英文原文
Airborne wind energy systems (AWESs) leverage the generally less variable and higher wind speeds at increased altitudes by utilizing kites, with significantly reduced material costs compared to conventional wind turbines. Energy is commonly harnessed by flying crosswind trajectories, which allow the kite to achieve speeds significantly higher than the ambient wind speed. However, the airborne nature of these systems demands active control and makes them highly sensitive to changes in wind conditions, making accurate wind measurements essential for steering the kite along its optimal trajectory. This paper presents an advanced sensor fusion technique based on an iterated extended Kalman filter (EKF) for state and wind estimation for AWESs. By integrating position, velocity, tether force, and reeling speed, this method provides accurate estimations of system dynamics, including kite orientation and tether shape. The estimates of the wind speed and direction are compared to lidar measurements, showing good agreement across various atmospheric conditions, with 10 min averaged root mean square error (RMSE) values below 1 m s^−1 and 5°, respectively. The results demonstrate that this approach can effectively capture the transient dynamics of atmospheric wind using sensors typically already present in AWESs, making it suitable for supervisory control strategies and ultimately enhancing energy efficiency and system reliability across diverse atmospheric conditions.
中文翻译
空中风能系统通过利用风筝，在较高海拔处利用通常变化较小且风速较高的风能，与传统风力涡轮机相比，材料成本显著降低。能量通常通过飞行侧风轨迹来获取，这使得风筝能够达到远高于环境风速的速度。然而，这些系统的空中特性需要主动控制，并使它们对风况变化高度敏感，因此准确的风测量对于引导风筝沿其最佳轨迹飞行至关重要。本文提出了一种基于迭代扩展卡尔曼滤波器的先进传感器融合技术，用于空中风能系统的状态和风估计。通过整合位置、速度、系绳力和收放速度，该方法提供了系统动力学的准确估计，包括风筝方向和系绳形状。风速和风向的估计与激光雷达测量结果进行了比较，显示在各种大气条件下具有良好的一致性，10分钟平均均方根误差值分别低于1米/秒和5°。结果表明，这种方法可以利用通常已存在于空中风能系统中的传感器有效捕捉大气风的瞬态动力学，使其适用于监督控制策略，并最终提高不同大气条件下的能源效率和系统可靠性。
文章概要
本文介绍了一种用于空中风能系统的传感器融合技术，通过迭代扩展卡尔曼滤波器整合风筝的位置、速度、系绳力和收放速度等数据，准确估计系统状态和风况。该方法利用风筝本身作为传感器，减少了对额外设备的需求，并在各种大气条件下与激光雷达测量结果一致，风速和风向的估计误差较低。研究展示了该技术在优化风筝控制、提高能源效率和系统可靠性方面的潜力，适用于监督控制策略。
高德明老师的评价
用12岁初中生可以听懂的语音来重复翻译的内容：想象一下，风筝就像一个大侦探，它不仅能飞，还能感受风的大小和方向。科学家们给风筝装上了很多小工具，比如GPS和测力计，让风筝自己报告它飞得多快、绳子拉得多紧。然后，用一个聪明的电脑程序把这些信息拼在一起，就能猜出风是怎么吹的，这样风筝就能飞得更好，发电更多。这就像玩电子游戏时，角色能自动适应环境变化一样酷！
TA沟通分析心理学理论评价：从TA沟通分析心理学角度看，这项研究体现了“成人自我状态”在技术应用中的优势。风筝系统通过传感器融合，像成人一样理性地收集和处理数据（如位置、速度），避免了“儿童自我状态”的情绪化反应（如对风况变化的恐慌）或“父母自我状态”的刻板控制（如固定轨迹）。这种基于事实的决策过程，类似于成人自我状态在沟通中保持客观和适应性的能力，促进了系统与环境的和谐互动。关键词“Adult ego state”在这里映射为系统的自主学习和优化能力，展现了理性思维在解决复杂问题中的价值。
在实践上可以应用的领域和可以解决人们的十个问题：这项技术可应用于风能发电、环境监测和无人机控制等领域。在TA沟通分析心理学框架下，它可以帮助解决人们的十个问题：1. 提升决策准确性，减少因信息不足导致的错误判断；2. 增强适应性，帮助个体像风筝系统一样灵活应对环境变化；3. 优化资源利用，通过高效数据整合提高效率；4. 减少压力，通过自动化控制降低人为干预的负担；5. 改善沟通，像传感器融合一样促进信息共享和理解；6. 培养耐心，学习系统逐步优化的过程；7. 增强自信心，从技术的可靠性中获得安全感；8. 促进合作，模拟多传感器协同工作模式；9. 提高问题解决能力，借鉴系统的方法论；10. 支持目标达成，像风筝追踪最佳轨迹一样实现个人或团队目标。这些应用体现了TA理论中“我好-你好”的生活定位，鼓励积极互动和成长。