مدل‌سازی منحنی توان توربین بادی با رویکرد پارامتریک و تجزیه‌ و تحلیل عملکرد آن‌ها

نویسندگان

دانشگاه صنعتی مالک اشتر

چکیده

در سال‌های اخیر، با توجه به عوامل متعددی مانند محدودیت سوخت‌های فسیلی و پیامدهای زیست‌محیطی استفاده از این سوخت‌ها، تمرکز بر منابع انرژی تجدیدپذیر افزایش چشم‌گیری داشته است. در کشورهای ‌توسعه‌یافته به‌کارگیری انرژی‌های پاک مانند انرژی بادی به‌عنوان یکی از منابع جایگزین موردتوجه قرارگرفته است. در این رویکرد، پایش عملکرد توربین‌های بادی و کنترل کیفیت توان خروجی آن‌ها یکی از موضوعات مهم در مدیریت نیروگاه‌های بادی است. یکی از مشخصه‌های مهم و تأثیرگذار در بررسی توان خروجی توربین‌های بادی، منحنی توان است که نشان‌دهنده رابطۀ بین سرعت باد و توان خروجی توربین می‌باشد. ازاین‌رو در تجزیه‌وتحلیل عملکرد توربین‌های بادی، منحنی توان موردتوجه کارشناسان قرار می‌گیرد. برآورد دقیق منحنی توان توربین بادی یک موضوع کلیدی برای ارزیابی صحیح از عملکرد توربین بادی است. در این مقاله رویکرد پارامتریک در مدل‌سازی منحنی توان مورد بررسی قرار گرفته ‌است. در ابتدا چهار روش موجود برای مدل‌سازی پارامتریک منحنی توان توربین‌های بادی (چندجمله‌ای درجۀ دو، نمایی، مکعب، مکعب تقریبی) معرفی شده است. سپس مدل‌های معرفی‌شده در یک توربین‌ بادی بکار گرفته شدند و از طریق آزمون نیکویی برازش، با منحنی توان اسمی سازنده توربین بادی مقایسه شدند. نتایج تجزیه‌وتحلیل‌ها نشان می‌دهد که منحنی توان نمایی در مقایسه با سه مدل‌ دیگر از شایستگی بیشتری برخوردار است.

کلیدواژه‌ها


[1] International Energy Agency (IEA), "Status of power system transformation 2018", IEA, Paris, Tech. Rep, 2018. [2] Global Wind Energy Council (GWEC), "Global wind report 2017-annual market update, 2017", Available at http://www.gwec.net, 2017. [3] Marugán, A. P., Márquez, F. P. G. and Papaelias, M., "Multivariable analysis for advanced analytics of wind turbine management", In Proceedings of the Tenth International Conference on Management Science and Engineering Management, Springer, Singapore, pp. 319-328, 2017. [4] Panahi, D., Deilami S. and Masoum M. A., "Evaluation of parametric and non-parametric methods for power curve modelling of wind turbines", 9th International Conference on Electrical and Electronics Engineering (ELECO), pp. 996–1000, 2015. [5] Marvuglia, A. and Messineo .A, "Monitoring of wind farms' power curves using machine learning techniques", Applied Energy, Vol. 98, pp. 574-583, 2012. [6] Lydia, M., Kumar S. S., Selva kumar, A. I. Prem Kumar, G. E., "A comprehensive review on wind turbine power curve modeling techniques", Renewable and Sustainable Energy Reviews, Vol. 30, pp.452-460, 2014. [7] Thapar, V., Gayatri A. and Vinod K. S., "Critical analysis of methods for mathematical modelling of wind turbines", Renewable Energy, Vol. 36, No. 11, pp. 3166-3177, 2011. [8] Gautam, P. K. and Venayagamoorthy, G. K., "Dynamic performance model of wind turbine generators", In Computational Intelligence Applications In Smart Grid (CIASG), IEEE Symposium on, pp. 101-106, 2013. [9] Ashok, S., "Optimised Model for Community-based Hybrid Energy Systems", Renewable Energy, Vol. 32, pp. 1155-1164, 2007. [10] Nelson, D. B., Nehrir, M. H. and Wang, C., "Unit sizing and cost analysis of stand-alone hybrid wind/PV/fuel cell power generation systems", Renewable energy, Vol. 31, No. 10, pp. 1641-1656, 2006. [11] Kolhe, M., Agbossou, K., Hamelin, J. and Bose, T. K., "Analytical model for predicting the performance of photovoltaic array coupled with a wind turbine in a stand-alone renewable energy system based on hydrogen", Renewable Energy, Vol. 28, No. 5, pp.727-742, 2003. [12] Habib, M.A., Said, S.A.M., El-Hadidy, M.A. and Al-Zaharna, I., "Optimization procedure of a hybrid photovoltaic wind energy system", Energy, Vol. 24, No. 11, pp. 919-929, 1999. [13] Carrillo, C., Montaño, A. F. O., Cidrás, J. and Díaz-Dorado, E., "Review of power curve modelling for wind turbines", Renewable and Sustainable Energy Reviews, Vol. 21, pp. 572-581, 2014. [14] Kusiak, A., Zheng, H. and Song, Z., "On-line monitoring of power curves", Renewable Energy, Vol.34, No. 6, PP. 1487-1493, 2014. [15] Lydia, M., Selvakumar, A. I., Suresh Kumar, S. and Prem Kumar, G. E., "Advanced algorithms for wind turbine power curve modeling", IEEE Transactions on sustainable energy, Vol. 4, No. 3, pp. 827-835, 2013. [16] Khalfallah, M. G. and Koliub, A. M., "Suggestions for improving wind turbines power curves", Desalination, Vol. 209, No. 1-3, pp. 221-229, 2007. [17] Gottschall, J. and Peinke, J., "How to improve the estimation of power curves for wind turbines", Environmental Research Letters, Vol.3, No. 1, pp. 015005, 2008. [18] Ritter M. and Deckert, L., "Site assessment, turbine selection, and local feed- in tariffs through the wind energy index", Applied Energy, Vol. 185, pp. 1087-1099, 2017. [19] Kusiak, A., Zheng H. and Song, Z., "Models for monitoring wind farm power", Renewable Energy, Vol. 34, No. 3, pp. 583–590, 2009. [20] Astolfi, D., Castellani, F., Garinei, A. and Terzi, L., "Data mining techniques for performance analysis of onshore wind farms", Applied Energy, Vol. 148, pp. 220-233, 2015. [21] Pelletier, F., Masson, C. and Tahan, A., "Wind turbine power curve modelling using artificial neural network", Renewable Energy, Vol. 89, pp. 207-214, 2015. [22] Üstüntaş, T. and Şahin, A. D., "Wind turbine power curve estimation based on cluster center fuzzy logic modeling", Journal of Wind Engineering and Industrial Aerodynamics, Vol. 96, No. 5, pp. 611-620, 2008. [23] Ouyang, T. and et al., "Modeling wind-turbine power curve: A data partitioning and mining approach", Renewable Energy, Vol. 102, Part A, pp. 1-8, 2017. [24] He, Y. and Kusiak, A. "Performance Assessment of Wind Turbines: Data-Derived Quantitative Metrics", IEEE, Transactions on Sustainable Energy, Vol. 9, No. 1, pp.65–73, 2017. [25] Giorsetto, P. and Utsurogi K. F., "Development of a new procedure for reliability modeling of wind turbine generators", IEEE Trans Power App Syst, PAS – 102, pp. 134–43, 1983. [26] Kusiak, A. and Verma, A., "Monitoring Wind Farms with Performance Curves", IEEE Transactions on Sustainable Energy, 2012. [27] Morshedizadeh, M., Kordestani, M., Carriveau, R., Ting, D. S. K. and Saif, M., "Improved power curve monitoring of wind turbines", Wind Engineering, Vol.41, No. 4, pp. 260-271, 2017. [28] Shokrzadeh, S., Jafari Jozani, M. and Bibeau, E., "Wind turbine power curve modeling using advanced parametric and nonparametric methods", IEEE Transactions on Sustainable Energy, Vol. 5, No. 4, pp. 1262-1269, 2014. [29] Schlechtingen, M., Santos, I. F. and Achiche, S., "Using data-mining approaches for wind turbine power curve monitoring: A comparative study", IEEE Transactions on Sustainable Energy, Vol. 4, No. 3, pp. 671–679, 2013. [30] Goudarzi, A., Davidson, I. E., Ahmadi, A. and Venayagamoorthy, G. K., "Intelligent analysis of wind turbine power curve models", In Computational Intelligence Applications in Smart Grid (CIASG), IEEE Symposium on, pp. 1-7, 2014. [31] Jacobson, R., Meadors, M., Jacobson, E. and Link, H., "Power Performance Test Report for the AOC 15/50 Wind turbine, Test B", 2003. [32] Mathew, S., "Wind energy: fundamanetals, resource analysis and economics", Berlin: Springer, 2006. [33] Linders, J. and Thiringer, T., "Control by variable rotor speed of a fixed-pitch wind turbine operating in a wide speed range", IEEE Transactions on Energy Conversion, Vol.8, pp. 520-526, 1993. [34] EL-Shimy, M., "Optimal site matching of wind turbine generator: case study of Gulf of Suez region in Egypt", Renewable energy, Vol. 35, pp. 1870-1878, 2010. [35] Lagarias, J., Reeds, J., Wright, M. and Wright, P., "Convergence properties of the Nelder–Mead simplex method in low dimensions", SIAM Journal of Optimi- zation, Vol. 9, No. 1, pp. 112–47, 1998. [36] مجرد، فیروز، همتی، شهرام، «ارزیابی قابلیت‌های انرژی باد در استان‌های کرمانشاه و کردستان»، نشریه تحقیقات کاربردی علوم جغرافیایی، سال سیزدهم، شمارۀ 29، صفحه 137ـ157، 1392.