is used to estimate the accumulated damage and for degradation, it is used a stiffness degradation model of blades material which is used to make predictions of remaining useful life (RUL). - Wind turbines health control: the module for the health of the system based on fatigue damage estimation and RUL predictions is integrated with model predictive control (MPC) leading to the proposed control approach (HAMPC). The contributions presented in this thesis have been validated on a wind turbine study case that uses a 5MW wind turbine reference model implemented in a high fidelity wind turbine simulator (FAST).

Els components dels aerogeneradors estan sotmesos a considerable estrès i fatiga, degut a les condicions ambientals extremes a les quals estan exposats, especialment els localitzats en alta mar. Per aquest motiu, al comunitat científica durant els últims anys ha investigat les averies més comunes presents en els aerogeneradors, fet que ha portat a proposar un cas d'estudi de diagnosi i control tolerant de fallades que inclou un conjunt de fallades que afecten a diversos components dels aerogeneradors. Aquesta tesi presenta algunes contribucions en els camps de la diagnosi de fallades, el control tolerant de fallades i la prognosi, així com la seva integració amb el control d'aerogeneradors, fet que ha portat a proposar una tècnica de control anomenada control predictiu basada en models conscients de la salut del sistema (HAMPC). Concretament les aportacions es poden resumir en: - Diagnosi de fallades basada en models: per a la detecció s'utilitzen observadors intervalars i l'aïllament de la fallada es fa en base el conjunt d'ARRs obtinguts de l'anàlisi estructural i de la matriu de signatures de fallades que relaciona les ARRs amb les fallades. - Control tolerant de fallades: es proposa un esquema de control tolerant a fallades que integra la detecció de fallades i algoritme d'acomodació de fallades, i té per objectiu evitar l'augment de càrregues en la pala i la torre quan es produeix una fallada en el sensor azimuth quan es fa un control individual de la inclinació de les pales (IPC). - Prognosi de la fatiga i la degradació de les pales: la fatiga s'avalua amb un algorisme denominat "rainflow counting" amb el qual es fa estimació del dany acumulat i per a la degradació es fa servir un model de degradació de la rigidesa del material amb el qual es fan prediccions de la vida útil restant (RUL). - Control de la salut d'aerogeneradors: s'ha integrat la gestió de la salut del sistema basat en danys per fatiga o prediccions de RUL amb control predictiu basat en models (MPC) donant lloc al control que anomenem HAMPC. Les contribucions presentades en aquesta tesi han sigut validades en un cas d'estudi d'aerogeneradors basat en un aerogenerador de referència de 5MW de potència implementat en el simulador d'aerogeneradors d'alta fidelitat conegut amb el nom de FAST.