DE102018008700A1 - Windpark-Energieparameterwert-Prognose - Google Patents

Windpark-Energieparameterwert-Prognose Download PDF

Info

Publication number
DE102018008700A1
DE102018008700A1 DE102018008700.0A DE102018008700A DE102018008700A1 DE 102018008700 A1 DE102018008700 A1 DE 102018008700A1 DE 102018008700 A DE102018008700 A DE 102018008700A DE 102018008700 A1 DE102018008700 A1 DE 102018008700A1
Authority
DE
Germany
Prior art keywords
energy
wind farm
parameter value
wind
network
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
Application number
DE102018008700.0A
Other languages
English (en)
Inventor
Hennig Harden
Ali Hadjihosseini
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.)
Siemens Gamesa Renewable Energy Service GmbH
Original Assignee
Senvion GmbH
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 Senvion GmbH filed Critical Senvion GmbH
Priority to DE102018008700.0A priority Critical patent/DE102018008700A1/de
Priority to CN201980072002.2A priority patent/CN112997201A/zh
Priority to EP19795147.8A priority patent/EP3877924A1/de
Priority to PCT/EP2019/078798 priority patent/WO2020094393A1/de
Priority to US17/290,520 priority patent/US20220012821A1/en
Publication of DE102018008700A1 publication Critical patent/DE102018008700A1/de
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • 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
    • F03D7/028—Controlling wind motors  the wind motors having rotation axis substantially parallel to the air flow entering the rotor controlling wind motor output power
    • F03D7/0284—Controlling wind motors  the wind motors having rotation axis substantially parallel to the air flow entering the rotor controlling wind motor output power in relation to the state of the electric grid
    • 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
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W1/00—Meteorology
    • G01W1/10—Devices for predicting weather conditions
    • 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
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/0265—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion
    • G05B13/027—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion using neural networks only
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply
    • 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
    • F05B2270/00—Control
    • F05B2270/70—Type of control algorithm
    • F05B2270/709—Type of control algorithm with neural networks
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • 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)
  • Business, Economics & Management (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Economics (AREA)
  • Sustainable Development (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Sustainable Energy (AREA)
  • Mechanical Engineering (AREA)
  • Chemical & Material Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Combustion & Propulsion (AREA)
  • Evolutionary Computation (AREA)
  • Environmental & Geological Engineering (AREA)
  • Strategic Management (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Tourism & Hospitality (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Primary Health Care (AREA)
  • General Health & Medical Sciences (AREA)
  • Water Supply & Treatment (AREA)
  • Public Health (AREA)
  • Environmental Sciences (AREA)
  • Ecology (AREA)
  • Atmospheric Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Automation & Control Theory (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Wind Motors (AREA)

Abstract

Ein erfindungsgemäßes Verfahren zur Prognose eines Energieparameterwertes wenigstens eines Windparks (10-15; 20-25), der über einen Netzverknüpfungspunkt (11; 21) an ein Energienetz (100) angeschlossen ist und wenigstens eine Windenergieanlage (10; 20) aufweist, umfasst die Schritte:- Erfassen (S10) von Werten von Eingangsparametern, die Zustands-, Steuer- und/oder Serviceparameter von dem Windpark, insbesondere der Windenergieanlage und/oder dem Netzverknüpfungspunkt, und/oder wenigstens einer windparkexternen Einrichtung (40-42) umfassen; und- Prognostizieren (S20) des Energieparameterwertes auf Basis der erfassten Eingangsparameterwerte und einer maschinell gelernten Zuordnung zwischen den Eingangsparametern und dem Energieparameter.

Description

  • Die vorliegende Erfindung betrifft ein Verfahren und System zur Prognose eines Energieparameterwertes wenigstens eines Windparks, der über einen Netzverknüpfungspunkt an ein Energienetz angeschlossen ist und wenigstens eine Windenergieanlage aufweist, sowie ein Computerprogrammprodukt zur Durchführung des Verfahrens.
  • Insbesondere für die Netzführung von Energienetzen mit eingebundenen Windparks ist eine Prognose von Energieparameterwerten der Windparks wichtig, um beispielsweise entsprechende Reserven vorzuhalten, (Aus)Last(ung)en zu verteilen oder dergleichen, insbesondere um eine Netzstabilität zu verbessern.
  • Aufgabe der vorliegenden Erfindung ist es, die Prognose eines Energieparameterwertes eines oder mehrerer Windparks zu verbessern.
  • Diese Aufgabe wird durch ein Verfahren mit den Merkmalen des Anspruchs 1 gelöst. Ansprüche 8, 9 stellen ein System bzw. Computerprogrammprodukt zur Durchführung eines hier beschriebenen Verfahrens unter Schutz. Die Unteransprüche betreffen vorteilhafte Weiterbildungen.
  • Nach einer Ausführung der vorliegenden Erfindung sind ein oder mehrere Windparks (jeweils) über einen Netzverknüpfungspunkt temporär oder stationär an ein Energienetz angeschlossen.
  • Der bzw. ein oder mehrere der Windpark(s) weist/weisen in einer Ausführung (jeweils) eine oder mehrere Windenergieanlage(n) auf, die ihrerseits in einer Ausführung (jeweils) einen Rotor, der in einer Ausführung wenigstens ein und/oder höchstens sechs Rotorblätter und/oder eine, wenigstens im Wesentlichen, horizontale Dreh- bzw. Rotor(längs)achse aufweist, und/oder einen, insbesondere damit gekoppelten und/oder mit dem (jeweiligen) Netzverknüpfungspunkt, insbesondere über wenigstens einen Transformator, temporär oder stationär verbundenen, Generator aufweist/aufweisen.
  • Nach einer Ausführung der vorliegenden Erfindung werden Werte von Eingangsparametern („Eingangsparameterwerte“) erfasst, die Zustandsparameter(werte), Steuerparameter(werte) und/oder Serviceparameter(werte) von dem bzw. den Windpark(s), insbesondere der bzw. den Windenergieanlage(n) und/oder dem (jeweiligen) Netzverknüpfungspunkt, und/oder einer oder mehrerer windparkexternen bzw. von dem Windpark unabhängigen und/oder beabstandeten, Einrichtungen umfassen, insbesondere hieraus bestehen können. Dieses Erfassen kann in einer Ausführung ein Ermitteln, insbesondere Messen, Verarbeiten, beispielsweise Filtern, Integrieren, Klassifizieren oder dergleichen, und/oder ein Erhalten umfassen, insbesondere sein.
  • In einer Ausführung werden (die bzw. wenigstens ein Teil der) Eingangsparameter(werte) kontinuierlich erfasst. Hierdurch kann in einer Ausführung eine Prognosepräzision und/oder - aktualität verbessert werden.
  • Zusätzlich oder alternativ werden in einer Ausführung (die bzw. wenigstens ein Teil der) Eingangsparameter(werte) diskontinuierlich, insbesondere zyklisch bzw. periodisch, erfasst. Hierdurch kann in einer Ausführung eine Datenmenge und/oder ein Messaufwand vorteilhaft reduziert werden.
  • Nach einer Ausführung der vorliegenden Erfindung wird ein Wert eines ein- oder mehrdimensionalen Energieparameters („Energieparameterwert“) auf Basis dieser erfassten Eingangsparameterwerte und einer maschinell gelernten Zuordnung zwischen den Eingangsparametern und dem Energieparameter prognostiziert.
  • Dadurch kann in einer Ausführung die Prognoseerstellung, insbesondere die hierfür benötigte Zeit, und/oder die Prognosequalität verbessert werden.
  • Der (prognostizierte) Eingangsparameter(wert) hängt in einer Ausführung von einer elektrischen Energie, insbesondere Leistung, des (jeweiligen) Windparks ab, die dieser (voraussichtlich) an dem (jeweiligen) Netzverknüpfungspunkt zur Verfügung stellt bzw. stellen kann bzw. in das Energienetz einspeist bzw. einspeisen kann, er kann diese insbesondere angeben.
  • Damit kann in einer Ausführung eine Netzführung bzw. -leittechnik des Energienetzes vorteilhaft realisiert, insbesondere einzelne Komponenten des Energienetzes, in einer Ausführung der bzw. eine oder mehrere der Windpark(s), insbesondere ihrer Windenergieanlage(n) und/oder Netzverknüpfungspunkt(e), auf Basis des bzw. der prognostizierten Energieparameterwerte(s) gesteuert, insbesondere geregelt, werden.
  • Entsprechend wird nach einer Ausführung der vorliegenden Erfindung ein Verfahren, System bzw. Computerprogrammprodukt zum Steuern (einer Netzführung) des Energienetz auf Basis des prognostizierten Energieparameterwertes unter Schutz gestellt bzw. umfasst das Verfahren den Schritt: Steuern, insbesondere Regeln, (einer Netzführung) des Energienetz auf Basis des prognostizierten Energieparameterwertes, bzw. das System Mittel zum Steuern, insbesondere Regeln, (einer Netzführung) des Energienetz auf Basis des prognostizierten Energieparameterwertes.
  • In einer Ausführung ist bzw. wird wenigstens ein Eingangsparameterwert auf Basis gemessener elektrischer, mechanischer, thermischer und/oder meteorologischer Daten ermittelt, insbesondere also mithilfe des und/oder an, insbesondere in, dem (jeweiligen) Windpark(s), insbesondere dessen Windenergieanlage(n) und/oder Netzverknüpfungspunkt, und/oder mithilfe und/oder an, insbesondere in, der (jeweiligen) windparkexternen Einrichtung, insbesondere einer (windparkexternen) Komponente des Energienetzes und/oder einer meteorologischen Station, gemessener elektrischer, mechanischer, thermischer und/oder meteorologischer Daten, insbesondere können solche Daten Eingangsparameterwerte bilden bzw. diesen von solchen Daten abhängen.
  • Zusätzlich oder alternativ ist bzw. wird in einer Ausführung wenigstens ein Eingangsparameterwert auf Basis prognostizierter elektrischer, mechanischer, thermischer und/oder meteorologischer Daten ermittelt, insbesondere also mithilfe des und/oder an, insbesondere in, dem (jeweiligen) Windpark(s), insbesondere dessen Windenergieanlage(n) und/oder Netzverknüpfungspunkts, und/oder mithilfe und/oder an, insbesondere in, der (jeweiligen) windparkexternen Einrichtung, insbesondere einer (windparkexternen) Komponente des Energienetzes, einer meteorologischen Station und/oder einer Wettervorhersage(einrichtung), prognostizierter elektrischer, mechanischer, thermischer und/oder meteorologischer Daten, insbesondere können solche Daten Eingangsparameterwerte bilden bzw. diesen von solchen Daten abhängen.
  • Ein Eingangsparameter(wert) kann insbesondere einen mechanischen, thermischen und/oder einen elektrischen Zustands-, insbesondere Status-, und/oder Steuer-, insbesondere Regelparameter(wert) des Rotors und/oder Generators der bzw. einer oder mehrere der Windenergieanlage(n), einen elektrischen und/oder thermischen Zustands-, insbesondere Status-, und/oder Steuer-, insbesondere Regelparameter(wert) eines oder mehrerer Transformatoren, und/oder einen meteorologischen Zustandsparameter, insbesondere Windgeschwindigkeit(en), insbesondere Windstärke(n) und/oder -richtung(en), von, insbesondere an, einer oder mehrerer meteorologischer Stationen und/oder Wettervorhersage(einrichtung)(en) umfassen, insbesondere sein. Wenigstens ein Eingangsparameter(wert) ist bzw. wird in einer Ausführung mithilfe eines Condition-Monitoring-Systems des entsprechenden Windparks, insbesondere der entsprechenden Windenergieanlage, erfasst.
  • Hierdurch kann in einer Ausführung jeweils, insbesondere in Kombination von zwei oder mehr der vorstehend genannten Varianten, die Qualität der Prognose des Energieparameterwertes verbessert werden.
  • Zusätzlich oder alternativ ist bzw. wird in einer Ausführung wenigstens ein Eingangsparameterwert auf Basis einer geplanten Wartung des bzw. eines oder mehrerer der Windparks, insbesondere der Windenergieanlage(n), ermittelt, insbesondere eines geplanten Zeitpunkts und/oder -raums für die Wartung. In einer Ausführung wird der bzw. wenigstens ein auf Basis einer geplanten Wartung ermittelte Eingangsparameterwert ein- oder mehrfach, in einer Ausführung ereignisbasiert und/oder zyklisch, insbesondere fortlaufend, in einer Ausführung permanent, aktualisiert, in einer Ausführung auf Basis einer jeweils aktuell geplanten Wartung bzw. einer aktualisierten geplanten Wartung.
  • Durch die Berücksichtigung geplanter Wartungen kann in einer Ausführung die Prognosequalität (weiter) verbessert werden. Durch eine Aktualisierung können in einer Ausführung Verschiebungen geplanter Wartungen infolge unvorhergesehener Serviceeinsätze oder anderer Ereignisse berücksichtigt werden.
  • In einer Ausführung wird der Energieparameterwert für wenigstens zwei verschiedene Zeithorizonte prognostiziert.
  • In einer Ausführung wird der Energieparameterwert für wenigstens einen Zeithorizont von höchstens 5 Minuten prognostiziert, insbesondere also für einen Zeitpunkt und/oder -raum, der höchstens 5 Minuten in der Zukunft liegt.
  • Zusätzlich oder alternativ wird der Energieparameterwert in einer Ausführung für wenigstens einen Zeithorizont von wenigstens 5 Minuten, insbesondere wenigstens 10 Minuten, und höchstens 30 Minuten, insbesondere höchstens 20 Minuten, prognostiziert, insbesondere also für einen Zeitpunkt und/oder -raum, der wenigstens 5 bzw. 10 Minuten und höchstens 20 bzw. 30 Minuten in der Zukunft liegt.
  • Zusätzlich oder alternativ wird der Energieparameterwert in einer Ausführung für wenigstens einen Zeithorizont von wenigstens 15 Minuten, insbesondere wenigstens 60 Minuten, und/oder höchstens 72 Stunden, insbesondere höchstens 48 Stunden, in einer Ausführung höchstens 24 Stunden, insbesondere höchstens 12 Stunden, prognostiziert, insbesondere also für einen Zeitpunkt und/oder -raum, der wenigstens 15 bzw. 60 Minuten und/oder höchstens 12, 24, 48 bzw. 96 Stunden in der Zukunft liegt.
  • Hierdurch kann in einer Ausführung jeweils, insbesondere in Kombination von zwei oder mehr der vorstehend genannten Varianten, die Nutzung der Prognose des Energieparameterwertes, insbesondere ein hierauf basierendes Steuern, insbesondere Regeln, des bzw. der Windparks und/oder des Energienetzes verbessert werden.
  • In einer Ausführung werden der bzw. einer oder mehrere der Eingangsparameterwert(e) und/oder der Energieparameterwert über ein VPN-Gateway, insbesondere eines Web-basierenden VPNs, und/oder an eine Cloud bzw. Daten- bzw. Rechnerwolke, insbesondere Virtual Private Cloud, und/oder von einer Cloud bzw. Daten- bzw. Rechnerwolke, insbesondere Virtual Private Cloud, übertragen, in einer Ausführung an den bzw. einen oder mehrere der Windpark(s) und/oder von dem bzw. einem oder mehrere der Windpark(s) und/oder an die bzw. eine oder mehrere der windparkexternen Einrichtung(en) und/oder von der bzw. einer oder mehrerer der windparkexternen Einrichtung(en) und/oder an eine bzw. die Netzführung des Energienetzes und/oder an ein künstliches neuronales Netz und/oder von einem bzw. dem künstlichen neuronalen Netz, das die Zuordnung implementiert.
  • Hierdurch kann in einer Ausführung eine künstliche Intelligenz, die den Energieparameterwert auf Basis der erfassten Eingangsparameterwerte und maschinell gelernten Zuordnung prognostiziert, besonders vorteilhaft auf Daten, insbesondere Daten von räumlich beabstandeten Windparks und windparkexternen Einrichtungen, zugreifen und/oder der Netzführung den Energieparameterwert besonders vorteilhaft zur Verfügung stellen.
  • In einer Ausführung wird die Zuordnung zwischen den Eingangsparametern und dem Energieparameter auch während des Betriebs, insbesondere Normalbetriebs, des wenigstens einen Windparks weiter maschinell gelernt.
  • Zusätzlich oder alternativ ist die Zuordnung in einer Ausführung mithilfe eines künstlichen neuronalen Netzes implementiert.
  • Zusätzlich oder alternativ wird in einer Ausführung die Zuordnung auf Basis eines Vergleichs erfasster und prognostizierter Werte des Energieparameters maschinell gelernt.
  • Hierdurch kann in einer Ausführung jeweils, insbesondere in Kombination von zwei oder mehr der vorstehend genannten Varianten, die Zuordnung zwischen den Eingangsparametern und dem Energieparameter und dadurch insbesondere die Qualität der Prognose des Energieparameterwertes verbessert werden.
  • Nach einer Ausführung der vorliegenden Erfindung ist ein System zur Prognose des Energieparameterwertes des wenigstens einen Windparks, insbesondere hard- und/oder software-, insbesondere programmtechnisch, zur Durchführung eines hier beschriebenen Verfahrens eingerichtet und/oder weist auf:
    • Mittel zum Erfassen von Werten von Eingangsparametern, die Zustands-, Steuer- und/oder Serviceparameter von dem Windpark, insbesondere der Windenergieanlage und/oder dem Netzverknüpfungspunkt, und/oder wenigstens einer windparkexternen Einrichtung umfassen; und
    • Mittel zum Prognostizieren des Energieparameterwertes auf Basis der erfassten Eingangsparameterwerte und einer maschinell gelernten Zuordnung zwischen den Eingangsparametern und dem Energieparameter.
  • In einer Ausführung weist das System bzw. sein(e) Mittel auf:
    • Mittel zum Ermitteln wenigstens eines Eingangsparameterwerts auf Basis gemessener und/oder prognostizierter elektrischer, mechanischer, thermischer und/oder meteorologischer Daten;
    • Mittel zum Ermitteln wenigstens eines Eingangsparameterwerts auf Basis einer geplanten Wartung des Windparks, insbesondere der Windenergieanlage ermittelt ist;
    • Mittel zum Prognostizieren des Energieparameterwerts für wenigstens zwei verschiedene Zeithorizonte und/oder wenigstens einen Zeithorizont von höchstens 5 Minuten und/oder wenigstens einen Zeithorizont von wenigstens 5 Minuten und höchstens 30 Minuten und/oder wenigstens einen Zeithorizont von wenigstens 15 Minuten;
    • Mittel zum Übertragen wenigstens eines Eingangsparameterwerts und/oder des Energieparameterwerts über ein VPN-Gateway, insbesondere eines Web-basierenden VPNs, und/oder an und/oder von einer Cloud, insbesondere Virtual Private Cloud, insbesondere an den und/oder von dem wenigstens einen Windpark, an die und/oder von der wenigstens einen windparkexternen Einrichtung, an ein und/oder von einem künstlichen neuronalen Netz und/oder an eine Netzführung des Energienetzes;
    • Mittel zum weiteren maschinellen Lernen der Zuordnung auch während des Betriebs des wenigstens einen Windparks;
    • ein künstliches neuronales Netz, das die Zuordnung implementiert bzw. hierzu eingerichtet ist bzw. verwendet wird; und/oder
    • Mittel zum maschinellen Lernen der Zuordnung auf Basis eines Vergleichs erfasster und prognostizierter Werte des Energieparameters.
  • Ein Mittel im Sinne der vorliegenden Erfindung kann hard- und/oder softwaretechnisch ausgebildet sein, insbesondere eine, vorzugsweise mit einem Speicher- und/oder Bussystem daten- bzw. signalverbundene, insbesondere digitale, Verarbeitungs-, insbesondere Mikroprozessoreinheit (CPU), Graphikkarte (GPU) oder dergleichen, und/oder ein oder mehrere Programme oder Programmmodule aufweisen. Die Verarbeitungseinheit kann dazu ausgebildet sein, Befehle, die als ein in einem Speichersystem abgelegtes Programm implementiert sind, abzuarbeiten, Eingangssignale von einem Datenbus zu erfassen und/oder Ausgangssignale an einen Datenbus abzugeben. Ein Speichersystem kann ein oder mehrere, insbesondere verschiedene, Speichermedien, insbesondere optische, magnetische, Festkörper- und/oder andere nicht-flüchtige Medien aufweisen. Das Programm kann derart beschaffen sein, dass es die hier beschriebenen Verfahren verkörpert bzw. auszuführen imstande ist, sodass die Verarbeitungseinheit die Schritte solcher Verfahren ausführen kann und damit insbesondere den Energieparameterwert prognostizieren bzw. die Netzführung des Energienetzes basierend hierauf steuern kann. Ein Computerprogrammprodukt kann in einer Ausführung ein, insbesondere nicht-flüchtiges, Speichermedium zum Speichern eines Programms bzw. mit einem darauf gespeicherten Programm aufweisen, insbesondere sein, wobei ein Ausführen dieses Programms ein System bzw. eine Steuerung, insbesondere einen Computer, dazu veranlasst, ein hier beschriebenes Verfahren bzw. einen oder mehrere seiner Schritte auszuführen.
  • In einer Ausführung werden ein oder mehrere, insbesondere alle, Schritte des Verfahrens vollständig oder teilweise automatisiert durchgeführt, insbesondere durch das System bzw. sein(e) Mittel.
  • In einer Ausführung weist das System den wenigstens einen Windpark, das Energienetz und/oder dessen Netzführung auf.
  • Weitere Vorteile und Merkmale ergeben sich aus den Unteransprüchen und den Ausführungsbeispielen. Hierzu zeigt, teilweise schematisiert:
    • 1: ein System zur Prognose eines Energieparameterwertes wenigstens eines Windparks nach einer Ausführung der vorliegenden Erfindung; und
    • 2: ein Verfahren zur Prognose des Energieparameterwertes nach einer Ausführung der vorliegenden Erfindung.
  • 1 zeigt exemplarisch zwei Windparks, die jeweils mehrere Windenergieanlagen 10 bzw. 20 aufweisen und über einen Netzverknüpfungspunkt 11 bzw. 21 an ein Energienetz 100 angeschlossen sind.
  • Zustandsparameterwerte der Windenergieanlagen werden an einer Steuerung 12 bzw. 22 und eine Schnittstelle 13 bzw. 23 des jeweiligen Windparks übermittelt, an die die Steuerung 12 bzw. 22 auch Steuerparameter übermittelt. Meteorologische Stationen 14 bzw. 24, Condition-Monitoring-Systeme und Transformatoren 15 bzw. 25 der Windparks können, sofern vorhanden, ebenfalls Zustandsparameterwerte an die Schnittstelle 13 bzw. 23 übermitteln, wie in 1 durch strichpunktierte Datenpfeile angedeutet.
  • Die Schnittstellen 13, 23 übermitteln diese, gegebenenfalls verarbeiteten, beispielsweise gefilterten, integrierten und/oder klassifizierten, Eingangsparameterwerte über VPN-Gateways eines Web-basierenden VPNs in eine Cloud 30, wie in 1 durch strichdoppelpunktierte Datenpfeile angedeutet.
  • Auch weitere windparkexterne Einrichtungen wie beispielsweise eine windparkexterne meteorologische Station 40 oder eine Wettervorhersage(einrichtung) 41 können in entsprechender Weise Eingangsparameterwerte über VPN-Verbindungen in die Cloud 30 übermitteln.
  • Zusätzlich übermittelt ein Serviceunternehmer 42 Serviceparameter für die Windparks in entsprechender Weise über eine VPN-Verbindung in die Cloud 30, beispielsweise Zeitpunkte und -dauern geplanter Wartungen oder dergleichen.
  • Ein künstliches neuronales Netz 50 lernt auf Basis dieser in einem Schritt S10 (vgl. 2) aus der Cloud 30 übermittelten Eingangsparameterwerte maschinell eine Zuordnung zwischen diesen Eingangsparametern und einem Energieparameter, beispielsweise einer elektrischen Leistung, die von dem jeweiligen Windpark zu einem späteren bzw. um einen gewissen Zeithorizont gegen einen Messzeitpunkt der Eingangsparameterwerte versetzten Zeitpunkt an seinem Netzverknüpfungspunkt in das Energienetz eingespeist wird bzw. werden kann. Dieses maschinelle Lernen wird auch während des Betriebs der Windparks fortgesetzt.
  • Auf Basis der in Schritt S10 aktuell aus der Cloud 30 übermittelten bzw. erfassten Eingangsparameterwerte und der maschinell gelernten Zuordnung prognostiziert das künstliche neuronale Netz 50 im Betrieb in einem Schritt S20 (vgl. 2) den Energieparameterwert für einen oder mehrere Zeithorizonte, beispielsweise also die in 15 Minuten voraussichtlich zur Verfügung stellbare elektrische Leistung oder dergleichen.
  • Diesen Energieparameterwert übermittelt das künstliche neuronale Netz 50 in die Cloud 30, aus der eine Netzführung 110 des Energienetzes 100 die entsprechenden prognostizierten Energieparameterwerte erhält bzw. abruft. Diese kann das Energienetz 100 basierend hierauf steuern, insbesondere regeln, beispielsweise an einem der Netzverknüpfungspunkte 11, 21 entsprechend mehr oder weniger Leistung abrufen oder dergleichen. Hierdurch kann insbesondere die Netzstabilität des Energienetzes 100 verbessert werden.
  • Obwohl in der vorhergehenden Beschreibung exemplarische Ausführungen erläutert wurden, sei darauf hingewiesen, dass eine Vielzahl von Abwandlungen möglich ist. Außerdem sei darauf hingewiesen, dass es sich bei den exemplarischen Ausführungen lediglich um Beispiele handelt, die den Schutzbereich, die Anwendungen und den Aufbau in keiner Weise einschränken sollen. Vielmehr wird dem Fachmann durch die vorausgehende Beschreibung ein Leitfaden für die Umsetzung von mindestens einer exemplarischen Ausführung gegeben, wobei diverse Änderungen, insbesondere in Hinblick auf die Funktion und Anordnung der beschriebenen Bestandteile, vorgenommen werden können, ohne den Schutzbereich zu verlassen, wie er sich aus den Ansprüchen und diesen äquivalenten Merkmalskombinationen ergibt.
  • Bezugszeichenliste
    • 10
    Windenergieanlage
    11
    Netzverknüpfungspunkt
    12
    Steuerung
    13
    Schnittstelle mit VPN-Gateway
    14
    meteorologische Station
    15
    Condition Monitoring System und/oder Transformator
    20
    Windenergieanlage
    21
    Netzverknüpfungspunkt
    22
    Steuerung
    23
    Schnittstelle mit VPN-Gateway
    24
    meteorologische Station
    25
    Condition Monitoring System und/oder Transformator
    30
    Cloud
    40
    windparkexterne meteorologische Station
    41
    windparkexterne Wettervorhersage(einrichtung)
    42
    Serviceunternehmen für Wartung wenigstens einer der Windenergieanlagen
    50
    künstliches neuronales Netz
    100
    Energienetz
    110
    Netzführung

Claims (9)

  1. Verfahren zur Prognose eines Energieparameterwertes wenigstens eines Windparks (10-15; 20-25), der über einen Netzverknüpfungspunkt (11; 21) an ein Energienetz (100) angeschlossen ist und wenigstens eine Windenergieanlage (10; 20) aufweist, mit den Schritten: Erfassen (S10) von Werten von Eingangsparametern, die Zustands-, Steuer- und/oder Serviceparameter von dem Windpark, insbesondere der Windenergieanlage und/oder dem Netzverknüpfungspunkt, und/oder wenigstens einer windparkexternen Einrichtung (40-42) umfassen; und Prognostizieren (S20) des Energieparameterwertes auf Basis der erfassten Eingangsparameterwerte und einer maschinell gelernten Zuordnung zwischen den Eingangsparametern und dem Energieparameter.
  2. Verfahren nach Anspruch 1, dadurch gekennzeichnet, dass wenigstens ein Eingangsparameterwert auf Basis gemessener und/oder prognostizierter elektrischer, mechanischer, thermischer und/oder meteorologischer Daten ermittelt ist.
  3. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass wenigstens ein Eingangsparameterwert auf Basis einer geplanten Wartung des Windparks, insbesondere der Windenergieanlage ermittelt ist.
  4. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass der Energieparameterwert für wenigstens zwei verschiedene Zeithorizonte und/oder wenigstens einen Zeithorizont von höchstens 5 Minuten und/oder wenigstens einen Zeithorizont von wenigstens 5 Minuten und höchstens 30 Minuten und/oder wenigstens einen Zeithorizont von wenigstens 15 Minuten prognostiziert wird.
  5. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass wenigstens ein Eingangsparameterwert und/oder der Energieparameterwert über ein VPN-Gateway (13; 23), insbesondere eines Web-basierenden VPNs, und/oder an und/oder von einer Cloud (30), insbesondere Virtual Private Cloud, übertragen wird, insbesondere an den und/oder von dem wenigstens einen Windpark, an die und/oder von der wenigstens einen windparkexternen Einrichtung, an ein und/oder von einem künstlichen neuronalen Netz (50) und/oder an eine Netzführung (110) des Energienetzes.
  6. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass Zuordnung auch während des Betriebs des wenigstens einen Windparks weiter maschinell gelernt wird und/oder mithilfe eines künstlichen neuronalen Netzes (50) implementiert ist.
  7. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass die Zuordnung auf Basis eines Vergleichs erfasster und prognostizierter Werte des Energieparameters maschinell gelernt wird.
  8. System zur Prognose eines Energieparameterwertes wenigstens eines Windparks (10-15; 20-25), der über einen Netzverknüpfungspunkt (11; 21) an ein Energienetz (100) angeschlossen ist und wenigstens eine Windenergieanlage (10; 20) aufweist, das zur Durchführung eines Verfahrens nach einem der vorhergehenden Ansprüche eingerichtet ist und/oder aufweist: Mittel zum Erfassen von Werten von Eingangsparametern, die Zustands-, Steuer- und/oder Serviceparameter von dem Windpark, insbesondere der Windenergieanlage und/oder dem Netzverknüpfungspunkt, und/oder wenigstens einer windparkexternen Einrichtung (40-42) umfassen; und Mittel zum Prognostizieren des Energieparameterwertes auf Basis der erfassten Eingangsparameterwerte und einer maschinell gelernten Zuordnung zwischen den Eingangsparametern und dem Energieparameter.
  9. Computerprogrammprodukt mit einem Programmcode, der auf einem von einem Computer lesbaren Medium gespeichert ist, zur Durchführung eines Verfahrens nach einem der vorhergehenden Ansprüche.
DE102018008700.0A 2018-11-06 2018-11-06 Windpark-Energieparameterwert-Prognose Pending DE102018008700A1 (de)

Priority Applications (5)

Application Number Priority Date Filing Date Title
DE102018008700.0A DE102018008700A1 (de) 2018-11-06 2018-11-06 Windpark-Energieparameterwert-Prognose
CN201980072002.2A CN112997201A (zh) 2018-11-06 2019-10-23 风电场能量参数值预测
EP19795147.8A EP3877924A1 (de) 2018-11-06 2019-10-23 Windpark-energieparameterwert-prognose
PCT/EP2019/078798 WO2020094393A1 (de) 2018-11-06 2019-10-23 Windpark-energieparameterwert-prognose
US17/290,520 US20220012821A1 (en) 2018-11-06 2019-10-23 Prediction of a wind farm energy parameter value

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
DE102018008700.0A DE102018008700A1 (de) 2018-11-06 2018-11-06 Windpark-Energieparameterwert-Prognose

Publications (1)

Publication Number Publication Date
DE102018008700A1 true DE102018008700A1 (de) 2020-05-07

Family

ID=68387302

Family Applications (1)

Application Number Title Priority Date Filing Date
DE102018008700.0A Pending DE102018008700A1 (de) 2018-11-06 2018-11-06 Windpark-Energieparameterwert-Prognose

Country Status (5)

Country Link
US (1) US20220012821A1 (de)
EP (1) EP3877924A1 (de)
CN (1) CN112997201A (de)
DE (1) DE102018008700A1 (de)
WO (1) WO2020094393A1 (de)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102021210569A1 (de) 2021-09-23 2023-03-23 Zf Friedrichshafen Ag Verfahren zum Betreiben einer Windenergieanlage in einem Windpark und Windparkmanager

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120083933A1 (en) * 2010-09-30 2012-04-05 General Electric Company Method and system to predict power plant performance
US20170091791A1 (en) * 2015-09-25 2017-03-30 General Electric Company Digital power plant system and method
US20180223812A1 (en) * 2017-02-07 2018-08-09 International Business Machines Corporation Reducing curtailment of wind power generation
DE102017205713A1 (de) * 2017-04-04 2018-10-04 Siemens Aktiengesellschaft Verfahren und Steuereinrichtung zum Steuern eines technischen Systems

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2192456B1 (de) * 2008-11-26 2017-11-01 Siemens Aktiengesellschaft Schätzung der erreichbaren Stromerzeugung einer Windturbine mittels eines neuronalen Netzwerks
US10132295B2 (en) * 2015-05-15 2018-11-20 General Electric Company Digital system and method for managing a wind farm having plurality of wind turbines coupled to power grid
US10443577B2 (en) * 2015-07-17 2019-10-15 General Electric Company Systems and methods for improved wind power generation
EP3464895B1 (de) * 2016-05-23 2021-10-13 General Electric Company System und verfahren zur prognose der leistungserzeugung eines windparks
DE102016125953A1 (de) * 2016-12-30 2018-07-05 Wobben Properties Gmbh Verfahren zum Betreiben eines Windparks
US10330081B2 (en) * 2017-02-07 2019-06-25 International Business Machines Corporation Reducing curtailment of wind power generation
US10309372B2 (en) * 2017-05-25 2019-06-04 Hitachi, Ltd. Adaptive power generation management
US11047362B2 (en) * 2017-12-05 2021-06-29 VayuAI Corp. Cloud-based turbine control feedback loop
EP3506026A1 (de) * 2017-12-29 2019-07-03 Siemens Aktiengesellschaft Verfahren zur rechnergestützten prädiktion von mindestens einer globalen betriebsgrösse eines technischen systems

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120083933A1 (en) * 2010-09-30 2012-04-05 General Electric Company Method and system to predict power plant performance
US20170091791A1 (en) * 2015-09-25 2017-03-30 General Electric Company Digital power plant system and method
US20180223812A1 (en) * 2017-02-07 2018-08-09 International Business Machines Corporation Reducing curtailment of wind power generation
DE102017205713A1 (de) * 2017-04-04 2018-10-04 Siemens Aktiengesellschaft Verfahren und Steuereinrichtung zum Steuern eines technischen Systems

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102021210569A1 (de) 2021-09-23 2023-03-23 Zf Friedrichshafen Ag Verfahren zum Betreiben einer Windenergieanlage in einem Windpark und Windparkmanager
DE102021210569B4 (de) 2021-09-23 2023-08-24 Zf Friedrichshafen Ag Verfahren zum Betreiben einer Windenergieanlage in einem Windpark und Windparkmanager

Also Published As

Publication number Publication date
CN112997201A (zh) 2021-06-18
EP3877924A1 (de) 2021-09-15
US20220012821A1 (en) 2022-01-13
WO2020094393A1 (de) 2020-05-14

Similar Documents

Publication Publication Date Title
EP3707798B1 (de) Verfahren zur regelung eines elektrischen leistungstransfers sowie stromnetz
EP3214718B1 (de) Verfahren und system zum betrieb eines autarken energieversorgungsnetzes
EP3336995B1 (de) Verfahren, steuereinrichtung und system zum ermitteln von zustandswerten zur beschreibung von betriebszuständen in einem teilnetz eines energieversorgungsnetzes
DE102010006142A1 (de) Energieportal
EP2667023B1 (de) Steuerung eines Windenergiesystems
EP3161928B1 (de) Energiemanagementsystem zur steuerung einer einrichtung, computersoftwareprodukt und verfahren zur steuerung einer einrichtung
DE102016207454A1 (de) Einrichtung für Wahrscheinlichkeitsvorhersagen, mit einer solchen Einrichtung ausgestattetes Energieübertragungs- und/oder Energieverteilnetz und Verfahren für dessen Betrieb
DE102018001763A1 (de) Verfahren und System zum Warten einer Windenergieanlage aus einer Gruppe von Windenergieanlagen
EP2592709B1 (de) Verfahren und Vorrichtung zur Steuerung der Stabilität eines Niederspannungsnetzes
EP3947964A1 (de) Verfahren und vorrichtung zum erstellen und ausgeben einer erwartungsleistung
EP3494305A1 (de) Verfahren zum ausgeben eines reglersollwerts für einen energieerzeuger sowie vorrichtung dazu und system damit
DE102018008700A1 (de) Windpark-Energieparameterwert-Prognose
WO2021122347A1 (de) Verfahren zur bestimmung einer restnutzungsdauer einer windenergieanlage und windenergieanlage
DE102014222687A1 (de) Steuerung eines Energienetzes
EP3719737A1 (de) Computergestütztes energiemanagementverfahren und energiemanagementsystem
EP3521947A1 (de) Energiemanagementverfahren
EP3667851B1 (de) Erstellung dynamischer modelle von netzknoten in einem nieder- und/oder mittelspannungs-verteilnetz durch selbstlernenden algorithmus
EP3832131A1 (de) Verfahren zum erstellen einer leistungsprognose für eine windenergieanlage
EP2664939B1 (de) Verfahren zur Validierung sonnenstandsabhängiger Messwerte mehrerer Messkanäle
DE102013002662A1 (de) Verfahren und Vorrichtung zum Betreiben zumindest einer Windenergieanlage und zum Bestimmen einer Zustandsgröße einer Windenergieanlage
EP3931443B1 (de) Sensorkit für eine windenergieanlage
DE102010061278A1 (de) Überwachungssystem und Verfahren zur Überwachung eines regenerativen Kraftwerks
EP4022731B1 (de) Verfahren zum betreiben einer elektrischen speicherstation
EP3869652A1 (de) Versorgung einer industrieanlage mit elektrischer energie
EP4007111A1 (de) Verfahren zum dynamischen clustern von elektrischen anlagen, insbesondere zur erbringung von systemdienstleistungen

Legal Events

Date Code Title Description
R163 Identified publications notified
R081 Change of applicant/patentee

Owner name: SIEMENS GAMESA RENEWABLE ENERGY SERVICE GMBH, DE

Free format text: FORMER OWNER: SENVION GMBH, 22297 HAMBURG, DE