EP3877924A1 - Windpark-energieparameterwert-prognose - Google Patents

Windpark-energieparameterwert-prognose

Info

Publication number
EP3877924A1
EP3877924A1 EP19795147.8A EP19795147A EP3877924A1 EP 3877924 A1 EP3877924 A1 EP 3877924A1 EP 19795147 A EP19795147 A EP 19795147A EP 3877924 A1 EP3877924 A1 EP 3877924A1
Authority
EP
European Patent Office
Prior art keywords
energy
wind
parameter value
wind farm
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
EP19795147.8A
Other languages
English (en)
French (fr)
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
Siemens Gamesa Renewable Energy Service 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 Siemens Gamesa Renewable Energy Service GmbH filed Critical Siemens Gamesa Renewable Energy Service GmbH
Publication of EP3877924A1 publication Critical patent/EP3877924A1/de
Pending legal-status Critical Current

Links

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"
    • 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
    • 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
    • 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

Definitions

  • the present invention relates to a method and system for forecasting a
  • Network connection point is connected to an energy network and at least one
  • Has wind turbine and a computer program product for performing the method.
  • a forecast of energy parameter values of the wind farms is particularly important, for example, for the network management of energy networks with integrated wind farms
  • the object of the present invention is to improve the forecast of an energy parameter value of one or more wind farms.
  • Claims 8, 9 provide protection for a system or computer program product for carrying out a method described here.
  • the subclaims relate to advantageous further developments.
  • one or more wind farms are temporarily or stationary connected to an energy network via a network connection point
  • the one or more of the wind farm (s) have / have in one embodiment (each) one or more wind energy plant (s), which in turn in one embodiment (each) have a rotor, which in one embodiment has at least one and / or at most has six rotor blades and / or one, at least essentially, horizontal axis of rotation or rotor (longitudinal), and / or one, in particular coupled thereto and / or with the (respective) network connection point, in particular via at least one transformer, temporarily or stationary connected, generator has / have.
  • values of input parameters are recorded, the state parameters (values), control parameters (values) and / or service parameters (values) of the wind farm (s), in particular the wind turbine (s) and / or the (respective) network connection point, and / or one or more wind farm external and / or independent of the wind farm and / or spaced, include devices, in particular can consist of them.
  • this detection can include, in particular, determining, in particular measuring, processing, for example filtering, integrating, classifying or the like, and / or receiving.
  • (the or at least part of) the input parameters (values) are recorded continuously. In this way, a forecast precision and / or timeliness can be improved in one embodiment.
  • the or at least some of the input parameters are recorded discontinuously, in particular cyclically or periodically.
  • a data volume and / or a measurement effort can advantageously be reduced in one embodiment.
  • energy parameter value Multi-dimensional energy parameters based on these recorded input parameter values and a machine-learned assignment between the
  • the generation of the forecast in particular the time required for this, and / or the forecast quality can be improved in one embodiment.
  • the (forecast) input parameter (value) depends on an electrical energy, in particular power, of the (respective) wind farm, which it (probably) makes available at the (respective) grid connection point or
  • network management or control technology of the energy network can advantageously be implemented, in particular individual components of the energy network, in one embodiment the one or more of the wind farm (s), in particular theirs
  • Wind energy plant (s) and / or grid connection point (s) are controlled, in particular regulated, on the basis of the predicted energy parameter value (s).
  • a method, system or computer program product for controlling (a network management) of the energy network is placed under protection on the basis of the predicted energy parameter value or the method comprises the step: controlling, in particular rules (network management) of the energy network on the basis of the predicted energy parameter value, or the system means for
  • Control in particular rules, of the energy network on the basis of the predicted energy parameter value.
  • At least one input parameter value is or is determined on the basis of measured electrical, mechanical, thermal and / or meteorological data, in particular therefore with the help of and / or on, in particular in, the (respective)
  • Wind farm in particular its wind power plant (s) and / or network connection point, and / or with the help of and / or on, in particular in, the (respective) wind farm external
  • Device in particular a (wind park-external) component of the energy network and / or a meteorological station, measured electrical, mechanical, thermal and / or meteorological data, in particular such data
  • At least one is in one embodiment
  • Input parameter value determined on the basis of predicted electrical, mechanical, thermal and / or meteorological data, in particular with the help of and / or on, in particular in, the (respective) wind farm (s), in particular its wind energy plant (s) and / or network connection point, and / or with the help of and / or to, in particular in, the (respective) facility outside the wind farm, in particular one (outside the wind farm)
  • Component of the energy network a meteorological station and / or one
  • Weather forecast (facility), predicted electrical, mechanical, thermal and / or meteorological data, in particular such data
  • An input parameter (value) can in particular be a mechanical, thermal and / or an electrical status, in particular status, and / or control,
  • Weather forecast (facility) (s) include, in particular be. At least one
  • input parameters are or are recorded with the aid of a condition monitoring system of the corresponding wind farm, in particular the corresponding wind energy installation.
  • At least one is in one embodiment
  • the or at least one input parameter value determined on the basis of a planned maintenance is updated one or more times, in one version event-based and / or cyclically, in particular continuously, in one version permanently, in one version based on a currently planned maintenance or an updated planned maintenance.
  • Forecast quality can be (further) improved.
  • An update can postpone scheduled maintenance due to unforeseen events in an execution
  • the energy parameter value is predicted for at least two different time horizons.
  • the energy parameter value is predicted for at least a time horizon of at most 5 minutes, in particular for a time and / or space that is at most 5 minutes in the future.
  • the energy parameter value is forecast in an embodiment for at least a time horizon of at least 5 minutes, in particular at least 10 minutes, and at most 30 minutes, in particular at most 20 minutes, in particular for a time and / or space that is at least 5 or 10 minutes and a maximum of 20 or 30 minutes in the future. Additionally or alternatively, the energy parameter value in one embodiment is forecast, in particular, for at least a time horizon of at least 15 minutes, in particular at least 60 minutes, and / or at most 72 hours, in particular at most 48 hours, in an embodiment at most 24 hours, in particular at most 12 hours for a time and / or space that is at least 15 or 60 minutes and / or at most 12, 24, 48 or 96 hours in the future.
  • Energy parameter values, in particular a control based thereon, in particular rules, of the wind farm (s) and / or the energy network can be improved.
  • the or one or more of the input parameter value (s) and / or the energy parameter value are sent via a VPN gateway, in particular a web-based VPN, and / or to a cloud or data or computer cloud, in particular virtual private Cloud, and / or transmitted from a cloud or data or computer cloud, in particular virtual private cloud, in one embodiment to the or one or more of the wind farm (s) and / or from the or one or more of the wind farm (s) and / or to the or one or more of the wind farm external device (s) and / or from the or one or more of the wind farm external device (s) and / or to a or the network management of the energy network and / or to an artificial neural network and / or from or the artificial neural network that implements the assignment.
  • the assignment between the input parameters and the energy parameter is also learned mechanically even during the operation, in particular normal operation, of the at least one wind farm. Additionally or alternatively, the assignment is implemented in an embodiment using an artificial neural network. Additionally or alternatively, in one embodiment, the assignment is learned by machine on the basis of a comparison of recorded and predicted values of the energy parameter.
  • Input parameters and the energy parameter and thereby in particular the quality of the forecast of the energy parameter value can be improved.
  • Energy parameter values of the at least one wind farm, in particular hardware and / or software, in particular program technology, are set up to carry out a method described here and / or have:
  • Means for acquiring values of input parameters which include status, control and / or service parameters of the wind farm, in particular the wind power installation and / or the network connection point, and / or at least one device external to the wind farm;
  • system or its means have:
  • Means for determining at least one input parameter value is determined on the basis of a planned maintenance of the wind farm, in particular the wind energy installation;
  • a VPN gateway in particular a web-based VPN, and / or to and / or from a cloud, in particular virtual private cloud, in particular to and / or from the at least one wind farm, to and / or from the at least one a device external to the wind farm, to and / or from an artificial neural network and / or to a network management of the energy network;
  • an artificial neural network that implements the assignment or is set up or used for this purpose.
  • a means in the sense of the present invention can be designed in terms of hardware and / or software, in particular one that is preferably data-connected or signal-linked, in particular digital, processing, in particular digitally connected to a memory and / or bus system
  • Microprocessor unit CPU
  • graphics card GPU
  • the processing unit can be designed to process commands that are implemented as a program stored in a memory system, to acquire input signals from a data bus and / or to output signals to a data bus.
  • a storage system can have one or more, in particular different, storage media, in particular optical, magnetic, solid-state and / or other non-volatile media.
  • the program can be designed in such a way that it embodies or is capable of executing the methods described here, so that the processing unit can carry out the steps of such methods and thus in particular can forecast the energy parameter value or control the network management of the energy network based thereon.
  • the computer program product can have, in particular a non-volatile, storage medium for storing a program or with a program stored thereon, an execution of this program prompting a system or a controller, in particular a computer, to do one here perform the described method or one or more of its steps.
  • one or more, in particular all, steps of the method are carried out completely or partially automatically, in particular by the system or its means.
  • the system has at least one wind farm, the energy network and / or its network management. Further advantages and features result from the subclaims and the exemplary embodiments. Here shows, partly schematically:
  • FIG. 1 a system for forecasting an energy parameter value of at least one wind farm according to an embodiment of the present invention
  • FIG. 2 a method for forecasting the energy parameter value after a
  • FIG. 1 shows an example of two wind farms, each of which has a plurality of wind energy plants 10 and 20 and are connected to an energy network 100 via a network connection point 11 and 21.
  • State parameter values of the wind energy plants are transmitted to a controller 12 or 22 and an interface 13 or 23 of the respective wind farm, to which the controller 12 or 22 also transmits control parameters.
  • Meteorological stations 14 and 24, condition monitoring systems and transformers 15 and 25 of the wind farms, if present, can also transmit state parameter values to the interface 13 or 23, as indicated in FIG. 1 by dash-dotted data arrows.
  • the interfaces 13, 23 transmit these, optionally processed, for example filtered, integrated and / or classified, input parameter values via VPN gateways of a web-based VPN to a cloud 30, as indicated in FIG. 1 by dash-and-dot-dash data arrows.
  • Other facilities outside the wind farm such as a meteorological station 40 outside the wind farm or a weather forecast (facility) 41, can also transmit input parameter values to the cloud 30 in a corresponding manner via VPN connections.
  • a service company 42 transmits service parameters for the wind farms in a corresponding manner via a VPN connection to the cloud 30, for example times and times of planned maintenance or the like.
  • An artificial neural network 50 automatically learns an assignment on the basis of these input parameter values transmitted from the cloud 30 in a step S10 (cf. FIG. 2) between these input parameters and an energy parameter, for example an electrical power, which is fed into the energy network at its network connection point at a later point in time or offset by a certain time horizon against a measurement time of the input parameter values, or
  • an energy parameter for example an electrical power
  • the artificial neural network 50 predicts input parameter values and the machine-learned assignment in operation in a step S20 (cf. FIG. 2)
  • Energy parameter value for one or more time horizons for example the electrical power that is likely to be available in 15 minutes or the like.
  • the artificial neural network 50 transmits this energy parameter value to the cloud 30, from which a network management 110 of the energy network 100 receives or retrieves the corresponding predicted energy parameter values. Based on this, the latter can control, in particular regulate, the energy grid 100, for example, call up more or less power at one of the grid connection points 11, 21 or the like. In this way, in particular the network stability of the energy network 100 can be improved.

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Health & Medical Sciences (AREA)
  • Economics (AREA)
  • General Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Sustainable Development (AREA)
  • Combustion & Propulsion (AREA)
  • Chemical & Material Sciences (AREA)
  • Mechanical Engineering (AREA)
  • General Physics & Mathematics (AREA)
  • Sustainable Energy (AREA)
  • Evolutionary Computation (AREA)
  • Environmental & Geological Engineering (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Theoretical Computer Science (AREA)
  • Public Health (AREA)
  • Primary Health Care (AREA)
  • General Health & Medical Sciences (AREA)
  • Water Supply & Treatment (AREA)
  • Environmental Sciences (AREA)
  • Ecology (AREA)
  • Biodiversity & Conservation Biology (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

Windpark-Energieparameterwert-Prognose
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 (wind parkexternen) 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:
Fig. 1 : ein System zur Prognose eines Energieparameterwertes wenigstens eines Windparks nach einer Ausführung der vorliegenden Erfindung; und Fig. 2: ein Verfahren zur Prognose des Energieparameterwertes nach einer
Ausführung der vorliegenden Erfindung.
Fig. 1 zeigt exemplarisch zwei Windparks, die jeweils mehrere Windenergieanlagen 10 bzw. 20 aufweisen und über einen Netzverknüpfungspunkt 1 1 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 Fig. 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 Fig. 1 durch strich- doppelpunktierte Datenpfeile angedeutet. Auch weitere wind parkexterne 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. Fig. 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. Fig. 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 1 10 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 1 1 , 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. Bezuqszeichenliste
10 Windenergieanlage
1 1 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

Patentansprüche
1. Verfahren zur Prognose eines Energieparameterwertes wenigstens eines Windparks (10- 15; 20-25), der über einen Netzverknüpfungspunkt (1 1 ; 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 (1 1 ; 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.
EP19795147.8A 2018-11-06 2019-10-23 Windpark-energieparameterwert-prognose Pending EP3877924A1 (de)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
DE102018008700.0A DE102018008700A1 (de) 2018-11-06 2018-11-06 Windpark-Energieparameterwert-Prognose
PCT/EP2019/078798 WO2020094393A1 (de) 2018-11-06 2019-10-23 Windpark-energieparameterwert-prognose

Publications (1)

Publication Number Publication Date
EP3877924A1 true EP3877924A1 (de) 2021-09-15

Family

ID=68387302

Family Applications (1)

Application Number Title Priority Date Filing Date
EP19795147.8A Pending EP3877924A1 (de) 2018-11-06 2019-10-23 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)

Families Citing this family (1)

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

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DK2192456T3 (en) * 2008-11-26 2017-12-11 Siemens Ag Estimation of an achievable power production of a wind turbine by means of a neural network
US20120083933A1 (en) * 2010-09-30 2012-04-05 General Electric Company Method and system to predict power plant performance
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
US20170091791A1 (en) * 2015-09-25 2017-03-30 General Electric Company Digital power plant system and method
US11242842B2 (en) * 2016-05-23 2022-02-08 General Electric Company System and method for forecasting power output of a wind farm
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
US10598157B2 (en) * 2017-02-07 2020-03-24 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
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

Also Published As

Publication number Publication date
WO2020094393A1 (de) 2020-05-14
DE102018008700A1 (de) 2020-05-07
CN112997201A (zh) 2021-06-18
US20220012821A1 (en) 2022-01-13

Similar Documents

Publication Publication Date Title
EP3214718B1 (de) Verfahren und system zum betrieb eines autarken energieversorgungsnetzes
EP2591534B1 (de) Verfahren zur steuerung von pv-anlagen in einem stromversorgungsnetz
EP3336995B1 (de) Verfahren, steuereinrichtung und system zum ermitteln von zustandswerten zur beschreibung von betriebszuständen in einem teilnetz eines energieversorgungsnetzes
EP2202470A1 (de) Verfahren und System zur Nutzung erneuerbarer Energiequellen
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
DE102014206381A1 (de) Ladesystem für Elektro-Fahrzeuge
DE102018001763A1 (de) Verfahren und System zum Warten einer Windenergieanlage aus einer Gruppe von Windenergieanlagen
WO2020094393A1 (de) Windpark-energieparameterwert-prognose
EP2592709A1 (de) Verfahren und Vorrichtung zur Steuerung der Stabilität eines Niederspannungsnetzes
WO2021122347A1 (de) Verfahren zur bestimmung einer restnutzungsdauer einer windenergieanlage und windenergieanlage
WO2015039802A1 (de) Verfahren zur rechnergestützten steuerung einer oder mehrerer regenerativer energieerzeugungsanlagen in einem elektrischen stromnetz
DE102016217748A1 (de) Erbringung von Primärregelleistung
EP3832131A1 (de) Verfahren zum erstellen einer leistungsprognose für eine windenergieanlage
EP3548738B1 (de) Verfahren und vorrichtung zum regeln von einem leistungswert eines offshore-windenergiesystems
DE102013002662A1 (de) Verfahren und Vorrichtung zum Betreiben zumindest einer Windenergieanlage und zum Bestimmen einer Zustandsgröße einer Windenergieanlage
EP3931443B1 (de) Sensorkit für eine windenergieanlage
DE102018000088A1 (de) Vefahren zum Betreiben eines Windkraftwerks, insbesondere Wartungssteuerung
EP4022731B1 (de) Verfahren zum betreiben einer elektrischen speicherstation
DE102016112005A1 (de) Verfahren zur Auslegung des Netzschutzes eines elektrischen Niederspannungsversorgungsnetzes
EP3869652A1 (de) Versorgung einer industrieanlage mit elektrischer energie
EP4007111A1 (de) Verfahren zum dynamischen clustern von elektrischen anlagen, insbesondere zur erbringung von systemdienstleistungen
WO2019197456A1 (de) Verfahren, vorrichtung und computerprogrammprodukt zum betrieb einer oder mehrerer windenergieanlagen
DE102018003376A1 (de) Verfahren zum Betrieb einer Windenergieanlage, Windenergieanalge und Computerprogrammprodukt

Legal Events

Date Code Title Description
STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: UNKNOWN

STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: THE INTERNATIONAL PUBLICATION HAS BEEN MADE

PUAI Public reference made under article 153(3) epc to a published international application that has entered the european phase

Free format text: ORIGINAL CODE: 0009012

STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: REQUEST FOR EXAMINATION WAS MADE

17P Request for examination filed

Effective date: 20210427

AK Designated contracting states

Kind code of ref document: A1

Designated state(s): AL AT BE BG CH CY CZ DE DK EE ES FI FR GB GR HR HU IE IS IT LI LT LU LV MC MK MT NL NO PL PT RO RS SE SI SK SM TR

DAV Request for validation of the european patent (deleted)
DAX Request for extension of the european patent (deleted)
RAP3 Party data changed (applicant data changed or rights of an application transferred)

Owner name: SIEMENS GAMESA RENEWABLE ENERGY SERVICE GMBH

STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: EXAMINATION IS IN PROGRESS

17Q First examination report despatched

Effective date: 20220615