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
- Institución
- Universidad Nacional de La Plata
- OAI Identificador
- oai:sedici.unlp.edu.ar:10915/75226
Ver los metadatos del registro completo
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 |