CN101821689B - 用于为控制和/或监测应用提供至少一种输入传感器信号的方法和设备以及控制设备 - Google Patents

用于为控制和/或监测应用提供至少一种输入传感器信号的方法和设备以及控制设备 Download PDF

Info

Publication number
CN101821689B
CN101821689B CN200880111148.5A CN200880111148A CN101821689B CN 101821689 B CN101821689 B CN 101821689B CN 200880111148 A CN200880111148 A CN 200880111148A CN 101821689 B CN101821689 B CN 101821689B
Authority
CN
China
Prior art keywords
state
sensor signal
wind turbine
signal
wind
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Expired - Fee Related
Application number
CN200880111148.5A
Other languages
English (en)
Other versions
CN101821689A (zh
Inventor
J·埃勒斯
A·迪奥普
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Siemens AG
Original Assignee
Siemens AG
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Family has litigation
First worldwide family litigation filed litigation Critical https://patents.darts-ip.com/?family=39271651&utm_source=google_patent&utm_medium=platform_link&utm_campaign=public_patent_search&patent=CN101821689(B) "Global patent litigation dataset” by Darts-ip is licensed under a Creative Commons Attribution 4.0 International License.
Application filed by Siemens AG filed Critical Siemens AG
Publication of CN101821689A publication Critical patent/CN101821689A/zh
Application granted granted Critical
Publication of CN101821689B publication Critical patent/CN101821689B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
    • G05B23/0243—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults model based detection method, e.g. first-principles knowledge model
    • G05B23/0254—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults model based detection method, e.g. first-principles knowledge model based on a quantitative model, e.g. mathematical relationships between inputs and outputs; functions: observer, Kalman filter, residual calculation, Neural Networks
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Automation & Control Theory (AREA)
  • Evolutionary Computation (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Software Systems (AREA)
  • Medical Informatics (AREA)
  • Health & Medical Sciences (AREA)
  • Mathematical Physics (AREA)
  • Wind Motors (AREA)
  • Lock And Its Accessories (AREA)
  • Testing And Monitoring For Control Systems (AREA)

Abstract

用于为控制和/或监测应用以及控制设备提供至少一种输入传感器信号的方法和设备。提供了一种为与装置(1)相关的控制和/或监测应用(13)提供至少一种输入传感器信号的方法。该方法包括以下步骤：基于在装置(1)处测得的至少一种参量提供至少一种实际传感器信号；提供装置的至少一种动态模型；利用动态模型至少在至少一种传感器信号的基础上估计状态；通过由估计的状态计算装置处的至少一种局部条件以由估计的状态生成至少一种虚拟传感器信号以及由至少一种局部条件建立起至少一种虚拟传感器信号；提供至少一种虚拟传感器信号作为用于控制和/或监测应用(13)的至少一种输入传感器信号。

Description

用于为控制和/或监测应用提供至少一种输入传感器信号的方法和设备以及控制设备
技术领域
本发明涉及一种用于为与装置特别是风轮机相关的控制和/或监测应用提供至少一种输入传感器信号的方法和设备。本发明进一步涉及用于装置特别是风轮机的控制设备。
背景技术
由于海上风电场数量的不断增加，因此对改进的控制和监测方法以及对用于这种风电场的风轮机的改进的控制和监测设备都存在需求。原因在于存在将海上风电场进一步远离海岸设置到远海中的趋势。但是，在远海区域要比在海岸附近的区域更加难以进行维护。而且，将技术人员送至远海区域是昂贵、耗时并且可能是危险的。因此，人们希望使维护的时间间隔尽可能长并且人们设法减少由于风轮机故障造成的停机次数。为了减少停机次数，有时会进行前瞻性的维护，这意味着在早期阶段检测部件的损坏并在可能会导致风轮机失效并因此导致停机的故障状态出现之前即维修或更换相应部件。另一方面，改进的控制方案例如对每一个桨叶的独立变桨距控制允许降低作用在风轮机部件上的载荷，增加风轮机部件的寿命并延长维护的时间间隔。
但是，复杂控制方法的使用以及风轮机状态的复杂监测要受到能够从测量风轮机各种参数的传感器信号中提取的信息的限制。沿风向的风速就是不能以足够的精度测量以用于在风轮机控制中使用的参数实例。因此，在US2006/0033338A1和WO2007/010322A1中已经提出使用风速估计器以利用测得的转子转速、桨叶桨距角和塔架位置来估算空气流速。估算的流速状态随即被用于控制算法中以利用估算的流体流速来计算所需的桨叶桨距角。风轮机自身的性质也有可能是既难于测量，并且又是控制发电机所必需的。S.Donders在Twente大学应用物理、系统和控制工程系2002年的硕士论文“Fault Detection and Identificationfor Wind Turbine Systems：a closed-loop analysis”中介绍了用于在桨距调节器中进行故障诊断的状态估计的应用。对参数估计和多模型估计都进行了测试并且发现多模型估计适合用于诊断桨距调节器中的未知增益和未知延迟。
用于确定风轮机上的结构状态和风切变的状态估计在例如以下文献中进行了介绍：国家可再生能源实验室2003年12月的技术报告TP-500-35172中M.M.Hand的“Mitigation of Wind Turbine/VortexInteraction Using Disturbance Accommodating Control”，M.M.Hand和M.J.Balas在2004年荷兰代尔夫特的由风力生成转矩的科学研究2004专题会议上发表的“Load Mitigation Control Design for a WindTurbine Operating in the Path of Vortices”，科罗拉多大学波尔得分校A.Wright在2003年的博士论文“Modern Control Design forFlexible Wind Turbines”，以及美国机械工程师协会的太阳能工程杂志126(4)：1083-1091，2004中A.D.Wright和M.J.Balas的“Design ofControls to Attenuate Loads in the Controls Advanced ResearchTurbine”。
WO01/76925A1介绍了一种汽车的数字式或模拟式传感器控制系统。在该系统中，递归滤波器，优选地是卡尔曼滤波器，提供预定物理参数的估计值并将物理参数信号输出至传感器信号处理单元，该单元适合用于根据物理参数信号算出一种或多种虚拟传感器信号。在虚拟传感器的一个示例中，从ABS接收实际角速度信号并将其在车内的选定位置处转化为成比例的速度。
US2007/0156259A1介绍了一种系统，产生的输出在一定范围内变化用于具有输入突变转换动态特性的模型预测控制。在该文献中介绍了获取预期的未来数据。
US5289379介绍了一种陆地车辆悬架控制系统和相关的控制电路。
但是，尽管现有技术中介绍的上述估计方案控制和监测例如风轮机这样的装置，但是仍然会受到用于控制设备和/或监测设备的传感器信号的可用性有限的影响。
因此，本发明的目标是提供一种用于为控制和/或监测应用提供至少一种输入传感器信号的改进的方法和改进的设备。本发明进一步的目标是提供一种改进的控制设备。
发明内容
第一个目标通过如权利要求1中所述的用于为控制和/或监测应用提供至少一种输入传感器信号的方法以及通过如权利要求14中所述的用于为控制和/或监测设备提供至少一种输入传感器信号的设备实现。进一步的目标通过权利要求15中所述的控制设备实现。从属权利要求包含了本发明更多的扩展内容。从属权利要求的特征彼此独立或者彼此结合都可能是有利的。
为与装置相关的控制和/或监测应用提供至少一种输入传感器信号的本发明的方法包括以下步骤：
-基于在装置处测得的至少一种参量提供至少一种实际传感器信号；
-提供装置的至少一种动态模型；
-利用动态模型至少在至少一种传感器信号的基础上估计状态；
-通过由估计状态计算装置处的至少一种局部条件以由估计的状态生成至少一种虚拟传感器信号以及由至少一种局部条件建立起至少一种虚拟传感器信号；和
-提供至少一种虚拟传感器信号作为用于控制和/或监测应用的至少一种输入传感器信号。装置具体地可以是风轮机。在本发明的方法中，装置是风轮机，而动态模型包括风轮机的结构动态特性表示及其与风切变和/或风轮机尾流的相互作用。估计的状态是风轮机的风切变和/或尾流状态和/或估计的结构状态，而控制和/或监测应用是以下情况中的一种：(a)基于以局部流动条件为基础的空气动力输入的桨叶空气动力控制，其中至少一种虚拟传感器信号表示局部的风向条件；(b)基于轴承力和/或轴承力矩的变桨距伺服控制，其中至少一种虚拟传感器信号表示轴承力和/或轴承力矩；(c)基于长期载荷的疲劳损伤估计器，其中至少一种虚拟传感器信号表示风轮机内的载荷。
本发明的方法允许提供表示不能通过直接测量获得或轻易获得的装置参数的虚拟传感器信号。这样的虚拟传感器信号可以随后被用于控制应用或监测应用中。在本文中，至少一种局部条件可以被视为估计的测量值。该估计的测量值允许虚拟检测否则将难以测量或者根本不可测的参量。
为难以通过实际测量直接获取的参数提供虚拟传感器信号增加了可用于控制或监测功能的参数数量。参数数量的增加允许在控制算法或监测算法方面有更高的灵活性。如果有控制算法或监测算法需要不能通过实际传感器获得或轻易获得的传感器信号，那么在过去就无法轻易地使用这样的算法。但是，通过本发明提供至少一种输入传感器信号的方法，即可根据现有的一种或多种实际传感器信号来生成这样的传感器信号作为虚拟传感器信号。
在本发明的方法中，状态估计器依靠测量信号来算出状态估计值。如果直接测量也完全可行，这些信号的具体选择与直接测量局部条件的可选方式相比能够提供成本、可靠性和安全性方面的优势。而且，状态估计算法的性质可以在特定的应用中被变成优势。允许调整的性质的例子有对于模型误差的鲁棒性、计算成本、对有限数值精度的灵敏度以及测量延迟下的准确度。
至少一种局部条件的计算可以基于状态之间的非线性关系和/或状态之间的动力学关系。非线性关系和/或动力学关系可以可选地以查表的形式提供。不过，至少一种局部条件的计算也可以基于由状态围绕稳态值的扰动分析给出的线性关系。最后提及的计算至少一种局部条件的实施方式特别适合于如果预期只会发生从稳态值微小偏离的情况。而且，至少一种局部条件的计算另外还可以基于至少一种实际测量的结果。
可选地，估计状态可以在将至少一种实际传感器信号与由控制和/或监测应用提供的至少一种输出信号结合在一起的基础上进行。这样就提供了反馈，反馈可以被用于抵消模型的不准确性或者被用于考虑未知的控制器动态特性。
作为进一步的可选项，估计状态还可以包括未来状态的估计，这就提供了给出预估的虚拟传感器信号并由此考虑实际传感器信号测量中的延迟的可能性。借助延迟的实际传感器信号，基于这种延迟的实际信号计算的虚拟传感器信号也会导致虚拟传感器信号中的延迟。通过计算未来状态，该延迟能够通过计算估计的状态而被抵消，估计的状态以一时间相对于实际传感器信号处于未来，该时间等于延迟。可选地，可以根据多种未来的输入情况来算出多种未来的虚拟传感器信号。
为了估计状态，可以使用递归滤波器，例如无限脉冲响应的卡尔曼滤波器或有限脉冲响应的卡尔曼滤波器。
在本发明通用方法的一种有利的实施方式中，装置是风轮机，而控制和/或监测应用是基于局部流动条件的桨叶空气动力控制。桨叶空气动力控制可以是例如载荷控制、转子转速控制、变桨距控制或失速控制。在这种实施方式中，动态模型可以包括风轮机的结构动态特性表示及其与风切变和/或风轮机尾流的相互作用。因此估计的状态就是风切变和/或尾流状态和/或估计的风轮机结构状态。至少一种虚拟传感器信号表示局部流动条件。在这第一种实施方式中，任何可用的测量信号都可以被用作用于状态估计的输入。但是，鉴于成本、维护和可靠性方面的原因，来自风轮机机舱内的传感器的信号是优选的。而且，根据由机舱内的传感器生成的信号可以很好地估计结构状态和转子桨叶风速。
在本实施方式中，动态模型并不局限于结构状态、风切变状态和风轮机尾流状态的特定组合。优选地，动态模型包括塔架前向/后向弯曲和桨叶襟翼弯曲的至少第一模式的动态特性，以及表现为至少为零的风切变和转子方位角内的第一风速谐波。
而且，任意适合的变量均可被用于表征局部流动条件，也就是形式为虚拟传感器信号的虚拟测量的结果。示例有：攻角、相对速度或速度分量、局部压力、局部翼面加速度以及无量纲变量例如雷诺数和升力系数、阻力系数、法向力系数或力矩系数。可以用以下三种方式中的一种来根据估计的结构状态和风切变计算局部流动变量：
1、根据风轮机的估计风速分量和估计结构状态之间的矢量关系。
2、根据通用的非线性和/或动力学关系，可选地为查表的形式。
3、根据由结构状态和风切变围绕其稳态值的扰动分析给出的线性关系。
由于风速估计值是在整个转子平面上定义的，因此虚拟传感器信号也可以包括桨叶前方的风速。
在本发明方法的一种进一步的有利实施方式中，装置是风轮机而控制和/或监测应用是基于轴承力和/或轴承力矩的变桨距伺服控制。通常的影响桨距方位角控制的力和力矩是施加的控制力矩、来自摩擦的干扰力矩、扭转振动、重力和空气动力。在此情况下，动态模型包括风轮机的结构动态特性表示及其与风切变和/或风轮机尾流的相互作用。估计的状态是风轮机的风切变和/或尾流状态和/或估计的结构状态。由估计的状态生成的至少一种虚拟传感器信号表示轴承力和/或轴承力矩。
在上述的实施方式中，考虑到干扰转矩和/或桨叶上下旋转随着桨叶弯曲而变化的转动惯量，控制算法可以响应于桨距角或桨距角变化率指令而生成控制转矩。轴承力和轴承力矩的计算可以在由结构状态和风切变产生的力和力矩的模型基础上并且在将力和力矩传输到变桨轴承的方式的基础上完成。用于桨叶内的力和力矩的模型可以是非线性模型的线性表示或者是完全非线性的模型。轴承摩擦可以例如被假定为库仑型且正比于桨叶根部处的弯矩，正如H.Markou等人在2007年ECN WindEnergy技术报告ECN-E-06-056的“Morphological Study ofAeroelastic Control Concepts for Wind Turbines”中介绍的那样。具体地，模型可以进一步包括可选的桨叶扭转表示以作为又一个自由度。
在本发明方法的第三种有利的实施方式中，装置也是风轮机。控制和/或监测应用是基于长期载荷的疲劳损伤估计器。在此情况下，动态模型包括风轮机的结构动态特性表示及其与风切变和/或风轮机尾流的相互作用。估计的状态是风轮机的风切变和/或尾流状态和/或估计的结构状态。由估计的状态生成的至少一种虚拟传感器信号表示风轮机内的载荷。就像第一种和第二种实施方式那样，载荷计算可以是从结构状态和风切变到一组在结构内所需位置处的估计的载荷的线性或非线性映射。
虚拟传感器信号，其随后表示由这些虚拟传感器信号组成的载荷序列，可以被存储一段时间。如果将存储的载荷作为时间序列处理，那么估计疲劳度即可通过用于估计疲劳度的任意公知技术实现。
为与装置特别是风轮机相关的控制和/或监测设备提供至少一种输入传感器信号的本发明的设备包括含有装置的动态模型的至少一种模型单元，其被设计用于输出装置的模型表示。设备进一步包括至少一种状态估计器，其包含可连接至装置的传感器输出的传感器信号输入，用于接收由所述传感器提供的实际传感器信号。至少一种状态估计器被连接至至少一种模型单元，用于接收装置的模型表示，并被设计用于至少在至少一种实际传感器信号和装置模型表示的基础上估计和输出状态。另外，本发明的设备包括至少一种信号发生器，其被连接至状态估计器用于接收估计的状态。信号发生器被设计用于根据估计的状态生成至少一种虚拟传感器信号并包括可连接至控制和/或监测设备的输出，用于输出所述至少一种虚拟传感器信号。在本发明的设备中，装置是风轮机，而动态模型包括风轮机的结构动态特性表示及其与风切变和/或风轮机尾流的相互作用。估计的状态是风轮机的风切变和/或尾流状态和/或估计的结构状态，而控制和/或监测应用是以下情况中的一种：(a)基于以局部流动条件为基础的空气动力输入的桨叶空气动力控制，其中至少一种虚拟传感器信号表示局部的风向条件；(b)基于轴承力和/或轴承力矩的变桨距伺服控制，其中至少一种虚拟传感器信号表示轴承力和/或轴承力矩；(c)基于长期载荷的疲劳损伤估计器，其中至少一种虚拟传感器信号表示风轮机内的载荷。
本发明的设备适合用于执行本发明的方法。具体地，信号发生器适用于通过根据估计的状态计算装置处的至少一种局部条件也就是通过估计的或虚拟的测量值而由估计的状态生成至少一种虚拟传感器信号。在模型单元的动态模型的基础上由状态估计器建立起以在信号发生器内生成的虚拟传感器信号为基础的状态。
本发明的控制设备适用于通过受控信号作用在装置例如风轮机的受控系统上，目的是为了影响受控系统的实际值。本发明这样的控制设备包括被设计用于至少在实际值偏离设定值或参考值的基础上生成和输出表示被生成用于受控系统的控制信号的控制器输出信号，目的是为了至少间接地影响所述实际值。本发明控制设备的调节器被连接至控制器用于接收控制器输出信号。它被设计用于在接收到的控制器输出信号的基础上生成和输出所述控制信号。本发明的控制设备进一步包括用于提供至少一种输入传感器信号的独创设备。该设备被连接至受控系统的至少一种传感器，用于接收由所述传感器提供的实际传感器信号。这样由所述设备提供的虚拟传感器信号即为被输入到控制器内的实际值。本发明的控制设备不仅允许在实际传感器信号的基础上执行控制作用，而且允许在本应适合用于运行控制算法但是不能通过实际测量轻易获得的传感器信号的基础上执行控制作用。根据本发明，这些有用的传感器信号被作为虚拟传感器信号提供。
本发明的控制设备可以进一步包括调节器模型单元，其被连接至控制器用于接收控制器输出信号。调节器模型单元包含调节器模型并被设计用于在控制器输出信号和调节器模型的基础上生成模拟控制信号。差分功能单元被连接至调节器用于接收控制信号以及被连接至调节器模型单元用于接收模拟控制信号。差分功能单元被设计用于生成和输出表示控制信号和模拟控制信号之间差值的差分信号。控制器随即也被连接至差分功能单元以接收差分信号并被设计用于不仅在实际值偏离设定值或参考值的基础上而且还在差分信号的基础上生成和输出所述控制器输出信号。这就允许将未知的调节器效应考虑在内。
附图简要说明
本发明更多的特征、性质和优点将根据以下结合附图对实施例的说明而变得显而易见。
图1示出了使用本发明控制设备的系统的主要结构。
图2示出了在用于风轮机独立桨叶空气动力控制的具体情况下的图1中的结构。
图3示出了在风轮机转子桨叶外侧位置的流动几何特性。
图4示出了对未知的调节器动态特性和速率限制具有补偿的控制设备。
具体实施方式
将参照图1介绍使用本发明控制设备的应用的主要结构。该示意图示出了作为要被控制或监测的装置示例的风轮机1。风轮机被装有传感器3，其提供表示对可测量参数的测量结果的实际传感器信号。例如，适当的传感器提供针对发电机的电输出、机舱和/或塔架内的加速度、左右摇摆作用力和力矩以及针对主轴承力和力矩的测量值。特别地，由于成本低、易于维护和高可靠性以及由于通过将传感器安置在机舱以外不易受影响的位置处所获得的好处有限的事实，因此传感器设置在风轮机的机舱内是优选的。
该系统进一步包括状态估计器5和模型单元7。状态估计器5被连接至至少一种传感器3，用于接收表示被测参数的实际传感器信号。它被进一步连接至模型单元7用于接收模型参数。状态估计器5被设计用于在接收的模型参数和接收的实际传感器信号的基础上进行状态估计。在将风轮机作为装置的本示例中，由状态估计器提供的输出是估计状态，表示风轮机1的一组估计风切变和估计结构状态。
有限脉冲响应的卡尔曼滤波器被用于本实施例中以进行状态估计。但是，无限脉冲响应的卡尔曼滤波器或任意其他的递归线性滤波器也都可以使用。实际上，本发明并不局限于任何特定的状态估计算法。选择上述类型的滤波器仅仅是因为它们允许有效的计算并且它们的结果也足够准确。
信号发生器9被连接至状态估计器5用于接收估计状态。它被设计用于根据估计状态通过将估计的风切变和结构状态映射为至少一种局部条件也就是在风轮机1特定位置处的条件而生成至少一种虚拟传感器信号。这种对至少一种局部条件的映射可以被认为是对该条件的估计测量。根据局部条件，信号发生器9计算出表示该局部条件的虚拟传感器信号。
控制和/或监测设备11被连接至信号发生器9用于接收虚拟传感器信号作为输入。基于该输入，并且可选地基于来自实际传感器的更多输入也就是基于实际的传感器信号，控制和/或监测设备执行所需的控制和/或监测动作并将操作决策输出至风轮机1。
在所介绍的结构中，状态估计器5、模型单元7和信号发生器9构成设备10，用于为控制和/或监测设备11提供输入传感器信号。
参照图1介绍的系统的关键特征之一是将估计状态映射为风轮机特定位置处的条件。用于根据估计状态表示局部状态的合适的变量是攻角、风的相对速度或风的速度分量、局部压力、局部翼面加速度以及无量纲变量例如雷诺数、阻力系数、升力系数、作用在桨叶上的力或力矩。局部流动变量可以下三种方式之一根据估计的状态也就是根据估计的风切变和估计的结构状态来进行计算：根据估计的风速分量和估计的结构状态之间的矢量关系；根据通用的非线性和/或动力学关系，其可选地可以是查表的形式；或者根据由估计的状态和估计的风切变围绕其稳态值的扰动分析给出的线性关系。
估计的风切变和估计的结构状态是根据由模型单元7提供的动态模型计算的。该动态模型并不局限于结构状态、风切变状态以及发电机尾流状态的特定组合，而是可以包括塔架前向和后向弯曲以及桨叶襟翼弯曲的至少第一模式的动态特性，以及表现为至少为零的风切变和转子方位角内的第一风速谐波。
现在将参照图2介绍图1中所示控制系统的具体应用。在该具体实施方式中，以风轮机处估计的局部流动条件为基础的独立桨叶空气动力控制得以进行。动态模型包括结构动态特性的简单表示及其与简单风切变的相互作用。但是，动态模型并不局限于结构状态、风切变状态和尾流状态的特定组合。它可以包括塔架前向/后向弯曲以及桨叶襟翼弯曲的至少第一模式的动态特性，以及表现为至少为零的风切变和转子方位角内的一阶风速谐波。
在该实施方式中，已经被证明为实用的是使用高速轴转矩传感器、加速度传感器用于测量机舱前向/后向加速度和机舱两侧的加速度，使用左右摇摆传感器测量主转子轴承处的左右摇摆动作以及使用上下摇摆传感器测量主转子轴承处的上下摇摆动作。所有这些传感器都提供由状态估计器5使用的实际传感器信号以基于由模型单元7提供的动态模型来估计风轮机的风切变和结构状态。根据估计的状态，信号发生器9计算风轮机特定位置处的局部流动条件。这种局部流动条件的示例有：攻角、风的相对速度或风的速度分量、特定翼面位置处的局部压力和局部翼面加速度。可选地或附加地，无量纲变量例如转子桨叶的雷诺数、升力系数、阻力系数、法向力或法向力矩也适合用于描述局部流动条件。
这些局部流动条件特征变量中的至少一种被以虚拟传感器信号的形式输入至变桨距控制器13，其计算要被设置用于转子的每一个转子桨叶的独立桨距角，目的是为了降低作用在风轮机上的结构载荷。控制器13基于由信号发生器9提供的虚拟传感器信号计算控制器输出信号，该信号由桨叶调节器15接收，桨叶调节器15被连接至控制器13并且适合用于根据控制器输出信号为每一个转子桨叶设置所需的独立桨距角。通过由此设置转子桨叶的桨距角，即可降低风轮机的载荷。
映射估计的结构状态和风切变的一种可行方式是利用风速分量以及风轮机的结构参数例如转子的转速和桨距角θ之间的矢量关系。这些关系在图3中示出，图3示出了穿过风轮机转子桨叶21的部分以及代表转子转速或风速的各个矢量。
现在将参照图3介绍用于根据估计的风切变来计算局部流动条件也就是攻角和相对风速的一个例子。可以假定桨距角θ和转子转速Ω是根据实际测量已知的，并且例如桨叶沿翼展方向的移动速度和风切变实在动态模型的基础上通过使用上述的传感器信号估计的。转子半径R处点的转速vrot(转速vrot是转子的转速Ω和半径R的乘积ΩR)在转子的旋转平面内造成了相对于转子桨叶的风速-vrot。沿桨叶方向的短暂变形造成了桨叶位置处的速度中又一个需要考虑的分量。该速度分量在图3中被表示为vf1。对于相对风矢量的合成结果在要考虑的桨叶位置参照系内是-vf1。这样以相对于翼弦线的攻角α对转子桨叶21起作用的相对风速vrel就能够通过由状态估计器5提供的转子桨叶指定位置处的估计风速ve以及风速矢量-vfot和-vf1的矢量和得出。通过由此确定的相对风速vrel，就能够确定相对于转子桨叶的相对风的入流角。该入流角在图3中用β表示。根据入流角β即可通过从入流角β中减去桨距角θ而得出攻角α。
请注意已经参照图3给出的说明只是关于如何根据估计的风切变得出参数的一个示例。但是，还有更多得出局部参数的可行方式，即利用通常的非线性和/或动力学关系或者是利用通过状态和风切变围绕其稳态值的扰动分析给出的线性关系。
攻角α和相对风速vrel能够被用于构建简单控制器以明显地降低作用在桨叶上的结构载荷。由于估计的风速是在整个转子桨叶上定义的，因此这样的控制器可以可选地包括桨叶前方的相对风速。
另外，独立变桨距控制的应用可以通过失速预测而被进一步增强。失速的特征在于后缘驻点的位置或者等价地在于不稳定的升力系数。分离点位置的动态特性取决于翼面性质、攻角和相对流速。在本发明的环境中，必要的攻角和相对速度可以根据状态估计确定，正如已经参照图3介绍的那样。后缘驻点的位置随后即可通过一组非线性动力学关系确定，并且可以调节桨距角以防止出现完全形成的失速。
对于通过设置独立桨距角控制空气动力载荷来说可选地，空气动力载荷也可以通过调节桨叶或翼面的几何形状进行控制。可调节几何形状的示例有部分伸展的桨叶桨距、桨叶扭曲、微翼片、微型喷气发动机、挠性后缘、可变的桨叶弯度以及前缘下垂等。这些可调节的几何形状例如由Markou等人在2007年ECN Wind Energy的技术报告ECN-E-06-056的“Morphological Study of Aeroelastic Control Concepts for WindTurbines”中进行了介绍。本申请中调节后缘的准备工作使用了在舷外桨叶位置处的加速度测量值(与丹麦科技大学流体力学学院机械工程系的P.Andersen在2005年的硕士论文“Load Alleviation on WindTurbine Blades using Variable Airfoil Geometry(2D and 3D study)”相比)。根据本发明，加速度的测量值可以由估计加速度代替，或者是如果测量噪声在状态估计中被完全排除那么则通过得出估计的结构状态，或者是如果数值推导给出错误结果那么则作为估计的结构状态和风切变的线性组合。通过干扰通常的非线性空气动力模型，使每一种状态和风切变围绕其工作点扰动并记录对测量值的影响而建立适当的线性关系。
除了已经介绍的部件之外，图2中示出的系统还可以包括发电机转矩和统一变桨距控制器17。该发电机转矩和统一变桨距控制器17基于由风轮机的转子转速传感器提供的转子转速信号计算表示要在风轮机处设置的发电机转矩控制器输出信号以及表示要由调节器15对每一个转子桨叶设置的统一桨距的控制器输出信号。统一桨距表示要对每一个转子桨叶设置的桨距角对每一个转子桨叶都是一致的。这样的统一变桨距控制具体地用于风轮机的有效功率控制。
还是如图2中所示，可选的调度模块19可以存在用于估计器和控制器在工作点上的调度。在实际应用中，独立变桨距控制在有风条件下开始，其中风轮机的输出功率被限制为机械的额定功率以防止结构和电子硬件的过载。如果风速低于某确定阈值，那么输出功率将小于额定功率以使过载不会成为问题。调度单元19促使控制器13在风速足够高时执行控制动作以使风轮机被以限制为额定功率的输出功率驱动。
图2中示出的控制器13和调节器15的具体结构在图4中示出。这种具体结构允许将控制信号针对未建模的调节器动态特性例如桨距角变化率进行校正。附图示出了控制器13、桨叶调节器15以及表示图2中的风轮机1、传感器3、状态估计器5、动态模型单元7和信号发生器9的组合的方块27。由桨叶调节器15输出的控制信号被输送至方块27并且在此具体输送至风轮机1。
另外，图4中示出的控制系统包括调节器模型单元25，其被并行连接至调节器15。控制器13的控制器输出信号也被输送至调节器模型单元25，其包括调节器的模型并且其在控制器输出信号的基础上仿制出模拟的控制信号。
改进的控制系统进一步包括差分功能单元29，其被连接至桨叶调节器15的输出端以及被连接至调节器模型单元25的输出端。差分功能单元接收控制信号和模拟控制信号，并且从控制信号中减去模拟控制信号。由此得出的差分随后被作为输入信号反馈至控制器13。通过这种办法可以在控制系统中将未知的调节器动态特性和变化率限制考虑在内。
已经参照图2和图3在独立桨叶空气动力控制的环境中详细介绍了本发明。但是，本发明也可以在变桨距伺服控制和疲劳损伤估计的环境中实施。在此情况下，参照图2介绍的控制器13和桨叶调节器15将分别由适当的控制器或调节器或适当的监测应用代替。
本发明实施例中介绍的示例表现了可以通过本发明实现的示范性优点。在基于局部空气动力条件控制桨叶空气动力特性的环境中使用本发明得到了简单、有效的控制器，降低了结构中的载荷并且能够考虑到非线性的桨距调节器动态特性和失速的动态特性。与直接测量流速相关的问题能够得以避免。
在本发明被用于变桨距伺服控制环境中的情况下，这种控制的精度可以通过获知作用在变桨轴承上的干扰转矩而得以改善。测量载荷或桨叶内的位移并不是必须的，因为这些值可以根据其他信号进行估计。
在本发明被用于疲劳损伤估计环境中的情况下，监测结构内的载荷变得可行而不用直接测量载荷。用作对现有监测系统的备份，该实施例在传感器故障的情况下提高了可靠性并用作诊断工具以辨识此类故障。在没有直接测量具体载荷的应用中，该实施例扩展了监测系统的能力。
通过已介绍的实施例已经证明本发明在多种控制和监测环境下都是有利的。但是，没有具体介绍的本发明的更多变形也是可能的。例如，输入给估计器的信号可以用任意合适的方式进行预调制。另外，动态模型可以可选地包括描述发电机尾流的状态。动态模型还可以由多个动态模型代替，每一个都具有不同的建模假设。估计器因此可以由一系列状态估计器代替，其中每一个估计器根据相同的输入信号集合估计出不同模型的状态。随后通过分析对估计器的信号输入和利用每一个估计器得到的相同信号估计值之间的剩余误差来选择指定时刻合适的一个或多个模型。而且，在应用会生成控制信号的情况下，这些控制信号可以可选地通过调节器传递函数模型或者通过非线性动态模型被反馈给估计器。测得的控制输入也可以被反馈给估计器。

Claims (15)

1.一种为风轮机(1)的桨叶空气动力控制(13)提供至少一种虚拟输入传感器信号的方法，包括以下步骤：
-基于在风轮机(1)处测得的至少一种参量提供至少一种实际传感器信号；
-提供至少一种动态模型，所述动态模型包括风轮机(1)的结构动态特性表示及其与风切变和/或风轮机(1)的尾流的相互作用；
-利用动态模型至少在至少一种实际传感器信号的基础上估计状态，其中，估计的状态是风轮机(1)的风切变和估计的结构状态；
-由估计的状态计算风轮机(1)的特定位置处的至少一种局部流动条件，其中，至少一种局部流动条件是根据估计的状态通过估计的风速分量和结构状态之间的矢量关系或者通过通常的非线性和/或动力学关系或者通过由估计的结构状态和估计的风切变围绕其稳态值的扰动分析给出的线性关系来计算的；
-由所述至少一种局部流动条件计算至少一种虚拟传感器信号，其中，所述至少一种虚拟传感器信号表示所述至少一种局部流动条件；和
-使用至少一种虚拟传感器信号作为用于风轮机(1)的桨叶空气动力控制(13)的至少一种输入传感器信号。
2.如权利要求1所述的方法，其中至少一种局部流动条件的计算是基于状态之间的非线性关系。
3.如权利要求1或权利要求2所述的方法，其中至少一种局部流动条件的计算是基于状态之间的动力学关系。
4.如权利要求1或权利要求2所述的方法，其中至少一种局部流动条件的计算是基于由状态围绕其稳态值的扰动分析给出的线性关系。
5.如权利要求2所述的方法，其中至少一种局部流动条件的计算另外还基于至少一种实际测量的结果。
6.如权利要求1或权利要求2所述的方法，其中至少一种输出信号由风轮机(1)的桨叶空气动力控制(13)提供，并且其中估计状态在至少一种实际传感器信号和至少一种输出信号的基础上进行。
7.如权利要求1或权利要求2所述的方法，其中估计状态包括估计未来状态。
8.如权利要求7所述的方法，其中根据一种或多种未来的输入情况来估计一组或多组未来状态。
9.如权利要求1或权利要求2所述的方法，其中估计状态是基于递归线性滤波器。
10.如权利要求1所述的方法，其中虚拟传感器信号表示估计的风速和/或风攻角。
11.如权利要求10所述的方法，其中虚拟传感器信号表示转子桨叶前方的估计的风速。
12.一种为风轮机(1)的桨叶空气动力控制(13)提供至少一种虚拟输入传感器信号的设备(10)，包括：
-包含风轮机(1)的动态模型的至少一种模型单元(7)，其被设计用于输出风轮机(1)的模型表示，其中，所述动态模型包括风轮机(1)的结构动态特性表示及其与风切变和/或风轮机(1)的尾流的相互作用；
-至少一种状态估计器(5)，其包含可连接至风轮机(1)的传感器(3)的输出的传感器信号输入，用于接收由所述传感器(3)提供的实际传感器信号，至少一种状态估计器(5)被连接至至少一种模型单元(7)，用于接收风轮机(1)的模型表示，并被设计用于至少在至少一种实际传感器信号和风轮机(1)模型表示的基础上估计状态并输出所述估计的状态，其中，估计的状态是风轮机(1)的风切变和估计的结构状态；和
-至少一种信号发生器(9)，其被连接至状态估计器(5)，用于接收估计的状态，信号发生器被设计用于由估计的状态计算风轮机(1)的特定位置处的至少一种局部流动条件，其中，至少一种局部流动条件是根据估计的状态通过估计的风速分量和结构状态之间的矢量关系或者通过通常的非线性和/或动力学关系或者通过由估计的结构状态和估计的风切变围绕其稳态值的扰动分析给出的线性关系来计算的，信号发生器还被设计用于由所述至少一种局部流动条件计算至少一种虚拟传感器信号并且将所述至少一种虚拟传感器信号输出到风轮机(1)的桨叶空气动力控制(13)，其中，所述至少一种虚拟传感器信号表示所述至少一种局部流动条件。
13.如权利要求12所述的设备(10)，其中所述至少一种信号发生器(9)被设计用于根据估计的状态通过将估计的风切变和结构状态映射为风轮机的特定位置处的条件来计算所述至少一种虚拟传感器信号。
14.一种控制设备，用于通过控制信号作用在风轮机(1)的桨叶空气动力控制(13)上，以便影响受控系统的实际值，所述控制设备包括：
-控制器(13)，其被设计用于至少在实际值偏离设定值或参考值的基础上生成和输出表示被生成用于受控系统的控制信号的控制器输出信号，以便至少间接地影响所述实际值；
-调节器(15)，其被连接至控制器(13)，用于接收控制器输出信号，调节器(15)被设计用于在控制器输出信号的基础上生成和输出所述控制信号；和
-如权利要求12或13中所述的用于提供至少一种虚拟输入传感器信号的设备(10)，其被连接至受控系统的至少一种传感器(3)，用于接收由所述传感器(3)提供的实际传感器信号，
其中虚拟传感器信号是要被影响的实际值。
15.如权利要求14所述的控制设备，其进一步包括
-调节器模型单元(25)，其被连接至控制器(13)，用于接收控制器输出信号，调节器模型单元(25)包含调节器模型并被设计用于在控制器输出信号和调节器模型的基础上生成模拟控制信号，
-差分功能单元(29)，其被连接至调节器(15)用于接收控制信号以及被连接至调节器模型单元(25)用于接收模拟控制信号，并且其被设计用于生成和输出表示控制信号和模拟控制信号之间差值的差分信号；
其中控制器(13)也被连接至差分功能单元(29)以接收差分信号，并且其中控制器(13)被设计用于在差分信号以及实际值偏离设定值或参考值的基础上生成和输出所述控制器输出信号。
CN200880111148.5A 2007-10-12 2008-09-05 用于为控制和/或监测应用提供至少一种输入传感器信号的方法和设备以及控制设备 Expired - Fee Related CN101821689B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
EP07020028A EP2048562B1 (en) 2007-10-12 2007-10-12 Method and device for providing at least one input sensor signal for a control and/or monitoring application and control device
EP07020028.2 2007-10-12
PCT/EP2008/061742 WO2009047061A1 (en) 2007-10-12 2008-09-05 Method and device for providing at least one input sensor signal for a control and/or monitoring application and control device

Publications (2)

Publication Number Publication Date
CN101821689A CN101821689A (zh) 2010-09-01
CN101821689B true CN101821689B (zh) 2014-10-22

Family

ID=39271651

Family Applications (1)

Application Number Title Priority Date Filing Date
CN200880111148.5A Expired - Fee Related CN101821689B (zh) 2007-10-12 2008-09-05 用于为控制和/或监测应用提供至少一种输入传感器信号的方法和设备以及控制设备

Country Status (7)

Country Link
EP (1) EP2048562B1 (zh)
CN (1) CN101821689B (zh)
AT (1) ATE439623T1 (zh)
DE (1) DE602007001981D1 (zh)
DK (1) DK2048562T3 (zh)
ES (1) ES2329182T3 (zh)
WO (1) WO2009047061A1 (zh)

Families Citing this family (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
ES2577530T3 (es) 2009-05-25 2016-07-15 Vestas Wind Systems A/S Procedimiento y sistema para controlar el funcionamiento de una turbina eólica
DE102010021643A1 (de) * 2010-05-26 2011-12-01 Robert Bosch Gmbh Verfahren und Vorrichtung zum Bestimmen einer Auslenkung eines Turms
US8112252B2 (en) 2010-10-29 2012-02-07 General Electric Company Control system and methods of verifying operation of at least one wind turbine sensor
ES2396504B1 (es) * 2010-10-29 2014-01-02 Gamesa Innovation & Technology, S.L. Aerogenerador con un control activo del ángulo de paso de las palas durante una situación de marcha en vacío.
CN107503885B (zh) * 2012-12-26 2019-06-07 菱重维斯塔斯海上风力有限公司 浮体式风力发电装置的控制装置和控制方法
US20160098501A1 (en) * 2014-10-06 2016-04-07 Ptc Inc. Virtual sensors supported by a computer aided design (cad) model and software
US9567978B2 (en) 2014-10-27 2017-02-14 General Electric Company System and method for adaptive rotor imbalance control
EP3221582B1 (en) 2014-11-21 2021-04-21 Vestas Wind Systems A/S A method for estimating a wind speed including calculating a pitch angle adjusted for blade torsion
US10024304B2 (en) 2015-05-21 2018-07-17 General Electric Company System and methods for controlling noise propagation of wind turbines
US10247170B2 (en) 2016-06-07 2019-04-02 General Electric Company System and method for controlling a dynamic system
US10691847B2 (en) * 2017-01-13 2020-06-23 Sap Se Real-time damage determination of an asset
JP6907014B2 (ja) * 2017-04-25 2021-07-21 三菱重工業株式会社 管理監視システム
DE102017223418B4 (de) 2017-12-20 2023-05-25 Zf Friedrichshafen Ag Modellbasiertes Verfahren und System zur Zustandsüberwachung eines Gleitlagers, insbesondere für Windkraftanlagen
US10605228B2 (en) 2018-08-20 2020-03-31 General Electric Company Method for controlling operation of a wind turbine
US11460006B2 (en) 2019-07-31 2022-10-04 General Electric Company Systems and methods for detecting damage in rotary machines
CN111123705B (zh) * 2019-12-18 2021-09-21 南京航空航天大学 一种螺旋桨及传动轴系统的主动振动控制的设计方法
US11060504B1 (en) 2020-02-07 2021-07-13 General Electric Company Systems and methods for continuous machine learning based control of wind turbines
CN111997831B (zh) * 2020-09-01 2021-11-19 新疆金风科技股份有限公司 风电机组的载荷控制方法和装置
US11231012B1 (en) 2020-09-22 2022-01-25 General Electric Renovables Espana, S.L. Systems and methods for controlling a wind turbine
US11649804B2 (en) 2021-06-07 2023-05-16 General Electric Renovables Espana, S.L. Systems and methods for controlling a wind turbine

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5289379A (en) * 1989-05-04 1994-02-22 Group Lotus Plc Land vehicle suspension control system
CN1983785A (zh) * 2005-12-15 2007-06-20 中国科学院电工研究所 双馈式变速恒频风力发电机励磁电源网侧变换器的控制器

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
SE523023C2 (sv) 2000-04-12 2004-03-23 Nira Dynamics Ab Metod och anordning för att med rekursiv filtrering bestämma en fysikalisk parameter hos ett hjulfordon
US7317260B2 (en) * 2004-05-11 2008-01-08 Clipper Windpower Technology, Inc. Wind flow estimation and tracking using tower dynamics
US20070156259A1 (en) 2005-12-30 2007-07-05 Lubomir Baramov System generating output ranges for model predictive control having input-driven switched dynamics

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5289379A (en) * 1989-05-04 1994-02-22 Group Lotus Plc Land vehicle suspension control system
CN1983785A (zh) * 2005-12-15 2007-06-20 中国科学院电工研究所 双馈式变速恒频风力发电机励磁电源网侧变换器的控制器

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
E. A. Bossanyi，etc..The Design of Closed Loop Controllers for Wind Turbines.《WIND ENERGY》.2000,149-163. *
许必熙.自动控制原理.《自动控制原理》.东南大学出版社,2007, *

Also Published As

Publication number Publication date
EP2048562B1 (en) 2009-08-12
ES2329182T3 (es) 2009-11-23
ATE439623T1 (de) 2009-08-15
DK2048562T3 (da) 2009-11-30
EP2048562A1 (en) 2009-04-15
CN101821689A (zh) 2010-09-01
DE602007001981D1 (de) 2009-09-24
WO2009047061A1 (en) 2009-04-16

Similar Documents

Publication Publication Date Title
CN101821689B (zh) 用于为控制和/或监测应用提供至少一种输入传感器信号的方法和设备以及控制设备
CN106640548B (zh) 用于风力发电机组的状态监测方法和装置
Bottasso et al. Wind tunnel testing of scaled wind turbine models: Beyond aerodynamics
Odgaard et al. Wind turbine fault detection and fault tolerant control-an enhanced benchmark challenge
Battisti et al. Aerodynamic measurements on a vertical axis wind turbine in a large scale wind tunnel
CN110318947B (zh) 风力发电机组的偏航控制方法、设备及系统
Barlas et al. Smart dynamic rotor control using active flaps on a small‐scale wind turbine: aeroelastic modeling and comparison with wind tunnel measurements
Henriksen et al. A simplified dynamic inflow model and its effect on the performance of free mean wind speed estimation
Branlard et al. A digital twin based on OpenFAST linearizations for real-time load and fatigue estimation of land-based turbines
Tang et al. In-stream hydrokinetic turbine fault detection and fault tolerant control-a benchmark model
CN116090191A (zh) 一种综合气流因素下的海上风机的仿真方法及系统
CN110023621B (zh) 确定风力涡轮上的载荷
Berg et al. Design, fabrication, assembly and initial testing of a SMART rotor
Tatsis et al. State estimation of geometrically non-linear systems using reduced-order models
CN116771614A (zh) 一种确定风机叶片姿态的方法、装置和设备
CN116167220A (zh) 一种综合气流因素下的海上风机的仿真方法及系统
Odgaard et al. Fault diagnosis and fault tolerant control with application on a wind turbine low speed shaft encoder
Laino et al. Current efforts toward improved aerodynamic modeling using the AeroDyn subroutines
White et al. Theoretical analysis of acceleration measurements in a model of an operating wind turbine
Perez-Becker et al. Investigations on the Fatigue Load Reduction Potential of Advanced Control Strategies for Multi-MW Wind Turbines using a Free Vortex Wake Model
Zhang et al. Bond graph modeling and fault diagnosis of tidal turbine systems
Simani et al. Adaptive signal processing strategy for a wind farm system fault accommodation
Barber Adaptive Pitch Composite Blades for Axial-Flow Marine Hydrokinetic Turbines
Schulte et al. Hardware-in-the-Loop Test-Bed for benchmarking of fault tolerant control schemes for wind turbines
Moore et al. Development of a Computational Propeller Model

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20141022

Termination date: 20190905

CF01 Termination of patent right due to non-payment of annual fee