Analysis and Modeling for Predicting Icing Losses in Finnish Wind Power Production

Thumbnail Image

Files

master_Uusitalo_Helmi_2022.pdf (5.04 MB)

URL

Journal Title

Journal ISSN

Volume Title

Perustieteiden korkeakoulu | Master's thesis
Unless otherwise stated, all rights belong to the author. You may download, display and print this publication for Your own personal use. Commercial use is prohibited.

Authors

Date

2022-08-23

Department

Major/Subject

Advanced Energy Technologies

Mcode

SCI3106

Degree programme

Master’s Programme in Engineering Physics

Language

en

Pages

62 + 10

Series

Abstract

Atmospheric icing is a phenomenon in which ice is formed to the surface from the liquid water in the air in cold temperatures. It is a relevant phenomenon in wind power since icing causes challenges with wind turbine materials, maintenance and production estimates, for example. In this work, a new prediction model for icing in wind power production was created, using wind measurement data from three Finnish wind farms and data of weather and atmospheric conditions. The used data include measured power production of the turbines and hourly data of wind speed, temperature, relative humidity, air density, cloudiness and precipitation. From the data, 121 icing events were found from 3 sites during three winters in 2019−2022, using measured production and estimated production calculated with wind speed and air density. Icing events were classified to rime ice, glaze and wet snow events and the differences were found between the icing types. It was found that weather conditions like precipitation and sunshine affect an icing event, and an event is usually stopped by the start of rain or a decrease in cloudiness. In glaze events, where the production is stopped by icing, the ice breakage point could be predicted well with cloudiness and precipitation data. This correlation was one of most important findings in this work, due to high and unpredictable icing losses during glaze events. A new prediction model was created using previous research of ice accretion rate and ice shedding, and the findings from data analysis. The ice accretion and ice shedding coefficients, icing type assumptions and weather data limits were determined to all three sites to optimize the prediction model. It was found that the prediction model could improve the power estimations significantly especially with rime ice and glaze events. The mean squared errors of measured and estimated production decreased by 21% in site 1, 27% in site 2, and 15% in site 3, compared to power estimations without the production model. The model could still be further improved by improving the icing type recognition, but the results of the icing loss predictions were promising.

Jäätäminen on ilmiö, jossa ilmassa oleva kosteus kerryttää jäätä pinnoille jäätävissä olosuhteissa. Jäätäminen on merkittävä ilmiö tuulivoiman tuotannon kannalta, sillä se vaikuttaa tuulivoimaloihin esimerkiksi kasvattamalla niiden huoltotarvetta ja ai- heuttamalla tuotantotappioita. Tässä työssä rakennettiin tuulivoiman tuotannon jäätämishäviöitä ennustava malli, johon käytettiin kolmen suomalaisen tuulipuiston tuotantodataa ja säädataa tuulennopeudesta, lämpötilasta, suhteellisesta kosteudesta, ilman tiheydestä, pilvisyydestä ja sademäärästä. Työssä tuotantodata analysoitiin ja datan avulla löydettiin yhteensä 121 jäätämistapausta kolmesta tuulivoimalasta talvien 2019−2022 ajalta. Analyysissä käytettiin dataa todellisesta tuotannosta ja estimoidusta tuotannosta laskettuna tuulennopeuden ja ilman tiheyden avulla. Jäätämistapaukset jaettiin kolmeen luokkaan, jotka olivat huurrejää, kirkas jää ja lumi. Analyysissä huomattiin, että tietyt sääolo- suhteet, kuten pilvisyys ja sademäärä vaikuttavat jäätämistapauksiin ja jäätämisen huomattiin lähes aina loppuvan, jos sade alkoi tai pilvien määrä väheni tapahtuman aikana. Erityisesti kirkkaan jään tapauksissa jään irtoamishetki pystyttiin ennustamaan, mikä oli yksi työn merkittävimpiä löydöksiä. Jäätämishäviöiden ennustemalli rakennettiin aiempien jäätämiseen liittyvien tutkimus- tulosten ja datasta tehtyjen havaintojen perusteella. Ennustemallin kertoimet jään kertymiselle ja irtoamiselle, jäätyyppeihin liittyvät oletukset sekä raja-arvot sääolo- suhteille määritettiin erikseen jokaiselle tuulivoimalalle, ja tuloksista huomattiin, että ennustemalli paransi tuotantoennusteita erityisesti huurrejään ja kirkkaan jään tapauksissa. Keskineliövirheet arvioidun ja todellisen tuotannon välillä pienenivät tuuli- voimaloissa 21 %, 27 % ja 15 % verrattuna ilman ennustemallia tehtyyn tuotantoarvioon.

Description

Supervisor

Lund, Peter

Thesis advisor

Sarja, Tiina

Keywords

atmospheric icing, production losses, prediction model, wind power

Other note

Citation

Permanent link to this item

https://urn.fi/URN:NBN:fi:aalto-202209045324

Collections

[dipl] Perustieteiden korkeakoulu / SCI