Power maximization of variable-speed variable-pitch wind turbines using passive adaptive neural fault tolerant control

Abstract

Power maximization has always been a practical consideration in wind turbines. The question of how to address optimal power capture, especially when the system dynamics are nonlinear and the actuators are subject to unknown faults, is significant. This paper studies the control methodology for variable-speed variable-pitch wind turbines including the effects of uncertain nonlinear dynamics, system fault uncertainties, and unknown external disturbances. The nonlinear model of the wind turbine is presented, and the problem of maximizing extracted energy is formulated by designing the optimal desired states. With the known system, a model-based nonlinear controller is designed; then, to handle uncertainties, the unknown nonlinearities of the wind turbine are estimated by utilizing radial basis function neural networks. The adaptive neural fault tolerant control is designed passively to be robust on model uncertainties, disturbances including wind speed and model noises, and completely unknown actuator faults including generator torque and pitch actuator torque. The Lyapunov direct method is employed to prove that the closed-loop system is uniformly bounded. Simulation studies are performed to verify the effectiveness of the proposed method.

Key words： wind turbine nonlinear model; maximum power tracking; passive fault tolerant control; adaptive neural control

References

1 Spudić V, Jelavić M, Baotić M. Supervisory controller for reduction of wind turbine loads in curtailed operation. Control Engineering Practice, 2015, 36: 72–86

2 Bianchi F D, De Battista H, Mantz R J. Wind Turbine Control Systems: Principles, Modelling and Gain Scheduling Design.London: Springer Science & Business Media, 2006

3 Kamal E, Aitouche A, Abbes D. Robust fuzzy scheduler fault tolerant control of wind energy systems subject to sensor and actuator faults. International Journal of Electrical Power & Energy Systems, 2014, 55: 402–419

4 Njiri J G, Söffker D. State-of-the-art in wind turbine control: Trends and challenges. Renewable & Sustainable Energy Reviews, 2016, 60: 377–393

5 Yu X, Jiang J. A survey of fault-tolerant controllers based on safety-related issues. Annual Reviews in Control, 2015, 39: 46–57

6 Kandukuri S T, Klausen A, Karimi H R, A review of diagnostics and prognostics of low-speed machinery towards wind turbine farm-level health management. Renewable & Sustainable Energy Reviews, 2016, 53: 697–708

7 Gao Z, Cecati C, Ding S X. A survey of fault diagnosis and fault-tolerant techniques—Part I: Fault diagnosis with model-based and signal-based approaches. IEEE Transactions on Industrial Electronics, 2015, 62(6): 3757–3767

8 Gao Z, Cecati C, Ding S X. A Survey of fault diagnosis and fault-tolerant techniques—Part II: Fault diagnosis with knowledge-based and hybrid/active approaches. IEEE Transactions on Industrial Electronics, 2015, 62(6): 3768–3774

9 Odgaard P F, Stoustrup J. A benchmark evaluation of fault tolerant wind turbine control concepts. IEEE Transactions on Control Systems Technology, 2015, 23(3): 1221–1228

10 Vidal Y, Tutivén C, Rodellar J, Fault diagnosis and fault-tolerant control of wind turbines via a discrete time controller with a disturbance compensator. Energies, 2015, 8(5): 4300–4316

11 Blanke M, Kinnaert M, Lunze J, Diagnosis and Fault-Tolerant Control. 2nd ed.New York: Springer, 2006

12 Odgaard P F, Stoustrup J, Kinnaert M. Fault-tolerant control of wind turbines: A benchmark model. IEEE Transactions on Control Systems Technology, 2013, 21(4): 1168–1182

13 Habibi H, Koma A Y, Sharifian A. Power and velocity control of wind turbines by adaptive fuzzy controller during full load operation. Iranian Journal of Fuzzy Systems, 2016, 13(3): 35–48

14 Sloth C, Esbensen T, Stoustrup J. Active and passive fault-tolerant LPV control of wind turbines. In: Proceedings of American Control Conference (ACC). 2010, 2010, 4640–4646

15 Esbensen T, Jensen B, Niss M, Joint Power and Speed Control of Wind Turbines. Aalborg University, Project Report 08gr830. 2008

16 Johnson K E, Fingersh L J, Balas M J, Methods for increasing Region 2 power capture on a variable-speed wind turbine. Journal of Solar Energy Engineering, 2004, 126(4): 1092–1100

17 Iyasere E, Salah M, Dawson D, Optimum seeking-based nonlinear controller to maximise energy capture in a variable speed wind turbine. IET Control Theory & Applications, 2012, 6(4): 526–532

18 Boukhezzar B, Siguerdidjane H, Hand M M. Nonlinear control of variable-speed wind turbines for generator torque limiting and power optimization. Journal of Solar Energy Engineering, 2006, 128(4): 516–530

19 Østergaard K Z, Brath P, Stoustrup J. Estimation of effective wind speed. Journal of Physics: Conference Series, 2007, 75(1): 012082

20 Johnson K E, Pao L Y, Balas M J, Control of variable-speed wind turbines: Standard and adaptive techniques for maximizing energy capture. IEEE Control Systems, 2006, 26(3): 70–81

21 Li S, Wang H, Tian Y, A RBF neural network based MPPT method for variable speed wind turbine system. IFAC-PapersOnLine, 2015, 48(21): 244–250

22 Odgaard P F, Stoustrup J. A benchmark evaluation of fault tolerant wind turbine control concepts. IEEE Transactions on Control Systems Technology, 2015, 23(3): 1221–1228

23 Odgaard P F, Stoustrup J. An evaluation of fault tolerant wind turbine control schemes applied to a benchmark model. In: Proceedings of IEEE Conference on Control Applications (CCA). IEEE, 2014, 1366–1371

24 Odgaard P F, Stoustrup J, Nielsen R, Observer based detection of sensor faults in wind turbines. In: Proceedings of European Wind Energy Conference. 2009, 4421–4430 

25 Tabatabaeipour S M, Odgaard P F, Bak T, Fault detection of wind turbines with uncertain parameters: A set-membership approach. Energies, 2012, 5(12): 2424–2448

26 Badihi H, Zhang Y, Hong H. Fuzzy gain-scheduled active fault-tolerant control of a wind turbine. Journal of the Franklin Institute, 2014, 351(7): 3677–3706

27 Sloth C, Esbensen T, Stoustrup J. Robust and fault-tolerant linear parameter-varying control of wind turbines. Mechatronics, 2011, 21(4): 645–659

28 Boukhezzar B, Siguerdidjane H. Comparison between linear and nonlinear control strategies for variable speed wind turbines. Control Engineering Practice, 2010, 18(12): 1357–1368

29 Tang C, Guo Y, Jiang J. Nonlinear dual-mode control of variable-speed wind turbines with doubly fed induction generators. IEEE Transactions on Control Systems Technology, 2011, 19(4): 744–756

30 Boukhezzar B, Siguerdidjane H. Nonlinear control with wind estimation of a DFIG variable speed wind turbine for power capture optimization. Energy Conversion and Management, 2009, 50(4): 885–892

31 Civelek Z, Lüy M, Çam E, Control of pitch angle of wind turbine by fuzzy PID controller. Intelligent Automation & Soft Computing, 2016, 22(3): 463–471

32 Van T L, Nguyen T H, Lee D C. Advanced pitch angle control based on fuzzy logic for variable-speed wind turbine systems. IEEE Transactions on Energy Conversion, 2015, 30(2): 578–587

33 Han B, Zhou L, Yang F, Individual pitch controller based on fuzzy logic control for wind turbine load mitigation. IET Renewable Power Generation, 2016, 10(5): 687–693

34 Medjber A, Guessoum A, Belmili H, New neural network and fuzzy logic controllers to monitor maximum power for wind energy conversion system. Energy, 2016, 106: 137–146

35 Assareh E, Biglari M. A novel approach to capture the maximum power from variable speed wind turbines using PI controller, RBF neural network and GSA evolutionary algorithm. Renewable & Sustainable Energy Reviews, 2015, 51: 1023–1037

36 Heier S. Grid Integration of Wind Energy Conversion Systems.New York: John Wiley & Sons, Inc., 1998

37 Wang H, Pintea A, Christov N, Modelling and recursive power control of horizontal variable speed wind turbines. Journal of Control Engineering and Applied Informatics, 2012, 14(4): 33–41

38 Hand M, Johnson K, Fingersh L, Advanced Control Design and Field Testing for Wind Turbines at the National Renewable Energy Laboratory. National Renewable Energy Laboratory Report, NREL/CP-500-36118. 2004

39 Esbensen T, Sloth C. Fault diagnosis and fault-tolerant control of wind turbines. Dissertation for the Master’s Degree. Aalborg: Aalborg University, 2009

40 Hammerum K. A fatigue approach to wind turbine control. Technical University of Denmark, DK-2800 Kgs. Lyngby, 2006

41 Isermann R. Fault-Diagnosis Systems: An Introduction from Fault Detection to Fault Tolerance. New York: Springer Science & Business Media, 2006

42 Kamal E, Aitouche A. Robust fault tolerant control of DFIG wind energy systems with unknown inputs. Renewable Energy, 2013, 56: 2–15

43 Ge S S, Wang C. Adaptive neural control of uncertain MIMO nonlinear systems. IEEE Transactions on Neural Networks, 2004, 15(3): 674–692

44 Yu H, Xie T, Paszczynski S, Advantages of radial basis function networks for dynamic system design. IEEE Transactions on Industrial Electronics, 2011, 58(12): 5438–5450

45 Liu J. Radial Basis Function (RBF) Neural Network Control for Mechanical Systems: Design, Analysis and Matlab Simulation.New York: Springer Science & Business Media, 2013

46 Polycarpou M M,Ioannou P A.A robust adaptive nonlinear control design. Automatica, 1996, 32(3): 423–427

47 Rahimi H N, Nazemizadeh M. Dynamic analysis and intelligent control techniques for flexible manipulators: A review. Advanced Robotics, 2013, 28(2): 63–76

48 Slotine J J E, Li W. Applied Nonlinear Control. Englewood Cliffs: Prentice-Hall, 1991