Prospective wind turbines, adopting Condition-Based Maintenance (CBM) for Operation and Maintenance (O&M) strategy instead of inspection visits and corrective maintenance actions for all turbines, can make wind energy costly competitive with reduced O&M costs. Among various applicable CBM methods, Measurement-based Condition Monitoring (MCM) is the most obvious and direct way to get insight of loads and to detect damage in real-time on structures. MCM is, however, costly difficult to be implemented in wind energy field due to requirement of sensors for all main components and lifetime measurement. Simulation-based Condition Monitoring (SCM) is possible for load estimation at all main components without additional measurement, but it is difficult to reflect system change and to apply for damage detection. Statistics-based Condition Monitoring (StCM) has been recently studied by several researchers due to possibility of load estimation at all main components at reasonable cost by integration of supervisory control and data acquisition (SCADA) system and short-term measurement campaign. StCM is, however, impractical to reflect system change and to apply for damage detection as well as difficult in extrapolation for different operating and wind conditions.

In this study, a Physical model-based Condition Monitoring (PCM) concept, including system identification and dynamic response analysis using advanced wind field model, is proposed for cost-effective and reliable condition monitoring of wind turbines. System identification is introduced to evaluate damping effect of movable parts as well as to describe structure properly. The advanced wind field generation method with link of wind speed measured by the SCADA system is presented to provide a high correlation coefficient which can be used as an indicator of damage detection and accurate estimation of maximum responses. The proposed system identification and dynamic response analysis methods are validated on the basis of measurement data recorded from a 400kW stall-regulated wind turbine.

In Chapter 1, the general background of this study, review of previous researches, objectives and outline of this thesis are presented.

In Chapter 2, the detail description of Physical model-based Condition Monitoring (PCM) which consists of a SCADA system, dynamic response analysis, system identification and condition evaluation schemes is given. SCADA system provides both the measured wind speed data to be linked for dynamic response analysis and the measured acceleration to be used for system identification.

In Chapter 3, methodology for model updating of wind turbines is presented. Stiffness parameters in the aeroelastic model are identified based on the natural frequencies derived by the Eigensystem Realization Algorithm (ERA) and those obtained from the SCADA. In addition, equivalent model of movable parts is introduced to describe difference of damping between in the fore-and-aft and side-by-side directions, and methodology to determine parameters of the equivalent model is proposed based on the objective function including damping derived by Random Decrement Technique (RDT) from the SCADA. In the both stiffness and damping identifications, Simplex Method is used to determine structural parameters by minimizing objective functions.

In Chapter 4, model updating for the wind turbines is validated on the basis of measurement data recorded from a 400kW stall-regulated wind turbine. The aeroelastic model is modified to represent detailed drive-train in the nacelle, including bedplate and flexible low and high speed shafts. The stiffness parameters for the aeroelastic model are updated based on the measured acceleration data, with frequency discrepancies become less than around 2%. As a result, the Power Spectral Density (PSD) of the estimated moments using the updated model has been in good agreement with the measured those. Parameters of the equivalent model of movable parts are determined and natural frequency's changes due to adding of movable parts to the structural model are calibrated by updating stiffness parameters again.

In Chapter 5, a wind field generation method based on the Auto-Regressive (AR) model is expanded to consider 3-dimensional wind fields and is linked to time-series of measured wind speed to provide high correlation coefficient between the predicted and measured wind responses by reducing uncertainty of the error terms in the AR model.

In Chapter 6, dynamic response of wind turbines with both conventional and advanced wind field models are predicted and compared with the recorded data from 400kW stall-regulated wind turbine. The improvements in the estimated dynamic response by using the modified wind field model are depicted. More stable and accurate estimation of maximum moments could be also predicted by using modified wind field model; standard error is reduced from around 70% to 27.5%. High correlation coefficient between the predicted and measured time series of wind response could be estimated by using modified wind field model; average of correlation coefficients for 12 simulation cases is increased from 0.14 to 0.55. The reason of improvement on the correlation coefficient is discussed on the basis of spectrum analysis.

Chapter 7 summarizes the conclusions of this study. A Physical model-based Condition Monitoring (PCM) has been proposed and verified with measurement data for a 400kW stall-regulated wind turbine. Aeroelastic model with the equivalent model of movable parts was proposed to describe the flexible low and high speed shaft, and parameters of the equivalent model have been determined, consequently leading to provide difference of damping in the fore-and-aft and side-by-side directions properly. In addition, the efficiency of modified wind field generation method is demonstrated. The result shows that correlation coefficient between observed and simulated moments increased and accurate estimation of maximum moments was achievable.

風車の維持保守を行う際に、全ての風車に対して定期点検を行う代わりに、風車の状態に基づきメインテナンスを行う手法(Condition-Based Maintenance)を用いることにより、風車の維持保守コストを削減でき、風力発電のコスト競争力を高めることが可能である。現在利用可能ないくつかの手法の中では、計測に基づく状態監視手法(Measurement-based Condition Monitoring)は、風車に作用する荷重を直接に評価し、損傷をリアルタイムに検知できる最も分かりやすい方法と言えるが、風車の耐用年数と同じ期間にわたり主要構造にセンサーを設置する必要があることから、コストの面で風力発電の分野への導入が難しい。一方、シミュレーションに基づく状態監視手法(Simulation-based Condition Monitoring)は、余分な計測を行うことがなく、風車の主要構造に作用する荷重を評価することが可能であるが、構造パラメータの変化を反映し、風車の損傷を検知することは難しい。さらに、統計解析に基づく状態監視手法(Statistics-based Condition Monitoring)はコンピュータによる監視制御とデータ収集システム(以下、SCADAシステムを呼ぶ)と短期間の計測により適度なコストで風車の主要構造に作用する荷重を評価できることから、近年いくつかの研究がなされてきた。しかし、この方法は、構造パラメータの変化を反映し、風車の損傷を検知できないのに加え、短期間の計測で現れない制御状態および風条件に対応する荷重の評価は外挿になってしまうという問題がある。

そこで、本研究では、低コストで信頼性の高い風車の状態監視を行うことを目的とし、システム同定および動的応答解析を組み込んだ物理モデルに基づく状態監視手法(Physical model-based Condition Monitoring)を提案している。システム同定により風車の剛性を正確に再現すると共に風車の可動部による減衰効果も精度よく評価している。またSCADAシステムにより観測された風速データを利用した3次元風速場の生成手法を提案することにより、風応答の計測値との相関および最大応答の予測精度を向上させると共に、損傷検知の指標を提供している。本研究で提案したシステム同定および動的応答解析手法は、400kWのストール制御風車の観測データを用いて精度検証を行っている。論文の構成ならびにその概要は下記の通りである。

第1章は序論であり、国内外における風車の状態監視に関する既往研究のレビューを行い、本研究の目的を明らかにするとともに、本論文の構成を記述している。

第2章では、 SCADAシステム、動的応答解析、システム同定及び性能評価から構成される物理モデルに基づく状態監視手法について詳細に説明している。本手法では、風車に組み込まれているSCADAシステムにより得られた風速データを用いて自然風を発生させ、風車の動的応答解析を行うと共に、加速度データを用いてシステム同定を行い、風車の構造パラメータを精度よく求めることができる。

第3章は、風車の空力弾性モデルの精緻化方法について説明している。本論文ではSCADAシステムから求められた固有振動数に基づき、ERA法(Eigensystem Realization Algorithm)により空力弾性モデルに用いる剛性を同定した。さらに風車の可動部を模擬できる等価モデルを提案することにより、前後と左右方向における風車の構造減衰の違いを再現した。これらの可動部のパラメータを決定するために、SCADAシステムから得られた加速度データからRDT法(Random Decrement Technique)により求めた減衰を組み込んだ目的関数を用いている。剛性と減衰の同定にはシンプレックス法を用いて目的関数の最適化を行うことにより実現している。

第4章では、400kWストール制御風車における観測データを用いて、風車モデルの精緻化手法の精度検証を行った。風車ナセルの中にあるドライブトレインを正確に再現するために、ナセルの底板および高速と低速シャフトの剛性を考慮した空力弾性モデルを用いた。精緻化された空力弾性モデルを用いた場合に、固有振動数の推定誤差は2%以下となり、風車タワー基部における転倒モーメントのパワースペクトル密度も観測値とよく一致することを明らかにした。低速シャフトを模擬した同等モデルのパラメータを決定した後に、風車の固有振動数の変化は剛性パラメータを再度同定することにより校正した。

第5章では、ARモデル(Auto-Regressive)を利用し、変動風のパワースペクトルや空間相関を満足する自然風発生手法を三次元に拡張するとともに、SCADAシステムから得られた風速の時系列データを利用することにより、ARモデル中の誤差項の不確かさを低減させ、風応答の観測値と予測値との間の相関を高めた。

第6章では、従来手法と提案手法により生成された自然風を用いて400kWストール制御風車の動的応答解析を行い、観測結果と比較することにより、精度検証を行った。本論文で提案した手法を用いた場合、最大モーメントの予測を安定かつ高精度で行うことを可能にし、応答予測の二乗誤差が70%から27.5%まで低減した。また提案手法により生成された自然風を用いることにより、風応答の予測値と観測値との相関係数の平均値が0.14から0.55に増大し、その理由についてはスペクトル解析により明らかにした。

第7章は、結論であり、第3章から第6章までに得られた結論をまとめるとともに、今後の課題に言及している。

以上のように、本論文は、物理モデルに基づく状況監視手法を提案し、400kWのストール制御風車を用いて精度検証を行った。この手法では、前後方向に自由に動く低速シャフトを再現するため可動部を模擬した等価モデルを空力弾性モデルに組み込み、モデルのパラメータを決定することにより、前後と左右方向における風車の構造減衰の違いを再現した。さらに、風観測データを組み込んだ自然風の生成モデルを用いることにより、風応答の解析値と観測値の相関が増加し、最大モーメントの予測精度が向上した。

これらの研究成果は、物理モデルに基づく風車の状態監視手法に対する理論的基盤を与え、風車の状態監視の高度化および維持保守コストの低減に貢献するものである。よって、本論文は博士(工学)の学位請求論文として合格と認める。