Wind turbines experience the increase of fatigue loads due to the enlargement of wind turbines. In this study, we assume that steady wind is on quasi-steady state, then we apply cyclic pitch control based on estimated steady wind to the 5MW wind turbine to show the possibility of the reduction of fatigue loads.
At first, we confirm that steady wind is on quasi-steady state. And the 5MW wind turbine experience the wind speed which is not equal spatially. Secondly, we conduct to find locations of strain sensors and harmonic components of strains to estimate wind shear exponent because steady wind model needs the estimated wind shear exponent. And we determine the optimized cyclic pitch control against arbitrary steady wind model by using rain-flow counting. Thirdly, we suggest the algorithm which makes it possible to estimate steady wind model by using the harmonic components of strains at adopted locations and the cyclic pitch control. The algorithm includes neural networks which are designed by using the data set based on simulations of forward dynamics of a blade. Finally, we check to see that arbitrary steady wind model is estimated by using the algorithm and data set. And we apply other factors like sensor noise to the algorithm to check the usefulness.
풍력 발전기는 대형화에 따라 정상 바람의 분포에 따른 피로 하중이 증가하게 된다. 본 연구의 목적은 정상 바람의 준 정적 상태를 가정하고 예측된 정상 바람을 바탕으로 한 순환 피치 제어를 풍력 발전기에 적용하여 피로하중의 경감 가능성을 보이는데 있다.
첫 번째 단계로, 정상 바람의 준 정적 상태 가정이 합리적임을 증명하고 정상 바람 모형을 이용해 대형 풍력 발전기의 경우 정상 바람의 분포가 고르지 못함을 관찰한다. 두 번째 단계로, 정상 바람 모형은 바람 전단 지수를 예측해야 결정할 수 있으며, 바람 전단 지수를 예측하기 위해 적절한 변형률 센서의 위치와 조화 성분을 매개변수 영향분석을 통해 알아 낸다. 또한 임의의 정상 바람 모형에 대한 최적화된 순환 피치 제어 방식을 피로 하중 경감에 목적에 두고 결정한다. 세 번째 단계로, 이렇게 결정된 변형률 신호와 순환 피치 제어를 기반으로 한 바람 전단 지수를 예측하는 알고리즘을 제안한다. 이 때 예측하는 알고리즘은 신경 회로망을 포함하고 있으며, 블레이드의 정동역학 시뮬레이션을 통해 데이터를 수집하여 신경 회로망을 설계한다. 최종 단계에서 설계된 신경 회로망이 바람 전단 지수의 예측을 가능하게 하는지를 시뮬레이션을 통해 관찰하고 센서 잡음과 같은 외부 인자를 고려하여 알고리즘의 유용성을 검증한다.
