Condition monitoring and control tools for wind energy systems using scada data

Abstract

Rüzgar enerjisindeki teknolojik gelişmeler yatırım ve işletme maliyetlerini azaltmıştır. Bu nedenle, rüzgar çiftlikleri dünyada daha popüler hale gelmiştir. Pazardaki rüzgar enerjisi payının artması, kolay, ucuz ve etkili izleme ve kontrol yaklaşımlarına ihtiyaç duyulmasına neden olmuştur. Bu tezde mevcut sistem verilerini kullanarak rüzgar çiftliklerinde ucuz ve kolay uygulanabilir çeşitli izleme ve kontrol araçları geliştirilmiştir. İlk araç, sistem davranışını daha iyi anlamak için mevcut verileri analiz etmeye odaklanmıştır. Bu bağlamda istatistiksel analizler ve kümeleme yöntemleri sunulmuştur. Rüzgar çiftliğinin etkin ve kontrol altında çalıştığının kanıtlanması gerekmektedir. Bu sebeple, geliştirilen ikinci araç güç üretim verimliliğini izlemek için önerilen performans ölçümleri üzerinedir. Veri Zarflama Analizi, Malmquist İndeks Yaklaşımı ve Stokastik Sınır Analizi, rüzgar türbinlerinin güç üretim verimliliklerini ölçmek için önerilmiştir. Rüzgar enerji pazarı geliştikçe tahmin yöntemleri de önem kazanmıştır. Bu nedenle, mevcut verilerin kullanımını göstermek için basit tahmin yöntemleri üçüncü araç olarak sunulmuştur. Her tahminin bir hatası vardır, bu yüzden Parçacık Filtreleme yaklaşımı hataları azaltmak için geliştirilmiştir. Son araç olarak, Antrain ANN olarak adlandırılan, çok katmanlı algılayıcı yapay sinir ağları için yeni bir eğitim algoritması geliştirilmiştir. Sonuçlar, önerilen yeni yaklaşımın mevcut algoritmalarla rekabet edebileceğini göstermiştir.

Technological developments in wind energy have reduced investment and operating costs. For this reason, wind farms have become more popular around the world. Increasing the share of wind energy in the market has led to the need for easy, inexpensive and effective monitoring and control approaches. In this thesis, various monitoring and control tools are proposed which are cheap and easy to implement in wind farms using existing system data. The first tool is focused on analyzing available data to have a better understand system behavior. Statistical analysis and clustering methods are proposed in this regard. It is necessary to prove that the wind farm operates efficiently and under control. For this reason, the second developed tool is on performance measurements recommended to monitor power generation efficiency. Data Envelopment Analysis, Malmquist Index Approach, and Stochastic Frontier Analysis are proposed to measure power production efficiencies of wind turbines. Forecasting methods have become more important as the wind energy market has increased. Therefore, simple forecasting methods are presented to show the use of available data as the third tool. Also, there is always error in each forecast, so the Particle Filtering approach is suggested to reduce errors. As the last tool, a new training algorithm is developed for multilayer perceptron artificial neural networks which called Antrain ANN. Results are showed that the proposed novel approach can compete with current algorithms.