CN111173686A - 确定配备有LiDAR传感器的风力涡轮机的感应因子的方法 - Google Patents

确定配备有LiDAR传感器的风力涡轮机的感应因子的方法 Download PDF

Info

Publication number
CN111173686A
CN111173686A CN201911099907.7A CN201911099907A CN111173686A CN 111173686 A CN111173686 A CN 111173686A CN 201911099907 A CN201911099907 A CN 201911099907A CN 111173686 A CN111173686 A CN 111173686A
Authority
CN
China
Prior art keywords
wind
wind turbine
measurement
plane
induction factor
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201911099907.7A
Other languages
English (en)
Other versions
CN111173686B (zh
Inventor
H-N·恩古延
F·吉耶曼
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
IFP Energies Nouvelles IFPEN
Original Assignee
IFP Energies Nouvelles IFPEN
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by IFP Energies Nouvelles IFPEN filed Critical IFP Energies Nouvelles IFPEN
Publication of CN111173686A publication Critical patent/CN111173686A/zh
Application granted granted Critical
Publication of CN111173686B publication Critical patent/CN111173686B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • 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 
    • 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
    • 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
    • F03D80/00—Details, components or accessories not provided for in groups F03D1/00 - F03D17/00
    • F03D80/80—Arrangement of components within nacelles or towers
    • F03D80/82—Arrangement of components within nacelles or towers of electrical components
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01P—MEASURING LINEAR OR ANGULAR SPEED, ACCELERATION, DECELERATION, OR SHOCK; INDICATING PRESENCE, ABSENCE, OR DIRECTION, OF MOVEMENT
    • G01P5/00—Measuring speed of fluids, e.g. of air stream; Measuring speed of bodies relative to fluids, e.g. of ship, of aircraft
    • G01P5/26—Measuring speed of fluids, e.g. of air stream; Measuring speed of bodies relative to fluids, e.g. of ship, of aircraft by measuring the direct influence of the streaming fluid on the properties of a detecting optical wave
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/88—Lidar systems specially adapted for specific applications
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/88—Lidar systems specially adapted for specific applications
    • G01S17/95—Lidar systems specially adapted for specific applications for meteorological use
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
    • G05B19/042—Programme control other than numerical control, i.e. in sequence controllers or logic controllers using digital processors
    • 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
    • F05B2260/80—Diagnostics
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
    • F05B—INDEXING SCHEME RELATING TO WIND, SPRING, WEIGHT, INERTIA OR LIKE MOTORS, TO MACHINES OR ENGINES FOR LIQUIDS COVERED BY SUBCLASSES F03B, F03D AND F03G
    • F05B2270/00—Control
    • F05B2270/30—Control parameters, e.g. input parameters
    • F05B2270/32—Wind speeds
    • 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
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/20—Pc systems
    • G05B2219/26—Pc applications
    • G05B2219/2619—Wind turbines
    • 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)
  • Physics & Mathematics (AREA)
  • Combustion & Propulsion (AREA)
  • General Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Sustainable Development (AREA)
  • Sustainable Energy (AREA)
  • Chemical & Material Sciences (AREA)
  • Mechanical Engineering (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Electromagnetism (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Automation & Control Theory (AREA)
  • Multimedia (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Wind Motors (AREA)
  • Optical Radar Systems And Details Thereof (AREA)

Abstract

本发明涉及一种为配备有LiDAR传感器(2)的风力涡轮机(1)确定风的感应因子的方法。对于该方法，风速测量借助于LiDAR传感器(2)在若干测量平面(PM)中被执行，接着诸测量平面(PM)之间的感应因子借助于测量和线性卡尔曼滤波器来被确定，并且风力涡轮机(1)的测量平面(PM)与转子平面(PR)之间的感应因子借助于第二线性卡尔曼滤波器来被推导。

Description

确定配备有LiDAR传感器的风力涡轮机的感应因子的方法
技术领域
本发明涉及可再生能源领域，且更具体而言涉及为了涡轮机控制(取向、扭矩和速度调节)和/或诊断和/或监视的目的而对风力涡轮机的资源(即，风)的测量。
风力涡轮机允许将风的动能转换成电能或机械能。为了将风转换为电能，其由以下元素组成：
-塔架，其允许将转子定位在足够的高度以使其能够运动(对于水平轴风力涡轮机是必要的)，或者允许将该转子定位在能够使其由比地面处更强且更规则的风驱动的高度处。塔架通常容纳部分电组件和电子组件(调制器、控件、倍增器、发电机等)，
-安装在塔架的顶部的机舱(nacelle)，其容纳操作机器所必需的机械、气动、以及一些电组件和电子组件。机舱可以旋转，以使机器在正确方向上定向，
-紧固到机舱的转子，包括若干叶片(一般是三个)以及风力涡轮机的鼻部。转子由风力驱动并且其通过机械轴杆直接或间接地(经由齿轮箱和机械轴杆系统)连接到电机(发电机)，该电机将所回收的能量转换为电能。转子潜在地设置有控制系统，诸如可变角度叶片或空气动力制动器，
-由通过传动装置(齿轮箱)连接的两个轴杆(转子的机械轴杆和电机的机械轴杆)构成的传动装置。
自从二十世纪九十年代初开始，对风力重新产生了兴趣，尤其是在欧盟内，在那里年增长率约为20％。这种增长归因于无碳排放发电的内在可能性。为了维持这种增长，仍然必须提高风力涡轮机的能量产量。风力发电增长的前景要求开发有效的生产工具和先进的控制工具，以便改善机器的性能。风力涡轮机被设计为以尽可能低的成本生产电力。因此，它们通常被建造成在大约15m/s的风速下达到其最大性能。没有必要设计在更高风速下最大化其产量的不常见的风力涡轮机。在风速高于15m/s的情形中，损失风中所包含的附加能量的一部分以避免对风力涡轮机的损坏是必要的。所有风力涡轮机因此被设计成带有功率调节系统。
对于这种功率调节，已经设计了用于可变速风力发电机的控制器。这些控制器的目的是最大化所回收的电力、最小化转子速度波动，以及最小化结构(叶片、塔架和平台)的疲劳和极端时刻。
背景技术
为了优化控制，知道风力涡轮机的转子处的风速是重要的。为此，已经开发了各种技术。
根据第一种技术，使用风速计允许估计一个点处的风速，但是这种不精确的技术不能够测量整个风场或者知道风速的三维分量。
根据第二种技术，可使用LiDAR(光检测和测距)传感器。LiDAR是一种遥感或光学测量技术，基于对返回到发射器的光束属性的分析。该方法尤其用于借助于脉冲激光确定到对象的距离。与基于类似原理的雷达不同，LiDAR传感器使用可见光或红外光代替无线电波。到对象或表面的距离是通过对脉冲与经反射信号的检测之间的延迟的测量来给出的。
在风力涡轮机领域，LiDAR传感器被宣称为对于大型风力涡轮机的正常运转是必要的，特别是如今它们的大小和功率正在增加(现今是5MW，对于海上涡轮机很快到12MW)。该传感器允许远程风的测量，首先允许对风力涡轮机进行校准，以使得它们可以递送最大功率(功率曲线优化)。对于该校准阶段，传感器可以被定位在地面上且被竖直地定向(断面仪)，这允许取决于高度来测量风速和风向以及风梯度。该应用是尤其关键的，因为其允许知道生成资源的能量。这对于风力涡轮机项目很重要，因为其制约了项目的财务可行性。
第二种应用包括将此传感器设置在风力涡轮机的机舱上，以便测量涡轮机前方的风场，同时是近乎水平定向的。先验地测量涡轮机前方的风场允许提前知道风力涡轮机此后不久将遇到的湍流。然而，当前的风力涡轮机控制和监视技术不允许通过精确估计转子处(即在转子平面中)的风速来考虑由LiDAR传感器执行的测量。在专利申请FR-3-013,777(US-2015-145,253)中尤其描述了这样的应用。
此外，在过去的十年中，在风力涡轮机上游(即感应区)形成的风的行为已引起了越来越多的关注。在感应区中，由于风力涡轮机的存在和运行而使风减速，这汲取了风的空气动力的一部分。对感应区的更好理解允许基于LiDAR传感器和风力涡轮机功率评估来改善控制策略。在第一种情形中，目标是使用上游测风来预测转子平面中的风速。在后一种情形中，将在功率和自由流的速度(即在没有风力涡轮机的情况下本应存在于与风力涡轮机的位置相对应的点处的风速)之间建立联系。因此，感应区的兴趣在于使用涡轮机附近的测量来估计转子有效风速。
在文档《Emmanuel Simon Pierre Branlard和Alexander Raul Meyer Forsting所著的“Using a cylindrical vortex model to assess the induction zone in frontof aligned and yawed rotors(使用圆柱形涡旋模型评估经对准和偏航的转子前方的感应区)”，发表于：EWEA Offshore 2015Conference(EWEA海上2015会议)欧洲风能协会(EWEA)，2015年》中，由圆柱形涡轮模型感应的速度场的解析公式被应用于评估感应区。结果与不同操作条件下的致动器碟模拟进行比较。
在文档《D Medici、Stefan Ivanell、
Figure BDA0002269518290000031
和P Henrik Alfredsson所著的“The upstream flow of a wind turbine:blockage effect(风力涡轮机的上游流动：阻塞效应)”，发表于：风能(Wind Energy)14.5(2011)，第691-697页》中，风洞测量被用来研究各种风力涡轮机的感应区。此外，结果与从线性圆柱形涡轮模型获得的感应区的解析表达式进行比较。
在文档《Eric Simley、Nikolas Angelou、Torben Mikkelsen、Mikael
Figure BDA0002269518290000032
Jakob Mann和Lucy Y Pao所著的“Characterization of wind velocities in theupstream induction zone of a wind turbine using scanning continuous-wavelidars(使用扫描连续波激光雷达表征风力涡轮机上游感应区中的风速)”，发表于：可再生能源与可持续能源杂志(Journal of Renewable and Sustainable Energy)8.1(2016)，第013301页》中，借助于经同步的连续波LiDAR传感器研究了风力涡轮机的感应区。已经表明，当风更接近转子时，纵向速度分量的标准偏差相对不变，而竖直和侧向分量的标准偏差则略有增加。
在文档《Niels Troldborg和Alexander Raul Meyer Forsting所著的“A simplemodel of the wind turbine induction zone derived from numerical simulations(从数值模拟导出的风力涡轮机感应区的简单模型)”，发表于：风能(Wind Energy)20.12(2017)，第2011-2020页》中，通过结合稳态Navier-Stokes模拟和致动器碟办法研究了各种风力涡轮机前方的感应区。已经表明，对于超过转子上游的一个转子半径的距离，所感应的速度是类似的并且与转子几何形状无关。
对于文献中的所有办法，应该强调的是，感应区是借助于模拟或实验数据而被离线计算/估计的。此外，一旦被标识，则对于给定的风速，感应区被假定为隐式恒定的。显然，该感应区提供关于风速不足的十分平均的信息水平，因为很明显感应区是给定风速下的叶片和偏航角的函数。因此，这些方法不允许对感应区中所涉及的物理现象的在线和连续的确定。
为了克服这些缺点，本发明涉及一种针对配备有LiDAR传感器的风力涡轮机确定风的感应因子的方法。对于该方法，风速测量借助于LiDAR传感器在若干测量平面中被执行，接着诸测量平面之间的感应因子借助于测量和线性卡尔曼滤波器来被确定，并且风力涡轮机的测量平面与转子平面之间的感应因子借助于第二线性卡尔曼滤波器来被推导。因而，借助于LiDAR传感器和卡尔曼滤波器，本发明使得能够简单、有效且连续地更新感应区。
本发明还涉及确定转子平面中的风速的方法，风力涡轮机控制方法和风力涡轮机诊断方法，这些方法使用利用根据本发明的方法确定的感应因子。
发明内容
本发明涉及一种确定风力涡轮机的测量平面与转子平面之间的风的感应因子的方法，所述风力涡轮机配备有在远离所述风力涡轮机的至少三个测量平面中执行关于风速的测量的LiDAR传感器，所述感应因子表示所述风力涡轮机上游的两个远点之间的风减速系数，即风力涡轮机在风场中的运行所导致的减速。为此方法执行以下步骤：
a)借助于所述LiDAR传感器在远离所述风力涡轮机的至少三个测量平面中测量风速，
b)使用在所述测量平面中的所述风速测量和线性卡尔曼滤波器来确定在所述测量平面中的两个测量平面之间的风的至少两个感应因子，以及
c)借助于在两个测量平面之间的所述经确定的感应因子并使用线性卡尔曼滤波器来确定在所述风力涡轮机的测量平面和所述转子平面之间的所述风的感应因子。
根据一实施例，所述风的至少两个感应因子在具有已知间距的所述测量平面之间被确定，优选地在具有相同间距的所述测量平面之间被确定，并且优选地该间距等于所述转子平面与最靠近所述转子平面的测量平面之间的距离。
根据一实现，所述风速测量在至少四个测量平面中被执行，并且风的至少三个感应因子在两个测量平面之间被确定。
此外，本发明涉及一种确定配备有LiDAR传感器的风力涡轮机的转子平面中的风速的方法。为此方法执行以下步骤：
a)借助于根据上述特征之一的方法确定在风力涡轮机的测量平面和转子平面之间的风的感应因子，以及
b)借助于在测量平面中关于所述风的感应因子的风速测量而在风力涡轮机的测量平面和转子平面之间将转子平面中的所述风速确定为因变于所述风的感应因子。
根据一实施例，转子平面中的风速对应于风力涡轮机的测量平面与转子平面之间的风的感应因子与测量平面中的关于所述风的感应因子的所述风速的乘积。
而且，本发明涉及一种控制配备有LiDAR传感器的风力涡轮机的方法。为此方法执行以下步骤：
a)借助于根据上述特征之一的方法确定所述风力涡轮机的转子平面中的风速，以及
b)因变于转子平面中的所述风速来控制所述风力涡轮机。
本发明进一步涉及一种用于诊断和/或监视配备有LiDAR传感器的风力涡轮机的方法。为此方法执行以下步骤：
a)借助于根据上述特征之一的方法确定在风力涡轮机的测量平面和转子平面之间的风的感应因子，
b)借助于在风力涡轮机的测量平面与转子平面之间确定的所述风的感应因子来确定由所述风力涡轮机从风中汲取的空气动力，以及
c)借助于所述经确定的所汲取的空气动力来诊断和/或监视所述风力涡轮机的运行。
根据一方面，本发明涉及一种计算机程序产品，该计算机程序产品包括代码指令，该代码指令被设计为当在用于处理所述LiDAR传感器的单元上执行程序时执行根据以上特征之一的方法的步骤。
此外，本发明涉及一种用于风力涡轮机的LiDAR传感器，其包括实现根据上述特征之一的方法的处理单元。
而且，本发明涉及一种包括根据上述特征之一的LiDAR传感器的风力涡轮机，所述LiDAR传感器优选地被布置在所述风力涡轮机的机舱上。
附图说明
参照附图，通过阅读下文以非限制性示例的方式给出的实施例的描述，根据本发明的方法的其他特征和优点将显而易见，在附图中：
-图1解说了根据本发明的实施例的配备有LiDAR传感器的风力涡轮机，
-图2解说了根据本发明的实施例的确定风的感应因子的方法的步骤，
-图3解说了根据本发明的实施例的确定风速的方法的步骤，
-图4解说了根据本发明的实施例的风力涡轮机控制方法的步骤，
-图5解说了根据本发明的实施例的风力涡轮机诊断方法的步骤，
-图6解说了借助于根据本发明的实施例的方法获得的在诸测量平面之间的三个感应因子随时间的演变，
-图7解说了借助于根据本发明的实施例的方法获得的给定时间的感应因子因变于到转子平面的距离的演变，
-图8解说了借助于根据本发明的实施例的方法获得的转子平面中的风的感应因子随时间的演变，以及，
-图9解说了借助于根据本发明的实施例的方法获得的给定时间的感应因子因变于到转子平面的距离的演变。
具体实施方式
本发明涉及一种尤其为了涡轮机控制(取向、扭矩和速度调节)和/或诊断和/或监视的目的而对风力涡轮机的资源(即，风)进行测量的方法，其中风力涡轮机根据对风的感应因子的确定来被控制和/或监视，该涡轮机配备有LiDAR传感器以执行该估计。
感应因子是风力涡轮机的感应区中的风减速系数。实际上，由于风力涡轮机的存在及其运行，风在涡轮机的上游部分中被减速：换言之，由涡轮机从风中汲取的功率导致涡轮机上游的风的减速。因而，感应因子代表物理现象，并且其给出对风力涡轮机的资源的指示。感应因子是在风力涡轮机上游的两个平面之间被计算的，根据定义，其对应于这些平面之间的速度比。如果a表示感应因子，u表示风速，并且d1和d2表示所考虑的两个平面到转子平面的距离，则位于距转子平面d1和d2处的平面之间的感应因子可以被写成：
Figure BDA0002269518290000081
当所考虑的平面之一是转子平面时，我们表示d1＝0。
根据本发明，LiDAR传感器允许在风力涡轮机上游的多个(至少三个)测量平面中测量风速。LiDAR传感器有若干种类型，例如扫描LiDAR、连续波LiDAR或脉冲式LiDAR传感器。在本发明的上下文内，优选使用脉冲式LiDAR。然而，在保持在本发明的范围内的同时，也可以使用其他LiDAR技术。
LiDAR传感器允许快速测量。因此，使用这样的传感器使得能够快速且连续地确定风的感应因子。例如，LiDAR传感器的采样率范围可以在1和5Hz之间，并且其可以是4Hz。
图1通过非限制性示例示意性地示出了水平轴风力涡轮机1，其配备有用于根据本发明的方法的LiDAR传感器2。LiDAR传感器2被用来在多个测量平面PM(仅示出两个测量平面)中以给定的距离测量风速。事先先验地知道风的测量允许提供很多信息。该图还示出了x、y和z轴。该坐标系的参考点是转子的中心。方向x是与风力涡轮机上游的转子轴方向相对应的纵向方向，该方向也与LiDAR传感器2的测量方向相对应。垂直于方向x的方向y是位于水平面中的侧向方向(方向x、y形成水平面)。方向z是指向上的竖直方向(基本上对应于塔架4的方向)，z轴垂直于x和y轴。转子平面由点状线PR的矩形指示，对于零值x，它由方向y、z定义。测量平面PM是由距转子平面PR一定距离处的方向y、z形成的平面(对于x的非零值)。测量平面PM平行于转子平面PR。
常规地，风力涡轮机1允许将风的动能转换成电能或机械能。为将风能转换为电能，其由以下元素组成：
-塔架4，其允许将转子(未示出)定位在足够的高度处以允许其运动(对于水平轴风力涡轮机是必要的)，或者允许将该转子定位在能够使其由比地平面6处更强且更规则的风驱动的高度处。塔架4通常容纳部分电气和电子组件(调制器、控件、倍增器、发电机等)，
-安装在塔架4的顶部的机舱，其容纳操作机器所必需的机械、气动以及一些电气和电子组件(未示出)。机舱3可以旋转，以便使机器朝正确方向定向，
-紧固到机舱的转子，包括若干叶片7(一般是三个)以及风力涡轮机的轮毂。转子由来自风的能量驱动，并且其通过机械轴杆直接或间接地(经由齿轮箱和机械轴杆系统)连接到电机(发电机)(未示出)，该电机将所回收的能量转换为电能。转子潜在地设置有控制系统，诸如可变角度叶片或气动制动器，
-由通过传动装置(齿轮箱)(未示出)连接的两个轴杆(转子的机械轴杆和电机的机械轴杆)构成的传动装置。
如图1(其是脉冲式LiDAR传感器的示例实施例)中可以看到的，所使用的LiDAR传感器2包括四个波束或测量轴(b1、b2、b3、b4)。作为非限制性示例，根据本发明的方法还利用包括任何数目的波束的LiDAR传感器来操作。LiDAR传感器在测量平面PM和波束(b1、b2、b3、b4)的每个交点处执行守时测量。这些测量点在图1中用黑圈来表示。在这些测量点处对测量进行处理允许确定测量平面PM中的风速。因此，可以尤其应用法国专利申请FR-1,755,675中所描述的风建模方法。
优选地，LiDAR传感器2可以被安装在风力涡轮机1的机舱3上。
根据本发明，确定风力涡轮机的测量平面和转子平面之间的风的感应因子的方法包括以下步骤：
1)测量风速，
2)确定诸测量平面之间的感应因子，以及
3)确定测量平面和转子平面之间的感应因子。
图2通过非限制性示例示意性地解说了根据本发明的方法的各步骤。第一步是在若干测量平面中测量风速的步骤(MES)。第二步使用这些测量和卡尔曼滤波器(KAL1)确定由aPM表示的在诸测量平面之间的感应因子。第三步使用诸测量平面之间的感应因子aPM以借助于卡尔曼滤波器(KAL2)确定由aPR表示的在测量平面与转子平面之间的风的感应因子。
1.风速测量
在该步骤中，借助于LiDAR传感器在距风力涡轮机至少三个测量平面中连续地测量风速。因而，可以在距风力涡轮机不同距离处的三个测量平面中从风力涡轮机的上游知道风速。换言之，可以知道距风力涡轮机的转子平面三个距离处的风速。对于该步骤，我们考虑三个风分量(纵向、侧向和竖直)，以及测量平面中的风速变化(例如，风速随高度而增加)。
根据本发明的一实施例，风速在至少四个测量平面中被测量，以便改善风力涡轮机的上游的风知识精度，并因此改善对转子平面中的风的感应因子的估计中的精度。
根据本发明的一实现，测量平面可以与转子平面隔开范围在50至400m之间的纵向距离(沿图1中的x轴)。因而，可以确定跨风力涡轮机上游的长距离上的风速演变，这也可以增加对风的感应因子的估计中的精度。
根据非限制性示例，LiDAR传感器可以针对十个测量平面执行测量，这十个测量平面可尤其分别位于距转子平面50、70、90、100、110、120、140、160、180和200m的距离处。
2.确定诸测量平面之间的感应因子
该步骤在于实时确定这两个测量平面之间的风的至少两个感应因子。换言之，最低限度地在第一测量平面和第二测量平面之间确定第一感应因子，并且在第三测量平面和第四测量平面之间确定第二感应因子(第三和第四测量平面中的至多一者对应于第一和第二测量平面中的一者)。以简化的方式，这些感应因子在下文的描述中被称为诸测量平面之间的感应因子。
根据本发明，借助于风速测量和卡尔曼滤波器，尤其是线性卡尔曼滤波器来确定诸测量平面之间的感应因子。
有利地，对于该步骤以及对于其中针对至少四个测量平面执行测量的实施例，诸测量平面之间的风的至少三个感应因子被确定。因而，可以提高风力涡轮机上游的风减速现象的精度，并因此可以提高对转子平面中的风的感应因子的估计的精度。
根据本发明的一实施例，可以针对最靠近转子平面的测量平面确定诸测量平面之间的感应因子，以便具有关于尽可能靠近转子平面的风场的信息。
根据本发明的一实现，可以针对具有相同间距的测量平面来确定诸测量平面之间的风的感应因子。例如，间距可以是50m，并且可以针对位于70和120m处的测量平面确定第一感应因子，并且针对位于90和140m处的测量平面确定第二感应因子。
优选地，针对诸测量平面之间的风的感应因子所使用的诸测量平面之间的间距可以与转子平面和最靠近的测量平面之间的距离相同。因而，感应因子模型被简化，这尤其有助于卡尔曼滤波器的求解。
例如，通过组合上面描述的变型，如果第一测量平面位于距转子平面50m的位置处，则可以针对位于50和100m处的测量平面确定第一感应因子，针对位于70和120m处的测量平面确定第二感应因子，并且针对位于90和140m处的测量平面确定第三感应因子。
根据本发明的一实施例，卡尔曼滤波器可以与下文描述的不同步骤一起使用。针对一实施例描述了这些步骤，其中针对位于50和100m处的测量平面确定第一感应因子a50，100，针对位于70和120m处的测量平面确定第二感应因子a70，120，并且针对位于90和140m处的测量平面确定第三感应因子a90，140。
下面，我们仅示出如何实时估计a50，100。a70，120和a90，140被以完全相同的方式获得。由于u50、u100是实时可用的，因此可以直接使用感应因子定义等式来确定a50，100。然而，这种方法有两个缺点。在一方面，关于所估计的风速u50、u100的标准偏差的信息没有被使用。因此，估计a50，100的标准偏差可能不是已知的。在另一方面，对于低速，即当u100接近零时，可能出现计算稳定性问题。
时刻k处的感应因子由a50，100(k)来表示。显然，变化a50，100(k)-a50，100(k-1)是相对小的，因此我们可以写成：
a50，100(k)＝a50，100(k-1)+η(k-1)
其中η(k-1)被用来描述a50，100(k)随时间的变化。
第一感应因子定义等式被重写为：
u100(k)a50，100(k)＝u50(k).
由于估计u50(k)、u100(k)包含噪声，因此上述等式的更现实模型是：
(u100(k)+∈100(k))a50，100(k)＝u50(k)+∈50(k)
其中ε50(k)、ε100(k)分别是u50(k)、u100(k)的噪声。前一等式可接着被重写为如下：
u100(k)a50，100(k)＝u50(k)+∈50(k)-∈100(k)a50，100(k)
通过组合先前的等式，可以得到以下状态等式：
Figure BDA0002269518290000121
μ(k)＝∈100(k)a50，100(k)-∈50(k)
可以将关于ε(k)and μ(k)的信息纳入考虑的估计未知状态向量a50，100(k)的一种方法在于应用被称为卡尔曼滤波器的卡尔曼滤波算法。实际上，该滤波器提供了以下问题的求解：
Figure BDA0002269518290000122
其中
Figure BDA0002269518290000123
其中P0、Q、R是合适纬度的加权矩阵，带有上划线的a50，100(0)是初始状态a50，100(0)的均值。
为了使用卡尔曼滤波算法求解优化问题，以下假设被做出。这些假设主要与对P0、Q、R的数学解释有关。
·a50，100(0)是与噪声ε(k)和μ(k)不相关的随机向量，
·a50，100(0)具有已知均值且P0为协方差矩阵，即：
Figure BDA0002269518290000131
其中
Figure BDA0002269518290000132
是初始状态的均值，
·ε(k)和μ(k)是均值为零且分别与协方差矩阵Q和R不相关的白噪声，即：
Figure BDA0002269518290000133
E[η(k)μ(j)T]＝0，for all k，j
需要注意，该假设还暗示Q和R是正半定对称矩阵。
采用以下记法：
·
Figure BDA0002269518290000134
是在给定时间测量k-1的情况下对a50，100(k)的估计
·
Figure BDA0002269518290000135
是在给定时间测量k的情况下对a50，100(k)的估计
·P(k|k-1)是给定时间测量k-1的a50，100(k)的协方差矩阵
·P(k|k)是给定时间测量k的a50，100(k)的协方差矩阵。
卡尔曼滤波算法可接着总结如下：
·时间更新等式
Figure BDA0002269518290000136
·测量更新等式
Figure BDA0002269518290000137
通过执行这些步骤，感应因子a50，100可以被确定。可以重复这些步骤以确定感应因子a70，120和a90，140。
图6通过非限制性示例解说了诸测量平面之间的因变于以秒为单位的时间T的感应因子a50，100(深灰色)、a70，120(点状中灰色)和a90，140(虚线浅灰色)。这些感应因子利用根据本发明的方法来被获得。一方面可以看到风减速现象：距离风力涡轮机越近，诸测量平面之间的感应因子就越低。另一方面，观察到感应因子随时间变化。
图7通过非限制性示例解说了对于给定时间的在诸测量平面之间的感应因子a因变于第一测量平面的以米为单位的距离D的演变。还观察到风减速现象和因变于距离的感应因子的非线性。
3.确定测量平面和转子平面之间的感应因子
该步骤在于实时确定测量平面之一与转子平面之间的风的感应因子。因而，可以通过将物理现象，尤其是风减速纳入考虑来表示转子处的风的演变。根据本发明，借助于在先前步骤中确定的感应因子并且使用卡尔曼滤波器，尤其是线性卡尔曼滤波器，来确定测量平面与转子平面之间的风的感应因子。为简化起见，在下文的描述中将该感应因子称为转子平面中的感应因子。
优选地，可以在最靠近转子的测量平面和转子平面之间确定风的感应因子。
例如，在该步骤中，可以在距转子50m的测量平面和转子平面之间确定感应因子。
根据本发明的一实施例，卡尔曼滤波器可通过应用以下描述的各个步骤来被使用。针对已经确定a50，100、a70，120和a90，140并且确定a0，50(即在位于50m处的测量平面和转子平面之间的感应因子)的一实施例描述了各步骤。
使用a50，100、a70，120和a90，140，a0，50的估计的主要思想是假定a0，50、a50，100、a70，120和a90，140取决于距离。因此，假定以下关系：
Figure BDA0002269518290000151
其中x1、x2是需要被确定的未知参数。由于a50，100、a70，120和a90，140随时间缓慢改变，因此这同样适用于x1、x2。因此，我们可以写成：
Figure BDA0002269518290000152
其中ζ1(k)、ζ2(k)被用来表征x1(k)、x2(k)的变化。我们写成：
Figure BDA0002269518290000153
我们可以接着写成紧凑的形式：
x(k)＝x(k-1)+ζ(k-1).
将噪声纳入考虑的更现实的模型是：
Figure BDA0002269518290000154
其中ε1、ε2、ε3是估计a50，100(k)、a70，120(k)和a90，140(k)的噪声。我们可以接着写成：
Figure BDA0002269518290000155
我们可以写成紧凑的形式：
y(k)＝Cx(k)+ε(k).
通过组合先前的等式，我们获得如下状态等式：
Figure BDA0002269518290000156
对于a50，100(k)、a70，120(k)和a90，140(k)，将噪声ζ(k)、ε(k)纳入考虑的一种获得x(k)的方式是使用线性卡尔曼滤波器技术。因此，采用与针对上一步所描述的相同的步骤。
一旦x(k)被估计，便可以如下计算感应因子a0，50：
a0，50(k)＝[0 1]x(k).
图8通过非限制性示例解说了转子平面中的因变于以秒为单位的时间T的感应因子a0，50。利用根据本发明的方法从图6的感应因子获得该感应因子。一方面可以看到风减速现象(感应)：转子处的感应因子(图8)低于诸测量平面之间的感应因子(图6)。另一方面，观察到感应因子随时间变化。此外，从一个感应因子到另一感应因子的演变是不同的。
图9是类似于图7的曲线，其通过非限制性示例示出了给定时间的感应因子a因变于距第一测量平面的以米为单位的距离D的演变。还观察到风减速现象和因变于距离的感应因子的非线性。
因而，根据本发明的方法允许实时确定测量平面和转子平面之间的风的感应因子。
应用
此外，本发明涉及一种确定配备有LiDAR传感器的风力涡轮机的转子平面中的风速的方法。为此方法执行以下步骤：
-借助于根据上面描述的任一变型组合的方法，确定风力涡轮机的测量平面与转子平面之间的风的感应因子，
-因变于在先前步骤中确定的风的感应因子并且借助于在先前步骤中使用的至少一个风速测量，该风速测量对应于相对于针对感应因子所使用的测量平面的测量平面中的风速，来确定风力涡轮机的转子平面中的风速。
换言之，如果在第一步中确定了位于距转子平面d2处的测量平面之间的感应因子，则在确定转子平面中的风速的步骤中使用位于距转子平面d2处的测量平面中的风速的测量。
根据本发明的方法允许以简单且精确的方式在线确定转子平面中的风速(因为其将感应区中的物理现象纳入考虑)。
根据一实施例，可以通过将风的感应因子乘以(乘积)相对风速来确定转子平面中的风速。然后可以写出感应因子定义等式。实际上，该等式可被写为如下：
u0＝ud2×a0，d2
速度ud2被测量且感应因子a0，d2通过感应因子确定方法来被确定。
图3通过非限制性示例示意性地解说了确定转子平面中的风速的方法的各步骤。第一步与图2的步骤等同。第一步是在若干测量平面中测量风速的步骤(MES)。第二步使用这些测量和卡尔曼滤波器(KAL1)确定由aPM表示的在诸测量平面之间的感应因子。第三步使用诸测量平面之间的感应因子aPM以借助于卡尔曼滤波器(KAL2)确定由aPR表示的在测量平面与转子平面之间的风的感应因子。第四步(VIV)从测量平面和转子平面之间的感应因子aPR以及所考虑的测量平面中的风速的测量确定转子平面中的风速u0。
本发明还涉及一种控制配备有LiDAR传感器的风力涡轮机的方法。为此方法执行以下步骤：
-借助于根据任一上述变型确定风速的方法来确定转子平面中的风速，
-根据转子平面中的风速控制风力涡轮机。
精确实时地知晓转子平面中的风速允许从对风力涡轮机结构的影响最小化和回收功率最大化的角度进行适当的风力涡轮机控制。实际上，借助于这种控制，LiDAR允许减小结构上的负载，其中叶片和塔架占成本的54％。因此，使用LiDAR传感器允许优化风力涡轮机结构，并因而减少成本和维护。
根据本发明的一实现，可以因变于风速来控制叶片的倾斜角和/或风力涡轮发电机的电回收扭矩。也可以使用其他类型的调节设备。
根据本发明的一实施例，借助于风力涡轮机图因变于转子处的风速来确定叶片的倾斜角和/或电回收扭矩。例如，可以应用在专利申请FR-2,976,630 A1(US 2012-0,321,463)中所描述的控制方法。
图4通过非限制性示例示意性地解说了风力涡轮机控制确定方法的各步骤。第一步与图3的步骤等同。第一步是在若干测量平面中测量风速的步骤(MES)。第二步使用这些测量和卡尔曼滤波器(KAL1)确定由aPM表示的在诸测量平面之间的感应因子。第三步使用诸测量平面之间的感应因子aPM以借助于卡尔曼滤波器(KAL2)确定由aPR表示的在测量平面与转子平面之间的风的感应因子。第四步(VIV)从测量平面和转子平面之间的感应因子aPR以及所考虑的测量平面中的风速的测量确定转子平面中的风速u0。第五步(CON)涉及因变于转子平面中的风速u0的风力涡轮机控制。
此外，本发明涉及一种用于配备有LiDAR传感器的风力涡轮机的诊断和/或监视方法，其中以下步骤被执行：
-借助于根据上面描述的任一变型组合的感应因子确定方法，确定风力涡轮机的测量平面与转子平面之间的风的感应因子，
-借助于上一步中确定的感应因子，确定由风力涡轮机从风中汲取的空气动力，以及
-根据在前一步骤中确定的空气动力来诊断和/或监视风力涡轮机的运行。
感应因子明确了由于风力涡轮机在风场中的存在而引起的风减速，可以根据该感应因子确定由风力涡轮机从风中汲取的空气动力。根据一实施例，可以借助于感应因子a、自由风流的速度Vinf、空气密度Ro和风力涡轮机的表面积Ad来确定所汲取的该空气动力Paéro。
Figure BDA0002269518290000181
所汲取的空气动力提供了关于风力涡轮机的运行的信息，这使得能够诊断和/或监视风力涡轮机运行。基本思想是将风力涡轮机所产生的电功率与先前的等式给出的理论电功率进行比较。
这两种功率的比率允许执行对风力涡轮机的运行和有效空气动力产量的诊断和/或监视。
感应因子的实时更新还允许量化被施加在风力涡轮机上的空气动力推力负载，并允许由此推导出对累积疲劳损伤的估计。根据本发明的一实现，这可以使用将推力系数CT连接到感应因子的关系(Burton所著的《风能手册(Wind Energy Handbook)》第3.2章)来完成，该关系可以写为如下：CT＝4a(1-a)。
此外，感应因子的在线估计可以允许实时开发和更新简化的风力涡轮机尾流模型。这允许在风电场规模上进行运行诊断，并利用相邻风力涡轮机之间的尾流相互作用来标识风险区。
图5通过非限制性示例示意性地解说了确定转子平面中的风速的方法的各步骤。第一步与图2的步骤等同。第一步是在若干测量平面中测量风速的步骤(MES)。第二步使用这些测量和卡尔曼滤波器(KAL1)确定由aPM表示的在诸测量平面之间的感应因子。第三步使用诸测量平面之间的感应因子aPM以借助于卡尔曼滤波器(KAL2)确定由aPR表示的在测量平面与转子平面之间的风的感应因子。第四步(PUI)从测量平面和转子平面之间的感应因子aPR以及测量平面中的风速测量确定从风汲取的空气动力Paéro。第五步(DIA)根据所汲取的空气动力Paéro对风力涡轮机执行诊断或监视。
此外，本发明涉及一种包括代码指令的计算机程序产品，该代码指令被设计为执行上面描述的方法(感应因子确定方法、转子平面中的速度确定、控制方法、诊断和/或监视方法)之一的步骤。该程序在用于处理LiDAR传感器的单元上被执行，或者在连接到LiDAR传感器或风力涡轮机的任何类似介质上被执行。
根据一方面，本发明还涉及一种用于风力涡轮机的LiDAR传感器，包括被配置成实现上面描述的方法(感应因子确定方法、转子平面中的速度确定、控制方法、诊断和/或监视方法)之一的处理单元。
根据本发明的一实现，LiDAR传感器可以是扫描LiDAR、连续波LiDAR或脉冲式LiDAR传感器。优选地，LiDAR传感器是脉冲式LiDAR传感器。
本发明还涉及一种风力涡轮机，尤其是配备有如上面描述的LiDAR传感器的海上或陆上风力涡轮机。根据本发明的一实施例，LiDAR传感器可以被布置在风力涡轮机的机舱上。LiDAR传感器被定向为以便于执行对风力涡轮机的上游(即，在风力涡轮机之前并且沿着其纵轴，在图1中由轴x表示)的风的测量。根据一实施例，风力涡轮机可以类似于图1中所解说的风力涡轮机。
对于控制方法的实施例，风力涡轮机可包括控制装置，例如用于控制风力涡轮机叶片的桨距角或电扭矩的控制装置，以供实现根据本发明的方法。
对于诊断和/或监视方法的实施例，风力涡轮机可包括风力涡轮机运行诊断和/或监视装置。

Claims (10)

1.一种确定风力涡轮机(1)的测量平面(PM)与转子平面(PR)之间的风的感应因子的方法，所述风力涡轮机(1)配备有LiDAR传感器(2)，所述LiDAR传感器(2)在远离所述风力涡轮机(1)的至少三个测量平面(PM)中执行关于风速的测量，所述风的感应因子表示所述风力涡轮机(1)上游的两个远点之间的风减速系数，即风力涡轮机(1)在风场中的运行所导致的减速，其特征在于，以下步骤被执行：
a)借助于所述LiDAR传感器(2)在远离所述风力涡轮机的至少三个测量平面(PM)中测量所述风速，
b)使用在所述测量平面中的所述风速测量和线性卡尔曼滤波器来确定在所述测量平面(PM)中的两个测量平面之间的风的至少两个感应因子，以及
c)借助于在两个测量平面(PM)之间的所述经确定的感应因子并使用线性卡尔曼滤波器来确定在所述风力涡轮机(1)的测量平面(PM)和所述转子平面(PR)之间的所述风的感应因子。
2.根据权利要求1所述的方法，其特征在于，所述风的至少两个感应因子在具有已知间距的所述测量平面(PM)之间被确定，优选地在具有相同间距的所述测量平面(PM)之间被确定，并且优选地所述间距等于所述转子平面(PR)与最靠近所述转子平面(PR)的测量平面(PM)之间的距离。
3.根据前述权利要求中任一项所述的方法，其特征在于，所述风速测量在至少四个测量平面(PM)中被执行，并且风的至少三个感应因子在两个测量平面(PM)之间被确定。
4.一种确定配备有LiDAR传感器(2)的风力涡轮机(1)的转子平面中的风速的方法，其特征在于，以下步骤被执行：
a)借助于根据权利要求1至3中任一项所述的方法确定在风力涡轮机的测量平面(PM)和所述转子平面(PR)之间的风的感应因子，以及
b)借助于在所述测量平面(PM)中关于所述风的感应因子的风速测量而在风力涡轮机(1)的测量平面(PM)和所述转子平面(PR)之间将所述转子平面(PR)中的所述风速确定为因变于所述风的感应因子。
5.根据权利要求4所述的方法，其特征在于，所述转子平面(PR)中的风速对应于风力涡轮机(1)的测量平面(PM)与转子平面(PR)之间的风的感应因子与所述测量平面(PM)中相对于所述风的感应因子的所述风速(PM)的乘积。
6.一种控制配备有LiDAR传感器(2)的风力涡轮机(1)的方法，其特征在于，以下步骤被执行：
a)借助于根据权利要求4或5中任一项所述的方法来确定所述风力涡轮机(1)的转子平面(PR)中的风速，以及
b)因变于所述转子平面(PR)中的所述风速来控制所述风力涡轮机(1)。
7.一种用于对配备有LiDAR传感器的风力涡轮机进行诊断和/或监视的方法，其特征在于，以下步骤被执行：
a)借助于根据权利要求1至3中任一项所述的方法确定在风力涡轮机(1)的测量平面(PM)和转子平面(PR)之间的风的感应因子，以及
b)借助于在风力涡轮机(1)的测量平面(PM)与所述转子平面(PR)之间确定的所述风的感应因子来确定由所述风力涡轮机(1)从风中汲取的空气动力，以及
c)借助于所述经确定的所汲取的空气动力来诊断和/或监视所述风力涡轮机(1)的运行。
8.一种计算机程序产品，其特征在于，所述计算机程序产品包括代码指令，所述代码指令被设计为当在用于处理所述LiDAR传感器(2)的单元上执行所述程序时，执行根据前述权利要求中任一项所述的方法的步骤。
9.一种用于风力涡轮机的LiDAR传感器(2)，其特征在于，所述LiDAR传感器包括实现根据权利要求1至7中任一项所述的方法的处理单元。
10.一种风力涡轮机(1)，其特征在于，所述风力涡轮机包括根据权利要求9所述的LiDAR传感器(2)，所述LiDAR传感器(2)优选地布置在所述风力涡轮机(1)的机舱上。
CN201911099907.7A 2018-11-12 2019-11-12 确定配备有LiDAR传感器的风力涡轮机的感应因子的方法 Active CN111173686B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
FR1871455A FR3088434B1 (fr) 2018-11-12 2018-11-12 Procede de determination d’un facteur d’induction pour une eolienne equipee d’un capteur de teledetection par laser
FR1871455 2018-11-12

Publications (2)

Publication Number Publication Date
CN111173686A true CN111173686A (zh) 2020-05-19
CN111173686B CN111173686B (zh) 2024-04-02

Family

ID=66286414

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911099907.7A Active CN111173686B (zh) 2018-11-12 2019-11-12 确定配备有LiDAR传感器的风力涡轮机的感应因子的方法

Country Status (7)

Country Link
US (1) US11668284B2 (zh)
EP (1) EP3650687B1 (zh)
CN (1) CN111173686B (zh)
CA (1) CA3059484A1 (zh)
DK (1) DK3650687T3 (zh)
ES (1) ES2882299T3 (zh)
FR (1) FR3088434B1 (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3896277A1 (en) * 2020-04-15 2021-10-20 Siemens Gamesa Renewable Energy A/S Control method and device of a wind park
FR3115115B1 (fr) 2020-10-14 2022-10-14 Ifp Energies Now Procédé de détermination d’un facteur d’induction entre un plan de mesure et le plan du rotor d’une éolienne
CN113446159B (zh) * 2021-06-24 2022-06-10 浙江运达风电股份有限公司 一种基于机载式激光测风雷达的风电机组净空控制方法
CN113671212B (zh) * 2021-08-16 2022-07-15 南京牧镭激光科技有限公司 一种基于dwdm光开关模块测量三维风量的光路切换通道和切换方法、及激光雷达
FR3126248B1 (fr) * 2021-08-20 2023-07-28 Ifp Energies Now Procédé de détermination de la vitesse du vent au moyen d’un capteur de télédétection par Laser monté sur une éolienne

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120050750A1 (en) * 2009-04-21 2012-03-01 Michigan Aerospace Corporation Atmospheric measurement system
EP2581761A1 (en) * 2011-10-14 2013-04-17 Vestas Wind Systems A/S Estimation of Wind Properties Using a Light Detection and Ranging Device
US20130094961A1 (en) * 2011-10-14 2013-04-18 Ian Couchman Estimation of wind properties using a light detection and ranging device
CN104653397A (zh) * 2013-11-25 2015-05-27 Ifp新能源公司 使用基于lidar传感器的风速估计的风力涡轮机控制和监视方法
WO2017132654A1 (en) * 2016-01-28 2017-08-03 General Electric Company System and method for improving lidar sensor signal availability on a wind turbine
US20180017039A1 (en) * 2016-07-13 2018-01-18 General Electric Company Systems and methods to correct induction for lidar-assisted wind turbine control
CN108027385A (zh) * 2015-09-13 2018-05-11 风电场分析有限公司 风矢量场测量系统

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
FR2976630B1 (fr) 2011-06-17 2021-07-23 Ifp Energies Now Procede pour optimiser la puissance recuperee par une eolienne en reduisant l'impact mecanique sur la structure.
US10774811B2 (en) * 2018-05-01 2020-09-15 General Electric Company Induction controlled wind turbine

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120050750A1 (en) * 2009-04-21 2012-03-01 Michigan Aerospace Corporation Atmospheric measurement system
EP2581761A1 (en) * 2011-10-14 2013-04-17 Vestas Wind Systems A/S Estimation of Wind Properties Using a Light Detection and Ranging Device
US20130094961A1 (en) * 2011-10-14 2013-04-18 Ian Couchman Estimation of wind properties using a light detection and ranging device
CN104653397A (zh) * 2013-11-25 2015-05-27 Ifp新能源公司 使用基于lidar传感器的风速估计的风力涡轮机控制和监视方法
CN108027385A (zh) * 2015-09-13 2018-05-11 风电场分析有限公司 风矢量场测量系统
WO2017132654A1 (en) * 2016-01-28 2017-08-03 General Electric Company System and method for improving lidar sensor signal availability on a wind turbine
US20180017039A1 (en) * 2016-07-13 2018-01-18 General Electric Company Systems and methods to correct induction for lidar-assisted wind turbine control

Also Published As

Publication number Publication date
EP3650687A1 (fr) 2020-05-13
US20200149512A1 (en) 2020-05-14
ES2882299T3 (es) 2021-12-01
CN111173686B (zh) 2024-04-02
DK3650687T3 (da) 2021-09-13
US11668284B2 (en) 2023-06-06
FR3088434B1 (fr) 2020-11-13
CA3059484A1 (fr) 2020-05-12
FR3088434A1 (fr) 2020-05-15
EP3650687B1 (fr) 2021-06-16

Similar Documents

Publication Publication Date Title
CN111173686B (zh) 确定配备有LiDAR传感器的风力涡轮机的感应因子的方法
CN110832351B (zh) 用于藉由lidar传感器来采集入射风场以及对其进行建模的方法
EP3559448B1 (en) Wind turbine farm level loads management control
CN111706472B (zh) 预测配备LiDAR传感器的风轮机的转子平面中的风速的方法
CN111120205B (zh) 基于激光雷达的风电场区域化控制方法
Hoerner et al. Characteristics of the fluid–structure interaction within Darrieus water turbines with highly flexible blades
CN112114332A (zh) 确定装备lidar传感器的风力涡轮机上游的风速垂直廓线的方法
US11790138B2 (en) Method of determining the wind speed in the rotor plane used for controlling a wind turbine
US20210277867A1 (en) METHOD OF DETERMINING WIND DIRECTION BY MEANS OF A LiDAR SENSOR
Hong et al. Snow-powered research on utility-scale wind turbine flows
CN114278510A (zh) 借助LiDAR传感器来测定平均风速的方法
CN114026323B (zh) 一种控制来自风力涡轮机的个体叶片的噪声排放的方法
KR101635926B1 (ko) 풍력터빈 피치 제어시스템 및 제어방법, 그 방법을 수행하기 위한 프로그램이 기록된 기록매체
CN114528648A (zh) 确定风力涡轮机转子平面内风速的方法
Behrens et al. Feasibility of aerodynamic flap hinge moment measurements as input for load alleviation control
US11578701B2 (en) Method of determining an induction factor between a measurement plane and the rotor plane of a wind turbine
Shaler et al. Wind farm structural response and wake dynamics for an evolving stable boundary layer: computational and experimental comparisons
CN117795194A (zh) 使用安装在风力涡轮机上的LidDAR传感器来确定风速的方法
Marathe Investigation of power performance and wakes of wind turbines under yawed flow
CN117521282B (zh) 用于风电场气候特征模拟的密度依赖型风机参数化方法
Sandusky Wind Farm Power Prediction in Complex Terrain
Iungo et al. PLEASE CITE THIS ARTICLE AS DOI: 10.1063/5.0070094
Aerodyn and Industrial Aerodynamics

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