ES2904565T3

ES2904565T3 - Sistemas y procedimientos para corregir la inducción para el control de turbinas eólicas asistido por LIDAR

Info

Publication number: ES2904565T3
Application number: ES17179934T
Authority: ES
Inventors: Samuel Davoust; Conner B Shane; Adegas Fabiano Daher; Thomas Stephen Markham; Dale Robert Mashtare
Original assignee: General Electric Co
Current assignee: General Electric Co
Priority date: 2016-07-13
Filing date: 2017-07-06
Publication date: 2022-04-05
Anticipated expiration: 2037-07-06
Also published as: EP3273055B1; EP3273055A1; US10539116B2; US20180017039A1; DK3273055T3

Abstract

Un procedimiento de control de una turbina eólica (10), comprendiendo el procedimiento: recibir datos de velocidad del viento (510) desde un sensor de detección y determinación de distancias mediante luz (LIDAR) (148); recibir datos operativos (520) indicativos del funcionamiento de turbina eólica; caracterizado por: determinar una corrección de inducción a priori para condiciones operativas de turbina eólica (100) con respecto a los datos de velocidad del viento de LIDAR (510) en base a los datos operativos (520); estimar una señal de viento del sensor de LIDAR (148) que se ajusta por la corrección; y generar una señal de control (670) para la turbina eólica en base a la señal de viento estimada por LIDAR ajustada; en el que la corrección de inducción incluye determinar un modelo de inducción media y un modelo de inducción dinámica retardada en base a los datos operativos (520) indicativos del funcionamiento de turbina eólica (100).

Description

DESCRIPCIÓN

Sistemas y procedimientos para corregir la inducción para el control de turbinas eólicas asistido por LIDAR [0001] La presente divulgación se refiere, en general, al control de turbinas eólicas y, más en particular, a procedimientos y aparatos para corregir la inducción de rotor para el control de turbinas eólicas asistido por detección y determinación de distancias mediante luz (LIDAR).

[0002] La energía eólica se considera una de las fuentes de energía más limpias y más respetuosas con el medio ambiente actualmente disponibles, y las turbinas eólicas han conseguido una creciente atención por al menos estos motivos. Las turbinas eólicas han recibido una creciente atención durante las últimas dos décadas como una fuente de energía limpia con respecto al medio ambiente que no depende de combustibles fósiles limitados. Véase, por ejemplo, el documento GB 2476507 y Dunne, Fiona etal., "Importance of Lidar Measurement Timing Accuracy for wind Turbine Control” Conferencia de control estadounidense 2015 del IEEE, 4 de junio de 2014, pp. 3716-3721, ISSN 0743-1619.

[0003] Determinados ejemplos proporcionan sistemas y procedimientos para controlar una turbina eólica y compensar los efectos de inducción del viento.

[0004] Más específicamente, se proporciona la presente invención, como se define por las reivindicaciones adjuntas.

[0005] En los dibujos:

La FIG. 1 ilustra una turbina eólica de ejemplo.

La FIG. 2 muestra una vista interna simplificada de una implementación de la turbina eólica de ejemplo de la FIG. 1.

Las FIGS. 3A-3B ilustran gráficos de ejemplo que muestran correlaciones entre la velocidad del viento y la inducción y entre la distancia a la turbina y la velocidad del viento.

Las FIGS. 4A-4B ilustran una propagación de la perturbación de viento y el efecto de flujo de entrada dinámico de ejemplo.

La FIG. 5 ilustra un sistema de procesamiento de viento de ejemplo para controlar la turbina eólica.

Las FIGS. 6A-6C ilustran algunas implementaciones de ejemplo del procesador de estimación de viento del sistema de procesamiento de viento de ejemplo de la FIG. 5.

La FIG. 7 ilustra una implementación de ejemplo del procesador basado en modelo del ejemplo de las FIGS.

6A-6B.

La FIG. 8 ilustra una implementación de ejemplo del estimador de velocidad del viento por LIDAR del ejemplo de las FIGS. 6A-6C.

Las FIGS. 9-13 son diagramas de flujo representativos de instrucciones legibles por máquina de ejemplo que se pueden ejecutar para implementar los sistemas de ejemplo de las FIGS. 1-8.

La FIG. 14 es una ilustración esquemática de una plataforma de procesador de ejemplo que puede ejecutar las instrucciones de la FIG. 9-13 para implementar los sistemas de ejemplo de las FIGS. 1-8.

[0006] En la siguiente descripción detallada, se hace referencia a los dibujos adjuntos que forman una parte de la misma, y en los que muestran, por medio de ilustración, ejemplos específicos que se pueden llevar a la práctica. Estos ejemplos se describen con suficiente detalle para posibilitar que un experto en la técnica lleve a la práctica la materia objeto, y se ha de entender que se pueden utilizar otros ejemplos y que se pueden realizar cambios lógicos, mecánicos, eléctricos y/u otros cambios sin apartarse del alcance de la materia objeto de la presente divulgación. La siguiente descripción detallada se proporciona, por lo tanto, para describir implementaciones de ejemplo y no se ha de tomar como limitante del alcance de la materia objeto descrita en la presente divulgación. Determinados rasgos característicos de diferentes aspectos de la siguiente descripción se pueden combinar para formar aún nuevos aspectos de la materia objeto analizada a continuación.

[0007] Cuando se introducen elementos de diversos modos de realización de la presente divulgación, los artículos "un", "una", "el/la" y "dicho(s)/a(s)" pretenden significar que hay uno o más de los elementos. Los términos "que comprende", "que incluye" y "que tiene" pretenden ser inclusivos y significan que puede haber elementos adicionales distintos a los elementos enumerados.

[0008] Determinados ejemplos proporcionan sistemas y procedimientos para controlar el funcionamiento de una turbina eólica de acuerdo con las mediciones obtenidas con respecto al viento y el funcionamiento de la turbina eólica. Una turbina eólica moderna típicamente incluye una torre, un generador, una multiplicadora, una góndola y un rotor. El rotor típicamente incluye un buje rotatorio que tiene una o más palas de rotor fijadas al mismo. Un rodamiento de pitch típicamente está configurado de forma operativa entre el buje y la pala de rotor para permitir la rotación alrededor de un eje de pitch. Las palas de rotor captan la energía cinética del viento usando principios de perfil aerodinámico conocidos. Las palas de rotor transmiten la energía cinética como energía de rotación para hacer girar un eje, que acopla las palas de rotor a una multiplicadora. De forma alternativa, si no se usa la multiplicadora, las palas de rotor transmiten la energía cinética directamente al generador. A continuación, el generador convierte la energía mecánica en energía eléctrica que se puede desplegar a una red de suministro, por ejemplo.

[0009] Cambios en las condiciones atmosféricas, tales como velocidad del viento, turbulencia, ráfagas de viento, dirección del viento y densidad del viento, pueden afectar la potencia producida por el generador. Una salida de potencia del generador se incrementa con la velocidad del viento hasta que la velocidad del viento alcanza una velocidad del viento umbral para la turbina eólica. En la velocidad del viento umbral, el generador funciona a una potencia nominal. La potencia nominal es una potencia de salida, que el generador puede hacer funcionar con un nivel de fatiga o carga extrema para componentes de turbina que se ha predeterminado que es aceptable para la turbina. A velocidades del viento mayores al umbral, típicamente denominado "límite de fallo" (“trip limit”) o "límite de consigna de monitorización", la turbina eólica puede implementar una acción de control, tal como apagar o reducir la potencia (“de-rating”) de la turbina eólica para proteger los componentes de la turbina eólica de daños.

[0010] Se pueden situar uno o más sensores en o cerca de la turbina eólica para detectar las condiciones del viento. Por ejemplo, la posición de un sensor de velocidad del viento en la turbina eólica medirá las ráfagas de viento sustancialmente al mismo tiempo que la ráfaga de viento golpea las palas de rotor. Como tal, los ajustes de funcionamiento de la turbina eólica están sujetos a un retraso de tiempo entre la medición de la ráfaga de viento y la acción de control. Como resultado, la ráfaga de viento puede provocar una aceleración de rotor que puede crear una carga y fatiga de turbina excesivas. En algunos casos, la ráfaga de viento puede provocar que la velocidad del rotor o la salida de potencia supere un límite de fallo antes de que se pueda completar un ajuste de funcionamiento de la turbina eólica, provocando, de este modo, que la turbina eólica se apague.

[0011] Se pueden usar sensores de medición a barlovento ("upwind”), tales como los sensores de detección y determinación de distancias mediante luz (LIDAR), para abordar un retraso de tiempo entre la medición de las ráfagas de viento y la acción de control. Usando sensores de medición a barlovento, se puede medir un cambio en la aceleración del viento a barlovento desde la turbina eólica, y se puede ajustar la acción de control de forma preventiva para compensar el cambio en la velocidad del viento una vez que el viento alcanza la turbina eólica.

[0012] LIDAR es una tecnología de inspección que mide la distancia y la velocidad iluminando un objetivo con una luz láser. LIDAR emite un escaneo láser y/o tridimensional, que se refleja en uno o varios objetivos. LIDAR también se puede usar para medir el flujo de aire, tal como el viento, por el reflejo de la luz emitida por las partículas presentes en la atmósfera y transportadas por el viento. Por ejemplo, se puede usar un sistema LIDAR Doppler para adquirir datos de velocidad del viento, turbulencia, variación de la dirección del viento con la altura (''wind veer”), variación de la velocidad del viento con la altura (“wind shear”) y/u otros datos de perfil del viento. Se pueden usar sistemas LIDAR Doppler tanto de onda continua como pulsados. Los sistemas LIDAR Doppler pulsados usan sincronización de señal (“signal timing”) para obtener una resolución de distancia, y los sistemas LIDAR Doppler de onda continua se basan en el enfoque de detector.

[0013] En determinados ejemplos, la arquitectura de control de turbina incluye componentes de prealimentación y/o realimentación que usan mediciones de velocidad a barlovento y/o mediciones de velocidad del viento en el sitio de la turbina, respectivamente. Los sistemas de control de turbina combinan componentes de prealimentación en base a las mediciones de velocidad a barlovento y componentes de realimentación en base a la velocidad del viento medida en el sitio de la turbina. La predicción y el análisis de la velocidad del viento, usando técnicas tales como un análisis basado en LIDAR, pueden ayudar a lograr un funcionamiento de la turbina de alto rendimiento.

[0014] Determinados ejemplos proporcionan sistemas y procedimientos para ayudar a evitar que una carga excesiva actúe sobre la turbina eólica detectando una condición de viento antes de que alcance a la turbina eólica e implementando una acción correctiva correspondiente. Más específicamente, se pueden usar uno o más sensores para detectar un parámetro de viento real a barlovento de la turbina eólica. Por ejemplo, se pueden usar uno o más sensores de LIDAR para detectar el parámetro de viento real, tal como una ráfaga de viento, la velocidad del viento, la dirección del viento, la aceleración del viento, la turbulencia del viento, una variación de la velocidad del viento con la altura, una variación de la dirección del viento con la altura, una estela, etc. Además, los datos operativos indicativos del funcionamiento de turbina eólica actual también se proporcionan a un procesador para determinar una condición de turbina eólica estimada. Los datos operativos de turbina eólica pueden incluir, por ejemplo, el empuje (“thrust”) de turbina eólica, la velocidad de generador, el par de torsión, el pitch de pala de turbina, etc.

Ejemplos de turbinas eólicas

[0015] En referencia ahora a los dibujos, la FIG. 1 ilustra un ejemplo de turbina eólica 100. La turbina eólica 100 de ejemplo incluye un rotor 112 que tiene una pluralidad de palas 114 montadas en un buje 120. La turbina eólica 100 también incluye una góndola 122 que está montada en una torre 116. El rotor 112 está acoplado de forma operativa a un generador eléctrico por medio de un tren de potencia (no mostrado) alojado dentro de la góndola 122. La torre 116 expone las palas 114 al viento (representado direccionalmente por una flecha 126), lo que provoca que las palas 114 roten alrededor de un eje 128. Las palas 114 transforman la energía cinética del viento en un par de torsión de rotación, que se transforma además en energía eléctrica por medio del generador eléctrico.

[0016] En la FIG. 2 se ilustra una vista interna simplificada de una implementación de la turbina eólica 100 de ejemplo. Como se muestra en el ejemplo de la FIG. 2, se puede disponer un generador 124 dentro de la góndola 122. El generador 124 se puede acoplar al rotor 112 para producir potencia eléctrica a partir de la energía de rotación generada por el rotor 112. Por ejemplo, como se muestra en la FIG. 2, el rotor 112 puede incluir un eje de rotor 134 para su rotación con el mismo. El eje de rotor 134, a su vez, puede estar acoplado de forma rotatoria a un eje de generador 136 del generador 124 a través de una multiplicadora 138. El eje de rotor 134 puede proporcionar una entrada de baja velocidad y par de torsión alto a la multiplicadora 138 en respuesta a la rotación de las palas de rotor 114 y un buje 120. A continuación, la multiplicadora 138 se puede configurar para convertir la entrada de baja velocidad y par de torsión alto en una salida de alta velocidad y par de torsión bajo para accionar el eje de generador 136 y el generador 124.

[0017] La turbina eólica 100 también puede incluir un controlador 130 centralizado dentro de la góndola 122. De forma alternativa, el controlador 130 puede estar ubicado dentro de cualquier otro componente de la turbina eólica 100 o en una ubicación fuera de la turbina eólica 100. Además, el controlador 130 puede estar acoplado de forma comunicativa a uno o más componentes de la turbina eólica 100 para controlar el funcionamiento del/de los componente(s) y/o implementar diversas acciones de corrección como se describe en el presente documento. Como tal, el controlador 130 de ejemplo puede incluir un ordenador y/u otra unidad de procesamiento. Por tanto, el controlador 130 puede incluir instrucciones legibles por ordenador que, cuando se implementan, configuran el controlador 130 para realizar diversas funciones, tales como recibir, transmitir y/o ejecutar señales de control de turbinas eólicas. En consecuencia, el controlador 130 se puede configurar para controlar los modos operativos (por ejemplo, secuencias de arranque y/o apagado, etc.), reducir la potencia nominal de la turbina eólica y/o controlar los componentes de la turbina eólica 100.

[0018] Como se muestra en el ejemplo de la FIG. 2, cada pala de rotor 114 también puede incluir un mecanismo de ajuste de pitch 132 configurado para hacer rotar cada pala de rotor 114 alrededor de su eje de pitch 133. Además, cada mecanismo de ajuste de pitch puede incluir un motor de accionamiento de pitch 140 (por ejemplo, cualquier motor eléctrico, hidráulico o neumático, etc., adecuado), una multiplicadora de accionamiento de pitch 142 y un piñón de accionamiento de pitch 144. En dichos ejemplos, el motor de accionamiento de pitch 140 se puede acoplar a la multiplicadora de accionamiento de pitch 142 de modo que el motor de accionamiento de pitch 140 imparta fuerza mecánica a la multiplicadora de accionamiento de pitch 142. De forma similar, la multiplicadora de accionamiento de pitch 142 se puede acoplar al piñón de accionamiento de pitch 144 para su rotación con el piñón de accionamiento de pitch 144. El piñón de accionamiento de pitch 144, a su vez, puede comenzar su acoplamiento rotatorio con un rodamiento de pitch 146 acoplado entre el buje 120 y una pala de rotor 114 correspondiente de modo que la rotación del piñón de accionamiento de pitch 144 provoca la rotación del rodamiento de pitch 146. Por tanto, en dichos ejemplos, la rotación del motor de accionamiento de pitch 140 acciona la multiplicadora de accionamiento de pitch 142 y el piñón de accionamiento de pitch 144, haciendo rotar, de este modo, el rodamiento de pitch 146 y la pala de rotor 114 alrededor de un eje de pitch 133. De forma similar, la turbina eólica 110 incluye uno o más mecanismos de accionamiento de orientación (“yaw") 166 acoplados de forma comunicativa al controlador 130, con cada uno de los mecanismos de accionamiento de orientación 166 configurados para cambiar un ángulo de la góndola 122 en relación con el viento (por ejemplo, engranando un rodamiento de orientación 168 de la turbina eólica 100).

[0019] En referencia a las FIGS. 1-2, la turbina eólica 100 de ejemplo puede incluir uno o más sensores 148, 150, 152, 154 para medir los parámetros de viento a barlovento de la turbina eólica 100. Por ejemplo, como se muestra en la FIG. 1, el sensor 148 está ubicado en el buje 120 para medir los parámetros de viento reales a barlovento de la turbina eólica 100. El parámetro de viento real puede incluir una ráfaga de viento, una velocidad del viento, una dirección del viento, una aceleración del viento, una turbulencia del viento, una variación de la velocidad del viento con la altura, una variación de la dirección del viento con la altura, etc. Además, el uno o más sensores 148-154 pueden incluir al menos un sensor de LIDAR para medir los parámetros a barlovento. Por ejemplo, como se muestra en la FIG. 1, el sensor de LIDAR 148 es un dispositivo de detección y determinación de distancias mediante luz de medición configurado para realizar un escaneo de una región anular alrededor de la turbina eólica 100 y medir la velocidad del viento en base a la reflexión y/o dispersión de la luz transmitida por el sensor de LIDAR 148 del aerosol. Se puede seleccionar adecuadamente un ángulo de cono (0) y un alcance (R) del sensor de LIDAR 148 para proporcionar una exactitud deseada de las mediciones, así como una sensibilidad aceptable. En el ejemplo ilustrado de la FIG. 1, el sensor de LIDAR 148 está ubicado en el buje 120 en el que están montadas las palas 114. En otros ejemplos, uno o más sensores de LIDAR también pueden estar ubicados cerca de la base de la torre de turbina eólica 116, en una o más de las palas de turbina eólica 114, en la góndola 122, en la torre 116 y/o en cualquier otra ubicación adecuada. En otros ejemplos, el sensor de LIDAR 148 puede estar ubicado en cualquier ubicación adecuada en o cerca de la turbina eólica 100. Además, el sensor de LIDAR 148 se puede configurar para medir el parámetro de viento por delante de al menos una parte específica de la turbina eólica 100, tal como una sección de las palas 114 que contribuye al par de torsión aerodinámico en las palas 114 (por ejemplo, secciones cercanas a una punta de las palas 114). En el caso de los puntos por delante de las palas 114 en los que la velocidad del viento se mide por el sensor de LIDAR 148, estos ejemplos están representados por un plano 172 mostrado en la FIG. 1.

[0020] En otros ejemplos, uno o más de los sensores 148-154 pueden ser otros sensores que pueden medir los parámetros de viento a barlovento de la turbina eólica 100. Por ejemplo, los sensores 148-154 pueden incluir acelerómetros, sensores de presión, sensores de ángulo de ataque, sensores de vibración, sensores de unidad de medición inercial miniaturizada (MIMU), cámaras, sistemas de fibra óptica, anemómetros, veletas, sensores de detección y localización sónica (SODAR), radiodetección y localización (RADAR), láseres infrarrojos, radiómetros, tubos de Pitot, radiosondas, etc. Como se usa en el presente documento, el término "monitorización" y variaciones del mismo indican que los sensores de la turbina eólica 100 se pueden configurar para proporcionar una medición directa de uno o más parámetros que se están monitorizando y/o una medición indirecta de dicho(s) parámetro(s). Por tanto, se pueden usar los sensores 148, 150, 152, 154 para generar señales relacionadas con el/los parámetro(s) que se está(n) monitorizando, que a continuación se pueden utilizar por el controlador 130 para determinar una condición operativa.

[0021] En un sistema de control basado en modelo, se adaptan uno o más modelos para representar un motor/máquina que se está controlando (por ejemplo, una turbina eólica, etc.). Una adaptación del/de los modelo(s) permite que el sistema de control tome decisiones más informadas y/u óptimas sobre cómo adaptarse a y/o reconfigurar el control cuando el funcionamiento de la turbina se aleja de las condiciones nominales. Un sistema de control basado en modelo adaptativo puede detectar deterioro, defectos, fallas y/o daños, y a continuación tomar dicha información e incorporarla a los modelos, optimizaciones, funciones objetivas, restricciones y/o parámetros en el sistema de control, tales como en tiempo real. Esta información permite que el sistema de control adopte una acción optimizada o mejorada dadas las condiciones de turbina actuales. Puesto que estos sistemas de control se pueden actualizar y adaptar en tiempo real, permiten contemplar una variedad de deterioros, caídas, fallas y/o daños, en lugar de degeneraciones, defectos, fallas y/o daños que tienen soluciones a priori ya programadas en el/los modelo(s) en el sistema de control.

[0022] Muchos sistemas de control basados en modelo se crean diseñando un modelo de cada componente y/o sistema que se va a controlar. Por ejemplo, puede haber un modelo de cada componente y sistema de motor: turbina, cámara de combustión, etc. Cada modelo incluye rasgos característicos y/o características dinámicas sobre el comportamiento del componente y/o sistema a lo largo del tiempo (por ejemplo, aceleración de velocidad, par de torsión, etc.). A partir del/de los modelo(s), el sistema puede controlar, estimar, corregir y/o identificar datos de salida en base a la información modelada. Los diagnósticos basados en modelo proporcionan información de condición de turbina exacta basándose en modelos y parámetros detectados.

[0023] La inducción de rotor se refiere a un efecto de la turbina eólica sobre el flujo de aire debido al funcionamiento de las palas de turbina (por ejemplo, una distorsión en el campo de viento). El flujo de aire cerca de las palas de turbina es diferente del flujo de aire más lejos de la turbina. Se pueden construir modelos para ilustrar el flujo de viento con y sin la turbina eólica, y la inducción es la diferencia entre los modelos. Sin embargo, una diferencia de este tipo es difícil de obtener con exactitud. Determinados ejemplos computan la diferencia en base a la ubicación y/o funcionamiento de turbina, el promedio del/de los efecto(s), el análisis de componente específico, la instantánea de tiempo y/o el/los efecto(s) a lo largo del tiempo, etc.

Ejemplos de representación de inducción de rotor

[0024] Los efectos de flujo de entrada inducido se pueden definir como las perturbaciones ejercidas por las fuerzas de sustentación y resistencia de la turbina eólica al flujo a barlovento del rotor de turbina. Suponiendo un campo vectorial de viento libre inicial Vlibre(x,y,z,t) en un dominio espacial e intervalo de tiempo dados (por ejemplo, un campo de viento sin obstrucción), los efectos de flujo de entrada inducido se pueden representar como un campo vectorial V ^inducido(x,y,z,t) comparando el campo de viento libre con un campo de viento que habría resultado en presencia de una turbina de viento en operación V^{en operación}(x,y,z,t). Los efectos de flujo de entrada inducido se pueden escribir formalmente como V ^inducido=V^libre-V^{en operación}, por ejemplo.

[0025] En determinados ejemplos, esta resta se puede lograr usando simulación numérica, en la que se puede medir, almacenar y simular el flujo de viento libre con o sin una o varias turbinas eólicas. Los efectos de inducción pueden decaer a barlovento (“upstream”) de la turbina (por ejemplo, en más de dos diámetros de rotor a barlovento), y una magnitud del efecto de inducción en el plano del rotor puede ser de hasta un 30 % de la velocidad del viento longitudinal de flujo libre, por ejemplo.

[0026] Para propósitos de modelado de ingeniería, se pueden hacer varios niveles de simplificación para proporcionar una descripción simplificada pero realista. Se pueden aplicar una o más estrategias de simplificación en niveles sucesivos implementados en diferentes órdenes. Algunas estrategias de simplificación de ejemplo son como sigue.

[0027] Por ejemplo, el modelado se puede centrar en el campo de viento inducido en el plano de rotor de turbina eólica V ^inducido(0,y,z,t). Centrarse en el campo inducido en el plano de rotor de turbina eólica puede ser suficiente para determinar un estado aerodinámico del rotor de turbina.

[0028] De forma alternativa o además, el campo de viento inducido de plano de rotor se puede expresar en coordenadas cilíndricas, en las que y y z se reemplazan por r (coordenada radial) y 9 (coordenada azimutal) como Vinducido(r,9 ,t).

[0029] De forma alternativa o además, se puede promediar la variación azimutal para expresar un campo de viento inducido de plano de rotor que depende solo del radio como V ^inducido(r,t). En este modelo, se promedian los efectos de la pala individual y los efectos de variación de la velocidad con la altura eventuales.

[0030] De forma alternativa o además, se pueden analizar las componentes axiales y tangenciales V^nind(r,t) y V^{t ind}(r,t), mientras se desprecia la componente radial del campo de viento.

[0031] De forma alternativa o además, se pueden determinar estimaciones de campo de viento inducido casi constante V^nind,qs(r,t) y V^{t ind,qs}(r,t). Estas estimaciones suponen, para cada etapa de tiempo t^ü, que el flujo de aire libre se ha establecido infinitamente de modo que V ^libre(x,y,z,t)=V^libre(x,y,z,t⁰) para todos los t.

[0032] De forma alternativa o además, se puede evaluar un promedio del flujo inducido sobre el radio r, que se puede expresar como V^nind,qs(t) y V^{t ind,qs}(t). El promedio se puede ponderar por un factor de conformación dado, por ejemplo.

[0033] De forma alternativa o además, se puede obtener un campo de viento inducido filtrado de paso bajo y/o promediado en el tiempo durante un período de tiempo dado y/o para condiciones operativas de turbina eólica dadas. El campo de viento inducido filtrado y/o promediado en el tiempo se puede expresar como Vnmd y .

[0034] De forma alternativa o además, se puede procesar una evolución de campo de viento inducido filtrado de paso bajo y/o promediado en el tiempo en función de la distancia espacial a la turbina eólica V^{t ind,qs}(r,z).

[0035] Para las estrategias de simplificación de ejemplo anteriores, los factores de inducción se pueden construir normalizando los campos de flujo inducido con respecto a una o más velocidades del viento de referencia.

Efectos de inducción de ejemplo para la estimación de campo de viento de sensor remota

[0036] Por tanto, los efectos de inducción son importantes para la estimación de campo de viento de sensor remota cerca de la pala/rotor de la turbina eólica (por ejemplo, la turbina eólica 100). Las entradas proporcionadas por la detección remota y estimación de viento se pueden usar para calcular y corregir dichos efectos de inducción. Las entradas incluyen una proyección del viento en una geometría de detección remota, un tiempo de vuelo, una convección del viento distante al plano de rotor y/o una reconstrucción de la velocidad, dirección y variación de la velocidad del viento con la altura, por ejemplo.

[0037] Los sensores remotos tales como LIDAR, RADAR y/o SODAR utilizan propiedades reflejadas de ondas de láser, radio y sonido en las partículas de la atmósfera para determinar las componentes o la proyección de un campo de viento en una o varias ubicaciones de medición ubicadas de forma remota desde un sensor. Las ondas de láser, radio y/o sonido se pueden colimar para definir haces discretos que forman un volumen de medición. Un número y ubicación del/de los volumen/volúmenes de medición y/o una tasa de muestreo de la medición depende de un tipo de sensor usado, por ejemplo.

[0038] Por ejemplo, se puede montar un sensor LIDAR Doppler pulsado en la góndola 122 de una turbina eólica 100. El sensor LIDAR Doppler pulsado de ejemplo con cinco haces puede medir una pluralidad de alcances (por ejemplo, 10 alcances diferentes, lo que da como resultado 50 puntos de medición en los 5 haces, etc.).

[0039] Debido a la naturaleza del proceso de medición de detección remota, las mediciones pueden experimentar limitaciones en comparación con un sensor de referencia, tal como un anemómetro sónico tridimensional (3D) (que se debe ubicar conjuntamente con la ubicación de las mediciones, a diferencia de un sensor remoto). Por ejemplo, el sensor de LIDAR remoto puede medir solo componentes específicas del campo de viento (por ejemplo, colineal u ortogonal a un haz, etc.). El sensor remoto puede medir un volumen en comparación con un punto (por ejemplo, un volumen de medición de LIDAR puede ser un cilindro de 5 cm de radio y 30 m de longitud, etc.). El sensor remoto puede medir con un tiempo de integración (por ejemplo, 0,25 s, etc.). El sensor remoto puede medir una o varias ubicaciones a la vez durante un patrón de escaneo (por ejemplo, un patrón de escaneo de un segundo, etc.).

[0040] Determinados ejemplos proporcionan un modelo de viento y un modelo de propagación. Por ejemplo, la estimación de viento para una turbina eólica implica determinar métricas de viento representativas del campo de viento que se aproxima a la turbina eólica 100 con un tiempo de vista previa dado. Las métricas de viento pueden incluir la velocidad del viento promediada de rotor, la dirección del viento vertical y/u horizontal, la variación de la velocidad con la altura vertical y/u horizontal, etc. En determinados ejemplos, la estimación de viento implica (a) un modelo de viento paramétrico que representa las cantidades que se van a estimar y (b) un modelo de propagación paramétrico que representa la propagación en espacio/tiempo de una variación de viento. Un modelo de propagación de viento de ejemplo puede suponer que los patrones de viento se desplazan sin cambios a una velocidad del viento dada (por ejemplo, denominada hipótesis de Taylor). Esta hipótesis permite que el modelo de propagación de viento de ejemplo use una medición desde diferentes distancias a barlovento de la turbina con un retardo de tiempo que explica su propagación. La hipótesis también permite que el modelo de propagación de viento de ejemplo use una medición desde una o varias distancias a barlovento de la turbina para predecir la evolución de una métrica de viento en función del tiempo, suponiendo que un tiempo corresponde a la métrica de viento observada y que se ve afectada por el rotor de turbina.

[0041] Si bien la hipótesis de Taylor puede ser útil, la hipótesis no es estrictamente válida. Por ejemplo, medir el viento demasiado a barlovento (por ejemplo, más de 1 km) no será una buena predicción del viento que afectará a la turbina, puesto que el tiempo que tarda el viento en desplazarse es demasiado largo. El largo tiempo de desplazamiento presenta una gran posibilidad de que el patrón de viento cambie debido a la evolución de turbulencia a lo largo de la distancia. El cambio en el patrón de viento se puede tener en cuenta siempre que la detección remota se aplique a alcances muy adecuados frente al rotor, dadas las escalas específicas de turbulencia que se van a predecir. Por ejemplo, para predecir escalas turbulentas de 100 m, que tengan una duración de 10 segundos, se buscaría una medición de aproximadamente 100 m a barlovento de la turbina eólica.

[0042] Puede ser importante determinar una velocidad de convección de la turbulencia que se supone que es constante o está "detenida". En algunos ejemplos, sin embargo, una velocidad de viento de flujo media puede ser una buena aproximación a la velocidad de convección.

[0043] De acuerdo con la invención, se generan modelos de inducción media y dinámica. Se puede usar un modelo de inducción media para estimar la velocidad del viento por LIDAR, por ejemplo. Se puede usar el modelo de inducción media para corregir la medición por LIDAR de la desaceleración media de la velocidad del viento a medida que se aproxima a la turbina (por ejemplo, puede ser parte del modelo de viento), por ejemplo. Se puede usar el modelo de inducción media para corregir finalmente la velocidad de propagación para la desaceleración a medida que el viento se aproxima a la turbina, por ejemplo.

[0044] Las FIGS. 3A-3B ilustran gráficos de ejemplo que muestran correlaciones entre la velocidad del viento y la inducción (FIG. 3A) y entre la distancia a la turbina y la velocidad del viento (FIG. 3B). Como se muestra en el gráfico 300 de ejemplo de la FIG. 3A, a medida que se incrementa la velocidad del viento 310, disminuye un efecto de inducción 320 de la turbina 100. Por ejemplo, la inducción A permanece relativamente constante en VV¹y VV²pero disminuye exponencialmente en VV³. En un ejemplo (tal como el gráfico 300 de la FIG. 3A), un valor para una meseta constante de inducción es 1/3.

[0045] Como se muestra en el gráfico 350 de ejemplo de la FIG. 3B, a medida que se incrementa la distancia a la turbina 360, también se incrementa la velocidad del viento 370. Por ejemplo, la velocidad del viento 370 se incrementa gradualmente de Uü(1-A) a Uo a medida que la distancia a la turbina 360 se incrementa de 0 a un intervalo de distancia correspondiente al diámetro de rotor (ID) a 2D y 4D.

[0046] También se puede usar un modelo de inducción dinámica para estimar la velocidad del viento por LIDAR de forma diferente al modelo de inducción media. Las FIGS. 4A-4B ilustran una propagación de la perturbación de viento y el efecto de flujo de entrada dinámico de ejemplo. Como se muestra en el ejemplo de la FIG. 4A, se puede medir la propagación de una ráfaga de viento 410 a una velocidad del viento prevista por un sensor de LIDAR 420. La FIG. 4B muestra cómo el LIDAR 420 percibe un cambio de inducción (por ejemplo, debido a una acción de pitch en una o varias palas, etc.). Si la inducción cambia, todos los alcances se ven afectados sustancialmente a la vez, lo que da como resultado una falta de propagación que se ha de corregir.

[0047] En el ejemplo de la FIG. 4A, la propagación de la ráfaga de viento 410 está dictada por la velocidad de convección de hipótesis de Taylor. La hipótesis de Taylor significa que la ráfaga de viento 410 se mide en primer lugar por los alcances más lejanos (por ejemplo, en el tiempo t1) y unos pocos segundos después por los alcances más cercanos (por ejemplo, en el tiempo t2), que se pueden modelar por el modelo de propagación descrito anteriormente.

[0048] En el ejemplo de la FIG. 4B, un cambio de pitch 430 provoca una discontinuidad en la estela 440 de la turbina eólica 10ü, que experimentará convección de forma progresiva corriente abajo de la turbina eólica 100.

Durante este tiempo, la inducción cambia gradualmente 450 (por ejemplo, de t i a t2) con un retardo correspondiente a la propagación de la estela. Debido a la naturaleza de la propagación a barlovento por inducción como un diferencial de presión inducido debido a la estela corriente abajo; el LIDAR 420 mide estos cambios inducidos en la velocidad del viento en todos los alcances al mismo tiempo (por ejemplo, los efectos de inducción se propagan a barlovento a la velocidad del sonido (por ejemplo, 340 m/s), lo que se puede considerar muy rápido en comparación con la velocidad de convección (por ejemplo, 10 m/s)). Si el efecto de inducción no se tiene en cuenta durante la estimación del viento por LIDAR, la variación de viento debido al efecto de flujo de entrada dinámico en su lugar experimentará convección de forma inapropiada como una ráfaga de viento, lo que dará lugar a errores significativos en el control de turbina. Debido a la naturaleza de la dependencia de inducción con la velocidad del viento, es probable que estos errores sean importantes para la velocidad del viento donde la inducción es alta y las regiones donde la inducción varía en función de la velocidad del viento. En un ejemplo, se observó que las regiones de velocidad del viento de 3 m/s a 15 m/s se vieron significativamente afectadas.

[0049] Por ejemplo, se puede montar el sensor de LIDAR 420 en la góndola 122 de la turbina eólica 100 y/o cerca de la turbina eólica en un parque eólico, por ejemplo. El LIDAR 420 puede medir datos de velocidad del viento de 10 m hasta 200 m frente al rotor de turbina eólica, por ejemplo.

[0050] Como se analiza anteriormente, la turbina eólica 100 provoca una distorsión del campo de viento medido por el LIDAR 420 a través de inducción. La inducción (también denominada flujo inducido) se refiere a las perturbaciones de campo de viento que se propagan casi instantáneamente a barlovento y corriente abajo del flujo de aire como consecuencia de la naturaleza de vórtice de las fuerzas de sustentación ejercidas sobre las palas de turbina.

[0051] En un parque eólico, por ejemplo, la turbina 100 puede estar mirando en diversas direcciones, dependiendo de la dirección del viento, y puede estar mirando hacia otra turbina. Por tanto, el viento generado por la otra turbina también puede tener en cuenta el efecto de inducción/distorsión (por ejemplo, la posición de orientación de turbina eólica).

[0052] Los efectos de inducción se pueden descomponer en dos componentes: una componente estática y una componente dinámica. La componente estática o media se refiere a la desaceleración del viento promedio a medida que el flujo de aire se aproxima a la turbina 100, por ejemplo, considerando todas las posiciones de rotor y diversas dinámicas de turbina. La inducción estática o media provoca una disminución en una magnitud promedio del viento a barlovento. La inducción dinámica está relacionada con la dinámica de turbina y estela instantánea, que tiende a ejercer una realimentación de inducción retardada en el flujo de aire. La inducción dinámica puede interrumpir un tiempo de vista previa para una perturbación de viento usando un algoritmo de convección no corregido.

[0053] La FIG. 5 ilustra un sistema de procesamiento de viento 500 de ejemplo para controlar la turbina eólica 100. En determinados ejemplos, el sistema de procesamiento de viento 500 forma todo o parte del controlador 130 descrito anteriormente con respecto a la FIG. 2. El sistema de procesamiento de viento 500 de ejemplo incluye una entrada de LIDAR 510 y datos operativos de turbina eólica 520 introducidos a un procesador de estimación de viento 530 para generar una salida, tal como dirección del viento, velocidad del viento y/o variación de la velocidad del viento con la altura, para accionar un controlador de turbina eólica 540. El procesador de estimación de viento 530 genera un modelo de propagación de viento en base a la entrada de LIDAR 510 y/o los datos operativos de turbina 520. El modelo de propagación de viento puede incluir un filtro de Kalman extendido (EKF) para determinar un perfil de viento, un flujo de inducción, una incertidumbre de estimador, etc.

[0054] Para usar las mediciones de LIDAR 510 para el control de turbina eólica 530, se deriva una estimación de viento de prealimentación exacta de la velocidad del viento, la dirección del viento y las componentes de variación de la velocidad con la altura promedio de rotor por el procesador de estimación de viento 530. En determinados ejemplos, la exactitud se define como una exactitud de pronóstico con un tiempo de vista previa de señal deseada fijado (por ejemplo, 2 s) y se consigue con una exactitud de /-0,5 s, y la señal de LIDAR deseada para la correlación de respuesta de turbina está por encima de un umbral (por ejemplo, por encima de 0,7), antes de que el rendimiento comience a degradarse.

[0055] Como se analiza, la turbina eólica 100 influye en el viento a través de la inducción, tanto de manera estática como dinámica. La componente estática se relaciona con una desaceleración del viento a medida que el viento se aproxima a la turbina 100. Se pueden volver a escalar las mediciones de LIDAR cercanas para tener en cuenta la inducción estática. La componente dinámica se relaciona con una realimentación de inducción retardada ejercida por la dinámica de turbina y estela en el flujo de aire, que tiende a interrumpir el tiempo de vista previa para un algoritmo de convección simple.

[0056] Los efectos de inducción estática y dinámica tienen impacto en la exactitud de estimación de viento, especialmente para velocidades del viento menores y/o diseños de inducción alta. Sin correcciones de inducción, estos efectos pueden alterar el tiempo de vista previa en varios segundos (por ejemplo, hasta 15 s) y disminuir la correlación del viento estimado con respecto a la respuesta de turbina, reduciendo significativamente, por tanto, el valor del viento estimado por LIDAR. Determinados ejemplos divulgados y descritos en el presente documento derivan estimaciones de viento de mayor exactitud que no experimentan estas limitaciones. Determinados ejemplos proporcionan controles de LIDAR de prealimentación mejorados en base a la exactitud mejorada en las estimaciones de viento que tienen en cuenta los efectos de inducción estática (por ejemplo, la media) y dinámica.

Ejemplos que estiman modelos de inducción media y dinámica para la estimación de campo de viento por LIDAR

[0057] En determinados ejemplos, se puede estimar un parámetro de turbina, tal como el empuje aerodinámico de rotor, a partir de los datos operativos de turbina. Por ejemplo, en un tiempo dado, se puede derivar un valor de empuje aerodinámico, T, a partir de mediciones de galga extensiométrica ubicada en la torre 116 y/o las palas 114 de la turbina 100 de ejemplo. Sin embargo, también se puede usar un estimador basado en modelo para determinar el empuje y/u otros valores de parámetro. Por ejemplo, un observador de viento estimado de rotor, V^est, usa la velocidad de rotor, C, el par de torsión de generador, Q, y el ángulo de pitch de pala colectivo, 0, como entradas para estimar el empuje. Como ejemplo, con un modelo de este tipo, se puede estimar el empuje como:

[0058] En el ejemplo de la ecuación 1, p es la densidad del aire medida o estimada; R es el radio de rotor de una turbina eólica; y C^tes una tabla de consulta de coeficientes de empuje específica para la turbina eólica, que ^ _ fifi

depende del ángulo de pitch de pala 0 y la velocidad específica ("tip speed ratio”) v**. En determinados ejemplos, un observador de viento estimado de rotor V^estpermite el uso equivalente del empuje T o del coeficiente de empuje C^t.

Inducción media

[0059] En determinados ejemplos, se puede estimar un factor de inducción a partir de los datos operativos de turbina. Por ejemplo, se pueden usar los datos operativos de turbina, tales como el coeficiente de empuje aerodinámico de rotor, C^t, para formar un modelo aerodinámico, tal como un modelo de disco actuador, para estimar, en un tiempo dado, la inducción bajo el supuesto de flujo casi constante. En lo que sigue, con el propósito de ilustración de ejemplo, la atención se centra en la estimación de la inducción axial media promediada en todo el rotor. Un enfoque más sofisticado puede incluir una estimación dependiente del radio, una estimación de inducción tangencial (y todos los tipos de campo inducido descritos anteriormente), etc.

[0060] Se pueden determinar estimaciones promedio (por ejemplo, filtradas con paso bajo) para el coeficiente de empuje C^t. El tiempo promedio puede variar de 20 s a varios minutos, lo que dicta un tipo de parámetros usados para el filtrado. En lo que sigue, una variable filtrada con paso bajo, X, se indica como X (por ejemplo, C^tfiltrada se indica como ^t). Como se detalla anteriormente, se puede obtener la variable a partir de un filtrado de paso bajo del observador de viento estimado de rotor, V^est, denominada ^{V est.}

[0061] Si está disponible un observador de empuje T, una versión de empuje filtrada con paso bajo, indicada ~- f

CT = ------^como T, ^{permite una estimación de hPnRivest}s¡ ^{no está disponible un observador de empuje T, una tabla} ür

de consulta para Cr(Á, Q) permite la estimación de CT( l 9 ) _dond ■ _e A = — _vest _{y 0 es la versión filtrada de 0, el ángulo}de pitch de pala.

r

[0062] Se puede estimar una inducción media, á, a partir de UT). Una implementación usa el modelo de disco actuador, que relaciona el factor de inducción promedio de rotor con C^t:

[0063] Invertir esta ecuación permite que se compute a como:

en la que Ct0=1,6 es una constante de coeficiente de empuje.

[0064] En otro ejemplo, se puede derivar una segunda tabla de consulta para a(Á, 9), y un modelado más sofisticado haciendo uso de la teoría de elemento de pala para estimar a en función de un radio de interés. Otro enfoque es derivar una segunda tabla de consulta para a(Á, 9). Se puede usar la teoría de elemento de pala para modelar y estimar a en función de un radio de interés.

[0065] En determinados ejemplos, se determina un modelo de flujo para la inducción axial media. Por ejemplo, una vez que es conocido un factor de inducción axial media, se puede usar un modelo de flujo que incluye la inducción axial media. Como ejemplo, se puede derivar un modelo de este tipo por una representación de línea de vórtice de la interacción de rotor con el flujo de aire. La integración del flujo inducido medio en una línea central a barlovento de la turbina 100 da lugar a una expresión para el flujo inducido

[0066] En el ejemplo de la ecuación 4, V0 es la velocidad del viento a barlovento filtrada, R es el radio de rotor y z es una coordenada axial. Una suposición simplificadora puede ser suponer que la expresión de la ecuación 4 se cumple fuera del eje de línea central (cuando r#0). Un modelo de este tipo se puede extender para incluir una variación de la velocidad del viento con la altura vertical y horizontal que da como resultado una dependencia vertical y lateral, y direcciones del viento vertical y horizontal que da como resultado otras componentes además de la longitudinal.

[0067] Otros enfoques incluyen computar y almacenar una base de datos del campo de flujo inducido medio fuera de la línea central y para un gran número de condiciones operativas usando simulación numérica y/o mediciones detalladas, en función de las condiciones operativas de turbina.

[0068] Finalmente, se puede usar el modelo de flujo para la inducción axial media para corregir directamente las mediciones de LIDAR. Esta corrección se puede hacer volviendo a escalar la velocidad del viento medida por LIDAR en una proporción dependiente del alcance:

[0069] De forma alternativa, se puede usar un modelo de flujo para la inducción axial media como entrada para el proceso de ajuste del modelo de viento paramétrico que representa las cantidades de velocidad, dirección y variación de la velocidad del viento con la altura que se van a estimar a partir de los datos de LIDAR.

Inducción dinámica

[0070] En determinados ejemplos, también se puede determinar la inducción axial dinámica. Por ejemplo, se puede determinar un factor de inducción axial casi constante a partir de los datos operativos de turbina. El uso de datos operativos de turbina, tales como el coeficiente de empuje aerodinámico de rotor, CT, posibilita el uso de modelos aerodinámicos, tales como un modelo de disco actuador, para estimar, en un tiempo dado, la inducción bajo el supuesto de flujo casi constante. En el siguiente ejemplo, se promedia una estimación de la inducción axial sobre un rotor completo. Un enfoque más sofisticado incluye una estimación dependiente del radio, una estimación de inducción tangencial (y todos los tipos de campo inducido descritos anteriormente), etc.

[0071] En determinados ejemplos, se deriva una estimación casi constante de la inducción axial, aqs(t). Si está

disponible un observador de empuje, T, el observador de empuje permite la estimación de C^t= V2p^R2vest \ si no está disponible un observador de empuje, T, se puede usar directamente una tabla de consulta para Ct{á , 9),

donde vest y 9 es el ángulo de pitch de pala.

[0072] Seguidamente, se estima una inducción casi constante, a^qs, a partir de C^t. Una implementación usa el modelo de disco de accionador, que relaciona el factor de inducción promedio de rotor con C^T:

^{CTa ,B )= 4 a ,} _qs (1 - aqs) (Ec. 6).

[0073] Invertir esta ecuación permite que se compute aqs como:

en la que Ct⁰=1,6 es una constante de coeficiente de empuje.

[0074] Otro enfoque puede incluir derivar una segunda tabla de consulta para aqs(A, 0), y un modelado más sofisticado haciendo uso de la teoría de elemento de pala que permite la estimación de aqs(A, 0, r) en función del radio r de interés.

[0075] Determinados ejemplos facilitan la estimación de un factor de inducción axial dinámico con modelo de inducción retardada. Si bien los cambios de inducción real dan lugar a un cambio inducido por presión instantáneo del flujo a barlovento, el conocimiento del sistema de turbina eólica 100 muestra que el campo de flujo inducido no se adapta instantáneamente a la estimación de inducción casi constante, sino más bien a un factor de inducción dinámica retardada. El retardo se debe al menos en parte a un fenómeno físico que genera el flujo inducido (por ejemplo, la estela en el aire corriente abajo del rotor), que lleva tiempo en adaptarse a medida que el flujo de aire experimenta convección lejos de la turbina 100, por ejemplo. Por ejemplo, las estructuras verticales que provienen de las palas de turbina eólica 114 son responsables de establecer el campo de viento inducido. Si bien la estructura de la pala 114 actúa de forma instantánea o de forma sustancialmente instantánea sobre el campo de flujo inducido, que implica el modelado para un modelo de medición por LIDAR, el campo de flujo inducido también evoluciona de acuerdo con su propia dinámica, que hace que experimente convección más lejos del sensor. Se ha de captar el efecto de inducción dinámica para obtener una representación realista de la inducción, que no se puede proporcionar por la estimación casi constante

[0076] En determinados ejemplos, se estima el flujo inducido aplicando un filtro de primer orden a la inducción casi constante, aqs, para tener en cuenta la propagación de estela. Una ecuación dinámica se puede escribir como:

da _

(Ti — — üqS — ü (Ec. 8).

[0077] La ecuación 8 modela un efecto de inducción dinámica para un retardo de tiempo, 01, que transcurre antes de que a pueda conseguir el valor casi constante aqs.01 es una medida del tiempo transcurrido para que la estela

experimente convección corriente abajo y se puede escribir como ffl — v ^ a\ donde R es un radio de rotor y V representa una velocidad del viento de flujo de entrada media, que se puede recuperar a partir de un filtrado de paso bajo del observador de viento estimado de rotor ^{V e s t ,}denominado v^ t m Una expresión para /(a ) puede ser /(a ) = — ——

2(1- 1.^{3 a )}^ Como ejemplo numérico, a 10 m/s, para R=50 m y una inducción a=0,3, el valor de 01 es de 4,5 da

(y1 Q^q 5 a

segundos. La integración de dt w se puede llevar a cabo con un esquema de integración numérica de primer orden.

[0078] En determinados ejemplos, se pueden considerar otros modelos de inducción dinámica, incluyendo los modelos de inducción dependientes del radio y/o modelos basados en datos que predicen la inducción dinámica a partir de datos operativos de turbina.

[0079] Una vez que es conocido un factor de inducción axial dinámica, se puede usar un modelo de flujo que incluye inducción axial dinámica. Como ejemplo, se puede derivar un modelo de flujo de este tipo por una representación de línea de vórtice de la interacción de rotor con el flujo de viento. La integración del flujo inducido medio en una línea central a barlovento de la turbina da lugar a una expresión para el flujo inducido como sigue:

[0080] En el ejemplo de la ecuación 9, V0 es una velocidad del viento a barlovento estimada, R es un radio de rotor y z es una coordenada axial. Una suposición simplificadora puede ser suponer que esta expresión se cumple fuera del eje de línea central (por ejemplo, cuando r^0). Un modelo de este tipo se puede extender para incluir una variación de la velocidad del viento con la altura vertical y horizontal que da como resultado una dependencia vertical y lateral, y direcciones del viento vertical y horizontal que da como resultado otras componentes además de una componente longitudinal.

[0081] Otros enfoques pueden incluir computar y almacenar una base de datos de conformaciones de campos de flujo inducido dinámicamente fuera de la línea central, y para un gran número de condiciones operativas usando simulación numérica y/o mediciones detalladas, en función de las condiciones operativas de turbina.

[0082] En determinados ejemplos, se puede usar un modelo de flujo para la inducción axial media para corregir directamente las mediciones de LIDAR. La corrección se puede hacer volviendo a escalar la velocidad del viento medida por LIDAR en una proporción dependiente del alcance:

[0083] De forma alternativa, se puede usar el modelo de flujo para la inducción axial dinámica como entrada para un proceso de ajuste del modelo de viento paramétrico que representa las cantidades de velocidad, dirección y variación de la velocidad del viento con la altura que se van a estimar a partir de los datos de LIDAR.

[0084] Las FIGS. 6A-6C ilustran algunas implementaciones de ejemplo del procesador de estimación de viento 530. El procesador de estimación de viento 530 de ejemplo recibe los datos de sensor de LIDAR 510 y los datos operativos de turbina 520 como entradas y procesa una o ambas entradas 510, 520 para generar una o más salidas, tales como la velocidad del viento, la dirección del viento, la variación de la velocidad del viento con la altura, etc., para el controlador de turbina eólica 540, por ejemplo. Si bien cada una de las FIGS. 6A-6C ilustran una implementación de ejemplo del procesador 530, se pueden implementar otras configuraciones para procesar los datos 510, 520 para generar parámetros de salida, instrucciones, etc., para el controlador de turbina 540.

[0085] En el ejemplo de la FIG. 6A, el procesador de estimación de viento 530 incluye un estimador de viento por LIDAR 610, un procesador basado en modelo 620, un constructor de modelo de inducción media 630, un constructor de modelo de inducción dinámica 640, un generador de corrección de inducción media 650, un generador de corrección de inducción dinámica 660 y un estimador de velocidad del viento por LIDAR 670. Como se muestra en el ejemplo de la FIG. 6A, el estimador de viento por LIDAR 610 recibe los datos de sensor de LIDAR de entrada 510 y estima las propiedades del viento en base a las mediciones obtenidas por el láser de sensor de LIDAR, etc. Como se muestra en el ejemplo de las FIGS. 4A-4B, el sensor de LIDAR 420 estima las propiedades del viento 410 a medida que se desplaza a lo largo del tiempo frente al sensor 420. El estimador de viento por LIDAR 610 evalúa la velocidad, la dirección, la variación de la velocidad con la altura, etc., en base a las mediciones del sensor 420. En determinados ejemplos, se puede montar el sensor de LIDAR 420 en la turbina 100 y/o en cualquier otro lugar de un parque eólico que incluya una o más turbinas.

[0086] En determinados ejemplos, el procesador basado en modelo 620 procesa los datos operativos de turbina 520 para estimar parámetros de salida de turbina, tales como velocidad de generador, potencia, empuje de rotor, par de torsión, pitch de pala, etc. El procesador basado en modelo 620 proporciona información de condición de turbina exacta basándose en modelos y/o parámetros detectados (por ejemplo, medidos).

[0087] Por ejemplo, se puede estimar el empuje aerodinámico de rotor a partir de datos operativos de turbina. Por ejemplo, en un tiempo dado, se puede derivar un valor de empuje aerodinámico, T, a partir de mediciones de galga extensiométrica ubicada en la torre 116 y/o las palas 114 de la turbina 100 de ejemplo. Sin embargo, también se puede usar un estimador basado en modelo para determinar el empuje y/u otros valores de parámetro. Por ejemplo, se puede usar la ecuación 1, descrita anteriormente, para estimar el empuje en base a la velocidad de rotor medida y/o modelada, el par de torsión de generador, el ángulo de pitch de pala, etc. Un modelo de la turbina 100 formado a partir de la información de entrada 520 y/u otra información con respecto a los componentes de la turbina 100, funcionamiento, condiciones operativas, etc., se usa por el procesador basado en modelo 620 para estimar/modelar el/los parámetro(s) de salida de turbina, por ejemplo.

[0088] El constructor de modelo de inducción media 630 usa el/los parámetro(s) de salida de turbina eólica estimado(s) por el procesador basado en modelo 620 para construir un modelo de efectos de inducción media para la turbina eólica 100. El modelo de inducción media puede ser un modelo aerodinámico (por ejemplo, un modelo de disco actuador, etc.), por ejemplo, para modelar la inducción media en un tiempo dado bajo una suposición de flujo de aire casi constante. Se puede usar el modelo generado para medir la inducción media promediada en todo el rotor, por ejemplo. El modelo de inducción media se puede basar en las ecuaciones 2 y/o 3 descritas anteriormente.

[0089] El constructor de modelo de inducción dinámica 640 usa el/los parámetro(s) de salida de turbina eólica estimado(s) por el procesador basado en modelo 620 para construir un modelo de efectos de inducción dinámica para la turbina eólica 100. El modelo de inducción dinámica se puede reflejar en las ecuaciones 6, 7 y/o 8 descritas anteriormente.

[0090] El generador de corrección de inducción media 650 usa el modelo de inducción media para generar un factor corrector de inducción media que se va a aplicar a una estimación de velocidad del viento por LIDAR. Por ejemplo, las ecuaciones 4 y/o 5, descritas anteriormente, ilustran cómo se puede usar el modelo de inducción media para formular un factor de corrección para la inducción media con respecto a una estimación por LIDAR de la velocidad del viento (por ejemplo, como parte de un modelo de flujo). Por tanto, se puede usar la información de sensor (por ejemplo, ángulo de pitch de pala, velocidad de rotor, salida de potencia, par de torsión, etc.) y/o la información de modelo con un filtro de paso bajo, velocidad del viento estimada, radio de rotor, densidad del aire, coeficiente de empuje y/o empuje medio estimado, etc., para computar un factor de corrección de inducción media en base a las ecuaciones 2 y 3 que se va a aplicar según las ecuaciones 4 y 5. La inducción media se puede deducir del empuje y/o de otros parámetros de turbina en función de la velocidad del viento, por ejemplo.

[0091] El generador de corrección de inducción dinámica 660 usa el modelo de inducción dinámica para generar un factor de corrección de inducción dinámica que se va a aplicar a la estimación de velocidad del viento por LIDAR. Por ejemplo, las ecuaciones 9 y/o 10, descritas anteriormente, ilustran cómo se puede usar el modelo de inducción dinámica para formular un factor de corrección para la inducción dinámica con respecto a la estimación por LIDAR de la velocidad del viento (por ejemplo, como parte de un modelo de flujo). Por tanto, se puede usar la información de sensor (por ejemplo, ángulo de pitch de pala, velocidad de rotor, salida de potencia, par de torsión, etc.) y/o la información de modelo con un filtro de paso bajo (por ejemplo, para eliminar el ruido), coeficiente de empuje (por ejemplo, computado a partir del empuje basado en modelo, etc.), constante de escalado de rotor y/o constante de escalado de velocidad del viento, etc., para computar un factor de corrección de inducción dinámica en base a las ecuaciones 6-8 que se va a aplicar según las ecuaciones 9 y 10. La inducción dinámica se puede deducir del empuje y/o de otros parámetros de turbina en función de la velocidad del viento, por ejemplo. El modelo de inducción dinámica se puede integrar por el generador de corrección de inducción dinámica 640 para computar el factor de corrección de inducción dinámica o retardada.

[0092] Por tanto, se pueden generar los factores de corrección de inducción media y dinámica en base a una o más simplificaciones del comportamiento/característica del campo de viento. Por ejemplo, se puede determinar un flujo inducido promedio en un radio r (por ejemplo, tomado solo y/o ponderado de acuerdo con un factor de conformación, etc.) y un campo de viento inducido filtrado con paso bajo y/o promediado en el tiempo (por ejemplo, durante un período de tiempo dado y/o para condiciones operativas de turbina eólica dadas, etc.) y usar para efectuar una estimación por LIDAR de la velocidad del viento con respecto a la turbina 100.

[0093] El estimador de velocidad del viento por LIDAR 670 estima la velocidad del viento en base a una salida del estimador de viento por LIDAR 610 ajustada por el factor de corrección de inducción media y el factor de corrección de inducción dinámica. Por ejemplo, se pueden aplicar las ecuaciones 5 y 10 para ajustar la estimación por LIDAR de acuerdo con los factores de inducción media y dinámica. La estimación de velocidad del viento por LIDAR se puede basar en una estimación de parámetro de viento inicial (por ejemplo, del estimador de viento por LIDAR 610) ajustada por la variación de velocidad del viento media calculada. El estimador de velocidad del viento por LIDAR 670 emite una velocidad del viento para su uso por el controlador de turbina eólica 540 para controlar el funcionamiento de la turbina eólica 100. En determinados ejemplos, el estimador de velocidad del viento 670 también puede emitir uno o más de otros parámetros de control de turbina eólica que incluyen la dirección del viento, la variación de la velocidad del viento con la altura, etc., para proporcionarse al controlador de turbina eólica 540.

[0094] El ejemplo de la FIG. 6B funciona de forma similar a la configuración de ejemplo de la FIG. 6A para generar una salida para ajustar el funcionamiento del controlador de turbina eólica 540. Sin embargo, en el ejemplo de la FIG. 6B, no se emplea ningún estimador por LIDAR inicial 610 para procesar los datos de sensor de LIDAR 510. Además, no se generan factores de corrección de inducción media o dinámica por los generadores 650, 660 respectivos. En su lugar, el procesador basado en modelo 620 procesa los datos operativos de turbina 520 y proporciona una entrada al constructor de modelo de inducción media 630 y al constructor de modelo de inducción dinámica 640. El estimador de velocidad del viento por LIDAR 670 usa el modelo de inducción media y el modelo de inducción dinámica junto con los datos de sensor de LIDAR 510 para determinar y corregir una estimación de la velocidad del viento, etc., que se va a proporcionar al controlador de turbina eólica 540.

[0095] El ejemplo de la FIG. 6C funciona de forma similar a las configuraciones de ejemplo de la FIG. 6A y 6B para generar una salida para ajustar el funcionamiento del controlador de turbina eólica 540. Sin embargo, en el ejemplo de la FIG. 6C, no se emplea ningún estimador por LIDAR inicial 610 o procesador basado en modelo 620. En su lugar, se usan directamente (por ejemplo, se miden) los datos operativos de turbina 520 para formar modelos por medio del constructor de modelo de inducción media 630 y el constructor de modelo de inducción dinámica 640. El estimador de velocidad del viento por LIDAR 670 usa el modelo de inducción media y el modelo de inducción dinámica junto con los datos de sensor de LIDAR 510 para determinar y corregir una estimación de la velocidad del viento, etc., que se va a proporcionar al controlador de turbina eólica 540.

[0096] La FIG. 7 ilustra una implementación de ejemplo del procesador basado en modelo 620. Como se muestra en el ejemplo de la FIG. 7, el procesador basado en modelo 620 recibe datos operativos de turbina 520 y procesa los datos para generar uno o más parámetros de salida de turbina usados por los constructores de modelos 630, 640 para generar los modelos de flujo de inducción media y dinámica con respecto a la turbina 100. El procesador basado en modelo 620 de ejemplo de la FIG. 7 utiliza datos de sensor de turbina 710 y/o datos operativos de turbina modelados 720 como entrada a un motor de modelado de parámetros 730 para generar uno o más parámetros de salida de turbina para los constructores de modo 630 y/o 640.

[0097] Por ejemplo, los datos de sensor de turbina 710 incluyen valores medidos de uno o más sensores (por ejemplo, galga extensiométrica, sensor de velocidad de rotor, sensor de ángulo de orientación, sensor de ángulo de pitch de pala, etc.) ubicados en y/o sobre la turbina 100, tales como velocidad de generador, potencia, empuje de rotor, par de torsión, pitch de pala, etc. Los datos operativos de turbina modelados 720 utilizan valores previamente previstos y/o medidos para estimar los parámetros/condiciones operativos de turbina actuales.

[0098] En el ejemplo de la FIG. 7, el motor de modelado de parámetros 730 procesa los datos de sensor de turbina 710 y/o los datos operativos de turbina modelados para generar la salida. Por ejemplo, se puede usar información tal como el par de torsión de carga, la velocidad del viento previamente prevista, la velocidad de rotor previamente prevista, la velocidad de rotor medida, el ángulo de pitch de pala medido, el ángulo de error de orientación medido, la velocidad de rotor deseada, el par de torsión de carga deseado, el ángulo de pitch deseado, etc., por el motor de modelado de parámetros 730 para generar información de empuje, velocidad del viento, rotor, etc., para los constructores de modelos 630, 640.

[0099] La FIG. 8 ilustra una implementación de ejemplo del estimador de velocidad del viento por LIDAR 670. El estimador 670 recibe datos de LIDAR (por ejemplo, datos del sensor de LIDAR 510 y/o la salida inicial del estimador de viento por LIDAR 610), junto con la información de inducción media e inducción dinámica, por ejemplo. En determinados ejemplos, el estimador 670 recibe factores de corrección de inducción media y dinámica de los generadores 650, 660 (por ejemplo, como se muestra en el ejemplo de la FIG. 6A). En otros ejemplos, el estimador 670 recibe modelos de inducción media y dinámica a partir de los que se pueden generar factores de corrección y aplicarlos a los datos de viento de LIDAR por el estimador 670. Como se muestra en el ejemplo de la FIG. 8, el estimador 670 incluye un generador de velocidad del viento 810, un corrector de velocidad del viento 820 y un motor de ajuste 830.

[0100] Si el estimador 670 recibe información de viento del estimador de viento por LIDAR 610 (por ejemplo, FIG.

6A), a continuación, el generador de velocidad del viento 810 acepta esa información para formar la estimación de velocidad del viento. Sin embargo, si el estimador 670 no recibe una estimación de viento inicial del estimador de viento por LIDAR 610 (por ejemplo, FIGS. 6B-6C), a continuación, el generador de velocidad del viento 810 usa los datos de sensor de LIDAR 510 para generar una estimación.

[0101] El corrector de velocidad del viento 820 aplica las correcciones de inducción media y dinámica a la estimación de velocidad del viento (por ejemplo, para modificar la estimación de viento inicial y/o para generar una estimación más exacta en base a los datos de sensor 510 y la corrección de inducción), por ejemplo. En determinados ejemplos, el corrector de velocidad del viento 820 recibe factores de corrección de inducción media y dinámica (por ejemplo, FIG. 6A) que se van a aplicar a la estimación de velocidad del viento. En otros ejemplos, el corrector de velocidad del viento 820 recibe modelos de inducción media y dinámica (por ejemplo, FIGS. 6B-6C) y procesa los modelos (por ejemplo, como lo harían de otro modo los generadores de corrección 650, 660) para modificar la estimación de velocidad del viento. El motor de ajuste 830 genera una o más entradas de controlador de turbina (por ejemplo, velocidad del viento eficaz de rotor, dirección del viento eficaz de rotor, variación de la velocidad con la altura eficaz de rotor, etc.) corregidas para efectos de inducción media y dinámica, por ejemplo.

[0102] Si bien las implementaciones de ejemplo de las infraestructuras 100, 500 y sus componentes se ilustran en las FIGS. 1-8, uno o más de los elementos, procesos y/o dispositivos ilustrados en las FIGS. 1-8 se pueden combinar, dividir, reorganizar, omitir, eliminar y/o implementar de cualquier otra manera. Además, el procesador de estimación de viento 530 de ejemplo, el controlador de turbina eólica 540, sus componentes y/o, más en general, los sistemas 100 y/o 500 de ejemplo de las FIGS. 1-8 se pueden implementar por hardware, software, firmware y/o cualquier combinación de hardware, software y/o firmware. Por tanto, por ejemplo, cualquiera del procesador de estimación de viento 530 de ejemplo, el controlador de turbina eólica 540, sus componentes y/o, más en general, los sistemas 100 y/o 500 de ejemplo de las FIGS. 1 -8 se pueden implementar por uno o más circuitos analógicos o digitales, circuitos lógicos, procesadores programables, circuitos integrados específicos de la aplicación (ASIC), dispositivos de lógica programables (PLD) y/o dispositivos de lógica programables en campo (FPLD). Cuando se lee cualquiera de las reivindicaciones del aparato o sistema de esta patente para abarcar una implementación de software y/o firmware puramente, al menos uno del procesador de estimación de viento 530 de ejemplo, el controlador de turbina eólica 540, sus componentes y/o, más en general, los sistemas 100 y/o 500 de ejemplo de las FIGS. 1-8 se define(n) expresamente por la presente para incluir un dispositivo de almacenamiento tangible legible por ordenador o un disco de almacenamiento tal como una memoria (por ejemplo, una memoria de solo lectura (ROM), disco duro, memoria flash, otra memoria volátil y/o no volátil, etc.), un disco versátil digital (DVD), un disco compacto (CD), un disco Blu-ray, etc., que almacena el software y/o el firmware. Todavía, además, los sistemas de ejemplo de las FIGS. 1-8 pueden incluir uno o más elementos, procesos y/o dispositivos además de, o en lugar de, los ilustrados en las FIGS. 1-8, y/o pueden incluir más de uno de cualquiera o todos los elementos, procesos y dispositivos ilustrados.

[0103] En las FIGS. 9-13 se muestran diagramas de flujo representativos de instrucciones legibles por máquina de ejemplo para implementar los sistemas 100 y/o 500 de las FIGS. 1-8. En estos ejemplos, las instrucciones legibles por máquina comprenden un programa para su ejecución por un procesador tal como el procesador 1412 mostrado en la plataforma de procesador 1400 de ejemplo analizada a continuación en relación con la FIG. 14. El programa puede estar incorporado en software almacenado en un medio de almacenamiento tangible legible por ordenador, tal como un CD-ROM, un disquete, un disco duro, un DVD, un disco Blu-ray o una memoria asociada con el procesador 1412, pero todo el programa y/o partes del mismo se podrían ejecutar de forma alternativa por un dispositivo distinto al procesador 1412 y/o incorporado en firmware o hardware dedicado. Además, aunque se describen los programas de ejemplo con referencia a los diagramas de flujo ilustrados en las FIGS. 9-13, se pueden usar de forma alternativa muchos otros procedimientos para implementar los sistemas 100 y/o 500 de ejemplo. Por ejemplo, se puede cambiar el orden de ejecución de los bloques y/o se pueden cambiar, eliminar o combinar algunos de los bloques descritos.

[0104] Como se menciona anteriormente, se pueden implementar los procesos de ejemplo de las FIGS. 9-13 usando instrucciones codificadas (por ejemplo, instrucciones legibles por ordenador y/o máquina) almacenadas en un medio de almacenamiento tangible legible por ordenador, tal como una unidad de disco duro, una memoria flash, una ROM, un CD, un DVD, una memoria caché, una memoria de acceso aleatorio (RAM) y/o cualquier otro dispositivo de almacenamiento o disco de almacenamiento en el que se almacena información durante cualquier duración (por ejemplo, durante períodos de tiempo extendidos, permanentemente, durante breves instancias, durante almacenamiento temporal en búfer y/o durante almacenamiento en memoria caché de la información). Como se usa en el presente documento, el término medio de almacenamiento tangible legible por ordenador se define expresamente para incluir cualquier tipo de dispositivo de almacenamiento y/o disco de almacenamiento legible por ordenador y para excluir señales de propagación y para excluir medios de transmisión. Como se usa en el presente documento, "medio de almacenamiento tangible legible por ordenador" y "medio de almacenamiento tangible legible por máquina" se usan de manera intercambiable. De forma adicional o alternativa, se pueden implementar los procesos de ejemplo de las FIGS. 9-13 usando instrucciones codificadas (por ejemplo, instrucciones legibles por ordenador y/o máquina) almacenadas en un medio no transitorio legible por ordenador y/o máquina, tal como una unidad de disco duro, una memoria flash, una memoria de solo lectura, un disco compacto, un disco versátil digital, una memoria caché, una memoria de acceso aleatorio y/o cualquier otro dispositivo de almacenamiento o disco de almacenamiento en el que se almacena la información durante cualquier duración (por ejemplo, durante períodos de tiempo extendidos, permanentemente, durante breves instancias, durante almacenamiento temporal en búfer y/o durante almacenamiento en memoria caché de la información). Como se usa en el presente documento, el término medio no transitorio legible por ordenador se define expresamente para incluir cualquier tipo de dispositivo de almacenamiento y/o disco de almacenamiento legible por ordenador y para excluir señales de propagación y para excluir medios de transmisión. Como se usa en el presente documento, cuando se usa la frase "al menos" como término de transición en un preámbulo de una reivindicación, es abierta de la misma manera que el término "que comprende" es abierto.

[0105] El programa 900 de la FIG. 9 comienza en el bloque 902 en el que se recibe la entrada. La entrada puede incluir datos de sensor de LIDAR 510, datos operativos de turbina 520, etc., recibidos por el estimador de viento por LIDAR 610, el procesador basado en modelo 620, etc. Se puede procesar la entrada para generar información diferente y/o adicional (por ejemplo, para usar los datos operativos 520 para generar uno o más parámetros de salida de turbina estimados, usar los datos de sensor 510 para formar una estimación inicial de la velocidad del viento, etc.) y/o se puede almacenar y/o reenviar para su uso en el ajuste de una señal de viento estimada (por ejemplo, para una corrección de inducción a priori, etc.), por ejemplo.

[0106] En el bloque 904, se genera un modelo de inducción media. Por ejemplo, en base a la entrada y/o la información generada a partir de la entrada (por ejemplo, parámetros de salida de turbina modelados tales como velocidad de generador, potencia, empuje de rotor, par de torsión, pitch de pala, etc.), se genera un modelo que describe una inducción estática o media o un efecto de flujo de entrada sobre el flujo de aire de turbina. Como se describe anteriormente en relación con las ecuaciones 2 y 3, se puede modelar la inducción media usando un modelo tal como un modelo de disco actuador para relacionar la inducción promedio de rotor con el empuje.

[0107] En el bloque 906, se genera un modelo de inducción dinámica. Por ejemplo, en base a la entrada y/o información generada a partir de la entrada (por ejemplo, parámetros de salida de turbina modelados tales como velocidad de generador, potencia, empuje de rotor, par de torsión, pitch de pala, etc.), se genera un modelo que describe una inducción retardada o dinámica o un efecto de flujo de entrada sobre el flujo de aire de turbina. Como se describe anteriormente en relación con las ecuaciones 6, 7 y 8, se puede modelar la inducción dinámica usando un modelo tal como un modelo de disco actuador para relacionar la inducción promedio de rotor con el empuje.

[0108] En el bloque 908, se evalúa la información de configuración para determinar si se va a computar o no un factor de corrección medio. Por ejemplo, se evalúa la configuración y/o instrucción para el procesador de estimación de viento 530 para determinar si se va a usar o no el generador de corrección de inducción media 650 para procesar el modelo de inducción media y generar un factor de corrección de inducción media.

[0109] En el bloque 910, se evalúa la información de configuración para determinar si se va a computar o no un factor de corrección dinámica. Por ejemplo, se evalúa la configuración y/o instrucción para el procesador de estimación de viento 530 para determinar si se va a usar o no el generador de corrección de inducción dinámica 660 para procesar el modelo de inducción dinámica y generar un factor de corrección de inducción dinámica.

[0110] Si se va a generar el factor de corrección medio, a continuación, en el bloque 912, se determina el factor de corrección de inducción medio. Por ejemplo, el modelo de inducción media del constructor de modelo de inducción media 630 se usa solo o junto con la información del procesador basado en modelo 620 por el generador de corrección de inducción media 650 para generar un factor corrector de inducción media que se va a aplicar a una estimación de velocidad del viento por LIDAR.

[0111] Por ejemplo, las ecuaciones 4 y/o 5, descritas anteriormente, ilustran cómo se puede usar el modelo de inducción media para formular un factor de corrección para la inducción media con respecto a una estimación por LIDAR de la velocidad del viento (por ejemplo, como parte de un modelo de flujo). Por tanto, se puede usar la información de sensor (por ejemplo, ángulo de pitch de pala, velocidad de rotor, salida de potencia, par de torsión, etc.) y/o la información de modelo con un filtro de paso bajo, velocidad del viento estimada, radio de rotor, densidad del aire, coeficiente de empuje y/o empuje medio estimado, etc., para computar un factor de corrección de inducción media en base a las ecuaciones 2 y 3 que se va a aplicar según las ecuaciones 4 y 5. La inducción media se puede deducir del empuje y/o de otros parámetros de turbina en función de la velocidad del viento, por ejemplo.

[0112] Si se va a generar el factor de corrección dinámica, a continuación, en el bloque 914, se determina el factor de corrección de inducción dinámica. Por ejemplo, el modelo de inducción dinámica del constructor de modelo de inducción dinámica 640 se usa solo o junto con la información del procesador basado en modelo 620 por el generador de corrección de inducción dinámica 660 para generar un factor corrector de inducción dinámica que se va a aplicar a una estimación de velocidad del viento por LIDAR.

[0113] Por ejemplo, las ecuaciones 9 y/o 10, descritas anteriormente, ilustran cómo se puede usar el modelo de inducción dinámica para formular un factor de corrección para la inducción dinámica con respecto a la estimación por LIDAR de la velocidad del viento (por ejemplo, como parte de un modelo de flujo). Por tanto, se puede usar la información de sensor (por ejemplo, ángulo de pitch de pala, velocidad de rotor, salida de potencia, par de torsión, etc.) y/o la información de modelo con un filtro de paso bajo (por ejemplo, para eliminar el ruido), coeficiente de empuje (por ejemplo, computado a partir del empuje basado en modelo, etc.), constante de escalado de rotor y/o constante de escalado de velocidad del viento, etc., para computar un factor de corrección de inducción dinámica en base a las ecuaciones 6-8 que se va a aplicar según las ecuaciones 9 y 10. La inducción dinámica se puede deducir del empuje y/o de otros parámetros de turbina en función de la velocidad del viento, por ejemplo. El modelo de inducción dinámica se puede integrar por el generador de corrección de inducción dinámica 640 para computar el factor de corrección de inducción dinámica o retardada.

[0114] Por tanto, se pueden generar los factores de corrección de inducción media y dinámica en base a una o más simplificaciones del comportamiento/característica del campo de viento. Por ejemplo, se puede determinar un flujo inducido promedio en un radio r (por ejemplo, tomado solo y/o ponderado de acuerdo con un factor de conformación, etc.) y un campo de viento inducido filtrado con paso bajo y/o promediado en el tiempo (por ejemplo, durante un período de tiempo dado y/o para condiciones operativas de turbina eólica dadas, etc.) y usar para efectuar una estimación por LIDAR de la velocidad del viento con respecto a la turbina 100.

[0115] En el bloque 916, se evalúa la información para determinar si se ha determinado o no una estimación de velocidad del viento inicial. Por ejemplo, en el bloque 902, el estimador de viento por LIDAR 610 puede generar una estimación de viento inicial y/o se puede introducir de otro modo una estimación de viento inicial en el procesador de estimación de viento 530.

[0116] Si se ha determinado una estimación de velocidad del viento inicial, a continuación, en el bloque 918, se usa la información de inducción media y dinámica (por ejemplo, modelos de inducción media y dinámica y factores de corrección de inducción media y dinámica disponibles) para ajustar la estimación de velocidad del viento inicial (por ejemplo, teniendo en cuenta los efectos de inducción media y dinámica en la medición de velocidad del viento por LIDAR para proporcionar una estimación más exacta para el control de turbina de prealimentación, etc.).

[0117] Por ejemplo, el estimador de velocidad del viento por LIDAR 670 estima la velocidad del viento en base a una salida del estimador de viento por LIDAR 610 ajustada por el factor de corrección de inducción media y el factor de corrección de inducción dinámica. Por ejemplo, se pueden aplicar las ecuaciones 5 y 10 para ajustar la estimación por LIDAR de acuerdo con los factores de inducción media y dinámica. La estimación de velocidad del viento por LIDAR se puede basar en una estimación de parámetro de viento inicial (por ejemplo, del estimador de viento por LIDAR 610) ajustada por la variación de velocidad del viento media calculada.

[0118] Si no se ha determinado una estimación de velocidad del viento inicial, a continuación, en el bloque 920, se calcula una estimación de velocidad del viento. Por ejemplo, el estimador de velocidad del viento por LIDAR 670 usa el modelo de inducción media y el modelo de inducción dinámica (por ejemplo, proporcionado por el constructor de modelo de inducción media 630 y el constructor de modelo de inducción dinámica 640, etc.) junto con los datos de sensor de LIDAR 510 para determinar y corregir una estimación de velocidad del viento, etc., que se va a proporcionar al controlador de turbina eólica 540.

[0119] Por tanto, el estimador de velocidad del viento por LIDAR 670 puede utilizar información de inducción media y dinámica para corregir una estimación de viento inicial y/o para generar una estimación de viento más exacta a partir de los datos de sensor de LIDAR 510 y los datos operativos de turbina 520.

[0120] En el bloque 922, se genera una señal de control para la turbina eólica 100 en base a la información de estimación de viento. Por ejemplo, el estimador de velocidad del viento por LIDAR 670 emite una velocidad del viento eficaz de rotor para su uso por el controlador de turbina eólica 540 para controlar el funcionamiento de la turbina eólica 100. En determinados ejemplos, el estimador de velocidad del viento 670 también puede emitir uno o más de otros parámetros de control de turbina eólica que incluyen la dirección del viento eficaz de rotor, la variación de la velocidad del viento con la altura eficaz de rotor, etc., que se van a proporcionar al controlador de turbina eólica 540. Por tanto, tanto la desaceleración estática como dinámica provocada por el viento se pueden modelar y tener en cuenta para controlar mejor la turbina 100, por ejemplo.

[0121] Los parámetros de control de turbina (por ejemplo, la entrada al controlador 130, 540) se determinan a priori, en lugar de a posteriori, para proporcionar un control de prealimentación de la turbina eólica 100 que tenga en cuenta los efectos de inducción tanto media como dinámica. Para el control de prealimentación, se estima una señal de viento entrante con antelación para el ajuste en tiempo real y/o sustancialmente en tiempo real (por ejemplo, teniendo en cuenta algún retardo de procesamiento y/o transmisión) del control de turbina 100. El procesamiento después del hecho puede dar como resultado una pérdida de beneficios por información desactualizada. El procesamiento de inducción de prealimentación y la corrección a priori pueden corregir un efecto(s) de inducción y mejorar (por ejemplo, corregir y/o incrementar de otro modo) el tiempo de vista previa para producir una exactitud mejorada de la medición de viento y el control de turbina, por ejemplo.

[0122] La corrección de inducción a priori usando un modelo(s) para la inducción (por ejemplo, el modelo de inducción media y el modelo de inducción dinámica) difiere de los procedimientos de correlación cruzada para el ajuste de velocidad del viento. Un procedimiento de correlación cruzada entre la velocidad del viento estimada por LIDAR observada y los datos operativos de turbina, tales como la velocidad del viento, puede establecer a) un coeficiente de correlación que mide la "bondad" o idoneidad de una comparación entre la estimación por LIDAR y los datos operativos de turbina; y b) un retardo de tiempo de correlación entre la estimación por LIDAR y los datos operativos de turbina. El coeficiente de correlación y el retardo de tiempo de correlación se pueden usar para formar una corrección que se puede aplicar a la escala de LIDAR o un retardo de tiempo para compensar una diferencia observada. La base de los procedimientos de correlación cruzada implica un enfoque a posteriori con el uso de una franja de tiempo de análisis en la que se computan y promedian las diferentes correlaciones. Estas franjas de tiempo pueden variar de varios minutos hasta 10 s. Una franja de tiempo prolongada incrementará la exactitud estadística del análisis de correlación cruzada, y una franja de tiempo breve dará como resultado una estimación estadísticamente incierta.

[0123] Sin embargo, un procedimiento de correlación cruzada a posteriori usando datos anteriores tiene menos valor que un procedimiento de inducción basado en modelo para derivar una corrección para una variable (por ejemplo, velocidad del viento, dirección del viento, variación de la velocidad del viento con la altura, etc.) que se va a usar para el control de prealimentación. De hecho, los efectos dinámicos, tales como un pitch de las palas, comienzan a afectar la inducción instantáneamente, y este efecto de inducción se puede detectar instantáneamente con un modelo de inducción que conoce el pitch de palas. Sin embargo, por el contrario, este efecto no comienza a influir en los parámetros de un procedimiento de correlación cruzada hasta que ha transcurrido un período de tiempo, típicamente la mitad de la franja de tiempo promediado, que puede introducir un retardo no deseado y no controlado en cualquier corrección aplicada usando dicho procedimiento de correlación cruzada. Adicionalmente, si bien un procedimiento de correlación puede ajustar el tiempo de vista previa, el enfoque basado en modelo puede corregir los valores de datos de LIDAR, proporcionando, de este modo, datos más exactos, así como un tiempo de vista previa corregido y un control y rendimiento operativos de turbina mejorados.

[0124] Un detalle adicional asociado con la entrada recibida (bloque 902) se muestra en el ejemplo de la FIG.

10. En el bloque 1002, se usa un haz de LIDAR de un sensor de LIDAR 420 (por ejemplo, un sensor Doppler LIDAR pulsado o de onda continua, etc.) montado en o cerca de la turbina 100 para realizar un escaneo de puntos a barlovento de la turbina 100.

[0125] En el bloque 1004, los puntos escaneados se mapean a un sistema de coordenadas de referencia. Por ejemplo, los puntos/ubicaciones en un campo de viento escaneado por el sensor de LIDAR 420 se mapean a un sistema de coordenadas de referencia (por ejemplo, coordenadas x-y, coordenadas x-y-z, coordenadas polares, etc.). Mapeando los puntos a coordenadas dentro de un sistema de coordenadas de referencia definido, se pueden cuantificar y analizar las ubicaciones y las relaciones entre los puntos.

[0126] En el bloque 1006, se determina una velocidad o estimación de velocidad para el viento en base a los puntos mapeados. Por ejemplo, el estimador de viento por LIDAR 610 puede procesar una secuencia de puntos mapeados a lo largo del tiempo para medir la distancia recorrida por unidad de tiempo en el sistema de coordenadas de referencia. Se puede usar dicha distancia a lo largo del tiempo para determinar una estimación de velocidad de viento (y la velocidad si también se analiza la dirección en base a las coordenadas).

[0127] Un detalle adicional asociado con la entrada recibida (bloque 902) se muestra en el ejemplo de la FIG.

11. En el bloque 1102, se recibe una medición de sensor de turbina. Por ejemplo, se puede estimar el empuje aerodinámico de rotor a partir de datos operativos de turbina. Por ejemplo, en un tiempo dado, se puede derivar un valor de empuje aerodinámico, T, a partir de mediciones de galga extensiométrica ubicada en la torre 116 y/o las palas 114 de la turbina 100 de ejemplo.

[0128] En el bloque 1104, se forma una estimación basada en modelo para un parámetro operativo de turbina. Por ejemplo, el procesador basado en modelo 620 puede generar una estimación basada en modelo del empuje y/u otro parámetro basada en la velocidad de rotor medida y/o modelada, el par de torsión de generador, el ángulo de pitch de pala, etc., (véase, por ejemplo, la ecuación 1 anterior).

[0129] En el bloque 1106, se combinan la medición de sensor de turbina y la estimación basada en modelo para formar un modelo de la turbina 100. Por tanto, el procesador basado en modelo 620 usa la información de entrada 520 y/u otra información con respecto a los componentes de la turbina 100, el funcionamiento, las condiciones operativas, etc., para estimar/modelar el/los parámetro(s) de salida de turbina, por ejemplo.

[0130] Por tanto, en determinados ejemplos, el procesador basado en modelo 620 procesa los datos operativos de turbina 520 para estimar parámetros de salida de turbina, tales como velocidad de generador, potencia, empuje de rotor, par de torsión, pitch de pala, etc. El procesador basado en modelo 620 proporciona información de condición de turbina exacta basándose en modelos y/o parámetros detectados (por ejemplo, medidos).

[0131] Un detalle adicional asociado con la generación de un modelo de inducción media (bloque 904) se muestra en el ejemplo de la FIG. 12. En el bloque 1202, se procesa (por ejemplo, por el procesador basado en modelo 620 y/o por el constructor de modelo de inducción media 630) la entrada de turbina (por ejemplo, los datos operativos de turbina 520). Por ejemplo, se pueden usar los datos operativos de turbina, tales como el coeficiente de empuje aerodinámico de rotor, C^t, para formar un modelo aerodinámico, tal como un modelo de disco actuador y/u otro modelo en base a una teoría de momento de elemento de pala, etc., para estimar, en un tiempo dado, la inducción bajo el supuesto de flujo casi constante. Se pueden determinar estimaciones promedio (por ejemplo, filtradas con paso bajo) para el coeficiente de empuje C^t. El tiempo promedio puede variar de 20 segundos a varios minutos, lo que dicta un tipo de parámetro(s) usado para el filtrado.

[0132] En el bloque 1204, se genera una variable filtrada con paso bajo para una o más variables por medio de un filtrado de paso bajo de la información de viento estimado de rotor. Por ejemplo, se puede generar un empuje filtrado con paso bajo a partir de observaciones/mediciones de empuje de viento. De forma similar, el ángulo de pitch de pala puede ser filtrado con paso bajo.

[0133] En el bloque 1206, se puede determinar un modelo de inducción media a partir de los factores de inducción filtrados con paso bajo. Por ejemplo, como se muestra en la ecuación 2, se puede estimar un modelo de inducción media (por ejemplo, un modelo de disco actuador) a partir del empuje filtrado con paso bajo. Por ejemplo, se puede usar el modelo de disco actuador para relacionar un factor de inducción promedio de rotor con el empuje C^tsegún las ecuaciones 2 y 3. El modelo de inducción media representa un modelo de campo de viento que tiene en cuenta un efecto de inducción media, por ejemplo.

[0134] En determinados ejemplos, el estimador de velocidad del viento por LIDAR 670 y/o el generador de corrección de inducción media 650 usa el modelo de inducción media para generar un factor corrector de inducción media que se va a aplicar a una estimación por LIDAR. Por ejemplo, las ecuaciones 4 y/o 5, descritas anteriormente, ilustran cómo se puede usar el modelo de inducción media para formular un factor de corrección para la inducción media con respecto a una estimación por LIDAR de la velocidad del viento (por ejemplo, como parte de un modelo de flujo). Por tanto, se puede usar la información de sensor (por ejemplo, ángulo de pitch de pala, velocidad de rotor, salida de potencia, par de torsión, etc.) y/o la información de modelo con un filtro de paso bajo, velocidad del viento estimada, radio de rotor, densidad del aire, coeficiente de empuje y/o empuje medio estimado, etc., para computar un factor de corrección de inducción media en base a las ecuaciones 2 y 3 que se va a aplicar según las ecuaciones 4 y 5. La inducción media se puede deducir del empuje y/o de otros parámetros de turbina en función de la velocidad del viento, por ejemplo.

[0135] Un detalle adicional asociado con la determinación de un modelo de inducción dinámica (bloque 906) se muestra en el ejemplo de la FIG. 13. En el bloque 1302, se procesa (por ejemplo, por el procesador basado en modelo 620 y/o por el constructor de modelo de inducción dinámica 640) la entrada de turbina (por ejemplo, los datos operativos de turbina 520). Por ejemplo, se pueden usar los datos operativos de turbina, tales como el coeficiente de empuje aerodinámico de rotor, C^t, para formar un modelo aerodinámico, tal como un modelo de disco actuador y/u otro modelo en base a una teoría de momento de elemento de pala o de rotor, etc., para estimar, en un tiempo dado, la inducción bajo el supuesto de flujo casi constante.

[0136] En el bloque 1304, se computa una estimación de inducción instantánea o casi constante. Por ejemplo, como se describe anteriormente en relación con las ecuaciones 6 y 7, se puede usar C^tpara estimar una inducción instantánea o casi constante.

[0137] En el bloque 1306, se computa una estimación de inducción retardada. Por ejemplo, como se describe anteriormente en relación con la ecuación 8, se puede determinar un efecto de inducción dinámica después de un retardo de tiempo transcurrido para tener en cuenta una estela convectiva corriente abajo.

[0138] En el bloque 1308, se usan estimaciones de inducción tanto instantáneas como retardadas para determinar un modelo de inducción dinámica. Por tanto, se pueden usar el efecto de inducción instantáneo o "casi constante" y el efecto de inducción de estela retardado para formar un modelo de inducción dinámica más completo para corregir una estimación de parámetro de viento por LIDAR. El modelo de inducción dinámica representa un modelo de campo de viento que tiene en cuenta un efecto de inducción dinámica, por ejemplo.

[0139] En determinados ejemplos, el estimador de velocidad del viento por LIDAR 670 y/o el generador de corrección de inducción dinámica 650 usa el modelo de inducción dinámica para generar un factor corrector de inducción dinámica que se va a aplicar a una estimación por LIDAR. Por ejemplo, las ecuaciones 9 y/o 10, descritas anteriormente, ilustran cómo se puede usar el modelo de inducción dinámica para formular un factor de corrección para la inducción dinámica con respecto a la estimación por LIDAR de la velocidad del viento (por ejemplo, como parte de un modelo de flujo). Por tanto, se puede usar la información de sensor (por ejemplo, ángulo de pitch de pala, velocidad de rotor, salida de potencia, par de torsión, etc.) y/o la información de modelo con un filtro de paso bajo (por ejemplo, para eliminar el ruido), coeficiente de empuje (por ejemplo, computado a partir del empuje basado en modelo, etc.), constante de escalado de rotor y/o constante de escalado de velocidad del viento, etc., para computar un factor de corrección de inducción dinámica en base a las ecuaciones 6-8 que se va a aplicar según las ecuaciones 9 y 10. La inducción dinámica se puede deducir del empuje y/o de otros parámetros de turbina en función de la velocidad del viento, por ejemplo. El modelo de inducción dinámica se puede integrar por el generador de corrección de inducción dinámica 640 para computar el factor de corrección de inducción dinámica o retardada.

[0140] Por tanto, determinados ejemplos proporcionan una corrección de inducción a priori para las condiciones operativas de turbina eólica con respecto a los datos de viento de LIDAR en base a los datos operativos de turbina. Determinados ejemplos posibilitan un control de turbina de prealimentación mejorado usando modelos para corregir los datos de LIDAR, en lugar de los efectos secundarios de los datos de LIDAR, lo que da como resultado datos más exactos, tiempo de vista previa mejorado y mejor funcionamiento de turbina.

[0141] La FIG. 14 es un diagrama de bloques de una plataforma de procesador 1400 de ejemplo que puede ejecutar las instrucciones de la FIG. 9-13 para implementar los sistemas de las FIGS. 1-8. La plataforma de procesador 1400 puede ser, por ejemplo, un servidor, un ordenador personal, un dispositivo móvil (por ejemplo, un teléfono móvil, un teléfono inteligente, una tableta tal como un iPad™), un asistente digital personal (PDA), un dispositivo de Internet, un reproductor de DVD, un reproductor de CD, una grabadora de vídeo digital, un reproductor de Blu-ray, una consola de juegos, una grabadora de vídeo personal, un decodificador o cualquier otro tipo de dispositivo informático.

[0142] La plataforma de procesador 1400 del ejemplo ilustrado incluye un procesador 1412. El procesador 1412 del ejemplo ilustrado es hardware. Por ejemplo, se puede implementar el procesador 1412 por uno o más circuitos integrados, circuitos lógicos, microprocesadores o controladores de cualquier familia o fabricante deseado.

[0143] El procesador 1412 del ejemplo ilustrado incluye una memoria local 1413 (por ejemplo, una memoria caché). El procesador 1412 del ejemplo ilustrado está en comunicación con una memoria principal que incluye una memoria volátil 1414 y una memoria no volátil 1416 por medio de un bus 1418. Se puede implementar la memoria volátil 1414 por una memoria de acceso aleatorio dinámica síncrona (SDRAM), una memoria de acceso aleatorio dinámica (DRAM), una memoria de acceso aleatorio dinámica RAMBUS (RDRAM) y/o cualquier otro tipo de dispositivo de memoria de acceso aleatorio. Se puede implementar la memoria no volátil 1416 por una memoria flash y/o cualquier otro tipo deseado de dispositivo de memoria. El acceso a la memoria principal 1414, 1416 está controlado por un controlador de memoria.

[0144] La plataforma de procesador 1400 del ejemplo ilustrado también incluye un circuito de interfaz 1420. Se puede implementar el circuito de interfaz 1420 por cualquier tipo de interfaz estándar, tal como una interfaz Ethernet, un bus serie universal (USB) y/o una interfaz rápida de interconexión de componentes periféricos (PCI).

[0145] En el ejemplo ilustrado, uno o más dispositivos de entrada 1422 están conectados al circuito de interfaz 1420. El/los dispositivo(s) de entrada 1422 permite(n) que un usuario introduzca datos e instrucciones en el procesador 1412. El/los dispositivo(s) de entrada 1422 se puede(n) implementar, por ejemplo, por un sensor de audio, un micrófono, un teclado, un botón, un ratón, una pantalla táctil, un panel táctil, una bola de desplazamiento, selector puntero y/o un sistema de reconocimiento de voz.

[0146] Uno o más dispositivos de salida 1424 también están conectados al circuito de interfaz 1420 del ejemplo ilustrado. Se pueden implementar los dispositivos de salida 1424, por ejemplo, por dispositivos de visualización (por ejemplo, un diodo emisor de luz (LED), un diodo emisor de luz orgánico (OLED), una pantalla de cristal líquido, una pantalla de tubo de rayos catódicos (CRT), una pantalla táctil, un dispositivo de salida táctil). El circuito de interfaz 1420 del ejemplo ilustrado, por tanto, incluye típicamente una tarjeta de controlador de gráficos, un chip de controlador de gráficos o un procesador de controlador de gráficos.

[0147] El circuito de interfaz 1420 del ejemplo ilustrado también incluye un dispositivo de comunicación tal como un transmisor, un receptor, un transceptor, un módem y/o una tarjeta de interfaz de red para facilitar el intercambio de datos con máquinas externas (por ejemplo, dispositivos informáticos de cualquier tipo) por medio de una red 1426 (por ejemplo, una conexión Ethernet, una línea de abonado digital (DSL), una línea telefónica, cable coaxial, un sistema de telefonía móvil, etc.).

[0148] La plataforma de procesador 1400 del ejemplo ilustrado también incluye uno o más dispositivos de almacenamiento masivo 1428 para almacenar software y/o datos. Los ejemplos de dichos dispositivos de almacenamiento masivo 1428 incluyen unidades de disquete, discos de disco duro, unidades de disco compacto, unidades de disco Blu-ray, sistemas RAID y unidades de disco versátil digital (DVD).

[0149] Las instrucciones codificadas 1432 de las FIGS. 9-13 se pueden almacenar en el dispositivo de almacenamiento masivo 1428, en la memoria volátil 1414, en la memoria no volátil 1416 y/o en un medio de almacenamiento tangible legible por ordenador extraíble tal como un CD o DVD. Aunque en el presente documento se han divulgado determinados procedimientos, aparatos y artículos de fabricación de ejemplo, el alcance de la cobertura de esta patente no se limita a los mismos. Por el contrario, esta patente cubre todos los procedimientos, aparatos y artículos de fabricación que se encuentran dentro del alcance de las reivindicaciones de esta patente.

Claims

REIVINDICACIONES

i. Un procedimiento de control de una turbina eólica (10), comprendiendo el procedimiento:

recibir datos de velocidad del viento (510) desde un sensor de detección y determinación de distancias mediante luz (LIDAR) (148);

recibir datos operativos (520) indicativos del funcionamiento de turbina eólica; caracterizado por:

determinar una corrección de inducción a priori para condiciones operativas de turbina eólica (100) con respecto a los datos de velocidad del viento de LIDAR (510) en base a los datos operativos (520);

estimar una señal de viento del sensor de LIDAR (148) que se ajusta por la corrección; y

generar una señal de control (670) para la turbina eólica en base a la señal de viento estimada por LIDAR ajustada;

en el que la corrección de inducción incluye determinar un modelo de inducción media y un modelo de inducción dinámica retardada en base a los datos operativos (520) indicativos del funcionamiento de turbina eólica (100).
2. El procedimiento de la reivindicación 1, en el que los datos operativos indicativos del funcionamiento de turbina eólica (100) incluyen una medición o una estimación basada en modelo de al menos uno del empuje de turbina, la velocidad de turbina, el par de torsión de turbina, la orientación de turbina, la posición o el pitch de pala de turbina.
3. El procedimiento de la reivindicación 1 o 2, en el que el modelo de inducción media incluye determinar un factor de inducción media usando un filtro de paso bajo en los datos operativos (520) indicativos del funcionamiento de turbina eólica (100) para generar un modelo de campo de viento que cuantifica el efecto de inducción media.
4. El procedimiento de cualquier reivindicación precedente, en el que el modelo de inducción dinámica incluye determinar un factor de inducción dinámica usando los datos operativos indicativos del funcionamiento de turbina eólica (100) para generar un modelo de campo de viento que cuantifica el efecto de inducción dinámica.
5. El procedimiento de cualquier reivindicación precedente, en el que se usa un modelo de campo de viento que cuantifica al menos uno de un efecto de inducción media y un efecto de inducción dinámica para estimar la señal de viento del sensor de LIDAR (148).
6. El procedimiento de cualquier reivindicación precedente, en el que la señal de control está configurada para controlar la turbina eólica (100) en base a al menos una de: a) una velocidad del viento eficaz de rotor corregida para efectos de funcionamiento de turbina, b) una dirección del viento eficaz de rotor corregida para efectos de funcionamiento de turbina, c) y una variación de la velocidad con la altura eficaz de rotor corregida para efectos de funcionamiento de turbina.
7. El procedimiento de la reivindicación 6, en el que la señal de control está configurada para ajustar continuamente el funcionamiento de la turbina eólica (100) incluyendo al menos uno de pitch de pala, orientación, par de torsión, consigna de turbina o restricción de funcionamiento de turbina por medio de la señal de control (670).
8. Un medio de almacenamiento tangible, legible por ordenador que incluye instrucciones que, cuando se ejecutan por un procesador (530), provocan que el procesador (530) al menos:

reciba datos de velocidad del viento (510) desde un sensor de detección y determinación de distancias mediante luz (LIDAR) (148);

reciba datos operativos (520) indicativos del funcionamiento de turbina eólica (100); caracterizado por que dicho procesador está configurado además para:

determinar una corrección de inducción a priori para condiciones operativas de turbina eólica (100) con respecto a los datos de velocidad del viento de LIDAR (510) en base a los datos operativos (520);

estimar una señal de viento del sensor de LIDAR (148) que se ajusta por la corrección; y generar una señal de control (670) para una turbina eólica en base a la señal de viento estimada por LIDAR ajustada;

en el que la corrección de inducción incluye determinar un modelo de inducción media y un modelo de inducción dinámica retardada en base a los datos operativos (520) indicativos del funcionamiento de turbina eólica (100).
9. Un aparato de control de turbina eólica (500), comprendiendo el aparato:

un procesador de estimación de viento (530) configurado para:

recibir datos de velocidad del viento (510) desde un sensor de detección y determinación de distancias mediante luz (LIDAR) (148); y caracterizado por que está configurado además para: recibir datos operativos (520) indicativos del funcionamiento de turbina eólica (520); determinar una corrección de inducción a priori para las condiciones operativas de turbina eólica con respecto a los datos de velocidad del viento de LIDAR (510) en base a los datos operativos (520); estimar una señal de viento del sensor de LIDAR (148) que se ajusta por la corrección; y generar una señal de control (670) para un controlador de turbina eólica (540) en base a la señal de viento estimada por LIDAR ajustada;

en el que la corrección de inducción incluye determinar un modelo de inducción media y un modelo de inducción dinámica retardada en base a los datos operativos (520) indicativos del funcionamiento de turbina eólica (100).
10. El aparato (500) de la reivindicación 9, en el que los datos operativos (520) indicativos del funcionamiento de turbina eólica (100) incluyen una medición o una estimación basada en modelo de al menos uno del empuje de turbina, la velocidad de turbina, el par de torsión de turbina, la orientación de turbina, la posición o el pitch de pala de turbina.
11. El aparato (500) de la reivindicación 9 o 10, en el que la señal de control (670) está configurada para controlar la turbina eólica (100) en base a al menos una de: a) una velocidad del viento eficaz de rotor corregida para efectos de funcionamiento de turbina, b) una dirección del viento eficaz de rotor corregida para efectos de funcionamiento de turbina, c) y una variación de la velocidad con la altura eficaz de rotor corregida para efectos de funcionamiento de turbina.