CONWIND: Research on smart operation control technologies for offshore wind farms

Lønnsomheten til en vindpark er påvirket av vindskyggene laget av turbinene. Vindskygger er bevegelige turbulente vindfelter med lavere gjennomsnittlig vindhastighet. Den økende størrelsen på turbinene til havs leder til større vindskygger, og styringen av disse (gjennom å styre turbinene) kan ha stor innflytelse på energiproduksjonen og på slitasjen på turbinene. Lønnsomheten til vindparken er også knyttet til gode produksjonsestimat eller produksjonsmål, som er lettere å oppnå gjennom smart og koordinert kontroll av turbinene. For å bedre eksisterende kontrollalgoritmer for turbiner trenger vi en rask og pålitelig prediksjon av innkommende vindfelt. Vi er spesielt interessert i korttidsprediksjon, som dekker tidsperioden fra 5 minutter og opp imot en time. I prosjektet har vi sett på hvordan en best kan integrere in situ målinger med en regional værvarslingsmodell. Maskinlæringsmodeller har også blitt utviklet for korttidsprediksjon, som har blitt trent og validert ved å bruke vindmålinger fra FINO1. Når en modellerer vaker i en vindpark, vil en gjerne oppnå både nøyaktige og raske simuleringer. I prosjektet har vi forsket på en matematisk teknikk som heter Redusert Ordens Modell og vi har oppnådd svært gode resultat for høyturbulent vind rundt turbinblad. Vi har også etablert en strategi for å utvide teknikken til å gjelde vindparker. For å utvikle kontrolleren bruker vi en vindparkmodell som kan integrere informasjonen vi har om vindparken og forutse reaksjonen og resultatet av kontrollstrategiene. I prosjektet har vi forbedret turbulensmodellene for vindparker og vi har også utviklet et rammeverk som modellerer slitasjen på vindturbinene. I utviklingen av kontrolleren har vi dermed kunne se på strategier som oppnådde den beste energiproduksjonen samtidig som vi minimerte slitasjen på turbinene som sto utsatt til. Dette er en strategi som har potensialet til å øke inntjeningen på vindparker betraktelig, siden vi kan minimere kostnader og produksjonstap i forbindelse med nedetid og vedlikehold av turbiner. Prosjektet har vært et samarbeid mellom Norge og Kina, med flere sampublikasjoner og felles arrangementer mellom de norske og de kinesiske forskningspartnerne.

The project has strengthened the national competence within offshore wind technology and also the national collaboration between the key partners from the two previous FME Centres on offshore wind. The project has contributed to the education of young researchers, having had four PostDocs connected to the project. The researchers have presented their work both nationally and internationally, contributing to spreading the scientific knowledge built in the project. The project has been an important way to increase the network of the participants, as they have participated at several well attended high level scientific conferences and seminars. The work has also been presented at conferences more tailored to the offshore wind industry in Norway and in China. The collaboration with the Chinese research partners has led to several publications with joint authorship and an increased understanding of the specific challenges which the two countries confront when it comes to offshore wind. The project has shown how smart control systems can increase profitability of offshore wind farms by diminishing the costs of maintenance while keeping energy production high. The project will have a positive impact also for research and innovation outside of the offshore wind industry, as advancements in both mathematical modelling and short term weather predictions have been made.

Offshore wind is still lagging behind onshore wind when it comes to investments, though the potential is huge. In recent years, costs have been driven down, outpacing expectations, due principally to the rapid increase in turbine size. The increased size also leads to increased wakes behind the turbines, which are turbulent wind fields with decreased average wind speed. The wakes are not static, and lead to more fatigue loads on the turbine blades as well as a loss in energy production in the turbines hit by the wakes. The levelized cost of energy (LCOE), which is the break-even cost to produce energy, can decrease either by diminishing costs or by increasing the energy production. With an intelligent control system it is possible to work on both these options: one may optimize the energy production when the electricity price is high, and one may steer the wakes of the wind turbines in such a way that their impact on the next turbine is less damaging and thus reducing maintenance costs. The primary objective of the project is therefore to reduce the operating costs and increase the energy production of offshore wind farms through development of advanced control algorithms. Amongst the challenges is to obtain fast and accurate predictions of the wind field in the wind farm, wakes included, to provide the input for the controller. The controller itself must be capable of balancing various demands and take into account the various model uncertainties. To obtain a control system that increases the profitability of offshore wind farms by more than 2% will make a great impact on the profitability of offshore wind farms.