Einflüsse von unterschiedlichen atmosphärischen Bedingungen auf die Induction Zone von Windturbinen

<p>Beim Betrieb einer Windkraftanlage wird die Windgeschwindigkeit bereits vor dem Rotor durch den Vorstaueffekt im Vergleich zur freien Strömung abgebremst.  Dieser Bereich wird als sogenannte „Induction Zone “ (IZ) bezeichnet.  Besondere Bedeutung bekommt dieser Effekt bei großen Offshore Windparks, wenn sich die IZ mehrerer Turbinen überlagern und es zur Ausbildung des „Global Blockage Effect“ (GBE) kommt und die Strömung noch stärker abgebremst wird als für Einzelanlagen.</p> <p>Ausprägung und Stärke der IZ hängen von atmosphärischen Bedingungen wie auch technischen Parametern der Windturbinen ab.  Am besten kann die IZ mittels Fernerkundungsmethoden wie Lidar vermessen werden, da es so möglich ist, die Einströmbedingungen in verschiedenen Distanzen vor dem Rotor bis in den Bereich der freien Anströmung hin zu erfassen. Dies ist insbesondere wichtig, da bei der Beurteilung der Performance von Windkraftanlagen, der sogenannten Leistungskurvenvermessung, das Verhältnis zwischen freier Windgeschwindigkeit und produzierter Leistung bewertet wird. Hierfür wird standardmäßig die Windgeschwindigkeit in 2.5 Rotordurchmessern vor der Anlage als freie Geschwindigkeit angesetzt.</p> <p>Für die hier gezeigten Auswertung werden verschiedene Messungen in der IZ On- und Offshore betrachtet. Neben Sensitivitätsstudien zur Leistungskurvenvermessung wird auch untersucht, wie sich die Strömungseffekte um eine Anlage herum entwickeln, wie die relevanten Parameter zur Strömungsmodellierung angepasst werden können und wie der Nachlauf von benachbarten Turbinen die Ausprägung der IZ beeinflussen kann. Darüber hinaus wird auch der Einfluss der Oberflächenrauigkeiten im Vergleich der Onshore und Offshore Standorte betrachtet. Ein weiterer Punkt ist der Vergleich mit den standardmäßig auf den Gondeln installierten Anemometern, die über eine sogenannte „Nacelle Transfer Function“ (NTF) auf eine reale, freie Windgeschwindigkeit skaliert sein sollten.</p> <p>Bei der Onshore Kampagne ermöglicht ein großer, freier Anströmsektor die ungestörte IZ und damit die Einflüsse von atmosphärischer Stabilität, Turbulenz und Turbinenzustand auf den Geschwindigkeitsgradienten zu untersuchen. Weiterhin gibt es Perioden mit klar definierten Windrichtungen, in denen der Nachlauf von einer oder mehreren Turbinen und somit der Einfluss auf das horizontale Profil  isoliert werden kann.</p> <p>Bei der Offshore Kampagne findet die Messungen bereits innerhalb der GBE Zone statt.  Es werden neben den Messungen mit Gondellidaren auch Lidar-Scanner im Dual Doppler Verfahren eingesetzt, um Gradienten aus größeren Entfernungen und die Bereiche der freien Anströmung zu erfassen. Hierfür ist auch interessant, wie sich die Korrelationen mit dem Geschwindigkeitsfeld direkt vor dem Rotor für die unterschiedlichen Stabilitäts- und Anströmbedingungen ändern.</p> <p>Die vorgestellten Messungen zeigen für alle Standorte, dass sich die IZ weit über 2.5 Rotordurchmesser stromaufwärts erstreckt. Eine Abschätzung der Leistungskurve kann somit auf zu geringen Windgeschwindigkeiten basieren und zu energiereicheren Kurven führen, als tatsächlich vorliegen. Verschiedene Sensitivitätstests zeigen die Stärke dieses Effekts. Die Kombination aus Daten von Gondel- und Long-Range-Lidargeräten wird hier erstmalig zur Modellverifikation und zur Modellierung des GBE angewendet.</p>

Quantifying wind plant blockage under stable atmospheric conditions

Wind plant blockage reduces the wind velocity upstream undermining turbine performance for the first row of the plant. We assess how atmospheric stability modifies the induction zone of a wind plant in flat terrain. We also explore different approaches to quantifying the magnitude and extent of the induction zone from field-like observations. To investigate the influence from atmospheric stability, we compare simulations of two stable boundary layers using the Weather Research and Forecasting model in large-eddy simulation mode, representing wind turbines using the generalized actuator disk approach. We find a faster cooling rate at the surface, which produces a stronger stably stratified boundary layer, amplifies the induction zone of both an isolated turbine and of a large wind plant. A statistical analysis on the hub-height wind speed field shows wind slowdowns only extend far upstream (up to 15D) of a wind plant in strong stable boundary layers. To evaluate different ways of measuring wind plant blockage from field-like observations, we consider various ways of estimating the freestream velocity upstream of the plant. Sampling a large area upstream is the most accurate approach to estimating the freestream conditions, and thus of measuring the blockage effect. Also, the choice of sampling method may induce errors of the same order as the velocity deficit in the induction zone.

Corrigendum: Verification of induction zone models for wind farm annual energy production estimation (2019 J. Phys.: Conf. Ser. 1934 012023)

Please see Article PDF for corrigendum text.

Uncertainty identification of blade-mounted lidar-based inflow wind speed measurements for robust feedback–feedforward control synthesis

The current trend toward larger wind turbine rotors leads to high periodic loads across the components due to the non-uniformity of inflow across the rotor. To address this, we introduce a blade-mounted lidar on each blade to provide a preview of inflow wind speed that can be used as a feedforward control input for the mitigation of such periodic blade loads. We present a method to easily determine blade-mounted lidar parameters, such as focus distance, telescope position, and orientation on the blade. However, such a method is accompanied by uncertainties in the inflow wind speed measurement, which may also be due to the induction zone, wind evolution, “cyclops dilemma”, unidentified misalignment in the telescope orientation, and the blade segment orientation sensor. Identification of these uncertainties allows their inclusion in the feedback–feedforward controller development for load mitigation. We perform large-eddy simulations, in which we simulate the blade-mounted lidar including the dynamic behaviour and the induction zone of one reference wind turbine for one above-rated inflow wind speed. Our calculation approach provides a good trade-off between a fast and simple determination of the telescope parameters and an accurate inflow wind speed measurement. We identify and model the uncertainties, which can then be directly included in the feedback–feedforward controller design and analysis. The rotor induction effect increases the preview time, which needs to be considered in the controller development and implementation.