KR102004749B1 - 풍력 터빈의 요 제어 방법 및 시스템 - Google Patents

Abstract

본 발명은 요 오차 및 요 액츄에이터 사용의 최소화를 동시에 달성하도록, YCS의 제어 파라미터의 최적화할 수 있도록 하는 풍력 터빈의 요 제어 방법 및 시스템에 관한 것으로, 이는 풍향 정상 측정 결과에 기반한 요 제어 동작을 수행하는 제1 요 제어 시스템과, 풍향 간접 측정 결과에 기반한 요 제어 동작을 수행하는 제2 요 제어 시스템을 구성하는 단계; 요 오차 및 요 엑츄에이터 최소화를 위한 목적 함수 및 제한사항을 상기 제1 및 제2 요 제어 시스템 각각에 대해 정의하는 단계; MOPSO(Multi-Objective Particle Swarm Optimization) 기반 데이터마이닝을 통해 상기 제1 및 제2 요 제어 시스템 각각의 파라미터 최적화를 수행함으로써, 요 제어 시스템별 최적 솔루션을 획득하는 단계; 상기 요 제어 시스템별 최적 솔루션을 비교 분석하여, 성능 비교 분석표를 생성하는 단계; 및 시스템 구동 조건이 입력되면, 상기 성능 비교 분석표를 참고하여 상기 시스템 구동 조건을 만족시키는 하나의 요 제어 시스템을 선택 및 구동시키는 단계를 포함할 수 있다.

Description

풍력 터빈의 요 제어 방법 및 시스템{Method and system for yaw control of WindTurbin}

본 발명은 풍력 터빈의 요 제어 방법 및 시스템에 관한 것으로, 특히 요 오차 및 요 액츄에이터 사용의 최소화를 동시에 달성하도록, 요 제어 시스템의 제어 파라미터의 최적화할 수 있도록 하는 풍력 터빈의 요 제어 방법 및 시스템을 제공하고자 한다.

최근 풍력 에너지에 대한 비중이 높아지면서, 풍력을 획득하고 발전시키는 주요 장비인 풍력 터빈(WT)의 성능 최적화에 관심이 모아지고 있다. 이에 비용을 최소화하면서 고성능을 보장하기 위해 풍력 터빈에 대한 최적의 솔루션이 지속적으로 개발되고 있으며, 다양한 솔루션 중에서 통제 기술은 풍력 터빈의 전력 생산 및 구성 요소 부하에 직접적으로 영향을 주는 필수적인 역할을 한다.

풍력 터빈은 일반적으로 피치 액추에이터, 토크 액추에이터 및 요 액추에이터와 같은 3 개의 제어 액추에이터를 가진다. 피치 액추에이터 및 토크 액추에이터는 풍속 변화에 대한 빠른 응답성을 제공할 수 있기 때문에 두 개의 지배적인 액추에이터로 간주되어, 이에 대한 많은 기술 개발이 진행되었으나, 요 제어 시스템에 관한 기술 개발은 상대적으로 부진한 상태이다.

요 제어 시스템(YCS; yaw control system)는 풍향과 나셀 위치의 차이인 요 오차의 최소화와 요 액츄에이터의 사용 최소화를 주요 목표로 한다. 요 오차의 증가는 수평축 WT에 의해 추출된 풍력을 감소시키며, 구성 요소의 구조적 하중에 영향을 미치고, 요 액추에이터의 동작은 요 모터 및 요 브레이크의 수명에 직접 영향을 미치고, 전력을 소비하기 때문이다.

그러나 요 오차의 최소화는 요 액츄에이터의 연속 동작을 필요로 하기 때문에, 요 오차의 최소화는 요 액츄에이터의 사용 감소와 모순된다.

산업용 WT의 경우, YCS의 2 가지 목표를 충분히 만족시키는 못하는 한계가 있다. WT 운영에 관한 연구에 따르면, 정적 요 오차는 풍속이 20m/s 이하인 경우에 각각 약 10도 및 5도이며, 요 고장률이 전체 고장률의 약 12.5 %를 차지한다고 보고되고 있다. 이에 YCS의 성능 개선에 대한 필요성이 발생하였다. YCS의 하드웨어는 이미 고도화된 제조 기술을 사용하여 사전 설계되어 있으므로, 성능은 전적으로 채택된 제어 전략에 달려 있다.

풍향 측정 기술에 기반한 YCS의 제어 전략은 1) 풍향 측정이 없는 제어, 2) 정상 측정의 제어, 3) 고급 측정의 제어 및 4) 간접 측정을 통한 제어와 같은 4 가지 유형으로 분류될 수 있다.

이 4 가지 유형 중 바람에 의한 측정 정보를 사용하는 두 번째 유형은 산업용 WT에서 널리 사용되었지만, 성능은 WT 작동에 의해 방해받는 부정확한 측정으로 인해 어려움을 겪고 있다. 대안으로, 최대 전력점(MPP)을 직접 검색하는 첫 번째 유형이 제안되었으나, WT의 MPP는 풍속 및 풍향에 따라 달라지므로 이러한 유형의 컨트롤을 적용하면 적절한 측정을 사용하지 않고 MPP를 찾는 것이 매우 어렵다는 큰 한계가 있다. 최근에 Lidar와 초음파 (Sodar) 기술을 사용하여 풍향 정보를 얻는 세 번째 유형이 최근에 제안되었으나, 이는 고가의 측정 장치를 필요로 하여 고출력 WT에서만 사용가능한 한계가 있다. 세 번째 유형과 비교하여, 일부 예측 알고리즘에 의해 제공되는 예측된 미래 정보를 사용하는 네 번째 유형의 제어는 유사한 성능을 제공하고 비용 효과적이다. 이러한 점을 참고하면, YCS에 대한 두 가지 유리한 유형의 제어 전략, 즉 정상 측정과 간접 측정을 통한 제어가 있을 수 있음을 보여준다.

정상 측정을 통한 제어 전략은 비교적 간단하며, 풍향계로 측정된 요 오차가 일부 임계 값을 초과하면 요 액추에이터가 활성화된다. 그럼에도 불구하고, 측정된 풍향은 항상 고주파 소음과 특이치를 포함한다. 이 문제를 해결하기 위해 평균 또는 저역 통과 필터를 사용하여 요 운동에 대한 레퍼런스를 제공한다. 한편, 요 액츄에이터의 과도한 사용을 피하기 위해, 요 시스템은 사전 정의된 로직 컨트롤을 사용하여 이산 간격으로 항상 활성화된다. 전형적인 제어 전략은 NREL CART3 (Controls Advanced Research Turbine 3-Bladed) 터빈에 의해 사용되는 [선행기술문헌 1： Kragh KA; Fleming PA. Rotor Speed Dependent Yaw Control of Wind Turbines Based on Empirical Data. AIAA Aerospace Sciences Meeting Including the New Horizons Forum and Aerospace Exposition. 2012.]에 기록되어있다. 몇 가지 파라미터가 제어 전략에 사용되지만 최적화되지 않은 방식으로 사전 정의된다. 파라미터 최적화에 대한 조사는 이 제어 전략의 잠재적 성능을 이해하는 데 중요하다.

이에 비해 간접 측정을 통한 제어는 보다 유연하며 간단한 제어뿐만 아니라 복잡한 제어를 사용할 수 있다. 첨단 예측 기술에 의해 제공되는 풍향의 단기 예측을 사용하여 YCS의 예측 모델을 구축 할 수 있다. 따라서, 예측 모델을 기반으로 한 정교한 제어가 채택하기 쉽다. 그 중 모델 예측 제어(model predictive control, MPC)가 YCS [선행기술문헌 2： Song D, Yang J, Fan X, Liu Y, Liu A, Chen G, Joo YH. Maximum power extraction for wind turbines through a novel yaw control solution using predicted wind directions. Energy Conversion and Management 2018; 157: 587-99.]에서 제안되었다.

MPC는 미래의 플랜트 모델을 사용하여 향후 행동을 예측할 수 있기 때문에 WT의 제어 전략에 대한 자연스러운 선택으로 간주되며 WT의 설계자가 부과한 제한을 존중하면서 최적의 제어 문제를 해결할 수 있다.

한편, 파라미터 결정은 MPC 설계의 중요한 부분이나, MPC가 YCS에 도움이 될 수 있다는 내용의 간행물이 있지만 파라미터 선택 절차를 지원하지 못하는 한계가 있다.

1. Kragh KA; Fleming PA. Rotor Speed Dependent Yaw Control of Wind Turbines Based on Empirical Data. AIAA Aerospace Sciences Meeting Including the New Horizons Forum and Aerospace Exposition. 2012. 2. Song D, Yang J, Fan X, Liu Y, Liu A, Chen G, Joo YH. Maximum power extraction for wind turbines through a novel yaw control solution using predicted wind directions. Energy Conversion and Management 2018; 157: 587-99. 3. Coello CAC, Lechuga MS. MOPSO: A Proposal for Multiple Objective Particle Swarm Optimization. In Proceedings of Congress on Evolutionary Computation. 2002; 2: 1051-56.

이에 상기와 같은 문제점을 해결하기 위한 것으로서, 본 발명은 요 오차 및 요 액츄에이터 사용의 최소화를 동시에 달성하도록, YCS의 제어 파라미터의 최적화할 수 있도록 하는 풍력 터빈의 요 제어 방법 및 시스템을 제공하고자 한다.

또한 본 발명은 다수의 YCS를 구비하고, 다수의 YCS 각각의 성능을 파악함으로써, 시스템 구동 조건에 적합한 YCS 만을 선택적을 구동시킬 수 있도록 하는 풍력 터빈의 요 제어 방법 및 시스템을 제공하고자 한다.

더하여 본 발명은 풍향 조건 변화에 따른 영향을 파악할 수도 있도록 하는 풍력 터빈의 요 제어 방법 및 시스템을 제공하고자 한다.

본 발명의 목적은 이상에서 언급한 목적으로 제한되지 않으며, 언급되지 않은 또 다른 목적들은 아래의 기재로부터 본 발명이 속하는 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.

상기 과제를 해결하기 위한 수단으로서, 본 발명의 일 실시 형태에 따르면 풍향 정상 측정 결과에 기반한 요 제어 동작을 수행하는 제1 요 제어 시스템과, 풍향 간접 측정 결과에 기반한 요 제어 동작을 수행하는 제2 요 제어 시스템을 구성하는 단계; 요 오차 및 요 엑츄에이터 최소화를 위한 목적 함수 및 제한사항을 상기 제1 및 제2 요 제어 시스템 각각에 대해 정의하는 단계; MOPSO(Multi-Objective Particle Swarm Optimization) 기반 데이터마이닝을 통해 상기 제1 및 제2 요 제어 시스템 각각의 파라미터 최적화를 수행함으로써, 요 제어 시스템별 최적 솔루션을 획득하는 단계; 상기 요 제어 시스템별 최적 솔루션을 비교 분석하여, 성능 비교 분석표를 생성하는 단계; 및 시스템 구동 조건이 입력되면, 상기 성능 비교 분석표를 참고하여 상기 시스템 구동 조건을 만족시키는 하나의 요 제어 시스템을 선택 및 구동시키는 단계를 포함하는 풍력 터빈의 요 제어 방법을 제공한다.

상기 제1 요 제어 시스템은 나셀 위치를 조정하며, 상기 나셀 위치를 풍향과 비교하여 요 오차를 산출하는 제1 요 시스템; 및 상기 요 오차를 제1 시간(T_fast) 및 제2 시간(T_slow, T_slow > T_fast)으로 로우 패스 필터링하여 제1 변화 측정값(er_fast)과 제2 변화 측정값(er_slow)을 생성하고, 상기 제1 변화 측정값(er_fast)의 적분 결과가 임계값(Th)에 도달할 때에 상기 요 시스템의 나셀 위치를 상기 제2 측정값(er_slow) 기반으로 이동시키는 제1 요 제어기를 포함할 수 있다.

상기 제2 요 제어 시스템은 나셀 위치를 조정하며, 상기 나셀 위치를 풍향과 비교하여 요 오차를 산출하는 제2 요 시스템; 및 상기 나셀 위치와 상기 요 오차를 기반으로 풍향 예측치를 산출하는 이상적 예측 모듈, 상기 풍향 예측치 및 상기 나셀 위치를 기반으로 요 오차 예측치를 산출하는 예측 모델, 요 오차와 요 엑추에이터 사용을 최소화하는 목적 함수를 구성한 후, 상기 목적 함수 최소화를 통해 상기 요 오차 예측치가 최소화되는 나셀 위치값을 예측 및 제공하는 목적 함수 최소화부를 포함하는 제2 요 제어기를 포함할 수 있다.

상기 요 제어기는 각 샘플링 기간의 풍향 예측 결과를 업데이트하여 다음 샘플링 시점에서의 풍향 예측치를 산출하는 이상적 예측 모듈; 상기 풍향 예측치, 상기 나셀 위치, 다음 샘플링 시점에서의 나셀 허용 속도값을 기반으로 다음 샘플링 시점에서의 요 오차 예측치를 산출하는 예측 모듈; 및 요 오차 및 요 엑츄에이터 사용량을 산출하는 제1 및 제2 목적 함수를 구성한 후, 상기 제1 및 제2 목적 함수의 최소화를 통해 상기 요 오차 예측치가 최소화되는 나셀 위치 값을 예측 및 제공하는 품질 함수 최소화부를 포함할 수 있다.

상기 파라미터 최적화를 수행하는 단계는 풍향 데이터, 요 제어 시스템, MOPSO 파라미터, 목적 함수를 포함하는 초기 모델을 생성하는 단계; MOPSO 알고리즘의 초기 제어 파라미터를 사용하여, 상기 풍향 데이터, 상기 요 제어 시스템, 및 상기 MOPSO 파라미터에 기반한 시물레이션 테스트를 반복 수행하는 단계; 및 상기 목적 함수와 제한 조건을 기반으로 모집단의 각 개체를 순차적으로 평가한 후, 비지배적 솔루션을 최적 솔루션으로 획득 및 저장하는 단계를 포함할 수 있다.

상기 요 제어 시스템이 상기 제1 요 제어 시스템인 경우, 상기 목적 함수는 요 오차 최소화를 위한 제1 목적 함수와, 요 엑츄에이터 사용량 최소화를 위한 제2 목적 함수로 구성되고, 상기 제1 목적 함수는 "

"으로 표현되고, 상기 제2 목적 함수는 ＂

＂로 표현되며, 상기 제한 조건은 '

" 및 "

"인 것을 특징으로 한다.

상기 요 제어 시스템이 상기 제2 요 제어 시스템인 경우, 상기 목적 함수는 요 오차 최소화를 위한 제1 품질 함수와, 요 엑츄에이터 사용량 최소화를 위한 제2 품질 함수로 구성되고, 상기 제1 품질 함수는 "

"로 표현되고, 상기 제2 품질 함수는 ＂

＂로 표현되고, 상기 제한 조건은 "

" 및 "

"이며, 상기 θ_ye는 요 오차, 상기

는 요 속도, 상기 w₁ 및 w₂는 목적 함수 최적화를 통해 조정되는 가중치인 것을 특징으로 한다.

상기 방법은 상기 풍향 데이터의 풍향 조건을 달리하면서 상기 제1 및 제2 요 제어 시스템 각각을 최적화시킨 후 최적화 결과를 비교 분석함으로써, 요 제어 시스템별로 풍향 조건에 따른 민감도를 산출하는 단계를 더 포함할 수 있다.

또한 상기 방법은 상기 풍향 데이터의 풍향 조건이 바뀌면, 상기 제1 요 제어 시스템의 파라미터 최적화만을 재수행하는 단계를 더 포함할 수 있다.

상기 과제를 해결하기 위한 수단으로서, 본 발명의 다른 실시 형태에 따르면 풍향 정상 측정 결과에 기반한 요 제어 동작을 수행하는 제1 요 제어 시스템; 풍향 간접 측정 결과에 기반한 요 제어 동작을 수행하는 제2 요 제어 시스템; 요 오차 및 요 엑츄에이터 최소화를 위한 목적 함수 및 제한사항을 상기 제1 및 제2 요 제어 시스템 각각에 대해 정의한 후, MOPSO(Multi-Objective Particle Swarm Optimization) 기반 데이터마이닝을 통해 상기 제1 및 제2 요 제어 시스템 각각의 파라미터 최적화를 수행함으로써, 요 제어 시스템별 최적 솔루션을 획득하는 최적화 수행부; 상기 요 제어 시스템별 최적 솔루션을 비교 분석하여, 성능 비교 분석표를 생성하는 성능 비교 분석부; 및 시스템 구동 조건이 입력되면, 상기 성능 비교 분석표를 참고하여 상기 시스템 구동 조건을 만족시키는 하나의 요 제어 시스템을 선택 및 구동시키는 시스템 선택부를 포함하는 풍력 터빈의 요 제어 통합 시스템을 제공한다.

본 발명은 YCS의 제어 파라미터를 최적화하기 위한 새로운 MOPSO 기반 데이터 마이닝 알고리즘을 제안한다. 풍력 발전소가 일정한 바람 조건을 가질 수 있다는 사실을 고려하여 풍향 이력 데이터를 수집한 후 MOPSO 알고리즘의 입력으로 사용하여 두 YCS의 최적화 파라미터를 얻는다. MOPSO를 사용하면 유효하지 않은 솔루션을 쉽게 폐기할 수 있으므로, 최적의 솔루션을 효율적으로 검색 할 수 있다.

또한 본 발명은 두 YCS의 잠재적인 성능을 조사한다. 기존 발명에 따르면 요 오차 및 액추에이터 사용량을 줄이는 두 가지 측면에서 정상 풍향을 사용하는 MPC가 정상 측정을 사용하는 로직 제어보다 중요할 수 있지만, 파라미터 최적화의 결과로 향상된 성능의 궁극적인 잠재력은 비교 및 정량화되지 않는다. 파라미터 최적화를 통해 다양한 제어 전략의 성능 한계를 설정하면, 잠재적으로 요 제어 시스템에 더 많은 이점을 제공할 제어 전략이 무엇인지 파악할 수 있게 된다.

더하여, 본 발명은 풍향 조건이 파라미터 최적화와 두 YCS의 잠재적 성능에 미치는 영향을 조사한다. YCS는 풍향을 추적하는 것을 목표로 하므로 풍향 조건이 YCS에 중요한 영향을 줄 수 있다. 그러나 종래에서는 이러한 중요한 문제에 대해 전혀 고려된 바 없다. 이에 본 발명에서는 풍향 조건이 YCS에 미치는 영향을 파악 및 활용할 수 있도록 한다.

도 1은 본 발명의 일 실시예에 따른 풍력 터빈의 요 제어 방법을 설명하기 위한 도면이다.
도 2는 본 발명의 일 실시예에 따른 제1 YCS의 구성을 도시한 도면이다.
도 3는 본 발명의 일 실시예에 따른 제2 YCS의 구성을 도시한 도면이다.
도 4는 풍향 이력 데이터를 입력으로 사용하여 반복 시뮬레이션을 통해 최적의 파라미터를 검색하는 파라미터 최적화 방법을 설명하는 도면이다.
도 5는 풍향 조건 변화에 따른 YCS의 민감도를 설명하기 위한 도면이다.
도 6은 본 발명의 일 실시예에 따른 풍력 터빈의 요 제어 통합 시스템을 도시한 도면이다.

본 발명의 목적 및 효과, 그리고 그것들을 달성하기 위한 기술적 구성들은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 레퍼런스하면 명확해질 것이다. 본 발명을 설명함에 있어서 공지 기능 또는 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략할 것이다.

그리고 후술되는 용어들은 본 발명에서의 기능을 고려하여 정의된 용어들로서 이는 사용자, 운용자의 의도 또는 관례 등에 따라 달라질 수 있다.

그러나 본 발명은 이하에서 개시되는 실시예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있다. 단지 본 실시예들은 본 발명의 개시가 완전하도록 하고, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다. 그러므로 그 정의는 본 명세서 전반에 걸친 내용을 토대로 내려져야 할 것이다.

도 1은 본 발명의 일 실시예에 따른 풍력 터빈의 요 제어 방법을 설명하기 위한 도면이다.

도 1을 참고하면, 본 발명의 방법은 크게 풍향 정상 측정 결과에 기반한 요 제어 동작을 수행하는 제1 요 제어 시스템과, 풍향 간접 측정 결과에 기반한 요 제어 동작을 수행하는 제2 요 제어 시스템을 구성하는 단계(S1), 요 오차 및 요 엑츄에이터 최소화를 위한 목적 함수 및 제한사항을 상기 제1 및 제2 요 제어 시스템 각각에 대해 정의하는 단계(S2), MOPSO(Multi-Objective Particle Swarm Optimization) 기반 데이터마이닝을 통해 상기 제1 및 제2 요 제어 시스템 각각의 파라미터 최적화를 수행함으로써, 요 제어 시스템별 최적 솔루션을 획득하는 단계(S3), 상기 요 제어 시스템별 최적 솔루션을 비교 분석하여, 성능 비교 분석표를 생성하는 단계(S4), 시스템 구동 조건이 입력되면(S5), 상기 성능 비교 분석표를 참고하여 상기 시스템 구동 조건을 만족시키는 하나의 요 제어 시스템을 선택 및 구동시키는 단계(S6) 등을 포함할 수 있다.

이하, 도 2 내지 도5를 참고하여, 본 발명의 방법을 보다 상세히 설명하기로 한다.

먼저, 단계 S1에 대해 보다 상세히 설명하면 다음과 같다.

요 시스템은 블레이드 로터를 풍향에 정렬시킴으로써 풍력 발전을 극대화할 수 있다. 그러나 요 시스템은 저속 동작하며 부피가 큰 기계 장치로 구현되어, 풍향 추적 속도의 저하가 불가피하다. 풍향 추적 능력을 향상시키기 위해서는 제어 전략이 핵심 역할을 하는 요 제어 시스템(yaw control system, 이하 YCS)이 적절히 설계되어야한다.

이에 본 발명은 두 종류의 YCS를 제안하고, 시스템 구동 조건에 따라 이 두 종류의 YCS을 선택적으로 구동시켜 최고의 성능을 보다 안정적으로 보장할 수 있도록 한다.

YCS의 성능은 다음의 인덱스들을 통해 평가될 수 있다.

YCS의 풍력 추출 및 요우 액추에이터 사용으로 지칭되며, 이는 각각 요 오차 및 요 동작 시간의 관련 데이터를 검사하여 평가할 수 있다. 요 오차(θ_ye)는 풍향(θ_wd)과 나셀 위치(θ_np)의 차이값으로, 수학식 1과 같이 공식화 될 수 있다.

[수학식1]

요 오차는 풍향 추적 성능을 평가하는 데 사용할 수 있지만, 이의 통계 값(예를 들어, 평균 절대 오차, 평균 제곱 오차)은 특정 기간 내 전체 성능을 평가하는 것이 더 효율적이다. 그러나 이러한 요 오차 값은 YCS의 전력 추출 용량을 명시적으로 표시할 수 없다. 요 오차(θ_ye)와 P_out(전원 출력)는 비선형 관계를 가지며, 수학식2과 같이 표현될 수 있다.

[수학식2]

이때, ρ는 공기 밀도, A_r는 로터 영역, C_p는 공력 계수(aerodynamic power coefficient), V₀는 자유 흐름 풍속(free stream wind speed), 그리고 k는 실험 결과 기반으로 추청된 상수값으로, 예를 들어 1.8일 수 있다.

서로 다른 YCS 하에서 요 오차(θ_ye)가 P_out(전원 출력)에 미치는 영향을 더 잘 평가하기 위한 전력 감소 계수(ζ)는 수학식 3으로 기반으로 계산된다.

[수학식3]

이때, T_e는 평가 시간 길이이다.

요 동작 시간(t_yaw)는 수학식4로 표현되며,

는 요 속도, 요 동작 시간은 요 동작시에 증가된다.

[수학식4]

일반적인 풍력 터빈의 경우, YCS의 동작 메커니즘을 다음과 같이 설명 할 수 있다.

1 단계 : 풍향계와 나셀 위치 변환기는 각각 요 오차와 나셀 위치를 측정한 후, 이를 요 제어기로 입력으로 보낸다.

2 단계 : 요 제어기는 입력을 처리하고, 요 모터의 전원을 켜거나 끄는 데 사용되는 릴레이의 출력을 결정한다.

3 단계 : 나셀은 요 모터에 의해 구동되는 기어에 의해 움직이다.

위의 단계에서 관찰하면, 그 성능은 채택된 제어 전략에 의해 결정된다는 것을 알 수 있다. 앞서 설명된 바와 같이, 종래 기술에서는 두 가지 바람직한 유형의 제어 전략이 제안된 바 있다.

이에 본 발명에서는 선행기술문헌 1 및 2에 기반하여 풍향 정상 측정 결과에 기반한 요 제어 동작을 수행하는 제1 YCS과, 풍향 간접 측정 결과에 기반한 요 제어 동작을 수행하는 제2 YCS을 동시 구축된 YCS을 제안한다.

도 2는 본 발명의 일 실시예에 따른 제1 YCS의 구성을 도시한 도면이다.

도 2에 도시된 바와 같이, 본 발명의 제1 YCS(100)은 요 시스템(110)과 요 제어기(120)를 포함한다. 요 시스템(110)은 나셀 위치를 조정하며, 나셀 위치를 풍향과 계측 및 비교하여 요 오차를 산출 및 통보하며, 요 제어기(120)는 요 오차를 제1 시간(T_fast) 및 제2 시간(T_slow, T_slow > T_fast)으로 로우 패스 필터링하여 제1 변화 측정값(er_fast)과 제2 변화 측정값(er_slow)을 생성하고, 제1 변화 측정값(er_fast)의 적분 결과가 임계치(Th)에 도달할 때에 상기 요 시스템의 나셀 위치를 상기 제2 측정값(er_slow) 기반으로 이동시키도록 한다.

즉, 요 오차(θ_ye)를 2개의 저역 통과 필터링하여 시간 상수 T_fast = 1 초를 가지는 제1 변화 측정값(er_fast)과 시간 상수 T_slow = 60초를 가지는 제2 변화 측정값(er_slow)를 생성하고, er_fast를 적분 및 모니터링한다. 그리고 제1 변화 측정값(er_fast)의 적분 오류(AccErr)가 10 분 동안 10도 벗어나는 임계값(Th = 6000)에 도달하면, 나셀 위치를 er_slow에 의해 결정되는 설정 위치로 이동시킨다.

도 3는 본 발명의 일 실시예에 따른 제2 YCS의 구성을 도시한 도면이다.

도 3에 도시된 바와 같이, 본 발명의 제2 YCS(200) 또한 요 시스템(210)과 요 제어기(220)를 포함한다. 요 시스템(210)은 나셀 위치를 조정하며, 나셀 위치를 풍향과 비교하여 요 오차를 산출한다. 요 제어기(220)는 나셀 위치와 요 오차를 기반으로 풍향 예측치를 산출하는 이상적 예측 모듈(221), 상기 풍향 예측치 및 상기 나셀 위치를 기반으로 요 오차 예측치를 산출하는 예측 모델(222), 요 오차와 요 엑추에이터 사용을 최소화하는 품질 함수를 구성한 후, 상기 품질 함수 최소화를 통해 상기 요 오차 예측치가 최소화되는 나셀 위치값을 예측 및 제공하는 품질 함수 최소화부(223)를 포함한다.

본 발명은 선행기술문헌 2에서 제시된 풍향 예측 방향을 포함한 MPC 기반의 방법을 다음과 같은 두 가지 측면에서 수정하여 이용하도록 한다.

차이점 1 : 본 발명은 ARIMA-KF 모듈 대신에 이상적 예측 모듈을 통해 풍향 예측치를 산출한다. 본 발명의 주 목적은 제어 전략에 대한 이상적 예측 모듈을 포함하여 채택된 제어 전략의 잠재적 성능을 조사하는 것이므로 객관적 성취를 용이하게 한다. ARIMA-KF 알고리즘에 의해 제공되는 예측 정확도는 풍향의 다른 시계열에 대해 불확실할 수 있으므로, 이상적 예측 모듈을 사용하는 것이 합리적이기 때문이다.

차이점 2 : 본 발명에서 정의된 품질 함수는 요 오차와 요 시간의 두 부분을 언급하는 반면, 선행기술문헌 2에서 정의된 것은 다른 부분, 즉 요 동작 횟수를 포함한다. 요 동작 횟수는 요 동작 시간과 요 동작 횟수 사이에 선형 관계가 있음을 고려하여, 본 발명에서는 사용하지 않도록 한다.

이상적 예측 모듈(221)은 이산 데이터인 각 샘플링 기간의 풍향 예측 결과를 업데이트하여 다음 샘플링 시점에서의 풍향 예측치를 산출한다. 멀티-스텝 예측 결과가 아닌 정확한 원-스텝 결과만을 예측 모델(222)에서 사용하도록 한다. 출력은 수학식 5와 같이 표현될 수 있다.

[수학식5]

이때,

는 샘플링 주기의 평균값이다.

예측 모델(222)는 풍향 예측치, 나셀 위치, 나셀 속도를 기반으로 다음 샘플링 시점에서의 요 오차 예측치를 산출하며, 이는 수학식 6과 같이 공식화될 수 있다.

[수학식 6]

이때,

는 다음 샘플링 시점에서의 허용 요 속도이고, 수학식 7의 유한 집합으로 분류할 수 있습니다.

[수학식 7]

품질 함수 최소화부(223)는 요 오차 및 요 엑츄에이터 사용량을 산출하는 제1 및 제2 품질 함수(QF1,QF2)로 구성되는 품질 함수(QF)를 생성한다.

[수학식 8]

이때, w₁ 및 w₂는 2개의 가중치이다.

QF의 최소화는 "for"주기로 구현되며, 이는 수학식 7의 3 가지 허용 제어 동작에 대한 수학식 6의 요 오차를 예측하고, 수학식 8에 따라 평가하고, 최소값(QF (min))을 저장하는 방식을 수행되며, 이는 다음과 같은 의사 코드를 통해 설명될 수 있다.

Set QF(min) To inf and Set min To inf

For j = 0: 2

Calculate QF( j) Using Eqs. (6-8)

If QF( j) < QF(min) Set QF(min) To QF( j) And Set min To j

End

End

Apply

이어서, 단계 S2에 대해 보다 상세히 설명하면 다음과 같다.

본 발명에서, YCS의 성능은 두 가지 명확한 인덱스, 즉 요 오차 최소화 및 액추에이터 사용 최소화에 의해 결정된다. 따라서 파라미터 최적화는 실제로 다목적 최적화 문제(MOP)이며, 이는 수학식9과 같이 공식화될 수 있다.

[수학식 9]

이때, X=(x₁,x₂,…,x_n)^T는 비공의 가용 영역(nonempty feasible region, S⊂Rⁿ)에 속하는 결정 벡터이고, F(x)는 m 목적 함수를 포함하는 목적 함수 벡터(f₁(X),f₂(X),…,f_m(X))로 표기됨)이다. MOP에서, F(x)는 다른 구성 요소 중 적어도 하나에 저하없이 구성 요소를 더 이상 향상시킬 수 없는 경우, 최적이다. 수학적 용어로, 모든 i(i = 1,2,…,m에 대해 f_i(X) ≤ f_i(X^*))가 되고, 적어도 하나의 j(j=1,2,…,m)에 대해 f_j(X) ≤ f_j(X^*))가 되도록 다른 벡터 x∈S가 없으면, X^*를 비지배 솔루션 세트(non-dominated solution set) 또는 파레토 최적(Pareto optimal)이라고 한다. 따라서, F(X^*)는 PF(Pareto Front)로 간주된다. MOP 솔루션은 완전히 맞춰질 수 없는 벡터이므로, 모든 파레토 최적 솔루션은 동등하게 바람직하며, 그 중에서도 가장 선호되는 솔루션은 사용자의 선호도에 따라 식별되어야 한다.

현재 파레토 최적 이론에 기반한 다목적 최적화가 집중적으로 발명되어 왔고 지능형 진화 알고리즘 풍력 터빈 설계에 적용된다. 그 중에서도 PSO(Partial Swarm Optimization)는 코딩 구현 및 계산 효율성이 간편한 간단한 개념 알고리즘으로 인식된다.

본 발명에서는 파레토 개념의 원리에 따라 최적 솔루션 그룹을 찾기 위해 MOPSO 방법을 사용한다. MOPSO 기반 방법을 기반으로 최적화된 파라미터를 얻을 수 있으므로, 본 발명에서는 이를 기반으로 2개의 YCS의 잠재적 성능을 조사하고 비교할 수 있다.

도 4는 풍향 이력 데이터를 입력으로 사용하여 반복 시뮬레이션을 통해 최적의 파라미터를 검색하는 파라미터 최적화 방법을 설명하는 도면이다.

첫 번째로, 수집된 풍향의 이력 데이터, YCS, MOPSO 파라미터 및 목적 함수를 포함하는 초기 모델을 생성한다(S11).

두 번째로, MOPSO 알고리즘에 의해 제공되는 초기 제어 파라미터를 사용하여 시뮬레이션 테스트를 실행한다. 시뮬레이션 테스트는 풍향 이력 데이터가 완전히 소모될 때까지 계속 실행된다(S12).

세 번째로, 목적 함수와 제한 조건을 기반으로 모집단의 각 개체를 평가한다(S13).

마지막으로, 중지 원칙(즉, 반복 시간의 최대 값에 도달하는 경우에 중지함)에 따라 최적화 결과를 판단한다. 중지 원칙이 만족되면 비지배 솔루션은 궁극적인 최적 솔루션으로 저장된다. 그렇지 않으면 반복이 계속되고, 평가 결과는 차세대 제어 파라미터를 생성하는 MOPSO 알고리즘에 의해 사용된다(S14).

MOPSO 알고리즘

PSO 알고리즘은 1995 년에 Kennedy와 Eberhart에 의해 처음 제안되었다 [39, 40]. PSO에서 알고리즘은 솔루션 세트를 초기화하고 모집단 변화를 통해 솔루션을 업데이트하여 최적의 솔루션을 검색한다. 잠재적 솔루션 세트는 협동 작업으로 검색 공간에서 움직이는 집단(swarm)이라고 하는 파티클 셋트이다. 속도 연산자는 수학식 10a을 기반으로 로컬 구성 요소와 소셜 구성 요소에 의해 가이드되는 이동을 수행한다.

[수학식 10a]

[수학식 10b]

이때, t=1,2,…,T_max는 세대의 실행 인덱스(running index of the generation)를 나타내고, T_max는 인구의 최대 수이다. t는 현재 세대이다. i=1,2,…,N_ip은 파티클의 실행 인덱스(running index of particles)이고, N_ip은 파티클 크기이다. D는 파티클 차원(particle dimension)이고, D는 차원 크기를 나타낸다. v_id(t)는 t 세대의 파티클 i의 속도를 나타낸다. 유사하게, x_id(t)는 파티클 위치를 나타낸다. p_id(t)는 파티클 i에 의해 발견된 개체(individual)의 가장 좋은 위치이며, p_gd(t)는 전체 집단(swarm)에서 지금까지 발견된 가장 좋은 글로벌 위치이다. 상수 c1, c2는 가속 계수이고, r1, r2는 [0,1]에 균일 분포된 랜덤 값이고, w는 수학식 10c에 주어진 관성 중량이다.

[수학식 10c]

이때, w_max 및 w_min는 각각 최대 및 최소 관성 중량이다.

MOPSO 알고리즘의 주요 아이디어는 PSO의 출력이 비지배 솔루션 또는 PF로 명명된 솔루션 집합이라는 것이다. 본 발명에서는 [41]에서 Li에 의해 제안된 NSPSO(Non-dominated Sorting PSO) 알고리즘을 사용하여 전력 감소 및 요 액츄에이터 사용을 동시에 최소화한다. 이 방법의 주요 특징은 전체 파티클에서 모든 파티클의 개인적 베스트와 그들의 자손을 비교하여 각 파티클을 업데이트하는 것이므로, 집단 인구(swarm population)를 PF쪽으로 추진하는 데 적절한 선택 압력을 제공하는 데 효과적이다. 또한, 다양한 비지배 솔루션 집합을 유지하기 위해, 본 발명은 Pgd(t)를 선택하는 밀집 거리 니칭 방법을 사용한다.

목적 함수들 및 설계된 제어 파라미터

먼저, 제1 YCS(100)은 다음의 제1 목적 함수와 제2 목적 함수를 가진다.

YCS의 파라미터 최적화는 요 오차 최소화와 액추에이터 사용 최소화를 목표로 하기 때문에, 성능 인덱스를 사용하도록 한다. 따라서, 제1 목적 함수는 수학식 11과 같이 표현되며, 요 오차 최소화에 따른 전력 감소량을 결정하도록 한다.

[수학식 11]

이때, N은 풍향 이력 데이터의 샘플링 수이고,

는 s번째 샘플링 시점에서의 요 오차이다.

제2 목적 함수는 요 엑츄에이터 사용량을 산출하며, 이는 수학식 12과 같이 표현되는 요 동작 시간을 통해 계산된다.

[수학식 12]

설계된 제어 파라미터를 선택하는 것은 성능 최적화에 중요하다. 제어시스템 1은 T_fast와 Th가 논리적으로 연결되어 있기 때문에, T_slow와 Th가 설계된 제어 파라미터로 선택되는 3 가지 제어 파라미터(T_fast, T_slow 및 Th 포함)를 정의한다. 물리적 의미를 고려할 때 T_slow와 Th는 다음 범위에서 선택된다.

[수학식 13]

게다가 수학식 13에서 주어진 개별 범위 외에, T_fast와 Th는 달성 가능한 목적 함수에 의한 집합으로 제한된다.

[수학식 14]

수학식 14에서, 제어 파라미터 세트는 지배 솔루션 세트로 간주되고, 전력 감소 백분율이 10 % 이상이거나 요 액츄에이터 사용률이 15 % 이상이 될 때 폐기된다.

그리고 제2 YCS(200)은 두 개의 제어 파라미터인 w₁과 w₂를 정의한 MPC 기반 제어 전략을 사용하며, 앞서 설명된 제1 및 제2 품질함수를 제1 및 제2 목적 함수로 이용하도록 한다. 이에 이들 2 개의 파라미터는 설계된 제어 파라미터로서 선택되고, 그 배열은 각각 다음과 같이 미리 선택된다.

[수학식 15]

유사하게, 제어 파라메터 셋트는 수학식 16으로 제한된다.

[수학식 16]

이어서, 단계 S3에 대해 보다 상세히 설명하면 다음과 같다.

본 발명의 풍향 데이터는 운전 중인 풍력 터빈의 나셀에 탑재된 풍향계에 의해 수집된 실제 풍향 데이터일 수 있다. 또한 소정 시간에 걸쳐 반복적으로 측정 및 수집한 시계열 데이터일 수 있다. 예를 들어, 3 일 동안 측정되며, 표 1에서와 같은 풍향 변화값(θ(δ_wd))을 가지는 시계열 데이터일 수 있다. 이때, 풍향 변화값(θ(δ_wd))은 수학식 17에 의해 계산될 수 있다.

[표 1]

[수학식 17]

다만, 실제 풍향 데이터는 고주파 잡음 및 일부 외란을 포함할 수 있으나, 고주파 잡음 및 외란을 일부 데이터 처리 알고리즘으로 제거하는 경우 제어 성능 평가에 영향을 줄 수 있다. 이에 본 발명은 고주파 잡음 및 일부 외란이 포함된 실제 풍향 데이터, 즉 원본 데이터를 모델 입력으로 직접 사용하도록 한다.

본 발명의 MOPSO 파라미터는 다음과 같이 선택될 수 있다.

- 모집단 크기(Population size): N_ip =100;

- 세대 최대수(Maximum number of generation): T_max =100;

- 가속 계수(Acceleration coefficients): c1=0.8, c2=2.0;

- 관성 중량(Inertia weights): w_max =0.9, w_min =0.4

표 1에서 볼 수 있듯이 풍향 변화는 DAY 1,2,3 각각에 대해 5.17, 4.16 및 6.54이다. 성능 분석의 편의를 위해 DAY 3의 풍향 데이터를 기반으로 한 결과는 두 가지 YCS의 파라미터 최적화 및 잠재적 성능 조사에 초점을 맞춘 상세한 분석에 사용된다. 또한, DAY 1,2의 결과는 다른 풍향 조건을 고려한 민감도 분석에 사용된다.

이러한 경우, 제1 YCS(100)은 다음과 같은 최적화 결과값을 획득하게 된다.

제1 YCS(100)에 대한 도 4의 최적화 방법을 수행하면, 표2와 같은 초기 제어 파라미터(레퍼런스) 및 PF(솔루션 1, 2, 3 및 4)이 획득될 수 있다.

[표 2]

그리고 동일한 방식으로 제2 YCS(200)에 대한 도 4의 최적화 방법을 수행하면, 표3와 같은 초기 제어 파라미터(레퍼런스) 및 PF(솔루션 1, 및 2)이 획득될 수 있다.

[표 3]

이어서, 단계 S4에 대해 보다 상세히 설명하면 다음과 같다.

그리고 제1 YCS(100)의 최적화를 통해 획득된 솔루션과, 제2 YCS(200)의 최적화를 통해 획득된 솔루션을 비교 분석하여, 이하 표 4과 같은 성능 비교 분석 결과를 획득하도록 한다.

표 4의 성능 비교 분석 결과를 참고하면, 2개의 요 두 제어 시스템이 서로 다른 성능을 가짐을 명확히 알 수 있다. 요 엑츄에이터 사용량이 특정 값보다 높을 때 제2 YCS(200)의 성능이 제1 YCS(100)에 비해 우수하고, 그렇지 않으면 그 반대임을 알 수 있다.

[표 4]

예를 들어, 솔루션 2(f₁ = 0.0324, f₂ = 0.049)를 기준으로, 요우 엑츄에이터 사용량의 4.9 % 이상 허용되면, 제2 YCS(200)의 성능이 보다 우수하고, 그렇지 않으면 제1 YCS(100)의 성능이 보다 우수하다.

그리고 솔루션 1에서와 같이 요 엑츄에이터를 14 % 사용하면, 제2 YCS(200)의 전력 추출 효율은 97.73 %로 제1 YCS(100)보다 0.54 % 더 높으며, 솔루션 3에서와 같이 요 액츄에이터 사용량의 2 %이면, 제2 요제어 시스템의 전력 추출 효율은 제1 YCS(100) 보다 0.92 % 적은 95.45 %로 감소한다.

이에 본 발명은 시스템 구동 조건이 입력되면(S5), 상기와 같은 성능 비교 분석표를 참고하여 해당 시스템 구동 조건을 만족시키는 YCS을 선택 및 구동하고, 이에 따라 사용자가 필요로 하는 성능을 안정적으로 확보할 수 있게 된다(S6).

더하여, 본 발명은 상기 풍향 데이터의 풍향 조건을 달리하면서 상기 제1 및 제2 요 제어 시스템 각각을 최적화시킨 후 최적화 결과를 비교 분석함으로써, 요 제어 시스템별로 풍향 조건에 따른 민감도를 산출하는 단계(S7)를 더 포함할 수도 있다.

도 5에서 볼 수 있듯이, 풍향의 변화가 감소하면 모든 PF 곡선은 오른쪽에서 왼쪽으로 움직이고, 동일한 요 엑츄에이터 사용을 유지하면서 전력 추출 효율의 대략 1 %가 풍향 변화 δ(θ_wd)는 Day 3의 6.54에서 Day 1의 5.17로 감소하고, 전력 추출의 또 다른 0.5 %는 δ(θ_wd)만큼 증가하여 Day 2의 4.16으로 더 감소한다. 풍향 변화가 작으면 전체적인 성능이 향상된다는 것은 YCS가 편차가 적은 풍향을 추적하기가 더 쉽다는 것을 의미한다.

다만, 풍향 조건이 변화하는 경우에도 제1 및 제2 YCS(100, 200)의 성능 비교의 결과를 계속하여 유지된다. 예를 들어, 요 액추에이터의 사용이 기 설정값 보다 클 때, 제2 YCS(200)는 제1 YCS(100)보다 우수하게 수행되며, 다만, 그 값이 감소된 풍향 변화로 인해 4.9 %에서 4.3 %로 약간 감소될 뿐이다.

그러므로 다른 바람 조건 하에서 제2 YCS(200)는 수용 가능한 요 액츄에이터 사용 내에서 보다 높은 전력 추출 효율을 보장할 수 있음을 알 수 있다.

[표 5]

이와 같은 민감도 분석은 다양한 풍향 조건에서 최적화된 파라미터의 효과를 조사할 수 있도록 한다. 이를 위해, 표 2와 3에 요약된 최적화된 제어 파라미터를 사용하여 성능 결과를 얻는데, 이는 도 5에 그려져 있으며 표 5에 요약되어 있다.

이를 참고하여, 풍향 조건에 변화에 따른 변동이 감소됨을 알 수 있으며, 이에 따라 파라미터 최적화에 의해 제1 및 제2 YCS(100, 200)의 성능은 향상되었음을 알 수 있다. 그럼에도 불구하고, DAY 3에 최적화된 설계된 제어 파라미터를 사용하는 제1 YCS(100)의 성능은 DAY 2과 DAY 3의 PF 곡선에서 벗어나는 반면, 제2 YCS(200)의 PF 곡선에서는 그렇지 않다.

이로부터, 풍향 조건이 바뀌면 제1 YCS(100)의 최적화 파라미터를 탐색해야하나, 제2 YCS(200)의 최적화 파라미터는 다시 사용할 수 있음을 알 수 있다. 즉, 풍향 데이터의 풍향 조건이 바뀌면, 제1 YCS(100)의 파라미터 최적화만을 재수행해야 함을 알 수 있다.

도 6은 본 발명의 일 실시예에 따른 풍력 터빈의 요 제어 통합 시스템을 도시한 도면이다.

도 6에 도시된 바와 같이, 본 발명의 시스템은 풍향 정상 측정 결과에 기반한 요 제어 동작을 수행하는 제1 요 제어 시스템(100), 풍향 간접 측정 결과에 기반한 요 제어 동작을 수행하는 제2 요 제어 시스템(200), 요 오차 및 요 엑츄에이터 최소화를 위한 목적 함수 및 제한사항을 상기 제1 및 제2 요 제어 시스템 각각에 대해 정의한 후, MOPSO 기반 데이터마이닝을 통해 상기 제1 및 제2 요 제어 시스템 각각의 파라미터 최적화를 수행함으로써, 요 제어 시스템별 최적 솔루션을 획득하는 최적화 수행부(300), 상기 요 제어 시스템별 최적 솔루션을 비교 분석하여, 성능 비교 분석표를 생성하는 성능 비교 분석부(400), 시스템 구동 조건이 입력되면, 상기 성능 비교 분석표를 참고하여 상기 시스템 구동 조건을 만족시키는 하나의 요 제어 시스템을 선택 및 구동시키는 시스템 선택부(500) 등을 포함할 수 있다.

이상의 설명은 본 발명의 기술 사상을 예시적으로 설명한 것에 불과한 것으로서, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자라면 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 다양한 수정 및 변형이 가능할 것이다. 따라서, 본 발명에 개시된 실시예들은 본 발명의 기술 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 실시예에 의하여 본 발명의 기술 사상의 범위가 한정되는 것은 아니다. 본 발명의 보호 범위는 아래의 청구범위에 의하여 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술 사상은 본 발명의 권리범위에 포함되는 것으로 해석되어야 할 것이다.

Claims (10)

1. 풍향 정상 측정 결과에 기반한 요 제어 동작을 수행하는 제1 요 제어 시스템과, 풍향 간접 측정 결과에 기반한 요 제어 동작을 수행하는 제2 요 제어 시스템을 구성하는 단계;
   요 오차 및 요 엑츄에이터 최소화를 위한 목적 함수 및 제한사항을 상기 제1 및 제2 요 제어 시스템 각각에 대해 정의하는 단계;
   MOPSO(Multi-Objective Particle Swarm Optimization) 기반 데이터마이닝을 통해 상기 제1 및 제2 요 제어 시스템 각각의 파라미터 최적화를 수행함으로써, 요 제어 시스템별 최적 솔루션을 획득하는 단계;
   상기 요 제어 시스템별 최적 솔루션을 비교 분석하여, 성능 비교 분석표를 생성하는 단계; 및
   시스템 구동 조건이 입력되면, 상기 성능 비교 분석표를 참고하여 상기 시스템 구동 조건을 만족시키는 하나의 요 제어 시스템을 선택 및 구동시키는 단계를 포함하는 풍력 터빈의 요 제어 방법.
2. 제1항에 있어서, 상기 제1 요 제어 시스템은
   나셀 위치를 조정하며, 상기 나셀 위치를 풍향과 비교하여 요 오차를 산출하는 제1 요 시스템; 및
   상기 요 오차를 제1 시간(T_fast) 및 제2 시간(T_slow, T_slow > T_fast)으로 로우 패스 필터링하여 제1 변화 측정값(er_fast)과 제2 변화 측정값(er_slow)을 생성하고, 상기 제1 변화 측정값(er_fast)의 적분 결과가 임계값(Th)에 도달할 때에 상기 요 시스템의 나셀 위치를 상기 제2 측정값(er_slow) 기반으로 이동시키는 제1 요 제어기를 포함하는 것을 특징으로 하는 풍력 터빈의 요 제어 방법.
3. 제1항에 있어서, 상기 제2 요 제어 시스템은
   나셀 위치를 조정하며, 상기 나셀 위치를 풍향과 비교하여 요 오차를 산출하는 제2 요 시스템; 및
   상기 나셀 위치와 상기 요 오차를 기반으로 풍향 예측치를 산출하는 이상적 예측 모듈, 상기 풍향 예측치 및 상기 나셀 위치를 기반으로 요 오차 예측치를 산출하는 예측 모델, 요 오차와 요 엑추에이터 사용을 최소화하는 목적 함수를 구성한 후, 상기 목적 함수 최소화를 통해 상기 요 오차 예측치가 최소화되는 나셀 위치값을 예측 및 제공하는 목적 함수 최소화부를 포함하는 제2 요 제어기를 포함하는 것을 특징으로 하는 풍력 터빈의 요 제어 방법.
4. 제3항에 있어서, 상기 요 제어기는
   각 샘플링 기간의 풍향 예측 결과를 업데이트하여 다음 샘플링 시점에서의 풍향 예측치를 산출하는 이상적 예측 모듈;
   상기 풍향 예측치, 상기 나셀 위치, 다음 샘플링 시점에서의 나셀 허용 속도값을 기반으로 다음 샘플링 시점에서의 요 오차 예측치를 산출하는 예측 모듈; 및
   요 오차 및 요 엑츄에이터 사용량을 산출하는 제1 및 제2 목적 함수를 구성한 후, 상기 제1 및 제2 목적 함수의 최소화를 통해 상기 요 오차 예측치가 최소화되는 나셀 위치값을 예측 및 제공하는 품질함수 최소화부를 포함하는 것을 특징으로 하는 풍력 터빈의 요 제어 방법.
5. 제2항 또는 제4항에 있어서, 상기 파라미터 최적화를 수행하는 단계는
   풍향 데이터, 요 제어 시스템, MOPSO 파라미터, 목적 함수를 포함하는 초기 모델을 생성하는 단계;
   MOPSO 알고리즘의 초기 제어 파라미터를 사용하여, 상기 풍향 데이터, 상기 요 제어 시스템, 및 상기 MOPSO 파라미터에 기반한 시물레이션 테스트를 반복 수행하는 단계; 및
   상기 목적 함수와 제한 조건을 기반으로 모집단의 각 개체를 순차적으로 평가한 후, 비지배적 솔루션을 최적 솔루션으로 획득 및 저장하는 단계를 포함하는 것을 특징으로 하는 풍력 터빈의 요 제어 방법.
6. 제5항에 있어서,
   상기 요 제어 시스템이 상기 제1 요 제어 시스템인 경우,
   상기 목적 함수는 요 오차 최소화를 위한 제1 목적 함수와, 요 엑츄에이터 사용량 최소화를 위한 제2 목적 함수로 구성되고,
   상기 제1 목적 함수는 "

   

   "으로 표현되고, 상기 제2 목적 함수는 ＂

   

   ＂로 표현되며,
   상기 제한 조건은 '

   

   " 및 "

   

   "이며,
   상기 ζ는 전력 감소 계수, 상기 N은 풍향 이력 데이터의 샘플링 수, 상기

   

   는 s번째 샘플링 시점에서의 요 오차이고, 상기 t_yaw는 요 동작 시간, 상기 T_e는 평가 시간 길이인 것을 특징으로 하는 풍력 터빈의 요 제어 방법.
7. 제5항에 있어서,
   상기 요 제어 시스템이 상기 제2 요 제어 시스템인 경우,
   상기 목적 함수는 요 오차 최소화를 위한 제1 품질 함수와, 요 엑츄에이터 사용량 최소화를 위한 제2 품질 함수의 합으로 구성되는 것을 특징으로 하는 풍력 터빈의 요 제어 방법.
8. 제1항에 있어서,
   풍향 데이터의 풍향 조건을 달리하면서 상기 제1 및 제2 요 제어 시스템 각각을 최적화시킨 후 최적화 결과를 비교 분석함으로써, 요 제어 시스템별로 풍향 조건에 따른 민감도를 산출하는 단계를 더 포함하는 것을 특징으로 하는 풍력 터빈의 요 제어 방법.
9. 제8항에 있어서,
   상기 풍향 데이터의 풍향 조건이 바뀌면, 상기 제1 요 제어 시스템의 파라미터 최적화만을 재수행하는 단계를 더 포함하는 것을 특징으로 하는 풍력 터빈의 요 제어 방법.
10. 풍향 정상 측정 결과에 기반한 요 제어 동작을 수행하는 제1 요 제어 시스템;
    풍향 간접 측정 결과에 기반한 요 제어 동작을 수행하는 제2 요 제어 시스템;
    요 오차 및 요 엑츄에이터 최소화를 위한 목적 함수 및 제한사항을 상기 제1 및 제2 요 제어 시스템 각각에 대해 정의한 후, MOPSO(Multi-Objective Particle Swarm Optimization) 기반 데이터마이닝을 통해 상기 제1 및 제2 요 제어 시스템 각각의 파라미터 최적화를 수행함으로써, 요 제어 시스템별 최적 솔루션을 획득하는 최적화 수행부;
    상기 요 제어 시스템별 최적 솔루션을 비교 분석하여, 성능 비교 분석표를 생성하는 성능 비교 분석부; 및
    시스템 구동 조건이 입력되면, 상기 성능 비교 분석표를 참고하여 상기 시스템 구동 조건을 만족시키는 하나의 요 제어 시스템을 선택 및 구동시키는 시스템 선택부를 포함하는 풍력 터빈의 요 제어 통합 시스템.

Images