CN109416018B - 控制系统、风力涡轮机以及控制方法 - Google Patents
控制系统、风力涡轮机以及控制方法 Download PDFInfo
- Publication number
- CN109416018B CN109416018B CN201780041996.2A CN201780041996A CN109416018B CN 109416018 B CN109416018 B CN 109416018B CN 201780041996 A CN201780041996 A CN 201780041996A CN 109416018 B CN109416018 B CN 109416018B
- Authority
- CN
- China
- Prior art keywords
- wake
- parameter
- wind turbine
- control system
- controller
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 27
- 238000012545 processing Methods 0.000 claims abstract description 9
- 238000005259 measurement Methods 0.000 claims description 13
- 230000003044 adaptive effect Effects 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 3
- 238000004088 simulation Methods 0.000 description 33
- 230000000694 effects Effects 0.000 description 10
- 230000003993 interaction Effects 0.000 description 9
- 238000013459 approach Methods 0.000 description 7
- 238000013461 design Methods 0.000 description 7
- 230000007547 defect Effects 0.000 description 5
- 230000006735 deficit Effects 0.000 description 5
- 230000006698 induction Effects 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 230000005684 electric field Effects 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 4
- 238000013507 mapping Methods 0.000 description 4
- 230000003068 static effect Effects 0.000 description 4
- 238000011217 control strategy Methods 0.000 description 3
- 238000013016 damping Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 238000001069 Raman spectroscopy Methods 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 239000012530 fluid Substances 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000036961 partial effect Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 230000002829 reductive effect Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 239000000443 aerosol Substances 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- -1 non-metallic objects Substances 0.000 description 1
- 239000011435 rock Substances 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 238000004611 spectroscopical analysis Methods 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
Images
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F03—MACHINES OR ENGINES FOR LIQUIDS; WIND, SPRING, OR WEIGHT MOTORS; PRODUCING MECHANICAL POWER OR A REACTIVE PROPULSIVE THRUST, NOT OTHERWISE PROVIDED FOR
- F03D—WIND MOTORS
- F03D7/00—Controlling wind motors
- F03D7/02—Controlling wind motors the wind motors having rotation axis substantially parallel to the air flow entering the rotor
- F03D7/0204—Controlling wind motors the wind motors having rotation axis substantially parallel to the air flow entering the rotor for orientation in relation to wind direction
-
- 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
- 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
- F05B2240/00—Components
- F05B2240/90—Mounting on supporting structures or systems
- F05B2240/96—Mounting on supporting structures or systems as part of a wind turbine farm
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
- F05B—INDEXING SCHEME RELATING TO WIND, SPRING, WEIGHT, INERTIA OR LIKE MOTORS, TO MACHINES OR ENGINES FOR LIQUIDS COVERED BY SUBCLASSES F03B, F03D AND F03G
- F05B2260/00—Function
- F05B2260/82—Forecasts
- F05B2260/821—Parameter estimation or prediction
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
- F05B—INDEXING SCHEME RELATING TO WIND, SPRING, WEIGHT, INERTIA OR LIKE MOTORS, TO MACHINES OR ENGINES FOR LIQUIDS COVERED BY SUBCLASSES F03B, F03D AND F03G
- F05B2270/00—Control
- F05B2270/10—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
- F05B2270/804—Optical devices
- F05B2270/8042—Lidar systems
-
- 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)
- Wind Motors (AREA)
Abstract
概括而言，本发明涉及一种用于风力涡轮机的控制系统，其包括用于操纵风力涡轮机的尾流的尾流控制器，其中尾流控制器适于：在风力涡轮机的顺风的一个或多个预定距离处获得至少一个尾流参数；使用至少一个对应的预测尾流参数来处理至少一个尾流参数；将至少一个经处理的尾流参数与至少一个对应的期望尾流参数相比较；以及根据比较来控制风力涡轮机的偏航角，使得改变至少一个尾流参数，以及一种风力涡轮机、一种风电场和一种控制方法。
Description
技术领域
将来，风力涡轮机不仅被视为独立地操作的单个系统，而且被视为更大交互系统(风电场)的组成部分。为了增加风电场的效率，已经提出两个主要概念：轴向感应控制和尾流重新定向。本文集中于后者。风能应用中的遥感技术已经开辟了用于控制风力涡轮机的新方式。在本文中，通过使用遥感装置来使风力涡轮机的尾流重定向而采取进一步措施。提出一种控制器，该控制器使用风力涡轮机的偏航致动器将涡轮机的尾流中心引导到期望位置。以一定的时间延迟对尾流从风力涡轮机到测量位置的传播进行建模。这形成控制器设计的挑战性问题。该控制器遵循内部模型原理的理念并且使用模型来预测系统行为，从而避免对误差的过高估计。此外，提出一种自适应滤波器，以便从尾流中心估计中过滤掉无法控制的频率。假设根据激光雷达测量数据的估计是完美的。使用标称系统和适合于这种情形的风电场模拟工具来执行闭环模拟。将结果与不受控制的基线情况和静态应用的偏航偏移相比较。它们表明风电场的总功率输出增加。连同尾流跟踪方法一起，该方法可以被视作朝向闭环风电场控制迈进有希望的一步。
背景技术
激光雷达是技术人员已知的通过用激光照亮目标来测量距离的测量技术。激光雷达(Lidar)是光探测和测距(Light Detection And Ranging)的首字母缩略词，并且最初创建为“光”和“雷达”的混成词。激光雷达普遍用作进行高清晰度映射的技术，应用于测地学、测绘学、考古学、地理学、地质学、地形学、地震学、林学、大气物理学、机载激光条带测绘(ALSM)以及激光测高。所谓的激光雷达有时简称为激光扫描或3D扫描，具有陆地应用、空中应用和移动应用。
激光雷达使用紫外光、可见光或近红外光对物体成像。其目标可以是广泛范围的材料，包括非金属物体、岩石、雨、化学化合物、气溶胶、云以及甚至单个分子。窄激光束可以以极高的分辨率来映射物理特征；例如，飞机可以在30cm分辨率或更好的分辨率下映射地形。
激光雷达已经广泛地用于大气研究和气象学。装配到飞机和卫星的激光雷达仪器实施测量和映射，最近的示例是美国地质调查实验高级机载研究激光雷达(U.S.Geological Survey Experimental Advanced Airborne Research Lidar)。NASA已经将激光雷达视作用于实现未来机器人和载人月球登陆飞行器的自主精确安全登陆的关键技术。
波长改变以适应目标：从约10微米到UV(大约250nm)。通常，经由反向散射来反射光。不同类型的散射用于不同的激光雷达应用：最常见的瑞利散射、米氏散射、拉曼散射、以及荧光。基于不同种类的反向散射，激光雷达可以相应地被称为瑞利激光雷达、米氏激光雷达、拉曼激光雷达、Na/Fe/K荧光激光雷达等。波长的适当组合可以允许通过识别返回信号的强度的波长相关变化来远程映射大气内容。
风力涡轮机从风中提取能量。在本申请的领域中，应理解，在风力涡轮机的下游存在来自风力涡轮机的尾流，其中风速降低和/或风中可以出现湍流。随着流动继续向下游进行，尾流扩展并且尾流朝向自由流状态恢复。尾流效应是对风电场的能量产生的总体影响，这是通过涡轮机对彼此的影响而产生的风速的变化而导致的。重要的是要考虑来自相邻风电场的尾流效应以及将来会建立的风电场的可能影响。
换句话说，尾流是风力涡轮机(功率转换器)的能量提取的结果并且它在风力涡轮机的能量提取之后出现。在尾流中，速度降低并且湍流强度增加。谈及尾流的(经验)效应，可以观察到速度不足、尾流衰减、尾流重新定向、以及尾流曲折。
根据技术人员的知识，将发电机扭矩计算为经滤波的发电机速度的列表函数，其包含五个控制区域：1、1 1/2、2、2 1/2和3。区域1是切入风速之前的控制区域，其中发电机扭矩为零并且没有从风中提取功率；相反，风用来使转子加速以便启动。区域2是用于优化功率捕获的控制区域。此处，发电机扭矩与经滤波的发电机速度的平方成比例，以维持恒定(最佳)叶尖速度比。在区域3中，发电机功率维持恒定，以使得发电机扭矩与经滤波的发电机速度成反比。区域1 1/2(启动区域)是区域1与2之间的线性过渡。这个区域用来对发电机速度设置下限，以限制风力涡轮机的操作速度范围。区域2 1/2是区域2与3之间的线性过渡，其中扭矩斜率对应于感应式电机的斜率。区域2 1/2是用于在额定功率下限制叶尖速度(以及因此噪声排放)通常所需的(如任何5MW涡轮机的情况)。
将来，风能将在全球能量生产中起到重要作用。然而，不久的将来，利用高风区域中的有限可用空间安装的风力发电机的密度将增加。这不仅导致更多的风电场，而且导致风电场内的密集间隔。包括风力涡轮机之间的相互作用的优化算法可以帮助找到给定区域的最佳放置布局。新的控制概念可以通过调整尾流来增加现有和新风电场的总功率输出。风力涡轮机的尾流中的风速相对于自由流而降低，并且根据大气条件而恢复。另外，尾流中的湍流增加。如果风力涡轮机被来自逆风定位的风力涡轮机的尾流撞击，那么风力涡轮机产生较少功率并且因为增加的湍流而面临更高结构载荷。
多年来感兴趣的是将尾流中的尾流缺损和增加的湍流量化。已经开发出不同的模型来解决不同现象-速度缺损和湍流密度增加。它们在复杂性和计算工作量方面不同，并且从纯粹的经验模型变成数据驱动模型，以对尾流内的物理现象建模。通常，模型是稳态模型，这意味着它们以静态方式描述相互作用，而没有对尾流和风传播建模。这是因为以下事实：它们主要用来预测功率输出并且相对于布局和现场条件来优化功率输出。在过去的几年里，由于解决风电场中的所述问题，对更快风电场模拟工具的需要增长。在更高的保真水平上对风电场中的流现象进行模拟是基于计算流体动力学(CFD)，最常应用的是大涡模拟(LES)。近年来，研究者通过包括转子叶片和塔筒的结构柔性来对流体结构相互作用(FSI)建模。这种方法在计算方面非常昂贵，但给出了模拟尾流对下游涡轮机的载荷的影响的可能性。另外，越来越多地应用基于势流理论的涡流方法，以进行尾流建模。这种方法具有显著地降低计算工作量的潜力，而同时维持对主导流现象的充足分辨率。用于风电场模拟的流相互作用模型的另一类别是用于描述场中出现的不同现象的经验模型。即，环境风场和尾流模型。在本研究中，使用模拟工具SimWindFarm并且对其进行更改以便也描述偏航重新定向。章节II中描述关于所包括的模型的更多细节。
关于风力涡轮机控制，同样的两个目标对风电场控制有效：1)总功率的最大化和2)结构载荷的减小。在研究中利用不同方法来实现这些目标：1)提出并调研基于轴向感应的风电场控制，和2)引入一种使尾流重新定向的方法。
轴向感应控制旨在通过叶片桨距或扭矩致动器来操纵轴向感应并且将风力涡轮机转向到较低生产水平。这导致较弱的尾流缺损并且旨在最小化对顺风风力涡轮机的结构载荷影响。对风电场的整体能量捕获的影响尚不清楚。
重新定向方法旨在通过单独偏斜或通过使风力涡轮机偏航来使尾流重新定向。因此，避免尾流相互作用，并且在自由流条件下，顺风的风力涡轮机可以在最佳情况下操作。不同的调研已经表明，可以通过将尾流偏航高达40度而将尾流重新定向高达转子直径的0.54倍。使用这种方法的模拟结果是有前景的并且显示出功率增加。
在本文中，提出一种控制器，该控制器通过利用反馈控制器将尾流中心转向到期望位置来辅助尾流重新定向方法。在已知工作中，使用简化的尾流模型与简化的大气条件来计算最佳偏航角并且应用于开环框架。然而，模型不确定性可以引起不期望的行为。因此，只应用最优化的偏航角不会导致稳健的实施。因此，本文可以被视作朝向实现闭环尾流重新定向迈进一步。
具体地，本发明要解决的问题涉及借助于偏航控制和测量涡轮机的尾流的测量装置来操纵风力涡轮机的尾流。在现在的技术水平上，没有解决这个问题。开发了简化的经验模型，其描述依赖于偏航角的尾流的重新定向。这些角随后应用于前馈控制。然而，这呈现开环系统，即，没有经由测量装置的反馈。
本发明的目标是增加风电场的总能量产量，并且最小化尾流中的涡轮机上的结构载荷。具体地，尾流中的风力涡轮机经由与另一风力涡轮机的尾流相互作用而经历更高结构载荷。本发明经由对尾流的测量来通过重新定向和操纵尾流并且将参数反馈到控制器来实现这些目标。具体地，风力涡轮机上的测量装置(基于激光雷达或类似物)测量本身涡轮机的尾流，并且基于收集的信息，控制器可以调整控制变量，使得尾流重新定向(被操纵)。
发明内容
本发明的一方面涉及一种用于风力涡轮机的控制系统，其包括用于操纵涡轮机的尾流的尾流控制器，其中尾流控制器适于：
-在风力涡轮机的顺风的一个或多个预定距离处获得至少一个尾流参数，
-使用至少一个对应的预测尾流参数来处理至少一个尾流参数；
-将至少一个经处理的尾流参数与至少一个对应的期望尾流参数相比较，以及
-根据比较来控制风力涡轮机的偏航角，使得至少一个尾流参数改变。
至少一个尾流参数可以被称为尾流矢量。有可能仅提供一个尾流参数并且仅一个尾流参数用于该应用。
改变风力涡轮机的偏航角可以导致尾流参数、具体地尾流中心的位置改变。换句话说，尾流中心可以偏斜。因此，控制系统允许使尾流中心转向。
换句话说，控制中心具体地通过使用控制器来直接控制尾流位置。该过程可以包括以下步骤：
·遥感装置可以在尾流中进行测量。
·估计算法可以获得对包括尾流位置在内的尾流特性的估计。
·该估计可以用在控制器中，该控制器可以从电场操作员/整体规划得到期望位置。
·控制器可以基于估计位置和期望位置而将要求的控制动作设置到涡轮机。
激光雷达使得能够估计包括尾流位置在内的尾流特性并且了解流对涡轮机和外部条件的任何变化的反应。
有利地，该方法在涡轮机水平上局部地应用，因此它是分散式风电场控制方法。
具体地，电场操作员或全局电场控制器可以将期望位置提供给局部控制器。
根据实施方式，尾流控制器提供用于对准风力涡轮机而要求的偏航角作为控制参数。
根据实施方式，在应用要求的偏航角之后，迭代地重新获得、处理和比较至少一个尾流参数。
根据实施方式，至少一个尾流参数包括尾流中心，以及至少一个期望的尾流参数包括期望的尾流中心。
根据实施方式，每次迭代，尾流控制器在恰好一个预定位置获得恰好一个尾流参数，以及其中尾流控制器使用恰好一个对应的预测尾流参数来处理恰好一个尾流参数，以及其中控制器将恰好一个经处理的尾流参数与恰好一个期望的尾流参数相比较。
根据实施方式，通过控制偏航角，改变尾流参数，优选地使尾流中心重新定向。换句话说，可以通过改变偏航角来使作为优选尾流参数的尾流中心转向。理想地，可以使尾流中心转向到接近或匹配期望的尾流中心。
根据实施方式，控制系统包括面向风力涡轮机的顺风向的激光雷达装置。
根据实施方式，激光雷达装置用于在风力涡轮机的顺风的一个或多个预定位置处获得尾流参数，具体地为尾流中心。
根据实施方式，激光雷达装置用于在风力涡轮机的顺风的3到15个、优选地4到10个、更优选地4到6个预定位置处获得尾流参数。
根据实施方式，激光雷达装置用于在风力涡轮机顺风的恰好1个位置处获得尾流参数。
根据实施方式，控制系统包括反馈控制器。反馈控制器可以用于使尾流中心稳定。
根据实施方式，反馈控制器是闭环控制器。
根据实施方式，反馈控制器获得期望的尾流参数与经处理的尾流参数之间的差异作为输入参数。
根据实施方式，处理包括：将至少一个尾流参数与至少一个对应的预测尾流参数相比较、具体地从至少一个对应的预测尾流参数中减去至少一个尾流参数，从而产生至少一个被减的尾流参数；以及将滤波函数应用于所述至少一个被减的尾流参数，从而产生至少一个经滤波的尾流参数。
根据实施方式，使用考虑到风力涡轮机的位置与获得至少一个尾流参数的预定位置之间的时间延迟的物理模型来获得至少一个预测的尾流参数。
根据实施方式，处理包括将至少一个即时预测的尾流参数添加到至少一个经滤波的尾流参数，从而产生至少一个经处理的尾流参数，其中使用没有考虑风力涡轮机的位置与获得至少一个尾流参数的预定位置之间的时间延迟的物理模型来获得至少一个即时预测的尾流参数。
根据实施方式，滤波器是自适应滤波器以从至少一个被减的尾流参数中过滤掉无法控制的频率。
根据实施方式，对从风力涡轮机到测量位置的尾流传播进行建模。
本发明的一方面涉及一种风力涡轮机，其包括根据本发明的控制系统、电力发电机、以及多个转子叶片。
本发明的一方面涉及一种风电场，其包括多个风力涡轮机。
本发明的一方面涉及一种用于控制风力涡轮机的控制方法，其包括以下步骤：
-在风力涡轮机的顺风的一个或多个预定距离处获得至少一个尾流参数；
-使用至少一个对应的预测尾流参数来处理至少一个尾流参数；
-将至少一个经处理的尾流参数与至少一个对应的期望尾流参数相比较；以及
-根据比较来控制风力涡轮机的偏航角，使得至少一个尾流参数改变。
根据实施方式，重复地实施所述步骤。
有利地，本申请中描述的系统和方法的方面和/或实施方式允许：
·避免部分尾流重叠。
·增加总电场功率输出。
·降低顺风涡轮机上的结构载荷。
·提供风电场的操作的新的可能性。
附图说明
图1示出闭环系统，其中根据激光雷达测量数据来估计尾流中心位置yL并且将其与期望的尾流中心yL,des相比较。控制器设置风力涡轮机的偏航输入γdem以使尾流中心转向到要求的位置。
图2示出尾流控制器及其路径：控制器C、内部模型
和滤波器F。
图3示出两步响应模拟与标称闭环的比较，其中第一模拟中没有尾流曲折(红色)并且标称系统被第二模拟中的额外曲折干扰(蓝色)。
图4示出重新定向控制器关闭的模拟(蓝色)与使尾流重新定向的模拟(红色)之间的比较。尾流中心被重新定向到期望值(灰色)。在最后的曲线图中，示出涡轮机2的功率输出。当尾流击打第二涡轮机时，在这种情况下观察到功率降低。
图5示出三种控制器情形的风电场的总功率输出的比较：贪婪控制策略，其中所有的风力涡轮机都与风向完美地对准(浅蓝色)；应用所呈现的控制器(红色)，在尾流影响顺风涡轮机时，总功率输出不下降；以及示出其中应用预先计算的静态偏航角的模拟的总功率(蓝色)，功率输出与受控制情况几乎相同。
具体实施方式
I.方法
在本文中，引入闭环控制器，该闭环控制器使用对尾流中心的估计来控制尾流中心位置。提出反馈控制器以使尾流中心稳定在期望位置处，并且旨在补偿尾流模型中的不确定性。
在过去的几年里，遥感测量装置激光雷达(光探测和测距)已经用于风能，主要用于资源评估。最近，其已经成功地用于提供风速预测，以用于风力涡轮机控制，例如用于向前馈送控制。在装置的顺风向将激光雷达放在风力涡轮机上可以用于跟踪尾流并且识别尾流参数。这种方法可以用来分析尾流特性，但也用于控制目的。在本文中，假设可以完美地估计尾流中心。图1示出所提出的闭环装置。根据激光雷达测量数据估计的尾流中心位置yL反馈回到控制器。控制器设置要求的偏航输入γdem以控制尾流中心。
以一定的时间延迟对尾流从风力涡轮机到测量位置的传播进行建模。史密斯预测器方法已经显示用于控制延迟系统的有希望的结果。史密斯预测器的基本理念是内部模型控制的概念。使用模型来没有延迟地预测系统行为。控制器通过预测模型得到即时反馈。另外，反馈实际测量到的误差。对于尾流重新定向控制器的设计，尾流模型和偏航致动器模型都是重要的模型，见图1。它们在系统Ψ中合并，其中要求的偏航角γdem作为输入并且测量的尾流中心yL作为输出。
II.建模-模拟模型
重要的是具有能够测试风电场控制器的模拟模型。其必须满足时间效率问题，并且准确地描述风力涡轮机的相互作用影响。此处，使用已经引入并被称为SimWindFarm(SWF)的工程模型。在下文，呈现模拟模型的子模块和必要的调整。
A.涡轮机模型
气动弹性代码通常用于模拟风力涡轮机，以用于设计载荷计算。在这些模拟代码中，使用叶素理论来计算影响结构的气动力。此外，以不同的复杂性对结构建模。在SWF中，使用简化的风力涡轮机模型来模拟若干个风力涡轮机。用多个自由度(DOF)来描述风力涡轮机，例如，转子运动、前后运动、传动系、发电机、桨距系统和偏航角。在下文，简要地描述最重要的动力学：转子运动和前后运动。此外，呈现新添加的偏航致动器。
可以使用用于旋转运动的欧拉定律将转子运动Ω写为：
其中Ma和Mg分别是气动弹性和发电机扭矩，J是所有旋转部分的惯性，ρ是空气密度，R是转子半径，cp是功率系数，以及v0是转子有效风速。使用质量弹簧阻尼器和空气动力学推力对前后运动建模：
至
其中推力系数为cT，有效塔筒质量为m，kT为弹簧常数，以及dT为阻尼常数。在空气动力系数cP和cT中，包括功率提取和空气动力相互作用。它们取决于转子有效风速、转子运动和桨距角。
术语“转子有效风速”是本领域的技术人员已知的。如在例如“风力涡轮机的激光雷达辅助控制概念”(David Schlipf的论文，其以全文引用的方式包括在此)中定义，转子有效风速是导致风力涡轮机的与不均匀湍流风场(转子盘上定义的3D矢量场)相同或可比较的动态效应的标量风速。其可以利用或不利用加权而计算成转子盘的平均值。
新引入的偏航DOF被定义为相对于风向的相对偏移。利用二阶微分方程对其动态进行建模：
其中无阻尼的本征频率为ω并且阻尼为D。
B.涡轮机控制器
传统上利用桨距控制器和发动机扭矩控制器来控制所实施的风力涡轮机。风力涡轮机控制器存在两个不同的操作区域：在区域2中，主要目标是产生最大功率。在区域3中，在提取恒定的电功率时维持恒定的转子速度是主要目标。在区域2中使用扭矩控制器的kΩ2控制律以及在区域3中使用具有恒定功率的增益调度PI桨距控制器。
C.风场
在模拟代码中，使用风场中的点之间的频谱关系来生成环境风场。对纵向和横向风分量两者建模。使用卡曼谱来计算湍流。此外，根据已知文献来计算两个涡轮机之间的相干性。这产生交叉谱：
其中涡轮机i与k之间的相干性为Cik，自动频谱Sii和Skk分别在涡轮机i和k处，并且从涡轮机i到k的时间延迟为τik。
D.尾流模型
在接下来的部分中，简要地描述尾流扩展、尾流中心和尾流缺损。
1)尾流扩展：根据已知文献，顺风的距离d处的尾流扩展直径由下式给出：
其中参数α＝0.5以及k＝2，以及函数
其中D为转子直径，以及cT为空气动力学推力系数。
2)尾流中心：作为优选尾流参数的尾流中心由根据平均风速umean而具有时移的被动跟踪器描述。这意味着在时间t1处的尾流性质的变化在以下时间影响距离d处的顺风涡轮机：
此外，尾流中心在距离d处以平均横向风速曲折。这产生尾流中心ymeander(d)。
3)尾流缺损：由风力涡轮机引起的速度缺损是风力涡轮机之间的主要相互作用影响之一。根据已知文献，顺风距离d处的尾流速度由以下式给出：
其中环境风速为U0以及推力系数为cT。为了将若干个风力涡轮机的尾流组合，它们按以下规则合并：
其中
是涡轮机n+1处的尾流缺损。索引表示不同涡轮机及其尾流的性质。为了相对于尾流和部分尾流情形的形状获得更现实的方法，进一步考虑到尾流中心位置来衡量尾流缺损。因此，假设高斯形状尾流缺损，并且基于尾流中心位置，尾流缺损移动。
4)尾流偏转：为了描述由偏航失准γ引起的尾流偏转，另外对这个现象建模。已知文献中得出该关系并且成功地用于风电场的偏航角的优化。
顺风位置d处的偏航引起的偏转是根据已知文献：
其中转子处的尾流的初始角为
并且模型参数kd定义尾流偏转对偏航的灵敏度。尾流模型(11)示出顺风距离d的极限的以下行为
此外，根据已知文献对旋转引起的尾流偏转建模。在顺风位置d处，引起的偏转为
δrot(d)＝ad+bdd (15)
其中具有经验系数ad和bd。因此，在顺风位置d处，相对尾流中心位置导致
ywake(d)＝ymeander(d)+δrot(d)+δyaw(d,cT,γ) (16)
E.激光雷达尾流跟踪
已经介绍了激光雷达尾流跟踪方法。此处，假设完美的尾流中心估计，以集中在控制器上并且评估控制方法的能力。因此，假设在顺风距离dLidar处的估计的尾流中心位置yL是确切的尾流中心位置，
yL＝ywake(dLidar) (17)
III.建模-内部模型
针对内部控制器设计模型，考虑偏航致动器、尾流偏转模型和尾流传播。在下文，描述它们并且突出简单化：
将(4)中描述的偏航致动器没有任何更改地用在内部模型中。内部模型是用于提供预测的尾流参数的物理模型的示例。
在尾流偏转模型(12)中，进行简化。此处，假设常数cT＝cT,const。这是合理的，因为我们关注低于额定风速的情形，其中cT几乎恒定。此外，只使用(11)并且忽略旋转偏移(15)。
在假设完美尾流中心估计的情况下，在顺风距离dLidar处估计尾流中心yL。归因于尾流传播，引入时间延迟τ并且用该延迟来测量尾流中心的反应。
总之，这产生系统Ψ的控制器设计模型
概括而言，内部模型由偏航致动器模型、尾流偏转的近似值和时间延迟组成。假设恒定的推力系数cT，忽略因旋转产生的尾流偏转，并且不存在尾流曲折的模型。
IV.控制器设计
尾流控制器的主要目标是通过以使得尾流中心处于期望位置的方式使尾流偏转来使尾流中心转向到期望点。在章节III中，已经得出控制器的简化模型。在下文，所提出的控制策略适合于给出的问题。图2描述所提出的控制器概念及其不同部分。
控制器C使用要求的偏航输入来控制测量的尾流中心yL(其为优选尾流参数的示例)。内部模型
用来预测尾流中心的偏转。将测量到的尾流中心yL与预测的
(其为预测的尾流参数的示例)相比较并且用滤波器F进行滤波，以去除不可控制的频率。将经滤波的信号以及即时预测的尾流中心
(其为即时预测的尾流参数的示例)反馈到控制器。
A.控制器
控制器C(其为控制系统的示例性元件)由比例积分(PI)控制器组成，并且被设计成使得其满足具有(18)的动力学的期望闭环性能。设置60度的相位裕度和
的闭环带宽。这产生以下形式的控制器：
其中比例增益为Kp以及时间常数为Ti。
备注：重要的是注意所设计的控制器只能作用于低于停滞时间(系统的延迟)的频率处的湍流。这意味着用这种方法不能抑制高频下的尾流曲折影响，然而，静态位置受控。出于这个原因，基于相对于风速改变的延迟t来设计自适应低通滤波器。
B.自适应滤波器
根据取决于平均风速umean的时间延迟τ来设置滤波器。其抑制无法被控制的所有频率。因此，将截止频率设置成
并且设计二阶巴特沃斯低通滤波器。
V.结果
A.使用控制器设计模型的结果
在下文，分析闭环行为并且呈现两步响应模拟结果。假设平均风速8m/s和激光雷达测量距离1D，其中D＝126m。因此，停滞时间导致τ＝15.75s。如先前所述设置控制器和滤波器。对于第一模拟，假设没有尾流曲折。因此，没有湍流作用于输出yL。对于第二模拟，使用±5m之间的尾流曲折来干扰尾流中心。图3中的结果表明，尽管尾流中心是曲折的，但控制器设置能够将尾流中心转向到期望位置。
B.使用模拟模型的结果
为了评估增大功率输出的能力，利用6个NREL 5MW涡轮机来模拟2×3风电场布局。顺风间隔为5D，并且横向间隔为3D。使用具有平均风速umean.＝8m/s和转子有效湍流密度1％的1000s的湍流风场。使用[8]的结果来逼近期望的尾流位置。
首先，在图4中，通过分析尾流中心yL、经滤波的尾流中心yL,filered(其为经滤波的尾流参数的示例)来验证模拟环境下的控制器的功能，其中通过将滤波器(函数)应用到
偏航角γ和第一顺风涡轮机(涡轮机2)的功率输出来获得经滤波的尾流中心。将尾流中心转向到期望位置。在时间τ≈180s处的涡轮机2的功率输出中，在总风域上演进第一涡轮机的尾流，并且开始进行计算。因此，我们发现，对于不受控制的模拟(蓝色)，功率下降。对于受控制的模拟，功率几乎保持恒定。
第二，实施三个模拟来评价闭环方法：1)没有风电场控制策略的模拟，2)在开环中应用静态偏航角的模拟，以及3)在所提出的闭环中控制尾流的模拟。图5中呈现这三种模拟情况的风电场的总功率。闭环控制风力的总功率输出增加约4.5％。与开环方法相比，总功率输出几乎相同。然而，其具有闭环控制器的益处，诸如补偿尾流模型中的不确定性。
VI.结论
在本文中，呈现了反馈控制器，以在假设对尾流中心的完美估计的情况下控制风力涡轮机的尾流中心。首先，描述模拟模型。随后，得出用在控制器中来预测尾流行为的简化控制器设计模型。这是必要的，因为到激光雷达的测量位置的尾流传播会引入时间延迟。设计自适应滤波器以去除尾流中心动力学中的无法控制的频率。这是必要的，因为尾流曲折干扰尾流中心位置并且时间延迟使得不能控制曲折。在风电场模拟工具SimWindFarm中测试该概念，并且利用6个风力涡轮机在2×3风电场布局中执行测试模拟。总而言之，该方法通过增加风电场的总功率而在模拟中显示有希望的结果。连同尾流跟踪方法一起，该方法可以被视作朝向闭环风电场控制迈进一步。将来，应在具有更高保真度的模拟模型中测试控制器。此外，继续进行对尾流重新定向的现场测试。
Claims (22)
1.一种用于风力涡轮机的控制系统，其包括：
尾流控制器，其用于操纵风力涡轮机的尾流，其中所述尾流控制器适于：
-在所述风力涡轮机的顺风的一个或多个预定距离处获得至少一个尾流参数；
-使用至少一个对应的预测尾流参数来处理所述至少一个尾流参数；
-将至少一个经处理的尾流参数与至少一个对应的期望尾流参数相比较；以及
-根据所述比较来控制所述风力涡轮机的偏航角，使得所述至少一个尾流参数改变。
2.根据权利要求1所述的控制系统，其中所述尾流控制器提供用于对准所述风力涡轮机而要求的偏航角作为控制参数。
3.根据权利要求2所述的控制系统，其中在应用所述要求的偏航角之后，迭代地重新获得、处理和比较所述至少一个尾流参数。
4.根据权利要求1所述的控制系统，其中所述至少一个尾流参数包括尾流中心，以及所述至少一个期望的尾流参数包括期望的尾流中心。
5.根据权利要求3所述的控制系统，其中每次迭代，所述尾流控制器均在恰好一个预定位置处获得恰好一个尾流参数，以及其中所述尾流控制器使用恰好一个对应的预测尾流参数来处理所述恰好一个尾流参数，以及其中所述控制器将经处理的恰好一个尾流参数与期望的恰好一个尾流参数相比较。
6.根据权利要求1所述的控制系统，其中通过控制所述偏航角改变所述尾流参数。
7.根据权利要求1的控制系统，其中所述控制系统包括面向所述风力涡轮机的顺风向的激光雷达装置。
8.根据权利要求7所述的控制系统，其中所述激光雷达装置用于在所述风力涡轮机的顺风的一个或多个预定位置处获得所述尾流参数。
9.根据权利要求7所述的控制系统，其中所述激光雷达装置用于在所述风力涡轮机的顺风的3到15个预定位置处获得所述尾流参数。
10.根据权利要求7所述的控制系统，其中所述激光雷达装置用于在所述风力涡轮机的顺风的恰好1个位置处获得尾流参数。
11.根据权利要求1所述的控制系统，其中所述控制系统包括反馈控制器。
12.根据权利要求11所述的控制系统，其中所述反馈控制器为闭环控制器。
13.根据权利要求11所述的控制系统，其中所述反馈控制器获得所述期望的尾流参数与所述经处理的尾流参数之间的差异作为输入参数。
14.根据权利要求1所述的控制系统，其中处理包括：从所述至少一个对应的预测尾流参数中减去所述至少一个尾流参数，从而产生至少一个被减的尾流参数；以及将滤波函数应用于所述至少一个被减的尾流参数，从而产生至少一个经滤波的尾流参数。
15.根据权利要求14所述的控制系统，其中使用考虑到所述风力涡轮机的所述位置与获得所述至少一个尾流参数的所述预定位置之间的时间延迟的物理模型来获得所述至少一个预测的尾流参数。
16.根据权利要求14所述的控制系统，其中处理包括将至少一个即时预测的尾流参数添加至所述至少一个经滤波的尾流参数，从而产生所述至少一个经处理的尾流参数，其中使用没有考虑所述风力涡轮机的所述位置与获得所述至少一个尾流参数的所述预定位置之间的时间延迟的物理模型来获得所述至少一个即时预测的尾流参数。
17.根据权利要求14所述的控制系统，其中所述滤波器是自适应滤波器，以从所述至少一个被减的尾流参数中过滤掉无法控制的频率。
18.根据权利要求1所述的控制系统，其中对从所述风力涡轮机到所述测量位置的尾流传播进行建模。
19.一种风力涡轮机，其包括：根据前述权利要求中任一项所述的控制系统、电力发电机、以及多个转子叶片。
20.一种风电场，其包括多个根据权利要求19所述的风力涡轮机。
21.一种用于控制风力涡轮机的控制方法，其包括以下步骤：
-在所述风力涡轮机的顺风的一个或多个预定距离处获得至少一个尾流参数；
-使用至少一个对应的预测尾流参数来处理所述至少一个尾流参数；
-将至少一个经处理的尾流参数与至少一个对应的期望尾流参数相比较；以及
-根据所述比较来控制所述风力涡轮机的偏航角，使得所述至少一个尾流参数改变。
22.根据权利要求21所述的控制方法，其中重复地实施所述步骤。
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| DE102016212364.5 | 2016-07-06 | ||
| DE102016212364.5A DE102016212364A1 (de) | 2016-07-06 | 2016-07-06 | Nachlaufströmungsumleitung unter Verwendung einer Feedbackregelung, um die Leistungsabgabe von Windparks zu verbessern |
| PCT/EP2017/000800 WO2018007012A1 (en) | 2016-07-06 | 2017-07-06 | Control system, wind turbine and control method |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109416018A CN109416018A (zh) | 2019-03-01 |
| CN109416018B true CN109416018B (zh) | 2020-10-16 |
Family
ID=59350857
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201780041996.2A Active CN109416018B (zh) | 2016-07-06 | 2017-07-06 | 控制系统、风力涡轮机以及控制方法 |
Country Status (6)
| Country | Link |
|---|---|
| EP (1) | EP3482067B1 (zh) |
| CN (1) | CN109416018B (zh) |
| DE (1) | DE102016212364A1 (zh) |
| DK (1) | DK3482067T3 (zh) |
| ES (1) | ES2818023T3 (zh) |
| WO (1) | WO2018007012A1 (zh) |
Families Citing this family (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| EP3517774A1 (en) | 2018-01-25 | 2019-07-31 | Siemens Gamesa Renewable Energy A/S | Method and apparatus for cooperative controlling wind turbines of a wind farm |
| DE102018108858A1 (de) * | 2018-04-13 | 2019-10-17 | Wobben Properties Gmbh | Windenergieanlage, Windpark sowie Verfahren zum Regeln einer Windenergieanlage und eines Windparks |
| CN109751201B (zh) * | 2019-02-18 | 2020-12-15 | 中国空气动力研究与发展中心低速空气动力研究所 | 一种风力机涡尾迹修正方法 |
| CN109918852B (zh) * | 2019-04-04 | 2024-06-18 | 华北电力科学研究院有限责任公司 | 原动机模拟方法、装置及多机同步系统频率特性模拟系统 |
| CN110009736B (zh) * | 2019-05-09 | 2024-04-19 | 华北电力大学（保定） | 三维尾流模型的建立方法、装置、设备及存储介质 |
| EP3859147A1 (en) * | 2020-02-03 | 2021-08-04 | Ventus Engineering GmbH | Wake monitoring, wake management and sensory arrangements to such |
| DE202020000775U1 (de) | 2020-02-26 | 2020-06-08 | Moataz Abdelhakim Mahfouz Abdou Khalil | Eine Apparatur, das einen Windenergiekonverter und eine Luftstromvorrichtung umschließt, die örtlich ausgesetzt und miteinander verbunden sind |
| WO2022015493A1 (en) | 2020-07-13 | 2022-01-20 | WindESCo, Inc. | Methods and systems of advanced yaw control of a wind turbine |
| US11854411B2 (en) * | 2020-12-22 | 2023-12-26 | Florida Power & Light Company | Coordinating drone flights in an operating wind farm |
| CN113536487A (zh) * | 2021-08-02 | 2021-10-22 | 华能新能源股份有限公司 | 一种基于双变量高斯函数的尾流计算方法、装置及存储介质 |
| WO2023083426A1 (en) | 2021-11-12 | 2023-05-19 | Vestas Wind Systems A/S | Wind power plant control scheme |
| CN117967499B (zh) * | 2024-04-02 | 2024-06-25 | 山东大学 | 风电场分群尾流优化方法及系统 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP2175130A2 (en) * | 2008-10-10 | 2010-04-14 | General Electric Company | Systems and methods involving wind turbine bearing detection and operation |
| WO2013037374A1 (en) * | 2011-09-13 | 2013-03-21 | Vestas Wind Systems A/S | A method for improving large array wind park power performance through active wake manipulation reducing shadow effects |
| CN103038502A (zh) * | 2010-07-26 | 2013-04-10 | 维斯塔斯风力系统集团公司 | 与风力涡轮机相关的改进 |
| CN103080540A (zh) * | 2010-06-21 | 2013-05-01 | 维斯塔斯风力系统有限公司 | 风电场中风力涡轮机的控制 |
| EP2757255A1 (en) * | 2013-01-21 | 2014-07-23 | Alstom Wind, S.L.U. | Method of operating a wind farm |
| EP2767710A2 (en) * | 2013-02-19 | 2014-08-20 | Siemens Aktiengesellschaft | Method and system for improving wind farm power production efficiency |
| WO2015124946A1 (en) * | 2014-02-24 | 2015-08-27 | Sgurrenergy Limited | Method and system for improving energy capture efficiency from an energy capture device |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| GB2481789A (en) * | 2010-06-30 | 2012-01-11 | Vestas Wind Sys As | Reducing yaw error in wind turbines |
| US9574546B2 (en) * | 2012-06-14 | 2017-02-21 | General Electric Company | Wind turbine rotor control |
-
2016
- 2016-07-06 DE DE102016212364.5A patent/DE102016212364A1/de not_active Ceased
-
2017
- 2017-07-06 CN CN201780041996.2A patent/CN109416018B/zh active Active
- 2017-07-06 ES ES17739870T patent/ES2818023T3/es active Active
- 2017-07-06 DK DK17739870.8T patent/DK3482067T3/da active
- 2017-07-06 WO PCT/EP2017/000800 patent/WO2018007012A1/en unknown
- 2017-07-06 EP EP17739870.8A patent/EP3482067B1/en active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP2175130A2 (en) * | 2008-10-10 | 2010-04-14 | General Electric Company | Systems and methods involving wind turbine bearing detection and operation |
| CN103080540A (zh) * | 2010-06-21 | 2013-05-01 | 维斯塔斯风力系统有限公司 | 风电场中风力涡轮机的控制 |
| CN103038502A (zh) * | 2010-07-26 | 2013-04-10 | 维斯塔斯风力系统集团公司 | 与风力涡轮机相关的改进 |
| WO2013037374A1 (en) * | 2011-09-13 | 2013-03-21 | Vestas Wind Systems A/S | A method for improving large array wind park power performance through active wake manipulation reducing shadow effects |
| EP2757255A1 (en) * | 2013-01-21 | 2014-07-23 | Alstom Wind, S.L.U. | Method of operating a wind farm |
| EP2767710A2 (en) * | 2013-02-19 | 2014-08-20 | Siemens Aktiengesellschaft | Method and system for improving wind farm power production efficiency |
| WO2015124946A1 (en) * | 2014-02-24 | 2015-08-27 | Sgurrenergy Limited | Method and system for improving energy capture efficiency from an energy capture device |
Also Published As
| Publication number | Publication date |
|---|---|
| WO2018007012A1 (en) | 2018-01-11 |
| EP3482067B1 (en) | 2020-08-26 |
| EP3482067A1 (en) | 2019-05-15 |
| DK3482067T3 (da) | 2020-09-28 |
| CN109416018A (zh) | 2019-03-01 |
| DE102016212364A1 (de) | 2018-01-11 |
| WO2018007012A8 (en) | 2018-03-15 |
| ES2818023T3 (es) | 2021-04-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109416018B (zh) | 控制系统、风力涡轮机以及控制方法 | |
| EP3482070B1 (en) | Lidar-based multivariable feedforward control of wind turbines | |
| Bossanyi et al. | Advanced controller research for multi‐MW wind turbines in the UPWIND project | |
| Simley et al. | Lidar wind speed measurements of evolving wind fields | |
| Bottasso et al. | Local wind speed estimation, with application to wake impingement detection | |
| Qian et al. | Numerical study of wind turbine wakes over escarpments by a modified delayed detached eddy simulation | |
| Gebraad | Data-driven wind plant control | |
| Raach et al. | Wake redirecting using feedback control to improve the power output of wind farms | |
| Mendez Reyes et al. | Validation of a lookup-table approach to modeling turbine fatigue loads in wind farms under active wake control | |
| Kragh et al. | Sensor comparison study for load alleviating wind turbine pitch control | |
| Dhiman et al. | Lidar assisted wake redirection in wind farms: A data driven approach | |
| Hegazy et al. | LiDAR and SCADA data processing for interacting wind turbine wakes with comparison to analytical wake models | |
| US9658124B2 (en) | System and method for wind turbine operation | |
| Bakker | Wind turbine wakes and helicopter operations | |
| Kumar et al. | Wind plant power maximization via extremum seeking yaw control: A wind tunnel experiment | |
| Stanley et al. | Gradient-based optimization of wind farms with different turbine heights | |
| Escobar Aquino et al. | H∞ position transfer and regulation for floating offshore wind turbines | |
| Boersma et al. | A constrained model predictive wind farm controller providing active power control: an LES study | |
| Fleming et al. | From wake steering to flow control | |
| Taruffi et al. | An experimental study on the aerodynamic loads of a floating offshore wind turbine under imposed motions | |
| Campagnolo et al. | Wind tunnel validation of a wind observer for wind farm control | |
| Hand et al. | Advanced wind turbine controllers attenuate loads when upwind velocity measurements are inputs | |
| S. Dhiman et al. | Control applications in hybrid wind farms | |
| Raach et al. | Feedforward-Feedback wake redirection for wind farm control | |
| Guillemin et al. | Nacelle LiDAR online wind field reconstruction applied to feedforward pitch control |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | 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 |