Enercon: system-damping monitor voor de toren-zijdelingse modus

De frequentiemarge tussen toren en 1p

Enercon ontwerpt torens met een frequentie-marge van minimaal 8 procent tussen de eerste tower-eigenfrequency en 1p, om resonantie te vermijden. Die marge kost staal in stalen-toren-ontwerpen, en in geluidsgevoelige gebieden (met name Duitsland) sluit ze Noise-Reduced-Modes uit die anders te dicht bij 1p zouden uitkomen. Dat verlies aan jaaropbrengst tikt aan over een vloot.

Om de marge veilig te kunnen verkleinen moet de werkelijke side-side system-damping in het veld bekend zijn, als functie van de gemiddelde windsnelheid. Die damping is de som van een structurele, een aerodynamische en een actieve generator-torque-component. Tot nu toe werd ze gemeten door honderden step-perturbaties op het rotor-torque-commando in te schieten, de responsen te middelen en handmatig een tweede-orde-model te fitten op de gemiddelde uitslingering. Dat is de Damping Measurement from Step-methode (DMS), die DotX in 2021 eerder toepaste op de Lagerwey L136 van 4,5 MW. De methode werkt, maar verstoort de normale operatie en kan niet continu draaien.

De Damping Monitor-methode

DotX heeft een methode ontwikkeld die dezelfde damping-coëfficiënt schat uit normale operationele data, zonder step-perturbaties: de Damping Monitor-methode (DM). De side-side-acceleratie-tijdreeks loopt door een notch-filter rond de eerste tower-eigenfrequency. Van het resultaat wordt de auto-correlation function over een beperkt aantal cycli geschat (acht in dit project) en met kleinste kwadraten gefit met een discrete-tijd tweede-orde ARX-model. Het continue-tijd-equivalent levert de damping-ratio, en de Delta-methode geeft de bijbehorende standaardfout per windbin.

Het werk binnen fase 1, een vaste prijs met een doorlooptijd van zes weken:

1. Procesanalyse. Inlezen van twee Enercon-simulatiesets uit Bladed. Set 1 met turbulente wind (turbulentie-intensiteit 5, 50, 90 en 95 procent, runs van 600 s, veertien windbins van 2 tot 30 m/s) plus één run van 9000 s. Set 2 idem, maar met bekende tower-top-moment-perturbaties als referentie voor validatie.
2. Digital twin. De pijplijn van auto-correlatie naar ARX afstemmen op realistische datalengtes, het notch-filter parametriseren op de Bladed-eigenfrequency-tabel, en het aantal lags vastleggen op het regime waar de correlaties nog interpreteerbaar zijn.
3. Optimalisatie. Onzekerheidskwantificatie afleiden, zodat het algoritme niet alleen de damping-ratio teruggeeft maar ook een betrouwbaarheidsinterval per windbin. Die onzekerheid is reduceerbaar door over meerdere batches van 600 s per windbin te middelen: de standaardfout op het gemiddelde schaalt met de wortel uit het aantal batches.
4. Implementatie. Cross-validatie van de DM-schatting tegen de step-gebaseerde DMS-methode op set 2, plus een methodisch rapport aan Enercon R&D met externe review.

Vergelijking met de referentiemeting

Op de hoofdvraag, of de side-side system-damping te schatten is uit alleen operationele data, concludeert het rapport: ja. De DM-schatting valt voor alle veertien windbins (van 2 tot 30 m/s in stappen van 1 m/s) binnen het 95%-betrouwbaarheidsinterval van de DMS-validatieruns. De grootste onzekerheid zit bij lage windsnelheden, tussen 2 en 5 m/s, waar de wind-perturbatie het beperktst is. Bij 8 m/s, een representatief werkpunt in deellast, komt de DM-schatting van ongeveer 0,010 visueel overeen met de bovengrens die uit de gemiddelde step-respons volgt. Over het volledige bereik ligt de geschatte damping-ratio in de orde 0,005 tot 0,020, in lijn met de eigen DMS-runs van Enercon op simulatieset 2.

Daarmee is de methode bruikbaar voor continue vlootbewaking. Zolang er voldoende wind-perturbatie is, levert iedere batch van 600 s een nieuwe damping-sample met een geschatte standaardfout. Honderd samples per windbin brengen de standaardfout op de gemiddelde damping-ratio terug tot een tiende van de oorspronkelijke spreiding. Dat is de operationele schaalbaarheid die DMS niet biedt.

Hetzelfde patroon buiten de windsector

Dit is geen windkennis maar een patroon. Dezelfde fit van een correlatiestructuur met een onzekerheidsband waarmee wij hier toren-damping uit acceleratie schatten, gebruiken wij voor parameter-identificatie in chemische proceslussen, waar de perturbatie het normale ruisniveau op de aanvoer is, en in hydraulische vaarwegmodellen, waar de getijcyclus de natuurlijke perturbatie levert.

Het gemeenschappelijke gereedschap is steeds hetzelfde: kies een lineair tijdinvariant model dat smal genoeg is om identificeerbaar te zijn, gebruik operationele data zodat het meten geen extra verstoring oplevert, en lever altijd het betrouwbaarheidsinterval mee, zodat de afnemer weet wanneer hij de schatting niet mag vertrouwen.

Een damping-monitor uit ruwe operationele data is in essentie dezelfde inverse-probleem-aanpak die wij in de procesindustrie gebruiken om dode tijden en gain-verschuivingen uit normale lastvariatie te halen.