CN103384764B - 风轮机的控制方法 - Google Patents

Abstract

本发明涉及一种控制风轮机的方法，所述风轮机包括叶片和控制系统，所述叶片附连至转子轮毂以便在转子平面中旋转，所述控制系统用于使叶片相对于轮毂单独变桨距。该方法包括以下步骤：将转子平面分为多个扇区；借助于方位角传感器确定在旋转过程中用于每个叶片的各个扇区；从与扇区相关的单个叶片上的叶片传感器获得叶片传感器数据；以及将所获得的数据与关联于同一扇区并代表其他叶片上的叶片传感器数据的数据比较。因此，可为转子平面的各个扇区探测事件。当在给定的扇区中探测到事件时，单独桨距贡献t在该扇区中被确定，然后，至少部分地在经过该扇区的过程中，根据用于所述给定的扇区的该单独桨距贡献来使叶片变桨距。本发明还涉及一种包括控制系统的风轮机，所述控制系统用于根据上述控制方法来使叶片相对于轮毂单独变桨距。

Description

风轮机的控制方法

技术领域

本发明涉及一种控制风轮机的方法，所述风轮机包括叶片和控制系统，所述叶片附连至转子轮毂以便在转子平面中旋转，所述控制系统用于使叶片相对于轮毂单独变桨距，目的是降低由阵风在叶片、塔架或其他风轮机构件上引起单个或连续的极端负载的风险。

背景技术

大多数现代风轮机通常连续地被控制和调节，以确保在当前风力和天气下从风中提取最大的功率，同时确保作用在风轮机不同部件上的负载在任何时刻都保持在可接受的限度内。期望地，风轮机也可被控制，以适应风速的快速突然变化——所谓的阵风，并将作用在单个叶片上的负载的动态变化考虑在内，所述动态变化例如由于叶片经过塔架或随着到地面的距离而变化的实际风速（风速廓线或风切变）而引起。

为此，多个参数通过风轮机中的控制器被收集和监测，所述多个参数例如是当前风速和风向、转子的转速、每个叶片的桨距角、偏航角、电网系统上的信息、以及从例如位于叶片、机舱或塔架上的传感器获得的测量参数（例如应力或振动）。

基于这些和随后的一些控制策略，确定出风轮机的最优控制参数，以便在给定条件下最优地执行。风轮机的当前性能、以及功率产出和负载状况主要通过控制叶片的桨距角来控制，但是还可包括：调节例如任何不同的主动空气动态装置、例如挥舞（flap）或涡流产生装置，所述空气动态装置用于改变叶片的空气动态表面；调节功率；和/或调节转子的转速。

通常根据标准并根据风力图来构造和控制风轮机，并且在以下方面进行平衡：最大化风轮机的年能量产出，同时保证风轮机的一定寿命、即在任何时候、并持久地将作用在风轮机的不同构件上的负载保持在可接收的限度内。风轮机由此通常根据特定的（高）紊流来设计，但是经常在较低的紊流水平下操作，且在某些情况下被过分保守地控制，同时在某些情况下不够保守，从而导致了作用在风轮机构件（特别是叶片、机舱和塔架）上的不期望的疲劳负载或者极端负载。

发明内容

因此，本发明的实施例的一个目的是提供这样一种风轮机的控制方法，该控制方法消除或减少了现有控制方法中的上述问题的一部分。

本发明的另一目的是提供这样一种控制方法，其用于降低由阵风在叶片、塔架或其他风轮机构件上引起单个或连续的极端负载的风险。本发明的另一目的是提供这样一种控制方法，其用于保证作用在风轮机上的负载在所有风力条件下都被保持在可接受的限度内，同时保持风轮机的高的能量产出。

本发明的另一目的是提供这样一种控制方法，该方法可以以简单和有效的方式快速和可靠地来应对风力负载条件中的改变。

本发明的实施例的另一目的是提供一种具有控制系统的风轮机，其可有效地应对事件、例如作用在仅部分转子平面上的阵风。

根据本发明，这通过一种控制风轮机的方法来获得，所述风轮机包括叶片和控制系统，所述叶片附连至转子轮毂以便在转子平面中旋转，所述控制系统用于使叶片相对于轮毂单独变桨距，该方法包括以下步骤：将转子平面分为多个扇区；借助于方位角传感器确定在旋转过程中用于每个叶片的各个扇区；在旋转过程中至少部分地在经过扇区的过程中，从单个叶片上的叶片传感器获得传感器数据；将所获得的数据与在旋转过程中至少部分地在先前经过同一扇区的过程中的代表同一或另一叶片上的叶片传感器数据的数据比较，由此探测转子平面的各个扇区的事件；仅当在给定的扇区中探测到事件时，确定用于所述扇区的单独桨距贡献；以及根据用于所述给定扇区的所述单独桨距贡献，至少部分地在经过该扇区的过程中使叶片变桨距。

根据一个实施例，传感器数据可包括来自叶片负载传感器的叶片负载数据和/或来自叶片失速传感器的叶片失速数据。

因此，获得了一种即使在事件没有发生在整个转子平面上、而是发生在转子平面的部分中的情况下也能探测和确定事件的方法。这种事件可包括：作用在转子平面上的风产生动态或突然变化，以及阵风的产生，这通常可导致作用在风轮机上的、尤其是叶片和塔架上的负载的相应的突然变化。

根据本发明的一个实施例，所述控制风轮机的方法中的事件探测还包括以下步骤：根据所获得的与各个扇区相关的叶片负载数据，为转子平面的各个扇区计算与限定的正常操作条件的偏差。

所述限定的正常操作条件可根据叶片的预定最大可允许的结构状况（例如叶片负载、力矩、偏转、失速或疲劳）表述，或者根据叶片用于转子扇区的预定最大可接受的动能表述。这些可允许的、或可接受的极限可能对所有叶片扇区都是相同的；或者可能在扇区与扇区之间不同，从而反映出特殊的情况，例如在靠近塔架的扇区中或覆盖转子平面的最高部分的扇区中（其中，风通常可达到最大速度）较低。这可用于探测转子平面的任意扇区中的风事件。作为示例，如果获知转子平面中的某一部分处于临界状态，可对此加以考虑。所述限定的正常操作条件还可根据不同的操作参数、例如根据平均风速或一般紊流系数而变化。以这种方式，该控制方法例如可在高的风负载过程中将正常操作的条件设置成较低，使得该控制方法更灵敏。另外，所述限定的正常操作可随叶片的多于一个的结构状况、例如叶片负载和叶片攻角的组合而变化。

通过将一个叶片扇区中测得的叶片传感器数据（例如叶片负载）与在同一扇区中先前测得的叶片传感器数据比较，该控制方法能够探测并应对用于每个转子扇区的叶片状况中的突然变化，并由此探测事件、例如阵风或作用在转子平面上的风中的其他动态变化。由此还获得了这样一种控制方法，其可探测和应对在转子平面上变化的更复杂的风场和风型。所提出的控制方法可以以这种方式探测和考虑风切变影响和动态影响，例如极端风变化以及影响整个和部分转子的阵风。

可将所获得的与扇区相关的叶片负载与先前从同一叶片上的测量结果、或从另一风轮机叶片上的测量结果获得的叶片传感器数据（例如负载）比较。以这种方式，该方法可使用来自单个叶片的传感器测量结果、并将一次旋转与下一次旋转的数据作比较来在风轮机上实施，或者附加地或替代性地通过在多个或所有风轮机叶片上使用叶片传感器来实施。通过后一种实施方案，可以以较短的时间间隔获得与给定的扇区相关的叶片传感器数据时间间隔，由此获得更详细的信息，并获得探测和应对事件的更高的可能性。

由于在作用于转子平面上的动态风负载方面所获得的更为复杂和完整的信息，因此该控制方法可更快速地和更精确地应对感测到的和探测到的事件。通过在风轮机的控制中将这些局部或整体的动态风事件考虑在内，实现了：在总功率产出没有降低或仅降低很少的情况下，在操作过程中可显著地降低风轮机上的或风轮机的任何部件或构件中的极端负载。例如，极端风轮机叶片负载（例如叶片挥舞或摆动（edge）负载、叶片挥舞力矩或叶片疲劳）可以以这种方式被降低。同样地，在这种事件过程中，可降低极端倾斜负载或力矩、偏航负载或力矩、塔架或机舱或其他风轮机构件（例如轴承、轴等）上的负载。

所考虑的叶片负载数据尤其包括在风轮机叶片上测得的负载数据、例如叶片挥舞或摆动负载、或叶片挥舞力矩。替代性地或附加地，负载数据可包括或代表风轮机叶片上的疲劳负载。叶片负载数据可通过放置于风轮机叶片中（例如叶片根部中或更外的叶片外壳中）的一个或多个传感器来获得。传感器例如可包括应变式传感器、光学传感器等。附加地或替代性地，叶片传感器可包括失速传感器、加速度计和/或偏转传感器。

转子平面可被分成多个尺寸均匀或不均匀（即尺寸相等或不等）的扇区。作为示例，转子平面可被分成5-30度（例如5-20度、例如大约10度）的扇区。转子平面也可被分成叶片数量乘以一系数的尺寸相等的扇区、例如分别为30度的12个扇区。对于每个风轮机叶片，一个或多个桨距方位角传感器探测叶片当前经过哪一个转子扇区。以这种方式，每个叶片上所感测的叶片负载可关联于该负载发生所处的转子扇区，并由此联系至该转子扇区中的风负载和气流。

通过将转子平面分成多个扇区、并将叶片传感器数据（例如叶片负载）关联于转子扇区，所提出的控制方法有益地利用了叶片处于旋转中的事实：即，从移动经过扇区的前导叶片获得的信息被用于探测后来在相同的扇区中发生的事件。即，该控制方法将存储功能引入到系统中，从而降低了出现相继的极端负载的风险。

根据本发明的一个实施例，控制风轮机的方法还包括以下步骤：将与扇区相关的瞬时叶片传感器数据与负载阈值比较，所述负载阈值是平均叶片传感器数据和多个标准差的函数。对于该特定的扇区，由此获得的负载阈值根据测得的叶片传感器数据随时间而变化。从而得出，该控制方法可探测和处理高动态风事件，因为与传统的控制方法不同，该探测方法考虑了标准差的估算。用于确定负载阈值的标准差的数量可以是预定的常数、例如系数1至6、或2至4（例如3）。在另一实施例中，该标准差的数量可随时间而变化、或从一个扇区到另一个扇区发生变化，并依赖于风轮机参数、例如平均叶片负载、旋转速度、实际叶片桨距角、平均风速等。以这种方式，该控制方法可直接依赖于这些条件被调整成灵敏度更高或更低。所使用的标准差的数量可基于在可接受的叶片负载上进行的计算机模拟的后处理来预定。

平均叶片传感器数据和叶片传感器数据的标准差可通过在先前的叶片负载值上进行线性平均来确定，或者可通过指数平均等来确定。指数平均的有益之处在于，此时可以以最低的存储要求通过从一个样本至下一样本更新先前确定的值来获得平均和标准差。

根据本发明的一个实施例，该方法还包括探测风轮机的空间定向，且事件探测包括以下步骤：将与扇区相关的瞬时叶片传感器数据与负载阈值比较，所述负载阈值是空间位置的函数。因此，在风轮机处于临界的偏航区、即定向在特定方向上时，风轮机可被防护免于极端负载。以这种方式，负载阈值可根据风轮机的空间定向（NESW）来调节，从而潜在地考虑关于这些空间定向、例如典型的风或天气状况和/或现场给定状况的知识。这种知识可选地可通过以下方式来获得：使所述阈值是基于历史记录的、例如从特定定向的输入信号的历史记录算出或调出，或从由其他方式得到的现场数据来获得。以这种方式，可施加更加保守的变桨距调节，且在风轮机被定向在具有临界的高风险的方向上的情况中，风轮机较高地倾向于减速运行。因此，风轮机过载的风险被进一步降低。作为示例，如果风轮机被放置在峭壁边缘上，当风轮机通过从峭壁边缘上来的风转动时，根据本发明的控制方法可为最低的转子扇区设置较高的桨距贡献。

根据本发明的一个实施例，该方法还包括：当瞬时叶片负载超过第二扇区中的负载阈值时，使第一扇区的负载阈值以某一系数降低，所述第二扇区的数量少于与所述第一扇区远离的扇区的预定数量。以这种方式，一个扇区中的事件的探测结果可被用来在与事件探测的扇区相邻或接近的扇区中减小负载阈值，由此增加该方法的灵敏度。所述系数可以是范围为0.7-0.99（例如0.85-0.95）的某预定常数。阈值减小可被实施于例如距离事件探测的扇区120°或180°之内的所有扇区，或者附加地或替代性地被实施于事件探测的扇区之前或之后的多个扇区。所影响的扇区的数量可以是预定数量（例如2个或4个），或者可以是随着所探测的事件的严重程度而增加的数量。通过所提出的阈值减小可知，如果在叶片离开一扇区时探测到事件，则已经预料到该事件探测结果可能发生于随后的叶片，于是该阈值减小可使随后的叶片比其他情况下稍快地变桨距。

根据本发明的一个实施例，上述计算包括以下步骤：将与扇区相关的瞬时叶片负载与最大负载阈值比较，所述最大负载阈值反映预定最大可接受的叶片负载。由此设置了瞬时叶片负载的上绝对安全极限，高于该极限时，无论其他参数（例如平均叶片负载）如何都能探测到事件，由此可保证该控制方法将对这种高的叶片负载起作用。因此可降低错过事件探测的风险。

在另一实施例中，上述计算包括以下步骤：将从与扇区相关的叶片负载导出的瞬时动能与动能阈值比较，所述动能阈值是平均叶片动能和多个标准差的函数。通过在各个转子扇区的事件的探测中使用这种动能阈值，在某些类型的动态风事件下的探测时间可显著降低，即：与仅基于叶片负载进行探测的情况相比，可较早地探测出并由此较早地应对事件。

与给定扇区相关的叶片上的动能可通过测得的叶片负载来确定，例如被估算为常数参数乘以叶片负载的时间导数后平方。支持这种关系的理由是转子扇区中的叶片挥舞力矩（或负载）与应变之间的相关性。这些是线性相关的，由于动能可由应变的导数得出，因此动能可由叶片挥舞力矩的导数得出。

替代性地或附加地，叶片动能可通过叶片的偏转、加速度或角位移来估算。

根据本发明的另一实施例，当在给定的扇区中探测到事件时，单独桨距贡献可被确定成能使单个叶片变桨距来避风。在本发明的一个实施例中，单独桨距贡献被加到为所有叶片提供共同桨距的共同桨距基准上。

因此，当事件在给定的扇区中被探测到时，单独桨距贡献被加到共同桨距基准上，以便促使单个叶片至少在经过临界扇区的一部分时变桨距来避风，从而降低了极端叶片负载的风险。以这种方式，叶片在经过这种通过相同的或先前的叶片探测到风事件的临界扇区时被附加地变桨距。藉此，由于该控制方法调整了不同扇区中的单独桨距贡献，因此降低了极端负载的风险。因此，该控制方法的主要功能是：使用叶片传感器（例如绝对根部挥舞弯矩（absoluteflaprootbendingmoment）传感器）来探测临界叶片负载，并通过使叶片单独变桨距以避风来应对。

可根据事件探测保留用于每个转子平面扇区的单独桨距贡献，使得桨距贡献仅被加到那些探测到事件的扇区上。单独桨距贡献可包括预定的常数值、例如2-10度（例如5度）的角度。另外，相同的桨距贡献可被加到经过相关事件扇区的任何叶片上。替代性地或附加地，单独桨距贡献可根据参数（例如时间、实际测得的叶片负载的值、叶片桨距的实际值等）来调整、减小或以其他方式变化。

在本发明的一个实施例中，在单个叶片经过探测到事件的所述给定的扇区时，根据单独桨距贡献来使该叶片变桨距。替代性地，在测得的与扇区相关的叶片负载或叶片动能降低至低于某阈值、或以其他方式被确定成在控制之下时，桨距贡献可被减小或设置成零。

替代性地或附加地，桨距贡献可根据叶片在给定的扇区内的位置来确定。以这种方式，转子扇区可以可选地被分成桨距贡献不同的多个变桨距扇区，且当叶片经过转子扇区内的不同桨距扇区时，可相应地使叶片变桨距。以这种方式，可在保留粗分的转子扇区的同时，采用更加精确的致动方案。与较大的转子扇区对应的粗分扇区格可有益于降低传感器的噪声。另外，可不需要更细分的转子扇区，因为在旋转过程中叶片传感器数据不必要如细分的情况下一样快速地改变。另一方面，在旋转过程中，细分的致动格和较小的变桨距扇区可有益于提供更加平滑的变桨距，并由此更加平滑地调整以适应变化的情况。

在本发明的另一实施例中，根据单独桨距贡献来使单个叶片变桨距，直至与所述给定扇区相关的瞬时叶片负载降低，或相对于探测到事件后所获得的最大叶片负载以某负载系数降低。以这种方式，当叶片负载被认为再次处于控制之下时，由该事件引起的单独叶片变桨距停止。通过在叶片负载相对于最近的最大叶片负载以某负载系数降低时首先停止附加的变桨距，叶片负载以较高的确定性处于控制之下。作为示例，当叶片负载已经降低至例如最大负载的80%或90%时，可认为事件已经结束。

替代性地，例如可在瞬时叶片负载超过负载阈值的情况下一直保持单独变桨距。

在本发明的另一实施例中，单独桨距贡献是转子的旋转速度的函数。以这种方式，单独桨距贡献可随着时间（例如成指数衰减的函数）而降低，从而用于进入事件扇区的新叶片的桨距贡献根据自最后一个叶片经过事件扇区后已经经过的时间长度来确定。

根据本发明的另一实施例，单独叶片变桨距在叶片进入给定的扇区之前的角度补偿距离开始。以这种方式，该方法可补偿变桨距致动系统中可能存在的延迟，所述延迟仅在一段时间之后才使桨距角完全地起作用。角度补偿距离可根据变桨距致动系统的延迟系数和转子的旋转速度来选取。以这种方式实现了：叶片在进入先前已经确定出事件的给定的扇区时，实际上已经根据所确定的单独叶片变桨距而被变桨距。

在本发明的又一实施例中，该控制系统包括存储器，所述存储器适于存储与所获得的叶片传感器数据相关的数据，且该方法包括：通过来自前导叶片上的传感器的数据来确定在后的叶片所需的桨距贡献。

以这种方式，所提出的控制方法不仅降低了由于风事件在某些转子扇区中引起极端叶片负载的风险，而且还降低了当新叶片进入受到风事件影响的扇区时相继地发生极端叶片负载的风险。换言之，所提出的控制方法将事件探测算法与事件变桨距学习算法组合，从而前一个事件探测算法探测在转子平面的任意扇区中出现的风事件、例如阵风，后一个变桨距学习算法引入该信息，以便为即将到来的叶片相应地调整这些扇区中的叶片桨距角。

通过将转子平面分成多个扇区并将叶片负载关联于转子扇区，所提出的控制方法有益地利用了叶片处于旋转中的事实；即，来自于前导叶片负载传感器的信息被用于最佳地预测在后的叶片所需的桨距贡献，以避免极端叶片负载、或替代性地降低出现极端叶片负载的风险。即，该算法将存储功能引入了该系统中，从而减少了发生相继的极端负载的风险。

根据一个实施例，单独桨距贡献可根据叶片传感器数据的梯度来确定。因此，桨距贡献可被确定成：当进入已经探测出事件的扇区时，能更接近地反映出存在的动能。以这种方式，在测得的叶片传感器数据的梯度有限的情况下可降低桨距贡献，从而避免在不需要时产生过于极端的变桨距。相应地，在测得的叶片传感器数据的梯度相对较高的情况下可增加桨距贡献。

根据一个实施例，单独桨距贡献根据扇区负载阈值与测得的叶片负载之间的差值来调节。这可通过施加P-、PI-、和/或PID-控制器来获得，其中，通过将测得的叶片传感器数据与期望的叶片传感器数据比较来持续地实施桨距基准的更新或修正，所述期望的叶片传感器数据基于来自该扇区中最后的叶片的信息。以这种方式，如果扇区负载阈值与实际叶片传感器数据之间的差值大，扇区桨距基准贡献可修改得明显大；如果所述差值小，扇区桨距基准贡献也小。因此，可基于物理和实际情况使叶片扇区桨距贡献更加平缓地降低。

本发明的另一方面通过一种风轮机获得，所述风轮机包括附连至转子轮毂以便在转子平面中旋转的叶片和控制系统，所述控制系统使叶片相对于轮毂单独变桨距，其特征在于，对于转子平面的、借助于方位角传感器确定的各个扇区而言，所述控制系统可通过以下方式来探测事件：在旋转过程中至少部分地在经过扇区的过程中，从单个叶片上的叶片传感器获得与扇区有关的叶片传感器数据；以及将所获得的数据与在旋转过程中至少部分地在先前经过同一扇区的过程中的对应于同一扇区且代表同一或另一叶片上的叶片传感器数据的数据比较；以及仅当在给定的扇区中探测到事件时，确定用于所述扇区的单独桨距贡献，所述风轮机还包括变桨距系统，所述变桨距系统至少部分地在叶片经过扇区过程中根据用于给定的扇区的单独桨距贡献来使叶片单独变桨距。

传感器数据可包括来自叶片负载传感器的叶片负载数据。

风轮机的控制系统还可被构造成能实施如以上所述的控制方法。

在本发明的一个实施例中，该控制系统包括存储器，所述存储器适于存储来自前导叶片上的负载传感器的数据，所述控制系统能够根据存储器中的数据来确定在后的叶片所需的桨距贡献。

上述风轮机和风轮机控制系统的优点与以上就控制一种风轮机的方法所述的优点相同。

在一个实施例中，风轮机的每个叶片包括相对于轮毂等距离地放置的叶片负载传感器。因此保证了：来自一个叶片的数据可直接相比较于通过另一叶片测得的数据。以这种方式，从叶片负载传感器获得的数据关联于相同位置中的风事件，且主要仅是叶片的方位角位置和时间的函数。

在另一实施例中，叶片包括相对于轮毂以不同距离放置的多个叶片传感器，由此为转子平面的每个单个扇区限定出多个子扇区，其中，对于每个单个子扇区，所述控制系统可通过获得关联于所述子扇区的叶片负载数据来探测事件。因此，可关联于每个子扇区来探测事件。以这种方式，可获得转子平面的更细分的子分区，并由此获得能够应对细分的或更局部的事件的控制系统。并且，以这种方式，可以以较大的确定性探测出局部事件，因为数据测量结果获得于转子平面中的更多位置处。

根据又一方面，本发明涉及一种用于使风轮机叶片相对于风轮机的轮毂单独变桨距的控制系统，所述叶片附连于转子轮毂以便在转子平面中旋转，其中，所述控制系统使叶片相对于轮毂变桨距，其中，对于转子平面的借助于方位角传感器确定的各个扇区而言，所述控制系统可通过以下方式来探测事件：在旋转过程中至少部分地在经过扇区的过程中，从单个叶片上的叶片传感器获得与扇区相关的叶片传感器数据；以及将所获得的数据与在旋转过程中至少部分地在先前经过同一扇区的过程中的对应于同一扇区且代表同一或另一叶片上的叶片传感器数据的数据比较；以及仅当给定的扇区中探测到事件时，确定用于该扇区的单独桨距贡献，所述控制系统还至少部分地在叶片经过扇区过程中根据用于所述给定的扇区的单独桨距贡献来设置叶片变桨距指令。

风轮机控制系统的方法的优点与以上就控制风轮机的方法所述的优点相同。

附图说明

下面将参照附图来描述本发明的不同实施例，其中：

图1是被分成单独的转子扇区的转子平面的简图；

图2示出了用于根据本发明的控制方法的思想；

图3是选定的转子扇区中的叶片负载和平均叶片负载（此处叶片负载被确定为叶片挥舞力矩）的估算的简图；

图4示出了事件探测器的一个实施例的概观图；

图5示出了叶片负载测量结果中的风事件的开始和结束；

图6示出了基于叶片负载和叶片动能的事件探测结果；

图7示出了根据本发明的一个实施例的扇区负载阈值的降低；

图8示出了根据基于扇区的控制方法对叶片的单独叶片桨距贡献的确定；

图9示出了变桨距系统延迟的思想；

图10示出了来风风速，用于叶片中的一个的事件标志，以及所产生的用于两个转子扇区的、并施加于叶片的桨距贡献，这些数据由测试模拟产生并随时间变化；

图11示出了根据本发明的一个实施例通过平滑化相邻的扇区桨距贡献来对扇区桨距贡献进行的确定；以及

图12示出了相对于所测得的实际叶片数据调整扇区桨距贡献的方法。

具体实施方式

图1示出了根据所提出的风轮机控制方法的一个实施例的将风轮机的转子平面100分成多个扇区101的方法步骤。在该示例中，转子平面100被分成12个尺寸相等的转子扇区101。分别被命名为A、B、C的转子叶片102在如下位置中画出：转子叶片A在第一扇区（101，1）中，转子叶片B在扇区5（101，2）中，第三转子叶片C在扇区8（101，3）中。竖直线105示出了风轮机的塔架轴线。

为了通过根据本发明的单独变桨距控制方法降低引入倾斜/偏航力矩的风险，扇区的数量可有益地根据以下规则来设置，从而保证所有叶片同步地转换扇区：

$\left(\frac{N_s}{3}\right)\∈Z^{+}$

其中，N_s是转子扇区101的数量。用于测量叶片102中的一个或多个的方位角104的方位传感器可用于确定在给定时刻处包括叶片的扇区。以这种方式，矢量S可由扇区边界角来确定，所述矢量S包括转子叶片的扇区号码作为它的元素，所述扇区边界角通过以下限定：

即，例如对于N_S=12，扇区2被限定为方位角在[30°；60°]区间内。

图2示出了所述控制方法的概略图。此处及以下，根据本发明的控制方法通过使用由叶片负载传感器测得的叶片负载来描述和示例化。然而，每个扇区的风事件和以下描述的控制方法也可附加地或替代性地基于其他输入信号，所述其他输入信号反映叶片的结构或环境状况，例如基于失速传感器、叶片加速度计、风速传感器、叶片偏转传感器、攻角传感器、叶片应变仪等。

基于来自叶片负载传感器200的测量结果和由方位角传感器测得的方位角104，事件探测器201探测出叶片102中的一个是否经历、以及在哪个叶片扇区101中和在多大的转子方位角下经历风事件。该信息包含在事件矢量B_EVENT中，所述事件矢量B_EVENT指示在矢量S中是否探测到事件。事件探测器的输出结果随后与用于测量每个叶片的实际桨距θ的桨距位置传感器203和桨距学习算法202中的可选的转子速度传感器的测量结果一起使用，以便为经受该风事件的叶片估算附加的单独桨距基准偏转量Δθ。最后，这些单独桨距基准偏转量被加到变桨距控制系统中的共同桨距基准θ_col上，并可选地与其他单独桨距偏转量组合，以产生用于每个叶片的最终的叶片桨距基准θ_Ref，204。

探测到的事件还可引发如下动作：最大的变桨距系统阀基准要求被传送至变桨距控制系统，以便获得最大的变桨距速率。这应当使其上事件被探测出为最大的叶片的变桨距系统的控制电压饱和。

在本发明的一个实施例中，虽然变桨距系统控制电压同时地饱和至最大，但是单独桨距基准偏转量在事件探测过程中仍被加到共同桨距基准上。这可被实施来使得：在风事件停止且变桨距系统控制电压不再饱和至最大时，能够平滑地或更加均匀地传递桨距。

通过事件探测算法201和事件桨距学习算法202的组合，在极端阵风过程中产生极端叶片挥舞/倾斜/偏航负载的风险可被显著地降低，因为前一个探测算法201探测在转子平面的任意部分中出现的阵风，而后一个桨距学习算法202引入该信息以便相应地调整随后的叶片的单独桨距角θ。

对于转子平面中的每个扇区，每次叶片经过扇区时都估算和更新挥舞力矩的平均值μ_M和标准差σ_M。这些测量结果被用于估算扇区中的期望的挥舞力矩负载。

扇区号为3、4、7、8、11、12的选定的扇区101中的平均叶片负载μ_M，303、例如平均叶片挥舞力矩的估算在图3中示出。可类似地估算叶片负载的标准差σ_M。最上方的坐标系中的曲线示出了在所述三个风轮机叶片上的每个上测得的随时间t变化的叶片负载M_Flap，200。图3的中部示出了扇区矢量S，即，每个叶片在测量过程中在给定时刻经过哪一个扇区。例如，针对叶片A的曲线以黑色实线301示出，且该叶片首先经过扇区11、进入扇区12、然后进入扇区1等。类似地，叶片B以虚线示出，叶片C以点线示出。然后，通过这些测量结果可确定用于每个转子扇区的叶片负载的平均值μ_M和标准差σ_M，如图3中最下方的曲线图所示，该曲线图示出了用于6个不同扇区的平均叶片负载随时间的变化。为清楚起见没有示出所有扇区的值。在每次叶片经过扇区时都估算和更新叶片负载的平均值μ_M和标准差σ_M。以这种方式，与转子扇区相关的平均值和标准差仅在扇区包括叶片时更新。这给出了期望负载的更新速率3P。即，给定的扇区中的平均叶片负载通过来自所有三个风轮机叶片的样本计算。

在一个实施例中，不同的扇区中的μ_M（n）和σ_M（n）的估算可通过根据样本数n的指数平均来得出：

${\mathrm{\μ}}_M\left(n\right)=\frac{T}{{\mathrm{\τ}}_{\mathrm{Load}}}{M}_{\mathrm{Flap}}\left(n\right)+(1-\frac{T}{{\mathrm{\τ}}_{\mathrm{Load}}}){\mathrm{\μ}}_M(n-1)$

${\mathrm{\ψ}}_M\left(n\right)=\frac{T}{{\mathrm{\τ}}_{\mathrm{Load}}}{M^2}_{\mathrm{Flap}}\left(n\right)+(1-\frac{T}{{\mathrm{\τ}}_{\mathrm{Load}}}){\mathrm{\ψ}}_M(n-1)$

${\mathrm{\σ}}_M\left(n\right)=\sqrt{{\mathrm{\ψ}}_M\left(n\right)-{\mathrm{\μ}}_M^2\left(n\right)}$

其中，T是采样时间，τ_Load是指数平均的时间常数，ψ_M（n）是用于计算σ_M（n）的中间变量。替代性地，叶片负载的平均值和标准差可通过更标准的线性平均和标准差表达式来确定。

另外，由于扇区中的挥舞力矩和同一扇区中的应变是关联的且是线性相关的，并且由于动能可通过应变的时间导数得出，因此每个扇区的动能可类推地通过测得的根部弯曲挥舞力矩M_Flap的导数来估算：

$E={\left(k\frac{{\mathrm{dM}}_{\mathrm{Flap}}}{\mathrm{dt}}\right)}^2$

其中，k是转换常数，用于例如根据风轮机叶片的刚度将挥舞力矩的时间导数转换为叶片动能，并可通过模拟或测试来估算。替代性地或附加地，叶片动能可通过叶片的偏转、加速度或角位移来估算。

因此，对于转子平面中的每个扇区，叶片动能的平均值μ_Es和标准差σ_Es可在每次叶片经过扇区时估算和更新，并可使用以上关于确定叶片负载的平均值和标准差所述的相同的方法来计算。

叶片负载的、以及可选地还有扇区动能的平均值和标准差估算可用于探测叶片经过时在给定的扇区中是否已经出现风事件。事件探测器算法的一个实施例的概观图在图4中示出。

图4中简要地示出的事件探测器基于根部弯曲挥舞力矩和由根部弯曲挥舞力矩导出的叶片动能。然而，事件探测器也可仅基于叶片负载、或替代性地仅基于叶片动能、或基于这两个参数的不同组合。在事件探测中，事件探测器还可考虑其他参数、例如本地风测量结果。

只要在扇区中探测到事件，就可改变扇区中的叶片的单独桨距，以及对于事件发生后的一段时间也是如此。在给定的扇区中，事件探测的启动可设置成根据叶片负载探测器401中和动能探测器402中确定的根部弯曲挥舞力矩和由根部弯曲挥舞力矩导出的叶片动能。使用动能探测器的动机是减少某些动态风事件中的探测时间。动能探测器与挥舞力矩探测器除输入信号不同之外是同样的。然后，如下所述地通过阈值来持续地评定所探测到的风事件是否仍有效，所述评估可选地接着事件探测时间减少方案403（基于叶片负载）、或可选地接着事件探测保持方案404（基于所估算的动能）进行，从而基本上基于不同的标准缩短了或延长了所探测到的风事件的持续时间。这在图5和图6中更加详细地描述。如果在405处基于叶片负载M_FLAP或估算的动能E探测出风事件，用于指示在包括叶片的扇区中是否探测到事件的叶片事件矢量B_EVENT相应地被设置，且单独叶片桨距贡献Δθ被确定并被加到叶片桨距基准θ_ref上。另外，在一个扇区中探测到的事件可影响先前的扇区中的阈值，以这种方式使即将到来的叶片为所探测到的事件做准备。这在叶片阈值减少方案406中实施，其中，用于影响负载阈值406和可选的动能阈值407的阈值降低系数k被确定。这在稍后更详细地描述。

为了确定与给定的扇区中的期望负载的偏差，将绝对叶片负载、如测得的M_Flap与一个或多个不同的负载阈值T比较。阈值通常是固定的预定常数，或者是测得的或估算的参数、例如所确定的叶片负载平均值和/或标准差的函数。因此，不同阈值的集合可用于基于条件的集合来探测扇区中的风事件。

在本发明的一个实施例中，应用了基于叶片负载的三个不同的阈值：

T₁=M_Flap，Min

T₂=μ_M+N_M(μ_M)σ_M

T₃=M_Flap，Max(μ_M)

此处，阈值T₁被设置成不变的最小挥舞力矩极限，低于该极限时无论其他阈值的值如何都不会发生风事件。阈值T₂是根据所导出的平均叶片负载和标准差的随时间变化的函数。N_M(μ_M)是可被设置成预定常数的数字、或可替代性地被确定成从一扇区至另一扇区的随时间变化的参数，所述预定常数例如是系数1至6、或2至4（例如3），所述参数依赖于风轮机参数（例如平均叶片负载、旋转速度、实际叶片桨距角、平均风速等）。以这种方式，该控制方法可直接依赖于这些条件被调整成灵敏度更高或更低。所使用的标准差的数量可通过在可接受的叶片负载上进行的计算机模拟的后处理来预定。如模拟中所得出的，第三阈值T₃被设置成：随平均叶片负载而变化的最大可接受叶片挥舞力矩。该阈值尤其涵盖高的叶片负载的情况，在该情况下太晚探测出事件的风险可能增加。因此，函数T₃可选择成μ_M的线性衰减或指数衰减函数。阈值T₂和T₃可在叶片经过扇区时保持不变，在叶片退出扇区时更新。另外，所述阈值可仅通过来自前导叶片的样本导出，或者也可包括同一叶片上得出的测量结果来确定。另外，第四阈值T₄可被设置成最大极限，高于该极限时无论另外确定的平均叶片负载如何都会产生风事件：

T₄=M_Flap，Alarm。

最终阈值从三个不同的阈值中得出：

T_M=max(T₁min(T₂T₃))，

或者可能也应用上述的绝对上限阈值：

T_M=min(T₄max(T₁min(T₂T₃)))，

以这种方式，当|M_Flap|≤T_M（这在叶片经过扇区时持续地被测试）时探测不到事件。使用阈值的动机是在两种类型的探测误差之间寻求平衡；一种类型的误差是在没有事件的情况下探测出事件的误报，另一类型的误差是事件探测被错过。因此，设置所述阈值的大致目的是，一方面尽可能早地探测出事件，另一方面在实际上没有事件产生的情况下尽可能少地或尽可能迟地探测出事件（优选完全探测不到事件）。

类似的阈值和函数被设置用于动能探测器402，且通过动能探测出事件除输入信号不同之外与上述挥舞力矩探测器是相同的。

为了减少误报的影响并减少探测时间，可执行事件探测时间减少方案。这种思想在图5中示出。风事件探测在测得的叶片负载M_Flap超过阈值T的t1处启动。从该图中可以看出，在t2处当测得的叶片挥舞力矩控制在M_Flap<M_control（通过叶片负载的降低或已经以特定的负载系数k_max降低来确定，通过M_Flap<M_control=Max-k_max(Max-T)给出）时，事件探测器将指示出事件已经停止，如图5所示。风探测以这种方式较早地停止。替代性地，风探测可在测得的叶片负载再次低于阈值时停止。

根据另一实施例，所述探测可被设置成：在挥舞力矩斜率由负变正并持续一段时间的情况下在t3处重新启动，如图5所示。

另外，如果动能探测器仅在动能高于动能阈值时探测事件，由于叶片负载的导数可能在叶片负载达到最大之前减小，因此叶片负载可能不能在所有情况下都处于控制之下。这在图6中示出。最上方的曲线图示出了测得的叶片负载M_Flap200，中间的曲线图示出了叶片负载M_Flap200对应的导数、即叶片负载变化率601，最下方的曲线图示出了由叶片负载变化率601导出的、与叶片负载变化率的平方成正比的对应的动能E602。因此，当指示事件有效的标志被保持直至挥舞力矩变化速率在时刻t2处符号由正变负时，可执行事件探测保持方案404。

当在给定的扇区中的一个叶片上探测出事件时，叶片可能在它离开发生事件的扇区过程中探测出事件，例如事件涵盖扇区2、3、4并在扇区4中被探测出的情况。因此，在后的叶片可受益于来自前导叶片的事件信息。这种叶片阈值减少方案406的思想可如图7所述地执行。

从图7可以看出，当通过叶片B,102探测出事件701时，通过叶片A可见的阈值T以系数k降低702，直至叶片A到达首先通过叶片B探测出该事件的方位角位置。换言之，通过叶片B对事件的探测增加了用于叶片A的探测的灵敏度。挥舞力矩阈值和动能阈值两者或它们中的任一个可通过该叶片阈值减少方案减小。此时，所产生的减小的阈值T可被确定成：

T_M=min(T₄;max(T₁;k·min(T₂;T₃)))，

系数k（阈值以该系数k降低）可达到预定值、例如范围为[0.85-0.98]，或者可根据例如方位角来确定，并可通过数值模拟来确定和精细调节。

图8示出了如何根据所提出的控制方法来更新单个叶片的桨距。为转子叶片A测得的叶片负载M_Flap的时间样本连同阈值的值一起在最上方的坐标系中示出，所述阈值是绝对最小阈值T₁、最大阈值T₃和随叶片负载平均值和标准差变化的阈值T₂。从上数第二组曲线示出了为叶片A持续测得的实际叶片桨距θ,801和桨距基准θ_ref，A=θ_col+Δθ,802。第三坐标系中的线段示出了转子叶片A在哪个转子扇区中，最下方的曲线示出了所确定的关联于受到影响的扇区1和2的单独桨距贡献（分别为811和812），所述单独桨距贡献要被加到经过这些扇区的叶片的叶片桨距上。有益地，仅用于保持挥舞力矩处于控制之下所需的事件桨距贡献可被存储用于每个扇区。

如图8所示，当在时刻t1处探测到事件时，事件桨距贡献步幅Δθ被加到共同桨距基准上。当负载再次处于控制之下时（在时刻t2处），探测停止，所需的桨距贡献在桨距值θ_req处保持不变，直至负载降至低于挥舞力矩阈值。该所需的桨距贡献可被确定成在叶片负载处于控制下的时刻给定叶片的桨距贡献量。当负载降至低于挥舞力矩阈值803时，桨距贡献可例如随时间指数地或线性地降低804。

为了修正变桨距系统的动力学特性，可根据本发明的一个实施例执行桨距系统延迟补偿。这种思想在图9中示出。该思想有利于在后的叶片；即，如果叶片A探测出事件，并储存用于特定扇区、例如扇区3的所需的桨距贡献，如图8所示，那么在后的叶片C就可以有益地在进入该扇区3之前启动它的变桨距程序。因此，可使连续的极端负载有所降低。图9中，变桨距系统延迟补偿由τ_pitch表示，τ_pitch是依赖于变桨距致动系统的参数，ω_rot是转子的旋转速度，γ_comp是对应的补偿角度。

图10示出了根据本发明的一个实施例的变桨距控制方法的测试模拟的结果。该图中从上至下示出了：来风风速V；用于叶片中的一个（在该情况下是B）的事件标志，该事件标志表明在t=52s时刻在该扇区中探测到事件；以及用于确定哪个扇区包括叶片B的变量。从该曲线图中可以看出，当扇区1包括叶片B时探测出事件，且该事件在叶片处于扇区2时结束。随后的两个曲线图示出了所产生的用于两个受到影响的转子扇区1和2的桨距贡献，然后，最下方的曲线图示出了：当叶片B首次经过探测出事件的扇区1和2时、以及相继地当该叶片转过一圈后在t=56.6时刻回到相同的扇区时，用于受到影响的叶片B的事件桨距贡献，然而后一桨距贡献程度低得多。

图11示出了根据本发明的一个实施例、通过平滑化相邻扇区的桨距贡献来确定扇区桨距贡献的方法。

通常，不同转子扇区之间的边界可以是突变的或平滑的。换言之，当叶片从一个扇区切换至另一扇区时，转子-扇区桨距贡献可从零改变至稍大的值或反过来（如曲线1102所示），这对变桨距系统的负载减小或加载可能不总是最佳的。

根据该实施例，转子-扇区桨距贡献经过扇区被平滑化，以便获得经过扇区的突变较小的桨距转换。扇区平滑化例如可通过在相邻的扇区桨距基准贡献之间插值来进行。这在图11中示出，其中，在四个扇区之间使用扇区的中心作为插值点进行线性插值，得到了以粗线1100示出的线性变化的桨距贡献。x-轴是叶片方位角y-轴是转子-扇区桨距贡献Δθ。所述插值替代性地可以是更高阶的。

当风事件消失时，应当以智能的方式将单独桨距贡献降至零。如之前所述，这可很简单地通过以下方式进行：当叶片负载低于扇区负载阈值时，将用于给定的扇区的桨距基准贡献设置成零。然而，这可无意地在某些情况下使叶片在事件之后瞬时地变桨距成迎风。

图12中示出了根据本发明的一个实施例的控制方案的框图，其中，用于转子扇区s的单独桨距贡献Δθ_s(n)在时间步骤n处根据用于同一扇区s的、但是是用于之前的事件步骤（n-1）的桨距贡献Δθ_s(n-1)来更新和确定。桨距基准的这种更新或修正通过将测得的叶片传感器数据（例如叶片负载M）与期望的叶片传感器数据比较来持续地实施，所述期望的叶片传感器数据基于来自该扇区中的最后叶片的信息。这在该图中通过测得的叶片负载M与扇区负载阈值T的比较来示出。P-控制器被施加，其中，误差信号通过扇区负载阈值T与实际叶片负载M之间的差值来限定。然后，通过将误差信号乘以比例增益系数来得出扇区桨距基准贡献的降低量。最后，通过将所述扇区桨距基准贡献的降低量从当前扇区桨距基准贡献中减去来得出作为结果的桨距基准贡献。替代性地或附加地，可施加PI-或PID-控制器。

以这种方式，如果扇区负载阈值与实际叶片负载之间的差值大，扇区桨距基准贡献降低速率就高；如果该差值小，扇区桨距基准贡献降低速率就低。因此，可基于物理和实际情况使叶片扇区桨距贡献更平缓地降低。尽管已经描述了本发明的优选实施例，但应当理解，本发明并不局限于此，且可在不脱离本发明的情况下进行多种修改。本发明的范围由权利要求限定，在权利要求的意思内（在字面意义上或等同替换的意义上）的所有装置都包括在此。

Claims (26)

1.一种控制风轮机的方法，所述风轮机包括叶片和控制系统，所述叶片附连至转子轮毂以便在转子平面中旋转，所述控制系统用于使叶片相对于轮毂单独变桨距，该方法包括以下步骤：

-将转子平面分为多个扇区；

-借助于方位角传感器确定在旋转过程中用于每个叶片的各个扇区；

-在旋转过程中至少部分地在经过扇区的过程中，从单个叶片上的叶片传感器获得传感器数据；

-将所获得的数据与在旋转过程中至少部分地在先前经过同一扇区的过程中的代表同一或另一叶片上的叶片传感器数据的数据比较，由此探测转子平面的各个扇区的事件；

-仅当在给定的扇区中探测到事件时，确定用于所述扇区的单独桨距贡献；以及

-根据用于所述给定扇区的所述单独桨距贡献，至少部分地在经过该扇区的过程中使叶片变桨距。

2.如权利要求1所述的控制风轮机的方法，其特征在于，所述传感器数据包括来自叶片负载传感器的叶片负载数据。

3.如前面权利要求中任一所述的控制风轮机的方法，其特征在于，所述传感器数据包括来自叶片失速传感器的叶片失速数据。

4.如权利要求1所述的控制风轮机的方法，其特征在于，所述事件探测还包括以下步骤：根据所获得的与各个扇区相关的叶片传感器数据，为转子平面的各个扇区计算与限定的正常操作条件的偏差。

5.如权利要求4所述的控制风轮机的方法，其特征在于，所述计算包括以下步骤：将与扇区相关的瞬时叶片传感器数据与负载阈值比较，所述负载阈值是平均叶片传感器数据和多个标准差的函数。

6.如权利要求1所述的控制风轮机的方法，其特征在于，所述方法还包括探测风轮机的空间定向，其中，所述事件探测包括以下步骤：将与扇区相关的瞬时叶片传感器数据与负载阈值比较，所述负载阈值是空间位置的函数。

7.如权利要求5或6所述的控制风轮机的方法，其特征在于，所述方法还包括：当瞬时叶片负载超过第二扇区中的负载阈值时，使第一扇区的负载阈值以某一系数降低，所述第二扇区少于与所述第一扇区远离的预定数量的扇区。

8.如权利要求1至2、4至6中任一所述的控制风轮机的方法，其特征在于，所述事件探测包括以下步骤：将与扇区相关的瞬时叶片传感器数据与最大负载阈值比较，所述最大负载阈值反映预定最大可接受的叶片传感器数据。

9.如权利要求4至6中任一所述的控制风轮机的方法，其特征在于，所述计算包括以下步骤：将从与扇区相关的叶片负载导出的瞬时动能与动能阈值比较，所述动能阈值是平均叶片动能和多个标准差的函数。

10.如权利要求1至2、4至6中任一所述的控制风轮机的方法，其特征在于，根据所述单独桨距贡献使单个叶片变桨距，直至与所述给定的扇区相关的瞬时叶片负载降低。

11.如权利要求2、4至6中任一所述的控制风轮机的方法，其特征在于，根据所述单独桨距贡献使单个叶片变桨距，直至与所述给定的扇区相关的瞬时叶片负载相对于探测到事件之后所获得的最大叶片负载以某一负载系数降低。

12.如权利要求1至2、4至6中任一所述的控制风轮机的方法，其特征在于，所述单独桨距贡献是转子的旋转速度的函数。

13.如权利要求1至2、4至6中任一所述的控制风轮机的方法，其特征在于，单独叶片变桨距在叶片进入所述给定的扇区之前的角度补偿距离启动。

14.如权利要求1至2、4至6中任一所述的控制风轮机的方法，其特征在于，所述单独桨距贡献还根据叶片在所述给定的扇区内的位置来确定。

15.如权利要求1至2、4至6中任一所述的控制风轮机的方法，其特征在于，所述控制系统包括存储器，所述存储器适于存储与所获得的叶片传感器数据相关的数据，其中，所述方法包括：通过来自前导叶片上的传感器的数据来确定在后的叶片所需的桨距贡献。

16.如权利要求1至2、4至6中任一所述的控制风轮机的方法，其特征在于，所述单独桨距贡献根据所述叶片传感器数据的梯度来确定。

17.如权利要求5或6所述的控制风轮机的方法，其特征在于，所述单独桨距贡献根据扇区负载阈值与测得的叶片负载之间的差值来调节。

18.如权利要求1至2、4至6中任一所述的控制风轮机的方法，其特征在于，所述转子平面被分成5-30度的扇区，例如5-20度的扇区、例如大约10度的扇区。

19.如权利要求1至2、4至6中任一所述的控制风轮机的方法，其特征在于，所述转子平面被分成尺寸相等的扇区。

20.一种风轮机，所述风轮机包括附连至转子轮毂以便在转子平面中旋转的叶片和控制系统，所述控制系统用于使叶片相对于轮毂单独变桨距，其特征在于，对于转子平面的、借助于方位角传感器确定的各个扇区而言，所述控制系统能够通过以下方式来探测事件：在旋转过程中至少部分地在经过扇区的过程中，从单个叶片上的叶片传感器获得与扇区相关的叶片传感器数据；以及将所获得的数据与在旋转过程中至少部分地在先前经过同一扇区的过程中的对应于同一扇区且代表同一或另一叶片上的叶片传感器数据的数据比较；以及仅当在给定的扇区中探测到事件时，确定用于所述扇区的单独桨距贡献，所述风轮机还包括变桨距系统，所述变桨距系统至少部分地在叶片经过扇区过程中根据用于所述给定的扇区的单独桨距贡献来使叶片单独变桨距。

21.如权利要求20所述的风轮机，其特征在于，所述传感器数据包括来自叶片负载传感器的叶片负载数据。

22.如权利要求20所述的风轮机，其特征在于，所述控制系统被构造成：能实施如权利要求1至19中任一所述的控制方法。

23.如权利要求20至22中任一所述的风轮机，其特征在于，所述控制系统包括存储器，所述存储器适于存储来自前导叶片上的负载传感器的数据，所述控制系统能够通过所述存储器中的数据来确定在后的叶片所需的桨距贡献。

24.如权利要求20至22中任一所述的风轮机，其特征在于，每个叶片分别包括相对于轮毂等距离地放置的叶片负载传感器。

25.如权利要求20至22中任一所述的风轮机，其特征在于，叶片包括相对于轮毂距离不等地放置的多个叶片传感器，从而为转子平面的每个单个扇区确定出多个子扇区，其中，对于每个单个子扇区而言，所述控制系统能够通过获得与所述子扇区相关的叶片负载数据来探测事件。

26.一种控制系统，所述控制系统用于使风轮机叶片相对于风轮机的轮毂单独变桨距，所述叶片附连至转子轮毂以便在转子平面中旋转，其特征在于，对于转子平面的、借助于方位角传感器确定的各个扇区而言，所述控制系统能够通过以下方式来探测事件：在旋转过程中至少部分地在经过扇区的过程中，从单个叶片上的叶片传感器获得与扇区相关的叶片传感器数据；以及将所获得的数据与在旋转过程中至少部分地在先前经过同一扇区的过程中的对应于同一扇区且代表同一或另一叶片上的叶片传感器数据的数据比较；以及仅当在给定的扇区中探测到事件时，确定用于所述扇区的单独桨距贡献，所述控制系统还至少部分地在叶片经过扇区的过程中根据用于所述给定的扇区的单独桨距贡献来设置叶片变桨距指令。