CN105041572A - 用于优化风电场操作的系统和方法 - Google Patents
用于优化风电场操作的系统和方法 Download PDFInfo
- Publication number
- CN105041572A CN105041572A CN201510210736.6A CN201510210736A CN105041572A CN 105041572 A CN105041572 A CN 105041572A CN 201510210736 A CN201510210736 A CN 201510210736A CN 105041572 A CN105041572 A CN 105041572A
- Authority
- CN
- China
- Prior art keywords
- wind
- wind turbine
- wake
- turbine
- synergistic
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 99
- 230000002195 synergetic effect Effects 0.000 claims description 82
- 238000011144 upstream manufacturing Methods 0.000 claims description 60
- 230000008859 change Effects 0.000 claims description 25
- 238000012544 monitoring process Methods 0.000 claims description 7
- 230000000694 effects Effects 0.000 description 34
- 238000005457 optimization Methods 0.000 description 23
- 230000007613 environmental effect Effects 0.000 description 22
- 230000006870 function Effects 0.000 description 17
- 238000010586 diagram Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 6
- 238000005259 measurement Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 230000001276 controlling effect Effects 0.000 description 4
- 230000003993 interaction Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 230000005611 electricity Effects 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 238000012546 transfer Methods 0.000 description 3
- 230000001419 dependent effect Effects 0.000 description 2
- 230000002045 lasting effect Effects 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 208000037656 Respiratory Sounds Diseases 0.000 description 1
- 230000003213 activating effect Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000007664 blowing Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 238000005553 drilling Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 239000002803 fossil fuel Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003455 independent Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000001172 regenerating effect Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 239000010979 ruby Substances 0.000 description 1
- 229910001750 ruby Inorganic materials 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
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
- F03D7/048—Automatic control; Regulation by means of an electrical or electronic controller controlling wind farms
-
- 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
- F03D7/045—Automatic control; Regulation by means of an electrical or electronic controller characterised by the type of control logic with model-based controls
-
- 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
- F03D17/00—Monitoring or testing of wind motors, e.g. diagnostics
-
- 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
- F03D9/00—Adaptations of wind motors for special use; Combinations of wind motors with apparatus driven thereby; Wind motors specially adapted for installation in particular locations
- F03D9/20—Wind motors characterised by the driven apparatus
- F03D9/25—Wind motors characterised by the driven apparatus the apparatus being an electrical generator
- F03D9/255—Wind motors characterised by the driven apparatus the apparatus being an electrical generator connected to electrical distribution networks; Arrangements therefor
- F03D9/257—Wind motors characterised by the driven apparatus the apparatus being an electrical generator connected to electrical distribution networks; Arrangements therefor the wind motor being part of a wind farm
-
- 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
- F03D9/00—Adaptations of wind motors for special use; Combinations of wind motors with apparatus driven thereby; Wind motors specially adapted for installation in particular locations
-
- 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
- F05B2270/10—Purpose of the control system
- F05B2270/20—Purpose of the control system to optimise the performance of a machine
- F05B2270/204—Purpose of the control system to optimise the performance of a machine taking into account the wake effect
-
- 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
- F05B2270/321—Wind directions
-
- 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
- G05B13/048—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 using a predictor
-
- 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)
- Power Engineering (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Wind Motors (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提出了用于优化风电场的操作的方法和系统的实施例。该方法包括接收新值,该新值与用于风电场中的风力涡轮的至少一些尾流参数对应。该方法还包括基于该新值从风力涡轮识别互相作用的风力涡轮的新组。此外,该方法包括:基于新值和历史尾流模型为互相作用的风力涡轮的新组开发场水平预测尾流模型,该历史尾流模型是使用与风电场中的互相作用的风力涡轮的参考组对应的尾流参数的历史值来确定的。而且,该方法包括基于场水平预测尾流模型为调整至少用于互相作用的风力涡轮的新组的一个或更多个控制设置。
Description
技术领域
本公开的实施例大体涉及风力涡轮,并且更具体地涉及用于优化风电场操作的方法和系统。
背景技术
可再生能源越来越多地用作石化燃料的较洁净且有成本效益的备选方案,来用于供应全球能量需求。风能尤其由于丰富、可再生、广泛分布、且清洁而已呈现为最受欢迎的能源之一。通常,风能可由风力涡轮利用,该风力涡轮设计为响应于大范围的风速而产生电能。这些风力涡轮典型地定位在横跨特定地理区域分布的风电场中,使得在该区域上方经过的风导致与风力涡轮相关的叶片旋转。旋转叶片中的各个又导致相关发电机的转子转动,这有助于生成电能。
传统上,风电场以分散的方式被控制来生成功率,使得操作各涡轮来使局部功率输出最大化,并且使局部故障和极限负载的影响最小化。但是,实际上,风力涡轮的这种独立优化忽略场水平性能目标,因而导致在风电场水平上的次优性能。例如,风力涡轮的独立优化可能不解决空气动力互相作用,例如风电场内的相邻涡轮之间的尾流效应,其可影响场水平功率输出。
典型地,尾流效应包括风速降低和由上游风力涡轮的常规操作引起的下游风力涡轮处的增大的风湍流。降低的风速导致下游风力涡轮的功率输出上的成比例降低。而且,增大的湍流增大放置于下游风力涡轮上的疲劳负载。若干研究已经报告了因风电场内的相邻独立优化的风力涡轮之间的尾流效应导致的风电场年发电量(AEP)的多于10%的损失。
由此,一些目前可获得的方法试图通过风电场中的风力涡轮的协同控制来缓解尾流效应的影响,从而在风电场水平上优化功率生成。典型地,缓解尾流效应涉及对风电场中的不同风力涡轮处经受的尾流效应精确地建模。例如,可使用经验或半经验基于推力的、和/或高保真基于物理的模型来对风电场中的空气动力互相作用的风力涡轮之间的尾流效应进行建模。
通常,经验或半经验模型(工程尾流模型)基于现场实验数据和/或历史风信息而生成。由此,这些模型可用来设计风电场的布局,以便在风力涡轮的安装之前优化一个或更多个性能目标。备选地,这些模型可用来在安装之后优化风电场的性能。
例如,一种优化方法采用工程尾流模型来确定用于风力涡轮的控制设置。具体而言,工程尾流模型确定控制设置,以便以较低的效率操作上游涡轮,这又允许下游涡轮处的更多的能量回收。另一方法使用工程尾流模型,以用于相对到来的风向调整上游涡轮的偏航对准,来远离下游涡轮地操纵所得的尾流效应。
但是,常规工程模型不解决主要的风流入和其他环境条件,例如大气边界层稳定性和纵向湍流强度。由于风电场上方的环境条件倾向于频繁地改变,因而使用工程尾流模型估算的尾流模型对于实时执行期间的使用而言可能是不精确的。尾流条件的不精确建模又可导致用于风电场中的风力涡轮的错误控制设置的使用。因而,使用工程尾流模型的常规优化方法通常仅提供场水平性能输出方面的边际改善。
由此,例如,已开发基于计算流体力学建模的高保真尾流模型,来提供在建模尾流互相作用方面的更高精度。该高保真模型需要多种参数的测量和分析,这需要额外的仪表、复杂的计算、和相关的成本。因而,与高保真模型相关的成本和复杂性,可使得这些模型在风电场中的每个涡轮中,和/或用于风电场操作的实时优化的更广泛的使用是不可能的。
发明内容
根据本公开的一方面,提出了用于优化风电场的操作的方法。该方法包括接收新值,该新值与用于风电场中的风力涡轮的至少一些尾流参数对应。该方法还包括基于新值从风力涡轮识别互相作用的风力涡轮的新组。此外,该方法包括:基于新值和历史尾流模型为互相作用的风力涡轮的新组开发场水平预测尾流模型,该历史尾流模型是使用与风电场中的互相作用的风力涡轮的参考组对应的尾流参数的历史值而确定的。而且,该方法包括基于场水平预测尾流模型调整至少用于互相作用的风力涡轮的新组的一个或更多个控制设置。
根据本公开的又一方面,公开了用于操作风电场的另一方法。该方法包括:基于尾流参数的选定组合的历史值,为风电场中的互相作用的风力涡轮的不同组组装历史尾流模型,该尾流参数与互相作用的风力涡轮的组对应。而且,该方法还包括:基于历史尾流模型,对于尾流参数的选定组合中的各个,确定用于互相作用的风力涡轮的组中的各风力涡轮的最优控制设置。此外,该方法包括储存作为尾流参数的选定组合的函数的用于各风力涡轮的最优控制设置。该方法还包括在获得历史值之后,接收在随后的一段时间中获得的尾流参数的新值。而且,该方法包括,使用新值和储存的控制设置,为风力涡轮的新组中的各个中的风力涡轮确定控制设置。
根据本公开的又一方面,显示了用于优化风电场的操作的系统。该系统包括:多个风力涡轮;一个或更多个监控装置,其构造为测量用于多个风力涡轮中的一个或更多个的多个尾流参数的值;和场控制子系统,其操作地至少联接至监控装置。场控制子系统被编程为,接收与用于风电场中的多个风力涡轮的至少一些尾流参数对应的新值。场控制子系统还被编程为,基于该新值从多个风力涡轮识别出互相作用的风力涡轮的新组。而且,场控制子系统被编程为:基于新值和历史尾流模型为互相作用的风力涡轮的新组开发场水平预测尾流模型,该历史尾流模型是使用与风电场中的互相作用的风力涡轮的参考组对应的尾流参数的历史值确定的。此外,场控制子系统被编程为,基于场水平预测尾流模型调整至少用于互相作用的风力涡轮的新组的一个或更多个控制设置。
技术方案1:一种用于优化风电场的操作的方法,包括:
接收与用于所述风电场中的风力涡轮的至少一些尾流参数对应的新值;
基于所述新值,从所述风力涡轮识别互相作用的风力涡轮的新组;
基于所述新值和历史尾流模型,为所述互相作用的风力涡轮的新组开发场水平预测尾流模型,所述历史尾流模型是使用与所述风电场中的互相作用的风力涡轮的参考组对应的尾流参数的历史值而确定的;和
基于所述场水平预测尾流模型来调整至少用于所述互相作用的风力涡轮的新组的一个或更多个控制设置。
技术方案2:根据技术方案1所述的方法,其特征在于,还包括:
在接收所述新值之前,接收与所述风力涡轮对应的所述尾流参数的所述历史值;
基于所述历史值,从所述风力涡轮识别所述互相作用的风力涡轮的所述参考组;和
基于与所述互相作用的风力涡轮的参考组对应的所述历史值,确定用于所述互相作用的风力涡轮的参考组的一个或更多个历史尾流模型。
技术方案3:根据技术方案2所述的方法,其特征在于,确定所述历史尾流模型包括使用基于回归的模型来拟合与所述互相作用的风力涡轮的参考组中的各个对应的历史值。
技术方案4:根据技术方案2所述的方法,其特征在于,确定所述历史尾流模型包括使用基于回归的模型来计算作为上游风力涡轮处的风向、上游和下游风力涡轮的相对位置、以及与所述上游风力涡轮对应的所述一个或更多个控制设置的函数的下游风速与上游风速的比率。
技术方案5:根据技术方案1所述的方法,其特征在于,识别所述互相作用的风力涡轮的新组包括至少使用所述新值的子组和所述风电场的几何布局。
技术方案6:根据技术方案1所述的方法,其特征在于,所述接收、所述识别、所述开发和所述调整在一个或更多个指定时间间隔下执行。
技术方案7:根据技术方案1所述的方法,其特征在于,还包括:
持续地监控用于所述风力涡轮的所述尾流参数;和
当所述尾流参数中的一个或更多个的监控值中的改变在对应阈值之外时,重复所述接收、所述识别、所述开发、和所述调整。
技术方案8:根据技术方案1所述的方法,其特征在于,为所述尾流参数的不同组合确定不同的历史尾流模型。
技术方案9:根据技术方案1所述的方法,其特征在于,所述尾流参数包括风向、上游风力涡轮处的风速、下游风力涡轮处的风速、风湍流、风切变、风变向、环境温度、压力、湿度、或它们的组合。
技术方案10:根据技术方案1所述的方法,其特征在于,所述尾流参数包括下列中的至少一者:所述风力涡轮中的各个的末梢速度比、节距角、偏航未对准、和操作状态。
技术方案11:根据技术方案1所述的方法,其特征在于,所述尾流参数包括所述风电场的几何布局信息。
技术方案12:根据技术方案1所述的方法,其特征在于,调整所述控制设置包括顺序地确定用于所述互相作用的风力涡轮的新组中的各个中的后面跟着上游风力涡轮的下游风力涡轮的控制设置,来实现一个或更多个期望的性能目标。
技术方案13:根据技术方案1所述的方法,其特征在于,调整所述控制设置包括顺序地确定用于处于稀疏树结构的定位在所述风电场中的所述互相作用的风力涡轮的新组中的各个的控制设置,使得在所述稀疏树结构中的各位置水平处,所述稀疏树结构中的该位置水平和前面的位置水平处的风力涡轮的组合功率输出最大化。
技术方案14:根据技术方案13所述的方法,其特征在于,还包括:如果为所述风力涡轮的子组确定的控制设置导致如下性能参数,该性能参数落在为所述风力涡轮的所述子组处期望的风速指定的容许限制之外,那么重新调整用于所述风力涡轮的所述子组的所述控制设置,其中,重新调整所述控制设置包括以自上而下的方式顺序地确定用于风力涡轮的所述子组中的各个的所述控制设置。
技术方案15:根据技术方案1所述的方法,其特征在于,实现期望的性能目标包括:将所述互相作用的风力涡轮的新组中的风力涡轮上的疲劳负载降低为低于第一阈值,将所述风电场的年发电量增加到高于第二阈值,或它们的组合。
技术方案16:根据技术方案1所述的方法,其特征在于,风力涡轮的互相作用的组中的各个包括一对风力涡轮。
技术方案17:一种用于操作风电场的方法,包括:
基于尾流参数的选定组合的历史值,为所述风电场中的互相作用的风力涡轮的不同组组装历史尾流模型,所述尾流参数与所述互相作用的风力涡轮的组对应;
基于所述历史尾流模型,对于尾流参数的所述选定组合中的各个,确定用于所述互相作用的风力涡轮的组中的各风力涡轮的最优控制设置;
储存作为尾流参数的所述选定组合的函数的用于各风力涡轮的所述最优控制设置;
在获得历史值之后,接收在随后的一段时间之中获得的所述尾流参数的新值;和
使用所述新值和储存的控制设置,为所述风力涡轮的新组中的各个中的风力涡轮确定所述控制设置。
技术方案18:一种用于优化风电场的操作的系统,包括:
多个风力涡轮;
一个或更多个监控装置,其构造为测量用于所述多个风力涡轮中的一个或更多个的多个尾流参数的值;和
场控制子系统,其至少操作地联接至所述监控装置,并且编程为:
接收与用于在所述风电场中的风力涡轮的至少一些尾流参数对应的新值;
基于所述新值,从所述多个风力涡轮识别互相作用的风力涡轮的新组;
基于所述新值和历史尾流模型,为所述互相作用的风力涡轮的新组开发场水平预测尾流模型,所述历史尾流模型是使用与所述风电场中的互相作用的风力涡轮的参考组对应的所述尾流参数的历史值来确定的;和
基于所述场水平预测尾流模型来调整至少用于所述互相作用的风力涡轮的新组的一个或更多个控制设置。
技术方案19:根据技术方案18所述的系统,其特征在于,所述监控装置包括转子速度编码器、节距角编码器、电功率换能器、风速计、风向标、偏航位置编码器、或它们的组合。
技术方案20:根据技术方案18所述的系统,其特征在于,所述场控制子系统包括中央处理系统。
附图说明
当参照附图阅读下列详细描述时,本公开的这些和其他特征和方面将变得更好理解,其中遍及附图,相同的特征代表相同的部分,其中:
图1是根据本公开的实施例的示范风电场的示意图;
图2是示出根据本公开的实施例的用于优化风电场操作的示范方法的流程图;
图3是根据本公开的实施例的用于确定最优控制设置的示范顺序的示意图,该最优控制设置用于风电场中的成组空气动力地互相作用的风力涡轮;
图4是示出根据本公开的实施例的用于以延迟优化模式优化风电场操作的示范方法的流程图;
图5是示出根据本公开的实施例的用于实时地优化风电场操作的示范方法的流程图;以及
图6是绘出了根据本公开的实施例的,使用不同尾涡模型实现的能量增益的对比的图示。
具体实施方式
下列描述提出用于优化风电场操作的系统和方法的示范实施例。尤其是,在本文中示出的实施例公开了一种方法,其用于通过影响通常由风电场处的管理控制和数据获取(SCADA)服务器收集的数据而进行尾流效应的数据驱动建模。收集的数据可包括尾流参数,尾流参数包括环境条件、风电场的几何布局、和/或与风力涡轮对应的操作信息。尾流参数中的至少一些(例如,几何布局)可为已知的或曾经接收到的,而一些其他尾流参数(例如,环境条件)可被持续地监控,以有助于在风电场水平上估算尾流效应。
环境条件可例如包括:主要风向、在上游风力涡轮处检测到的风速(上游风速)、在下游风力涡轮处检测到的风速(下游风速)、风切变、风变向、温度、湿度、和/或压力。尾流参数可还包括操作信息和控制设置,例如,末梢速度比、节距角、偏航对准、发电机速度、功率输出、转矩输出、推力测量结果、和/或单独风力涡轮的操作状态,其提供关于不产生功率的风电场中的任何风力涡轮的信息。此外,尾流参数还可包括风电场的已知几何布局,包括与风电场的地形、相邻涡轮的数量、实际涡轮位置、和/或下游和上游风力涡轮的相对位置对应的信息。
而且,本公开的实施例提出了一种数据驱动方法,其使用尾流参数的监控值以用于生成可靠的场水平尾流模型。具体地,该数据驱动方法使用尾流参数来识别空气动力地互相作用的风力涡轮组,并且估算对应(组方向)的尾流互相作用。组方向的尾流互相作用又用来实时地生成场水平尾流模型。主要环境条件和单独涡轮的当前操作状态允许在下游风力涡轮处实时地检测经受的尾流互相作用,因而允许确定更精确的场水平预测尾流模型。
此外,通过尾流互相作用的组方向估算来确定场水平尾流模型降低了计算工作量,因而允许用于风电场的一个或更多个选定性能目标的实时优化。具体地,场水平尾流模型有助于为风电场中的不同风力涡轮确定最优控制设置,以便显著地优化整体性能目标,例如使年发电量(AEP)最大化或使风电场中的风力涡轮经受的疲劳负载最小化。
尽管在优化用于风电场的不同性能目标的背景下描述了本系统和方法的示范实施例,但应理解的是,也可想到本系统的实施例在各种其他应用中的使用。作为实例,可采用本公开的某些实施例,以用于优化在水下系统中的多个潮汐或水力发电涡轮的操作。在下列部分中参照图1讨论了适于实践本系统的各种实施方式的示范环境。
图1示出了根据本公开的方面的示范风电场100。在一个实施例中,风电场100包括布置成期望的几何布局的多个风力涡轮102。例如,风力涡轮102可使用一个或更多个布局优化算法随机地布置成单个组、或布置成组和排的阵列。通常,优化算法可设计为使期望风速和方向对性能目标(例如,AEP)的积极影响最大化,同时使负面影响最小化,负面影响例如为与单独风力涡轮102中的各个相关的疲劳负载的增大。
在一个实施例中,风力涡轮102中的各个包括一个或更多个能量转换模块,例如转子叶片104、递升齿轮箱(未显示)、和将风能转换成可用电能的发电机(未显示)。此外,风力涡轮102还包括:叶片变桨距机构(未显示),来调节涡轮功率输出和转子速度;偏航机构(未显示);和一个或更多个监控装置110,其与风力涡轮102的其他构件结合地使用,来使转子叶片104旋转并且使转子叶片104成一直线对准并且/或者相对于主要风向对准。而且,风力涡轮102还可包括:冷却单元(未显示),以防止风力涡轮102的构件过热;制动系统(未显示),以在期望时使转子叶片104停止旋转;和机舱(未显示),以用于相对于环境因素保护风力涡轮102的不同构件。
典型地,风力涡轮102的转子叶片104沿基本相似的方向对准,例如,在风力涡轮102的操作期间到来的风的方向。但是,这种叶片对准将某些下游风力涡轮102定位在风电场100中的某些上游风力涡轮102后方,从而导致不利地影响下游风力涡轮102的操作的尾流效应。例如,吹过上游风力涡轮102的转子叶片104的风导致对应叶片104的旋转。旋转的叶片104将到来的风的动能中的至少一些转换成机械能,因而降低了在下游风力涡轮102处经受的风速,并且还增大了湍流。
由于风力涡轮102的功率输出与到来的风速成比例,故由尾流效应引起的下游风力涡轮102处的风速降低减少了对应的功率输出。此外,由尾流效应引起的湍流可由于周期疲劳负载而损坏涡轮构件。例如,疲劳负载可引起涡轮构件表面上的小裂缝,其可在尺寸上增大且蔓延,从而潜在地导致下游风力涡轮102的故障。
而且,因为风力涡轮的独立优化可进一步加剧尾流效应,因而期望构造风力涡轮102的操作,使得场水平功率输出、AEP、和/或风电场100中的疲劳负载保持在对应的指定极限内。尤其,期望基于实时地改变尾流参数的值(例如,风速和方向)来持续地调整互相作用的风力涡轮102中的各个的控制设置,使得一致地实现场水平性能目标。
因此,风力涡轮102中的各个包括一个或更多个涡轮控制器106,其调节对应风力涡轮102的操作,缓解在互相作用的风力涡轮102组之间的尾流效应。在一个实施例中,涡轮控制器106基于环境条件、用户输入、和/或从相关场控制子系统108接收的命令来调节风力涡轮102的操作。因此,涡轮控制器106可包括:专用处理器、可编程逻辑控制器(PLC)、数字信号处理器(DSP)、微计算机、专用集成电路(ASIC)和/或现场可编程门阵列(FPGA)。
而且,涡轮控制器106可通过有线和/或无线通信网络112通信地联接至场控制子系统108和/或多个监控设备110。通信网络112例如可包括互联网、局域网(LAN)、无线局域网(WLAN)、广域网(WAN),例如,全球微波互联接入(WiMAX)网络、卫星网络、蜂窝网络、传感器网络、自组织网络和/或短距离网络。
而且,监控装置110例如包括编码器或传感器,其提供尾流参数(例如,风速、风向、环境温度、压力、密度、湍流、风切变、和/或风力涡轮102的功率输出)的直接或间接测量。在某些实施例中,监控装置110可定位在风电场100内和/或外,来测量尾流参数,例如包括不同风力涡轮102处经受和/或预期的风的SCADA信息。在一个实施例中,例如,监控装置110可布置在风力涡轮102上或附近,来测量与环境条件对应的SCADA信息。SCADA信息可由控制器106和/或场控制子系统108使用,来持续地估算互相作用的风力涡轮102的组之间的空气动力互相作用。估算的空气动力互相作用或尾流效应又可用来实时地确定用于互相作用的风力涡轮102的组的最优控制设置。
在一个实施例中,监控装置110可构造为在储存库中储存SCADA信息以用于后面的处理。为此,储存库114可借助通信网络12通信地联接至涡轮控制器106、场控制子系统108、和/或监控装置110。而且,储存库114例如包括一个或更多个硬盘驱动器、软盘驱动器、紧致盘读/写(CD-R/W)驱动器、数字化通用盘(DVD)驱动器、闪存驱动器、光驱、和/或用于储存SCADA信息的固态储存装置。
在备选实施例中,监控装置110可构造为在一个或更多个指定的时间间隔下将SCADA信息通信至涡轮控制器106和/或场控制子系统108。在某些其他实施例中,监控装置110可构造为,在接受用户请求后、和/或在确定连续测量中的显著改变(例如,大于5%的改变)后,在随机间隔下将SCADA信息通信至涡轮控制器106和/或场控制子系统108。
在某些实施例中,场控制子系统108可构造为使用从涡轮控制器106接收的SCADA信息,来监管和/或控制涡轮控制器106和/或风力涡轮102的操作。为此,场控制子系统108可包括例如一个或更多个专用处理器、DSP、微计算机、微控制器、PLC、ASIC、和/或FPGA。尽管图1将场控制子系统108示为单个中央服务器,但在备选实施例中,场控制子系统108可对应于分布式系统。
而且,在一个实施例中,场控制子系统108使用SCADA信息以及风电场100的几何布局,来基于主要的环境条件对涡轮间尾流互相作用进行建模。例如,场控制子系统108可采用数据驱动尾流建模方法,其使预测回归模型拟合于在风电场100中常规收集的SCADA信息。典型地,回归模型限定统计学关系,其可用来指示当一个或更多个自变量改变且其他自变量保持固定时因变量的改变。但是,尾流参数之间的预先确定的统计学关系对于尾流参数的新值和随后获得的值可不保持成立。
由此,在一个实施例中,预先确定的统计学关系可经历机器学习和利用额外尾流参数值的随后验证。具体地,在某些实施例中,训练和验证持续,直至使用统计学关系的互相作用的风力涡轮102的组之间的实时尾流互相作用的精确定性达到稳定状态。一旦达到稳定状态,那么场控制子系统108根据新获得的SCADA信息识别空气动力地互相作用的风力涡轮的组,并且使用统计学关系来确定用于风电场100中的各组上游和下游风力涡轮102的组方向尾流模型。
在某些实施例中,组方向尾流模型可构造为基于一个或更多个预测变量、期望的性能目标、和/或已知的约束用来公式表示用于涡轮控制设置的优化问题。例如,在一个实施例中,回归模型可有助于基于风力涡轮102的操作状况来确定用于风力涡轮102的最优控制设置。典型地,在低风速下,风力涡轮102以可变速度模式操作,而在高风速下,在额定速度和动力模式下操作。场控制子系统108可基于当前风信息、涡轮转子速度、节距角、和/或作为SCADA信息的部分而收集的功率来确定操作状况。
基于操作状况,在一个实施例中,场控制子系统108可构造为,确定与考虑到一个或更多个已知操作约束的性能目标对应的一个或更多个预测变量的最优值。如在本文中所使用的,术语“预测变量”可用来指可被操纵以便达到性能目标的最优值,且同时满足操作约束的值。在一个实施例中,预测变量包括用于风力涡轮102的控制设置,例如末梢速度比和叶片节距角。通常,可使用不同组的预测变量以用于在不同的操作状况和条件下影响风力涡轮102行为。
例如,当在可变速度模式下操作时,回归模型可将细节距角和/或末梢速度比设定点用作预测变量。如在本文中所使用的,术语“细节距角”设定点对应于在可变速度模式期间转子叶片104被锁定的节距角,并且术语“末梢速度比设定点”对应于用来在涡轮操作期间获得要求的末梢速度比的控制设定点。通常,末梢速度比可限定为叶片末梢的线性速度与等效功率(power-equivalent)风速的比率。
但是,当在额定功率模式下操作风力涡轮102时,场控制子系统108可将涡轮功率设定点和转子速度设定点用作预测变量。在一个实施例中,用于回归模型的预测变量有助于确定风力涡轮的性能,例如,其功率输出、疲劳负载、和考虑到主要风条件的下游尾流效应。
通常,在下游涡轮102处经受的尾流效应不仅由对应的上游涡轮102的操作引起,还由在风电场100中的其他风力涡轮102的操作和周围地形引起。典型地,由于风电场100的尺寸和布局,故尾流效应从上游风力涡轮102至定位在到来的风的路径中的两个或更多个下游风力涡轮102降低。因此,场控制子系统108可基于确定的组方向尾流模型来开发场水平预测尾流模型,以提供风电场100中的整体尾流效应的更全面估算。如之前提到的,主要环境条件和单独涡轮的操作状态的利用允许在下游风力涡轮处实时地获得经受的尾流互相作用,因而允许确定更可靠的预测场水平尾流模型。此外,通过尾流互相作用的组方向估算来确定场水平尾流模型降低了计算工作量,因而允许实时地优化用于风电场的一个或更多个选定性能目标。将参照图2-5更详细地描述用于确定组方向尾流模型和场水平预测尾流模型的方法的某些示范实施例。
在一个实施例中,可使用场水平尾流模型来对于用于主要环境条件和控制设置(例如,节距角和/或末梢速度比设定点)的不同组合预测互相作用的风力涡轮102的组之间的预期尾流互相作用。因此,在一个实施例中,可使用场水平尾流模型来确定和调整用于空气动力地互相作用的风力涡轮102中的各个的一个或更多个控制设置。控制设置例如包括末梢速度比设定点、偏航未对准、细节距设定点、和/或转子速度设定点。具体地,场控制子系统108调整用于风电场100中的一个或更多个风力涡轮102的控制设置,以便实现一个或更多个期望性能目标。例如,在一个实施例中,场控制子系统108可调整转子叶片的节距角、修改发电机转矩、修改发电机速度、更改机舱的偏航、制动一个或更多个风力涡轮构件、添加或活化空气流、并且/或者修改在转子叶片的表面上的元件,来实现期望的性能目标。
尤其是,在一个实施例中,场控制子系统108使用场水平预测尾流模型来调整风力涡轮102的控制设置,以考虑到改变的环境条件使场水平功率输出和/或AEP最大化。在另一实例中,场控制子系统108使用场水平预测尾流模型来选择地调整风力涡轮102的控制设置,以使涡轮疲劳负载最小化。备选地,场控制子系统108使用场水平预测尾流模型来选择性地调整风力涡轮102的一个或更多个控制设置,以用于期望的性能目标的受约束的优化(例如优化AEP),并且将单独风力涡轮102上的疲劳负载维持为低于指定阈值。将参照图2-5更详细地描述用于基于预测场水平尾流模型来调整风力涡轮102的控制设置,以用于优化一个或更多个性能目标的方法的某些示范实施例。
图2示出了绘出用于优化风电场操作的示范方法的流程图200。在本说明书中,示范方法的实施例可在计算系统或处理器上的非瞬时性计算机可实行指令的大体背景下描述。通常,计算机可实行指令可包括执行特定功能或实现特定抽象数据类型的例程、程序、对象、构件、数据结构、步骤、模块、功能等。
此外,示范方法的实施例还可在分布式计算环境中实践,在该环境中,优化功能由远程处理装置执行,该远程处理装置通过有线和/或无线通信网络而链接。在分布式计算环境中,计算机可执行指令可定位在本地或远程计算机储存介质中,包括存储器储存装置。
而且,在图2中,示范方法示为逻辑流程图中的一组框,该逻辑流程图代表可在硬件、软件或它们的组合中执行的操作。各种操作在框中绘出,以示出下列功能,这些功能例如在示范方法中的接收一个或更多个历史尾流模型、开发场水平预测模型、和/或调整一个或更多个控制设置的步骤期间执行。在软件的背景下,框代表当由一个或更多个处理子系统执行时进行所述操作的计算机指令。
描述示范方法的顺序不意图被认为是限制,并且可以以任何顺序组合任意数量的所描述的框以执行在本文中公开的示范方法,或等同的备选方法。此外,某些框可从示范方法中删除,或由具有附加功能的额外的框扩充,而不脱离在本文中描述的主题的精神和范围。出于讨论目的,参照图1的元件描述示范方法。
如之前提到的,上游涡轮的操作降低了风速并且增大了风电场(例如图1的风电场100)中的下游风力涡轮处的湍流强度。上游和下游风力涡轮之间的这种空气动力互相作用对应于尾流效应,其典型地降低了下游风力涡轮构件的功率输出和使用寿命。常规技术采用基于物理或经验数据的高保真模型或简化的工程尾流模型,以对风电场中的不同风力涡轮之间的尾流互相作用建模。然后使用估算的尾流互相作用来适应地控制设置,例如上游风力涡轮的转子速度和/或叶片对准。但是,与高保真模型相关的成本和计算花费排除了高保真模型的大规模使用。而且,因为常规工程模型忽略了与主要未建模环境条件和/或涡轮性能对应的实时信息,因而工程尾流模型能够仅提供风电场的性能目标方面的边际改善。
相反地,本公开的实施例提出了一种示范方法,其用于基于递归数据驱动回归模型来对场水平尾流效应精确地建模,以提供与风力涡轮的常规操作相比优良的性能。该方法在步骤202处开始,在此,接收用于风电场中的风力涡轮的至少一些尾流参数的历史值。在一个实施例中,历史值对应于由SCADA服务器(例如,图1的场控制子系统108)持续指定时期(例如,数天、数小时、或数分钟)收集的尾流参数的监控值。如之前提到的,尾流参数包括环境条件、用于单独的风力涡轮的控制设置、风电场的几何布局、和/或可影响单独风力涡轮和/或整个风电场的操作效率的任何参数。在某些实施例中,持续地接收仅某些尾流参数,例如,上游风速、下游风速、风向、控制设置、和/或涡轮的操作或非操作状态。其他尾流参数(例如,风电场的几何布局)可仅接收一次,或可从相关储存装置(例如,图1的储存库114)取回。
而且,在步骤204处,基于历史值从风力涡轮识别出参考组的互相作用的风力涡轮。尤其,在一个实施例中,场控制子系统(例如,图1的场控制子系统108)可构造为基于主要风向和风电场的几何布局来识别参考组的互相作用的风力涡轮。此外,场控制子系统使用风电场的几何布局来确定相对于检测到的风向的的相邻涡轮和/或风力涡轮的相对位置。相对位置又可允许识别相互作用的风力涡轮的组,使得各组包括至少一个上游风力涡轮和经受尾流效应的至少一个下游风力涡轮。
备选地,在某些实施例中,场控制子系统可采用工程尾流模型(例如Jensen或Ainslie模型)来识别空气动力地互相作用的风力涡轮的组。通常,Jensen或Ainslie模型可例如基于相邻涡轮的相对位置、各风力涡轮102的推力系数、和/或主要风条件来识别参考组的互相作用的风力涡轮。具体地,Jensen模型可例如基于风速、风向、和与上游风力涡轮对应的推力系数、和下游风力涡轮的位置,来预测下游风力涡轮处的速率亏损。该速率亏损代表两个风力涡轮之间的尾流互相作用,并且因而有助于识别参考组的互相作用的风力涡轮。
而且,在步骤206处,用于参考组的互相作用的风力涡轮的一个或更多个历史尾流模型基于与参考组对应的历史值来确定。如在本文中所使用的,术语“组”或“多组”用来意指两个或更多个量的集合。尤其,在一个实施例中,风力涡轮的组中的各个对应于一对风力涡轮。但是,在其他实施例中,组中的各个可包括三个或更多个风力涡轮。可注意到,对于特定风向,尾流效应在互相作用的下游和对应的上游涡轮的组之间以组方向方式发生。然后合计尾流效应的组方向估算值,来提供场水平尾流效应的估算值。该组方向估算值使用为各参考组生成的一个或更多个历史尾流模型来确定。
由此,在一个实施例中,与各参考组对应的历史值与接收的历史值分开,来确定历史尾流模型。在一个实施例中,参考组可使用工程尾流模型来识别。此外,对于参考组中的各个,分开的历史值提供例如尾流参数(例如,上游和下游风力涡轮处的风向、风速、节距角、偏航未对准、和/或上游风力涡轮的末梢速度比)的不同组合的预定值。
尽管可在风电场中同时监控若干尾流参数,但在本公开中,可选择不同的尾流参数子组以用于不同的操作条件,例如在白天和夜晚期间、在平静或暴风雨条件期间,和/或用于优化不同的性能目标。在旨在使场水平功率输出最大化的一个示范实施方式中,尾流参数的子组包括与下列对应的值:节距角、末梢速度比、和对应于上游风力涡轮的风速、以及对于各参考组分开的对应下游涡轮处的风速。在一个实施例中,风速可从涡轮功率、转子速度和节距角测量结果直接测量或估算。在某些实施例中,例如当末梢速度比高于或低于指定阈值时,处理分开的值来过滤掉噪声数据,以提供尾流参数的历史值的更精确的建模。
而且,在目前构想的实施例中,场控制系统横跨与各参考组对应的分开的值拟合回归模型,来确定用于尾流参数的不同组合的组方向历史尾流模型。在某些实施例中,回归模型利用机器学习来确定一个或更多个选定尾流参数和以及各参考组中的上游和下游风力涡轮处的主要风速和方向的值之间的统计学关系。
尤其,在一个实例中,场控制子系统使用等式(1)横跨与各参考组对应的隔离值来拟合回归模型
其中,vdown对应于下游风力涡轮处的风速,vup对应于上游风力涡轮处的风速,β对应于风的相对速度,s对应于互相作用的风力涡轮中的各组中的上游和下游风力涡轮之间的相对距离,TSRup对应于上游风力涡轮的末梢速度比,θup对应于上游风力涡轮的节距角,且φup对应于上游风力涡轮的偏航未对准。
在一个实施例中,等式(1)将允许预测组方向尾流互相作用的传递函数限定为下游风力涡轮处的风速与上游风力涡轮处的风速的比率。具体地,回归模型作为以下的函数来估算该比率:上游风向β、上游和下游风力涡轮之间的相对距离、上游涡轮的末梢速度比率TSRup、上游风力涡轮的节距角θup、和上游风力涡轮的偏航未对准φup。
在某些实施例中,回归模型可经历机器学习来微调传递函数,以提供下游和上游风力涡轮处的风速的比率的精确预测。场控制子系统然后可使用功率模型(作为风速和控制设置的函数的涡轮功率),来从通过历史尾流模型预测的风速来预报场水平功率输出。在一个实施例中,与接收历史值、识别参考组、和/或确定历史尾流模型对应的步骤可以以脱机方式进行,而在图2中示出的其余步骤可实时地执行。但是,在备选实施例中,在图2中示出的方法的所有步骤可实时地执行。
在一个实施例中,尾流参数的历史值、历史尾流模型、和/或预测的风速比率可储存在相关储存库中的查找表中。而且,在步骤208处,例如在场控制子系统处接收历史尾流模型,以用于用在随后的优化中。尤其,在一个实施例中,场控制子系统从风力涡轮、涡轮控制器、和/或储存库接收历史尾流模型。
此外,在步骤210处,接收与用于风电场中的风力涡轮的尾流参数中的至少一些对应的新值。如之前提到的,风电场中的环境条件,例如风速和方向倾向于在一天内持续地变化。在风电场中经受的尾流效应因而也可在该一天中变化,因而应持续调整控制设置。控制设置的持续调整又需要尾流参数的新值的进一步估算。
因此,在某些实施例中,例如与风速和方向对应的新值可在场控制子系统处以指定的时间间隔(例如,每十分钟)接收。备选地,新值可以在接收使用者请求之后、在确定尾流参数的值的连续测量中的显著改变(例如,多于5%的改变)之后、和/或如果至少一个尾流参数的值在确定的极限之外时,以任意间隔接收。在一个实施例中,例如,如果观测到风速方面的大于0.5米/秒或风向方面的大于5度的改变,那么接收新值。
而且,在步骤212处,基于新值从风力涡轮识别出互相作用的风力涡轮的新组。在一个实施例中,可使用之前参照步骤204所描述的方法对于特定风向识别互相作用的风力涡轮的新组。
而且,在步骤214处,可基于一个或更多个历史组方向尾流模型和新值来为互相作用的风力涡轮的新组开发场水平预测尾流模型。在一个实施例中,将与互相作用的风力涡轮的各新组对应的新值分开。而且,场控制子系统基于与各新组和历史尾流模型对应的分开的值来开发预测回归模型。在一个实施例中,场控制子系统与历史尾流模型对应地适配传递函数,来基于新值开发场水平预测模型。备选地,场控制子系统结合历史尾流模型,来基于新值开发场水平预测模型。可使用由此开发的场水平预测模型,来提供尾流互相作用的可靠估算,例如主要的下游与上游风速的预测比率,以用于确定风电场操作中的适当优化。
在步骤216处,基于场水平预测尾流模型来调整至少用于互相作用的风力涡轮的新组的一个或更多个控制设置。尤其是,场水平预测尾流模型可提供如下预报:用于各新组中的上游风力涡轮的某些控制设置中的改变可如何影响至少对应的下游风力涡轮的操作效率。因此,可使用场水平预测尾流模型来确定用于各风力涡轮的控制设置,使得可实现和/或维持期望的场水平性能目标。
但是,同时确定用于风电场中的每个风力涡轮的控制设置是复杂的并且计算密集的工序,其可由于需要求值的大量参数而难以实时地执行。因此,在目前构想的实施例中,场控制子系统顺序地且逐步地确定至少用于互相作用的风力涡轮的新组中的各风力涡轮的一个或更多个控制设置,来优化场水平性能目标。
例如,图3示出了示意图300,示意图300绘出确定最优控制设置的示范顺序302,该最优控制设置用于风电场中的空气动力互相作用的风力涡轮T1-T11。具体地,图3示出了多个风力涡轮T1-T11,它们可基于主要风向304和风电场的几何布局而分类成互相作用的风力涡轮的多组308-324。如之前参照图2的步骤204和212所描述的,可识别组308-324,使得各组包括至少一个上游风力涡轮,其尾随有至少一个下游风力涡轮。
在某些实施例中,互相作用的风力涡轮308-324的组例如可对应于在图2的步骤212处识别的新组,并且可以以稀疏树状结构表示。而且,在一个示范实施方式中,场控制子系统构造为以自下而上的方法顺序地确定最优控制设置,使得确定用于下游风力涡轮的最优控制设置,接着进行用于在新组中的各个中的上游风力涡轮的最优控制设置。
例如,当估算组308时,场控制子系统确定用于最下游风力涡轮T11的适当的控制设置,使得使T11的独立功率输出[J(1)=P(1)]最大化。在一个实施例中,在T11处观测的风速可假定为当确定用于给定控制设置的功率输出时等于自由流风(或固定的任意值)速。由于下游风力涡轮T11考虑具体风向304而定位在风电场的底部,故下游风力涡轮T11经受显著的尾流效应。由此,在风力涡轮T11处开始优化顺序302允许在风力涡轮T11的功率输出P(1)中的显著增强,而不必解决上游涡轮T10的操作。
随后,考虑场水平预测尾流模型,场控制子系统确定用于上游风力涡轮T10的适当的控制设置,以便使由涡轮T10和T11产生的组合功率输出[J(2)=P(2)+J(1)]最大化。在一个实施例中,控制设置可基于如下假定确定:在T10处观测的风速等于自由流风速,而T11处的风速是考虑场水平预测尾流模型而确定的。而且,为了使J(2)最大化,场控制子系统根据场水平尾流模型和之前已为下游风力涡轮T11的确定的控制设置,确定与上游风力涡轮T10对应的控制设置对由下游涡轮T11产生的功率输出[J(1)]的影响。
此外,对于包括风力涡轮T10和T4的组310,可确定用于上游风力涡轮T4的控制设置,以便使用于上游涡轮T4、和对应的下游涡轮T10和T11的组合功率输出[J(3)=P(3)+J(2)]最大化。尤其,通过假定在T4处观测的风速等于自由流风速(或固定的任意值),并且将场水平尾流模型和之前为涡轮T10和T11确定的控制设置用作约束,可确定用于上游涡轮T4的控制设置,来使功率输出[J(3)]最大化。相似地,可确定用于沿着稀疏树结构的其他分支定位的风力涡轮组的控制设置,使得在各位置水平处,在该水平和前面的水平处的风力涡轮的组合功率输出最大化,从而又使场水平功率输出最大化。
有时,为风电场中的某些风力涡轮确定的控制设置可导致风力涡轮的一个或更多个性能参数落出为在风力涡轮处观测的风速指定的容许限制。例如,为特定风力涡轮确定的末梢速度比率和节距角组合可导致比用于在风力涡轮处观测的风速的额定限制大的功率输出。在这种方案中,可能需要调整控制设置,例如减少末梢速度比率和/或增大节距角,直至功率输出等于额定限制。因此,一旦如参照图3所描述地确定用于所有风力涡轮的适当的控制设置,那么可重新调整风力涡轮的子组处的控制设置,以用于这些风力涡轮处的预期风速。
在一个实施例中,用于风力涡轮的子组的控制设置的此种重新调整可以以自上而下的方式进行。例如,可首先调整稀疏树结构中的最上游风力涡轮处的控制设置,然后调整随后的下游水平风力涡轮的控制设置。自上而下的调整允许更有效的计算,因为可基于稀疏树结构中的最上游涡轮处测量的风速,和与所有对应上游涡轮对应的控制设置来计算各选定风力涡轮处的预期风速。计算的风速又可用于重新调整控制设置,使得选定风力涡轮的性能保持在容许限制内。
用于风力涡轮的控制设置的此种顺序确定和/或重新调整允许优化问题的组方向分解,因而降低了与整体场水平性能目标的优化相关的复杂性和计算工作量。在某些实施例中,可持续地执行参照图2-3描述的场水平优化,来确保期望的性能目标保持在指定的限制内。
而且,在一个实施例中,可以延迟的优化模式来执行本方法,在该模式中可不持续地计算之前为尾流参数的选定组合的历史值确定的所储存的最优控制设置,而是可用来实时地调整风力涡轮的操作。在某些实施例中,可以以指定的时间间隔,或当尾流参数值落出对应的指定阈值时,考虑变化的环境条件,定期地更新所储存的控制设置。
然而,在备选实施例中,对模型的更新可实时地实现,以允许主要尾流条件的更精确估算,从而又为用于各风力涡轮的控制设置提供更精确的调整。将参照图4-5更详细地描述风电场操作的延迟和实时优化的某些示范实施例。
具体而言,图4示出了流程图400,流程图400绘出用于在延迟优化模式下优化风电场操作的示范方法。该方法在步骤402处开始,在此,接收大气信息且可选地接收与风电场对应的操作信息,以与几何信息组合地使用。此外,在步骤404处,接收场水平预测尾流模型和/或与风力涡轮的参考组对应的历史尾流模型。
而且,在步骤406处,可从风力涡轮识别互相作用的风力涡轮的不同组,以用于尾流参数的一个或更多个选定组合。在一个实施例中,尾流参数的选定组合包括上游风速、下游风速的选定值、和选定风向。风速和方向例如可从所储存的历史气候信息选择,该历史气候信息包括用于风电场的平均风速的风向分组频率分布。
在步骤408处,对于尾流参数的选定组合中的各组合,基于尾流模型和/或场水平预测尾流模型来为互相作用的风力涡轮的不同组确定最优控制设置。而且,在步骤410处,用于不同组的最优控制设置作为尾流参数的对应选定组合的函数而储存在储存库中。备选地,在一个实施例中,对于尾流参数的不同组合,代替步骤402-408执行或模拟参照图2描述的方法,以确定用于风电场中的风力涡轮的适当控制设置。随着时间过去而确定的所得的控制设置可记录在存储器中,以生成适当的查找表,该查找表使控制设置与尾流参数的选定组合关联。具体而言,一旦步骤402-410已完成,那么可使用查找表以用于与尾流参数的新获得的值响应地调整控制设置。
在步骤412处,接收与尾流参数中的至少一些对应的新值。在一个实施例中,新值涉及风速、风向、和/或用于风力涡轮中的各个的操作信息。在一个实例中,风向对应于跨过所有风力涡轮的中值风向,并且可由偏航位置和/或使用风向标来确定。而且,在该实例中,用于确定的风向的风速对应于与上游风力涡轮上方的中值风速。在某些实施例中,风速可基于功率、转子速度、和/或风力涡轮的间距来估算。备选地,风速可使用风速计来估算。
而且,在步骤414处,用于风力涡轮的不同组的一个或更多个控制设置可根据所储存的最优控制设置和尾流参数的新值来内插。在一个实施例中,新值,例如在步骤412处接收的风速和方向,可与尾流参数的选定组合的储存值匹配。在某些实施例中,可查询储存的相互关系(例如,查找表),来来识别作为在步骤412处接收的风速和方向的值的函数的所储存的最优设置。在查找表不包括在步骤412处接收的风速和方向的准确值的情况下,场控制子系统可构造为从与最接近的风速和方向值对应的所存储的最优控制设置来内插用于各风力涡轮的最优设置。
在步骤416处,使用控制设置的内插值操作互相作用的风力涡轮的不同组。在某些实施例中,控制设置的内插值可储存在储存库中以用于后续优化。此外,在某些其他实施例中,原始地储存在储存库中的最优控制设置可基于内插值而时常地更新,以考虑涡轮和/或场水平性能值方面的变化。
鉴于一直改变的环境条件和受限制的仪表,这种查找表的脱机优化可在风电场的操作期间使用,来实现对控制设置的更新。但是,预定的最优查找表方法可提供在具有场地形方面的显著改变、频繁改变的风速和方向、和/或一个或更多个风力涡轮的停工的频发发生的风电场的性能的仅有限的改善。
图5示出了流程图500,流程图500绘出用于优化风电场操作的示范方法,其中,实时地调整基础的尾流模型。如在本文中所使用的,术语实时可用来指从风电场的操作信息的收集到用于确定风力涡轮的最优控制设置的尾流模型的调整的大约一小时的时间延迟。该方法在步骤502处开始,在此,接收大气信息和与风电场对应的可选操作信息,以用于与地理信息结合地使用。在一个实施例中,大气信息包括在不同的风力涡轮处检测的风速和方向,而操作信息对应于风电场中的风力涡轮的操作和/或非操作状态。
而且,在步骤504处,可接收与风力涡轮的参考组对应的一个或更多个历史尾流模型。在一个实施例中,可使用参照图2的步骤206描述的方法确定历史尾流模型。
此外,在步骤506处,接收与尾流参数中的至少一些对应的新值。典型地,风电场中的环境条件,例如风速和方向倾向于在一天内持续地变化。在风电场中经受的尾流效应因而也可在该一天之中变化,因而需要持续地更新尾流模型。由此,在某些实施例中,可以以指定的时间间隔在场控制子系统处接收风速、风向和风力涡轮的操作和/或非操作状态的新值。
通常,风电场中的风条件和涡轮稳定状态性能已知以大约十分钟的间隔改变。因而,在一个实施例中,场控制子系统可在每十分钟后请求传输新值。备选地,可以以随机间隔,在接受用户请求、在连续的测量中确定显著的改变之后,和/或如果至少一个尾流参数的值在指定阈值之外时接收新值。
而且,在步骤508处,基于新值和操作信息从多个风力涡轮识别出互相作用的风力涡轮的新组。在一个实施例中,可使用参照图2的步骤204和212描述的方法识别新组。而且,也考虑实时的风力涡轮中的各个的操作状态以用于识别新组。因而,如果风力涡轮在特定优化时期期间为非操作的,那么风力涡轮将不有助于尾流效应,并因而在识别新组时将不被考虑。但是,在另一优化时期期间,当该风力涡轮在活动操作中时,该风力涡轮将被考虑。
此外,在步骤510处,基于一个或更多个历史尾流模型、新值、和操作信息来为互相作用的风力涡轮的新组开发场水平预测尾流模型。在一个实施例中,使用参照图2的步骤214描述的方法来开发场水平预测尾流模型。在某些实施例中,开发场水平预测尾流模型需要基于新值和操作信息来更新之前确定的场水平尾流模型。因而被开发和/或更新的场水平尾流模型可然后用来预测期望的性能参数(例如,功率输出和/或在风电场中的不同风力涡轮处经受的疲劳负载)的值。
但是,环境条件方面的频繁改变(例如,风速和方向方面的突然改变)有时可致使在步骤510处开发的场水平尾流模型较不相关。由此,在步骤512处,可确定在步骤510处开发的场水平尾流模型的预测能力是否令人满意。为此,用于风电场中的风力涡轮的期望性能参数可使用传感器(例如,图1的监控装置110)测量。而且,测得值可与通过场水平尾流模型预测的期望性能参数的值相比较。
在一个实施例中,如果期望性能参数的预测值与对应测得值相差多于指定量(例如,大于或小于5%),那么场水平尾流模型的预测能力可确定为不令人满意的。由此,控制可转至图5的方法的步骤506和后续步骤,重复该步骤,直至场水平功率输出和/或疲劳负载的预测值与对应测得值基本匹配,从而表示场水平尾流模型的精度。鉴于尾流导致的环境条件中的频繁改变,在某些实施例中,图5的方法还可在一个或更多个指定的时间间隔后重复,来允许风电场操作的持续优化。
当期望性能参数的预测和测得值之间的差异确定为小于指定量时,在步骤514处,基于在步骤510处开发的场水平预测尾流模型来调整至少用于互相作用的风力涡轮的新组的一个或更多个控制设置。具体而言,可使用场水平预测尾流模型来确定用于各风力涡轮的控制设置,使得可实现期望的场水平性能目标。在一个实施例中,例如,用于互相作用的风力涡轮中的一个或更多个的控制设置可随后且以对方向方式调整,使得场水平功率输出最大化。
本公开的实施例因而提出了数据驱动的尾流模型方法,其使用尾流参数的实时值,以用于生成可靠的场水平预测尾流模型。在更特别的实施例中,数据驱动方法使用监控的尾流参数来识别风力涡轮的空气动力地互相作用的组,并且估算对应的(组方向)尾流互相作用。组方向的尾流互相作用又用来实时地生成精确的场水平预测尾流模型。
在一个示范实施方式中,本数据驱动的尾流建模方法的使用导致与常规工程尾流模型相比大60%的数据相关性。例如,图6示出了图示600,图示600绘出使用风电场的基线操作、典型场地模型(工程尾流模型)、和参照图2-5描述的本方法的实施例而获得的能量增益的对比。数据驱动的尾流建模方法考虑基于物理的工程尾流模型不能精确地获得的由尾流引起的环境条件(例如风速、方向、强度、和/或湍流)方面的持续改变。
因此,如从图6的绘图显而易见的,本方法提供比使用工程尾流模型604和/或基线操作606获得的增益高的能量增益602。具体而言,主要环境条件和单独涡轮的操作状态的使用允许实时地获取在下游风力涡轮处经受的尾流互相作用,从而允许确定更精确的场水平预测尾流模型。此外,通过尾流互相作用的组方向估算来确定场水平预测尾流模型降低了计算工作量,因而允许更快地优化用于风电场的一个或更多个选定性能目标。具体而言,场水平预测尾流模型有助于确定用于风电场中的不同风力涡轮的最优控制设置,以便改善整体性能目标。
可注意到,前述实例、实证、以及可由本系统的某些构件(例如,由图1的涡轮控制器106和/或场控制子系统108)执行的工序步骤可在基于处理器的系统上通过适当的代码来实现。为此,基于处理器的系统例如可包括通用或专用计算机。还可注意到,本公开的不同的实现方式可以以不同的顺序或基本同时地进行在本文中描述的步骤中的一些或全部。
此外,该功能可以多种编程语言执行,包括但不限于Ruby、超文本预处理器(PHP)、Perl、Delphi、Python、C、C++、或Java。这种代码可储存或改写以,以用于储存在一个或更多个有形、机器可读介质上,例如储存在数据储存库芯片、本地或远程硬盘、光盘(即,CD或DVD)、固态驱动器、或其他介质,它们可由基于处理器的系统访问,以执行所储存的代码。
尽管本公开的实施例的具体特征可在一些附图中和/或关于它们而不在其他附图中描述,但是这仅是为了便利。应当理解的是,所描述的特征、结构、和/或特性可以以任何适当的方式可互换地结合和/或使用在各种实施例中,例如来构造用于在风电场优化中使用的额外的组件和方法。
虽然在本文中已示出和描述了本公开的仅某些特征,但是本领域技术人员将想到许多修改和变化。因此,应理解的是,所附权利要求意图覆盖落入在本发明的真正精神内的所有这种修改和变化。
Claims (10)
1.一种用于优化风电场的操作的方法,包括:
接收与用于所述风电场中的风力涡轮的至少一些尾流参数对应的新值;
基于所述新值,从所述风力涡轮识别互相作用的风力涡轮的新组;
基于所述新值和历史尾流模型,为所述互相作用的风力涡轮的新组开发场水平预测尾流模型,所述历史尾流模型是使用与所述风电场中的互相作用的风力涡轮的参考组对应的尾流参数的历史值而确定的;和
基于所述场水平预测尾流模型来调整至少用于所述互相作用的风力涡轮的新组的一个或更多个控制设置。
2.根据权利要求1所述的方法,其特征在于,还包括:
在接收所述新值之前,接收与所述风力涡轮对应的所述尾流参数的所述历史值;
基于所述历史值,从所述风力涡轮识别所述互相作用的风力涡轮的所述参考组;和
基于与所述互相作用的风力涡轮的参考组对应的所述历史值,确定用于所述互相作用的风力涡轮的参考组的一个或更多个历史尾流模型。
3.根据权利要求2所述的方法,其特征在于,确定所述历史尾流模型包括使用基于回归的模型来拟合与所述互相作用的风力涡轮的参考组中的各个对应的历史值。
4.根据权利要求2所述的方法,其特征在于,确定所述历史尾流模型包括使用基于回归的模型来计算作为上游风力涡轮处的风向、上游和下游风力涡轮的相对位置、以及与所述上游风力涡轮对应的所述一个或更多个控制设置的函数的下游风速与上游风速的比率。
5.根据权利要求1所述的方法,其特征在于,识别所述互相作用的风力涡轮的新组包括至少使用所述新值的子组和所述风电场的几何布局。
6.根据权利要求1所述的方法,其特征在于,所述接收、所述识别、所述开发和所述调整在一个或更多个指定时间间隔下执行。
7.根据权利要求1所述的方法,其特征在于,还包括:
持续地监控用于所述风力涡轮的所述尾流参数;和
当所述尾流参数中的一个或更多个的监控值中的改变在对应阈值之外时,重复所述接收、所述识别、所述开发、和所述调整。
8.根据权利要求1所述的方法,其特征在于,为所述尾流参数的不同组合确定不同的历史尾流模型。
9.根据权利要求1所述的方法,其特征在于,所述尾流参数包括风向、上游风力涡轮处的风速、下游风力涡轮处的风速、风湍流、风切变、风变向、环境温度、压力、湿度、或它们的组合。
10.根据权利要求1所述的方法,其特征在于,所述尾流参数包括下列中的至少一者:所述风力涡轮中的各个的末梢速度比、节距角、偏航未对准、和操作状态。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
IN2155/CHE/2014 | 2014-04-29 | ||
IN2155CH2014 | 2014-04-29 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105041572A true CN105041572A (zh) | 2015-11-11 |
CN105041572B CN105041572B (zh) | 2019-05-03 |
Family
ID=53039245
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510210736.6A Active CN105041572B (zh) | 2014-04-29 | 2015-04-29 | 用于优化风电场操作的系统和方法 |
Country Status (7)
Country | Link |
---|---|
US (1) | US9551322B2 (zh) |
EP (1) | EP2940296B1 (zh) |
CN (1) | CN105041572B (zh) |
BR (1) | BR102015009550B1 (zh) |
CA (1) | CA2888737C (zh) |
DK (1) | DK2940296T3 (zh) |
ES (1) | ES2636659T3 (zh) |
Cited By (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018059259A1 (en) * | 2016-09-27 | 2018-04-05 | Envision Energy (Jiangsu) Co., Ltd. | Method and system of yaw control of wind turbines in a wind turbine farm |
CN107956638A (zh) * | 2017-11-15 | 2018-04-24 | 三重能有限公司 | 风机机群控制方法、控制系统和风场 |
CN108150360A (zh) * | 2016-12-05 | 2018-06-12 | 北京金风科创风电设备有限公司 | 检测风电机组的等效载荷的方法和设备 |
CN108700032A (zh) * | 2016-03-03 | 2018-10-23 | 维斯塔斯风力系统集团公司 | 一种用于确定风力涡轮机的偏航位置偏移的方法 |
CN108708825A (zh) * | 2018-05-15 | 2018-10-26 | 浙江运达风电股份有限公司 | 一种考虑机组尾流的风电场偏航控制方法 |
CN108798997A (zh) * | 2018-06-28 | 2018-11-13 | 北京金风科创风电设备有限公司 | 风力发电机组的控制方法、装置、控制器及系统 |
CN109219782A (zh) * | 2016-06-07 | 2019-01-15 | 通用电气公司 | 用于控制动态系统的系统及方法 |
CN109695539A (zh) * | 2017-10-23 | 2019-04-30 | 森维安有限公司 | 多台风力发电机的控制系统和运行方法 |
CN109917422A (zh) * | 2019-04-02 | 2019-06-21 | 上海电气风电集团有限公司 | 风电场中风资源情况的预测方法及系统 |
CN109992889A (zh) * | 2019-04-02 | 2019-07-09 | 上海电气风电集团有限公司 | 风电场模型的建立方法及系统、尾流值计算方法及系统 |
CN111615589A (zh) * | 2018-01-25 | 2020-09-01 | 西门子歌美飒可再生能源公司 | 用于协同控制风电场的风力涡轮机的方法和装置 |
CN111614088A (zh) * | 2020-06-09 | 2020-09-01 | 三一重能有限公司 | 考虑尾流影响的能量管理方法 |
CN111757982A (zh) * | 2018-02-28 | 2020-10-09 | 西门子歌美飒可再生能源公司 | 估算风力涡轮机处的自由流入流 |
CN111859789A (zh) * | 2020-07-07 | 2020-10-30 | 中国科学院力学研究所 | 一种风力发电机的尾迹识别方法 |
CN111878308A (zh) * | 2020-08-04 | 2020-11-03 | 上海交通大学 | 风力机集群预测群控方法 |
CN111980857A (zh) * | 2020-08-26 | 2020-11-24 | 上海电气风电集团股份有限公司 | 风电场的闭环控制方法及其装置及计算机可读存储介质 |
CN112483312A (zh) * | 2020-12-03 | 2021-03-12 | 重庆大学 | 一种基于冗余分组的海上风电场安全控制方法 |
CN112534133A (zh) * | 2018-06-08 | 2021-03-19 | 西门子歌美飒可再生能源公司 | 存在尾流相互作用的情况下控制风力涡轮机 |
CN113011994A (zh) * | 2019-12-20 | 2021-06-22 | 乌本产权有限公司 | 风电厂的优化 |
CN113874626A (zh) * | 2019-03-22 | 2021-12-31 | 通用电气公司 | 用于评估和验证风力涡轮和风场性能的系统及方法 |
CN114127412A (zh) * | 2019-07-22 | 2022-03-01 | 德国普利泰克风能技术股份有限公司 | 用于控制风电场的方法、风电场的控制模块和风电场 |
CN114144581A (zh) * | 2019-07-26 | 2022-03-04 | 西门子歌美飒可再生能源公司 | 用于风电场中的一个或多个风力涡轮机的计算机实现的监视的方法和装置 |
Families Citing this family (61)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10439912B2 (en) * | 2014-03-05 | 2019-10-08 | Adeptdc Co. | Systems and methods for intelligent controls for optimal resource allocation for data center operations |
ES2563092B1 (es) * | 2014-09-10 | 2016-12-19 | Acciona Windpower, S.A. | Método de control de un aerogenerador |
EP3037657A1 (en) * | 2014-12-23 | 2016-06-29 | ABB Technology AG | Optimal wind farm operation |
US20160215759A1 (en) * | 2015-01-28 | 2016-07-28 | Alliance For Sustainable Energy, Llc | Methods and systems for wind plant power optimization |
US10156224B2 (en) * | 2015-03-13 | 2018-12-18 | General Electric Company | System and method for controlling a wind turbine |
US9881108B2 (en) * | 2015-05-29 | 2018-01-30 | One Energy Enterprises Llc | Method of evaluation wind flow based on conservation of momentum and variation in terrain |
EP3121442B2 (en) | 2015-07-20 | 2023-07-05 | GE Renewable Technologies Wind B.V. | Operating wind turbines |
US20170038276A1 (en) * | 2015-08-04 | 2017-02-09 | Solar Turbines Incorporated | Monitoring System for Turbomachinery |
WO2017088877A1 (en) * | 2015-11-26 | 2017-06-01 | Vestas Wind Systems A/S | A method for monitoring and assessing power performance changes of a wind turbine |
US10794366B2 (en) * | 2015-11-26 | 2020-10-06 | Vestas Wind Systems A/S | Method for monitoring and assessing power performance changes of a wind turbine |
DK178991B1 (en) | 2015-12-22 | 2017-07-31 | Envision Energy (Jiangsu) Co Ltd | Method and system of operating a wind turbine farm |
JP6405324B2 (ja) * | 2016-01-29 | 2018-10-17 | 三菱重工業株式会社 | 風力発電装置及びその運転方法 |
DE102016103254A1 (de) * | 2016-02-24 | 2017-08-24 | Wobben Properties Gmbh | Verfahren zum Bestimmen einer äquivalenten Windgeschwindigkeit |
US10385829B2 (en) | 2016-05-11 | 2019-08-20 | General Electric Company | System and method for validating optimization of a wind farm |
EP3464891B1 (en) * | 2016-06-07 | 2022-01-19 | Vestas Wind Systems A/S | Adaptive control of a wind turbine by detecting a change in performance |
US10247171B2 (en) | 2016-06-14 | 2019-04-02 | General Electric Company | System and method for coordinating wake and noise control systems of a wind farm |
EP3299614B1 (en) * | 2016-09-26 | 2020-11-11 | Siemens Gamesa Renewable Energy A/S | Method, device and system for managing a wind farm |
JP6869685B2 (ja) * | 2016-10-06 | 2021-05-12 | 株式会社日立製作所 | ウィンドファーム及び風力発電装置 |
JP2018059450A (ja) * | 2016-10-06 | 2018-04-12 | 株式会社日立製作所 | 風力発電装置または風力発電装置の制御方法 |
US11976623B2 (en) * | 2016-12-08 | 2024-05-07 | Cytroniq Co., Ltd | Energy converting apparatus, energy converting system including same, and operating method thereof |
CN108256712B (zh) * | 2016-12-29 | 2021-03-16 | 北京金风科创风电设备有限公司 | 风电场场群的控制方法及装置 |
US10330081B2 (en) | 2017-02-07 | 2019-06-25 | International Business Machines Corporation | Reducing curtailment of wind power generation |
US10598157B2 (en) | 2017-02-07 | 2020-03-24 | International Business Machines Corporation | Reducing curtailment of wind power generation |
JP2018135772A (ja) * | 2017-02-21 | 2018-08-30 | 株式会社日立製作所 | 複数の風力発電装置の制御装置、ウィンドファームまたは複数の風力発電装置の制御方法 |
DE102017105165A1 (de) * | 2017-03-10 | 2018-09-13 | Wobben Properties Gmbh | Verfahren zum Bestimmen einer verfügbaren Leistung eines Windparks und zugehöriger Windpark |
US11136961B2 (en) * | 2017-06-01 | 2021-10-05 | General Electric Company | System and method for optimizing power output of a wind turbine during an operational constraint |
DK3642480T3 (da) | 2017-06-22 | 2024-01-08 | General Electric Renovables Espana Sl | System og fremgangsmåde til koordinering af slipstrøm- og støjstyringssystemer i en vindmøllepark |
DE102017009837A1 (de) * | 2017-10-23 | 2019-04-25 | Senvion Gmbh | Steuerungssystem und Verfahren zum Betreiben einer Mehrzahl von Windenergieanlagen |
US11293404B2 (en) * | 2017-12-06 | 2022-04-05 | Vestas Wind Systems A/S | Model predictive control in local systems |
US10731630B2 (en) | 2018-01-03 | 2020-08-04 | General Electric Company | Extended reaction power for wind farms |
ES2942017T3 (es) * | 2018-01-09 | 2023-05-29 | Vestas Wind Sys As | Un método para controlar un parque de energía eólica teniendo en cuenta efectos de estela |
DE102018100727A1 (de) * | 2018-01-15 | 2019-07-18 | Wobben Properties Gmbh | Verfahren zum Steuern einer Windenergieanlage und Windenergieanlage |
WO2019141330A1 (en) * | 2018-01-22 | 2019-07-25 | Vestas Wind Systems A/S | Control of a wind energy park comprising airborne wind energy systems |
EP3527817A1 (de) * | 2018-02-19 | 2019-08-21 | Siemens Aktiengesellschaft | Verfahren und vorrichtungen zur automatischen ermittlung und/oder kompensation des einflusses einer wirbelschleppe auf eine windkraftanlage |
EP3536948A1 (en) | 2018-03-08 | 2019-09-11 | Siemens Gamesa Renewable Energy A/S | Determining control settings for a wind turbine |
DE102018003168A1 (de) * | 2018-04-18 | 2019-10-24 | Senvion Gmbh | Verfahren und Vorrichtung zum Betreiben einer Windenergieanlage sowie Windenergieanlage |
US11725625B2 (en) * | 2018-07-31 | 2023-08-15 | Alliance For Sustainable Energy, Llc | Distributed reinforcement learning and consensus control of energy systems |
US20230349359A1 (en) * | 2018-07-31 | 2023-11-02 | Alliance For Sustainable Energy, Llc | Distributed Reinforcement Learning and Consensus Control of Energy Systems |
US11015576B2 (en) * | 2018-08-13 | 2021-05-25 | Inventus Holdings, Llc | Wind turbine control system including an artificial intelligence ensemble engine |
US10605228B2 (en) | 2018-08-20 | 2020-03-31 | General Electric Company | Method for controlling operation of a wind turbine |
CN111126651B (zh) * | 2018-10-31 | 2022-04-19 | 北京金风科创风电设备有限公司 | 风电场噪声预测方法、装置及系统 |
DK201870706A1 (en) * | 2018-10-31 | 2020-06-09 | Vattenfall Ab | A DYNAMIC OPTIMIZATION STRATEGY FOR IMPROVING THE OPERATION OF A WIND FARM |
CN110210106B (zh) * | 2019-05-28 | 2022-11-22 | 天津大学 | 基于fpga的风电场实时仿真器模块级流水线设计方法 |
US11959461B2 (en) | 2019-06-14 | 2024-04-16 | Vestas Wind Systems A/S | Method for controlling a wind farm under turbulent wind conditions |
US10954919B1 (en) | 2019-10-02 | 2021-03-23 | General Electric Company | Machine-learning model-based analytic for monitoring wind farm power performance |
US11261846B2 (en) * | 2019-11-01 | 2022-03-01 | General Electric Company | System and method for designing and operating a wind turbine power system based on statistical analysis of operational and/or grid data thereof |
US20210246875A1 (en) * | 2020-02-06 | 2021-08-12 | General Electric Company | System and method for optimizing wake management in wind farms |
US11060504B1 (en) * | 2020-02-07 | 2021-07-13 | General Electric Company | Systems and methods for continuous machine learning based control of wind turbines |
WO2021190764A1 (en) * | 2020-03-27 | 2021-09-30 | Winji Ag | Device, method and computer program for evaluating the operation of a power plant |
EP4179198A4 (en) | 2020-07-13 | 2024-03-20 | Windesco, Inc. | METHOD AND SYSTEMS FOR EXTENDED YAW CONTROL OF A WIND TURBINE |
US11231012B1 (en) | 2020-09-22 | 2022-01-25 | General Electric Renovables Espana, S.L. | Systems and methods for controlling a wind turbine |
US11854411B2 (en) * | 2020-12-22 | 2023-12-26 | Florida Power & Light Company | Coordinating drone flights in an operating wind farm |
US11728654B2 (en) * | 2021-03-19 | 2023-08-15 | General Electric Renovables Espana, S.L. | Systems and methods for operating power generating assets |
US11649804B2 (en) | 2021-06-07 | 2023-05-16 | General Electric Renovables Espana, S.L. | Systems and methods for controlling a wind turbine |
EP4359668A1 (en) | 2021-06-25 | 2024-05-01 | Windesco, Inc. | Systems and methods of coordinated yaw control of multiple wind turbines |
CN113394826B (zh) * | 2021-07-06 | 2022-11-01 | 重庆大学 | 双馈感应发电机风电场储能系统的频率支持优化配置方法 |
WO2023014984A1 (en) * | 2021-08-06 | 2023-02-09 | Texas Tech University System | Methods and systems for thrust-based turbine wake control |
US20230213149A1 (en) * | 2021-12-31 | 2023-07-06 | Kepler Energy Systems, Inc. | Power Shift System to Store and Distribute Energy |
GB2618783A (en) * | 2022-05-13 | 2023-11-22 | Equinor Energy As | Controlling diffusion of a wake generated by a wind turbine |
WO2024002450A1 (en) * | 2022-06-30 | 2024-01-04 | Vestas Wind Systems A/S | Wind turbine wake loss control using detected downstream wake loss as a function of wind direction |
CN117634342A (zh) * | 2023-11-22 | 2024-03-01 | 中国电建集团西北勘测设计研究院有限公司 | 一种精细化风场的模拟仿真方法及仿真系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1975155A (zh) * | 2005-11-29 | 2007-06-06 | 通用电气公司 | 风力发电场涡轮控制系统以及估算风力条件并优化性能的方法 |
CN101413483A (zh) * | 2007-10-16 | 2009-04-22 | 通用电气公司 | 用于优化风力涡轮之间的尾流交互作用的系统和方法 |
US20130144449A1 (en) * | 2011-12-06 | 2013-06-06 | Søren Dalsgaard | Warning a wind turbine generator in a wind park of an extreme wind event |
CN103423085A (zh) * | 2012-03-29 | 2013-12-04 | 阿尔斯通风力有限个人公司 | 检测风电场中的尾流情况 |
Family Cites Families (42)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1153054C (zh) | 1998-12-04 | 2004-06-09 | 塞德拉公司 | 布拉格光栅压力传感器 |
DE19948196A1 (de) | 1999-10-06 | 2001-05-17 | Aloys Wobben | Verfahren zum Betrieb eines Windparks |
DE10137272A1 (de) | 2001-07-31 | 2003-02-27 | Aloys Wobben | Frühwarnsystem für Windenergieanlagen |
NL1021078C1 (nl) | 2002-07-15 | 2004-01-16 | Energieonderzoek Ct Petten Ecn | Werkwijze en inrichting betreffende stromingsenergie zoals een windturbinepark. |
NL1023666C2 (nl) | 2003-06-14 | 2004-12-20 | Energieonderzoek Ct Petten Ecn | Werkwijze of inrichting om energie aan een stromend fluïdum te onttrekken. |
DE102004056254B4 (de) | 2004-11-22 | 2006-11-09 | Repower Systems Ag | Verfahren zum Optimieren des Betriebs von Windenergieanlagen |
DK200700630A (da) | 2007-04-27 | 2008-05-10 | Lm Glasfiber As | Design af gruppe af vindenergianlæg |
DE102007022705A1 (de) | 2007-05-15 | 2008-11-20 | Siemens Ag | Verfahren zum Betrieb eines Windparks mit einer Mehrzahl von Windkraftanlagen |
DE102007036444A1 (de) | 2007-08-02 | 2009-02-05 | Nordex Energy Gmbh | Windpark mit einer Vielzahl von Windenergieanlagen sowie Verfahren zum Betreiben des Windparks |
EP2218910B1 (en) | 2007-12-14 | 2014-01-08 | Mitsubishi Heavy Industries, Ltd. | Wind power generation system and its operation control method |
US20090299780A1 (en) | 2008-05-29 | 2009-12-03 | Abhinanda Sarkar | Method and apparatus for determining and/or providing power output information of wind turbine farms |
DE102008039429A1 (de) | 2008-08-23 | 2010-02-25 | DeWind, Inc. (n.d.Ges.d. Staates Nevada), Irvine | Verfahren zur Regelung eines Windparks |
ES2615329T5 (es) | 2008-09-19 | 2023-10-18 | Wobben Properties Gmbh | Turbina eólica con extremos de inducción baja |
US7941304B2 (en) | 2009-04-30 | 2011-05-10 | General Electric Company | Method for enhancement of a wind plant layout with multiple wind turbines |
DK2354541T3 (da) | 2010-01-20 | 2014-10-20 | Siemens Ag | Vindparkeffektstyring på basis af en matriks, som viser en effektbelastningsfordeling mellem individuelle vindmøller |
CN101852172A (zh) | 2010-03-09 | 2010-10-06 | 山东科技大学 | 一种考虑风电场内尾流影响的风电机组输入风速计算方法 |
GB2481461A (en) | 2010-06-21 | 2011-12-28 | Vestas Wind Sys As | Control of a downstream wind turbine in a wind park by sensing the wake turbulence of an upstream turbine |
DE102010026244A1 (de) | 2010-07-03 | 2012-01-05 | Joachim Falkenhagen | Verfahren zur Berücksichtigung von Nachlaufeffekten bei Windturbinen |
US8035241B2 (en) | 2010-07-09 | 2011-10-11 | General Electric Company | Wind turbine, control system, and method for optimizing wind turbine power production |
CN101949363A (zh) | 2010-09-21 | 2011-01-19 | 山东科技大学 | 计及风电场输入风速和风向随机波动的风电机组分组方法 |
CN102012956B (zh) | 2010-11-30 | 2016-01-20 | 山东科技大学 | 一种考虑风电场输入风速和风向随机波动的风电场等值方法 |
US20110193344A1 (en) | 2010-12-29 | 2011-08-11 | Vestas Wind Systems A/S | Control Network for Wind Turbine Park |
US8606418B1 (en) | 2011-03-18 | 2013-12-10 | Rockwell Collins, Inc. | Wind prediction for wind farms through the use of weather radar |
CN102235313B (zh) | 2011-06-30 | 2013-01-16 | 内蒙古电力勘测设计院 | 平坦地形风机规则布置优化方法 |
CN102289539B (zh) | 2011-06-30 | 2013-05-01 | 内蒙古电力勘测设计院 | 提高风能利用的风机布置优化方法 |
CN102270256B (zh) | 2011-06-30 | 2013-04-03 | 内蒙古电力勘测设计院 | 平坦地区风场规划方法 |
EP2557311A1 (en) | 2011-08-12 | 2013-02-13 | kk-electronic a/s | A method for controlling a wind power park and a wind power park controlled by such method |
DE102011081241A1 (de) | 2011-08-19 | 2013-02-21 | Repower Systems Se | Energieertragsverlustbestimmung einer Windenergieanlage |
EP2758660B1 (en) | 2011-09-13 | 2022-03-23 | Vestas Wind Systems A/S | A method for improving large array wind park power performance through active wake manipulation reducing shadow effects |
EP2604853A1 (en) | 2011-12-15 | 2013-06-19 | Siemens Aktiengesellschaft | Method of controlling a wind turbine |
US20120133138A1 (en) | 2011-12-22 | 2012-05-31 | Vestas Wind Systems A/S | Plant power optimization |
US9201410B2 (en) | 2011-12-23 | 2015-12-01 | General Electric Company | Methods and systems for optimizing farm-level metrics in a wind farm |
WO2013110327A1 (en) | 2012-01-25 | 2013-08-01 | Abb Research Ltd | Wind park with real time wind speed measurements |
KR101337651B1 (ko) | 2012-05-04 | 2013-12-05 | 삼성중공업 주식회사 | 풍력발전단지의 출력 제어 시스템 및 그 방법 |
US20130300115A1 (en) | 2012-05-08 | 2013-11-14 | Johnson Controls Technology Company | Systems and methods for optimizing power generation in a wind farm turbine array |
DE102012011210A1 (de) | 2012-06-06 | 2013-12-12 | Rwe Innogy Gmbh | Zielwertabhängige Steuerung eines Windparks |
US9575177B2 (en) | 2012-07-27 | 2017-02-21 | Texas Tech University System | Apparatus and method for using radar to evaluate wind flow fields for wind energy applications |
US9165092B2 (en) | 2012-07-31 | 2015-10-20 | International Business Machines Corporation | Wind farm layout in consideration of three-dimensional wake |
US9617975B2 (en) | 2012-08-06 | 2017-04-11 | General Electric Company | Wind turbine yaw control |
CN102913399A (zh) | 2012-11-06 | 2013-02-06 | 中国科学院工程热物理研究所 | 一种减小风力机尾迹损失的等离子体流动控制方法 |
CN103020462B (zh) | 2012-12-21 | 2016-01-13 | 华北电力大学 | 计及复杂尾流效应模型的风电场概率输出功率计算方法 |
US9512820B2 (en) * | 2013-02-19 | 2016-12-06 | Siemens Aktiengesellschaft | Method and system for improving wind farm power production efficiency |
-
2015
- 2015-04-21 US US14/692,115 patent/US9551322B2/en active Active
- 2015-04-23 ES ES15164911.8T patent/ES2636659T3/es active Active
- 2015-04-23 EP EP15164911.8A patent/EP2940296B1/en active Active
- 2015-04-23 CA CA2888737A patent/CA2888737C/en active Active
- 2015-04-23 DK DK15164911.8T patent/DK2940296T3/en active
- 2015-04-28 BR BR102015009550-3A patent/BR102015009550B1/pt active IP Right Grant
- 2015-04-29 CN CN201510210736.6A patent/CN105041572B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1975155A (zh) * | 2005-11-29 | 2007-06-06 | 通用电气公司 | 风力发电场涡轮控制系统以及估算风力条件并优化性能的方法 |
CN101413483A (zh) * | 2007-10-16 | 2009-04-22 | 通用电气公司 | 用于优化风力涡轮之间的尾流交互作用的系统和方法 |
US20130144449A1 (en) * | 2011-12-06 | 2013-06-06 | Søren Dalsgaard | Warning a wind turbine generator in a wind park of an extreme wind event |
CN103423085A (zh) * | 2012-03-29 | 2013-12-04 | 阿尔斯通风力有限个人公司 | 检测风电场中的尾流情况 |
Cited By (33)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11560874B2 (en) | 2016-03-03 | 2023-01-24 | Vestas Wind Systems A/S | Method for determining a yaw position offset of a wind turbine |
CN108700032A (zh) * | 2016-03-03 | 2018-10-23 | 维斯塔斯风力系统集团公司 | 一种用于确定风力涡轮机的偏航位置偏移的方法 |
CN109219782B (zh) * | 2016-06-07 | 2021-09-24 | 通用电气公司 | 用于控制动态系统的系统及方法 |
CN109219782A (zh) * | 2016-06-07 | 2019-01-15 | 通用电气公司 | 用于控制动态系统的系统及方法 |
WO2018059259A1 (en) * | 2016-09-27 | 2018-04-05 | Envision Energy (Jiangsu) Co., Ltd. | Method and system of yaw control of wind turbines in a wind turbine farm |
CN108150360A (zh) * | 2016-12-05 | 2018-06-12 | 北京金风科创风电设备有限公司 | 检测风电机组的等效载荷的方法和设备 |
US10337498B2 (en) | 2016-12-05 | 2019-07-02 | Beijing Goldwind Science & Creation Windpower Equipment Co., Ltd. | Method and device for detecting equivalent load of wind turbine |
CN109695539B (zh) * | 2017-10-23 | 2021-04-20 | 森维安有限公司 | 多台风力发电机的控制系统和运行方法 |
CN109695539A (zh) * | 2017-10-23 | 2019-04-30 | 森维安有限公司 | 多台风力发电机的控制系统和运行方法 |
CN107956638A (zh) * | 2017-11-15 | 2018-04-24 | 三重能有限公司 | 风机机群控制方法、控制系统和风场 |
CN111615589A (zh) * | 2018-01-25 | 2020-09-01 | 西门子歌美飒可再生能源公司 | 用于协同控制风电场的风力涡轮机的方法和装置 |
CN111757982B (zh) * | 2018-02-28 | 2023-06-30 | 西门子歌美飒可再生能源公司 | 估算风力涡轮机处的自由流入流 |
CN111757982A (zh) * | 2018-02-28 | 2020-10-09 | 西门子歌美飒可再生能源公司 | 估算风力涡轮机处的自由流入流 |
CN108708825B (zh) * | 2018-05-15 | 2019-11-26 | 浙江运达风电股份有限公司 | 一种考虑机组尾流的风电场偏航控制方法 |
CN108708825A (zh) * | 2018-05-15 | 2018-10-26 | 浙江运达风电股份有限公司 | 一种考虑机组尾流的风电场偏航控制方法 |
CN112534133A (zh) * | 2018-06-08 | 2021-03-19 | 西门子歌美飒可再生能源公司 | 存在尾流相互作用的情况下控制风力涡轮机 |
CN108798997A (zh) * | 2018-06-28 | 2018-11-13 | 北京金风科创风电设备有限公司 | 风力发电机组的控制方法、装置、控制器及系统 |
CN113874626A (zh) * | 2019-03-22 | 2021-12-31 | 通用电气公司 | 用于评估和验证风力涡轮和风场性能的系统及方法 |
CN109917422A (zh) * | 2019-04-02 | 2019-06-21 | 上海电气风电集团有限公司 | 风电场中风资源情况的预测方法及系统 |
CN109992889A (zh) * | 2019-04-02 | 2019-07-09 | 上海电气风电集团有限公司 | 风电场模型的建立方法及系统、尾流值计算方法及系统 |
CN109992889B (zh) * | 2019-04-02 | 2023-06-27 | 上海电气风电集团股份有限公司 | 风电场模型的建立方法及系统、尾流值计算方法及系统 |
CN109917422B (zh) * | 2019-04-02 | 2023-02-28 | 上海电气风电集团股份有限公司 | 风电场中风资源情况的预测方法及系统 |
CN114127412A (zh) * | 2019-07-22 | 2022-03-01 | 德国普利泰克风能技术股份有限公司 | 用于控制风电场的方法、风电场的控制模块和风电场 |
CN114144581A (zh) * | 2019-07-26 | 2022-03-04 | 西门子歌美飒可再生能源公司 | 用于风电场中的一个或多个风力涡轮机的计算机实现的监视的方法和装置 |
CN113011994A (zh) * | 2019-12-20 | 2021-06-22 | 乌本产权有限公司 | 风电厂的优化 |
CN111614088B (zh) * | 2020-06-09 | 2021-09-21 | 三一重能股份有限公司 | 考虑尾流影响的能量管理方法 |
CN111614088A (zh) * | 2020-06-09 | 2020-09-01 | 三一重能有限公司 | 考虑尾流影响的能量管理方法 |
CN111859789A (zh) * | 2020-07-07 | 2020-10-30 | 中国科学院力学研究所 | 一种风力发电机的尾迹识别方法 |
CN111859789B (zh) * | 2020-07-07 | 2023-04-14 | 中国科学院力学研究所 | 一种风力发电机的尾迹识别方法 |
CN111878308A (zh) * | 2020-08-04 | 2020-11-03 | 上海交通大学 | 风力机集群预测群控方法 |
CN111980857A (zh) * | 2020-08-26 | 2020-11-24 | 上海电气风电集团股份有限公司 | 风电场的闭环控制方法及其装置及计算机可读存储介质 |
CN112483312B (zh) * | 2020-12-03 | 2023-01-31 | 重庆大学 | 一种基于冗余分组的海上风电场安全控制方法 |
CN112483312A (zh) * | 2020-12-03 | 2021-03-12 | 重庆大学 | 一种基于冗余分组的海上风电场安全控制方法 |
Also Published As
Publication number | Publication date |
---|---|
BR102015009550A8 (pt) | 2021-11-09 |
BR102015009550A2 (pt) | 2018-03-06 |
US9551322B2 (en) | 2017-01-24 |
BR102015009550B1 (pt) | 2022-09-20 |
ES2636659T3 (es) | 2017-10-06 |
CN105041572B (zh) | 2019-05-03 |
DK2940296T3 (en) | 2017-08-28 |
EP2940296A1 (en) | 2015-11-04 |
US20150308416A1 (en) | 2015-10-29 |
EP2940296B1 (en) | 2017-06-14 |
CA2888737A1 (en) | 2015-10-29 |
CA2888737C (en) | 2018-09-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105041572A (zh) | 用于优化风电场操作的系统和方法 | |
CN112219028B (zh) | 风力涡轮机控制方法 | |
EP3023636B1 (en) | Systems and methods for optimizing operation of a wind farm | |
EP2807371B1 (en) | Wind park with real time wind speed measurements | |
US9644612B2 (en) | Systems and methods for validating wind farm performance measurements | |
EP2799711B1 (en) | Method of operating a wind turbine | |
US20130038060A1 (en) | Method for controlling a wind power park and a wind power park controlled by such method | |
KR101411420B1 (ko) | 시뮬레이션 기법을 이용한 풍력 발전 단지의 풍력 발전기 제어 시스템 및 방법 | |
JP2020502424A (ja) | 風力タービン発電基地レベルの負荷管理制御戦略 | |
CN105492762A (zh) | 根据风力涡轮机或类似设备的位置确定其部件寿命的方法 | |
US11639710B2 (en) | Systems and methods of coordinated yaw control of multiple wind turbines | |
CN104564520A (zh) | 用于自动功率估计调整的系统 | |
EP3608538A1 (en) | Model-based repowering solutions for wind turbines | |
US12012935B2 (en) | Controlling noise emissions from individual blades of a wind turbine | |
CN114127412A (zh) | 用于控制风电场的方法、风电场的控制模块和风电场 | |
KR20240090319A (ko) | 풍력 터빈을 제어하기 위한 시스템 및 방법 | |
CN113994337A (zh) | 风力涡轮机更换日程 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20240103 Address after: Barcelona, Spain Patentee after: Ge renewable energy Spain Ltd. Address before: New York State, USA Patentee before: General Electric Co. |