ES2966993T3 - Método de control de aerogenerador - Google Patents
Método de control de aerogenerador Download PDFInfo
- Publication number
- ES2966993T3 ES2966993T3 ES19723004T ES19723004T ES2966993T3 ES 2966993 T3 ES2966993 T3 ES 2966993T3 ES 19723004 T ES19723004 T ES 19723004T ES 19723004 T ES19723004 T ES 19723004T ES 2966993 T3 ES2966993 T3 ES 2966993T3
- Authority
- ES
- Spain
- Prior art keywords
- fatigue
- wind turbine
- modeled
- fatigue value
- value
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 35
- 238000011217 control strategy Methods 0.000 claims abstract description 46
- 238000004088 simulation Methods 0.000 claims description 19
- 238000012549 training Methods 0.000 claims description 19
- 238000005452 bending Methods 0.000 claims description 12
- 230000004044 response Effects 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 9
- 238000010801 machine learning Methods 0.000 claims description 8
- 230000001186 cumulative effect Effects 0.000 claims description 5
- 230000001133 acceleration Effects 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 4
- 238000005259 measurement Methods 0.000 description 10
- 238000013016 damping Methods 0.000 description 9
- 238000013461 design Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 5
- 238000003860 storage Methods 0.000 description 5
- 125000004122 cyclic group Chemical group 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 238000009826 distribution Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- MWRWFPQBGSZWNV-UHFFFAOYSA-N Dinitrosopentamethylenetetramine Chemical compound C1N2CN(N=O)CN1CN(N=O)C2 MWRWFPQBGSZWNV-UHFFFAOYSA-N 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000004913 activation Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000010009 beating Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008450 motivation Effects 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 238000001556 precipitation Methods 0.000 description 1
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F03—MACHINES OR ENGINES FOR LIQUIDS; WIND, SPRING, OR WEIGHT MOTORS; PRODUCING MECHANICAL POWER OR A REACTIVE PROPULSIVE THRUST, NOT OTHERWISE PROVIDED FOR
- F03D—WIND MOTORS
- F03D7/00—Controlling wind motors
- F03D7/02—Controlling wind motors the wind motors having rotation axis substantially parallel to the air flow entering the rotor
- F03D7/04—Automatic control; Regulation
- F03D7/042—Automatic control; Regulation by means of an electrical or electronic controller
- F03D7/043—Automatic control; Regulation by means of an electrical or electronic controller characterised by the type of control logic
- F03D7/045—Automatic control; Regulation by means of an electrical or electronic controller characterised by the type of control logic with model-based controls
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F03—MACHINES OR ENGINES FOR LIQUIDS; WIND, SPRING, OR WEIGHT MOTORS; PRODUCING MECHANICAL POWER OR A REACTIVE PROPULSIVE THRUST, NOT OTHERWISE PROVIDED FOR
- F03D—WIND MOTORS
- F03D7/00—Controlling wind motors
- F03D7/02—Controlling wind motors the wind motors having rotation axis substantially parallel to the air flow entering the rotor
- F03D7/028—Controlling wind motors the wind motors having rotation axis substantially parallel to the air flow entering the rotor controlling wind motor output power
- F03D7/0292—Controlling wind motors the wind motors having rotation axis substantially parallel to the air flow entering the rotor controlling wind motor output power to reduce fatigue
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F03—MACHINES OR ENGINES FOR LIQUIDS; WIND, SPRING, OR WEIGHT MOTORS; PRODUCING MECHANICAL POWER OR A REACTIVE PROPULSIVE THRUST, NOT OTHERWISE PROVIDED FOR
- F03D—WIND MOTORS
- F03D7/00—Controlling wind motors
- F03D7/02—Controlling wind motors the wind motors having rotation axis substantially parallel to the air flow entering the rotor
- F03D7/04—Automatic control; Regulation
- F03D7/042—Automatic control; Regulation by means of an electrical or electronic controller
- F03D7/043—Automatic control; Regulation by means of an electrical or electronic controller characterised by the type of control logic
- F03D7/046—Automatic control; Regulation by means of an electrical or electronic controller characterised by the type of control logic with learning or adaptive control, e.g. self-tuning, fuzzy logic or neural network
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
- F05B—INDEXING SCHEME RELATING TO WIND, SPRING, WEIGHT, INERTIA OR LIKE MOTORS, TO MACHINES OR ENGINES FOR LIQUIDS COVERED BY SUBCLASSES F03B, F03D AND F03G
- F05B2270/00—Control
- F05B2270/30—Control parameters, e.g. input parameters
- F05B2270/332—Maximum loads or fatigue criteria
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/70—Wind energy
- Y02E10/72—Wind turbines with rotation axis in wind direction
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Sustainable Development (AREA)
- Sustainable Energy (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Wind Motors (AREA)
Abstract
Un método para operar una turbina eólica. La turbina eólica se opera durante un período operativo de acuerdo con una estrategia de control. Se recibe una señal de sensor durante el período de funcionamiento desde un sensor que mide un parámetro operativo de la turbina. Se utiliza un modelo para obtener un valor de fatiga modelado basado en la señal del sensor. El valor de fatiga modelado proporciona una estimación de la carga de fatiga aplicada a un componente de la turbina durante el período de funcionamiento. La estrategia de control se modifica en función del valor de fatiga modelado. (Traducción automática con Google Translate, sin valor legal)
Description
DESCRIPCIÓN
Método de control de aerogenerador
Campo de la invención
La presente invención se refiere al control de un aerogenerador y, en particular, se refiere al control de un aerogenerador en base a valores de carga de fatiga.
Antecedentes de la invención
Cuando se ubica un aerogenerador o granja eólica, es convencional medir primero las condiciones atmosféricas en la ubicación propuesta. A partir de estas mediciones, se predice la carga de fatiga que experimentará el aerogenerador y se concibe una estrategia de control para operar el aerogenerador a lo largo de su vida útil. La estrategia de control concebida puede incluir características de control estático, tales como modos operacionales de sector eólico, que, por ejemplo, pueden establecer la operación de aerogenerador en un sector dado o apagar un aerogenerador en un sector dado. La estrategia de control concebida se puede diseñar para equilibrar la vida útil del aerogenerador, el gasto operacional y la producción de energía anual. El aerogenerador entonces se construye y se opera en base a la estrategia de control para su vida útil predeterminada, que puede estar entre 20-25 años.
No obstante, predeterminar una estrategia de control para un periodo tan largo no permite que se tengan en cuenta las condiciones de ubicación reales durante la operación del aerogenerador en la estrategia de control general del aerogenerador. El documento US 2015/167637 muestra el control de un aerogenerador en base al consumo de vida de fatiga acumulado. El artículo “Analysing wind turbine fatigue load prediction: The impact of wind farm flow conditions” de Vera-Tudela Luis et al, Renewable Energy, Vol. 107, páginas 352-360, 2 de febrero de 2017, muestra el uso de modelos de aprendizaje por máquina para estimar y monitorizar la carga y fatiga en un aerogenerador. Es en este contexto en el que se ha concebido la invención.
Compendio de la invención
En un primer aspecto, se proporciona un método según la reivindicación 1 de operación de un aerogenerador, el método que comprende:
operar el aerogenerador a lo largo de un periodo de operación de acuerdo con una estrategia de control; recibir una señal de sensor a lo largo de un periodo de operación de un sensor que mide un parámetro operacional del aerogenerador;
usar un modelo para obtener un valor de fatiga modelado en base a la señal de sensor, en donde el valor de fatiga modelado proporciona una estimación de carga de fatiga aplicada a un componente del aerogenerador a lo largo del periodo de operación; y
modificar la estrategia de control en base al valor de fatiga modelado.
Modelando la carga de fatiga en base a mediciones operacionales reales, que se miden por el sensor, se puede optimizar la estrategia de control para los parámetros operacionales reales experimentados por el aerogenerador. Por ejemplo, se puede ajustar la estrategia de control en términos de curva de potencia, límites de empuje, posiblemente en un esquema de gestión de sector eólico.
El sensor puede ser una galga extensiométrica, pero las galgas extensiométricas pueden ser costosas. Por lo tanto, preferiblemente el sensor no es una galga extensiométrica.
Opcionalmente, el valor de fatiga modelado se obtiene derivando datos estadísticos a partir de la señal del sensor, e introduciendo los datos estadísticos en el modelo para obtener el valor de fatiga modelado. Por ejemplo, los datos estadísticos pueden incluir uno o más de la media, el valor máximo, el valor mínimo, la desviación estándar, las estadísticas de recuento de precipitaciones, las estadísticas de duración de carga/distribución de revoluciones del parámetro operacional a lo largo del periodo de operación. El parámetro operacional puede presentar variaciones cíclicas a lo largo del periodo de operación. Derivar los datos estadísticos puede ser computacionalmente más eficiente que grabar y usar la variación completa del parámetro operacional a lo largo del tiempo.
El modelo es un modelo subrogado. El modelo subrogado puede comprender una superficie de respuesta que predice un valor de fatiga cuando se da la señal del sensor (o un conjunto de señales del sensor, cada una que se relaciona con un parámetro operacional diferente) como entrada. Usar un modelo subrogado puede proporcionar un método computacionalmente eficiente para predecir valores de fatiga.
El modelo comprende además entrenar al modelo subrogado usando datos de entrenamiento. Entrenar al modelo usando datos de entrenamiento comprende ejecutar un algoritmo de aprendizaje por máquina en base a datos de entrenamiento.
En algunas realizaciones, el modelo subrogado se puede entrenar usando datos de entrenamiento simulados a partir de una simulación de carga de aerogenerador aeroelástica. Una simulación de carga aeroelástica se basa típicamente en la teoría del momento de elemento de pala (BEM), que modela la aerodinámica del rotor, y un modelo estructural del aerogenerador y un sistema de control. La entrada a la simulación puede ser una representación de un flujo turbulento del viento en base a un modelo de turbulencia. La salida de la simulación puede ser la respuesta del aerogenerador, por ejemplo, desviaciones de pala, velocidad o aceleración de rotación, cargas y producción de potencia. Los datos estadísticos grabados anteriormente, por ejemplo, de otros aerogeneradores o granjas eólicas, se pueden usar como entrada a la simulación. La simulación puede emitir un valor de fatiga predicho en base a esta entrada. La simulación se puede verificar usando galgas extensiométricas en un aerogenerador de prototipo. Usando tal simulación, se puede generar una gran cantidad de datos para entrenar al modelo subrogado, asegurando que el modelo subrogado sea capaz de estimar con precisión la carga de fatiga cuando se usa con mediciones reales.
El método comprende determinar si el valor de fatiga modelado difiere de un valor de fatiga esperado; y modificar la estrategia de control en base al valor de fatiga modelado si el valor de fatiga modelado difiere del valor de fatiga esperado. Por ejemplo, el método puede comprender estimar una fatiga de vida útil para el aerogenerador antes de operar el aerogenerador a lo largo del periodo de operación; determinar un valor de fatiga esperado para el periodo de operación en base a la fatiga de vida útil y la duración del periodo de operación; y comparar el valor de fatiga modelado con el valor de fatiga esperado para determinar si el valor de fatiga modelado difiere del valor de fatiga esperado. De esta forma, es posible determinar si la carga de fatiga experimentada por el aerogenerador debido a los parámetros operacionales reales es mayor o menor que la carga de fatiga que se esperaría en ese punto de la vida útil del aerogenerador.
Modificar la estrategia de control comprende modificar la estrategia de control para reducir una diferencia entre el valor de fatiga modelado y el valor de fatiga esperado.
Una medición de utilización de fatiga, tal como una relación de utilización, se define en base a una diferencia o relación entre el valor de fatiga modelado y el valor de fatiga esperado.
En algunas realizaciones, el periodo de operación comprende una pluralidad de intervalos de operación, y el valor de fatiga modelado es un valor de fatiga modelado acumulado obtenido usando el modelo para obtener un valor de fatiga de intervalo para cada intervalo de operación en base a una señal de sensor para ese intervalo, y sumando los valores de fatiga de intervalo para cada intervalo de operación. De este modo, el valor de fatiga modelado a lo largo del periodo de operación puede representar un valor de fatiga modelado acumulado a través de la pluralidad de intervalos de operación.
El parámetro operacional puede comprender un parámetro de viento tal como la velocidad del viento.
El parámetro operacional puede comprender al menos uno de: velocidad del viento, aceleraciones de la torre, velocidad de rotor, ángulo de paso de pala, potencia activa y momento flector de la raíz de la pala. Medir valores para tales parámetros operacionales puede ser relativamente barato comparado con medir directamente la carga de fatiga con galgas extensiométricas. El sensor puede medir uno o más parámetros operacionales; o se pueden usar múltiples sensores, cada uno que mide un parámetro operacional.
El modelo se puede usar para obtener solamente un único valor de fatiga modelado que proporcione una estimación de carga de fatiga aplicada solamente a un único componente del aerogenerador a lo largo del periodo de operación. Alternativamente, el modelo se puede usar para obtener múltiples valores de fatiga modelados, cada uno que proporciona una estimación de la carga de fatiga aplicada a un componente respectivo diferente del aerogenerador a lo largo del periodo de operación. Por ejemplo, el modelo se puede usar para obtener valores de fatiga modelados para momentos en el sentido del batimiento/borde de la pala, par del tren de transmisión, momentos flectores del tren de transmisión y/o momentos flectores de la torre.
Modificar la estrategia de control puede comprender ajustar un ajuste de control del aerogenerador (tal como un ajuste de potencia o ajuste de velocidad) en base al valor o valores de fatiga modelados.
En una realización particular, modificar la estrategia de control puede comprender ajustar una ganancia de control de guiñada inclinada del aerogenerador. Ajustar la ganancia de control puede reducir la actividad de paso de pala, aumentando la vida útil del cojinete de pala.
Modificar la estrategia de control, además o alternativamente, puede comprender ajustar al menos uno de: una vida útil esperada del aerogenerador; un modo operacional del aerogenerador; un ajuste de potencia del aerogenerador; y un ajuste de velocidad del aerogenerador.
Según un segundo aspecto, se proporciona un sistema de control de aerogenerador adaptado para realizar el método de cualquier realización del primer aspecto. El sistema de control de aerogenerador puede comprender un controlador dispuesto para recibir la señal de sensor desde el sensor.
En general, un controlador puede ser una unidad o colección de unidades funcionales que comprende uno o más procesadores, interfaz o interfaces de entrada/salida y una memoria capaz de almacenar instrucciones que se pueden ejecutar por un procesador.
Según un tercer aspecto, se proporciona un aerogenerador que comprende un sistema de control de aerogenerador según el segundo aspecto.
Según un cuarto aspecto, se proporciona un producto de programa informático que comprende código de software adaptado para controlar un aerogenerador cuando se ejecuta en un sistema de procesamiento de datos, el producto de programa informático que se adapta para realizar el método de cualquier realización del primer aspecto.
El producto de programa informático se puede proporcionar en un medio de almacenamiento legible por ordenador o puede ser descargable de una red de comunicación. El producto de programa informático comprende instrucciones para hacer que un sistema de procesamiento de datos, por ejemplo, en forma de un controlador, lleve a cabo las instrucciones cuando se carga en el sistema de procesamiento de datos.
En general los diversos aspectos de la invención se pueden combinar y acoplar de cualquier forma posible dentro del alcance de la invención. Estos y otros aspectos, características y/o ventajas de la invención serán evidentes a partir de y dilucidados con referencia a las realizaciones descritas de aquí en adelante.
Breve descripción de los dibujos
Las realizaciones de la invención se describirán, a modo de ejemplo solamente, con referencia a los dibujos, en los que:
la Fig. 1 ilustra un ejemplo de un aerogenerador;
la Fig. 2 ilustra una realización de un sistema de control junto con elementos de un aerogenerador;
la Fig. 3a ilustra un conjunto de datos de entrenamiento que se pueden usar para entrenar a un modelo subrogado; la Fig. 3b ilustra una curva adaptada a los datos de entrenamiento de la Figura 3a;
la Fig. 4 ilustra un ejemplo de curvas de relación de utilización;
la Fig. 5 ilustra una estrategia de control modificada en la que se ajusta una vida útil esperada del aerogenerador; la Fig. 6 ilustra una estrategia de control modificada en la que se ajusta un ajuste de control del aerogenerador; y la Fig. 7 ilustra un método de control de un aerogenerador.
Descripción de las realizaciones
La Figura 1 ilustra, en una vista en perspectiva esquemática, un ejemplo de un aerogenerador 1. El aerogenerador 1 incluye una torre 2, una góndola 3 en el ápice de la torre y un rotor 4 acoplado operativamente a un generador alojado en el interior de la góndola 3. Además del generador, la góndola aloja diversos componentes requeridos para convertir energía eólica en energía eléctrica y diversos componentes necesarios para operar, controlar y optimizar el rendimiento del aerogenerador 1. El rotor 4 del aerogenerador incluye un buje central 5 y una pluralidad de palas 6 que sobresalen hacia fuera desde el buje central 5. En la realización ilustrada, el rotor 4 incluye tres palas 6, pero el número puede variar. Además, el aerogenerador comprende un sistema de control. El sistema de control se puede colocar dentro de la góndola o distribuir en un número de ubicaciones en el interior del aerogenerador y conectadas comunicativamente.
El aerogenerador 1 puede estar incluido entre una colección de otros aerogeneradores que pertenecen a una planta de energía eólica, a la que también se hace referencia como granja eólica o parque eólico, que sirve como una planta de generación de energía conectada por líneas de transmisión con una red de energía. La red de energía consiste en general en una red de centrales eléctricas, circuitos de transmisión y subestaciones acopladas por una red de líneas de transmisión que transmiten la energía a cargas en forma de usuarios finales y otros consumidores de empresas eléctricas de servicio público.
La Figura 2 ilustra esquemáticamente una realización de un sistema de control 20 junto con elementos de un aerogenerador. El aerogenerador comprende las palas de rotor 6 que están conectadas mecánicamente a un generador eléctrico 22 a través de una caja de engranajes 23. En sistemas de accionamiento directo y otros sistemas, la caja de engranajes 23 puede no estar presente. La energía eléctrica generada por el generador 22 se inyecta en una red de energía 24 a través de un convertidor eléctrico 25. El generador eléctrico 22 y el convertidor 25 se pueden basar en una arquitectura de convertidor de escala completa (FSC) o una arquitectura de generador de inducción doblemente alimentado (DFIG), pero se pueden usar otros tipos.
El sistema de control 20 comprende un número de elementos, incluyendo al menos un controlador principal 200 con un procesador y una memoria, de modo que el procesador sea capaz de ejecutar tareas informáticas en base a instrucciones almacenadas en la memoria. En general, el controlador de aerogenerador asegura que, en operación, el aerogenerador genera un nivel de salida de potencia solicitado. Esto se obtiene ajustando el ángulo de paso de las palas 6 y/o la extracción de potencia del convertidor 25. Con este fin, el sistema de control comprende un sistema de paso que incluye un controlador de paso 27 que usa una referencia de paso 28 y un sistema de potencia que incluye un controlador de potencia 29 que usa una referencia de potencia 26. El rotor de aerogenerador comprende palas de rotor que se pueden inclinar mediante un mecanismo de paso. El rotor puede comprender un sistema de paso común que ajusta todos los ángulos de paso en todas las palas de rotor al mismo tiempo, así como además de ello un sistema de paso individual que es capaz de inclinar individualmente las palas de rotor. El sistema de control, o los elementos del sistema de control, se puede colocar en un controlador de central eléctrica (no mostrado) de modo que el aerogenerador se pueda operar en base a instrucciones proporcionadas externamente. Convencionalmente, los aerogeneradores se operan de acuerdo con una estrategia de control de vida útil, determinada antes de que comience la operación del aerogenerador. La estrategia de control de vida útil se basa en modelos con limitaciones conocidas en la estimación de las condiciones de ubicación reales, y se basa en características de control estáticas, tales como los modos de operación de sector eólico.
La presente invención proporciona un método de control de un aerogenerador en el que se modifica la estrategia de control, durante el curso de la operación del aerogenerador, en base a un valor de fatiga real modelado soportado por el aerogenerador - es decir, un valor de fatiga estimado en base a datos de mediciones reales. Tal control adaptativo de aerogeneradores permite equilibrar la vida útil, el gasto de operación (OPEX) y la Producción de Energía Anual (AEP), dando como resultado un control de aerogenerador más optimo en relación con las condiciones de ubicación reales.
Modelar el valor de fatiga
Se usa un modelo subrogado 31 para obtener un valor de fatiga modelado en base a una señal de sensor. El modelo subrogado 31 recibe, como entrada, datos de medición de un sensor 30 en o asociado con el aerogenerador. El sensor 30 mide uno o más parámetros operacionales experimentados por el aerogenerador. Los parámetros operacionales pueden incluir la velocidad del viento, aceleración de la torre, la velocidad del rotor, el ángulo de paso de pala, la potencia activa y/o momento flector de la raíz de la pala medido.
El sensor 30 puede ser un sensor que es parte de un sistema de Adquisición de Datos y Control Supervisor (“SCADA”). Los sistemas SCADA son sistemas de control y medición distribuidos de gran escala, usados en general para monitorizar o controlar procesos químicos, físicos o de transporte, donde el término SCADA se refiere normalmente al sistema central que monitoriza y controla una ubicación completa.
El modelo subrogado 31 emite uno o más valores de fatiga modelados. Cada valor de fatiga modelado proporciona una estimación de carga de fatiga aplicada a un componente del aerogenerador a lo largo de un periodo de tiempo. El modelo subrogado puede proporcionar estimaciones de la carga de fatiga que se medirían por galgas extensiométricas en el componente del aerogenerador. Por ejemplo, el modelo subrogado puede proporcionar estimaciones de carga de fatiga causadas por los momentos en el sentido del batimiento/borde de la pala; el par de tren de transmisión; los momentos flectores del tren de transmisión (por ejemplo, la flexión de tren de transmisión en direcciones vertical u horizontal); y/o los momentos flectores de la torre. La salida se puede expresar como un recuento de precipitaciones y/o una duración de carga y/o una distribución de revolución. La salida puede ser un valor de fatiga determinado de tales valores de carga estimados. Por ejemplo, la hipótesis de daño lineal de Palmgren-Miner (la regla de Miner) se puede usar para transformar variaciones cíclicas en los valores de carga estimados en una medición de la carga de fatiga.
El modelo subrogado se puede crear usando técnicas de aprendizaje por máquina para construir una superficie de respuesta que predice el valor o valores de fatiga para la entrada de sensor dada. La superficie de respuesta del modelo subrogado se puede entrenar con datos de entrenamiento creados por una herramienta de simulación. Por ejemplo, se puede usar una herramienta de simulación de carga de aerogenerador aeroelástica. Las simulaciones pueden hacer uso de paquetes disponibles comúnmente tales como Flex5 o HAWC2, como sería familiar para los expertos en la técnica. La simulación aeroelástica se puede usar para predecir valores de fatiga que podrían resultar de un gran conjunto de parámetros operacionales variables. Estos valores de fatiga predichos se usan para entrenar el modelo subrogado aplicando un algoritmo de aprendizaje por máquina, como se comprendería por los expertos en la técnica.
Una vez que se ha creado el modelo subrogado, se puede usar para estimar, o modelar, la carga de fatiga experimentada por un componente de aerogenerador individual en base a datos de medición reales del sensor 30. Para evitar los costes de computación y operacionales que se requerirían para grabar completamente la variación de parámetros operacionales a través de un periodo de operación, los datos estadísticos basados en mediciones se pueden introducir en el modelo subrogado, en lugar de los datos de sensor sin procesar. Los datos estadísticos pueden ser una representación estadística del parámetro operacional experimentado por el aerogenerador a lo largo del periodo de operación. Por ejemplo, se puede determinar una media, valor máximo, valor mínimo, desviación estándar, recuento de precipitaciones, duración de carga y/o distribución de carga a lo largo del periodo de operación y alimentar al modelo subrogado.
El valor de fatiga se puede modelar solamente para un único periodo de operación, o para múltiples periodos de operación (es decir, una serie de intervalos de operación). El periodo de operación puede, por ejemplo, tener una duración de entre 5 minutos y 15 minutos, o puede ser de 10 minutos, o puede estar entre 1 segundo y 10 segundos. Se puede usar cualquier otra duración de periodo de operación. El valor de fatiga modelado se puede obtener en línea, es decir, en tiempo real inmediatamente después del final del periodo de operación respectivo. El valor de fatiga modelado se puede obtener alternativamente fuera de línea, en base a los datos del sensor registrados.
Las Figuras 3a y 3b dan un ejemplo de cómo el modelo subrogado se puede entrenar en base a datos de entrenamiento de una simulación aeroelástica. La Figura 3a muestra un conjunto de datos de entrenamiento. El eje x de la Figura 3a representa el valor de un parámetro operacional particular a lo largo del periodo de operación simulado - en este caso la velocidad del viento media V.
El eje y de la Figura 3a representa el valor de fatiga de los datos de entrenamiento, determinado por una simulación aeroelástica. En este ejemplo, el valor de fatiga representa la carga de inclinación de fatiga en el cojinete principal del aerogenerador.
Cada punto de datos en la Figura 3a, representado por una cruz, representa un valor de fatiga que se calcula introduciendo un conjunto de datos en la simulación aeroelástica, el conjunto de datos que representa la variación del parámetro operacional (en este caso - la velocidad del viento V) a lo largo de un periodo de operación simulado. La simulación aeroelástica procesa entonces el conjunto de datos para determinar la carga de inclinación en el cojinete principal, entonces se usar la regla de Miner para calcular el valor de fatiga para ese periodo de operación. La velocidad del viento media V del conjunto de datos introducido en la simulación aeroelástica se asocia entonces con un valor de fatiga particular para generar un punto de datos en el conjunto de datos de entrenamiento. Por ejemplo, el punto de datos 30 en la Figura 3a muestra un valor de fatiga de alrededor de 1750 asociado con una velocidad del viento media V de alrededor de 26, y el punto de datos 31 muestra un valor de fatiga de alrededor de 1500 asociado con una velocidad del viento media V de alrededor de 13.
Los datos de entrenamiento representados en la Figura 3a se usan entonces para entrenar al modelo subrogado 31. Específicamente - un algoritmo de aprendizaje por máquina analiza los datos de entrenamiento para identificar una correlación entre los conjuntos de parámetros operacionales y los valores de fatiga, que se puede usar entonces para predecir una carga de fatiga cuando los datos del sensor de un aerogenerador real se introducen en el modelo subrogado. En particular, el algoritmo de aprendizaje por máquina puede identificar correlaciones entre parámetros operacionales y valores de fatiga particulares. El modelo subrogado, de este modo, se puede entrenar con esos parámetros operacionales que se correlacionan más directamente con los valores de fatiga en los datos de entrenamiento.
Usando el ejemplo mostrado en la Figura 3a, hay una correlación entre la velocidad del viento media V y el valor de fatiga, y el algoritmo de aprendizaje por máquina ajusta una curva 32 a los datos de entrenamiento como se muestra en la Figura 3b. Esta curva 32 es, en efecto, un modelo subrogado unidimensional que se puede usar para mapear cualquier valor de velocidad del viento media V a un valor de fatiga modelado, que a su vez proporciona una estimación de carga de fatiga aplicada al cojinete principal del aerogenerador a lo largo del periodo de operación. El proceso ilustrado en las Figura 3a y 3b se puede repetir entonces en base a otro parámetro operacional para generar una superficie de respuesta bidimensional (un equivalente bidimensional de la curva 32), y así sucesivamente hacia dimensiones mayores.
En la práctica, se simularán muchos conjuntos diferentes de variables de entrada y salida mediante la simulación aeroelástica para entrenar al modelo subrogado. El modelo subrogado usa todos los conjuntos de datos, formando una superficie de respuesta multidimensional, en lugar de una curva 32 simple en el ejemplo unidimensional de la Figura 3b.
Preferiblemente, un conjunto de una pluralidad de parámetros operacionales, según se miden por una pluralidad de sensores asociados con el aerogenerador, se introduce en el modelo subrogado. Por ejemplo, se puede usar un conjunto de señales de sensor que representan dos, tres, cinco o más parámetros operacionales. Usar más parámetros operacionales permite que se obtenga un valor de fatiga modelado más preciso.
Comparar el valor de fatiga modelado con un valor de fatiga estimado
El valor de fatiga modelado, como se describió anteriormente, se puede comparar con un valor de fatiga esperado para el aerogenerador en ese punto en la vida útil del aerogenerador. En una realización particular, se puede determinar una relación de utilización, para ayudar a la comparación del valor de fatiga modelado con un valor de fatiga esperado. La relación de utilización puede representar la carga de fatiga acumulada experimentada por el aerogenerador desde el inicio de operación - es decir, puede representar la suma de los valores de fatiga modelados para una pluralidad de intervalos de operación.
Una relación de utilización de valor de fatiga se puede definir como el valor de fatiga modelado “real” dividido por el valor de fatiga esperado en ese punto en la vida útil esperada del aerogenerador. La vida útil esperada puede ser la vida útil del aerogenerador como se estimó antes de que se comenzara la operación del aerogenerador, en base a la estrategia de control inicial.
Si x es el tiempo total de operación hasta el momento, entonces el aerogenerador se ha operado a lo largo de un periodo de operación desde el tiempo cero al tiempo x. Este periodo de operación está compuesto por una pluralidad de intervalos de operación. Por ejemplo, si x es un día, y cada intervalo de operación tiene una duración de 10 minutos, entonces el periodo de operación hasta el momento comprende 144 intervalos de operación. El modelo subrogado 31 emite un valor de fatiga de intervalo para cada intervalo de 10 minutos en base a una señal de sensor a lo largo de ese intervalo. Un valor de fatiga acumulado se obtiene sumando los valores de fatiga de intervalo para cada periodo de operación - en otras palabras manteniendo una ejecución total de los valores de fatiga de intervalo emitidos por el modelo subrogado 31. Así, en el ejemplo anterior, se obtiene un valor de fatiga modelado acumulado sumando las 144 salidas anteriores del modelo subrogado.
La relación de utilización (UR) se puede calcular entonces como:
donde x es el tiempo total de operación hasta el momento;Tes la vida útil (por diseño) esperada total;dxes el valor de fatiga modelado acumulado en el tiempo x -e s decir, la suma de los valores de fatiga de intervalo emitidos por el modelo subrogado 31 a lo largo del periodo de operación desde el tiempo cero al tiempo x; ydTes el valor de fatiga por diseño. El valor de fatiga por diseño es el valor de fatiga esperado al final de la vida útil esperada (tiempo T), como se predice antes de que comience la operación del aerogenerador.
Las relaciones de utilización se pueden calcular para el aerogenerador en su totalidad, o se pueden definir relaciones de utilización separadas para uno o más componentes del aerogenerador, tales como relaciones de utilización que representan los momentos en el sentido del batimiento/borde de la pala acumulados; el par de tren de transmisión; los momentos flectores del tren de transmisión (inclinación/guiñada); y/o los momentos flectores de la torre. En el caso de relaciones de utilización separadas,dxen la ecuación de UR es el valor de fatiga modelado acumulado en el tiempo x solo para el componente/carga particular; ydTes el valor de fatiga por diseño solo para ese componente/carga particular.
La Figura 4 ilustra los UR de componentes para un aerogenerador de ejemplo después de un periodo de operación x. La línea 40 en la Figura 4 representa una curva de UR que se esperaría en base al valor de fatiga por diseño y la vida útil esperada del aerogenerador, como se ha predicho antes de que comenzara la operación del aerogenerador. La curva de UR esperada 40 alcanza un valor de 1 en el final de la vida útil por diseño, T, que indica que el aerogenerador ha soportado toda la carga de fatiga que está diseñado para resistir.
Las líneas 42-44 representan curvas de UR de componentes a lo largo del periodo de operación hasta el tiempo x, en base a los valores de fatiga modelados emitidos por el modelo subrogado 31. En este ejemplo, cada una de las líneas 42-44 se encuentra por debajo de la curva de UR esperada 40, indicando que cada componente ha experimentado menos carga de fatiga que lo que se esperaba. De este modo, el aerogenerador tiene un potencial no utilizado para soportar cargas de fatiga, lo que proporciona la oportunidad de modificar la estrategia de control como se describe más en detalle a continuación.
La línea 42 representa el componente del aerogenerador con la relación de utilización modelada mayor hasta la fecha. Esta línea representa el componente que tiene el menor potencial para soportar cargas de fatiga adicionales, y así puede ser particularmente importante para modificar la estrategia de control.
Si, por otra parte, cualquiera de las realizaciones de utilización de componentes fuera mayor que la curva de UR esperada 40, esto indicaría que el componente ha soportado más carga de fatiga que la esperada en ese punto de la vida del aerogenerador. Modificar la estrategia de control puede buscar en este caso reducir futuras cargas de fatiga, al menos para ese componente.
Aunque las relaciones de utilización pueden ser particularmente útiles para comparar el valor de fatiga modelado con el valor de fatiga esperado, se pueden usar otras medidas de comparación. Por ejemplo, se puede calcular una diferencia simple entre el valor de fatiga modelado y un valor de fatiga esperado y modificar la estrategia de control en base a esta diferencia.
Modificar la estrategia de control
Comparando el valor de fatiga modelado soportado por el aerogenerador con el valor de fatiga esperado en ese punto en la vida útil del aerogenerador, por ejemplo, usando relaciones de utilización, se puede identificar el potencial no utilizado para soportar cargas de fatiga. La estrategia de control general del aerogenerador se puede modificar para hacer uso de ese potencial no utilizado. Esto puede asegurar que el aerogenerador se usa óptimamente a través de su vida útil, por ejemplo, extrayendo la máxima energía mientras que se minimiza el gasto operacional.
Una posible modificación es ajustar la vida útil de funcionamiento del aerogenerador. Convencionalmente, la vida útil de un aerogenerador se estima antes de que comience la operación, en combinación con determinar una estrategia de control de vida útil. No obstante, si el valor de fatiga modelado demuestra que hay potencial para soportar cargas de fatiga adicionales, la vida útil se puede extender. Por ejemplo, donde las relaciones de utilización se han calculado y trazado como en la Figura 4, las curvas de UR modeladas se pueden extrapolar en el tiempo hasta que se alcance una UR de 1, como se indica por la curva de UR extrapolada 42a en la Figura 5. El tiempo operacional T+A en el que la curva de UR extrapolada 42a alcanza 1 se puede tomar como la nueva vida útil estimada del aerogenerador. Por ejemplo, el tiempo restante en operación se puede calcular como: tiempo (por ejemplo, en años) restante =T/UR- x. La operación de vida útil extendida se puede realizar para una UR de aerogenerador total, o para la UR de componente máxima (es decir, la línea 42 en la Figura 4).
Modificar la vida útil del aerogenerador puede comprender calcular una nueva vida útil esperada para el aerogenerador en base a los valores de fatiga modelados, y actualizar un registro de la vida útil esperada del aerogenerador con la nueva vida útil esperada. El registro de la vida útil prevista se puede almacenar en un dispositivo de almacenamiento externo, tal como un dispositivo de almacenamiento asociado con una red remota. Por ejemplo, el dispositivo de almacenamiento externo puede almacenar una base de datos que asocia una pluralidad de aerogeneradores con los valores de vida útil esperados respectivos. El aerogenerador (o un controlador del aerogenerador) puede comunicarse con el dispositivo de almacenamiento externo a través de un enlace de comunicaciones cableado o inalámbricas para actualizar el valor de vida útil esperado para ese aerogenerador en la base de datos.
Además o alternativamente, se puede ajustar la operación de un componente particular. Por ejemplo, una ganancia de control de respuesta de paso se puede ajustar en base a una relación de utilización de fatiga de componente estimada. Una ganancia de control de respuesta de paso puede ser relevante para el llamado control de inclinaciónguiñada (TYC), también se hace referencia a esta ganancia de control como ganancia de TYC. El objetivo del control de inclinación-guiñada es reducir las cargas fuera del plano experimentadas por el cojinete principal, es decir, las llamadas cargas de inclinación y guiñada, introduciendo un paso cíclico (al que también se hace referencia algunas veces como paso individual) que contrarresta las cargas fuera del plano en el cojinete principal experimentadas por el aerogenerador (y también reduce en cierta medida los valores de fatiga de pala). La inclinación cíclica del control de TYC da como resultado un aumento del desgaste en el cojinete de pala debido al aumento de la actividad de paso. Si la curva o curvas de UR que están afectadas por el control de t Yc están por debajo del valor esperado, se puede reducir la ganancia de TYC (amplitud del paso cíclico). Esto da como resultado menos actividad de paso, y por lo tanto un aumento de la vida útil del cojinete de pala. Esto a su vez reduce el coste de gastos operacionales de operar el aerogenerador.
El ajuste de la ganancia de TYC se puede restringir a la curva de UR esperada (es decir, la línea 40 en la Figura 4) -es decir, la ganancia de TYC se puede ajustar de manera que las curvas de UR de inclinación/guiñada modeladas asociadas se aproximen a la curva de UR prevista. Alternativamente, si una curva de UR de inclinación/guiñada no es la mayor de las curvas de UR modeladas (es decir, no es la línea 42 en la Figura 4), la ganancia de TYC se puede ajustar hasta que la UR de inclinación/guiñada sea la mayor de las curvas de UR modeladas.
Modificar la estrategia de control puede comprender además o alternativamente ajustar un ajuste de operación del aerogenerador, por ejemplo, un modo operacional de sector eólico, en base a los valores de fatiga modelados o la relación de utilización correspondiente. En particular, esto puede comprender ajustar los ajustes de potencia y velocidad del aerogenerador.
Típicamente, los aerogeneradores tienen diferentes modos operacionales disponibles, es decir, modos con ajustes de potencia y velocidad alternativos. La motivación de tener estos modos es ser capaz de adaptar la operación del aerogenerador a una ubicación específica, por ejemplo, para aprovecharse de los sectores eólicos con condiciones benignas haciendo funcionar el aerogenerador en un modo más agresivo (es decir, potencia y/o velocidad elevada), o reducir la carga de fatiga del aerogenerador en sectores eólicos con condiciones duras (por ejemplo, velocidad y/o potencia baja). Estos modos se eligen convencionalmente en base a predicciones de carga de ubicación anteriores a la construcción, y los aerogeneradores se operan normalmente con estos ajustes a lo largo de la vida útil del aerogenerador. En la presente invención, no obstante, si las curvas de UR estimadas muestran un potencial no utilizado para cargas de fatiga adicionales, estos ajustes se pueden modificar. En particular, cuando hay potencial no utilizado, se puede seleccionar un modo más agresivo para una futura operación. Por el contrario, si se determina que el aerogenerador ha experimentado una carga de fatiga mayor que la esperada, se puede seleccionar un modo menos agresivo.
Modificar la estrategia de control puede comprender además o alternativamente ajustar un ajuste de control de amortiguación en base a unos valores de fatiga de la torre modelados o las relaciones de utilización correspondientes. Un ajuste de control de amortiguación puede ser un ajuste de control que afecta a la amortiguación proporcionada por el aerogenerador, o a los componentes del aerogenerador. Por ejemplo, el ajuste de control de amortiguación puede ser un control de paso. La amortiguación puede ser una amortiguación de torre de lado a lado (SSTD) y/o una amortiguación de torre delante-detrás (FATD). El control de amortiguación puede ser un valor de ganancia de respuesta de paso, o un umbral de activación que define las condiciones bajo las cuales se habilita la amortiguación de paso controlado. De este modo, si se encuentra que las curvas de UR estimadas afectadas por la SSTD y FATD (por ejemplo, curvas de UR de carga de torre) están por debajo de la curva de UR esperada, se puede reducir la actividad de paso que se usa para bajar las cargas de torre. Esto puede aumentar la vida útil del cojinete de las palas, y por lo tanto reducir costes de OPEx .
La Figura 6 da un ejemplo en el que se modifica la estrategia de control asociada con la curva de UR 42 en el tiempo x para llegar a ser más agresiva, de modo que se espera que la relación de utilización siga la curva 42b en el futuro - alcanzando una relación de utilización de 1 en el tiempo T.
Cualquier combinación de las estrategias de control anteriores se puede usar para optimizar la vida útil, OPEX y producción de energía anual del aerogenerador.
La Figura 7 ilustra un método de control de un aerogenerador según una realización de la presente invención.
En el paso 51, el aerogenerador se opera durante un primer periodo de operación de acuerdo con una estrategia de control. En particular, la estrategia de control puede ser una estrategia de control inicial, determinada antes de que comenzara la operación del aerogenerador.
En el paso 52, se reciben una o más señales de sensor a lo largo del primer periodo de operación desde uno o más sensores que miden parámetros operacionales del aerogenerador.
En el paso 53, se modela un valor de fatiga aplicado a un componente del aerogenerador a lo largo del primer periodo de operación en base a la señal o señales de sensor. En particular, se puede usar un modelo subrogado para estimar el valor de fatiga cuando está dotado con la señal o señales de sensor como entrada.
En el paso 54, la estrategia de control del aerogenerador se modifica en base al valor de fatiga modelado.
El método puede comenzar entonces de nuevo, volviendo al paso 51 para operar el aerogenerador durante un segundo periodo de operación de acuerdo con la estrategia de control modificada. Después del segundo periodo de operación, el método puede pasar a los pasos 52 a 54, modificando aún más la estrategia de control en base a un valor de fatiga modelado para el segundo periodo de operación.
Los pasos de la Figura 7 se pueden implementar como un producto o código de programa informático que se adapta para generar instrucciones a un controlador dispuesto para controlar la operación del aerogenerador o componentes del aerogenerador. El programa informático se puede proporciona de cualquier manera adecuada. El producto de programa informático se almacena y ejecuta típicamente por el sistema de control de aerogenerador 200.
Aunque la presente invención se ha descrito en conexión con las realizaciones especificadas, no se debería interpretar como que esté limitada de ninguna manera a los ejemplos presentados. La invención se puede implementar por cualquier medio adecuado; y el alcance de la presente invención se ha de interpretar a la luz del conjunto de reivindicaciones que se acompañan. Ningún signo de referencia en las reivindicaciones se debería interpretar como que limita el alcance.
Claims (13)
1. Un método de operación de un aerogenerador, el método que comprende:
operar el aerogenerador a lo largo de un periodo de operación de acuerdo con una estrategia de control; recibir un conjunto de señales de sensor a lo largo del periodo de operación de una pluralidad de sensores que miden una pluralidad de parámetros operacionales del aerogenerador;
usar un modelo subrogado para obtener valores de fatiga modelados en base al conjunto de señales de sensor, en donde los valores de fatiga modelados proporcionan estimaciones de carga de fatiga aplicada a un componente del aerogenerador a lo largo del periodo de operación;
definir relaciones de utilización de fatiga para más componentes en base a una diferencia o relación entre el valor de fatiga modelado y un valor de fatiga esperado para un componente particular;
identificar el componente con la mayor relación de utilización;
modificar la estrategia de control en base a la relación de utilización de fatiga del componente con la mayor relación de utilización para reducir una diferencia entre el valor de fatiga modelado y un valor de fatiga esperado para el componente con la mayor relación de utilización;
en donde el modelo subrogado es un modelo entrenado que usa datos de entrenamiento, entrenado ejecutando un algoritmo de aprendizaje por máquina.
2. El método de la reivindicación 1, en donde el valor de fatiga modelado se obtiene derivando datos estadísticos de la señal de sensor e introduciendo los datos estadísticos en el modelo subrogado para obtener el valor de fatiga modelado.
3. El método de cualquier reivindicación anterior, en donde el modelo subrogado se entrena usando datos de entrenamiento de una simulación de carga de aerogenerador aeroelástica.
4. El método de cualquier reivindicación anterior, en donde el método comprende determinar si el valor de fatiga modelado difiere de un valor de fatiga esperado, y modificar la estrategia de control en base al valor de fatiga modelado si el valor de fatiga modelado difiere del valor de fatiga esperado.
5. El método de la reivindicación 4, en donde el método comprende, además:
estimar una fatiga de vida útil para el generador antes de operar el aerogenerador a lo largo del periodo de operación;
determinar un valor de fatiga esperado para el periodo de operación en base a la fatiga de vida útil y la duración del periodo de operación; y
comparar el valor de fatiga modelado con el valor de fatiga esperado para determinar si el valor de fatiga modelado difiere del valor de fatiga esperado.
6. El método de cualquier reivindicación anterior, en donde:
el periodo de operación comprende una pluralidad de intervalos de operación; y
el valor de fatiga modelado es un valor de fatiga modelado acumulado obtenido usando el modelo subrogado para obtener un valor de fatiga de intervalo para cada intervalo de operación en base a una señal de sensor para ese intervalo, y sumar los valores de fatiga de intervalo para cada intervalo de operación.
7. El método de cualquier reivindicación anterior, en donde el parámetro operacional comprende al menos uno de: la velocidad del viento, las aceleraciones de la torre, la velocidad del rotor, el ángulo de paso, la potencia activa y el momento flector de la raíz de la pala.
8. El método de cualquier reivindicación anterior, en donde el parámetro operacional comprende un parámetro de viento.
9. El método de cualquier reivindicación anterior, en donde el valor de fatiga modelado es para los momentos en el sentido del batimiento/borde de la pala, el par del tren de transmisión, los momentos flectores del tren de transmisión o los momentos flectores de la torre.
10. El método de cualquier reivindicación anterior, en donde modificar la estrategia de control comprende ajustar un ajuste de control del aerogenerador en base al valor de fatiga modelado.
11. El método de cualquier reivindicación anterior, en donde modificar la estrategia de control comprende ajustar una ganancia de respuesta de paso del aerogenerador.
12. Un aerogenerador que comprende un sistema de control adaptado para realizar el método de cualquier reivindicación anterior.
13. Un producto de programa informático que comprende código de software adaptado para controlar un aerogenerador cuando se ejecuta en un sistema de procesamiento de datos, el producto de programa informático que está adaptado para realizar el método de la reivindicaciones de 1 a 11.
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| DKPA201870273 | 2018-05-07 | ||
| PCT/DK2019/050134 WO2019214785A1 (en) | 2018-05-07 | 2019-05-02 | Wind turbine control method |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| ES2966993T3 true ES2966993T3 (es) | 2024-04-25 |
Family
ID=66476341
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| ES19723004T Active ES2966993T3 (es) | 2018-05-07 | 2019-05-02 | Método de control de aerogenerador |
Country Status (5)
| Country | Link |
|---|---|
| US (1) | US11713747B2 (es) |
| EP (1) | EP3791060B1 (es) |
| CN (1) | CN112219028B (es) |
| ES (1) | ES2966993T3 (es) |
| WO (1) | WO2019214785A1 (es) |
Families Citing this family (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112219028B (zh) | 2018-05-07 | 2023-11-28 | 维斯塔斯风力系统集团公司 | 风力涡轮机控制方法 |
| EP3613981B1 (en) * | 2018-08-20 | 2022-06-22 | Vestas Wind Systems A/S | Control of a wind turbine |
| DE102019119909B4 (de) * | 2019-07-23 | 2024-03-14 | Universität Stuttgart | Verfahren zum Betreiben einer Windenergieanlage und Computerprogrammprodukt |
| EP3901712A1 (en) * | 2020-04-23 | 2021-10-27 | Siemens Gamesa Renewable Energy A/S | Method of operating a wind turbine |
| ES2936221T3 (es) | 2020-09-14 | 2023-03-15 | Nordex Energy Se & Co Kg | Un método para operar una turbina eólica |
| US11635060B2 (en) * | 2021-01-20 | 2023-04-25 | General Electric Company | System for operating a wind turbine using cumulative load histograms based on actual operation thereof |
| US11661919B2 (en) | 2021-01-20 | 2023-05-30 | General Electric Company | Odometer-based control of a wind turbine power system |
| EP4053398A1 (en) | 2021-03-01 | 2022-09-07 | Siemens Gamesa Renewable Energy A/S | Controlling the operation of a power plant |
| CN113090456A (zh) * | 2021-04-25 | 2021-07-09 | 中国华能集团清洁能源技术研究院有限公司 | 一种在大风条件下风电机组桨距角控制方法、系统和设备 |
| CN113107785B (zh) * | 2021-05-12 | 2022-05-31 | 浙江浙能技术研究院有限公司 | 一种风电机组功率性能异常的实时监测方法及装置 |
| DE102021113547A1 (de) * | 2021-05-26 | 2022-12-01 | Rwe Renewables Gmbh | Verfahren zum Trainieren eines Machine-Learning-Modells verwendbar zum Bestimmen einer Restnutzungsdauer einer Windkraftanlage |
| CN113623146B (zh) * | 2021-09-15 | 2023-06-30 | 中国船舶重工集团海装风电股份有限公司 | 风力发电机组齿轮箱疲劳状态在线监测方法 |
| EP4353968A1 (en) | 2022-10-11 | 2024-04-17 | Siemens Gamesa Renewable Energy A/S | Determining wind turbine lifetime |
Family Cites Families (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2010069318A1 (en) | 2008-12-16 | 2010-06-24 | Vestas Wind Systems A/S | Wear-out pattern recognition |
| GB201200491D0 (en) | 2012-01-12 | 2012-02-22 | Romax Technology Ltd | Method for operating a wind turbine generator |
| US9822762B2 (en) * | 2013-12-12 | 2017-11-21 | General Electric Company | System and method for operating a wind turbine |
| JP6553399B2 (ja) | 2015-05-14 | 2019-07-31 | 株式会社日立製作所 | 演算システム、風力発電システム、又は、風車の余寿命又は疲労損傷量の算出方法 |
| CN107667220B (zh) | 2015-05-27 | 2020-06-16 | 维斯塔斯风力系统集团公司 | 考虑疲劳量度的风力涡轮机控制 |
| DK201570559A1 (en) * | 2015-08-28 | 2017-03-27 | Vestas Wind Sys As | Methods and Systems for Generating Wind Turbine Control Schedules |
| ES2818100T3 (es) | 2015-06-30 | 2021-04-09 | Vestas Wind Sys As | Método y sistema de control para turbinas eólicas |
| US10928816B2 (en) * | 2015-06-30 | 2021-02-23 | Vestas Wind Systems A/S | Methods and systems for generating wind turbine control schedules |
| US20170286572A1 (en) * | 2016-03-31 | 2017-10-05 | General Electric Company | Digital twin of twinned physical system |
| US11017315B2 (en) * | 2017-03-22 | 2021-05-25 | International Business Machines Corporation | Forecasting wind turbine curtailment |
| CN112219028B (zh) | 2018-05-07 | 2023-11-28 | 维斯塔斯风力系统集团公司 | 风力涡轮机控制方法 |
-
2019
- 2019-05-02 CN CN201980037657.6A patent/CN112219028B/zh active Active
- 2019-05-02 WO PCT/DK2019/050134 patent/WO2019214785A1/en unknown
- 2019-05-02 EP EP19723004.8A patent/EP3791060B1/en active Active
- 2019-05-02 US US17/054,152 patent/US11713747B2/en active Active
- 2019-05-02 ES ES19723004T patent/ES2966993T3/es active Active
Also Published As
| Publication number | Publication date |
|---|---|
| EP3791060B1 (en) | 2023-12-06 |
| US11713747B2 (en) | 2023-08-01 |
| CN112219028B (zh) | 2023-11-28 |
| EP3791060C0 (en) | 2023-12-06 |
| CN112219028A (zh) | 2021-01-12 |
| US20210123416A1 (en) | 2021-04-29 |
| EP3791060A1 (en) | 2021-03-17 |
| WO2019214785A1 (en) | 2019-11-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| ES2966993T3 (es) | Método de control de aerogenerador | |
| ES2942988T3 (es) | Procedimiento para controlar la operación de una turbina eólica | |
| JP6906354B2 (ja) | 風車発電機の疲労損傷量算出装置、風力発電システム、及び風車発電機の疲労損傷量算出方法 | |
| ES2781599T3 (es) | Determinación de configuración de turbina eólica | |
| DK2799711T3 (en) | Method of operating a wind turbine | |
| US8050899B2 (en) | Method for wind turbine placement in a wind power plant | |
| CN104632521B (zh) | 一种基于偏航校正的风电功率优化系统及其方法 | |
| US20170022974A1 (en) | Operating wind turbines | |
| US20170350369A1 (en) | System and method for controlling a dynamic system | |
| US20130166082A1 (en) | Methods and Systems for Optimizing Farm-level Metrics in a Wind Farm | |
| KR20190100238A (ko) | 풍력발전단지 레벨 하중 관리 제어 전략 | |
| CN113994087B (zh) | 经由机器学习通过选择控制器来控制风力涡轮机的量的方法和系统 | |
| CN105492762A (zh) | 根据风力涡轮机或类似设备的位置确定其部件寿命的方法 | |
| JP7009237B2 (ja) | 風力発電装置及び風力発電システム | |
| Knudsen et al. | Multi-rotor wind turbine control challenge-a benchmark for advanced control development | |
| EP4060430A1 (en) | Systems and methods for operating power generating assets | |
| Plumley | The smart rotor wind turbine | |
| Shi | Model-based detection for ice on wind turbine blades | |
| Mejia et al. | Blade stress monitoring in a small wind turbine by using Arduino microcontroller | |
| WO2024066147A1 (zh) | 风力发电机组的异常预测方法和装置、存储介质 | |
| Saberi Nasrabad | Data-driven modeling of wind turbine structural dynamics and its application to wind speed estimation | |
| Dai | Offshore Wind Turbines in the Natural Environment: Statistical Prediction of Power and Fatigue | |
| CN109944740B (zh) | 风电场场群控制方法和设备 | |
| Jahren | On Reduced Order Drivetrain Model Integrated With Wind Turbine and Wind Farm Simulation Tools | |
| Gao | Performance Optimization of Floating Offshore Wind Turbine Designs Allowing Large Rotational Motions |