JP2021161932A - 風力発電装置の発電量予測装置 - Google Patents
風力発電装置の発電量予測装置 Download PDFInfo
- Publication number
- JP2021161932A JP2021161932A JP2020063594A JP2020063594A JP2021161932A JP 2021161932 A JP2021161932 A JP 2021161932A JP 2020063594 A JP2020063594 A JP 2020063594A JP 2020063594 A JP2020063594 A JP 2020063594A JP 2021161932 A JP2021161932 A JP 2021161932A
- Authority
- JP
- Japan
- Prior art keywords
- power generation
- value
- generation amount
- wind speed
- ave
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- 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
- Y02A30/00—Adapting or protecting infrastructure or their operation
-
- 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
- Wind Motors (AREA)
Abstract
【課題】気象予報値と発電量の関係モデルを用いた風力発電装置の発電量予測装置において、発電装置の劣化の影響を発電量の予測値に反映する。【解決手段】発電量予測装置のコンピュータは、風力発電装置の風速計の計測値と発電量の実績値を所定期間にわたって取得し、複数の計測値の平均値Vm_aveと、複数の実績値の平均値Pm_aveを算出する。所定期間において関係モデルを用いて得られた発電量の予測値の平均値Pr_aveを算出する。発電量の予測値の平均値Pr_aveと実績値の平均値Pm_aveとの差分を算出する。パワーカーブを用いて風速計測の平均値Vm_aveに対応する発電量Psを特定し、発電量Psから差分を減じた発電量に対応する風速Vsを特定する。風速Vsを平均値Vm_aveで除した値を風速補正係数として算出する。コンピュータは、気象予報値の風速に風速補正係数を乗じた値を関係モデルに入力し、予測値を得る。【選択図】図3
Description
本明細書が開示する技術は、風力発電装置の発電量予測装置に関する。
風力発電装置はブレードが受ける風の速度(風速)によって発電量が変化する。したがって将来に発電可能な電力量が確定しない。将来の発電量が把握できないと、電力の管理に支障をきたす。そこで、風向/風速などの気象予報値から将来の発電量を予測する技術が必要とされる。特許文献1に、風力発電装置の発電量予測装置の一例が開示されている。
特許文献1に開示された技術では、将来の風向/風速の気象予報値からブレードが受ける風の速度(風速)を予測し、予測された風速からパワーカーブを使って予測発電量を得る。パワーカーブとは、ブレードがその回転軸線方向から受ける風の速度と発電量の関係を規定したグラフである。パワーカーブは風力発電装置の性能等から予め求められている。
精度の高い予測値を得る手法として、ニューラルネットワークに代表される機械学習などにより、気象予報値から発電量の予測値を出力する関係モデルを得ることが考えられる。近年の機械学習の理論と実践の進歩は目覚ましく、そのような手法を用いれば高い精度で発電量の予測値を得ることが期待できる。
一方、関係モデルを得た後、風力発電装置の経年劣化により、関係モデルによって得られる予測値の精度が低下する。経年変化の例は、ブレード回転軸線に対する風速計の軸線のずれ、あるいは、発電器の機械的な劣化などである。
劣化が進行した後に関係モデルを再構築するのはコストが嵩む。また、劣化が進行した後の少量のデータから、多様な気象条件を考慮した関係モデルを再構築することは難しい。
本明細書は、関係モデルを使って気象予報値から発電量の予測値を得る発電量予測装置において、関係モデルを修正することなく、劣化の影響を発電量の予測値に反映する技術を提供する。
風力発電装置では、先に言及したパワーカーブが知られており、パワーカーブは実験や解析、あるいはシミュレーション等によって予め求められる。一方、劣化の主要な要因の一つに風速計の軸線のずれが考えられる。本明細書は、関係モデルによる発電量の予測値と実測値のずれを、パワーカーブを使って風速のずれに換算し、関係モデルに入力する気象予報値に含まれる風速に乗じる補正係数を得る。本明細書が開示する技術は、風力発電装置の劣化には複数の要因があるが、複数の要因による劣化の程度を、パワーカーブを使って全て「風速のずれ」として集約する点に特徴がある。
本明細書が開示する発電量予測装置は、記憶装置と、コンピュータを備えている。記憶装置は、風力発電装置の地における風速等の気象予報値と発電量の関係を示す関係モデルと、風力発電装置のブレードが受ける風の速度と発電量との関係を示すパワーカーブを記憶している。記憶装置は発電量予測装置の近くに位置する必要はなく、発電量予測装置のコンピュータとネットワークで接続されていればよい。関係モデルに入力する気象予報値には、少なくとも風力と風速と気温が含まれる。
発電量予測装置のコンピュータは、関係モデルに入力する風速の気象予報値に乗じる風速補正係数を算出する。風速補正係数の算出手順は次の通りである。コンピュータは、風力発電装置に備えられている風速計の計測値Vmと風力発電装置の発電量の実績値Pmを過去の所定期間にわたって取得する。コンピュータは、取得した複数の計測値Vmの平均値(風速計測平均値Vm_ave)と、取得した複数の実績値Pmの平均値(発電量実績平均値Pm_ave)を算出する。コンピュータは、所定期間において関係モデルを用いた発電量の予測値(発電量予測値Pr)の平均値(発電量予測平均値Pr_ave)を算出する。コンピュータは、発電量予測平均値Pr_aveと発電量実績平均値Pm_aveとの差分(発電量差dP)を算出する。コンピュータは、パワーカーブを用いて風速計測平均値Vm_aveに対応する発電量(対応発電量Ps)を特定し、対応発電量Psから発電量差dPを減じた発電量に対応する風速(対応風速Vs)を特定する。最後にコンピュータは、対応風速Vsを風速計測平均値Vm_aveで除した値を風速補正係数として算出する。
本明細書が開示する発電量予測装置は、関係モデルを用いて得られた発電量予測値Prの平均値(発電量予測平均値Pr_ave)と、実績値Pmの平均値(発電量実績平均値Pm_ave)とのずれ(発電量差dP)が、おおよそ風速計の軸線のずれに起因するものであると仮定する。別言すれば、上記のアルゴリズムは、様々な劣化要因に起因する発電量のずれ(発電量予測平均値Pr_aveと発電量実績平均値Pm_aveの差)が、おおよそ風速のずれに集約できるという前提で構築されている。
パワーカーブに基づくと、ブレードに正対する風の速度が風速計測平均値Vm_aveのとき、対応発電量Psが得られる。発電量の予測値と実績値のずれは発電量差dPである。対応発電量Psが得られると期待される一方で、期待値に対する実績値のずれが発電量差dPであると仮定する。そこで、パワーカーブにおいて対応発電量Psから発電量差dPを減じた発電量に対応する風速(対応風速Vs)が、風力発電装置のブレードが実際に受ける風の速度(風速)であるとみなす。風速計測平均値Vm_aveを対応風速Vsに変換するための乗数が、風速補正係数として得られる。劣化の影響は風速補正係数として考慮される。風速の気象予報値に風速補正係数を乗じて関係モデルに入力し、発電量の予測値を得ることで、関係モデルを修正することなく、劣化の影響を反映した予測値を得ることができる。
本明細書が開示する技術の詳細とさらなる改良は以下の「発明を実施するための形態」にて説明する。
図面を参照して実施例の発電量予測装置を説明する。まず、風力発電装置の概要を説明する。図1に、発電量予測装置10を伴う風力発電装置20の模式図を示す。図1において、太線は電力線を表している。矢印線は通信線を表している。
風力発電装置20は、風力でブレード23を回転させ、回転軸に連結された発電機24で発電する。発電機が発電した電力は電圧コンバータ27に送られる。電圧コンバータ27は、発電機で得られた電力の電圧を送電に適した電圧に変換する。電圧コンバータ27の出力端にインバータ28が接続されている。インバータ28は、電圧コンバータ27の出力電力を送電に適した周波数の交流電力に変換する。インバータ28の出力した電力は送電線31によって各所に送電される。電圧コンバータ27とインバータ28はコントローラ30により制御される。
発電機24はナセルと呼ばれるハウジング(ナセル22)に収容されており、ナセル22にブレード23が軸支持されている。ナセル22はタワー21の上端に駆動機構26を介して取り付けられている。駆動機構26は、ナセル22を垂直軸回りに回転させることができる。ナセル22には風向風速計25が取り付けられている。風向風速計25は、その軸がブレード23の軸と平行になるようにナセル22に取り付けられている。風向風速計25の計測データはコントローラ30に送られる。コントローラ30は、風力で最大限の発電ができるように、風向風速計25の計測データから、ブレード23(ナセル22)が風向に対して正対するように駆動機構26を制御する。
風力発電装置20はブレード23が受ける風の速度(風速)によって発電量が変化する。したがって将来に発電可能な電力量が確定しない。将来の発電量が把握できないと、電力の管理に支障がある。そこで、風向風速などの気象予測値から将来の発電量を予測する発電量予測装置10が風力発電装置20に付随している。なお、発電量予測装置10は、通信線で風力発電装置20と通信可能に接続されていればよく、設置の場所に制限はない。発電量予測装置10は、コンピュータ11と、コンピュータ11に接続されている記憶装置12を備えている。記憶装置12はコンピュータ11の近傍に配置されている必要はなく、ネットワーク40を介してコンピュータ11と接続されていてもよい。
発電量予測装置10のコンピュータ11は、ネットワーク40を介して気象予報データ提供センタ41と接続されている。発電量予測装置10は、気象予報データ提供センタ41から将来の風向と風速などのデータ(気象予報値)を受け取り、将来の発電量を予測する。予測された発電量は、ネットワーク40を介して電力管理センタ42などへ送られる。
発電量予測装置10は、記憶装置12に記憶された関係モデルを用いて発電量を予測する。関係モデルは、過去の気象予報値と発電量の実績値の膨大なデータを教示データとしてニューラルネットワーク等の機械学習で構築されたモデルである。気象予報値には、少なくとも、風力発電装置20の地の風速、風向、気温のデータが含まれる。気象予報値には、湿度などの予報値が含まれていてもよい。コンピュータ11が既に構築された関係モデルに新たな気象予報値を入力すると、関係モデルから、その新たな気象予報値に対応した発電量予測値が出力される。関係モデルは従来から知られている機械学習などの技法により構築される。ここでは、関係モデルの詳細については説明を割愛する。
関係モデルが構築された後も、風力発電装置20は徐々に、機械的電気的に劣化していく。劣化の例は、ブレード23の回転軸の軸受の摩擦抵抗の変化、風向風速計25の向きのブレードの回転軸線からのずれ、などである。それらの劣化により発電効率が低下する。劣化の影響を関係モデルに組み込むことはコストがかかる。また、劣化が進行した後の少量のデータから、多様な気象条件を考慮した関係モデルを再構築することは難しい。そこで、実施例の発電量予測装置10は、パワーカーブと呼ばれる関係を使って、劣化の影響を発電量の予測値に反映する。
パワーカーブとは、ブレードがその回転軸線方向から受ける風の速度と発電量の関係を意味し、一般には、横軸に風速をとり、縦軸に発電量をとったグラフで表される。パワーカーブは、風力発電装置20の設計データ、シミュレーション、解析、実験などにより予め求められている。パワーカーブのデータも記憶装置12に格納されている。
発電量予測装置10には、風向風速計25のデータ(風速の計測値)と、発電量のデータ(発電量の実績値)が入力される。風力発電装置20は、電圧コンバータ27とインバータ28の間を流れる電力を計測する電力センサ29を備えている。電力センサ29の計測データ(すなわち、風力発電装置20が発電した発電量の実績値のデータ)が発電量予測装置10へ送られる。発電量予測装置10は、得られた過去の風速計測値と発電量実績値の複数の組を記憶する。
図2に、発電量予測装置10が発電量の予測値を導出するアルゴリズムの概要を示す。発電量予測装置10のコンピュータ11は、気象予報データ提供センタ41から将来の特定の日の気象予報値を取得する。気象予報値には、少なくとも風速、風向、気温の予報値が含まれる。コンピュータ11は、取得した気象予報値を関係モデルに入力し、発電量の予測値を得る。このとき、コンピュータ11は、風速の予報値に風速補正係数Cwを乗じた後に関係モデルに入力する。別言すれば、コンピュータ11は、気象予報値に含まれる風速に風速補正係数を乗じた値、および、風速以外の気象予報値を関係モデルに入力し、発電量予測値Prを得る。風速補正係数Cwが、風力発電装置の20の劣化の影響を発電量の予測値に反映するためのポイントである。
風速補正係数Cwを得るための処理について説明する。コンピュータ11は、所定のプログラムを実行することで、風速補正係数Cwを得るための処理を実現する。
コンピュータ11は、風力発電装置20に備えられている風向風速計25の計測値(風速の計測値Vm)と、風力発電装置20の発電量の実績値Pmを過去の所定期間にわたって取得する。所定期間は、例えば1か月であったり、1年であったりする。先に述べたように、発電量の実績値Pmは、電力センサ29から得られる。コンピュータ11は、所定期間の間に気象予報値を関係モデルに入力して得られた発電量の予測値(発電量予測値Pr)も記憶する。
コンピュータ11は、取得した複数の計測値Vmの平均値(風速計測平均値Vm_ave)と、取得した複数の実績値Pmの平均値(発電量実績平均値Pm_ave)を算出する。また、コンピュータ11は、所定期間における発電量予測値Prの平均値(発電量予測平均値Pr_ave)を算出する。コンピュータ11は、発電量予測平均値Pr_aveと発電量実績平均値Pm_aveとの差分(発電量差dP)を算出する。
その後、コンピュータ11は、パワーカーブの関係を使って風速補正係数Cwを算出する。ここからは、図3を参照しつつ、コンピュータ11の処理を説明する。図3には、先に説明したパワーカーブが示されている。
パワーカーブは、図3に示すように、模式的には横軸に風速をとり縦軸に発電量をとったグラフで表される。風速が大きくなるほど発電量も大きくなる。ただし、風速が所定の値を超えると、発電量は頭打ちになる。複数の風力発電装置(複数のタワー21)の総発電量を管理する場合、パワーカーブの縦軸は、稼働中の複数の風力発電装置の総発電量を表す。
コンピュータ11は、パワーカーブを用いて風速計測平均値Vm_aveに対応する発電量(対応発電量Ps)を特定する。図3の破線矢印線Aが、対応発電量Psを求める処理を示している。次いで、コンピュータ11は、対応発電量Psから発電量差dPを減じた発電量(図3の発電量Pa)に対応する風速(対応風速Vs)を特定する。図3の破線矢印線Bが、対応風速Vsを求める処理を示している。
パワーカーブに基づくと、ブレード23に正対方向から吹いてくる風の速度が風速計測平均値Vm_aveのとき、対応発電量Psが得られるはずである(図3の破線矢印線B)。発電量の予測値と実績値のずれは発電量差dPである。対応発電量Psが得られると期待される一方で、発電量の期待値(対応発電量Ps)に対する実績値のずれが発電量差dPであるとみなす。このずれは、風力発電装置20の様々な劣化の結果で生じる。特に、風向風速計25の軸線とブレード23の回転軸とのずれの影響が大きい。風向風速計25の軸線が回転軸からずれると、風向風速計25が計測する風速と、ブレード23が正対方向から受ける風速に差が生じる。この風速の差が、関係モデルから得られる発電量予測値Prと、発電量の実績値(発電量実績値Pm)のずれ(劣化によるずれ)の要因であるとみなす。別言すれば、風速の差は、関係モデルから得られる発電量予測値Prと、発電量の実績値(発電量実績値Pm)のずれの風速換算値に相当する。
そこで、パワーカーブにおいて対応発電量Psから発電量差dPを減じた発電量(図3における発電量Pa)に対応する風速(対応風速Vs)が、風力発電装置20のブレードが実際に受ける風の速度(風速)であるとみなす。風速計測平均値Vm_aveを対応風速Vsに変換するための乗数が、風速補正係数Cwとして得られる。風速補正係数Cwは、対応風速Vsを風速計測平均値Vm_aveで除することで得られる(図3の数式1参照)。劣化の影響は風速補正係数Cwとして表される。
コンピュータ11は、こうして得られた風速補正係数Cwを、風速の気象予報値に乗じて関係モデルに入力し(風速以外の気象予報値はそのまま関係モデルに入力し)、発電量の予測値(発電量予測値Pr)を得る。風速補正係数Cwを導入することで、関係モデルを修正することなく、劣化の影響を反映した予測値を得ることができる。
風速補正係数Cwを求める処理は例えば1年に1回程度の頻度で繰り返し実行される。コンピュータ11は、それまでの風速補正係数Cwに今回の処理で得られた風速補正係数Cwを乗じた値を新たな風速補正係数として記憶する。
コンピュータ11は、実績値の全てを用いるのではなく、不適切な実績値を除くフィルタを実績値に適用して残った実績値を用いて風速計測平均値Vm_aveと発電量実績平均値Pm_aveを求めてもよい。図4にフィルタリング処理を説明する図を示す。図4のパワーカーブのグラフには、風速補正係数Cwを求めるのに適切な風速範囲(許容風速範囲Vt)と発電量範囲(許容発電量範囲Pt)が示されている。図4のばつ印群は過去の風速と発電量のデータ(実績値)を示している。データA1、A2は、許容風速範囲Vtから外れている。データA3、A4は、許容発電量範囲Ptから外れている。コンピュータ11は、過去の実績値から許容風速範囲Vtから外れるデータ(実績値)と許容発電量範囲Ptから外れるデータ(実績値)を除外し、残ったデータ(実績値)のみを使って風速計測平均値Vm_aveと発電量実績平均値Pm_aveを求める。極端な実績値、すなわち許容風速範囲Vtと許容発電量範囲Ptから外れた実績値を除き、残った実績値から風速計測平均値Vm_aveと発電量実績平均値Pm_aveを求め、それらの値を使って風速補正係数Cwを求めることで、発電量予測値Prの精度が向上する。
図4の場合は風速と発電量の双方に許容範囲を設定したが、いずれか一方のみ許容範囲を設定してもよい。コンピュータは、取得した計測値Vmと実績値Pmの組の中から、計測値Vmが所定の許容風速範囲から外れた組を除外して風速計測平均値Vm_aveと発電量実績平均値Pm_aveを算出するようにしてもよい。
コンピュータは、取得した計測値Vmと実績値Pmの組の中から、実績値Pmが所定の許容発電量範囲から外れた組を除外して風速計測平均値Vm_aveと発電量実績平均値Pm_aveを算出してもよい。
実施例で説明した技術に関する留意点を述べる。気象予報値と実際の気象データとのずれによっても発電量の予測値と実績値の間にずれが生じ得る。しかし、本明細書開示する発電量予測装置が用いる関係モデルは、気象データ(実際に生じた風速や風向のデータ)と発電量の関係を規定するものではなく、気象予報値と発電量の関係を規定するものである。従って気象予報値と気象データのずれは、過去の気象予報値に基づいて構築された関係モデルにすでに反映されている。それゆえ、発電量の予測値と実績値のずれが風力発電装置の劣化に起因するものであるとみなしてよい。
以上、本発明の具体例を詳細に説明したが、これらは例示に過ぎず、特許請求の範囲を限定するものではない。特許請求の範囲に記載の技術には、以上に例示した具体例を様々に変形、変更したものが含まれる。本明細書または図面に説明した技術要素は、単独であるいは各種の組合せによって技術的有用性を発揮するものであり、出願時請求項記載の組合せに限定されるものではない。また、本明細書または図面に例示した技術は複数目的を同時に達成し得るものであり、そのうちの一つの目的を達成すること自体で技術的有用性を持つものである。
10:発電量予測装置
11:コンピュータ
12:記憶装置
20:風力発電装置
21:タワー
22:ナセル
23:ブレード
24:発電機
25:風向風速計
11:コンピュータ
12:記憶装置
20:風力発電装置
21:タワー
22:ナセル
23:ブレード
24:発電機
25:風向風速計
Claims (4)
- 風力発電装置の発電量予測装置であり、
前記風力発電装置の地における風速等の気象予報値と発電量の関係を示す関係モデルと、前記風力発電装置のブレードが受ける風の速度と発電量との関係を示すパワーカーブを記憶している記憶装置と、
前記関係モデルに入力する風速の前記気象予報値に乗じる風速補正係数を算出するコンピュータと、
を備えており、
前記コンピュータは、
前記風力発電装置に備えられている風速計の計測値Vmと当該風力発電装置の発電量の実績値Pmを過去の所定期間にわたって取得し、
取得した複数の前記計測値Vmの平均値(風速計測平均値Vm_ave)と、取得した複数の前記実績値Pmの平均値(発電量実績平均値Pm_ave)を算出し、
前記所定期間において前記関係モデルを用いて得られた発電量の予測値(発電量予測値Pr)の平均値(発電量予測平均値Pr_ave)を算出し、
前記発電量予測平均値Pr_aveと前記発電量実績平均値Pm_aveとの差分(発電量差dP)を算出し、
前記パワーカーブを用いて前記風速計測平均値Vm_aveに対応する発電量(対応発電量Ps)を特定するとともに、前記対応発電量Psから前記発電量差dPを減じた発電量に対応する風速(対応風速Vs)を特定し、
前記対応風速Vsを前記風速計測平均値Vm_aveで除した値を前記風速補正係数として算出する、発電量予測装置。 - 前記コンピュータは、取得した前記計測値Vmと実績値Pmの組の中から、前記計測値Vmが所定の許容風速範囲から外れた前記組を除外して前記風速計測平均値Vm_aveと前記発電量実績平均値Pm_aveを算出する、請求項1に記載の発電量予測装置。
- 前記コンピュータは、取得した前記計測値Vmと実績値Pmの組の中から、前記実績値Pmが所定の許容発電量範囲から外れた前記組を除外して前記風速計測平均値Vm_aveと前記発電量実績平均値Pm_aveを算出する、請求項1または2に記載の発電量予測装置。
- 前記関係モデルは、過去の前記気象予報値と前記実績値Prを教示データとして機械学習により求められたものである、請求項1から3のいずれか1項に記載の発電量予測装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020063594A JP2021161932A (ja) | 2020-03-31 | 2020-03-31 | 風力発電装置の発電量予測装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020063594A JP2021161932A (ja) | 2020-03-31 | 2020-03-31 | 風力発電装置の発電量予測装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2021161932A true JP2021161932A (ja) | 2021-10-11 |
Family
ID=78002912
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020063594A Pending JP2021161932A (ja) | 2020-03-31 | 2020-03-31 | 風力発電装置の発電量予測装置 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2021161932A (ja) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102586116B1 (ko) * | 2022-11-30 | 2023-10-06 | 식스티헤르츠 주식회사 | 풍력 발전량 예측 방법 및 시스템 |
KR20240019546A (ko) * | 2022-08-04 | 2024-02-14 | 한국에너지기술연구원 | 기상 데이터를 이용한 풍력발전기 시계열 출력예측 방법 |
KR20240061340A (ko) * | 2022-10-31 | 2024-05-08 | 주식회사 브이피피랩 | 풍력 발전량 예측 방법 및 장치 |
KR102675567B1 (ko) | 2023-12-18 | 2024-06-14 | 주식회사 해줌 | 멀티기간 풍력 발전량 경향성을 반영하는 풍력 발전량 예측 시스템 |
-
2020
- 2020-03-31 JP JP2020063594A patent/JP2021161932A/ja active Pending
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20240019546A (ko) * | 2022-08-04 | 2024-02-14 | 한국에너지기술연구원 | 기상 데이터를 이용한 풍력발전기 시계열 출력예측 방법 |
KR102665051B1 (ko) * | 2022-08-04 | 2024-05-13 | 한국에너지기술연구원 | 기상 데이터를 이용한 풍력발전기 시계열 출력예측 방법 |
KR20240061340A (ko) * | 2022-10-31 | 2024-05-08 | 주식회사 브이피피랩 | 풍력 발전량 예측 방법 및 장치 |
KR102664614B1 (ko) | 2022-10-31 | 2024-05-09 | 주식회사 브이피피랩 | 풍력 발전량 예측 방법 및 장치 |
KR102586116B1 (ko) * | 2022-11-30 | 2023-10-06 | 식스티헤르츠 주식회사 | 풍력 발전량 예측 방법 및 시스템 |
KR102675567B1 (ko) | 2023-12-18 | 2024-06-14 | 주식회사 해줌 | 멀티기간 풍력 발전량 경향성을 반영하는 풍력 발전량 예측 시스템 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3263889B1 (en) | System and method for assessing farm-level performance of a wind farm | |
Dai et al. | Research on power coefficient of wind turbines based on SCADA data | |
JP2021161932A (ja) | 風力発電装置の発電量予測装置 | |
AU2017269206B2 (en) | System and method for forecasting power output of a wind farm | |
CN107667220B (zh) | 考虑疲劳量度的风力涡轮机控制 | |
EP3613982B1 (en) | Method for controlling operation of a wind turbine | |
US10385829B2 (en) | System and method for validating optimization of a wind farm | |
CN106795857B (zh) | 改善风力涡轮机中的转子的平衡的方法及风力涡轮机系统 | |
CN107810324B (zh) | 用于生成风力涡轮机控制时间表的方法和系统 | |
EP2955368A1 (en) | Optimal wind farm operation | |
CN107709765B (zh) | 用于生成风力涡轮机控制时间表的方法和系统 | |
CN110761945B (zh) | 风力发电机组的叶片失速控制方法及装置 | |
CN105574610B (zh) | 一种风力发电机组优化启动控制方法 | |
JP2019512057A (ja) | 等価風速を特定する方法 | |
CN111311021A (zh) | 一种风电场理论功率预测方法、装置、设备和存储介质 | |
EP3608538A1 (en) | Model-based repowering solutions for wind turbines | |
EP3812577A1 (en) | System and method for mitigating loads acting on a rotor blade of a wind turbine | |
CN108474350A (zh) | 运行风力涡轮机场的方法和系统 | |
CN108537372B (zh) | 一种风向预测方法及风力发电机组的偏航控制方法 | |
EP4060430A1 (en) | Systems and methods for operating power generating assets | |
KR101651414B1 (ko) | 풍력터빈의 성능 향상 시스템 및 그 방법 | |
CN113153657A (zh) | 风机发电率损失预测方法、系统、设备及介质 | |
US20230026286A1 (en) | Method for computer-implemented monitoring of a wind turbine | |
EP3406897B1 (en) | System and method for determining wind farm wake loss | |
Johansson | Operational validation of SIMLOX as a simulation tool for wind energy operations and maintenance (O&M) |