CN105221356A - 用于风力涡轮机机舱位置再校准和风向估计的系统及方法 - Google Patents
用于风力涡轮机机舱位置再校准和风向估计的系统及方法 Download PDFInfo
- Publication number
- CN105221356A CN105221356A CN201510288818.2A CN201510288818A CN105221356A CN 105221356 A CN105221356 A CN 105221356A CN 201510288818 A CN201510288818 A CN 201510288818A CN 105221356 A CN105221356 A CN 105221356A
- Authority
- CN
- China
- Prior art keywords
- wind turbine
- wind
- cabin
- wake
- wake signature
- 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 57
- 238000004364 calculation method Methods 0.000 claims abstract description 52
- 238000012937 correction Methods 0.000 claims abstract description 30
- 241001269238 Data Species 0.000 claims abstract description 15
- 230000000694 effects Effects 0.000 claims description 23
- 238000004422 calculation algorithm Methods 0.000 claims description 8
- 238000010586 diagram Methods 0.000 description 30
- 238000004891 communication Methods 0.000 description 15
- 238000012544 monitoring process Methods 0.000 description 14
- 238000011144 upstream manufacturing Methods 0.000 description 10
- 230000008859 change Effects 0.000 description 8
- 238000004519 manufacturing process Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 238000012423 maintenance Methods 0.000 description 4
- 238000004590 computer program Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 230000001737 promoting effect Effects 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- 230000000712 assembly Effects 0.000 description 2
- 238000000429 assembly Methods 0.000 description 2
- 230000004888 barrier function Effects 0.000 description 2
- 238000009499 grossing Methods 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 230000009897 systematic effect Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000001427 coherent effect Effects 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000011022 operating instruction Methods 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
- 230000007306 turnover Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F1/00—Details not covered by groups G06F3/00 - G06F13/00 and G06F21/00
- G06F1/26—Power supply means, e.g. regulation thereof
- G06F1/28—Supervision thereof, e.g. detecting power-supply failure by out of limits supervision
-
- 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
- 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
- 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
- F05B2270/80—Devices generating input signals, e.g. transducers, sensors, cameras or strain gauges
- F05B2270/802—Calibration thereof
-
- 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)
- General 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)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Wind Motors (AREA)
Abstract
本发明题为用于风力涡轮机机舱位置再校准和风向估计的系统及方法。一种用于再校准风场中的多个风力涡轮机的机舱位置的计算机实现方法由包括处理器和耦合到该处理器的存储器装置的机舱校准计算装置来实现。该方法包括:识别风场中包含的至少两个关联风力涡轮机,其中各关联风力涡轮机包括位置信息;至少部分基于各关联风力涡轮机的位置信息来确定关联风力涡轮机的多个预测尾流特征;检索与关联风力涡轮机相关的多个历史性能数据;基于多个历史性能数据来确定多个当前尾流特征;识别预测尾流特征与当前尾流特征之间的差异;以及基于所识别差异来确定关联风力涡轮机的至少一个的再校准因子。
Description
技术领域
一般来说,本公开的领域涉及风力涡轮机,以及更具体来说,涉及用于风场中的机舱位置校准的方法和系统。
背景技术
在许多已知的风场中,风向是重要测量值。在至少一些已知风场中,风向可基于称作机舱位置的数值来确定。机舱位置最初在风力涡轮机的调试时设置。但是,一些已知的风力涡轮机的取向可能偏离初始校准的机舱位置。
为了有效地将机舱位置用作确定风向的代理值,可要求再校准机舱位置的有效方法。
发明内容
在一个方面,提供一种用于再校准风场中的多个风力涡轮机的机舱位置的计算机实现方法。该方法由机舱校准计算装置来实现,机舱校准计算装置包括处理器以及耦合到该处理器的存储器装置。该方法包括:识别风场中包含的至少两个关联风力涡轮机,其中各关联风力涡轮机包括位置信息;至少部分基于各关联风力涡轮机的位置信息来确定关联风力涡轮机的多个预测尾流特征;检索与关联风力涡轮机相关的多个历史性能数据;基于多个历史性能数据来确定多个当前尾流特征;识别预测尾流特征与当前尾流特征之间的差异;以及基于所识别差异来确定关联风力涡轮机的至少一个的再校准因子。
在另一方面,提供一种用于再校准风场中的多个风力涡轮机的机舱位置的机舱校准计算装置。机舱校准计算装置包括处理器以及耦合到该处理器的存储器。处理器配置成:识别风场中包含的至少两个关联风力涡轮机,其中各关联风力涡轮机包括位置信息;至少部分基于各关联风力涡轮机的位置信息来确定关联风力涡轮机的多个预测尾流特征;检索与关联风力涡轮机相关的多个历史性能数据;基于多个历史性能数据来确定多个当前尾流特征;识别预测尾流特征与当前尾流特征之间的差异;以及基于所识别差异来确定关联风力涡轮机的至少一个的再校准因子。
在另一个方面,提供一种用于再校准风场中的多个风力涡轮机的机舱位置的计算机实现方法,其中各风力涡轮机处于与至少一个多个相邻风力涡轮机的空间关系。该方法由机舱校准计算装置来实现,机舱校准计算装置包括处理器以及耦合到该处理器的存储器装置。该方法包括:识别多个风力涡轮机的第一风力涡轮机,其中第一风力涡轮机处于与风场中包含的第一多个相邻风力涡轮机的第一空间关系;将多个风力涡轮机的第二风力涡轮机识别为与第一风力涡轮机关联的组对风力涡轮机,其中第二风力涡轮机包含在第一多个相邻风力涡轮机中;检索与第一风力涡轮机相关的第一多个历史性能数据和与第二风力涡轮机相关的第二多个历史性能数据;至少部分基于第一多个历史性能数据和第二多个历史性能数据来确定第一风力涡轮机和第二风力涡轮机的第一多个尾流特征;确定第一多个尾流特征是否小于尾流特征阈值;以及在确定第一多个尾流特征小于尾流特征阈值时识别第一多个相邻风力涡轮机中包含的第三风力涡轮机,以取代第二风力涡轮机作为与第一风力涡轮机关联的组对风力涡轮机。
附图说明
通过参照附图阅读以下详细描述,会更好地理解这些及其他特征、方面和优点,附图中,相似符号在附图中通篇表示相似部件,附图包括:
图1是示范风力涡轮机的示意图;
图2是一对风力涡轮机、例如图1的风力涡轮机的示意图,其中该对风力涡轮机相互之间处于轴向空间关系,并且第一风力涡轮机引起第二风力涡轮机的尾流效应;
图3是风场中的多个风力涡轮机的图表,其中风力涡轮机造成其他风力涡轮机的尾流效应;
图4是可用于监测和再校准风场中的多个风力涡轮机的机舱位置的示范计算装置的框图;
图5是可与图4所示计算装置配合使用的、用于监测和再校准机舱位置的示范高级计算机实现系统的示意图;
图6是用于使用图5所示的计算机实现系统来再校准机舱位置的示范过程的流程图;
图7是用于使用图5所示的计算机实现系统来再校准机舱位置的备选过程的流程图;
图8是示出第一对风力涡轮机的预测尾流特征与当前尾流特征之间的比较的第一极坐标图;
图9是示出图8的第一对风力涡轮机的预测尾流特征与再校准当前尾流特征之间的比较的第二极坐标图;
图10是示出第二对风力涡轮机的预测尾流特征与当前尾流特征之间的比较的第三极坐标图;以及
图11是示出图10的第二对风力涡轮机的预测尾流特征与再校准当前尾流特征之间的比较的第四极坐标图。
除非另加说明,否则本文所提供的附图意在示出本公开的实施例的特征。这些特征被认为可适用于包括本公开的一个或多个实施例的大量系统。因此,附图不是意在包括本领域的技术人员已知的、实施本文所公开实施例所需的所有常规特征。
具体实施方式
在以下说明书和权利要求书中,将参照定义成具有下列含意的多个术语。
单数形式“一”、“一个”、“该”和“所述”包括复数引用,除非上下文另加明确说明。
“可选的”或“可选地”表示随后描述的事件或情况可能发生或者可能不发生,以及本描述包括其中发生事件的实例以及其中没有发生事件的实例。
如本文所使用的术语“非暂时计算机可读介质”意在表示按照任何方法或技术所实现以用于信息(例如计算机可读指令、数据结构、程序模块和子模块或者任何装置中的其他数据)的短期和长期存储的任何有形的基于计算机的装置。因此,本文所述的方法可编码为包含在有形非暂时计算机可读介质(非限制性地包括存储装置和/或存储器装置)中的可执行指令。这类指令在由处理器运行时使该处理器执行本文所述方法的至少一部分。此外,如本文所使用的术语“非暂时计算机可读介质”包括所有有形计算机可读介质,非限制性地包括非暂时计算机存储装置(非限制性地包括易失性和非易失性介质、可拆卸和不可拆卸介质,例如固件、物理的虚拟存储装置、CD-ROM、DVD)和任何其他数字源(例如网络或因特网)以及有待开发的数字部件,其中唯一例外是暂时传播信号。
如本文所使用的术语“软件”和“固件”是可互换的,并且包括存储器中存储的任何计算机程序,以供非限制性地包括移动装置集群、个人计算机、工作站、客户端和服务器的装置执行。
如本文所使用的术语“计算机”及相关术语、例如“计算装置”并不局限于本领域称作计算机的集成电路,而是广义地表示微控制器、微型计算机、可编程逻辑控制器(PLC)、专用集成电路以及其他可编程电路,并且这些术语在本文中可互换地使用。
如本文所使用的术语“尾流效应”表示因流过风力涡轮机的风或空气引起的风或空气的流动的变化。更具体来说,当风吹过多个风力涡轮机(其沿相同方向并且在与风向平行的轴上定向)时,尾流效应引起对下游风力涡轮机的降低风力。
如本文所使用的术语“尾流特征”表示风力涡轮机(其在彼此的上游或下游)的生产数据的特性,其指示一个涡轮机正引起对其他涡轮机的尾流效应。例如,涡轮机之间的生产输出比率中的尖峰(例如功率比中的峰值或波谷)可以是尾流特征。
描述计算机系统、例如机舱校准计算装置,并且这类计算机系统包括处理器和存储器。但是,本文所提到的计算机装置中的任何处理器还可表示一个或多个处理器,其中处理器可处于一个计算装置中或者并行起作用的多个计算装置中。另外,本文所提到的计算机装置中的任何存储器还可表示一个或多个存储器,其中存储器可处于一个计算装置中或者并行起作用的多个计算装置中。
如本文所使用的术语“处理器”可包括任何可编程系统,其中包括使用微控制器、简化指令集电路(RISC)、专用集成电路(ASIC)、逻辑电路以及能够运行本文所述功能的任何其他电路或处理器的系统。上述示例只是示例,因而并不是要以任何方式来限制术语“处理器”的定义和/或含意。术语“数据库”可表示数据主体、关系数据库管理系统(RDBMS)或者两者。数据库可包括数据的任何集合,其中包括分级数据库、关系数据库、平面文件数据库、对象关系数据库、面向对象的数据库以及计算机系统中存储的记录或数据的任何其他结构化集合。以上只是示例,因而并不是要以任何方式限制术语“数据库”的定义和/或含意。RDBMS的示例包括但是并不局限于包括Oracle®数据库、MySQL、IBM®DB2、Microsoft®SQL Server、Sybase®和PostgreSQL。但是可使用实现本文所述系统和方法的任何数据库。(Oracle是Oracle Corporation(Redwood Shores,California)的注册商标;IBM是International Business Machines Corporation(Armonk,New York)的注册商标;Microsoft是Microsoft Corporation(Redmond,Washington)的注册商标;以及Sybase是Sybase(Dublin,California)的注册商标。
在一个实施例中,提供一种计算机程序,以及该程序包含在计算机可读介质上。在一示范实施例中,该系统在单个计算机系统上运行,而无需到服务器计算机的连接。在另一实施例中,该系统运行于Windows®环境(Windows是Microsoft
Corporation(Redmond,Washington)的注册商标)中。在又一实施例中,该系统运行于主机环境和UNIX®服务器环境(UNIX是X/Open Company
Limited(坐落于Reading,Berkshire,United Kingdom)的注册商标)上。本申请是灵活的,并且设计成运行于不同环境中,而没有损害任何主要功能性。在一些实施例中,该系统包括分布于多个计算装置之间的多个组件。一个或多个组件可采取计算机可读介质中包含的计算机可执行指令的形式。
本文所使用的近似语言在本说明书和权利要求书中通篇可适用于修改可准许改变的任何定量表示,而没有引起与其相关的基本功能的变化。相应地,通过诸如“大约”和“基本上”之类的一个或多个术语所修改的值并不局限于所指定的精确值。在至少一些情况下,近似语言可对应于用于测量该值的仪器的准确度。在这里并且在整个说明书和权利要求书中,范围限制可经过组合和/或互换,这类范围被标识,并且包括其中包含的所有子范围,除非上下文或语言另加说明。
本文所述的计算机实现系统和方法提供用于再校准风场中的多个风力涡轮机的机舱位置的有效方式。更具体来说,系统和方法配置成:(a)识别风场中包含的至少两个关联风力涡轮机,其中各关联风力涡轮机包括位置信息;(b)至少部分基于各关联风力涡轮机的位置信息来确定关联风力涡轮机的多个预测尾流特征;(c)检索与关联风力涡轮机相关的多个历史性能数据;(d)基于多个历史性能数据来确定多个当前尾流特征;(e)识别预测尾流特征与当前尾流特征之间的差异;以及(f)基于所识别差异来确定关联风力涡轮机的至少一个的再校准因子。
在确定再校准因子时,这类再校准因子可用于按照多种方式来再校准机舱位置。在一个示例中,再校准因子可用来在涡轮机级以物理方式调整机舱位置的实际读数。在第二示例中,再校准因子可在监测/报告级使用,使得在收到时调整风力涡轮机的所报告机舱位置。在第三示例中,再校准因子可用作“后端”再校准工具,其用来在后处理阶段期间调整现有数据集。
本文所述的计算机实现系统和方法还提供用于通过识别适当风力涡轮机对来再校准风场中的多个风力涡轮机的机舱位置的备选有效方式。更具体来说,系统和方法配置成:(a)识别多个风力涡轮机的第一风力涡轮机,其中第一风力涡轮机处于与风场中包含的第一多个相邻风力涡轮机的第一空间关系;(b)将多个风力涡轮机的第二风力涡轮机识别为与第一风力涡轮机关联的组对风力涡轮机,其中第二风力涡轮机包含在第一多个相邻风力涡轮机中;(c)检索与第一风力涡轮机相关的第一多个历史性能数据和与第二风力涡轮机相关的第二多个历史性能数据;(d)至少部分基于第一多个历史性能数据和第二多个历史性能数据来确定第一风力涡轮机和第二风力涡轮机的第一多个尾流特征;(e)确定多个尾流特征是否小于尾流特征阈值;以及(f)在确定第一多个尾流特征小于尾流特征阈值时识别第一多个相邻风力涡轮机中包含的第三风力涡轮机,以取代第二风力涡轮机作为与第一风力涡轮机关联的组对风力涡轮机。
图1是示范风力涡轮机10的示意图。风力涡轮机10是电力生成装置,其中包括包含发电机(图1中未示出)的机舱12。机舱12安装在塔架14上(塔架14的一部分在图1中示出)。塔架14可以是促进本文所述风力涡轮机10的操作的任何高度。风力涡轮机10还包括转子16,其包括附连到转毂20的三个转子叶片18。备选地,风力涡轮机10包括促进如本文所述风力涡轮机10的操作的任何数量的叶片18。在示范实施例中,风力涡轮机10包括变速箱(图1中未示出),其以旋转方式耦合到转子16和发电机。
在示范实施例中,机舱12与表示机舱12的取向的机舱位置值关联。机舱位置一般在风力涡轮机10的调试时确定。使机舱位置值是计算装置(图1中未示出)、例如本文所述的那些计算装置可用的。相应地,在许多已知的风场中,监测风场的计算装置可具有风力涡轮机10的机舱位置的记录。在一些示例中,‘偏转位置’可与‘机舱位置’可互换地使用。如本文所使用的‘机舱位置’备选地可称作‘偏转位置’。
机舱位置提供机舱12的取向,并且因此指示风向。如本文所使用,许多已知风场没有充分的气象工具(例如安装在气象桅杆(“metmast”)或风力涡轮机机舱上的风向标)来确定风向。但是,风向可基于机舱位置来推断。在一个示例中,可假定风力涡轮机10具有面向东方的机舱12,并且因此可推断风向是向西的。
但是,如上所述,在一些状况中,机舱位置可变得不可靠,并且可能没有反映机舱12的实际取向。例如,风力涡轮机10或者与风力涡轮机10关联的软件的维护和维修可引起机舱位置的不正确调整。
图2是一对风力涡轮机30和40、例如风力涡轮机10(图1所示)的示意图,其中风力涡轮机30和40对沿轴50处于轴向空间关系,并且当风力如风向60所示由左至右(表示由西向东)流动时,第一风力涡轮机30引起第二风力涡轮机40的尾流效应。相应地,风力沿轴50按照风向60流动,并且首先经过风力涡轮机30,然后经过风力涡轮机40。相应地,风力涡轮机30可指定为上游风力涡轮机30,而风力涡轮机40可指定为下游风力涡轮机40。当风力经过上游风力涡轮机30时,能量由上游风力涡轮机30从风力来提取,并且风力在上游风力涡轮机30下游遭遇速度亏损。更具体来说,风力流过上游风力涡轮机30引起尾流效应70。相应地,下游风力涡轮机40所遭遇的风流通过尾流效应70充分改变。在功能上,取决于诸如风力涡轮机30与40之间的接近性、风力的强度和取向以及中间物体之类的因素,下游风力涡轮机40所遭遇的风流因尾流效应70而可与上游风力涡轮机30所遭遇的风流显著不同。
因此,当风力沿风向60吹动时,预计下游风力涡轮机40因尾流效应70而可产生比上游风力涡轮机30明显要小的功率。在至少一些示例中,风力涡轮机30和40的功率输出的预测比率可基于诸如风力涡轮机30与40之间的距离、风力的强度和取向以及中间物体之类的因素来确定。如本文所述,性能数据可基于与风力涡轮机30和40关联的模型与预测数据进行比较。这类比较可用来识别是否对风力涡轮机30和40正确校准机舱位置。
图3是风场82中的多个风力涡轮机80的图表,其中风力涡轮机80造成其他风力涡轮机的尾流效应、例如尾流效应70(图2所示)。风力涡轮机80在描述中与风力涡轮机10(图1所示)基本上一致。如图3所示,多个风力涡轮机80包括风力涡轮机84、87、88、89、90、94、95、97、98和99。各风力涡轮机80沿特定方向(采用特定实际机舱位置)来定向,并且因而在风力与那个特定方向对齐时能够生成最佳功率。风力涡轮机84、87、88、89、90、94、95、97、98和99的机舱位置在图3中未示出。
为了有效地监测风场82的性能,风向的准确确定连同风速的准确确定是重要的。风向可使用测量仪器、例如气象桅杆(“met mast”)来确定。但是,在给定许多风场82的大小、许多风场82的变化地形以及测量仪器的成本的情况下,适当测量仪器可能不是提供风向的单独确定可用的。因此,机舱位置可以是用于确定风向的有用值。
在调试时,风力涡轮机80被指配有指示各风力涡轮机80的取向的机舱位置。因此,各风力涡轮机80的初始取向(基于机舱位置)可用来确定涡轮机操作期间的风向,因为风力涡轮机将偏转,使得转子平面与进入风向垂直。例如,如果风力涡轮机84已知为沿面向东方的方向定向,则来自风力涡轮机84的性能输出可用来确定在某个时间点的风向。
但是,机舱位置不是始终可靠的。虽然在一些已知的风力涡轮机80中,最初可能没有正常指配机舱位置,但是机舱位置也将常常偏离最初指配的取向。在一个示例中,维护和保养事件可使机舱位置不正确地被报告。
图3还示出,在特定风场82中,风力涡轮机80可处于与多个风力涡轮机的空间关系。例如,风力涡轮机89、94和99相互全部处于左-右轴上。可假定风力涡轮机89、94和99全部具有指示全部面向西方的相同报告机舱位置值。假定这类报告机舱位置是准确的,当风力由西向东吹动时,风力涡轮机94和99在风力涡轮机89的下游。相反,当风力由东向西吹动时,风力涡轮机94和89在风力涡轮机99的下游。因此,如果报告机舱位置是准确的,则预测当风力从西向东吹动时,与风力涡轮机89相比,由于风力涡轮机89对风力涡轮机94和99所引起的尾流效应70,风力涡轮机94和99应当具有相当低的功率产生。
如本文所述,系统和方法配置成预测风力涡轮机80(其是空间相关的,并且具有相似物理取向(即,风力涡轮机80实际上沿相同方向定向))的预计尾流特征。尾流特征表示预计相互具有尾流效应70的风力涡轮机80的生产数据的关系。例如,尾流特征可包括当预计大尾流效应70时的生产的比率中的预测峰值以及当风力沿相反方向吹动时的预测波谷。这种预测可基于建模进行,下面进行描述。系统和方法还将这类预测尾流特征与当前尾流特征进行比较(基于性能数据或历史性能数据)。当差异存在于预测尾流特征与当前尾流特征之间时,该系统可确定风力涡轮机80之一具有不准确校准的机舱位置。例如,该系统可预测,在向西定向的风力期间,风力涡轮机94具有比风力涡轮机99明显要低的生产输出,以及在向南定向的风力期间,风力涡轮机94具有与风力涡轮机99相似的生产输出。如果生产数据无法支持这类预测尾流特征,则风力涡轮机94或风力涡轮机99可报告不正确校准的机舱位置。相应地,各风力涡轮机80可具有再校准的机舱位置。在示范实施例中,这种再校准连续进行。例如,特定风力涡轮机80是编组相邻风力涡轮机,以及得到预测尾流特征与当前尾流特征之间的比较,以便识别特定风力涡轮机80的再校准因子。在再校准时,各相邻风力涡轮机可连续地再校准。
本文所述的系统和方法通过指定风力涡轮机91的编组来执行这种分析。图3中,风力涡轮机91的示范编组包括风力涡轮机97和98。可假定两个风力涡轮机97和风力涡轮机98均报告相对于正y轴的140°的机舱位置值。当风向是第一风向92(表示相对于正y轴的140°的风向或西北风向)时,风力涡轮机98在风力涡轮机97的下游。当风向是第二风向93(表示相对于正y轴的320°的风向或东南风向)时,风力涡轮机98在风力涡轮机97的上游。如本文所述,系统和方法配置成选择风力涡轮机80的编组,并且比较关联性能数据,以识别是否对风力涡轮机的编组的风力涡轮机正确校准机舱位置。选择相互之间处于空间关系的风力涡轮机91的编组对促进性能数据的比较是重要的。相应地,对于风力涡轮机97和98对,当性能数据与尾流特征的比较在第一风向92和第二风向93最显著时,预计显著峰值和波谷(尾流特征,如以下所述)。如本文所述,附加考虑因素可通知风力涡轮机80的组对或编组。例如,如果风力涡轮机80不是相互充分接近,则它们可能不适合于风力涡轮机91的编组中的标识,因为诸如山坡或其他障碍物之类的障碍可减弱任何有意义关系和尾流效应70。
系统和方法配置成识别或接收风力涡轮机91的编组。基于这类编组,与风力涡轮机91的编组的风力涡轮机80关联的性能数据可与建模数据进行比较,以确定是否对关联风力涡轮机80正确校准机舱位置。
图4是可用于监测和再校准风场中的多个风力涡轮机的机舱位置的示范计算装置105的框图。计算装置105包括存储器装置110以及在操作上耦合到存储器装置110供运行指令的处理器115。在示范实施例中,计算装置105包括单个处理器115和单个存储器装置110。在备选实施例中,计算装置105可包括多个处理器115和/或多个存储器装置110。在一些实施例中,可执行指令存储在存储器装置110中。计算装置105由编程处理器115可配置成执行本文所述的一个或多个操作。例如,可通过将操作编码为一个或多个可执行指令,并且在存储器装置110中提供可执行指令,来对处理器115编程。
在示范实施例中,存储器装置110是实现诸如可执行指令和/或其他数据之类的信息的存储和检索的一个或多个装置。存储器装置110可包括一个或多个有形非暂时计算机可读介质,非限制性地例如随机存取存储器(RAM)、动态随机存取存储器(DRAM)、静态随机存取存储器(SRAM)、固态硬盘、硬盘、只读存储器(ROM)、可擦可编程ROM(EPROM)、电可擦可编程ROM(EEPROM)和/或非易失性RAM(NVRAM)存储器。上述存储器类型只是示范性的,并且因而并不是限制可用于存储计算机程序的存储器的类型。
存储器装置110可配置成存储操作数据,非限制性地包括风力涡轮机聚类算法、风力涡轮机组对算法、风力涡轮机输出建模算法、历史风力涡轮机性能数据、当前风力涡轮机性能数据以及与风场82(图3所示)中的风力涡轮机相关的其他信息(例如维护和保养数据)。在一些实施例中,处理器115基于数据的使用时间从存储器装置110中删除或“清除”数据。例如,处理器115可改写与后续时间和/或事件关联的、先前所记录和存储的数据。作为补充或替代,处理器115可删除超过预定时间间隔的数据。另外,存储器装置110非限制性地包括充分数据、算法和命令,以促进计算机实现系统(图4中未示出)的操作。例如,存储器装置110包括数据、算法和命令,以促进如本文所述的尾流模型计算和预测。
在一些实施例中,计算装置105包括用户输入接口130。在示范实施例中,用户输入接口130耦合到处理器115,并且接收来自用户125的输入。用户输入接口130非限制性地可包括键盘、指针装置、鼠标、触控笔、触敏面板(非限制性地包括例如触摸垫或触摸屏)和/或音频输入接口(非限制性地包括例如话筒)。单个组件、例如触摸屏可用作呈现接口120和用户输入接口130的显示装置。
通信接口135耦合到处理器115,并且配置成耦合成与诸如传感器或者另一个计算装置105之类的一个或多个其他装置进行通信,以及执行相对这类装置的输入和输出操作。例如,通信接口135可非限制性地包括有线网络适配器、无线网络适配器、移动电信适配器、串行通信适配器和/或并行通信适配器。通信接口135可从一个或多个远程装置接收数据和/或向其传送数据。例如,计算装置105的通信接口135可向另一个计算装置105的通信接口135传送告警。通信接口135促进机器-机器通信,即,充当机器-机器接口。通信接口135还配置成与风场82(图2所示)中的风力涡轮机10(图1所示)进行通信。因此,计算装置105配置成从风力涡轮机10接收数据,其中包括但不限于报告机舱位置、当前生产数据、历史生产数据、风力涡轮机10的位置数据以及风力涡轮机10的维护和保养记录。
呈现接口120和/或通信接口135均能够例如向用户125或者另一个装置提供适合与本文所述方法配合使用的信息。相应地,呈现接口120和通信接口135可称作输出装置。类似地,用户输入接口130和通信接口135能够接收适合与本文所述方法配合使用的信息,并且可称作输入装置。在示范实施例中,呈现接口120用来可视化数据,非限制性地包括例如图3所示的风力涡轮机10的位置图表、风力涡轮机10的机舱位置取向、包括编组风力涡轮机91(图3所示)的生产比率的尾流特征以及包括雷达图表(其示出编组风力涡轮机91的生产比率)的其他可视信息。一旦这种数据经过可视化,用户125可使用用户输入接口130来运行任务,非限制性地包括机舱位置的再校准、风力涡轮机10的重新编组以及任何其他相干任务。这类任务可包括可促进这类功能的附加软件的使用。
在示范实施例中,计算装置105是计算装置(其将要在示范高级计算机实现系统中用于再校准和监测风场(图4中未示出)中的多个风力涡轮机的机舱位置)的示范实施例。在至少一些其他实施例中,计算装置105也是其他装置(图4中未示出)以及用于再校准和监测机舱位置的其他装置(未示出)的示范实施例。在大多数实施例中,计算装置105至少示出这类其他装置的主要设计。
图5是可与计算装置105(图4所示)配合使用的、用于监测和再校准机舱位置的示范高级计算机实现系统500的示意图。系统500包括与多个风力涡轮机装置530(其与风力涡轮机10关联)进行通信的计算装置105。风力涡轮机装置530可表示能够提供支持和监测功能的简单计算装置。还可集中风力涡轮机装置530,使得特定风力涡轮机装置530可对多个风力涡轮机10进行报告。计算装置105包括耦合到处理器115的存储器装置110。在至少一些实施例中,计算装置105还包括存储装置520,其耦合到处理器115和存储器装置110。存储装置520表示对存储器装置110进行补充的装置,其可存储与本文所述方法和系统相关的信息。存储装置520可以是计算计算装置105的处理器115直接可访问的,或者备选地是经由通信接口135可访问的。
在至少一些实施例中,计算装置105包括数据库525。数据库525可以是任何组织结构,其能够表示与所述方法和系统相关的信息,非限制性地包括用来预测风力涡轮机输出的模型、用来预测风力涡轮机尾流特征的模型、与风力涡轮机位置有关的数据、与风力涡轮机机舱位置取向有关的数据以及历史和当前风力涡轮机生产数据。
在至少一些实施例中,用户125与计算装置105进行交互,以便促进使用所述系统和方法来再校准和监测风场中的风力涡轮机的机舱位置。用户125可使用呈现接口120(图1所示)和用户输入接口130(图1所示)进行交互。
图6是用于使用计算机实现系统(图5所示)来再校准机舱位置的示范过程600的流程图。过程600由机舱校准计算装置105(图4所示)来实现。机舱校准计算装置105识别(610)风场中包含的至少两个关联风力涡轮机,其中各关联风力涡轮机包括位置信息。识别(610)表示选择至少两个风力涡轮机80作为一组风力涡轮机91的组成部分(均在图3中示出)。识别(610)可使用多种示范方法来实现。在第一示范方法中,机舱校准计算装置105将涡轮机聚类算法应用于风场,以定义多个涡轮机编组91。多个涡轮机编组91的各涡轮机编组91包括多个风力涡轮机80以及表示涡轮机编组中的多个编组风力涡轮机之间的接近性的关系加权值。更具体来说,关系加权值可基于风力涡轮机91的编组中的风力涡轮机80之间的距离来确定。在至少一些示例中,还可根据风力涡轮机80是否处于彼此的视线之内,来评估风力涡轮机91的编组。例如,如果障碍物或较大距离存在于风力涡轮机80之间,则关系加权可减小,因为在这类示例中,尾流效应可能较低。在备选示例中,涡轮机聚类算法可识别涡轮机编组91,其中风力涡轮机80处于风场82(图3所示)之内的绝对或相对边缘。例如,如果三个风力涡轮机A、B、C和D的聚类在顺序行中相互接近,在附近没有其他风力涡轮机具有相同轴向关系,则风力涡轮机A和D可识别为“边缘涡轮机”。
涡轮机编组91至少部分基于关系加权来分级。机舱校准计算装置105处理所有潜在涡轮机编组91,并且确定具有最高总关系加权的涡轮机编组91的优选列表。
机舱校准计算装置105还至少部分基于各关联风力涡轮机的位置信息来确定(620)关联风力涡轮机的多个预测尾流特征。确定(620)表示基于站点布局来确定尾流特征。确定(620)涉及识别风力涡轮机80之间的潜在尾流效应70(图2所示),并且使用这类尾流效应70来确定尾流特征。在示范实施例中,一般风速由机舱校准计算装置105来识别为用于确定(620)的基准速度。例如,在一个示例中,基准速度可以是每秒10米。机舱校准计算装置105基于基准速度来投射风力的周转。换言之,在标准化间隔跨全360°旋转范围来投射风力。在一个示例中,风力在360个常规1°间隔以每秒10米来投射。基于风向的360个不同投射,机舱校准计算装置105基于站点布局来确定(620)多个尾流特征。
在一备选实施例中,基于各风力涡轮机80的位置信息和机舱位置信息,对风场82中的所有风力涡轮机80执行风场模拟模型。风场模拟模型接收至少两个输入。首先接收向量基准vbaseline。vbaseline表示与给定日期和时间关联的自由流风速向量。虽然vbaseline没有准确估计在风场82的风速,但是它提供用于校准的充分强的代理值。其次将风向估计d输入风场模拟模型中。风向估计使用vbaseline(其表示基准涡轮机的实际机舱位置值)和
值(其表示vbaseline位置的估计偏移)来得出。vbaseline与日期和时间信息关联,并且因而可被积分。Vbaseline和用来计算d。
在示范实施例中,机舱校准计算装置105在多个时间点确定(620)风场82中的各风力涡轮机编组91的尾流特征。在示范实施例中,这类尾流特征表示风力涡轮机编组91中的风力涡轮机80的功率输出比。在其他实施例中,可确定其他尾流特征。如以下所述,将所确定(620)的尾流特征与基于当前或历史生产数据的当前或实际尾流特征进行比较,并且识别误差。
参照图6,机舱校准计算装置105还检索(630)与关联风力涡轮机相关的多个历史性能数据。在一个实施例中,检索(630)表示机舱校准计算装置105从风力涡轮机装置530接收表示风力涡轮机80的历史性能数据的信息。在示范实施例中,历史性能数据表示风力涡轮机80的历史功率输出。
在至少一些示例中,所检索(630)的多个历史性能数据与具有系统误差或零误差的报告机舱位置值关联。更具体来说,报告机舱位置值可指示两个风力涡轮机80的报告机舱位置值之间的差显著改变(例如阶跃特征)。换言之,先前报告的机舱位置值可指示两个风力涡轮机80具有特定关系(例如,风力涡轮机80相互平行),一直到时间t0,而在时间t1,报告机舱位置数据指示风力涡轮机80具有不同关系。可通过在短时间间隔的报告机舱位置值之间的差的显著和突然变化,来识别这种变化或阶跃特征。在至少一个实施例中,一对涡轮机(或者一组涡轮机)的报告机舱位置值之间的差异可通过监测这种变化或阶跃特征的检测来识别。这种监测可按照在线方式(即,当前时间的连续读数和阶跃变化的检测)或者按照离线方式(即,机舱位置值的历史读数的审查以及基于这类历史读数的阶跃变化的检测)进行。在这类示例中,可对所有相干风力涡轮机80来调整多个历史性能数据,以矫正阶跃特征的影响。备选地,阶跃特征的存在可用来识别相干风力涡轮机80的至少一个的再校准因子。在至少一些示例中,阶跃特征可准确指示风力涡轮机80之间的关系的变化。在至少一些示例中,机舱校准计算装置105可向技师或工程师触发检验风力涡轮机80之间的关系的告警。
机舱校准计算装置105还基于多个历史性能数据来确定(640)多个当前尾流特征。确定(640)表示至少部分基于先前检索(630)的多个历史性能数据来识别风力涡轮机编组91中的风力涡轮机80之间的尾流特征。在示范实施例中,确定(640)表示计算风力涡轮机编组91中的风力涡轮机80的功率输出比。
再次参照图6,机舱校准计算装置105还识别(650)预测尾流特征与当前尾流特征之间的差异。识别(650)表示比较在确定(620)和确定(640)所确定的尾流特征。在一些示例中,识别(650)还包括确定与第一差异等级关联的预测尾流特征和当前尾流特征的主要部分。第一差异等级可以是风力涡轮机91的编组之间的最突出尾流特征。更具体来说,识别(650)可包括识别预测尾流特征和当前尾流特征的更显著部分(例如数值上的较大特征),其中与预测尾流特征和当前尾流特征的不太显著部分(其中预测尾流特征与当前尾流特征之间的区别比较低)相比,预测尾流特征与当前尾流特征之间的区别比较高。在这类示例中,比较预测尾流特征和当前尾流特征的主要部分,以识别(650)差异。主要部分可用来识别主要区别,并且因此用来确定再校准因子。
机舱校准计算装置105还基于所识别差异来确定(660)关联风力涡轮机的至少一个的再校准因子。确定(660)表示识别当前尾流特征与预测尾流特征相差的程度。在识别预测尾流特征和当前尾流特征的主要部分的示例中,只有主要部分可用来确定(660)再校准因子。在一些其他示例中,预测尾流特征和当前尾流特征的次要部分可用来调整所确定(660)的再校准因子。次要部分可用来识别次要区别,并且因此用来调整再校准因子。
在一个示例中,对风力涡轮机80所确定(660)的再校准因子可用来调整和校正当前性能数据。例如,机舱校准计算装置105可接收与关联风力涡轮机关联的多个当前性能数据,将再校准因子应用于所接收的当前性能数据,以校正当前性能数据,并且创建经调整的当前性能数据的集合。这种校正备选地可对实时数据和历史数据进行。因此,可校正所有性能数据。
此外,在至少一个示例中,经调整(或校正)的性能数据可与未校正的性能数据进行比较。这种变化可用来确定在风场的输出报告中的当前和以往不准确性。
图7是用于使用计算机实现系统500(图5所示)来再校准机舱位置的备选过程700的流程图。过程700由机舱校准计算装置105来实现。过程700基本上促进识别风力涡轮机91(图3所示)的优选编组。机舱校准计算装置105识别(710)多个风力涡轮机的第一风力涡轮机,其中第一风力涡轮机处于与风场中包含的第一多个相邻风力涡轮机的第一空间关系。识别(710)表示从风场82(图3所示)中选择风力涡轮机80(图3所示)。
机舱校准计算装置105还将多个风力涡轮机的第二风力涡轮机识别(720)为与第一风力涡轮机关联的组对风力涡轮机,其中第二风力涡轮机包含在第一多个相邻风力涡轮机中。识别(720)表示使用与识别(610)(图6所示)中提到的技术相似的技术来选择风力涡轮机编组91的风力涡轮机。在示范实施例中,多个相邻风力涡轮机是相互之间具有轴向关系的风力涡轮机80。在其他实施例中,多个相邻风力涡轮机是相互之间具有视线的风力涡轮机。换言之,除了风力涡轮机本身之外,没有地理或物理障碍物存在于多个相邻风力涡轮机之间。因此,如本文所使用的“视线”表示如下思路:除了其他风力涡轮机之外,两个风力涡轮机相互之间没有物理障碍物。
机舱校准计算装置105还检索(730)与第一风力涡轮机相关的第一多个历史性能数据以及与第二风力涡轮机相关的第二多个历史性能数据。在示范实施例中,检索(730)表示检索对第一风力涡轮机和第二风力涡轮机相关的功率输出数据。
机舱校准计算装置105还至少部分基于第一多个历史性能数据和第二多个历史性能数据来确定(740)第一风力涡轮机和第二风力涡轮机的第一多个尾流特征。在在示范实施例中,确定(740)表示确定第一风力涡轮机与第二风力涡轮机之间的至少一个功率输出比,其可用来描述第一多个尾流特征。
机舱校准计算装置105还确定(750)第一多个尾流特征是否小于尾流特征阈值。在示范实施例中,确定(750)表示确定基于所测量性能数据的功率输出比是超过还是下降到低于预定尾流特征阈值。预定尾流特征阈值可基于程序或人为输入来确定。预定尾流特征阈值基本上表示一组风力涡轮机91所需的尾流特征区别的最小等级。预定尾流特征阈值可基本上基于与第一风力涡轮机和第二风力涡轮机关联的位置特性来创建。
在至少一些示例中,预定尾流特征阈值可相对于基准来设置。如以下所述,极坐标图800、900、1000和1100包括单位圆820和1020(全部在图8-11中示出),其指示风力涡轮机之间的功率比等于1.0(即,风力涡轮机的功率输出是相同的)的基准。在一些示例中,可要求预定尾流特征阈值是这类单位圆820和1020的乘数。此外,在其他示例中,可要求预定尾流特征阈值比“下一个最大尾流特征”要大某个量或者比平均尾流特征要大某个量。
机舱校准计算装置105还在确定第一多个尾流特征小于尾流特征阈值时识别(760)第一多个相邻风力涡轮机中包含的第三风力涡轮机,以取代第二风力涡轮机作为与第一风力涡轮机关联的组对风力涡轮机。机舱校准计算装置105进行识别(760),以便在确定与尾流特征阈值相比、风力涡轮机91的初始编组没有与充分尾流特征关联时识别风力涡轮机91的优选编组。在一个示例中,识别(760)包括从不包括第二风力涡轮机的第一多个相邻风力涡轮机中选择最接近第一风力涡轮机的涡轮机作为第三风力涡轮机。在第二示例中,识别(760)包括选择位于第一多个相邻风力涡轮机的边缘的涡轮机作为第三风力涡轮机。在第三示例中,识别(760)包括选择与第一涡轮机和一个或多个相邻涡轮机轴向对齐的涡轮机作为第三风力涡轮机,但是其他涡轮机可定位在第一与第三涡轮机之间。在第三示例中,识别(760)包括选择具有特定空间特性的涡轮机作为第三风力涡轮机。例如,可通过对先前所识别的第二风力涡轮机进行“蛙跳”或者通过查找“边缘涡轮机”(其中第三涡轮机处于相邻涡轮机的编组边缘),来选择第三风力涡轮机。
在至少一些示例中,类似地测试包括所选第三风力涡轮机的风力涡轮机91的新编组。更具体来说,机舱校准计算装置105还检索与第一风力涡轮机相关的第三多个历史性能数据以及与第三风力涡轮机相关的第四多个历史性能数据,至少部分基于第三多个历史性能数据和第四多个历史性能数据来确定第一风力涡轮机和第三风力涡轮机的第二多个尾流特征,确定第二多个尾流特征是否小于尾流特征阈值,并且在确定第二多个尾流特征小于尾流特征阈值时识别第一多个相邻风力涡轮机中包含的第四风力涡轮机,以取代第三风力涡轮机作为与第一风力涡轮机关联的组对风力涡轮机。
在一备选实施例中,可在使用图6所述的方法对一组风力涡轮机91确定再校准因子之后,来计算尾流特征阈值。在这个实施例中,将各涡轮机80的再校准风向读数与风场82中的每个另一涡轮机80进行比较。如果特定涡轮机80的再校准读数在很大程度上与风场82中的涡轮机的大多数不一致,则能够断定不正确地计算了不一致的特定涡轮机80的再校准因子。
现在参照图10-11,图10是示出第二对风力涡轮机的预测尾流特征1030与当前尾流特征1040之间的比较的第三极坐标图1000,而图11是示出图10的第二对风力涡轮机的预测尾流特征1030与再校准当前尾流特征1110之间的比较的第四极坐标图1100。因此,图10和图11表示同一对风力涡轮机的预测尾流特征1030与当前尾流特征1040和再校准尾流特征1110之间的比较。图10和图11中,第二对风力涡轮机是一对风力涡轮机A和B(未示出),其被识别(图6所示)并且为了再校准风力涡轮机A所报告的机舱位置值而进行比较。
在第三极坐标图1000中,散布图1010包括指示历史性能数据的多个数据点。当前尾流特征1040基于表示被检索(630)(图6所示)的历史性能数据的散布图1010来确定(640)(图6所示)。更具体来说,通过在第三极坐标图1000所示跨360°计算散布图1010的移动中值,来确定当前尾流特征1040。预测尾流特征1030至少部分基于与第二对风力涡轮机的各风力涡轮机关联的位置信息来确定(620)(图6所示)。示出单位圆1020,以帮助比较。当预测尾流特征1030或者当前尾流特征1040中的任一个与单位圆1020相交或重叠时,指示1.0的功率比。当预测尾流特征1030或者当前尾流特征1040超出单位圆1020之外时,指示大于1.0的功率比。当预测尾流特征1030或者当前尾流特征1040处于单位圆1020之内时,指示小于1.0的功率比。
更具体来说,极坐标图1000指示预测尾流特征1030和当前尾流特征1040在至少一些特征区域中基本上没有重叠。例如,在90°和270°所示的预测尾流特征1030的特征与在图表中的那些点的当前尾流特征1040的相似特征不匹配,而在大致70°的当前尾流特征1040的实质特征与类似的预测尾流特征1030不匹配。相应地,如本文所述,机舱校准计算装置105可基于第三极坐标图1000所示的数据来识别(650)(图6所示)预测尾流特征1030与当前尾流特征1040之间的差异。因此,机舱校准计算装置105基于所识别差异来确定(660)(图6所示)关联风力涡轮机(即,风力涡轮机A和B)的至少一个的再校准因子。
图11是第四极坐标图1100,其示出预测尾流特征1030(与图10所示的第三极坐标图1000相同)与再校准当前尾流特征1110(表示基于如图10所示的所识别(650)差异所再校准的图10的当前尾流特征1040)之间的比较。由于大致70°所示的当前尾流特征1040的实质特征在第四极坐标图1100中已经调整为大约90°,所以再校准因子示为顺时针大致20°。为了便于说明而提供极坐标图1000和1100。如本文所述,机舱校准计算105可使用任何类似方法和任何类似数据来实现本文所述的方法和系统。因此,诸如历史性能数据、预测尾流特征、当前尾流特征和所识别差异之类的数据可按照除了包括例如功率输出比的曲线图的极坐标图1000和1100之外的备选方式来提供和示出。
图8是示出第一对风力涡轮机A和C(未示出)的预测尾流特征830与当前尾流特征840之间的比较的第一极坐标图800。如同图10中一样,识别(650)(图6所示)预测尾流特征830与当前尾流特征840之间的差异。如同图10中一样,当前尾流特征840通过计算散布图810的移动中值来确定。显著尾流特征再次在大致90°和270°处于预测尾流特征830中,而相似尾流特征在相同位置不存在于当前尾流特征840中。相应地,再校准因子基于所识别差异来确定(660),并且当前尾流特征840可如图9所示再校准。但是,图9示出这种再校准可能是不充分的。更具体来说,图9示出在大致90°和大致270°,再校准当前尾流特征910没有包括显著特征。
在诸如图8和图9之类的示例中,方法700(图7所示)可由机舱校准计算装置105来实现,以确定风力涡轮机对A和C不适合进行比较以再校准风力涡轮机A。更具体来说,识别(710和720)(图7所示)风力涡轮机对A和C,检索(730)(图7所示)相关历史性能数据以确定多个尾流特征740(图7所示)、例如当前尾流特征840,并且机舱校准计算装置105确定(750)当前尾流特征840是否小于尾流特征阈值(未示出)。如图8所示,当前尾流特征840没有可易于识别为与预测尾流特征830对应的任何突出特征。因此,在至少一个示例中,当前尾流特征840小于关联尾流特征阈值。换言之,机舱校准计算装置可要求当前尾流特征840基本上对应于预测尾流特征830。在图8和图9的示例中,机舱校准计算装置105还识别第三风力涡轮机(例如图10和图11的极坐标图1000和1100中使用的风力涡轮机B)供比较。
上述计算机实现系统和方法提供用于监测和再校准风场中的多个风力涡轮机的机舱位置的有效方式。系统和方法基本上改进风力涡轮机的机舱位置报告的精度,并且因而改进风场中的风向的计算。此外,通过改进风向计算,所述的系统和方法促进风场性能和输出的改进监测和报告。
本文所述方法和计算机实现系统的示范技术效果包括下列至少一个:(a)机舱位置报告的改进精度;(b)风场中的风向的改进确定;(c)风场的性能和输出的增强报告和监测;(d)风向相关控制方案;以及(e)方向相关负荷缩减和较高能量产率。
以上详细描述用于监测和再校准风场中的多个风力涡轮机的机舱位置的示范实施例。计算机实现系统以及操作这类系统的方法并不局限于本文所述的具体实施例,而是可单独并且独立于本文所述的其他组件和/或步骤来使用系统的组件和/或方法的步骤。例如,方法还可与其他系统和环境结合使用,而并不局限于如本文所述的环境。示范实施例而是能够与许多其他应用结合实现和使用。
虽然本发明的各个实施例的具体特征可在部分附图中示出而在其他附图中未示出,但是这只是为了方便起见。按照本发明的原理,可与任何其他附图的任何特征结合引用和/或要求保护附图的任何特征。
本书面描述使用包括最佳模式的示例来公开本发明,并且还使本领域的技术人员能够实施本发明,包括制作和使用任何装置或系统,以及执行任何结合方法。本发明的专利范围由权利要求书来定义,并且可包括本领域的技术人员想到的其他示例。如果这类其他示例具有与权利要求的文字语言完全相同的结构单元,或者如果它们包括具有与权利要求的文字语言的非实质差异的等效结构单元,则预计它们落入权利要求的范围之内。
附图标记
10 | 风力涡轮机 |
12 | 机舱 |
14 | 塔架 |
16 | 转子 |
18 | 转子叶片 |
20 | 转毂 |
30 | 上游风力涡轮机 |
40 | 下游风力涡轮机 |
50 | 轴 |
60 | 风向 |
70 | 尾流效应 |
80 | 多个风力涡轮机 |
82 | 风电场 |
84 | 风力涡轮机 |
87 | 风力涡轮机 |
88 | 风力涡轮机 |
89 | 风力涡轮机 |
91 | 风力涡轮机编组 |
92 | 第一风向 |
93 | 第二风向 |
94 | 风力涡轮机 |
95 | 风力涡轮机 |
97 | 风力涡轮机 |
98 | 风力涡轮机 |
99 | 风力涡轮机 |
105 | 机舱校准计算装置 |
110 | 存储器装置 |
115 | 处理器 |
120 | 呈现接口 |
125 | 用户 |
130 | 用户输入接口 |
135 | 通信接口 |
500 | 计算机实现系统 |
520 | 存储装置 |
525 | 数据库 |
530 | 风力涡轮机装置 |
600 | 过程 |
610 | 识别 |
620 | 确定 |
630 | 检索 |
640 | 确定 |
650 | 识别 |
660 | 确定 |
700 | 过程 |
710 | 识别 |
720 | 识别 |
730 | 检索 |
740 | 确定 |
750 | 确定 |
760 | 识别 |
800 | 极坐标图 |
810 | 散布图 |
820 | 单位圆 |
830 | 预测尾流特征 |
840 | 当前尾流特征 |
900 | 极坐标图 |
910 | 再校准当前尾流特征 |
1000 | 极坐标图 |
1010 | 散布图 |
1020 | 单位圆 |
1030 | 预测尾流特征 |
1040 | 当前尾流特征 |
1100 | 极坐标图 |
1110 | 再校准当前尾流特征 |
Claims (10)
1. 一种用于再校准风场(82)中的多个风力涡轮机(91)的机舱位置的机舱校准计算装置(105),所述机舱校准计算装置包括:
处理器(115);以及
耦合到所述处理器的存储器(110),所述处理器编程为:
识别(610)所述风场中包含的至少两个关联风力涡轮机,其中各关联风力涡轮机包括位置信息;
至少部分基于各关联风力涡轮机的所述位置信息来确定(620)所述关联风力涡轮机的多个预测尾流特征;
接收(630)与所述关联风力涡轮机相关的多个历史性能数据;
基于所述多个历史性能数据来确定(640)多个当前尾流特征;
识别(650)所述预测尾流特征与所述当前尾流特征之间的差异;以及
基于所述识别的差异来确定(660)所述关联风力涡轮机的至少一个的再校准因子。
2. 如权利要求1所述的机舱校准计算装置(105),其中,所述处理器(115)还编程为:
将风力涡轮机聚类算法应用于所述风场,以定义多个风力涡轮机编组,其中所述多个风力涡轮机编组的各风力涡轮机编组包括多个风力涡轮机以及表示所述风力涡轮机编组中的所述多个编组风力涡轮机之间的接近性的关系加权值;
基于所述关系加权来分级所述风力涡轮机编组;以及
基于所述分级的风力涡轮机编组来识别多个优选风力涡轮机编组。
3. 如权利要求1所述的机舱校准计算装置(105),其中,所述处理器(115)还编程为:
接收与所述关联风力涡轮机关联的多个当前性能数据;以及
将所述再校准因子应用于所述接收的当前性能数据,以生成经调整的当前性能数据的集合。
4. 如权利要求3所述的机舱校准计算装置(105),其中,所述处理器(115)还编程为:
接收与第一风力涡轮机关联的第一机舱位置值和与第二风力涡轮机关联的第二机舱位置值,其中所述第一机舱位置值和所述第二机舱位置值与第一时间期间关联;
确定所述第一机舱位置值与所述第二机舱位置值之间的第一差别;
接收与所述第一风力涡轮机关联的第三机舱位置值和与所述第二风力涡轮机关联的第四机舱位置值,其中所述第三机舱位置值和所述第四位置值与迟于所述第一时间期间的第二时间期间关联;
确定所述第三机舱位置值与所述第四机舱位置值之间的第二差别;
通过比较所述第一差别和所述第二差别来确定是否指示阶跃特征;以及
基于所述确定的阶跃特征来传送对再校准所述第一风力涡轮机和所述第二风力涡轮机中的至少一个的请求。
5. 如权利要求1所述的机舱校准计算装置(105),其中,所述处理器(115)还编程为:
确定与第一差异等级关联的所述预测尾流特征和所述当前尾流特征的主要部分;
定义与第二差别等级关联的所述预测尾流特征和所述当前尾流特征的次要部分,其中所述第一差别等级大于所述第二差异等级;
基于所述主要部分来识别主要区别;以及
基于所述主要区别来确定所述再校准因子。
6. 如权利要求5所述的机舱校准计算装置(105),其中,所述处理器(115)还编程为:
基于所述次要部分来识别次要区别;以及
基于所述次要区别来调整所述再校准因子。
7. 如权利要求1所述的机舱校准计算装置(105),其中,所述处理器(115)还编程为:
识别与所述关联风力涡轮机关联的预测尾流效应;以及
基于所述识别的预测尾流效应来确定所述关联风力涡轮机之间的功率比。
8. 一种用于再校准风场(82)中的多个风力涡轮机(91)的机舱位置的计算机实现方法(700),其中各风力涡轮机处于与至少一个多个相邻风力涡轮机的空间关系,由机舱校准计算装置(105)所实现的所述方法包括处理器(115)和耦合到所述处理器的存储器装置(110),所述方法包括:
识别(710)所述多个风力涡轮机的第一风力涡轮机,其中所述第一风力涡轮机处于与所述风场中包含的第一多个相邻风力涡轮机的第一空间关系;
将所述多个风力涡轮机的第二风力涡轮机识别(720)为与所述第一风力涡轮机关联的组对风力涡轮机,其中所述第二风力涡轮机包含在所述第一多个相邻风力涡轮机中;
检索(730)与所述第一风力涡轮机相关的第一多个历史性能数据以及与所述第二风力涡轮机相关的第二多个历史性能数据;
使用所述机舱校准计算装置、至少部分基于所述第一多个历史性能数据和所述第二多个历史性能数据来确定(740)所述第一风力涡轮机和所述第二风力涡轮机的第一多个尾流特征;
确定(750)所述第一多个尾流特征是否小于尾流特征阈值;以及
在确定所述第一多个尾流特征小于所述尾流特征阈值时识别(760)所述第一多个相邻风力涡轮机中包含的第三风力涡轮机,以取代所述第二风力涡轮机作为与所述第一风力涡轮机关联的所述组对风力涡轮机。
9. 如权利要求8所述的方法(700),还包括:
检索与所述第一风力涡轮机相关的第三多个历史性能数据以及与所述第三风力涡轮机相关的第四多个历史性能数据;
使用所述机舱校准计算装置、至少部分基于所述第三多个历史性能数据和所述第四多个历史性能数据来确定所述第一风力涡轮机和所述第三风力涡轮机的第二多个尾流特征;
确定所述第二多个尾流特征是否小于所述尾流特征阈值;以及
在确定所述第二多个尾流特征小于所述尾流特征阈值时识别所述第一多个相邻风力涡轮机中包含的第四风力涡轮机,以取代所述第三风力涡轮机作为与所述第一风力涡轮机关联的所述组对风力涡轮机。
10. 如权利要求8所述的方法(700),其中,识别所述第三风力涡轮机包括从不包括所述第二风力涡轮机的所述第一多个相邻风力涡轮机中选择最接近所述第一风力涡轮机的风力涡轮机作为所述第三风力涡轮机。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US14/291140 | 2014-05-30 | ||
US14/291,140 US10138873B2 (en) | 2014-05-30 | 2014-05-30 | Systems and methods for wind turbine nacelle-position recalibration and wind direction estimation |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105221356A true CN105221356A (zh) | 2016-01-06 |
CN105221356B CN105221356B (zh) | 2019-07-05 |
Family
ID=53365792
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510288818.2A Active CN105221356B (zh) | 2014-05-30 | 2015-05-29 | 用于风力涡轮机机舱位置再校准和风向估计的系统及方法 |
Country Status (7)
Country | Link |
---|---|
US (1) | US10138873B2 (zh) |
EP (1) | EP2949924B1 (zh) |
CN (1) | CN105221356B (zh) |
BR (1) | BR102015012586B1 (zh) |
CA (1) | CA2892898C (zh) |
DK (1) | DK2949924T3 (zh) |
ES (1) | ES2957796T3 (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110008583A (zh) * | 2019-04-02 | 2019-07-12 | 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 |
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 |
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 (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
EP3423709B1 (en) * | 2016-03-03 | 2020-05-06 | Vestas Wind Systems A/S | A method for determining a yaw position offset of a wind turbine |
US10371124B2 (en) | 2016-05-17 | 2019-08-06 | General Electric Company | System and method for determining wind farm wake loss |
US10671039B2 (en) * | 2017-05-03 | 2020-06-02 | Uptake Technologies, Inc. | Computer system and method for predicting an abnormal event at a wind turbine in a cluster |
DE102017114583A1 (de) * | 2017-06-29 | 2019-01-03 | E.On Climate & Renewables Gmbh | Computergestütztes Verfahren zum Rekalibrieren wenigstens eines Gierwinkels einer Windkraftanlage, entsprechendes System, computergestütztes Verfahren zur Windparkoptimierung und entsprechender Windpark |
US10815966B1 (en) * | 2018-02-01 | 2020-10-27 | Uptake Technologies, Inc. | Computer system and method for determining an orientation of a wind turbine nacelle |
US11208986B2 (en) | 2019-06-27 | 2021-12-28 | Uptake Technologies, Inc. | Computer system and method for detecting irregular yaw activity at a wind turbine |
US10975841B2 (en) | 2019-08-02 | 2021-04-13 | Uptake Technologies, Inc. | Computer system and method for detecting rotor imbalance at a wind turbine |
US20210246875A1 (en) * | 2020-02-06 | 2021-08-12 | General Electric Company | System and method for optimizing wake management in wind farms |
EP4179198A4 (en) | 2020-07-13 | 2024-03-20 | Windesco Inc | METHOD AND SYSTEMS FOR EXTENDED YAW CONTROL OF A WIND TURBINE |
EP4083422A1 (en) | 2021-04-27 | 2022-11-02 | Siemens Gamesa Renewable Energy A/S | Monitoring of wind direction measurements in wind parks |
EP4083419A1 (en) * | 2021-04-27 | 2022-11-02 | Siemens Gamesa Renewable Energy Innovation & Technology S.L. | Computer-implemented method for calibrating wind turbines in a wind farm |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101069015A (zh) * | 2004-11-22 | 2007-11-07 | 再生动力系统股份公司 | 用于优化风能设备的运行的方法 |
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 |
CN102748219A (zh) * | 2011-04-21 | 2012-10-24 | 霍尼韦尔国际公司 | 监测风力涡轮机的性能 |
US20130166082A1 (en) * | 2011-12-23 | 2013-06-27 | General Electric Company | Methods and Systems for Optimizing Farm-level Metrics in a Wind Farm |
EP2631471A1 (en) * | 2012-02-24 | 2013-08-28 | Siemens Aktiengesellschaft | Wind park |
CN103717885A (zh) * | 2011-08-11 | 2014-04-09 | 维斯塔斯风力系统集团公司 | 风力发电厂和控制风力发电厂中的风力涡轮发电机的方法 |
Family Cites Families (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5838007A (en) * | 1995-09-08 | 1998-11-17 | Scientific Technology, Inc. | Optical scintillometer wake vortex detection system |
US7430534B2 (en) * | 2001-06-15 | 2008-09-30 | Abb Ab | System, method and computer program product for risk-minimization and mutual insurance relations in meteorology dependent activities |
JP4434661B2 (ja) | 2003-08-11 | 2010-03-17 | 富士重工業株式会社 | 水平軸風車及び吹上角計測方法 |
CA2560600C (en) | 2004-03-26 | 2010-10-26 | Forskningscenter Risoe | Method and apparatus to determine the wind speed and direction experienced by a wind turbine |
DE102004051843B4 (de) | 2004-10-25 | 2006-09-28 | Repower Systems Ag | Windenergieanlage und Verfahren zur automatischen Korrektur von Windfahnenfehleinstellungen |
US20070124025A1 (en) | 2005-11-29 | 2007-05-31 | General Electric Company | Windpark turbine control system and method for wind condition estimation and performance optimization |
JP4995209B2 (ja) | 2009-01-05 | 2012-08-08 | 三菱重工業株式会社 | 風力発電装置及び風力発電装置の風向推定方法 |
US7941304B2 (en) | 2009-04-30 | 2011-05-10 | General Electric Company | Method for enhancement of a wind plant layout with multiple wind turbines |
EP2460034B1 (en) * | 2009-07-29 | 2015-09-09 | Michigan Aerospace Corporation | Atmospheric measurement system |
WO2011060424A1 (en) * | 2009-11-16 | 2011-05-19 | Nrg Systems, Inc. | Data acquisition system for condition-based maintenance |
GB2477968A (en) | 2010-02-19 | 2011-08-24 | Vestas Wind Sys As | Method of operating a wind turbine to provide a corrected power curve |
US8035241B2 (en) | 2010-07-09 | 2011-10-11 | General Electric Company | Wind turbine, control system, and method for optimizing wind turbine power production |
US8141416B2 (en) * | 2010-09-30 | 2012-03-27 | General Electric Company | Systems and methods for identifying wind turbine performance inefficiency |
US20110074155A1 (en) * | 2010-12-03 | 2011-03-31 | Scholte-Wassink Harmut | Floating offshore wind farm, a floating offshore wind turbine and a method for positioning a floating offshore wind turbine |
US8267655B2 (en) * | 2010-12-20 | 2012-09-18 | General Electric Company | Method for controlling a wind turbine, and wind turbine arrangement |
KR101215503B1 (ko) | 2011-02-21 | 2012-12-26 | 삼성중공업 주식회사 | 풍력발전기의 나셀 풍속 보정 시스템 및 그 방법 |
US20140003939A1 (en) * | 2011-03-15 | 2014-01-02 | Purdue Research Foundation | Load shape control of wind turbines |
DK2515122T3 (en) | 2011-04-18 | 2019-02-11 | Siemens Ag | Method for measuring wind direction just after a wind turbine rotor |
US20120053983A1 (en) * | 2011-08-03 | 2012-03-01 | Sameer Vittal | Risk management system for use with service agreements |
BR112014017866B1 (pt) | 2012-01-25 | 2021-11-09 | Abb Schweiz Ag | Sistema para a produção de energia elétrica, método de predição de uma magnitude de produção de energia elétrica, produto de programa de computador e meio de armazenamento que pode ser lido em computador |
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 |
DK2877741T3 (da) | 2012-07-27 | 2019-05-20 | Univ Texas Tech System | System og fremgangsmåde til at evaluere vindstrømningsfelter ved anvendelse af fjernregistreringsindretninger |
US9617975B2 (en) * | 2012-08-06 | 2017-04-11 | General Electric Company | Wind turbine yaw control |
DE102013202261A1 (de) * | 2013-02-12 | 2014-08-28 | Senvion Se | Verfahren zum Überprüfen des Betriebs einer Windenergieanlage und Windenergieanlage |
US9366230B2 (en) * | 2013-03-14 | 2016-06-14 | General Electric Company | System and method for reducing loads acting on a wind turbine in response to transient wind conditions |
-
2014
- 2014-05-30 US US14/291,140 patent/US10138873B2/en active Active
-
2015
- 2015-05-28 CA CA2892898A patent/CA2892898C/en active Active
- 2015-05-28 EP EP15169733.1A patent/EP2949924B1/en active Active
- 2015-05-28 ES ES15169733T patent/ES2957796T3/es active Active
- 2015-05-28 DK DK15169733.1T patent/DK2949924T3/da active
- 2015-05-29 BR BR102015012586-0A patent/BR102015012586B1/pt active IP Right Grant
- 2015-05-29 CN CN201510288818.2A patent/CN105221356B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101069015A (zh) * | 2004-11-22 | 2007-11-07 | 再生动力系统股份公司 | 用于优化风能设备的运行的方法 |
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 |
CN102748219A (zh) * | 2011-04-21 | 2012-10-24 | 霍尼韦尔国际公司 | 监测风力涡轮机的性能 |
CN103717885A (zh) * | 2011-08-11 | 2014-04-09 | 维斯塔斯风力系统集团公司 | 风力发电厂和控制风力发电厂中的风力涡轮发电机的方法 |
US20130166082A1 (en) * | 2011-12-23 | 2013-06-27 | General Electric Company | Methods and Systems for Optimizing Farm-level Metrics in a Wind Farm |
EP2631471A1 (en) * | 2012-02-24 | 2013-08-28 | Siemens Aktiengesellschaft | Wind park |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
US11585323B2 (en) | 2018-01-25 | 2023-02-21 | Siemens Gamesa Renewable Energy A/S | Method and apparatus for cooperative controlling wind turbines of a wind farm |
CN110008583A (zh) * | 2019-04-02 | 2019-07-12 | 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 |
CN110008583B (zh) * | 2019-04-02 | 2023-04-28 | 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 |
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 |
Also Published As
Publication number | Publication date |
---|---|
EP2949924A1 (en) | 2015-12-02 |
DK2949924T3 (da) | 2023-10-02 |
US10138873B2 (en) | 2018-11-27 |
BR102015012586A2 (pt) | 2017-12-12 |
CA2892898A1 (en) | 2015-11-30 |
CN105221356B (zh) | 2019-07-05 |
ES2957796T3 (es) | 2024-01-25 |
US20150345476A1 (en) | 2015-12-03 |
BR102015012586B1 (pt) | 2022-09-20 |
EP2949924B1 (en) | 2023-06-28 |
CA2892898C (en) | 2022-09-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105221356A (zh) | 用于风力涡轮机机舱位置再校准和风向估计的系统及方法 | |
EP2644889B1 (en) | Detecting a wake situation in a wind farm | |
Gallagher et al. | Development and application of a machine learning supported methodology for measurement and verification (M&V) 2.0 | |
CN103198207A (zh) | 诊断算法参数优化 | |
US10740206B2 (en) | Record-based planning in operational maintenance and service | |
CN105488316A (zh) | 用于预测空气质量的系统和方法 | |
Xiao et al. | Status quo and opportunities for building energy prediction in limited data Context—Overview from a competition | |
WO2014115399A1 (ja) | 漏水推定装置及びシステム及び方法 | |
CN102566421A (zh) | 机器状态监控中异常检测的条件相关性建模的系统和方法 | |
CN109598236A (zh) | 一种自动化火点判识方法及系统 | |
CN102411339A (zh) | 一种数控装备性能可靠性评估方法 | |
CN112700349B (zh) | 测风塔选址方法和装置 | |
CN105387844A (zh) | 路面状况测定系统以及路面状况测定方法 | |
CN108957397A (zh) | 巡检机器人的定位方法及装置 | |
JP7068531B1 (ja) | 情報処理装置、情報処理方法、情報処理システム及びコンピュータプログラム | |
Bellucci et al. | Implementing the Dynamap system in the suburban area of Rome | |
Kim et al. | Automated damping identification of long-span bridge using long-term wireless monitoring data with multiple sensor faults | |
CN110956193A (zh) | 用于改进边界偏移检测的方法、系统、制品和装置 | |
Jadallah et al. | Performance and economic evaluation of a wind energy system: A case study | |
CN115456337A (zh) | 一种卫星在轨运行风险综合评估方法及评估装置 | |
Unobe et al. | Creating an asset management plan for traffic signal structures through interactive explorations of wind induced fatigue damage | |
WO2020105151A1 (ja) | 設備保守点検支援システム及び点検順序決定方法 | |
Chen et al. | The effect of linear regression modeling approaches on determining facility wide energy savings | |
EP4227870A1 (en) | System and method for non-linear signal extraction and structural-drift detection | |
CN111080046A (zh) | 一种输电技术成熟度评估方法和装置 |
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 |
Effective date of registration: 20240108 Address after: Barcelona, Spain Patentee after: Ge renewable energy Spain Ltd. Address before: New York, United States Patentee before: General Electric Co. |
|
TR01 | Transfer of patent right |