KR20120018331A - 윈드 터빈에서 윈드 거스트의 발생을 예측하기 위한 방법 및 시스템 - Google Patents
윈드 터빈에서 윈드 거스트의 발생을 예측하기 위한 방법 및 시스템 Download PDFInfo
- Publication number
- KR20120018331A KR20120018331A KR1020117027539A KR20117027539A KR20120018331A KR 20120018331 A KR20120018331 A KR 20120018331A KR 1020117027539 A KR1020117027539 A KR 1020117027539A KR 20117027539 A KR20117027539 A KR 20117027539A KR 20120018331 A KR20120018331 A KR 20120018331A
- Authority
- KR
- South Korea
- Prior art keywords
- wind
- occurrence
- probability
- input data
- wind turbine
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 54
- 238000013528 artificial neural network Methods 0.000 claims description 22
- 238000004422 calculation algorithm Methods 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 5
- 235000009413 Ratibida columnifera Nutrition 0.000 description 15
- 241000510442 Ratibida peduncularis Species 0.000 description 15
- 230000008569 process Effects 0.000 description 8
- 238000012549 training Methods 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 7
- 230000008859 change Effects 0.000 description 7
- 230000007423 decrease Effects 0.000 description 7
- 238000011144 upstream manufacturing Methods 0.000 description 6
- 230000004913 activation Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 230000000946 synaptic effect Effects 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 2
- 230000003466 anti-cipated effect Effects 0.000 description 2
- 230000001934 delay Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- SDIXRDNYIMOKSG-UHFFFAOYSA-L disodium methyl arsenate Chemical compound [Na+].[Na+].C[As]([O-])([O-])=O SDIXRDNYIMOKSG-UHFFFAOYSA-L 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000011217 control strategy Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000025518 detection of mechanical stimulus involved in sensory perception of wind Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
Images
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F03—MACHINES OR ENGINES FOR LIQUIDS; WIND, SPRING, OR WEIGHT MOTORS; PRODUCING MECHANICAL POWER OR A REACTIVE PROPULSIVE THRUST, NOT OTHERWISE PROVIDED FOR
- F03D—WIND MOTORS
- F03D7/00—Controlling wind motors
- F03D7/02—Controlling wind motors the wind motors having rotation axis substantially parallel to the air flow entering the rotor
- F03D7/04—Automatic control; Regulation
- F03D7/042—Automatic control; Regulation by means of an electrical or electronic controller
- F03D7/043—Automatic control; Regulation by means of an electrical or electronic controller characterised by the type of control logic
-
- 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
-
- 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
- F03D7/022—Adjusting aerodynamic properties of the blades
- F03D7/0224—Adjusting blade pitch
-
- 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
- F03D7/0244—Controlling wind motors the wind motors having rotation axis substantially parallel to the air flow entering the rotor for braking
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
- F05B—INDEXING SCHEME RELATING TO WIND, SPRING, WEIGHT, INERTIA OR LIKE MOTORS, TO MACHINES OR ENGINES FOR LIQUIDS COVERED BY SUBCLASSES F03B, F03D AND F03G
- F05B2260/00—Function
- F05B2260/80—Diagnostics
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
- F05B—INDEXING SCHEME RELATING TO WIND, SPRING, WEIGHT, INERTIA OR LIKE MOTORS, TO MACHINES OR ENGINES FOR LIQUIDS COVERED BY SUBCLASSES F03B, F03D AND F03G
- F05B2260/00—Function
- F05B2260/82—Forecasts
- F05B2260/821—Parameter estimation or prediction
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
- F05B—INDEXING SCHEME RELATING TO WIND, SPRING, WEIGHT, INERTIA OR LIKE MOTORS, TO MACHINES OR ENGINES FOR LIQUIDS COVERED BY SUBCLASSES F03B, F03D AND F03G
- F05B2270/00—Control
- F05B2270/30—Control parameters, e.g. input parameters
- F05B2270/32—Wind speeds
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
- F05B—INDEXING SCHEME RELATING TO WIND, SPRING, WEIGHT, INERTIA OR LIKE MOTORS, TO MACHINES OR ENGINES FOR LIQUIDS COVERED BY SUBCLASSES F03B, F03D AND F03G
- F05B2270/00—Control
- F05B2270/30—Control parameters, e.g. input parameters
- F05B2270/322—Control parameters, e.g. input parameters the detection or prediction of a wind gust
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
- F05B—INDEXING SCHEME RELATING TO WIND, SPRING, WEIGHT, INERTIA OR LIKE MOTORS, TO MACHINES OR ENGINES FOR LIQUIDS COVERED BY SUBCLASSES F03B, F03D AND F03G
- F05B2270/00—Control
- F05B2270/70—Type of control algorithm
- F05B2270/709—Type of control algorithm with neural networks
-
- 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)
- Life Sciences & Earth Sciences (AREA)
- Sustainable Development (AREA)
- Sustainable Energy (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Fluid Mechanics (AREA)
- Wind Motors (AREA)
Abstract
윈드 터빈에서 윈드 거스트의 발생을 예측하는 방법은: 미리결정된 주파수로 입력 데이터로서 윈드 터빈을 위해 측정된 적어도 하나의 파라미터의 값들을 획득하는 단계; 가장 최근에 획득된 미리결정된 크기의 입력 데이터의 일 그룹을 선택하는 단계; 입력 데이터의 언급된 선택된 그룹에 기초해서 윈드 거스트의 발생의 확률을 계산하는 단계; 윈드 거스트의 발생의 계산된 확률이 미리결정된 확률 레벨 위에 있는지를 검증하는 단계; 및 계산된 확률이 언급된 미리결정된 확률 레벨 위에 있다면 윈드 거스트의 발생을 예측하는 단계;를 포함한다.
Description
본 발명은 윈드 터빈에서 윈드 거스트의 발생을 예측하기 위한 방법 및 시스템에 관한 것이다.
현대의 윈드 터빈들은 전기 그리드에 전기를 공급하도록 일반적으로 사용된다. 이러한 종류의 윈드 터빈들은 일반적으로 로터 허브 및 복수의 블레이드를 갖는 로터를 포함한다. 로터는 블레이드 상의 윈드의 영향 하에서 회전으로 설정된다. 로터 샤프트의 회전은 제너레이터 로터를 직접적으로 구동하거나("직접적으로 구동됨") 또는 기어박스의 사용을 통해 구동한다.
많은 현대의 윈드 터빈들이 가변 스피드 작동에서 작동된다. 이것은 로터 샤프트 스피드가 윈드 조건들에 따라 변할 수 있다는 것을 의미한다. 가변 스피드 작동을 갖는 윈드 터빈(및 로터 샤프트 스피드)의 제어는 일반적으로 윈드 터빈의 피치 제어 및 제너레이터 토크를 사용하여 실행된다. 피치 제어와 함께, 블레이드들의 영각(the angle of attack)은 블레이드들 상의 에어로다이나믹 토크를 증가시키거나 또는 감소시키도록 제어될 수 있다. 제너레이터와 함께, 드라이브 트레인의 마주하는 단부에서 (일렉트로)마그네틱 토크는 증가되거나 또는 감소될 수 있다. 시스템의 관성(inertia)으로 인해, 피치 제어는 항상 윈드 스피드에서의 변화에 대해 작은 딜레이와 반응할 것이고 또한 최대 피치 레이트(즉, 피치 각이 변경될 수 있는 곳에서 최대 레이트)를 가질 것이다. 제너레이터 토크는 더 빠르게 조정될 수 있으나, 사용된 제너레이터 및 파워 전자기기들에 의존해서 최대 레이팅 역시 가질 것이다.
이제, 가변 스피드 윈드 터빈들에서의 일반적인 제어가 설명될 것이다. 레이팅된 윈드 스피드 아래의 작동에서, 로터 샤프트 스피드는 주로 제너레이터 토크에 의해 제어된다. 블레이드들이 최적 영각을 가지도록 설정되고, 변화하는 윈드 조건들 하에서 최대 가능한 토크를 캡처링한다. 제너레이터 토크가 로터 샤프트 스피드를 제어하도록 변화된다. 레이팅된 윈드 스피드에서 그리고 레이팅된 윈드 스피드 위에서의 작동에서, 윈드 터빈 블레이드들의 피치 제어가 로터 상의 에어로다이나믹 토크를 제한하도록 사용된다. 피치 각이 증가하는 윈드 스피드와 함께 증가된다(블레이드들이 그들의 베인(vane) 위치로 향한다). 제너레이터 레이팅에 의존해서, 제너레이터 토크 역시 로터 샤프트 스피드를 제어하도록 사용될 수 있다.
윈드 스피드가 일정하지 않고 한 순간에서 다음으로 현저하게 변화할 수 있다는 점이 잘 알려져 있다. 윈드 터빈의 제어(그것이 가변 스피드 윈드 터빈이든 일정한 스피드 윈드 터빈이든)가 변화하는 윈드 조건들에 적응하도록 야기될 수 있는 것이 중요하다. 제어의 어떠한 유형이 선택되든 상관없이, 윈드 거스트에 제어를 적응시키는 것은 문제로 남겨져 있다. 특히 표준 IEC 64100-1 제 2 에디션 1999-02에서 정의된 바와 같은, 소위 "멕시칸 햇(Mexican hat)" 윈드 거스트는 문제를 야기할 수 있다. 그러한 윈드 거스트가 도 1에서 묘사된다. 윈드 스피드에서 약간의 감소가 윈드 스피드에서 갑작스런 증가에 의해 뒤이어진다. 앞에 설명된 가변 스피드 작동과 함께, 최초 반응은 피치 각을 감소시키는 것일 것이다(블레이드들의 영각을 증가시키기 위함). 피치 각이 감소될 때, 윈드 스피드의 갑작스런 증가가 발생한다. 피치 제어는 공기역학적 토크를 감소시키도록 최고 가능한 피치 레이트에서 피칭할 것이다. 그러나 자주 최대 피치 레이트는 윈드 거스트에 적합하게 반응할만큼 충분히 높지 않을 것이다. 이것은 윈드 터빈 상의 고부하를 야기할 수 있고 그리드로부터 윈드 터빈의 연결해제 역시 야기할 수 있다. 물론 윈드 터빈이 고부하를 겪고 윈드 거스트로 인해 그리드로부터 자주 연결해제되어야만 하는 것은 비소망된다.
선행 기술에서, 다양한 시도들이 앞서 언급된 문제들을 완화시키도록 이루어져왔다. 미국특허 제 2007/0067067호는 윈드 터빈 로터의 윈드 스피드 업스트림을 측정하는 것이 가능한 소위 SODAR 디바이스를 설치하는 것을 설명한다. 미국특허 제 2009/0047116호 역시 윈드 터빈의 윈드 스피드 업스트림을 측정하는 목적을 갖는 윈드 터빈 허브에 설치되는 LIDAR 디바이스를 설치하는 것을 설명한다. 이들 시스템의 주요한 불이익은 추가 비용을 나타내는 별개의 전용 시스템이 요구된다는 것이다. 미국특허 제 2007/0124025호는 또 다른 시스템을 설명하고, 여기서 윈드 터빈의 제어는 윈드 터빈의 업스트림에 위치되는 다른 윈드 터빈들로부터 데이터를 사용한다. 그러나 이 시스템은 다른 윈드 터빈의 존재에 의존하고, 다른 윈드 터빈으로부터 업스트림에 위치되는 윈드 터빈에 관한 문제를 해결하지 않는다.
미국특허 제 6,909,198호는 유동 매체의 플로우 데이터를 프로세싱 및/또는 예측하기 위한 방법을 설명하고, 매체에서 하나 또는 다양한 위치들에 계속 기초해서 연속적으로 측정되는 적어도 하나의 플로우 파라미터의 값들로부터(언급된 플로우 파라미터는 매체의 스피드에 대해 특징적임), 시계열이 형성되고 업데이트되며, 그것은 각각의 뒤이은 플로우 파라미터들에 대한 예측 값들을 발생시키기도록 위치적으로 일정한 위상 공간 모델에 기초해서 비선형 결정론적 예측 절차에 종속되며, 예측이 플로우 스피드에서의 임박한 변경에 대해 판단한다면 미리결정된 제어 신호가 발생된다. 이 방법은 비선형 결정론적 예측 절차에 기초하기 때문에, 이 방법을 적합하게 실행하기 위해서 필요한 컴퓨터의 커패시티는 매우 높다. 그러므로 예측을 실행할 수 있는 컴퓨터는 비쌀 수 있다.
또 다른 선행 기술 방법이 WO 2007/138138에서 설명된다. 이 방법에 따르면, 제너레이터의 순간 가속도가 미리결정된 임계 위에 있을 때마다 블레이드의 피치가 제어된다(익스트림 윈드 거스트 조건들 하에 있는 것처럼). 그러나 이 방법의 불이익은 윈드 거스트의 검출이 오직 제너레이터의 가속도의 단순한 측정에 대해 감소된다는 것이다. 윈드 거스트가 발생하지 않음을 나타낼 수 있는 임의 다른 요소는 무시된다. 부가적으로, 기준은 오직 단일 익스트림 윈드 거스트만을 고려한다. 임의 다른 윈드 거스트가 검출되지 않을 것이다.
앞서 언급된 불이익들을 겪지않는 윈드 터빈에서 윈드 거스트의 발생을 예측하기 위한 방법 및 시스템을 제공하는 것이 본 발명의 목적이다. 이러한 측면에서 윈드 거스트의 발생을 예측하는 것은 윈드 거스트가 발생하기 전에 윈드 거스트가 예측된다는 것을 반드시 의미하지 않고, 그보다는 윈드 거스트가 윈드 터빈을 해롭게 하거나 또는 해롭게 할 수 있기 이전에 윈드 거스트가 발생 중이거나 또는 발생할 것임을 인식하는 것으로 해석된다. 언급된 목적이 제 1항에 따른 방법 및 제 15항에 따른 시스템으로 획득된다.
제 1 측면에서, 본 발명은: 미리결정된 주파수로 입력 데이터로서 윈드 터빈에 대해 측정된 적어도 하나의 파라미터의 값들을 획득하는 단계, 가장 최근에 획득된 미리결정된 크기의 입력 데이터의 일 그룹을 선택하는 단계; 입력 데이터의 언급된 선택된 그룹에 기초해서 윈드 거스트의 발생의 확률을 계산하는 단계; 윈드 거스트의 발생의 계산된 확률이 미리결정된 확률 레벨 위에 있는지를 검증하는 단계; 및 계산된 확률이 언급된 미리결정된 확률 레벨 위에 있다면 윈드 거스트의 발생을 예측하는 단계;를 포함하는 윈드 터빈에서 윈드 거스트의 발생을 예측하는 방법에 관한 것이다.
윈드 거스트를 예측하기 위해, 윈드 터빈에서 일반적으로 측정된 적어도 하나의 파라미터의 값들이 획득된다. 윈드 터빈에 대해 측정된 언급된 적어도 하나의 파라미터는 예를 들어, 윈드 스피드, 제너레이터 파워, 로터 샤프트 스피드일 수 있다(그러나 다른 파라미터들 역시 포함할 수 있다). 이들 파라미터들에 대해 가장 최근에 획득된 값들에 기초해서, 윈드 거스트가 발생하는 확률이 계산된다. 계산된 확률이 특정 미리결정된 임계 위에 있다면, 윈드 거스트가 예측된다. 뒤이어, 그때 윈드 터빈의 제어가 윈드 거스트를 설명하도록 적응된다. 본 발명의 주요한 이점은 어떠한 별개의 시스템(LIDAR 또는 SODAR과 같음)도 본 발명을 실행할 수 있도록 설치되는 것을 필요로 하지 않는다는 것이다. 부가적으로, 제어를 위해 필요한 데이터가 윈드 터빈 자체에서 획득될 수 있고 데이터는 예를 들어, 또 다른 윈드 터빈으로부터 공급되는 것을 필요로 하지 않는다. 본 발명의 또 다른 이점은 단지 확률만이 계산되고, 그것은 결정론적 모델(어떻게 윈드 스피드가 그것이 윈드 거스트인지 여부를 전개할 것인지에 관한 완전한 예측이 계속적으로 수행될 필요가 있다)을 갖는 것보다 더 적은 컴퓨터 용량을 요구한다는 점이다. 본 발명에 필요한 계산들은 모디스트(상대적으로 저렴한) 컴퓨터 용량으로 수행될 수 있다. 최종적으로, 윈드 터빈의 원드 거스트 업스트림을 측정하는 대신에, 윈드 거스트가 윈드 터빈 자체(윈드 터빈의 정확한 위치)에서 발생하는 확률이 계산될 수 있다. 본 발명은 윈드 터빈들 또는 다른 이큅먼트 업스트림의 존재에 의존하지 않는다.
본 발명의 일부 실시예들에서, 입력 데이터의 언급된 선택된 그룹에 기초해서 윈드 거스트의 발생의 확률을 계산하는 단계는 입력 데이터의 선택된 그룹과 하나 이상의 미리결정된 윈드 거스트와 관련된 데이터 사이의 유사성을 판단하기 위한 알고리즘을 사용하는 단계를 포함한다. 바람직하게 이들 실시예들에서, 언급된 하나 이상의 미리결정된 윈드 거스트는 표준 IEC 61400에서 규정된 윈드 거스트이다. 이러한 IEC(International Electrotechnical Commission) 표준은 윈드 터빈에 관한 것이고 윈드 터빈이 견뎌낼 수 있어야만 하는, 예를 들어 부하(윈드 거스트로부터와 같음)를 구체화한다. 이러한 IEC 표준은 윈드 터빈의 분야에서 증가되는 노-하우에 적응하도록 변화할 수 있다. 윈드 거스트의 발생의 확률을 결정하는 일 바람직한 방법은 윈드 거스트 조건 하에서 동일한 파라미터(들)의 패턴과 파라미터(또는 파라미터들)의 전개의 유사성을 판단하는 것에 의한다. 패턴들 사이의 유사성을 판단하는 알고리즘을 사용하는 것은 윈드 거스트가 발생할 확률을 판단하는 상대적으로 쉬운 방법이다(더 많은 유사성은 더 높은 확률을 유도한다). 바람직하게, 그러한 방법으로, 관련된 표준에서 규정되는 바와 같이 윈드 거스트 하에서 언급된 파라미터(들)의 패턴과의 유사성이 판단된다(표준이 케이스들을 규정하는 설계 부하를 규정할 것이기 때문이다). 표준 IEC 61400-1 제 2 에디션 1999-02는 이들 윈드 거스트는 해로울 수 있기 때문에, 중요한 바와 같이 예를 들어 소위 멕시칸 햇 윈드 거스트를 구체화한다.
바람직하게 이들 실시예들에서, 패턴들 사이의 유사성을 판단하기 위한 알고리즘이 인공 신경 네트워크들을 사용하여 획득된다. 인공 신경 네트워크들은 비-선형 통계 데이터 모델링 툴이고, 그것은 데이터에서 패턴들을 찾는데 특히 적합하다. 인공 신경 네트워크의 트레이닝 위상에서(이하에서 "신경 네트워크"), 네트워크는 인식하는 패턴을 습득한다. 예를 들어, 윈드 거스트에서, 윈드 스피드는 윈드 스피드에서의 가파른 증가를 포함하는 패턴을 따를 것이다. 유사하게, 로터 스피드와 같은 파라미터는 윈드 거스트 조건 하에서 일반적인 패턴을 따를 수 있다. 본 발명의 범위 내에서, 임의 파라미터, 또는 윈드 터빈에 대해 측정된 파라미터들의 임의 조합이 트레이닝 위상에서 윈드 거스트 패턴들을 검출하도록 선택될 수 있다.
본 발명의 일부 실시예들에서, 미리결정된 주파수로 입력 데이터로서 윈드 터빈에 대해 측정되는 적어도 하나의 파라미터의 값들은 언급된 윈드 터빈의 나셀에서의 윈드 스피드 및/또는 로터 샤프트 스피드 및/또는 제너레이터 파워의 값에 관한 입력을 획득하는 단계를 포함한다. 윈드 스피드는 측정하기에 가장 논리적인 파라미터로 나타난다. 그러나 윈드 스피드가 일반적으로 나셀 상에 위치되는 풍속계로 판단되기 때문에, 나셀에서 측정된 윈드 스피드는 블레이드들 주변의 윈드의 플로우에 의해 매우 영향을 받는다. 로터 샤프트 스피드 및 제너레이터 파워는 이런 관점에서 더 신뢰할 수 있다. 한편으로, 허브 및 블레이드들의 기준 때문에, 윈드 거스트의 효과들이 윈드 스피드에서의 변화만큼 빠르게 레지스터링되지 않는다. 이들 파라미터들의 조합(예, 제너레이터 파워 및 윈드 스피드)은 바람직한 옵션이다. 그러나 본 발명의 범위 내에서, 파라미터들의 다른 조합들, 또는 다른 파라미터들(피치 각, 또는 제너레이터 로터 스피드와 같음) 역시 선택될 수 있다. 확률(및 확률 임계)을 계산하기 위해 사용된 알고리즘은 선택된 파라미터(들)에 적응되어야만 할 것이다.
본 발명의 일부 실시예들에서, 입력 데이터를 획득하는 단계의 미리결정된 주파수는 초당 10 내지 1000번 사이, 바람직하게 초당 10 내지 100번 사이, 더 바람직하게 초당 20번이다. 입력 데이터를 획득하는 단계의 선택된 주파수는 예측의 딜레이와 이용가능한 컴퓨터 커패시티 사이의 밸런스이어야만 한다. 윈드 터빈의 제어 중심 내에서(윈드 터빈 위치에 또는 원격으로 위치될 수 있음), 많은 작동 태스크가 수행되고 모니터링되는 것이 필요하다. 이런 이유로, 윈드 거스트의 예측 전용인 컴퓨터 커패시티를 감소시키는 것에 관한 (따라서 입력 데이터를 획득하는 단계의 주파수를 감소시키는 것에 관한) 소망이 있다. 그러나 한편으로 더 높은 주파수와 함께, 윈드 거스트는 더 빠르게 인식가능할 수 있다. 예를 들어, 초당 10 내지 100번 사이의 주파수와 함께, 양호한 밸런스가 획득될 수 있다는 것이 발견되었다.
본 발명의 일부 실시예들에서, 입력 데이터의 미리결정된 크기의 언급된 그룹은 1 내지 10초 사이, 바람직하게 2 내지 8초, 더 바람직하게 5초의 주기를 커버링한다. 발생하는 윈드 거스트의 확률을 계산하도록 고려되는 데이터의 주기는 윈드 거스트가 예측될 수 있는 스피드와 예측의 신뢰성 사이에서 밸런싱되어야만 한다. 더 긴 주기가 고려된다면, 확률 계산의 결과는 훨씬 더 신뢰할 수 있으나, 계산의 결과는 반응할 수 있기에는 너무 늦게 획득될 수 있다. 고려될 수 있는 최적 주기는 예를 들어 선택된 파라미터(윈드 스피드, 제너레이터 파워, 조합들 등)들, 검출되는 윈드 거스트의 유형, 윈드 거스트의 순간에서 우세한 윈드 스피드 등에 의존할 수 있다. 대개의 목적들 및 대개의 어플리케이션들에 있어서, 1 내지 10초 사이, 및 바람직하게 2 내지 8초 사이의 주기가 양호한 결과들을 유도한다는 것이 발견된다.
본 발명의 바람직한 실시예들에서, 미리결정된 확률 레벨(임계)은 40% 내지 85% 사이에 있다. 계산된 확률이 미리결정된 임계 위에 있다면, 윈드 거스트가 예측되고, 적합한 동작들이 취해질 수 있다. 계산된 확률이 임계 아래에 있다면, 어떠한 윈드 거스트도 예측되지 않고 정상 윈드 터빈 제어는 영향받지 않는다. 선택된 임계가 윈드 거스트가 예측될 수 있는 스피드와 예측의 신뢰성 사이의 밸러스가 될 것이다. 선택된 임계가 낮다면, 계산된 확률 레벨은 더 쉽게 이 레벨에 도달할 것이고 따라서 윈드 거스트가 빠르게 예측될 수 있다. 한편으로, 어떠한 윈드 거스트도 실제로 발생하지 않을 때 윈드 거스트가 예측되는 경향이 더 있다. 40% 내지 85% 사이의 확률 레벨이 일반적으로 양호한 결과들로 유도한다는 것이 발견된다. 선택된 확률 레벨은 예를 들어 선택된 파라미터들, 획득하는 데이터의 주파수, 확률의 계산을 위해 고려되는 주기, 검출되는 윈드 거스트의 유형 등에 의존할 수 있다.
본 발명의 또 다른 측면에서, 본 발명은 윈드 터빈을 제어하는 방법을 제공하고, 윈드 거스트의 발생을 예측하는 방법을 포함하며, 윈드 거스트의 발생이 예측된다면, 그러한 윈드 거스트에 윈드 터빈의 피치 제어 및/또는 제너레이터 토크를 적응시키는 것을 더 포함한다. 가변 스피드 윈드 터빈에서, 윈드 터빈을 제어하기 위한 두개의 파라미터들은 일반적으로 피치 및 제너레이터 토크이다. 윈드 거스트가 예측될 때, 윈드 터빈 상의 부하를 제한하고 윈드 터빈의 작동을 간섭하는 것을 회피하려는 시도에서, 블레이들의 피치가 공기역학적 부하를 감소시키기 위해 증가될 것이고 제너레이터 토크는 로터 샤프트를 슬로우 다운시키도록 증가될 것이다. 그러나, 가장 적합한 제어 전략은 윈드 터빈의 다른 종류에서 다를 수 있다. 예를 들어, 모든 터빈들이 피치 능력을 가지는 것은 아니다. 이러한 종류의 터빈들에서도 역시, 윈드 커스트의 발생을 예측하는 방법이 유용할 수 있다. 윈드 거스트가 예측되자마자, 적합한 작동이 취해질 수 있다(예를 들어, 브레이킹, 블레이드들 상에 제공된다면 플랩들을 사용하는 것, 그리드로부터의 연결해제 등).
여전히 본 발명의 또 다른 측면을 따라서, 본 발명은 컴퓨터가 윈드 거스트의 발생을 예측하는 방법을 수행하도록 야기하는 프로그램 명령어들을 포함하는 컴퓨터 프로그램을 제공한다. 언급된 컴퓨터 프로그램은 저장 매체(예를 들어, 컴퓨터 메모리 상의 또는 판독-전용 메모리 상의 USB 드라이브, CD-ROM, DVD) 상에 구현되거나 또는 캐리어 신호(예를 들어, 전기 캐리어 신호 또는 광 캐리어 신호) 상에 실릴 수 있다.
최종적으로, 본 발명은 또한 미리결정된 주파수로 윈드 터빈에서 측정되는 적어도 하나의 파라미터의 값들 상의 입력 데이터를 획득하기 위한 모듈; 가장 최근에 획득된 미리결정된 크기의 입력 데이터의 일 그룹을 선택하기 위한 모듈; 입력 데이터의 언급된 선택된 그룹에 기초해서 윈드 거스트의 발생의 확률을 계산하기 위한 모듈; 윈드 거스트의 발생의 계산된 확률이 미리결정된 확률 레벨 위에 있는지 여부를 검증하기 위한 모듈; 및 계산된 확률이 언급된 미리결정된 확률 레벨 위에 있다면 윈드 거스트의 발생을 예측하기 위한 모듈;을 포함하는 윈드 거스트의 발생을 예측하기 위한 컴퓨터 시스템에 관한 것이다. 입력 데이터를 획득하기 위한 수단은 윈드 터빈 나셀에, 또는 원격으로 위치될 수 있고 그것은 무선 테크놀로지를 사용할 수 있다. 입력은 이용가능한 센서의 임의 종류로부터, 그리고 바람직하게 윈드 터빈들 상의 정상적으로 이용가능한 센서들로부터 획득될 수 있다. 또한 계산 등을 위해 사용되는 프로세싱 수단은 윈격으로 또는 위치 상에 위치될 수 있다. 적합한 마이크로 프로세싱 시스템의 임의 종류, 또는 컴퓨팅 디바이스 또는 시스템의 임의 종류가 사용될 수 있다.
본 발명은 선행 기술이 지닌 문제를 회피하는 윈드 터빈에서 윈드 거스트의 발생을 예측하기 위한 방법 및 시스템을 제공한다.
본 발명의 소정 실시예들이 오직 비-제한적인 예시의 방법에 의해, 첨부된 도면들에 대한 참조와 함께 다음에서 설명될 것이고, 여기서:
도 1은 "멕시칸 햇" 윈드 거스트 및 그러한 윈드 거스트 동안의 피치 제어를 설명하고;
도 2는 다양한 윈드 스피드에서 발생하는 멕시칸 햇 윈드 거스트를 설명하고;
도 3은 인공 신경 네트워크를 도시하며;
도 4 및 5는 본 발명을 따르는 방법들을 사용하여 나셀에서 측정된 윈드 스피드에 기반한 윈드 거스트의 예측을 설명하고;
도 6 및 7은 본 발명의 일 실시예에서 어느 윈드 스피드 변수(variables)들이 윈드 거스트로 인식되고 인식되지 않는지를 도시하며;
도 8 및 9는 본 발명을 따르는 방법들을 사용하여 측정된 윈드 스피드 및 제너레이터 파워에 기반한 윈드 거스트의 예측을 도시하고;
도 10은 본 발명을 따르는 방법을 사용하여 정상 윈드 스피드 변화(variations)들이 윈드 거스트로서 검출되지 않는 것을 도시한다.
도 11은 본 발명을 따르는 방법을 사용하여 윈드 스피드, 제너레이터 파워 및 로터 스피드에 기반한 윈드 거스트의 예측을 도시한다.
도 1은 "멕시칸 햇" 윈드 거스트 및 그러한 윈드 거스트 동안의 피치 제어를 설명하고;
도 2는 다양한 윈드 스피드에서 발생하는 멕시칸 햇 윈드 거스트를 설명하고;
도 3은 인공 신경 네트워크를 도시하며;
도 4 및 5는 본 발명을 따르는 방법들을 사용하여 나셀에서 측정된 윈드 스피드에 기반한 윈드 거스트의 예측을 설명하고;
도 6 및 7은 본 발명의 일 실시예에서 어느 윈드 스피드 변수(variables)들이 윈드 거스트로 인식되고 인식되지 않는지를 도시하며;
도 8 및 9는 본 발명을 따르는 방법들을 사용하여 측정된 윈드 스피드 및 제너레이터 파워에 기반한 윈드 거스트의 예측을 도시하고;
도 10은 본 발명을 따르는 방법을 사용하여 정상 윈드 스피드 변화(variations)들이 윈드 거스트로서 검출되지 않는 것을 도시한다.
도 11은 본 발명을 따르는 방법을 사용하여 윈드 스피드, 제너레이터 파워 및 로터 스피드에 기반한 윈드 거스트의 예측을 도시한다.
도 1은 그러한 윈드 거스트 동안의 "멕시칸 햇" 및 피치 제어(피치 레이트의 에볼루션)를 설명한다. 멕시칸 햇 윈드 거스트는 위험한 윈드 거스트들일 수 있기 때문에, 그들은 IEC 64100-1 제 2 에디션 1999-02 표준에서 정의된다. 그러한 윈드 거스트 동안 윈드 터빈이 겪는 부하는 심각하고 윈드 터빈에 대해 설계 부하를 규정할 수 있다. 이것은 윈드 스피드에서의 높은 증가 이전에, 윈드 스피드에서의 감소 때문이다(도 1 참조). 윈드 스피드가 감소할 때, 피치가 이러한 감소에 적응된다(블레이드들이 공기역학적 토크를 증가시키는 그러한 방법으로 회전되고, 피치 레이트는 영(zero) 아래이다). 적응된 피치와 함께, 윈드 스피드에서의 현저한 증가가 발생한다. 따라서 허브 상의 공기역학적 토크가 매우 높을 수 있다. 윈드 터빈의 피치는 이들 변화하는 윈드 조건들에 적응하기 시작할 것이다. 그러나 윈드 스피드가 증가를 유지하고 시스템의 기준 때문에, 피치는 충분히 빠르게 적응될 수 없다. 상대적으로 빠른 피치 제어가 초당 5°의 그것의 최대 피치 레이트에 있는 것이 도 1에서 보여질 수 있다. 터빈 상의 부하는 높고 심지어 이 경우에 윈드 터빈의 작동의 간섭을 유도한다. 도 1에서 보여질 수 있는 바와 같이, 그때 블레이드들이 최대 피치 레이트에서 그들의 베인 위치로 회전된다. 따라서 특히 윈드 거스트의 이러한 종류가 문제를 회피하도록 가능한 빨리 검출되어야만 하는 것은 명백하다. 윈드 거스트가 용이하게 검출될 수 있다면, 윈드 터빈의 제어는 제때에 적응될 수 있고, 그래서 부하가 감소될 수 있으며 윈드 터빈 작동은 간섭되는 것이 필요하지 않다.
도 2는 다양한 윈드 스피드에서 발생하는 멕시칸 햇 윈드 거스트를 설명한다. 윈드 터빈 상의 효과 및 부하는 다른 윈드 스피드 및 다른 아지무스(azimuth) 각들에서 다르다. 그러므로 IEC 64100-1 제 2 에디션 1999-02 표준은 다양한 스피드에서 및 다야한 아지무스 각에서 멕시칸 햇 윈드 거스트를 규정한다. 본 발명에 따른 확률 계산은 특히 이들 윈드 거스트를 목표으로 할 수 있다. 어플리케이션의 나머지에서, 초점은 멕시칸 윈드 거스트에 있을 것이다. 본 발명의 다른 실시예들에서, 예측되는 윈드 거스트의 유형이 다를 수 있다는 것을 유념해야만 한다.
본 발명을 따라서, 윈드 터빈에서 윈드 거스트의 발생을 예측하는 방법은: 미리결정된 주파수로 입력 데이터로서 윈드 터빈에 대해 측정된 적어도 하나의 파라미터의 값들을 획득하는 단계; 가장 최근에 획득된 미리결정된 크기의 입력 데이터의 일 그룹을 선택하는 단계; 입력 데이터의 언급된 선택된 그룹에 기초해서 윈드 거스트의 발생의 확률을 계산하는 단계; 윈드 거스트의 발생의 계산된 확률이 미리결정된 확률 레벨 위에 있는지 여부를 검증하는 단계; 및 계산된 확률이 언급된 미리결정된 확률 레벨 위에 있다면, 윈드 거스트의 발생을 예측하는 단계;를 포함한다. 확률의 계산은 다양한 방법들로 수행될 수 있다. 본 발명의 일 바람직한 실시예에서, 확률을 수행하는 알고리즘은 윈드 거스트 조건들 하에서 적어도 하나의 파라미터의 패턴의 유사성에 기반하고, 패턴과 함께 파라미터가 순간적으로 뒤따른다. 다양한 파라미터가 선택될 수 있다. 예를 들어, 나셀에서 측정된 윈드 스피드는 윈드 거스트가 발생한다면, 결정된 패턴을 따를 것이다. 그러나 예를 들어, 피치 각, 로터 스피드, 제너레이터 출력 및 다른 것들에 대해서 동일한 내용이 참이다. 바람직하게, 임의 윈드 터빈에 대해 측정되는 파라미터들 또는 파라미터들의 조합들이 어떠한 추가 시스템들도 본 발명을 수행할 수 있도록 설치될 필요가 없도록 사용된다.
패턴들 사이의 유사성을 결정하기 위한 알고리즘들이 다양한 다른 방법들로 결정되거나 또는 획득될 수 있다. 그러한 알고리즘을 획득하는 한가지 특히 강력한 방법은 인공 신경 네트워크를 통해서이다. 신경 네트워크들은 다양한 레이어들을 포함할 수 있다. 도 3에서, 그러한 레이어들 중 두개가 묘사된다(그러나 본 발명의 범위 내에서, 레이어들의 수는 다를 수 있다). 예를 들어, 윈드 스피드와 같은 파라미터의 데이터가 입력으로서 사용된다. 입력 데이터의 각각이 그때 입력 레이어에서 다른 상수(스냅스(synaptic) 무게)에 의해 승산된다. 일단 다양한 다른 상수에 의해 다시 승산되면, 승산 프로세스의 결과들은 히든(hidden) 레이어에 있다. 승산 프로세스의 결과가 더해지고 소위 활성화 함수 F로 피딩된다. 활성화 함수 F의 결과는 신경 네트워크의 출력을 제공한다.
패턴을 인식하기 위한 신경 네트워크를 트레이닝하기 위해서, 트레이닝 프로세스가 수행되는 것이 필요하다. 그러한 트레이닝 프로세스에서, 다양한 미리-프로그래밍된 입력 패턴들 및 그들의 소망된 결과 값이 신경 네트워크로 피딩된다. 이들 데이터를 취하여, 신경 네트워크는 주어진 입력에 대해 소망된 출력을 제공하도록 다양한 레이어들에서 다양한 시냅스 무게의 값들을 적응시킬 것이다. 예를 들어, 멕시칸 햇 윈드 거스트를 인식하기 위한 신경 네트워크를 트레이닝하기 위해서, 도 2에서 묘사된 바와 같은 윈드 스피드의 패턴들이 신경 네트워크로 피딩될 수 있고, 소망된 출력은 1(100%의 확률)로 설정된다. 또한, 트레이닝 프로세스에서, 다른 윈드 스피드 패턴들(12 m/s의 일정한 스피드와 같음)이 신경 네트워크로 피딩될 수 있고, 소망된 출력이 0(0%의 확률)으로 설정된다. 프로세스를 트레이닝하는 동안, 신경 네트워크는 소망된 결과들을 제공하기 위해서 다양한 "무게"의 값들을 적응시킬 것이다. 다른 트레이닝 프로세스들이 신경 네트워크들에 대해 알려져 있다. 그들의 이론, 이점들 및 불이익들이 당업자에게 알려져 있고 그들의 해설은 본 설명의 범위 밖에 놓여 있다. 더 많은 정보를 위해서, 관심있는 독자는 예를 들어, "Neural Networks for Modelling and Control of Dynamic Systems"(저자: M. 
, O. Ravn, N.K. Poulsen 및 L.K. Hansen. ISBN 1-85233-227-1) 또는 신경 네트워크들에 관한 다른 핸드북을 참조한다. 또한 가장 적합한 활성화 함수, 신경 네트워크의 레이어의 수, 및 다양한 레이어들에서 시냅스 무게의 수와 관련해서, 독자는 이들 동일한 핸드북들을 참조한다. 본 발명의 범위 내에서, 이들은 예를 들어, 검출되는 윈드 거스트의 유형, 입력 데이터로서 선택되는 파라미터들, 적용되는 확률 임계 등에 의존해서 변화될 수 있다.
일단 신경 네트워크가 파라미터(또는 파라미터들의 조합)의 미리결정된 패턴들을 검출하도록 트레이닝되면, 활성화 함수와의 조합에서 스냅스 무게는 선택된 파라미터(들)의 임의 패턴이 미리결정된 현상(이 경우에서, 멕시칸 햇 윈드 거스트)이 발생할 확률을 계산할 수 있는 알고리즘을 초래한다. 이것은 도 4 및 5에서 도시된다. 이들 도면들은 본 발명을 따르는 방법을 사용하여 나셀에서 측정되는 윈드 스피드에 기반한 윈드 거스트의 예측을 설명한다.
도 4에서, 80%의 확률 임계를 사용하여, 그리고 오직 윈드 스피드에 기반해서, 윈드 거스트의 발생이 5초 후에 예측된다는 것이 보여질 수 있다. 그 지점에서, 윈드 터빈 제어는 윈드 스피드에서의 높은 증가 이전에 터빈을 슬로우 다운시키기 위해 예를 들어 최대 피치 레이트에서 피칭하고 토크를 증가시키는 것에 의해 적응될 수 있다(이것은 도 4에서 미도시된다).
예측의 유사한 스피드(또는 딜레이)가 도 5에서 보여질 수 있다. 그러나 윈드 거스트가 발생하는 곳에서의 윈드 스피드는 12m/s(도 4에서 20 m/s)이다. 윈드 거스트가 동일한 시간 이후에 예측되나, 더 낮은 윈드 스피드 때문에, 피치는 윈드 거스트가 예측되기 이전에 작동되지 않는다(공기역학적 토크를 증가시키기 위한 바와 같이 감소되지 않음). 그러므로 윈드 스피드의 급박한 증가는 문제없이 조정될 수 있다(도 5에서 미도시됨에도).
본 발명의 범위 내에서, 확률 임계는 낮아질 수 있다(윈드 거스트를 예측하고 더 빠르게 반응하기 위한 바와 같음). 다른 한편으로, 윈드 거스트가 예측되는 것에 반하여 어떠한 윈드 거스트도 발생하지 않는 경향이 더 있게 될 것이다. 예측 스피드를 증가시키기 위한 또 다른 옵션은 하나 이상의 파라미터를 사용하는 것일 수 있다. 또한, 변화들이 입력, 또는 입력 데이터가 획득되는 주파수로서 고려될 수 있는 시간 주기에서 이루어질 수 있다.
도 6 및 7은 이전과 같은 동일한 알고리즘으로 어느 윈드 스피드 패턴이 윈드 거스트로서 인식되고 인식되지 않는지를 도시하도록 역할한다. (임계 레벨은 여전히 80%에서 유지되고 오직 윈드 스피드만이 고려된다). 도 6에서, 약간 변형된 멕시칸 햇 윈드 거스트가 예측된다. 도 7은 두개의 멕시칸 햇 유형 윈드 거스트(각각 10초 및 65초 이후)가 예측되나, 다른 변화들은 이러한 예측을 유도하지 않는다는 것을 도시한다. 85초 후에, 윈드 스피드의 또 다른 사인과 유사한(sine-like) 변화가 발생하나, 그것은 윈드 거스트로서 검출되지 않는다. 본 예시에서, 이 변화가 윈드 거스트로서 검출되지 않는다는 사실에 관한 주요한 두개의 이유가 있다: 첫째로, 윈드 스피드 변화가 제어 시스템이 인식하고 예측하도록 트레이닝되는 윈드 거스트에서의 것보다 훨씬 더 느리다. 둘째로, 이 변화는 증가 이전에 약간의 감소를 디스플레이하지 않지만, 신경 네트워크는 멕시칸 햇 윈드 거스트를 인식하도록 트레이닝된다. 그러나 다른 윈드 스피드 프로파일들 역시 트레이닝 프로세스를 적응시키는 것에 의해 예측되어야만 한다고 결정된다면, 윈드 스피드 변화의 이러한 종류 역시 자신있게 예측하는 알고리즘이 발생될 수 있다는 것이 분명해야만 한다. 본 발명은 오직 멕시칸 햇 윈드 거스트만을 예측하는 임의 방법으로 제한되지 않는다. 멕시칸 햇 윈드 거스트는 단지 그것이 일반적으로 위험한 현상이기 때문에, 선택되었다.
이제까지, 오직 하나의 파라미터가 윈드 거스트의 발생을 예측하는 방법을 위한 입력으로서 사용되었다. 그러나 본 발명은 이러한 관점에서 제한되지 않는다. 도 8 및 9는 본 발명에 부합하는 방법을 사용하여 측정된 윈드 스피드 및 제너레이터 파워에 기반한 윈드 거스트의 예측을 도시한다. 입력이 두개의 파라미터로부터 획득되기 때문에, 확률 임계 레벨은 더 낮게 설정될 수 있고(이 경우에 46%에서) 윈드 거스트의 발생이 더 빠르게 결정될 수 있다. 윈드 스피드에서의 현저한 증가 이전에, 윈드 거스트가 예측된다는 점이 도 8 및 9에서 보여질 수 있다. 예를 들어, 도 8에서, 윈드 거스트는 2, 8초 이후에 예측된다(그리고 제어가 적응될 수 있다).
도 10은 결정된 알고리즘, 선택된 파라미터들 및 선택된 확률 임계와 함께, 정상 윈드 스피드 변화들이 윈드 거스트로서 인식되지 않고 윈드 터빈의 정상 제어가 계속한다는 것을 도시한다.
도 11은 본 발명에 따른 방법을 사용하는 윈드 스피드, 제너레이터 파워 및 로터 스피드에 기반한 윈드 거스트의 예측을 도시한다. 세개의 변수들을 사용하는 것(하나 또는 두개의 변수들 대신에)은 윈드 거스트 예측의 신뢰성을 증가시킬 수 있고 윈드 거스트가 예측될 수 있는 스피드를 증가시킬 수 있다. 도 11에서, 예를 들어, 50%의 확률 임계를 사용하여, 윈드 거스트는 윈드 거스트의 제 1 인스턴스(instance)에서 검출될 수 있다(윈드 스피드가 감소할 때). 본 발명의 범위 내에서, 고려되는 파라미터들의 수는 물론 확률 임계가 변화될 수 있다.
본 발명이 특정 바람직한 실시예들 및 예시들의 문맥에서 설명됨에도, 본 발명이 구체적으로 개시된 실시예들을 지나서 다른 대안적인 실시예들 및/또는 본 발명의 용도들 및 명백한 수정들 및 그것의 등가물들로 확장한다는 점이 해당 기술분야에서 당업자들에 의해 이해될 것이다. 따라서 여기서 개시된 본 발명의 범위가 이전에 설명된 소정 개시된 실시예들에 의해 한정되지 않아야만 하지만, 오직 뒤따르는 청구항들의 정확한 이해에 의해서만 결정되어야만 한다는 것이 의도된다.
Claims (15)
- 윈드 터빈에서 윈드 거스트의 발생을 예측하는 방법에 있어서,
미리 결정된 주파수로 입력 데이터로서 상기 윈드 터빈에 대해 측정된 적어도 하나의 파라미터의 값들을 획득하는 단계;
가장 최근에 획득된 미리결정된 크기의 입력 데이터의 일 그룹을 선택하는 단계;
입력 데이터의 상기 선택된 그룹에 기초해서 윈드 거스트의 상기 발생의 확률을 계산하는 단계;
윈드 거스트의 상기 발생의 상기 계산된 확률이 미리결정된 확률 레벨 위에 있는지 여부를 검증하는 단계; 및
상기 계산된 확률이 상기 미리결정된 확률 레벨 위에 있다면 윈드 거스트의 상기 발생을 예측하는 단계;를 포함하는 것을 특징으로 하는 방법. - 제 1항에 있어서,
입력 데이터의 상기 선택된 그룹에 기초해서 윈드 거스트의 상기 발생의 상기 확률을 계산하는 단계는 윈드 거스트가 상기 윈드 터빈에서 순간적으로 발생하는 상기 확률을 계산하는 단계를 포함하는 것을 특징으로 하는 방법. - 제 1항 또는 제 2항에 있어서,
입력 데이터의 상기 선택된 그룹에 기초해서 윈드 거스트의 상기 발생의 상기 확률을 계산하는 단계는 입력 데이터의 상기 선택된 그룹과 하나 이상의 미리결정된 윈드 거스트와 관련된 데이터 사이의 유사성을 결정하기 위한 알고리즘을 사용하는 단계를 포함하는 것을 특징으로 방법. - 제 3항에 있어서,
상기 하나 이상의 미리결정된 윈드 거스트는 표준 IEC 61400에서 정의된 윈드 거스트인 것을 특징으로 하는 방법. - 제 3항 또는 제 4항에 있어서,
상기 알고리즘은 인공 신경 네트워크로 획득된 것을 특징으로 하는 방법. - 제 1 항 내지 제 5항 중 어느 한 항에 있어서,
미리결정된 주파수로 입력 데이터로서 상기 윈드 터빈에 대해 측정되는 적어도 하나의 파라미터의 값들을 획득하는 단계는 상기 윈드 터빈의 나셀에서의 윈드 스피드 및/또는 로터 샤프트 스피드 및/또는 제너레이터 파워의 값에 관한 입력을 획득하는 단계를 포함하는 것을 특징으로 하는 방법. - 제 1항 내지 제 6항 중 어느 한 항에 있어서,
미리결정된 주파수로 입력 데이터로서 윈드 터빈에 대해 측정된 적어도 하나의 파라미터의 상기 값들을 획득하는 단계는 상기 윈드 터빈에서 측정된 두개의 파라미터들, 바람직하게 상기 윈드 터빈의 상기 나셀에서 측정된 윈드 스피드 및 제너레이터 파워의 값에 관한 입력을 획득하는 단계를 포함하는 것을 특징으로 하는 방법. - 제 1항 내지 제 7항 중 어느 한 항에 있어서,
상기 미리결정된 주파수는 초당 10 내지 1000번 사이, 더 바람직하게 초당 10 내지 100번 사이, 가장 바람직하게 초당 20번인 것을 특징으로 하는 방법. - 제 1항 내지 제 8항 중 어느 한 항에 있어서,
미리결정된 크기의 입력 데이터의 상기 그룹은 1 내지 10초 사이, 바람직하게 2 내지 8초 사이, 더 바람직하게 5초의 주기를 커버링하는 것을 특징으로 하는 방법. - 제 1항 내지 제 9항 중 어느 한 항에 있어서,
상기 미리결정된 확률 레벨이 40% 내지 85% 사이에 있는 것을 특징으로 하는 방법. - 윈드 터빈을 제어하는 방법에 있어서,
제 1항 내지 제 10항 중 어느 한 항에 따라 윈드 거스트의 발생을 예측하는 방법을 포함하고, 윈드 거스트의 상기 발생이 예측된다면, 그러한 윈드 거스트에 대해 윈드 터빈의 피치 제어 및/또는 제너레이터 토크를 적응시키는 단계를 더 포함하는 것을 특징으로 하는 방법. - 컴퓨터가 제 1항 내지 10항 중 어느 한 항에 따라 윈드 거스트의 상기 발생을 예측하는 방법을 수행하는 것을 야기하기 위한 프로그램 명령어들을 포함하는 것을 특징으로 하는 컴퓨터 프로그램 프로덕트.
- 제 12항에 있어서,
저장 매체 상에 구현되는 것을 특징으로 하는 컴퓨터 프로그램 프로덕트. - 제 12항에 있어서,
캐리어 신호 상에 실리는 것을 특징으로 하는 컴퓨터 프로그램 프로덕트. - 미리결정된 주파수로 윈드 터빈에서 측정된 적어도 하나의 파라미터의 값들 상의 입력 데이터를 획득하기 위한 모듈; 가장 최근에 획득된 미리결정된 크기의 입력 데이터의 일 그룹을 선택하기 위한 모듈; 입력 데이터의 상기 선택된 그룹에 기초해서 윈드 거스트의 발생의 확률을 계산하기 위한 모듈; 윈드 거스트의 상기 발생의 상기 계산된 확률이 미리결정된 확률 레벨 위에 있는지 여부를 검증하기 위한 모듈; 및 상기 계산된 확률이 상기 미리결정된 확률 레벨 위에 있다면 윈드 거스트의 상기 발생을 예측하기 위한 모듈;을 포함하는 것을 특징으로 하는 윈드 거스트의 발생을 예측하기 위한 컴퓨터 시스템.
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| EP09160250.8A EP2251543B1 (en) | 2009-05-14 | 2009-05-14 | Method and system for predicting the occurrence of a wind gust at a wind turbine |
| EP09160250.8 | 2009-05-14 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20120018331A true KR20120018331A (ko) | 2012-03-02 |
Family
ID=41134545
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020117027539A KR20120018331A (ko) | 2009-05-14 | 2010-05-11 | 윈드 터빈에서 윈드 거스트의 발생을 예측하기 위한 방법 및 시스템 |
Country Status (6)
| Country | Link |
|---|---|
| US (1) | US8527453B2 (ko) |
| EP (1) | EP2251543B1 (ko) |
| KR (1) | KR20120018331A (ko) |
| CN (1) | CN102439295A (ko) |
| DK (1) | DK2251543T3 (ko) |
| WO (1) | WO2010130721A1 (ko) |
Families Citing this family (21)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE102010055876A1 (de) * | 2010-12-24 | 2012-06-28 | Aerodyn Engineering Gmbh | Getriebe/Generator-Kupplung |
| ES2401857B1 (es) * | 2011-01-31 | 2014-03-10 | Gamesa Innovation & Technology S.L. | Métodos y sistemas de control de aerogeneradores mejorados. |
| US8849737B1 (en) | 2011-03-18 | 2014-09-30 | Rockwell Collins, Inc. | Prediction method of predicting a future state of a system |
| US8606418B1 (en) | 2011-03-18 | 2013-12-10 | Rockwell Collins, Inc. | Wind prediction for wind farms through the use of weather radar |
| US8489247B1 (en) * | 2011-03-18 | 2013-07-16 | Rockwell Collins, Inc. | Agent-based chaotic control of wind turbines |
| US9002483B1 (en) | 2011-03-18 | 2015-04-07 | Rockwell Collins, Inc. | Diploid control of water heaters |
| US9644610B2 (en) * | 2011-12-06 | 2017-05-09 | Vestas Wind Systems A/S | Warning a wind turbine generator in a wind park of an extreme wind event |
| EP2634419B1 (en) * | 2012-03-01 | 2016-08-24 | Alstom Wind, S.L.U. | Method of operating a wind turbine |
| US20130259686A1 (en) * | 2012-03-30 | 2013-10-03 | General Electric Company | System and method for controlling a wind turbine |
| DE102013215396A1 (de) * | 2013-08-06 | 2015-02-12 | Wobben Properties Gmbh | Verfahren zum Steuern von Windenergieanlagen |
| KR101575102B1 (ko) * | 2013-12-27 | 2015-12-07 | 두산중공업 주식회사 | 풍력 발전 단지, 풍력 발전 단지의 제어방법 및 풍력 발전 유닛 |
| JP6276223B2 (ja) * | 2015-07-16 | 2018-02-07 | 株式会社日本製鋼所 | 風力発電装置、風力発電制御装置および風力発電制御プログラム |
| DE102015122039A1 (de) * | 2015-12-17 | 2017-06-22 | Wobben Properties Gmbh | Verfahren zum Steuern einer Windenergieanlage |
| AT15428U1 (de) | 2016-03-16 | 2017-08-15 | Uptime Holding Gmbh | Verfahren zur Bestimmung der Windgeschwindigkeit sowie Anlage zur Durchführung desselben |
| US10539116B2 (en) | 2016-07-13 | 2020-01-21 | General Electric Company | Systems and methods to correct induction for LIDAR-assisted wind turbine control |
| CN110869607A (zh) * | 2018-01-18 | 2020-03-06 | Abb瑞士股份有限公司 | 用于风力转换器管理的方法、装置和系统 |
| DE102018003168A1 (de) * | 2018-04-18 | 2019-10-24 | Senvion Gmbh | Verfahren und Vorrichtung zum Betreiben einer Windenergieanlage sowie Windenergieanlage |
| DE102018008391A1 (de) * | 2018-10-25 | 2020-04-30 | Senvion Gmbh | Steuerung einer Windenegaieanlage |
| CN111396265B (zh) * | 2019-01-03 | 2023-02-03 | 新疆金风科技股份有限公司 | 一种风力发电机组的故障预测方法及装置 |
| EP4151853A1 (en) * | 2021-09-17 | 2023-03-22 | Vestas Wind Systems A/S | A method for controlling wind turbines of a wind park using a trained ai model |
| CN113971375B (zh) * | 2021-11-12 | 2024-04-09 | 北京航空航天大学 | 一种阵风环境下的无人机气动力预测方法 |
Family Cites Families (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6320272B1 (en) * | 1997-03-26 | 2001-11-20 | Forskningscenter Riso | Wind turbine with a wind velocity measurement system |
| DE10033183C2 (de) * | 2000-07-07 | 2002-08-08 | Max Planck Gesellschaft | Verfahren und Vorrichtung zur Verarbeitung und Vorhersage von Strömungsparametern turbulenter Medien |
| US20020084655A1 (en) * | 2000-12-29 | 2002-07-04 | Abb Research Ltd. | System, method and computer program product for enhancing commercial value of electrical power produced from a renewable energy power production facility |
| DE102005045516A1 (de) | 2005-09-22 | 2007-03-29 | Daubner & Stommel GbR Bau-Werk-Planung (vertretungsberechtigter Gesellschafter: Matthias Stommel, 27777 Ganderkesee) | Verfahren zur Anpassung einer Windenergieanlage an gegebene Windverhältnisse |
| US7899468B2 (en) | 2005-09-30 | 2011-03-01 | Telecommunication Systems, Inc. | Location sensitive messaging |
| US20070124025A1 (en) | 2005-11-29 | 2007-05-31 | General Electric Company | Windpark turbine control system and method for wind condition estimation and performance optimization |
| ES2288121B1 (es) * | 2006-05-31 | 2008-10-16 | GAMESA INNOVATION & TECHNOLOGY, S.L. | Metodo de operacion de un aerogenerador. |
| US7420289B2 (en) * | 2006-12-06 | 2008-09-02 | General Electric Company | Method for predicting a power curve for a wind turbine |
| US7950901B2 (en) | 2007-08-13 | 2011-05-31 | General Electric Company | System and method for loads reduction in a horizontal-axis wind turbine using upwind information |
-
2009
- 2009-05-14 EP EP09160250.8A patent/EP2251543B1/en active Active
- 2009-05-14 DK DK09160250.8T patent/DK2251543T3/en active
-
2010
- 2010-05-11 US US13/318,582 patent/US8527453B2/en active Active
- 2010-05-11 CN CN2010800208654A patent/CN102439295A/zh active Pending
- 2010-05-11 WO PCT/EP2010/056432 patent/WO2010130721A1/en active Application Filing
- 2010-05-11 KR KR1020117027539A patent/KR20120018331A/ko not_active Application Discontinuation
Also Published As
| Publication number | Publication date |
|---|---|
| EP2251543B1 (en) | 2016-12-07 |
| US20120059638A1 (en) | 2012-03-08 |
| CN102439295A (zh) | 2012-05-02 |
| WO2010130721A1 (en) | 2010-11-18 |
| EP2251543A1 (en) | 2010-11-17 |
| US8527453B2 (en) | 2013-09-03 |
| DK2251543T3 (en) | 2017-02-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR20120018331A (ko) | 윈드 터빈에서 윈드 거스트의 발생을 예측하기 위한 방법 및 시스템 | |
| CA2630288C (en) | Method of operating a wind turbine and wind turbine | |
| EP3121442B2 (en) | Operating wind turbines | |
| US7964979B2 (en) | Control method for a wind turbine | |
| CN101892951B (zh) | 风轮机控制方法 | |
| US8301310B2 (en) | Wind turbine operational method | |
| EP2444659B1 (en) | Method and system for adjusting a power parameter of a wind turbine | |
| EP2644888A2 (en) | Control system and method for avoiding overspeed of a wind turbine | |
| US9644610B2 (en) | Warning a wind turbine generator in a wind park of an extreme wind event | |
| EP2878811B1 (en) | Methods of operating a wind turbine, and wind turbines | |
| Kanev et al. | Wind turbine extreme gust control | |
| US20150152846A1 (en) | Methods of operating a wind turbine, wind turbines and wind parks | |
| EP3263890A1 (en) | Methods and systems for feedforward control of wind turbines | |
| CN109958576B (zh) | 控制风力发电机组的转速的方法和装置 | |
| WO2022048228A1 (zh) | 风电机组的载荷控制方法和装置 | |
| JP2020501065A (ja) | 低腐食条件中の定格を超えた風力タービンの運転 | |
| EP2788620B1 (en) | Methods and systems for warning a wind turbine generator in a wind park of an extreme wind event | |
| EP3009670B1 (en) | Method to control the operation of a wind energy installation, including generating a 3D wind speed model, and wind energy installation | |
| CN113168138A (zh) | 用于将风力涡轮机的控制器参数化和/或运行风力涡轮机的方法和系统 | |
| US20220049681A1 (en) | Reaction to an overspeed event | |
| US20210340957A1 (en) | Control of a wind energy installation |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination | ||
| E902 | Notification of reason for refusal | ||
| E601 | Decision to refuse application |