CN112114332A - 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 - Google Patents
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 Download PDFInfo
- Publication number
- CN112114332A CN112114332A CN202010559123.4A CN202010559123A CN112114332A CN 112114332 A CN112114332 A CN 112114332A CN 202010559123 A CN202010559123 A CN 202010559123A CN 112114332 A CN112114332 A CN 112114332A
- Authority
- CN
- China
- Prior art keywords
- wind
- wind speed
- wind turbine
- time
- profile
- 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 68
- 238000011144 upstream manufacturing Methods 0.000 title claims abstract description 42
- 238000005259 measurement Methods 0.000 claims abstract description 114
- 239000000654 additive Substances 0.000 claims description 7
- 230000000996 additive effect Effects 0.000 claims description 7
- 238000012545 processing Methods 0.000 claims description 6
- 239000011159 matrix material Substances 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 3
- 238000004519 manufacturing process Methods 0.000 description 4
- 238000012937 correction Methods 0.000 description 3
- 238000009826 distribution Methods 0.000 description 3
- 238000011084 recovery Methods 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 230000003746 surface roughness Effects 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000010923 batch production Methods 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 238000007664 blowing Methods 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 230000003750 conditioning effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000010348 incorporation Methods 0.000 description 1
- 230000004941 influx Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 230000007935 neutral effect Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 230000036962 time dependent Effects 0.000 description 1
Images
Classifications
-
- 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
-
- 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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01P—MEASURING LINEAR OR ANGULAR SPEED, ACCELERATION, DECELERATION, OR SHOCK; INDICATING PRESENCE, ABSENCE, OR DIRECTION, OF MOVEMENT
- G01P21/00—Testing or calibrating of apparatus or devices covered by the preceding groups
- G01P21/02—Testing or calibrating of apparatus or devices covered by the preceding groups of speedometers
- G01P21/025—Testing or calibrating of apparatus or devices covered by the preceding groups of speedometers for measuring speed of fluids; for measuring speed of bodies relative to fluids
-
- 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
- G01S17/02—Systems using the reflection of electromagnetic waves other than radio waves
- G01S17/50—Systems of measurement based on relative movement of target
- G01S17/58—Velocity or trajectory determination systems; Sense-of-movement determination systems
-
- 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
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
- G01S7/4802—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
-
- 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
- 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
- F05B2200/00—Mathematical features
- F05B2200/20—Special functions
- F05B2200/22—Power
-
- 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
- F05B2260/84—Modelling or simulation
-
- 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
-
- 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
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
-
- 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)
- General Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Computer Networks & Wireless Communication (AREA)
- Chemical & Material Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Combustion & Propulsion (AREA)
- Life Sciences & Earth Sciences (AREA)
- Sustainable Energy (AREA)
- Sustainable Development (AREA)
- Multimedia (AREA)
- Aviation & Aerospace Engineering (AREA)
- Wind Motors (AREA)
- Optical Radar Systems And Details Thereof (AREA)
Abstract
本发明涉及一种确定风力涡轮机(1)上游的风速的垂直廓线的方法,其中风速测量通过LiDAR传感器(2)来执行,然后幂律的指数α通过无迹卡尔曼滤波器和测量来确定,并且该指数α被应用于幂律以确定垂直风速廓线。
Description
技术领域
本发明涉及可再生能源领域,尤其涉及借助风力预测、涡轮控制(定向、扭矩和速度调节)和/或诊断和/或监控目标来测量风力涡轮机的资源(即风)。
风力涡轮机允许来自风的动能被转换成电能或机械能。为了将风能转换为电能,该风力涡轮机是由以下元件组成的:
-塔架,其允许将转子置于足够的高度以使其能够运动(水平轴风力涡轮机所必需的)和/或将该转子置于使其能够由比地面水平处更强且更规则的风来驱动的高度。塔架通常容纳部分的电气和电子组件(调制器、控制装置、倍增器、发电机等)
-安装在塔架顶部的机舱,其容纳机械、气动以及操作机器所必需的一些电气和电子组件。机舱可以旋转,以使机器定向在正确的方向上,
-固定在机舱上的转子,该转子包括风力涡轮机的若干叶片(通常是三个)以及轮轴。该转子由风力驱动,并且通过机械轴杆直接或间接(经由齿轮箱和机械轴杆系统)连接到电机(发电机),该电机将经回收的能量转换为电能。该转子潜在地装备有控制系统,诸如可变角度叶片控制系统或气动制动器控制系统,
-变速箱,其由通过变速箱(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)组成。
自1990年代初以来,人们对风力重新产生了兴趣,特别是在年增长率约为20%的欧盟。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,仍然必须进一步提高风力涡轮机的能量产量。风力发电产量增长的前景要求开发有效的生产工具和先进的控制工具,以提高机器的性能。风力涡轮机旨在以尽可能最低的成本发电。因此,通常将它们构造成在大约15m/s的风速下达到其最大性能。不必设计在更高风速下最大化其产量的风力涡轮机,这是不常见的。在风速高于15m/s的情况下,有必要损失风中包含的部分额外能量,以免损坏风力涡轮机。因此,所有风力涡轮机均设计有功率调节系统。
对于这种功率调节,已为可变速风力发电机设计了控制器。控制器的目的是使回收的电力最大化,使转子速度波动最小化,并使结构(叶片、塔架和平台)的疲劳和极限力矩最小化。
背景技术
为了优化控制,知晓风力涡轮机的转子处的风速是重要的。为此已经开发出各种技术。
根据第一技术,使用风速计可以估算某一点的风速,但是这种不精确的技术无法测量整个风场,也无法知道风速的三维分量或垂直风速廓线。
根据第二技术,可使用LiDAR(光检测和测距)传感器。LiDAR是一种基于对返回到发射器的光束特性的分析的遥感或光学测量技术。该方法尤其用于通过脉冲激光确定到物体的距离。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,而不是无线电波。到物体或表面的距离是通过测量脉冲与检测反射信号之间的延迟来给出的。
在风力涡轮机领域,LiDAR传感器被宣布为是大型风力涡轮机正常运行所必不可少的,尤其是在其尺寸和功率不断增加的今天(近海风力涡轮机如今为5MW,不久将达到12MW)。该传感器可以进行远程风速测量,首先允许对风力涡轮机进行校准,以使其能够提供最大功率(功率曲线优化)。对于此校准阶段,传感器可以放置在地面上并垂直定向(剖析器),从而允许取决于海拔来测量风速和风向以及风速梯度。该应用是特别关键的,因为它允许知晓产生能量的资源。这对于风力涡轮机项目是重要的,因为这决定了该项目的财务可行性。然而,该方法可能看似很昂贵,因为除了需要在风力涡轮机上提供用于以下描述的应用的LiDAR传感器外,它还需要将LiDAR传感器固定布置在地面或海洋上并垂直定向。
第二应用包括将该传感器设置在风力涡轮机的机舱上,以便在几乎水平定向时测量涡轮机前面的风场。先验地测量涡轮机前面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控技术不允许考虑由LiDAR传感器通过精确地估算转子处(即转子平面中)的风速来执行的测量。这一应用在专利申请FR-3-013,777(US-2015-145,253)中特别描述。
风速随海拔变化:风在高海拔处比在地面更强。知道垂直风速廓线,换言之因变于海拔的风速梯度,在各种风力涡轮机控制应用中是有用的。Wagner,Rozenn&Antoniou,Ioannis&M.Pedersen,&Courtney,Michael&Hans发表在Wind Energy12.348-362.10.1002/we.297的文献The Influence of the Wind Speed Profile onWind Turbine Performance Measurements(风速廓线对风力涡轮机性能测量的影响)特别描述了风速廓线和风力涡轮机性能之间的关系。根据各示例,该垂直风速廓线可用于风力涡轮机能量评估或者用于控制涡轮机叶片的俯仰角。
常规地,LiDAR传感器制造商所使用的垂直风速廓线通过基于批处理方法的离线应用的方法来获取。这些方法因此不适用于实时地估算垂直风速廓线。
此外,用于确定垂直风速廓线的其他方法使用其数学表示,其中包括对数廓线或幂律。
对数风速廓线是由Prandtl根据平板上的湍流边界层模型来创建的。随后发现它在强风条件下在地面或海面附近的大气边界层中以未经修改的形式有效。在表面上,对数风廓线然后通过下式给出:
其中vz是在高度z处的纵向风速,V*是摩擦速度,k=0.41是冯卡门常数,z0是表面粗糙度,ψm是垂直风速廓线的绝热校正。该对数廓线仅仅取决于常数,在高海拔不精确且难以校准。此外,该对数廓线没有幂律精确。
幂律的写法如下:
vz是在高度z处的纵向风速,z0是参考高度,Vz0是在参考高度z0处的纵向风速,并且α是所述幂律的指数。
该幂律通常用于风能评估,其中风力涡轮机高度处的风速需要根据表面附近的风速观测来估算,或者需要将不同高度的风速数据调整为标准高度时进行估算关于对数律,幂律可以很容易地在一个高度上积分。该廓线由于其简易性而被广泛地用于工程用途。假定大气条件为中性,众所周知,在高度为100m到大气边界层上部的范围内,幂律产生比对数律更精确的风速预测。对于离岸站点(海上)的正常风况,指数α被设置为1/7。然而,当使用恒定指数时,它没有考虑因变于时间和表面粗糙度的变化。此外,它没有考虑由于存在障碍物(例如本案中的风力涡轮机)而导致的风从表面的位移。因此,使用恒定的指数会产生对垂直风速廓线的相当错误的估算。
本发明的目的特别是以简单的方式实时地确定精确的垂直风速廓线。因此,本发明涉及一种确定风力涡轮机上游的风速的垂直廓线的方法,其中风速测量通过LiDAR传感器来执行,然后幂律的指数α通过无迹卡尔曼滤波器和测量来确定,并且该指数α被应用于幂律以确定垂直风速廓线。
发明内容
本发明涉及一种确定风力涡轮机上游的风速的垂直廓线的方法,所述风力涡轮机装备有面向所述风力涡轮机上游的LiDAR传感器,其中执行以下步骤:
a)通过所述LiDAR传感器来测量在所述风力涡轮机上游的至少一个测量平面中至少在位于不同高度的两个测量点处的风速,
b)通过以下形式的幂律来构建垂直风速廓线的模型:
vz是在高度z处的纵向风速,z0是参考高度,Vz0是在参考高度z0处的纵向风速,并且α是所述幂律的指数。
c)使用所述两个测量点处的所述风速测量来通过无迹卡尔曼滤波器确定所述幂律的所述指数α,以及
d)通过将所确定的指数α应用于垂直风速廓线的所述模型来确定所述垂直风速廓线。
根据本发明的一实施例,所述无迹卡尔曼滤波器被应用于包含加性噪声和乘性噪声的状态模型。
有利地,所述状态模型被写为:
x(k)=α(k)是在时间k的状态变量,y(k)=v1(k)是所述状态模型的与在测量点1在时间k处测量的纵向风速相对应的输出,η(k-1)是在时间k-1处的指数α的方差,v2(k)是在测量点2在时间k处测量的纵向风速,z1是测量点1的高度,z2是测量点2的高度,ε1(k)是速度v1在时间k的噪声,ε2(k)是速度v2在时间k的噪声。
优选地,为了应用所述卡尔曼滤波器,考虑递增的随机变量xa:
x(k)=α(k)是在时间k的状态变量,ε2(k)是速度v2在时间k的噪声。
根据一方面,所述幂律的所述指数α通过执行以下步骤来确定:
ii)在任何时间k,在测量点1和2采集所述风速测量v1(k)和v2(k),且y(k)=v1(k),以及
iii)在任何时间k,通过下式来确定所述幂律的所述指数α:
K是卡尔曼滤波器增益,Pxy是状态测量互协方差,Pyy是所预测的测量协方差,my是所预测的输出均值,v1(k)是在测量点1处在时间k测得的纵向风速。
此外,本发明涉及一种控制装备有LiDAR传感器的风力涡轮机的方法,其中执行以下步骤:
a)通过根据以上特征之一的方法来确定风力涡轮机上游的所述垂直风速廓线,以及
b)根据所述风力涡轮机上游的所述垂直风速廓线来控制所述风力涡轮机。
本发明还涉及一种计算机程序产品,包括被设计成当在用于处理所述LiDAR传感器的单元上执行该程序时执行根据以上特征之一的方法的各步骤的代码指令。
此外,本发明还涉及用于风力涡轮机的LiDAR传感器。它包括实现根据以上特征之一的方法的处理单元。
此外,本发明涉及一种风力涡轮机,包括根据以上特征之一的LiDAR传感器,所述LiDAR传感器被优选地布置在所述风力涡轮机的机舱上或者风力涡轮机的轮轴中。
附图说明
参照附图,通过阅读以下通过非限制性示例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,其中:
图1示出了根据本发明的一实施例的装备有LiDAR传感器的风力涡轮机,
图2示出了根据本发明的一实施例的确定垂直风速廓线的方法的各步骤,
图3示出了根据本发明的第二实施例的风力涡轮机控制方法的各步骤,
图4是针对一个示例的在两个高度测得的风力涡轮机上游200米的因变于时间的径向风速的曲线,
图5是针对图4的示例的在两个高度估算的风力涡轮机上游200米的因变于时间的纵向风速的曲线,
图6是针对图4的示例的指数α因变于时间的变化曲线的示例,以及
图7是通过根据本发明的实施例的方法估算(根据图4的示例中的测量)且在风力涡轮机上游100米测得的因变于时间的纵向风速的曲线。
具体实施方式
本发明涉及一种确定风力涡轮机上游的风速的垂直廓线的方法(“上游”的概念根据吹向涡轮机的风的方向来定义的)。垂直风速廓线被理解为因变于海拔的风速梯度。所确定的垂直风速廓线允许确定在风力涡轮机上游以及在涡轮机转子平面处的垂直风变化。根据本发明,风力涡轮机装备有LiDAR传感器,该LiDAR传感器被基本上水平地布置以测量涡轮机上游的风速。
根据本发明,LiDAR传感器允许测量在风力涡轮机上游的至少一个测量平面中的风速。存在若干类型的LiDAR传感器,例如扫描式LiDAR传感器、连续波LiDAR或脉冲式LiDAR传感器。在本发明的上下文内,优选地使用脉冲式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,使用这一传感器使得能够快速、持续且实时地确定垂直风速廓线。例如,LiDAR传感器的采样率的范围可以在1和5Hz之间(或在将来甚至更大),且该采样率可以是4Hz。此外,LiDAR传感器允许获取与风力涡轮机上游的风相关的信息,该信息与流向涡轮机的风相关。LiDAR传感器因此可用于确定垂直风速廓线。
图1通过非限制性示例示意性地示出了装备有用于根据本发明的实施例的方法的LiDAR传感器2的水平轴风力涡轮机1。LiDAR传感器2被用来测量在给定距离处在多个测量平面PM(只示出了两个测量平面)中的风速。提前知悉风力测量先验地允许提供大量信息。该附图还示出了轴x、y和z。该坐标系的参考点是转子中心。方向x是与转子轴在风力涡轮机上游的方向相对应的纵向方向,该方向还对应于LiDAR传感器2的测量方向。垂直于方向x的方向y是位于水平面中的横向方向(方向x、y形成水平面)。方向z是指向上的垂直方向(基本上对应于塔架4的方向),轴z垂直于轴x和y。转子平面由虚线矩形PR来指示,该平面由方向y、z(x为零值)来定义。测量平面PM是由方向y、z在离转子平面PR一定距离处(对于x的非零值)形成的平面。测量平面PM平行于转子平面PR。
传统上,风力涡轮机1允许将风动能转换成电能或机械能。为了将风能转换为电能,该风力涡轮机1是由以下元件组成的:
-塔架4,其允许将转子(未示出)置于一足够的高度以使其能够运动(水平轴风力涡轮机所必需的)和/或允许将该转子置于使其能够由比地面水平6处更强且更规则的风来驱动的高度。塔架4通常容纳部分的电气和电子组件(调制器、控制装置、倍增器、发电机等)
-安装在塔架4顶部处的机舱3,其容纳机械、气动以及操作机器所必需的一些电气和电子组件(未示出)。机舱3可以旋转,以使机器定向在正确的方向上,
-固定在机舱上的转子,该转子包括风力涡轮机的若干叶片7(通常是三个)以及轮轴。该转子由风能驱动,并且通过机械轴杆直接或间接(经由齿轮箱和机械轴杆系统)连接到电机(发电机)(未显示),该电机将经回收的能量转换为电能。该转子潜在地装备有控制系统,诸如可变角度叶片控制系统或气动制动器控制系统,
-变速箱,其由通过变速箱(齿轮箱)(未显示)连接的两个轴杆(转子的机械轴杆和电机的机械轴杆)组成。
如在作为脉冲式LiDAR传感器的示例实施例的图1中可以看见的,所使用的LiDAR传感器2包括4个光束或测量轴(b1、b2、b3、b4)。作为非限制性示例,根据本发明的方法还使用包括任何数量的光束的LiDAR传感器来操作。LiDAR传感器在每一个测量点(PT1、PT2、PT3、PT4)处执行准时测量,这些测量点是测量平面PM与光束(b1、b2、b3、b4)的交叉点。这些测量点(PT1、PT2、PT3、PT4)在图1中由黑圆表示。处理测量点(PT1、PT2、PT3、PT4)处的测量允许确定在测量平面PM中且在若干高度处的风速:测量点PT1和PT2处于高于测量点PT3和PT4的高度。法国专利申请FR-3,068,139(WO-2018/234,409)中描述的风建模方法因此可被特别应用。
优选地,LiDAR传感器2可被安装在风力涡轮机1的机舱3上或者风力涡轮机1的轮轴中。
根据本发明,确定风力涡轮机上游的垂直风速廓线的方法包括以下步骤:
1)测量风速,
2)构建垂直风速廓线模型
3)确定指数α
4)确定垂直风速廓线。
这些步骤是实时执行的。构建垂直风速廓线模型的步骤可以预先离线执行。
图2藉由非限制性示例示意性地示出了根据本发明的实施例的确定垂直风速廓线方法的各步骤。第一步骤是通过LiDAR传感器测量在两个不同高度且在至少一个测量平面中的风速v1、v2的步骤(MES)。构建垂直风速廓线模型(MOD)。下一步骤包括通过无迹卡尔曼滤波器(UKF)和风速测量v1、v2来确定垂直风速廓线模型(MOD)的指数α。由此确定的指数α与垂直风速廓线模型(MOD)一起被用来确定(PRO)风速v(z)的垂直廓线。
1.风速测量
在该步骤中,至少在位于不同高度的两个测量点处,通过LiDAR传感器来持续地测量在远离风力涡轮机的至少一个测量平面中的风速。由此,可以知晓在两个不同的高度处,在至少一个测量平面中,在风力涡轮机的上游的风速。测量点的高度被认为是沿着相对于地面或海平面的垂直轴(图1的z轴)的。在该步骤中,风速可以例如在图1的测量点PT1(“上”点)和测量点PT3(“下”点)处测量。
根据本发明的实现,测量平面可处在距转子平面的纵向距离(沿图1中的x轴)处,优选地在50到400m之间。因此,可以确定风力涡轮机上游的长距离内的风速演变,这也允许提高确定垂直风速廓线的精度。
替换地,测量平面可以比优选范围更靠近或更远离。
根据一非限制性示例实施例,LiDAR传感器可以针对特别可分别位于距转子平面50、70、90、100、110、120、140、160、180和200米距离的十个测量平面执行测量。
根据本发明的一实施例,在每一个高度,风速测量可以在若干测量点处执行。例如,风速可以在两个测量点PT1、PT2(“上”点)以及两个测量点PT3、PT4(“下”点)处测量。在这种情况下,在一个高度处测量的风速可以是在该高度处的风速测量的组合(例如,均值)。
为了提高后续步骤的精度,可以在若干测量平面中测量风速。
根据本发明的实现,LiDAR传感器可以允许测量径向速度(沿着LiDAR传感器测量束的轴)。在这种情况下,该方法可以包括以下步骤:通过任何已知的方法,特别是通过将径向速度投影到纵向轴线上或者通过例如在专利申请FR-3,068,139(WO-2018/234,409)中描述的风重构方法,根据径向速度来确定纵向速度(沿着图1的x轴)。
2.构建风速模型
该步骤包括通过以下形式的幂律(或任何等价定律)来构建垂直风速廓线模型:
vz是在高度z处的纵向风速,z0是参考高度,Vz0是在参考高度z0处的纵向风速,并且α是所述幂律的指数。
根据本发明的方法允许确定指数α随时间的变化以使得风速模型是精确的。幂律的一个优点是其简易性。此外,幂律产生比对数律更精确的风速预测,尤其是在范围从100米到大气边界层上部的高度。
3.确定指数α
该步骤包括通过无迹卡尔曼滤波器(UKF)以及在测量点处执行的风速测量来确定幂律的指数α。无迹卡尔曼滤波器是一种滤波算法,其使用系统模型来估算系统的当前隐藏状态,然后使用可用传感器测量来校正该估算。UKF的原理与扩展卡尔曼滤波器的不同之处在于,它使用无迹变换直接逼近目标分布的均值和协方差。无迹卡尔曼滤波器可包括状态预测和测量校正步骤,这两个步骤在计算“西格玛点”的在前步骤之后。西格玛点是一组计算出的样本,以便允许均值和协方差信息精确地传播通过非线性函数的空间。
因此,这种滤波器非常适合于快速确定幂律的指数α。
根据本发明的一实施例,无迹卡尔曼滤波器被应用于包含加性噪声和乘性噪声的状态模型。加性噪声和乘性噪声来自不同高度处的风速测量。噪声因为它看上去是被加到状态模型的项而被称为加性。噪声因为它看上去是与状态模型的输入相乘的项而被称为乘性。该实施例允许精确地确定幂律的指数α。
有利地,状态模型可被写为:
x(k)=α(k)是在时间k的状态变量,y(k)=v1(k)是所述状态模型的与在测量点1在时间k处测量的纵向风速相对应的输出,η(k-1)是在时间k-1处的指数α的方差,v2(k)是在时间k在测量点2处测量的纵向风速,z1是测量点1的高度,z2是测量点2的高度,ε1(k)是在时间k处的速度v1的噪声,ε2(k)是在时间k处的速度v2的噪声。对于该状态模型,ε1(k)是加性噪声,而ε2(k)是乘性噪声。
为了通过无迹卡尔曼滤波器来确定指数α,可考虑递增的随机变量xa:
x(k)=α(k)是在时间k的状态变量,ε2(k)是速度v2在时间k的噪声。
根据本发明的实现,幂律的指数α可通过执行以下步骤来确定:
ii)在任何时间k,在测量点1和2采集所述风速测量v1(k)和v2(k),且y(k)=v1(k),以及
iii)在任何时间k,通过下式来确定所述幂律的所述指数α:
K是卡尔曼滤波器增益,Pxy是状态测量互协方差,Pyy是所预测的测量协方差,my是所预测的输出均值,v1(k)是在测量点1处在时间k测得的纵向风速。
根据本发明的一实施例,无迹卡尔曼滤波器可通过以下描述的个步骤来使用:
x(k|k-1)是根据时间k-1的测量对x(k)的估算。
x(k|k)是根据时间k的测量对x()的估算。
P(k|k-1)是来自时间k-1的测量的误差方差。
P(k|k)是来自时间k的测量的误差方差。
Q是系统噪声η(k)的方差。
由于等式是线性的,因此预测步骤可被写为:
x(k|k-1)=x(k-1|k-1)
P(k|k-1)=P(k-1|k-1)+Q
由于存在加性和乘性噪声,校正步骤变得更加复杂。为了克服该问题,可考虑以下递增的随机变量:
在预测步骤后,递增的随机变量xa(k)的分布可被给出为由N表示的正态分布:
xa(k|k-1)~N(mxa,Pxa)
且:
R2(k)是在时间k的速度v2的噪声ε2(k)的方差。
由与均值mxa和协方差矩阵Pxa相关联的X0、Xi、Xi+n表示的西格玛点可以如下计算:
其中n=2,S是Pxa的平方根,并且
λ=μ2(n+κ)-n
μ是确定西格玛点的离散度的标量参数,且κ是次级调整大小参数。
Xi,x和Xi,ε然后可被定义为Xi的第一和第二分量。对于范围在1到2n之间的任意i,西格玛点按以下形式传播通过测量模型:
下一步骤包括计算所预测的均值my、所预测的测量协方差Pyy以及状态测量互协方差Pxy。
R1(k)是在时间k的速度v1的噪声ε1(k)的方差,Wi m、Wi c是由下式定义的权重:
ξ是用于纳入递增的随机变量xa的分布的任何先验知识的参数。
在时间k的卡尔曼滤波器增益、状态估算和协方差矩阵于是可被表达为:
给定x(k)=α,这些等式允许确定幂律的指数α,该指数随时间变化。
4.确定垂直风速廓线
该步骤包括使用在步骤2)中构建的垂直风速廓线模型以及在步骤3)中确定的指数α来确定风力涡轮机上游的风速的垂直廓线。由此,根据本发明的方法允许确定处于风力涡轮机上游的空间中的任何点的风速。
优选地,根据本发明的方法允许确定处于风力涡轮机上游的空间中的任何点的纵向风速。
根据本发明的一实施例,在幂律中可以将参考高度z0认为是LiDAR传感器的任何测量点(可以与步骤1)中使用的测量点不同)的高度,并且将速度Vz0认为是在所考虑的测量点处测得的风速。垂直风速廓线由此可以在测量平面中通过应用幂律来确定。
替换地,在幂律中可考虑任何参考点z0(例如转子平面中的点)并将速度Vz0认为是在所考虑的点处估算(重构)的风速。由此可以确定在空间中包括转子平面在内的任何平面中的风速。为了重构风速,可应用任何风重构方法,特别是在专利申请FR-3,068,139(WO-2018/234,409)中描述的方法,该方法的主要步骤此后被提醒:
·网格化所述LiDAR传感器上游的空间,网格包括估算点和测量点,
·在各个测量点处测量风幅和风向,
·使用用于成本函数(也称为目标函数)的递归最小二乘法来在任何时间针对所有估算点估算风幅和风向,以及
·在所有离散点上在三个维度中实时地重构入射风场。
本发明还涉及一种控制装备有LiDAR传感器的风力涡轮机的方法。对于该方法执行以下步骤:
-通过根据以上变体中的任一者的确定垂直风速廓线的方法来确定风力涡轮机上游的垂直风速廓线,以及
-根据风力涡轮机上游的垂直风速廓线来控制风力涡轮机。
对风力涡轮机上游的风速的垂直廓线的实时精确预测允许对涡轮机结构的影响的最小化以及回收电力的最大化方面的合适风力涡轮机控制。的确,通过该控制,LiDAR允许通过这些预测来预计流向涡轮机的风的速度,并由此使得能够提前对涡轮机设备进行相位调适,以使得在所估算的风到达时间,涡轮机针对该风处于最优配置中。此外,LiDAR传感器还允许减小结构上的负载,其中叶片和塔架占54%的成本。因此,使用LiDAR传感器允许优化风力涡轮机结构并由此降低成本并减少维护。
根据本发明的实现,叶片的倾斜角和/或风力涡轮发电机的电力回收扭矩可以根据风速来控制。优选地,可控制诸叶片的个体倾斜角。也可以使用其他类型的调节装置。控制叶片倾斜角允许因变于叶片上的入射风来优化能量回收。
根据本发明的一实施例,叶片的倾斜角和/或电力回收扭矩可以因变于转子处的风速通过风力涡轮机图来确定。例如,可应用在专利申请FR-2,976,630 A1(US 2012-0,321,463)中描述的控制方法。
图3通过非限制性示例示意性地示出了根据本发明的一实施例的风力涡轮机控制方法的各步骤。第一步骤是通过LiDAR传感器测量在两个不同高度且在至少一个测量平面中的风速v1、v2的步骤(MES)。构建垂直风速廓线模型(MOD)。下一步骤包括使用无迹卡尔曼滤波器(UKF)和风速测量v1、v2来确定垂直风速廓线模型(MOD)的指数α。由此确定的指数α与垂直风速廓线模型(MOD)一起被用来确定(PRO)风速v(z)的垂直廓线。风速v(z)的垂直廓线然后被用来控制(CON)风力涡轮机。
此外,本发明涉及一种计算机程序产品,包括被设计成执行上述各种方法(确定垂直风速廓线的方法、控制方法)中的一种方法的各步骤的代码指令。该程序在用于处理LiDAR传感器的单元上执行或者在连接到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述各种方法(确定垂直风速廓线的方法、控制方法)中的一种方法的处理单元。
根据本发明的实现,LiDAR传感器可以是扫描式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,特别是装备有如上所述的LiDAR传感器的离岸(海上)或在岸(陆地上)风力涡轮机。根据本发明的一实施例,LiDAR传感器可被布置在风力涡轮机的机舱上或风力涡轮机的轮轴中。LiDAR传感器被定向成使得执行对风力涡轮机上游的风的测量(即,在风力涡轮机之前且沿其在图1中由x轴表示的纵轴)。根据一实施例,风力涡轮机可以类似于图1所示的风力涡轮机。
对于控制方法的实施例,风力涡轮机可包括控制装置,该控制装置例如用于控制风力涡轮机的至少一个叶片的倾斜角(或俯仰角)或电扭矩以用于实现根据本发明的方法。
示例
通过阅读下文的应用示例,将清楚根据本发明的方法的特征和优点。
对于该示例,根据使用根据本发明的一实施例的方法来确定的垂直风速廓线,比较在风力涡轮机上游的一点处估算的风速。对于风力涡轮机上游200米的距离,由此测量在位于不同高度的两个测量点处的风速,以便使用根据本发明的一实施例的方法来实时估算幂律的指数α。然后,对于风力涡轮机上游100米的距离,对所确定的垂直风速廓线应用指数α以便通过已知高度处的纵向风速测量来确定预定高度处的纵向风速。
对于该示例考虑在距风力涡轮机100米和200米的测量平面中执行测量的4束脉冲式LiDAR。
图4示出了针对两个测量点(可对应于图1中的测量点PT1和PT3)测得的因变于单日测量的104秒中的时间T的以米/秒为单位的径向风速RWS(即,在测量束的方向上)。该径向风速是在风力涡轮机上游200米处的测量平面中测得的。所测得的浅灰色的速度v1对应于在最低测量点测得的速度。所测得的深灰色的速度v2对应于在最高测量点测得的速度。如所预期的,在最高测量点测得的速度大于在最低测量点测得的速度。在该附图中,注意到LiDAR传感器由于叶片阻挡效应而并非在任何时间都提供测量。
图5是因变于对应于单日测量的104秒中的时间T的以米/秒为单位的纵向风速wx(即,按图1中的方向x)的曲线。纵向风速wx是根据图4中的径向风速RWS来估算的。该纵向风速是在风力涡轮机上游200米处的测量平面中估算的。浅灰色的纵向速度wx1对应于在最低测量点估算的纵向速度。深灰色的纵向速度wx2对应于在最高测量点估算的纵向速度。
通过根据本发明的方法来根据这些速度确定幂律的指数α。图6是因变于104秒的时间T的幂律的指数α的曲线。可以看到指数α显著变化,因此考虑恒定指数α的现有技术假设是不现实的,并且不允许精确地确定风速的垂直廓线。
LiDAR传感器还测量在两个已知高度处在位于风力涡轮机上游100米的测量平面中的风速。为了显示根据本发明的方法的精确特性,一方面将在100米的最高点处的风速测量认为是参考,并且在另一方面通过根据本发明的方法,根据图6中通过200米处的风速测量来确定的100米的最低测量点处的风速和指数α来估算100米处的最高测量点处的风速。图7是因变于104秒的时间T的最高测量点处的以米/秒为单位的纵向风速wx(即,按图1中的方向x)的曲线。该纵向风速是在风力涡轮机上游100米处的测量平面中估算的。曲线REF对应于以上定义的参考,并且曲线EST对应于通过根据本发明的如上定义的方法的估算。可以注意到,这些曲线是非常接近的,这显示根据本发明的方法使得能够精确地确定风速。
Claims (9)
1.一种确定风力涡轮机(1)上游的风速的垂直廓线的方法,所述风力涡轮机(1)装备有面向所述风力涡轮机(1)上游的LiDAR传感器(2),其中执行以下步骤:
a)通过所述LiDAR传感器(2)来测量(MES)在所述风力涡轮机上游的至少一个测量平面(PM)中至少在位于不同高度的两个测量点(PT1、PT2、PT3、PT4)处的风速,
b)通过以下形式的幂律来构建所述垂直风速廓线的模型(MOD):
vz是在高度z处的纵向风速,z0是参考高度,Vz0是在参考高度z0处的纵向风速,并且α是所述幂律的指数,
c)使用所述两个测量点(PT1、PT2、PT3、PT4)处的所述风速测量来通过无迹卡尔曼滤波器确定所述幂律的所述指数α,以及
d)通过将所确定的指数α应用于所述垂直风速廓线模型来确定所述垂直风速廓线(PRO)。
2.如权利要求1所述的确定风速的垂直廓线的方法,其特征在于,所述无迹卡尔曼滤波器被应用于包括加性噪声和乘性噪声的状态模型。
6.一种控制装备有LiDAR传感器(2)的风力涡轮机(1)的方法,其中执行以下步骤:
a)通过如前述权利要求中的任一项所述的方法来确定风力涡轮机(1)上游的所述垂直风速廓线,以及
b)根据所述风力涡轮机(1)上游的所述垂直风速廓线来控制所述风力涡轮机(1)。
7.一种计算机程序产品,其特征在于,包括代码指令,所述代码指令被前述权利要求中的任一项所述的方法的各步骤。
8.一种用于风力涡轮机的LiDAR传感器(2),其特征在于,包括实现如权利要求1到6中的任一项所述的方法的处理单元。
9.一种风力涡轮机(1),其特征在于,包括如权利要求8所述的LiDAR传感器(2),所述LiDAR传感器(2)被优选地布置在所述风力涡轮机(1)的机舱上或者所述风力涡轮机的轮轴中。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
FR1906569 | 2019-06-19 | ||
FR1906569A FR3097644B1 (fr) | 2019-06-19 | 2019-06-19 | Procédé de détermination du profil vertical de la vitesse du vent en amont d’une éolienne équipée d’un capteur de télédétection par Laser |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112114332A true CN112114332A (zh) | 2020-12-22 |
Family
ID=67957111
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010559123.4A Pending CN112114332A (zh) | 2019-06-19 | 2020-06-18 | 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 |
Country Status (7)
Country | Link |
---|---|
US (1) | US11454725B2 (zh) |
EP (1) | EP3754341B1 (zh) |
CN (1) | CN112114332A (zh) |
CA (1) | CA3083653A1 (zh) |
DK (1) | DK3754341T3 (zh) |
ES (1) | ES2928697T3 (zh) |
FR (1) | FR3097644B1 (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11294063B2 (en) * | 2020-04-02 | 2022-04-05 | Mitsubishi Electric Research Laboratories, Inc. | System and method for fast wind flow measurement by LiDAR in a complex terrain |
FR3114881B1 (fr) * | 2020-10-01 | 2022-09-09 | Ifp Energies Now | Procédé de détermination de la vitesse moyenne du vent au moyen d’un capteur de télédétection par Laser |
FR3116123B1 (fr) * | 2020-11-06 | 2022-10-14 | Ifp Energies Now | Procédé de détermination de la vitesse du vent dans le plan du rotor d’une éolienne |
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 |
CN114233580B (zh) * | 2021-12-01 | 2023-11-21 | 三一重能股份有限公司 | 一种风电机组机舱风速的修正方法及装置 |
Family Cites Families (7)
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. |
FR3013777B1 (fr) | 2013-11-25 | 2015-11-13 | IFP Energies Nouvelles | Procede de controle et de surveillance d'une eolienne au moyen d'une estimation de la vitesse du vent au moyen d'un capteur lidar |
ES2537476B1 (es) * | 2013-12-04 | 2016-03-23 | Acciona Windpower, S.A. | Sistema y método de control de aerogenerador |
EP3440347B1 (en) * | 2016-04-08 | 2021-06-02 | Vestas Wind Systems A/S | Control of a wind turbine comprising multi-axial accelerometers |
US10247170B2 (en) * | 2016-06-07 | 2019-04-02 | General Electric Company | System and method for controlling a dynamic system |
FR3068139B1 (fr) | 2017-06-21 | 2019-12-20 | IFP Energies Nouvelles | Procede d'acquisition et de modelisation par un capteur lidar d'un champ de vent incident |
WO2020096560A1 (en) * | 2018-11-05 | 2020-05-14 | General Electric Company | Power system measurement based model calibration with enhanced optimization |
-
2019
- 2019-06-19 FR FR1906569A patent/FR3097644B1/fr active Active
-
2020
- 2020-06-05 EP EP20178434.5A patent/EP3754341B1/fr active Active
- 2020-06-05 ES ES20178434T patent/ES2928697T3/es active Active
- 2020-06-05 DK DK20178434.5T patent/DK3754341T3/da active
- 2020-06-15 CA CA3083653A patent/CA3083653A1/fr active Pending
- 2020-06-18 CN CN202010559123.4A patent/CN112114332A/zh active Pending
- 2020-06-19 US US16/906,105 patent/US11454725B2/en active Active
Also Published As
Publication number | Publication date |
---|---|
ES2928697T3 (es) | 2022-11-22 |
EP3754341B1 (fr) | 2022-08-10 |
FR3097644A1 (fr) | 2020-12-25 |
CA3083653A1 (fr) | 2020-12-19 |
US20200400836A1 (en) | 2020-12-24 |
US11454725B2 (en) | 2022-09-27 |
EP3754341A1 (fr) | 2020-12-23 |
FR3097644B1 (fr) | 2021-06-11 |
DK3754341T3 (da) | 2022-11-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
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 | |
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 | |
US9790924B2 (en) | Wind turbine control and monitoring method using a wind speed estimation based on a LIDAR sensor | |
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 | |
CN105844361B (zh) | 风电机组风功率预测方法、解缆方法和装置 | |
KR101476986B1 (ko) | 풍력 터빈용 제어 장치 | |
US9234506B2 (en) | Estimation of wind properties using a light detection and ranging device | |
US11105929B2 (en) | Method for predicting wind speed in the rotor plane for a wind turbine equipped with a LiDAR sensor | |
EP3564524B1 (en) | Induction controlled wind turbine | |
US11421651B2 (en) | Method of determining wind direction by means of a LiDAR sensor | |
EP2581761B1 (en) | Estimation of Wind Properties Using a Light Detection and Ranging Device | |
US11790138B2 (en) | Method of determining the wind speed in the rotor plane used for controlling a wind turbine | |
Iungo et al. | Machine-learning identification of the variability of mean velocity and turbulence intensity for wakes generated by onshore wind turbines: Cluster analysis of wind LiDAR measurements | |
US11746746B2 (en) | Method of determining average wind speed by means of a LiDAR sensor | |
Özinan et al. | Power curve measurement of a floating offshore wind turbine with a nacelle-based lidar | |
US11578701B2 (en) | Method of determining an induction factor between a measurement plane and the rotor plane of a wind turbine | |
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 | |
Shaler et al. | Wind Farm Structural Response and Wake Dynamics for an Evolving Stable Boundary Layer: Computational and Experimental Comparisons | |
Letizia et al. | Characterization of wind turbine flow through nacelle-mounted lidars: a review | |
Plaza Puértolas et al. | Triaxial accelerometer based azimuth estimator for horizontal axis wind turbines | |
Terziev | Wind flow behavior prediction over complex terrains in respect with orography | |
CN114528648A (zh) | 确定风力涡轮机转子平面内风速的方法 |
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 |