Nell’ultimo decennio, la crescente richiesta di produzione di energia elettrica da fonti rinnovabili, ha generato una cospicua attenzione nei riguardi delle turbine eoliche. Si tratta di sistemi particolarmente complessi, che richiedono affidabilit`a, sicurezza, manutenzione e, soprattutto, efficienza nella produzione di potenza elettrica. Pertanto, sono sorte nuove sfide nel campo della ricerca e sviluppo, in particolare nel contesto della modellazione e del controllo. Sistemi di controllo sostenibile e all’avanguardia possono ottimizzare la conversione di energia e garantire determinate prestazioni, anche in presenza di condizioni di lavoro anomale, causate da malfunzionamenti e guasti inaspettati. Questa tesi tratta la tematica della diagnosi dei guasti e del controllo tollerante al guasto applicato alle turbine eoliche. Si propongono originali soluzioni relative al problema della pronta rivelazione del guasto e del suo trattamento. Il sistema di controllo che si `e sviluppato `e principalmente basato su un modulo di diagnosi del guasto, che ha il compito di fornire in tempo reale l’informazione sull’eventuale guasto presente, in modo da compensare l’azione di controllo. Il progetto degli stimatori di guasto riguarda strategie basate sui dati, poich ́e offrono un efficace strumento per la gestione di sistemi le cui dinamiche sono scarsamente conosciute in termini analitici e presentano rumore e disturbi. Il primo di questi approcci basati sui dati `e ottenuto tramite modelli fuzzy Takagi-Sugeno (TS), derivanti dall’algoritmo di clustering c-means, seguito da una procedura di identificazione dei parametetri che risolve il problema della reiezione dei disturbi. Il secondo metodo proposto si serve di reti neurali artificiali per descrivere le relazioni fortemente non lineari che sussistono fra misure e guasti. L’architettura scelta fa parte della topologia Non lineare Autoregressiva con ingresso esogeno (NARX), dato che pu`o rappresentare l’evoluzione dinamica di un sistema nel tempo. L’addestramento della rete ...
Data-Driven Fault Diagnosis and Fault Tolerant Control of Wind Turbines
2016-01-01
Hochschulschrift
Elektronische Ressource
Englisch
DDC: | 629 |
Acceleration-based fault-tolerant control design of offshore fixed wind turbines
BASE | 2016
|