CN102439295A - 用于预报在风力涡轮机出现风阵的方法和系统 - Google Patents
用于预报在风力涡轮机出现风阵的方法和系统 Download PDFInfo
- Publication number
- CN102439295A CN102439295A CN2010800208654A CN201080020865A CN102439295A CN 102439295 A CN102439295 A CN 102439295A CN 2010800208654 A CN2010800208654 A CN 2010800208654A CN 201080020865 A CN201080020865 A CN 201080020865A CN 102439295 A CN102439295 A CN 102439295A
- Authority
- CN
- China
- Prior art keywords
- wind
- battle array
- probability
- wind turbine
- input data
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 52
- 238000004422 calculation algorithm Methods 0.000 claims description 14
- 238000005259 measurement Methods 0.000 claims description 11
- 230000008569 process Effects 0.000 claims description 11
- 238000003491 array Methods 0.000 claims description 8
- 238000013528 artificial neural network Methods 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 5
- 210000002569 neuron Anatomy 0.000 description 12
- 238000012549 training Methods 0.000 description 10
- 230000008859 change Effects 0.000 description 9
- 238000004364 calculation method Methods 0.000 description 6
- 230000004913 activation Effects 0.000 description 4
- 230000008901 benefit Effects 0.000 description 4
- 239000012530 fluid Substances 0.000 description 4
- 210000000225 synapse Anatomy 0.000 description 4
- 230000001133 acceleration Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- SDIXRDNYIMOKSG-UHFFFAOYSA-L disodium methyl arsenate Chemical compound [Na+].[Na+].C[As]([O-])([O-])=O SDIXRDNYIMOKSG-UHFFFAOYSA-L 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 235000009413 Ratibida columnifera Nutrition 0.000 description 1
- 241000510442 Ratibida peduncularis Species 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 230000001066 destructive effect Effects 0.000 description 1
- 230000025518 detection of mechanical stimulus involved in sensory perception of wind Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 230000007935 neutral effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
Images
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F03—MACHINES OR ENGINES FOR LIQUIDS; WIND, SPRING, OR WEIGHT MOTORS; PRODUCING MECHANICAL POWER OR A REACTIVE PROPULSIVE THRUST, NOT OTHERWISE PROVIDED FOR
- F03D—WIND MOTORS
- F03D7/00—Controlling wind motors
- F03D7/02—Controlling wind motors the wind motors having rotation axis substantially parallel to the air flow entering the rotor
- F03D7/04—Automatic control; Regulation
- F03D7/042—Automatic control; Regulation by means of an electrical or electronic controller
- F03D7/043—Automatic control; Regulation by means of an electrical or electronic controller characterised by the type of control logic
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F03—MACHINES OR ENGINES FOR LIQUIDS; WIND, SPRING, OR WEIGHT MOTORS; PRODUCING MECHANICAL POWER OR A REACTIVE PROPULSIVE THRUST, NOT OTHERWISE PROVIDED FOR
- F03D—WIND MOTORS
- F03D7/00—Controlling wind motors
- F03D7/02—Controlling wind motors the wind motors having rotation axis substantially parallel to the air flow entering the rotor
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F03—MACHINES OR ENGINES FOR LIQUIDS; WIND, SPRING, OR WEIGHT MOTORS; PRODUCING MECHANICAL POWER OR A REACTIVE PROPULSIVE THRUST, NOT OTHERWISE PROVIDED FOR
- F03D—WIND MOTORS
- F03D7/00—Controlling wind motors
- F03D7/02—Controlling wind motors the wind motors having rotation axis substantially parallel to the air flow entering the rotor
- F03D7/022—Adjusting aerodynamic properties of the blades
- F03D7/0224—Adjusting blade pitch
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F03—MACHINES OR ENGINES FOR LIQUIDS; WIND, SPRING, OR WEIGHT MOTORS; PRODUCING MECHANICAL POWER OR A REACTIVE PROPULSIVE THRUST, NOT OTHERWISE PROVIDED FOR
- F03D—WIND MOTORS
- F03D7/00—Controlling wind motors
- F03D7/02—Controlling wind motors the wind motors having rotation axis substantially parallel to the air flow entering the rotor
- F03D7/0244—Controlling wind motors the wind motors having rotation axis substantially parallel to the air flow entering the rotor for braking
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
- F05B—INDEXING SCHEME RELATING TO WIND, SPRING, WEIGHT, INERTIA OR LIKE MOTORS, TO MACHINES OR ENGINES FOR LIQUIDS COVERED BY SUBCLASSES F03B, F03D AND F03G
- F05B2260/00—Function
- F05B2260/80—Diagnostics
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
- F05B—INDEXING SCHEME RELATING TO WIND, SPRING, WEIGHT, INERTIA OR LIKE MOTORS, TO MACHINES OR ENGINES FOR LIQUIDS COVERED BY SUBCLASSES F03B, F03D AND F03G
- F05B2260/00—Function
- F05B2260/82—Forecasts
- F05B2260/821—Parameter estimation or prediction
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
- F05B—INDEXING SCHEME RELATING TO WIND, SPRING, WEIGHT, INERTIA OR LIKE MOTORS, TO MACHINES OR ENGINES FOR LIQUIDS COVERED BY SUBCLASSES F03B, F03D AND F03G
- F05B2270/00—Control
- F05B2270/30—Control parameters, e.g. input parameters
- F05B2270/32—Wind speeds
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
- F05B—INDEXING SCHEME RELATING TO WIND, SPRING, WEIGHT, INERTIA OR LIKE MOTORS, TO MACHINES OR ENGINES FOR LIQUIDS COVERED BY SUBCLASSES F03B, F03D AND F03G
- F05B2270/00—Control
- F05B2270/30—Control parameters, e.g. input parameters
- F05B2270/322—Control parameters, e.g. input parameters the detection or prediction of a wind gust
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
- F05B—INDEXING SCHEME RELATING TO WIND, SPRING, WEIGHT, INERTIA OR LIKE MOTORS, TO MACHINES OR ENGINES FOR LIQUIDS COVERED BY SUBCLASSES F03B, F03D AND F03G
- F05B2270/00—Control
- F05B2270/70—Type of control algorithm
- F05B2270/709—Type of control algorithm with neural networks
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/70—Wind energy
- Y02E10/72—Wind turbines with rotation axis in wind direction
Landscapes
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Sustainable Development (AREA)
- Sustainable Energy (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Fluid Mechanics (AREA)
- Wind Motors (AREA)
Abstract
预报在风力涡轮机出现风阵的方法,包括:以预定的频数获得该风力涡轮机的测量的至少一个参数的值作为输入数据;选定最近获得的预定大小的输入数据组;根据所述选定的输入数据组,计算风阵出现的概率;检验计算的该风阵出现的概率是否在预定概率水平之上;以及如果该计算的概率是在所述预定概率水平之上,则预报出现风阵。
Description
技术领域
本发明涉及用于预报在风力涡轮机出现风阵的方法和系统。
背景技术
近代风力涡轮机常常用于把电力输送进电网。这种类型的风力涡轮机一般包括有叶轮毂(rotor hub)和多个叶片的叶轮。该叶轮在风力对叶片的影响下开始旋转。叶轮轴的旋转要么直接地驱动发电机转子(“直接驱动”),要么通过使用齿轮箱。
许多近代风力涡轮机按可变速度操作被操作。这一点表明,叶轮轴速度能够随变化的风力条件而改变。以可变速度操作的风力涡轮机(和叶轮轴速度)的控制,通常使用风力涡轮机的俯仰角控制和发电机的转矩完成。对俯仰角控制,叶片的迎角能够被控制以增大或降低对叶片的气动转矩。对发电机,在动力传动系统(drive train)的相反端上的(电)磁转矩能够被增大或降低。应当指出,由于系统的惯性,俯仰角控制对风速变化的反应常常略微延迟并还有最大的俯仰角速率(pitch rate)(即,俯仰角角度能够被改变的最大速率)。发电机转矩能够更迅速地被调整,但也会有取决于所采用的发电机和功率电子装置的最大额定值。
现在,可变速度风力涡轮机的典型控制将被描述。在额定风速以下的操作中,叶轮轴速度主要受发电机转矩的控制。叶片被设定为使它们有最佳的迎角,以在变化的风力条件下俘获最大的可能转矩。发电机的转矩被改变,以控制叶轮轴的速度。在以额定风速或以额定风速以上风速的操作中,风力涡轮机叶片的俯仰角控制,被用于限制叶轮上的气动转矩。俯仰角角度随增大的风速而增大(叶片被引导到指向它们的风向标(vane)位置)。与发电机额定值有关,发电机转矩也可以被用于控制叶轮轴的速度。
众所周之,风速不是恒定的,且从一个瞬间到下一个瞬间可以显著变化。重要的是风力涡轮机(无论它是可变速度风力涡轮机还是恒定速度风力涡轮机)的控制能够适应变化的风力条件而起作用。无论选择哪一种控制类型,使控制适应风阵仍然成问题。尤其是对所谓“墨西哥帽(Mexican hat)”风阵,如在IEC 64100-1第二版1999-02标准中所定义,能够引起问题。这种风阵已经在图1中绘出。风速略微下降紧接着是风速的突然增大。对上述可变速度操作,最初的反应将是降低俯仰角角度(增加叶片的迎角)。当俯仰角角度已经被降低时,风速的突然增大出现。俯仰角控制将以最高可能的俯仰角速率改变俯仰角,以降低气动转矩。然而,常常是最高的俯仰角速率不够高,不足以对风阵做出适当反应。这样可以导致风力涡轮机上的高负载并还可以引起风力涡轮机与电网断开。由于风阵而使风力涡轮机承受高负载和频繁地必须与电网断开,这当然是不希望发生的。
在现有技术中,已经做出各种尝试以缓解前述问题。US2007/0067067描述安装所谓SODAR装置,它能测量风力涡轮机叶轮的风速上游。US 2009/0047116描述安装LIDAR装置,该装置安装在风力涡轮机毂中,并有测量风力涡轮机的风速上游的目的。这些系统的主要缺点在于,必须有分开的专用系统,这代表额外的费用。US2007/0124025描述另一种系统,其中风力涡轮机的控制,使用来自位于风力涡轮机上游的其他风力涡轮机的数据。然而,该系统依赖于其他风力涡轮机的存在,而对被置于其他风力涡轮机上游的风力涡轮机,则不解决问题。
US 6,909,198描述一种处理和/或预报流动介质的流体数据的方法,其中,从在介质中一个或不同位置上按连续的基础成功地被测量的至少一个流体参数的值,所述流体参数是介质速度的特征,形成时间序列并被更新,该时间序列经历基于局部恒定相位空间模型的非线性确定性预报过程,以便产生相应的随后流体参数的预报值,其中如果该预报值预报即将到来的流速变化,则产生预定的控制信号。因为该方法是基于非线性确定性预报过程,为了恰当地实施该方法所必须的计算量非常高。能实施该预报的计算机因此可能是昂贵的。
另一种现有技术的方法在WO 2007/138138中描述。按照该方法,无论何时发电机的瞬时加速度在预定阈值以上时,叶片的俯仰角都受到控制(仿佛在极端风阵的条件下)。然而,该方法的缺点在于,风阵的检测被降低成只有发电机加速度的简单测量。可以指示风阵不出现的任何其他因素,都被忽略。此外,判据只考虑单一的极端风阵。任何其他风阵都将不受检测。
发明内容
本发明的一个目的,是提供一种没有前述缺点的用于预报风力涡轮机上风阵出现的方法和系统。在这一方面,预报出现风阵不一定表示在风阵出现之前预报出现风阵,而应解释为在风阵损害或潜在损害风力涡轮机之前,认识到风阵正在出现或将要出现。所述目的是用按照权利要求1的方法和按照权利要求15的系统达到的。
在第一方面中,本发明涉及预报风力涡轮机上风阵出现的方法,该方法包括:以预定的频数获得该风力涡轮机的测量的至少一个参数的值作为输入数据;选定最近获得的预定大小的输入数据组;根据所述选定的输入数据组,计算风阵出现的概率;检验计算的该风阵出现的概率是否在预定概率水平之上;以及如果该计算的概率是在所述预定概率水平之上,则预报出现风阵。
要预报风阵,一般在风力涡轮机中测量的至少一个参数的值被获得。所述风力涡轮机的测量的至少一个参数可以是,例如,风速、发电机功率、叶轮轴速度(但也可以包括其他参数)。根据最近获得的这些参数的值,风阵出现的概率被计算。如果计算的概率在某一预定阈值以上,风阵被预报。接着,风力涡轮机的控制于是可以计及该风阵而被修改。本发明的主要优点是,不必安装分开的系统(诸如LIDAR或SODAR)而能实现本发明。此外,控制所需数据可以在风力涡轮机自身上获得,且该数据不需要从例如另一台风力涡轮机提供。本发明的另一个优点是,仅仅概率被计算,它比用确定性模型(其中,不管是不是风阵,风速将如何发展的完整预报都必需连续地进行)要求较少的计算能力。本发明所需计算,能够用适度的(相对便宜的)计算能力完成。最后,在风力涡轮机自身(风力涡轮机的准确位置)上风阵出现的概率能够被计算,代替测量风力涡轮机的风阵上游。本发明不依赖于上游的风力涡轮机或其他装备的存在。
在本发明的一些实施例中,根据所述选定输入数据组计算风阵出现的概率,包括:使用在选定的输入数据组和关于一种或多种预定风阵的数据之间确定相似性的算法。最好在这些实施例中,所述一种或多种预定风阵是在IEC 61400标准中定义的风阵。该IEC(国际电工技术委员会)标准,涉及风力涡轮机并规定例如风力涡轮机必须能耐受的负载(诸如来自风阵)。该IEC标准可以变化,以适应风力涡轮机领域中增加的专门技能。确定风阵出现的概率的一种可取的方式,是通过确定在风阵条件下,某一参数(或多个参数)以相同参数的一定模式发展的相似性。使用确定模式之间的相似性的算法,是确定风阵出现概率的相对容易的方式(更多的相似性导致更高的概率)。最好是,在这样的方法中,在如相关标准中所定义的风阵下,有所述参数的一定模式的相似性被确定(因为该标准将可能定义规定情形的设计负载)。IEC 64100-1第二版1999-02标准规定例如所谓“墨西哥帽”风阵,这是有特殊意义的,因为这些风阵潜在地可能是破坏性的。
最好在这些实施例中,用于确定模式之间的相似性的算法,是用人工神经网络获得。人工神经网络是非线性统计数据模型化工具,它特别适合发现数据中的模式。在人工神经网络(下文称为“神经网络”)的训练阶段中,该网络学习要识别的模式。例如,在风阵中,风速将遵循包括风速急剧增大的模式。类似地,诸如叶轮速度的参数,在风阵的条件下可以遵循典型的模式。在本发明的范围内,风力涡轮机的测量的任何参数,或参数的任何组合,可以在训练阶段中被选定用于检测风阵模式。
在本发明的一些实施例中,以预定的频数获得该风力涡轮机的测量的至少一个参数的值作为输入数据,包括获得基于所述风力涡轮机机舱的风速值和/或叶轮轴的速度值和/或发电机的功率值的输入。该风速似乎是要测量的最合逻辑的参数。然而,因为风速通常是用放置在机舱上的风速表确定的,在机舱上测量的风速受围绕叶片的风的流动的极大影响。在这种意义下,叶轮轴速度和发电机功率可能更可靠。另一方面,由于毂和叶片的惯性,风阵的作用不如风速的变化那样快地被记录。这些参数(如发电机功率和风速)的组合是可取的选项。然而,在本发明的范围内,参数的不同组合,或不同的参数(诸如俯仰角角度,或发电机转子速度)也可以被选择。用于计算概率(以及概率阈值)的算法,会必须适应于被选择的参数。
在本发明的一些实施例中,获得输入数据的预定的频数,在每秒10次和1000次之间,可取的是在每秒10次和100次之间,更可取的是每秒约20次。所选择的获得输入数据的频数应当在预报的延迟与可用计算量之间平衡。在风力涡轮机的控制中心(它可以被定位在风力涡轮机现场也可以在远处)内,大量操作的任务必须被执行和监控。为此,需要减少专用于风阵预报的计算量(从而降低获得输入数据的频数)。然而,另一方面,利用更高的频数,潜在的风阵可以更快识别。已经发现,例如利用每秒10次和100次之间的频数,良好的平衡能够被获得。
在本发明的一些实施例中,所述预定大小的输入数据组,覆盖在1和10秒之间的时段,可取的是覆盖在2和8秒之间的时段,更可取的是覆盖约5秒的时段。为计算风阵出现概率而被考虑的数据的时段,应当在能够用之预报风阵的速度和预报的可靠性之间平衡。如果较长的时段被考虑,则概率计算的结果可以更可靠得多,但计算的结果可能太迟获得以致不能做出反应。被考虑的最佳时段可以依赖于例如:所选择的参数(风速、发电机功率,组合等等)、要检测的风阵类型、在风阵瞬间的优势风速等等。已经发现,对大多数目的和大多数应用,在1和10秒之间的时段,而可取的是在2和8秒之间的时段会得到良好结果。
在本发明的优选实施例中,预定的概率水平(阈值)在约40%和约85%之间。如果计算的概率是在该预定阈值以上,则风阵被预报,且适当的行动能够被开始。如果计算的概率在该阈值以下,没有风阵被预报,而正常的风力涡轮机控制不受影响。选择的阈值将在能够用之预报风阵的速度和预报的可靠性之间平衡。如果选择的阈值是低的,则计算的概率水平将更容易达到该水平,而风阵因此可以被快速预报。另一方面,当没有风阵正在实际出现时,风阵很可能被预报。已经发现,基本上40%和基本上80%之间的概率水平,一般导致良好的结果。选择的概率水平可以取决于,例如:所选参数。获得数据的频数、概率计算所考虑的时段、将被检测的风阵的类型等等。
在本发明的另一方面中,本发明提供一种控制风力涡轮机的方法,包括预报风阵出现方法,并且还包括:如果出现风阵被预报,则使风力涡轮机的俯仰角控制和/或风力涡轮机的发电机转矩适应这种风阵。在可变速度风力涡轮机中,控制风力涡轮机的两个参数,一般是俯仰角和发电机转矩。当风阵被预报时,试图限制加于风力涡轮机的负载并避免中断风力涡轮机的操作,叶片的俯仰角将被增大,以便降低气动负载,而发电机转矩将被增大,以使叶轮轴慢下来。然而,大多数合适的控制策略在不同类型风力涡轮机中可以有所不同。例如,不是所有涡轮机有俯仰角能力。而在该类涡轮机中,预报风阵出现的方法可以是有用的。风阵一被预报,适当的行动可以被开始(如,如果叶片上设有折翼,则用折翼制动,断开与电网的连接,等等)。
按照本发明又另一方面,本发明提供一种计算机程序,包括用于使计算机执行预报风阵出现的方法的程序指令。所述计算机程序可以体现在存储介质(例如,USB驱动器、CD-ROM、DVD、计算机存储器、或只读存储器)上或承载在载波信号上(例如,在电的或光的载波信号上)。
最后,本发明还涉及一种用于预报风阵出现的计算机系统,包括:用于以预定的频数获得基于该风力涡轮机中测量的至少一个参数的值的输入数据的模块;用于选定最近获得的预定大小的输入数据组的模块;用于根据所述选定的输入数据组计算风阵出现的概率的模块;用于检验该计算的风阵出现的概率是否在预定概率水平之上的模块;以及用于如果该计算的概率是在所述预定概率水平之上,则预报出现风阵的模块。用于获得输入数据的装置,可以被定位在风力涡轮机的机舱中或在远处,且它可以采用无线技术。该输入可以从任何类型的可用传感器获得,而最好是从风力涡轮机上正常地可用的传感器获得。此外,用于计算等等的处理装置,可以被定位在远处或现场。任何类类的合适的微处理系统,或任何种类的计算装置或系统,可以被使用。
附图说明
本发明具体的实施例将在下面仅作为非限制性例子,参照附图被描述,附图中:
图1描述“墨西哥帽”风阵,以及在这种风阵期间的俯仰角控制;
图2描述以各种风速出现的墨西哥帽风阵;
图3示出人工神经网络;
图4和5描述使用按照本发明的方法,根据在机舱测量的风速预报风阵;
图6和7示出本发明实施例中,哪一种风速变量被识别为风阵而哪一种风速变量不被识别为风阵;
图8和9示出使用按照本发明的方法,根据测量的风速和发电机功率预报风阵;
图10示出使用按照本发明的方法,正常风速变化不会被检测成风阵;
图11示出使用按照本发明的方法,根据风速、发电机功率、和叶轮速度预报风阵。
具体实施方式
图1描述“墨西哥帽”风阵,以及在这种风阵期间的俯仰角控制(俯仰角速率的演变)。墨西哥帽风阵在IEC 64100-1第二版1999-02标准中定义,因为它们可以是危险的风阵。风力涡轮机在这种风阵期间所承受的负载是严重的,且该负载可以定义为该风力涡轮机的设计负载。这是由于风速在强烈增大之前风速的下降(见图1)。当风速下降时,俯仰角适应于该下降(叶片按增加气动转矩的方式旋转,俯仰角的速率在零以下)。对已适应的俯仰角,风速的明显增大出现。毂上的气动转矩因此能够非常大。风力涡轮机的俯仰角将开始适应这些变化的风力状态。然而,风速保持增大,并由于系统的惯性,俯仰角不能快速地充分适应。在图1中能够看到,相对快的俯仰角控制,是在它的约每秒5°的最大俯仰角速率上。涡轮机上的负载是高的并在该情形中甚至引起风力涡轮机操作的中断。如在图1中能够看到,叶片其后按最大俯仰角速率被旋转到它们的风向标位置。因此显然,特别是这种风阵应当尽可能快被检测以避免出问题。如果该风阵能够立刻被检测,则风力涡轮机的控制能够被及时适应,于是负载能够被降低而风力涡轮机操作不必被中断。
图2描述以各种风速出现的墨西哥帽风阵。加于风力涡轮机的作用和负载,在不同风速和不同方位角上是不同的。因此,IEC 64100-1第二版1999-02标准,定义各种速度和各种方位角的墨西哥帽风阵。按照本发明的概率计算,可以专门针对这些风阵。在本申请其余部分中,焦点将是在墨西哥帽风阵上。然而,应当记住,在本发明的其他实施例中,被预报的风阵类型可以不同。
按照本发明,预报风力涡轮机上风阵出现的方法,包括:以预定的频数获得该风力涡轮机的测量的至少一个参数的值作为输入数据;选定最近获得的预定大小的输入数据组;根据所述选定的输入数据组,计算风阵出现的概率;检验计算的该风阵出现的概率是否在预定概率水平之上;以及如果该计算的概率是在所述预定概率水平之上,则预报出现风阵。概率的计算可以按各种方式进行。在优选实施例中,求得概率的算法是根据风阵条件下至少一个参数瞬时遵循的模式的相似性。各种参数可以被选择。例如,如果风阵正在出现,则在机舱测量的风速将遵循确定的模式。然而,例如对俯仰角角度、叶轮速度、发电机输出、以及其他,同样成立。最好是,使用的是任何风力涡轮机的测量的参数或参数的组合,这样不需要安装附加的系统就能实施本发明。
用于确定模式之间的相似性的算法,可以按各种不同方式确定或获得。一种获得这种算法的特别有力的方式,是通过人工神经网络。神经网络可以包括各种层。图3中,两层这样的层被绘出(但在本发明的范围内,层的数量可以不同)。诸如风速的参数的数据被用作输入。然后,输入层中每一输入数据被乘以不同常数(突触权重)。乘法过程的结果在隐藏层中再次被乘以各种不同常数。乘法过程的结果被求和并馈进所谓激活函数F。激活函数F的结果给出神经网络的输出。
为了训练神经网络以识别模式,训练过程必须被执行。在这种训练过程中,各种预编程的输入模式和它们的需要的结果值被馈进神经网络。取得这些数据,神经网络将修改各个层中各种突触权重的值,为该给定的输入给出需要的输出。为了训练神经网络以识别例如墨西哥帽风阵,诸如图2绘出的风速的模式,可以被馈进神经网络,其中需要的输出被设定为1(100%的概率)。此外,在训练过程中,其他风速模式(诸如12m/s的恒定速度)可以被馈进神经网络,其中需要的输出被设定为0(0%的概率)。在训练过程期间,神经网络将修改各个“权重”的值,以便给出需要的结果。对于神经网络不同的训练过程是已知的。它们的理论、优点、和缺点,对熟练的技术人员是周知的,而它们的解释不在本说明书范围之内。更多的信息,感兴趣的读者可参考如“Neutral Networks for Modelling and Control of DynamicSystem”(作者:M.O.Ravn,N.K.Poulsen和L.K.Hansen,ISBN 1-85233-227-1)或其他关于神经网络的手册。另外,对大多数适用的激活函数、神经网络层的数量、和各个层中突触权重的数量,读者可参考这些相同的手册。在本发明的范围内,这些内容是可以变化的,取决于例如被检测的风阵类型、被选作输入数据的参数、被施加的概率阈值等等。
一旦神经网络已经被训练成检测参数(或参数的组合)的预定模式,则突触权重,与激活函数组合,产生一种算法,对于该选定参数的任何模式,该算法能够计算预定现象(在本例中,是墨西哥帽风阵)正在出现的概率。这示出在图4和5中。这些图描述用按照本发明的方法,根据在机舱测量的风速预报风阵。
在图4中能够看到,使用80%的概率阈值,并只根据风速,出现风阵在约5秒之后被预报。此时,风力涡轮机的控制能够被修改,例如以最大俯仰角速率改变俯仰角并增大转矩,以便使涡轮机在风速强烈增大之前慢下来(这一点在图4中没有画出)。
预报的类似速度(或延时)能够在图5中看到。风阵以其出现的风速却是12m/s(图4中是约20m/s)。风阵在约相同时间之后被预报,然而由于较低的风速,在风阵被预报之前,俯仰角没有被致动(没有被降低以致增大气动转矩)。风速迫切的增大因此能够被调整而没有问题(虽然这一点在图5中没有画出)。
在本发明的范围内,概率阈值可以被降低(这样使预报风阵和做出反应更快)。另一方面,却没有风阵出现。另一项增加预报速度的选项可以是,使用多于一个的参数。此外,可以改变被作为输入考虑的时间段,或输入数据以其获得的频数。
图6和7用于表明,用前面相同的算法,哪一种风速模式被识别为风阵而哪一种风速模式不被识别为风阵。(阈值水平仍然保持在80%,并且只有风速被考虑)。在图6中,稍稍变型的墨西哥帽风阵被绘出。图7表明,两个墨西哥帽型风阵(分别在约10秒和65秒之后)被绘出,而其他变化不导致该预报。在约85秒之后,风速的另一个正弦形变化出现,然而它不作为风阵被检测。在该例子中,该变化不作为风阵被检测的事实,主要有两个理由:首先,风速变化比控制系统被训练成要识别和预报的风阵中的风速变化慢得多。其次,该变化不显示在增大之前的稍稍降低,但神经网络被训练成识别墨西哥帽风阵。然而应当明确,如果决定其他风速分布也应当被预报,那么通过修改训练过程,也能够产生有把握地预报该种风速变化的算法。本发明不以任何方式限于只预报墨西哥帽风阵。墨西哥帽风阵仅仅被选择,只因为它一般是危险的现象。
至此,只有一个参数被用作预报风阵出现的方法的输入。然而,本发明不限于该方面。图8和9示出,用按照本发明的方法,根据测量的风速和发电机功率预报风阵。因为输入是从两个参数获得,概率阈值水平可以被设定得更低(本例中是46%),而出现风阵能够被更快地确定。在图8和9中能够看到,在风速显著增大之前风阵被预报。例如,图8中,风阵在约2.8秒之后被预报(从而能够使控制适应)。
图10示出,利用被确定的算法、被选择的参数、以及被选择的概率阈值,正常的风速变化不作为风阵被识别,而风力涡轮机的正常控制继续进行。
图11示出,使用按照本发明的方法,根据风速、发电机功率、以及叶轮速度预报风阵。使用三个变量(而不是一个或两个变量)可以增加风阵预报的可靠性,并可以增加风阵能够被以其预报的速度。在图11中,使用例如50%的概率阈值,风阵在该风阵的第一瞬间(当风速正在下降时)已经被检测。在本发明的范围内,概率阈值以及被考虑的参数数量可以改变。
虽然本发明已经就某些优选实施例和例子被公开,但本领域熟练技术人员应当理解,本发明超出具体地公开的实施例而伸延到其他另外的实施例,和/或伸延到本发明的用途及其显而易见的修改和等效叙述。因此应当指出,本文公开的本发明范围,不应受前面所描述的具体公开的实施例的限制,而应当只由后面的权利要求书的仔细阅读确定。
Claims (15)
1.一种预报在风力涡轮机出现风阵的方法,包括:
以预定的频数获得该风力涡轮机的测量的至少一个参数的值作为输入数据;
选定最近获得的预定大小的输入数据组;
根据所述选定的输入数据组,计算风阵出现的概率;
检验计算的该风阵出现的概率是否在预定概率水平之上;和
如果该计算的概率是在所述预定概率水平之上,则预报出现风阵。
2.按照权利要求1的方法,其中根据所述选定的输入数据组计算风阵出现的概率,包括:计算风力涡轮机上风阵瞬间出现的概率。
3.按照权利要求1或2的方法,其中根据所述选定的输入数据组计算风阵出现的概率,包括:使用在选定的输入数据组与关于一种或多种预定风阵的数据之间确定相似性的算法。
4.按照权利要求3的方法,其中所述一种或多种预定风阵,是在IEC 61400标准中定义的风阵。
5.按照权利要求3或4的方法,其中所述算法是用人工神经网络获得的。
6.按照前述权利要求任一项的方法,其中以预定的频数获得该风力涡轮机的测量的至少一个参数的值作为输入数据,包括获得基于所述风力涡轮机机舱的风速值和/或叶轮轴的速度值和/或发电机的功率值的输入。
7.按照前述权利要求任一项的方法,其中以预定的频数获得该风力涡轮机的测量的至少一个参数的值作为输入数据,包括获得基于在风力涡轮机中测量的两个参数的值的输入,该两个参数最好是在风力涡轮机机舱测量的风速以及发电机功率。
8.按照前述权利要求任一项的方法,其中所述预定的频数在每秒10次和1000次之间,更可取的是在每秒10次和100次之间,最可取的是每秒约20次。
9.按照前述权利要求任一项的方法,其中所述预定大小的输入数据组,覆盖在1和10秒之间的时段,可取的是覆盖在2和8秒之间的时段,更可取的是覆盖约5秒的时段。
10.按照前述权利要求任一项的方法,其中所述预定概率水平是在约40%和约85%之间。
11.一种控制风力涡轮机的方法,包括按照权利要求1-10任一项的预报风阵出现的方法,并且还包括:如果出现风阵被预报,则使风力涡轮机的俯仰角控制和/或发电机转矩适应这种风阵。
12.一种计算机程序产品,包括使计算机执行按照权利要求1到10任一项的预报风阵出现的方法的程序指令。
13.按照权利要求12的计算机程序产品,体现在存储介质上。
14.按照权利要求12的计算机程序产品,被承载在载波信号上。
15.一种用于预报风阵出现的计算机系统,包括:
用于以预定的频数获得基于该风力涡轮机中测量的至少一个参数的值的输入数据的模块;用于选定最近获得的预定大小的输入数据组的模块;用于根据所述选定的输入数据组计算风阵出现的概率的模块;用于检验计算的该风阵出现的概率是否在预定概率水平之上的模块;以及用于如果该计算的概率是在所述预定概率水平之上,则预报出现风阵的模块。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP09160250.8A EP2251543B1 (en) | 2009-05-14 | 2009-05-14 | Method and system for predicting the occurrence of a wind gust at a wind turbine |
EP09160250.8 | 2009-05-14 | ||
PCT/EP2010/056432 WO2010130721A1 (en) | 2009-05-14 | 2010-05-11 | Method and system for predicting the occurrence of a wind gust at a wind turbine |
Publications (1)
Publication Number | Publication Date |
---|---|
CN102439295A true CN102439295A (zh) | 2012-05-02 |
Family
ID=41134545
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2010800208654A Pending CN102439295A (zh) | 2009-05-14 | 2010-05-11 | 用于预报在风力涡轮机出现风阵的方法和系统 |
Country Status (6)
Country | Link |
---|---|
US (1) | US8527453B2 (zh) |
EP (1) | EP2251543B1 (zh) |
KR (1) | KR20120018331A (zh) |
CN (1) | CN102439295A (zh) |
DK (1) | DK2251543T3 (zh) |
WO (1) | WO2010130721A1 (zh) |
Families Citing this family (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102010055876A1 (de) * | 2010-12-24 | 2012-06-28 | Aerodyn Engineering Gmbh | Getriebe/Generator-Kupplung |
ES2401857B1 (es) * | 2011-01-31 | 2014-03-10 | Gamesa Innovation & Technology S.L. | Métodos y sistemas de control de aerogeneradores mejorados. |
US8849737B1 (en) | 2011-03-18 | 2014-09-30 | Rockwell Collins, Inc. | Prediction method of predicting a future state of a system |
US8489247B1 (en) * | 2011-03-18 | 2013-07-16 | Rockwell Collins, Inc. | Agent-based chaotic control of wind turbines |
US8606418B1 (en) | 2011-03-18 | 2013-12-10 | Rockwell Collins, Inc. | Wind prediction for wind farms through the use of weather radar |
US9002483B1 (en) | 2011-03-18 | 2015-04-07 | Rockwell Collins, Inc. | Diploid control of water heaters |
US9644610B2 (en) * | 2011-12-06 | 2017-05-09 | Vestas Wind Systems A/S | Warning a wind turbine generator in a wind park of an extreme wind event |
EP2634419B1 (en) * | 2012-03-01 | 2016-08-24 | Alstom Wind, S.L.U. | Method of operating a wind turbine |
US20130259686A1 (en) * | 2012-03-30 | 2013-10-03 | General Electric Company | System and method for controlling a wind turbine |
DE102013215396A1 (de) * | 2013-08-06 | 2015-02-12 | Wobben Properties Gmbh | Verfahren zum Steuern von Windenergieanlagen |
KR101575102B1 (ko) * | 2013-12-27 | 2015-12-07 | 두산중공업 주식회사 | 풍력 발전 단지, 풍력 발전 단지의 제어방법 및 풍력 발전 유닛 |
JP6276223B2 (ja) * | 2015-07-16 | 2018-02-07 | 株式会社日本製鋼所 | 風力発電装置、風力発電制御装置および風力発電制御プログラム |
DE102015122039A1 (de) * | 2015-12-17 | 2017-06-22 | Wobben Properties Gmbh | Verfahren zum Steuern einer Windenergieanlage |
AT15428U1 (de) | 2016-03-16 | 2017-08-15 | Uptime Holding Gmbh | Verfahren zur Bestimmung der Windgeschwindigkeit sowie Anlage zur Durchführung desselben |
US10539116B2 (en) | 2016-07-13 | 2020-01-21 | General Electric Company | Systems and methods to correct induction for LIDAR-assisted wind turbine control |
EP3740670A4 (en) * | 2018-01-18 | 2021-09-22 | ABB Schweiz AG | METHOD, DEVICE AND SYSTEM FOR WIND INVERTER MANAGEMENT |
DE102018003168A1 (de) * | 2018-04-18 | 2019-10-24 | Senvion Gmbh | Verfahren und Vorrichtung zum Betreiben einer Windenergieanlage sowie Windenergieanlage |
DE102018008391A1 (de) * | 2018-10-25 | 2020-04-30 | Senvion Gmbh | Steuerung einer Windenegaieanlage |
CN111396265B (zh) * | 2019-01-03 | 2023-02-03 | 新疆金风科技股份有限公司 | 一种风力发电机组的故障预测方法及装置 |
EP4151853A1 (en) * | 2021-09-17 | 2023-03-22 | Vestas Wind Systems A/S | A method for controlling wind turbines of a wind park using a trained ai model |
CN113971375B (zh) * | 2021-11-12 | 2024-04-09 | 北京航空航天大学 | 一种阵风环境下的无人机气动力预测方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6320272B1 (en) * | 1997-03-26 | 2001-11-20 | Forskningscenter Riso | Wind turbine with a wind velocity measurement system |
US20020087234A1 (en) * | 2000-12-29 | 2002-07-04 | Abb Ab | System, method and computer program product for enhancing commercial value of electrical power produced from a renewable energy power production facility |
US20030160457A1 (en) * | 2000-07-07 | 2003-08-28 | Mario Ragwitz | Method and device for processing and predicting the flow parameters of turbulent media |
EP1767781A2 (de) * | 2005-09-22 | 2007-03-28 | Daubner & Stommel GbR Bau-Werk-Planung | Verfahren zur Anpassung einer Windenergieanlage an gegebene Windverhältnisse |
CN101196164A (zh) * | 2006-12-06 | 2008-06-11 | 通用电气公司 | 用于预测风力涡轮机的功率曲线的方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7899468B2 (en) | 2005-09-30 | 2011-03-01 | Telecommunication Systems, Inc. | Location sensitive messaging |
US20070124025A1 (en) | 2005-11-29 | 2007-05-31 | General Electric Company | Windpark turbine control system and method for wind condition estimation and performance optimization |
ES2288121B1 (es) | 2006-05-31 | 2008-10-16 | GAMESA INNOVATION & TECHNOLOGY, S.L. | Metodo de operacion de un aerogenerador. |
US7950901B2 (en) | 2007-08-13 | 2011-05-31 | General Electric Company | System and method for loads reduction in a horizontal-axis wind turbine using upwind information |
-
2009
- 2009-05-14 DK DK09160250.8T patent/DK2251543T3/en active
- 2009-05-14 EP EP09160250.8A patent/EP2251543B1/en active Active
-
2010
- 2010-05-11 CN CN2010800208654A patent/CN102439295A/zh active Pending
- 2010-05-11 US US13/318,582 patent/US8527453B2/en active Active
- 2010-05-11 KR KR1020117027539A patent/KR20120018331A/ko not_active Application Discontinuation
- 2010-05-11 WO PCT/EP2010/056432 patent/WO2010130721A1/en active Application Filing
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6320272B1 (en) * | 1997-03-26 | 2001-11-20 | Forskningscenter Riso | Wind turbine with a wind velocity measurement system |
US20030160457A1 (en) * | 2000-07-07 | 2003-08-28 | Mario Ragwitz | Method and device for processing and predicting the flow parameters of turbulent media |
US20020087234A1 (en) * | 2000-12-29 | 2002-07-04 | Abb Ab | System, method and computer program product for enhancing commercial value of electrical power produced from a renewable energy power production facility |
EP1767781A2 (de) * | 2005-09-22 | 2007-03-28 | Daubner & Stommel GbR Bau-Werk-Planung | Verfahren zur Anpassung einer Windenergieanlage an gegebene Windverhältnisse |
CN101196164A (zh) * | 2006-12-06 | 2008-06-11 | 通用电气公司 | 用于预测风力涡轮机的功率曲线的方法 |
Also Published As
Publication number | Publication date |
---|---|
US20120059638A1 (en) | 2012-03-08 |
WO2010130721A1 (en) | 2010-11-18 |
KR20120018331A (ko) | 2012-03-02 |
EP2251543B1 (en) | 2016-12-07 |
US8527453B2 (en) | 2013-09-03 |
EP2251543A1 (en) | 2010-11-17 |
DK2251543T3 (en) | 2017-02-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102439295A (zh) | 用于预报在风力涡轮机出现风阵的方法和系统 | |
US9644610B2 (en) | Warning a wind turbine generator in a wind park of an extreme wind event | |
CN101892951B (zh) | 风轮机控制方法 | |
EP2644888A2 (en) | Control system and method for avoiding overspeed of a wind turbine | |
US8301310B2 (en) | Wind turbine operational method | |
CN101566129B (zh) | 风能设备的工作方法 | |
Wen et al. | A numerical study on the angle of attack to the blade of a horizontal-axis offshore floating wind turbine under static and dynamic yawed conditions | |
EP3121442B1 (en) | Operating wind turbines | |
EP2258946B1 (en) | Load identification system for a wind turbine | |
EP2678556B1 (en) | A safety system for a wind turbine | |
CN104863794A (zh) | 风力发电装置的偏航控制系统及偏航控制方法 | |
JP2008274953A (ja) | 風力タービンの運転方法及び風力タービン | |
WO2013110215A1 (en) | Wind turbine and method for determining parameters of wind turbine | |
CN108223269B (zh) | 风力发电机组过速故障的穿越方法和装置 | |
CN109958576B (zh) | 控制风力发电机组的转速的方法和装置 | |
CN102192087A (zh) | 基于转子加速度的风力涡轮机的旋转速度控制 | |
EP3263890A1 (en) | Methods and systems for feedforward control of wind turbines | |
EP2788620B1 (en) | Methods and systems for warning a wind turbine generator in a wind park of an extreme wind event | |
EP3009670B1 (en) | Method to control the operation of a wind energy installation, including generating a 3D wind speed model, and wind energy installation | |
CN113168138A (zh) | 用于将风力涡轮机的控制器参数化和/或运行风力涡轮机的方法和系统 | |
CN112145344B (zh) | 风力发电机组的解缆控制方法和装置 | |
CN112884262A (zh) | 一种风电机组载荷适应性确定方法和系统 | |
Jiang et al. | Effect of Shut-Down Procedures on the Dynamic Responses of a Spar-Type Floating Wind Turbine | |
EP4261407A1 (en) | Control system for controlling at least one wind turbine of a plurality of wind turbines in a wind park | |
CN116050201B (zh) | 基于智能传感器实时采集的三维风场建模方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20120502 |