JP2023536331A - 所定空間に風力発電所を構築する方法 - Google Patents
所定空間に風力発電所を構築する方法 Download PDFInfo
- Publication number
- JP2023536331A JP2023536331A JP2023507573A JP2023507573A JP2023536331A JP 2023536331 A JP2023536331 A JP 2023536331A JP 2023507573 A JP2023507573 A JP 2023507573A JP 2023507573 A JP2023507573 A JP 2023507573A JP 2023536331 A JP2023536331 A JP 2023536331A
- Authority
- JP
- Japan
- Prior art keywords
- wind
- discrete
- turbine
- turbines
- positions
- 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
- 238000000034 method Methods 0.000 claims abstract description 87
- 238000009826 distribution Methods 0.000 claims abstract description 50
- 238000004590 computer program Methods 0.000 claims abstract description 6
- 238000004422 calculation algorithm Methods 0.000 claims description 80
- 238000004519 manufacturing process Methods 0.000 claims description 53
- 238000010276 construction Methods 0.000 claims description 14
- 238000004891 communication Methods 0.000 claims description 2
- 238000005457 optimization Methods 0.000 description 34
- 238000010586 diagram Methods 0.000 description 28
- 230000000694 effects Effects 0.000 description 11
- 238000004364 calculation method Methods 0.000 description 8
- 101150011873 Pdcd6 gene Proteins 0.000 description 6
- 238000009434 installation Methods 0.000 description 6
- 239000011159 matrix material Substances 0.000 description 6
- 238000011156 evaluation Methods 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 230000002068 genetic effect Effects 0.000 description 4
- 238000011144 upstream manufacturing Methods 0.000 description 4
- 102100024633 Carbonic anhydrase 2 Human genes 0.000 description 3
- 101000760643 Homo sapiens Carbonic anhydrase 2 Proteins 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000012937 correction Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000011437 continuous method Methods 0.000 description 2
- 238000013480 data collection Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 239000012530 fluid Substances 0.000 description 2
- 238000009472 formulation Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 230000008707 rearrangement Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000010845 search algorithm Methods 0.000 description 2
- 230000001932 seasonal effect Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 241000238557 Decapoda Species 0.000 description 1
- 241000196324 Embryophyta Species 0.000 description 1
- 241000220317 Rosa Species 0.000 description 1
- 241000109329 Rosa xanthina Species 0.000 description 1
- 235000004789 Rosa xanthina Nutrition 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000012447 hatching Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
Images
Classifications
-
- 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
- F03D7/00—Controlling wind motors
- F03D7/02—Controlling wind motors the wind motors having rotation axis substantially parallel to the air flow entering the rotor
- F03D7/04—Automatic control; Regulation
- F03D7/042—Automatic control; Regulation by means of an electrical or electronic controller
- F03D7/048—Automatic control; Regulation by means of an electrical or electronic controller controlling wind farms
-
- 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
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
-
- 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
- F03D13/10—Assembly of wind motors; Arrangements for erecting wind motors
-
- 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
- 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
- F05B2260/82—Forecasts
- F05B2260/821—Parameter estimation or prediction
- F05B2260/8211—Parameter estimation or prediction of the weather
-
- 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
-
- 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
-
- 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
- Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
- Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
-
- 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
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- General Engineering & Computer Science (AREA)
- General Business, Economics & Management (AREA)
- Sustainable Energy (AREA)
- Health & Medical Sciences (AREA)
- Entrepreneurship & Innovation (AREA)
- Mechanical Engineering (AREA)
- Marketing (AREA)
- Sustainable Development (AREA)
- Combustion & Propulsion (AREA)
- Tourism & Hospitality (AREA)
- Chemical & Material Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Geometry (AREA)
- Computer Hardware Design (AREA)
- Water Supply & Treatment (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- General Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Civil Engineering (AREA)
- Architecture (AREA)
- Structural Engineering (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Evolutionary Computation (AREA)
- Wind Motors (AREA)
Abstract
本発明は、所定空間において、所定数の風力タービンから風力発電所を構築する方法に関する。この方法は、1つは風速に関しもう1つは風向に関する2つの離散分布(RD1,RD2)と、所定空間の第1の離散格子(RD3)とを備える。この方法はまた、各離散風向における各離散風速値の生起確率(Prob)を含む。この方法は、所定空間における第1の風力タービン配置を使用し、その後、風力タービンの位置は、変更されるべき位置の周りでの離散位置(PDP_i)を決定することによって、1つずつ(i)変更される。選択された位置(Pos_i)は、風力発電所によって生成される年間エネルギーを最大化できる位置である。本発明はさらに、この方法を実施するコンピュータープログラム製品、及びこの方法で得られる風力発電所に関する。
Description
本発明は、所定空間に風力発電所を構築する方法に関する。
環境上の課題を解決するために風力発電所が登場してきている。これらの風力発電所は、境界を定められた空間内で互いに離れて配置されたいくつかの風力タービンによって構成される。この境界を定められた空間は、陸上であっても海上であってもよい。かくして陸上(オンショア)風力発電所と洋上(オフショア)風力発電所つまり海にある風力発電所とは区別される。
これらの発電所の風力タービンは、タービンによって回収されるエネルギーを最大化するために、一般に、水平回転軸を風の方向に向けるシステムを備えた水平軸風力タービンである。風力タービンは、自動的にそれ自身の向きを風の方向に変えるように設計されている場合もある。
垂直軸風力タービンも知られており、風の方向に向きを合わせる必要がないという利点を有する。
風力発電所では、タービンによって生成された後流が、タービンの下流の風速を低下させ、これにより他のタービン、特にこれらの後流を生成するタービンの下流にあるタービンによって回収されるエネルギーが減少させる効果を有する可能性がある。したがって、発電所内の風力タービンの位置は、発電所によって回収されるエネルギーを最大化するために重要である。
さらに、風力発電所を設置するために選択された場所では、局地的な風の特性が変化する場合がある。実際、風向及び風速は、考慮されている場所において時間の経過とともに変化する可能性がある顕著なパラメータである。特にこれらの特性は、選択された場所での風力資源を特徴付けるのに十分な統計データを取得するために、規定された場所に配置されてその場所に数か月または数年間にわたって維持されるセンサーによって、取得することができる。これらのセンサーは特に、タービンが被る風(すなわち、例えば実質的にローター軸の高さにある風)を特徴付けるのに十分な高度(地上から100m程度)に配置された風速計である場合がある。風データは、LiDAR(英語ではLight Detection And Ranging(光検出と測距))技術を使用して取得することもできる。
発電所として検討されている場所での風の統計的知識により、風速分布、風向分布、及び所与の方向においてある風速が同時に発生する確率を特に取得することができる。
したがって、発電所で生産される年間エネルギーを最大化するには、発電所用に計画された場所において最適な形態でタービンの位置を定める必要がある。
「年間生産エネルギー」または「年間エネルギー生産量」は、発電所によって、したがって発電所のすべての風力タービンによって生産される総平均エネルギーであると理解される。統計的な風データ(風速及び風向の分布、生起確率)を考慮して推定されるこの平均エネルギーは、結果を歪めるおそれがある季節的な影響を避けるために、1年という期間に基づいており、用語「年間」が用いられている。実際、風は、その速度や方向が何であれ、季節によって大きく変化する。
平均エネルギーは、風向分布と、風速分布と、所与の方向での風速の生起確率とを知ることによって得られる。
もちろん、生産される年間エネルギーは、選択された風力タービンにも依存する。
発電所のために選択された場所での風力タービンの的確な配置を決定するために、いくつかの方法が開発されている。
特許出願CN 105 119 320(特許文献1)は、進化アルゴリズムに基づく方法に関連する。この種のアルゴリズムは確率論的であって、ランダムなプロセスを使用する。この種のアルゴリズムは、結果を得るために多数の試行を必要とし、かなりの計算時間を発生させるため、大容量のコンピューターメモリを必要とする。
特許出願CN 102 142 103A(特許文献2)、CN 105 139 269(特許文献3)及びUS 2016-171401(特許文献4)は、遺伝的アルゴリズムに基づく風力タービンの位置決定方法に関連する。遺伝的アルゴリズムは、進化的アルゴリズムの1つの種類である。それらは、可能性のある(連続した)実際のデータからの多数の評価とそれらの評価の交叉とを必要とする。したがって遺伝的アルゴリズムは複雑であり、かなりの計算時間と大容量のコンピューターメモリとを必要とする。
以下の文献に記載されている方法も知られている。
-「3次元ガウス後流モデルを使用した風力発電所レイアウトの最適化(Wind farm layout optimization with a three-dimensional Gaussian Wake model)」Taoら、Renewable Energy、2020年6月9日(非特許文献1):この方法では、計画された発電所の場所を長方形で区切る必要がある。換言すればこの方法は、非凸または非結合空間を含む発電所には適していない。
-「風力発電所レイアウト最適化のための連続随伴定式化(Continuous adjoint formulation for wind farm layout optimization)、Antoniniら、Applied Energy、2018年7月25日(非特許文献2):この方法は、後流効果を評価する解析的方法に基づいている。したがってこの方法は、CFD(計算流体力学)演算に基づく連続最適化方法であり、長い計算時間と大容量のコンピューターメモリを必要とする。
-「風力タービンの配置を最適化するための高速かつ効果的な局所的探索アルゴリズム(A fast and effective local search algorithm for optimizing the placement of wind turbines)、Wagnerら、Renewable Energy、2012年10月10日(非特許文献3):この方法を適用するためには、場所が長方形で区切られている必要がある。したがって、非凸形状または非結合形状の場所には適していない。
-「ランダム探索を使用して風力発電所のレイアウト最適化問題を解決する(Solving the wind farm layout optimization problem using random search)」、Feng及びShen、Renewable Energy、2015年1月20日(非特許文献4):この方法では、場所が多面体で区切られている必要がある。したがって、非結合形状の場所には適していない。
-「実現可能性を保証する貪欲でロバストな風力発電所レイアウトの最適化(Greedy robust wind farm layout optimization with feasability guarantee)」、QuanとKim、Engineering Optimization、2018年9月6日(非特許文献5):この方法は、次のタービンの位置を決定するために、その場所に既に配置されている風力タービンから最小距離にあるすべての位置を考慮に入れる貪欲なアルゴリズムに基づいている。したがってこの方法は、特に発電所用に選択された場所の離散化が細かい場合、風力タービンを配置すべき空間が大きい場合、及び/または配置すべきタービンの数が多い場合には、長い計算時間と大きなコンピューターメモリを必要とする。
Tao et al., "Wind farm layout optimization with a three-dimensional Gaussian Wake model," Renewable Energy, 2020年6月9日
Antonini et al., "Continuous adjoint formulation for wind farm layout optimization," Applied Energy, 2018年7月25日
Wagner et al., A fast and effective local search algorithm for optimizing the placement of wind turbines, Renewable Energy, 2012年10月10日
Feng and Shen, "Solving the wind farm layout optimization problem using random search," Renewable Energy, 2015年1月20日
Quan and Kim, Greedy robust wind farm layout optimization with feasability guarantee, Engineering Optimization, 2018年9月6日
Katic, Hojstrup and Jensen, "A simple model for Cluster Efficiency," EWEC 1986
Jensen, "A note on wind generator interaction," DTU, 1983
したがって本発明によって解決されるべき技術的問題は、必要な計算時間とコンピューターメモリとを最小限に抑えながら風力発電所によって生成される総エネルギー最大化するために、非凸及び/または非連結ゾーンなどの複雑な形状の場所における風力タービンの最適な位置決定を可能にする、風力発電所の構築方法を開発することにある。
したがって本発明は、所定数の風力タービンから所定空間において風力発電所(英語ではwind turbine farmまたはwind farm)を構築する構築方法に関する。この構築方法は、第1の離散風速分布と、第2の離散風向分布と、第1及び第2の離散分布の各風向値及び各風速値の生起確率とを含む。さらに、所定空間は第1の離散格子に分割されている。方法は、少なくとも、以下の一連のステップa)~c)を含む:
a)第1の位置決定アルゴリズムによる、所定空間の第1の離散格子における第1の風力タービン配置を決定するステップ;
b)第1の位置決定アルゴリズムによって決定された風力タービン位置を修正するときの連続する順序を定め、次いで、定められた連続する順序によって、再配置されるべき少なくとも1つの風力タービンの1つずつに対して、少なくとも以下のステップb1)~b4)を繰り返し実行するステップ;
b1)再配置されるべき風力タービンごとに、再配置されるべきタービンの新しい可能な離散位置を決定するステップ;
b2)第1の離散風速分布と第2の離散風向分布と生起確率とから、再配置されるべき風力タービンの可能な離散位置ごとに、所定数の風力タービンの平均年間エネルギー生産量を計算するステップ;
b3)計算された年間エネルギー生産量の最大値に対応する、再配置されるべき風力タービンの位置を選択し、再配置されるべき風力タービンをそこに配置するステップと、
b4)再配置されるべきタービンのみが状態b3)に基づいて既に移動している配置に対応する所定空間内での風力タービンの新しい配置を定めるステップ;
c)得られた最後の配置に対応する最終決定位置を決定するステップ。
a)第1の位置決定アルゴリズムによる、所定空間の第1の離散格子における第1の風力タービン配置を決定するステップ;
b)第1の位置決定アルゴリズムによって決定された風力タービン位置を修正するときの連続する順序を定め、次いで、定められた連続する順序によって、再配置されるべき少なくとも1つの風力タービンの1つずつに対して、少なくとも以下のステップb1)~b4)を繰り返し実行するステップ;
b1)再配置されるべき風力タービンごとに、再配置されるべきタービンの新しい可能な離散位置を決定するステップ;
b2)第1の離散風速分布と第2の離散風向分布と生起確率とから、再配置されるべき風力タービンの可能な離散位置ごとに、所定数の風力タービンの平均年間エネルギー生産量を計算するステップ;
b3)計算された年間エネルギー生産量の最大値に対応する、再配置されるべき風力タービンの位置を選択し、再配置されるべき風力タービンをそこに配置するステップと、
b4)再配置されるべきタービンのみが状態b3)に基づいて既に移動している配置に対応する所定空間内での風力タービンの新しい配置を定めるステップ;
c)得られた最後の配置に対応する最終決定位置を決定するステップ。
続いて、前記風力発電所(英語ではwind turbine farmまたはwind farm)は、風からエネルギー、例えば電力を生成するために、所定空間の物理的な敷地における前記最終配置の決定された位置に前記風力タービン(所定数の風力タービン)を立設(設置/建設)ことによって建設される。
本発明はまた、上で定義された方法を実施するコンピュータープログラム製品と、上で定義された方法を使用して得られる風力発電所とにも関する。
本発明は、風力発電所を構築する方法に関し、風力発電所を構築する方法は、第1の離散風速分布と、第2の離散風向分布と、前記第1及び第2の離散分布の各離散風向値における各離散風速値の生起確率とを含み、前記所定空間は第1の離散格子に分割されている。この方法では、少なくとも、以下の一連のステップa)~c)が実行される:
a)第1の位置決定アルゴリズムによる、前記所定空間の第1の離散格子における前記風力タービンの第1の配置を決定するステップ;
b)第1の位置決定アルゴリズムによって決定された風力タービン位置を修正するときの連続する順序を定め、次いで、定められた連続する順序によって、再配置されるべき少なくとも1つの風力タービンの1つずつに対して、少なくとも以下のステップb1)~b4)を繰り返し実行するステップ;
b1)再配置されるべき風力タービンごとに、再配置されるべきタービンの新しい可能な離散位置を、少なくとも第1の所定の長さの格子を展開することによって決定するステップであって、ここで格子は、再配置されるべきタービンの位置に中心が配置され、格子は事前に定められた数のセルに分割されており、前記新しい可能な離散位置はセルの交点を含み、セルの交点は前記所定空間内であって他の風力タービンの位置から最小距離にあるステップ;
b2)前記第1の離散風速分布と前記第2の離散風向分布と前記生起確率とから、再配置されるべき風力タービンの可能な離散位置ごとに、所定数の風力タービンの平均年間エネルギー生産量を計算するステップ;
b3)ステップb2)で計算された年間エネルギー生産量の最大値に対応する、再配置されるべき風力タービンの位置を選択するステップ;
b4)前記所定空間内での風力タービンの新しい配置を定めるステップ;
c)風力からエネルギーを生成するために、得られた最後の配置に対応する最終決定位置を決定し、前記所定空間の物理的な敷地内の最終的な配置の決定された位置に所定数の風力タービンを建てることによって前記風力発電所を構築するステップ。
a)第1の位置決定アルゴリズムによる、前記所定空間の第1の離散格子における前記風力タービンの第1の配置を決定するステップ;
b)第1の位置決定アルゴリズムによって決定された風力タービン位置を修正するときの連続する順序を定め、次いで、定められた連続する順序によって、再配置されるべき少なくとも1つの風力タービンの1つずつに対して、少なくとも以下のステップb1)~b4)を繰り返し実行するステップ;
b1)再配置されるべき風力タービンごとに、再配置されるべきタービンの新しい可能な離散位置を、少なくとも第1の所定の長さの格子を展開することによって決定するステップであって、ここで格子は、再配置されるべきタービンの位置に中心が配置され、格子は事前に定められた数のセルに分割されており、前記新しい可能な離散位置はセルの交点を含み、セルの交点は前記所定空間内であって他の風力タービンの位置から最小距離にあるステップ;
b2)前記第1の離散風速分布と前記第2の離散風向分布と前記生起確率とから、再配置されるべき風力タービンの可能な離散位置ごとに、所定数の風力タービンの平均年間エネルギー生産量を計算するステップ;
b3)ステップb2)で計算された年間エネルギー生産量の最大値に対応する、再配置されるべき風力タービンの位置を選択するステップ;
b4)前記所定空間内での風力タービンの新しい配置を定めるステップ;
c)風力からエネルギーを生成するために、得られた最後の配置に対応する最終決定位置を決定し、前記所定空間の物理的な敷地内の最終的な配置の決定された位置に所定数の風力タービンを建てることによって前記風力発電所を構築するステップ。
本発明の一実現例に基づけば、第1及び第2の離散分布と、第1及び第2の離散分布の各風向における各風速の生起確率とを決定するために、ステップa)に先立って、好ましくはLiDARセンサーである収集手段によって統計的な風データが収集される。
一構成によれば、前記所定空間は2次元である。
好ましくは連続する順序は、ランダムに得られる。
好ましくは、反復ごとに連続する順序を変更して、ステップb2)が数回反復される。
より好ましくは、ステップb)の反復ごとに、前回の反復の第1の所定の長さよりも短い第1の所定の長さが選択され、反復の相互間で前記所定数は同じであり、ステップb)の反復は第1の所定の長さが第1の閾値未満になると停止される。
発明の一実現例によれば、前記所定空間は非結合ゾーンを含む。
発明の一変形例によれば、前記所定空間は非凸ゾーンを含む。
有利には、前記第1の位置決定アルゴリズムは、少なくとも、
第1の風力タービンの位置を任意に定めるステップと、
次いで、配置されるべき風力タービンごとに、配置されるべき風力タービンのための前記第1の離散格子内の可能な位置を定めることと、前記第1の離散風速分布と前記第2の離散風向分布と前記生起確率とから、配置された風力タービンと定められた可能な位置に対して配置されるべきタービンとの年間エネルギー生産量を計算することと、計算された最大の年間エネルギー生産量に対応する、配置されるべき風力タービンの位置を選択することとを連続して実行するステップと、
前記所定空間内での所定数の風力タービンの位置に対応する前記第1の配置を決定するステップと、
を実行し、
前記可能な位置は、すべての配置されたタービンから最小距離と最大距離との間に位置する前記第1の離散格子の離散位置、及び/または、すべての配置されたタービンから前記最小距離に位置する、所定空間の境界の離散位置を含んでいる。
第1の風力タービンの位置を任意に定めるステップと、
次いで、配置されるべき風力タービンごとに、配置されるべき風力タービンのための前記第1の離散格子内の可能な位置を定めることと、前記第1の離散風速分布と前記第2の離散風向分布と前記生起確率とから、配置された風力タービンと定められた可能な位置に対して配置されるべきタービンとの年間エネルギー生産量を計算することと、計算された最大の年間エネルギー生産量に対応する、配置されるべき風力タービンの位置を選択することとを連続して実行するステップと、
前記所定空間内での所定数の風力タービンの位置に対応する前記第1の配置を決定するステップと、
を実行し、
前記可能な位置は、すべての配置されたタービンから最小距離と最大距離との間に位置する前記第1の離散格子の離散位置、及び/または、すべての配置されたタービンから前記最小距離に位置する、所定空間の境界の離散位置を含んでいる。
発明の一態様によれば、任意の位置は、前記第1の離散格子の位置の座標の最大和に対応する。
本発明は、コンピューター手段から上述の方法を実行するコンピュータープログラム製品にも関する。
またさらに本発明は、上述の風力発電所を構築する方法から得られる風力発電所にも関する。
本発明による方法及びシステムの他の特徴及び利点は、添付の図面を参照して、非限定的な例として与えられる実施形態の以下の説明を読むことによって明らかになるであろう。
本明細書を読みやすくするために、いくつかの定義を以下に説明する。
貪欲なアルゴリズム(英語ではgreedy algorithm)は、段階的に局所最適化を展開することにあるアルゴリズムであると理解される。風力発電所の場合、すべての風力タービンが所定空間に配置されるまで各タービンを次々に配置することにある。
進化的アルゴリズムは、より良い結果を得るために解の集合を進化させることからなる、生物に着想を得たアルゴリズムであると理解される。したがってそれは確率論的であり、ランダムなプロセスを繰り返し使用する。
遺伝的アルゴリズムは、自然淘汰の概念を使用した進化的アルゴリズムであると理解される。特にこの種のアルゴリズムは、結果を改善するために、以前の解のいくつかのパラメータを組み合わせたり変更したりすることができる。
非結合ゾーン(zones non connexes)は、対象となっているゾーンに完全に含まれる連続した経路では接続できない点が少なくとも2つあるゾーンであると理解される。一方、結合ゾーン(zone connexe)は、点の各対がゾーン内に完全に含まれる連続した経路によって接続されているゾーンである。
凸状ゾーン(zone convexe)は、このゾーンの任意の2点を接続する線分がすべて完全にこのゾーンに含まれるゾーンであると理解される。例えば、円、正方形または長方形が凸状ゾーンの境界を定める。
反対に非凸ゾーン(zone non convexe)は、ゾーンに完全には含まれていない線分によって接続された少なくとも2つの点が存在するゾーンである。例えば、同心の外側の円と内側の円とによって境界が定められたゾーンは凸状ではない。
本発明は、所定空間内に所定数の風力タービンを配置する方法、または風力発電所を構築する方法に関し、配置または風力発電所を構築する方法は、第1の離散風速分布と、第2の離散風向分布と、前記第1及び第2の離散分布の各離散風向値における各離散風速値の生起確率とを含み、所定空間が第1の離散格子に分割されている。離散格子は、所定の空間が例えば長方形または正方形の形状の断片に分割されていることを意味すると理解され、離散格子はこの格子によって決定される点から構成される。例えば第1の離散格子は、断片の境界を定める点(例えば、各長方形または正方形の断片の4点)及び/または断片の交点、及び/または格子セルの中心(例えば正方形または長方形の断片の中心)から構成することができる。
風速、風向に離散値を使用し所定空間の第1の離散格子の離散点を使用すると、連続実データを使用する方法と比較して、方法を簡素化し、計算時間を加速し、必要なコンピューターメモリを制限することができる。実際、連続した実データ(連続法については後述する)は無限個の解を提供するが、離散値は、可能な組み合わせの数を制限することを可能にする(組み合わせ法については後述する)。したがって、第1及び第2の離散分布と第1の離散格子とを組み合わせることにより、位置を決定するために必要な計算時間を制限しながら、所定空間にさまざまな風力タービンを配置する際の良好な精度を得ることができる。
各風向における各風速の生起確率は、特に平均年間エネルギー生産量の計算に使用される。この確率は、特に、所定空間に対応する風配図(rose de vents)から得ることができ、この風配図は当業者にはよく知られている。風配図は特に、十分な高度(実質的に風力タービンのハブの高さにあるように例えば80m以上120m以下)のマストに配置された風速計などの風速及び風向の収集手段を使用して、または、地面近くに配置されて垂直方向に向けられたLiDAR(英語では「Light detection and ranging(光検出と測距)」)センサを用いて、生成することができる。この収集手段は、季節による風特性の変動を考慮に入れることができるように、長期間にわたって、数か月、理想的には1年以上にわたって定位置に維持される。換言すればこの方法は、所定空間の物理的な敷地での風データを収集するために、風速計、測定マスト、またはより有利にはLiDARセンサーまたは任意の同様の手段などの収集手段をその物理的な敷地に所定の期間設置するステップを含むことができる。四季に関連したデータを得るために、所定のデータ収集期間は少なくとも1年とすることができる。このように少なくとも1つの収集手段からの統計的な風データ収集のステップを設けることができる。
この方法では、少なくとも次の一連のステップa)~c)が実行される。
a) 第1の位置決定アルゴリズムによって、所定空間の第1の離散格子における風力タービンの第1の配置を決定するステップ。好ましくはこの第1の測位アルゴリズムは、大きな年間エネルギー生産を可能にする第1の分布を得ることを可能にする最適化アルゴリズムであることができる。有利なことにこの第1の位置決定アルゴリズムは、生成される年間エネルギーを最大化するように各風力タービンを次々に位置決めする貪欲なアルゴリズムであることができる。1番目の風力タービンは、(第1の離散格子の離散値において)所定空間内に任意に配置することができる。2番目の風力タービンは、2つのタービンの年間エネルギー生産量を最大化できるように、第1の離散格子の離散位置に配置されるであろう。n番目の風力タービンに選択される位置は、n個のタービンの年間エネルギー生産量を最大化することができる、第1の離散格子の離散位置に対応する。貪欲なアルゴリズムを使用すると、以下のステップb)の局所探索最適化法を初期化できる、所定空間内の風力タービンの第1の配置を単純な方法で取得することができる。
b) 第1の位置決定アルゴリズムによって決定された風力タービンの位置の修正するときの連続する順序を定め、その後、定められた順序によって、再配置されるべき少なくとも1つの風力タービン(好ましくは、所定の数のタービンのうちのすべての風力タービン)の1つずつに対して、少なくとも以下のステップb1)~b4)を繰り返し実行するステップ。
b1) 再配置されるべき風力タービンごとに、再配置されるべきタービンの新しい可能な離散位置を、少なくとも第1の所定の長さ(例えば、格子は第1の正方形であってよく、その第1の所定の長さは第1の正方形の辺に対応する)の格子を展開することによって決定するステップ。格子は、再配置されるべきタービンの位置を中心とし(これによって、再配置されるべきタービンの位置は、例えば、第1の正方形の中心に対応する)、格子は、事前に定められた数のセルに分割されており(セルは例えば第2の正方形であってもよい)、新しい可能な離散位置は、所定空間内に位置してかつ他の風力タービンの位置から最小距離にある(例えば第2の正方形の)セルの交点を含む。換言すれば、ここで求められるものは、再配置されるべき風力タービンの近くにあって、タービンが設置され得る位置である。したがって、他のタービンに近すぎる位置や、所定空間の外側(風力タービンの設置のために設けられたゾーンの外側)の位置は除去される。計算時間を不必要に増加させかつ使用されるコンピューターメモリの負荷を増すことをもたらすであろう連続した実際の位置を使用する場合に比べ、格子(例えば第1の正方形)を使用すると、再配置されるべきタービンの近傍に大域的に境界を定めることができ、格子(例えば第1の正方形)をセルに分割すると、この近傍の離散位置を取得することを可能にする。さらに、セルの離散化は第1の離散格子の離散化よりも有利に精細にできるので、第1の離散格子に基づく第1の配置において得られる位置決めよりも、風力タービンを再配置するためにより正確な局所精度を得ることができる。好ましくは最小距離はタービンローターの直径の2倍よりも大きく、より好ましくはタービンローターの直径の4倍よりも大きい。
b2) 第1の離散風速分布、第2の離散風向分布及び生起確率から、再配置されるべき風力タービンの可能な離散位置ごとに、所定数の風力タービンの平均年間エネルギー生産量を計算するステップ。もちろん、年間のエネルギー生産量を計算するためには、風力タービンの特性、特にローターの受風面積と出力係数が必要である。この年間エネルギー生産量は、下流または隣接するタービンの電力損失を引き起こす可能性がある、タービンによって生成される後流効果も考慮に入れている。
b3) ステップb2)で計算された年間エネルギー生産量での計算された最大値に対応して、再配置されるべき風力タービンの(離散)位置を選択するステップ。
b4) 所定空間内の風力タービンの新しい配置を定めるステップ。この新しい配置は、再配置されたタービンの変更された位置と、再配置されるべきタービンの変更された位置とを含む。
c) 風からエネルギーを生成するための風力発電所を得るために、得られた最後の配置に対応する最終的な位置を決定し、最終的な配置がひとたび決定されると、所定空間(所定空間の物理的な敷地)内に最終的な配置に従って風力タービンを建設するステップ(言い換えると、風力発電所は、所定空間、すなわち所定空間の物理的な敷地内に、最終的な配置の位置に風力タービンを設置することによって構築され、前記風力発電所は、風からエネルギー、例えば電気を生成するようになる。
換言すれば、ステップb)は、再配置されるべき風力タービンの初期位置の周りの離散値に基づく局所探索最適化方法である。実際、タービンの位置は、ステップb)で得られた第1の配置から、タービンを配置できるであろう離散位置を初期位置の周りで局所的に(すなわち、他の風力タービンよりも小さな距離で位置する離散位置と、境界または所定空間の外側にある離散位置を除外して)探索することによって、1つずつ修正される。局所的探索の最適化は、新しい可能な配置ごとに、生成される年間エネルギーを評価することによって構成される。つまり局所的探索の最適化は、再配置されるべき風力タービン以外のすべての風力タービンの位置を維持し、再配置されるべきタービンの可能な離散位置を考慮することによって構成される。選択された位置は、生産される年間エネルギーを最大化する位置である。ひとたび位置が選択されると、この位置は、再配置されるべき次のタービンのために維持される。換言すれば、タービン位置の修正を継続するために、既に修正されたタービン位置に基づく新たな配置が使用される。
ステップc)は、風力タービンによって回収される総エネルギーを最大化するようにタービン位置の最適化がなされている風力発電所を建設することを可能にする。
したがって本発明に基づき所定空間内に風力タービンを配置するまたは風力発電所を構築する方法は、純粋な組み合わせアプローチに基づく最適化を使用する。
ステップa)及びb)は、コンピューター手段、特にコンピューター、携帯電話またはタブレットによって実施することができる。
一実施形態によれば、年間エネルギー生産量は、以下の式を使用して推定することができる。
ここでaepは風力発電所の年間エネルギー生産量であり、
は、風速wsごと及び風向wpごとに(所定空間内の所定数の風力タービンによって)風力発電所によって生成される総電力の期待値である。したがって風力発電所によって生成される総電力は、たとえばワイブル(Weibull)分布によって、各風向wpでの各風速wsの統計的分布を考慮に入れる。
風力タービンのローターが風向wpに直交する面に系統的に配向されている場合、風力発電所によって生成される総電力は次のように表すことができる。
ここで、Nは所定空間内の発電所の風力タービンの所定数、Pfは各風向wpでの各風速wsに対して発電所内の各タービンfによって供給される瞬時電力である。
いくつかの風力タービンローターが、風向wpに直交する平面からずれた平面内にある場合(つまり、風力タービンが風に面して配置されておらず、風からずれている場合)、ずれの影響を考慮するために補正係数を考慮に入れることができる。この補正係数は、特にCFD(数値流体力学(英語ではComputational Fluid Dynamics))シミュレーションから取得できる。
風力発電所内の各風力タービンfの瞬時電力Pfは以下のように記述できる。
ここで、ρは空気の密度、Sはタービンfのローターによって掃引される面積、vf(ws)はタービンfのローターでの風速、Cpfはローターでの風速vf(ws)に依存するタービンfの出力係数である。出力係数Cpfはタービンfの特性である。
実際、タービンfの上流及び/または側方に配置された風力タービンの後流効果は、タービンfのエネルギー生産に影響を与える可能性がある。この後流は、タービンfでの風速低下及び/または風の乱れた流れを発生させる可能性がある。これらの後流効果の影響は、タービンローターでの速度vfが速度wsにもはや対応しなくなり、出力係数Cpfも影響を受けることである。
上記の式で考慮された後流効果の影響は、特に後流モデルに基づくことができる。これらの後流モデルは、特に次のことを示すことができる:
- 上流のタービンからの後流による、タービンfの上流での風速の減少。当業者に知られているそのようなモデルは、ジェンセン(Jensen)後流モデルである(刊行物「クラスター効率のための単純なモデル(A simple model for Cluster Efficiency)」、Katic、Hojstrup及びJensen、EWEC 1986、特にパラグラフ2.1(非特許文献6)に記載されている);
- 風の乱流強度の増加;
- 及び/または、刊行物「風力発電機の相互作用に関するメモ(A note on wind generator interaction)」、Jensen、DTU、1983(非特許文献7)に記載されているような、単一のタービンf上でのいくつかの上流のタービンの後流の重ね合わせ。この後流の重ね合わせは、前述の刊行物におけるような速度低下の効果、及び/またはいくつかの後流の風の乱流強度の効果を組み合わせることができる。
- 上流のタービンからの後流による、タービンfの上流での風速の減少。当業者に知られているそのようなモデルは、ジェンセン(Jensen)後流モデルである(刊行物「クラスター効率のための単純なモデル(A simple model for Cluster Efficiency)」、Katic、Hojstrup及びJensen、EWEC 1986、特にパラグラフ2.1(非特許文献6)に記載されている);
- 風の乱流強度の増加;
- 及び/または、刊行物「風力発電機の相互作用に関するメモ(A note on wind generator interaction)」、Jensen、DTU、1983(非特許文献7)に記載されているような、単一のタービンf上でのいくつかの上流のタービンの後流の重ね合わせ。この後流の重ね合わせは、前述の刊行物におけるような速度低下の効果、及び/またはいくつかの後流の風の乱流強度の効果を組み合わせることができる。
後流モデルは、CFD計算からも決定できる。
好ましくは、定められた連続する順序は、例えば貪欲なアルゴリズムを介して第1の配置を得るために風力タービンが配置された順序とは異なる。かくして最適化の精度が向上する。ステップb)は、所定空間内で各風力タービンの位置を最適化するための第2のアルゴリズムに対応する。
c)得られた最後の配置に対応する最終的な配置が決定される。最終的な配置は、ステップb)において風力タービンがすべて再配置された後の風力タービンの位置に対応する。したがって最終的な配置は、所定空間内で所定数のタービンによって生成される年間エネルギーを改善するように、第1の配置を最適化することを表す。
最終的な配置が見出されると、風力発電所を得るために風力タービンは、所定空間内で最終的な配置にしたがって構築することができる。このように構築された風力発電所は、所定空間の物理的な敷地内で風から生成及び回収される総エネルギーを最大化することを可能にする。
有利なことに所定空間は、二次元であることができる。したがって海面からの地面の高度は考慮されない。言い換えれば、風力タービンの設置にあたって標高差における変動は無視される。これにより、十分な精度を確保しながら計算を単純化できる。
好ましくは、連続する順序はランダムに得ることができる。実際、連続する順序にランダム関数を使用することで、最適化結果に偏りをもたらす可能性がある、事前に確立された順序に基づく最適化経路を回避しながら、最適化の品質が向上する。
本発明の一実施形態によれば、定められた数は、整数の二乗の倍数(好ましくは、整数の二乗の倍数の4倍)とすることができる。したがって再配置されるべき風力タービンの離散位置は、再評価される可能性のある離散位置の1つである。実際、整数の2乗の倍数の4倍を使用すると、(例えば第1の正方形の)格子の第1の対称軸に対応するセルの第1の交線(例えば垂直線)と、格子の第2の対象軸に対応するセルの第2の交線(例えば水平線)とを有することによって、二次元内で格子を離散化することを可能にする。
したがって事前に確立された数は、特に、4、16、25、64、100などの値を取ることができる。
本発明の好ましい構成によれば、ステップb)は数回繰り返すことができる。かくして風力タービンを再配置するためのいくつかの局所的探索最適化ループが実行され、さらに年間エネルギー生産量を改善する。
好ましくはステップb)の反復ごとに、タービン位置の修正における連続する順序を修正することができる。かくして局所的再配置探索が改善される。毎回、連続する順序がランダムに取得されるときは、いくつかの最適化経路(最適化経路は、定められた連続する順序によって影響を受ける再配置の漸進的な最適化であると理解される)の影響が回避される。したがって、生産される年間エネルギーを増加させることができる。
本発明の有利な実現形態によれば、ステップb)の反復ごとに、以前の反復での第1の所定の長さよりも短い第1の所定の長さを選択することができ、所定数は反復ごとに同じであり、ステップb)の反復は、第1の所定の長さが第1の閾値未満になったときに停止することができる。したがってステップb)の反復ごとに、再配置されるべき風力タービンの位置を改善することが望まれる局所的近傍は、以前の反復に比べて縮小する。さらに、定められた数は反復ごとに不変であるため、近傍の離散化は反復ごとにますます細かくなる。したがってタービン位置の精度は徐々に改善される。第1の閾値を定めることにより、年間エネルギー生産量(または計算の不確実性範囲に含まれるであろう利得)に対して顕著な増加がこれ以上期待できないような、タービンの設置に十分な水準での位置精度で、反復を停止できる。例えば、第1の閾値は、計算時間、使用されるコンピューターメモリ、位置精度及び年間エネルギー生産利得の間の良好な妥協点を得るために、1mから10mの間、好ましくは4mから6mの間の範囲とすることができる。
有利なことに所定空間は、非結合ゾーンを含むことができる。したがって、所定空間は、風力タービンの設置を意図した実際の場所、例えば、高速道路などのかなりの幅(数メートルまたは数十メートル)の道路によって分離された2つのゾーンを含む場所に計画された発電所に対応することができる。
好ましくは所定空間は、非凸ゾーンを含むことができる。かくして所定空間は、丘陵または険しい崖、海岸線、小川、川、もしくは任意の他の水域によって区切られた空間など、複雑な形状の実際の場所に対応することができる。洋上では、所定空間は、例えば、水深、土壌の性質、他国との国境、航行水路、ケーブルまたはパイプラインの敷設を考慮して特に決定できる非凸ゾーンを含むことができる。
本発明の一実施形態によれば、第1の位置決定アルゴリズムは、少なくとも以下のステップを実行することができる。
- 1番目の風力タービンの位置を任意に定めるステップ。したがって1番目のタービンの位置は第1の離散格子の離散値で選択される。
- 次に、配置されるべき風力タービンごとに、連続して(1つずつ)以下のことを実行するステップ:
- 風力タービンを配置するための第1の離散格子内の可能な位置を定めること。可能な位置は、位置決定されたすべてのタービンから最小距離と最大距離(例えば、最大距離は、風力タービンの直径の少なくとも4倍、好ましくはタービンの直径の少なくとも8倍)との間で位置する第1の離散格子の離散位置、及び/または、位置決定されたすべてのタービンから最小距離で位置する離散位置を含んでいる。換言すれば、次のタービンが有利に配置されるであろう第1の離散格子の位置が選択される。したがって、選択された位置を定めるために必要な演算回数とコンピューターのメモリと限定され、これにより計算を高速化できる。また、既に配置されている風力タービンから最小距離と最大距離との間の位置に離散値を選択すると、所定空間内に最大数のタービンを配置できる可能性が増す。所定空間内にできるだけ多くの風力タービンを配置することで、年間エネルギー生産量を向上させることができる。配置されたタービンから最小距離にある境界全体にもタービンを配置することを選択すると、境界を除いた空間内に厳密にタービンを配置することよりも、実質的により広い空間を使用することが可能になる。より大きな空間を使用することで、より多くのエネルギーを生み出すことができる:
- 配置された風力タービンと、配置されるべきタービンの種々に定められた可能な位置とから、発電所の年間エネルギー生産量を計算すること。したがって、年間エネルギー生産量の値は、定められた各可能な位置に関連付けられる。さらに、年間エネルギー生産量の計算では、第1の離散風速分布、第2の離散風向分布及び生起確率が考慮される。よく知られているようにこの計算には、風力タービンの特性、すなわち特にローター掃引面積、抗力係数及び/または出力係数が含まれる;
- 前回のステップで計算された最大年間エネルギー生産量の値に対応する、配置されるべき風力タービンの位置を選択すること。これにより、所定空間内に位置が定められた風力タービンによって生成される年間エネルギーを最大化することができる。これらの定められた位置は、次のタービンの位置を決定するための、特に第1の離散格子の可能な位置を定めるための基準として機能するであろう。
- 風力タービンを配置するための第1の離散格子内の可能な位置を定めること。可能な位置は、位置決定されたすべてのタービンから最小距離と最大距離(例えば、最大距離は、風力タービンの直径の少なくとも4倍、好ましくはタービンの直径の少なくとも8倍)との間で位置する第1の離散格子の離散位置、及び/または、位置決定されたすべてのタービンから最小距離で位置する離散位置を含んでいる。換言すれば、次のタービンが有利に配置されるであろう第1の離散格子の位置が選択される。したがって、選択された位置を定めるために必要な演算回数とコンピューターのメモリと限定され、これにより計算を高速化できる。また、既に配置されている風力タービンから最小距離と最大距離との間の位置に離散値を選択すると、所定空間内に最大数のタービンを配置できる可能性が増す。所定空間内にできるだけ多くの風力タービンを配置することで、年間エネルギー生産量を向上させることができる。配置されたタービンから最小距離にある境界全体にもタービンを配置することを選択すると、境界を除いた空間内に厳密にタービンを配置することよりも、実質的により広い空間を使用することが可能になる。より大きな空間を使用することで、より多くのエネルギーを生み出すことができる:
- 配置された風力タービンと、配置されるべきタービンの種々に定められた可能な位置とから、発電所の年間エネルギー生産量を計算すること。したがって、年間エネルギー生産量の値は、定められた各可能な位置に関連付けられる。さらに、年間エネルギー生産量の計算では、第1の離散風速分布、第2の離散風向分布及び生起確率が考慮される。よく知られているようにこの計算には、風力タービンの特性、すなわち特にローター掃引面積、抗力係数及び/または出力係数が含まれる;
- 前回のステップで計算された最大年間エネルギー生産量の値に対応する、配置されるべき風力タービンの位置を選択すること。これにより、所定空間内に位置が定められた風力タービンによって生成される年間エネルギーを最大化することができる。これらの定められた位置は、次のタービンの位置を決定するための、特に第1の離散格子の可能な位置を定めるための基準として機能するであろう。
- すべてのタービンが配置された後、所定空間内での所定数の風力タービンの位置に対応する第1の配置を決定するステップ。
したがって第1の位置決定アルゴリズムは、1番目の風力タービンを任意に位置決めするステップを含む貪欲なアルゴリズムであり、次いでこのアルゴリズムは、所定数の風力タービンのすべてが所定空間内で位置決めされるまで、所定空間の選択されたゾーンに追加のタービンを繰り返し位置決めする。この貪欲なアルゴリズムは、可能な位置を選択するステップによって、タービンを慎重に配置しながら計算時間を加速することを可能にする。このようなアルゴリズムは、タービンごとの局所的な位置決定最適化のステップb)のための第1の適切な配置を得ることを可能にする。
本発明の変形例によれば、任意の位置は、第1の離散格子の位置の座標の最大和に対応することができる。かくして風力タービンの位置は、所定空間の一端に配置される。この選択により、所定空間内により多くのタービンを配置することが可能になり、それにより、所定空間内での所定数のタービンの位置に関するより多くの可能な選択肢が可能になる。したがって、風力発電所によって生成される年間エネルギーを最適化するための多くの余地がある。
本発明はまた、コンピューター、携帯電話またはタブレットなどのコンピューター手段から上記の方法を実施するコンピュータープログラム製品にも関する。コンピュータープログラム製品は、通信ネットワークからダウンロード可能であり、及び/または、コンピューター可読媒体に記録され、及び/または、プロセッサまたはサーバーが実行可能であって、そのプログラムがコンピューターまたは携帯電話上で実行されたときに上記の特徴の1つに基づく方法を実現するためのプログラムコード命令を含んでいる。実際、上記の方法は、コンピューター手段での使用に特に適している。かくして簡単な形態で実装でき、結果を迅速に得ることができる。
さらに本発明は、上述のように、所定空間内に所定数の風力タービンを配置する(または風力発電所を構築する)方法から得られる風力発電所に関する。実際、風力タービンの位置が得られると、所定空間の物理的な敷地においてこの方法によって決定された位置に、種々のタービンを物理的に構築(または設置)することができる。このようにして、年間総エネルギー生産量が最適化された発電所が得られる。
図1は、非限定的な例として、本発明に基づく所定空間内に所定数の風力タービンを配置する(または風力発電所を構築する)方法の全体図を概略的に示している。
この方法は、特に、第1の位置決定アルゴリズムAlg1を含んでいる。この第1の位置決定アルゴリズムAlg1の入力データは、少なくとも、風速の第1の離散分布RD1と、風向の第2の離散分布RD2と、所定数の風力タービンを設置できる所定空間の第1の離散格子RD3と、各風向における各風速の生起確率Probとである。特にまた、年間エネルギー生産量の決定に必要な、風力タービンの特性を使用することもある。
特に風向風速データと各方向における各速度値の生起確率とは、予備ステップにおいて収集手段から得ることができる。このデータは特に、当業者には公知の風配図を取得するために使用できる。
第1の位置決定アルゴリズムAlg1は、所定空間内での所定数の風力タービンの第1の配置Disp1を決定する。この第1の配置Disp1は完璧なものになり得るが、次のステップでの局所的最適化を可能にするのに十分な品質である。この第1の位置決定アルゴリズムAlg1は貪欲なアルゴリズムであってもよい。
貪欲なアルゴリズムを用いて迅速に得られるこの第1の配置Disp1は、第2のアルゴリズムAlg2における入力データとして使用される。この第2のアルゴリズムAlg2は、第1の配置Disp1の少なくとも1つの風力タービンの位置を1つずつ修正する最適化アルゴリズムであり、好ましくは、初期位置(または最後に定められた位置)の周りで各タービンのさまざまな可能な離散位置を試験することによって発電所で生成される年間エネルギーを増加させるために、第1の構成Disp1のすべての風力タービンの位置を修正する。
年間エネルギー生産量を決定するために、第2のアルゴリズムは、特に第1の離散風速分布RD1と第2の離散風向分布RD2とを使用する。
ひとたびすべての風力タービンが再配置されると、所定空間内での所定数の風力タービンに対する最終的な配置DispFが取得される。次いで、所定空間に対応する物理的な敷地へのタービンの配置(構築/設置/組み立て)Posを行うことができる。
図2は、非限定的な例として、本発明に基づく所定空間内に所定数の風力タービンを配置する(または風力発電所を構築する)方法の第1の実施形態の詳細図を概略的に示している。
この方法は、特に、第1の位置決定アルゴリズムAlg1を含む。この第1の位置決定アルゴリズムAlg1の入力データは、少なくとも、風速の第1の離散分布RD1、風向の第2の離散分布RD2、所定数の風力タービンを設置できる、所定空間の第1の離散格子RD3と、各風向における各風速の生起確率Probとである。特にまた、年間エネルギー生産量の決定に必要な、風力タービンの特性を使用することもある。年間エネルギー生産量を決定するために、後流モデルが使用される。
特に風向風速データと各方向における各速度値の生起確率とは、予備ステップにおいて収集手段から得ることができる。このデータは特に、当業者には公知の風配図を取得するために使用できる。
第1の位置決定アルゴリズムAlg1は、所定空間内での所定数の風力タービンの第1の配置Disp1を決定する。この第1の配置Disp1は完璧なものになり得るが、次のステップでの局所的最適化を可能にするのに十分な品質である。この第1の位置決定アルゴリズムAlg1は貪欲なアルゴリズムであってもよい。
貪欲なアルゴリズムを用いて迅速に得られたこの第1の配置Disp1は、第2のアルゴリズムAlg2における入力データとして使用される。この第2のアルゴリズムAlg2は、各タービンの初期位置の周りでそのタービンのさまざまな可能な離散位置を試験することによって発電所で生成される年間エネルギーを増加させるために、第1の配置Disp1の種々の風力タービンの位置を1つずつ修正する最適化アルゴリズムである。
より詳細には、第2のアルゴリズムAlg2は、以下のステップを含む。
- タービンの位置を1つずつ変更するための連続する順序OSを定めるステップ。この連続する順序OSは、特に、ランダム関数によって取得されることができる。
- 次に、以下のサブステップを実行することにより、少なくとも1つの風力タービンi、好ましくは各タービンiの位置を繰り返し修正するステップ:
* 風力タービンiの可能な離散位置PDP_iを決定するサブステップ。これらの可能な離散位置PDP_iは、再配置されるべきタービンiの位置の近傍にある(他の風力タービンは、第1の配置からの初期位置か既に再配置された位置かのいずれかであるその位置に留まる)。例えば、再配置されるべき風力タービンの位置の周りに特定の周辺部(1つまたは2つの所定の長さを有する格子、一辺が特定の長さを有する正方形、特定の直径の円など)を定めることができる。離散位置は、例えばこの周辺部をセルに分割することによって、この周辺部内で決定される。したがって離散位置は、セルの中心、及び/またはセルの交差部、及び/またはセルを定める点であり、他の風力タービンに対して近すぎる離散位置は、この周辺部から除外される。言い換えると、必要な最小距離よりも短い距離にある離散位置は、この周辺部から取り除かれる。必要な最小距離は、例えば、タービンローターの直径の少なくとも2倍にすることができる。所定空間の外側の位置もこの周辺部から除外される:
* 続いて、可能な配置ごとに(再配置されるべき風力タービンiの可能な離散位置PDP_iごとに)年間エネルギー生産量の評価Eval_iを行うサブステップ(他のタービンは最後に割り当てられた位置にとどまる)。年間エネルギー生産量は、風速及び風向の第1及び第2の離散分布RD1,RD2、ならびに各風向における各風速の生起確率Probを考慮に入れる。かくしてこの評価ステップの最後には、年間エネルギー生産量は、再配置されるべき風力タービンiの可能な離散位置PDP_iのそれぞれに対応する:
* 風力タービンiの位置Pos_iとして、ステップEval_iにおける年間エネルギー生産量の最大値に対応する可能な離散位置PDP_iを選択するサブステップ:
* かくして所定空間内の風力タービンのための新しい配置Disp_Nを取得するサブステップ。この新しい配置は、既に配置されたタービンの最後の位置と、風力タービンiの新しい位置Pos_iを含む。
* 風力タービンiの可能な離散位置PDP_iを決定するサブステップ。これらの可能な離散位置PDP_iは、再配置されるべきタービンiの位置の近傍にある(他の風力タービンは、第1の配置からの初期位置か既に再配置された位置かのいずれかであるその位置に留まる)。例えば、再配置されるべき風力タービンの位置の周りに特定の周辺部(1つまたは2つの所定の長さを有する格子、一辺が特定の長さを有する正方形、特定の直径の円など)を定めることができる。離散位置は、例えばこの周辺部をセルに分割することによって、この周辺部内で決定される。したがって離散位置は、セルの中心、及び/またはセルの交差部、及び/またはセルを定める点であり、他の風力タービンに対して近すぎる離散位置は、この周辺部から除外される。言い換えると、必要な最小距離よりも短い距離にある離散位置は、この周辺部から取り除かれる。必要な最小距離は、例えば、タービンローターの直径の少なくとも2倍にすることができる。所定空間の外側の位置もこの周辺部から除外される:
* 続いて、可能な配置ごとに(再配置されるべき風力タービンiの可能な離散位置PDP_iごとに)年間エネルギー生産量の評価Eval_iを行うサブステップ(他のタービンは最後に割り当てられた位置にとどまる)。年間エネルギー生産量は、風速及び風向の第1及び第2の離散分布RD1,RD2、ならびに各風向における各風速の生起確率Probを考慮に入れる。かくしてこの評価ステップの最後には、年間エネルギー生産量は、再配置されるべき風力タービンiの可能な離散位置PDP_iのそれぞれに対応する:
* 風力タービンiの位置Pos_iとして、ステップEval_iにおける年間エネルギー生産量の最大値に対応する可能な離散位置PDP_iを選択するサブステップ:
* かくして所定空間内の風力タービンのための新しい配置Disp_Nを取得するサブステップ。この新しい配置は、既に配置されたタービンの最後の位置と、風力タービンiの新しい位置Pos_iを含む。
次にループB1では、次の風力タービンに対して同じ手順を実行するために、定められた連続する順序(iがi+1になる)の次の風力タービンの選択F1を可能にする。
ひとたびすべての風力タービンが再配置されると、所定空間内の所定数の風力タービンの最終的な配置DispFが取得される。次いで、所定空間に対応する物理的な敷地へのタービンの配置Pos(すなわち、物理的な構築、設置、または立設)を行うことができる。
図3は、非限定的な例として、図2の変形例を概略的に示している。図2におけるものと同じ参照番号は同じ要素に対応するため、ここではそれらを再度詳しく説明することはしない。
図3は、第2のアルゴリズムAlg2での第2のループB2の追加の点で図2と異なっている。
実際、すべての風力タービンがループB1によって再配置されたとき、ここではこれらのタービンの位置を数回修正することが計画されている。したがって連続する順序OSの決定とループB1のステップが、風力タービンごとに1つずつ、数回繰り返される。ループB1は、再配置されるべきタービンiごとに、可能な離散位置PDP_iを決定することと、各可能な離散位置ごとの年間エネルギー生産量Eval_iの評価を行うことと、再配置されるべき風力タービンiの位置Pos_iの選択と、新しい配置Disp_Nを定めることとを含んでいる。
これらの手順を数回繰り返すことで、所定空間内の風力タービンの位置を改善し、発電所で生産される年間エネルギーを向上させることができる。連続する順序を(例えば、毎回無作為抽選で)毎回変更することで、年間エネルギー生産量をさらに改善することができる。
ループB2は、例えば前回の反復に対する年間エネルギーの増加が特定の値を下回ったとき(例えば0.5%を下回ったとき)に、終了することができる。
ループB2が完了すると、取得された最後の配置Disp_Nが最終的な配置DispFになり、次いで、風力発電所を得るために、最終的な配置に基づいた計画された位置への風力タービンの配置Pos(構築、立設、設置)を行うことができる。
図4は、非限定的な例として、本発明に基づく位置決定方法(または本発明に基づく風力発電所の構築方法)を実施するのに適した所定空間を概略的に示す。
所定空間は、特に、垂直ハッチングによって表される第1のゾーンZ1及び第2のゾーンZ2を含むことができる。これらのゾーンZ1,Z2は非結合である。実際、ゾーンZ1とゾーンZ2の間にはゼロでない最小距離Dが存在する。さらにゾーンZ1は長方形であり、したがって凸状である。ゾーンZ2は、複雑な非凸形状を有する。実際、2つの点A,Bを考慮すると、点Aと点Bを接続する線分Segの一部がゾーンZ2の外側にあることが観察される。
これらの2つのゾーンZ1,Z2を包含する第3のより大きなゾーンZE内で所定空間のゾーンZ1,Z2を識別するために、ブール行列を使用することができる。第3のゾーンZEは長方形であり、Z1,Z2などのような非結合及び/または非凸のゾーンよりもデジタル処理が容易である。ブール行列は、ゾーンZEの各離散値(離散位置)に対し、離散位置がゾーンZ1またはZ2の内部にある場合は1に等しい値を関連付け、ゾーンZ1及びZ2の外側にある場合は値0を関連付ける。このブール行列により、本発明に基づく方法に使用される所定空間を定ねることができる。このブール行列から、所定空間の1または複数の境界を決定することができる。実際、ブール行列での値が1であり、その直接隣接する点の中にブール行列の値が0に等しい点が少なくとも1つある場合、その点は境界に属していると見なされる。
図5は、非限定的な例として、本発明に基づく第1の位置決定アルゴリズムを概略的に示している。
第1の位置決定アルゴリズムは貪欲なアルゴリズムである。
所定空間の第1の離散格子RD3から、第1の風力タービンの位置P_E1が例えば任意に定められる。
次に、各風力タービンjについて、年間エネルギー生産量を最大化する位置が探し求められる。
かくして風力タービンごとに、F3に基づいて反復的に、可能な位置PE_Ejが、配置されるべきタービンjに関して1つずつ定められる。可能な位置PE_Ejは、所定空間の第1の離散グリッドRD3によって範囲が定められる。例えば、可能な位置は、所定空間内に既に配置されている風力タービンから最小距離と最大距離との間に位置する第1の離散グリッドRD3の位置、及び/または所定空間の境界における対応する位置に対応することができる。
配置されるべき風力タービンjに対してこれらの可能な位置PE_Ejがひとたび定められると、これらの可能な位置PE_Ejのそれぞれについて、所定空間内での既に配置されたタービン及び配置されるべきタービンjの年間エネルギー生産量が評価(Eval_AEP)される。この評価Eval_AEPでは、各風向における各風速の生起確率Probに加え、風速及び風向の第1及び第2分布RD1,RD2が特に使用される。上述の風力タービンの特性及び後流効果は、既知の形態で使用することができる。
次いで、前のステップの年間エネルギー生産量の最大値に対応する、風力タービンjの位置Pos_jを選択することができる。
そして、所定空間に配置された(タービンjを含む)風力タービンの新たな配置Disp_Ejを定めることができる。配置されるべき新しい風力タービンの可能な位置PE_Ejを決定し、年間エネルギー生産量Eval_AEPを評価するために、この新しい配置Disp_Ejは次の反復で使用されるであろう。
ループF3が実行される。jは1からN-1までの範囲にあり、Nは所定空間内の風力タービンの所定数であり、1番目のタービンがP_E1に逐次的に配置されていることを考慮する。
ひとたびすべての風力タービンが配置されると(すなわち、j=N-1のとき)、最後に見つかった配置Disp_Ejは、第1の配置Disp1に対応する。かくして風力発電所は、所定空間の物理的な敷地において風からエネルギーを生成するように、最終的な配置に対応する、見つかった最後の配置の位置に風力タービンを設置(立設/建設)することによって構築できる。
図6は、非限定的な例として、貪欲な位置決定アルゴリズムによって最初の3つの風力タービンの位置を決定するステップを概略的に示している。線図a)、b)及びc)は、それぞれ、1番目、2番目及び3番目のタービンの位置決定ステップに対応する。
ここで定められる所定空間Espは長方形である。1番目の風力タービンE1は、所定空間Espの長方形の右下隅に任意に配置される。したがって、1番目の風力タービンE1は、所定空間Espの境界上に位置する。
ひとたびこの風力タービンの位置が決定されると、2番目の風力タービンPE_E2の位置を決定するための可能な位置は、所定空間Espの境界上に位置して1番目の風力タービンE1からは最小距離よりも大きな距離に位置する離散値と、所定空間Esp内に位置して最小距離と最大距離との間の範囲の距離に位置する離散値とに対応する。ここで最小距離は、タービンローターの直径の2倍であり、最大距離はタービンローターの直径の4倍である。
各位置PE_E2についての年間エネルギー生産量がひとたび計算されると、2番目の風力タービンE2の位置が、線図b)にある位置で決定される。かくして2番目の風力タービンは、所定空間Espの境界上にある。
最初の2つの風力タービンのこれらの位置により、配置されるべき3番目のタービンの可能な位置PE_E3を定めることができる。これらの可能な位置PE_E3は、既に配置されている風力タービン(1番目及び2番目のタービンE1,E2)から最小距離と最大距離との間にあって所定空間内に位置する離散位置と、風力タービンE1,E2から最小距離よりも長い距離で所定空間の境界に位置する離散位置とを含む。
各位置PE_E3に関して年間エネルギー生産量がひとたび計算されると、3番目の風力タービンE3の位置が、線図c)にある位置で決定される。かくして3番目の風力タービンも所定空間Espの境界上にある。
最初の3つの風力タービンのこれらの位置により、配置されるべき4番目の風力タービンの可能な位置PE_E4を定めることができる。これらの可能な位置PE_E4は、既に配置されているタービン(タービンE1,E2,E3)から最小距離と最大距離との間にあって所定空間内に位置する離散位置を含む。なお、風力タービンE1~E3からの最小距離という条件を境界の他のすべての値がもはや満たさないため、既に定められたゾーンの外側で、所定空間Espの境界上にあって風力タービンE1,E2,E3から最小距離よりも大きい距離にあるに離散位置は存在しない。
図7は、非限定的な例として、第1の貪欲な位置決定アルゴリズムによって最初の3つの風力タービンの位置を決定するステップの変形例を概略的に示している。線図a)、b)及びc)は、それぞれ、第1、第2及び第3のタービンの位置を決定するステップに対応する。
図7が図6と異なる点は、可能な位置が、既に配置されている風力タービンからの最小距離と最大距離の間に位置する空間の離散値によってのみ定められていることである。明らかに、既に配置されているタービンからの最大距離よりも大きな距離にあって所定空間の境界に位置する離散値は、加えては考慮されない。
ここで定める所定空間Espは長方形である。1番目の風力タービンは、所定空間Espの長方形の右下隅に任意に配置される。かくして1番目の風力タービンE1は、所定空間Espの境界上に位置する。
この風力タービンが配置されると、2番目の風力タービンPE_E2の位置を決定するための可能な位置は、最小距離と最大距離の間の範囲の距離で所定空間Esp(境界を含む)に位置する離散値に対応する。ここで最小距離は、タービンローターの直径の2倍であり、最大距離はタービンローターの直径の4倍である。
各位置PE_E2に関して年間エネルギー生産量がひとたび計算されると、2番目の風力タービンE2の位置が、線図b)内にある位置に決定される。したがって、所定空間は同一であり、第1及び第2の離散分布と第1の離散格子は同一であり、生起確率は同一であり、1番目の風力タービンE1の位置は同一であるが、2番目の風力タービンは、図6中の線図b)の解とは異なり、所定空間Espの境界上にはない。
最初の2つの風力タービンのこれらの位置は、配置されるべき3番目のタービンの可能な位置PE_E3を定めることを可能にする。これらの可能な位置PE_E3は、既に配置されたタービン(1番目及び2番目のタービンE1,E2)から最小距離と最大距離との間にあっての所定空間内に位置する離散位置を含む。
各位置PE_E3に対して年間エネルギー生産量がひとたび計算されると、3番目の風力タービンE3の位置が、線図c)にある位置で決定される。
最初の3つの風力タービンE1~E3のこれらの位置は、配置されるべき4番目の風力タービンの可能な位置PE_E4を定めることを可能にする。これらの可能な位置PE_E4は、既に配置された風力タービン(タービンE1,E2,E3)から最小距離と最大距離との間にあって所定空間に位置する離散位置を含む。
なお、図7の3つの風力タービンE1,E2,E3の位置は図6での位置とは非常に異なっているが、パラメータはすべて同一である。この区別は、可能な位置の定義が、すでに配置されているすべての風力タービンの最大距離よりも大きな距離に位置する所定空間Espの境界の離散位置を含むか(図6)または含まない(図7)かにのみ関連する。
図6に対して図7の解決策の利点は、風力タービンを次々に配置することにより、タービンを互いにより近くに配置することができ、それにより、より多くの風力タービンを所定空間内に配置できることである。これは、限定された所定空間内にかなり大きな所定数で風力タービンが存在する場合に(配置されるべき所定数の風力タービンに比例して)特に有利である。
図8は、非限定的な例として、第1の配置から風力タービンの位置を決定するための局所最適化モデルの適用を概略的に示している。
この図は、さまざまなタービンの再配置手順を示す4つの線図a),b),c),d)を示している。
ここで適用される風力タービンの位置決定(または風力発電所の構築)の方法は、図3に対応する。
線図a)は、灰色の長方形によって定められた所定空間Esp内の小さな円によって、具現化された5つの風力タービンの第1の配置を示している。
タービンEolの位置を改善する必要がある。したがって第1の格子Car1が定められ、ここではこの格子は、タービンEo1を中心とし、辺L1の正方形である。
線図b)では、格子Car1は16個(ただし、異なる数、特に4,25,100などであってもよい)のセルCar2に離散化されており、ここでセルCar2は、格子Car1を離散化するために格子Car1よりも小さい辺の第2の正方形である。可能な離散位置PDP_iは、セルCar2の交点として定められる。可能な離散位置PDP_iは、所定空間Esp内のセルの交点であって、他の風力タービンから十分な距離にある十字によって具現化される。線図b)では、3つの離散位置PDP_iが可能である。したがって3つの可能な位置PDP_iにおける年間エネルギーの局所最適化ののち、風力タービンEolの位置は、位置P_initから位置P_modif1に変化する。
すべての風力タービンを再配置したら、位置決定方法(または風力発電所の構築方法)のステップb)を繰り返すことができる。
次に、前の反復で使用された辺L1よりも小さい辺L2の新しい格子(新しい第1の正方形)が再定義される。位置P_modif1を中心とするこの新しい格子は、事前に確立された数のセル(ここでは16個の第2の正方形)で再び離散化され、新しい可能な離散位置が定められる。新しい可能な離散位置は、所定空間内に位置するセルの交点であって他の風力タービンから十分な距離で離れている位置に配置された十字に対応する。なお、交点PexcがタービンEol2に近すぎて配置されている(タービンEol2までの距離が最小距離未満である)ことに留意されたい。したがってこれらの交点は、タービンEolを再配置するための可能な離散位置では考慮されない。この新しい反復ののち、タービンEolの位置は位置P_modif2になる。
すべての風力タービンが再配置されると、位置決定方法(または風力発電所の構築方法)のステップb)を再度繰り返すことができる。
線図d)において、風力タービンEolを再配置するための新しい局所的探索が実行される。位置P_modif2を中心として辺L2よりも小さい辺L3の新しい格子(新しい第1の正方形)が再定義される。新しい格子は、事前に確立された数(前の反復の格子と同じ)のセル(ここでは16個の第2の正方形)に離散化される。これらの16個のセルでは、16個の交点が、所定空間Esp内であって他の風力タービンから十分な距離(他のタービンから最小距離よりも大きい距離)に配置している。それらの交点は、次に、風力タービンEolを再配置するための十字によって具現化される可能な離散位置として機能する。
これらの異なる可能な離散位置における風力タービンEolの位置に基づく年間エネルギーの計算により、最大の年間エネルギー生産量に対応する位置P_modif3を定めることができる。
なお、線図c),d)に関し、Eol以外の風力タービンの位置は変更されていないが、線図c),d)がステップb)の新しい反復に対応し、この新しい反復ではそれに対する入力として新しいタービン配置が定められることを考慮すると、Eol以外の風力タービンの位置も変更される可能性があることに留意する必要がある。
図9は、非限定的な例として、所定空間Esp内で、予め確立された数の風力タービンのの位置決定(または風力発電所の構築)の方法のいくつかのステップを概略的に示している。
ここで、所定空間Espは長方形である。
線図a)は、所定空間Esp内において濃い灰色の点で表されている、5つの風力タービンの第1の配置を示している。この第1の配置は、図7のアルゴリズムなどの第1の貪欲なアルゴリズムから得られる。
線図b)では、年間エネルギー生産量を増加させるために風力タービンEl1の位置を改善することが求められている。これは、タービンEl1の位置を中心とする格子(第1の四角形)を決定することによって達成される。この格子は、事前に定められた数のセル(例えば第2の四角形)に離散化される。このセルの交点は、所定空間Esp内に配置されて他のタービンから十分な距離(他のタービンから最小距離よりも長い距離。最小距離は例えばタービンローターの2倍である)にあって、風力タービンEl1の周りの小さな灰色の点によって具現化される可能な離散位置に対応する。
線図c)は、ステップb)の新しい反復に対応する。この新しい反復では風力タービンの配置が変更されている。実際、ステップb)の反復の終わりに、風力タービンは次々に再配置されている。
線図c)では、風力タービンEl2の再配置が求められている。これは、タービンE12の位置を中心とする格子(第1の正方形)を決定することによって達成され、この格子は、事前に定められた数のセル(ここでは第2の正方形)に離散化される。他のタービンまでの最小距離(例えば、タービンローターの直径の2倍)よりも長い距離で所定空間Esp内に位置するこれらのセルの交点は、風力タービンE12の可能な離散位置に対応する。これらの可能な離散位置は、タービンEl2の周りの小さな薄い灰色の点に対応する。
図10は、非限定的な例として、複雑な所定空間において、風力タービンの位置を決定する(または風力発電所を構築する)方法の適用を概略的に示している。
ここで所定空間は、2つの非結合ゾーンEs1,Es2からなる。さらに、境界Arの三角形部分がゾーンEs2の内側に向いていることを考慮すると、ゾーンEs2は非凸である。
線図a)では、灰色の点は所定空間の境界を表し、それらは1番目の風力タービンを設置することができる離散場所に対応する。
線図b)では、単一の風力タービンEE1がゾーンEs1の最上部に配置され、灰色の孤立した点に配置され具現化されている。濃い灰色の点T2の集合は、所定空間において配置されるべき次のタービンの可能な位置を表わしている。それらは、タービンEE1から十分な距離(すなわち、タービン直径の2倍であり得る最小距離よりも大きい)に位置する、ゾーンEs1,Es2の境界の離散点と、タービンEE1から最小距離と最大距離の間の範囲のある距離に位置する、ゾーンEs1内の離散位置とに対応する。
線図c)は、灰色の孤立した点によって具現化された20台の風力タービンが、第1の貪欲な位置決定アルゴリズムによって位置決めされた段階に対応する。濃い灰色の点T21の集合は、第1の貪欲な位置決定アルゴリズムによって位置決めされるべき21番目の風力タービンの可能な位置に対応する。
線図d)は、灰色の孤立した点によって具現化された50台の風力タービンが、第1の貪欲な位置決定アルゴリズムによって位置決めされた段階に対応する。濃い灰色の点T51の集合は、第1の貪欲な位置決定アルゴリズムによって位置決めされるべき51番目の風力タービンの可能な位置に対応する。
線図e)は、風力タービンELiの位置が、その位置の局所最適化によって改善される段階に対応する。52台の風力タービンの配置は、第1の貪欲な位置決定アルゴリズムによって事前に定められており、52台のタービンの各々の現在の位置は、線図e)の大きな灰色の孤立した点に対応している。
風力タービンELiの周りに配置された小さい灰色の点は、タービンELiを再配置するための可能な離散位置PDP_ELiである。年間エネルギー生産量は、図e)の配置におけるタービンELi以外の風力タービンの位置と、タービンELiの種々の可能な離散位置PDP_ELiとに基づいて予測される。
図11は、非限定的な例として、図10と同一の複雑な所定空間のための位置決定(または風力発電所の構築)方法の変形例を概略的に示している。
所定空間は、2つの非結合ゾーンEs1,Es2を含む。さらに境界Arの三角形部分がゾーンEs2の内側に向いていることを考慮すると、ゾーンEs2は非凸である。
第1の貪欲な位置決定アルゴリズムによる風力タービンの位置決めでは、可能な位置は、既に位置決めされた風力タービンから最小距離と最大距離との間の範囲の距離で所定空間内に位置する離散位置に対応する。既に配置されているタービンに対して最大距離よりも大きな距離に位置する境界の点は、所定空間内に設置されるべきタービンの数を最大化するためには考慮されないが、図10の線図b)において見て取れるように、2番目のタービンの可能な位置T2により図10の第1の位置決定アルゴリズムにおいて考慮されている。
2つの風力タービンEE1,EE2は、図11の線図a)において配置されている。配置されるべき3番目のタービンT3の可能な位置は、灰色の点の集合に対応する。
図11の線図b)では、灰色の孤立した点によって具現化される10台の風力タービンが配置されている。配置されるべき11番目のタービンT11の可能な位置は、灰色の点の集合に対応する。
例
第1の例は、従来技術の連続法(離散値の代わりに連続する実データを使用)及び本発明の図3の方法にしたがって、図7の所定空間に風力タービンを配置することからなる。ここで図3の方法にしたがうときには、可能な離散位置は、再配置されるべき風力タービンの位置を中心とする格子(第1の正方形)から定められる。格子は、事前に定められた数のセル(ここでは第2の正方形)に離散化される。所定空間内に配置され他の風力タービンから十分な距離(最小距離よりも大きい)にあるセルの交差部が、可能な離散位置を形成する。
第1の例は、従来技術の連続法(離散値の代わりに連続する実データを使用)及び本発明の図3の方法にしたがって、図7の所定空間に風力タービンを配置することからなる。ここで図3の方法にしたがうときには、可能な離散位置は、再配置されるべき風力タービンの位置を中心とする格子(第1の正方形)から定められる。格子は、事前に定められた数のセル(ここでは第2の正方形)に離散化される。所定空間内に配置され他の風力タービンから十分な距離(最小距離よりも大きい)にあるセルの交差部が、可能な離散位置を形成する。
設置されるべき風力タービンは2.5MWのタービンであり、タービン間の最小距離はタービンローターの直径の4倍である。
本発明に基づく方法では、第1の貪欲な位置決定アルゴリズムに使用される風力タービン間の最大距離は、タービンローターの直径の8倍である。最初の反復での第1の正方形の長さは500m、ステップb)の反復を停止させることを可能にする閾値は5m、事前に定められた数は4、ステップb)での前の反復の第1の正方形の長さに対する第1の正方形の長さの比は0.8である。
従来技術による方法は、FarmShadow(商標)ソフトウェア(IFP Energies nouvelles、フランス)で実施される。
第1の風速分布は、0.5m/秒間隔の離散値を有し、第2の風向分布は、1°間隔の離散値を有する。
本発明に基づく方法は、従来技術の方法と比較して年間エネルギー生産量での約2.2%の増加を推定することを可能にし、これは、計算時間を短縮し使用されるコンピューターメモリを削減しつつ、発電所によって回収されるエネルギーを改善するための方法の有利さを示している。
2番目の適用例は、図10に関連している。第一に言うべきに、非結合ゾーン及び非凸ゾーンを有する所定空間を含むこの適用例に対しては、一般に長方形である凸状及び結合ゾーンに適用される必要がある連続法を適用できない。この所定空間に52台の10MWの風力タービンが配置されている。
最終的な風力タービンの配置で得られる年間エネルギー生産の増加は、第1の貪欲な位置決定アルゴリズムから得られる第1の配置と比較して、約2.84%である。これは、一方では、第1のアルゴリズムから得られる第1の配置の優秀さを証明し、他方では、各風力タービンの位置を最適化する局所探索法の効率性を証明する。
所定空間内に風力タービンを配置する(または風力発電所を構築する)方法は、高速で簡単な計算を可能にすると同時に、風力発電所によって生成される年間総エネルギーを最大化するために、非結合及び/または非凸であってもよい所定空間内でのタービンの正確で最適化された位置を与える。
Claims (12)
- 所定数の風力タービンから所定空間(Esp)において風力発電所を構築する構築方法であって、第1の離散風速分布(RD1)と、第2の離散風向分布(RD2)と、前記第1及び第2の離散分布(RD1,RD2)の各離散風向値における各離散風速値の生起確率(Prob)とを含み、前記所定空間(Esp)が第1の離散格子(RD3)に分割され、少なくとも、以下の一連のステップa)~c)が実行される、風力発電所構築方法:
a)第1の位置決定アルゴリズム(Alg1)による、前記所定空間(Esp)の第1の離散格子(RD3)における前記風力タービンの第1の配置(Disp1)を決定するステップ;
b)第1の位置決定アルゴリズム(Alg1)によって決定された風力タービン位置を修正するときの連続する順序(OS)を定め、次いで、前記定められた連続する順序(OS)によって、再配置されるべき少なくとも1つの風力タービンの1つずつに対して、少なくとも以下のステップb1)~b4)を繰り返し実行するステップ;
b1)再配置されるべき風力タービンごとに、再配置されるべきタービンの新しい可能な離散位置(PDP_i)を、少なくとも第1の所定の長さの格子を展開することによって決定するステップであって、ここで前記格子は、前記再配置されるべきタービンの位置に中心が配置され、前記格子は事前に定められた数のセルに分割されており、前記新しい可能な離散位置は前記セルの交点を含み、前記セルの交点は前記所定空間(Esp)内であって他の風力タービンの位置から最小距離に位置が決定されているステップ;
b2)前記第1の離散風速分布(RD1)と前記第2の離散風向分布(RD2)と前記生起確率(Prob)とから、再配置されるべき風力タービンの可能な離散位置ごとに、前記所定数の風力タービンの平均年間エネルギー生産量(Eval_i)を計算するステップ;
b3)ステップb2)で計算された年間エネルギー生産量の最大値に対応する、再配置されるべき風力タービンの位置(Pos_i)を選択するステップ;
b4)前記所定空間(Esp)内での前記風力タービン(Disp_N)の新しい配置を定めるステップ;
c)風力からエネルギーを生成するために、得られた最後の配置に対応する最終決定位置(DispF)を決定し、前記所定空間の敷地内の前記最終決定配置の位置に前記風力タービンを建てることによって前記風力発電所を構築するステップ。 - 前記第1及び第2の離散分布(RD1,RD2)と、前記第1及び第2の離散分布(RD1,RD2)の各風向における各風速の前記生起確率(Prob)とを決定するために、ステップa)に先立って、所定空間(Esp)において好ましくはLiDARセンサーである収集手段によって統計的な風データが収集される、請求項1に記載の風力発電所構築方法。
- 前記所定空間(Esp)が2次元である、請求項1または2に記載の風力発電所構築方法。
- 前記連続する順序(OS)がランダムに得られる、請求項1乃至3のいずれか1項に記載の風力発電所構築方法。
- 好ましくは反復ごとに連続する順序(OS)を変更して、ステップb)が数回反復される(B2)、請求項1乃至4のいずれか1項に記載の風力発電所構築方法。
- ステップb)の反復(B2)ごとに、前回の反復の第1の所定の長さよりも短い前記第1の所定の長さが選択され、反復の相互間で前記事前に定められた数は同じであり、ステップb)の反復は前記第1の所定の長さが第1の閾値未満になると停止される、請求項5に記載の風力発電所構築方法。
- 前記所定空間(Esp)が非結合ゾーン(Es1.Es2)を含む、請求項1乃至6のいずれか1項に記載の風力発電所構築方法。
- 前記所定空間(Esp)が非凸ゾーン(Z2,Es2)を含む、請求項1乃至7のいずれか1項に記載の風力発電所の構築方法。
- 前記第1の位置決定アルゴリズム(Alg1)が、少なくとも、
1番目の風力タービン(EE1)の位置(P_E1)を任意に定めるステップと、
次いで、配置されるべき風力タービンごとに、配置されるべき風力タービンのための前記第1の離散格子(RD3)内の可能な位置(PE_Ej)を定めることと、前記第1の離散風速分布(RD1)と前記第2の離散風向分布(RD2)と前記生起確率(Prob)とから、配置された風力タービンと前記定められた可能な位置(PE_Ej)に対して配置されるべきタービンとの年間エネルギー生産量(Eval_i)を計算することと、計算された最大の年間エネルギー生産量の値に対応する、前記配置されるべき風力タービンの位置(Pos_j)を選択することとを連続して実行するステップと、
前記所定空間(Esp)内での前記所定数の風力タービンの位置に対応する前記第1の配置(Disp_Ej)を決定するステップと、
を実行し、
前記可能な位置(PE_Ej)は、すべての前記配置されたタービンから最小距離と最大距離との間に位置する前記第1の離散格子(RD3)の離散位置、及び/または、すべての前記配置されたタービンから前記最小距離に位置する、前記所定空間(Esp)の境界の離散位置を含んでいる、請求項1乃至8のいずれか1項に記載の風力発電所構築方法。 - 前記任意の位置は、前記第1の離散格子(RD3)の位置の座標の最大和に対応する、請求項9に記載の風力発電所の構築方法。
- 通信ネットワークからダウンロード可能である、及び/またはコンピューター可読媒体に記録されている、及び/またはプロセッサまたはサーバーが実行可能であるコンピュータープログラム製品であって、プログラムがコンピューターまたは携帯電話で実行されたときに請求項1乃至10のいずれか1項に記載された方法を実行するプログラムコード命令を含むプログラム製品。
- 請求項1乃至10のいずれか1項に記載の風力発電所構築方法により得られた風力発電所。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
FR2008341 | 2020-08-06 | ||
FR2008341A FR3113322B1 (fr) | 2020-08-06 | 2020-08-06 | Méthode de positionnement d’éoliennes dans un espace prédéterminé |
PCT/EP2021/069748 WO2022028847A1 (fr) | 2020-08-06 | 2021-07-15 | Methode de construction d'une ferme eolienne dans un espace predetermine |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2023536331A true JP2023536331A (ja) | 2023-08-24 |
Family
ID=73698976
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2023507573A Pending JP2023536331A (ja) | 2020-08-06 | 2021-07-15 | 所定空間に風力発電所を構築する方法 |
Country Status (7)
Country | Link |
---|---|
US (1) | US20230237208A1 (ja) |
EP (1) | EP4193318A1 (ja) |
JP (1) | JP2023536331A (ja) |
KR (1) | KR20230047422A (ja) |
CN (1) | CN116097290A (ja) |
FR (1) | FR3113322B1 (ja) |
WO (1) | WO2022028847A1 (ja) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP4367373A2 (en) | 2021-07-09 | 2024-05-15 | RTX Corporation | Turbine engines having hydrogen fuel systems |
US11987377B2 (en) * | 2022-07-08 | 2024-05-21 | Rtx Corporation | Turbo expanders for turbine engines having hydrogen fuel systems |
US12103699B2 (en) | 2022-07-08 | 2024-10-01 | Rtx Corporation | Hybrid electric power for turbine engines having hydrogen fuel systems |
FR3140141A1 (fr) | 2022-09-22 | 2024-03-29 | IFP Energies Nouvelles | Methode de construction d’une ferme eolienne avec contraintes d’alignement |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102142103A (zh) | 2011-04-15 | 2011-08-03 | 河海大学 | 一种基于实数编码遗传算法的风电场微观选址优化方法 |
US20160171401A1 (en) | 2014-12-11 | 2016-06-16 | Hao Wu | Layout optimization for interactional objects in a constrained geographical area |
CN105139269B (zh) | 2015-07-17 | 2018-10-26 | 同济大学 | 一种多期风电场微观选址方法 |
CN105119320B (zh) | 2015-09-15 | 2017-06-16 | 东北大学 | 一种分散式风电场风机优化布置系统及方法 |
-
2020
- 2020-08-06 FR FR2008341A patent/FR3113322B1/fr active Active
-
2021
- 2021-07-15 CN CN202180057089.3A patent/CN116097290A/zh active Pending
- 2021-07-15 WO PCT/EP2021/069748 patent/WO2022028847A1/fr active Application Filing
- 2021-07-15 EP EP21745773.8A patent/EP4193318A1/fr active Pending
- 2021-07-15 JP JP2023507573A patent/JP2023536331A/ja active Pending
- 2021-07-15 KR KR1020237007034A patent/KR20230047422A/ko unknown
- 2021-07-15 US US18/007,184 patent/US20230237208A1/en active Pending
Also Published As
Publication number | Publication date |
---|---|
WO2022028847A1 (fr) | 2022-02-10 |
CN116097290A (zh) | 2023-05-09 |
FR3113322B1 (fr) | 2024-04-12 |
US20230237208A1 (en) | 2023-07-27 |
EP4193318A1 (fr) | 2023-06-14 |
KR20230047422A (ko) | 2023-04-07 |
FR3113322A1 (fr) | 2022-02-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2023536331A (ja) | 所定空間に風力発電所を構築する方法 | |
Yang et al. | Large-eddy simulation of a utility-scale wind farm in complex terrain | |
Ge et al. | A two-dimensional model based on the expansion of physical wake boundary for wind-turbine wakes | |
Tian et al. | Prediction of multi-wake problems using an improved Jensen wake model | |
King et al. | Optimization of wind plant layouts using an adjoint approach | |
Samorani | The wind farm layout optimization problem | |
Chowdhury et al. | Unrestricted wind farm layout optimization (UWFLO): Investigating key factors influencing the maximum power generation | |
Jonkman et al. | Development of fast. farm: A new multi-physics engineering tool for wind-farm design and analysis | |
Tao et al. | Wind farm layout optimization with a three-dimensional Gaussian wake model | |
Alfredsson et al. | Introduction Wind farms in complex terrains: an introduction | |
US9175669B2 (en) | V-shaped arrangements of turbines | |
Tahani et al. | Investigating the effect of geometrical parameters of an optimized wind turbine blade in turbulent flow | |
Ghaisas et al. | Geometry-based models for studying the effects of wind farm layout | |
Syed et al. | Partial repowering analysis of a wind farm by turbine hub height variation to mitigate neighboring wind farm wake interference using mesoscale simulations | |
Reja et al. | A review of the evaluation of urban wind resources: Challenges and perspectives | |
Yang et al. | Wind farm layout optimization for levelized cost of energy minimization with combined analytical wake model and hybrid optimization strategy | |
Clary et al. | An optimally-controlled RANS Actuator force model for efficient computations of tidal turbine arrays | |
Yang et al. | High-fidelity simulations and field measurements for characterizing wind fields in a utility-scale wind farm | |
Hu et al. | A novel approach for wind farm micro-siting in complex terrain based on an improved genetic algorithm | |
Fan et al. | Impacts of coexisting buildings and trees on the performance of rooftop wind turbines: An idealized numerical study | |
Bokharaie et al. | Wind-farm layout optimisation using a hybrid Jensen–LES approach | |
KR20220100751A (ko) | 유입 풍속과 도시 형태 매개 변수를 이용한 도시 풍속 분석 시스템 및 이를 이용한 분석 방법 | |
Ling et al. | A new three-dimensional entrainment model for wind-turbine wakes | |
Bempedelis et al. | Data-driven optimisation of wind farm layout and wake steering with large-eddy simulations | |
US11301790B1 (en) | Cost-optimization device for utility-scale photovoltaic power plants |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20240610 |