ES2973712T3 - Método para determinar un diseño de turbina eólica - Google Patents

Método para determinar un diseño de turbina eólica Download PDF

Info

Publication number
ES2973712T3
ES2973712T3 ES19753242T ES19753242T ES2973712T3 ES 2973712 T3 ES2973712 T3 ES 2973712T3 ES 19753242 T ES19753242 T ES 19753242T ES 19753242 T ES19753242 T ES 19753242T ES 2973712 T3 ES2973712 T3 ES 2973712T3
Authority
ES
Spain
Prior art keywords
wind
design
candidates
power plant
optimization
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
ES19753242T
Other languages
English (en)
Inventor
Juan Pablo Murcia
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.)
Vestas Wind Systems AS
Original Assignee
Vestas Wind Systems AS
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 Vestas Wind Systems AS filed Critical Vestas Wind Systems AS
Application granted granted Critical
Publication of ES2973712T3 publication Critical patent/ES2973712T3/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
    • F03D13/00—Assembly, mounting or commissioning of wind motors; Arrangements specially adapted for transporting wind motor components
    • F03D13/30—Commissioning, e.g. inspection, testing or final adjustment before releasing for production
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/13—Architectural design, e.g. computer-aided architectural design [CAAD] related to design of buildings, bridges, landscapes, production plants or roads
    • 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
    • F03D80/00—Details, components or accessories not provided for in groups F03D1/00 - F03D17/00
    • 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
    • F03D80/00—Details, components or accessories not provided for in groups F03D1/00 - F03D17/00
    • F03D80/002—Micro-siting, i.e. process through which the specific location or arrangement of wind turbine is determined
    • 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
    • F03D9/00—Adaptations of wind motors for special use; Combinations of wind motors with apparatus driven thereby; Wind motors specially adapted for installation in particular locations
    • F03D9/20—Wind motors characterised by the driven apparatus
    • F03D9/25—Wind motors characterised by the driven apparatus the apparatus being an electrical generator
    • F03D9/255—Wind motors characterised by the driven apparatus the apparatus being an electrical generator connected to electrical distribution networks; Arrangements therefor
    • F03D9/257—Wind motors characterised by the driven apparatus the apparatus being an electrical generator connected to electrical distribution networks; Arrangements therefor the wind motor being part of a wind farm
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
    • F05B—INDEXING SCHEME RELATING TO WIND, SPRING, WEIGHT, INERTIA OR LIKE MOTORS, TO MACHINES OR ENGINES FOR LIQUIDS COVERED BY SUBCLASSES F03B, F03D AND F03G
    • F05B2260/00—Function
    • F05B2260/84—Modelling or simulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/04—Constraint-based CAD
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/08—Probabilistic or stochastic CAD
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2113/00—Details relating to the application field
    • G06F2113/06—Wind turbines or wind farms
    • 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)
  • Business, Economics & Management (AREA)
  • General Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Combustion & Propulsion (AREA)
  • Sustainable Energy (AREA)
  • Chemical & Material Sciences (AREA)
  • Sustainable Development (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Mechanical Engineering (AREA)
  • Economics (AREA)
  • Geometry (AREA)
  • Strategic Management (AREA)
  • Human Resources & Organizations (AREA)
  • Computer Hardware Design (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Health & Medical Sciences (AREA)
  • Civil Engineering (AREA)
  • Mathematical Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Architecture (AREA)
  • Structural Engineering (AREA)
  • Computational Mathematics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Power Engineering (AREA)
  • Water Supply & Treatment (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Public Health (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)

Description

DESCRIPCIÓN
Método para determinar un diseño de turbina eólica
Campo de la invención
La presente invención se refiere a un método para determinar un diseño de turbina eólica en una planta de energía eólica que comprende una pluralidad de turbinas eólicas.
Antecedentes de la invención
Las turbinas eólicas como parte de una planta de energía eólica normalmente están dispuestas en un sitio de manera que se maximiza la potencia proporcionada por la planta de energía eólica. Por ejemplo, las turbinas se posicionan en ubicaciones con más viento. Sin embargo, hay una serie de otros parámetros que es necesario cumplir cuando se disponen las turbinas, tales como restricciones de ruido, restricciones de altura, restricciones de espaciamiento, coste, beneficio, etc. Por lo tanto, el modelado de la planta de energía es de importancia crucial ya que el desarrollo de plantas de energía eólica depende en gran medida de eso. La disposición de las turbinas eólicas se ha realizado previamente manualmente, pero ahora se realiza normalmente mediante software comercial basado en cálculos numéricos exigentes que incluyen la mayoría de restricciones y parámetros relevantes para el posicionamiento de las turbinas eólicas.
Con el fin de disponer las turbinas eólicas dentro del sitio, el software normalmente comienza posicionando turbinas eólicas una por una y calculando la influencia del viento sobre cada turbina eólica, teniendo en cuenta la influencia de una turbina eólica en otra. Por lo tanto, tal software comercial requiere normalmente un tiempo de cálculo largo y una alta potencia de cálculo. Además, el diseño final de la planta de energía eólica debe optimizarse manualmente ya que las turbinas eólicas y el sitio pueden tener algunos requisitos adicionales. Por lo tanto, existe la necesidad de un método que relaje los requisitos de potencia de cálculo y que disminuya el tiempo de cálculo, proporcionando un diseño para la planta de energía eólica que no requiere optimización adicional.
El documento US 8.050.899 B2 da a conocer un método para determinar la ubicación de turbina eólica dentro de una planta de energía eólica. Primero se prepara un diseño de turbina eólica y puede determinarse aleatoriamente o según un patrón predeterminado. El diseño puede prepararse basándose en límites de ubicación y datos de viento medidos en el sitio. El diseño puede optimizarse basándose en condiciones del viento en el sitio.
El documento US 2016/171401 A1 da a conocer un método para optimizar diseños de parques eólicos que hace uso de un algoritmo genético, en donde el método comprende una asignación aleatoria de turbinas eólicas, una evaluación de las soluciones en cuestión, una selección de las soluciones más adecuadas basadas en esta evaluación, una optimización de las soluciones seleccionadas y una determinación de la solución de mayor valor.
Descripción de la invención
Un objeto de realizaciones de la invención es proporcionar un método mejorado para la determinación y optimización de diseño de turbina eólica.
Un objeto adicional de realizaciones de la invención es proporcionar un método de determinación de diseño de turbina eólica eficiente que requiere un tiempo de cálculo más corto en comparación con los métodos disponibles actualmente.
Un objeto adicional más de realizaciones de la invención es proporcionar un método de determinación de diseño de turbina eólica que relaja los requisitos de potencia de cálculo en comparación con los métodos disponibles actualmente.
Según un primer aspecto dado a conocer en la reivindicación 1, la invención proporciona un método para determinar un diseño de turbina eólica en una planta de energía eólica que comprende una pluralidad de turbinas eólicas, comprendiendo el método las etapas de:
- generar una pluralidad de candidatos de diseño aleatorio, cumpliendo cada candidato de diseño un conjunto de requisitos básicos,
- realizar un proceso de cribado previo en cada uno de la pluralidad de candidatos de diseño aleatorio, incluyendo el proceso de cribado previo la optimización general de los candidatos de diseño,
- basándose en el proceso de cribado previo, seleccionar un subconjunto de candidatos de diseño,
- realizar optimización detallada en los candidatos de diseño del subconjunto seleccionado de candidatos de diseño, incluyendo el reposicionamiento de un grupo de turbinas eólicas hasta que alcanza el equilibrio, y
- basándose en la optimización detallada, seleccionar un diseño optimizado para la planta de energía eólica entre los candidatos de diseño optimizado del subconjunto de candidatos de diseño.
Por lo tanto, según el primer aspecto, la invención proporciona un método para determinar un diseño de turbina eólica de una planta de energía eólica. En el presente contexto, el término “diseño de turbina eólica” debe interpretarse como una distribución de turbinas eólicas en un sitio de planta de energía eólica. Es una disposición particular de una pluralidad de turbinas eólicas posicionadas en un sitio de planta de energía eólica que cumple ciertos requisitos relacionados con el sitio. El sitio de planta de energía eólica puede ubicarse básicamente en cualquier ubicación, tanto en tierra como en alta mar. La planta de energía eólica comprende una pluralidad de turbinas eólicas dispuestas en el sitio según el diseño. El proceso de determinación de un diseño de una planta de energía eólica a veces se denomina “asentamiento”.
Según el método, inicialmente se genera una pluralidad de candidatos de diseño aleatorio, cada uno de la pluralidad de candidatos de diseño aleatorio cumple un conjunto de requisitos básicos. La pluralidad de candidatos de diseño puede generarse a través de una aleatorización estadística. El conjunto de requisitos básicos puede ser parámetros que pueden ser necesario cumplir para que la planta de energía eólica exista y funcione. Por ejemplo, deben montarse dos turbinas eólicas a una cierta distancia entre sí para, por ejemplo, mitigar los efectos de estela entre turbinas eólicas vecinas. Además, todas las turbinas eólicas deben posicionarse dentro de los límites del sitio de la planta de energía eólica, y no deben posicionarse turbinas eólicas en zonas de exclusión dentro del sitio de la planta de energía eólica. Las turbinas eólicas definidas por el diseño deben proporcionar una producción de potencia total requerida de la planta de energía eólica y/o un número requerido de turbinas eólicas debe incluirse en el diseño.
Los requisitos básicos pueden usarse como restricciones para una aleatorización de turbinas eólicas. Dependiendo de una serie de requisitos básicos y la naturaleza de cada uno de los requisitos básicos, el número de candidatos de diseño aleatorio puede variar. Una de las ventajas de esta etapa es el hecho de que la aleatorización se realiza automáticamente y en poco tiempo, mientras que no requiere una gran potencia de cálculo, sino que proporciona una pluralidad de diseños. El número de candidatos de diseño en este punto del proceso puede ser muy alto, tal como cientos o incluso miles de candidatos de diseño. Realizar una optimización detallada en todos estos candidatos de diseño para seleccionar el mejor requeriría grandes cantidades de tiempo y potencia de cálculo.
Por lo tanto, una vez que se ha generado la pluralidad de candidatos de diseño aleatorio, se realiza un proceso de cribado previo en cada uno de la pluralidad de candidatos de diseño aleatorio. El proceso de cribado previo puede relacionarse con la evaluación de los candidatos de diseño y obtención de un conocimiento del funcionamiento de planta eólica. El cribado previo puede realizarse aplicando un modelo físico para, por ejemplo, estimación de potencia de cada uno de los candidatos de diseño. El proceso de cribado previo incluye la optimización general de los candidatos de diseño, lo que puede relacionarse simplemente con la disminución del número de candidatos de diseño. Durante el cribado previo puede revelarse que algunos de los candidatos de diseño son soluciones no viables que luego se descartan tan pronto como se identifican. El proceso de cribado previo puede ser un proceso aproximado, por ejemplo, con un bajo número de etapas iterativas, y que, por lo tanto, puede realizarse relativamente rápido y sin requerir mucha potencia de cálculo.
El proceso de cribado previo sirve para seleccionar un subconjunto de candidatos de diseño que, por ejemplo, proporcionan las mejores características entre la pluralidad de candidatos de diseño aleatorio. Como se mencionó anteriormente, las mejores características pueden relacionarse con la potencia estimada producida por la planta de energía eólica dispuesta según uno de los candidatos de diseño. El subconjunto de diseños puede comprender de 5 a 10 diseños que se optimizarán adicionalmente, y cada uno de los cuales proporciona un buen punto de partida para una optimización adicional. En otras palabras, el método proporciona varios diseños que pueden usarse para la planta de energía eólica. Estos diseños se generan en un período de tiempo corto y sin usar una gran potencia de cálculo.
A continuación, se realiza una optimización detallada del subconjunto seleccionado de candidatos de diseño. La optimización detallada se realiza en cada diseño del subconjunto seleccionado de candidatos de diseño. Debe indicarse que la optimización detallada es más detallada y más exhaustiva que el proceso de cribado previo, y, por lo tanto, se requiere más tiempo y más potencia de cálculo para cada uno de los candidatos de diseño que se procesan. Sin embargo, dado que la optimización detallada solo se realiza en los candidatos de diseño que se seleccionaron basándose en el proceso de cribado previo, solo se procesa un número muy limitado de candidatos de diseño, y se garantiza que los candidatos de diseño que se procesan sean los candidatos de diseño más prometedores. De este modo, se garantiza que el tiempo y la potencia de cálculo solo se usan en candidatos de diseño con una alta probabilidad de éxito. Por consiguiente, se reducen el tiempo total y la potencia de cálculo necesarios para obtener el mejor diseño.
En esta etapa, puede ser necesario cumplir una pluralidad de condiciones físicas. Para cumplir la pluralidad de condiciones físicas, puede ser necesario reposicionar al menos una turbina eólica dentro del diseño. El reposicionamiento de las turbinas mejorará los diseños que conducen hacia el diseño óptimo que proporcionará, por ejemplo, una generación de potencia máxima posible para el sitio dado, por ejemplo, posicionando más turbinas eólicas en posiciones con viento alto y/o teniendo debidamente en cuenta los efectos de estela. Durante esta etapa, el número de turbinas eólicas dentro de la planta de energía eólica puede cambiar ligeramente, es decir, se pueden añadir o retirar una o más turbinas eólicas para lograr un mejor rendimiento. Si las turbinas eólicas se añaden o se retiran puede depender de restricciones de espaciamiento mínimos que no deben infringirse durante esta etapa.
Basándose en la optimización detallada, se selecciona un diseño optimizado para la planta de energía eólica entre los candidatos de diseño optimizado del subconjunto de candidatos de diseño. Para seleccionar un diseño del subconjunto, se pueden usar diferentes criterios. Los diseños del subconjunto se pueden comparar basándose en uno o más criterios diferentes y se puede seleccionar el mejor. Por ejemplo, el diseño optimizado puede estar relacionado con un diseño optimizado para la producción máxima de potencia de la planta. Alternativamente, puede estar relacionado con un diseño optimizado para cargas mínimas, beneficio máximo para la potencia en un mercado dado, o con un diseño optimizado con respecto al coste, etc.
Tanto el tiempo de cálculo como la potencia de cálculo se obtienen principalmente en la etapa de optimización detallada del método, ya que se realiza solo en un subconjunto seleccionado de los candidatos de diseño que comprende un número reducido de los candidatos. La optimización detallada puede requerir iteraciones, sin embargo, un número de iteraciones puede no ser grande ya que los diseños seleccionados ya están optimizados en cierta medida. Además, el cribado previo de los diseños generados aleatoriamente puede requerir iteraciones. Sin embargo, cada iteración puede contener solo unas pocas etapas de cálculo, garantizando además un tiempo de cálculo corto y una potencia de cálculo pequeña. Por lo tanto, toda la optimización de la planta de energía eólica y la obtención de diseño optimizado y óptimo se realiza en poco tiempo y con una pequeña potencia de cálculo.
La etapa de generación de una pluralidad de candidatos de diseño aleatorio puede realizarse definiendo una función de densidad de probabilidad (PDF) proporcional a una velocidad del viento media en la planta de energía eólica. Esto significa que la PDF puede tener condiciones de viento incluidas. La PDF puede ser una función de coordenadas, es decir, PDF = PDF(x, y). La PDF puede definirse sobre el sitio de planta de energía eólica como proporcional a la velocidad del viento media en cada punto del sitio y con probabilidad nula fuera del sitio, o en regiones en las que la velocidad del viento media es menor que un cuantil de velocidad del viento admisible y dentro de posibles zonas de exclusión interna. Para definir la PDF, puede ser necesario realizar una evaluación de los recursos eólicos. La evaluación de recursos eólicos puede llevarse a cabo mediante una campaña de medición del viento en el sitio y recogiendo una gran cantidad de datos del viento. Los datos de viento medidos pueden obtenerse para una altura de referencia donde puede posicionarse un buje de turbina eólica. Una vez que la evaluación del viento está disponible, se puede definir la PDF. Una vez que se define la PDF, puede muestrearse por cualquier generador de números aleatorios estándar para generar una pluralidad de candidatos de diseño. El uso de una<p>D<f>relevante para aleatorizar las turbinas eólicas en el sitio es un enfoque fácil de elegir para la generación de candidatos de diseño. Además, mediante el uso de PDF se optimiza un número de turbinas eólicas. Adicionalmente, las PDF garantizan que se coloquen más turbinas eólicas en las ubicaciones con los mejores recursos eólicos.
Alternativa o adicionalmente, la etapa de generar una pluralidad de candidatos de diseño aleatorio puede realizarse por medio de muestreo de rechazo. Por ejemplo, en cada uno de los candidatos de diseño generados aleatoriamente, cada turbina eólica puede aplicar una fuerza radial proporcional a la PDF y proporcional a la frecuencia de dirección del viento a las posiciones más cercanas. Además, el muestreo de rechazo ayuda a producir muestras aleatorias que siguen mejor la PDF y pueden extenderse para evitar restricciones tales como el espaciamiento mínimo y las zonas de rechazo.
Los requisitos básicos pueden incluir límites de sitio, zonas de exclusión interna, espaciamiento mínimo variable entre turbinas eólicas según la velocidad del viento y la dirección del viento, recursos eólicos, número de turbinas eólicas que van a instalarse en el sitio, y/o potencia nominal total que va a generarse por la planta de energía eólica.
En el presente contexto, el término “sitio” se refiere a un área geográfica donde se va a erigir la planta de energía eólica. Los límites del sitio definen el tamaño del sitio y los límites sobre los cuales no deben erguirse las turbinas eólicas. Los límites del sitio pueden ser límites interiores y exteriores. Los límites interiores pueden definir zonas de exclusión internas. Los límites del sitio son necesarios para establecer condiciones de límite para la generación de candidatos de diseño por aleatorización.
Las zonas de exclusión interna pueden relacionarse con zonas que no son favorables para el posicionamiento de turbinas eólicas. Las zonas de exclusión interna de un sitio en alta mar pueden relacionarse con áreas de pesca, áreas de navegación marítima, áreas con una profundidad de agua extrema, áreas con impactos ambientales, por ejemplo, grandes olas, etc. Las zonas de exclusión de un sitio en tierra pueden relacionarse con áreas con viento muy débil o sin viento, zonas de migración de aves, áreas con propiedades indeseables del suelo, u otros obstáculos geográficos, tales como lagos, árboles, edificios, cables de alimentación, etc. Las zonas de exclusión interna pueden servir adicionalmente como condiciones de límite para la generación de candidatos de diseño por aleatorización. Además, las zonas de exclusión interna pueden relacionarse con otras plantas de energía tales como paneles solares, baterías, etc. alrededor de las cuales se puede montar una planta de energía eólica. Al tener en cuenta otras plantas de energía, es posible un asentamiento híbrido.
El espaciamiento mínimo variable entre turbinas puede ser un requisito básico más para la generación de diseños aleatorios. El espaciamiento mínimo puede estar regido por el tipo de turbinas eólicas, en particular por el diámetro del rotor de las turbinas eólicas. Normalmente, el espaciamiento entre dos turbinas eólicas es igual a tres diámetros de rotor. Además, el espaciamiento mínimo puede depender de la velocidad del viento esperada y la dirección del viento en el sitio. Concretamente, el espaciamiento mínimo entre las turbinas eólicas puede variar a lo largo del sitio, a medida que las condiciones del viento cambian a lo largo del sitio, por ejemplo, debido a la topología del sitio. Normalmente, la distancia entre turbinas es mayor en las direcciones de viento de sitio promediadas más frecuentes. Las direcciones de viento de sitio promediadas más frecuentes pueden relacionarse con la dirección de viento principal en el sitio.
Los recursos eólicos también pueden usarse como requisitos básicos para la generación de la pluralidad de candidatos de diseño aleatorio. Al conocer la velocidad del viento y/o dirección del viento esperadas en el sitio, el aleatorizador puede posicionar más turbinas eólicas en regiones con mejor velocidad del viento media y menos turbinas en regiones con viento desfavorable. De este modo, se puede optimizar la producción total de potencia de la planta de energía eólica.
El número de turbinas eólicas que va a instalarse en el sitio puede ser establecido por un cliente que está construyendo la planta de energía eólica, o puede basarse en estadísticas de turbinas eólicas ya existentes. El número de turbinas puede ser relevante para la velocidad de optimización, ya que el método no necesita realizar la estimación del número que sería adecuado para el sitio. Al conocer, por ejemplo, los límites de sitio y el número de las turbinas, los diseños pueden generarse de manera rápida mediante un aleatorizador estadístico. El número de turbinas eólicas puede cambiarse durante el proceso de optimización, ya que una o más turbinas eólicas pueden retirarse o añadirse según sea necesario. Concretamente, se puede obtener un número óptimo de turbinas eólicas para un sitio particular a través del proceso de optimización. Este número puede servir entonces en optimizaciones posteriores como punto de partida.
La potencia nominal total que va a generar la planta de energía eólica también puede ser uno de los requisitos básicos para la aleatorización. En este caso, el aleatorizador que genera los diseños puede incluir el cálculo de la potencia nominal del diseño generado. Si la potencia nominal calculada no es igual o mayor que la potencia nominal requerida, el diseño generado puede descartarse ya en esta etapa.
La optimización general puede incluir la aplicación de un modelo físico simple que implique al menos un parámetro. Normalmente, el modelo usará un candidato de diseño como entrada y proporcionará un diseño mejorado que, por ejemplo, proporciona más potencia que el diseño de entrada dado. El modelo físico simple que implica al menos un parámetro puede ser un modelo rápido que puede evaluar más de un diseño a la vez. El al menos un parámetro puede tener en cuenta los efectos de estela, recursos eólicos, cargas, etc. Cuando las turbinas eólicas extraen la energía del viento, la rotación del rotor de turbina eólica reduce la velocidad del viento y perturba el flujo de aire detrás de la misma, esto se conoce como “efecto de estela” de la turbina eólica. Debido a este efecto, el área detrás de la turbina eólica experimenta un flujo de viento modificado tanto en términos de velocidad media como de intensidad de turbulencia. Como esto puede no incluirse en la aleatorización, es relevante verificar la influencia de las turbinas eólicas entre sí dentro del diseño. El diseño puede verse afectado además por la distribución de energía eólica y la dirección del viento a través del sitio. A pesar de ello, los recursos eólicos pueden incluirse en el proceso de aleatorización a través de las zonas de espaciamiento y exclusión interna mínimas, todavía desempeñan un papel importante en el funcionamiento de la planta eólica. Por lo tanto, tener un modelo físico que aplique los recursos eólicos en los candidatos de diseño puede proporcionar una estimación de la producción de potencia de la planta de energía. Mediante un modelo físico que tiene en cuenta las cargas incurridas por las turbinas, se pueden observar las condiciones de funcionamiento de la planta de energía.
El proceso de cribado previo puede incluir una comparación de los candidatos de diseño. Una vez que los candidatos de diseño se caracterizan a través del modelo físico, se pueden comparar. Si, por ejemplo, el modelo físico proporciona una estimación de generación de potencia para cada candidato de diseño, los candidatos de diseño con la generación de potencia estimada más alta se considerarán como mejores candidatos de diseño aleatorio que los otros candidatos con menor generación de potencia. En otro ejemplo, el modelo físico puede proporcionar el coste por unidad de potencia y en este caso los mejores candidatos serían aquellos con el coste más bajo por unidad de potencia. En un ejemplo más, el modelo físico puede evaluar los efectos de estela y los candidatos de diseño con los efectos de estela más bajos tendrán el mejor. Además, una comparación puede revelar cuáles de los candidatos de diseño están más cerca de un diseño óptimo, y que, por lo tanto, puede considerarse como punto de partida superior para un proceso de optimización real.
El proceso de cribado previo puede incluir clasificar los candidatos de diseño, y la etapa de seleccionar un subconjunto de candidatos de diseño puede comprender seleccionar los candidatos de diseño con la mejor clasificación. La clasificación de los candidatos de diseño también se puede comparar para seleccionar los mejores candidatos. Al clasificar la pluralidad de candidatos de diseño generados aleatoriamente, un gran número de diseños que pueden no ser prometedores pueden descartarse sin gastar tiempo y recursos de potencia de cálculo en su optimización adicional y varios candidatos con buena clasificación, es decir, buenas propiedades de partida, se pueden mantener para una optimización adicional. Alternativamente, los candidatos de diseño pueden compararse entre sí y los mejores candidatos pueden seleccionarse para una optimización adicional.
La optimización detallada puede incluir la aplicación de un modelo físico detallado, aplicar modelado estadístico, y/o identificar turbinas eólicas que infringen el espaciamiento mínimo. El modelo físico detallado puede incluir opciones en relación con la viabilidad técnica, coste total de capital y la producción de energía predicha de la planta de energía. El modelo físico detallado también puede incluir todos los parámetros mencionados anteriormente en relación con el modelo físico simple. Por ejemplo, el modelo físico detallado puede reagrupar las turbinas eólicas según los recursos eólicos y/o puede retirar las turbinas eólicas expuestas a la velocidad eólica media más baja. La optimización detallada puede estar orientada a los costes y puede conducir a un cambio del número de turbinas eólicas, es decir, se pueden añadir o retirar una o más turbinas.
El modelado estadístico puede implicar datos estadísticos de plantas de energía eólica existentes, posicionamiento de las turbinas en las mismas, potencia recogida a lo largo de años con una visión del pronóstico del viento, etc. Basándose en estos datos estadísticos, las turbinas eólicas del diseño pueden reposicionarse por consiguiente. Alternativamente, una PDF usada para la generación de candidatos de diseño aleatorio puede modificarse de modo que sea cero en todas las regiones que infringen el espaciamiento mínimo.
El espaciamiento mínimo entre turbinas eólicas puede usarse como una condición de límite para la aleatorización y puede basarse en, por ejemplo, el diámetro de rotor de las turbinas eólicas. Sin embargo, el espaciamiento mínimo puede depender además de los recursos eólicos y los efectos de estela y, por lo tanto, puede requerirse una consideración adicional del espaciamiento entre las turbinas eólicas. Si la optimización revela que hay turbinas eólicas que infringen el espaciamiento mínimo, estas turbinas eólicas pueden reposicionarse o pueden retirarse de la planta de energía eólica. El espaciamiento mínimo también puede cambiarse, es decir, reducirse o aumentarse, durante la optimización detallada, basándose en otros parámetros de optimización tales como efectos de estela, cargas, etc.
La optimización detallada mejora cada diseño del subconjunto de candidatos de diseño.
La etapa de realizar una optimización detallada se puede realizar de manera iterativa. Por ejemplo, al menos una turbina eólica puede reposicionarse hasta que se logre un flujo de aire de tipo de sin estela detrás del rotor de la turbina eólica. En otro ejemplo, durante el reposicionamiento de una turbina eólica basándose en recursos eólicos, se puede infringir el espaciamiento mínimo y, por lo tanto, se requiere un reposicionamiento adicional. En un ejemplo más, después de modificar la PDF para que sea cero en todas las regiones que infringen el espaciamiento mínimo, se pueden muestrear iterativamente de las posiciones restantes de turbina eólica a partir de la PDF modificada. Las iteraciones pueden repetirse hasta que se cumpla un requisito particular. Es decir, por ejemplo, potencia generada por la planta de energía con un diseño particular, nivel de ruido, cargas, etc.
La etapa de realizar una optimización detallada en los candidatos de diseño del subconjunto seleccionado de candidatos de diseño puede incluir el reposicionamiento de al menos una turbina eólica hasta que alcance el equilibrio. Los efectos de estela pueden ser una de las principales razones para el reposicionamiento de las turbinas eólicas. Las condiciones del viento a través del sitio de la planta de energía eólica podrían ser otras. Cada turbina eólica puede afectar a varias turbinas eólicas circundantes ubicadas a favor del viento cambiando el flujo de aire en su estela. Un candidato de diseño puede alcanzar el equilibrio cuando todos los parámetros que es necesario tener en cuenta están equilibrados, por ejemplo, cuando las turbinas eólicas no están influenciadas por la rotación de otras turbinas eólicas. Para alcanzar el equilibrio, normalmente, es necesario aumentar el espaciamiento entre las turbinas eólicas en la dirección del viento predominante en comparación con el espaciamiento mínimo para evitar los efectos de estela. Al reposicionar las turbinas eólicas hasta que alcancen el equilibrio, la energía eólica disponible se aprovecha de la mejor manera y se minimiza la pérdida de energía por el efecto de estela.
El método puede comprender además la etapa de realizar una optimización final del diseño optimizado seleccionado para la planta de energía eólica. Una vez que se selecciona el diseño optimizado, se puede realizar una optimización adicional basándose en, por ejemplo, un modelo particular de turbinas eólicas que se van a usar en el sitio, o basándose en el último pronóstico del viento. La etapa de optimización final puede mejorar aún más el funcionamiento de la planta de energía eólica.
El método puede comprender además la etapa de erigir una planta de energía eólica según el diseño optimizado seleccionado. Cuando el diseño finalmente se optimiza, la siguiente etapa natural es erigir las turbinas eólicas en el sitio de la planta de energía eólica según el diseño optimizado. El diseño optimizado comprende los límites del sitio, así como las zonas de exclusión interna, y coordenadas de cada una de las turbinas eólicas en relación con los límites del sitio que garantizan la aplicación directa del diseño optimizado en el sitio. De este modo, se garantiza que la planta de energía eólica que eventualmente se erige tenga sus turbinas eólicas ubicadas dentro del sitio de la manera prescrita por el diseño óptimo seleccionado, y, por lo tanto, la planta de energía eólica resultante será óptima en el sentido de los criterios de optimización aplicados, por ejemplo, producción de potencia esperada, cargas o desgaste en las turbinas eólicas, costes, beneficio, etc.
El método puede comprender además la etapa de estimar la potencia generada por la planta de energía eólica con el diseño optimizado. Aunque la generación de potencia puede estimarse a través del proceso de optimización, se puede hacer una nueva estimación después de la etapa de optimización final. Como se describió anteriormente, en algunos casos, el procedimiento de optimización puede no basarse en la generación de potencia, sino en su lugar puede centrarse en el coste por unidad de potencia, consideraciones de carga, o similares. En estos casos, la estimación de la potencia generada por la planta de energía eólica puede ser un parámetro de relevancia cuando la planta de energía está conectada a una red eléctrica.
Según un segundo aspecto dado a conocer en la reivindicación 13, la invención proporciona una planta de energía eólica que comprende una pluralidad de turbinas eólicas dispuestas en un sitio, en la que la pluralidad de turbinas eólicas están dispuestas en el sitio según un diseño determinado usando el método según el primer aspecto de la invención. Por lo tanto, el experto entenderá fácilmente que cualquier característica descrita en combinación con el primer aspecto de la invención también podría combinarse con el segundo aspecto de la invención, y viceversa. Por consiguiente, las observaciones expuestas anteriormente con referencia al primer aspecto de la invención son igualmente aplicables en este caso.
Breve descripción de los dibujos
La invención se describirá ahora con más detalle con referencia a los dibujos adjuntos en los que
la figura 1 muestra un diagrama de flujo de un método para determinar un diseño de turbina eólica en una planta de energía eólica que comprende una pluralidad de turbinas eólicas,
la figura 2 ilustra dos candidatos de diseño generados aleatoriamente, y
la figura 3 ilustra el proceso de optimización de un diseño generado aleatoriamente.
Descripción detallada de la invención
La figura 1 muestra un diagrama de flujo 100 de un método para determinar un diseño de turbina eólica de una planta de energía eólica que comprende una pluralidad de turbinas eólicas. En la primera etapa 101 se genera una pluralidad de candidatos de diseño aleatorio. Pueden generarse a través de cualquier aleatorizador estadístico estándar que incluye ciertos límites ya que es necesario que cada candidato de diseño cumpla un conjunto de requisitos básicos. El conjunto de requisitos básicos puede incluir límites del sitio, zonas de exclusión interna, espaciamiento mínimo variable entre turbinas según la velocidad del viento y la dirección del viento, recursos eólicos, número de turbinas eólicas que van a instalarse en el sitio, y/o potencia nominal total que va a generarse por la planta de energía eólica. La generación aleatoria de los diseños se realiza en poco tiempo y no requiere una gran potencia de cálculo.
Una vez que se genera la pluralidad de candidatos de diseño en la primera etapa 101, se realiza un proceso de cribado previo 102 en cada uno de la pluralidad de candidatos de diseño aleatorio. El proceso de cribado previo 102 incluye la optimización general de los candidatos de diseño 103. En el proceso de cribado previo 102, los diseños pueden evaluarse y compararse adicionalmente. La optimización general 103 puede, por ejemplo, relacionarse con la disminución del número de candidatos de diseño ya que durante el cribado previo puede revelarse que algunos de los candidatos de diseño son soluciones no viables que luego se ignoran durante la etapa de optimización general 103.
Basándose en el proceso de cribado previo 102, se selecciona un subconjunto de candidatos de diseño en la etapa adicional 104. Si los candidatos de diseño se comparan en el proceso de cribado previo 102, se pueden seleccionar los mejores candidatos para el subconjunto. Los candidatos de diseño seleccionados pueden ser los candidatos más prometedores para una optimización adicional y que pueden no requerir un gran número de optimizaciones iterativas para lograr un diseño óptimo.
La etapa de optimización detallada 105 se realiza además en cada candidato de diseño del subconjunto seleccionado de candidatos de diseño. La optimización detallada 105 puede encontrarse para una pluralidad de condiciones físicas. En esta etapa 105 puede ser necesario reposicionar al menos una turbina eólica dentro del diseño. La optimización 105 de los candidatos de diseño del subconjunto tiene como objetivo generar un diseño con los mejores rendimientos posibles. Por ejemplo, la optimización detallada 105 puede mejorar los diseños en términos de generación de potencia máxima, y/o con el máximo beneficio con respecto a potencia en un mercado dado, puede aumentar la tasa de utilización de la planta de energía eólica, etc. Esta etapa 105 no requiere un gran tiempo y potencia de cálculo ya que la optimización detallada 105 se realiza solo en un número reducido de candidatos de diseño que ya tienen características decentes, por ejemplo, en términos de generación de potencia máxima, etc.
Basándose en la optimización detallada 105, se selecciona un diseño optimizado para la planta de energía eólica 106 entre los candidatos de diseño optimizado del subconjunto de candidatos de diseño. El candidato de diseño seleccionado puede tener la(s) mejor(es) característica(s) entre todos los candidatos de diseño del subconjunto, es decir, el diseño seleccionado puede ser el mejor en términos de cargas mínimas, beneficio máximo con respecto la potencia en un mercado dado, el mejor en términos de coste, etc.
La figura 2 ilustra tres candidatos de diseño generados aleatoriamente, 201-203. Los candidatos de diseño 201-203 pueden generarse por un aleatorizador. Como entrada, el aleatorizador puede tener un mapa de recursos eólicos ilustrado por un gran número de líneas de contorno 204 y una rosa de los vientos simplificada 208, límites 205 que definen un sitio, una zona de exclusión 206, y un número de turbinas eólicas disponibles. El mapa de recursos eólicos 204 representa la energía portada por el viento y que puede basarse en al menos un año de mediciones del viento en una región del sitio. La rosa de los vientos 208 muestra la frecuencia de vientos que soplan desde direcciones particulares durante un período especificado que indica el viento que sopla en dirección noreste. En la etapa inicial, se genera un gran número de candidatos de diseño y en este caso solo se muestran tres de los mismos. Cada candidato de diseño comprende 40 turbinas eólicas 207 que están distribuidas en las ubicaciones de mejores recursos eólicos. Basándose en la rosa de los vientos 208, recursos eólicos 204, límites 205 y la zona de exclusión 206, el aleatorizador genera una pluralidad de candidatos de diseño, tres de los cuales se muestran en la figura 2 (a)-(c). Cada uno de los candidatos de diseño 201-203 tiene un espaciamiento diferente entre las turbinas 207, definido por el aleatorizador. En el proceso de cribado previo, la pluralidad de candidatos de diseño se comparan y/o clasifican basándose en sus características. El candidato de diseño 202 mostrado en la figura 2 (b) tiene la mejor producción esperada entre los tres diseños mostrados 201-203 y puede seleccionarse para una optimización adicional. Debe indicarse que los candidatos de diseño 201-203 son solo un ejemplo ilustrativo. En un caso real, el número de turbinas eólicas puede ser mayor, la rosa de los vientos puede ser más compleja y el sitio puede incluir más de una zona de exclusión.
La figura 3 ilustra el proceso de optimización de un candidato de diseño generado aleatoriamente 300. Como en la figura 2 anterior, el candidato de diseño 300 se genera por el aleatorizador, basándose en los recursos eólicos 204, límites del sitio 205, una zona de exclusión 206, 40 turbinas eólicas disponibles 207, y la rosa de los vientos simplificada 208. El aleatorizador genera el candidato de diseño 300 mostrado en la figura 3(a) de tal manera que el número predefinido de turbinas eólicas 207 se distribuye en áreas con el viento más favorable, dentro de los límites del sitio 205 y fuera de la zona de exclusión 206. Además de este candidato de diseño particular 300, se genera una pluralidad de otros candidatos de diseño aleatorio. Suponiendo que el candidato de diseño 300 se selecciona en el cribado previo, se optimizará adicionalmente. La optimización adicional puede implicar un número de etapas iterativas que reposicionar una por una la turbina eólica 207, o un grupo de turbinas eólicas 207.
En este caso, solo se representan dos iteraciones en la figura 3 (b) y (c). A partir de la figura 3(a) se puede ver que las turbinas eólicas 207 se posicionan relativamente cerca una de la otra y existe la posibilidad de que las turbinas eólicas 207 puedan influir en el funcionamiento entre sí, es decir, los efectos de estela pueden no tenerse en cuenta. La figura 3(b) muestra el candidato de diseño 300 después de 100 iteraciones durante las cuales la mayoría de las turbinas eólicas 207 se reposicionan y se posicionan más separadas para al menos tener en cuenta los efectos de estela. El candidato de diseño final 300 mostrado en la figura 3(c) es el resultado de una optimización detallada adicional del candidato de diseño 300 mostrado en la figura 3(b). El número de turbinas eólicas 207 se mantiene en 40 ya que el tamaño del sitio 205 es suficiente para 40 turbinas eólicas 207. En otro ejemplo, se puede cambiar el número de turbinas eólicas. El proceso de optimización del candidato de diseño 300 se realiza optimizando la potencia total generada por la planta de energía eólica que comprende 40 turbinas eólicas 207. Comparando la figura 3(a) y la figura 3(c) puede observarse que una tendencia general es que las turbinas eólicas 207 se alejan una de la otra y hacia los límites del sitio.

Claims (13)

  1. REIVINDICACIONES
    i. Un método (100) para determinar un diseño de turbina eólica en una planta de energía eólica que comprende una pluralidad de turbinas eólicas (207), comprendiendo el método las etapas de:
    - generar (101) una pluralidad de candidatos de diseño aleatorio (201-203, 300), cumpliendo cada candidato de diseño (201-203, 300) un conjunto de requisitos básicos,
    - realizar un proceso de cribado previo (102) en cada uno de la pluralidad de candidatos de diseño aleatorio (201-203, 300), incluyendo el proceso de cribado previo (102) optimización general (103) de los candidatos de diseño (201-203, 300),
    - basándose en el proceso de cribado previo (102), seleccionar (104) un subconjunto de candidatos de diseño, - realizar optimización detallada (105) en los candidatos de diseño del subconjunto seleccionado de candidatos de diseño, incluyendo el reposicionamiento de un grupo de turbinas eólicas (207) hasta que alcanza el equilibrio, y
    - basándose en la optimización detallada (105), seleccionar (106) un diseño optimizado (300) para la planta de energía eólica entre los candidatos de diseño optimizado del subconjunto de candidatos de diseño.
  2. 2. Un método según la reivindicación 1, en el que la etapa de generar (101) una pluralidad de candidatos de diseño aleatorio (201-203, 300) se realiza definiendo una función de densidad de probabilidad (PDF) proporcional a una velocidad del viento media en la planta de energía eólica.
  3. 3. Un método según la reivindicación 1 o 2, en el que la etapa de generar (101) una pluralidad de candidatos de diseño aleatorio (201-203, 300) se realiza por medio de muestreo de rechazo.
  4. 4. Un método según cualquiera de las reivindicaciones anteriores, en el que los requisitos básicos incluyen límites de sitio (205), zonas de exclusión interna (206), espaciamiento mínimo variable entre turbinas eólicas (207) según la velocidad del viento y la dirección del viento (208), recursos eólicos (204), número de turbinas eólicas que va a instalarse en el sitio, y/o potencia nominal total que va a generarse por la planta de energía eólica.
  5. 5. Un método según cualquiera de las reivindicaciones anteriores, en el que la optimización general (103) incluye aplicar un modelo físico simple que implica al menos un parámetro.
  6. 6. Un método según cualquiera de las reivindicaciones anteriores, en el que el proceso de cribado previo (102) incluye una comparación de los candidatos de diseño (201-203, 300).
  7. 7. Un método según cualquiera de las reivindicaciones anteriores, en el que el proceso de cribado previo (102) incluye clasificar los candidatos de diseño (201-203, 300), y en el que la etapa de seleccionar (106) un subconjunto de candidatos de diseño (201-203, 300) comprende seleccionar los candidatos de diseño (201 203, 300) con la mejor clasificación.
  8. 8. Un método según cualquiera de las reivindicaciones anteriores, en el que la optimización detallada (105) incluye aplicar un modelo físico detallado, aplicar modelado estadístico, y/o identificar turbinas eólicas (207) que infringen el espaciamiento mínimo.
  9. 9. Un método según cualquiera de las reivindicaciones anteriores, en el que la etapa de realizar una optimización detallada (105) se realiza de manera iterativa.
  10. 10. Un método según cualquiera de las reivindicaciones anteriores, que comprende además la etapa de realizar una optimización final del diseño optimizado seleccionado (300) para la planta de energía eólica.
  11. 11. Un método según cualquiera de las reivindicaciones anteriores, que comprende además la etapa de erigir una planta de energía eólica según el diseño optimizado seleccionado (300).
  12. 12. Un método según cualquiera de las reivindicaciones anteriores, que comprende además la etapa de estimar la potencia generada por la planta de energía eólica con el diseño optimizado (300).
  13. 13. Una planta de energía eólica que comprende una pluralidad de turbinas eólicas (207) dispuestas en un sitio, en la que la pluralidad de turbinas eólicas (207) están dispuestas en el sitio según un diseño (300) determinado usando un método (100) según cualquiera de las reivindicaciones anteriores.
ES19753242T 2018-08-20 2019-08-08 Método para determinar un diseño de turbina eólica Active ES2973712T3 (es)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
DKPA201870535 2018-08-20
PCT/DK2019/050240 WO2020038536A1 (en) 2018-08-20 2019-08-08 Method for determining a wind turbine layout

Publications (1)

Publication Number Publication Date
ES2973712T3 true ES2973712T3 (es) 2024-06-24

Family

ID=67659787

Family Applications (1)

Application Number Title Priority Date Filing Date
ES19753242T Active ES2973712T3 (es) 2018-08-20 2019-08-08 Método para determinar un diseño de turbina eólica

Country Status (4)

Country Link
US (1) US20210312101A1 (es)
EP (1) EP3841301B1 (es)
ES (1) ES2973712T3 (es)
WO (1) WO2020038536A1 (es)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112211782B (zh) * 2020-08-31 2021-11-30 江苏金风科技有限公司 基于起始转速自适应搜索的收缩跟踪区间控制方法
CN112750039B (zh) * 2021-01-18 2022-09-20 中国南方电网有限责任公司 一种耦合复杂水力联系的跨区交易现货市场出清模型
US20220327255A1 (en) * 2021-04-10 2022-10-13 Vestas Wind Systems A/S Method of determining a layout of a wind energy plant
CN114021235B (zh) * 2021-11-04 2022-12-27 中国电建集团河北省电力勘测设计研究院有限公司 一种基于AutoCAD的山地风电场风机定位方法

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3226031B2 (ja) * 1998-11-06 2001-11-05 東北電力株式会社 風力発電機設置位置決定方法及び風力発電量予測方法
WO2009027509A1 (en) * 2007-08-31 2009-03-05 Vestas Wind Systems A/S Wind turbine siting and maintenance prediction
US8050899B2 (en) 2008-05-30 2011-11-01 General Electric Company Method for wind turbine placement in a wind power plant
US7941304B2 (en) * 2009-04-30 2011-05-10 General Electric Company Method for enhancement of a wind plant layout with multiple wind turbines
US8554519B2 (en) * 2010-02-25 2013-10-08 International Business Machines Corporation Method for designing the layout of turbines in a windfarm
US20120029824A1 (en) * 2011-07-25 2012-02-02 General Electric Company System and method for identifying regions of distinct wind flow
US20160171401A1 (en) * 2014-12-11 2016-06-16 Hao Wu Layout optimization for interactional objects in a constrained geographical area
CN110322038B (zh) * 2018-03-29 2022-07-15 北京金风科创风电设备有限公司 基于中尺度数据的风机自动排布的方法和设备

Also Published As

Publication number Publication date
US20210312101A1 (en) 2021-10-07
EP3841301C0 (en) 2024-03-06
EP3841301A1 (en) 2021-06-30
WO2020038536A1 (en) 2020-02-27
EP3841301B1 (en) 2024-03-06

Similar Documents

Publication Publication Date Title
ES2973712T3 (es) Método para determinar un diseño de turbina eólica
Murthy et al. A comprehensive review of wind resource assessment
US7941304B2 (en) Method for enhancement of a wind plant layout with multiple wind turbines
Boudia et al. Investigation of wind power potential at Oran, northwest of Algeria
US8050899B2 (en) Method for wind turbine placement in a wind power plant
Hau et al. The wind resource
CN103258242A (zh) 基于大规模风电基地风电场布局的测风网络布局方法
Diaz et al. Offshore vertical wind shear: Final report on NORSEWInD’s work task 3.1
Chourpouliadis et al. Comparative study of the power production and noise emissions impact from two wind farms
Christie et al. Optimising land use for wind farms
Mortensen Planning and development of wind farms: wind resource assessment and siting
CN103559552A (zh) 带罚函数粒子群算法的分散式风电场微观选址系统
Mortensen Wind resource assessment using the WAsP software (DTU Wind Energy E-0135)
Mustakerov et al. Wind park layout design using combinatorial optimization
CN116097290A (zh) 用于在预定空间中构造风力发电场的方法
JP2019015236A (ja) ウィンドファーム、及び配置決定装置
Stathopoulos et al. Urban wind energy: A wind engineering and wind energy cross-roads
ES2969725T3 (es) Método para evitar vibraciones en el sentido del borde durante períodos no operativos de una turbina eólica
Hansen et al. Wind Atlas for South Africa (WASA)–Best practice guide for application of WASA
Ragheb Orography and wind turbine siting
Cao et al. Preliminary assessment of the wind power resource around the thousand-meter scale megatall building
Indasi et al. WAsP model performance verification using lidar data
Smith et al. Impact of large neighbouring wind farms on energy yield of offshore wind farms
DuVivier Wind power growing pains
Hansen et al. Meso-and Micro-scale Modelling in China: Application of Wind Atlas