ES2970376T3 - Método de determinación de la velocidad media del viento mediante un sensor de teledetección por láser - Google Patents

Método de determinación de la velocidad media del viento mediante un sensor de teledetección por láser Download PDF

Info

Publication number
ES2970376T3
ES2970376T3 ES21197329T ES21197329T ES2970376T3 ES 2970376 T3 ES2970376 T3 ES 2970376T3 ES 21197329 T ES21197329 T ES 21197329T ES 21197329 T ES21197329 T ES 21197329T ES 2970376 T3 ES2970376 T3 ES 2970376T3
Authority
ES
Spain
Prior art keywords
wind speed
wind
longitudinal
measurement
vertical
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
Application number
ES21197329T
Other languages
English (en)
Inventor
Hoai-Nam Nguyen
Fabrice Guillemin
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
IFP Energies Nouvelles IFPEN
Original Assignee
IFP Energies Nouvelles IFPEN
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by IFP Energies Nouvelles IFPEN filed Critical IFP Energies Nouvelles IFPEN
Application granted granted Critical
Publication of ES2970376T3 publication Critical patent/ES2970376T3/es
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01P—MEASURING LINEAR OR ANGULAR SPEED, ACCELERATION, DECELERATION, OR SHOCK; INDICATING PRESENCE, ABSENCE, OR DIRECTION, OF MOVEMENT
    • G01P5/00—Measuring speed of fluids, e.g. of air stream; Measuring speed of bodies relative to fluids, e.g. of ship, of aircraft
    • G01P5/26—Measuring speed of fluids, e.g. of air stream; Measuring speed of bodies relative to fluids, e.g. of ship, of aircraft by measuring the direct influence of the streaming fluid on the properties of a detecting optical wave
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F03—MACHINES OR ENGINES FOR LIQUIDS; WIND, SPRING, OR WEIGHT MOTORS; PRODUCING MECHANICAL POWER OR A REACTIVE PROPULSIVE THRUST, NOT OTHERWISE PROVIDED FOR
    • F03D—WIND MOTORS
    • F03D17/00—Monitoring or testing of wind motors, e.g. diagnostics
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/02—Systems using the reflection of electromagnetic waves other than radio waves
    • G01S17/50—Systems of measurement based on relative movement of target
    • G01S17/58—Velocity or trajectory determination systems; Sense-of-movement determination systems
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/88—Lidar systems specially adapted for specific applications
    • G01S17/95—Lidar systems specially adapted for specific applications for meteorological use
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B17/00—Systems involving the use of models or simulators of said systems
    • G05B17/02—Systems involving the use of models or simulators of said systems electric
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
    • F05B—INDEXING SCHEME RELATING TO WIND, SPRING, WEIGHT, INERTIA OR LIKE MOTORS, TO MACHINES OR ENGINES FOR LIQUIDS COVERED BY SUBCLASSES F03B, F03D AND F03G
    • F05B2260/00—Function
    • F05B2260/80—Diagnostics
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
    • F05B—INDEXING SCHEME RELATING TO WIND, SPRING, WEIGHT, INERTIA OR LIKE MOTORS, TO MACHINES OR ENGINES FOR LIQUIDS COVERED BY SUBCLASSES F03B, F03D AND F03G
    • F05B2260/00—Function
    • F05B2260/84—Modelling or simulation
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
    • F05B—INDEXING SCHEME RELATING TO WIND, SPRING, WEIGHT, INERTIA OR LIKE MOTORS, TO MACHINES OR ENGINES FOR LIQUIDS COVERED BY SUBCLASSES F03B, F03D AND F03G
    • F05B2270/00—Control
    • F05B2270/30—Control parameters, e.g. input parameters
    • F05B2270/32—Wind speeds
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
    • F05B—INDEXING SCHEME RELATING TO WIND, SPRING, WEIGHT, INERTIA OR LIKE MOTORS, TO MACHINES OR ENGINES FOR LIQUIDS COVERED BY SUBCLASSES F03B, F03D AND F03G
    • F05B2270/00—Control
    • F05B2270/30—Control parameters, e.g. input parameters
    • F05B2270/322—Control parameters, e.g. input parameters the detection or prediction of a wind gust
    • 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
    • F05B2270/80—Devices generating input signals, e.g. transducers, sensors, cameras or strain gauges
    • F05B2270/804—Optical devices
    • F05B2270/8042—Lidar systems
    • 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
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
    • 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)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Electromagnetism (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Sustainable Energy (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Mechanical Engineering (AREA)
  • General Engineering & Computer Science (AREA)
  • Sustainable Development (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Automation & Control Theory (AREA)
  • Multimedia (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Optical Radar Systems And Details Thereof (AREA)

Abstract

La presente invención se refiere a un método para determinar la velocidad media del viento en un plano vertical mediante un sensor LiDAR (2), en el que se realizan mediciones (MES), se construye un modelo de las mediciones (MOD M) y un modelo de viento (MOD V), luego, implementamos un filtro de Kalman adaptativo (KAL) para determinar la velocidad del viento (v), y determinamos la velocidad promedio del viento en el plano vertical considerado (RAWS). (Traducción automática con Google Translate, sin valor legal)

Description

DESCRIPCIÓN
Método de determinación de la velocidad media del viento mediante un sensor de teledetección por láser
Campo técnico
La presente invención se refiere al campo de las energías renovables y se refiere, más en particular, a la medición del recurso de las turbinas eólicas, el viento, con fines de predicción del viento, de control (orientación, regulación del par de torsión y de la velocidad) y/o de diagnóstico y/o de vigilancia de la turbina eólica.
Una turbina eólica permite transformar la energía cinética del viento en energía eléctrica o mecánica. Para convertir el viento en energía eléctrica, consiste en los siguientes elementos:
- una torre que permite colocar un rotor a una altura suficiente para permitir su movimiento (necesario para las turbinas eólicas de eje horizontal) o colocar el rotor a una altura que le permita su accionamiento mediante un viento más fuerte y constante que a nivel del suelo. La torre contiene generalmente una parte de los componentes eléctricos y electrónicos (modulador, control, multiplicadora, generador, etc.) ;
- una góndola montada en la parte superior de la torre, que contiene componentes mecánicos, neumáticos, algunos componentes eléctricos y electrónicos, necesarios para el funcionamiento de la máquina. La góndola puede girar para orientar la máquina en la dirección correcta;
- un rotor, fijado a la góndola, que comprende varias palas (generalmente tres) y el cono de nariz de la turbina eólica. El rotor se acciona con la energía del viento y está conectado mediante un árbol mecánico directa o indirectamente (por medio de un sistema de caja de engranajes y de árbol mecánico) a una máquina eléctrica (generador eléctrico, etc.) que convierte la energía recogida en energía eléctrica. El rotor está potencialmente equipado con sistemas de control, tales como palas de ángulo variable o frenos aerodinámicos;
- por último, una transmisión, compuesta en particular por dos ejes (árbol mecánico del rotor y árbol mecánico de la máquina eléctrica) conectados mediante una transmisión (caja de engranajes).
Desde principios de la década de 1990, la energía eólica ha experimentado un renovado interés, especialmente en la Unión Europea, donde la tasa de crecimiento anual es de aproximadamente un 20 %. Este crecimiento se debe a la posibilidad inherente de producir electricidad sin emisiones de carbono.
Para sostener este crecimiento, el rendimiento de las turbinas eólicas debe seguir mejorando. La perspectiva de aumentar la producción de energía eólica requiere el desarrollo de herramientas de producción eficaces y herramientas de control avanzado para mejorar el rendimiento de las máquinas. Las turbinas eólicas están diseñadas para generar electricidad a un precio lo más bajo posible. Por lo tanto, las turbinas eólicas suelen construirse para alcanzar su máximo rendimiento a una velocidad del viento de aproximadamente 15 m/s. No es necesario diseñar turbinas eólicas que maximicen su rendimiento a velocidades de viento más altas, ya que estas son poco frecuentes. En caso de velocidades del viento superiores a 15 m/s, es necesario perder parte de la energía suplementaria contenida en el viento para evitar daños en la turbina eólica. Por lo tanto, todas las turbinas eólicas están diseñadas con un sistema de regulación de potencia.
Para esta regulación de la potencia, los controladores están diseñados para turbinas eólicas de velocidad variable. Los objetivos de los controladores son maximizar la potencia eléctrica recuperada, minimizar las fluctuaciones de velocidad del rotor y minimizar la fatiga y los momentos extremos de la estructura (palas, torre y plataforma).
Técnica anterior
Para optimizar el control, es importante conocer la velocidad media del viento. Para ello, se han desarrollado diferentes técnicas.
De acuerdo con una primera técnica, el uso de un anemómetro permite estimar una velocidad del viento en un punto, pero esta tecnología imprecisa no permite medir todo un campo de viento o conocer las componentes tridimensionales de la velocidad del viento.
De acuerdo con una segunda técnica, se puede usar un sensor LiDAR (acrónimo de la expresión en inglés"light detection and ranging",que puede traducirse como teledetección por láser). El LiDAR es una tecnología de teledetección o medición óptica basada en el análisis de las propiedades de un haz devuelto a su transmisor. Este método se usa en particular para determinar la distancia a un objeto por medio de un láser pulsado. A diferencia del radar basado en un principio similar, el sensor LiDAR usa luz visible o infrarroja en lugar de ondas de radio. La distancia a un objeto o superficie viene dada por la medición del retardo entre el impulso y la detección de la señal reflejada.
En el campo de las turbinas eólicas, el sensor LiDAR se considera un sensor indispensable para el buen funcionamiento de las grandes turbinas eólicas, especialmente a medida que aumentan su tamaño y potencia (en la actualidad, 5 MW, pronto serán 15 MW en alta mar). Este sensor permite la medición a distancia del viento, permitiendo en un primer momento calibrar las turbinas eólicas para que puedan proporcionar la máxima potencia (optimización de la curva de potencia). Para esta etapa de calibración, el sensor se puede colocar en el suelo y orientar verticalmente (perfilador), lo que permite medir la velocidad del viento y su dirección, así como el gradiente de viento según las altitudes. Esta aplicación es especialmente crítica, ya que permite conocer el recurso productor de energía. Esto es importante para los proyectos eólicos, ya que condiciona la fiabilidad financiera del proyecto.
Una segunda aplicación es la colocación de este sensor en la góndola de la turbina eólica para medir el campo de viento delante de la turbina eólica, estando orientado casi horizontalmente. A priori, la medición del campo de viento delante de la turbina eólica permite conocer de antemano la turbulencia que experimentará la turbina unos instantes después. Sin embargo, las técnicas actuales de control y supervisión de una turbina eólica no permiten tener en cuenta una medición realizada por un sensor LiDAR estimando con precisión la velocidad media del viento, es decir, en el plano del rotor. Dicha aplicación se describe en particular en la solicitud de patente FR 3013777 (US 2015145253).
Además, una característica específica del uso de sensores LiDAR es que las distancias de los planos de medición con respecto al plano del rotor de la turbina eólica pueden ser impuestas por el usuario del LiDAR, pueden diferir de un sensor LiDAR a otro y pueden ser desconocidas. En este caso, no es posible usar métodos de determinación de la velocidad del viento como los descritos en las solicitudes de patente FR3068139 (US 2020/0124026), FR3088971 (US 2020/0166650), que requieren imponer la distancia de los planos de medición con respecto al plano del rotor de la turbina eólica.
La solicitud de patente EP2581761 describe una estimación de las propiedades del viento a partir de un LIDAR.
La solicitud de patente US2020/301020 describe un método para predecir la velocidad del viento en el plano del rotor para una turbina eólica equipada con un sensor LIDAR.
El documento de P. TOWERS et al. :"Real-time wind field reconstruction from LIDAR measurements using a dynamic wind model and state estimation: LIDAR wind field estimation",Wind Energy, vol. 19, n.° 1,21 de noviembre de 2014, páginas 133-150, describe un método de reconstrucción del campo de viento a partir de mediciones LIDAR.
Sumario de la invención
La presente invención tiene como objetivo determinar la velocidad media del viento en un plano vertical mediante un sensor LiDAR, para el cual no se impone la distancia de los planos de medición con respecto al plano del rotor de la turbina eólica, lo que permite al usuario del sensor LiDAR configurar libremente el sensor LiDAR. Con este fin, la presente invención se refiere a un método de determinación de la velocidad media del viento en un plano vertical por medio de un sensor LiDAR, en el que se realizan mediciones, se construye un modelo de las mediciones y un modelo del viento, se implementa un filtro de Kalman adaptativo para determinar la velocidad del viento y se determina la velocidad media del viento en el plano vertical considerado. Estas etapas no requieren restricciones a priori de los planos de medición del sensor LiDAR. Por lo tanto, el método de acuerdo con la invención se puede usar en cualquier configuración de sensor LiDAR. El modelo del viento permite una representación precisa de la velocidad del viento, al tiempo que es independiente de las distancias de los planos de medición del sensor LiDAR.
La presente invención se define por las reivindicaciones independientes, y las formas de realización ventajosas se describen en las reivindicaciones dependientes.
Otras características y ventajas del método de acuerdo con la invención resultarán evidentes tras la lectura de la siguiente descripción de ejemplos no limitativos de formas de realización, con referencia a las figuras adjuntas y descritas a continuación.
Lista de figuras
La figura 1 ilustra las etapas del método de determinación de la velocidad media del viento de acuerdo con una forma de realización de la invención.
La figura 2 ilustra una turbina eólica equipada con un sensor LiDAR de acuerdo con una forma de realización de la invención.
La figura 3 ilustra, para un primer ejemplo, la comparación de la velocidad media del viento a 100 m del rotor de una turbina eólica obtenida con el método de acuerdo con una forma de realización de la invención con respecto a la velocidad media del viento de referencia.
La figura 4 ilustra, para un segundo ejemplo, la comparación de la velocidad media del viento a 110 m del rotor de una turbina eólica obtenida con el método de acuerdo con una forma de realización de la invención con respecto a la velocidad media del viento de referencia.
Descripción de las formas de realización
La presente invención se refiere a un método de determinación de la velocidad media del viento en un plano vertical, mediante un sensor LiDAR dispuesto en una turbina eólica.
De acuerdo con la invención, el sensor LiDAR permite medir la velocidad del viento en al menos un plano de medición corriente arriba de la turbina eólica. Existen varios tipos de sensores LiDAR, por ejemplo los sensores LiDAR escaneados, LiDAR continuos o LiDAR pulsados. En el marco de la invención, se usa preferentemente un LiDAR pulsado. Sin embargo, las otras tecnologías de LiDAR se pueden usar dentro del alcance de la invención.
El sensor LiDAR permite una medición rápida. Por lo tanto, el uso de un sensor de este tipo permite una determinación rápida y continua de la velocidad media del viento. Por ejemplo, la frecuencia de muestreo del sensor LiDAR puede estar comprendida entre 1 y 5 Hz (o incluso más en el futuro), y puede valer 4 Hz. Además, el sensor LiDAR permite obtener información sobre el viento corriente arriba de la turbina eólica, estando la información relacionada con el viento que llegará a la turbina eólica. Por lo tanto, el sensor LiDAR se puede usar para predecir la velocidad del viento en el plano del rotor de la turbina eólica.
La figura 2 representa, de forma esquemática y no limitativa, una turbina eólica 1 de eje horizontal equipada con un sensor LiDAR 2 para el método de acuerdo con una forma de realización de la invención. El sensor LiDAR 2 se usa para medir la velocidad del viento a una distancia determinada en una pluralidad de planos de medición PM (solo se representan dos planos de medición). El conocimiento previo de la medición del viento permite dar mucha información de antemano. En esta figura también se representan los ejes x,yy z. El punto de referencia de estas coordenadas es el centro del rotor. La direcciónxes la dirección longitudinal, correspondiente a la dirección del eje del rotor, corriente arriba de la turbina eólica, donde esta dirección también corresponde a la dirección de medición del sensor LiDAR 2. La dirección y, perpendicular a la dirección x, es la dirección lateral o transversal situada en un plano horizontal (las direcciones x,yforman un plano horizontal). La dirección z es la dirección vertical (que corresponde sustancialmente a la dirección de la torre 4) dirigida hacia arriba, siendo el eje z perpendicular a los ejesxe y. El plano del rotor está indicado por el rectángulo de líneas discontinuas PR y está definido por las direcciones y, z para un valor dexnulo. Los planos de medición PM son planos formados por las direcciones y, z a una distancia del plano del rotor PR (para un valor dexno nulo). Los planos de medición PM son paralelos al plano del rotor PR.
Típicamente, una turbina eólica 1 permite transformar la energía cinética del viento en energía eléctrica o mecánica. Para convertir el viento en energía eléctrica, consiste en los siguientes elementos:
una torre 4 que permite colocar un rotor (no representado) a una altura suficiente para permitir su movimiento (necesario para las turbinas eólicas de eje horizontal) o colocar el rotor a una altura que le permita su accionamiento mediante un viento más fuerte y constante que a nivel del suelo 6. La torre 4 contiene generalmente una parte de los componentes eléctricos y electrónicos (modulador, control, multiplicadora, generador, etc.) ;
una góndola 3 montada en la parte superior de la torre 4, que contiene componentes mecánicos, neumáticos, algunos componentes eléctricos y electrónicos (no representados), necesarios para el funcionamiento de la máquina. La góndola 3 puede girar para orientar la máquina en la dirección correcta;
el rotor, fijado a la góndola, que comprende varias palas 7 (generalmente tres) y el cono de nariz de la turbina eólica. El rotor se acciona con la energía del viento y está conectado mediante un árbol mecánico directa o indirectamente (por medio de un sistema de caja de engranajes y de árbol mecánico) a una máquina eléctrica (generador eléctrico, etc.) (no representados) que convierte la energía recogida en energía eléctrica. El rotor está potencialmente equipado con sistemas de control, tales como palas de ángulo variable o frenos aerodinámicos;
por último, una transmisión, compuesta por dos ejes (árbol mecánico del rotor y árbol mecánico de la máquina eléctrica) conectados mediante una transmisión (caja de engranajes) (no representados).
Como se observa en la figura 2, que es un ejemplo de realización de un sensor LiDAR pulsado, el sensor LiDAR 2 utilizado comprende cuatro haces o ejes de medición (b1, b2, b3, b4). De forma no limitativa, el método de acuerdo con la invención también funciona con un sensor LiDAR que comprenda cualquier número de haces. El sensor LiDAR realiza una medición puntual en cada punto de intersección de un plano de medición PM y un haz (b1, b2, b3, b4). Estos puntos de medición están representados por círculos negros en la figura 2. Para el primer plano de medición PM, los puntos de medición están denotados como PT1, PT2, PT3 y PT4. El procesamiento de las mediciones en estos puntos de medición permite determinar la velocidad del viento en los planos de medición PM.
Preferentemente, el sensor LIDAR 2 se puede montar en la góndola 3 de la turbina eólica 1 o en el cono de nariz de la turbina eólica 1 (que está en el extremo delantero de la góndola en la dirección del viento).
De acuerdo con la invención, el método de determinación de la velocidad media del viento comprende las siguientes etapas:
1) Generación de un modelo de las mediciones del sensor LiDAR
2) Generación de un modelo de viento
3) Medición del viento
4) Determinación de la velocidad del viento
5) Determinación de la velocidad media del viento
Las etapas 3), 4) y 5) se realizan en tiempo real. Las etapas 1) y 2) se pueden realizar fuera de línea y antes de las etapas en tiempo real, y se pueden realizar en este orden, en orden inverso o simultáneamente. Todas las etapas se detallarán en el resto de la descripción.
La figura 1 ilustra, esquemáticamente y de manera no limitativa, las etapas del método de acuerdo con una forma de realización de la invención. El método permite determinar la velocidad media del viento en un plano vertical mediante un sensor LiDAR colocado una turbina eólica. En un primer momento, se puede construir fuera de línea un modelo del viento, MOD V, y un modelo de mediciones, MOD M. A continuación, en tiempo real, se mide, MES, la amplitud y la dirección del viento mediante el sensor LiDAR. A continuación, en tiempo real, se determina la velocidad del viento v en diferentes puntos por medio de un filtro Kalman adaptativo, KAL, que usa el modelo del viento, MOD V, el modelo de mediciones, MOD M, y las mediciones, MES. Por último, se determina la velocidad media del viento, RAWS, a partir de la velocidad del viento v en diferentes puntos.
1) Generación de un modelo de las mediciones del sensor LiDAR
En esta etapa se construye un modelo de las mediciones del sensor LiDAR. Se trata de un modelo que relaciona las componentes de la velocidad del viento con la señal de medición del sensor LiDAR.
De acuerdo con una forma de realización de la invención, el modelo de las mediciones del sensor LiDAR se puede escribir como:m¿x(k) =aj Vj^ k )+bj v¡,y(k)+c¡ v¡,z(k),siendo m la medición, x la dirección longitudinal, j un haz de medición de dicho sensor LiDAR, mj,x la medición en el haz de medición j a la distancia x, k el tiempo discreto, v la velocidad del viento, vj,x la componente longitudinal la velocidad del viento para el haz de medición j, vj,y la componente transversal de la velocidad del viento para el haz de medición j, vj,z la componente vertical de la velocidad del viento para el haz de medición j, aj, bj, cj los coeficientes de medición constantes para el haz de medición j. Los coeficientes de medición aj, bj, cj solo dependen de los ángulos de haz del sensor LiDAR y no de las distancias de medición. Estos coeficientes de medición aj, bj, cj pueden ser datos del fabricante del sensor de LiDAR.
2) Generación de un modelo de viento
En esta etapa, se genera un modelo del viento que tiene en cuenta la coherencia espacial y la coherencia temporal para definir la velocidad del viento y sus componentes en cualquier punto del espacio en función de diferentes parámetros, especialmente en función del tiempo, la posición en el espacio (por tanto, en función de las coordenadas del punto considerado en el sistema (x, y, z)). En otras palabras, se genera un modelo del viento que respeta las restricciones de coherencia espacial y las restricciones de coherencia temporal. Gracias a estas coherencias espaciales y temporales, el modelo del viento es representativo del viento y permite una determinación precisa de la velocidad del viento.
De acuerdo con una implementación de la invención, el modelo del viento puede determinar las componentes longitudinal y transversal de la velocidad del viento. De forma alternativa, el modelo del viento puede determinar las tres componentes de la velocidad del viento.
De acuerdo con una forma de realización de la invención, la coherencia espacial implementada en el modelo del viento puede depender de una coherencia transversal, de una coherencia longitudinal y de una coherencia vertical. De este modo, se mejora la representatividad del modelo del viento.
En esta forma de realización se puede escribir la coherencia transversal mediante la siguiente ecuación:vx,y1=ft(vx,y2,y\ - y2),siendo x la componente longitudinal, y<1>e y<2>dos posiciones transversales que tienen los mismos valores longitudinales (x<1>=x<2>=x) y verticales (z<1>=z<2>=z), vx,y<1>la componente longitudinal de la velocidad del viento en la posición y<1>, vx,y<2>la componente longitudinal de la velocidad del viento en la posición y<2>, y ft una función predefinida conocida. Por lo tanto, la componente longitudinal de la velocidad del viento en el punto y<1>depende de la componente longitudinal de la velocidad del viento en el punto y<2>y de la distancia entre los puntos yi e y<2>. De acuerdo con un ejemplo de realización, la función predefinida ft puede ser una función exponencial.
En este modo de realización, se puede escribir la coherencia vertical mediante la siguiente ecuación:
siendo x la componente longitudinal, z<1>y z<2>dos posiciones verticales que tienen los mismos valores longitudinales (x<1>=x<2>=x) y transversales (y<1>=y<2>=y), vx,z<1>la componente longitudinal de la velocidad del viento en la posición z<1>, vx,z<2>la componente longitudinal de la velocidad del viento en la posición z<2>, y a el coeficiente de la ley de potencia. Para esta ecuación, la referencia de la altura z se define con respecto al pie de la torre de la turbina eólica (y no al nivel del sensor LiDAR). Por lo tanto, la componente longitudinal de la velocidad del viento en el punto z<1>depende de la componente longitudinal de la velocidad del viento en el punto z<2>y de la relación entre las alturas de los puntos z<1>y z<2>. El coeficiente a de la ley de potencia se puede elegir como constante o se puede estimar con mediciones del sensor LiDAR, por ejemplo de acuerdo con el método descrito en la solicitud de patente con el número de depósito FR 19/06569.
En esta forma de realización, se puede escribir la coherencia longitudinal mediante la siguiente ecuación:vx,x\(k)=fi(vx,x2(k), X1- X<2>), siendo x la componente longitudinal, x<1>y x<2>dos posiciones longitudinales que tienen los mismos valores transversales (y<1>=y<2>=y) y verticales (z<1>=z<2>=z), vx,x<1>la componente longitudinal de la velocidad del viento en la posición x<1>, vx,x<2>la componente longitudinal de la velocidad del viento en la posición x<2>, y fl una función predefinida conocida. Por lo tanto, la componente longitudinal de la velocidad del viento en el punto x<1>depende de la componente longitudinal de la velocidad del viento en el punto x<2>y de la distancia entre los puntos x<1>y x<2>. De acuerdo con un ejemplo de realización, la función predefinida fl puede ser una función exponencial.
Por coherencia temporal se entiende la variación de las componentes de la velocidad del viento en el tiempo en una misma posición, es decir, para los mismos valores x,yy z. En otras palabras, la coherencia temporal se puede formular como una relación entre las componentes de la velocidad del viento entre dos instantes de tiempo discretos consecutivos, denotados como k y k-1.
De acuerdo con una implementación de la invención, una de las cohesiones temporales bien conocidas se obtiene implementando el espectro de Kaimal, que se puede definir como:
donde f es la frecuencia en hercios, t representa la componente de la velocidad del viento (t puede corresponder a x,yo z), St es el espectro de Kaimal de la componente t de la velocidad del viento, U es la velocidad media del viento a la altura del rotor de la turbina eólica, Lt es el parámetro de escala integral de la componente t de la velocidad del viento y ot es la varianza determinada por la intensidad de la turbulencia del viento. De hecho, el espectro de Kaimal permite determinar una función de transferencia discreta que puede relacionar un valor de viento en el instante k con un valor de viento en el instante k-1.
En el modo de realización, para el que se determinan únicamente las componentes longitudinales y transversales de la velocidad del viento, se puede definir un vector w de dimensiones 2n que comprende, en primer lugar, las componentes longitudinales de la velocidad del viento para los n puntos considerados y, en segundo lugar, las componentes transversales de la velocidad del viento para los n puntos considerados. Para ilustrar este vector w en un caso simple, si consideramos un primer punto que tiene las componentes longitudinal y transversal de la velocidad del viento vx<1>, vy<1>, y un segundo punto que tiene las componentes longitudinal y transversal de la velocidad del viento vx<2>, vy<2>, el vector w se escribe de la siguiente manera:
o) =O x ivx2 vy i vy i ) T .
Por medio de esta notación y teniendo en cuenta que el espectro de Kaimal es la transformada de Fourier de la función de autocorrelación de la velocidad del viento, podemos escribir la siguiente ecuación
iv \k \O , '/ 'O • l i
para la coherencia temporal, siendo As una matriz constante que es la función de autocorrelación de la velocidad del viento obtenida mediante un espectro de Kaimal. La matriz As se puede obtener a partir de la fórmula del espectro de Kaimal como se definió anteriormente. Por lo tanto, esta ecuación proporciona la relación entre la velocidad del viento w en el instante k y la velocidad del viento w en el instante k-1.
De forma alternativa, para la coherencia temporal, se puede implementar el espectro de Von Karman o cualquier representación análoga.
3) Medición de la velocidad del viento
En esta etapa se mide, de forma continua, la amplitud y la dirección del viento en al menos un plano de medición alejado de la turbina eólica mediante el sensor LiDAR. Esta medición corresponde a la señal recibida por el sensor LiDAR en respuesta a la señal emitida por el sensor LiDAR. De hecho, por interferometría y efecto Doppler, una parte de la señal láser emitida por el sensor LiDAR es reflejada por las moléculas de aire en los puntos de medición y también por los aerosoles (polvo y micropartículas en suspensión).
De acuerdo con una implementación de realización de la invención, los planos de medición pueden estar alejados una distancia longitudinal (de acuerdo con el eje x de la figura 2) comprendida preferentemente entre 50 y 400 m del plano del rotor. De este modo, es posible determinar la evolución de la velocidad del viento a una larga distancia corriente arriba de la turbina eólica, lo que también permite aumentar la precisión de la determinación de la velocidad media del viento.
De acuerdo con una forma de realización de la invención, se puede realizar la medición de la velocidad del viento en varios planos de medición (cuyas distancias de medición no son impuestas por el método de acuerdo con la invención) para facilitar la determinación de la velocidad del viento, lo que permite al usuario del sensor LiDAR configurar libremente el sensor LiDAR.
En la forma de realización que implementa un LiDAR pulsado, las mediciones se obtienen sucesivamente en los puntos de medición ilustrados en la figura 2, comenzando por el haz b1, a continuación el haz b2, ... hasta el haz b4. Una característica interesante de este sistema es que permite medir la proyección de la velocidad del viento a varias distancias, simultáneamente, para un haz determinado. De este modo, es posible obtener, por ejemplo, 10 distancias sucesivas entre 50 m y 400 m, a una frecuencia de muestreo del sensor LiDAR. En cada tiempo de muestreo, solo se actualizan las mediciones del haz actual seleccionado.
4) Determinación de la velocidad del viento
En esta etapa, se determina la velocidad del viento en diferentes puntos del espacio corriente arriba de la turbina eólica por medio de un filtro de Kalman adaptativo que implementa el modelo de viento generado en la etapa 2, el modelo de mediciones del sensor LiDAR generado en la etapa 1 y las mediciones realizadas en la etapa 3. Los diferentes puntos de determinación de la velocidad del viento son puntos de estimación predefinidos. La aplicación del filtro de Kalman permite obtener un observador de estado. El filtro de Kalman adaptativo permite una adaptación de la matriz de covarianza del ruido en función de la velocidad del viento. Por lo tanto, el filtro funciona en una amplia gama de velocidades del viento. Además, el filtro de Kalman adaptativo es robusto ante variaciones de la velocidad del viento.
Cabe recordar que, en control automático y teoría de sistemas, un observador de estado, o un estimador de estado, es una extensión de un modelo representado en forma de representación de estado. Cuando el estado del sistema no es medible, se genera un observador que permite reconstruir el estado a partir de un modelo.
Para una forma de realización que implementa las ecuaciones ilustradas en la etapa 2, se puede escribir el siguiente modelo de estado, con la ecuación de estado:vx(k)=AsVx( k- 1)n (k)y las ecuaciones de salida:
siendo n el ruido de la ecuación de estado, £t el ruido transversal, £v el ruido vertical, £i el ruido longitudinal, £m el ruido de medición.
Por lo tanto, el problema de estimación del vector w(k) se convierte en un problema de estimación de estado, que no requiere imponer la posición de los planos de medición del sensor LiDAR. Una forma de estimar el vector de estado no conocido w(k), que puede tener en cuenta la información acerca de los ruidos n(k) y £(k), es aplicar el algoritmo del filtro de Kalman adaptativo, con la siguiente notación:
De hecho, el filtro de Kalman adaptativo proporciona la solución del problema de optimización con
donde P<0>, Q y R son matrices de ajuste de dimensiones adecuadas, w(0) es el valor medio del estado inicial w(0). Con el fin de resolver este problema de optimización por medio del filtro de Kalman adaptativo, se pueden plantear las siguientes hipótesis, en particular para una interpretación matemática de P<0>, Q y R:
• w(0) es un vector aleatorio no correlacionado con los ruidos n(k) y £(k)
• w(0) tiene una media conocida w(0) con P<0>como matriz de covarianza, es decir
• n(k) y £(k) son procesos de ruido blanco no correlacionados con medias nulas con matrices de covarianza Q y R, respectivamente, es decir:
Esta última hipótesis implica que Q y R son matrices semidefinidas positivas simétricas.
Además, dado que en el modelo de estado los ruidos a, £v y £t dependen de las distancias de medición x<1>, x<2>, y<1>, y<2>, z<1>, z<2>, la matriz de covarianza R se adapta en función de las distancias de medición. De acuerdo con una forma de realización, R puede ser una función polinómica de las distancias de medición. De forma alternativa, R se puede obtener a partir de un mapeo, una red neuronal, etc.
Se pueden utilizar las siguientes notaciones:
• w(k|k-1) es la estimación del vector w(k) dadas las mediciones realizadas hasta el instante k-1, • w(k|k) es la estimación del vector w(k) dadas las mediciones realizadas hasta el instante k,
•P(kjk -1)es la matriz de covarianza del vector w(k) dadas las mediciones realizadas hasta el instante k-1,
P(kjk)es la matriz de covarianza del vector w(k) dadas las mediciones realizadas hasta el instante k.
A continuación, se implementa el algoritmo del filtro de Kalman adaptativo para determinar la velocidad del viento en diferentes puntos aplicando las siguientes ecuaciones:
Por un lado, una actualización temporal:
Por otro lado, una actualización de las mediciones:
donde Ca se obtiene linealizando las ecuaciones de salida del modelo de estado en torno a w(k|k-1), las mediciones y(k) del sensor LiDAR y la matriz de identidad I.
Por lo tanto, estas etapas permiten determinar el vector w, que comprende las componentes de la velocidad del viento en varios puntos. En otras palabras, estas etapas permiten determinar las componentes de la velocidad del viento en varios puntos.
5) Determinación de la velocidad media del viento
En esta etapa se determina la velocidad media del viento en un plano vertical a una distancia corriente arriba de la turbina eólica (la distancia se define mediante la dirección longitudinal) mediante las velocidades del viento determinadas en la etapa 4, en particular las velocidades del viento en el plano vertical considerado.
De acuerdo con una forma de realización, la velocidad media del viento puede ser la media de las componentes longitudinales de la velocidad del viento en el plano considerado.
De acuerdo con una forma de realización preferida de la invención, la velocidad media del viento puede ser la media de las componentes longitudinales de la velocidad del viento en el plano considerado, considerando únicamente los valores de la velocidad del viento en una superficie que corresponde a la superficie barrida por el rotor de la turbina eólica. En otras palabras, la superficie barrida por el rotor de la turbina eólica (un círculo de radio la longitud de las palas de la turbina eólica a la altura de la góndola) se proyecta sobre el plano vertical en cuestión y se promedian las velocidades del viento para los puntos del plano vertical que pertenecen a esta proyección, donde esta velocidad media se denota generalmente como RAWS (del inglés"rotor average wind speed') y se utiliza comúnmente para el control y/o el diagnóstico y/o la supervisión de una turbina eólica.
La presente invención también se refiere a un método de control de una turbina eólica equipada con un sensor LiDAR. Para este proceso, se implementan las siguientes etapas:
• se determina la velocidad media del viento mediante el método de determinación de la velocidad media del viento de acuerdo con una cualquiera de las variantes descritas anteriormente; y
• se controla la turbina eólica en función de la velocidad media del viento determinada.
La determinación precisa y en tiempo real de la velocidad media del viento permite un control adecuado de la turbina eólica, en términos de minimización de los efectos sobre la estructura de la turbina eólica y maximización de la potencia recuperada. De hecho, mediante este control, el LiDAR permite reducir las cargas sobre la estructura, cuyas palas y torre suponen el 54 % del coste. Por lo tanto, el uso de un sensor LiDAR permite optimizar la estructura de la turbina eólica y, por lo tanto, reducir los costes y el mantenimiento.
El método puede incluir, además, una etapa intermedia que determina la velocidad media del viento en el plano del rotor de la turbina eólica a partir de la velocidad media del viento determinada por el método. Para ello, se puede tener en cuenta el tiempo de desplazamiento del viento entre el plano vertical y el plano del rotor (se puede calcular, en particular, teniendo en cuenta la hipótesis fija de Taylor), se puede tener en cuenta además el fenómeno de inducción entre el plano vertical y el plano del rotor (por ejemplo, por medio de un factor de inducción), donde el fenómeno de inducción refleja el frenado del viento corriente arriba de la turbina eólica relacionado con la presencia de las palas de la turbina eólica. A continuación, se controla la turbina eólica en función de la velocidad media del viento en el plano del rotor.
De acuerdo con una implementación de la invención, se puede controlar el ángulo de inclinación de las palas y/o el par eléctrico de recuperación del generador de la turbina eólica en función de la velocidad del viento. Se pueden utilizar otros tipos de dispositivos de regulación.
De acuerdo con una forma de realización de la invención, el ángulo de inclinación de las palas y/o el par eléctrico de recuperación se pueden determinar mediante mapeos de la turbina eólica en función de la velocidad del viento en el rotor. Por ejemplo, se puede aplicar el método de control descrito en la solicitud de patente FR 2976630 A1 (US 2012 0321463).
Además, la invención se refiere a un producto de programa informático, que comprende instrucciones de código dispuestas para implementar las etapas de uno de los métodos descritos anteriormente (método de determinación de la velocidad en el plano del rotor, método de control). El programa se puede ejecutar en una unidad de procesamiento del sensor LiDAR o en cualquier medio análogo relacionado con el sensor LiDAR o la turbina eólica.
De acuerdo con un aspecto, la presente invención también se refiere a un sensor LiDAR para turbina eólica, que comprende una unidad de procesamiento configurada para implementar uno de los métodos descritos anteriormente (método de determinación de la velocidad media del viento, método de control).
De acuerdo con una implementación de la invención, el sensor LiDAR puede ser un sensor LiDAR escaneado, un LiDAR continuo o un LiDAR pulsado. Preferentemente, el sensor LiDAR es un sensor LiDAR pulsado.
La invención también se refiere a una turbina eólica, en particular una turbina eólica marina (en el mar) u terrestre (en tierra) equipada con un sensor LiDAR como el descrito anteriormente. De acuerdo con una forma de realización de la invención, el sensor LiDAR se puede colocar en la góndola de la turbina eólica o en el cono de nariz de la turbina eólica (en el extremo de la góndola de la turbina eólica). El sensor LiDAR se orienta de tal manera que realiza una medición del viento corriente arriba de la turbina eólica (es decir, antes de la turbina eólica y según su eje longitudinal, designado mediante el ejexen la figura 2). De acuerdo con una forma de realización, la turbina eólica puede ser como la turbina eólica ilustrada en la figura 2.
En la forma de realización del método de control, la turbina eólica puede comprender medios de control, por ejemplo el control del ángulo de basculación (que se puede traducir como ángulo de cabeceo) de al menos una pala de la turbina eólica o el par eléctrico, para implementar el control del método de acuerdo con la invención.
Como resulta evidente, la invención no se limita a las formas de realización descritas anteriormente a modo de ejemplo, sino que abarca todas las variantes de realización.
Ejemplo
Las características y ventajas del método de acuerdo con la invención resultarán más evidentes con la ayuda del ejemplo que se muestra a continuación.
Para este ejemplo se simula el viento mediante un simulador, así como las mediciones del sensor LiDAR, y se determina la velocidad media del viento mediante el método de acuerdo con una forma de realización de la invención. La forma de realización de la invención realizada implementa las ecuaciones de coherencia espacial y temporal descritas y determina la componente longitudinal media de la velocidad del viento en un plano vertical.
De acuerdo con una primera configuración, las distancias de los planos de medición son: [50, 70, 90, 100, 120, 140, 160, 180, 190, 200] metros.
La figura 3 ilustra una comparación de la velocidad media del viento, RAWS, en m/s en función del tiempo T para una distancia entre el plano del rotor y el plano vertical de 100 m. En esta figura, la curva de líneas discontinuas representa la curva de referencia, REF, y la curva de línea continua representa la curva de la velocidad media del viento, EST, obtenida mediante el método de acuerdo con la invención. Se observa que las dos curvas están casi superpuestas. Por lo tanto, el método de acuerdo con la invención permite una determinación precisa de la velocidad media del viento.
De acuerdo con una segunda configuración, las distancias de los planos de medición son: [50, 80, 90, 110, 130, 150, 170, 180, 190, 200] metros.
La figura 4 ilustra una comparación de la velocidad media del viento, RAWS, en m/s en función del tiempo T para una distancia entre el plano del rotor y el plano vertical de 110 m. En esta figura, la curva de líneas discontinuas representa la curva de referencia, REF, y la curva de línea continua representa la curva de la velocidad media del viento, EST, obtenida mediante el método de acuerdo con la invención. Se observa que las dos curvas están casi superpuestas. Por lo tanto, el método de acuerdo con la invención permite una determinación precisa de la velocidad media del viento.
Estas dos curvas también permiten mostrar que el método es preciso, independientemente de la distancia considerada, sin imponer una distancia de plano de medición.

Claims (11)

  1. REIVINDICACIONES 1. Método de determinación de la velocidad media del viento en un plano vertical por medio de un sensor LiDAR (2) montado en una turbina eólica (1),caracterizado por quese implementan las siguientes etapas: a. Generar un modelo de dichas mediciones LiDAR (MOD M), donde dicho modelo de dichas mediciones LiDAR (MOD M) se escribe como:mj,x(k)=a¡Vj,x(k)+bj vi y (k)+Cj Vj z (k),siendo m la medición, x la dirección longitudinal, j un haz de medición de dicho sensor LiDAR, mj,x la medición en el haz de medición j a la distancia x, k el tiempo discreto, v la velocidad del viento, vj,x la componente longitudinal la velocidad del viento para el haz de medición j, vj,y la componente transversal de la velocidad del viento para el haz de medición j, vj,z la componente vertical de la velocidad del viento para el haz de medición j, aj, bj, cj los coeficientes de medición constantes para el haz de medición j; b. Generar un modelo del viento (MOD V) teniendo en cuenta la coherencia espacial y la coherencia temporal de la velocidad del viento, donde dicha coherencia espacial de dicho modelo del viento depende de una coherencia transversal, de una coherencia vertical y de una coherencia longitudinal y dicha coherencia temporal de dicho modelo del viento se escribe como:w(k)=Asw(k- 1) siendo k el tiempo discreto, w un vector que comprende, en primer lugar, las componentes longitudinales de la velocidad del viento en n puntos de estimación predefinidos y, a continuación, las componentes transversales de la velocidad del viento para dichos n puntos de estimación predefinidos, siendo As una matriz constante que es la función de autocorrelación de la velocidad del viento obtenida por un espectro de Kaimal o, para la coherencia temporal, se implementa un espectro de Von Karman; c. Medir (MES) mediante dicho sensor LiDAR la amplitud y la dirección del viento en al menos un plano de medición (PM) alejado de dicha turbina eólica (1) en varios haces de medición (b1, b2, b3, b4); d. Determinar la velocidad del viento en diferentes puntos de estimación predefinidos del espacio corriente arriba de la turbina eólica por medio de un filtro de Kalman adaptativo (KAL) que implementa dicho modelo de dichas mediciones LiDAR (MOD M), dicho modelo del viento (MOD V) y dichas mediciones (MES); y e. Determinar la velocidad media del viento (RAWS) en dicho plano vertical a una distancia de dicha turbina eólica por medio de dichas velocidades del viento determinadas para dichos diferentes puntos de estimación predefinidos que pertenecen a dicho plano vertical considerado por la media de las componentes longitudinales de la velocidad del viento de los puntos que pertenecen a dicho plano vertical.
  2. 2. Método de acuerdo con la reivindicación 1, en el que dicha coherencia transversal se escribe como:Vx y=f(vx,y2,y1- y<2>), siendo x la componente longitudinal, y<1>e y<2>dos posiciones transversales que tienen los mismos valores longitudinales y verticales, vx,y<1>la componente longitudinal de la velocidad del viento en la posición y<1>, vx,y<2>la componente longitudinal de la velocidad del viento en la posición y<2>, y ft una función predefinida.
  3. 3. Método de acuerdo con una de las reivindicaciones 1 o 2, en el que dicha coherencia vertical se escribe como:
    siendo x la componente longitudinal, z<1>y z<2>dos posiciones verticales que tienen los mismos valores longitudinales y transversales, vx,z<1>la componente longitudinal de la velocidad del viento en la posición z<1>, vx,z<2>la componente longitudinal de la velocidad del viento en la posición z<2>, y a el coeficiente de la ley de potencia.
  4. 4. Método de acuerdo con una de las reivindicaciones 1 a 3, en el que dicha coherencia longitudinal se escribe como: Vx,x<1>(k) =fi(vx,x2 (k),X1- x<2>), siendo x la componente longitudinal, k el tiempo discreto, x<1>y x<2>dos posiciones longitudinales que tienen los mismos valores transversales y verticales, vx,x<1>la componente longitudinal de la velocidad del viento en la posición x<1>, vx,x<2>la componente longitudinal de la velocidad del viento en la posición x<2>, y fl una función predefinida.
  5. 5. Método de acuerdo con una de las reivindicaciones anteriores, en el que se aplica dicho filtro de Kalman adaptativo (KAL) a las siguientes ecuaciones: r , >,/.•! •A j ' jik- 1 i —!¡[ k! y
    siendo k el tiempo discreto, v la velocidad del viento, x la componente longitudinal, yi e y<2>dos posiciones transversales que tienen los mismos valores longitudinales y verticales, x<1>, x<2>dos posiciones longitudinales que tienen los mismos valores transversales y verticales, z<1>, z<2>dos posiciones verticales que tienen los mismos valores longitudinales y transversales, vx,y<1>la componente longitudinal de la velocidad del viento en la posición y<1>, vx,y<2>la componente longitudinal de la velocidad del viento en la posición y<2>, ft una función predefinida, vx,x<1>la componente longitudinal de la velocidad del viento en la posición x<1>, vx,x<2>la componente longitudinal de la velocidad del viento en la posición x<2>, fl una función predefinida, vx,z<1>la componente longitudinal de la velocidad del viento en la posición z<1>, vx,z<2>la componente longitudinal de la velocidad del viento en la posición z<2>, a el coeficiente de la ley de potencia, j un haz de medición de dicho sensor LiDAR (2), mj,x la medición en el haz de medición j a la distancia x, vj,x la componente longitudinal de la velocidad del viento para el haz de medición j, vj,y la componente transversal de la velocidad del viento para el haz de medición j, vj,z la componente vertical de la velocidad del viento para el haz de medición j, aj, bj, cj los coeficientes de medición constantes para el haz de medición j, n el ruido de la ecuación de estado, £t el ruido transversal, £v el ruido vertical,<si>el ruido longitudinal, £m el ruido de medición, As una matriz constante que es la función de autocorrelación de la velocidad del viento obtenida por un espectro de Kaimal.
  6. 6. Método de acuerdo con una de las reivindicaciones anteriores, en donde se determina dicha velocidad del viento en diferentes puntos aplicando las siguientes ecuaciones:
    siendo k el tiempo discreto, w un vector que comprende, en primer lugar, las componentes longitudinales de la velocidad del viento en n puntos de estimación predefinidos, w(k|k - 1) es la estimación del vector w(k) dadas las mediciones realizadas hasta el instante k-1, w(k|k) es la estimación del vector w(k) dadas las mediciones realizadas hasta el instante k, P(k|k - 1) es la matriz de covarianza del vector w(k) dadas las mediciones realizadas hasta el instante k-1, P(k|k) es la matriz de covarianza del vector w(k) dadas las mediciones realizadas hasta el instante k, As es una matriz constante que es la función de autocorrelación de la velocidad del viento obtenida por el espectro de Kaimal, Q y R son las matrices de covarianza de ruidos s(k) y n(k), Ca se obtiene linealizando las ecuaciones de salida en torno a w(k|k - 1), y(k) son las mediciones de dicho sensor LiDAR (2), e I la matriz identidad.
  7. 7. Método de acuerdo con una de las reivindicaciones anteriores, en donde se determina dicha velocidad del viento en dicho plano vertical a una distancia de dicha turbina eólica por la media de las componentes longitudinales de la velocidad del viento de los puntos pertenecientes a dicho plano vertical, donde dichas velocidades del viento consideradas son las incluidas en una proyección de la superficie barrida por el rotor de la turbina eólica en dicho plano vertical considerado.
  8. 8. Método de control de una turbina eólica (1),caracterizado porla implementación de las siguientes etapas: a. Determinar dicha velocidad media del viento mediante el método de acuerdo con una de las reivindicaciones anteriores; b. Controlar dicha turbina eólica (1) en función de dicha velocidad media del viento.
  9. 9. Sensor LiDAR (2)caracterizado por quecomprende una unidad de procesamiento que implementa un método de acuerdo con una de las reivindicaciones 1 a 8.
  10. 10. Turbina eólica (1)caracterizada por quecomprende un sensor LiDAR (2) de acuerdo con la reivindicación 9, donde dicho sensor LiDAR (2) se coloca preferentemente en la góndola de dicha turbina eólica o en el cono de nariz de la turbina eólica.
  11. 11. Producto de programa informáticocaracterizado por quecomprende instrucciones de código que hacen que la turbina eólica de acuerdo con la reivindicación 10 implemente las etapas de un método de acuerdo con una de las reivindicaciones 1-8 cuando el programa se ejecuta en la unidad de procesamiento de dicha turbina eólica (1).
ES21197329T 2020-10-01 2021-09-17 Método de determinación de la velocidad media del viento mediante un sensor de teledetección por láser Active ES2970376T3 (es)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
FR2010050A FR3114881B1 (fr) 2020-10-01 2020-10-01 Procédé de détermination de la vitesse moyenne du vent au moyen d’un capteur de télédétection par Laser

Publications (1)

Publication Number Publication Date
ES2970376T3 true ES2970376T3 (es) 2024-05-28

Family

ID=74045687

Family Applications (1)

Application Number Title Priority Date Filing Date
ES21197329T Active ES2970376T3 (es) 2020-10-01 2021-09-17 Método de determinación de la velocidad media del viento mediante un sensor de teledetección por láser

Country Status (7)

Country Link
US (1) US11746746B2 (es)
EP (1) EP3978934B1 (es)
CN (1) CN114278510A (es)
CA (1) CA3131969A1 (es)
ES (1) ES2970376T3 (es)
FR (1) FR3114881B1 (es)
PL (1) PL3978934T3 (es)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114488200B (zh) * 2022-04-17 2022-07-15 中国科学技术大学 一种提高激光雷达测风精度的功率谱信号处理方法
CN114859389A (zh) * 2022-04-18 2022-08-05 华力智芯(成都)集成电路有限公司 一种gnss多系统抗差自适应融合rtk解算方法

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
AU6393198A (en) * 1997-03-26 1998-10-20 Forskningscenter Riso A wind turbine with a wind velocity measurement system
FR2976630B1 (fr) 2011-06-17 2021-07-23 Ifp Energies Now Procede pour optimiser la puissance recuperee par une eolienne en reduisant l'impact mecanique sur la structure.
EP2581761B1 (en) * 2011-10-14 2017-08-23 Vestas Wind Systems A/S Estimation of Wind Properties Using a Light Detection and Ranging Device
US9234506B2 (en) * 2011-10-14 2016-01-12 Vestas Wind Systems A/S Estimation of wind properties using a light detection and ranging device
FR3013777B1 (fr) 2013-11-25 2015-11-13 IFP Energies Nouvelles Procede de controle et de surveillance d'une eolienne au moyen d'une estimation de la vitesse du vent au moyen d'un capteur lidar
ES2927113T3 (es) * 2017-01-03 2022-11-02 Gen Electric Procedimientos y sistemas para controlar una turbina eólica
FR3068139B1 (fr) 2017-06-21 2019-12-20 IFP Energies Nouvelles Procede d'acquisition et de modelisation par un capteur lidar d'un champ de vent incident
FR3088971B1 (fr) 2018-11-26 2021-02-19 Ifp Energies Now procédé d’acquisition et de modélisation par un capteur LIDAR d’un champ de vent incident
FR3094093B1 (fr) * 2019-03-18 2021-03-05 Ifp Energies Now Procédé de prédiction de la vitesse du vent dans le plan du rotor pour une éolienne équipée d’un capteur de télédétection par Laser
FR3097644B1 (fr) * 2019-06-19 2021-06-11 Ifp Energies Now Procédé de détermination du profil vertical de la vitesse du vent en amont d’une éolienne équipée d’un capteur de télédétection par Laser
FR3107095B1 (fr) * 2020-02-10 2022-02-11 Ifp Energies Now Procédé de détermination de la direction du vent au moyen d’un capteur de télédétection par Laser
FR3111196B1 (fr) * 2020-06-08 2022-06-10 Ifp Energies Now Procédé de détermination des composantes de la vitesse du vent au moyen d’un capteur de télédétection par Laser
FR3111991B1 (fr) * 2020-06-29 2022-06-17 Ifp Energies Now Procédé de détermination des composantes de la vitesse du vent au moyen d’un capteur de télédétection par Laser et au moyen d’une cohérence temporelle

Also Published As

Publication number Publication date
CN114278510A (zh) 2022-04-05
PL3978934T3 (pl) 2024-05-13
EP3978934C0 (fr) 2023-11-08
CA3131969A1 (fr) 2022-04-01
FR3114881A1 (fr) 2022-04-08
EP3978934B1 (fr) 2023-11-08
US20220106937A1 (en) 2022-04-07
US11746746B2 (en) 2023-09-05
FR3114881B1 (fr) 2022-09-09
EP3978934A1 (fr) 2022-04-06

Similar Documents

Publication Publication Date Title
ES2928697T3 (es) Método de determinación del perfil vertical de la velocidad del viento flujo arriba de un aerogenerador provisto de un sensor de teledetección por laser
Borraccino et al. Wind field reconstruction from nacelle-mounted lidar short-range measurements
Iungo et al. Field measurements of wind turbine wakes with lidars
Smalikho et al. Lidar investigation of atmosphere effect on a wind turbine wake
ES2970376T3 (es) Método de determinación de la velocidad media del viento mediante un sensor de teledetección por láser
ES2882299T3 (es) Procedimiento de determinación de un factor de inducción para un aerogenerador de un sensor de detección a distancia por láser
ES2953717T3 (es) Procedimiento de predicción de la velocidad del viento en el plano del rotor para un aerogenerador equipado de un sensor de teledetección por láser
ES2958290T3 (es) Turbina eólica controlada por inducción
EP2581761B1 (en) Estimation of Wind Properties Using a Light Detection and Ranging Device
US20130094961A1 (en) Estimation of wind properties using a light detection and ranging device
Bradley et al. Remote sensing winds in complex terrain–a review
US20110216307A1 (en) High Density Wind Velocity Data Collection for Wind Turbine
Newman et al. An error reduction algorithm to improve lidar turbulence estimates for wind energy
CN115943255A (zh) 在复杂地形中借助LiDAR测量风流的湍流的系统和方法
Iungo et al. Measurement procedures for characterization of wind turbine wakes with scanning Doppler wind LiDARs
ES2967326T3 (es) Método de determinación de la dirección del viento por medio de un sensor de teledetección por láser
ES2967632T3 (es) Procedimiento para determinar la velocidad del viento en el plano del rotor de un aerogenerador
Özinan et al. Power curve measurement of a floating offshore wind turbine with a nacelle-based lidar
Langreder Wind resource and site assessment
ES2967063T3 (es) Procedimiento para determinar un factor de inducción entre un plano de medida y el plano del rotor de un aerogenerador
Thiébaut et al. Deriving atmospheric turbulence intensity from profiling pulsed lidar measurements
Standridge et al. Laser wind sensor performance validation with an existing gage
CN117795194A (zh) 使用安装在风力涡轮机上的LidDAR传感器来确定风速的方法
Newman et al. Evaluation of three lidar scanning strategies for turbulence measurements
Terziev Wind flow behavior prediction over complex terrains in respect with orography