Data-Driven Adaptive Operational Strategies for Wind Energy Conversion Systems Incorporating Frequency Containment Reserve

Promovendus/a
Kayedpour, Nezmin
Faculteit
Faculteit Ingenieurswetenschappen en Architectuur
Vakgroep
Vakgroep Elektromechanica, Systeem- en Metaalengineering
Curriculum
Master's degree in Mechatronics Engineering, Islamic Azad University, Iran, 2016
Academische graad
Doctor in de ingenieurswetenschappen: werktuigkunde-elektrotechniek
Taal proefschrift
Engels
Vertaling titel
Data-gedreven adaptieve operationele strategieën voor windenergie-conversiesystemen met integratie van primaire frequentieregeling
Promotor(en)
prof. Guillaume Crevecoeur, vakgroep Elektromechanica, Systeem- en Metaalengineering - prof. Jeroen De Kooning, vakgroep Elektromechanica, Systeem- en Metaalengineering
Examencommissie
voorzitter prof. Sabine Wittevrongel (voorzitter Commissie Wetenschappelijk Onderzoek) - dr. ir. Annelies Coene (vakgroep Elektromechanica, Systeem- en Metaalengineering) - prof. Guillaume Crevecoeur (vakgroep Elektromechanica, Systeem- en Metaalengineering) - prof. Jeroen De Kooning (vakgroep Elektromechanica, Systeem- en Metaalengineering) - prof. Mia Loccufier (vakgroep Elektromechanica, Systeem- en Metaalengineering) - prof. François Vallée (Université de Mons) - prof. Xiaowei Zhao (University of Warwick, Verenigd Koninkrijk)

Korte beschrijving

Deze thesis benadrukt de essentiële rol van windenergie in de mondiale overgang naar hernieuwbare energiebronnen. Het belicht schone en overvloedige elektriciteitsopwekking, maar erkent de uitdagingen van onderbrekende aard. Om het potentieel van windenergie te maximaliseren, richt het onderzoek zich op adaptieve controle- en monitoringsstrategieën in drie hoofdgebieden: toezicht op windmolenparken, lokale controle van windturbines en monitoring van de gezondheid van windturbines. Innovatieve op data gebaseerde technieken, waaronder machine learning, verbeteren de integratie in het elektriciteitsnet, bieden aanvullende diensten en verbeteren de gezondheidsmonitoring van turbines, wat de algehele prestaties en betrouwbaarheid verbetert. De thesis stelt nieuwe strategieën voor om de werking van windmolenparken te optimaliseren, waarbij gebruik wordt gemaakt van op neurale netwerken gebaseerde controle voor individuele windturbines en de implementatie van adaptieve controlesystemen. Deze strategieën verbeteren de stroomopwekking, de stabiliteit van het elektriciteitsnet en de gezondheidsmonitoring, en verminderen tegelijkertijd de uitstoot van broeikasgassen. Dit onderzoek biedt uiteindelijk waardevolle oplossingen voor beleidsmakers en de windenergie-industrie, ter bevordering van een duurzame en veerkrachtige integratie van windenergie in het mondiale energielandschap, in lijn met doelstellingen voor het tegengaan van klimaatverandering.

Praktisch

Datum
Vrijdag 8 december 2023, 16:00
Locatie
leslokaal Rudolf E. Richter, gebouw 131 Volta, gelijkvloers, Technologiepark Zwijnaarde 131, 9052 Zwijnaarde
Livestream
Volg online

Meer info

Contact
doctoraat.ea@UGent.be