Professional Documents
Culture Documents
2 . Objetivos de estudio
El trabajo reportado en este documento apunta a abordar estos problemas desarrollando
un modelo aeroelástico integral de una turbina eólica Aerogenesis de 5 kW dentro de
FAST. La verificación experimental se realizará mediante mediciones de campo de esta
turbina operativa que se instala en la Universidad de Newcastle, Callaghan,
Australia. Este sitio es altamente turbulento ( Evans et al., 2017 ), lo cual es importante
para evaluar el rendimiento de los aerogeneradores pequeños, ya que a menudo se
ubican en el entorno construido y están sujetos a regímenes de viento complejos
( Lubitz, 2014 ; Tabrizi et al., 2014 , 2017 ; Evans y Clausen, 2015). A lo largo de este
estudio, se delinearán metodologías específicas para modelar y medir el funcionamiento
de pequeñas turbinas eólicas, con el modelo FAST resultante disponible para uso
público. Un objetivo secundario es producir un modelo que pueda usarse para la
verificación de cargas de diseño según IEC 61400.2'Aerogeneradores: requisitos de
diseño para aerogeneradores pequeños' (en adelante, 'el estándar'). La norma tiene
disposiciones para que las cargas de diseño se determinen mediante uno de tres
métodos; Mediciones experimentales, simulaciones aeroelásticas o mediante el uso del
modelo de carga simplificado (SLM). Se sabe que el SLM es conservador y es probable
que resulte en componentes construidos con factores de seguridad más altos de los que
pueden ser necesarios ( Wood, 2011 ; Evans et al., 2018). El modelado aeroelástico
puede ser prometedor para determinar con mayor precisión las cargas de diseño,
reduciendo así la conservación del diseño y los costos de producción para turbinas de
esta clase.
5 . Resultados y discusión
5.1 . Validación del desempeño dinámico.
Al igual que con todos los modelos computacionales de sistemas físicos, es necesario
comparar el rendimiento de un modelo dado con los datos físicos, idealmente del
sistema en cuestión. Si bien es intrínsecamente difícil validar con precisión un sistema
complejo como un aerogenerador, la respuesta simulada se ha comparado aquí con
datos medidos para comprender cualquier posible defecto o limitación dentro de este
modelo. Los modelos de este tipo no carecen de limitaciones en los algoritmos
aerodinámicos y estructurales que imponen suposiciones o varias simplificaciones. Por
ejemplo, un defecto potencial en el algoritmo estructural es que se ignora el movimiento
torsional (es decir, la torsión) de la cuchilla. Si bien es poco probable que se produzcan
giros significativos en la operación, cualquier torsión menor puede variar el ángulo de
ataque aerodinámico de la cuchilla y, por lo tanto, la respuesta aerodinámica. Los
supuestos de este tipo a menudo se consideran una compensación aceptable entre los
recursos computacionales y la precisión del modelo. Por lo tanto, es importante
cuantificar cualquier discrepancia entre las simulaciones y las mediciones,
particularmente si se va a utilizar el modelado aeroelástico para predecir las cargas de
diseño según el estándar.
El enfoque adoptado para validar el modelo de aerogenerador Aerogenesis con los datos
experimentales se basa en gran medida en la evaluación del rendimiento dinámico en
oposición al rendimiento instantáneo en el dominio del tiempo. Debido a la naturaleza
inestable observada en el sitio, es poco probable que los parámetros simulados, como
las cargas aerodinámicas de la pala o las vibraciones estructurales de la torre, coincidan
instantáneamente con los resultados medidos. El análisis en el dominio de la frecuencia
se considera más interesante, por lo que se implementarán técnicas como la función de
densidad espectral de potencia o el promedio azimutal en el dominio del rotor para el
análisis de resultados ( Corbus y Meadors, 2005 ; Bechly y Clausen, 2001 , 2002). Los
gráficos de dispersión también se usan regularmente para comparar variables como la
potencia de salida o la velocidad del rotor con respecto a la velocidad del viento de
entrada para deducir las curvas de potencia experimentales ( Corbus y Prascher ). Estas
técnicas serán implementadas en las siguientes secciones.
Se simuló una serie de vientos de entrada de 10 minutos en TurbSim ( Jonkman, 2009 )
para la entrada en FAST. Esta serie de viento utilizó el modelo de turbulencia de Kaimal
con una velocidad media del viento de 7,5 ms- 1 , a una intensidad de turbulencia del
24% (es decir, la intensidad de turbulencia característica deI15=18%). Estos parámetros
fueron elegidos para reproducir las condiciones del viento medio y, por lo tanto, el
rendimiento medio de la turbina Aerogenesis dentro de su clase de diseño IEC. Este
rendimiento simulado se comparará con el conjunto de datos medidos como se presenta
en la Tabla 1 . Este conjunto de datos experimentales tiene una velocidad media del
viento de 8,2 ms- 1 y una intensidad de turbulencia del 28%, y captura adecuadamente el
rendimiento de la turbina en todo su rango de diseño de velocidades del viento,
velocidades del rotor y error / velocidad de giro.
5.2 . Control de rotor de velocidad variable y producción de potencia.
Inicialmente, el rendimiento del controlador Simulink MPPT se evaluó en un rango de
velocidades del viento con respecto a la velocidad del rotor y la relación de velocidad de
la punta. Es imperativo entender cómo funciona el controlador en el modelo aeroelástico,
ya que la velocidad de rotación del rotor puede tener un impacto significativo en la
respuesta aerodinámica del rotor, la potencia de salida y las cargas estructurales. Al
analizar los resultados de rendimiento que se muestran en la Fig. 2a, los resultados
revelan una predicción excesiva excesiva del controlador simulado en todas las
velocidades del viento. Se descubrió que el exceso de predicción a la velocidad del
viento nominal era del 11%, lo que indica que el sistema de control modelado actúa de
manera más agresiva en un intento de mantener el rotor cerca de su relación de
velocidad de punta nominal diseñada de 8. Las razones para esto pueden deberse a
hecho de que el modelo del generador Simulink y la curva MPPT se derivan de
condiciones idealizadas de estado estable, donde una vez más la turbina eólica pasa
una parte significativa de la vida útil en condiciones inestables debido a la fluctuación de
las velocidades del viento. Una conclusión natural es que los parámetros del esquema
de control "tal como están diseñados" en el modelo FAST son diferentes al controlador
Aerogenesis "como se construyó". El conocimiento de los parámetros de control de PI
podría mejorar la precisión de este modelo, sin embargo, no fueron documentados
durante el diseño del sistema de control físico. Visualmente, los datos simulados están
delimitados dentro de los datos medidos, con la excepción de varios valores atípicos a
velocidades de viento más altas. Una investigación posterior reveló que las reducciones
rápidas en la velocidad del viento resultaron en altas relaciones de velocidad de punta
instantáneas debido a la inercia del rotor y al tiempo de respuesta del controlador.
1. Descargar imagen de alta resolución (456KB)
2. Descargar imagen a tamaño completo
Fig. 2 . Una comparación de la relación de velocidad de la punta (a) y la velocidad del
eje del rotor (b), con respecto a la velocidad del viento a 1 Hz. Tenga en cuenta que el
controlador FAST tiende a controlar la velocidad del rotor de forma más agresiva.
Como consecuencia de las relaciones de velocidad de punta media más altas en la Fig.
2a , la velocidad simulada media del rotor también es mayor para todas las velocidades
del viento, con un aumento del 8,5% en las condiciones de velocidad del viento nominal
( Fig. 2b). Es de destacar la importante difusión de los puntos de datos medidos; por
ejemplo, la velocidad máxima del rotor de 240 rpm se midió a partir de velocidades del
viento de 4–21 ms- 1. Esto indica que el sistema de control físico de la turbina tiene una
cantidad significativa de inercia que no se ha representado en el modelo FAST. Las
razones de esto pueden deberse al hecho de que el modelo del generador de Simulink y
la curva MPPT se derivan de condiciones idealizadas de estado estacionario, donde se
dice que las variaciones en la velocidad del rotor ocurren en estados discretos de
velocidad del viento. En la práctica, la turbina eólica pasa una parte importante de la vida
útil en condiciones transitorias debido a la fluctuación de las velocidades del
viento. Implementar un esquema de control de velocidad variable en un sitio altamente
turbulento es un esfuerzo desafiante. A pesar de la tendencia del controlador simulado a
ser más agresivo en comparación con el controlador físico de Aerogénesis, la velocidad
simulada del rotor se mantiene dentro del rango operativo medido.
Las curvas de potencia de los conjuntos de datos simulados y medidos se presentan en
la Fig. 3 para evaluar la potencia eléctrica que se ha generado en ambos casos. Como
se esperaba, ambos métodos subestiman la potencia de salida de un rotor idealizado
(Cp=0.59), con algunos valores atípicos que muestran la energía eléctrica generada en
exceso del límite teórico. Es probable que esto se deba a los efectos inestables
causados por aumentos o reducciones rápidos en la velocidad del viento de entrada, por
lo que el controlador del generador no reacciona instantáneamente, lo que se manifiesta
como un pico transitorio de potencia. Cuando se considera el conjunto de viento
simulado, FAST predice la potencia que se ha generado en todo el rango de velocidad
del viento. Esto no es inesperado cuando se interpreta a la luz de relaciones de
velocidad de punta más altas y velocidades de rotor producidas por el controlador
FAST. Dado que este controlador se ha desarrollado a partir de la documentación de
diseño de estado estable, es consistente que la potencia eléctrica de salida está más
cerca de la curva de potencia teórica que el controlador físico instalado en el sitio. Las
razones para esto pueden deberse a la suposición dentro del algoritmo de impulso del
elemento blade que la estela siempre se ve en equilibrio con las cargas en un elemento
blade. En la práctica, esta suposición puede no ser siempre válida, ya que el rotor está
sujeto a rápidas fluctuaciones en la velocidad del viento y el ángulo de ataque de la pala
en este sitio altamente turbulento. La turbulencia de este sitio también ha demostrado
que reduce el rendimiento cuasi estable 2D equivalente en un perfil aerodinámico
(Bradney, 2017). El modelo FAST también asume una transmisión idealizada con una
eficiencia del 96%, la eficiencia real del sistema físico no se ha medido, y se desconocen
las resistencias del tren de fuerza. Esto puede afectar la conversión del par desarrollado
en el rotor en energía eléctrica del generador. El par aerodinámico no se midió
experimentalmente, lo que significa que el rotorCPNo se pudo deducir para la
investigación. Como consideración final, la condición de la superficie de la cuchilla
debido al desgaste y la acumulación de suciedad puede reducir el rendimiento. FAST no
tiene en cuenta estos efectos potenciales.
1. Descargar imagen de alta resolución (563KB)
2. Descargar imagen a tamaño completo
Fig. 3 . Curva de potencia construida a partir de la potencia eléctrica tanto generada
como simulada de turbina Ambas series reportadas a 1 Hz y comparadas con un rotor
ideal.
Las razones para esto podrían deberse al hecho de que los efectos estructurales de
orden superior, como la torsión de la cuchilla, no se modelaron en FAST. Además, la
teoría BEM tiene una capacidad limitada para capturar los efectos aerodinámicos de la
operación del rotor ante grandes errores de giro. La masa menor del rotor / los
desequilibrios aerodinámicos de la turbina física pueden inducir una carga asimétrica en
los múltiplos enteros de la frecuencia de paso de la pala. No se introdujo ninguna fuente
de desequilibrio dentro del modelo FAST. Si bien es obvio que estas perturbaciones de
alta frecuencia no se capturan con precisión en el modelo aeroelástico, estas
perturbaciones son de una magnitud muy pequeña y es poco probable que contribuyan
significativamente a efectos como la carga de fatiga. A la luz de esto, los autores confían
en la capacidad del modelo FAST para capturar la respuesta dinámica de la hoja.
En la Fig. 7 se muestra la respuesta de aceleración dinámica neta medida y predicha
(las acciones de proa y popa laterales resultantes de la torre del aerogenerador) .. Los
datos se transformaron en el dominio de frecuencia por un PSD. Inmediatamente son
obvios los dos primeros modos de torre, tanto en la respuesta medida como en la
simulada, y FAST predice estos modos con un grado de precisión muy bueno tanto en
términos de magnitud como de frecuencia. De manera similar a la respuesta de la pala,
los armónicos de orden superior de la respuesta por ciclo del rotor (por ejemplo, 1P-3P)
son evidentes en la respuesta medida y no son evidentes en la respuesta
simulada. Como se indicó anteriormente, es probable que estos sean causados por
pequeños desequilibrios en el rotor debido a los efectos aerodinámicos o de masa que
son difíciles de eliminar completamente durante la fabricación e instalación del rotor. La
incapacidad del usuario para ingresar modos de torre más allá de la segunda frecuencia
fundamental puede reducir la precisión del modelo estructural para frecuencias más
altas.
6 . Conclusiones
El modelado aeroelástico ha visto un uso desproporcionadamente menor en el campo de
los aerogeneradores pequeños, en comparación con los aerogeneradores de gran
escala comercial. Esto puede deberse a la inversión sustancial de tiempo y experiencia
en ingeniería para desarrollar un modelo de aerogenerador pequeño hasta este nivel de
detalle. Estos recursos de tiempo e ingeniería pueden estar fuera del alcance de muchos
pequeños desarrolladores eólicos, donde se requiere una amplia base de conocimientos
de ingeniería en varias disciplinas, que incluyen: Aerodinámica, dinámica estructural,
compuestos de fibra de vidrio y teoría de control de generadores. Es probable que el
software aeroelástico disponible en el mercado sea prohibitivamente costoso y que no
respalde de forma nativa la funcionalidad requerida para el funcionamiento de pequeñas
turbinas eólicas, como los movimientos de las aletas traseras y el control SEIG.
En este estudio, un modelo aeroelástico de un aerogenerador Aerogenesis de 5 kW se
ha desarrollado dentro de FAST. El modelo es completo e incluye: efectos aerodinámicos
de pala y aleta, respuesta estructural de pala y torre, y control de velocidad variable
desde un generador de inducción autoexcitado. Se realizaron comparaciones con las
mediciones de campo para evaluar el rendimiento del generador, la dinámica del sistema
y el rendimiento estructural. Según el mejor conocimiento del autor, un aerogenerador
pequeño, controlado pasivamente, que incorpora control de velocidad variable SEIG, no
se ha modelado previamente dentro de FAST a este nivel de detalle.
Al comparar la respuesta estructural aerodinámica de las cuchillas en el dominio
azimutal, se predijeron las deflexiones de la punta y las cargas de la raíz de la cuchilla
dentro del 10% y el 8% respectivamente. El controlador de velocidad variable simulado
actuó de manera más agresiva que el sistema físico con una relación de velocidad de
punta media sobre pronosticada en un 11%. La velocidad del rotor también fue predicha
en un 8,5% en las condiciones nominales. Es probable que estas discrepancias se
deban al hecho de que el controlador simulado se basó en un funcionamiento en estado
estable, mientras que la turbina pasa una parte significativa de su vida útil en
condiciones de viento inestable.
El acuerdo del modelo con los resultados experimentales se redujo durante los eventos
transitorios de alta frecuencia, como la operación del rotor con errores de alta orientación
o la aerodinámica de alto ángulo de ataque. El trabajo futuro podría incluir modos de
torsión para la respuesta estructural de la pala, la implementación de rutinas
aerodinámicas personalizadas para los casos en que el rotor tiene errores de giro muy
grandes, y un modelo de aleta caudal generado por el usuario como los presentados en
( Wright, 2005). El uso de datos de perfil aerodinámico medidos experimentalmente para
ángulos de ataque elevados en números de Reynolds bajos, e investigando más a fondo
la aplicabilidad del modelo de vigilia dinámica generalizada para capturar el rendimiento
del rotor inestable, puede mejorar aún más la precisión del modelo. La cuantificación del
comportamiento dinámico de la pérdida de estos aerodinámicos de bajo número de
Reynolds a través de las pruebas en el túnel de viento mejoraría en gran medida nuestra
comprensión de estas cargas transitorias en el rendimiento de la pala, pero por
naturaleza es difícil realizar pruebas experimentales con precisión.
A pesar de las dificultades mencionadas anteriormente, un modelo aeroelástico completo
es una herramienta útil para que un ingeniero de aerogeneradores valide y evalúe una
amplia gama de cargas de diseño y estado estacionario e inestable. Los autores son
optimistas de que el desarrollo continuo y la verificación experimental de modelos
aeroelásticos promoverán el desarrollo de sistemas de turbinas eólicas pequeñas
eficientes, rentables y seguros.
Expresiones de gratitud
El trabajo en este documento fue apoyado por una subvención del Proyecto
de Descubrimiento del Consejo de Investigación Australiano ( DP110103938 ). SP Evans
y DR Bradney recibieron el apoyo de un Premio de posgrado australiano durante la
duración de su candidatura de doctorado. Los autores agradecen a M. Roberts y M.
Gibbs por su ayuda con la instrumentación de turbinas y la adquisición de datos, y a S.
Nay por proporcionar comentarios útiles sobre un manuscrito preliminar de este
documento.
Referencias