Análisis de fatiga comparativo para una turbina eólica: Gain Scheduling PI vs Control LPV

Autores
Ibáñez, Bernabé; Inthamoussou, Fernando Ariel; De Battista, Hernán
Año de publicación
2019
Idioma
español castellano
Tipo de recurso
documento de conferencia
Estado
versión publicada
Descripción
En la actualidad, la energía eólica está entre los recursos renovables más competitivos a nivel mundial. El tamaño de las turbinas eólicas está en un proceso de continuo crecimiento. A medida que las turbinas son más grandes, se utilizan materiales más livianos y flexibles, que hacen necesario controlar las cargas mecánicas a las que se exponen. En particular, la posible falla debida al daño por fatiga a lo largo de la vida útil resulta crítica a la hora de diseñar una turbina eólica. El daño debido a fatiga en una turbina eólica está estrechamente relacionado con la estrategia de control utilizada. Existe una tendencia notable a investigar la reducción de cargas, tanto en fatiga como también la reducción de las cargas extremas. En los últimos años se han explorado distintas técnicas de control con el objetivo de reducir las cargas en las turbinas eólicas. Entre ellas se pueden mencionar el Control Predictivo basado en Modelos (MPC), y reducción de cargas cíclicas con Controladores Individuales de Flap y de Pitch. El objetivo de este trabajo es contar con una herramienta de análisis de cargas para poder comparar y verificar la fatiga resultante entre diferentes controladores. Para esto se generaron scripts basados en la Norma de la IEC , capaces de llevar a cabo todas las simulaciones necesarias para realizar el análisis de fatiga. Las herramientas de software utilizadas corresponden a las desarrolladas por el National Ren ewable Energy Laboratory (NREL) y son: FAST , MLife y TurbSim. El proceso fue realizado para la turbina controlada mediante el controlador Gain Scheduling Proporcional Integral (GSPI) definido en [11] y para el controlador Lineal de Parámetros Variables (LPV) definido en [12].
Sección: Electrotecnia.
Facultad de Ingeniería
Materia
Electrotecnia
Energía Eólica
turbinas eólicas
fatiga
scripts
Nivel de accesibilidad
acceso abierto
Condiciones de uso
http://creativecommons.org/licenses/by/4.0/
Repositorio
SEDICI (UNLP)
Institución
Universidad Nacional de La Plata
OAI Identificador
oai:sedici.unlp.edu.ar:10915/75226

id SEDICI_53a4b4d18e9955a17c9ecd8db38dcb83
oai_identifier_str oai:sedici.unlp.edu.ar:10915/75226
network_acronym_str SEDICI
repository_id_str 1329
network_name_str SEDICI (UNLP)
spelling Análisis de fatiga comparativo para una turbina eólica: Gain Scheduling PI vs Control LPVIbáñez, BernabéInthamoussou, Fernando ArielDe Battista, HernánElectrotecniaEnergía Eólicaturbinas eólicasfatigascriptsEn la actualidad, la energía eólica está entre los recursos renovables más competitivos a nivel mundial. El tamaño de las turbinas eólicas está en un proceso de continuo crecimiento. A medida que las turbinas son más grandes, se utilizan materiales más livianos y flexibles, que hacen necesario controlar las cargas mecánicas a las que se exponen. En particular, la posible falla debida al daño por fatiga a lo largo de la vida útil resulta crítica a la hora de diseñar una turbina eólica. El daño debido a fatiga en una turbina eólica está estrechamente relacionado con la estrategia de control utilizada. Existe una tendencia notable a investigar la reducción de cargas, tanto en fatiga como también la reducción de las cargas extremas. En los últimos años se han explorado distintas técnicas de control con el objetivo de reducir las cargas en las turbinas eólicas. Entre ellas se pueden mencionar el Control Predictivo basado en Modelos (MPC), y reducción de cargas cíclicas con Controladores Individuales de Flap y de Pitch. El objetivo de este trabajo es contar con una herramienta de análisis de cargas para poder comparar y verificar la fatiga resultante entre diferentes controladores. Para esto se generaron scripts basados en la Norma de la IEC , capaces de llevar a cabo todas las simulaciones necesarias para realizar el análisis de fatiga. Las herramientas de software utilizadas corresponden a las desarrolladas por el National Ren ewable Energy Laboratory (NREL) y son: FAST , MLife y TurbSim. El proceso fue realizado para la turbina controlada mediante el controlador Gain Scheduling Proporcional Integral (GSPI) definido en [11] y para el controlador Lineal de Parámetros Variables (LPV) definido en [12].Sección: Electrotecnia.Facultad de Ingeniería2019-04info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionResumenhttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdf316-321http://sedici.unlp.edu.ar/handle/10915/75226spainfo:eu-repo/semantics/altIdentifier/isbn/978-950-34-1749-2info:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by/4.0/Creative Commons Attribution 4.0 International (CC BY 4.0)reponame:SEDICI (UNLP)instname:Universidad Nacional de La Platainstacron:UNLP2025-09-03T10:45:06Zoai:sedici.unlp.edu.ar:10915/75226Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-09-03 10:45:06.645SEDICI (UNLP) - Universidad Nacional de La Platafalse
dc.title.none.fl_str_mv Análisis de fatiga comparativo para una turbina eólica: Gain Scheduling PI vs Control LPV
title Análisis de fatiga comparativo para una turbina eólica: Gain Scheduling PI vs Control LPV
spellingShingle Análisis de fatiga comparativo para una turbina eólica: Gain Scheduling PI vs Control LPV
Ibáñez, Bernabé
Electrotecnia
Energía Eólica
turbinas eólicas
fatiga
scripts
title_short Análisis de fatiga comparativo para una turbina eólica: Gain Scheduling PI vs Control LPV
title_full Análisis de fatiga comparativo para una turbina eólica: Gain Scheduling PI vs Control LPV
title_fullStr Análisis de fatiga comparativo para una turbina eólica: Gain Scheduling PI vs Control LPV
title_full_unstemmed Análisis de fatiga comparativo para una turbina eólica: Gain Scheduling PI vs Control LPV
title_sort Análisis de fatiga comparativo para una turbina eólica: Gain Scheduling PI vs Control LPV
dc.creator.none.fl_str_mv Ibáñez, Bernabé
Inthamoussou, Fernando Ariel
De Battista, Hernán
author Ibáñez, Bernabé
author_facet Ibáñez, Bernabé
Inthamoussou, Fernando Ariel
De Battista, Hernán
author_role author
author2 Inthamoussou, Fernando Ariel
De Battista, Hernán
author2_role author
author
dc.subject.none.fl_str_mv Electrotecnia
Energía Eólica
turbinas eólicas
fatiga
scripts
topic Electrotecnia
Energía Eólica
turbinas eólicas
fatiga
scripts
dc.description.none.fl_txt_mv En la actualidad, la energía eólica está entre los recursos renovables más competitivos a nivel mundial. El tamaño de las turbinas eólicas está en un proceso de continuo crecimiento. A medida que las turbinas son más grandes, se utilizan materiales más livianos y flexibles, que hacen necesario controlar las cargas mecánicas a las que se exponen. En particular, la posible falla debida al daño por fatiga a lo largo de la vida útil resulta crítica a la hora de diseñar una turbina eólica. El daño debido a fatiga en una turbina eólica está estrechamente relacionado con la estrategia de control utilizada. Existe una tendencia notable a investigar la reducción de cargas, tanto en fatiga como también la reducción de las cargas extremas. En los últimos años se han explorado distintas técnicas de control con el objetivo de reducir las cargas en las turbinas eólicas. Entre ellas se pueden mencionar el Control Predictivo basado en Modelos (MPC), y reducción de cargas cíclicas con Controladores Individuales de Flap y de Pitch. El objetivo de este trabajo es contar con una herramienta de análisis de cargas para poder comparar y verificar la fatiga resultante entre diferentes controladores. Para esto se generaron scripts basados en la Norma de la IEC , capaces de llevar a cabo todas las simulaciones necesarias para realizar el análisis de fatiga. Las herramientas de software utilizadas corresponden a las desarrolladas por el National Ren ewable Energy Laboratory (NREL) y son: FAST , MLife y TurbSim. El proceso fue realizado para la turbina controlada mediante el controlador Gain Scheduling Proporcional Integral (GSPI) definido en [11] y para el controlador Lineal de Parámetros Variables (LPV) definido en [12].
Sección: Electrotecnia.
Facultad de Ingeniería
description En la actualidad, la energía eólica está entre los recursos renovables más competitivos a nivel mundial. El tamaño de las turbinas eólicas está en un proceso de continuo crecimiento. A medida que las turbinas son más grandes, se utilizan materiales más livianos y flexibles, que hacen necesario controlar las cargas mecánicas a las que se exponen. En particular, la posible falla debida al daño por fatiga a lo largo de la vida útil resulta crítica a la hora de diseñar una turbina eólica. El daño debido a fatiga en una turbina eólica está estrechamente relacionado con la estrategia de control utilizada. Existe una tendencia notable a investigar la reducción de cargas, tanto en fatiga como también la reducción de las cargas extremas. En los últimos años se han explorado distintas técnicas de control con el objetivo de reducir las cargas en las turbinas eólicas. Entre ellas se pueden mencionar el Control Predictivo basado en Modelos (MPC), y reducción de cargas cíclicas con Controladores Individuales de Flap y de Pitch. El objetivo de este trabajo es contar con una herramienta de análisis de cargas para poder comparar y verificar la fatiga resultante entre diferentes controladores. Para esto se generaron scripts basados en la Norma de la IEC , capaces de llevar a cabo todas las simulaciones necesarias para realizar el análisis de fatiga. Las herramientas de software utilizadas corresponden a las desarrolladas por el National Ren ewable Energy Laboratory (NREL) y son: FAST , MLife y TurbSim. El proceso fue realizado para la turbina controlada mediante el controlador Gain Scheduling Proporcional Integral (GSPI) definido en [11] y para el controlador Lineal de Parámetros Variables (LPV) definido en [12].
publishDate 2019
dc.date.none.fl_str_mv 2019-04
dc.type.none.fl_str_mv info:eu-repo/semantics/conferenceObject
info:eu-repo/semantics/publishedVersion
Resumen
http://purl.org/coar/resource_type/c_5794
info:ar-repo/semantics/documentoDeConferencia
format conferenceObject
status_str publishedVersion
dc.identifier.none.fl_str_mv http://sedici.unlp.edu.ar/handle/10915/75226
url http://sedici.unlp.edu.ar/handle/10915/75226
dc.language.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv info:eu-repo/semantics/altIdentifier/isbn/978-950-34-1749-2
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
http://creativecommons.org/licenses/by/4.0/
Creative Commons Attribution 4.0 International (CC BY 4.0)
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by/4.0/
Creative Commons Attribution 4.0 International (CC BY 4.0)
dc.format.none.fl_str_mv application/pdf
316-321
dc.source.none.fl_str_mv reponame:SEDICI (UNLP)
instname:Universidad Nacional de La Plata
instacron:UNLP
reponame_str SEDICI (UNLP)
collection SEDICI (UNLP)
instname_str Universidad Nacional de La Plata
instacron_str UNLP
institution UNLP
repository.name.fl_str_mv SEDICI (UNLP) - Universidad Nacional de La Plata
repository.mail.fl_str_mv alira@sedici.unlp.edu.ar
_version_ 1842260323486138368
score 13.13397