CN109642536A - 控制或处理系统和方法 - Google Patents

Abstract

一种用于确定能量转换设备的至少一个参数的方法和相关联的装置，该方法包括确定与能量转换设备相关联的一个或多个损耗；通过减少、最小化或优化一个或多个损耗或其函数，通过改进、改变、优化或最大化能量转换设备的至少一个操作变量和/或输出(诸如，能量转换设备的功率输出)来确定能量转换设备的至少一个参数；以及确定能量转换设备的至少一个参数的值、范围或函数(诸如，功率或扭矩曲线)，该至少一个参数的值、范围或函数与能量转换设备的至少一个操作变量(例如，功率输出)和/或输出的改进、变化、优化或最大化相关联，和/或导致该至少一个操作变量和/或输出的改进、变化、优化或最大化，和/或导致一个或多个损耗的减少、最小化或优化。

Description

控制或处理系统和方法

领域

本发明涉及用于确定能量转换设备(诸如风力或潮汐涡轮机)的参数(特别是操作参数)的控制和处理系统和方法，该控制和处理系统和方法优选地但并不必须用于根据所确定的参数来控制能量转换设备的操作。

背景

改进能量转换设备，尤其是可再生或绿色能量转换设备(诸如风力或潮汐/水力涡轮机)的效率已经成为一项巨大的挑战。传统上，在诸如风力或潮汐/水力涡轮机的涡轮机系统中，涡轮机的操作已经基于适当地优化空气动力学或流体动力学效率。

通常，涡轮机的控制单元设置有功率或扭矩相对于转子或风速或水速的控制曲线，该控制曲线已经以使得理论空气动力学或流体动力学效率最大化的目的来计算。随后，在使用期间，调节发电机或涡轮机的驱动轴或其他驱动耦合的转速以实现与所测量的当前转子或风速或水速相关联的目标功率输出或扭矩，如由功率或扭矩相对于转子或风速或水速的控制曲线所指示的。

通过调节与涡轮的旋转运动相反的阻力扭矩来控制发电机的速度。最终，阻力扭矩可通过可变负载来控制，其中任务由连接在发电机与电网之间的电力电子设备来执行。风的不稳定迫使系统使用反馈控制器连续地调整经调理的功率，从而转子就可以相应地调整其速度。

由本发明的至少一个方面的至少一个实施例解决的问题可以是改进能量转换设备(诸如涡轮机，尤其是风力或潮汐/水力涡轮机)的效率。本发明的至少一个方面的至少一个实施例寻求克服或减轻现有技术中的至少一个问题。

EP2736164描述了一种通过特别控制鼠笼式感应发电机实现的风力发电机的效率优化的方法。该方法使空气动力系数始终保持在最大值。

EP2954202试图在定义的时间范围中预测涡轮机的动态行为，以便使俯仰活动和/或电扭矩变化最小化。该方法没有考虑优化目标中的发电机和/或功率转换器的效率。

发明内容

根据本发明的第一方面，提供了一种用于确定能量转换设备的至少一个参数的方法，该方法包括：

确定与能量转换设备相关联的一个或多个损耗；

通过减少、最小化或优化一个或多个损耗或其函数，通过改进、改变、优化或最大化能量转换设备的至少一个操作变量和/或输出来确定能量转换设备的至少一个参数。

通常，在本领域中，相信能量转换设备置的最佳操作条件是通过使空气动力学或流体动力学效率最大化来实现的。然而，与本领域的常规理解相反，本发明人已经惊奇地发现，特别是但非排他地在小系统中，损耗可以在系统的整体效率中具有更高的权重。因此，本发明的至少一个实施例有利地采用全局优化方法，该方法在考虑空气动力学或流体动力学功率转换效率的同时，最小化或优化机械和/或电气损耗，以便确定能量转换设备的至少一个参数(例如，操作和/或设计参数)。

该方法可包括确定能量转换设备的至少一个参数的值、范围或函数，该至少一个参数的值、范围或函数与该能量转换设备的至少一个操作变量和/或输出的改进、变化、优化或最大化相关联，和/或导致该至少一个操作变量和/或输出的改进、变化、优化或最大化，和/或导致一个或多个损耗的减少、最小化或优化。能量转换设备的至少一个参数可以是该能量转换设备的控制、设定点和/或操作参数。能量转换设备的至少一个参数可包括或包含在功率或目标功率或设定点功率(例如，功率、输出功率和/或电气或机械功率曲线)或扭矩或目标或设定点扭矩(例如，扭矩、输出扭矩和/或驱动轴扭矩曲线)中。功率或扭矩曲线可以分别是功率或扭矩与风速(例如，机舱或自由流风速)或转子或驱动轴转速的曲线。

该方法可包括根据能量转换设备的至少一个参数来控制该能量转换设备的操作。该方法可包括根据至少一个参数(例如，根据功率或扭矩曲线)来控制能量转换设备的至少一个操作变量和/或输出和/或一个或多个其他变量，例如，能量转换设备的功率(例如，输出功率和/或电功率)和/或扭矩(例如，驱动轴扭矩)。该方法可包括根据至少一个参数(例如，功率或扭矩曲线)以及至少一个测得或确定的参数，诸如风速(例如，机舱或自由流风速)或转子或驱动轴转速来控制能量转换设备的至少一个操作变量或输出或其他变量(例如，能量转换设备的功率和/或扭矩)。

该方法可包括通过控制或调整能量转换设备(诸如发电机)的至少一个部件的操作来控制该能量转换设备的至少一个操作变量或输出或其他变量。控制能量转换设备的至少一个操作值或输出或其他变量可包括调整与涡轮机的旋转运动相反的阻力扭矩。控制能量转换设备的至少一个操作值或输出或其他变量可包括控制可变负载，高可变负载可由连接在发电机与电网之间的电力电子设备来执行。

该方法进一步包括确定能量转换设备的空气动力学或流体动力学效率。能量转换设备的空气动力学或流体动力学效率可包括能量转换设备的空气动力学或流体动力学功率或扭矩效率。能量转换设备的至少一个参数可使用该能量转换设备的空气动力学或流体动力学效率来确定。能量转换设备的至少一个操作变量和/或输出的改进、变化、优化或最大化可包括改变、优化或最大化能量转换设备的空气动力学或流体动力学效率的函数以及与能量转换设备相关联的一个或多个损耗。要改变、优化或最大化的函数可以是小于一个或多个损耗(或其函数)的空气动力学或流体动力学效率的函数。

能量转换设备的至少一个操作变量和/或输出的改进、变化、优化或最大化可以是或包括全局优化或最大化。能量转换设备的至少一个操作变量和/或输出的改进、变化、优化或最大化可以是或包括可包括执行包括至少一个或多个损耗的函数的全局优化并且可包括或者考虑能量转换设备的空气动力学或流体动力学效率，并且可包括一个或多个损耗(或其函数)的减少、最小化或优化，以及确定与减少、最小化或优化的损耗(或其函数)相关联的能量转换设备的至少一个参数。

损耗可包括机械和/或电气损耗，例如与能量转换设备的至少一个、优选地多个或每个组件或有源组件相关联的机械和/或电力损耗。至少一个参数可以是或包括能量转换设备的操作和/或设计参数。

例如，由于至少一个操作变量或输出，例如，功率或扭矩输出可以通过对包括或表示机械和/或电气损耗(诸如，由于发电机、功率转换器、逆变器和/或过滤器中的至少一者或多者导致的损耗)的函数，以及优选地还有空气动力学和/或流体动力学效率执行组合/集成优化来被优化，因此在相同的优化步骤/函数中，则该优化可包括空气动力学或流体动力学、电学和机械考虑，例如，在单个组合的集成优化中考虑对转子、发电机和功率转换器的影响。在本文描述的方法中，空气动力学或流体动力学效率可从例如小于仅根据优化空气动力学效率确定的空气动力学效率的最佳值变化，例如，如果电气和/或机械效率的相应增加导致总体或全局效率提高。以此方式，可以在其中发生针对空气动力学效率和损耗的空气动力学考虑的优化的单独或分开优化的情况下(例如，在不同的函数或优化中)改进优化。

损耗的减少、最小化或优化和/或能量转换设备的至少一个输出(例如，功率和/或扭矩)的改进、变化、优化或最大化可包括将最小二乘、牛顿/割线方法、蒙特卡罗、遗传算法、模拟退火和/或本领域已知的任何其他合适的优化或最大或最小发现技术应用于能量转换设备的一个或多个损耗的函数，并且可任选地，应用于能量转换设备的空气动力学或流体动力学功率效率。与能量转换设备相关联的损耗可以是或包括能量转换设备的损耗和/或与能量转换设备的操作相关联的损耗。该损耗可以是或包括与能量转换设备的操作相关联的整体损耗。

能量转换设备可以是或包括或包括在风能转换器，诸如风力涡轮机中。能量转换设备可以是或包括或包括在潮汐能量转换器，诸如潮汐或水力涡轮机中。能量转换设备可以是或包括或包括在任何额定功率的设备，诸如具有kW或MW级的额定功率的设备中，但是有利地适用于小型能量转换设备，例如额定最大输出功率为500kW或更低，诸如200kW或更低，其可以是50kW或更低。

能量转换设备可包括转子。能量转换设备(例如转子)可包括一个或多个驱动表面，该驱动表面可设置在可移动或可旋转的布置上。这一个或多个驱动表面可以是、包括或包括在涡轮叶片中，该涡轮叶片可安装在驱动轴或其他驱动耦合(诸如，链条、皮带、传动轴和/或类似装置)上、与之集成或以其他方式耦合。尽管能量转换设备优选为直接驱动设备，替代地，一个或多个驱动表面可通过变速箱耦合至驱动轴(和/或发电机)。一个或多个驱动表面可被配置成使得在使用中，流动(诸如，风、水或其他流动)可能会发生在一个或多个驱动表面上，以便例如通过转动涡轮叶片来操作能量转换设备。转子可包括一个或多个驱动表面、涡轮叶片、和/或驱动轴或其它驱动耦合。

能量转换设备可包括至少一个发电机，该至少一个发电机可耦合至和/或通过驱动轴或其它驱动耦合操作。至少一个发电机可被配置成通过或经由驱动轴或其它驱动耦合将例如提供公发电机的机械能量转换为电能。能量转换设备可包括功率转换器，其可包括至少一个整流器和/或至少一个逆变器，诸如至少一个无源或有源整流器和/或至少一个有源逆变器。能量转换设备可包括电滤波器。功率转换器、整流器、逆变器和/或电滤波器可被配置成例如，通过一下中的一者或多者至少部分地或完全地将至少一个发电机的电输出转换为由能量转换设备提供的输出(例如，电输出)：从直流转换为交流、提供指定的或所需的电压和/或电流或电压范围和/或电流范围，等等。

能量转换设备可以是或包括或包括在永磁电机中。能量转换设备可不是或不包括或不包括在鼠笼式感应发电机(SCIG)中。能量转换设备可以是或包括或包括在双馈感应电机中。能量转换设备可以是或包括变速能量转换设备。能量转换设备优选地但非实质上是直接驱动能量转换设备，例如发电机是由涡轮叶片经由驱动轴或驱动耦合而非经由变速箱来直接驱动。该布置可实现高效率，并且可提供合理大小的发电机。

至少一个操作参数可包括用于控制能量转换设备的例如作为集合、目标、控制、操作或参考点、范围或曲线的至少一个参数。该至少一个操作参数可包括扭矩曲线(诸如最佳扭矩曲线)、功率曲线(诸如最佳功率曲线)、和/或速度曲线(诸如最佳曲度曲线)中的一者或多者。该方法可包括用在使用中或在线确定的至少一个操作参数(例如，功率或扭矩曲线)的一个或多个值或每个值来更新或替代存储在数据存储器上或可从数据存储器访问的至少一个操作参数(例如，功率或扭矩曲线)中的一个或多个值或每个值。这可以在不移除由风力涡轮机制造商使用的现有控制系统的情况下执行。

全局优化可包括使输出功率最大化。全局优化可包括估计最大系统效率操作点条件，例如，给定在驱动轴或其他驱动耦合上应用的扭矩与转子速度或功率与转子速度的关系，以及功率转换器的整流级(交流到直流)与反相级(直流到交流)之间的直流链路电压，以此方式降低系统的总损耗(例如空气动力学或流体动力学、机械和电气)。该方法可优化或最大化注入到电网的输出功率(例如，电功率)或在到达电力变压器之前递送的功率。

该损耗可包括与能量转换设备的个体组件相关联的损耗，例如，组件损耗的函数、总和、或组合。该损耗可包括来自例如，能量转换设备的涉及(例如，直接涉及)能量转换的一个或多个组件或每个组件的损耗。系统的各组件可包括或包含以下中的一者或多者或每一者：发电机、驱动表面和/或叶片、驱动轴或其它驱动耦合、功率转换器、整流器、逆变器、和/或电滤波器。

机械损耗可包括由以下中的一者或多者或每一者产生或与之相关联的机械损耗：涡轮叶片的操作和/或驱动轴或其它驱动耦合的操作和/或发电机的操作。

驱动轴或驱动耦合(例如，发电机与(诸)转子叶片之间的连接)中的机械损耗可根据直接测量程序(例如，通过使用扭矩换能器)获得，或者根据在线操作估计。

电气损耗可包括以下中的一者或多者或每一者：发电机损耗、转换器损耗、滤波器损耗和/或逆变器损耗。

发电机损耗可包括以下中的一者或多者：铜和/或电阻损耗、磁芯损耗和/或涡流损耗。发电机损耗可包括热变化因子或函数，其可以考虑因发电机温度变化导致的变化。

转换器损耗可包括传导损耗和/或开关损耗。转换器损耗可包括以下中的一者或多者：能量转换设备的一个或多个功率开关中的传导损耗、一个或多个二极管(诸如能量转换设备的反并联二极管)中的传导损耗；和/或开关损耗。电气损耗，尤其是转换器损耗可例如，通过将功率转换器中使用的半导体的制造参数作为输入，等等来数值地或分析地导出。功率转换器中的损耗可以假设稳态条件来建模，例如，因为它们的时间常数可能比风速或水速波动和机械速度变化的机械常数低许多倍。可以从制造商的数据表中测量、导出，从实验或测试装备数据导出，使用建模，例如有限元分析等导出一个或多个损耗或每个损耗。转换器的效率曲线可以从查找表获得，或者可使用拟合函数来建模，例如，针对不同电压将x轴作为负载(P_out/P_rated)，将y轴作为效率(P_out/P_in)。

本发明人已经认识到，能量转换中的每个阶段，诸如涡轮叶片、驱动轴或耦合、发电机、转换器、滤波器和/或逆变器，可与其自身的效率相关联。如此，通过包括与能量转换的至少一个阶段、优选地多个阶段、最优选每个阶段相关联的损耗，可以更好地确定至少一个操作参数的全局最佳值。将领会，取决于能量转换设备和/或其预期的操作环境，与某些组件相关联的损耗可能或多或少地比与其他组件相关联的损耗显著。

电气损耗，例如发电机中的电气损耗可从一个或多个等效电路的参数中导出。可使用以下中的一者或多者的测量来估计电气损耗：电压、相电流和/或转子速度。电气损耗可使用系统标识方法来导出，该方法可估计等效电路的参数。等效电路的参数可包括电路的EMF空载电压，其可例如基于制造数据来计算，或者在空载测试中获得，或者从具有从有限元建模或任何合适的分析推导中估计的初始条件的读数中获得，诸如此类。

该方法可包括从发电机的绕组到环境导出等效热阻，其可以例如通过实验和/或通过使用传感器或其他合适的测量设备的测量，或者从使用测试装置或原型表的任何其他合适的建模技术、制造商的数据来导出，诸如此类。

该方法可包括在确定电气损耗中使用所导出的等效环境热阻。这可考虑电气损耗(例如，铜、磁芯等)中的任何变化和环境温度。

能量转换设备的至少一个操作变量和/或输出的改进、变化、优化或最大化(例如，全局优化)可包括例如，通过对机械和/或电气损耗(诸如，因发电机、功率转换器、逆变器和/或滤波器中的至少一者或多者导致的损耗)的函数(以及优选地，还有空气动力学和/或流体动力学效率)执行优化来确定至少一个操作变量或输出(例如，功率或扭矩输出)的最大值。能量转换设备的至少一个操作变量和/或输出的改进、变化、优化或最大化(例如，全局优化)可包括最小化整体损耗，其可包括最小化机械和/或电气损耗或其函数，例如因发电机、功率转换器、逆变器和/或滤波器导致的一个或多个损耗或每个损耗。

空气动力学或流体动力学效率可以是空气动力学或流体动力学功率系数(Cp(λ))的函数，其可以是能量转换设备的尖端速度比(λ)和/或转子的叶片俯仰角的函数。尖端速度比(λ)可以是能量转换设备的转子速度的角频率、能量转换设备的叶片扫掠面积和/或风或水速的函数。空气动力学或流体动力学效率可以是风或水流的可用功率的函数，其可以是空气或水的密度、垂直于穿过涡轮机的叶片的空气流或水流的叶片扫过区域或以及风速或水速的函数。风或水流的可用功率可与风速或水速的立方成正比。

能量转换设备的至少一个操作变量和/或输出的改进、变化、优化或最大化(例如，全局优化)可受制于一个或多个假设、限制或边界条件。该一个或多个假设、限制或边界条件可包括、约束、指定或限制以下中的一者或多者或每一者：转子的最大转速、涡轮叶片、驱动轴或其他驱动耦合和/或一个或多个发电机、生成的最大直流电流，生成的最大相电流和/或生成的最大直流电压。

该一个或多个假设、限制或边界条件可包括以下中的一者或多者或每一者：

所确定的能量转换设备的输出功率或扭矩小于或等于能量转换设备的额定功率或扭矩或其函数；

角频率或转子速度小于或等于最大极限，其可以是或包括施加(例如自动施加)的制动器的值；

由能量转换设备发出的噪声小于预定阈值，该预定阈值可小于45dB。

电压，例如直流电压(其可以是来自发电机整流器的输出)小于或等于电压限制，例如由逆变器允许的电压限制，或逆变器的最大额定电压，或其函数；

输出电流小于电流限制或最大电流，诸如预设或预定电流限制或最大电流；

由转子或涡轮叶片生成的功率等于提供给发电机的有功功率加上机械损耗；

提供给发电机的有功功率减去电气损耗等于发电机生成的直流电压和直流电流之和；和/或

输出功率等于输出转子功率减去电气损耗和/或机械损耗。可任选地，可以使用估计的输出功率或操作设定点，其可以例如是空气动力学效率(Cp-λ)和发电机损耗。

该方法可包括改变、最大化或优化注入到电网的输出功率或在到达电力变压器之前递送的功率，并且可同时满足制造商建立的操作限制，或者最大化能量转换设备的寿命的操作限制。

能量转换设备的至少一个操作变量和/或输出的改进、变化、优化或最大化(例如，全局优化)可始于至少一个参数(例如，输出功率或输出扭矩)的初始估计。该初始估计可包括通过优化空气动力学或流体动力学效率导出的初始估计，例如不考虑电和/或机械损耗。

能量转换设备的至少一个参数可使用迭代、反馈或目标寻求过程来确定。全局优化可包括应用内点算法，例如以最大化至少一个操作参数，例如，输出功率和/或扭矩。能量转换设备的至少一个操作变量和/或输出的改进、变化、优化或最大化(例如，全局优化)可包括最小二乘法、牛顿/割线法、蒙特卡罗、遗传算法，模拟退火和/或本领域已知的任何其他合适的优化或最大或最小发现或数值解决方案技术。

能量转换设备的至少一个操作变量和/或输出的改进、变化、优化或最大化(例如，全局优化)可包括确定与减少的、最小化的或优化的损耗或其函数相关联的能量转换设备的至少一个参数，该至少一个参数最大化或优化由能量转换设备输出的系统效率和/或可靠性或功率或扭矩和/或注入到电网中(例如，在低于涡轮机/涡轮机叶片的最大转速的区域中)的功率，例如，通过使用与能量转换设备的一个或多个组件相关联的并且受制于假设、限制或边界条件中的至少一者或多者或每一者的空气动力学和/或流体动力学效率以及损耗来执行能量转换设备的至少一个操作变量和/或输出的改进、变化、优化或最大化(例如，全局优化)。

该方法可包括例如，基于在正常的涡轮机操作期间的现场测量来建立转子叶片的空气动力学或流体动力学效率的数学模型。

该方法可包括确定表示转子叶片的空气动力学/流体动力学效率的函数，诸如描述转子叶片的空气动力学或流体动力学效率的C_p-尖端速度比(TSR)曲线。该函数，例如C_p-尖端速度比(TSR)曲线可从以下中的一者或多者导出：在涡轮叶片上执行的风洞试验；软件建模包，例如，使用计算流体动力学(CFD)；本领域已知的任何其他合适的计算和/或建模技术；和/或基于现场测量的估计。该函数，例如，Cp-TSR曲线可以是查找表的形式，或者诸如拟合多项式表达式或指数函数等的函数。

该方法可包括估计表示转子叶片的空气动力学/流体动力学效率的函数的数值系数或参数(例如，Cp-尖端速度比(Cp-TSR)曲线)。

该方法可包括估计机械损耗，该机械损耗可被表示为扭矩参数或数学函数。

该方法可包括测量或估计操作数据，该操作数据可包括以下中的一者或多者或每一者：发电机速度(例如，在驱动轴、转子轴和/或其它驱动耦合处)、机舱风速、自由流风速和/或发电机的相电流和/或电压。

操作数据可包括等效电路的参数，例如，电压、相电流、转子速度和/或等效电路的EMF空载电压的测量中的一者或多者或每一者。

该方法可包括执行找到适合的系数，例如，最适合的操作数据的优化，例如数值优化。该优化可使所预测与所测量的转子速度之间的误差最小化和/或使所预测的与所测量的发电机输出功率、或直流功率、或输出功率之间的误差最小化。该方法可包括在损耗和/或空气动力学或流体动力学效率的确定中使用操作数据。

该方法可包括基于一个或多个参数来控制或选择速度与诸如能量转换设备的功率和/或扭矩之类的(例如，涡轮机/涡轮机叶片或转子或驱动轴或其他驱动耦合的)一个或多个属性之间的操作、控制或设定点关系，该操作、控制或设定点关系可包括加速或减速涡轮机/涡轮机叶片或转子或驱动轴或其他驱动耦合。以此方式，涡轮机、涡轮机叶片和/或转子或驱动轴的速度可被间接控制而非被直接控制。

操作数据可以是或包括在可变或预定时段上收集的数据。操作数据可在几秒或更短的数量级的采样周期被收集，例如，小于20秒，例如1秒或更少，诸如0.5秒或更少。操作数据可在例如，几分钟的数量级的时段中被平均，例如1分钟，10分钟或20分钟或更长。可选择或确定操作数据的采样率，例如，以便涵盖风速和转子速度波动的动态特性。

该方法可在线、在使用中和/或实时执行。该方法可以递归地执行，例如，而新的数据来自风力/潮汐涡轮机。该方法可包括例如在可实时、内联或使用或离线执行的迭代或反馈过程或循环中，重新计算或重新确定能量转换设备的至少一个参数。

特别地，空气动力学效率的方法和/或重新计算可以定期或在定期基础上进行，例如每天或每周。最佳重新计算时间尺度可取决于使用、特定设备、设备的位置以及其他因素而变化。然而，将领会，系统可保持学习在定期基础上获取的新数据集。

该方法可由处理或控制系统来执行。

根据本发明的第二方面，提供了一种用于能量转换设备的处理或控制系统，该处理或控制系统被配置成通过以下来确定能量转换设备的至少一个参数：

确定与能量转换设备相关联的一个或多个损耗；

通过减少、最小化或优化一个或多个损耗或其函数，通过改变、增加、优化或最大化能量转换设备的至少一个操作变量或输出来确定能量转换设备的至少一个参数。

确定能量转换设备的至少一个参数可包括确定能量转换设备的减少、最小化或优化一个或多个损耗或其函数的至少一个参数中的至少一个或多个参数或每个参数的值、范围或函数。

处理或控制系统可被配置成获取或确定能量转换设备的空气动力学或液体动力学效率。处理或控制系统可被配置成使用该能量转换设备的空气动力学或流体动力学效率来确定能量转换设备的至少一个参数。处理或控制系统可被配置成通过确定、优化或最大化能量转换设备的空气动力学或流体动力学效率的函数以及与能量转换设备相关联的一个或多个损耗来确定、优化或最大化能量转换设备的至少一个输出。要确定、优化或最大化的函数可以是小于一个或多个损耗(或其函数)的空气动力学或流体动力学效率的函数。

能量转换设备的至少一个输出的确定、优化或最大化可以是全局确定、优化或最大化。

损耗可包括机械和/或电气损耗。至少一个参数可以是或包括能量转换设备的操作或设计参数。

处理或控制系统可被配置成通过执行至少包括一个或多个损耗的函数的全局优化并考虑能量转换设备的空气动力学或流体动力学效率来计算、优化或最大化能量转换设备的至少一个输出。处理或控制系统可被配置成通过减少、最小化或优化损耗或其函数来计算、优化或最大化能量转换设备的至少一个输出，并且可被配置成确定与减少的、最小化的或优化的损耗或其函数相关联的能量转换设备的至少一个参数。

能量转换设备可以是或包括或包括在风力转换器，诸如风力涡轮机中。能量转换设备可以是或包括或包括在潮汐能量转换器，诸如潮汐或水力涡轮机中。能量转换设备可以是或包括或包括在小型能量转换设备中，例如，额定最大输出功率为500kW或更低，例如200kW或更低，可以是50kW或更低。

处理或控制系统可被配置成通过最大化能量转换设备的输出(例如，使用能量转换设备的空气动力学或流体动力学功率效率的函数以及通过改变能量转换设备的至少一个参数的试验值所确定的与能量转换设备相关联的一个或多个损耗来确定的功率输出)来减少、最小化或优化损耗。该减少、最小化或优化可包括减少、最小化或优化能量转换设备的至少空气动力学或液体动力学功率效率的函数以及与能量转换设备相关联的一个或多个损耗或每个损耗。与能量转换设备相关联的损耗可以是或包括能量转换设备的损耗和/或与能量转换设备的操作相关联的损耗。该损耗可以是或包括与能量转换设备的操作相关联的整体损耗。

处理或控制系统可被配置成执行第一方面的方法。

处理或控制系统可包括至少一个或多个处理器。处理或控制系统可包括和/或被配置成访问数据存储，该数据存储可包括存储器(诸如RAM和/或ROM)、固态存储或存储器(诸如闪存或其它类似的存储)、硬盘驱动器、光盘驱动器、磁存储器，等等。数据存储可被配置成存储一个或多个计算机程序产品，该一个或多个计算机程序产品被配置成使得当由至少一个处理器运行时，致使处理器实现该方法。数据存储可包括、存储或被配置成存储能量转换设备的至少一个参数(例如，至少一个目标、设定点或操作参数，诸如功率或扭矩曲线)。处理或控制系统可以是能量转换设备的主处理器或控制系统。处理或控制系统可以是辅助或附加的处理或控制系统，例如，可以是改装的或可改装的，并且配置成例如，经由通信系统与能量转换设备的主控制系统通信。

通信系统可以是或包括无线和/或有线通信系统。通信系统可包括用于从一个或多个传感器接收数据和/或用于向能量转换设备的主控制设备发送至少一个操作参数的一个或多个模拟和/或数字通信端口。通信系统可被配置成从能量转换设备的一个或多个传感器或其他测量仪器(例如，发电机速度和/或驱动轴转速传感器、机舱风速传感器、自由流风速传感器(诸如LIDAR风速测量设备)、和/或用于测量发电机的相电流和/或电压的传感器)接收数据，该传感器或其他测量仪器可被配置成收集操作数据。处理或控制系统可被配置成经由主控制系统从一个或多个传感器接收操作数据。处理或控制系统可被配置成例如，实时地确定能量转换设备的至少一个操作参数，并且可将操作参数发送给主控制单元，以便基于至少一个操作参数来控制能量转换设备的操作，或者基于至少一个操作参数来直接控制能量转换设备。

主控制单元可被配置成在使用期间根据所确定的至少一个操作参数(例如，根据所确定的功率和/或扭矩曲线)调节或控制能量转换设备的至少一个组件，例如驱动轴或其他驱动耦合和/或发电机、和/或转子或涡轮叶片。例如，主控制单元可被配置成调节发电机或涡轮机的驱动轴或其他驱动耦合的转速，以实现与所测量的当前转子或风速或水速相关联的目标功率输出或扭矩，如由功率或扭矩与转子或风速或水速控制曲线所指示的。

通过调节与涡轮的旋转运动相反的阻力矩可控制发电机的速度。最终，阻力矩可通过可变负载来控制，其可由连接在发电机与电网之间的电力电子设备来执行。在使用中，主控制单元系统可使用反馈控制器连续地调整经调理的功率，例如从而转子就可以相应地调整其速度。

根据本发明的第三方面是一种能量转换设备，该能量转换设备包括设置在可移动或可旋转布置上或包括在其中的一个或多个驱动表面，使得在使用中，该一个或多个驱动表面是通过流体流动(诸如气体或液体流动)可移动的或者可旋转的，并且根据第二方面的控制或处理设备配置成确定能量转换设备的至少一个参数。

控制或处理设备可以是或包括用于控制能量转换设备的操作的控制设备。控制或处理设备可以是或包括可操作地耦合至用于控制能量转换设备的操作的控制设备或与之通信、或者配置成耦合至用于控制能量转换设备的操作的控制设备或与之通信的处理设备。至少一个参数可以是或包括能量转换设备的至少一个操作参数。控制设备可被配置成使用所确定的(诸)参数作为控制、参考、操作和/或设定点值或范围或曲线来控制能量转换设备的操作。

这一个或多个驱动表面可包括或包括在涡轮叶片中，该涡轮叶片可安装在驱动轴或其他驱动耦合(诸如，链条、皮带、传动轴等)上、与之集成或以其他方式耦合。一个或多个驱动表面可被配置成使得在使用中，流动(诸如，风、水或其他流动)可能会发生在一个或多个驱动表面上，以便例如通过转动涡轮叶片来操作能量转换设备。

能量转换设备可包括至少一个发电机，该至少一个发电机可耦合至和/或通过驱动轴或其它驱动耦合操作。至少一个发电机可被配置成通过或经由驱动轴或其它驱动耦合将例如提供公发电机的机械能量转换为电能。能量转换设备可包括功率转换器，其可包括至少一个整流器级和/或至少一个逆变器级。能量转换设备可包括逆变器。能量转换设备可包括滤波器。转换器、逆变器和/或滤波器可被配置成例如，通过以下中一者或多者将发电机的电输出转换为由能量转换设备提供的输入：从直流转换为交流、提供指定的电压和/或电流或电压范围和/或电流范围等等。

能量转换设备可以是或包括或包括在永磁电机中。能量转换设备可以是或包括或包括在双馈感应电机中。能量转换设备可以是或包括变速能量转换设备。能量转换设备优选地但非实质上是直接驱动能量转换设备，例如发电机是由涡轮叶片经由驱动轴或驱动耦合而非经由变速箱来直接驱动。该布置可实现高效率，并且可保持合理大小的发电机。

根据本发明的第四方面是一种计算机程序产品，其被配置成当被编程到控件或处理设备中时实现本发明的第一方面的方法。该计算机程序产品可包括在载体介质中，该载体介质可以可任选地是有形和/或非瞬态载体介质。

根据本发明的第五方面，提供了一种载体介质，例如有形和/或非瞬态载体介质，包括第四方面的计算机程序产品。

根据本发明的第六方面，提供了一种用于确定或估计能量转换设备和/或机械损耗组件的空气动力学或流体动力学效率(或其函数)的方法，该方法包括：

(a)测量能量转换设备的一个或多个变量，其可包括以下中的一者或多者或每一者：(转子轴处的)发电机速度ω_m、机舱风速U_nacelle、自由流风速U_∞、发电机的相电流和/或电压、发电机的端子处的相电压的频率(其可被用于估计转子速度)；

(b)确定能量转换设备的一个或多个损耗，诸如一个或多个电气损耗；

(c)通过例如最小化所预测与所测量的转子速度或功率之间的误差来确定最好地拟合能量转换设备的一个或多个变量和/或能量转换设备的一个或多个损耗的能量转换设备的空气动力学或流体动力学效率。

该方法可包括改变采样周期或长度。操作数据可在几秒或更短的数量级的采样周期被收集，例如，小于20秒，例如1秒或更少，诸如0.5秒或更少。采样周期可以在从0.1到2秒的范围中。操作数据可在例如，几分钟的数量级的时段中被平均，例如1分钟，10分钟或20分钟或更长。

该方法可包括在权利要求1的方法中或与之结合，例如以便确定空气动力学或流体动力学效率。

应理解，在任何其他方面或实施例中，可以单独地或与任何其他定义的特征组合地利用根据任何方面或以下关于任何特定实施例定义的特征。此外，本发明旨在覆盖被配置为执行本文描述的与使用、安装、生产或制造本文描述的任何装置特征的方法和/或方法有关的任何特征的装置。

附图的简要说明

现在将参考仅作为示例的附图来描述本发明的这些以及其它方面，其中：

图1是用于常规涡轮机的控制布置的示意图；

图2是用于涡轮机的控制布置的示意图；

图3是涡轮机的一部分的示意图；

图4是示出图3的涡轮机中的损耗的示意图；

图5是解说用于图3的涡轮机的控制布置的功能性的示意图；

图6是解说用于图3的涡轮机的替代控制布置的功能性的示意图；

图7是图3的涡轮机中的机械损耗的解说；

图8是图3的涡轮机中的电气损耗的解说；

图9是包括无源整流器的涡轮机的解说；

图10是图9的涡轮机的直流输出电压估计的图，其解说了对于电阻和铁芯损耗的电压降；

图11是在涡轮机中使用的有源整流器的示意图；

图12是用于对与发电机组合的图11的有源整流器建模的等效电路；

图13是作为能量转换设备的示例的风力涡轮机的简化模型；

图14是如由本发明实施例的控制和处理系统输出的针对变化的风速的输出功率相对于速度的曲线的解说；

图15示出了永磁空气同步发电机的等效电路；

图16示出了针对各种风速的风力涡轮机、发电机和二极管整流器的预测的功率曲线；

图17示出了针对各种风速的功率输出相对于尖端速度比的曲线，并且示出了仅基于最大化空气动力学效率(最大C_p)的控制方法体系与根据其中损耗被最小化(LMA)的本发明实施例的方法的比较；

图18示出了当使用基于仅最大化空气动力学效率(最大C_p)的控制方法体系以及根据其中损耗被最小化(LMA)的本发明的实施例的方法时，风力涡轮机的一个相中的相电流随风速的变化；

图19示出了当使用基于仅最大化空气动力学效率(最大C_p)的控制方法体系以及根据其中损耗被最小化(LMA)的本发明的实施例的方法时，风力涡轮机从转子级到直流级的效率随风速的变化；

图20示出了当使用基于仅最大化空气动力学效率(最大C_p)的控制方法体系以及根据其中损耗被最小化(LMA)的本发明的实施例的方法时，风力涡轮机的整体效率随风速的变化；

图21解说了当使用根据其中损耗被最小化(LMA)的本发明实施例的方法时使用二极管整流器(假设稳态)的风力涡轮机的每个级或组件的损耗；

图22解说了当使用基于仅最大化空气动力学效率(最大C_p)的控制方法时使用二极管整流器(假设为稳态)的风力涡轮机的每个级或组件的比较损耗；

图23解说了当使用根据其中损耗被最小化(LMA)的本发明实施例的方法时使用有源整流器(假设稳态)的风力涡轮机的每个级或组件的损耗；

图24解说了当使用基于仅最大化空气动力学效率(最大C_p)的控制方法时使用有源整流器(假设为稳态)的风力涡轮机的每个级或组件的比较损耗；

图25是用于计算涡轮机的控制参数的方法的流程图，该控制参数是最佳功率\扭矩相对于转子速度的曲线的形式。

图26是用于根据风来估计输入扭矩的模型；

图27是用于根据风来估计输入扭矩的替代模型；

图28是解说风力涡轮机中的机械损耗的模型；以及

图29是用于估计风力或潮汐涡轮机的空气动力学或流体动力学参数的方法的流程图。

具体实施方式

最大化来自能量转换设备(诸如，风、潮汐和其他流体驱动的涡轮机)的产出是非常重要的。在设计阶段，通常使用风洞或流动室来确定涡轮机的空气动力学或流体动力学效率。本领域的传统观点是，通过仅使空气动力学或流体动力学效率最大化来获得涡轮机的最佳操作条件。结果，根据由涡轮机的空气动力学或流体动力学效率确定的功率曲线来控制许多涡轮机，该功率曲线可以例如使用风洞确定。

如图1中所示，在该布置中，控制单元5是预编程有合适的操作参数图，诸如例如根据风洞测量确定的用于控制涡轮机的预定功率或扭矩曲线10。功率或扭矩曲线10可例如将由功率转换器输出的直流输出功率与风速或水流和涡轮的转子速度相关联。控制单元5设置有或耦合至驱动轴或转子转速传感器15或风速或水流传感器，并且由此收集的驱动轴或转子转速或风速或水流速度或指示这些速度的数据被提供给控制单元5。以此方式，控制单元5可通过将风速或水流量测量值与预定的运行参数图(例如，功率曲线10或扭矩曲线)相关联并相应地控制涡轮机的功率电子器件20来控制涡轮机的操作参数，诸如转子速度、功率转换器输出等。然而，已经发现，这种形式的控制通常并非最佳的。

图2中解说了本发明的实施例。在该实施例中，包括用于控制能量转换设备(即，风力、潮汐或其他流动涡轮机)的操作的操作参数(例如，功率曲线、扭矩曲线等)的操作参数图25不是仅通过最大化空气动力学或流体动力学效率而生成，而是通过包括减少或最小化能量转换设备中的损耗的过程内联地生成。在优选实施例中，操作参数图25通过最大化或增加空气动力学或流体动力学效率并减少系统中的损耗来生成(例如，通过使用非线性优化算法)。

图2的实施例通过提供其中提供辅助控制单元30的改装布置来实现该方法，其中辅助控制单元30接收各种测量参数，诸如涡轮机的转子速度(ω_m-)、自由流风速(U_∞)、和输出交流电流(I)和/或电压(V)，并且基于此通过应用非线性优化算法以最小化能量转换设备的损耗来生成、重新生成和/或修改操作参数图25’。然后将修改或生成的操作参数图25’传达给现有的主控制单元5。主控制单元5随后使用所生成或修改的操作参数图25’以便控制能量转换设备(例如，风力、潮汐或其它流体驱动的涡轮机)的操作。该布置可特别有利于改装现有的涡轮机。

然而，将领会，主控制单元5’(如图3中所示)可替代地被适当地配置成生成操作参数图，使得仅需要单个控制单元。该布置可能更适合于具有高度处理能力、可编程性和/或适应性的现有控制单元或新控制单元。

以下将关于风力涡轮机描述图2至图8。然而，将领会，本发明等同地适用于潮汐或其他流体驱动的涡轮机或实际上其他类型或形式的能量转换设备。将领会，本领域技术人员将能够替换恰适的参数，诸如用流体动力学效率替代空气动力学效率、用流体流速替代风速、用水密度替代空气密度等等，以便直接地使随后的风力涡轮机相关实施例适配潮汐或其他流体驱动的涡轮机或其他形式的能量转换设备。如此，本发明并不限于风力涡轮机，而是更广泛适用。

如图3中所示，能量转换设备是风力涡轮机的形式，其包括转子布置35，转子布置35具有多个叶片40，叶片40耦合至可旋转的驱动轴45(尽管可以使用本领域已知的任何其它合适的涡轮机转子布置)。如本领域中常规的那样，转子叶片40被布置成使得在使用时入射到叶片40的驱动表面上的风转动叶片40并由此转动转子35并使驱动轴45旋转。

驱动轴45被耦合至发电机50，在该示例中是永磁体状态机的形式。发电机50可通过驱动轴45的旋转来工作以便生成电输出。发电机50的电输出由功率转换器55接收。功率转换器55包括将来自发电机50的输出转换为直流链路信号65的整流器60。功率转换器55进一步包括逆变器70，其将经整流的直流链路信号65转换为交流信号75。来自逆变器70的交流信号75随后被滤波器80滤波，并且作为输出信号90提供给电网85(或其它接收系统或网络)。

控制单元5、5’控制涡轮机的可控组件50、60、70、80，包括风力涡轮机的辅助系统，诸如制动器(未示出)、变速箱(若安装)和动力电子设备，诸如发电机50和动力转换器55。

如上所述，控制单元5、5’基于操作参数图25、25’来控制可控组件中的一个或多个或每个可控部件，操作参数图25、25’将用于控制一个或多个可控部件50、60、70、80的控制参数与由控制单元5’和/或辅助控制单元30接收的测量值(诸如转子速度等)相关联。

特别地，如图5和图6中所示(其分别涉及其中控制参数图25’是扭矩曲线的实施例和其中控制参数图是功率曲线的实施例)，作出诸如自由流风速U∞、转子转速ω_m、以及输出电压和电流(并且因此输出功率P_out/P_meas)的测量，并且分别通过最小化能量转换设备的总损耗来生成设定点扭矩或功率曲线，其包括最小化与组件50、60、70、80中的每一个相关联的损耗的函数。然后可以根据控制参数图(即，设定点扭矩或功率曲线)25’来确定对应于测量参数的当前测量值的目标功率或扭矩(P_ref)，诸如转子转速ω_m。然后将测量的输出扭矩T_g或输出功率(P_meas)与根据当前控制参数图(即，设定点扭矩或功率曲线)25’确定的目标扭矩或功率(P_ref)进行比较，并且调整风力涡轮机的操作，以便使用反馈回路95将测量的输出功率或扭矩移动到更接近设定点功率或扭矩。

如上所述，控制参数图25’在使用中通过使用非线性优化方法来修正或再生，以基于由控制单元5’或辅助控制单元30接收的各种测量值来减少或最小化与能量转换设备的组件相关联的损耗(优选地结合增加的或最大化的空气动力学效率)。特别是，本发明使系统中的总损耗最小化。取决于系统，不同的损耗可能或多或少都很重要。例如，损耗可包括涡轮机中的机械和电气损耗两者，如图4、7和8中所解说的。在图4中示出的特定示例中，本发明使与转子布置35、驱动轴45和发电机50相关联的机械损耗最小化，并且还使与发电机50、导体、功率转换器(55)和滤波器(80)相关联的电气损耗最小化。

参照图8和9描述的以下示例涉及如在形成操作参数图25’时生成功率曲线。然而，将领会，可使用类似的过程来推导用于形成操作参数图25’的扭矩曲线或任何其它合适的函数。

如图8中所示，由发电机50输出的电功率(P_active)等于输出功率(P_out)加上任何电气损耗(P_elect.loss)，即：

P_active＝P_out+P_elect.loss

在这种情况下，电气损耗(P_elect.loss)被认为是每个电气组件的损耗之和，即电气损耗(P_elect.loss)等于发电机损耗(P_gen.loss)、转换器损耗(P_conv.loss)和逆变器损耗(P_inv.loss)之和：

P_elect.loss＝P_gen.loss+P_conv.loss+P_inv.loss

如图7中所示，考虑到由发电机50输出的电功率(P_active)的上述公式，输出功率(P_out)等于在风入射到叶片40上的作用下由转子布置35生成的功率(P_rotor)减去因电力损耗导致的功率(P_elect.loss)丢失和因机械损耗导致的功率(P_mech.loss)丢失。如此：

P_rotor–P_elect.loss–P_mech.loss＝P_out

根据以上并根据图7，它遵循：

P_rotor＝P_active+P_mech.loss

由发电机50(在损耗之前)开发的有功功率(P_active)是：

其中

E(ω_m)是V_rms中发电机的源电压，是A_rms中相电流的基本分量，是发电机位移功率因子(DPF)，而是发电机电源电压与基波电流之间的基频的位移角，以弧度表示。

逆变器的效率(η_inv)可以从制造商的数据表或模拟或参数模型中获得。项η_inv包括任何升压级、逆变器70和滤波器80的效率。输出功率(P_out)则为：

P_out＝η_inv·V_dcI_dc

其中V_dc和I_dc是输入到逆变器70的直流电压和电流。

替代地，可以对直流功率输出执行优化(假设逆变器70中的损耗相对于其他损耗较小，即η_inv≈1)。在该情形中，P_out＝V_dc·I_dc。

鉴于上述情况，可以通过解决以下优化问题来确定用于形成设定点功率曲线的输出功率(P_out)：

最大化P_out(x)

受制于：

P_out(x)≤P_rated

ω_m≤ω_max

V_dc≤V_limit

P_rotor＝P_active+P_mech.loss

P_active-P_elect.loss＝V_dcI_dc

P_out＝η_inv(V_dc,I_dc,P_out)·V_dcI_dc

其中x＝[V_dc，I_dc，ω_m]，P_rated是来自逆变器的额定功率，ω_max是来自风力涡轮机的制动器极限速度，V_limit是逆变器允许的最大电压。

将领会，这是一个受约束的、非线性和多变量的优化问题。存在一系列用于解决本领域中可获得的此类问题的技术，并且将领会，技术人员可以通过将常规知识和本领域中的技术应用于本申请的教导来从本领域中可用的各种技术中选择合适的技术并将其应用于当前问题。

然而，通过解说，用于解决这个问题的一种方法是使用来自OptimizationToolbox(优化工具箱)中的MATLAB^TM函数fmincon。该函数尝试通过使用内点算法从初始估计开始最大化P_out。使用近似但次优解作为初始估计(诸如，仅基于空气动力学考虑获得的初始估计，例如，来自风洞导出数据等)有助于加速解决问题并帮助确定全局最大值。

最终解决方案还取决于整流器60的拓扑结构。可以使用的整流器60的示例包括无源整流器60a，诸如图9中示出的无源整流器，或有源整流器60b，诸如图11中示出的有源整流器。

对于使用无源整流器60a的实施例，如图9中所示，因此DFP是需要通过功率平衡找到的另一变量。

三相全桥二极管整流器的输出可以通过以下方式获得：

其中V_LL是发电机的相间电压(rms值)；ω_e是电角频率(ω_mр，其中р是极对数，而L_s是相位等效电感。

然而，这种方法不能考虑因铜和铁损耗导致的电压下降。这些可能是重要的，如可以通过图10中解说的开路和有载电压之间的差异看出。

可以添加额外的项以考虑铜/铁损耗：

直流电流(I_dc)就在二极管整流器60a与相电流(rms)I_ph通过以下相关之后：

电气损耗(P_elect.loss)可被分为三个分量，即发电机50中的损耗(P_gen.loss)，功率转换器55中的损耗(P_conv.loss)和滤波器80中的损耗(P_inv.loss)：

P_elect.loss＝P_gen.loss+P_conv.loss+P_inv.loss

发电机50中的损耗(P_gen.loss)由在绕组中添加铜损耗、磁芯损耗(P_core.loss)和涡流损耗(P_eddy)产生：

其中R_Cu是铜电阻。

关于转换器损耗，在二极管上，传导损耗P_CD是因电压降ν_DO和非常低的电阻项r_D导致的主导项。在50Hz时，开关损耗约为P_CD的1.2％，并且因此在该频率以下通常可忽略不计。因此：

在另一实施例中，可使用有源整流器60b，诸如作为电压源转换器(VSC)操作的有源整流器60b。在这种情况下，有源整流器60b旨在控制整流器60b的端子的输出处直流电压。尽管该电压可以是恒定的，但最好对其进行调整，以便使效率最大化。VSC还需要平滑电容器100来滤除电压和功率输出中的纹波分量。图11和12中示出了合适的六开关有源整流器60b的示意图。整流器60b包括成对布置的六个绝缘栅双极晶体管(IGBT)105，每对晶体管与其他对并且还与平滑电容器100并联布置。发电机50的每个相Ea(t)、Eb(t)、Ec(t)连接到相应的一对IGBT 105之间的相应节点。

发电机(图12中的v₁(t))与有源整流器65b之间的相互作用可被建模为单相电路，其中两个电压源(V₁(t)、V₂(t))被放在一起，由阻抗Rph分开，并共享功率流。发电机将转换器55视为正弦源(v₂(t))。最终，通过IGBT 105的切换来外部控制v₂的相位角和大小。

在图11中，v₁(t)是发电机50的相电压的基本分量；i_ph(t)是相电流的基本分量(在有源整流器中，)；ν₂(t)是由有源整流器60b虚拟产生的相电压的基本分量；L_ph是相位等效电感；Rph是相等效电阻(在一个项中组合铜和磁芯损耗)，而ω_e是电频率(rad/s)。

发电机源的大小给定为：

其中λ_PM是由发电机50的永磁铁产生的磁链。

另外：

其中V_dc是平滑电容器100上的输出电压，而m_index是调制指数。该公式对于m_index<1是有效的。

该公式可被修改以考虑来自电阻项和来自开关(即IGBTS 105)的电压降，从而导致：

其中v_CEO是开关(IGBT 105)上的电压降。

可导出针对单位位移功率因子的关系式。下面使用相量表示法(量值以rms表示，角以弧度表示)，假设为稳态状态，并且仅基本分量；

Z_eq＝R_ph+jω_eL_ph＝R_ph+jX_ph

图12示出了对于图11的电路的简化等效电路。由此，由有源整流器60b/V₂(t)看到的电压是发电机电压V₁(t)减去阻抗项(Z_eq)中的电压降：

其目的是以最大效率操作发电机50，因此DPF≈1(尽管应满足电压限制)。因此，在某个点，需要使用弱磁策略。因为相电流I_ph和发电机电压需要同相，所以θ_1i＝0═>θ_i＝θ₁。出于简化起见，发电机电源50/V_-1(t)的角度被设为零(θi＝θ1＝0)。

通过将上述方程划分为实部和复部，并应用上述目标和假设，有可能得出一个关系式，该关系式可用于确定表示实现统一DPF所需的有源整流器60b的虚拟源V₂(t)的角度，如下：

在发电机50中满足最大效率的条件可能意味着V_dc要比在二极管整流器的情况下要高。然而，调制指m_index通常在过调制区以下操作，以避免谐波失真。这可以是DPF与调制指数之间的折衷。然而，有一种称为空间矢量调制(SVM)的控制算法，它最终允许这样可以在不引入额外谐波的情况下降低V_dc。

有源整流器电路60b的电源开关105中的损耗主要是由传导损耗和开关损耗引起的。假设绝缘栅双极晶体管(IGBTS)105的调制函数是正弦的，则可以用以下来估计IGBTS105v中的传导损耗(P_CT)：

其中v_CEO是集电极发射器导通状态电压(零电流)，而r_C是集电极发射器传导电阻。

类似的，在有源整流器60b的反并联二极管110中，传导损耗(P_CD)为：

其中v_DO是二极管前向电压(零电流)，而r_D是传导电阻。

开关损耗(P_{switching.loss})可使用以下来计算：

其中f_s是IGBT 105的开关频率，E_ON,T和E_OFF,T是IGBT 105的开关能量，E_OFF,D是反并联二极管110的关断能量，而P_refLoss＝V_refI_ref是由制造商给出的损耗。关于开关能量的信息在所使用的半导体的数据表中提供。

通过将IGBTS 105中的传导损耗(P_CT)、二极管110中的传导损耗(P_CD)和开关损耗(P_{switching.loss})简单地相加，可以得到转换器55的总损耗(P_conv.loss)，这些损耗反过来可以使用上述方程确定，或者由本领域技术人员可能显而易见的其他技术确定。

换言之：

P_conv.loss＝P_CT+P_CD+P_{switching.loss}

具有有源整流器60b的转换器55的这些转换器损耗可被分解到总损耗最小化算法中，并且可以找到一个数值解，例如，使用上述与无源整流器60a相关的方法。

控制单元5’或辅助控制单元30被配置成确定能量转换设备(即，该示例中的风力涡轮机，但也适用于其他能量转换设备)中的机械损耗P_mech。下面参照图13概述了用于考虑机械损耗和空气动力效率(或用于流体/基于水的涡轮机的流体动力学效率)的方法的示例，图13示出了风力涡轮机的机械部件的简化模型。

本发明的控制设备考虑了空气动力学效率(或视情况而定的流体动力学效率)。空气动力学效率可由指数函数或多项式函数来近似。将空气动力学效率(Cp)近似为尖端速度(λ)的函数的适当指数函数的示例为：

必须选择参数以便具有凹(或准凹)函数。使用的拟合函数必须足够通用，以精确地模拟阻力区域。以下提供了非限定示例。

通过保持k₃>0，则λ→∞时，C_p→0。另外，通过推导并且等于零来确定最佳点，即最佳尖端速度λ^opt由以下给出：

通过对C_p(λ)的前式中的λ^opt的值进行评估，并假设函数在最佳k₁λ^opt-k₂>0中为正，得出：

k₁>k₃,k₁>0

这些附加约束简化了C_p-λ的估计，即空气动力学效率与叶尖端速度比的函数关系。

以下表1提供了用于生成空气动力学轮廓的示例性值：

表1：示例性空气动力学轮廓的参数

在选择要使用的表达式类型时，已经发现使用指数函数更好地模拟阻力区域，而多项式函数更准确地模拟失速区域。然而，因为目前的损耗最小化方法倾向于将涡轮加速到仅基于空气动力学效率预测的尖端速度之上，因此优选地选择更好的阻力区域建模，并且由此至少对于某些应用中，以上给出的指数函数可能是优选的。

因为叶片40的旋转，致使在每转一圈期间，叶片40的迎角变化很大。结果，至转子布置35的输入扭矩倾向于振荡。如此，本发明实施例所采用的方法是考虑平均空气动力学效率C_p，例如一次运行。

在本示例性实施例中，风力涡轮机是直接驱动涡轮机，即，它不包括变速箱(尽管将领会，可以使用基于变速箱的设备，并且技术人员可以相应地适配以下推导)。

传动系根据一阶弹簧阻尼系统的动力学方程进行建模，如下：

其中T_wind是转子布置35中的输入扭矩T_gen是由发电机50产生的阻力扭矩，K_m表示机械损耗(假定为常数)，J是发电机50加上涡轮机的惯性矩，而B是摩擦阻尼系数。

惯性J可通过本领域已知的技术来确定，例如，通过使用CAD建模。

通过将拉普拉斯变换应用于上述方程，可以看出：

H(s)是传动系的传递函数。如果轴非常硬，则通常可以认为B非常低或可以忽略不计。

系统必须具有时间响应性。也就是说，当风改变时，系统的机械响应中可能存在惯性，或诸如逆变器70等的组件的电气响应中存在滞后。

作为当带宽是问题时的辅助方法，前馈项(诸如由Chen等人在“关于在MPP跟踪过程中优化变速风能转换系统的瞬态负载”，工业电子的IEEE会刊，第4698页，第61卷，第9号，2014年9月(特别是在IV.B节中)以及在“NREL控制先进研究涡轮机的基线结果和未来计划”，L.J.Fingersh和K.E.Johnson，第23届美国机械工程师协会风能研讨会，内华达州，雷诺，2004年1月5日至8日中所述的)可用于改进系统的带宽，并且因此改进系统的响应能力。前馈项可从对风的输入功率或扭矩的估计得到，如上述文章中由Chen等人所阐述的。

控制单元可操作以对包含来自多个组件并且优选来自每个重要组件(即，其损耗不可忽略或相对不重要的每个组件)的损耗的函数执行非线性优化。该损耗包括机械损耗和电气损耗两者。函数还包括空气动力学(或流体动力学，如适用)效率。因为函数通常是以表示由涡轮机基于空气动力学或流体动力学效率提取的功率的项减去因涡轮机的有源分量导致的多个损耗(包括机械损耗和电气损耗两者)的形式，所以优化一般包括损耗的减少或最小化。

非线性优化导致操作参数图25’，通常以功率(或扭矩或其他合适的控制参数)曲线的形式，该曲线规定了针对不同风速(U)或转子速度范围的最佳或目标输出功率(P_out)随转子速度(ω_m)的变化，从中可以确定最佳功率曲线。图14中示出了基于功率曲线的此种控制参数图的示例。

例如，以此方式，控制单元5’或辅助控制单元30可确定针对任何给定测得的风或转子速度的最佳、目标或设定点输出功率，并例如，通过控制发电机或其他有源负载的操作相应地调整转子速度(或能量转换设备的其他操作参数)。操作参数图25’(例如功率或扭矩曲线)可以在使用中计算或重新计算，例如在运行中或操作期间，并用于生成或修改当前操作参数图25’(如需要)。

有利地，因为本发明实施例的控制单元5’或辅助控制单元30有效地计算和/或重新计算操作参数图25’(例如，设定点或最佳功率转子速度曲线或扭矩-转子速度曲线)，其可被替代由现有涡轮机使用的预先确定或以其他方式计算的控制参数图25，现有系统不仅可以有利地改进能量转换设备(例如，风力或水力涡轮机)的性能，而且还可以很容易地重新适应现有涡轮机。

将领会，以上描述了各种损耗和空气动力学或流体动力学效率的各种数学表达式。然而，将领会，这些仅仅是示例性的，并且具有本申请的教导知识的技术人员容易识别用于确定损耗、空气动力学或流体动力学效率或本文中描述的其他项中的一者或多者或每一者。技术人员甚至不需要采用上述理论方法，并且例如，可以使用实验或建模数据、计算建模(例如，通过使用CFD或CAD或有限元或本领域技术人员已知的其他技术)或通过使用来自传感器的输出或通过使用从正在使用或在风洞中使用的类似模型或原型获得的值，等等。

现在给出稳态中的损耗最小化的示例。这使用用于确定损耗，包括上面标识的机械损耗和电气损耗的公式。特别是，上面提到的指数函数被用于估计空气动力学效率曲线，作为尖端速度比(C_p-λ)的函数。

计算流体动力学(CFD)模型和按比例物理模型的实验测试被用于确定针对给定尖端速度比λ的最大空气动力效率测量的输出直流功率和针对发电机50和转换器55的估计损耗也被用于估计测量的空气动力学效率尽管这也可以通过在使用中的驱动轴45的测量来确定。机械损耗被假设为在涡轮机的操作速度内是恒定的。峰值空气动力学效率被估计为0.27，尽管预计较大的涡轮机的峰值空气动力学效率将在0.45以上。

图15中示出的等效电路被用于描述风力涡轮机形式的能量转换设备的实施例，其中发电机50是基于铁氧体磁铁的空心发电机。发电机50的损耗如上文所述地确定，但还应考虑热效应。

空心轴向磁通发生器50使用铁氧磁体体代替钕磁体。与钕磁体比，铁氧体磁体的电阻率非常高，因此转子布置35中的涡流损耗仅发生在支撑磁体的铁中。然而，基于永磁同步发电机(PMSG)的典型风力涡轮机将具有钕磁体而不是铁氧磁体。因此，磁体中的损耗将更为显著。可以在发电机50上进行阻抗测试，以便确定磁芯电阻R_Fe和电感。发电机50的EMF还可适用分析模型来确定。在该实施例中，发电机50(即，永磁电机)具有每相40极和8个线圈。由转子看到的来自磁通反应的第一空间谐波发生在频率处，由以下给出：

其中f_e是基本电频率。

与铜电阻不同，图15中的磁芯等效项R_Fe主要取决于转子转速。相对较小的温度变化不会影响铁的导电性(即0到100℃之间)。

在模型化的发电机50中，对绕组的热效应有着微妙的影响。绕组中的温升ΔT可以从温度与电阻(在正常温度下)之间的线性关系得到，从而：

R_f＝R_a(1+ΔT·α_Cu)

其中R_f是最终电阻(Ω)；

α_Cu＝(T_a+k_Cu)^-1(电阻的温度系数，以1/℃计)；

R_a,T_a是环境电阻(以Ω计)和温度(以℃计)，

k_Cu＝234.5(以℃计)，推测绝对温度。

另外，如其中q表示功率耗散或热源(在本情形中为P_LOSS)，铜电阻的稳态值由以下得出：

R_f＝R_a(1+R_thP_lossα_Cu)

R_th绕组对空气的等效热阻(以℃/W计)，而P_LOSS是绕组中耗散的总损耗。热阻随转子转速而变化，因为热传递改进了更高的速度(磁体突起就像冷却风扇)。

执行低功率试验(160W)，以恒速和恒负载运行能量转换设备达50分钟以上，并由此估计出热特性，如下表2所示。这些结果是使用经验相关性在更高的功率和速度下外推的。铜线圈的热变化是根据使用上述公式间接测量电阻来估计的，而R_th则是使用上述公式来估计的。理想地，该实验应在不同的速度和更高的输出负载下进行，以改进数值的置信度。

从测量获得的结果和由此确定的参数如下表2所示：

表2：从6.6rpm进行的实验测试得出的结果和由此计算出的参数的概要。

结果的外推使用一个假设：取决于转子转速，可以使用Nussel数Nu’与热阻成反比来估计R_th，即：

其中是比例常数。

Nussel数Nu’是跨流体内的表面边界的对流换热与传导换热之比。空芯电机与表面安装的磁体之间的经验关联从本领域已知。发电机50的尺寸可用于计算Reynolds R_eθ和Nussel数nu’。在封闭式转子中，旋转磁体模拟风扇，从而改进了绕组的传热系数。应用本领域已知的上述相关性，可以确定：

Nu’＝0.0008·Re_θ+188.74

由上述公式可以确定绕组中R_f的稳态值和功率损耗。

然而，对于本文所述的所有热参数，可以使用发电机内部的温度传感器在运行/使用中估计相关的热参数。

损耗最小化算法也考虑了无源整流器60a的损耗。特别地，在能量转换设备(例如，风力涡轮机)的实施例中，二极管整流器60a连接在发电机50的输出端。上述公式可被用于计算相位和直流电流、转子转速、DPF、直流电压、直流功率和交流输出功率。本发明的损耗最小化算法被用于最大化交流输出功率。

另外，逆变器70包括升压直流/直流转换器，其通过控制注入到电网中的功率间接调节直流电压。该逆变器70适用基于来自制造商的公布曲线的效率图以及低功率下的实验测量进行建模。

图16示出了根据转子和风速的针对能量转换设备(即风力涡轮机)的功率曲线。

这些曲线使用以下输入来产生：

·电机参数，诸如：空载电压、线圈电阻、电感、转子磁芯电阻、机械损耗、二极管电压降；以及

·风力涡轮机的Cp-λ曲线。

最大空气动力学效率(图16中的虚线)不会达到最佳功率，而通过使用上述损耗最小化算法确定的实线达到最佳功率，直到损耗最小化算法受到由涡轮机的离心制动器(未示出)施加的机械速度限制(在该示例中为86rpm)的约束而变得受约束。

特别地，图16示出了针对风力涡轮机加发电机50和二极管整流器60a的预测功率曲线。风速从4到15m/s不等。虚线表示最大空气动力学效率(Max Cp)曲线，其与由通过使用上述损耗最小化算法获得的实线表示的全局最佳值不同。该差值在较高风速时更显著。

图17示出了根据风速的功率输出与尖端速度比TSR。从此可以看出，以上描述的损耗最小化算法(实线)通过稍微加速涡轮机(即，增加λ)减少了系统损耗。

损耗最小化算法将发电机50加速到仅根据空气动力学效率确定的λ^opt以上以减小相电流，如从图18可以看到的。结果，铜和铁损耗也被减少直到机械损耗增加的太多(最后一项与转子速度成正比)。通过加速转子，输入功率被降低，从而允许电阻扭矩T_gen减小。令人惊讶的是，涡轮机从风中获取的功率较小，以便最小化其损耗并增加输出功率。在非常高的风力下(例如，对于该特定示例性实施例，高于12m/s)，功率增量尤其显著。

上述损耗最小化算法受机械制动器和逆变器70的约束，达到2.2kW的最大功率输出(在该特定实施例/示例中)。从理论上讲，它在最大负载下的效率约为96.3％。因此，直流侧上注入的功率限制为2.29kW(在16m/s)。另外，逆变器70在直流输入处在90与500V之间操作。由于高负载时的电压降而未达到上限；然而，下限施加要求涡轮机在低风速下以λ>0.4操作的约束。因此，Max-Cp策略仅产生高于3.4m/s的功率，而使用上述损耗最小化算法可潜在地导致功率产生从2m/s开始。系统也可以最大化P_dc而不是P_out，然而结果是相似的。

图19示出了转子布置35与直流级之间的所有组件的效率随风速的变化。如从图19中可以看出，电气系统(发电机50加二极管整流器60a)对于4与10m/s之间的风速表现出高于80％的效率，达到几乎90％的峰值。图20示出了整体效率随风速的变化(即，从风速到直流输出)。从此，可以看出，整体效率高于25％，在风速为8m/s时峰值为28％。

图21示出了通过使用上面关于本发明描述的损耗最小化技术获得的二极管整流器60a(假设稳态)的系统的电气损耗和机械损耗的损耗分解。由此可以看出，主要的项是铜损耗，而二极管损耗非常小。铁损耗显著高于12m/s。6m/s以下的主要项是机械损耗。使用以上描述的损耗最小化技术使发电机50能以0.93与0.95之间的相对较好的位移功率因子(DPF)操作。

图22示出了当仅通过最大化空气动力学效率来操作相同系统时的比较损耗分解，如本领域中常规的那样。从图22与图21的比较可以看出，例如，在15m/s时，通过使用上述损耗最小化方法而非仅最大化空气动力学效率，总损耗减少约15％。

与使用常规方法操作测试涡轮机相比，上述损耗最小化技术已经在具有不同平均风速的不同地点处的工作中的测试涡轮机上进行试验，其中仅使空气动力学效率最大化(最大C_p方法)。试验中改进性能方面的差异范围为从具有最高平均风速(MS)的地点的1.7％；到最低平均风速(MS)的地点约为5.5％。具有最低平均风速的地点改进的5.5％是因为相对于使用仅使空气动力学效率最大化的方法操作相同涡轮机而言，损耗最小化算法导致涡轮机在较低风力(从2m/s开始)上起效(kicking-in)。

已经发现，将上述损耗最小化技术与失速调节相结合可导致年度能量输出的显著增加，例如在上述试验地点中，取决于位置和平均风速，在6.3％和16.4％之间。

在以上示例中，在每年基础上，已经现铜损耗是主要的，而二极管损耗(P_conv：_loss)是可忽略不计的。相对于仅基于最大化空气动力学损耗的常规控制方案，上述损耗最小化算法通过降低阻力扭矩将铜损耗从9.4％减小至6.7％。然而，机械损耗和铁损耗两者都因此而稍微增加。由于上述损耗最小化技术执行全局最小化，即它考虑了从转子布置35到电输出(P_out)的每个重要组件的机械损耗和电气损耗两者，整体损耗可被有效地最小化，即使当这涉及最小化最重要的损耗(例如，在这种情况下的铜损耗)时，即使增加了一些不太重要的损耗(例如，在这种情况下的机械损耗和铁损耗)。然而，如上所述，主要损耗可取决于诸如风速、涡轮机设计等因素而变化。

以上分析应用于使用二极管(无源)整流器60a的涡轮机。以上描述的损耗最小化方法也已经关于使用有源整流器60b的涡轮机被分析。

另外，在较低风速处，与二极管(无源)整流器60a的情况相比，输出功率增量更高。然而，该改进对整个系统具有非常低的影响。

图23示出了当使用使用考虑空气动力学效率的全局损耗最小化算法的上述技术时，使用有源整流器60b(假设稳态)的风力涡轮机形式的能量转换设备的损耗分解。图24示出了当其它标识的涡轮机时的与用于生成图23的损耗分解正使用其中系统仅基于最大化空气动力学效率的常规技术操作的比较损耗分解。在这种情况下，图22与图23的比较示出，在例如15m/s时，损耗减少了50W(9％)以上。在例如11m/s时，损耗减少小于5W。

就年度能量输出而言，将上述损耗最小化方法(LMA)与失速调节特征相结合可能在多风地点更具相关性，因为它可以将功率输出提高约8％(特别是在平均风的地点速度大于5.5m/s)。然而，该特征可能需要附加硬件。例如，可以使用基于使用适当的输出电流传感器的输出电流的测量的电流控制，或者通过使用使用控制回路中的风速传感器收集的风速测量值来实现失速调节，该输出电流的测量被反馈到控制单元5’或辅助控制单元30以实现失速区域中的改进的稳定性。

将领会，上述损耗最小化技术尤其有益，因为它不需要对硬件进行任何修改，并且可以通过升级现有涡轮机控制单元5、5’中的控制软件来实现。然而，结合失速调节的损耗最小化技术的实现，尽管在年度能量输出改进方面更有益，但是需要一些硬件修改，例如提供输出电流或风速传感器，其输出被反馈到控制单元5’或辅助控制单元30。

由上述损耗最小化算法传递的最佳或控制功率曲线形式的操作参数图25’被插入到涡轮机控制单元5’的闭合控制回路(参见例如图5和图6)和/或辅助中，例如代替先前的或预设的最佳或控制功率曲线25，诸如通过使用最大空气动力学效率技术确定的曲线。当根据新的控制功率曲线25’操作时，这导致涡轮机效率的改进。以这种方式，通过测量转子速度或风速，控制单元5’或辅助控制单元30/控制单元5的组合可以基于新的最佳或控制功率曲线25’来调节输出功率P_out以适应测量的转子速度。可任选地，随后可以随时和/或在使用中重新运行损耗最小化算法，以便重新生成或调整最佳或控制功率曲线25’，例如考虑到系统中的任何差异或变化，诸如由于平均风速的变化或分量随时间的变化(例如，降级)等等。

总之，上述损耗最小化算法找到了全局最佳(即，考虑到转子和能量转换设备的电输出之间的能量转换设备的每个重要的单个部件的损耗，至少包括能量转换设备的机械损耗和因至少发电机50和/或功率转换器55以及优选地还有滤波器80导致的电气损耗。通过在数值上求解稳态系统的电方程来获得以最佳功率或扭矩曲线的形式的修正的操作参数图25，考虑了机械损耗和电气损耗。该方法体系已经使用与真实风数据结合的稳态和瞬态模拟进行了验证。

该概念在示例性测试风能转换器上得到证实，取决于当地的风况，改进的整体效率在1.7％到5.5％之间。此外，该方法体系不需要额外的硬件，因此可以通过在商用逆变器中改装而不费力地实现，即它可能仅需要在现有控制单元5中的软件升级或者连接辅助控制单元30来实现损耗最小化算法，该算法进而简单地以目标输出功率或扭矩与转子的形式更新操作参数图，或者由控制单元5、5’使用的风速控制曲线来控制能量转换的操作。

确定风能转换设备的时间常数与风的功率谱密度(PSD)相结合，允许在不稳定的风力条件下评估特定设计是否能够成功地跟踪命令的最佳功率曲线。在较高的湍流(例如，自由流湍流强度(FTI)>0.26)中，控制单元可能需要通过添加对输入扭矩或风速测量的估计来加速动态系统的响应，如在由Chen等人的“关于MPP跟踪过程期间变速风能转换系统的瞬态负载的优化”中所建议的，工业电子的IEEE会刊，第4698页，第61卷，第9号，2014年9月。

图25中概述了使用损耗最小化算法的方法，其示出了该过程的实施例的流程图。在这种情况下，选择风速或水速矢量并将其输入到控制单元5’或辅助控制单元30。机械和空气动力学或流体动力学参数，诸如，作为尖端速度比(TSR)(λ)的函数(C_p-λ)的流体动力学或空气动力学效率(C_p)曲线、空气/水密度、传动系中的机械损耗等也对于控制单元5’或辅助控制单元30是可用的。功率转换器55和发电机50的电参数和热参数(例如，功率转换器55和发电机50的电感、电阻、EMF等)也可用于控制单元5’或辅助控制单元30。将领会，各种参数可以预先存储在合适的数据存储设备或存储器中和/或通过通信系统/网络和/或类似物提供给系统。

使用这些参数，控制单元5’或辅助控制单元30被配置成求解一系列非线性方程，其使受制于一系列限制或边界条件(包括转子速度(ω_m)的角频率小于预设的最大极限(ω_{_limit})，整流器输出的直流电压(V_dc)小于最大极限(V_{dc_limit})，以及相电流(I_phase)为小于最大限度(I_{phase_max}))的影响的来自能量转换设备的(电)功率输出P_out最大化。特别地，非线性方程反映了作为尖端速度比(λ)的函数的流体动力学或空气动力学效率(Cp)曲线，减去涡轮转子与电输出之间的几个并且优选地每个重要组件的整体(即全局)机械损耗和电气损耗，至少包括转子布置35、驱动轴45和发电机50中的机械损耗以及至少因发电机50和功率转换器55以及优选地还有过滤器80导致的电气损耗。因此，电功率输出(P_out)的最大化使流体动力学或空气动力学效率(C_p)最大化，同时使全局/整体损耗最小化。

可以使用各种合适的方程来执行上述优化/输出功率最大化以描述系统组件和/或基于测量、建模、测试台、制造商数据表、理论方法等等。

上述优化/输出功率最大化产生替代操作参数图25’，诸如目标功率输出(或扭矩)到转子或风速或水速控制曲线，控制单元5、5’使用它们来确定目标或设定点用于取决于转子、风速或水流速来操作能量转换设备(即，风力或潮汐涡轮机)。然后，可调整由控制单元5、5’使用的控制回路以反映新的操作参数图25’，即对于风速或水速曲线的新的目标/控制功率或扭矩。

基于损耗最小化的上述方法使用至少三组输入，即：

1.涡轮机的空气动力学(或流体动力学)参数(表示为k₁、k₂和k₃)，以及机械损耗项(k_m)，其可被用于确定空气动力学(或流体动力学效率)；

2.发电机50的参数，诸如空载电压、相电阻、磁芯损耗、电感和热特性，其可被用于确定发电机50的电气损耗，以及

3.转换器55参数，诸如二极管电压降及其传导电阻，其可被用于确定转换器55的损耗。

参数的第二集合(即以上两者)可如上所述地使用分析方法，或者通过对发电机50和其它组件进行恰适的测量，例如静态测量来估计。因此，例如，可以在试验台上确定参数而无需风洞。

参数的第三集合(即，以上三者)可根据制造商数据表或通过使用测试台等来确定。

然而，为了实现最佳结果，损耗的最小化需要与空气动力学参数/效率高的考虑相结合。未能考虑空气动力学效应或其估计中的误差可对能量转换设备的最终性能产生负面影响。

下面提供用于估计风力涡轮机的空气动力学参数(以及最大化空气动力学效率)的有益方法。将领会，这些不仅适用于上述损耗最小化方法，而且还可以单独应用于单独最大化或优化空气动力学或流体动力学效率的常规方法，例如用来确定与最大化或优化的空气动力学或流体动力学效率相关联的功率或扭矩曲线(或其他操作参数图)。所确定的功率或扭矩曲线(或其它操作参数图)随后可被用于控制能量转换设备的操作(例如，通过控制能量转换设备的转子、发电机和/或有源负载的操作)，以便使用所确定的功率或扭矩曲线(或其它操作参数图)来实现针对所测量的转子或风速或水速的输出功率或扭矩。

这些方法通过导出参考模型并使用感测的风速、以及估计的转子速度或直流功率来估计风力涡轮机的空气动力学参数。优化规程找到k₁、k₂、k₃和K_m的值，最小化转子速度的误差。

来自风的输入扭矩T_wind不能在轴上直接被测量。由于不断变化的转子速度，阻力扭矩不同于T_wind。然而，可通过组合分析和数值方法，从风、电压、电流和转子速度测量估计T_wind。

图26示出了能量转换设备的模型。在用于确定以下描述的空气动力学效率的示例性的方法中，可通过最小化输出误差(误差(t))来估计空气动力学或流体动力学参数。

由发电机T_gen产生的阻力扭矩可以从以下公式估计：

因此，根据图26，除了传动系的系数以外，两个已知输入是来自风的机械损耗和转子输入扭矩(T_wind)。

而且：

其中P_rotor是来自风的转子输入功率，而ω_m是转子速度的角频率。

因此，创建可调整的参数的参考模型，直到图26中测量的和估计的转子速度之间的误差范数最小化是可能的：

如图27所解说的，可替代地使用基本相似的公式，但具有估计的与测量的功率而不是转子速度。

再者，类似于上述损耗的优化，这是可以离线或在线解决的优化问题，并且一些约束可以有助于估计参数，因为可能存在许多解决方案。

在稳态体制下，转子速度是恒定的。因此，通过忽略机械和摩擦损耗，可以确定T_wind≈T_gen。

最后，这个假设意味着输入功率和C_p可以通过功率平衡来估计。由此：

这个方程对输入扭矩的瞬时估计很差。然而，平均或过滤改进了其预测。

参照图27，下文描述了使用传动系光谱识别的替代方法，图27是风能转换设备(例如涡轮机)的简化方框图，其通过示例描述。该模型包括控制单元，其考虑传动系、发电机和功率转换器、来自风速(T_wind)的扭矩输入和机械损耗K_m。

由于假设图27中的传动系是线性的，惯性(J)和阻尼系数(B)两者可通过估计传动系的频率响应以开环方式导出。尽管可以执行线性化，但由于其非线性，图27中所示的整个系统的闭环估计趋于更加困难。

在开环中，传动系被假定为低通滤波器，其截止频率为f_cut，由以下给出：

其中B是转子轴的阻尼系数，而J是所有旋转部件的总惯性。

由于惯性J大而B小，因此f_cut趋于非常低。因此，低频采样仍然保留有关系统动态的重要信息。MATLAB函数spafdr可以在可变数量的频带上对频率相关的分辨率执行频谱分析。该方法通过将输入视为受噪声和不确定性影响的信号来平滑频率响应。所选频段从0.1到分辨率为65个波段，以对数间隔(通过涡轮模拟器上的试错找到)。专注于有限的频段可以给出可靠的估计，并且这就是遵循的方法。

之后，使用直接且直观的连续时间频率响应估计，而不是离散方法。MATLAB函数tfest被用于估计传动系的连续传递函数。

另外，归因于在实验中收集了大量数据(例如超过一小时)和阵风，因此便于进行谱估计。最终，风速激发了这种未知设备(plant)。因此，在频谱的高端中的风的显著能量含量促成了信号探索。

除机械损耗估计之外的一般算法在图28中以流程图表示。指数函数的参数k₁、k₂和k₃来自：

通过使用来自MATLAB中的优化工具箱的fmincon，最小化上面给出的测量和估计转子速度之间的误差范数的误差来调整。然而，由于频谱估计消除了输入信号中的直流分量，因此不估计机械损耗。

即使建模的风能转换设备基于直接驱动系统，机械损耗常数K_m的估计也会影响最佳功率曲线的计算。理想地，该常数应该在使用扭矩传感器的测试台中确定并且执行本领域公知的空载测试。在现场，不稳定的风使这种计算更加复杂。然而，在某些假设下，可以从参考模型估计K_m。允许误差幅度为±10％，因为其精度不如空气动力学参数那么重要。

所提议的方法是为了通过以Km＝0开始频谱估计，以递归方式估计K_m。然后，根据Cp-λ，K_m的第一个估计，通过求解功率平衡方程(假设机械损耗与转子速度成正比)计算K_m：

然后，对该方程的两侧求平均允许最小化由未知的惯性项产生的误差。

并且最后：

后一方程的解可以在图28的流程图中集成为外环。基于瞬态模拟，机械损耗的估计表现出±6：39％的典型误差。

在商用逆变器上，对设备中包含的内部控制算法的访问受到限制。因此，识别过程比正常条件更受限制。然而，它可以通过三种方式辅助：

1.功率斜率设置或变频器上的速度响应：较低的值允许系统在各点上操作，从而实现更稳健的估计。一旦识别过程完成后，需要调整功率斜率以正确跟踪风的波动。

2.涡轮机和转子的惯性：幸运的是，这种情况变成了优势，可以更好地检查操作点(类似于功率斜率)，因为实际的转子速度总是落后于理想的转子速度。

3.与最佳尖端速度比(λ)相关地设置加速和减速操作的功率曲线：这极大地改进了估计的稳健性，因为可以探索更多的点。模拟和实验两者都证实了这种方法。

当操作点广泛分散在不同的λ值周围时，可以很好地检测Cp-λ曲线。因此，如果逆变器的控制器被配置为反应太快，则λ的值倾向于集中在有限区域中。因此，C_p-λ的识别可能是不准确的。

以下描述了通过假设稳态条件来估计空气动力学参数和机械损耗的第二示例性方法体系。

该方法基于非线性拟合函数，应用于经平均的数据。它源于仓(bin)的方法。

WECS的一般功率平衡方程可被表达为：

其中k＝(k₁；k₂；k₃)。通过求方程两边的平均值，忽略惰性项，并假设ρ_air变化非常缓慢，则得出：

另外，如果涡轮机维持良好的跟踪响应，则项C_p(λ；k)可

在每个仓中被认为是常量，从而允许以下简化：

这将前述方程减少为：

在该方程中，存在4个未知项：k₁、k₂、k₃、和K_m。它们可通过非线性拟合来估计。让我们将X定义为：

并且将Y定义为

X是输入测得的变量的n×5矢量，Y是系统测得的输出P_dc的n×1矢量。由此，该表示可被表达为以下关系式：

Y＝f(X，β)+ε

其中f是使用β系数来评估X的每一行的非线性函数，以计算Y的估计，β＝(k₁；k₂；k₃；K_m)是要估计的常数参数的4×1矢量。e是表示干扰的n×1矢量。最后：

非线性拟合的想法是找到β系数的值，其最小化测得的输出功率与模型预测的值之间的均方差。

MATLAB的函数nlinfit可使用由用户指定的初始条件迭代地估计未知系数。这里，该函数基于Levenberg-Marquardt非线性最小二乘算法以其最简单的模式使用。K_m可以通过由nlinfit来估计，但是发现当允许四个自由度时，nlinfit倾向于落入局部最佳。因此，通过将K_m作为常量值，并执行子优化，直到Y与之间的rms误差最小化，可以有效地最小化误差。

方程中的变量：

使用立方仓的方法对其进行平均，其中风采样被平均为立方项。这极大地改进了C_p-λ估计。

尽管上文已经提供了各种具体实例以便解说本发明，但将领会，可从上述具体实施例中作出改变。例如，以上示例涉及风力涡轮机。然而，将领会，上述方法等同地适用于其他能量转换设备，诸如水力或潮汐涡轮机。

另外，尽管已经提出了用于计算各种参数的各种具体方程式，但将领会，可以使用其他方程式，或以其他方式计算参数，例如使用试验台、静态测量、模拟、建模、使用中的测量、风洞或流室测量、在比例模型上执行测量等等。将领会，技术人员通过本申请的教导的指导，并且应用本领域的知识，诸如，E.J.P.E.Subiabre、M.A.Mueller、T.Bertényi和T.Young等的文档中提供的教导，“用于风能应用的空心永磁发电机的实际损耗建模和最小化”，“电力电子、机器和驱动器(PEMD 2012)，第6届IET国际会议，布里斯托尔，2012，第1-6页.数字对象识别码(doi):10.1049/cp.2012.0324，可以确定用于确定系统的损耗的其他方法。

另外，将领会，能量转换设备可具有额外或替代组件，并且以上提出的示例性组件不是限制性的。

此外，尽管该算法可以运行、“在使用中”或“在线”，即，从而计算结果是在运行中计算的，并且可被用于定期更新控制或目标设置，例如随风速或水速的功率或扭矩曲线，但本发明也可以在设计期间或离线的情况下应用。

另外，以上示例涉及永磁铁状态机类型的发电机。然而，将领会，技术人员可执行适合地适配成双馈感应电机的相应技术。

控制单元5’和/或辅助控制单元30可包括至少一个处理器、数据存储模块(诸如存储器)和、用于与传感器(诸如风速或水速传感器、电压、电流或功率传感器等)通信的通信模块(其可以是有线或无线的)等等。

如此，上述关于附图的具体实施例并不旨在受到限制，本发明仅由目前存档的权利要求所定义。

词汇表

A_swept 叶片扫掠面积

B 转子轴的阻尼系数

最大空气动力学效率

C_p(λ) 根据尖端速度比的转子的空气动力学效率曲线

f_B 空间谐波频率

f_e 基本电频率≡2πω_e

f_s 采样或切换IGBT的频率

H(s) 传动系的传递函数

I_dc 整流之后的直流电流

I_p 相电流的峰值

相电流的基本分量的rms值

J WECS中的旋转部件的总惯性

k₁、k₂、k₃ C_p–λ的空气动力学参数

Km 比例常数，以表示Nm中的机械损耗

λ

L_m 气隙或同步电感

λ^opt 最佳尖端速度比

λ_PM 由PM引发的每相总磁通量链接

m_index 调制指数

η 效率

ω_e 电角频率ω_m pω_m

转子速度p的角频率

极对数

P_active 有源电磁功率

P_in 功率转换器中的输入功率

P_inv.loss 逆变器中的总电气损耗

P_conv.loss 功率逆变器中的总损耗

P_core.loss (磁体和铁中的)磁芯转子损耗

P_dc 直流输出功率

P_eddy 绕组中的涡流损耗

P_elect.loss 添加所有电气损耗

P_gen.loss 发电机中的总电气损耗

P_meas 测得功率(发电机或功率转换器)

P_out 由功率转换器递送给电网的输出功率

P_ref 参考功率

P_rotor 转子输入功率(来自风)

P_w 来自风的可用功率

R_blade 叶片扫掠面积

RC 考虑绕组中的涡流损耗的分流电阻器(铁心电机)

R_Cu 考虑绕组中的焦耳损耗的电阻器

R_eddy 考虑绕组中的涡流损耗的分流电阻器(空心电机)

ρ_air 空气密度

ρ_Cu 铜电阻率

R_ph 相电阻

s 拉普拉斯算子

T_f 闭环中的涡轮机的时间常数

T_gen 发电机电磁扭矩

T_wind 来自风的转子输入扭矩

U_nacelle 机舱内的流速测量

U_∞ 自由流流速(风/水)

V_dc 整流之后的直流电压

V_diode 二极管电压降

V_LL 发电机的相间电压(rms值)

ω_m 角转速

ω_e 角电频率

缩写

ADC 模数转换器

AEO 年度能量输出

CFD 计算流体动力学

DFIG 双馈感应发电机

DPF 位移功率因子

EMF 电动反作用力

FEA 有限元分析

FEM 有限元建模

FFT 快速傅立叶变换

FTI 自由流涡流湍流强度

IEC 国际电工委员会

IGBT 绝缘栅双极晶体管

LMA 损耗最小化算法

LIDAR 光检测和测距

MMF 磁动力

MPPT 最大功率点跟踪

MS 平均速度

MSE 均方误差

PM 永磁体

PMSG 永磁同步发电机

PSD 功率谱密度

RMS 均方根

SVM 空间矢量调制

TSR 尖端速度比

VSC 电压源转换器

WECS 风能转换系统

Claims (15)

1.一种用于确定能量转换设备的至少一个参数的方法，所述方法包括：

确定与所述能量转换设备相关联的一个或多个损耗；

通过减少、最小化或优化所述一个或多个损耗或其函数，通过改进、改变、优化或最大化所述能量转换设备的至少一个操作变量和/或输出(诸如，所述能量转换设备的功率输出)来确定所述能量转换设备的至少一个参数；以及

确定所述能量转换设备的至少一个参数的值、范围或函数(诸如，功率或扭矩曲线)，所述至少一个参数的值、范围或函数与所述能量转换设备的所述至少一个操作变量(例如，功率输出)和/或输出的改进、变化、优化或最大化相关联，和/或导致所述至少一个操作变量和/或输出的改进、变化、优化或最大化，和/或导致所述一个或多个损耗的减少、最小化或优化。

2.如权利要求1所述的方法，其特征在于，包括根据控制所述能量转换设备的所述至少一个参数来控制所述能量转换设备的操作，其包括根据所述至少一个参数(例如，根据所述功率或扭矩曲线)来控制所述能量转换设备的所述至少一个操作变量和/或输出、和/或所述能量转换设备的一个或多个其它变量(例如，输出电功率和/或驱动轴扭矩)。

3.如权利要求1或权利要求2所述的方法，其特征在于，包括确定所述能量转换设备的空气动力学或液体动力学效率以及使用所述能量转换设备的所述空气动力学或液体动力学效率来确定所述能量转换设备的所述至少一个参数。

4.如权利要求3所述的方法，其特征在于，所述能量转换设备的所述至少一个操作变量和/或输出的改进、变化、优化或最大化包括改变、优化或最大化所述能量转换设备的所述空气动力学或流体动力学效率的函数以及与所述能量转换设备相关联的所述一个或多个损耗。

5.如任何一项前述权利要求所述的方法，其特征在于，所述能量转换设备的所述至少一个操作变量和/或输出的改进、变化、优化或最大化可以是或包括包含执行至少包括所述一个或多个损耗并且包括或考虑所述能量转换设备的所述空气动力学或流体动力学效率的函数的优化或最大化的全局优化或最大化。

6.如任何一项前述权利要求所述的方法，其特征在于，所述损耗包括机械损耗和电气损耗。

7.如权利要求6所述的方法，其特征在于，所述机械损耗包括由以下中的一者或多者或每一者产生或与之相关联的机械损耗：涡轮叶片的操作和/或驱动轴或其它驱动耦合的操作和/或发电机的操作。

8.如权利要求6或权利要求7所述的方法，其特征在于，所述电气损耗包括以下中的一者或多者或每一者：发电机损耗、功率转换器损耗、滤波器损耗和/或逆变器损耗。

9.如任何一项前述权利要求所述的方法，其特征在于，所述能量转换设备是或包括永磁电机或双馈感应电机。

10.如任何一项前述权利要求所述的方法，其特征在于，所述能量转换设备包括风力涡轮机和/或水力涡轮机。

11.一种用于能量转换设备的处理或控制系统，所述处理或控制系统包括至少一个处理器并且包括或被配置成访问数据存储，所述处理或控制系统被配置成通过以下来确定所述能量转换设备的至少一个参数：

确定与所述能量转换设备相关联的一个或多个损耗；

通过减少、最小化或优化所述一个或多个损耗或其函数，通过改变、增加、优化或最大化所述能量转换设备的至少一个操作变量或输出来确定所述能量转换设备的至少一个参数；以及

确定所述能量转换设备的至少一个参数的值、范围或函数(诸如，功率或扭矩曲线)，所述至少一个参数的值、范围或函数与所述能量转换设备的所述至少一个操作变量(例如，功率输出)和/或输出的改进、变化、优化或最大化相关联，和/或导致所述至少一个操作变量和/或输出的改进、变化、优化或最大化，和/或导致所述一个或多个损耗的减少、最小化或优化。

12.一种能量转换设备，所述能量转换设备包括设置在可移动或可旋转布置上或包括在其中的一个或多个驱动表面，使得在使用中，所述一个或多个驱动表面是通过流体流动(诸如气体或液体流动)可移动的或者可旋转的，并且根据权利要求9的控制或处理设备配置成确定所述能量转换设备的至少一个参数。

13.一种计算机程序产品，当被编程到控制或处理设备中时，配置所述控制或处理设备以实现权利要求1到10中的任一项的方法。

14.一种载体介质，诸如有形和/或非瞬态载体介质，包括权利要求13的计算机程序产品。

15.一种用于确定或估计能量转换设备和/或机械损耗组件的空气动力学或流体动力学效率(或其函数)的方法，所述方法包括：

(a)测量所述能量转换设备的一个或多个变量，其可包括以下中的一者或多者或每一者：(转子轴处处的)发电机速度ω_m、机舱风速U_nacelle、自由流风速U_∞、发电机的相电流和/或电压、发电机的端子处的相电压的频率(其可被用于估计转子速度)；

(b)确定所述能量转换设备的一个或多个损耗，诸如一个或多个电气损耗；以及

(c)通过例如最小化所预测与所测得的转子速度之间的误差来确定最好地拟合所述能量转换设备的所述一个或多个变量和/或所述能量转换设备的所述一个或多个损耗的所述能量转换设备的空气动力学或流体动力学效率。