الملخص

تنقسم توربينات الرياح بشكل أساسي إلى نوعين: توربينات الرياح ذات المحور الأفقي وتوربينات الرياح ذات المحور العمودي. تم دراسة جودة وأداء توربينات الرياح ذات المحور الأفقي على نطاق واسع من قبل الباحثين وتعد وحدة التحكم في زاوية دوران شفرات توربينات الرياح من أكثر التقنيات شيوعاً المستخدمة لتحسين الأداء الديناميكي الهوائي لتوربينات الرياح. على عكس توربينات الرياح ذات المحور الأفقي، تم إجراء القليل من الدراسات مؤخراً لتحسين قدرة البدء الذاتي والأداء الديناميكي الهوائي لتوربينات الرياح ذات المحور الرأسي من النوع H ذات الشفرات المستقيمة (Darrius VAWT). تهدف هذه الدراسة لمعالجة مسألة أداء VAWT باستخدام تقنية التحكم في دوران شفراتها ونظراً للتعقيد الرياضي المرتبط بنمذجة توربينات الرياح ذات المحور الرأسي VAWT، يتم استخدام النتائج التحليلية المستخرجة من نموذج ديناميكيات الموائع الحسابية (CFD) لتصميم نموذج تعريف النظام باستخدام الشبكات العصبية (ANN)، والذي يمكنه تمثيل سلوك نموذج VAWT. بالإضافة إلى ذلك، تم تصميم نظامي تحكم ذكيين يعتمدان على كل من الشبكات العصبية (شبكة MLP) والمنطق الضبابي (FLC) للتحكم في زاوية دوران Darrieus VAWT. علاوة على ذلك، تم المقارنة بين نظامي التحكم الذكيين. تظهر النتائج أن كلا من أنظمة التحكم (ANNs و FLC) يمكن أن تحقق أداء تحكم أفضل من حيث إنتاج الطاقة VAWT.

ABSTRACT

Wind turbines are mainly divided into horizontal and vertical axis wind turbines. The quality and performance of wind turbines have been extensively investigated by researchers. A pitch angle controller is one of the most common techniques used to improve wind turbines’ aerodynamic performance. Unlike horizontal axis wind turbines, only a few studies being conducted recently to improve the self-starting capability and aerodynamic performance of H-type Vertical Axis Wind Turbines with straight blades (Darrieus VAWT). This study aims to process the issue of VAWT performance using the pitch angle controller technique. Due to the mathematical complexity associated with addressing the behavior of VAWT, numerical results extracted from a Computational Fluid Dynamics (CFD) model are used to design a system identification model, neural networks (ANNs) based, that can identify the behavior of the VAWT model. In addition, two controllers based on both neural networks (MLP-network) and fuzzy logic (FLC) techniques were designed to control Darrieus VAWT pitch angle. Moreover, comparisons between the two intelligent controllers were provided. Results show that both controllers (ANNs and FLC) can achieve better control performance in terms of VAWT power regulations.