KR20240017370A - 해상 풍력 터빈의 해상 상태 추정 - Google Patents

해상 풍력 터빈의 해상 상태 추정 Download PDF

Info

Publication number
KR20240017370A
KR20240017370A KR1020237045255A KR20237045255A KR20240017370A KR 20240017370 A KR20240017370 A KR 20240017370A KR 1020237045255 A KR1020237045255 A KR 1020237045255A KR 20237045255 A KR20237045255 A KR 20237045255A KR 20240017370 A KR20240017370 A KR 20240017370A
Authority
KR
South Korea
Prior art keywords
spectrum
wind turbine
offshore wind
wave
response
Prior art date
Application number
KR1020237045255A
Other languages
English (en)
Inventor
카스퍼 라우게센
Original Assignee
지멘스 가메사 리뉴어블 에너지 아/에스
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 지멘스 가메사 리뉴어블 에너지 아/에스 filed Critical 지멘스 가메사 리뉴어블 에너지 아/에스
Publication of KR20240017370A publication Critical patent/KR20240017370A/ko

Links

Classifications

    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F03—MACHINES OR ENGINES FOR LIQUIDS; WIND, SPRING, OR WEIGHT MOTORS; PRODUCING MECHANICAL POWER OR A REACTIVE PROPULSIVE THRUST, NOT OTHERWISE PROVIDED FOR
    • F03D—WIND MOTORS
    • F03D17/00—Monitoring or testing of wind motors, e.g. diagnostics
    • F03D17/007—Wind farm monitoring
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B63—SHIPS OR OTHER WATERBORNE VESSELS; RELATED EQUIPMENT
    • B63B—SHIPS OR OTHER WATERBORNE VESSELS; EQUIPMENT FOR SHIPPING 
    • B63B79/00—Monitoring properties or operating parameters of vessels in operation
    • B63B79/10—Monitoring properties or operating parameters of vessels in operation using sensors, e.g. pressure sensors, strain gauges or accelerometers
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B63—SHIPS OR OTHER WATERBORNE VESSELS; RELATED EQUIPMENT
    • B63B—SHIPS OR OTHER WATERBORNE VESSELS; EQUIPMENT FOR SHIPPING 
    • B63B79/00—Monitoring properties or operating parameters of vessels in operation
    • B63B79/10—Monitoring properties or operating parameters of vessels in operation using sensors, e.g. pressure sensors, strain gauges or accelerometers
    • B63B79/15—Monitoring properties or operating parameters of vessels in operation using sensors, e.g. pressure sensors, strain gauges or accelerometers for monitoring environmental variables, e.g. wave height or weather data
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B63—SHIPS OR OTHER WATERBORNE VESSELS; RELATED EQUIPMENT
    • B63B—SHIPS OR OTHER WATERBORNE VESSELS; EQUIPMENT FOR SHIPPING 
    • B63B79/00—Monitoring properties or operating parameters of vessels in operation
    • B63B79/30—Monitoring properties or operating parameters of vessels in operation for diagnosing, testing or predicting the integrity or performance of vessels
    • 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
    • F03D13/20—Arrangements for mounting or supporting wind motors; Masts or towers for wind motors
    • F03D13/25—Arrangements for mounting or supporting wind motors; Masts or towers for wind motors specially adapted for offshore installation
    • F03D13/256—Arrangements for mounting or supporting wind motors; Masts or towers for wind motors specially adapted for offshore installation on a floating support, i.e. floating 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
    • F03D17/00—Monitoring or testing of wind motors, e.g. diagnostics
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F03—MACHINES OR ENGINES FOR LIQUIDS; WIND, SPRING, OR WEIGHT MOTORS; PRODUCING MECHANICAL POWER OR A REACTIVE PROPULSIVE THRUST, NOT OTHERWISE PROVIDED FOR
    • F03D—WIND MOTORS
    • F03D17/00—Monitoring or testing of wind motors, e.g. diagnostics
    • F03D17/005—Monitoring or testing of wind motors, e.g. diagnostics using computation methods, e.g. neural networks
    • F03D17/006—Estimation methods
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F03—MACHINES OR ENGINES FOR LIQUIDS; WIND, SPRING, OR WEIGHT MOTORS; PRODUCING MECHANICAL POWER OR A REACTIVE PROPULSIVE THRUST, NOT OTHERWISE PROVIDED FOR
    • F03D—WIND MOTORS
    • F03D17/00—Monitoring or testing of wind motors, e.g. diagnostics
    • F03D17/009—Monitoring or testing of wind motors, e.g. diagnostics characterised by the purpose
    • F03D17/011—Monitoring or testing of wind motors, e.g. diagnostics characterised by the purpose for monitoring mechanical loads or assessing fatigue; for monitoring structural integrity
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F03—MACHINES OR ENGINES FOR LIQUIDS; WIND, SPRING, OR WEIGHT MOTORS; PRODUCING MECHANICAL POWER OR A REACTIVE PROPULSIVE THRUST, NOT OTHERWISE PROVIDED FOR
    • F03D—WIND MOTORS
    • F03D80/00—Details, components or accessories not provided for in groups F03D1/00 - F03D17/00
    • F03D80/50—Maintenance or repair
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B63—SHIPS OR OTHER WATERBORNE VESSELS; RELATED EQUIPMENT
    • B63B—SHIPS OR OTHER WATERBORNE VESSELS; EQUIPMENT FOR SHIPPING 
    • B63B35/00—Vessels or similar floating structures specially adapted for specific purposes and not otherwise provided for
    • B63B35/44—Floating buildings, stores, drilling platforms, or workshops, e.g. carrying water-oil separating devices
    • B63B2035/4433—Floating structures carrying electric power plants
    • B63B2035/446—Floating structures carrying electric power plants for converting wind energy into electric energy
    • 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
    • F03D13/20—Arrangements for mounting or supporting wind motors; Masts or towers for wind motors
    • F03D13/25—Arrangements for mounting or supporting wind motors; Masts or towers for wind motors specially adapted for offshore installation
    • 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
    • F05B2240/00—Components
    • F05B2240/90—Mounting on supporting structures or systems
    • F05B2240/93—Mounting on supporting structures or systems on a structure floating on a liquid surface
    • 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
    • F05B2240/00—Components
    • F05B2240/90—Mounting on supporting structures or systems
    • F05B2240/95—Mounting on supporting structures or systems offshore
    • 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
    • F05B2270/342—Wave conditions, e.g. amplitude, frequency or 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
    • 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
    • Y02E10/00—Energy generation through renewable energy sources
    • Y02E10/70—Wind energy
    • Y02E10/727—Offshore wind turbines

Landscapes

  • Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Mechanical Engineering (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Sustainable Development (AREA)
  • Sustainable Energy (AREA)
  • General Engineering & Computer Science (AREA)
  • Ocean & Marine Engineering (AREA)
  • Atmospheric Sciences (AREA)
  • Environmental & Geological Engineering (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Theoretical Computer Science (AREA)
  • Wind Motors (AREA)
  • Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
  • Other Liquid Machine Or Engine Such As Wave Power Use (AREA)

Abstract

해상 풍력 터빈(1)이 처했던 해상 상태, 특히 파랑 스펙트럼(60)을 추정하는 방법으로서, 해상 풍력 터빈(1)과 연관된 적어도 하나의 센서(8, 9, 10, 11)를 사용하여, 해상 상태에 반응하는 응답량(16)을 측정하는 단계; 응답량(16)을 처리하여 측정된 응답 스펙트럼(18)을 도출하는 단계; 이전에 추정된 파랑 스펙트럼(19)에 기초하여, 계산된 응답 스펙트럼(21)을 도출하는 단계; 측정된 응답 스펙트럼(18)과 계산된 응답 스펙트럼(21) 사이의 오차(22)를 도출하는 단계; 오차에 기초하여, 이전에 추정된 파랑 스펙트럼(19)을 조정하여 조정된 추정 파랑 스펙트럼(60)을 도출하는 단계를 포함하는 해상 상태 추정 방법이 제공된다.

Description

해상 풍력 터빈의 해상 상태 추정
본 발명은 해상 풍력 터빈, 특히 부유식 해상 풍력 터빈이 처해 있거나 처했던 해상 상태를 추정하는 방법 및 그에 대응하는 배열체에 관한 것이다. 또한, 본 발명은 상기 배열체를 포함한 해상 풍력 터빈 시스템, 특히 부유식인 해상 풍력 터빈 시스템에 관한 것이다.
부유식 풍력 터빈(FWT) 시스템은 해저에 떠서 터빈이 위치한 타워에 연결되는 부유식 하부 구조물 및 규정된 제한들 내에서 FWT의 이탈 및/또는 가속들을 제한하고 의도된 배향을 유지할 수 있는 스테이션 유지 시스템을 포함한다. 스테이션 유지 시스템은, 전형적으로 계류 라인들 및 앵커들을 포함하고 부유식 하부 구조물을 해저에 연결하는 계류 시스템으로 구성될 수 있다. 다른 경우들에 있어서, 스테이션 유지 시스템은 예를 들어 액티브 스러스터들로 구성될 수 있다.
본 출원에서는 FWT(부유식 풍력 터빈) 및 FOWT(부유식 해상 풍력 터빈)라는 용어들을 동의어들로 사용한다.
FWT들은 여러 변수들과 여러 자유도들(DOF들)을 가진 복잡한 시스템들이다. 본질적으로 불규칙한 바람, 파랑 및 해류 하중들은 물론 공기역학적, 구조적 및 유체역학적 커플링들과 제어 작동들이 모두 매우 복잡한 동적 거동에 영향을 미친다. 글로벌 시스템에서 보면, 플로터 동작은 6개의 개별 자유도(DOF), 즉 3개의 병진운동들; 즉, 서지, 스웨이 및 히브와 3개의 회전들; 즉, 플로터 롤, 플로터 피치 및 플로터 요로 나뉠 수 있다. 본 발명의 실시예들은 이들 DOF를 고려한다.
블레이드들의 피치와 플로터의 피치 사이의 명칭이 유사하기 때문에, 본 명세서에서는 이를 플로터 피치와 블레이드 피치로 구분하여 명확하게 구별한다. 즉, 플로터 피치는 회전점을 중심으로 한 플로팅 구조물의 회전이며, 블레이드 피치는 블레이드들의 제어된 피칭을 규정한다. 마찬가지로 플로터 요는 수직축(z)을 중심으로 한 플로팅 구조물의 회전을 규정하는 반면, 터빈 요는 나셀의 회전이다.
FWT의 설계 프로세스는 무엇보다도 현장별 데이터, 예를 들어 바람-해류-파랑의 오정렬에 따른 바람, 해류 및 파랑 특성들에 기초한다. 이 데이터는 전통적으로 극한 상황 예측들을 위해 추론 데이터와 결합된 후측(hindcast) 데이터에 기초한다.
일반적으로, 피로 하중 평가는 후측 데이터에 기초한 수천 번의 시뮬레이션들을 기반으로 한다. 그러나 가능한 다수의 상이한 해상 상태의 조합들을 표현하는 것은 현실적으로 불가능하기 때문에, 따라서, 통상적으로 후측 데이터의 다수의 상이한 해상 상태들은 몇 가지 대표 데이터로 대체된다. 이러한 일괄 처리는, 예컨대, 발생 기반 일괄 처리 등 여러 가지 방법들로 수행할 수 있지만, 반드시 피로 손상과 동일하지는 않다. 다른 방법은 또한 데이터를 합쳐서 피로 손상 등가 설계를 표현하는 것이다. 두 경우들 모두 최종 결과들은 바람, 파랑 및 해류 매개변수 값들과 그 오정렬들 및 특정 상황의 발생 확률들의 비닝된 값(binned value)들이다.
일반적으로, 모델링 및 설계 기준의 가정들은 설계와 현실 간의 편차들을 초래할 수 있다. 대부분의 경우 설계 프로세스의 보수성으로 인해 설계가 과도하게 설계되는 경우가 많다.
파력(wave force)들은 피로 손상의 주요 원인들 중 하나이며, 파력들은 국지적인 파랑 조건들과 직접적인 상관관계가 있으므로 풍력 터빈의 수명 동안 국지적인 파랑 조건들을 예측하여 피로 손상 누적을 계산할 수 있는 것이 중요하다.
해상 상태 추정(SSE)은 전통적으로 특정 지역의 해상 상태를 추정하는 데 사용할 수 있는 상이한 유형들의 관련 데이터를 기록할 수 있는 부유식 측정 디바이스들인 파랑 라이더 부이들을 사용하여 수행해 왔다. 다른 옵션들로는 레이더 신호들을 활용하여 상이한 파랑 파라미터들을 추정하는 파랑 레이더들을 기초부에 부착하는 것이 있다.
해상 상태를 추정하는 기존의 방법들은 모든 상황들에서 충분한 정확도를 제공하지는 않는다. 특히, 기존의 방법들은 모든 상황들에서 풍력 터빈 구성요소들의 피로 하중을 정확하게 예측하지 못하는 것으로 관찰되었다.
따라서, 해상 풍력 터빈, 특히 부유식 해상 풍력 터빈이 처했던 해상 상태를 추정하는 방법 및 그에 대응하는 배열체가 필요하며, 이를 통해 추정된 해상 상태의 정확도가 향상될 수 있다.
이러한 필요성은 독립 청구항들에 따른 주제(subject matter)에 의해 충족될 수 있다. 본 발명의 유리한 실시예들은 종속 청구항들에 의해 설명된다.
본 발명의 일 실시예에 따르면, 해상 풍력 터빈, 특히 부유식 해상 풍력 터빈이 처했던 해상 상태, 특히 파랑 스펙트럼을 추정하는 방법으로서,
해상 풍력 터빈과 연관된 적어도 하나의 센서를 사용하여, 해상 상태에 반응하는 응답량을 측정하는 단계;
응답량을 처리하여 측정된 응답 스펙트럼을 도출하는 단계;
이전에 추정된 파랑 스펙트럼에 기초하여 계산된 응답 스펙트럼을 도출하는 단계;
측정된 응답 스펙트럼과 계산된 응답 스펙트럼 사이의 오차를 도출하는 단계;
오차에 기초하여, 이전에 추정된 파랑 스펙트럼을 조정하여 조정된 추정 파랑 스펙트럼을 도출하는 단계를 포함하는 해상 상태 추정 방법이 제공된다.
이 방법은 소프트웨어 및/또는 하드웨어에서 구현될 수 있다.
이 방법은 예를 들어, 풍력 터빈 제어기 또는 풍력 터빈의 제어 또는 처리 모듈에 의해 수행될 수 있다.
본 발명의 실시예들은 부유식 해상 풍력 터빈 및/또는 저부 고정식 풍력 터빈, 특히 저부 고정식 해상 풍력 터빈에 적용될 수 있다.
예를 들어, 해상 상태는 파랑 스펙트럼, 즉 해파들의 스펙트럼에 의해 특징지어질 수 있다. 스펙트럼의 각각의 해파 부분은 진동수와 방향을 가질 수 있으며, 파랑 스펙트럼은 파랑 방향과 파랑 진동수에 따라 복수의 강도 또는 진폭 값들로 표현될 수 있다. 부유식 해상 풍력 터빈은 종래의 부유식 해상 풍력 터빈일 수 있다.
본 발명에 따르면, FWT가 실제로 노출된 현장의 환경 조건들을 파악하고, 이를 다시 전체 수명에 걸쳐 누적된 손상을 예측/추론하여 피로 하중 이용률을 평가함으로써 사후 설계에서 FWT의 피로 하중들의 예측의 정확성을 높이는 것이 최초로 달성되었다. 실제로, 공개를 통해, 이 정보는 FWT의 수명 연장, 터빈들에 일부 업그레이드들(예를 들어, 출력 향상, 전력 곡선 업그레이드들 등)을 설치할 수 있는지 여부를 결정하는 의사 결정 도구로서 사용할 수 있으며, 일부 터빈 제어 및 풍력 단지 제어 전략들을 사용할 수 있는지 여부를 평가하는 데 사용할 수 있다.
또한, 설계가 지나치게 보수적인지 여부를 파악하고 향후 이러한 설계를 덜 보수적으로 만들 수 있는 방법에 대한 통찰력을 제공하는 데 중요한 정보를 제공할 수 있다. 또한, 터빈에 경보들과 같은 특수 상황들이 발생했을 때 어떤 외부 조건들이 있었는지에 대한 통찰력을 제공할 수 있다. 또한, 본 개시를 적용함으로써, 해상 풍력 터빈의 작동 중 파랑 조건들 및 변화하는 파랑 상태들을 추적할 수 있으며, 특히 피로 하중 또는 일반적으로 해상 풍력 터빈, 특히 부유식 해상 풍력 터빈이 처했거나 처해 있는 하중을 추정하기 위해 해상 상태를 지속적이고 정확하게 모니터링할 수 있다.
센서 또는 복수의 센서들은 예를 들어, 풍력 터빈의 예를 들어, 가속도 및/또는 변형률 및/또는 경사 또는 배향을 측정하도록 구성될 수 있다. 센서는 예를 들어 풍력 터빈 타워, 나셀, 로터 블레이드, 로터 블레이드 루트와 같은 풍력 터빈 구성요소에 장착될 수 있다. 이 방법은 해상에 떠 있는 기존의 측정 부이들로부터 임의의 데이터를 얻을 필요가 없을 수 있다.
응답량은 예를 들어, 하나 이상의 방향들에서의 가속도, 하나 이상의 방향들에서의 변형률, 경사도 또는 포지션 좌표들을 나타낼 수 있다. 응답량은 앞서 언급한 측정 파라미터들의 시간적 변화들을 더 포함할 수 있다.
처리에는 응답량으로부터 상이한 진동수 성분들을 추출하는 것이 수반될 수 있으며, 특히 푸리에 변환이 수반될 수 있다. 측정된 응답 스펙트럼은 예를 들어 진동수 및/또는 방향, 예를 들어 변형 방향, 가속 방향 등에 의해 특징지어지는 하나 또는 복수의 응답량 성분들의 강도 또는 진폭을 나타낼 수 있다.
이전에 추정된 파랑 스펙트럼은 예를 들어, 맨 처음 방법을 시작하기 위해 규정될 수 있는 초기 파랑 스펙트럼일 수 있다. 이 방법은 풍력 터빈의 작동 동안, 특히 풍력 터빈이 전기 에너지를 생산하는 동안 지속적으로 적용될 수 있다. 초기 파랑 스펙트럼 또는 이전에 추정된 파랑 스펙트럼은 또한 파랑들의 복수의 진동수들 및/또는 방향들 각각에 대해 대응하는 강도 또는 진폭을 포함할 수 있다. 이에 의해, 종래의 알고리즘들이 지원될 수 있다.
오차를 도출하기 위해, 예를 들어 측정된 응답 스펙트럼과 계산된 응답 스펙트럼 사이의 차이를 도출할 수 있다. 이 차이는 예를 들어 응답 스펙트럼 부분들의 복수의 진동수들 및/또는 방향들 각각에 대해 상이한 강도 또는 진폭을 수반할 수 있다. 오차는 방법을 수행하는 동안 감소되는 것을 목표로 하는 절댓값과 관련하여 특성화될 수 있다.
예를 들어, 이전에 추정된 파랑 스펙트럼은 사이클에서 사이클로 또는 반복되고 반복되어 오차가 감소하도록 보장할 수 있는 그라데이션 방법을 사용하여 조정될 수 있다. 다른 실시예들에서, 추정된 파랑 스펙트럼을 조정하는 것은 시행착오 알고리즘을 수반할 수 있다.
응답량을 얻기 위해 (부유식) 해상 풍력 터빈과 연관된 센서가 활용되는 경우, 특히 풍력 터빈에 가해지는 또는 가해진 피로 하중을 추정하기 위해, 해상 상태가 개선된 방식으로 추정될 수 있다. 이는 센서가 풍력 터빈 자체와 연관되어 있어 풍력 터빈에 직접 영향을 미치는 파랑 흔들림들을 감지하기 때문일 수 있는데, 이는 예를 들어 풍력 터빈과 떨어져 위치하거나 배열될 수 있는 라이더 부이와 비교될 수 있다.
해상 풍력 터빈은 해저 위에 떠서 터빈이 위치한 타워에 연결되는 부유식 하부 구조물 및 스테이션 유지 시스템을 포함한 부유식 풍력 터빈(FWT) 시스템일 수 있다. 스테이션 유지 시스템은, 계류 라인들과 앵커들을 포함할 수 있고 부유식 하부 구조물을 해저에 연결하는 계류 시스템으로 구성될 수 있다. 다른 경우들에 있어서, 스테이션 유지 시스템은 예를 들어 액티브 스러스터들로 구성될 수 있다. 본 발명의 일 실시예에 따르면, 주어진 시간, 예를 들어 3 내지 6 시간이 주어졌을 때 FWT가 노출된 실제 해상 상태를 추정하고 그 후 이를 저장하는 방법이 제공된다.
본 발명의 일 실시예에 따르면, 측정된 FWT 응답 데이터로부터 방향성 파랑 스펙트럼이 추정되는데, 이는 터빈 모니터링 시스템을 통해 쉽게 접근할 수 있고 이미 구비되어 있으며, 적절한 측정 시스템을 갖춘 FWT가 파랑 부이로서 사용될 수 있다.
FWT의 응답은 단순한 파랑 부이보다 더 복잡하지만, FWT에 대한 올바른 정보/이론적 지식이 있으면 이러한 추가적인 복잡성을 설명할 수 있다는 것에 유의해야 한다. FWT의 응답이 더 복잡할 수 있지만, 예를 들어 일정한 전진 속도를 가진 선박을 기준으로 추정하는 것보다 더 간단하다는 점에 유의해야 한다. 그 이유는 전진 속도가 일정하면 도플러 효과를 고려해야 하기 때문이다. 도플러 효과는 뒤따르는 해상(선박과 방향이 유사한 해상)에서 하나의 조우 진동수를 3개의 상이한 절대 진동수들로 매핑할 수 있고 실제 진동수를 검출하는 것은 복잡한 절차이기 때문에 어렵다.
본 발명의 일 실시예에 따르면, 이 방법은 오차가 수렴 기준을 만족할 때까지, 특히 임계값 미만이 될 때까지, 추정된 파랑 스펙트럼을 반복적으로 조정하는 단계를 더 포함한다.
각각의 반복에서, 이전에 조정된 추정 파랑 스펙트럼은 새롭게 조정된 추정 파랑 스펙트럼을 얻기 위해 조정될 수 있으며, 이로부터 이전의 계산된 응답 스펙트럼보다 측정된 응답 스펙트럼에 더 근접할 수 있는 새로운 계산된 응답 스펙트럼이 얻어질 수 있다. 따라서, 새로 조정된 추정 파랑 스펙트럼은 실제 해상 상태, 특히 풍력 터빈이 실제로 처해 있거나 처했던 실제 파랑 스펙트럼을 더욱 가깝게 반영한다. 수렴 기준은 하나 이상의 임계값들, 예를 들어 파랑들의 상이한 진동수들 및/또는 파랑들의 상이한 방향들에 대한 임계값들의 규정을 수반할 수 있다. 다른 실시예들에서, 오차는 절대값과 관련하여 평가될 수 있으며, 이는 예를 들어 모든 또는 상이한 진동수들 및/또는 방향들에 대해 측정된 응답량과 계산된 응답량 사이의 차이들의 적절한 합으로서 계산될 수 있다. 이에 의해, 최종 추정 파랑 스펙트럼의 정확도가 향상될 수 있다.
본 발명의 일 실시예에 따르면, 센서는 부유식 해상 풍력 터빈 상에 또는 부유식 해상 풍력 터빈에 또는 부유식 해상 풍력 터빈 내에 장착되고, 그리고/또는 부유식 플랫폼 상에 또는 부유식 플랫폼에 또는 부유식 플랫폼 내에 장착되고, 그리고/또는 풍력 터빈을 운반하는 선박 상에 또는 선박에 또는 선박 내에 장착된다.
본 발명의 실시예들에 따르면, 2개 이상의 센서가 응답량을 제공하거나 복수의 응답량들을 제공하기 위해 활용될 수 있다. 특히, 복수의 응답량들은 복수의 센서들에 의해 그리고 복수의 응답량 측정 결과로부터 측정될 수 있고, 복수의 측정된 응답 스펙트럼들 또는 결합된 측정된 응답 스펙트럼은 예를 들어, 상이한 응답량들에 적절한 가중치를 부여하고 개개의 진동수 성분들을 도출함으로써 도출될 수 있다. 예를 들어, 상이한 센서들은 상이한 진동수 범위들 또는 방향 범위들에 대해 더 민감하거나 덜 민감할 수 있다. 따라서, 복수의 센서들로부터의 측정 결과들을 활용하면 해양 상태의 추정이 개선될 수 있다.
본 발명의 일 실시예에 따르면, 센서는 가속도 센서; 블레이드 루트 변형률/하중 센서; 경사 센서; 자이로스코프; 특히 타워를 따라 장착되는 변형률 게이지 센서; GPS 추적 디바이스 중 적어도 하나를 포함한다. 따라서, 본 방법을 수행하기 위해 풍력 터빈에서 또는 풍력 터빈 상에서 또는 풍력 터빈 내에서 통상적으로 이용 가능한 센서들이 지원될 수 있다. 따라서, 추가적인 센서들이 필요하지 않을 수 있으므로, 방법이 단순화되고 풍력 터빈의 복잡성이 단순화될 수 있다. 본 발명의 일 실시예에 따르면, 조정된 추정 파랑 스펙트럼은 파랑 부분의 진동수 및/또는 파랑 부분의 방향에 따라 복수의 파랑 부분들의 파워 및/또는 진폭을 지정한다.
예를 들어, 파랑 부분의 방향은 예를 들어 기본 방향을 지정하는 0 내지 360° 범위의 방사각 또는 방위각으로서 지정될 수 있다. 진동수들은 전형적인 해파들의 진동수 범위들과 같은 하나 이상의 진동수 범위들로부터 선택될 수 있다. 조정된 추정 파랑 스펙트럼이 상기와 같은 형태로 주어질 때, 풍력 터빈이 처해 있거나 처했던 피로 하중은 종래의 방식으로 도출될 수 있다.
본 발명의 일 실시예에 따르면, 이전에 추정된 파랑 스펙트럼에 기초하여 계산된 응답 스펙트럼을 도출하는 것은 이전에 추정된 파랑 스펙트럼에 선형 전달 함수 및/또는 응답 진폭 연산자를 적용하는 것을 포함한다.
이전에 추정된 파랑 스펙트럼에 선형 전달 함수 및/또는 응답 진폭 연산자를 적용하는 것은 진동수들 및 방향들에 대한 적분을 수행하는 것을 수반할 수 있다. 전달 함수 및/또는 응답 진폭 연산자는 이론적 고려 사항들 및/또는 시뮬레이션들 및/또는 훈련 데이터로부터 계산되었을 수 있다. 따라서, 하나 이상의 기준 파랑 스펙트럼들에 대응하여 해상 풍력 터빈의 움직임들을 모델링하는 것이 도출될 수 있거나 도출되었을 수 있다. 선형 전달 함수는 파랑 스펙트럼의 변화가 계산된 응답 스펙트럼에 선형적인 방식으로 영향을 미칠 수 있음을 나타낼 수 있다. 이에 의해, 방법은 단순화될 수 있다.
본 발명의 일 실시예에 따르면, 전달 함수 및/또는 응답 진폭 연산자는, 개개의 파랑 스펙트럼에 의해 특징지어지는 해상 상태의 표면 고도가 얼마나 선박 흔들림 및/또는 풍력 터빈 흔들림으로 전달되는지를 암시적으로 설명하며, 특히 해상 상태 및 연관된 응답들이 에르고드적인 균질한 랜덤 프로세스를 나타낸다고 가정한다. 따라서, 종래의 전달 함수들 또는 응답 진폭 연산자들이 지원된다.
본 발명의 일 실시예에 따르면, 이 방법은 측정된 및 추정된 파랑 스펙트럼 및/또는 응답량 및/또는 오차는 진동수 영역에서 주어지거나 도출되는 진동수 영역 접근법을 적용한다.
진동수 영역 접근법에서, 고려되는 (측정 또는 계산된) 모든 수량들은 진동수 영역에서 주어지거나 표현될 수 있으며, 예를 들어 측정 또는 계산된 수량의 강도 또는 진폭은 고려되는 진동수 범위 및/또는 방향의 임의의 진동수에 대해 주어진다. 진동수 영역 접근법에서는 해상 풍력 터빈의 응답이 단순화된 방식으로 계산될 수 있다는 장점이 있다. 예를 들어, 서로 독립적인 진동수 성분들이 풍력 터빈의 흔들임에 영향을 미칠 수 있다고 가정할 수 있다. 따라서, 특정 진동수 성분으로 인해 여기된 흔들림은 다른 진동수 성분에 의해 여기된 풍력 터빈의 흔들림과 선형적으로 결합될 수 있다. 유리하게는, 중첩 방법론이 적용될 수 있다. 따라서, 풍력 터빈의 흔들림에 대한 상이한 진동수 성분들의 영향들의 의존성을 가정하여 계산을 단순화할 수 있다.
본 발명의 일 실시예에 따르면, 추정 파랑 스펙트럼은 비모수적(non-parametric) 접근법에 따라 모델링되며, 여기서 조정된 추정 파랑 스펙트럼은 상이한 진동수들 및 방향들을 갖는 이산화된 에너지 상태들의 집합으로 표현된다.
비모수적 접근법은 (부유식) 해상 풍력 터빈에 영향을 미치는 파랑 스펙트럼의 형상이나 구조에 제한이 없거나 아주 작은 제한만 가해진다는 장점을 가질 수 있다. 본 발명의 일 실시예에 따르면, 비모수적 접근법은 베이지안 통계를 적용하여, 데이터에 대한 평활도와 일치도를 제어하는 하이퍼파라미터를 포함한 파랑 스펙트럼의 사전 정보와 일부 데이터를 고려한 일부 주어진 파라미터들의 가능성을 결합하여 후방 분포를 모델링한다.
선험적 지식은 원하는 최종 추정 파랑 스펙트럼의 솔루션 공간을 제한할 수 있다. 선험적 지식에는 예를 들어 하나 이상의 임계값들보다 크거나 작은 진동수를 갖는 파랑 부분들의 진폭 또는 전력 또는 강도가 0이거나 0에 가까울 수 있다는 지식을 수반할 수 있다. 또한, 물 또는 해수의 물리적 특성 또는 해상의 깊이로 인해 해상 상태 또는 파랑 스펙트럼은 특정 프로파일을 가질 수 있는데, 예를 들어, 스펙트럼이 진동수들 및 전파 각도들의 범위에 걸쳐 부드럽고 연속적인 함수에 접근해야 한다.
이러한 종류들의 특성들은 파랑 스펙트럼의 사전 분포를 암시함으로써 사전 지식에 포함될 수 있다.
하이퍼파라미터는 가능한 솔루션들을 찾을 수 있는 영역에 걸쳐 있으며, 하이퍼파라미터의 값에 따라 데이터와의 일치도 및 최종 파랑 스펙트럼의 평활도가 조합된다. 데이터에 대한 최상의 일치도는 평활도와 무관하게 달성될 가능성이 높으며, 마찬가지로 가장 평활한 프로파일도 데이터에 대한 일치도와 무관하게 달성될 가능성이 높다는 점에 유의해야 한다. 따라서, 일반적으로 하이퍼파라미터를 포함하면 평활도의 일치도와 데이터와의 일치도를 모두 고려하여 가장 최적의 솔루션으로 이어지는 하이퍼파라미터의 최적 값을 선택하는 문제가 발생할 수 있다.
본 발명의 일 실시예에 따르면, 추정 파랑 스펙트럼은 모수적 접근법에 따라 모델링되는데, 여기서 추정 파랑 스펙트럼은 하나 이상의 미리결정된 파랑 스펙트럼들의 하나 이상의 파랑 파라미터들의 규정에 의해 표현되고, 조정된 추정 파랑 스펙트럼은 최적화된 파랑 파라미터들에 의해 표현된다.
모수적 접근법은 파랑 파라미터들만 결정하면 되므로 방법을 간소화할 수 있다는 장점을 가질 수 있다. 예를 들어, 미리결정된 파랑 스펙트럼들은 다수의 (기본 또는 기준) 파랑 스펙트럼들을 수반하거나 포함할 수 있으며, 특정 위치의 해상 상태 또는 예를 들어 이전에 발견된 바와 같은 환경 조건들을 편리하거나 적절하게 설명할 수 있다.
본 발명의 일 실시예에 따르면, 파랑 파라미터들은 파고, 피크 주기, 평균 전파 각도, 파랑 확산 파라미터 중 적어도 하나를 포함한다.
따라서, 통상적으로 적용되는 파랑 파라미터들이 지원된다. 파고는 파랑 부분의 진폭 또는 강도 또는 파워와 일치하거나 이를 반영할 수 있다. 피크 주기는 예를 들어, 진동수의 역수와 같이 파랑 부분의 진동수와 관련될 수 있다. 전파 각도는 파랑의 방향을 반영할 수 있다. 파랑 확산 파라미터는 방향성 파랑 스펙트럼에서 방향성 확산의 정도, 즉 에너지가 상이한 전파 각도들에 걸쳐 확산되는 방식을 규정할 수 있다.
본 발명의 일 실시예에 따르면, 이 방법은 이하의 방정식을 적용한다:
여기서,
Af는 추정된 응답 스펙트럼이고,
b는 측정된 응답 스펙트럼이고,
A는 시스템 행렬 전달 함수이고,
f는 추정된 파랑 스펙트럼이고,
x는 파랑 파라미터 값들을 나타내고,
w는 측정 잡음이다.
특히 위의 방정식은 추정된 파랑 스펙트럼을 기반으로 측정된 응답 스펙트럼을 도출하는 데 사용할 수 있다. 이에 의해, 측정된 응답 스펙트럼을 계산하기 위한 간단한 선형 방정식이 제공되어 방법이 단순화된다.
본 발명의 일 실시예에 따르면, 방법은 해상 상태를 지속적으로 모니터링/기록하는 단계; 풍력 터빈의 적어도 하나의 구성요소의 피로 손상을 추정하는 단계; 풍력 터빈의 적어도 하나의 구성요소의 유지 보수 및/또는 재설계 및/또는 업그레이드 및/또는 교체 및/또는 수리에 관한 경고 및/또는 가동 중단 및/또는 출력제한에 관한 경고를 제공하는 단계 중 적어도 하나를 더 포함한다.
해상 상태의 추정 및 해상 상태의 저장을 수반하여 해상 상태를 지속적으로 모니터링하는 경우, 풍력 터빈이 처한 환경적 영향들은 풍력 터빈이 처해 있거나 처했던 피로 하중을 추정하기 위해 적절하게 고려될 수 있다. 따라서, 풍력 터빈의 하나 이상의 구성요소들에 대해, 방법은 도출된 조정된 추정 파랑 스펙트럼에 기초하여 풍력 터빈의 하나 이상의 구성요소들의 피로 손상을 추정하는 것을 더 포함할 수 있다. 예를 들어, 피로 손상이 임계값(예를 들어, 구성요소별 임계값)을 초과하는 것으로 추정되면, 위에 나열된 조치들 또는 권장 사항들에 대한 경고가 표시될 수 있다. 이에 따라, 풍력 터빈의 안정적인 작동이 보장될 수 있다.
본 발명의 일 실시예에 따르면, 해상 풍력 터빈은 부유식 해상 풍력 터빈이다.
부유식 해상 풍력 터빈의 해상 상태를 추정하는 방법에 대해 개별적으로 또는 임의의 조합으로 개시, 적용, 설명 또는 제공된 특징들은, 본 발명의 실시예들에 따라, 해상 상태를 추정하기 위한 배열체에 대해서도 개별적으로 또는 임의의 조합으로 제공될 수 있으며, 그 반대의 경우도 마찬가지라는 것을 이해해야 한다.
본 발명의 일 실시예에 따르면, 부유식 해상 풍력 터빈이 처했던 해상 상태, 특히 파랑 스펙트럼을 추정하기 위한 배열체가 제공되며, 이 배열체는 부유식 해상 풍력 터빈과 연관된 적어도 하나의 센서 ─ 센서는 해상 상태에 반응하는 응답량을 측정하도록 구성됨 ─; 프로세서를 포함하며, 프로세서는, 응답량을 처리하여 측정된 응답 스펙트럼을 도출하고; 이전에 추정된 파랑 스펙트럼에 기초하여, 계산된 응답 스펙트럼을 도출하고; 측정된 응답 스펙트럼과 계산된 응답 스펙트럼 사이의 오차를 도출하고; 오차에 기초하여, 이전에 추정된 파랑 스펙트럼을 조정하여 조정된 추정 파랑 스펙트럼을 도출하도록 구성된다.
이러한 배열체는 소프트웨어 및/또는 하드웨어로 구현될 수 있다. 예를 들어, 프로세서는 전자 저장소로부터 읽혀진 컴퓨터 프로그램을 실행하도록 구성될 수 있다. 프로그램은 본 발명의 일 실시예에 따라 해상 상태를 추정하는 방법을 수행하거나 제어하도록 구성될 수 있는 소프트웨어 명령들을 포함할 수 있다.
예를 들어, 이 배열체는 해상 상태, 특히 파랑 스펙트럼에 관한 실시간 또는 저장 또는 기록된 정보를 수신할 수 있는 풍력 단지 제어기에 통신 결합될 수 있다. 또한, 풍력 단지 제어기는 풍력 터빈의 하나 이상의 구성요소들의 파생된 피로 손상에 관한 정보를 수신할 수 있다.
본 발명의 일 실시예에 따르면, 선박; 선박 위에 세워진 풍력 터빈 타워; 타워의 최상부에 장착된 나셀; 및 앞선 실시예에 따른 배열체를 포함하는 해상 풍력 터빈 시스템, 특히 부유식 해상 풍력 터빈 시스템이 제공된다. 본 발명의 일 실시예에 따르면, 해상 풍력 터빈 시스템, 특히 부유식 해상 풍력 터빈 시스템을 작동시키는 방법으로서, 전술한 바와 같은 실시예들에 따라 해상 풍력 터빈이 처했던 해상 상태, 특히 파랑 스펙트럼을 추정하는 방법을 수행하는 단계; 특히 파랑들로 인한 진동들이 감소되거나, 그리고/또는 풍력 터빈의 수명이 연장되도록, 조정된 추정 파랑 스펙트럼에 기초하여 풍력 터빈을 작동시키는 단계를 포함하는 해상 풍력 터빈의 작동 방법이 제공된다.
본 발명의 실시예들에 따라 제공되는 바와 같이 정확한 파랑 스펙트럼을 사용할 수 있는 경우, 해상 풍력 터빈 시스템의 작동이 개선될 수 있다.
본 발명의 일 실시예에 따르면, 방법은 풍력 터빈에 의해 전력을 생성하는 단계; 전력의 적어도 일부를 내륙, 육상으로 송전하는 단계; 전력의 적어도 일부를 유틸리티 그리드, 특히 육상 유틸리티 그리드에 공급하는 단계를 더 포함한다.
상기에 규정된 양태들 및 본 발명의 추가 양태들은 이하에서 설명될 실시예의 예들로부터 명백하며, 실시예의 예들을 참조하여 설명된다. 본 발명은 이하에서 실시예의 예들을 참조하여 보다 상세하게 설명될 것이나, 이에 의해 본 발명이 제한되는 것은 아니다.
이제 본 발명의 실시예들을 첨부된 도면들을 참조하여 설명한다. 본 발명은 예시되거나 설명된 실시예들에 한정되지 않는다.
도 1은 본 발명의 일 실시예에 따른 해상 상태를 추정하기 위한 배열체를 포함한 본 발명의 일 실시예에 따른 부유식 해상 풍력 터빈 시스템을 개략적으로 예시한다;
도 2는 본 발명의 일 실시예에 따른 해상 상태를 추정하는 방법의 방법 구성도를 개략적으로 예시한다;
도 3은 본 발명의 실시예들에서 고려되는 바와 같은 스펙트럼들을 예시한다;
도 4는 본 발명의 일 실시예에 따른 해상 상태를 추정하는 방법을 개략적으로 예시한다; 그리고
도 5는 본 발명의 실시예들에 따라 도출되는 바와 같은 파랑 스펙트럼을 예시한다.
본 발명의 실시예들에 따라 제공되는 바와 같은 국부적 SSE는 피로 하중 추정들의 정확성을 높일 수 있으며, 개발자들이 FWT가 노출되었던 파랑 조건들을 지속적으로 추적할 수 있게 해준다. FWT의 수명 동안 국부적인 파랑 하중들을 정확하게 예측하는 것은 매우 어렵기 때문에, FWT를 대형 파랑 라이더 부이로 간주하여 국부적인 해상 상태 조건들의 예측을 개선하는 방법이 모색되고 있다.
도 1에 개략적으로 예시된 (바람(77)을 받는) 부유식 해상 풍력 터빈 시스템(1)은 해상(3)에 떠 있는 선박(2)을 포함한다. 또한, 시스템(1)은 선박(2) 위에 세워진 풍력 터빈 타워(4)를 포함한다. 타워(4)의 최상부에는 발전기 및 허브를 통해 복수의 블레이드들(6)이 장착되는 회전 샤프트를 포함한 나셀(5)이 장착된다. 시스템(1)은 본 발명의 일 실시예에 따라 해상 상태를 추정하기 위한 배열체(7)를 포함한다.
배열체(7)는 해상 풍력 터빈 시스템(1)과 연관된 적어도 하나의 센서(8, 9, 10, 11)를 포함한다. 예를 들어, 센서들(8, 9, 10, 11) 중 하나 이상은 예를 들어 가속도 센서, 변형률 센서, 포지션 센서 등을 포함할 수 있다. 특히, 센서(8)는 풍력 터빈 타워/나셀 베드프레임(4)에 장착되고, 센서(9)는 블레이드 루트 섹션에 장착되고, 센서(10)는 타워(4)의 베이스에 장착되고, 센서(11)는 선박(2)에 또는 선박(2) 내에 장착된다.
본 발명의 다른 실시예들에서, 더 많거나 적은 센서들이 제공되며, 심지어 상이한 포지션들/구성요소들에 위치할 수도 있다.
배열체(7)의 프로세서는 해상 상태에 반응하는 하나 이상의 응답량들을 나타내는 센서들(8, 9, 10, 11) 중 하나 이상으로부터 측정 데이터를 수신한다. 프로세서는 응답량을 처리하여 도 3에 예시된 스펙트럼(12)과 같은 측정된 응답 스펙트럼을 도출한다. 여기서, 가로 좌표(13)는 진동수를 나타내고, 세로 좌표(14)는 진폭 또는 강도를 나타낸다. 따라서, 배열체(7)에 의해 도출되는 응답 스펙트럼(12)은 진동수 범위의 각각의 진동수에 대해 대응하는 진폭 또는 강도 값을 포함한다.
프로세서는 이전에 추정된 파랑 스펙트럼에 기초하여 계산된 응답 스펙트럼을 계산하도록 추가로 구성된다. 파랑 스펙트럼은 예를 들어 도 3에 예시된 파랑 스펙트럼(15)일 수 있다. 프로세서는 추가로 측정된 응답 스펙트럼과 계산된 응답 스펙트럼 사이의 오차를 도출하도록 구성되고, 오차에 기초하여 이전에 추정된 파랑 스펙트럼을 조정하여 조정된 추정 파랑 스펙트럼을 도출하도록 구성된다.
FWT들은 종래의 저부 고정형 터빈들에 비해 추가적인 DOF들로 인해 추가적인 흔들림들이 발생하는 것으로 알려져 있으며, 이러한 추가적인 흔들림들은 이러한 흔들림들을 발생시킨 대응하는 파랑 스펙트럼들을 추정하는 데 사용될 수 있다.
본 발명의 실시예들에서는 이들 DOF, 특히 6개의 자유도(DOF), 즉 3개의 병진운동들; 즉, 서지(축(71)을 따름), 스웨이(축(72)을 따름), 히브(z축(76)을 따름) 및 3개의 회전들; 즉, 플로터 롤(73)(축(71)을 중심으로 함), 플로터 피치(74)(축(72)을 중심으로 함) 및 플로터 요(75)(요 또는 z축(76)을 중심으로 함)의 6개의 개별 자유도(DOF)를 고려한다.
추가 흔들림을 측정하는 데 사용되는 센서들은 가속도 신호들, 블레이드 루트 센서들 등과 같은 이미 사용 중인 터빈 모니터링 시스템일 수 있다. 타워를 따른 경사 센서들, 자이로스코프 변형률 게이지들 등과 같은(그러나, 이에 제한되지 않음) 새로운 저렴한 센서를 추가로 이용가능하게 될 수 있다. 응답 진폭 연산자(RAO)라고도 하는 FWT의 전달 함수와 같은 정보를 포함한 수학적 모델들을 FWT의 측정된 응답들과 결합하여 사용하면, 적절한 SSE 절차들을 통해 해상 상태를 추정할 수 있다. RAO는 해상 상태의 표면 고도가 선박의 흔들림으로 얼마나 전달되는지를 암시적으로 설명한다.
본 발명의 실시예들에 의해 채택된 바와 같은 SSE의 진동수 영역 접근법에서, FOWT의 이론적 모델부터 FWT의 응답, 최종 방향성 파랑 스펙트럼에 이르기까지 모든 것이 진동수 영역에 유지될 수 있다.
배열체(7)가 수행 또는 제어하도록 구성되는 해상 상태를 추정하는 방법(30)의 일 실시예가 도 2에 개략적으로 예시된다. 방법 단계(16)에서, 하나 이상의 응답량들이 측정된다. 방법 단계(17)에서, 방법 박스(18)로 표시되는 바와 같이 측정된 응답 스펙트럼을 도출하기 위해, 하나 이상의 응답량들이 처리된다. 이전에 추정된 파랑 스펙트럼(19)으로부터, 이 방법은 계산된 응답(20)을 도출하는 것을 수반한다. 응답(20)을 처리함으로써, 계산된 응답 스펙트럼 또는 응답 스펙트럼들이 참조 부호(21)로 표시된 채로 계산된다.
오차 평가 요소(22)에서, 측정된 응답 스펙트럼(18)과 계산된 응답 스펙트럼 또는 스펙트럼들(21) 사이의 오차가 도출된다. 이 방법은 방법 단계(22)에서 계산된 것과 같은 오차에 기초하여 이전에 추정된 파랑 스펙트럼을 조정하는 것을 더 포함한다. 따라서, 다음 반복에서, 방법 박스(19)는 조정된 추정 파랑 스펙트럼을 포함하며, 이는 예를 들어 수렴 기준이 충족될 때까지 추가 반복을 통해 더 조정된 추정 파랑 스펙트럼을 도출하기 위해 개선될 수 있다. 계산된 응답(20)은 아래에서 상세히 설명되는 바와 같이 복소 전달 함수(23)에 기초하여 계산된다.
도 2에서 측정된 응답들은 응답 스펙트럼들로 변환된다. 이와 동시에, 파랑 스펙트럼과 일부 복소 전달 함수들을 입력으로 하는 응답 계산들을 기반으로 하는 수치로 계산된 응답 스펙트럼들이 측정된 응답 스펙트럼들과 비교된다. 실제 측정된 응답 스펙트럼과 수치 계산된 응답 스펙트럼 사이의 오차는 파랑 스펙트럼을 조정하는 데 사용되며, 이는, 지정된 수렴 기준이 충족될 때까지, 즉 측정된 응답 스펙트럼과 수치 계산된 응답 스펙트럼 사이의 오차가 지정된 임계값 미만이 될 때까지 수치 계산된 응답 스펙트럼을 보정한다. 수렴 기준을 만족하는 최종 파랑 스펙트럼은 FWT가 노출된 것으로 추정되는 추정 파랑 스펙트럼이다.
진동수 영역에서 SSE의 한계들 중 하나는 응답과 파랑 스펙트럼 사이의 선형성을 가정해야 한다는 점이다. 이 방법은 중첩 원리의 사용을 기반으로 구축되었기 때문에, 이 방법으로는 일시적인 거동이나 비선형 효과를 설명할 수 없다. 따라서, 선형 가정은 이들 파랑들이 비선형적으로 거동하는 경향들이 있기 때문에 극한 해상 상태들에서는 추정 정확도가 제한된다. 그러나 극한 해상 상태들은 극히 드물기 때문에, 이러한 상황들로 인한 예상 피로 피해는 무시할 수 있다.
진동수 영역에서 SSE를 고려하려면, 추가적인 가정들, 즉 해상 상태와 연관된 응답들이 확률적 의미에서 각각의 추정 시퀀스에서 응답 기록들의 특정 기간 내에 고정이 적용되는 에르고드적인 균질한 랜덤 프로세스를 나타낸다는 가정이 필요할 수 있다. 이는 전형적으로 3 내지 6 시간 범위 내의 파랑들에 해당할 수 있다.
진동수 영역 접근법은 두 가지 유형들로 나눌 수 있는데, 하나는 비모수적 접근법으로, 파랑 스펙트럼의 임의의 미리 지정된 형상이나 구조 없이 국부적인 파랑 스펙트럼들을 추정하려고 시도하는 방법, 즉 진동수 및 방향 내에서 이산화된 에너지 상태들의 집합으로 솔루션을 구하는 것이다.
제2 접근법은 모수적 방법들로서, 비모수적 방법과는 반대로 최종 파랑 스펙트럼의 모양과 구조가 미리 정해져 있기 때문에 파랑 스펙트럼을 구성하기 위해 관련 파라미터를 추정한다. 즉, 솔류션은 이론적 파랑 스펙트럼을 재구성하는 데 사용할 수 있는 최적화된 파랑 파라미터들의 집합이다.
각각의 접근법에는 장단점들이 있다. 일반적으로, 비모수적 방법을 사용할 때의 장점은 이론적으로 형상을 규정하는 파라미터들에 대한 사전 가정들 없이도 파랑 스펙트럼의 임의의 형상을 추정할 수 있다는 것이다. 이는 피크 형상과 피크들의 수(바이모달 스펙트럼들)와 관련하여 모두 해당되는 반면, 모수적 추정 방법은 미리 알고 있도록 파랑 스펙트럼의 경험적 형상을 요구한다(예를 들어, 스펙트럼이 찾고자 하는 기본 파랑 파라미터들이 되는 존스웹(JONSWAP) 스펙트럼의 경험적 공식에 기반한다고 명시하는 경우). 그러나 비모수적 방법은 모수적 방법에 비해 부유식 해상 풍력 터빈(FOWT)의 이론적 모델에서 불확실성에 더 민감하게 반응한다.
비모수적 접근법과 모수적 접근법 모두 본 발명의 실시예들에 의해 지원된다.
본 발명의 일 실시예에서, 도 3에 예시된 응답 스펙트럼(12)으로부터, 본 발명의 실시예들에 따라 파랑 스펙트럼(15)이 계산될 수도 있다. 계산들은 진동수 영역에서 수행될 수 있다.
도 4는 본 발명의 실시예들에 따른, 특히 비모수적 접근법이 취해지는 경우, 해상 상태를 추정하기 위한 방법 체계(40)를 예시한다. 방법 단계(41)에서, 응답 진폭 연산자(RAO)는 예를 들어 시뮬레이션들 또는 이론적 고려 사항들로부터 얻어진다. 응답 데이터(42)와 RAO를 사용하여, 계산 블록(43)에서 수량들(A 및 b)(아래 참조)이 구성되거나 계산된다. 방법 블록(44)에서, 파랑 스펙트럼 벡터에 대한 초기 추측이 제공된다. 방법 블록(54)에서는 미리 설명된 하이퍼파라미터들이 제공된다.
방법 블록(45)에서, 수량들(D 및 c)(사전 분포, 아래 참조)은 사전 지식으로부터 구성된다. 계산 블록(46)에서, 수량(B) = [G d]는 파랑 스펙트럼 벡터(44)의 초기 추측과 블록(54)으로부터의 하이퍼파라미터들 중 하나로부터 구성된다. 방법 블록(47)에서는, 방법 블록(46)의 출력을 수신하여 파랑 스펙트럼 벡터에 대해 풀이한다.
평가 블록(48)에서는 수렴에 도달했는지 여부, 예를 들어 오차가 하나 이상의 임계값들 미만인지 여부를 평가한다. 수렴에 도달하지 못하면, 방법 블록(46)으로 다시 연결되는 분기(49)로 분기되어 수량(B)이 다시 구성된다. 수렴에 도달하면, 분기(50)로 분기되어 블록(51)으로 이어진다.
블록(51)에서, 하이퍼파라미터가 업데이트된다. 평가 블록(52)에서는, i = P, 여기서 P는 미리 설명된 하이퍼파라미터들의 양(또는 값)인지 여부를 확인한다. 그렇지 않은 경우, 분기(53)로 분기되어 방법 블록(54)으로 이어지며, 방법 블록(54)에서는 알고리즘이 미리 설명된 모든 하이퍼파라미터들을 실행할 때까지 새로운 하이퍼파라미터가 선택된다.
하이퍼파라미터(들)는 데이터의 평활도와 일치도를 모두 제어할 수 있다(둘 다 최적의 솔루션을 가질 수 없음). 일 실시예에 따르면, 미리 설명된 모든 하이퍼파라미터들을 통해 검색한 다음 마지막에 어떤 하이퍼파라미터 인덱스(또는 값)가 가장 잘 일치하는지를 확인한다.
블록(52)의 평가 결과가 참인 경우, 이는 분기(55)로 분기되어 방법 블록(56)으로 이어진다. 방법 블록(56)에서는, 어떤 인덱스가 S(x)의 최소값을 산출하는지 확인한다(아래 방정식 참조). 방법 블록(56)의 결과를 사용하여 방법 블록(57)은 해상 상태를 나타내는 최종 방향성 파랑 스펙트럼을 계산한다.
이하에서는 비모수적 접근법에 대해 자세히 설명한다. 그러나 본 발명은 이러한 세부 사항들로 제한되지 않는다.
때로는 베이지안 추정법이라고도 불리는 비모수적 문제는 파랑 스펙트럼들의 사전 정보, 예를 들어 특정 진동수를 초과하는 에너지 함량이 없다는 것은 비물리적이므로 사용을 도입하는 베이지안 통계를 활용함으로써 해결할 수 있다. 일반적으로, 복소수 전달 함수가 존재하는 파력들에 의해 발생하는 임의의 응답 신호는 파랑 스펙트럼 추정에 사용할 수 있다. 이는 가속도 센서들, 블레이드 하중 센서 등과 같은 표준 터빈 센서들을 추정 알고리즘에 사용할 수 있음을 의미한다. 사용될 수 있는 다른 센서들은 경사 센서들, 자이로스코프들 및/또는 GPS 추적일 수 있다(그러나, 이에 제한되지 않음).
선형성이라는 가정하에, 복소수 값의 전달 함수를 통한 파랑 스펙트럼과 응답 신호들 사이의 관계가 존재한다. 이 관계는 일반적으로 파랑 부이 비유로서 알려진 파상 추정 분야에서 다음과 같이 설명된다.
여기서, 은 ⅰ 번째와 j 번째 응답의 교차 스펙트럼들이고, 은 유체 역학에서는 복소수 값의 전달 함수를 나타내며 응답 진폭 연산자(RAO)라고도 하며 각 진동수(ω) 및 방향(β)의 함수이다. 적분은 파랑 방향(β)에 대해 수행된다는 점에 유의해야 한다.
연산자 는 복소 공액체를 나타낸다. 수학적으로 이것은 FWT의 응답이 RAO(진동수 영역 모델) 간의 컨볼루션의 결과라는 것을 이해한다.
FWT의 응답 진폭 연산자에 대한 간단한 모델은 진동수 영역에서 다음과 같이 직접 설명된다:
여기서, 는 강체 질량 행렬이고, 은 진동수 의존적 추가 질량 행렬이고, 은 잠재적 및 점성 댐핑과 공기역학적 댐핑 등의 다른 댐핑 항들을 모두 포함하는 진동수 의존적 댐핑 행렬이고, 은 계류 라인 강성과 유체 강성을 모두 포함한 강성 행렬이며, 은 진동수 및 방향 의존적 유체 역학적 강제력 벡터이다. RAO는 타워 벤딩 모드 형상들 및 공기역학적 댐핑도 포함하도록 확장할 수 있다.
이 복소수 값의 전달 함수는 방향성 파랑 스펙트럼()과 주어진 원리 상태들 사이의 연결부로서의 역할을 한다.
파동 추정 분야에서는 아래 도면에서 볼 수 있는 바와 같이 측정된 방향성 응답 스펙트럼과 이론적으로 계산된 진동수 영역 모델을 기반으로 방향성 파랑 스펙트럼을 추정하는 역방향 절차가 요구되며, 이를 위해 디컨볼루션 절차가 필요하다. 이 디컨볼루션 절차는 베이지안 모델링 기법에 의해 용이하게 수행된다.
수치 계산들이 불가피하기 때문에, 파랑 부이 유추를 행렬 표기법을 사용하여 다시 작성하며, 연속 파랑 부이 유추의 적분은 다음과 같은 특수 이산식으로 작성할 수 있다.
여기서, 및 K는 고려된 파랑 전파 각도들의 총량이다. 계산들의 속도를 높이기 위해, 합계를 사용한 파랑 부이 유추의 수치 공식은 다음과 같은 행렬로 작성할 수 있다.
예를 들어, 3개의 상이한 응답 신호들이 이용 가능하다고 가정하면, δ, λ 및 ρ, 세 응답의 자동 및 교차 스펙트럼 행렬(), 다방향 시스템 행렬() 및 파랑 스펙트럼()과 함께 위의 행렬은 다음과 같이 작성된다.
인 자동 및 교차 스펙트럼 행렬이 에르미티안(Hermitian)이라는 점을 이용하여, , 행렬은 복소 행렬 표기법으로 분해할 수 있다.
여기서, 는 공동 스펙트럼이라고도 하는 실수 부분들을 포함하고, 직교 스펙트럼이라고 하는 허수 부분을 포함한다.
이 분해법을 사용하고 행렬들의 상부 삼각형 인덱스들만 사용하면, 다변량 식을 다음과 같이 공식화할 수 있다.
여기서, b는 교차 스펙트럼 행렬의 분리된 실수 부분과 허수 부분을 포함하는 교차 스펙트럼 벡터이다. A는 시스템 행렬들의 곱들을 포함하는 시스템 행렬이며, f(x)는 방향성 파랑 스펙트럼들의 미지의 이산화된 값들로, x의 지수 함수 형태로 비음수 제약 조건이 추가된다. 마지막으로, w는 가우스 분포 백색 잡음 수열 벡터로서 도입되는데, 이는 응답 생성을 잡음이 있는 데이터의 확률적 과정으로 간주하기 때문이다. 실제로, w는 응답 신호의 측정 잡음을 나타낸다.
추정 알고리즘을 지원하기 위해, 에너지 함량과 관련된 또 다른 관계, 즉 응답의 스펙트럼 모멘트(분산)를 설정할 수 있다.
이산식으로 표현하면 다음과 같다.
여기서, 다시 K는 방향들의 수이고, M은 진동수들의 수이다.
이 방정식은 응답 스펙트럼들 각각에 포함된 에너지의 양이 시스템 방정식들과 파랑 스펙트럼으로부터 찾은 에너지의 양과 같아야 함을 명시하고 있다. 이 관계는 더 많은 추가 미지수들로 이어지지 않고 방정식들의 수를 약간 증가시킨다.
방향성 파랑 스펙트럼을 결정할 때, 시스템은 고도로 미결정 상태일 수 있는 많은 양의 선형 방정식들로 구성될 수 있으며, 즉 스펙트럼은 매우 제한된 양의 방정식들/정보에 기초하여 결정되어야 하며 일반적으로 방정식들보다 더 많은 미지수들을 포함한다는 것을 인식하고 있다.
게다가 이 문제는 원칙적으로 조건이 매우 좋지 않다. 조건부 문제는 시스템의 지수 제약으로 인해 파랑 스펙트럼 벡터(x)의 작은 차이가 결과 응답 스펙트럼들에 큰 차이를 발생시킨다는 사실에서 비롯된다.
따라서, 방향성 파랑 스펙트럼의 결정을 용이하게 하려면, 고도로 미결정된 방정식 시스템을 처리할 수 있는 해법 절차가 필요하다.
베이지안 모델링은 데이터 분석과 사전 정보를 사용하여 통계적 추론 문제에 접근하는 도구로서, 베이지안 정리를 사용하면 일부 확률 함수를 기반으로 방향성 파랑 스펙트럼을 통계적으로 결정할 수 있다.
베이지안 통계의 핵심 아이디어는 어떤 프로세스에 대한 사후 정보가 어떤 사전 정보 및 일부 매개변수(Q)를 고려한 데이터의 가능성을 기초하여 결정될 수 있다는 것이다. 이는 다음과 같이 기술된다.
여기서, 는 일부 데이터(y)가 주어졌을 때 일부 매개변수들(θ)의 조건부 분포이다. 는 매개변수들(θ 및 p(y))의 확률 분포이고, p(y)는 데이터(y)의 확률 분포이다. 이 방정식은 데이터(y)를 고려한 매개변수(θ)의 사후 분포가, 데이터 분포()와 일부 사전 분포 또는 정보의 곱에 얼마나 직접 비례하는지를 설명한다. 이는 사후 분포가 기록된 데이터 분포에 제공된 선험적 정보의 영향을 많이 받는다는 의미로 이해해야 한다.
데이터 분포()는 데이터 자체의 함수가 아니라 매개변수(θ)의 함수가 될 수 있다. 이는 일부 데이터(y)를 고려한 일부 매개변수(θ)가 참일 가능성이 높다는 것으로 이해해야 한다. 따라서, 데이터 분포()는, 대신 로서 기록된 데이터(y)를 고려한 매개변수(θ)의 가능성 함수라고 할 수 있으며, 이는 베이즈 정리를 다음과 같이 재작성할 수 있음을 의미한다.
인 평균과 분산이 0인 가우스 분포 백색 잡음 수열 벡터로 도입되는 w에 대한 가정에서, 교차 스펙트럼들의 데이터의 데이터 분포(또는 확률 함수)는 다변량 가우스 분포로 주어지고 다음과 같이 다시 작성할 수 있다.
여기서, N은 응답 신호들의 수이고, M은 진동수들의 수이고, 은 측정된 응답들 수(N)의 제곱과 고려되는 진동수들의 수(M)의 곱으로 형성되는 적분 방정식들의 총 개수를 의미한다. N 개의 방정식들을 더하는 것은 포함되는 에너지의 등가성에서 비롯된다.
사전 분포는 스펙트럼의 평활성에 대한 몇 가지 가정들에 사용될 수 있는데, 및 일 때인 경계에서의 스펙트럼 추정치들, 그리고 풍향이나 풍속과 같은 평균 파향에 관한 정보를 사전 정보로 포함할 수 있다. 예를 들어, 풍랑 상태들과 풍향 및 풍속 사이에는 어느 정도 상관관계가 있다.
위의 가정들에서 사전 분포들 각각이 영의 평균과 분산()을 갖는 가우스로 분포되어 있다면 전체 사전 분포는 다음과 같이 쓸 수 있다.
여기서, u는 데이터에 대한 평활도와 일치도를 나타내는 하이퍼파라미터이고, D는 x와 곱할 때 선행 제약 조건들을 설명하는 요소들로 구성되며, 경계에서 선행 제약 조건의 값들에 고려할 미리 지정된 값들에 관한 정보를 포함하고, c는 과도한 스펙트럼 추정을 방지하기 위해 사용되는 오프셋을 포함한다. 베이지안 통계에서는 데이터에 대한 일치도와 데이터의 평활도 사이에 항상 트레이드오프가 존재하며, 불안정한 솔루션(심하게 진동하는 비현실적인 해법)을 의미하므로 평활도에서 최상의 일치도를 달성할 수 없거나 세그먼트들() 사이의 비평활(이산) 전이들을 의미하므로 데이터에 대한 최상의 일치도를 달성할 수 없다는 점에 유의해야 한다.
그런 다음 베이즈 정리에 따르면, 이산화된 스펙트럼의 사후 분포/정보는 다변량 가우스 데이터 분포와 사전 정보에 기반한다.
여기서,
방정식에서 볼 수 있듯이, 최종 미지의 파랑 스펙트럼들에 대한 최대 지식인 x의 후방 분포를 최대화하기 위해서는 S(x)의 음의 지수 함수 때문에 S(x)를 최소화해야 한다. S(x)를 파랑 스펙트럼()으로 착각해서는 안 된다는 점에 유의해야 한다. 이 최소화 문제는 역문제들을 푸는 일반적인 방법인 제약 최소제곱법으로 볼 수 있다. 그러나 지수 함수들로 인해, f(x)는 x에 대해 비선형이므로 이러한 최소화 문제를 풀려면 선형화해야 한다. f(x)는 아래와 같이 주어진 값 x o 를 중심으로 테일러 확장을 사용하여 선형화할 수 있다.
이를 S(x)에 대입하면 다음과 같이 계산된다.
여기서,
이러한 S(x)는 다음과 같이 다시 쓸 수 있다.
이는 x의 최대 후방 분포를 구하기 위해 최소화해야 하는 S(x)의 형태이며, 이를 f(x)에 매핑하여 방향성 파랑 스펙트럼을 구할 수 있다. 주의할 점은 A*와 b*는 모두 x o 의 초기 값에 따라 달라지며, 이는 S(x)를 직접 계산할 수 없고 반복을 통해 찾아야 한다는 것을 의미한다. 해법 절차를 마무리하려면 S(x)를 최소화하는 데 사용되는 충분한 양의 하이퍼파라미터를 미리 계산하는 동시에 최종 파동 분포의 평활도에 대한 기준을 설정해야 한다. S(x)를 최소화하는 하이퍼파라미터에 따라 최종 방향성 파랑 스펙트럼 계산에 사용되는 파라미터 공간이 결정된다.
반복 체계를 간단하게 개략적으로 설명하면 다음과 같다:
1. RAO를 사전 계산
2. 응답 데이터를 수집
3. A(시스템 행렬) 및 b(응답 벡터)를 구축
4. i = 1, P가 되도록 주어진 인덱스를 산출하는 충분한 양(P)의 하이퍼파라미터들(Ui)을 사전 계산
5. D와 c(선험적 정보)를 구축
6. 파랑 스펙트럼 벡터(x o )에 대한 초기 추측을 제공
7. x o 와 Ui의 값으로부터 G와 d를 사용하여 B를 구축하고, x o 보다 더 나은 솔루션을 나타내는 새로운 파랑 스펙트럼 벡터(x 1 )를 품
8. 수렴이 달성되었는지 확인
그렇지 않은 경우, x o = x 1 로 설정하고 단계(7)를 반복한다.
9. 수렴이 이루어진 경우, 사용된 x의 수렴 값과 사용된 하이퍼파라미터(Ui)를 기반으로 S(x)를 계산
10. i ＜ P인 경우, I = i + 1로 설정하고 하이퍼파라미터를 과 같이 업데이트한다.
11. i = P인 경우, 어떤 하이퍼파라미터의 인덱스가 가장 매끄럽고 가장 잘 일치하는 데이터를 나타내는 S(x)의 최저값을 산출하는지 결정하고, 이 인덱스를 사용하여 최종 방향성 파랑 스펙트럼을 계산하는 데 사용할 파랑 스펙트럼 벡터를 결정한다.
도식적인 개요는 도 4에 시각화되어 있다.
결론적으로, 큰 파랑 라이더 부이로서 FOWT를 활용하면, 시스템 응답(데이터 기반)과 FOWT의 이론적 모델에 관한 지식(모델 기반)을 활용하여 방향성 파랑 스펙트럼들을 추정/계산할 수 있으며, 이를 통해 방향성 파랑 스펙트럼들이 추정/계산될 수 있다. 베이지안 통계는 스펙트럼들을 추정/계산하는 데 사용된다. 이는 추정할 파라미터들의 통계적 확률과 함께 파랑 스펙트럼들에 관한 사전 지식을 도입하는 방식으로 이루어진다.
다른 솔루션 방식들로는 모수적 최적화 또는 반복 방식을 사용한 무차별 잔여 계산이 있다.
아래에 모수적 접근법에 대한 세부 사항들이 제공된다.
그러나 본 발명은 이러한 특징들에 국한되지 않는다.
앞서 언급한 바와 같이, 파랑 에너지 스펙트럼은 파랑 스펙트럼이 경험적으로 이론적으로 알려진 하나 이상의 모수화된 파랑 스펙트럼들로 구성된다고 가정하는 절차를 사용하여 추정할 수도 있다. 개념적으로 이 절차는 관리 방정식들을 포함한 비모수적 절차와 매우 유사하다. 즉, 측정된 응답 스펙트럼들과 방향성 파랑 스펙트럼 사이의 관계는 다음과 같이 주어진다.
이 방정식에는 베이지안 모델링을 용이하게 하기 위해 백색 잡음 시퀀스 벡터(w)가 도입되었다. 백색 잡음의 도입을 제외하면, 측정된 응답 스펙트럼과 계산된 응답 스펙트럼 사이의 오차에 대한 가정은 없다. 이는 추정된 응답 스펙트럼(Af)과 측정된 응답 스펙트럼(b) 사이의 오차를 최소화하는 최소 제곱 풀이 절차에서 방향성 파랑 스펙트럼(f)을 구할 수 있음을 의미한다.
이는 모수적 방법으로 추정된 최적의 파랑 스펙트럼은 상당한 파고(Hs), 피크 주기(Tp), 평균 전파 각도(θ), 파랑 확산 파라미터(s) 등과 같은 여러 파라미터들을 최적화하여 찾을 수 있음을 의미한다.
도 5는 본 발명의 일 실시예에 따른 방법의 수행 결과로서 방향성 파랑 스펙트럼(60)의 일 예를 개략적으로 예시한다. 스펙트럼(60)은 가로축(61)에 표시된 진동수를 가지며, 가로 좌표(62)에 표시된 것과 같은 파랑 전파 방향을 갖는 파랑 흔들림들 부분들의 파워 또는 강도를 나타낸다. 그런 다음, 방향성 파랑 스펙트럼(60)은 풍력 터빈이 현재 처해 있거나 과거에 처했던 피로 하중을 계산하기 위해 배열체에 의해 활용될 수 있다. 파랑 스펙트럼(60)은 바람 및 파랑 상태를 모두 포함하는 이중 피크 전력 스펙트럼이다.
본 발명의 실시예들의 장점들은, FOWT가 노출된 실제 파랑 스펙트럼을 지속적으로 추정하고, 업데이트하고, 소규정 시간 간격 내에 기록할 수 있다는 것이다. 따라서, 실제 파랑 스펙트럼은 풍력 터빈의 작동 수명 기간 동안 기록될 수 있다. 이 정보는 FOWT의 누적된 피로 손상을 사후 평가하는 데 사용할 수 있다. 이 정보는 예를 들어 터빈의 수명을 연장하고, 터빈들에 일부 업그레이드(전력 부스트, 전력 곡선 업그레이드들 등)를 설치할 수 있는지 여부, 웨이크 어댑트 등 일부 풍력 단지 제어 전략들을 사용할 수 있는지 여부를 결정하는 의사 결정 도구로 사용될 수 있다. 또한, 향후 덜 보수적인 설계가 가능한지 여부와 그 방법을 이해하는 데 중요한 정보를 제공할 수 있다.
"포함하는"이라는 용어는 다른 요소들 또는 단계들을 배제하지 않으며, 단수 형태는 복수를 배제하지 않는다는 점에 유의되어야 한다. 또한, 상이한 실시예들과 연관하여 설명된 요소들은 결합될 수 있다. 또한, 청구항들의 참조 부호들이 청구항들의 범위를 제한하는 것으로 해석되어서는 안 된다는 점에 유의해야 한다.

Claims (24)

  1. 해상 풍력 터빈(offshore wind turbine)(1)이 처했던 해상 상태, 특히 파랑 스펙트럼(wave spectrum)(60)을 추정하는 방법으로서,
    해상의 이전에 추정된 파랑 스펙트럼(19)을 추정하는 단계;
    상기 이전에 추정된 파랑 스펙트럼(19)에 기초하여, 적어도 하나의 계산된 응답 스펙트럼(21)을 도출하는 단계;
    상기 해상 풍력 터빈(1)과 연관된 적어도 하나의 센서(sensor)(8, 9, 10, 11)를 사용하여, 상기 해상 상태에 반응하는 적어도 하나의 응답량(16)을 측정하는 단계;
    상기 응답량(16)을 처리하여 측정된 응답 스펙트럼(18)을 도출하는 단계;
    상기 측정된 응답 스펙트럼(18)과 상기 계산된 응답 스펙트럼(21) 사이의 오차(22)를 도출하는 단계;
    상기 오차에 기초하여, 상기 이전에 추정된 파랑 스펙트럼(19)을 조정하여 조정된 추정 파랑 스펙트럼(60)을 도출하는 단계를 포함하는,
    파랑 스펙트럼을 추정하는 방법.
  2. 제1 항에 있어서,
    상기 오차가 수렴 기준을 만족할 때까지, 특히 임계값 미만이 될 때까지, 상기 추정된 파랑 스펙트럼(60)을 반복적으로 조정하는 단계를 더 포함하는,
    파랑 스펙트럼을 추정하는 방법.
  3. 제1 항 또는 제2 항에 있어서,
    상기 해상 풍력 터빈(1)은 해저면 위에 떠 있는 부유식 하부 구조를 갖는 부유식(floating) 해상 풍력 터빈(1)인,
    파랑 스펙트럼을 추정하는 방법.
  4. 제1 항 내지 제3 항 중 어느 한 항에 있어서,
    상기 센서(8, 9, 10, 11)가, 특히, 상기 부유식 해상 풍력 터빈 상에 또는 상기 부유식 해상 풍력 터빈에 또는 상기 부유식 해상 풍력 터빈 내에 장착되고, 그리고/또는 부유식 플랫폼(floating platform) 상에 또는 상기 부유식 플랫폼에 또는 상기 부유식 플랫폼 내에 장착되고, 그리고/또는 상기 풍력 터빈을 운반하는 선박(2) 상에 또는 상기 선박(2)에 또는 상기 선박(2) 내에 장착되는,
    파랑 스펙트럼을 추정하는 방법.
  5. 제1 항 내지 제4 항 중 어느 한 항에 있어서,
    상기 센서(8, 9, 10, 11)는,
    가속도 센서(acceleration sensor); 블레이드 루트 변형률(blade root strain)/하중 센서; 경사 센서;
    자이로스코프(gyroscope); 특히 타워(tower)를 따라 장착된 변형률 게이지 센서; GPS 추적 디바이스(tracking device) 중 적어도 하나를 포함하는,
    파랑 스펙트럼을 추정하는 방법.
  6. 제1 항 내지 제5 항 중 어느 한 항에 있어서,
    상기 조정된 추정 파랑 스펙트럼(60)은 복수의 파랑 부분들의 파워(power)(63) 및/또는 진폭을 상기 파랑 부분의 진동수(61) 및/또는 상기 파랑 부분의 방향(62)에 따라 지정하는,
    파랑 스펙트럼을 추정하는 방법.
  7. 제1 항 내지 제6 항 중 어느 한 항에 있어서,
    상기 이전에 추정된 파랑 스펙트럼(19)에 기초하여, 계산된 응답 스펙트럼(21)을 도출하는 상기 단계는,
    선형 전달 함수(23) 및/또는 응답 진폭 연산자(RAO)를 상기 이전에 추정된 파랑 스펙트럼(19)에 적용하는 단계를 수반하는,
    파랑 스펙트럼을 추정하는 방법.
  8. 제1 항 내지 제7 항 중 어느 한 항에 있어서,
    상기 전달 함수(23) 및/또는 응답 진폭 연산자(RAO)는, 상기 개개의 파랑 스펙트럼에 의해 특징지어지는 해상 상태의 표면 고도가 얼마나 선박 흔들림 및/또는 풍력 터빈 흔들림으로 전달되는지를 암시적으로 설명하며, 특히 해상 상태 및 연관된 응답들이 에르고드적인 균질한 랜덤 프로세스(ergodic, homogenous random process)를 나타낸다고 가정하는,
    파랑 스펙트럼을 추정하는 방법.
  9. 제1 항 내지 제8 항 중 어느 한 항에 있어서,
    상기 방법은 진동수 영역 접근법을 적용하고, 상기 측정된 및 추정된 파랑 스펙트럼 및/또는 상기 응답량 및/또는 상기 오차가 상기 진동수 영역에서 주어지거나 도출되는,
    파랑 스펙트럼을 추정하는 방법.
  10. 제1 항 내지 제9 항 중 어느 한 항에 있어서,
    상기 추정 파랑 스펙트럼(60)은 비모수적(non-parametric) 접근법에 따라 모델링되고, 상기 조정된 추정 파랑 스펙트럼은 상이한 진동수들 및 방향들을 갖는 이산화된 에너지 상태들의 집합으로서 표현되는,
    파랑 스펙트럼을 추정하는 방법.
  11. 제10 항에 있어서,
    상기 비모수적 접근법은 베이지안 통계(Bayesian statistic)를 적용하며, 상기 베이지안 통계는, 상기 파랑 스펙트럼의 사전 정보와 데이터 분포를 고려한 일부 파라미터들이 참인 일부 가능성의 조합을 도입하고 그리고 후방 분포를 모델링하도록 적용되는,
    파랑 스펙트럼을 추정하는 방법.
  12. 제1 항 내지 제11 항 중 어느 한 항에 있어서,
    상기 추정 파랑 스펙트럼(60)은 모수적 접근법에 따라 모델링되고, 상기 추정 파랑 스펙트럼은 하나 이상의 미리결정된 파랑 스펙트럼들의 하나 이상의 파랑 파라미터들의 규정에 의해 표현되고, 상기 조정된 추정 파랑 스펙트럼은 최적화된 파랑 파라미터들에 의해 표현되는,
    파랑 스펙트럼을 추정하는 방법.
  13. 제12 항에 있어서,
    상기 파랑 파라미터들은,
    파고(Hs), 피크 주기(Tp), 평균 전파 각도(θ), 파랑 확산 파라미터(s)
    중 적어도 하나를 포함하는,
    파랑 스펙트럼을 추정하는 방법.
  14. 제1 항 내지 제13 항 중 어느 한 항에 있어서,
    상기 방법은 특히, 상기 추정된 파랑 스펙트럼에 기초하여, 상기 측정된 응답 스펙트럼을 도출하기 위해, 이하의 방정식

    을 적용하며,
    여기서, Af는 상기 추정된 응답 스펙트럼이고, b는 상기 측정된 응답 스펙트럼이고, A는 시스템 행렬 전달 함수이고, f는 추정된 파랑 스펙트럼이고, x는 파랑 파라미터 값들을 나타내고, w는 측정 잡음이며;
    상기 방법은 특히,
    상기 해상 상태를 지속적으로 모니터링/기록하는 단계;
    상기 풍력 터빈의 적어도 하나의 구성요소의 피로 손상(fatigue damage)을 추정하는 단계;
    상기 풍력 터빈의 적어도 하나의 구성요소의 유지 보수(maintenance) 및/또는 재설계 및/또는 업그레이드(upgrade) 및/또는 교체 및/또는 수리에 관한 경고 및/또는 가동 중단 및/또는 출력제한(curtailment)에 관한 경고를 제공하는 단계 중 적어도 하나를 더 포함하는,
    파랑 스펙트럼을 추정하는 방법.
  15. 해상 풍력 터빈 시스템, 특히 부유식 해상 풍력 터빈 시스템(1)을 작동시키는 방법으로서,
    제1 항 내지 제14 항 중 어느 한 항에 따른 방법을 수행하는 단계;
    상기 조정된 추정 파랑 스펙트럼(60)에 기초하여, 특히 파랑들로 인한 진동들이 감소되도록, 상기 해상 풍력 터빈(1)의 생성된 전력 출력이 상기 해상 풍력 터빈(1)의 정격 전력(rated power)에 대해 감소되도록, 그리고/또는 상기 해상 풍력 터빈(1)의 수명이 연장되도록, 상기 해상 풍력 터빈(1)을 작동시키는 단계를 포함하는,
    부유식 해상 풍력 터빈 시스템을 작동시키는 방법.
  16. 제15 항에 있어서,
    상기 해상 풍력 터빈(1)에 의해 전력을 생성하는 단계;
    상기 전력의 적어도 일부를 국제 수역들에 위치결정되지 않은, 특히 내륙, 육상에 위치결정된 전기 수신 배열체(arrangement)로 전송하는 단계;
    상기 전력의 적어도 일부를 유틸리티 그리드(utility grid), 특히 육상 유틸리티 그리드에 공급하는 단계를 더 포함하는,
    부유식 해상 풍력 터빈 시스템을 작동시키는 방법.
  17. 해상 풍력 터빈(1)이 처했던 해상 상태, 특히 파랑 스펙트럼을 추정하기 위한 배열체(7)로서,
    상기 해상 풍력 터빈(1)과 연관된 적어도 하나의 센서(8, 9, 10, 11) ─ 상기 센서는 상기 해상 상태에 반응하는 응답량을 측정하도록 구성됨 ─ ; 및
    프로세서(processor)를 포함하며,
    상기 프로세서는,
    상기 응답량(16)을 처리하여, 측정된 응답 스펙트럼(18)을 도출하고;
    이전에 추정된 파랑 스펙트럼(19)에 기초하여, 계산된 응답 스펙트럼(21)을 도출하고;
    상기 측정된 응답 스펙트럼(18)과 상기 계산된 응답 스펙트럼(21) 사이의 오차(22)를 도출하고;
    상기 오차에 기초하여, 상기 이전에 추정된 파랑 스펙트럼(19)을 조정하여, 조정된 추정 파랑 스펙트럼(60)을 도출하고, 그리고/또는
    제1 항 내지 제14 항 중 어느 한 항에서 청구된 바와 같은 방법 단계들 중 임의의 단계를 수행하도록 구성되는,
    파랑 스펙트럼을 추정하기 위한 배열체(7).
  18. 제17 항에 있어서,
    상기 프로세서는, 상기 오차가 수렴 기준을 만족할 때까지, 특히 임계값 미만이 될 때까지, 상기 추정된 파랑 스펙트럼(60)을 반복적으로 조정하도록 구성되는,
    파랑 스펙트럼을 추정하기 위한 배열체(7).
  19. 제17 항 또는 제18 항에 있어서,
    상기 프로세서는 상기 추정 파랑 스펙트럼(60)을 비모수적 접근법에 따라 모델링하도록 구성되고, 상기 조정된 추정 파랑 스펙트럼은 상이한 진동수들 및 방향들을 갖는 이산화된 에너지 상태들의 집합으로서 표현되는,
    파랑 스펙트럼을 추정하기 위한 배열체(7).
  20. 제19 항에 있어서,
    상기 프로세서는 상기 비모수적 접근법에 베이지안 통계를 적용하도록 구성되고, 상기 베이지안 통계는, 상기 파랑 스펙트럼의 사전 정보와 데이터 분포를 고려한 일부 파라미터들이 참인 일부 가능성의 조합을 도입하고 그리고 후방 분포를 모델링하도록 적용되는,
    파랑 스펙트럼을 추정하기 위한 배열체(7).
  21. 해상 풍력 터빈 시스템(1)으로서,
    선박(2); 선박(2) 위에 세워진 풍력 터빈 타워(4); 상기 타워의 최상부에 장착된 나셀(5); 및 제15 항 내지 제18 항 중 어느 한 항에 따른 배열체(7)를 포함하는,
    해상 풍력 터빈 시스템(1).
  22. 제21 항에 있어서,
    상기 해상 풍력 터빈(1)은 해저면 위에 떠 있는 부유식 하부 구조를 갖는 부유식 해상 풍력 터빈(1)인,
    해상 풍력 터빈 시스템(1).
  23. 제21 항 또는 제22 항에 있어서,
    상기 센서(8, 9, 10, 11)가, 상기 특히, 부유식 해상 풍력 터빈 상에 또는 상기 부유식 해상 풍력에 또는 상기 부유식 해상 풍력 내에 장착되고, 그리고/또는 부유식 플랫폼 상에 또는 상기 부유식 플랫폼에 또는 상기 부유식 플랫폼 내에 장착되고, 그리고/또는 상기 풍력 터빈을 운반하는 선박(2) 상에 또는 상기 선박(2)에 또는 상기 선박(2) 내에 장착되는,
    해상 풍력 터빈 시스템(1).
  24. 제21 항 내지 제23 항 중 어느 한 항에 있어서,
    상기 센서(8, 9, 10, 11)는 가속도 센서; 블레이드 루트 변형률/하중 센서; 경사 센서; 자이로스코프; 특히 타워를 따라 장착된 변형률 게이지 센서; GPS 추적 디바이스 중 적어도 하나를 포함하는,
    해상 풍력 터빈 시스템(1).
KR1020237045255A 2021-06-02 2022-06-01 해상 풍력 터빈의 해상 상태 추정 KR20240017370A (ko)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
EP21177378.3 2021-06-02
EP21177378.3A EP4098542A1 (en) 2021-06-02 2021-06-02 Estimating a sea state of an offshore wind turbine
PCT/EP2022/064915 WO2022253898A1 (en) 2021-06-02 2022-06-01 Estimating a sea state of an offshore wind turbine

Publications (1)

Publication Number Publication Date
KR20240017370A true KR20240017370A (ko) 2024-02-07

Family

ID=76250197

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020237045255A KR20240017370A (ko) 2021-06-02 2022-06-01 해상 풍력 터빈의 해상 상태 추정

Country Status (5)

Country Link
EP (2) EP4098542A1 (ko)
KR (1) KR20240017370A (ko)
CN (1) CN117412900A (ko)
BR (1) BR112023024639A2 (ko)
WO (1) WO2022253898A1 (ko)

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8169098B2 (en) * 2010-12-22 2012-05-01 General Electric Company Wind turbine and operating same
NO20191269A1 (en) * 2019-10-24 2021-04-26 Odfjell Drilling As Floating mobile offshore drilling unit and method of controlling a process automation system
US11306700B2 (en) * 2019-10-25 2022-04-19 Siemens Gamesa Renewable Energy A/S Floating wind turbine blade pitch adjustment for wave activity

Also Published As

Publication number Publication date
EP4098542A1 (en) 2022-12-07
EP4323269A1 (en) 2024-02-21
WO2022253898A1 (en) 2022-12-08
BR112023024639A2 (pt) 2024-02-20
CN117412900A (zh) 2024-01-16

Similar Documents

Publication Publication Date Title
US10302066B2 (en) Reducing curtailment of wind power generation
US10598157B2 (en) Reducing curtailment of wind power generation
Hegseth et al. Integrated design optimization of spar floating wind turbines
Koukoura et al. Identification of support structure damping of a full scale offshore wind turbine in normal operation
Song et al. Dynamic reliability analysis of a floating offshore wind turbine under wind-wave joint excitations via probability density evolution method
CN114757048B (zh) 一种风机基础的健康状态评估方法、装置、设备和介质
Annoni et al. Wind direction estimation using SCADA data with consensus-based optimization
US11725625B2 (en) Distributed reinforcement learning and consensus control of energy systems
Karimi et al. A fully coupled frequency domain model for floating offshore wind turbines
US20200301020A1 (en) METHOD FOR PREDICTING WIND SPEED IN THE ROTOR PLANE FOR A WIND TURBINE EQUIPPED WITH A LiDAR SENSOR
WO2015079221A2 (en) Determination of turbulence in a fluid and control of array of energy producing devices
JP6521777B2 (ja) 津波監視システム
Okpokparoro et al. Uncertainty modeling in reliability analysis of floating wind turbine support structures
Cermelli et al. Experimental measurements of WindFloat 1 prototype responses and comparison with numerical model
Rott et al. Alignment of scanning lidars in offshore wind farms
Schlipf et al. Multi-variable feedforward control for floating wind turbines using lidar
Hong et al. Hydrodynamic and environmental modelling influence on numerical analysis of an innovative installation method for floating wind
Gräfe et al. Quantification and correction of motion influence for nacelle-based lidar systems on floating wind turbines
KR20240017370A (ko) 해상 풍력 터빈의 해상 상태 추정
Koh et al. Validation of a FAST model of the SWAY prototype floating wind turbine
Isnaini et al. Real-time wave prediction for floating offshore wind turbine based on the kalman filter
McWilliam et al. Wind farm parameterization and turbulent wind box generation
Hegseth Efficient Modelling and Design Optimization of Large Floating Wind Turbines
Gräfe et al. Machine learning based virtual load sensors for mooring lines using motion and lidar measurements
Hao et al. Building and calibration of a fast model of the SWAY prototype floating wind turbine