Aufbau des Fuzzy-Reglers

Aus der Rotordrehzahl lassen sich die Drehzahlabweichung und Beschleunigung berechnen. Diese Werte werden fuzzifiziert und den Bändern zugeordnet. Aus den Regeln der Regelbasis wird über das Defuzzifizieren die Blattwinkelverstellrate ermittelt.

© Beckhoff Automation

Der Fuzzy-Blattwinkel-Regler überwacht grundsätzlich die Rotordrehzahl und gibt eine Blattwinkelverstellrate aus. Intern erfolgt eine Berechnung der Drehzahl-Abweichung zum Sollwert sowie der Beschleunigung des Rotors. Die beiden Eingänge werden Fuzzy-Mengen zugeordnet, auch Fuzzifizierung genannt. Diese Zuordnung geschieht über Bänder, die um den je­weiligen Eingang (Drehzahl-Abweichung und Beschleunigung) gelegt werden. Eine Drehzahl-Abweichung von Null entspräche dem Mittelpunkt, eine leichte Abweichung würde dem ersten Drehzahlband zugeordnet werden und höhere Abweichungen dann jeweils dem höheren Drehzahlband.

Insgesamt werden drei Bänder für den jeweiligen Eingang verwendet. Dabei wird zwischen negativer und positiver Abweichung unterschieden und ermittelt, ob der Wert gegebenenfalls außerhalb der definierten Bänder liegt. Für den Ausgang, sprich für die Blattwinkelverstellrate, werden wiederum drei Bänder angelegt – von langsamer bis zur maximalen Verstellrate, jeweils positiv und negativ. Die Festlegung der Breite dieser Bänder erfolgt über Parameter. Daraus ergeben sich jeweils drei Parameter für jeden Eingang (Drehzahl-Abweichung, Beschleunigung) sowie drei weitere Parameter für den Ausgang (Verstellrate). Auf Basis dieser Fuzzy-Mengen beziehungsweise Drehzahlbänder erfolgt anschließend die Auswertung der Regeln.

Definition der Drehzahlbänder: Um die Drehzahlabweichung werden drei Drehzahlbänder gelegt. Kleine Abweichungen befinden sich im ersten Band, größere zweiten und dritten Drehzahlband.. Die Parameter bestimmen die Breite der Bänder.

© Beckhoff Automation

Insgesamt wurden 49 Regeln angelegt – eine zu jedem möglichen Zustand. Die Definition dieser Regeln geschieht auf Basis der Zuordnung zu den jeweiligen Bändern der Eingänge sowie des verwendeten Ausgangs. Eine Regel könnte beispielsweise lauten: Wenn die Drehzahl-Abweichung im ersten positiven Band ist und die Beschleunigung im zweiten negativen Band, setze die Blattwinkelverstellrate auf die erste negative Rate. Eine negative Blattwinkelverstellrate würde bedeuten, das Rotorblatt in den Wind zu drehen und den Leistungsbeiwert zu erhöhen. An dieser Regel lässt sich die Flexibilität des Fuzzy-Reglers erkennen: Ein P-Regler hätte bei positiver Drehzahl-Abweichung stur eine positive Verstellrate ausgegeben. Da der Rotor jedoch bereits eine negative Beschleunigung aufweist – die Drehzahl sich also verringert – würde der Rotor weiter gebremst. Folge der Unterdrehzahl wäre schließlich eine Verringerung des Energie-Ertrages. Die Regel des Fuzzy-Reglers hingegen geht auf die negative Beschleunigung ein. Anstatt die Rotordrehzahl weiter zu verringern, versucht der Regler gegen die Beschleunigung zu wirken, um eine Unterdrehzahl zu vermeiden. Damit soll gezielter auf Nenndrehzahl geregelt und der Energie-Ertrag somit erhöht werden.

Durch die Auswertung aller Regeln, deren Bedingungen erfüllt sind, werden gewichtete Ausgänge ermittelt und die Blattwinkelverstellraten berechnet. Dieser Vorgang nennt sich Defuzzifizierung. Um zu schnelle Stellwert-Änderungen zu vermeiden, erfolgt noch eine Glättung der Blattwinkelverstellrate über einen Filter erster Ordnung. Eingangsmengen, Regeln und Ausgangsmengen stellen gemeinsam die Wissensbasis des Reglers dar. Die Regeln sind fest implementiert und nicht änderbar, da sie für die Stabilität des Reglers sorgen und das Expertenwissen über den Prozess beinhalten. Die Eingangs- und Ausgangsmengen lassen sich über die Bänder ändern und somit, falls nötig, an den verwendeten Rotor anpassen. Je kleiner die Drehzahlbänder, desto stärker reagiert der Regler. Äquivalent verhält sich der Regler für die anderen Bänder. Damit ist die Wissensbasis sehr einfach gestaltet und auch für Nicht-Regelungstechniker nachvollziehbar.

Verifizierung des Reglers in der Praxis

Vergleich des Blattwinkels vom PD- und Fuzzy-Regler: Zu erkennen ist, dass sich der Blattwinkel vom Fuzzy-Regler (blaue Linie) wesentlich schneller verändert, dadurch jedoch wesentlich früher eine Drehzahl-Abweichung ausregeln kann.

© Beckhoff Automation

Die Verifizierung des entworfenen Fuzzy-Reglers erfolgte in Zusammenarbeit mit dem Unternehmen Windnovation aus Berlin. Anhand eines vorhandenen Anlagen-Modells wurde in der Konstruktionssoftware „Bladed“ von der Firma GL Garrad Hassan der Fuzzy-Blattwinkel-Regler mit einem konventionellen PD-Regler verglichen. Windnovation hatte zuvor bereits die vollständige Lastenrechnung und Auslegung des PD-Reglers für diese Anlage durchgeführt. Somit waren die Ergebnisse uneingeschränkt miteinander vergleichbar.

Um den PD-Regler so zu parametrieren, dass sich die Rotordrehzahl stabil regeln ließ, benötigten die Experten von Windnovation mehrere Tage! Anschließend gingen weitere Wochen ins Land, um die optimalen Regelparameter zu ermitteln. Zum Vergleich wurde schließlich der Fuzzy-Regler in diese Lastenrechnung implementiert und mit einem Standard-Regelsatz verwendet. Ergebnis war: Die Rotordrehzahl ließ sich sofort stabil regeln und der Parametersatz wurde für die folgenden Lastenrechnungen nicht mehr verändert. Die verwendeten, 69 Lastfälle zur Simulation wurden nach den Richtlinien zur Zertifizierung von Windenergie­anlagen vom Germanischen Lloyd erzeugt und enthielten Windprofile mit Windgeschwindigkeiten von 3 bis 25 m/s nach der Windklasse IIA. Diese Zeitreihen wurden jeweils für den konventionellen Regler und den Fuzzy-Regler simuliert, die Regelgüte, Ex­tremlasten sowie Betriebsfestigkeitslasten ausgewertet und untereinander verglichen. Die Ermittlung der Regelgüte erfolgte dabei durch Auswertung der Rotordrehzahl, der elek­trischen Leistung und der Blattwinkelverstellung. Über alle Lastfälle wurden schließlich die Mittelwerte und Abweichungen zu den Sollwerten berechnet.

Die Ergebnisse zeigen, dass unter Verwendung des Fuzzy-Reglers die durchschnittliche Abweichung der Rotordrehzahl vom Sollwert um etwa 40 % geringer ist. Außerdem hat sich die durchschnittliche Rotordrehzahl um etwa 0,2 % und die elektrische Leistung um etwa 0,4 % erhöht. Dazu benötigt der Fuzzy-Regler eine erhöhte Aktivität der Blattwinkelverstellung (ungefähr 16 %; Durchschnitt der Blattwinkel­verstellrate – siehe Bild 3). Die Extremlasten erreichten bei beiden Reglern vergleichbare Werte. Gleiches gilt für die Belastungen auf den Rotorblättern. Die Auswertung der Betriebsfestigkeitslasten hat ergeben, dass diese unter Verwendung des Fuzzy-Reglers reduziert werden. Davon ausgenommen sind die Lasten, welche auf den Turm wirken. Konkret konnten die Lasten auf Antriebsstrang und Rotor durchschnittlich um 4 %, teilweise sogar um bis zu 13 % verringert werden. Trotz der gesteigerten Blattwinkelverstellung ergab sich auch eine Verringerung der Lasten auf Nabe, Rotorblatt und Blattwurzel.

Noch genügend Raum für weitere Optimierung

In Summe lässt sich festhalten: Der Fuzzy-Regler lieferte vergleichbare und teilweise sogar bessere Ergebnisse, obwohl keine Optimierung der Parameter stattgefunden hat. Das Einstellen der Parameter wird aufgrund der verständlichen Wissensbasis vereinfacht und der Aufwand wesentlich verringert. Zusätzliche Optimierungen anhand der jeweiligen Anlage würden sicherlich zu weiteren Verbesserungen führen. Mit anderen Worten: Selbst bei einer Grob­auslegung der Parameter hat der Fuzzy-Regler die Erwartungen erfüllt und sich für den Einsatz zur Blattwinkelregelung als optimal erwiesen.

Jetzt gilt es, die Ergebnisse in weiteren Lastenrechnungen zu verifizieren. Zudem muss sich der Regler auf einer realen Anlage bewähren. Darüber hinaus ist es möglich, den Regler mittels Filter zu erweitern und zu optimieren. Durch die Auswertung zusätzlicher Eingänge könnte auf etwaige Umstände eingegangen und vorausschauend reagiert werden. So könnte zum Beispiel die Turmschwingung als zusätzlicher Eingang verwendet werden, um adaptiv zu regeln, die Schwingung zu dämpfen und die Turmlasten zu reduzieren. Zusätzliche Ausgänge könnten den Regler mit mehr Funktionen ausstatten und ihm ermöglichen, noch tiefer in den Prozess einzugreifen. Last but not least würde die Kombination mit einem neuronalen Netz – auch Neuro-Fuzzy-System genannt – ein automatisches Optimieren der Parameter ermög­lichen.

Autor: Nils Johannsen ist in der Beckhoff Niederlassung in Lübeck im Bereich Applikationssoftware für Windkraft­anlagen tätig.