Yiyin Chen

Frau M.Sc.

Wissenschaftliche Mitarbeiterin
Institut für Flugzeugbau

Kontakt

+49 711 685 62542
+49 711 685 68293

Allmandring 5b
70569 Stuttgart
Deutschland
Raum: 2.37

Fachgebiet

Die Lidar-gestützte Regelung (LAC: lidar-assisted control) von Windturbinen ist ein Regelungskonzept, das ein gondelbasiertes Lidar (ein Fernerkundungsgerät) nutzt, um die Windgeschwindigkeiten vor der Turbine zu messen und so eine Vorschau auf die eintretenden Turbulenzen zu ermöglichen. Da die Turbine nicht den gleichen Turbulenzen ausgesetzt ist wie vom Lidar im Voraus gemessen, wird die Simulation eines LAC-Systems realistischer, wenn die Windevolution in stochastischen Windfeldsimulationen modelliert werden kann. Darüber hinaus ist die Anwendung von gondelbasierten Langstrecken-Scanning-Lidaren mit der Herausforderung konfrontiert, dass die Bewegung der Gondel Abweichungen in den Messtrajektorien verursacht. Solche Lidare sind aufgrund ihrer großen Messreichweite sehr empfindlich gegenüber kleinsten Trajektorienabweichungen. Motiviert durch diese Faktoren konzentriert sich die Forschung von Yiyin Chen hauptsächlich auf drei Aspekte:

Parametrisierung von Windevolutionsmodellen mit den Doppler-Windlidaren mit Hilfe von maschinellem Lernen

Die Windevolution bezieht sich auf die Evolution der Turbulenzstrukturen im Laufe der Zeit, die üblicherweise anhand der magnitudenquadratischen Kohärenz der Windgeschwindigkeiten quantifiziert wird. Zur Modellierung der geschätzten Kohärenz wird ein aus einer früheren Studie abgeleitetes Zwei-Parameter-Modell der Windevolution verwendet. Für die Modellierung der Windevolution werden verschiedene Algorithmen des maschinellen Lernens untersucht, darunter drei Varianten der Gauß'schen Prozessregression, Regressionsbaummodellen, Support-Vector-Machine-Regression und flaches neuronales Netz. Die Untersuchung konzentriert sich auf die Simulationsgenauigkeit und die Rechenzeit der Modellen, um einen Einblick in die Abwägung zwischen diesen Faktoren zu geben.

4D stochastische Windfeldsimulation mit Integration von Windevolutionsmodellen

Die üblicherweise verwendete stochastische 3D-Windfeldsimulation (Veers-Methode) wird auf 4D erweitert, um die Modellierung der Windevolution entlang der Windrichtung einzubeziehen. Der neuartigste Teil ist, dass wir einen zweistufigen Cholesky-Zerlegungsansatz für die Faktorisierung der Kohärenzmatrizen vorschlagen, so dass 4D-Windfelder durch Kombination mehrerer statistisch unabhängiger 3D-Windfelder erzeugt werden können. Um eine bessere Integration der 4D-Methoden in den üblichen Arbeitsablauf von Windturbinen-Simulationen zu ermöglichen, implementieren wir die 4D-Methode als Open-Access-Tool evoTurb in Kombination mit TurbSim und Mann Turbulence Generator.

Adaptive Messtrajektorie von scannenden Lidaren

Um die Zielmesstrajektorien eines Lidars unbeeinflusst von seiner Bewegungen zu halten, schlagen wir das Konzept der adaptiven Messtrajektorie vor, um den Effekt der Rotationsbewegungen des Lidars auf seine Zielmesstrajektorien zu kompensieren. Die Grundidee ist, dem Regelungssystem des Lidar-Scankopfes eine Störgrößenaufschaltung hinzuzufügen, um die durch die Rotationsbewegungen des Lidars verursachten Abweichungen der Laserstrahlrichtungen mit Hilfe von Inertialmessgeräten gemessenen Lidarbewegungen zu korrigieren. Dieses Konzept kann als eine Art von Bewegungskompensation auf der Ebene der Messtrajektorie verstanden werden.

  1. 2022

    1. Chen, Yiyin, Feng Guo, David Schlipf und Po Wen Cheng. 2022. Four-dimensional wind field generation for the aeroelastic simulation of wind turbines with lidars. Wind Energy Science 7, Nr. 2. Wind Energy Science: 539--558. doi:10.5194/wes-7-539-2022, .
    2. Chen, Yiyin, Wei Yu, Feng Guo und Po Wen Cheng. 2022. Adaptive measuring trajectory for scanning lidars: proof of concept. Journal of Physics: Conference Series 2265, Nr. 2. Journal of Physics: Conference Series (Mai): 022099. doi:10.1088/1742-6596/2265/2/022099, .
  2. 2021

    1. Chen, Yiyin, David Schlipf und Po Wen Cheng. 2021. Parameterization of wind evolution using lidar. Wind Energy Science 6, Nr. 1. Wind Energy Science: 61--91. doi:10.5194/wes-6-61-2021, .
  3. 2020

    1. Chen, Yiyin und Po Wen Cheng. 2020. Comparison of different machine learning algorithms for prediction of wind evolution. Journal of Physics: Conference Series 1618. Journal of Physics: Conference Series: 062060. doi:10.1088/1742-6596/1618/6/062060, .
    2. von der Grün, M., P. Zamre, Y. Chen, T. Lutz, U. Voß und E. Krämer. 2020. Numerical study and LiDAR based validation of the wind field in urban sites. Journal of Physics: Conference Series 1618. Journal of Physics: Conference Series: 042009. doi:10.1088/1742-6596/1618/4/042009, .
  4. 2019

    1. Chen, Yiyin. 2019. Parameterization of wind evolution model using lidar measurement. Wind Energy Science Conference 2019. Wind Energy Science Conference 2019. Cork. doi:10.5281/zenodo.3366119, .
Since 01/2018 PhD candidate at SWE, University of Stuttgart
2015 - 2017 Master of Energy Engineering at University of Stuttgart
2016 - 2017 Internship, master thesis and Hiwi at Fraunhofer IEE (formerly IWES) in Kassel
2010 - 2014 Bachelor of Energy and Building Technology at Tongji University in Shanghai (2010-2013) and at TH Nuremburg (2013-2014)
 
Zum Seitenanfang