Investigation of offshore wind turbine wakes by numerical modeling and full-scale measurements

Abstract

Bak en vindturbin rotor som trekker kinetisk energi ut fra luftstrømmen, blir strømningsforholdene endret. Dette området kalles vindturbinens vake. Vaken er karakterisert av redusert vindhastighet og økt turbulensintensitet. På grunn av den turbulente blandingen med strømningen utenfor vaken, vil vaken etter hvert gjenvinne egenskapene i den frie vindstrømmen. Likevel kan vaken fra en turbin nå en nedstrøms turbin og påvirke dennes innstrømningsforhold. Den samlede virkning av flere vaker fra turbiner i en vindpark vil summeres og danne en vindpark vake. Denne vaken vil kunne ha større utstrekning enn vaken fra en enkel turbin. Plasseringen av turbiner i en vindpark, inklusive valg av turbinstørrelse og type, spiller en vesentlig rolle for tilgjengeligheten av vindressursene. Estimering av vake-effekter er derfor en vesentlig del av vindeenergiforskningen.

Kunnskap om tubin-vaker er viktig i mange sammenhenger, for å nevne noen få: beregning av årlig energi produksjon, korttids prognoser for vindturbinkontroll, utvikling av kontrollstrategier for å avbøye vaker, eller evaluering av vake-effekten av nærliggende vindparker på en potensiell ny vindparks byggeplass. Den nødvendige presisjonen og metodene som benyttes varierer også. For eksempel vil en i industrielle applikasjoner foretrekke raske og enkle metoder for kraftproduksjonsestimering og vindturbinkontroll, forutsatt at nøyaktigheten forblir tilstrekkelig for beslutninger. Mange forenklede metoder kan utledes fra komplekse ligningsløsninger og antakelser. Hver ny metode bør imidlertid valideres før den tas i bruk. Valideringen vanskeliggjøres dersom lite observasjonsdata er tilgjengelig eller eksperimentet ikke kan reproduseres i mindre skala i en vindtunnel. Derfor er det viktig å bygge et forskningsrammeverk for å velge modeller og metode er like viktig som å utføre vakestudiene i seg selv.

Denne avhandlingen tilnærmer seg vake-forskning både fra et modellerings- og et observasjonsperspektiv. Modelleringsdelen betrakter analytiske vake-modeller og numeriske strømnings-simuleringer, spesielt large-eddy simulation, LES (stor virvelsimulering). Forskningsartiklene tar for seg ulike aspekter i en modelleringskjede og analyse av resultater. De forberedende trinnene innebærer å velge egnede analytiske vake-modeller og verifisere den romlige oppløsning i LES løseren implementert i PALM simuleringskoden. Når det er kjent hvordan romlig oppløsning forbedrer modellens oppløsning av vindstrømningen, simuleres en transient hendelse over Nordsjøen over Alpha Ventus vindparken ved bruk av simuleringskoder i mesoskala og mikroskala. Det komplekse vind/vake-feltet som oppnås som simuleringsresultatet blir deretter analysert med de valgte analytiske vake-modellene for å evaluere hvor godt de tilpasser seg raskt skiftende vindforhold. Det ble funnet at den supergaussiske modellen estimerer vakens formen godt og ikke krever korreksjoner. Derfor er det verdt å fokusere på denne modellen og implementere den bredere i vake-forskningen.

En annen del av avhandlingen fokuserer på observasjonsdata. Denne delen tar for seg et viktig aspekt ved å studere vake fra vindfelt målt med en skanning lidar. Mens skanning lidarer er allsidige instrumenter som er i stand til å måle todimensjonalt vindfeltet, begresnser skanneoppløsning bruken i analyse av vaker. Derfor bør en vurdere metoder for vake-identifikasjon og -karakterisering når en har utilstrekkelig oppløsning eller støy i dataene. Avhandlingen foreslår en dynamiskterskel metode for vake-identifikasjon. Terskel-metoder for vake-identifikasjon velger en verdi som eksplisitt skiller en vake fraden frie strømmen og muliggjør å studere hver av dem separat. Selv om terskel-metoder ikke er nye i vake-forskningen, bruker de eksisterende applikasjoner en fast terskelverdi. Den faste terskelverdien gir gode resultater på vindfelt fra en vindtunnel eller numerisk simulering. Men den fungerer ikke så godt på vindfelt fra lidar-skanning som kan ha støy eller lav romlig oppløsning. Den nye metoden som presenteres velger dynamisk terskelverdien, slik at den kan tilpasse seg de grove og mer støyfylte lidardataene. Videre er det foreslått en prosedyre for å detektere vakens senterlinje, uavhengig av om vindretningen er kjent, noe som gjør metoden mindre avhengig av datakvaliteten og tilgjengelighet av ekstra tidsserier.

Ulempen med skanning lidarer er at de ikke måler den faktiske vindhastigheten, men bare siktlinjehastigheten langs lidarstrålen. Det målte lidar-vindfeltet blir mest likt det virkelige vindfeltet når lidarens siktlinje er på linje med vindretningen. Likevel krever lidar-skanninger behandling med så kalte lidar retrieval (lidar-innhenting) prosedyre for å rekonstruere det originale vindfeltet. Denne prosedyren trenges for å kartlegge detaljene i hver av komponentene til vindhastigheten og for å finne lokal vindretning. En av de lidar-innhenting metodene ble validert på et større lidar-datasett og ekstra tidsserier i denne avhandlingen. Metoden ble testet for følsomhet for den initielle gjetningen og vektene som ble brukt under optimaliseringsprosessen. I den nye valideringen ble det funnet at de betraktede lidar-skanningene hadde bredere og sterkere vaker enn det i den originale valideringen av den samme metoden. De sterkere vakene forstyrret algoritmen slik at den returnerte unaturlig økt vindhastighet langs vaker. Denne effekten kan dempes ved å maskere vaker med den foreslåtte dynamiske terskel-metoden. Det ble dermed vist hvordan ulike tilnærminger kan kombineres for å forbedre behandlingen av observasjonsdata. Valideringsprosessen identifiserte noen muligheter for ytterligere forbedring av metoden; neste trinn bør innebære sammenligning med de numeriske simuleringsdataene.

Artiklene som utgjør avhandlingen beskriver oppsettet av et rammeverk for flerskalamodellering og lidar-skannings prosessering for vake-analyser. Selv om artiklene bruker tilsynelatende uavhengige metoder, vises det hvordan kombinasjonen av metodene bedrer forståelsen og analysen av vake-feltet. Mens de ekstra prosesseringskodene utviklet i denne avhandlingen har rom for forbedring, er det demonstrert hvordan de kan brukes til vake-identifikasjon, bruk av lidar data og analytisk modelltilpasning. Rammeverket for flerskalamodellering etablert under studiene kan deretter brukes til å simulere nye tilfeller og utføre vakeanalyser på tilsvarende måte.

A wind turbine wake is the flow structure formed behind a wind turbine rotor due to the extraction of kinetic energy from the flow. The resulting flow structure is characterized by reduced wind speed and increased turbulence intensity. Due to the turbulent mixing, the wake flow eventually recovers to the free-flow characteristics. Nevertheless, a wake may reach downstream turbines and affect their inflow. Wakes from several turbines in a wind farm will combine and form a wind farm wake, which may span longer distances than a single turbine wake. The arrangement of wind turbines within a wind farm, including the choice of turbines' size and type, plays a crucial role in how wind farm wakes potentially affect the wind resources availability. Estimating wake effects thus becomes an essential part of wind energy research.

Knowledge of wake behavior is important in several applications, to name a few: estimation of the yearly energy production of a wind farm, short-term forecasts for the wind turbine control, development of the control strategies for wake deflection, or evaluation of the wake effect of the nearby farms on a potential construction site. The precision needed and methods used also vary accordingly. For example, industrial applications prefer fast and simple-to-run methods for power production estimation and wind turbine control, provided the accuracy remains adequate for decision-making. Many simplified methods can be derived from complex equation-solving approaches and assumptions. However, any new method should be validated prior to application. The validation is hindered if little observational data are available or the experiment cannot be reproduced on a smaller scale in a wind tunnel. Thus, building a research framework to select models and approaches relevant to the task is equally important as performing the study itself.

This thesis approaches wake research from both the modeling and observational perspectives. The modeling part considers analytical wake models and numerical simulations, particularly large-eddy simulations (LES). Throughout the thesis papers, a modeling chain is demonstrated. The preparatory stage involves selecting the analytical wake model and verifying the grid refinement in the PALM LES code. Knowing how the grid refinement improves the model's flow resolution, a transient event over the North Sea is simulated over the Alpha Ventus wind farm using mesoscale and microscale simulations. The dynamic wake field obtained as the simulation output is then analyzed with the previously selected analytical models to evaluate how well they adapt to rapidly changing conditions. It was found that the super-Gaussian model estimates the wake shape well and does not require corrections. Therefore, it should be worth focusing on this model and implementing it wider in wake research.

Another part of the thesis focuses on observational data. This part tackles an important aspect of studying turbine wakes from wind fields measured with a scanning lidar. While scanning lidars are versatile instruments capable of measuring a two-dimensional wind field, scan resolution hinders using them for wake analysis. Thus, wake identification and characterization methods should consider the case of insufficient resolution or noise in the data. The thesis suggests a dynamic thresholding method for wake identification. The thresholding approach for wake identification selects a value that explicitly separates a wake from the free flow and allows studying either of them. Although the thresholding approach is not new in wake research, the existing applications use a fixed threshold value. The fixed threshold value shows good results for wind fields from a wind tunnel or numerical simulation. However, it may not work as well with lidar data which may have noise or low spatial resolution. The presented novel method dynamically selects the threshold, allowing it to adapt to the coarse and noisier lidar data. A subsequent procedure to detect the wake centerline, regardless of whether the wind direction is known, is also suggested, making the method less dependent on the data quality and supporting time series availability.

The drawback of scanning lidars is that they do not measure the actual wind speed but only the line-of-sight velocity along the lidar beam. The scanned wind field is the closest to the original when the lidar's line of sight is aligned with the wind direction. A special procedure, so called lidar retrieval, is required to reconstruct the original wind field. This procedure also allows mapping of the wind speed components and local wind direction. One of the available methods for the wake field retrieval was validated on a larger lidar data set and additional time series. The method used was further tested for the sensitivity to the initial guess and weights used during the optimization process. During the new validation, it was found that wakes in the regarded lidar scans were wider and stronger than in the validation of the original algorithm. The more prominent wakes disrupted the retrieval algorithm so that it returned unnaturally increased wind speed along the wakes. This effect could be mitigated by masking wakes with the previously described dynamic thresholding method. Thus, it is shown how different approaches may be combined to improve the processing of observational data. The validation left several options for further improvement of the method; the next stage should involve comparison with the numerical simulation data.

The papers constituting the thesis describe the setting up of the multi-scale modeling framework and lidar scan processing for the wake analysis. Although they may use seemingly independent methods, it is shown how the synthesis of the methods benefits the understanding and analysis of the wake field. While the additional processing codes produced during the work on this thesis have room for improvement, they have proved their capability of performing designated tasks for wake identification, lidar retrieval, and analytical model fitting. The multi-scale modeling framework established during the studies can then be used for simulating new cases and performing flow analysis in a similar way.