4
6/11 . www.computer-automation.de 46 Steuerungsebene Fuzzy- statt PD-Regelung Die Blattwinkelregelung von Windrädern basiert heute auf PD- beziehungsweise PID-Reglern. Aufgrund des nicht-linearen Verhaltens der Anlagen ist die Auslegung dieser Regler üblicherweise eine sehr zeitintensive Angelegenheit. Ein schnelleres und effizienteres Vorgehen verspricht der künftige Einsatz von Fuzzy-Reglern. M oderne Windenergieanlagen (WEA) regeln die aus dem Wind entnommene Leistung durch die Ände- rung des Blattwinkels. Der Wind er- zeugt an den Rotorblättern eine Auf- triebskraft und versetzt den Rotor in eine Drehbewegung. Ab einer Windge- schwindigkeit von etwa 12 m/s – dies entspricht einer Windstärke von 6 Beau- fort (Bft) – wäre die dadurch vom Rotor aufgenommene Leistung jedoch größer als die Nennleistung der WEA und muss folglich begrenzt werden. Hierzu wird der Anströmungswinkel des Windes durch Verstellen der Rotorblätter verän- dert und so die aufgenommene Rotor- leistung verringert. Der bei dieser Dreh- zahlregelung über den Blattwinkel wirksame Regelkreis – meist Blattwin- kelregelung genannt – ist extrem nicht- linear, vorrangig bedingt durch das aero- dynamische Verhalten der Rotorblätter. Daher wird bei heutigen WEA der ver- wendete PID-Regler üblicherweise durch Filter und weitere Zusatzfunktio- nen wie Gain-Scheduling ergänzt. Die Vor-Auslegung der Reglerparameter erfolgt im Rahmen der Lastenbe- rechnung für eine WEA. Ein rechne- risches Anlagenmodell wird hierbei in Simulationsläufen genormten Wind- profilen ausgesetzt. Bei der Auslegung des Reglers sind jedoch konkurrier- ende Optimierungskriterien wie gerin- ge Drehzahl-Abweichung und hoher Energie-Ertrag bei geringen Lasten zu berücksichtigen. Der Optimierungsprozess kann sich daher aufwendig und langwierig gestal- ten, da sich das Optimum erst durch mehrere Iterationsschleifen herausar- beiten lässt. Bei diesem Optimum han- delt es sich auch lediglich um einen bestmöglichen Kompromiss. Zusätzlich zu dieser Vor-Auslegung ist bei der In- betriebnahme der Anlage im Feld in der Regel eine Nachoptimierung der in der Simulation ermittelten Parameter erfor- derlich. Diese kann sich als langwierig erweisen, da die hierzu erforderlichen Windgeschwindigkeiten nicht auf Abruf verfügbar sind und zudem – abhängig vom Standort des Windrades – nur zeit- lich begrenzt auftreten. Kurzum: PID- Regler basieren auf dem Modell der Anlage, an dem sich die Parameter ori- entieren. Sollte sich das Modell verän- dern, verringert sich automatisch die Regelgüte. Fuzzy-Regler hingegen basieren auf Regeln. Auch wenn sich das Modell stark verändern würde, wäre der grund- sätzliche Prozess noch der gleiche und die Regeln immer noch voll gültig. Auf Basis dieser Regeln wird der Stellwert berechnet, weshalb auch keine genau- en Informationen über das System vor- handen sein müssen. Mit anderen Wor- ten: Der Regler spiegelt das mensch- liche Verhalten des Experten wieder, der diese Regeln entworfen hat, und ermöglicht es, auf jeden Zustand in- dividuell zu reagieren. Dadurch sind Fuzzy-Regler wesentlich robuster ge- genüber Änderungen der Anlage, des Nils Johannsen (Bilder: Beckhoff) im F kus ERNEUERBARE ENERGIEN

Fuzzy- statt PD-Regelung - download.beckhoff.com · 6/11 . 46 Steuerungsebene Fuzzy- statt PD-Regelung Die Blattwinkelregelung vonWindrädern basiert heute auf PD- beziehungsweise

  • Upload
    others

  • View
    6

  • Download
    0

Embed Size (px)

Citation preview

6/11 . www.computer-automation.de

46 Steuerungsebene

Fuzzy- stattPD-Regelung

Die Blattwinkelregelung vonWindrädern basiertheute auf PD- beziehungsweise PID-Reglern. Aufgrund

des nicht-linearen Verhaltens der Anlagenist die Auslegung dieser Regler üblicherweise eine sehr

zeitintensive Angelegenheit. Ein schnelleres undeffizienteres Vorgehen verspricht der künftige Einsatz

von Fuzzy-Reglern.

M oderne Windenergieanlagen(WEA) regeln die aus dem Wind

entnommene Leistung durch die Ände-rung des Blattwinkels. Der Wind er-zeugt an den Rotorblättern eine Auf-triebskraft und versetzt den Rotor ineine Drehbewegung. Ab einer Windge-schwindigkeit von etwa 12 m/s – diesentspricht einerWindstärke von 6 Beau-fort (Bft) – wäre die dadurch vom Rotoraufgenommene Leistung jedoch größerals die Nennleistung derWEA undmussfolglich begrenzt werden. Hierzu wirdder Anströmungswinkel des Windesdurch Verstellen der Rotorblätter verän-dert und so die aufgenommene Rotor-leistung verringert. Der bei dieser Dreh-zahlregelung über den Blattwinkelwirksame Regelkreis – meist Blattwin-kelregelung genannt – ist extrem nicht-linear, vorrangig bedingt durch das aero-dynamische Verhalten der Rotorblätter.Daher wird bei heutigen WEA der ver-wendete PID-Regler üblicherweisedurch Filter und weitere Zusatzfunktio-

nen wie Gain-Scheduling ergänzt. DieVor-Auslegung der Reglerparametererfolgt im Rahmen der Lastenbe-rechnung für eine WEA. Ein rechne-risches Anlagenmodell wird hierbeiin Simulationsläufen genormten Wind-profilen ausgesetzt. Bei der Auslegungdes Reglers sind jedoch konkurrier-ende Optimierungskriterien wie gerin-ge Drehzahl-Abweichung und hoherEnergie-Ertrag bei geringen Lasten zuberücksichtigen.Der Optimierungsprozess kann sich

daher aufwendig und langwierig gestal-ten, da sich das Optimum erst durchmehrere Iterationsschleifen herausar-beiten lässt. Bei diesem Optimum han-delt es sich auch lediglich um einenbestmöglichen Kompromiss. Zusätzlichzu dieser Vor-Auslegung ist bei der In-betriebnahme der Anlage im Feld in derRegel eine Nachoptimierung der in derSimulation ermittelten Parameter erfor-derlich. Diese kann sich als langwierigerweisen, da die hierzu erforderlichen

Windgeschwindigkeiten nicht aufAbrufverfügbar sind und zudem – abhängigvom Standort des Windrades – nur zeit-lich begrenzt auftreten. Kurzum: PID-Regler basieren auf dem Modell derAnlage, an dem sich die Parameter ori-entieren. Sollte sich das Modell verän-dern, verringert sich automatisch dieRegelgüte.Fuzzy-Regler hingegen basieren auf

Regeln. Auch wenn sich das Modellstark verändern würde, wäre der grund-sätzliche Prozess noch der gleiche unddie Regeln immer noch voll gültig. AufBasis dieser Regeln wird der Stellwertberechnet, weshalb auch keine genau-en Informationen über das System vor-handen sein müssen. Mit anderen Wor-ten: Der Regler spiegelt das mensch-liche Verhalten des Experten wieder,der diese Regeln entworfen hat, undermöglicht es, auf jeden Zustand in-dividuell zu reagieren. Dadurch sindFuzzy-Regler wesentlich robuster ge-genüber Änderungen der Anlage, des

Nils Johannsen

(Bilder:Beckhoff)

im

F•kus

ERNEU

ERBARE

ENER

GIEN

046_CA1106-16 Beckhoff 2.indd 46046_CA1106-16 Beckhoff 2.indd 46 24.05.2011 12:27:34 Uhr24.05.2011 12:27:34 Uhr

_05TX9_046_CA_1106.ps;S: 1;Format:(230.00 x 297.00 mm);24. May 2011 12:28:17

47

www.computer-automation.de . 6/11

Steuerungsebene

Sollwerts oder Störungen. Außerdemist die Parametrierung wesentlich ver-einfacht, denn es wird kognitives undnicht mathematisches Wissen benötigt.Nicht zuletzt sind Fuzzy-Regler imGegensatz zu den heute vorwiegendeingesetzten PID-Reglern bereits nicht-lineare Zustandsregler. Aus anderenAnwendungen mit ähnlichen Randbe-dingungen (zum Beispiel Inverses Pen-del) ist bereits bekannt, dass bei starknicht-linearen Systemen der Einsatzvon Fuzzy-Reglern zu besseren Regel-eigenschaften führt.Als Nachteil von Fuzzy-Reglern wer-

den häufig die schwierige Stabilitäts-überprüfungunddas fehlende systemati-sche Entwurfsverfahren angesprochen.Zum Prüfen der Stabilität würde einModell benötigt, welches dann wiede-rum zum Einstellen eines PID-Reglersverwendet werden könne. Jedoch benö-tigt der Fuzzy-Regler nur ein unschar-fes und kein detailliertes mathemati-sches Modell. Bei Windkraftanlagen istdas Modell immer nur eine Nachbil-dung, da sich die realen Verhältnissedes Windes, die Verwirbelungen unddie Aerodynamik immer nur nähe-rungsweise betrachten lassen. Ände-rungen der Luftdichte, der Rotorblättersowie Änderung der Trägheit im An-triebsstrang können hier bereits starkeÄnderungen des aerodynamischen Ver-haltens des Rotors bewirken.

Basierend auf diesen Erkenntnissenhat Beckhoff für dieAutomatisierungs-software Twincat einen Fuzzy-Reglerentworfen, um den Blattwinkel undsomit die Rotordrehzahl effektiver zuregeln. Durch dessen Einsatz versprichtman sich außerdem eine Verringerungdes Aufwandes bei der Auslegung desReglers. Da das Verständnis für denRegler wesentlich vereinfacht wird,lässt sich die benötigte Zeit zur Opti-mierung deutlich verkürzen.Außerdemsoll ein Regler ohne Änderung für ver-schiedene Anlagen verwendbar sein,unabhängig von Rotordurchmesseroder Turmhöhe. Da der Fuzzy-Reglerein Mehrgrößenregler ist, kann damitwesentlich flexibler auf die verschiede-nen Zustände der Anlage reagiert wer-den. Diese Vorteile kommen jedochnur dann zum Tragen, wenn die Regel-güte sowie der Energie-Ertrag ver-gleichbar sind und die Anlagenlastendadurch nicht erhöht werden. Ließensich die Lasten wiederum verringern,erweist sich der Fuzzy-Regler als we-sentlich effizienter.

Aufbau des Fuzzy-ReglersDer Fuzzy-Blattwinkel-Regler über-wacht grundsätzlich die Rotordrehzahlund gibt eine Blattwinkelverstellrate aus(siehe Bild 1). Intern erfolgt eine Berech-

nung der Drehzahl-Abweichung zumSollwert sowie der Beschleunigung desRotors. Die beiden Eingänge werdenFuzzy-Mengen zugeordnet, auch Fuzzi-fizierung genannt. Diese Zuordnung ge-schieht über Bänder, die um den jewei-ligen Eingang (Drehzahl-Abweichungund Beschleunigung) gelegt werden.Eine Drehzahl-Abweichung von Nullentspräche demMittelpunkt, eine leichteAbweichung würde dem ersten Dreh-zahlband zugeordnet werden und höhereAbweichungen dann jeweils dem höhe-ren Drehzahlband (siehe Bild 2).Insgesamt werden drei Bänder für den

jeweiligen Eingang verwendet. Dabeiwird zwischen negativer und positiverAbweichung unterschieden und ermit-telt, ob der Wert gegebenenfalls außer-halb der definierten Bänder liegt. Fürden Ausgang, sprich für die Blattwin-kelverstellrate, werden wiederum dreiBänder angelegt – von langsamer biszur maximalen Verstellrate, jeweils po-sitiv und negativ. Die Festlegung derBreite dieser Bänder erfolgt über Para-meter. Daraus ergeben sich jeweils dreiParameter für jeden Eingang (Drehzahl-Abweichung, Beschleunigung) sowiedrei weitere Parameter für den Ausgang(Verstellrate).Auf Basis dieser Fuzzy-Mengen be-

ziehungsweise Drehzahlbänder erfolgt

Bild 1. Genereller Aufbau desFuzzy-Blattwinkel-Reglers: Als

Eingang dient die Rotordrehzahl,aus der sich die Drehzahl-Abweichung

und Beschleunigung berechnenlassen. Diese Werte werden

fuzzifiziert und den Bändern zu-geordnet. Die Regeln aus der

Regelbasis werden in der Entschei-dungslogik abgearbeitet und über

das Defuzzifizieren die Blattwinkel-verstellrate ermittelt.

Bild 2. Die Definition der Drehzahl-bänder: Um die Drehzahl-Abwei-

chung werden die drei Drehzahlbändergelegt. Kleine Abweichungen

befinden sich im ersten Band, größerewerden dann dem zweiten und

dritten Drehzahlband zugeordnet.Die Breite der Bänder wird durch

die Parameter bestimmt.

046_CA1106-16 Beckhoff 2.indd 47046_CA1106-16 Beckhoff 2.indd 47 24.05.2011 12:27:36 Uhr24.05.2011 12:27:36 Uhr

_05TXA_047_CA_1106.ps;S: 1;Format:(230.00 x 297.00 mm);24. May 2011 12:28:19

6/11 . www.computer-automation.de

48 Steuerungsebene

anschließend die Auswertung der Re-geln. Insgesamt wurden 49 Regeln an-gelegt – eine zu jedem möglichen Zu-stand. Die Definition dieser Regelngeschieht auf Basis der Zuordnung zuden jeweiligen Bändern der Eingängesowie des verwendeten Ausgangs. EineRegel könnte beispielsweise lauten:Wenn die Drehzahl-Abweichung imersten positiven Band ist und die Be-schleunigung im zweiten negativenBand, setze die Blattwinkelverstellrateauf die erste negative Rate. Eine negati-ve Blattwinkelverstellrate würde be-deuten, das Rotorblatt in den Wind zudrehen und den Leistungsbeiwert zuerhöhen.An dieser Regel lässt sich die Flexi-

bilität des Fuzzy-Reglers erkennen:Ein P-Regler hätte bei positiver Dreh-zahl-Abweichung stur eine positiveVerstellrate ausgegeben. Da der Rotorjedoch bereits eine negative Beschleu-nigung aufweist – die Drehzahl sichalso verringert – würde der Rotor wei-ter gebremst. Folge der Unterdrehzahlwäre schließlich eine Verringerung desEnergie-Ertrages. Die Regel des Fuz-zy-Reglers hingegen geht auf die ne-gative Beschleunigung ein. Anstatt dieRotordrehzahl weiter zu verringern,versucht der Regler gegen die Be-schleunigung zu wirken, um eine Un-terdrehzahl zu vermeiden. Damit sollgezielter auf Nenndrehzahl geregeltund der Energie-Ertrag somit erhöhtwerden.

Durch die Auswertung aller Regeln,deren Bedingungen erfüllt sind, werdengewichtete Ausgänge ermittelt und dieBlattwinkelverstellraten berechnet. Die-ser Vorgang nennt sich Defuzzifizie-rung. Um zu schnelle Stellwert-Ände-rungen zu vermeiden, erfolgt noch eineGlättung der Blattwinkelverstellrateüber einen Filter erster Ordnung.Eingangsmengen, Regeln und Aus-

gangsmengen stellen gemeinsam dieWissensbasis des Reglers dar. Die Re-geln sind fest implementiert und nichtänderbar, da sie für die Stabilität desReglers sorgen und das Expertenwissenüber den Prozess beinhalten. Die Ein-gangs- undAusgangsmengen lassen sichüber die Bänder ändern und somit, fallsnötig, an den verwendeten Rotor anpas-sen. Je kleiner die Drehzahlbänder, destostärker reagiert der Regler. Äquivalentverhält sich der Regler für die anderenBänder. Damit ist die Wissensbasis sehreinfach gestaltet und auch für Nicht-Regelungstechniker nachvollziehbar.

Verifizierung des Reglers inder PraxisDie Verifizierung des entworfenenFuzzy-Reglers erfolgte in Zusammen-arbeit mit dem Unternehmen Windno-vation aus Berlin. Anhand eines vor-handenen Anlagen-Modells wurde inder Konstruktionssoftware „Bladed“von der Firma GL Garrad Hassan derFuzzy-Blattwinkel-Regler mit einemkonventionellen PD-Regler verglichen.

Bild 3. Vergleich des Blattwinkels vom PD- und Fuzzy-Regler: Zu erkennen ist, dasssich der Blattwinkel vom Fuzzy-Regler wesentlich schneller verändert, dadurchjedoch wesentlich früher eine Drehzahl-Abweichung ausregeln kann.

— Fuzzy-Regler

— PD-Regler

046_CA1106-16 Beckhoff 2.indd 48046_CA1106-16 Beckhoff 2.indd 48 24.05.2011 12:27:36 Uhr24.05.2011 12:27:36 Uhr

_05TXB_048_CA_1106.ps;S: 1;Format:(230.00 x 297.00 mm);24. May 2011 12:28:28

www.computer-automation.de . 6/11

49Steuerungsebene

Windnovation hatte zuvor bereits dievollständige Lastenrechnung und Aus-legung des PD-Reglers für diese Anla-ge durchgeführt. Somit waren die Er-gebnisse uneingeschränkt miteinandervergleichbar.Um den PD-Regler so zu parametrie-

ren, dass sich die Rotordrehzahl stabilregeln ließ, benötigten die Experten vonWindnovation mehrere Tage! Anschlie-ßend gingen weitere Wochen ins Land,um die optimalen Regelparameter zu er-mitteln. Zum Vergleich wurde schließ-lich der Fuzzy-Regler in diese Lasten-rechnung implementiert und mit einemStandard-Regelsatz verwendet. Ergebniswar: Die Rotordrehzahl ließ sich sofortstabil regeln und der Parametersatz wur-de für die folgenden Lastenrechnungennicht mehr verändert. Die verwendeten,69 Lastfälle zur Simulation wurden nachden Richtlinien zur Zertifizierung vonWindenergieanlagen vom Germani-schen Lloyd erzeugt und enthielten Wind-profile mit Windgeschwindigkeiten von3 bis 25 m/s nach der Windklasse IIA.Diese Zeitreihen wurden jeweils fürden konventionellen Regler und denFuzzy-Regler simuliert, die Regelgüte,Extremlasten sowie Betriebsfestigkeits-lasten ausgewertet und untereinanderverglichen. Die Ermittlung der Regelgü-te erfolgte dabei durch Auswertung derRotordrehzahl, der elektrischen Leistungund der Blattwinkelverstellung. Überalle Lastfälle wurden schließlich dieMit-telwerte undAbweichungen zu den Soll-werten berechnet.Die Ergebnisse zeigen, dass unter

Verwendung des Fuzzy-Reglers diedurchschnittliche Abweichung der Ro-tordrehzahl vom Sollwert um etwa40 % geringer ist. Außerdem hat sichdie durchschnittliche Rotordrehzahl umetwa 0,2 % und die elektrische Leistungum etwa 0,4 % erhöht. Dazu benötigtder Fuzzy-Regler eine erhöhte Aktivitätder Blattwinkelverstellung (ungefähr16 %; Durchschnitt der Blattwinkel-verstellrate – siehe Bild 3). Die Extrem-lasten erreichten bei beiden Reglernvergleichbare Werte. Gleiches gilt fürdie Belastungen auf den Rotorblättern.DieAuswertung der Betriebsfestigkeits-lasten hat ergeben, dass diese unter Ver-wendung des Fuzzy-Reglers reduziertwerden. Davon ausgenommen sind dieLasten, welche auf den Turm wirken.

Konkret konnten die Lasten auf An-triebsstrang und Rotor durchschnittlichum 4 %, teilweise sogar um bis zu 13 %verringert werden. Trotz der gesteiger-ten Blattwinkelverstellung ergab sichauch eine Verringerung der Lasten aufNabe, Rotorblatt und Blattwurzel.

Noch genügend Raum fürweitere OptimierungIn Summe lässt sich festhalten: DerFuzzy-Regler lieferte vergleichbare undteilweise sogar bessere Ergebnisse, ob-wohl keine Optimierung der Parameterstattgefunden hat. Das Einstellen derParameter wird aufgrund der verständli-chen Wissensbasis vereinfacht und derAufwand wesentlich verringert. Zusätz-liche Optimierungen anhand der jewei-ligen Anlage würden sicherlich zu wei-teren Verbesserungen führen. Mitanderen Worten: Selbst bei einer Grob-auslegung der Parameter hat der Fuz-zy-Regler die Erwartungen erfüllt undsich für den Einsatz zur Blattwinkelre-gelung als optimal erwiesen.Jetzt gilt es, die Ergebnisse in wei-

teren Lastenrechnungen zu verifizie-ren. Zudem muss sich der Regler aufeiner realen Anlage bewähren. Darü-ber hinaus ist es möglich, den Reglermittels Filter zu erweitern und zu op-timieren.Durch die Auswertung zusätzlicher

Eingänge könnte auf etwaige Umstän-de eingegangen und vorausschauendreagiert werden. So könnte zum Bei-spiel die Turmschwingung als zusätz-licher Eingang verwendet werden, umadaptiv zu regeln, die Schwingung zudämpfen und die Turmlasten zu redu-zieren. Zusätzliche Ausgänge könntenden Regler mit mehr Funktionen aus-statten und ihm ermöglichen, nochtiefer in den Prozess einzugreifen.Last but not least würde die Kombina-tion mit einem neuronalen Netz – auchNeuro-Fuzzy-System genannt – einautomatisches Optimieren der Para-meter ermöglichen. gh

NilsJohannsen

ist in der Beckhoff-Niederlassung in Lübeckim Bereich Applikations-software für Windkraft-anlagen tätig.

046_CA1106-16 Beckhoff 2.indd 49046_CA1106-16 Beckhoff 2.indd 49 24.05.2011 13:53:57 Uhr24.05.2011 13:53:57 Uhr

_05U1T_049_CA_1106.ps;S: 1;Format:(230.00 x 297.00 mm);24. May 2011 13:54:44