CN111164304A - 评估风力涡轮机软件升级的方法 - Google Patents
评估风力涡轮机软件升级的方法 Download PDFInfo
- Publication number
- CN111164304A CN111164304A CN201880063014.4A CN201880063014A CN111164304A CN 111164304 A CN111164304 A CN 111164304A CN 201880063014 A CN201880063014 A CN 201880063014A CN 111164304 A CN111164304 A CN 111164304A
- Authority
- CN
- China
- Prior art keywords
- data
- wind turbine
- pair
- mode
- pairs
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000004519 manufacturing process Methods 0.000 claims description 6
- 230000008859 change Effects 0.000 description 13
- 238000010248 power generation Methods 0.000 description 12
- 230000000694 effects Effects 0.000 description 7
- 238000005259 measurement Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000012795 verification Methods 0.000 description 5
- 238000001556 precipitation Methods 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 3
- 238000013459 approach Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 238000009826 distribution Methods 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 238000010561 standard procedure Methods 0.000 description 3
- 238000010200 validation analysis Methods 0.000 description 3
- 230000001186 cumulative effect Effects 0.000 description 2
- 238000009795 derivation Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000012109 statistical procedure Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000002123 temporal effect Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 230000001174 ascending effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F8/00—Arrangements for software engineering
- G06F8/60—Software deployment
- G06F8/65—Updates
-
- 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
- F03D7/046—Automatic control; Regulation by means of an electrical or electronic controller characterised by the type of control logic with learning or adaptive control, e.g. self-tuning, fuzzy logic or neural network
-
- 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
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/003—Load forecast, e.g. methods or systems for forecasting future load demand
-
- 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
- F05B2230/00—Manufacture
- F05B2230/80—Repairing, retrofitting or upgrading methods
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
- H02J2300/20—The dispersed energy generation being of renewable origin
- H02J2300/28—The renewable source being wind energy
-
- 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
-
- 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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P70/00—Climate change mitigation technologies in the production process for final industrial or consumer products
- Y02P70/50—Manufacturing or production processes characterised by the final manufactured product
Landscapes
- Engineering & Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Sustainable Development (AREA)
- Sustainable Energy (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Mechanical Engineering (AREA)
- Life Sciences & Earth Sciences (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Power Engineering (AREA)
- Computer Security & Cryptography (AREA)
- General Physics & Mathematics (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Wind Motors (AREA)
Abstract
一种估计与风力涡轮机软件的升级有关的参数的方法,该方法包括在两种模式之间交替地切换风力涡轮机,其中该升级是在一模式而不是另一模式中实施的。数据在切换期间被收集,并且被划分为多对数据部分,每种模式一个数据部分。两种模式的数据分别排序,并进行分位数对分位数比较。
Description
技术领域
本发明涉及一种评估风力涡轮机的软件升级的方法、能够进行该评估的风力涡轮机、以及具有适用于该评估的指令的数据载体。
背景技术
在风力涡轮机竖立并开始操作后,有可能以改进涡轮机个体性能或集合(风电场)的性能的方式来对其进行修改。这样的修改可能是叶片上的附加件或者是新设备或改进的设备,也可能是软件改变,例如改进的逻辑、改进的参数、协调的逻辑、或泄漏。我们说的“新功能”指的是这种改进。可以一次在给定的涡轮机或机组上安装一个或多个特征。
每个单独的新功能产生的获得的能源产量(按年计算)通常很小,例如约为0.5%。评估涡轮机性能和功率增益的标准方法是基于气象桅杆风速测量或机舱风速测量,但是在实践中,它们不够精确,无法以高的可信度得出是否确实发生了增益的结论。
验证方法可见于专利US2016/0265513、WO2017/088877、WO2017/088878、和WO2017/088879。
发明目标
本发明的实施例的目标是提供比标准方法更高的准确性,其目的是以高确定性来判定增益是否实际发生。另外地,它们还旨在减少验证活动的时间。
发明内容
本发明的第一方面涉及一种估计与风力涡轮机软件的升级有关的参数的方法,该方法包括:
-在两种模式之间交替切换风力涡轮机:
ο第一模式,其中不实现所述升级,以及
ο第二模式,其中实现所述升级,
-在切换期间,收集与所述风力涡轮机的性能有关的数据,
-导出多对数据部分,其中一对的第一部分对应于在所述第一模式期间收集并且在一个时间段期间导出的数据,而所述对的第二部分对应于在所述第二模式期间收集并且在第二时间段内收集的数据,以及
-从所述多对数据部分估计所述参数,所述估计步骤包括:
ο关于所述第一部分的数据部分对所述第一部分进行排序,
ο关于所述第二部分的数据部分对所述第二部分进行排序,以及
ο对经排序的第一部分中的第一位置处的第一部分的数据部分与经排序的第二部分中的所述第一位置处的第二部分的数据部分进行比较。
在该上下文中,风力涡轮机的升级是对影响风力涡轮机的操作的参数的改变。优选地,升级是对影响风力涡轮机的操作的、在处理器上运行的软件或者由处理器所使用的硬件的改变。处理器可以是风力涡轮机的一部分,也可以位于其他地方,例如在另一台风力涡轮机中,在风力涡轮机群处理器中、或者在例如服务器群等中。处理器优选地能够通过影响给定情况下风力涡轮机的硬件(例如,机舱、叶片、齿轮箱、转换器等)的操作方式来影响风力涡轮机的操作。
通常而言,期望确定该处理器是否能够通过升级来影响风力涡轮机以使其性能更好,例如产生更多的电力,产生更少的噪声,产生更少的湍流等。
在两种模式之间切换风力涡轮机是软件(例如,软件的一部分)的切换,所述软件控制风力涡轮机并在一个或多个处理器上操作。这可以实时完成,而不必在操作模式之间停止风力涡轮机。因此,第一模式是其中不实现所述升级的模式,例如风力涡轮机的历史操作方式。在第二模式中,实现升级并且因此风力涡轮机以不同的方式操作。
通常而言,两种模式之间的唯一区别是升级的实现与否,以使得可以比较两种模式期间获得的数据。
自然地,例如如果要单独或组合地评估多个不同的软件升级,可以定义三个或更多个模式,并且在它们之间进行切换。
在切换期间,即在第一模式和第二模式分别工作的时间段期间,收集与风力涡轮机的性能有关的数据。由于软件升级可以具有许多目的和许多结果效应,因此可以根据升级选择所收集的数据。如果升级的目标是降低噪音,则所收集的数据可以是例如噪音数据。通常而言,升级的目标是提高风力涡轮机的发电量,因此数据可以与发电量有关。自然地,数据可能涉及多种效果,例如噪声和发电两者,因为所产生的电力总是令人关注的,并且可能获得不希望的或意外的副作用(例如噪声、湍流等),其优选地在确定是否需要升级时被检测和考虑。
根据导出的数据,可以识别多对数据部分。数据部分涉及在一种模式下操作期间收集的数据。数据部分可以涉及在该模式的操作期间产生的组合电力,例如在其他模式的操作之间在该模式下操作的整个时间段。在一些情况下,期望丢弃这样的数据的一部分,例如从另一模式切换之后的第一数据,以确保在收集数据之前风力涡轮机处于稳定状态。因此,可以期望根据以该模式操作的时间的第一比例来丢弃数据,例如前5%,例如前10%,例如时间的前15%、20%、或25%。对不期望的数据的丢弃不需要与在该模式下操作风力涡轮机的时间段相关,因此丢弃可以是在丢弃在该模式下操作风力涡轮机的前2分钟内(例如,在前4分钟内,例如在前5分钟、8分钟、10分钟或15分钟内)的数据。
因此,一对数据部分具有在第一模式下操作期间收集的数据部分和在第二模式下操作期间收集的数据部分。以下,将描述许多优点,这些优点源于在分析中使用的数据对。
存在生成来自第一模式的一数据部分和来自第二模式的一数据部分的的多个对的多种方式。可以期望生成具有分别来自在以某种方式类似的条件下操作的第一模式和第二模式的数据部分的多个对,所述条件例如相同的风速、风向、温度、湿度、降水量等。存在得到多对数据部分的不同方式。一种方法是选择时间上彼此紧密接近的数据部分,例如,如果可以假设所述条件在相对较短的时间段内变化不大。
在一种情况下,导出步骤包括导出多对数据部分,其中一对的第一部分对应于在第一模式期间收集并在一个时间段期间导出的数据,而所述对的第二部分对应于在第一模式期间收集并且在第二时间段内收集的数据,其中第一和第二时间段相隔不超过3小时。优选地,一个时间段和第二时间段彼此相邻,使以得例如在一段时间之间只发生一次从一种模式到另一种模式的切换。
在其他情况下,可以在所述模式的操作期间以及在收集数据部分时确定其他参数,例如温度、风速、风向、湿度、温度、降水量等。接着,可以通过针对在第一模式期间收集的数据部分来识别具有相同或相似的另外的参数的第二模式期间收集的数据部分,来生成多对数据部分。在该上下文中,可以基于参数的总体变化来确定“相似”,以使得如果存在较大的变化,则相比收集的数据中的存在较小变化的情况,“相似”可以允许一对参数之间的较大的差。
在其中一个模式期间收集但不构成一对数据的部分的数据或数据部分可以被丢弃。这样的数据可以涉及异常状况,例如风力涡轮机的异常操作,例如如果叶片上存在冰,操作被降额(de-rate)等。
根据第一方面,通过关于所述第一部分的数据部分对所述第一部分进行排序,关于所述第二部分的数据部分对所述第二部分进行排序,以及接着对经排序的第一部分中的第一位置处的第一部分的数据部分与经排序的第二部分中的所述第一位置处的第二部分的数据部分进行比较,来从该对估计所述参数。
第一部分和第二部分涉及在该操作期间收集的数据部分。因此,这些数据部分是与更新有关的任何参数的数量。关于所述第一部分的数据部分对所述第一部分进行排序可以包括以从其中的数据部分的数量确定的升序或降序对第一部分的排序。在该情况下,数据部分的顺序可能会导致一对的数据部分在顺序上与该对的另一数据部分的位置不同。然而,当在分析中仅使用多对数据部分时,顺序具有相同数量的元素,并且可以比较两个顺序中给定位置的数据部分。
因此,可以比较顺序中给定的第一位置处的数据部分,并将比较结果用于升级的估计中。
第一位置可以是顺序的最低和最高位置之间的位置。顺序具有与多对数据部分使用的一样多的位置。因此,可以使用任何数量的数据对,例如至少5个,例如至少10、20、25、30、35、40、45、50、75、100、200、400、500、700、1000或更多(如果需要)。接着,顺序通常将具有相同数量的位置,并且第一位置是这些位置中的一个。
在一个实施例中,比较步骤包括还对排序的第一部分中的第二位置处的第一部分的数据部分与排序的第二部分中的第二位置处的第二部分的数据部分进行比较。自然地,在比较中可以使用任意数量的位置。实际上,如果需要,可以比较所有位置。
如上所述,升级期望的改进可能相当适度,因此可能需要导出对估计的不确定性的度量。获得不确定性度量的一种方法是执行相同的方法,但无需在两种模式之间切换。替代地,“切换”是在相同模式(第一模式)之间进行的,以便再次获取、排序所述对,等等。
因此,该方法还可以包括:
-在收集所述数据的同时在所述第一模式下操作所述风力涡轮机,
-导出第二多对数据部分,其中第二对的第一部分对应于在一个时间段期间收集的数据,而所述第二对的第二部分对应于在第二时间段期间收集的数据,
-关于所述第二对的所述第一部分的数据部分对所述第二对的所述第一部分进行排序,以及
-关于所述第二对的所述第二部分的数据部分对所述第二对的所述第二部分进行排序,
其中,所述估计步骤还包括:对所述第二对的经排序的第一部分中的第一位置处的所述第二对的第一部分的数据部分与所述第二对的经排序的第二部分中的第一位置处的所述第二对的第二部分的数据部分进行比较。
因此,这些对的数据部分现在仅与第一模式有关,并且这两个顺序之间的任何变化都不源自升级,而是源自风力涡轮机的操作,例如变化的风速/方向、降水、湿度、温度等。当在第一模式和第二模式之间切换期间收集数据时,也预期这样的变化,并且因此,其是现在仅通过在第一模式下的操作来估计的误差源。自然地,可以在任何时间点,例如持续地或重复地执行该操作。因此,当获得升级并进行所需测试时,这样的数据可以准备就绪。
本发明的第二方面涉及一种估计与风力涡轮机软件的升级有关的参数的方法,该方法包括:
-在两种模式之间交替切换所述风力涡轮机:
ο第一模式,其中不实现所述升级,以及
ο第二模式,其中实现所述升级,
-在切换期间,收集与所述风力涡轮机的性能有关的数据,
-导出多对数据部分,其中一对的第一部分对应于在所述第一模式期间收集并且在一个时间段期间导出的数据,而所述对的第二部分对应于在所述第二模式期间收集并且在第二时间段内收集的数据,以及
-从所述多对数据部分估计所述参数,所述估计步骤包括:
ο针对每对来确定所述对的第一数据部分与第二数据部分的差值,
ο根据从所述对的所述第一部分和/或所述第二部分确定的值来对所述对进行排序,以及
ο将曲线拟合至根据顺序排序的差值。
对的切换、模式、和导出可以如以上在本发明的第一方面中所见。
自然地,可以通过简单地执行第一方面的估计步骤和第二方面的估计步骤来组合第一方面和第二方面,以进一步改进该方法。
根据本发明的第二方面,所述估计步骤包括从所述数据部分对估计所述参数,所述估计步骤包括:
ο针对每对来确定所述对的第一数据部分与第二数据部分的差值,
ο根据从所述对的所述第一部分和/或所述第二部分确定的值来对所述对进行排序,以及
ο将曲线拟合至根据顺序排序的差值。
因此,看到了利用多对数据部分的另一种方式,其中确定针对每对的差值。通常而言,一对的数据部分仅与单个参数有关,例如所产生的电力,由此,差值是由数据部分之一表示的所产生的电力减去另一数据部分所表示的电力。如果数据部分涉及多个参数,则选择参数之一进行减法和曲线拟合。
接着对所述对进行排序。排序可以根据第一数据部分的值、第二数据部分的值、或者从两个数据部分确定的值,例如其平均值。
该顺序可以被表示为图或曲线,其中值沿X轴,差值沿Y轴。
可以将曲线拟合至经排序的值,例如图或曲线。曲线拟合通常包括选择曲线类型以及多个参数或其自由度,其中,在通过确定将曲线拟合至经排序的值的曲线的参数来拟合了对应曲线之后。通常而言,曲线拟合被称为参数曲线拟合,其中选择具有多个参数的曲线,接着通过将曲线拟合至图或数据来获得所述参数。接着,参数描述曲线,并且还可以用于评估升级是否合适。
同样在该方面中,可以估计测量或确定的不确定性。在该情况下,该方法还可以包括:
-在收集与所述风力涡轮机的性能有关的数据的同时,在所述第一模式下操作所述风力涡轮机,
-导出第二多对数据部分,其中第二对的第一部分对应于在所述第一模式期间收集并且在一个时间段期间导出的数据,而所述第二对的第二部分对应于在所述第一模式期间收集并且在第二时间段内收集的数据,
ο针对每个第二对确定所述第二对的第一数据部分与第二数据部分的差值,
ο根据从所述第二对的所述第一部分和/或所述第二部分确定的值来对所述第二对进行排序,以及
ο将第二曲线拟合至根据第二对的顺序排序的差值。
其中,所述估计步骤也是基于所述第二曲线的。
因此,执行相同的方法而不切换至第二模式。再一次,结果(现在是经拟合的第二曲线)将描述不确定性,因为其与不源自第二模式的数据部分的变化有关。
同样,此过程可以在测试升级之前执行,并且可以连续或定期执行。
通常而言,如上所述,可以以多种方式识别多对数据部分。在一种情况下,仅当数据部分在彼此之间的最大时间差内获得时所述数据部分才是成对的。在一种情况下,每对的数据部分的第一时间段和第二时间段彼此相邻。因此,在收集数据部分的时间间隔之间仅存在从一种模式到另一种模式的切换。上面进一步描述了确定对的其他方式。上面还描述了,如果需要的话,在一段时间期间收集的一部分数据可以被丢弃。
通常而言,切换步骤可以包括每小时切换至少1次。由于切换是在不同的软件之间进行的,因此切换可以不需要停止风力涡轮机,从而使得切换可以经常发生。高触发频率具有以下优点:在短时间内有可能在两种模式下操作,因此外部环境(风速/方向等)可以相同。以该方式,可以得到更合适的数据。
优选地,该切换每小时发生两次或更多次,例如每小时发生3次或更多次。
即使原则上任何数据或参数都可以是有兴趣的,但在确定软件升级的有用性时最相关的参数是所产生的电力。因此,收集步骤通常包括收集风力涡轮机的发电量作为数据。
通常而言,估计的整体结果可以第一模式和第二模式的期望结果的简单标识,例如提供的最大电力、最小噪声等。结果可以表示为平均值,估计的额外发电量、或者一段时间(例如,一年)中的估计的额外发电量。
本发明的第三方面涉及一种风力涡轮机,其包括控制器,控制器被配置为:
-在两种模式之间交替切换所述风力涡轮机:
ο第一模式,其中不实现升级,以及
ο第二模式,其中实现升级,
-在切换期间,收集与所述风力涡轮机的性能有关的数据,
-导出多对数据部分,其中一对的第一部分对应于在一个时间段期间收集的数据,而所述对的第二部分对应于在第二时间段期间收集的数据,以及
-从所述多对数据部分估计所述参数,所述估计步骤包括:
ο关于所述第一部分的数据部分对所述第一部分进行排序,
ο关于所述第二部分的数据部分对所述第二部分进行排序,以及
ο对经排序的第一部分中的第一位置处的第一部分的数据部分与经排序的第二部分中的所述第一位置处的第二部分的数据部分进行比较。
可以看出,处理器能够执行根据本发明的第一方面的方法。自然地,所有上述考虑和实施例对于本发明的该方面都是同等有效的。
在这种情况下,风力涡轮机通常具有塔架、机舱、多个叶片、以及用于将叶片的旋转转换成动力的元件,例如发电机和齿轮箱。另外,可以已知变桨(pitch)电动机或致动器和控制器以使叶片旋转以改变桨距,并且可以提供一个或多个电动机或致动器以使机舱旋转以将叶片的旋转轴向风向引导。另外,可以提供不同的传感器以感测产生的电力、风向、风速、湿度、温度、降水、湍流、噪声、振动等。
电动机/致动器和传感器可以连接到相同的处理器或多个处理器,所述处理器可以但不一定在实际的风力涡轮机中被提供。所述处理器可以被置于多个风力涡轮机(例如,风力涡轮机群)的通用结构中,或者可以被放置在其他位置,例如在服务器群中。
通常而言,风力涡轮机将以固定间隔报告数据,例如以上感测到的数据。自然地,如果需要的话,所述报告可以是实时且持续的,但是通常不是必须的。
同样,用于处理器的软件可以从处理器外部并且因此在风力涡轮机外部接收。
该处理器能够执行根据本发明的第一方面的步骤。因此,处理器能够在两个模式(或更多模式)之间切换,以及在以这些模式操作期间收集数据。不同模式的特征可以在于电动机/致动器(例如,变桨电动机/致动器)的改变的操作,以使得不同的模式具有风力涡轮机的硬件的不同的操作。因此,风力涡轮机应当具有用于控制将在两种模式之间改变的硬件参数的模块。
应当注意,控制器不必是单个控制器。控制器可以是分布式的以使得操作、切换、和数据收集发生在控制器中,例如位于风力涡轮机中的控制器,而导出/估计在单独的控制器中发生,该控制器可以远离风力涡轮机。因此,数据可以在控制器之间被交换。同样,实际的软件更新可以从远程控制器被馈送至风力涡轮机中的控制器。
而且,远程控制器可以从多个风力涡轮机接收数据,以便接收统计上更可靠的数据。在这种情况下,涡轮机可以同步地操作,以使得所有涡轮机同时切换到第一模式和第二模式。可替代地,涡轮机可以不同步地操作,以使得一些涡轮机可以在第一模式下操作,而其他涡轮机可以在第二模式下操作。同样,如果需要,在各模式下操作的时间段可以因各风力涡轮机而不同。因此,如果在风或其他条件下观察到意外的变化,则多个风力涡轮机可能会经历这些变化,并且有可能某些风力涡轮机以第一模式操作而其他风力涡轮机以第二模式操作。
而且,如果获得来自多个风力涡轮机的数据,则可以确定由另一风力涡轮机处于第一或第二模式而引起的对一个风力涡轮机的影响。如果所述模式影响例如风力涡轮机引起的湍流,则这是相关的。
本发明的第四方面涉及一种风力涡轮机,其包括控制器,该控制器被配置为:
-在两种模式之间交替切换所述风力涡轮机:
ο第一模式,其中不实现所述升级,以及
ο第二模式,其中实现所述升级,
-在切换期间,收集与所述风力涡轮机的性能有关的数据,
-导出多对数据部分,其中一对的第一部分对应于在所述第一模式期间收集并且在一个时间段期间导出的数据,而所述对的第二部分对应于在所述第二模式期间收集并且在第二时间段内收集的数据,以及
-从所述多对数据部分估计所述参数,所述估计步骤包括:
ο针对每对来确定所述对的第一数据部分与第二数据部分的差值,
ο根据从所述对的所述第一部分和/或所述第二部分确定的值来对所述对进行排序,以及
ο将曲线拟合至根据顺序排序的差值。
因此,风力涡轮机控制器能够执行本发明的第二方面的方法。自然地,所有上述情况、实施例、和考虑在这里都是同等相关的。这包括处理器可以结合第一方面和第二方面的估计步骤以改进对升级的估计。
而且,关于第三方面描述的风力涡轮机、元件、电动机/致动器、传感器、控制等的上述考虑与本发明的第四方面同等地相关。
如上所述,每对的数据部分的第一和第二时间段优选地彼此不太远,并且优选地彼此相邻。
而且,优选地,控制器被配置为每小时切换至少1次,例如每小时切换至少2次、3次、4次、5次或更多次。
本发明的第五方面涉及一种数据载体,其包括一组指令,所述一组指令被配置为控制风力涡轮机的控制器以:
-在两种模式之间交替切换所述风力涡轮机:
ο第一模式,其中不实现所述升级,以及
ο第二模式,其中实现所述升级,
-在切换期间,收集与所述风力涡轮机的性能有关的数据,
-导出多对数据部分,其中一对的第一部分对应于在一个时间段期间收集的数据,而所述对的第二部分对应于在第二时间段期间收集的数据,以及
-从所述多对数据部分估计所述参数,所述估计步骤包括:
ο关于所述第一部分的数据部分对所述第一部分进行排序,
ο关于所述第二部分的数据部分对所述第二部分进行排序,以及
ο对经排序的第一部分中的第一位置处的第一部分的数据部分与经排序的第二部分中的所述第一位置处的第二部分的数据部分进行比较。
在该上下文中,指令使处得理器或一组处理器能够执行本发明的第一方面的方法。因此,关于本发明的第一方面和第三方面提到的情况、实施例、和考虑在这里等同地有效。
所述指令使得控制器能够控制风力涡轮机。因此,指令可以包括这样的语句,其控制控制器以输出用于风力涡轮机的各个可控元件的指令。自然地,风力涡轮机具有不同的可控元件,其可以需要不同的指令来对其响应。因此,指令可以适合于特定的风力涡轮机,或者可以提供一个或多个适配器或解释器(通常称为驱动器)以准备针对特定类型的风力涡轮机的指令。
以相同的方式,不同的传感器可以具有不同的输出,所述输出可以需要适合于处理器期望的信号。因此,可以提供转换器/解释器/驱动器用于该转换。这是标准的电子和信号适配。
如上所述,处理器可以是一组处理器,其中在风力涡轮机自身中提供一个或多个处理器,在风力涡轮机外部提供其他处理器。
自然地,如上所述,处理器可以从多个风力涡轮机接收数据。
本发明的最后方面涉及一种数据载体,其包括一组指令,所述指令被配置为控制风力涡轮机的控制器以:
-在两种模式之间交替切换所述风力涡轮机:
ο第一模式,其中不实现所述升级,以及
ο第二模式,其中实现所述升级,
-在切换期间,收集与所述风力涡轮机的性能有关的数据,
-导出多对数据部分,其中一对的第一部分对应于在所述第一模式期间收集并且在一个时间段期间导出的数据,而所述对的第二部分对应于在所述第二模式期间收集并且在第二时间段内收集的数据,以及
-从所述多对数据部分估计所述参数,所述估计步骤包括:
ο针对每对来确定所述对的第一数据部分与第二数据部分的差值,
ο根据从所述对的所述第一部分和/或所述第二部分确定的值来对所述对进行排序,以及
ο将曲线拟合至根据顺序排序的差值。
在此上下文中,指令使得处理器或一组处理器能够执行本发明的第二方面的方法。因此,关于本发明的第二和第四方面提到的情况、实施例、和考虑在这里同等有效。而且,如上所述,可以将第一方面和第二方面组合。因此,第五方面和最后方面可以被组合,以使得估计步骤被组合。
同样,关于第五方面描述的考虑因素相对于本发明的最后方面同等有效。
附图说明
图1示出了具有风力涡轮机和站控制器的风力涡轮机群。
图2是本发明优选实施例的流程图。
具体实施方式
在图1中,示出了多个风力涡轮机,每个风力涡轮机均由“X”表示,从而形成了风力涡轮机群。图示了一个风电站控制器(cont)。每个风力涡轮机通常具有其自己的控制器,该控制器用于控制风力涡轮机的多个参数以及用于从风力涡轮机的操作中收集数据,例如发电量。可以定期或在检测到意外参数时将收集到的数据馈送到风电站控制器(或另一个外部单元)。而且,可以从风电站控制器或其他外部来源接收指令或改变的配置。
风力涡轮机中可以改变大量参数。一些参数要求使风力涡轮机停止发电,例如对叶片、齿轮箱等的更换或更新。可以在风力涡轮机的操作期间进行其他更新,例如软件或控制控制器的指令的更新。这样的更新可以是优化风力涡轮机的发电,减少所产生的噪声、所产生的湍流等。然而,由于这是风力涡轮机控制器的软件更新,而不是对风力涡轮机中硬件的替换,因此可以在风力涡轮机操作时激活该更新。实际上,可以在安装更新的模式与不安装更新的模式之间切换风力涡轮机,以使得可以快速评估风力涡轮机的性能,而不会使其停止操作。
即使当周围参数(例如,风向、风速、或其他参数)在升级处于活动状态的时间段与升级不活动的时间段之间不是完全恒定,但它们暂时接近意味着它们通常显示出高度的自相关性,并且因此,观测的对中所测量的幅度(例如,发电量)的统计特性将非常相似,并且可以在它们之间进行更精确的比较。
尤其是当风力涡轮机以高频率切换进和出更新时,可以相当精确地估算风力涡轮机的升级的性能,这是因为来自升级是活动的时间段和升级不活动的时间段的相邻数据集可以指示升级的性能,特别是在假设其他参数(例如,(平均)风向、(平均)风速等)在两个时间段内未发生变化时。
接着,从风力涡轮机收集多个这样的数据对可以生成足够的统计数据,以得出对升级性能的合适确定。
自然地,可以在多个风力涡轮机中执行相同的操作。对风力涡轮机的切换可以被同步或不同步。经同步的切换可以是使得所有风力涡轮机同时操作升级以评估经升级的风电场的操作方式。当升级与例如湍流的产生有关时,这可能是相关的。
可替代地,风力涡轮机可以不同步地操作,以使得不同的风力涡轮机在升级操作下操作,而其他则不在升级操作下操作,例如当在不同的时间点发生切换和/或当风力涡轮机的切换频率不同时。在那种情况下,例如,对于某些涡轮机,周围参数(例如,风向、风速或其他)在两个时间段之间的自然变化可以与升级从活动切换到非活动相吻合,而对于其他涡轮机可以与升级从非活动切换到活动相吻合。这样,周围参数的随机性会更均匀地影响场中不同涡轮机的切换事件,以允许对升级的更精确的评估。
可以期望的是,当从风力涡轮机获得数据时,不仅丢弃不期望的数据,例如来自风力涡轮机的非优化操作的数据,而且还丢弃在操作的一种模式的时间段的第一部分期间确定的数据。例如,可以丢弃前2、3、5、10分钟的数据,这是因为在切换到新模式或其他模式后,风力涡轮机可以被允许进入稳定状态。
如果是由于强风而停止操作,或者是在异常操作(例如,降额操作、以降噪模式操作、负载降低模式、叶片上结冰、有故障组件等)期间停止操作,则会看到风力涡轮机的非优化操作。
数据的确定和对该数据的随后计算可以由风力涡轮机的控制器或另一控制器(例如,电站控制器或中央计算机或数据仓库)执行。可以在切换的同时或之后执行计算。
在图2中,示出了确定是否需要升级的优选方式的流程图。如上所述,可以在单个风力涡轮机或多个风力涡轮机中测试升级,并且切换可以同步或不同步地执行。
以下方法主要描述为在单个风力涡轮机中执行,但是可以很容易地将其扩展到多个风力涡轮机——既将风力涡轮机场的所有风力涡轮机合在一起,又将该场分成较小的几组涡轮机,其中在每个组的风力涡轮机上可以使用相同的方法。而且,当多个风力涡轮机被操作并且被不同步地切换时,可以使用相同的方法,其中可以考虑到一个涡轮机处于升级的模式而另一涡轮机没有处于升级模式的事实。
在步骤1中,已将升级软件馈送至控制器,并且现在通过升级是活动的模式和尚未升级风力涡轮机的模式来切换风力涡轮机。该切换优选地至少每小时进行一次,但是每个模式可以仅连续操作一小时的一部分,例如50分钟、40分钟、30分钟、20分钟或更短。
在步骤2中,从风力涡轮机收集数据。该数据与风力发电机的性能有关,并且常常是所产生的电力,例如产生的有功功率、无功功率、叶片桨距位置、负载测量值、组件功率消耗、机舱对齐、测量的风速、旋转速度等。
该数据可以是风力涡轮机通常计算和报告的标准SCADA 10分钟平均值。该验证的首选度量是发电机每10分钟产生的平均有功功率,但其他幅度也可以引起关注。
针对开启和关闭时段两者都如此获取数据。所述数据可以在集中位置(电站控制器、数据仓库、文件等)中被收集,并且可以在活动之后被离线处理以执行验证分析。因此,不需要将涡轮控制器配置为执行特殊计算。
为了使涡轮机能够切换,首先,控制器软件必须具有该能力。控制器软件升级是一种正常过程,偶尔需要客户的同意才能进行。较新的软件版本通常在每个版本中捆绑了许多改进或错误修复,以便提供更高级的功能或纠正以前的错误表现。
一种这样的能力可以是引入一个或多个参数或特征的切换选项。下一步可以是适当地配置切换选项(选择要切换的具体功能、选择切换频率、开始时间等)。一旦合适的涡轮控制器版本就位并且上传了所述配置,就会在某个时间点指示控制器开始切换。
以该方式进行切换不会干扰涡轮机的操作,也就是说,发电不会中断。其只是指示控制器在给定的时间窗口内使用替代逻辑或替代参数集,因此本质上,切换对控制器内部生成的数字输入和输出进行修改,并且用于对涡轮机的组件采取控制动作。将功能被切换为关闭时,仅使用以前的逻辑/参数即可继续操作。
在切换期间,数据来自风力涡轮机。
接着,在步骤4中形成多对数据部分。数据部分与一种模式下的单次操作期间以及通常在另一种模式下的两次操作之间的风力涡轮机的性能有关。如所描述的,该数据可以仅与在该模式下的部分操作时间段期间的操作有关。
一对数据部分涉及两个操作(两个模式中的每个模式下的操作),这些操作假定在相似的情况下发生。优选地,数据部分与顺序发生的操作有关,以使得它们与相邻时间段有关。
在另一实施例中,可以确定或记录操作期间的情况,例如操作期间的风速、风向、温度等。接着,涉及相同的情况的数据部分可以被配对,即使它们是在彼此不相邻或甚至彼此不接近的时间段内获得的。可以希望记录数据部分以及情况数据,并且随后基于相同或相似的情况数据导出所述对。
在该上下文中,环境数据还可以与周围的其他风力涡轮机等的操作有关,因为风力涡轮机的模式改变可以改变其湍流特性,这可能影响顺风风力涡轮机的操作。
不参与一对数据部分的数据部分也可以被丢弃。
存在许多从多对数据部分估计升级的方式。
验证过程的一个理想结果是所谓的增益曲线。增益曲线可以描述在每发电水平或在每个进入风速水平所认为的发电量增益。例如,可以说在1200Kw的发电水平下,可以认为+25Kw可以被归为新特征。
一种获得增益曲线的方法(步骤5a)是通过比较开启和关闭数据子集两者的分位数(quantile)。分位数和分位数比较是标准的数学技术,并且在关于如何具体构造它们方面存在各种差异。
注意,由于分位数是基于开启或关闭数据子集的,因此这些子集包含相同数量的观察。
因此,在开启子集的值(例如,发电量)之后对开启子集进行排序。关闭子集在相同值之后被排序。自然地,与关闭子集的顺序相比,这可以改变开启子集的子集顺序。
该过程可以在开启和关闭数据子集上选择一个具体的分位数级别(例如,20-分位数是将数据集划分为几乎相等大小的20个子集的值),并将它们一对一地进行比较。它们的区别是在该功率水平下观察到的增益。
存在不同的比较方法。一种是简单地比较开启集和关闭集的X分位数,其中X分位数是开启集和关闭集中X最小值。如上所述,这些值不一定与同一原始对相关。可以进行多个这样的比较,例如X分位数、Y分位数、Z分位数等。X,Y和Z值在1到构成数据的开启/关闭数据对的总数之间。
为了获得均匀间隔的增益值,可以进一步对以该方式获得的值进行内插。
计算增益曲线的另一种方法(步骤5b)可以包括将参数曲线形状拟合至观察的数据。参数曲线和模型是标准的数学构造:例如,直线、多项式曲线、Weibull分布、Beta分布等。它们有一个共同点,即存在有限数量的自由参数,这些自由参数以优化它们对观察的数据的拟合的方式被选择。
在一种情况下,可以针对每一对导出一个差(增量)——该差是该对的数据部分的值之间的差。增量可以例如被认为是功率水平的函数:每个增量进而与对应的开启时段期间的功率水平,或对应的关闭时段期间的功率水平或对应的开启和关闭时段的组合是成对的。最后,这些增量和功率水平用于优化所选参数曲线的拟合。这给出了增益曲线。
根据该曲线,可以确定升级是否合适。
然而,不管如何确定增益曲线,验证方法还可以包括评估结果的不确定性的过程,例如通过估计结果的不确定带。
不确定度带是所获得的一个或多个结果周围的值的范围,这些结果被认为包含真实值或具有高概率水平的值。在该上下文中,不确定带、置信带、或置信区间的术语和概念可以互换使用。
可以使用不同的方法来评估不确定带。一种方法涉及依赖于来自没有发生过对特征的切换的其他风电场或其他年份的大量可比较的历史数据,以及评估结果的自然变化性。这可以被解释为结果的不确定带。
另一种方法涉及将所谓的自举(bootstrapping)技术应用于经测量和过滤的数据集。自举是数学和计算机科学中的标准程序。本质上,其包括从测量的数据集中获取大量随机样本(进行替换),以及研究所有这些样本显示的变化性。该变化性又被解释为针对实际测量的不确定带。
当分析多个风力涡轮机时可以使用的另一种方法涉及观察到场中的每个涡轮机产生增益曲线,并且将每个个体涡轮机在每个功率水平下的个体增益值作为相同的底层统计分布的实现。使用该方法,有可能通过标准的统计程序来得出场内涡轮机的每发电水平的平均增益,以及基于测量的样本在每个功率水平下的测量的增益的置信区间。
作为另外的步骤,可以将在每发电水平获得的增益值与合适的权重相加,以指示每发电水平已见证的小时数:这将得出对该功能产生的总能量增益的估计。和以前一样,标准的统计程序允许基于每发电水平的不确定带来在最终总增益附近估计不确定带。
直接确定升级是否有用的一种简单方法是直接比较开启和关闭时段的累积能量产生。
从增益曲线确定升级是否有用的另一种方式是从计算的增益曲线来计算(步骤7)在验证活动期间所获得的累积能量增益。这可以是单个值,或者可以针对多个发电带或间隔,针对多个风向、风速、温度等被确定,并且接着在需要的情况下被求和。可以期望确定分配给每个频带的增益乘以实际产生在该频带内的小时数,在开启数据集或关闭数据集中。
自然地,也可以针对该所得出的值或那些所得出的值得出不确定带。
在验证活动完成后,如果发现升级有用(步骤8),则通常会将场中的部分或全部涡轮机配置为连续以开启特征来操作。
实际上,即使没有可用的关闭数据,上述方法也可以提供一种通过将与前面的段相同的原理应用于未来几年收集的数据来估计未来几年从升级中获得的增益的方式。
Claims (15)
1.一种估计与风力涡轮机软件的升级有关的参数的方法,所述方法包括:
-在两种模式之间交替切换所述风力涡轮机:
o第一模式,其中不实现所述升级,以及
o第二模式,其中实现所述升级,
-在切换期间,收集与所述风力涡轮机的性能有关的数据,
-导出多对数据部分,其中一对的第一部分对应于在所述第一模式期间收集并且在一个时间段期间导出的数据,而所述对的第二部分对应于在所述第二模式期间收集并且在第二时间段内收集的数据,以及
-从所述多对数据部分估计所述参数,所述估计步骤包括:
o关于所述第一部分的数据部分对所述第一部分进行排序,
o关于所述第二部分的数据部分对所述第二部分进行排序,以及
o对经排序的第一部分中的第一位置处的第一部分的数据部分与经排序的第二部分中的所述第一位置处的第二部分的数据部分进行比较。
2.根据权利要求1所述的方法,其中,所述比较步骤包括还对所述经排序的第一部分中的第二位置处的第一部分的数据部分与所述经排序的第二部分中的第二位置处的第二部分的数据部分进行比较。
3.根据权利要求1或2所述的方法,还包括:
-在收集所述数据的同时在所述第一模式下操作所述风力涡轮机,
-导出第二多对数据部分,其中第二对的第一部分对应于在一个时间段期间收集的数据,而所述第二对的第二部分对应于在第二时间段期间收集的数据,
-关于所述第二对的所述第一部分的数据部分对所述第二对的所述第一部分进行排序,以及
-关于所述第二对的所述第二部分的数据部分对所述第二对的所述第二部分进行排序,
其中,所述估计步骤还包括:对所述第二对的经排序的第一部分中的第一位置处的所述第二对的第一部分的数据部分与所述第二对的经排序的第二部分中的第一位置处的所述第二对的第二部分的数据部分进行比较。
4.一种估计与风力涡轮机软件的升级有关的参数的方法,所述方法包括:
-在两种模式之间交替切换所述风力涡轮机:
o第一模式,其中不实现所述升级,以及
o第二模式,其中实现所述升级,
-在切换期间,收集与所述风力涡轮机的性能有关的数据,
-导出多对数据部分,其中一对的第一部分对应于在所述第一模式期间收集并且在一个时间段期间导出的数据,而所述对的第二部分对应于在所述第二模式期间收集并且在第二时间段内收集的数据,以及
-从所述多对数据部分估计所述参数,所述估计步骤包括:
o针对每对来确定所述对的第一数据部分与第二数据部分的差值,
o根据从所述对的所述第一部分和/或所述第二部分确定的值来对所述对进行排序,以及
o将曲线拟合至根据顺序排序的差值。
5.根据权利要求4所述的方法,还包括:
-在收集与所述风力涡轮机的性能有关的数据的同时,在所述第一模式下操作所述风力涡轮机,
-导出第二多对数据部分,其中第二对的第一部分对应于在所述第一模式期间收集并且在一个时间段期间导出的数据,而所述第二对的第二部分对应于在所述第一模式期间收集并且在第二时间段内收集的数据,
o针对每个第二对确定所述第二对的第一数据部分与第二数据部分的差值,
o根据从所述第二对的所述第一部分和/或所述第二部分确定的值来对所述第二对进行排序,以及
o将第二曲线拟合至根据第二对的顺序排序的差值。
其中,所述估计步骤也是基于所述第二曲线的。
6.根据前述权利要求中的任一项所述的方法,其中,每对的所述数据部分的第一时间段和第二时间段彼此相邻。
7.根据前述权利要求中任一项所述的方法,其中,所述切换步骤包括每小时切换至少1次。
8.根据前述权利要求中的任一项所述的方法,其中,所述导出步骤包括:导出多对数据部分,其中一对的第一部分对应于在所述第一模式期间收集并且在一个时间段期间导出的数据,而所述对的第二部分对应于在第二模式期间收集并且在第二时间段内收集的数据,其中所述第一时间段和所述第二时间段相隔不超过3小时。
9.根据前述权利要求中任一项所述的方法,其中,所述收集步骤包括:将所述风力涡轮机的发电量收集为所述数据。
10.一种风力涡轮机,包括控制器,所述控制器被配置为:
-在两种模式之间交替切换所述风力涡轮机:
o第一模式,其中不实现升级,以及
o第二模式,其中实现升级,
-在切换期间,收集与所述风力涡轮机的性能有关的数据,
-导出多对数据部分,其中一对的第一部分对应于在一个时间段期间收集的数据,而所述对的第二部分对应于在第二时间段期间收集的数据,以及
-从所述多对数据部分估计所述参数,所述估计步骤包括:
o关于所述第一部分的数据部分对所述第一部分进行排序,
o关于所述第二部分的数据部分对所述第二部分进行排序,以及
o对经排序的第一部分中的第一位置处的第一部分的数据部分与经排序的第二部分中的所述第一位置处的第二部分的数据部分进行比较。
11.一种风力涡轮机,其包括控制器,所述控制器被配置为:
-在两种模式之间交替切换所述风力涡轮机:
o第一模式,其中不实现所述升级,以及
o第二模式,其中实现所述升级,
-在切换期间,收集与所述风力涡轮机的性能有关的数据,
-导出多对数据部分,其中一对的第一部分对应于在所述第一模式期间收集并且在一个时间段期间导出的数据,而所述对的第二部分对应于在所述第二模式期间收集并且在第二时间段内收集的数据,以及
-从所述多对数据部分估计所述参数,所述估计步骤包括:
o针对每对来确定所述对的第一数据部分与第二数据部分的差值,
o根据从所述对的所述第一部分和/或所述第二部分确定的值来对所述对进行排序,以及
o将曲线拟合至根据顺序排序的差值。
12.根据权利要求10或11所述的风力涡轮机,其中,每对的所述数据部分的第一时间段和第二时间段彼此相邻。
13.根据权利要求10至12中任一项所述的风力涡轮机,其中,所述控制器被配置为每小时切换至少1次。
14.一种包括一组指令的数据载体,所述一组指令被配置为控制风力涡轮机的控制器进行以下操作:
-在两种模式之间交替切换所述风力涡轮机:
o第一模式,其中不实现所述升级,以及
o第二模式,其中实现所述升级,
-在切换期间,收集与所述风力涡轮机的性能有关的数据,
-导出多对数据部分,其中一对的第一部分对应于在一个时间段期间收集的数据,而所述对的第二部分对应于在第二时间段期间收集的数据,以及
-从所述多对数据部分估计所述参数,所述估计步骤包括:
o关于所述第一部分的数据部分对所述第一部分进行排序,
o关于所述第二部分的数据部分对所述第二部分进行排序,以及
o对经排序的第一部分中的第一位置处的第一部分的数据部分与经排序的第二部分中的所述第一位置处的第二部分的数据部分进行比较。
15.一种包括一组指令的数据载体,所述一组指令被配置为控制风力涡轮机的控制器进行以下操作:
-在两种模式之间交替切换所述风力涡轮机:
o第一模式,其中不实现所述升级,以及
o第二模式,其中实现所述升级,
-在切换期间,收集与所述风力涡轮机的性能有关的数据,
-导出多对数据部分,其中一对的第一部分对应于在所述第一模式期间收集并且在一个时间段期间导出的数据,而所述对的第二部分对应于在所述第二模式期间收集并且在第二时间段内收集的数据,以及
-从所述多对数据部分估计所述参数,所述估计步骤包括:
o针对每对来确定所述对的第一数据部分与第二数据部分的差值,
o根据从所述对的所述第一部分和/或所述第二部分确定的值来对所述对进行排序,以及
o将曲线拟合至根据顺序排序的差值。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DKPA201770730 | 2017-09-27 | ||
DKPA201770730 | 2017-09-27 | ||
PCT/DK2018/050218 WO2019063050A1 (en) | 2017-09-27 | 2018-09-03 | METHOD FOR EVALUATING SOFTWARE UPGRADE OF WIND TURBINE |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111164304A true CN111164304A (zh) | 2020-05-15 |
Family
ID=65900841
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201880063014.4A Pending CN111164304A (zh) | 2017-09-27 | 2018-09-03 | 评估风力涡轮机软件升级的方法 |
Country Status (5)
Country | Link |
---|---|
US (1) | US11157261B2 (zh) |
EP (1) | EP3688305B1 (zh) |
CN (1) | CN111164304A (zh) |
ES (1) | ES2964497T3 (zh) |
WO (1) | WO2019063050A1 (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111164304A (zh) | 2017-09-27 | 2020-05-15 | 维斯塔斯风力系统集团公司 | 评估风力涡轮机软件升级的方法 |
EP4102059A1 (en) * | 2021-06-09 | 2022-12-14 | Siemens Gamesa Renewable Energy Innovation & Technology S.L. | Estimating an upgraded power curve |
EP4273701A1 (en) | 2022-05-02 | 2023-11-08 | Vestas Wind Systems A/S | A method for validating an upgraded version of wind turbine control software |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102003341A (zh) * | 2009-08-31 | 2011-04-06 | 通用电气公司 | 用于风力方案集的系统和方法 |
CN102208050A (zh) * | 2010-03-31 | 2011-10-05 | 通用电气公司 | 对风力涡轮机进行性能监测和识别升级的系统和方法 |
EP3012449A1 (en) * | 2014-10-23 | 2016-04-27 | General Electric Company | System and method for monitoring and controlling wind turbines within a wind farm |
US20160265513A1 (en) * | 2015-03-11 | 2016-09-15 | General Electric Company | Systems and methods for validating wind farm performance improvements |
US20160333854A1 (en) * | 2015-05-15 | 2016-11-17 | General Electric Company | Digital Twin Interface for Operating Wind Farms |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102004056254B4 (de) | 2004-11-22 | 2006-11-09 | Repower Systems Ag | Verfahren zum Optimieren des Betriebs von Windenergieanlagen |
US7403854B1 (en) * | 2007-04-27 | 2008-07-22 | Airtricity Holdings Limited | Method and apparatus for determining wind farm electricity production |
US8321062B2 (en) | 2009-11-05 | 2012-11-27 | General Electric Company | Systems and method for operating a wind turbine having active flow control |
US20150292486A1 (en) * | 2011-12-22 | 2015-10-15 | Vestas Wind Systems A/S | Wind turbine blade ice accretion detector |
DK2647838T3 (en) | 2012-04-04 | 2015-01-19 | Siemens Ag | Method of operating a wind turbine with a rotor hub supporting at least one rotor blade |
EP2679813B2 (en) | 2012-06-28 | 2019-11-20 | Siemens Gamesa Renewable Energy A/S | Method and arrangement for optimizing a parameter setting of a wind turbine |
US10697439B2 (en) * | 2017-06-14 | 2020-06-30 | General Electric Company | Offset toggle method for wind turbine operation |
CN111164304A (zh) | 2017-09-27 | 2020-05-15 | 维斯塔斯风力系统集团公司 | 评估风力涡轮机软件升级的方法 |
-
2018
- 2018-09-03 CN CN201880063014.4A patent/CN111164304A/zh active Pending
- 2018-09-03 EP EP18766125.1A patent/EP3688305B1/en active Active
- 2018-09-03 ES ES18766125T patent/ES2964497T3/es active Active
- 2018-09-03 US US16/651,414 patent/US11157261B2/en active Active
- 2018-09-03 WO PCT/DK2018/050218 patent/WO2019063050A1/en unknown
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102003341A (zh) * | 2009-08-31 | 2011-04-06 | 通用电气公司 | 用于风力方案集的系统和方法 |
CN102208050A (zh) * | 2010-03-31 | 2011-10-05 | 通用电气公司 | 对风力涡轮机进行性能监测和识别升级的系统和方法 |
EP3012449A1 (en) * | 2014-10-23 | 2016-04-27 | General Electric Company | System and method for monitoring and controlling wind turbines within a wind farm |
US20160265513A1 (en) * | 2015-03-11 | 2016-09-15 | General Electric Company | Systems and methods for validating wind farm performance improvements |
US20160333854A1 (en) * | 2015-05-15 | 2016-11-17 | General Electric Company | Digital Twin Interface for Operating Wind Farms |
Also Published As
Publication number | Publication date |
---|---|
EP3688305B1 (en) | 2023-11-01 |
ES2964497T3 (es) | 2024-04-08 |
WO2019063050A1 (en) | 2019-04-04 |
EP3688305C0 (en) | 2023-11-01 |
US11157261B2 (en) | 2021-10-26 |
US20200293300A1 (en) | 2020-09-17 |
EP3688305A1 (en) | 2020-08-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10253758B2 (en) | System and method for optimizing wind farm performance | |
EP2940296B1 (en) | Systems and methods for optimizing operation of a wind farm | |
US10815972B2 (en) | System and method for assessing and validating wind turbine and wind farm performance | |
US9347432B2 (en) | System and method for enhanced operation of wind parks | |
Avendaño-Valencia et al. | Damage/fault diagnosis in an operating wind turbine under uncertainty via a vibration response Gaussian mixture random coefficient model based framework | |
Kusiak et al. | Prediction, operations, and condition monitoring in wind energy | |
US20160084233A1 (en) | Systems and methods for validating wind farm performance measurements | |
CN111164304A (zh) | 评估风力涡轮机软件升级的方法 | |
CN108431404B (zh) | 用于控制多个风力涡轮机的方法和系统 | |
EP3724490A1 (en) | Method and apparatus for cooperative controlling wind turbines of a wind farm | |
CN107869420B (zh) | 风力涡轮机发电场的风力涡轮机偏航控制方法及系统 | |
EP4100646B1 (en) | Wake monitoring, wake management and sensory arrangements to such | |
CN115506945A (zh) | 用于控制风力涡轮的系统和方法 | |
WO2018233787A1 (en) | METHOD FOR DETERMINING LOAD RECURRENCE WITHIN THE DIRECTION OF WHEELED BLADE TRAIN | |
CN108474350A (zh) | 运行风力涡轮机场的方法和系统 | |
US20180087489A1 (en) | Method for windmill farm monitoring | |
CN114320770A (zh) | 风电机组的有效风速测量方法及装置 | |
Avendaño Valencia et al. | Operational regime clustering for the construction of PCE-based surrogates of operational wind turbines | |
CN117332360B (zh) | 基于5g技术的温室大棚设备故障监测方法及系统 | |
CN118148832A (zh) | 基于主动偏航的主动尾流控制方法及系统 | |
WO2021190764A1 (en) | Device, method and computer program for evaluating the operation of a power plant | |
Muriithi et al. | Wind Data Analysis, Annual Resource Estimation and Comparison with Measured Annual Energy Yield at the University Wind Turbine | |
CN117145701A (zh) | 一种风力发电机组的偏航控制方法及系统 | |
CN117318045A (zh) | 一种基于粒子群优化算法的多机组风电功率预测方法 | |
CN116680516A (zh) | 一种风力发电机组偏航静态误差的确认方法及装置 |
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 |