Detalhes do Documento

The crescent growth in the wind energy demands more reliable and efficient wind turbines with an increased life span. The wind turbine controllers play a major role in regulating several parameters, but the traditional controllers limit to control the rotor speed, thus ignoring the system dynamics. The techniques for modern control design are applicable in linear systems only, which prevent their use directly in the non-linear system of a wind turbine. The system linearization provides a linearized equation that represents the system dynamics in a small range and allows the use of modern control techniques, but when operating outside the range, the controller cannot perform satisfactorily. The GainScheduling technique consider a larger range by using several linearized systems and their controllers to choose between them when operating in different regions. To choose the gains an Artificial Neural Network with Radial Basis Function is used, this allows overcoming the non-linearity of the system. The Neural Network is trained using the data from stationary states of the wind turbine and controllers gains for each linearized system. Its performance presents an attenuation in the wind turbine components’ oscillations that leads to load mitigation. These loads are evaluated under turbulent wind and wind gust according to the IEC 61400.

O crescente uso da energia eólica exige que as turbinas eólicas sejam mais confiáveis e eficientes e possuam uma maior de vida útil. Os controladores das turbinas eólicas possuem um papel importante na regulação de diversos parâmetros, porém controladores tradicionais se limitam a controlar a velocidade do rotor, ignorando a dinâmica do sistema. As técnicas de projeto de controladores modernos são aplicáveis apenas em sistemas lineares, o que impossibilita sua aplicação direta nas no sistema não-linear de turbinas eólicas. A linearização do sistema fornece uma equação linear que representa o funcionamento do sistema em uma pequena faixa, de forma que quando a turbina opera fora dessa faixa, o controlador não apresenta rendimento adequado. A técnica de Gain Scheduling permite que o sistema seja controlado em uma larga região ao escolher os ganhos adequados para o regime de operação em que se encontra. A utilização de uma Rede Neural Artificial com Função de Base Radial como método para escolha dos ganhos do controlador permite que o comportamento não-linear do sistema da turbina eólica seja levado em consideração. A Rede Neural é treinada a partir dos dados de funcionamento em estado estacionário e dos ganhos calculados a partir do sistema linearizado. O seu rendimento apresenta uma melhora nas oscilações nos componentes da turbina, que por sua vez, levam a uma atenuação das cargas. Tais cargas são avaliadas a partir do perfil de vento turbulento e rajada de vento definidos na IEC 61400.