CN115680987A - 用于操作风电场的系统和方法 - Google Patents
用于操作风电场的系统和方法 Download PDFInfo
- Publication number
- CN115680987A CN115680987A CN202210902011.3A CN202210902011A CN115680987A CN 115680987 A CN115680987 A CN 115680987A CN 202210902011 A CN202210902011 A CN 202210902011A CN 115680987 A CN115680987 A CN 115680987A
- Authority
- CN
- China
- Prior art keywords
- wind
- turbine
- power output
- cluster
- controller
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 109
- 230000000116 mitigating effect Effects 0.000 claims abstract description 118
- 239000013598 vector Substances 0.000 claims description 91
- 230000007613 environmental effect Effects 0.000 claims description 82
- 238000012549 training Methods 0.000 claims description 48
- 238000005070 sampling Methods 0.000 claims description 21
- 238000004458 analytical method Methods 0.000 claims description 13
- 238000004088 simulation Methods 0.000 claims description 9
- 238000013400 design of experiment Methods 0.000 description 22
- 230000000694 effects Effects 0.000 description 9
- 238000004891 communication Methods 0.000 description 8
- 230000008901 benefit Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 7
- 230000004044 response Effects 0.000 description 7
- 238000004519 manufacturing process Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 230000007246 mechanism Effects 0.000 description 5
- 238000005457 optimization Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000009467 reduction Effects 0.000 description 4
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 230000004931 aggregating effect Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000010248 power generation Methods 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 238000005452 bending Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000007670 refining Methods 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 201000009482 yaws Diseases 0.000 description 1
Images
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F03—MACHINES OR ENGINES FOR LIQUIDS; WIND, SPRING, OR WEIGHT MOTORS; PRODUCING MECHANICAL POWER OR A REACTIVE PROPULSIVE THRUST, NOT OTHERWISE PROVIDED FOR
- F03D—WIND MOTORS
- F03D7/00—Controlling wind motors
- F03D7/02—Controlling wind motors the wind motors having rotation axis substantially parallel to the air flow entering the rotor
- F03D7/028—Controlling wind motors the wind motors having rotation axis substantially parallel to the air flow entering the rotor controlling wind motor output power
-
- 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
- F03D7/043—Automatic control; Regulation by means of an electrical or electronic controller characterised by the type of control logic
- F03D7/045—Automatic control; Regulation by means of an electrical or electronic controller characterised by the type of control logic with model-based controls
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- 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
- 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
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
- F05B—INDEXING SCHEME RELATING TO WIND, SPRING, WEIGHT, INERTIA OR LIKE MOTORS, TO MACHINES OR ENGINES FOR LIQUIDS COVERED BY SUBCLASSES F03B, F03D AND F03G
- F05B2260/00—Function
- F05B2260/82—Forecasts
- F05B2260/821—Parameter estimation or prediction
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
- F05B—INDEXING SCHEME RELATING TO WIND, SPRING, WEIGHT, INERTIA OR LIKE MOTORS, TO MACHINES OR ENGINES FOR LIQUIDS COVERED BY SUBCLASSES F03B, F03D AND F03G
- 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
- F05B2270/10—Purpose of the control system
- F05B2270/103—Purpose of the control system to affect the output of the engine
- F05B2270/1033—Power (if explicitly mentioned)
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
- F05B—INDEXING SCHEME RELATING TO WIND, SPRING, WEIGHT, INERTIA OR LIKE MOTORS, TO MACHINES OR ENGINES FOR LIQUIDS COVERED BY SUBCLASSES F03B, F03D AND F03G
- F05B2270/00—Control
- F05B2270/10—Purpose of the control system
- F05B2270/20—Purpose of the control system to optimise the performance of a machine
- F05B2270/204—Purpose of the control system to optimise the performance of a machine taking into account the wake effect
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
- F05B—INDEXING SCHEME RELATING TO WIND, SPRING, WEIGHT, INERTIA OR LIKE MOTORS, TO MACHINES OR ENGINES FOR LIQUIDS COVERED BY SUBCLASSES F03B, F03D AND F03G
- F05B2270/00—Control
- F05B2270/30—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
- F05B2270/30—Control parameters, e.g. input parameters
- F05B2270/321—Wind directions
-
- 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
- F05B2270/329—Azimuth or yaw angle
-
- 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
- F05B2270/335—Output power or torque
-
- 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
- F05B2270/40—Type of control system
- F05B2270/404—Type of control system active, predictive, or anticipative
-
- 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)
- Mechanical Engineering (AREA)
- Sustainable Development (AREA)
- Sustainable Energy (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Wind Motors (AREA)
Abstract
提供一种用于操作风电场的系统和方法。因此,确定影响风电场的风向。基于风向,控制器识别涡轮集群,该涡轮集群是风电场的多个风力涡轮的子集。该子集至少包括逆风涡轮和受从逆风涡轮发出的尾流影响的顺风涡轮。利用针对给定风向识别的涡轮集群,控制器则确定用于涡轮集群的自由流最大集群功率输出与受尾流影响的集群功率输出之间的差。然后,控制器确定用于风力涡轮的子集的缓解设置点组合。缓解设置点组合被配置成建立缓解的集群功率输出。缓解的集群功率输出与自由流最大集群功率输出具有小于用于涡轮集群的受尾流影响的集群功率输出和自由流最大集群功率输出之间的差的差。基于该缓解设置点组合,改变该涡轮集群的至少一个风力涡轮的操作状态。
Description
技术领域
本公开一般涉及风电场,并且更特别地涉及用于操作该风电场以便缓解功率输出中的减小以便导致尾流(wake)效应的系统和方法。
背景技术
功率被认为是目前可用的最清洁、对环境最友好的能源之一,并且风力涡轮在这方面已获得越来越多的关注。现代风力涡轮通常包括塔架、发电机、齿轮箱、机舱以及一个或多个转子叶片。机舱包括耦合到齿轮箱和发电机的转子组合件。转子组合件和齿轮箱安装在位于机舱内的底板支撑框架上。一个或多个转子叶片使用已知的翼型件原理捕获风的动能。转子叶片以旋转能的形式传递动能,以便转动将转子叶片连接到齿轮箱的轴,或者如果不使用齿轮箱,则直接耦合到发电机。发电机然后将机械能转换为电能,并且电能可以被传输到容纳在塔架内的转换器和/或变压器,并且随后被部署到公用电网。现代风功率系统通常采用具有多个这样的风力涡轮发电机的风电场的形式,所述风力涡轮发电机可操作以向向功率电网提供功率的传输系统供应功率。
通常,多个风力涡轮彼此结合使用并且被布置为风电场。在这样的布置中,撞击顺风涡轮的风可能受到逆风障碍物(例如逆风涡轮)的影响。当顺风涡轮受到来自逆风涡轮的尾流的影响时,用于顺风涡轮的控制器可以设法改变用于顺风涡轮的设置点,以便优化响应于受尾流影响的风而生成的顺风涡轮的功率生产。然而,在不考虑风电场的其他风力涡轮的情况下对受尾流影响的顺风涡轮的优化可能导致对于给定环境条件而言风电场的次优功率输出。
鉴于上述内容,本领域不断地寻求用于操作风电场的新的和改进的系统和方法,以便缓解由于尾流效应导致的功率输出中的降低。
发明内容
本发明的方面和优点将在以下描述中部分地阐述,或可从描述中明白,或可通过本发明的实践来学习。
在一方面中,本公开涉及一种用于操作具有多个风力涡轮的风电场的方法。该方法可以包括确定影响风电场的风的风向。该方法还可以包括当风具有确定的风向时,经由控制器识别包括多个风力涡轮的子集的涡轮集群。风力涡轮的所述子集可以至少包括逆风(upwind)涡轮和顺风(downwind)涡轮,并且所述顺风涡轮可以受到从所述逆风涡轮发出(emanate)的尾流的影响。另外,该方法可以包括经由控制器至少部分地基于影响风电场的给定风速来确定涡轮集群的自由流最大集群功率输出与受尾流影响的集群功率输出之间的差。根据该方法,该控制器可以确定应用风力涡轮的所述子集的缓解设置点组合,所述缓解设置点组合被配置成用于建立缓解的集群功率输出。缓解的集群功率输出与自由流最大集群功率输出可以具有小于用于涡轮集群的受尾流影响的集群功率输出与自由流最大集群功率输出之间的差的差。此外,该方法可以包括基于所述缓解设置点组合来改变所述涡轮集群的至少一个风力涡轮的操作状态。
在附加方面中,本公开涉及一种用于操作具有多个风力涡轮的风电场的方法。该方法可以包括确定影响风电场的风的风矢量(wind velocity),并且针对该风矢量识别受从逆风涡轮发出的尾流影响的至少一个顺风涡轮。该方法还可包括通过由控制器实现的第一模型确定用于顺风涡轮的模拟功率输出。建模的功率输出可以至少部分地基于多个风力涡轮的指定风力涡轮集群的操作。指定的分组可以不包括顺风涡轮,并且可以包括当风具有第一风矢量时的多个风力涡轮的第一部分和当风具有第二风矢量时的多个风力涡轮的第二部分。第一和第二部分可以包括多个风力涡轮中的至少一个不同的风力涡轮。另外,该方法可以包括:当影响风电场的风具有风矢量时,经由控制器在多个采样间隔处确定顺风涡轮的功率输出差。该性能参数差可以指示该顺风涡轮的模拟功率输出与监测功率输出之间的差。该控制器还可以实现第二模型,以便至少部分地基于顺风涡轮的功率输出差来确定在多个设置点组合中的每个下的顺风涡轮的预测功率输出。该控制器还可以基于预测的功率输出来选择多个设置点组合中的一个设置点组合,其中所述设置点组合是缓解设置点组合。此外,该方法可以包括基于所述缓解设置点组合来改变所述顺风涡轮的操作状态。
本发明提供一组技术方案,如下。
技术方案1. 一种用于操作具有多个风力涡轮的风电场的方法,所述方法包括:
确定影响所述风电场的风的风向;
当所述风具有所确定的风向时,经由控制器识别包括所述多个风力涡轮的子集的涡轮集群,风力涡轮的所述子集至少包括逆风涡轮和顺风涡轮,其中所述顺风涡轮受从所述逆风涡轮发出的尾流的影响;
至少部分地基于影响所述风电场的给定风速,经由所述控制器确定用于所述涡轮集群的受尾流影响的集群功率输出与自由流最大集群功率输出之间的差;
经由所述控制器确定用于风力涡轮的所述子集的缓解设置点组合,所述缓解设置点组合被配置成建立缓解的集群功率输出,所述缓解的集群功率输出与所述自由流最大集群功率输出具有小于用于所述涡轮集群的所述受尾流影响的集群功率输出和所述自由流最大集群功率输出之间的差的差;以及
基于所述缓解设置点组合来改变所述涡轮集群的至少一个风力涡轮的操作状态。
技术方案2. 如技术方案1所述的方法,其中,当所述风具有第一风矢量时,所述涡轮集群具有第一逆风涡轮和风力涡轮的第一子集,并且当所述风具有第二风矢量时,所述涡轮集群具有第二逆风涡轮和风力涡轮的第二子集,其中所述第一逆风涡轮和所述第二逆风涡轮对应所述多个风力涡轮中的不同风力涡轮。
技术方案3. 如技术方案1所述的方法,其中,所述涡轮集群是针对所确定的风向的所述风电场的多个涡轮集群中的一个涡轮集群。
技术方案4. 如技术方案1所述的方法,其中,确定被配置成建立所述缓解的集群功率输出的用于风力涡轮的所述子集的所述缓解设置点组合进一步包括:
经由所述控制器确定用于所述涡轮集群的至少一个风力涡轮的缓解设置点组合,所述缓解设置点组合不同于用于所述至少一个风力涡轮的最大功率设置点组合,其中所述缓解设置点组合对应小于用于所述至少一个风力涡轮的自由流最大涡轮功率输出的缓解的涡轮功率输出,并且其中所述缓解的涡轮功率输出对应大于所述受尾流影响的集群功率输出的所述缓解的集群功率输出。
技术方案5. 如技术方案4所述的方法,其中,确定所述自由流最大集群功率输出与所述受尾流影响的集群功率输出之间的差进一步包括:
经由所述控制器针对影响所述风电场的所述给定风速确定用于所述涡轮集群的每个风力涡轮的所述自由流最大涡轮功率输出,其中用于每个风力涡轮的所述自由流最大涡轮功率输出针对所述给定风速对应用于每个风力涡轮的最大功率设置点组合;以及
经由所述控制器通过组合用于所述涡轮集群的每个风力涡轮的所述自由流最大涡轮功率来确定所述自由流最大集群功率输出。
技术方案6. 如技术方案5所述的方法,其中,确定用于所述涡轮集群的每个风力涡轮的所述自由流最大涡轮功率输出进一步包括:
经由所述控制器接收指示风力涡轮的所述子集的多个历史操作参数的操作数据集,其中所述操作数据集包括风力涡轮的所述子集在多个采样间隔处的俯仰设置点、叶尖速度比以及偏航位置的历史指示;
经由所述控制器接收环境数据集,所述环境数据集指示影响风力涡轮的所述子集的多个环境条件;
经由对风电场布局和地形轮廓的分析来确定用于风力涡轮的所述子集中的每个风力涡轮的至少一个自由流扇区,其中所述自由流扇区对应其中影响每个风力涡轮的特定风矢量的风至少不被一个中间风力涡轮阻挡的弧;以及
经由所述控制器在所述至少一个自由流扇区内针对风矢量基于所述操作数据集和环境数据集来确定用于风力涡轮的所述子集中的每个风力涡轮的所述自由流最大涡轮功率输出。
技术方案7. 如技术方案6所述的方法,其中,确定所述自由流最大集群功率输出与所述受尾流影响的集群功率输出之间的差进一步包括:
经由分析所述风电场布局和所述地形轮廓来确定用于所述顺风涡轮的至少一个尾流扇区,其中所述至少一个尾流扇区对应其中影响所述顺风涡轮的特定风矢量的风受所述逆风涡轮影响的弧;
经由所述控制器识别用于所述顺风涡轮的受尾流影响的涡轮功率输出、所述风速、所述顺风涡轮的操作参数以及至少所述逆风涡轮的操作状态之间的相关性,其中所述顺风涡轮的所述操作参数包括所述顺风涡轮的俯仰设置点、叶尖速度比以及偏航位置;
至少部分地基于所识别的相关性,当所述风矢量对应至少一个尾流扇区时,经由所述控制器确定用于所述顺风涡轮的受尾流影响的涡轮功率输出;以及
经由所述控制器将用于所述逆风涡轮的所述自由流最大涡轮功率输出至少与所述顺风涡轮的受尾流影响的涡轮功率输出进行组合,以便确定受尾流影响的集群功率输出。
技术方案8. 如技术方案7所述的方法,其中,所述风电场布局的所述分析包括经由编程在所述控制器中的尾流模拟模型对于所述多个风矢量生成用于所述多个风力涡轮中的每个风力涡轮的多个预测风流轮廓,并且其中确定用于所述顺风涡轮的所述受尾流影响的涡轮功率输出包括:
至少部分地基于所述多个预测风流轮廓,经由所述尾流模拟模型生成用于所述顺风涡轮的预测的受尾流影响涡轮功率输出。
技术方案9. 如技术方案7所述的方法,其中,确定用于风力涡轮的所述子集的所述缓解设置点组合进一步包括:
经由所述控制器至少部分地基于用于顺风涡轮的受尾流影响的涡轮功率输出与所述风矢量之间的所述相关性、所述顺风涡轮的操作参数以及至少所述逆风涡轮的操作状态来生成集群功率模型;
经由所述控制器、经由所述操作数据集和所述环境数据集来训练所述集群功率模型;
基于所述集群功率模型经由所述控制器针对对应于所述尾流扇区的所述多个环境条件来确定用于风力涡轮的所述子集的多个潜在缓解设置点组合,所述多个潜在缓解设置点组合中的每个对应潜在缓解的集群功率输出;以及
经由所述集群功率模型来选择对应于所述潜在缓解的集群功率输出的所述多个潜在缓解设置点组合之一,所述潜在缓解的集群功率输出相对于所述自由流最大集群功率输出具有小于用于每个剩余的潜在缓解的集群功率输出的差的幅度的差的幅度。
技术方案10. 如技术方案7所述的方法,其中,确定用于风力涡轮的所述子集的所述缓解设置点组合进一步包括:
经由所述控制器确定由针对对应于所述尾流扇区的所述特定风矢量的风力涡轮的所述子集中的每个风力涡轮的操作数据集指示的多个历史设置点组合,其中所述多个历史设置点组合对应多个历史时间间隔,并且其中所述多个历史设置点组合指示针对所述特定风矢量的风力涡轮的所述子集中的每个风力涡轮的设置点组合中的多个变化;
经由所述控制器在所述多个历史时间间隔中的每个历史时间间隔处确定所述受尾流影响的集群功率输出;
经由所述控制器将在所述多个历史时间间隔中的每个历史时间间隔处的所述受尾流影响的集群功率输出与所述多个历史设置点组合中的每个历史设置点组合相关联;
经由所述控制器确定所述多个历史设置点组合中的历史设置点组合,所述多个历史设置点组合对应所述受尾流影响的集群功率输出,所述多个历史设置点组合与所述自由流最大群集功率输出具有小于在所述多个剩余历史时间间隔中的每个剩余受尾流影响的集群功率输出的差的幅度的差的幅度;以及
经由所述控制器至少部分地基于所确定的历史设置点组合来确定所述缓解设置点组合。
技术方案11. 如技术方案4所述的方法,其中,确定所述自由流最大集群功率输出与所述受尾流影响的集群功率输出之间的差进一步包括:
经由提供所述控制器实现的第一模型确定用于风力涡轮的所述子集中的每个风力涡轮的建模性能参数,每个建模性能参数至少部分地基于所述多个风力涡轮的多个风力涡轮的指定分组中的指定分组的操作,其中所述多个指定分组的每个指定分组对应风力涡轮的所述子集中的一个风力涡轮并且不包括风力涡轮的所述子集;
经由所述控制器将用于每个风力涡轮的所述建模性能参数与多个风矢量相关联;
经由所述控制器确定用于风力涡轮的所述子集中的每个风力涡轮的至少一个自由流扇区,其中用于风力涡轮的所述子集中的每个风力涡轮的监测的性能参数与所述建模性能参数的偏差小于偏差阈值,其中小于所述偏差阈值的与所述建模性能参数的偏差指示对应于用于所述涡轮集群的每个风力涡轮的所述自由流最大涡轮功率输出的涡轮功率输出,并且其中所述自由流扇区对应其中影响每个风力涡轮的所述风至少不受中间风力涡轮阻碍的弧;
经由所述控制器确定用于所述顺风涡轮的至少一个尾流扇区,所述至少一个尾流扇区对应其中影响所述顺风涡轮的所述风受到所述逆风涡轮的影响,使得所述顺风涡轮的所监测的性能参数与所述建模性能参数具有超过所述偏差阈值的偏差,其中大于所述偏差阈值的与所述建模性能参数的偏差指示对应于用于所述顺风涡轮的受尾流影响的涡轮功率输出的涡轮功率输出;
经由所述控制器通过组合所述涡轮集群的每个风力涡轮的自由流最大涡轮功率输出来确定所述自由流最大集群功率输出;以及
经由所述控制器将用于所述逆风涡轮的自由流最大涡轮功率输出至少与所述顺风涡轮的受尾流影响的涡轮功率输出进行组合,以便确定所述受尾流影响的集群功率输出。
技术方案12. 如技术方案11所述的方法,其中,经由所述第一模型确定所述建模性能参数进一步包括:
经由所述控制器生成用于所述风电场的所述多个风力涡轮中的每个相对于风力涡轮的所述子集中的每个风力涡轮的相关性得分;
至少部分地基于用于所述多个风力涡轮中的每个的所述相关性得分来形成所述多个指定分组的风力涡轮;
组装第一训练数据集,所述第一训练数据集包括至少对应于在多个采样间隔并且跨多个实验设计(DOE)状态监测的所述多个指定分组的风力涡轮的多个操作和环境变量,其中多个设置点组合被切换;
经由所述控制器生成第一回归模型,所述第一回归模型被配置成基于对应于所述多个指定分组的风力涡轮的所述操作变量和环境变量来预测风力涡轮的所述子集中的每个风力涡轮的所述建模性能参数;以及
经由所述控制器,基于所述第一训练数据集来训练第一回归模型。
技术方案13. 如技术方案11所述的方法,其中,确定用于风力涡轮的所述子集的所述缓解设置点组合进一步包括:
经由所述控制器实现第二模型,以便至少部分地基于针对所述风矢量的风力涡轮的所述子集中的每个风力涡轮的所建模的性能参数来在多个潜在缓解设置点组合中的每个潜在缓解设置点组合下确定用于风力涡轮的所述子集中的每个风力涡轮的潜在缓解的涡轮功率输出;
经由所述控制器至少部分地基于每个风力涡轮的对应的潜在缓解的涡轮功率输出来确定用于所述多个潜在缓解设置点组合中的每个潜在缓解设置点组合的潜在缓解的集群功率输出;以及
经由所述控制器从所述多个设置点组合中选择所述缓解的设置点组合,所述多个设置点组合对应相对于所述自由流最大集群功率输出具有小于用于每个剩余的潜在缓解的群集功率输出的差的所述幅度的差的幅度。
技术方案14. 如技术方案13所述的方法,其中,实现所述第二模型进一步包括:
组装第二训练数据集,所述第二训练数据集包括多个操作变量和环境变量,所述操作变量和环境变量至少对应于所述多个指定分组的风力涡轮以及风力涡轮的所述子集中的每个相应风力涡轮,其是以多个采样间隔并且跨多个实验设计(DOE)状态来监测的,其中多个设置点组合被切换;
经由所述控制器生成第二回归模型,所述第二回归模型被配置成基于所述操作变量和环境变量以及所述建模的性能参数来确定风力涡轮的所述子集中的每个风力涡轮的缓解的涡轮功率输出;以及
经由所述控制器,基于所述第二训练数据集和所述建模的性能参数针对风力涡轮的所述子集中的每个风力涡轮训练第二回归模型。
技术方案15. 如技术方案14所述的方法,进一步包括:
经由所述控制器接收指示基于所述缓解的设置点组合生成的实际缓解的集群功率输出的数据;
经由所述控制器确定所述实际缓解的集群功率输出与对应于所述缓解设置点组合的所述潜在缓解的集群功率输出之间的偏差程度;以及
基于所述偏差程度训练所述第一或第二模型中的至少一个。
技术方案16. 如技术方案1所述的方法,其中,确定影响所述风电场的所述风的所述风向进一步包括:
基于具有已知收集时刻的所述风电场的俯视图像来确定所述多个风力涡轮中的每个风力涡轮的偏航角;以及
经由所述控制器聚合用于所述多个风力涡轮中的每个风力涡轮的偏航角以生成用于所述风电场的一致偏航角,所述一致偏航角对应在收集时刻影响所述风电场的所述风的所述风向。
技术方案17. 如技术方案1所述的方法,其中,确定影响所述风力涡轮的所述风的所述风向进一步包括:
经由所述控制器接收来自所述风电场的所述多个风力涡轮的至少一部分的偏航设置点的指示;以及
经由所述控制器基于所接收的指示来确定中值偏航设置点,所述中值偏航设置点指示风向。
技术方案18. 一种用于操作具有多个风力涡轮的风电场的方法,所述方法包括:
确定影响所述风电场的风的风矢量;
针对所述风矢量识别受从逆风涡轮发出的尾流影响的至少一个顺风涡轮;
经由通过控制器实现的第一模型来确定所述顺风涡轮的建模功率输出,所述建模功率输出至少部分地基于所述多个风力涡轮中的风力涡轮的指定分组的操作,其中所述指定分组不包括所述顺风涡轮,其中所述指定分组包括当所述风具有第一风矢量时所述多个风力涡轮的第一部分以及当所述风具有第二风矢量时所述多个风力涡轮的第二部分,其中所述第一和第二部分包括所述多个风力涡轮中的至少一个不同的风力涡轮;
当影响所述风电场的所述风具有所述风矢量时,经由所述控制器在多个采样间隔处确定用于所述顺风涡轮的功率输出差,所述性能参数差指示所述顺风涡轮的所述建模功率输出与所监测功率输出之间的差;
经由所述控制器实现第二模型,以便至少部分地基于所述顺风涡轮的功率输出差来在多个设置点组合中的每个下确定所述顺风涡轮的预测功率输出;
经由所述控制器基于所述预测功率输出来选择所述多个设置点组合中的一个设置点组合,其中所述设置点组合是缓解设置点组合;以及
基于所述缓解设置点组合来改变所述顺风涡轮的操作状态。
技术方案19. 如技术方案18所述的方法,其中,确定所述建模的功率输出进一步包括:
经由所述控制器生成所述多个风力涡轮中的每个相对于所述顺风涡轮的相关性得分;
至少部分地基于所述多个风力涡轮中的每个的所述相关性得分和所述指定分组的所述风矢量或平均功率来形成所述指定分组的风力涡轮;
组装第一训练数据集,所述第一训练数据集包括至少对应于在所述多个采样间隔并且跨多个实验设计(DOE)状态监测的所述指定分组的风力涡轮的多个操作和环境变量,其中所述多个设置点组合被切换;
经由所述控制器生成第一回归模型,所述第一回归模型被配置成基于对应于所述指定分组的风力涡轮的所述操作变量和环境变量来预测所述顺风涡轮的所述建模的功率输出;以及
经由所述控制器,基于所述第一训练数据集来训练第一回归模型。
技术方案20. 如技术方案19所述的方法,其中,实现所述第二模型进一步包括:
组装第二训练数据集,所述第二训练数据集包括多个操作变量和环境变量以及所述顺风涡轮的功率输出差,所述多个操作变量和环境变量至少对应于在所述多个采样间隔和DOE状态下监测的所述指定分组的风力涡轮和所述顺风涡轮;
经由所述控制器生成第二回归模型,所述第二回归模型被配置成基于所述操作变量和环境变量、所述功率输出差和所述风矢量来确定所述顺风涡轮的预测功率输出;以及
经由所述控制器,基于所述第二训练数据集来训练第二回归模型。
参考以下描述和所附权利要求,本发明的这些和其他特征、方面和优点将进一步被支持和描述。并入本说明书并且构成本说明书的一部分的附图图示本发明的实施例,并且与该描述一起用于解释本发明的原理。
附图说明
在参照附图的说明书中阐述了本发明(包括其最佳模式)的针对本领域普通技术人员的完整且能够实现的公开,其中:
图1图示根据本公开的风力涡轮的一个实施例的透视图;
图2图示根据本公开的风力涡轮的机舱的一个实施例的透视内视图;
图3图示根据本公开的具有多个风力涡轮的风电场的一个实施例的示意图;
图4图示根据本公开的当风具有第一风向时图3的风电场的一部分的俯视图;
图5图示根据本公开的当风具有第二风向时图3的风电场的一部分的俯视图;
图6图示根据本公开的图3的风电场的一部分的建模俯视图,其描绘当风具有第一风向时从风力涡轮发出的建模尾流;
图7图示根据不同风向具有自由流和尾流扇区的顺风涡轮的俯视图;
图8图示根据本公开的控制器的一个实施例的示意图;
图9图示根据本公开的用于操作风电场的系统的控制逻辑的一个实施例的示意图;
图10图示根据本公开的图9的控制逻辑的一部分的示意图;
图11图示根据本公开的图9的控制逻辑的一部分的示意图;
图12图示根据本公开的图9的控制逻辑的一部分的示意图;以及
图13图示根据本公开的用于操作风电场的方法的流程图。
本说明书和附图中的参考字符的重复使用旨在表示本发明的相同或类似的特征或元件。
具体实施方式
现在将详细参考本发明的实施例,在附图中示出了其一个或多个示例。每个示例通过解释本发明的方式来提供,而不是通过限制本发明的方式来提供。实际上,对于本领域技术人员将明白的是,在不脱离本发明的范围或精神的情况下,可以在本发明中作出各种修改和变型。例如,作为一个实施例的一部分说明或描述的特征可以与另一个实施例一起使用以产生又一个实施例。因此,旨在的是,本发明覆盖如落入所附权利要求及它们的等同体的范围内的这类修改和变型。
术语“耦合”、“固定”、“附接到”等指直接耦合、固定或附接以及通过一个或多个中间组件或特征的间接耦合、固定或附接两者,除非本文中另有指示。
如本文中贯穿说明书和权利要求书所使用的,近似语言被应用于修饰可容许地变化的任何定量表示,而不导致与其相关的基本功能中的改变。相应地,由一个或多个术语(诸如“大约”、“近似”和“基本上”)修饰的值不要被限制于所指定的精确值。在至少一些实例中,近似语言可对应用于测量该值的仪器的精度,或者用于构造或制造组件和/或系统的方法或机器的精度。例如,近似语言可指在百分之10的余量内。
在此以及贯穿说明书和权利要求书,范围限制被组合和互换,这样的范围被识别并且包括在其中所包含的所有子范围,除非上下文或语言另有指示。例如,本文中公开的所有范围包括端点,并且端点彼此独立地可组合。
通常,本公开涉及用于控制风电场的系统和方法。特别地,当至少一个风力涡轮受到从另一个涡轮发出的尾流的影响时,该系统和方法可以促进风电场的输出的优化。换言之,该系统和方法可以针对当风具有给定的风矢量(例如,风速和风向)时,当撞击顺风涡轮的风由于逆风涡轮产生的尾流而不同于自由流风时,风电场的功率输出的优化。因此,本公开可以包括有助于优化由于顺风和/或逆风风力涡轮的操作设置点(例如俯仰、叶尖速度比(TSR)、发电机扭矩,和/或偏航设置点)的系统和方法,以便在至少一个风力涡轮经受尾流效应时使针对给定风矢量的风电场的功率输出最大化。
为了优化特别的(例如,最大化)风电场的功率输出,本文公开的系统和方法可以至少确定影响风电场的风的风向。基于风向,可以识别涡轮集群。涡轮集群可以包括至少一个逆风涡轮和一个顺风涡轮,但是涡轮集群可以包括另外的顺风涡轮(例如,三个或更多个涡轮)。涡轮集群的特定涡轮可以根据风向而变化。例如,在第一风向上,顺风涡轮可能受到从第一逆风涡轮发出的尾流的影响,但是在第二方向上,顺风涡轮受到第二逆风涡轮的影响,而第一逆风涡轮不影响顺风涡轮。
当针对特定风向识别涡轮集群时,用于整个涡轮集群的功率输出的优化可以先于涡轮集群的任何特定风力涡轮的功率输出的优化。因此,风电场的功率输出可被优化/最大化,即使一个或多个风力涡轮可在小于用于撞击涡轮的给定风的最大功率产生设置下操作。例如,当逆风涡轮对于给定的自由流风矢量以最大功率设置点操作时,撞击顺风涡轮的合成尾流可能是显著的。这可能导致顺风涡轮的功率输出的显著降低。然而,当逆风涡轮以考虑尾流对顺风涡轮的影响的方式操作时,逆风涡轮的功率输出可稍微降低,但顺风涡轮的功率输出可显著增加。照此,逆风和顺风涡轮(例如,涡轮集群)的组合功率输出可以大于在针对每个风力涡轮处的风条件单独地优化每个风力涡轮时将会实现的功率输出。
为了基于涡轮集群的功率输出来优化/最大化风电场的功率输出,可以确定自由流最大集群功率输出。自由流最大集群功率输出可以对应涡轮集群的每个风力涡轮的组合自由流最大涡轮功率输出。自由流最大涡轮功率输出可以是当风不被逆风涡轮、地形特征和/或其他障碍物阻挡时对于给定风矢量的最大涡轮功率输出。换言之,自由流最大集群功率输出可以是当无风力涡轮被逆风涡轮尾流时每个风力涡轮的标称功率输出的组合。
尾流对顺风涡轮的影响可以反映在涡轮集群的总功率输出中。因此,也可以确定涡轮集群的受尾流影响的集群功率输出。受尾流影响的集群功率输出可以至少包括逆风涡轮的自由流最大涡轮功率输出和顺风涡轮的受尾流影响的涡轮功率输出。当涡轮集群的每个风力涡轮针对相应风力涡轮处的风条件被单独优化时,顺风涡轮的受尾流影响功率输出可以对应顺风涡轮的功率输出。换言之,当针对自由流风矢量优化逆风涡轮时,受尾流影响的集群功率输出可以反映逆风涡轮的功率输出,而当针对受尾流影响的条件优化顺风涡轮时,受尾流影响的集群功率输出可以反映顺风涡轮的功率输出。
为了优化涡轮集群的功率输出,可以确定用于涡轮集群的风力涡轮的缓解设置点组合缓解设置点组合可以是建立缓解的集群功率输出的设置点的组合。缓解的集群功率输出可以小于自由流最大集群功率输出,但是大于受尾流影响的集群功率输出。
该缓解设置点组合可以将该涡轮集群的至少一个风力涡轮配置成产生比针对风力涡轮处的给定风条件原本将可实现的最大功率输出小的最大功率输出,以便优化/最大化该涡轮集群的总体功率输出。因此,该缓解设置点组合可以包括建立该涡轮集群的每个风力涡轮的操作状态的设置点。例如,缓解设置点组合可以包括针对逆风涡轮的偏航偏移,使得所得到的尾流被引导为至少部分地远离顺风涡轮。作为另外的示例,逆风涡轮可以在断电模式下操作,以便减小逆风涡轮下游的尾流的长度,使得尾流在接触顺风涡轮之前消散和/或减弱。通过另外的示例,在三涡轮集群,第二涡轮可以是一个涡轮的顺风和另一个涡轮的逆风。因此,第二涡轮可以被断电,使得第一和第三涡轮可以在最大功率设置点下操作,由此增加以上涡轮集群的总功率输出以及如果所有三个涡轮被配置为在最大功率设置点下操作时将可实现的输出。应当领会,给出上述示例是为了帮助理解本公开,而不是作为潜在缓解设置点组合的限制性示例。
特别地,为了优化(例如,最大化)风电场的功率输出,本文公开的系统和方法还可以针对给定风矢量识别受从逆风涡轮发出的尾流影响的至少一个顺风涡轮。然后,控制器可经由第一模型确定用于顺风涡轮的模拟功率输出。建模的功率输出可以基于关键参考涡轮(例如,指定的分组)的操作,对于该关键参考涡轮,在关键参考涡轮性能和感兴趣的涡轮(例如,顺风涡轮)的性能之间存在最佳相关性。该相关性可以有助于通过第一模型基于关键参考涡轮的性能来预测感兴趣的涡轮的性能。可以将该预测性能与感兴趣的涡轮的监测性能进行比较,以确定基于参考涡轮的性能预测的性能与监测性能之间的差。感兴趣的涡轮相对于参考涡轮以可预测的方式执行的能力然后可以用于第二模型的生成、训练和/或使用。特别地,该第二模型可以被用于在多个潜在的设置点组合下确定所感兴趣的涡轮的预测性能参数。该建模的结果然后可以被用于针对给定的影响风电场的环境条件来选择和实现风力涡轮的最佳设置点。
应当领会,利用关键参考涡轮的性能来预测感兴趣的涡轮的功率生产可以排除在感兴趣的涡轮处监测的某些参数的要求。换言之,由于可以基于参考涡轮的性能来预测感兴趣的涡轮的性能,因此可能不必监测影响感兴趣的涡轮的某些条件。这又可以降低传感器需求,并因此降低风电场的成本。例如,利用参考涡轮的性能代替直接监测的环境条件可以消除对气象桅杆、激光雷达或设置在风电场内的其它传感器系统的要求。
还应当领会,与性能参数的直接测量相反,利用性能差可以减少控制系统必须考虑的变量的数量。例如,基于感兴趣的涡轮的功率输出的计算可能受到风矢量波动的影响。因此,这可能需要监测风矢量,并且使得更难以确定功率变化是否可以指示次优俯仰和TSR设置点。
现在参考附图,图1图示根据本公开的风力涡轮100的一个实施例的透视图。如所示出,风力涡轮100通常可以包括从支承表面104延伸的塔架102、安装在塔架102上的机舱106以及耦合到机舱106的转子108。转子108可包括可旋转毂110和耦合到毂110并从毂110向外延伸的至少一个转子叶片112。例如,在所图示实施例中,转子108包括三个转子叶片112。然而,在备选实施例中,转子108可以包括多于或少于三个转子叶片112。每个转子叶片112可以围绕毂110间隔开以促进使转子108旋转,以便使得动能能够从风转变为可用的机械能,并且随后转变为电能。例如,毂110可以可旋转地耦合到定位在机舱106内的发电机118(图2)以允许产生电能。
风力涡轮100还可以包括被配置为集中在机舱106内的涡轮控制器的控制器200。然而,在其他实施例中,控制器200可以位于风力涡轮100的任何其他组件内或位于风力涡轮或风电场152(图3)外部的位置处。例如,在实施例中,控制器200可以是被配置成执行风力涡轮100的性能的离线分析的计算系统。此外,控制器200可以通信地耦合到风力涡轮100的任何数量的组件,以便控制所述组件。因此,控制器200可以包括计算机或其它合适的处理单元。因此,在若干实施例中,控制器200可以包括适当的计算机可读指令,其在被实现时将控制器200配置成执行各种不同的功能,例如建模、预测、接收、传送和/或执行风力涡轮控制信号(例如,设置点)和/或参数。
现在参照图2,示出图1中所示的风力涡轮100的机舱106的一个实施例的简化内部视图。如所示,发电机118可耦合到转子108,以用于从由转子108产生的旋转能量产生电功率。例如,如所示实施例中所示,转子108可包括耦合到毂110以与其一起旋转的转子轴122。转子轴122可以由主轴承可旋转地支撑。转子轴122又可以通过连接到底座支撑框架136的齿轮箱126可旋转地耦合到发电机118的高速轴124。如通常理解的,转子轴122可以响应于转子叶片112和轮毂110的旋转向齿轮箱126提供低速、高扭矩输入。变速箱126然后可以被配置成将低速、高扭矩输入转换成高速,低扭矩输出以驱动高速轴124并且因此驱动发电机118。
每个转子叶片112还可包括配置成使每个转子叶片112围绕其俯仰轴线116旋转的俯仰控制机构120。俯仰控制机构120可以包括俯仰控制器150,其被配置为从控制器200接收至少一个俯仰设置点命令。此外,每个俯仰控制机构120可包括俯仰驱动马达128、俯仰驱动齿轮箱130和俯仰驱动小齿轮(pinion)132。在这样的实施例中,俯仰驱动马达128可以耦合到俯仰驱动齿轮箱130,使得俯仰驱动马达128向俯仰驱动齿轮箱130给予机械力。类似地,俯仰驱动齿轮箱130可以耦合到俯仰驱动小齿轮132以用于与其一起旋转。俯仰驱动小齿轮132又可以与耦合在毂110与对应的转子叶片112之间的俯仰轴承134旋转接合,使得俯仰驱动小齿轮132的旋转引起俯仰轴承134的旋转。因此,在这样的实施例中,俯仰驱动马达128的旋转驱动俯仰驱动齿轮箱130和俯仰驱动小齿轮132,由此使俯仰轴承134和(一个或多个)转子叶片112围绕俯仰轴线116旋转。
类似地,风力涡轮100可以包括通信地耦合到控制器200的一个或多个偏航驱动机构138,每个偏航驱动机构138被配置成改变机舱106相对于风的角度(例如,通过接合风力涡轮100的偏航轴承140)。应当领会,控制器200可以引导机舱106的偏航和/或转子叶片112的俯仰,以便相对于作用在风力涡轮100上的风(W)在空气动力学上定向风力涡轮100,从而便于功率生产。
现在参见图3、图4和图5,示出根据本公开的风电场152的示意图和俯视图。如所示,风电场152可以包括本文描述的多个风力涡轮100和被配置为风电场控制器的控制器200。例如,如图3中所示的实施例所示,风电场152可以包括22个风力涡轮100。然而,在其他实施例中,风电场152可以包括任何其他数量的风力涡轮100,例如少于十二个风力涡轮100或多于十二个风力涡轮100。在一个实施例中,(一个或多个)控制器200可以经由有线连接通信地耦合,诸如通过适当的通信链路154(例如,适当的电缆)连接控制器。备选地,(一个或多个)控制器可以通过无线连接通信地耦合,例如通过使用本领域已知的任何合适的无线通信协议。
在若干实施例中,风电场152可以包括多个环境传感器156,其用于监测影响风电场152的风(W)的风廓线,从而监测风力涡轮100的风廓线。环境传感器156可以被配置用于收集指示至少一个环境条件的数据。环境传感器156可以可操作地耦合到控制器200。因此,在实施例中,(一个或多个)环境传感器156例如可以是风向标、风速计、激光雷达传感器、温度计、气压计或其它合适的传感器。由(一个或多个)环境传感器156收集的数据可以包括风矢量(例如,风向和速度)、风切变、阵风、风向标、大气压力、压力梯度和/或温度的测量。在至少一个实施例中,(一个或多个)环境传感器156可以在转子108的顺风位置处安装到机舱106。应当领会,(一个或多个)环境传感器156可以包括传感器网络并且可以远离涡轮100定位。应当领会,环境条件可以跨风电场152显著变化。因此,(一个或多个)环境传感器156可以允许每个风力涡轮100处的局部环境条件由相应的涡轮控制器单独地监测并且由风电场控制器共同地监测。然而,应当理解,本文公开的系统和方法的使用可以排除环境传感器156监测某些环境条件(例如风速)以便确定风力涡轮100的性能参数的要求。
在实施例中,(一个或多个)风力涡轮100可以包括至少一个操作传感器158,其被配置为监测风力涡轮100的操作。照此,(一个或多个)操作传感器158可以被配置成监测与(一个或多个)风力涡轮100的至少一个组件的性能和/或健康相关联的多个参数。例如,(一个或多个)操作传感器158可以监测与振动,可听信号,视觉指示,角位置,旋转速度,弯矩,功率消耗,功率产生,温度和/或其他合适参数相关联的参数。(一个或多个)操作传感器158例如可以是可操作地连接到控制器200的旋转速度传感器。例如,(一个或多个)操作传感器158可以指向诸如风力涡轮114的(一个或多个)风力涡轮100的转子轴122。(一个或多个)操作传感器158可以收集表示转子轴122的旋转速度和/或旋转位置的数据,从而以转子速度和/或转子方位角的形式收集表示转子108的旋转速度和/或旋转位置的数据。在实施例中,(一个或多个)操作传感器158可以是模拟转速计、直流(DC)转速计、交流(AC)转速计、数字转速计、接触式转速计、非接触式转速计或时间和频率转速计。
(一个或多个)操作传感器158例如可配置成收集表示(一个或多个)风力涡轮100的组件对环境条件或其它负载的响应的数据。例如,(一个或多个)操作传感器158可配置成监测(一个或多个)风力涡轮100的输出的电参数。因此,(一个或多个)操作传感器158可以是电流传感器、电压传感器、温度传感器、功率传感器和/或监测风力涡轮100的电输出的频率计。
还应当领会,如本文所使用的,术语“监测器”及其变型表示(一个或多个)风力涡轮100的各种传感器可以被配置成提供被监测的参数的直接测量或这些参数的间接测量。因此,本文描述的传感器可以例如用于产生与被监测的参数相关的信号,该信号然后可以被控制器200用于确定(一个或多个)风力涡机100的状况或响应。
现在参考图4-12,其中呈现根据本公开的用于控制风电场152的系统300的多个实施例的各个方面。特别如图8中所示,示出可以包括在控制器200内的合适组件的一个实施例的示意图。例如,如所示,控制器200包括(一个或多个)处理器206和(一个或多个)相关联的存储器装置208,其被配置成执行多种计算机实施的功能(例如,如本文中公开的那样执行方法、步骤、计算等以及存储有关数据)。另外,控制器200还可以包括通信模块210,其用来促进控制器200和风力涡轮100的各种组件之间的通信。此外,通信模块210可以包括传感器接口212(例如,一个或多个模数转换器),其用来允许从诸如(一个或多个)环境传感器156和/或操作传感器158之类的一个或多个传感器传送的信号被转换为可以由处理器206理解和处理的信号。应当领会,传感器可以使用任何合适的部件通信地耦合到通信模块210。。例如,如图8所示,传感器可以经由有线连接耦合到传感器接口212。然而,在其他实施例中,传感器可以经由无线连接耦合到传感器接口212,诸如通过使用本领域已知的任何合适的无线通信协议。此外,通信模块210还可以可操作地耦合到操作状态控制模块214,该操作状态控制模块214被配置为改变风电场152的风力涡轮100的至少一个风力涡轮操作状态。应当领会,在实施例中,控制器200可以通信地耦合到附加控制器200,诸如被配置为对风电场152的风力涡轮100的环境和操作参数执行离线分析的控制器200。
如本文中所使用的,术语“处理器”不仅指本领域中被称为被包括在计算机中的集成电路,而且还指控制器、微控制器、微计算机、可编程逻辑控制器(PLC)、专用集成电路和其他可编程电路。另外,(一个或多个)存储器装置208通常可包括(一个或多个)存储器元件,该存储器元件包括但不限于计算机可读介质(例如,随机存取存储器(RAM))、计算机可读非易失性介质(例如,闪速存储器)、软盘、致密盘只读存储器(CD-ROM)、磁光盘(MOD)、数字多功能盘(DVD)和/或其他合适的存储器元件。这样的(一个或多个)存储器装置208通常可被配置成存储合适的计算机可读指令,该计算机可读指令当由(一个或多个)处理器206实现时将控制器202配置成执行各种功能,所述各种功能包括但不限于如本文所述的那样控制风电场152的多个风力涡轮100中的风力涡轮100,以及各种其他适当的计算机实现的功能。
在实施例中,如图9的302处所描绘,系统300的控制器200可以确定影响风电场152或其一部分的风(W)的风向。当风(W)具有确定的风向时,控制器200可以识别涡轮集群304。当风(W)具有确定的风向时,涡轮集群304可以包括风电场152的多个风力涡轮100的子集306。风力涡轮100的子集306可以至少包括逆风涡轮308和顺风涡轮310。顺风涡轮310可能受到从逆风涡轮308发出的尾流312的影响。应当领会,如图5所示,由涡轮集群304的一个顺风涡轮310产生的尾流312可影响附加的顺风涡轮310。应当领会,在某些实施例中,可以为风电场152识别多于一个的涡轮集群304,并且可以为每个识别的风力涡轮集群304实现本文描述的每个方法、步骤和/或过程。
在识别涡轮集群304之后,在实施例中,控制器200可以经由过程400确定涡轮集群304的自由流最大集群功率输出402与受尾流影响的集群功率输出404之间的差314。差314可以至少部分地基于影响风电场152的给定风速。在实施例中,给定风速可以由控制器200接收的环境数据集316反映。
在实施例中,如由过程500所描绘,控制器200可以确定用于风力涡轮100的子集306的缓解设置点组合502。缓解设置点组合502可以被配置成建立涡轮集群304的缓解集群功率输出318。缓解的集群功率输出318可以指示当基于缓解设置点组合502操作时风力涡轮100的子集306中的每个风力涡轮100的组合功率输出。缓解的群集功率输出318可以与自由流最大集群功率输出402具有小于涡轮集群304的自由流最大群集功率输出402与受尾流影响的集群功率输出404之间的差的差。换言之,缓解的集群功率输出318可以反映涡轮集群304的总功率输出,该总功率输出具有大于受尾流影响的集群功率输出404并且小于自由流最大群集功率输出402的幅度。应当领会,可以优先于风力涡轮100的子集306中的任何一个风力涡轮100的功率输出的最大化来开发缓解的集群功率输出318,以便优化/最大化风电场152的功率输出。
在确定缓解设置点组合502之后,可以根据缓解设置点组合502改变至少一个风力涡轮100(例如,逆风涡轮308和/或顺风涡轮310)的操作状态320。应当领会,缓解设置点组合502可以包括涡轮集群304的风力涡轮100的缓解设置点和标称设置点的组合。受缓解设置点组合502影响的至少一个风力涡轮100的操作状态320可以包括至少一个风力涡轮100的俯仰、叶尖速度比(TSR)、偏航、发电机扭矩、转换器控制和/或其组合。还应该理解的是,缓解设置点组合502可以偏离风力涡轮的标称最大设置点,使得可以减小风力涡轮100的最大功率生产,以便使缓解的集群功率输出318(例如,风力涡轮100的子集306中的每个的组合功率输出)最大化。
特别如图4所描绘,在实施例中,当风(W)具有第一风矢量324时,涡轮集群304可以具有风力涡轮100的第一子集322。第一子集322可以包括第一逆风涡轮326。照此,当风(W)具有第一风矢量324时,撞击第一逆风涡轮326的风(W)可以不受任何中间风力涡轮100和/或其他障碍物的影响。
在实施例中,当风(W)具有不同于第一风矢量324的速度时,控制器200可以重新形成涡轮集群304。涡轮集群304的重新形成可以包括识别风力涡轮100相对于第一子集322至少部分不同的分组。因此,在如图5所示的实施例中,当风(W)具有第二风矢量330时,涡轮集群304可以具有风力涡轮100的第二子集328。第二子集328可包括第二逆风涡轮332。因此,当风(W)具有第二风矢量330时,撞击第二逆风涡轮332的风(W)可以不受任何中间风力涡轮100和/或其他障碍物的影响。如图4和图5中所示,第一逆风涡轮326和第二逆风涡轮332可以对应风电场152的多个风力涡轮100中的不同风力涡轮100。应当领会,第一和第二风矢量324,330之间的差可以反映不同的风向、不同的风速和/或其组合。还应当领会,涡轮集群的重新形成可以反映基于风速变化的所得到的尾流效应中的不同影响。
虽然第一逆风涡轮326和第二逆风涡轮332可以根据风速的偏差而不同,但是在实施例中,至少一个顺风涡轮310可以在第一子集322和第二子集328中保持相同。照此,影响单个顺风涡轮310的尾流312可以取决于影响风电场152的风矢量而从不同的逆风涡轮308发出。然而,在另外的实施例中,第一和第二子集322,328可以包括不同的顺风涡轮310。例如,如图5和图6之间所示,当风(W)具有第一风矢量324时,涡轮集群304可以位于风电场152的第一部分中,而当风(W)具有第二风矢量330时,涡轮集群304可以位于风电场152的第二部分中。
仍然特别参见图4和图5,在实施例中,涡轮集群304可以是用于针对所确定的风向的风电场152的多个涡轮集群334中的一个。例如,在实施例中,控制器200可以为每个风力涡轮100识别受从逆风涡轮308发出的尾流312影响的不同涡轮集群304。例如,在实施例中,风电场152的多个风力涡轮100可以针对给定的风向被分成多个涡轮集群334和多个独立的涡轮336。独立涡轮336可以是风电场152的风力涡轮100,其性能既不受逆风涡轮308的影响也不受顺风涡轮310的影响。在这样的实施例中,对于给定的风矢量,风电场152的控制可以基于多个涡轮集群334和独立涡轮336的性能的组合。
为了确定自由流最大集群功率输出402与受尾流影响的集群功率输出404之间的差,在实施例中,系统300的控制器200可以针对影响风电场的给定风速确定涡轮集群304的每个风力涡轮100的自由流最大涡轮功率输出406。对于给定的风速,每个风力涡轮100的自由流最大涡轮功率输出406可以对应每个风力涡轮100的最大功率设置点组合。因此,对于给定的环境和/或电力网条件,自由流最大涡轮功率输出406可以对应风力涡轮100的标称功率输出。换言之,如果影响风电场152的风(W)影响风力涡轮100而不被逆风涡轮308和/或其他障碍物阻碍,则自由流最大涡轮功率输出406可以是由风力涡轮100可产生的最大功率(基于设计和/或操作限制)。自由流最大涡轮功率输出406可以表示顺风涡轮310在不受尾流312影响时的功率输出。
如408处所描绘,在实施例中,控制器200可以组合涡轮集群304的每个风力涡轮100的自由流最大涡轮功率输出406。每个风力涡轮的自由流最大涡轮功率输出406的组合可以产生自由流最大集群功率输出402。换言之,如果每个风力涡轮100处的风(W)不受阻碍,则自由流最大集群功率输出402可以对应整个涡轮集群304的最大标称功率输出。因此,自由流最大涡轮功率输出406的组合功率输出406的组合可以产生由涡轮集群304可产生的最大功率(基于设计和/或操作限制),而与风向无关。
特别如图10中所描绘,为了确定涡轮集群304的每个风力涡轮100的自由流最大涡轮功率输出406,在实施例中,控制器200可以接收操作数据集410。操作数据集410可以指示风力涡轮100的子集306的多个历史操作参数。多个历史操作参数可以至少指示每个风力涡轮100响应于当时盛行的环境条件的历史功率输出和偏航取向。因此,操作数据集410可以包括风力涡轮100的子集306在多个采样间隔处的至少一个俯仰角设置点、叶尖速度比和偏航位置的历史指示。
除了操作数据集410之外,在实施例中,控制器200还可以接收环境数据集316。环境数据集316通常可以指示影响风力涡轮100的子集306和/或风电场152的多个环境条件。环境数据集316可以包括对应多个采样间隔处的多个历史操作参数的历史环境数据。另外,环境数据集可包括对应于影响风电场152的当前环境条件的环境数据。
在实施例中,系统300还可以接收地形轮廓数据412和/或风电场布局414。地形轮廓数据412可以描述风电场152的地形。风电场布局414可以指示风电场152的多个风力涡轮100相对于风电场152的地形的定位,如由过程轮廓数据412所指示的。因此,在实施例中,可以通过分析风电场布局414和地形轮廓412来确定至少一个自由流扇区416。如图7中所描绘,自由流扇区416可以对应于水平面中的弧(例如,偏航弧417),在该弧中,影响每个风力涡轮100的具有特定风矢量的风(W)至少不受中间风力涡轮100(例如,逆风涡轮308)的阻碍。
在实施例中,在识别自由流扇区416之后,控制器200可以确定风力涡轮100的子集306中的每个风力涡轮100的自由流最大涡轮功率输出406。自由流最大涡轮功率输出406的确定可以至少部分地基于自由流扇区416内的风速的操作数据集410和环境数据集316。例如,控制器200可以将每个风力涡轮100的历史功率输出与对应于自由流扇区416的偏航位置/设置点相关联。
除了识别自由流扇区416之外,在实施例中,可以为顺风涡轮310确定至少一个尾流扇区418。在实施例中,可以通过风电场布局414和地形轮廓412的分析来确定(一个或多个)尾流扇区418。如图7中所描绘,(一个或多个)尾流扇区418可以对应于水平面中的弧(例如,偏航弧417),在该弧中,影响顺风涡轮310的特定风矢量的风(W)受到逆风涡轮308的影响。
例如,在实施例中,风电场布局414的分析可以包括生成多个预测的风流轮廓426,如图6中所描绘。多个预测的风流轮廓426可以通过控制器200中编程的尾流模拟模型428生成。在实施例中,多个预测的风流轮廓426可以针对多个风速为风电场152的多个风力涡轮100中的每个风力涡轮100产生。尾流模拟模型428还可用于至少部分地基于多个预测风流轮廓426为顺风涡轮310产生预测的尾流影响涡轮功率输出430。应当领会,在实施例中,尾流模拟模型428可以是基于物理学的尾流模型,例如来自国家可再生能源实验室的FLORIS尾流建模实用。
在实施例中,控制器200可以识别顺风涡轮310的受尾流影响的涡轮功率输出422、风速,顺风涡轮310的操作参数以及至少逆风涡轮308的操作状态之间的相关性420。在实施例中,顺风涡轮310的操作参数可以包括顺风涡轮310的俯仰角设置点、叶尖速度比和偏航位置。应当领会,相关性420可以从历史操作参数导出。还应当领会,在实施例中,相关性420可以通过由控制器200实现的模型来确定。
在实施例中,当当前风(W)的风矢量对应(一个或多个)尾流扇区418时,控制器200可以确定顺风涡轮310的受尾流影响的涡轮功率输出422。该确定可以至少部分地基于所识别的相关性420。当风(W)对应(一个或多个)尾流扇区418时,受尾流影响的涡轮功率输出422可以指示尾流312对顺风涡轮310的功率输出的影响(例如,功率输出减小)。例如,控制器200可以确定,对于给定的风矢量(例如,风速和风向),当逆风涡轮308以标称设置点操作时,以标称设置点操作顺风涡轮310将导致顺风涡轮310的功率输出相对于自由流最大涡轮功率输出406减小一定百分比。
如424处所描绘,在实施例中,控制器200可以将逆风涡轮308的自由流最大涡轮功率输出406与顺风涡轮310的至少受尾流影响的涡轮功率输出422相结合。这种组合可以确定涡轮集群304的受尾流影响的集群功率输出404。换言之,逆风涡轮308的自由流最大涡轮功率输出406与顺风涡轮310的至少受尾流影响的涡轮功率输出422的组合可以指示涡轮集群304的功率输出相对于自由流最大集群功率输出402的减小,这可以归因于尾流312影响顺风涡轮310。
为了确定自由流最大集群功率输出402和受尾流影响的集群功率输出404之间的差,在诸如图11中所示的实施例中,系统300的控制器200可以为风力涡轮100的子集306中的每个风力涡轮100确定建模的性能参数432。建模的性能参数可以通过由控制器200实现的第一模型434来确定。
在实施例中,建模的性能参数432可以至少部分地基于多个风力涡轮100的多个指定分组438中的指定分组436的操作。多个指定分组438中的每个指定分组436可以对应风力涡轮100的子集306中的一个风力涡轮100。每个指定分组436可以不包括风力涡轮100的子集306。换言之,每个指定分组436可以仅包括对于给定风矢量不包括在涡轮集群304中的风力涡轮100。
如440处所描绘,在实施例中,控制器200可以将每个风力涡轮100的建模性能参数432与多个风速相关联。例如,控制器200可以针对相应的风矢量(例如,风速和风向)确定涡轮集群304的每个风力涡轮100的功率输出。
在实施例中,控制器200可以确定监测的性能参数442是否具有相对于建模的性能参数432的偏差444。如446处所描绘,控制器200然后可以确定偏差444与偏差阈值448的关系。在与建模性能参数432的偏差444小于偏差阈值448的实施例中,偏差444和相应的监测性能参数442可以指示对应于涡轮集群304的每个风力涡轮100的自由流最大涡轮功率输出406的涡轮功率输出。因此,控制器200可以确定风力涡轮100的子集306中的每个风力涡轮100的(一个或多个)自由流扇区416,其中风力涡轮100的子集306中的每个风力涡轮100的监测性能参数442与建模性能参数432的偏差444小于偏差阈值448。应当领会,(一个或多个)自由流扇区416对应于其中每个风力涡轮100的功率输出指示影响每个风力涡轮100的风(W)至少不被中间风力涡轮100阻挡的弧。
除了确定其中偏差444小于偏差阈值448的扇区之外,控制器200还可以确定顺风涡轮310的(一个或多个)尾流扇区418。(一个或多个)尾流扇区418可对应于影响顺风涡轮310的风(W)受逆风涡轮308影响的弧。在这样的实施例中,顺风涡轮310的所监测的性能参数442可以具有与建模的性能参数432的偏差444,该偏差超过偏差阈值448。应当领会,所监测的性能参数442与建模的性能参数432的偏差444大于偏差阈值448,该偏差444可以指示对应于顺风涡轮310的受尾流影响涡轮功率输出422的涡轮功率输出。
例如,在实施例中,建模的性能参数432可以是基于影响顺风涡轮310的风速的预测功率输出。类似地,所监测的性能参数442可以是由控制器200监测的顺风涡轮310的实际功率输出。因此,在实施例中,其中顺风涡轮310的实际功率输出下降到低于对于特定偏航取向的预测功率输出的可接受的偏差程度,并且响应于特定风矢量,可以指示(一个或多个)尾流扇区418。因此,当顺风涡轮310定向在(一个或多个)尾流扇区418中时,实际功率输出可以是顺风涡轮310的受尾流影响的涡轮功率输出422。
仍然特别参考图11,在实施例中,控制器200可以通过组合涡轮集群304的每个风力涡轮100的自由流最大涡轮功率输出408来确定自由流最大集群功率输出402,如由小于偏差阈值448的偏差444所指示的。另外,当偏差444超过偏差阈值448时,控制器200可通过将逆风涡轮308的自由流最大涡轮功率输出408与至少顺风涡轮310的受尾流影响的涡轮功率输出422组合来确定受尾流影响的群集功率输出404。
就建模的性能参数432可以基于每个指定分组436的操作而言,可能希望选择形成每个指定分组436的风电场152的特定风力涡轮100的性能与风力涡轮100的子集306的相应风力涡轮100的性能相关。因此,为了从风电场152的多个风力涡轮100中选择每个指定分组436的风力涡轮100,可能希望根据它们与涡轮集群304的对应风力涡轮100的相关性来对风电场152的所有风力涡轮100进行排名。因此,在实施例中,控制器200可以生成相对于风电场152的多个风力涡轮100中的每个风力涡轮100的风力涡轮100的子集306中的每个风力涡轮100的相关性得分450。
在实施例中,风力涡轮100的多个指定分组438的形成可以至少部分地基于每个风力涡轮100的相关得分450。例如,控制器200可以基于风电场152的特定风力涡轮100的性能与涡轮集群304的相应风力涡轮100的性能之间的相关性的强度来指定风电场152的特定风力涡轮100作为关键参考涡轮,如相关性得分450所示。应当领会,如图4和图5中所描绘,这种指定可以与风电场152内的风力涡轮100的物理位置无关。
仍然参考图11,在实施例中,确定建模的性能参数432可以包括组合第一训练数据集452。第一训练数据集452可以包括至少对应于风力涡轮100的多个指定分组438的多个操作变量454和环境变量456。操作和环境变量454可以在多个采样间隔和跨越多个DOE状态被监测,其中多个设置点组合可以被切换。应当理解,在一个实施例中,操作变量454可以经由风力涡轮100的(一个或多个)操作传感器158获得。
在实施例中,控制器200可以生成第一回归模型458以形成第一模型434。第一回归模型458可以被配置成基于对应于风力涡轮100的多个指定分组438的操作和环境变量454来预测风力涡轮100的子集306中的每个风力涡轮100的建模性能参数432。例如,控制器200可以生成回归模型,借此每个指定分组436的操作和环境变量454可以用来预测涡轮集群304的每个风力涡轮100的建模性能参数432。
如460处所描绘,在实施例中,控制器200可以被配置成训练第一回归模型458。第一回归模型458的训练可以基于第一训练数据集452。因此,可以采用机器学习技术来迭代地细化第一回归模型458。
应当领会,可以在风电场152的DOE和/或操作使用期间获得第一模型434的训练所需的数据点/变量。例如,变量可以包括平均功率生成的指示、机舱风速计测量的平均风速、基于模型的平均风速、基于模型的风速标准偏差、偏航位置,DOE状态、平均环境温度、发电机速度、发电机轴加速度、发电机转矩、发电机功率、过滤变量和/或风力涡轮标识符。
经由第一模型434确定建模的性能参数的另外的方面在美国专利申请No.17/340387中描述。因此,在2021年6月7日提交的标题为“Systems and Methods forControlling a wind turbine”的美国专利申请No.17/340387对于所有目的通过引用将其全部内容结合于此。
现在特别参见图9,为了确定风力涡轮100的子集306的缓解设置点组合502,可以确定涡轮集群304的至少一个风力涡轮100的最大功率设置点组合504。最大功率设置点组合504可以对应至少一个风力涡轮100的自由流最大涡轮功率输出406。
如506处所描绘,控制器200还可以确定涡轮集群304的至少一个风力涡轮100的缓解设置点组合502。缓解设置点组合502可以不同于用于至少一个风力涡轮100的最大功率设置点组合504。涡轮集群304的每个风力涡轮100的缓解设置点组合502可以对应于(例如,导致发展)缓解的涡轮功率输出508。缓解的涡轮功率输出508可以对应于缓解的集群功率输出318。缓解的涡轮功率输出508可以小于涡轮集群304的至少一个风力涡轮100的自由流最大涡轮功率输出406。然而,相应的缓解的集群功率输出318可以大于受尾流影响的集群功率输出404。
在实施例中,确定风力涡轮100的子集306的缓解设置点组合502可以包括经由控制器200生成集群功率模型510。集群功率模型510可以至少部分地基于顺风涡轮310的受尾流影响的涡轮功率输出422与风矢量,顺风涡轮310的操作参数以及至少逆风涡轮308的操作状态之间的相关性420。如512处所描绘,在实施例中,可以经由操作数据集410和环境数据集316来训练集群功率模型510。例如,可以训练集群功率模型510以响应于风矢量、顺风涡轮310的操作参数和逆风涡轮308的操作状态的组合来预测受尾流影响的涡轮功率输出422。因此,集群功率模型510可以有助于选择缓解设置点组合502,从而产生涡轮集群304的所希望的缓解集群功率输出318。
在集群功率模型510的生成和训练之后,在实施例中,控制器200可以为风力涡轮100的子集306确定多个潜在缓解设置点组合514。可以为对应于(一个或多个)尾流扇区418的多个环境条件确定多个潜在缓解设置点组合514。多个潜在缓解设置点组合514可以基于集群功率模型510。多个潜在缓解设置点组合514可以指示涡轮集群304的风力涡轮100的各种潜在操作状态,这些操作状态可以用于缓解尾流312对涡轮集群304的功率输出的影响。因此,多个潜在缓解设置点组合514中的每一个可以对应于潜在缓解集群功率输出516。
在实施例中,集群功率模型510可以确定每个潜在缓解的集群功率输出516与自由流最大集群功率输出402之间的差518的幅度。如520处所描绘,集群功率模型510可以选择多个潜在缓解设置点组合514中的一个,该潜在缓解设置点组合514对应于具有差518的幅度的潜在缓解集群功率输出516,该差518的幅度小于每个剩余的潜在缓解集群功率输出516的差518的幅度。例如,集群功率模型510可以被配置成迭代地测试各种潜在缓解设置点组合514,以确定产生最大缓解集群功率输出318的特定设置点组合。
在另外的实施例中,确定涡轮集群304的缓解设置点组合502可以利用来自152的风的操作中固有的自然发生的DOE状态,以便将这些设置点组合标识为历史上已经产生涡轮集群304的所希望的功率输出。因此,在实施例中,控制器200可以确定多个历史设置点组合522。多个历史设置点组合522可以由对应于尾流扇区418的特定风矢量的风力涡轮100的子集306的每个风力涡轮100的操作数据集410来指示。多个历史设置点组合522可以对应于多个历史时间间隔524。多个历史设置点组合522可以表示针对特定风矢量的风力涡轮100的子集306的每个风力涡轮100的记录设置点组合中的多个变化。
如526处所描绘,在实施例中,控制器200可以在多个历史时间间隔524中的每一个处确定受尾流影响的集群功率输出404。另外,如528处所描绘,控制器200可以将多个历史时间间隔524中的每个历史时间间隔处的受尾流影响的集群功率输出404与多个历史设置点组合522中的每个历史设置点组合相关联。
在实施例中,控制器200可以确定每个受尾流影响的集群功率输出404和自由流最大集群功率输出402之间的差518的幅度。如530处所描绘,控制器200可以选择多个历史设置点组合522中的一个,该历史设置点组合522对应于记录的受尾流影响群集功率输出404,该记录的受尾流影响的集群功率输出404在剩余的多个历史时间间隔524中的每一个处具有比每个剩余的记录的受尾流影响的集群功率输出404的差518的幅度小的差518的幅度。如在532处所描绘的,控制器200可以至少部分地基于对应于该最小差的所确定的历史设置点组合522来确定缓解设置点组合502。
在实施例中,确定涡轮集群304的缓解设置点组合502可以实现第二模型534。第二模型534可以有助于在多个潜在缓解设置点组合514中的每一个下确定风力涡轮100的子集306中的每个风力涡轮100的潜在缓解涡轮功率输出536。可能缓解的涡轮功率输出536可以至少部分地基于来自用于风矢量的风力涡轮100的子集306的每个风力涡轮100的第一模型434的建模性能参数432。
如538处所描绘,在实施例中,控制器200可以为多个潜在缓解设置点组合514中的每一个确定潜在缓解集群功率输出516。例如,第二模型534可以被配置成当涡轮集群304的每个风力涡轮根据多个潜在缓解设置点组合514中的每一个操作时确定涡轮集群304的总功率输出。应当领会,潜在缓解集群功率输出516可以对应于涡轮集群304的每个潜在缓解设置点组合514的每个涡轮100的潜在缓解涡轮功率输出536的总和。
在实施例中,控制器200可以确定每个潜在的缓解的集群功率输出516和自由流最大集群功率输出402之间的差518的幅度。如540处所描绘,控制器200可以选择潜在缓解的设置点组合514中的一个,该潜在缓解的设置点组合514对应于具有差518的幅度的缓解的集群功率输出516,该差518的幅度小于在剩余的多个潜在缓解的设置点组合514中的每个处的每个剩余缓解的集群功率输出516的差518的幅度。
仍然特别参考图12,在实施例中,实现第二模型534可以包括组装第二训练数据集542。第二训练数据集542可以包括多个操作变量454和多个环境变量456。多个操作和环境变量454,456可以至少对应于风力涡轮100的子集306中的每个相应风力涡轮100以及对应于风力涡轮100的多个指定分组438。在实施例中,可以在多个采样间隔和DOE状态下监测操作和环境变量454,456,其中切换多个设置点组合。应当领会,第二训练数据集542可被定制/优化为包括最佳捕获影响涡轮集群304的每个风力涡轮100的环境条件的预测器。
在实施例中,控制器200可以生成第二回归模型544。在实施例中,第二回归模型544可以被配置成确定涡轮集群304的每个风力涡轮100的潜在缓解的涡轮功率输出536。该确定可以基于操作和环境变量454,456以及模型性能参数432。例如,控制器200可以生成支持向量机回归模型,由此可以采用针对涡轮集群304的每个风力涡轮100的建模的性能参数432以及操作和环境变量454,456来对响应于潜在缓解设置点组合514中的每个而生成的潜在缓解涡轮功率输出536进行建模。
如546处所描绘,控制器200可被配置为基于第二训练数据集542训练第二回归模型544。因此,可以采用机器学习技术来迭代地细化第二回归模型544。应当领会,细化第二回归模型544可以有助于在每个潜在缓解设置点组合514处基于模型性能参数432来提高预测的缓解集群功率输出318的准确度。还应当领会,在实施例中,训练第二回归模型544可以包括经由多个训练和测试迭代来测试第二回归模型544。
实现第二模型534的另外方面在美国专利申请No.17/340387中描述。
在如图9所示的实施例中,控制器200可以接收指示实际缓解的集群功率输出337的数据。控制器200然后可以被配置成确定实际缓解的集群功率输出337与对应于缓解设置点组合502的潜在缓解的集群功率输出516之间的偏差度338。对于涡轮集群304。如340处所描绘,偏差度338可用于进一步训练/修正第一和/或第二回归模型458,544。例如,在实际缓解集群功率输出337偏离基于缓解设置点组合502预测的集群功率输出的实施例中,可以修改第一和/或第二模型434,534。第一和/或第二模型434,534的修改可以改善实际缓解的集群功率输出337与预测/潜在缓解的集群功率输出516之间的相关性。
在实施例中,影响风电场152的风(W)的风向的确定可以通过利用具有已知收集时刻的风电场152的至少一部分的俯视图像342来实现。俯视图像342可以包括对基本方向344的取向的指示。例如,俯视图像342可以是在已知时刻拍摄的卫星图像。基于俯视图像342,可以确定所描绘的每个风力涡轮100的偏航角346。每个风力涡轮的偏航角346可以是每个风力涡轮100在收集瞬间偏航的角度。应当领会,在实施例中,偏航角346可以相对于基本方向344定向。
在实施例中,控制器200可以聚合从俯视图像342得出的每个风力涡轮100的偏航角346。聚合可以产生风电场152的一致(consensus)偏航角348。一致偏航角348可以对应于在收集时刻影响风电场152的风(W)的风向。应当领会,基于一致偏航角348确定风向可以例如缓解可归因于环境传感器156的故障和/或未对准的误差。
在另外的实施例中,在实施例中,影响风电场152的风(W)的风向的确定可以通过偏航设置点350的分析来完成。因此,控制器200可以被配置成从风电场152的多个风力涡轮100的至少一部分接收偏航设置点350的指示。控制器然后可以基于接收到的指示确定多个风力涡轮100的中值偏航设置点352。中值偏航设置点352可以指示风向。应当领会,基于中值偏航设置点352确定风向可以例如缓解可归因于环境传感器156的故障和/或未对准的误差。
基于中值偏航设置点352确定风向的另外的方面在美国专利申请No.17/027789中描述。因此,2020年9月22日提交的标题为“Systems and Methods for Controlling awind turbine”的美国专利申请No.17/027789出于所有目的通过引用将其全部内容结合于此。
现在参考图13,其中示出用于操作具有多个风力涡轮的风电场的方法600的一个实施例的流程图。可以使用上面参考图7-12讨论的第一和第二模型434,534来实现方法600。图13示出为了说明和讨论而以特定顺序执行的步骤。使用本文提供的公开内容,本领域普通技术人员将理解,在不脱离本公开内容的范围的情况下,方法600的各种步骤或本文公开的任何其它方法可以被适配、修改、重新排列、同时执行或以各种方式修改。
如(602)处所示,方法600可以包括确定影响风电场的风的风矢量。如(604)处所示,方法600可包括针对风矢量识别受从逆风涡轮发出的尾流影响的至少一个顺风涡轮。如(606)采集所示,方法600可包括经由通过控制器实现的第一模型确定用于顺风涡轮的建模功率输出。建模的功率输出可以至少部分地基于多个风力涡轮的指定风力涡轮集群的操作。指定的分组可以不包括顺风涡轮。指定分组可以包括当风具有第一风矢量时多个风力涡轮的第一部分和当风具有第二风矢量时多个风力涡轮的第二部分。第一和第二部分可以包括多个风力涡轮中的至少一个不同的风力涡轮。如在(608)处进一步示出的,方法600可以包括当影响风电场的风具有风矢量时,经由控制器在多个采样间隔处确定顺风的功率输出差。该性能参数差可以指示该顺风涡轮的模拟功率输出与监测功率输出之间的差。另外,如在(610)处所示,方法600可以包括经由控制器实现第二模型,以至少部分地基于顺风涡轮的功率输出差来确定多个设置点组合中的每个处的顺风的预测功率输出。如(612)处所示,方法600可以包括经由控制器基于预测功率输出选择多个设置点组合中的设置点组合。设置点组合可以是缓解设置点组合。此外,如(614)处所示,方法600可以包括基于缓解设置点组合来改变顺风涡轮的操作状态。
在另外的实施例中,通过方法600确定模拟功率输出可以包括通过控制器产生多个风力涡轮中的每个相对于顺风涡轮的相关得分。可以至少部分地基于多个风力涡轮中的每个的相关答复和指定分组的风矢量或平均功率来形成风力涡轮的指定分组。可以组合第一训练数据集。第一训练数据集可以包括至少对应于在多个采样间隔和跨越多个实验设计(DOE)状态监测的指定风力涡轮集群的多个操作和环境变量,其中多个设置点组合被切换。另外,控制器可以生成第一回归模型,该第一回归模型被配置成基于对应于指定的风力涡轮集群的操作和环境变量来预测顺风涡轮的建模功率输出。此外,控制器可以基于第一训练数据集训练第一回归模型。
在又一实施例中,实现第二模型可以包括组装第二训练数据集。第二训练数据集可以包括多个操作和环境变量以及顺风涡轮的功率输出差。多个操作和环境变量可以至少对应于在多个采样间隔和DOE状态下监测的指定的风力涡轮组和顺风涡轮集群。控制器可产生第二回归模型,该第二回归模型构造成基于操作和环境变量,功率输出差和风矢量来确定顺风涡轮的预测功率输出。另外,控制器可以基于第二训练数据集训练第二回归模型。
此外,技术人员将认识到来自不同实施例的各种特征的可互换性。类似地,可由本领域普通技术人员混合和匹配所描述的各种方法步骤和特征以及对于每个这样的方法和特征的其它已知的等同体,以便根据本公开的原理构造附加的系统和技术。当然,要理解的是,根据任何特定实施例,不一定可以实现上述所有这样的目的或优点。因此,例如,本领域技术人员将认识到,本文中描述的系统和技术可以以实现或优化如本文中教导的一个优点或者一组优点的方式来体现或者执行,而不一定实现如本文中教导或建议的其它目的或优点。
本书面描述使用包括最佳模式的示例来公开本发明,并且还使本领域的技术人员能够实施本发明,包括制作和使用任何装置或系统,以及执行任何结合方法。本发明的可取得专利范围由权利要求书来定义,并且可包括本领域的技术人员想到的其他示例。如果这类其他示例包括与权利要求书的文字语言完全相同的结构元件,或者如果它们包括具有与权利要求书的文字语言的非实质差异的等效结构元件,则它们意在处于权利要求书的范围之内。
本发明的另外的方面由以下条款的主题来提供:
条款1.一种用于操作具有多个风力涡轮的风电场的方法,所述方法包括:确定影响所述风电场的风的风向;当所述风具有所确定的风向时,经由控制器识别包括所述多个风力涡轮的子集的涡轮集群,风力涡轮的所述子集至少包括逆风涡轮和顺风涡轮,其中所述顺风涡轮受从所述逆风涡轮发出的尾流的影响;至少部分地基于影响所述风电场的给定风速,经由所述控制器确定用于所述涡轮集群的受尾流影响的集群功率输出与自由流最大集群功率输出之间的差;经由所述控制器确定用于风力涡轮的所述子集的缓解设置点组合,所述缓解设置点组合被配置成建立缓解的集群功率输出,所述缓解的集群功率输出与所述自由流最大集群功率输出具有小于用于所述涡轮集群的所述受尾流影响的集群功率输出和所述自由流最大集群功率输出之间的差的差;以及基于所述缓解设置点组合来改变所述涡轮集群的至少一个风力涡轮的操作状态。
条款2. 如任何前述条款所述的方法,其中,当所述风具有第一风矢量时,所述涡轮集群具有第一逆风涡轮和风力涡轮的第一子集,并且当所述风具有第二风矢量时,所述涡轮集群具有第二逆风涡轮和风力涡轮的第二子集,其中所述第一逆风涡轮和所述第二逆风涡轮对应所述多个风力涡轮中的不同风力涡轮。
条款3. 如任何前述条款所述的方法,其中,所述涡轮集群是针对所确定的风向的所述风电场的多个涡轮集群中的一个涡轮集群。
条款4. 如任何前述条款所述的方法,其中,确定被配置成建立所述缓解的集群功率输出的用于风力涡轮的所述子集的所述缓解设置点组合进一步包括:经由所述控制器确定用于所述涡轮集群的至少一个风力涡轮的缓解设置点组合,所述缓解设置点组合不同于用于所述至少一个风力涡轮的最大功率设置点组合,其中所述缓解设置点组合对应小于用于所述至少一个风力涡轮的自由流最大涡轮功率输出的缓解的涡轮功率输出,并且其中所述缓解的涡轮功率输出对应大于所述受尾流影响的集群功率输出的所述缓解的集群功率输出。
条款5. 如任何前述条款所述的方法,其中,确定所述自由流最大集群功率输出与所述受尾流影响的集群功率输出之间的差进一步包括:经由所述控制器针对影响所述风电场的所述给定风速确定用于所述涡轮集群的每个风力涡轮的所述自由流最大涡轮功率输出,其中用于每个风力涡轮的所述自由流最大涡轮功率输出针对所述给定风速对应用于每个风力涡轮的最大功率设置点组合;以及经由所述控制器通过组合用于所述涡轮集群的每个风力涡轮的所述自由流最大涡轮功率来确定所述自由流最大集群功率输出。
条款6. 如任何前述条款所述的方法,其中,确定用于所述涡轮集群的每个风力涡轮的所述自由流最大涡轮功率输出进一步包括:经由所述控制器接收指示风力涡轮的所述子集的多个历史操作参数的操作数据集,其中所述操作数据集包括风力涡轮的所述子集在多个采样间隔处的俯仰设置点、叶尖速度比以及偏航位置的历史指示;经由所述控制器接收环境数据集,所述环境数据集指示影响风力涡轮的所述子集的多个环境条件;经由对风电场布局和地形轮廓的分析来确定用于风力涡轮的所述子集中的每个风力涡轮的至少一个自由流扇区,其中所述自由流扇区对应其中影响每个风力涡轮的特定风矢量的风至少不被一个中间风力涡轮阻挡的弧;以及经由所述控制器在所述至少一个自由流扇区内针对风矢量基于所述操作数据集和环境数据集来确定用于风力涡轮的所述子集中的每个风力涡轮的所述自由流最大涡轮功率输出。
条款7. 如任何前述条款所述的方法,其中,确定所述自由流最大集群功率输出与所述受尾流影响的集群功率输出之间的差进一步包括:经由分析所述风电场布局和所述地形轮廓来确定用于所述顺风涡轮的至少一个尾流扇区,其中所述至少一个尾流扇区对应其中影响所述顺风涡轮的特定风矢量的风受所述逆风涡轮影响的弧;经由所述控制器识别用于所述顺风涡轮的受尾流影响的涡轮功率输出、所述风速、所述顺风涡轮的操作参数以及至少所述逆风涡轮的操作状态之间的相关性,其中所述顺风涡轮的所述操作参数包括所述顺风涡轮的俯仰设置点、叶尖速度比以及偏航位置;至少部分地基于所识别的相关性,当所述风矢量对应至少一个尾流扇区时,经由所述控制器确定用于所述顺风涡轮的受尾流影响的涡轮功率输出;以及经由所述控制器将用于所述逆风涡轮的所述自由流最大涡轮功率输出至少与所述顺风涡轮的受尾流影响的涡轮功率输出进行组合,以便确定受尾流影响的集群功率输出。
条款8. 如任何前述条款所述的方法,其中,所述风电场布局的所述分析包括经由编程在所述控制器中的尾流模拟模型对于所述多个风矢量生成用于所述多个风力涡轮中的每个风力涡轮的多个预测风流轮廓,并且其中确定用于所述顺风涡轮的所述受尾流影响的涡轮功率输出包括:至少部分地基于所述多个预测风流轮廓,经由所述尾流模拟模型生成用于所述顺风涡轮的预测的受尾流影响涡轮功率输出。
条款9. 如任何前述条款所述的方法,其中,确定用于风力涡轮的所述子集的所述缓解设置点组合进一步包括:经由所述控制器至少部分地基于用于顺风涡轮的受尾流影响的涡轮功率输出与所述风矢量之间的所述相关性、所述顺风涡轮的操作参数以及至少所述逆风涡轮的操作状态来生成集群功率模型;经由所述控制器、经由所述操作数据集和所述环境数据集来训练所述集群功率模型;基于所述集群功率模型经由所述控制器针对对应于所述尾流扇区的所述多个环境条件来确定用于风力涡轮的所述子集的多个潜在缓解设置点组合,所述多个潜在缓解设置点组合中的每个对应潜在缓解的集群功率输出;以及经由所述集群功率模型来选择对应于所述潜在缓解的集群功率输出的所述多个潜在缓解设置点组合之一,所述潜在缓解的集群功率输出相对于所述自由流最大集群功率输出具有小于用于每个剩余的潜在缓解的集群功率输出的差的幅度的差的幅度。
条款10. 如任何前述条款所述的方法,其中,确定用于风力涡轮的所述子集的所述缓解设置点组合进一步包括:经由所述控制器确定由针对对应于所述尾流扇区的所述特定风矢量的风力涡轮的所述子集中的每个风力涡轮的操作数据集指示的多个历史设置点组合,其中所述多个历史设置点组合对应多个历史时间间隔,并且其中所述多个历史设置点组合指示针对所述特定风矢量的风力涡轮的所述子集中的每个风力涡轮的设置点组合中的多个变化;经由所述控制器在所述多个历史时间间隔中的每个历史时间间隔处确定所述受尾流影响的集群功率输出;
经由所述控制器将在所述多个历史时间间隔中的每个历史时间间隔处的所述受尾流影响的集群功率输出与所述多个历史设置点组合中的每个历史设置点组合相关联;经由所述控制器确定所述多个历史设置点组合中的历史设置点组合,所述多个历史设置点组合对应所述受尾流影响的集群功率输出,所述多个历史设置点组合与所述自由流最大群集功率输出具有小于在所述多个剩余历史时间间隔中的每个剩余受尾流影响的集群功率输出的差的幅度的差的幅度;以及经由所述控制器至少部分地基于所确定的历史设置点组合来确定所述缓解设置点组合。
条款11. 如任何前述条款所述的方法,其中,确定所述自由流最大集群功率输出与所述受尾流影响的集群功率输出之间的差进一步包括:经由提供所述控制器实现的第一模型确定用于风力涡轮的所述子集中的每个风力涡轮的建模性能参数,每个建模性能参数至少部分地基于所述多个风力涡轮的多个风力涡轮的指定分组中的指定分组的操作,其中所述多个指定分组的每个指定分组对应风力涡轮的所述子集中的一个风力涡轮并且不包括风力涡轮的所述子集;经由所述控制器将用于每个风力涡轮的所述建模性能参数与多个风矢量相关联;经由所述控制器确定用于风力涡轮的所述子集中的每个风力涡轮的至少一个自由流扇区,其中用于风力涡轮的所述子集中的每个风力涡轮的监测的性能参数与所述建模性能参数的偏差小于偏差阈值,其中小于所述偏差阈值的与所述建模性能参数的偏差指示对应于用于所述涡轮集群的每个风力涡轮的所述自由流最大涡轮功率输出的涡轮功率输出,并且其中所述自由流扇区对应其中影响每个风力涡轮的所述风至少不受中间风力涡轮阻碍的弧;经由所述控制器确定用于所述顺风涡轮的至少一个尾流扇区,所述至少一个尾流扇区对应其中影响所述顺风涡轮的所述风受到所述逆风涡轮的影响,使得所述顺风涡轮的所监测的性能参数与所述建模性能参数具有超过所述偏差阈值的偏差,其中大于所述偏差阈值的与所述建模性能参数的偏差指示对应于用于所述顺风涡轮的受尾流影响的涡轮功率输出的涡轮功率输出;经由所述控制器通过组合所述涡轮集群的每个风力涡轮的自由流最大涡轮功率输出来确定所述自由流最大集群功率输出;以及经由所述控制器将用于所述逆风涡轮的自由流最大涡轮功率输出至少与所述顺风涡轮的受尾流影响的涡轮功率输出进行组合,以便确定所述受尾流影响的集群功率输出。
条款12. 如任何前述条款所述的方法,其中,经由所述第一模型确定所述建模性能参数进一步包括:经由所述控制器生成用于所述风电场的所述多个风力涡轮中的每个相对于风力涡轮的所述子集中的每个风力涡轮的相关性得分;至少部分地基于用于所述多个风力涡轮中的每个的所述相关性得分来形成所述多个指定分组的风力涡轮;组装第一训练数据集,所述第一训练数据集包括至少对应于在多个采样间隔并且跨多个实验设计(DOE)状态监测的所述多个指定分组的风力涡轮的多个操作和环境变量,其中多个设置点组合被切换;经由所述控制器生成第一回归模型,所述第一回归模型被配置成基于对应于所述多个指定分组的风力涡轮的所述操作变量和环境变量来预测风力涡轮的所述子集中的每个风力涡轮的所述建模性能参数;以及经由所述控制器,基于所述第一训练数据集来训练第一回归模型。
条款13. 如任何前述条款所述的方法,其中,确定用于风力涡轮的所述子集的所述缓解设置点组合进一步包括:经由所述控制器实现第二模型,以便至少部分地基于针对所述风矢量的风力涡轮的所述子集中的每个风力涡轮的所建模的性能参数来在多个潜在缓解设置点组合中的每个潜在缓解设置点组合下确定用于风力涡轮的所述子集中的每个风力涡轮的潜在缓解的涡轮功率输出;经由所述控制器至少部分地基于每个风力涡轮的对应的潜在缓解的涡轮功率输出来确定用于所述多个潜在缓解设置点组合中的每个潜在缓解设置点组合的潜在缓解的集群功率输出;以及经由所述控制器从所述多个设置点组合中选择所述缓解的设置点组合,所述多个设置点组合对应相对于所述自由流最大集群功率输出具有小于用于每个剩余的潜在缓解的群集功率输出的差的所述幅度的差的幅度。
条款14. 如任何前述条款所述的方法,其中,实现所述第二模型进一步包括:组装第二训练数据集,所述第二训练数据集包括多个操作变量和环境变量,所述操作变量和环境变量至少对应于所述多个指定分组的风力涡轮以及风力涡轮的所述子集中的每个相应风力涡轮,其是以多个采样间隔并且跨多个实验设计(DOE)状态来监测的,其中多个设置点组合被切换;经由所述控制器生成第二回归模型,所述第二回归模型被配置成基于所述操作变量和环境变量以及所述建模的性能参数来确定风力涡轮的所述子集中的每个风力涡轮的缓解的涡轮功率输出;以及
经由所述控制器,基于所述第二训练数据集和所述建模的性能参数针对风力涡轮的所述子集中的每个风力涡轮训练第二回归模型。
条款15. 如任何前述条款所述的方法,进一步包括:经由所述控制器接收指示基于所述缓解的设置点组合生成的实际缓解的集群功率输出的数据;经由所述控制器确定所述实际缓解的集群功率输出与对应于所述缓解设置点组合的所述潜在缓解的集群功率输出之间的偏差程度;以及基于所述偏差程度训练所述第一或第二模型中的至少一个。
条款16. 如任何前述条款的方法,其中,确定影响所述风电场的所述风的所述风向进一步包括:基于具有已知收集时刻的所述风电场的俯视图像来确定所述多个风力涡轮中的每个风力涡轮的偏航角;以及经由所述控制器聚合用于所述多个风力涡轮中的每个风力涡轮的偏航角以生成用于所述风电场的一致偏航角,所述一致偏航角对应在收集时刻影响所述风电场的所述风的所述风向。
条款17. 如任何前述条款所述的方法,其中,确定影响所述风力涡轮的所述风的所述风向进一步包括:经由所述控制器接收来自所述风电场的所述多个风力涡轮的至少一部分的偏航设置点的指示;以及经由所述控制器基于所接收的指示来确定中值偏航设置点,所述中值偏航设置点指示风向。
条款18. 一种用于操作具有多个风力涡轮的风电场的方法,所述方法包括:确定影响所述风电场的风的风矢量;针对所述风矢量识别受从逆风涡轮发出的尾流影响的至少一个顺风涡轮;经由通过控制器实现的第一模型来确定所述顺风涡轮的建模功率输出,所述建模功率输出至少部分地基于所述多个风力涡轮中的风力涡轮的指定分组的操作,其中所述指定分组不包括所述顺风涡轮,其中所述指定分组包括当所述风具有第一风矢量时所述多个风力涡轮的第一部分以及当所述风具有第二风矢量时所述多个风力涡轮的第二部分,其中所述第一和第二部分包括所述多个风力涡轮中的至少一个不同的风力涡轮;当影响所述风电场的所述风具有所述风矢量时,经由所述控制器在多个采样间隔处确定用于所述顺风涡轮的功率输出差,所述性能参数差指示所述顺风涡轮的所述建模功率输出与所监测功率输出之间的差;经由所述控制器实现第二模型,以便至少部分地基于所述顺风涡轮的功率输出差来在多个设置点组合中的每个下确定所述顺风涡轮的预测功率输出;经由所述控制器基于所述预测功率输出来选择所述多个设置点组合中的一个设置点组合,其中所述设置点组合是缓解设置点组合;以及基于所述缓解设置点组合来改变所述顺风涡轮的操作状态。
条款19. 如任何前述条款所述的方法,其中,确定所述建模的功率输出进一步包括:经由所述控制器生成所述多个风力涡轮中的每个相对于所述顺风涡轮的相关性得分;至少部分地基于所述多个风力涡轮中的每个的所述相关性得分和所述指定分组的所述风矢量或平均功率来形成所述指定分组的风力涡轮;组装第一训练数据集,所述第一训练数据集包括至少对应于在所述多个采样间隔并且跨多个实验设计(DOE)状态监测的所述指定分组的风力涡轮的多个操作和环境变量,其中所述多个设置点组合被切换;经由所述控制器生成第一回归模型,所述第一回归模型被配置成基于对应于所述指定分组的风力涡轮的所述操作变量和环境变量来预测所述顺风涡轮的所述建模的功率输出;以及经由所述控制器,基于所述第一训练数据集来训练第一回归模型。
条款20. 如任何前述条款所述的方法,其中,实现所述第二模型进一步包括:
组装第二训练数据集,所述第二训练数据集包括多个操作变量和环境变量以及所述顺风涡轮的功率输出差,所述多个操作变量和环境变量至少对应于在所述多个采样间隔和DOE状态下监测的所述指定分组的风力涡轮和所述顺风涡轮;经由所述控制器生成第二回归模型,所述第二回归模型被配置成基于所述操作变量和环境变量、所述功率输出差和所述风矢量来确定所述顺风涡轮的预测功率输出;以及经由所述控制器,基于所述第二训练数据集来训练第二回归模型。
Claims (10)
1.一种用于操作具有多个风力涡轮的风电场的方法,所述方法包括:
确定影响所述风电场的风的风向;
当所述风具有所确定的风向时,经由控制器识别包括所述多个风力涡轮的子集的涡轮集群,风力涡轮的所述子集至少包括逆风涡轮和顺风涡轮,其中所述顺风涡轮受从所述逆风涡轮发出的尾流的影响;
至少部分地基于影响所述风电场的给定风速,经由所述控制器确定用于所述涡轮集群的受尾流影响的集群功率输出与自由流最大集群功率输出之间的差;
经由所述控制器确定用于风力涡轮的所述子集的缓解设置点组合,所述缓解设置点组合被配置成建立缓解的集群功率输出,所述缓解的集群功率输出与所述自由流最大集群功率输出具有小于用于所述涡轮集群的所述受尾流影响的集群功率输出和所述自由流最大集群功率输出之间的差的差;以及
基于所述缓解设置点组合来改变所述涡轮集群的至少一个风力涡轮的操作状态。
2.如权利要求1所述的方法,其中,当所述风具有第一风矢量时,所述涡轮集群具有第一逆风涡轮和风力涡轮的第一子集,并且当所述风具有第二风矢量时,所述涡轮集群具有第二逆风涡轮和风力涡轮的第二子集,其中所述第一逆风涡轮和所述第二逆风涡轮对应所述多个风力涡轮中的不同风力涡轮。
3.如权利要求1所述的方法,其中,所述涡轮集群是针对所确定的风向的所述风电场的多个涡轮集群中的一个涡轮集群。
4.如权利要求1所述的方法,其中,确定被配置成建立所述缓解的集群功率输出的用于风力涡轮的所述子集的所述缓解设置点组合进一步包括:
经由所述控制器确定用于所述涡轮集群的至少一个风力涡轮的缓解设置点组合,所述缓解设置点组合不同于用于所述至少一个风力涡轮的最大功率设置点组合,其中所述缓解设置点组合对应小于用于所述至少一个风力涡轮的自由流最大涡轮功率输出的缓解的涡轮功率输出,并且其中所述缓解的涡轮功率输出对应大于所述受尾流影响的集群功率输出的所述缓解的集群功率输出。
5.如权利要求4所述的方法,其中,确定所述自由流最大集群功率输出与所述受尾流影响的集群功率输出之间的差进一步包括:
经由所述控制器针对影响所述风电场的所述给定风速确定用于所述涡轮集群的每个风力涡轮的所述自由流最大涡轮功率输出,其中用于每个风力涡轮的所述自由流最大涡轮功率输出针对所述给定风速对应用于每个风力涡轮的最大功率设置点组合;以及
经由所述控制器通过组合用于所述涡轮集群的每个风力涡轮的所述自由流最大涡轮功率来确定所述自由流最大集群功率输出。
6.如权利要求5所述的方法,其中,确定用于所述涡轮集群的每个风力涡轮的所述自由流最大涡轮功率输出进一步包括:
经由所述控制器接收指示风力涡轮的所述子集的多个历史操作参数的操作数据集,其中所述操作数据集包括风力涡轮的所述子集在多个采样间隔处的俯仰设置点、叶尖速度比以及偏航位置的历史指示;
经由所述控制器接收环境数据集,所述环境数据集指示影响风力涡轮的所述子集的多个环境条件;
经由对风电场布局和地形轮廓的分析来确定用于风力涡轮的所述子集中的每个风力涡轮的至少一个自由流扇区,其中所述自由流扇区对应其中影响每个风力涡轮的特定风矢量的风至少不被一个中间风力涡轮阻挡的弧;以及
经由所述控制器在所述至少一个自由流扇区内针对风矢量基于所述操作数据集和环境数据集来确定用于风力涡轮的所述子集中的每个风力涡轮的所述自由流最大涡轮功率输出。
7.如权利要求6所述的方法,其中,确定所述自由流最大集群功率输出与所述受尾流影响的集群功率输出之间的差进一步包括:
经由分析所述风电场布局和所述地形轮廓来确定用于所述顺风涡轮的至少一个尾流扇区,其中所述至少一个尾流扇区对应其中影响所述顺风涡轮的特定风矢量的风受所述逆风涡轮影响的弧;
经由所述控制器识别用于所述顺风涡轮的受尾流影响的涡轮功率输出、所述风速、所述顺风涡轮的操作参数以及至少所述逆风涡轮的操作状态之间的相关性,其中所述顺风涡轮的所述操作参数包括所述顺风涡轮的俯仰设置点、叶尖速度比以及偏航位置;
至少部分地基于所识别的相关性,当所述风矢量对应至少一个尾流扇区时,经由所述控制器确定用于所述顺风涡轮的受尾流影响的涡轮功率输出;以及
经由所述控制器将用于所述逆风涡轮的所述自由流最大涡轮功率输出至少与所述顺风涡轮的受尾流影响的涡轮功率输出进行组合,以便确定受尾流影响的集群功率输出。
8.如权利要求7所述的方法,其中,所述风电场布局的所述分析包括经由编程在所述控制器中的尾流模拟模型对于所述多个风矢量生成用于所述多个风力涡轮中的每个风力涡轮的多个预测风流轮廓,并且其中确定用于所述顺风涡轮的所述受尾流影响的涡轮功率输出包括:
至少部分地基于所述多个预测风流轮廓,经由所述尾流模拟模型生成用于所述顺风涡轮的预测的受尾流影响涡轮功率输出。
9.如权利要求7所述的方法,其中,确定用于风力涡轮的所述子集的所述缓解设置点组合进一步包括:
经由所述控制器至少部分地基于用于顺风涡轮的受尾流影响的涡轮功率输出与所述风矢量之间的所述相关性、所述顺风涡轮的操作参数以及至少所述逆风涡轮的操作状态来生成集群功率模型;
经由所述控制器、经由所述操作数据集和所述环境数据集来训练所述集群功率模型;
基于所述集群功率模型经由所述控制器针对对应于所述尾流扇区的所述多个环境条件来确定用于风力涡轮的所述子集的多个潜在缓解设置点组合,所述多个潜在缓解设置点组合中的每个对应潜在缓解的集群功率输出;以及
经由所述集群功率模型来选择对应于所述潜在缓解的集群功率输出的所述多个潜在缓解设置点组合之一,所述潜在缓解的集群功率输出相对于所述自由流最大集群功率输出具有小于用于每个剩余的潜在缓解的集群功率输出的差的幅度的差的幅度。
10.如权利要求7所述的方法,其中,确定用于风力涡轮的所述子集的所述缓解设置点组合进一步包括:
经由所述控制器确定由针对对应于所述尾流扇区的所述特定风矢量的风力涡轮的所述子集中的每个风力涡轮的操作数据集指示的多个历史设置点组合,其中所述多个历史设置点组合对应多个历史时间间隔,并且其中所述多个历史设置点组合指示针对所述特定风矢量的风力涡轮的所述子集中的每个风力涡轮的设置点组合中的多个变化;
经由所述控制器在所述多个历史时间间隔中的每个历史时间间隔处确定所述受尾流影响的集群功率输出;
经由所述控制器将在所述多个历史时间间隔中的每个历史时间间隔处的所述受尾流影响的集群功率输出与所述多个历史设置点组合中的每个历史设置点组合相关联;
经由所述控制器确定所述多个历史设置点组合中的历史设置点组合,所述多个历史设置点组合对应所述受尾流影响的集群功率输出,所述多个历史设置点组合与所述自由流最大群集功率输出具有小于在所述多个剩余历史时间间隔中的每个剩余受尾流影响的集群功率输出的差的幅度的差的幅度;以及
经由所述控制器至少部分地基于所确定的历史设置点组合来确定所述缓解设置点组合。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US17/386622 | 2021-07-28 | ||
US17/386,622 US20230034766A1 (en) | 2021-07-28 | 2021-07-28 | Systems and methods for operating a wind farm |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115680987A true CN115680987A (zh) | 2023-02-03 |
Family
ID=82547186
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210902011.3A Pending CN115680987A (zh) | 2021-07-28 | 2022-07-28 | 用于操作风电场的系统和方法 |
Country Status (3)
Country | Link |
---|---|
US (1) | US20230034766A1 (zh) |
EP (1) | EP4124748A1 (zh) |
CN (1) | CN115680987A (zh) |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10371124B2 (en) * | 2016-05-17 | 2019-08-06 | General Electric Company | System and method for determining wind farm wake loss |
DE102017105165A1 (de) * | 2017-03-10 | 2018-09-13 | Wobben Properties Gmbh | Verfahren zum Bestimmen einer verfügbaren Leistung eines Windparks und zugehöriger Windpark |
EP3517774A1 (en) * | 2018-01-25 | 2019-07-31 | Siemens Gamesa Renewable Energy A/S | Method and apparatus for cooperative controlling wind turbines of a wind farm |
US11725625B2 (en) * | 2018-07-31 | 2023-08-15 | Alliance For Sustainable Energy, Llc | Distributed reinforcement learning and consensus control of energy systems |
-
2021
- 2021-07-28 US US17/386,622 patent/US20230034766A1/en active Pending
-
2022
- 2022-07-01 EP EP22182619.1A patent/EP4124748A1/en active Pending
- 2022-07-28 CN CN202210902011.3A patent/CN115680987A/zh active Pending
Also Published As
Publication number | Publication date |
---|---|
EP4124748A1 (en) | 2023-02-01 |
US20230034766A1 (en) | 2023-02-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110017249B (zh) | 运行风力涡轮的方法 | |
US10393093B2 (en) | System and method for assessing the performance impact of wind turbine upgrades | |
US11649804B2 (en) | Systems and methods for controlling a wind turbine | |
US20160084224A1 (en) | System and method for optimizing wind farm performance | |
US20180283352A1 (en) | Method for Preventing Wind Turbine Rotor Blade Tower Strikes | |
US11231012B1 (en) | Systems and methods for controlling a wind turbine | |
EP3249218B1 (en) | System and method for micrositing a wind farm for loads optimization | |
EP3855019A1 (en) | System and method for operating a wind turbine | |
CN112696317A (zh) | 用于基于集体俯仰偏移来控制风力涡轮的系统和方法 | |
CN111648916B (zh) | 对于风力涡轮的推力极限 | |
US11608811B2 (en) | System and method for mitigating loads acting on a rotor blade of a wind turbine | |
JP2022107523A (ja) | 風の乱流のアクティブセンシングを用いた風力タービンのための推力制御 | |
EP3608538A1 (en) | Model-based repowering solutions for wind turbines | |
EP4060430A1 (en) | Systems and methods for operating power generating assets | |
CN111810357A (zh) | 用于减轻风力涡轮的转子叶片的损坏的系统及方法 | |
US20230034766A1 (en) | Systems and methods for operating a wind farm | |
US20190226456A1 (en) | System and Method for Evaluating Loads of a Potential Wind Farm Site for Multiple Wind Scenarios | |
US11149714B2 (en) | System and method for optimizing auxiliary loads based on operational usage | |
EP4363820A1 (en) | Systems and methods for controlling an industrial asset of an asset family | |
CN114483477A (zh) | 用于功率生成系统的多变量控制的系统和方法 | |
CN114945750A (zh) | 用于控制风力涡轮的系统和方法 | |
CN118056072A (zh) | 用于控制风力涡轮的系统和方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination |