Adoption of wake steering by the industry is slow due to associated uncertainties. This thesis demonstrates that wake steering applications can benefit from using interpretable data-driven methods. A new data-driven wake model is developed that, based on large eddy simulations and field measurements, estimates the features of a single wake more accurately than standard analytical models. Besides available power, in particular the wake deficit, position, and shape (e.g., curl) are better represented. Moreover, whereas other models need undisturbed met mast data, the new model can directly use commonly available measurements. The model’s main drawback is its limited generalizability to new conditions. Lastly, it is shown that using preview wind direction information can increase the power yield, especially in wake steering operation.
Die Methode der Nachlaufablenkung findet in der Industrie wegen Unsicherheiten kaum Anwendung. Diese Arbeit zeigt, dass für die Nachlaufablenkung interpretierbare datengesteuerte Methoden nützlich sein können. Ein datengetriebenes Nachlaufmodell wird entwickelt. Vergleiche mit Daten aus Large-Eddy-Simulationen und Freifeldmessungen zeigen, dass das neue Modell Nachlaufeigenschaften besser reproduziert als analytische Modelle. Dies gilt für die verfügbare Leistung im Nachlauf, für das Nachlaufdefizit, die Nachlaufposition und die Nachlaufform. Während bisherige Modelle Informationen über die ungestörte Einströmung benötigen, kann das neue Modell direkt allgemein verfügbare Messdaten verwenden. Ein Nachteil ist die Limitierung seiner Anwendbarkeit auf den Parameterbereich, für den es trainiert wurde. Abschließend wird gezeigt, dass Vorabinformationen über die Windrichtung helfen können, die Leistung zu erhöhen. Dies gilt insbesondere für den Windparkbetrieb mit Nachlaufablenkung.
