WO2016032128A1 - 풍력발전단지 제어 시스템 및 이를 이용한 풍력발전단지 제어방법 - Google Patents

풍력발전단지 제어 시스템 및 이를 이용한 풍력발전단지 제어방법 Download PDF

Info

Publication number
WO2016032128A1
WO2016032128A1 PCT/KR2015/007705 KR2015007705W WO2016032128A1 WO 2016032128 A1 WO2016032128 A1 WO 2016032128A1 KR 2015007705 W KR2015007705 W KR 2015007705W WO 2016032128 A1 WO2016032128 A1 WO 2016032128A1
Authority
WO
WIPO (PCT)
Prior art keywords
wind
wind turbine
information
control system
turbine
Prior art date
Application number
PCT/KR2015/007705
Other languages
English (en)
French (fr)
Inventor
함경선
김태형
Original Assignee
전자부품연구원
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 전자부품연구원 filed Critical 전자부품연구원
Publication of WO2016032128A1 publication Critical patent/WO2016032128A1/ko

Links

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 
    • 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
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01P—MEASURING LINEAR OR ANGULAR SPEED, ACCELERATION, DECELERATION, OR SHOCK; INDICATING PRESENCE, ABSENCE, OR DIRECTION, OF MOVEMENT
    • G01P5/00—Measuring speed of fluids, e.g. of air stream; Measuring speed of bodies relative to fluids, e.g. of ship, of aircraft
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02P—CONTROL OR REGULATION OF ELECTRIC MOTORS, ELECTRIC GENERATORS OR DYNAMO-ELECTRIC CONVERTERS; CONTROLLING TRANSFORMERS, REACTORS OR CHOKE COILS
    • H02P9/00—Arrangements for controlling electric generators for the purpose of obtaining a desired output
    • H02P9/04—Control effected upon non-electric prime mover and dependent upon electric output value of the generator
    • 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

Definitions

  • the present embodiment relates to a wind farm control system and a wind farm control method using the same, and more particularly, a wind farm control system and a wind farm using the same that can reduce the operational load of the control system through cluster analysis. It relates to a control method.
  • a wind farm is a place where many wind turbines are installed that generate energy by turning generators on natural wind from land or sea. It is widely researched / utilized in Germany, the United States, Denmark, and all over the world, and small-scale development complexes have been established in Korea.
  • Wind farms must not only produce and provide the power required by the grid operator, but also operate in compliance with grid linkage standards, and it is important to maximize the amount of power produced by the grid operator. In addition, it is also necessary to minimize the reduction of mechanical load on the power plant, thereby minimizing energy production costs and reducing maintenance costs. To this end, a study is conducted to obtain optimal environmental control information for each wind turbine by acquiring environmental information such as wind strength and direction blowing through the wind turbine through facilities such as a wind mast measurement tower. Is going on.
  • each wind turbine In terms of wind farm system operation, it is accompanied by a large computing load for system simulation and real-time operation as the size of the wind farm increases.
  • each wind turbine According to the environmental information transmitted in real time through the weather measurement weather tower, each wind turbine must receive the operation control signal for each zone and location through the simulation process for the optimal operating environment. As a result, such a calculation requires a large data processing apparatus.
  • the computing device in charge of such a computing load should increase in proportion to the number of wind turbines requiring control, but there is a limit to increasing the computing device.
  • the calculation speed may not be able to keep up with the wind turbine to immediately control the wind turbine in accordance with the change in real time as the amount of calculation increases.
  • the present embodiment was devised in view of the above, and the wind farm control system adopting the statistical analysis method and the wind power using the same in order to reduce the computational load to reduce the system computational load and improve the computational speed Provides a power plant control method.
  • Wind turbine control system is connected to at least one or more wind turbines, wind turbine transition state detection unit for obtaining transition state information (transition state information) from each of the wind turbines;
  • a wind turbine fatigue load detector connected to at least one wind turbine to obtain fatigue load information from the respective wind turbines;
  • Wind mast measurement tower (Met mast) for measuring the wind condition (wind condition) of the wind traveling toward the wind farm consisting of the at least one wind turbine, the direction, etc. (Met mast); And obtaining information about the wind turbine transition state detector and the fatigue load detector, performing cluster analysis according to the corresponding information, grouping the at least one wind turbine, and performing a control sequence of the wind turbine according to the wind conditions for each group. It may include a power generation complex control unit.
  • the wind turbine transition state detection unit and the fatigue load detection unit may be separately installed in each wind turbine, or may be installed inside the wind farm control unit.
  • the wind farm control unit may be communicatively connected to the at least one wind turbine through an Ethernet network.
  • the wind farm control unit may be communicatively connected to a plurality of wind farms via an internet network.
  • a method for controlling a wind farm including: acquiring wind information from a wind measurement weather tower; Simulating a wind turbine operation using the obtained wind sulfur information; Obtaining current state information of the wind turbine; Performing cluster analysis using the obtained current status information of the wind turbine; Grouping the wind turbines in a similar state according to the wind through cluster analysis; And outputting a wind turbine control command according to the wind condition information for each group.
  • FIG. 1 is a schematic block diagram of a wind farm control system according to the present embodiment
  • FIG. 2 is a view schematically showing the configuration of the wind farm control system and the wind power generation terminal according to the present embodiment
  • FIG. 3 is a view for comprehensively explaining a wind forecasting and generation demand allocation process
  • FIG. 4 is a view showing a state in which the wind farms according to the embodiment grouped for cluster analysis, and,
  • 5 and 6 are flowcharts schematically showing a wind farm control method according to the present embodiment.
  • FIG. 1 is a schematic block diagram of a wind farm control system according to the present embodiment
  • Figure 2 is a schematic view showing the configuration of a wind farm control system and a wind power generation terminal according to the present embodiment
  • Figure 3 is a wind forecast
  • FIG. 4 is a diagram illustrating a group of wind power generation complexes according to the present embodiment for cluster analysis
  • FIG. 5 and FIG. 6 are views according to the present embodiment. This is a flow chart schematically showing a wind farm control method.
  • the wind farm control system may include a wind turbine measuring weather tower 10, a wind farm 20, and a wind farm controller 100.
  • Wind metering meteorological tower 10 (Mast Mast) is to obtain the environmental information related to the wind, the front end of the wind farm 20 according to the present embodiment may be disposed.
  • the wind condition is a concept including the wind speed and the direction of the wind, and may further include other elements of the wind.
  • the information of the wind sulfur measurement meteorological tower 10 is transmitted to the processing unit 110 provided in the wind farm control unit 100, and may be used as basic data for controlling wind turbines (WT) through hardware and software processing.
  • the wind farm 20 may arrange a plurality of wind turbines (WT) in parallel or in series to produce electricity by using wind blowing in a predetermined area.
  • Wind turbines (WT) installed in the wind farm 20 may be configured to have the same mechanical properties.
  • the reason for configuring the wind turbine (WT) to have the same mechanical properties as described above is to standardize the control command output through the wind farm control unit 100 to the maximum. If the wind farm 20 is composed of different wind turbines (WT) of different specifications, because it requires additional calculation for the control it may be difficult to immediately output the control command.
  • the wind farm control unit 100 controls a plurality of wind turbines WT installed in the wind farm 20.
  • the wind farm control unit 100 may include a processor 110, an Ethernet UI 120, an Internet UI 130, and a memory 140.
  • the wind farm control unit 100 may be communicatively connected to at least one or more wind turbines (WT) via an Ethernet UI through an Ethernet UI 120, and a plurality of wind turbines to an internet network through an Internet UI 130.
  • WT wind turbines
  • the processor 110 ultra-short term prediction in real time the wind condition to be incident to the wind turbines (WT), and allocates the power generation requirements to the wind turbines based on the prediction result.
  • WTs wind turbines
  • the processor 110 may perform a grouping operation for each current state of the plurality of wind turbines WT through cluster analysis.
  • the state information of the wind turbine (WT) may include the transition state information and fatigue load information obtained from the wind turbine transition state detection unit 200 and the wind turbine fatigue load detection unit 300.
  • the wind turbine WT operates stably according to the control command, and the operation mode of the wind turbine WT is changed by the new control command according to the change of the wind condition.
  • the information of the state where the free energy of the wind turbine (WT) takes the maximum value is obtained. In this case, it is possible to group the wind turbines WT having similar transition regions among the plurality of wind turbines WT through the obtained information.
  • the wind turbine fatigue load detector 300 may detect structural deformation or fatigue degree according to load due to wind pressure or centrifugal force, etc. added to the blade and the drive shaft during the operation of the wind turbine WT. Such fatigue load data is obtained for each wind turbine (WT) that is variably controlled according to the wind conditions, can be controlled by grouping the wind turbine (WT) having a similar fatigue load.
  • the wind turbine transition state detection unit 200 and the fatigue load detection unit 300 may be installed separately in each of the wind turbine (WT), may be installed inside the wind farm control unit 100. have.
  • the processor 110 may calculate an optimal power generation demand and distribute the respective wind turbines to each of the wind turbines WT according to the wind condition and the current state of the wind turbines WT. That is, the processor 110 may perform a simulation operation by using the acquired information, and may distribute the total power generation requirement requested by the grid operator to the wind farm 20 to the wind turbines WT. For example, when the total power generation requirement given to the wind farm 20 is 100 kW, 10 kW for the first wind turbine WT11, 8 kW for the second wind turbine WT12,. For example, 1 kW may be allocated to the n-th wind turbine WTnn in consideration of the location and wind conditions of the wind turbine WT.
  • the processor 110 may cluster the wind turbines (WT) of a similar state by cluster analysis of the information obtained from the wind turbine transition state detection unit 200 and the wind turbine fatigue load detection unit 300.
  • WT wind turbines
  • Cluster analysis can be divided into partitioning approach and hierarchical approach.
  • the segmentation approach can be based on the Euclidean distance measure by determining the K partitions that optimize the categorical function.
  • One of the partitioning algorithms used for clustering numeric attribute data is the K-means algorithm. To use this algorithm, enter the K value of how many groups you want to divide into. The algorithm then assigns K average points and looks at all the data one by one and assigns it to the group corresponding to the nearest average point. You can then reallocate the data to a nearby group, changing the average points little by little. This process is repeated until the scale function representing the cluster state no longer changes, and when no longer changes, the groups of the state are designated as the result of clustering.
  • the hierarchical approach is that when all the points belong to one large cluster in a bottom-up manner, initially setting up each data point into a cluster and then splitting and merging based on the distance between these pairs. The history information can be maintained until.
  • This is called agglomerative hierarchical clustering and is a method of clustering relatively close objects.
  • the algorithm first assumes that all n data are n different groups. After that, we look at the similarity between the groups and merge the two most similar groups to reduce the number of groups, and then find the K groups by repeating the total number of groups.
  • the process of merging or separating clusters may be briefly expressed using a schematic diagram of a two-dimensional drawing, and in the clustering process, once an object belongs to another cluster, it may be prevented from belonging to another cluster again.
  • the processor 110 may define environmental information of wind turbines (WTs) as multivariate data, and may perform cluster analysis by defining a main portion of the total variation as a main component.
  • WTs wind turbines
  • control command sets according to p environment variables for n wind turbines (WT) are respectively X 1 , X 2 ,...
  • X p the characteristics representing the respective wind turbines (WT) can be expressed by the following equation.
  • X f f (X 1 , X 2 , X 3 , ..., X p )
  • each cluster can be represented by the representative value of the principal component as described above.
  • the values constituting each cluster represent the explanatory power (R-square, R 2 ) that each principal component can represent through the total variance percentage value described based on the eigenvalue, which is an index describing the entire nonlinear model. This allows you to determine the number of clusters that can operate within the tolerance of the entire nonlinear model.
  • FIG. 3 is a view for comprehensively explaining the wind forecasting and generation demand allocation process.
  • a concept of a prediction window is introduced.
  • the prediction window is a section from which the wind according to the wind information measured by the wind measurement weather tower 10 enters the wind farm 20 and passes through.
  • the forecast window also includes winds previously measured, which assigns generation requirements for all wind turbines (WTs) in the wind farm 20. And to predict mechanical load.
  • the processor 110 predicts wind and mechanical loads of all the wind turbines (WT) in the wind farm in real time through the prediction window, and allocates the power generation requirements to the wind turbines (WT) based on the prediction result. Can be.
  • FIG. 4 is a diagram illustrating an example in which the processor 110 groups a plurality of wind turbines WT according to the present embodiment.
  • the wind farm control unit 100 may be connected to the wind farm 20, in this case, the wind farm 20 may be composed of a plurality of wind turbines (WTnm).
  • WTnm wind turbines
  • n means more than one column
  • m means a row. Therefore, the wind turbines in one row and one row can be displayed as WT11, and the wind turbines in three rows and four rows as WT34.
  • the wind farm control system according to the present embodiment has shown a state composed of a total of 12 wind turbines (WT), but is not limited thereto, and the number of wind turbines may be increased or decreased as necessary.
  • the wind turbine measuring meteorological tower 10 detects this information and sends the related information to the wind farm control unit 100. I can send it out.
  • group 1 may be set as a wind turbine (WT31) of three rows and one row
  • group 2 is WT21, WT22, WT32
  • group 3 is WT11, WT12, WT33, WT34
  • Group 4 can be set to WT13, WT23, WT24
  • group 5 can be set to WT14.
  • This grouping is a grouping of similar factors such as fatigue load and transition state of each wind turbine (WT) by cluster analysis.
  • the grouped information as described above may be stored in the memory unit 140 and used for only control information of other wind farms. If similar situations are repeated, group information stored without operation of the processing unit 110, such as cache data, may be used. It may be used for grouping control of wind turbines (WT) according to.
  • WT wind turbines
  • the wind sulfur measurement meteorological tower 10 installed at the front end of the wind farm 20, where the operation of the wind farm starts, acquires wind wind information of wind blowing toward the wind farm 20 in real time,
  • the power plant can be sent in real time to the control unit 100 (S10).
  • the wind farm control unit 100 may perform the operation simulation of the wind turbines (WT), and calculate the required power generation amount for each wind turbine to satisfy the total power generation output demand based on the measured wind condition information (S20). ).
  • the current state of the wind turbine (WT) can be obtained through various sensing means (S30), for example, in the present embodiment, as shown in Figure 6, the step of detecting the wind turbine fatigue load (S31)
  • the method may further include detecting a transition state of each of the wind turbines (S32) and transmitting the information obtained in the steps S31 and S32 to the memory unit 140 (S33).
  • the obtained information may perform cluster analysis in the processing unit 110 (S40), and group each of the wind turbines WT through cluster analysis in step S40 (S50).
  • the processor 110 may set the wind turbines WT placed in a similar mechanical environment and wind condition in the same group in step S50, and the wind turbines WT set in the same group perform a power generation operation according to the same control command.
  • the amount of calculation of the processing unit 110 is greatly reduced. As such, it is possible to control a larger number of wind turbines WT in the same processing unit 110.

Landscapes

  • Engineering & Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • Sustainable Development (AREA)
  • Sustainable Energy (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Power Engineering (AREA)
  • Wind Motors (AREA)

Abstract

본 발명의 일 측면에 따른 풍력발전단지 제어 시스템은 각각의 풍력터빈들로부터 천이상태 정보를 획득하고, 각각의 풍력터빈들로부터 피로부하 정보를 획득하며, 풍력터빈들로 구성된 풍력발전단지를 향해 진행하는 바람의 풍속, 방향 등의 풍황을 측정하고, 풍력터빈 천이상태와 피로부하 정보를 획득하여 해당 정보에 따른 클러스터 분석을 수행하여 상기 적어도 하나 이상의 풍력터빈들을 그룹화하여 그룹별로 풍황에 따른 풍력터빈의 제어 시퀀스를 수행할 수 있다.

Description

풍력발전단지 제어 시스템 및 이를 이용한 풍력발전단지 제어방법
본 실시예는 풍력발전단지 제어 시스템 및 이를 이용한 풍력발전단지 제어방법에 관한 것으로, 보다 상세하게는 클러스터 분석을 통해 제어 시스템의 연산 부하를 저감할 수 있는 풍력발전단지 제어 시스템 및 이를 이용한 풍력발전단지 제어방법에 관한 것이다.
풍력 발전 단지는, 육상이나 해상에서 자연의 바람으로 발전기를 돌려 에너지를 얻는 풍력터빈이 많이 설치되어 있는 장소이다. 독일, 미국, 덴마크 등 전세계에서 널리 연구/실용화하고 있으며, 우리 나라에도 소규모의 발전단지가 조성되었다.
풍력 발전 단지는 계통 운영자가 요구하는 전력을 생산하여 제공하여야 함은 물론, 계통연계 기준에 적합하도록 운영되어야 하고, 계통 운영자가 허용하는 범위 내에서 전력 생산량을 극대화하는 것이 중요하다. 또한, 발전 설비의 기계적 부하 감소를 최소화하여 에너지 생산 비용을 최소화시키고, 유지 보수 비용을 절감하는 것 역시 필요하다. 이를 위해, 풍황계측 기상탑(Met mast)와 같은 시설물을 통해 풍력터빈에 불어오는 바람의 세기, 방향 등의 환경정보를 획득하여, 이에 따라 풍력터빈들 각각에 최적의 작동 제어를 수행하기 위한 연구가 진행되고 있다.
풍력단지 시스템 운영 측면에서는 대형화에 따라 시스템 시뮬레이션과 실시간 운영을 위해서는 많은 컴퓨팅 부하를 동반하게 된다. 즉, 풍황계측 기상탑을 통해 실시간으로 전달되는 환경정보에 따라, 각각의 풍력터빈들은 최적의 작동 환경을 위한 시뮬레이션 과정을 통해, 각 구역별, 위치별 작동 제어신호를 인가 받아야 최적의 발전효율을 얻을 수 있기 때문에, 이러한 연산을 위해서는 대규모의 데이터 처리장치를 필요로 한다.
하지만, 이와 같은 연산 부하를 담당하는 연산장치는 제어를 필요로 하는 풍력 발전장치의 수에 비례하여 증가해야 하지만, 연산장치를 증가시키는 것은 한계가 있다. 또한, 연산량이 증가함에 따라 실시간으로 변화하는 풍황에 따라 즉각적으로 풍력터빈을 제어하기에는 연산 속도가 이를 따라가지 못할 수 있다는 문제점이 있다.
본 실시예는 상기와 같은 점을 감안하여 안출된 것으로, 연산부하를 저감하여 시스템 연산 부하를 저감하고, 연산 속도를 향상할 수 있도록, 통계적 분석 방법을 도입한 풍력발전단지 제어 시스템 및 이를 이용한 풍력발전단지 제어방법을 제공한다.
본 발명의 일 측면에 따른 풍력발전단지 제어 시스템은 적어도 하나 이상의 풍력터빈들과 연결되어, 각각의 풍력터빈들로부터 천이상태 정보(transition state information)를 획득하는 풍력터빈 천이상태 감지부; 적어도 하나 이상의 풍력터빈들과 연결되어, 각각의 풍력터빈들로부터 피로부하 정보(fatigue load information)를 획득하는 풍력터빈 피로부하 감지부; 상기한 적어도 하나 이상의 풍력터빈들로 구성된 풍력발전단지를 향해 진행하는 바람의 풍속, 방향 등의 풍황(wind condition)을 측정하는 풍황계측 기상탑(Met mast); 및 상기 풍력터빈 천이상태 감지부 및 피로부하 감지부의 정보를 획득하여, 해당 정보에 따른 클러스터 분석을 수행하여 상기 적어도 하나 이상의 풍력터빈들을 그룹화하여 그룹별로 풍황에 따른 풍력터빈의 제어 시퀀스를 수행하는 풍력발전단지 제어부;를 포함할 수 있다.
상기 풍력터빈 천이상태 감지부 및 피로부하 감지부는 각각의 풍력터빈에 개별적으로 설치될 수도 있고, 상기 풍력발전단지 제어부의 내부에 설치될 수도 있다.
상기 풍력발전단지 제어부는 이더넷 네트워크를 통해 상기 적어도 하나 이상의 풍력터빈들과 통신 가능하게 연결될 수 있다.
또한, 상기 풍력발전단지 제어부는 인터넷 네트워크를 통해 복수 개의 풍력발전단지들과 통신 가능하게 연결될 수 있다.
본 실시예에 따른 풍력발전단지 제어방법은 풍황계측 기상탑으로부터 풍황정보를 획득하는 단계; 획득된 풍황정보를 이용하여 풍력터빈 동작을 시뮬레이션 하는 단계; 풍력터빈의 현재상태 정보를 획득하는 단계; 획득된 풍력터빈의 현재상태 정보를 이용하여 클러스터 분석을 수행하는 단계; 풍황에 따라 유사한 상태에 놓여 있는 풍력터빈들을 클러스터 분석을 통해 그룹화하는 단계; 및 각각의 그룹별로 상기 풍황정보에 따른 풍력터빈 제어명령을 출력하는 단계;를 포함할 수 있다.
또한, 상기 클러스터 분석 단계는 각각의 풍력터빈 피로부하를 감지하는 단계; 각각의 풍력터빈 천이상태를 감지하는 단계; 및 각각의 풍력터빈의 피로부하 및 천이상태 정보를 메모리부로 송신하는 단계;를 더 포함할 수 있다.
이상과 같은 본 실시예에 따르면, 클러스터 분석을 이용하여 유사한 풍황 및 기계적 상태에 놓여 있는 풍력 발전장치들을 동일한 그룹으로 설정하여, 이들을 그룹별로 동일한 제어 명령으로 제어하므로, 처리부의 연산부하를 줄일 수 있다.
또한, 제한된 개수의 처리부를 가지는 연산장치만으로 다수의 풍력터빈들을 제어할 수 있어 장치구성의 경제성을 확보할 수 있음은 물론, 연산부하 하락에 따른 연산속도 향상을 기대할 수 있어, 풍황 변화에 따른 즉각적인 풍력터빈 제어가 가능하다.
도 1은 본 실시예에 따른 풍력발전단지 제어 시스템의 개략적인 블록도,
도 2는 본 실시예에 따른 풍력발전단지 제어 시스템과 풍력발전단자의 구성을 개략적으로 도시한 도면,
도 3은 풍황 예측 및 발전 요구량 할당 과정을 종합적으로 설명하기 위한 도면,
도 4는 본 실시예에 따른 풍력발전단지를 클러스터 분석을 위해 그룹화한 상태를 도시한 도면, 그리고,
도 5 및 도 6은 본 실시예에 따른 풍력발전단지 제어 방법을 개략적으로 도시한 흐름도 이다.
이하, 본 실시예에 따른 풍력발전단지 제어 시스템 및 이를 이용한 풍력발전단지 제어방법을 도면을 참고하여 설명한다. 첨부된 도면은 본 발명의 예시적인 형태를 도시한 것으로, 이는 본 발명을 보다 상세히 설명하기 위해 제공되는 것일 뿐, 이에 의해 본 발명의 기술적인 범위가 한정되는 것은 아니다.
또한, 도면 부호에 관계없이 동일하거나 대응되는 구성요소는 동일한 참조번호를 부여하고 이에 대한 중복 설명은 생략하기로 하며, 설명의 편의를 위하여 도시된 각 구성 부재의 크기 및 형상은 과장되거나 축소될 수 있다.
한편, 제 1 또는 제 2 등과 같이 서수를 포함하는 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들이 상기 용어들에 의해 한정되지 않으며, 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별시키는 목적으로만 사용된다.
도 1은 본 실시예에 따른 풍력발전단지 제어 시스템의 개략적인 블록도, 도 2는 본 실시예에 따른 풍력발전단지 제어 시스템과 풍력발전단자의 구성을 개략적으로 도시한 도면, 도 3은 풍황 예측 및 발전 요구량 할당 과정을 종합적으로 설명하기 위한 도면, 도 4는 본 실시예에 따른 풍력발전단지를 클러스터 분석을 위해 그룹화한 상태를 도시한 도면, 그리고, 도 5 및 도 6은 본 실시예에 따른 풍력발전단지 제어 방법을 개략적으로 도시한 흐름도 이다.
도 1 및 도 2에 도시된 바와 같이, 본 실시예에 따른 풍력발전단지 제어 시스템은 풍황계측 기상탑(10), 풍력발전단지(20) 및 풍력발전단지 제어부(100)를 포함할 수 있다.
풍황계측 기상탑(10, Met Mast)는 바람과 관련된 환경정보를 획득하는 것으로, 본 실시예에 따른 풍력발전단지(20)의 전단이 배치될 수 있다. 여기서, 풍황은 풍속과 풍향을 포함하는 개념이며, 이 밖에 바람에 대한 다른 요소를 더 포함시킬 수도 있다. 풍황계측 기상탑(10)에서는 풍력발전단지(20)의 맨 앞에 위치한 풍력터빈에 바람이 도달하기 전에 관련 풍황정보를 획득하여 풍력발전단지 제어부(100)로 관련 정보를 송출할 필요가 있다. 풍황계측 기상탑(10)의 정보들은 풍력발전단지 제어부(100)에 마련된 처리부(110)로 전달되어, 하드웨어 및 소프트웨어적인 처리를 통해 풍력터빈(WT)들의 제어를 위한 기본 데이터로 사용될 수 있다.
풍력발전단지(20)는 복수 개의 풍력터빈(WT)을 병렬 또는 직렬도 배치하여, 일정 영역에 불어오는 바람을 이용하여 전기를 생산할 수 있다. 풍력발전단지(20)에 설치되는 풍력터빈(WT)들은 동일한 기계적 특성을 가지도록 구성될 수 있다. 이와 같이 동일한 기계적 특성을 가지도록 풍력터빈(WT)을 구성하는 이유는 풍력발전단지 제어부(100)를 통해 출력되는 제어명령을 최대한 규격화하기 위한 것이다. 만일 서로 다른 사양의 풍력터빈(WT)들로 풍력발전단지(20)를 구성할 경우, 제어를 위한 추가 연산을 필요로 하므로 즉각적인 제어명령 출력이 어려워 질 수 있기 때문이다.
풍력발전단지 제어부(100)는 풍력발전단지(20)에 설치된 복수 개의 풍력터빈들(WT)을 제어한다. 풍력발전단지 제어부(100)는 처리부(110)와 이더넷 UI(120), 인터넷 UI(130) 및 메모리부(140)를 포함할 수 있다. 이때, 풍력발전단지 제어부(100)는 이더넷 UI(120)를 통해 이더넷 네트워크로 적어도 하나 이상의 풍력터빈들(WT)과 통신 가능하게 연결될 수 있으며, 인터넷 UI(130)를 통해 인터넷 네트워크로 복수 개의 풍력발전단지(미도시)들과 통신 가능하게 연결될 수 있다.
처리부(110)는 풍력터빈(WT)들에 입사될 풍황(Wind Condition)을 실시간으로 초단기 예측(Ultra-short Term Prediction)하고, 예측 결과를 기반으로 풍력 터빈들에 발전 요구량들을 할당한다. 이에, 풍력터빈(WT)들은 할당 받은 발전 요구량들을 생산하도록 제어된다.
이와 함께, 처리부(110)는 클러스터 분석(cluster analysis)을 통해 복수 개의 풍력터빈(WT)의 현재 상태 별로 그룹화 작업을 수행할 수 있다. 이때, 풍력터빈(WT)들의 상태정보는 풍력터빈 천이상태 감지부(200)와 풍력터빈 피로부하 감지부(300)에서 획득된 천이상태 정보와 피로부하 정보를 포함할 수 있다.
즉, 풍력터빈 천이상태 감지부(200)에서는 풍력터빈(WT)이 안정적으로 제어명령에 따라 작동하다가, 풍황상태의 변화에 따라 새로운 제어명령에 의해 풍력터빈(WT)의 작동 모드가 변경되어 안정상태로 접어드는 과정 중에 풍력터빈(WT)의 자유에너지가 극대값을 취하는 상태의 정보를 획득한다. 이때 획득된 정보를 통해 복수 개의 풍력터빈(WT)들 중 천이영역이 유사한 풍력터빈(WT)들을 그룹화하는 것이 가능하다.
또한, 풍력터빈 피로부하 감지부(300)에서는 풍력터빈(WT)의 동작 중에 블레이드와 구동축 등에 부가되는 풍압 또는 원심력 등에 의한 하중(load)에 따라 구조적인 변형 또는 피로도 등을 감지할 수 있다. 이와 같은 피로부하량 데이터는 풍황에 따라 가변 제어되는 각각의 풍력터빈(WT)들 마다 획득 되어, 유사한 피로부하량을 가지는 풍력터빈(WT)들을 그룹화하여 제어할 수 있다.
한편, 풍력터빈 천이상태 감지부(200) 및 피로부하 감지부(300)는 각각의 풍력터빈(WT)들에 개별적으로 설치될 수도 있고, 상기 풍력발전단지 제어부(100)의 내부에 설치될 수도 있다.
이와 같은 구성에 따라, 처리부(110)는 풍황 및 풍력터빈(WT)들의 현재 상태에 따라, 최적의 발전 요구량을 산출하여, 각각의 풍력터빈(WT)들에게 분배할 수 있다. 즉, 처리부(110)는 획득 정보를 이용하여 시뮬레이션 작업을 수행하여, 계통운영자가 풍력발전단지(20)에 요구한 전체 발전 요구량을 풍력터빈(WT)들에 분배할 수 있다. 예컨대, 풍력발전단지(20)에 주어진 전체 발전 요구량이 100kW인 경우, 제1풍력터빈(WT11)에 10kW, 제2풍력터빈(WT12)에 8kW, …, 제n풍력터빈(WTnn)에 1kW 등과 같이, 풍력터빈(WT)들의 위치 및 풍황 등을 고려하여 적적한 발전량을 할당할 수 있다.
한편, 상기 처리부(110)는 풍력터빈 천이상태 감지부(200)와 풍력터빈 피로하중 감지부(300)에서 획득된 정보를 클러스터 분석하여 유사한 상태의 풍력터빈(WT)들을 그룹화할 수 있다.
클러스터 분석 기법은 크게 분할(partitioning) 접근과 계층적(hierarchical) 접근으로 나눌 수 있다.
분할 접근은 범주 함수를 최적화시키는 K개의 분할 영역을 결정해 나가는 방법으로 유클리드 거리(Euclidean distance) 측정법에 기반할 수 있다. 숫자 속성(numeric attribute) 데이터를 군집화하는데 쓰이는 파티션 알고리즘 중에 K-평균(K-means) 알고리즘을 사용할 수 있는데, 이 알고리즘을 사용하려면 몇 개의 그룹으로 나누기 원하는지 K 값을 입력한다. 그러면, 알고리즘은 일단 K개의 평균점을 지정하고 모든 데이터를 하나씩 보면서 가장 가까운 평균점에 해당되는 그룹에 할당한다. 그 후, 다시 평균점들을 조금씩 바꾸어 나가면서 데이터를 가까운 그룹에 재할당할 수 있다. 이 과정은 군집 상태를 나타내는 척도 함수가 더 이상 변하지 않을 때까지 반복되며 더 이상 변하지 않게 되면 그 상태의 그룹들을 군집화의 결과로 지정한다.
계층적 접근은 처음에 각각의 데이터 점을 하나의 클러스터로 설정한 후 이들 쌍 간의 거리를 기반으로 하여 분할, 합병해 나가는 상향식(bottom-up) 방식으로 모든 점들이 하나의 대형 클러스터에 속하게 될 때까지 그 히스토리 정보를 유지할 수 있다. 이것은 집괴적 계층 클러스터링(agglomerative hierarchical clustering)이라 하며, 상대적으로 가까운 객체들끼리 군집화시키는 방법이다. 이 알고리즘에서는 우선 모든 n개의 데이터가 n개의 서로 다른 그룹이라 가정한다. 그 후에 그룹간의 유사성(similarity)을 보고 가장 유사한 두 개의 그룹을 합병해(merge) 그룹 수를 줄여가는 과정을 전제 그룹 수가 K개가 될 때까지 반복하여 K개의 그룹을 찾는다. 또한, 군집의 병합 또는 분리되는 과정은 이차원 도면의 계통도(dendrogram)를 사용하여 간략히 표현할 수 있으며, 군집화 과정에서 어떤 개체가 일단 다른 군집에 속하면 다시는 다른 군집에 속하지 못하도록 할 수 있다.
본 실시예에 따르면, 처리부(110)는 풍력터빈(WT)들의 환경정보 들을 다변량 자료로 정의하여, 이들의 총 변이의 주요 부분을 주성분으로 정의하여 클러스터 분석을 수행할 수 있다.
예컨대, n개의 풍력터빈(WT)들에 대한 p개의 환경변수에 따른 제어명령 세트들을 각각 X1, X2, … , Xp를 관측했을 때, 각각의 풍력터빈(WT)들을 대표하는 특성은 다음과 같은 수학식으로 표현할 수 있다.
X = (1/p)*(X1 + X2 + ... + Xp)
Xa = a1X1 + a2X2 + ... + apXp
Xf = f(X1, X2, X3, ... , Xp)
상기한 바와 같이 클러스터 분석을 수행하면 차원감소를 통해 몇 개의 그룹화된 클러스터를 도출할 수 있다. 이 클러스터는 상기한 바와 같이 주성분이라는 대푯값으로 나타낼 수 있다. 이때, 각각의 클러스터를 구성하는 값들은 전체 비선형 모델을 설명하는 지표인 고유값(eigenvalue)에 기반하여 설명된 총 분산 백분율 값을 통해 각 주성분이 나타낼 수 있는 설명력(R-square, R2)을 통해 전체 비선형모델의 허용 범위 내에서 운용할 수 있는 클러스터의 개수를 결정할 수 있다.
도 3은 풍황 예측 및 발전 요구량 할당 과정을 종합적으로 설명하기 위한 도면이다. 도 3에서는 예측 윈도우(Prediction Window)의 개념을 도입하였다.
예측 윈도우는 풍황계측 기상탑(10)에 의해 계측된 풍황 정보에 따른 바람이 풍력발전단지(20)에 입사한 후 관통하여 나가기까지의 구간이다. 예측 윈도우에는 풍황계측 기상탑(10)에 의해 현재 계측된 바람 외에도 이전에 계측된 바람들도 함께 포함되는데, 이는 풍력발전단지(20)에 마련되어 있는 모든 풍력터빈(WT)들에 대한 발전 요구량 할당 및 기계적 부하를 예측하기 위함이다.
처리부(110)는 예측 윈도우를 통해 풍력 발전 단지에 마련된 모든 풍력터빈들(WT)에 대한 풍황과 기계적 부하를 실시간으로 예측하고, 예측 결과를 기반으로 풍력터빈(WT)들에 발전 요구량들을 할당할 수 있다.
도 3에 도시된 바에 따르면,
1) tk에서 WT(풍력 터빈)-11,12에 입사되는 바람은 tk 이전에 풍황계측 기상탑(10)에 입사된 바람이고,
2) tk에서 WT-21,22에 입사되는 바람은 tk-1 이전에 풍황계측 기상탑(10)에 입사되어, tk-1에서 WT-11,12에 입사된 바람이며,
3) tk에서 WT-31,32에 입사되는 바람은 tk-2 이전에 풍황계측 기상탑(10)에 입사되어, tk-2에서 WT-11,12에 입사된 후, tk-1에서 WT-21,22에 입사되는 바람임을 알 수 있다.
도 4는 본 실시예에 따라, 처리부(110)가 복수 개의 풍력터빈(WT)들을 그룹화한 것을 일 예로 도시한 도면이다.
도시된 바와 같이, 풍력발전단지 제어부(100)는 풍력발전단지(20)와 연결될 수 있는데, 이때, 풍력발전단지(20)들은 복수 개의 풍력터빈(WTnm)으로 구성될 수 있다. 이때, n은 편이상 열, m은 행을 의미한다. 따라서, 1열 1행의 풍력터빈을 WT11, 3열 4행의 풍력터빈을 WT34 등으로 표시할 수 있다. 이해를 돕기 위해 본 실시예에 따른 풍력발전단지 제어 시스템은 총 12개의 풍력터빈들(WT)로 구성된 상태를 도시하였으나, 이를 한정하는 것은 아니며, 필요에 따라 풍력터빈들의 개수는 증감될 수 있다.
도시된 바와 같이 3열 1행의 풍력터빈(WT31)이 가장 선단에 위치하는 방향으로 바람이 불어올 경우, 풍황계측 기상탑(10)은 이를 감지하여 관련 정보를 풍력발전단지 제어부(100)로 송출할 수 있다.
그러면, 풍력발전단지 제어부(100)는 상기한 바와 같이 클러스터 분석을 수행하여, 각각의 풍력터빈들(WT)의 현재 상태를 파악하여, 유사한 상태에 놓여 있는 풍력터빈들(WT)을 그룹화할 수 있다. 예컨대, 그룹 1(G1)은 3열 1행의 풍력터빈(WT31)으로 설정될 수 있고, 그룹 2(G2)는 WT21, WT22, WT32, 그룹 3(G3)은 WT11, WT12, WT33, WT34로, 그룹 4(G4)는 WT13, WT23, WT24로, 그룹 5(G5)는 WT14로 설정할 수 있다. 이와 같은 그룹화는 각각의 풍력터빈(WT)들의 피로하중과 천이상태 등의 인자 요소들이 유사한 상태를 클러스터 분석 기법을 이용하요 그룹화한 것이다.
이와 같이 그룹화된 정보는 메모리부(140)에 저장되어, 다른 풍력발전단지들의 단지 제어정보를 위해 사용될 수도 있고, 유사한 상황이 반복될 경우에는 캐시 데이터와 같이 처리부(110)의 연산 없이 저장된 그룹 정보에 따른 풍력터빈(WT)들의 그룹화 제어를 위해 사용될 수도 있다.
이하, 본 실시예에 따른 풍력발전단지 제어방법을 도 5 및 도 6의 흐름도화 함께 설명한다.
풍력발전단지의 작동이 시작되는 풍력발전단지(20)의 전단에 설치되어 있는 풍황계측 기상탑(10)에서는 풍력발전단지(20)를 향해 불어오는 바람의 풍황정보를 실시간으로 획득하여, 이를 풍력발전단지 제어부(100)로 실시간 송출할 수 있다(S10).
그러면, 풍력발전단지 제어부(100)는 풍력터빈(WT)들의 동작 시뮬레이션을 수행하여, 계측된 풍황정보에 기초하여, 전체 발전출력 요구량을 만족시키기 위한 풍력 터빈 별 요구 발전량을 산출할 수 있다(S20).
한편, 풍력터빈(WT)들의 현재상태는 다양한 감지수단을 통하여 획득할 수 있는데(S30), 일 예로, 본 실시예에서는 도 6에 도시된 바와 같이, 풍력터빈 피로부하를 감지하는 단계(S31), 각각의 풍력터빈들의 천이상태를 감지하는 단계(S32) 및 상기 S31, S32 단계에서 획득된 정보들을 메모리부(140)로 송신하는 단계(S33)를 더 포함할 수 있다. 획득된 정보들은 처리부(110)에서 클러스터 분석을 수행할 수 있으며(S40), S40 단계의 클러스터 분석을 통해 각각의 풍력터빈(WT)들을 그룹화할 수 있다(S50).
처리부(110)는 상기 S50단계에서 유사한 기계적 환경과 풍황상태에 놓여 있는 풍력터빈(WT)들은 동일한 그룹으로 설정할 수 있으며, 동일한 그룹으로 설정된 풍력터빈(WT)들은 동일한 제어 명령에 따라 발전 동작을 수행할 수 있다(S60).
이와 같은 본 실시예에 따르면, 기존에 풍황계측 기상탑(10)에서 계측된 풍황정보에 따라, 각각의 풍력터빈(WT)들을 개별 제어하는 구성과 비교하여, 처리부(110)의 연산량을 대폭 줄일 수 있기 때문에, 동일 처리부(110)에서 더 많은 수의 풍력터빈(WT)을 제어하는 것이 가능하다.
또한, 처리부(110)에서의 연산량이 줄어들기 때문에, 풍황변화에 따른 실시간 데이터 변화에 연동하여 최적의 풍력터빈(WT) 실시간 제어가 가능하다.
이상, 본 발명의 실시예들에 대하여 설명하였으나, 해당 기술 분야에서 통상의 지식을 가진 자라면 특허청구범위에 기재된 본 발명의 사상으로부터 벗어나지 않는 범위 내에서, 구성 요소의 부가, 변경, 삭제 또는 추가 등에 의해 본 발명을 다양하게 수정 및 변경시킬 수 있을 것이며, 이 또한 본 발명의 권리범위 내에 포함된다고 할 것이다.

Claims (6)

  1. 적어도 하나 이상의 풍력터빈들과 연결되어, 각각의 풍력터빈들로부터 천이상태 정보(transition state information)를 획득하는 풍력터빈 천이상태 감지부;
    적어도 하나 이상의 풍력터빈들과 연결되어, 각각의 풍력터빈들로부터 피로부하 정보(fatigue load information)를 획득하는 풍력터빈 피로부하 감지부;
    상기한 적어도 하나 이상의 풍력터빈들로 구성된 풍력발전단지를 향해 진행하는 바람의 풍속, 방향 등의 풍황(wind condition)을 측정하는 풍황계측 기상탑(Met mast); 및
    상기 풍력터빈 천이상태 감지부 및 피로부하 감지부의 정보를 획득하여, 해당 정보에 따른 클러스터 분석을 수행하여 상기 적어도 하나 이상의 풍력터빈들을 그룹화하여 그룹별로 풍황에 따른 풍력터빈의 제어 시퀀스를 수행하는 풍력발전단지 제어부;를 포함하는 풍력발전단지 제어 시스템.
  2. 제 1 항에 있어서,
    상기 풍력터빈 천이상태 감지부 및 피로부하 감지부는 각각의 풍력터빈에 개별적으로 설치되는 풍력발전단지 제어 시스템.
  3. 제 1 항에 있어서,
    상기 풍력터빈 천이상태 감지부 및 피로부하 감지부는 상기 풍력발전단지제어부의 내부에 설치되는 풍력발전단지 제어 시스템.
  4. 제 1 항에 있어서,
    상기 풍력발전단지 제어부는 이더넷 네트워크를 통해 상기 적어도 하나 이상의 풍력터빈들과 통신 가능하게 연결되는 풍력발전단지 제어 시스템.
  5. 제 1 항에 있어서,
    상기 풍력발전단지 제어부는 인터넷 네트워크를 통해 복수 개의 풍력발전단지들과 통신 가능하게 연결되는 풍력발전단지 제어 시스템.
  6. 풍황계측 기상탑으로부터 풍황정보를 획득하는 단계;
    획득된 풍황정보를 이용하여 풍력터빈 동작을 시뮬레이션 하는 단계;
    풍력터빈의 현재상태 정보를 획득하는 단계;
    획득된 풍력터빈의 현재상태 정보를 이용하여 클러스터 분석을 수행하는 단계;
    풍황에 따라 유사한 상태에 놓여 있는 풍력터빈들을 클러스터 분석을 통해 그룹화하는 단계; 및
    각각의 그룹별로 상기 풍황정보에 따른 풍력터빈 제어명령을 출력하는 단계;를 포함하며,
    상기 클러스터 분석 단계는,
    각각의 풍력터빈 피로부하를 감지하는 단계;
    각각의 풍력터빈 천이상태를 감지하는 단계; 및
    각각의 풍력터빈의 피로부하 및 천이상태 정보를 메모리부로 송신하는 단계;를 더 포함하는 풍력발전단지 제어방법.
PCT/KR2015/007705 2014-08-25 2015-07-24 풍력발전단지 제어 시스템 및 이를 이용한 풍력발전단지 제어방법 WO2016032128A1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR1020140110710A KR20160025060A (ko) 2014-08-25 2014-08-25 풍력발전단지 제어 시스템 및 이를 이용한 풍력발전단지 제어방법
KR10-2014-0110710 2014-08-25

Publications (1)

Publication Number Publication Date
WO2016032128A1 true WO2016032128A1 (ko) 2016-03-03

Family

ID=55399984

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2015/007705 WO2016032128A1 (ko) 2014-08-25 2015-07-24 풍력발전단지 제어 시스템 및 이를 이용한 풍력발전단지 제어방법

Country Status (2)

Country Link
KR (1) KR20160025060A (ko)
WO (1) WO2016032128A1 (ko)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109779848A (zh) * 2019-01-25 2019-05-21 国电联合动力技术有限公司 全场风速修正函数的获得方法、装置及风电场
CN109944740A (zh) * 2017-12-21 2019-06-28 北京金风科创风电设备有限公司 风电场场群控制方法和设备
CN111441917A (zh) * 2019-01-16 2020-07-24 北京金风科创风电设备有限公司 基于扇区的风电机组的预定部件的载荷预估方法和装置
CN113848346A (zh) * 2020-06-28 2021-12-28 新疆金风科技股份有限公司 风电机组的极端风况条件的预测方法、装置及设备

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102242329B1 (ko) * 2019-12-20 2021-04-20 한국전자기술연구원 다종 풍력발전 단지 제어기 운영 방법 및 시스템

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110140428A1 (en) * 2010-05-28 2011-06-16 Mitsubishi Heavy Industries, Ltd. Monitoring and control apparatus and method and wind power plant equipped with the same
KR20130040040A (ko) * 2011-10-13 2013-04-23 삼성중공업 주식회사 풍력 발전 시스템 및 그 운전 제어 방법
KR20130124028A (ko) * 2012-05-04 2013-11-13 삼성중공업 주식회사 풍력발전단지의 출력 제어 시스템 및 그 방법
KR20130128873A (ko) * 2012-05-18 2013-11-27 전북대학교산학협력단 무선 센서 노드를 이용한 풍력발전기 상태 모니터링 시스템
KR101400338B1 (ko) * 2013-05-03 2014-05-28 삼성중공업 주식회사 풍력 발전 단지의 풍력 발전기 제어 시스템 및 방법

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101297082B1 (ko) 2011-12-30 2013-08-19 한국전기연구원 풍력 발전단지의 출력제어 시스템을 위한 단지 통합 출력제어 장치 및 그 제어 방법

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110140428A1 (en) * 2010-05-28 2011-06-16 Mitsubishi Heavy Industries, Ltd. Monitoring and control apparatus and method and wind power plant equipped with the same
KR20130040040A (ko) * 2011-10-13 2013-04-23 삼성중공업 주식회사 풍력 발전 시스템 및 그 운전 제어 방법
KR20130124028A (ko) * 2012-05-04 2013-11-13 삼성중공업 주식회사 풍력발전단지의 출력 제어 시스템 및 그 방법
KR20130128873A (ko) * 2012-05-18 2013-11-27 전북대학교산학협력단 무선 센서 노드를 이용한 풍력발전기 상태 모니터링 시스템
KR101400338B1 (ko) * 2013-05-03 2014-05-28 삼성중공업 주식회사 풍력 발전 단지의 풍력 발전기 제어 시스템 및 방법

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109944740A (zh) * 2017-12-21 2019-06-28 北京金风科创风电设备有限公司 风电场场群控制方法和设备
CN109944740B (zh) * 2017-12-21 2020-10-27 北京金风科创风电设备有限公司 风电场场群控制方法和设备
CN111441917A (zh) * 2019-01-16 2020-07-24 北京金风科创风电设备有限公司 基于扇区的风电机组的预定部件的载荷预估方法和装置
CN111441917B (zh) * 2019-01-16 2024-05-10 北京金风科创风电设备有限公司 基于扇区的风电机组的预定部件的载荷预估方法和装置
CN109779848A (zh) * 2019-01-25 2019-05-21 国电联合动力技术有限公司 全场风速修正函数的获得方法、装置及风电场
CN113848346A (zh) * 2020-06-28 2021-12-28 新疆金风科技股份有限公司 风电机组的极端风况条件的预测方法、装置及设备
CN113848346B (zh) * 2020-06-28 2024-04-19 金风科技股份有限公司 风电机组的极端风况条件的预测方法、装置及设备

Also Published As

Publication number Publication date
KR20160025060A (ko) 2016-03-08

Similar Documents

Publication Publication Date Title
WO2016032128A1 (ko) 풍력발전단지 제어 시스템 및 이를 이용한 풍력발전단지 제어방법
Ghaderi et al. Deep forecast: Deep learning-based spatio-temporal forecasting
CN109751206B (zh) 风机叶片结冰故障预测方法、装置及存储介质
Yan et al. Wind power grouping forecasts and its uncertainty analysis using optimized relevance vector machine
CN107330056B (zh) 基于大数据云计算平台的风电场scada系统及其运行方法
Yang et al. Day-ahead forecasting of photovoltaic output power with similar cloud space fusion based on incomplete historical data mining
Üstüntaş et al. Wind turbine power curve estimation based on cluster center fuzzy logic modeling
CN105633948B (zh) 一种分布式能源接入电力系统随机模糊潮流算法
CN105512766A (zh) 一种风电场功率预测方法
CN108306303A (zh) 一种考虑负荷增长和新能源出力随机的电压稳定评估方法
CN113255210B (zh) 一种风电机组联邦故障诊断方法及系统
CN106451418B (zh) 光伏电站的在线分群等值建模方法
CN111832812A (zh) 一种基于深度学习的风电功率短期预测方法
CN109709483A (zh) 一种风电机组变桨距系统故障诊断方法
CN105207573A (zh) 基于离散概率模型的风光互补供电系统定量优化配置方法
CN113408785B (zh) 光功率的预测方法、装置、设备及存储介质
EP3771822A1 (en) A method for computer-implemented determination of a vertical speed wind profile of a wind field
CN104102951A (zh) 一种基于emd历史数据预处理的短期风电功率预测方法
CN110555478A (zh) 基于难样本挖掘的深度度量网络的风机多故障诊断方法
CN111799808B (zh) 基于多智能体深度强化学习的电压分布式控制方法及系统
Chen et al. Research on wind power prediction method based on convolutional neural network and genetic algorithm
CN108734359A (zh) 一种风电功率预测数据预处理方法
CN103344881A (zh) 基于组合型交叉熵算法的电网故障诊断方法
CN111244937B (zh) 一种电力系统暂态电压稳定性严重故障筛选方法
CN109711612A (zh) 一种优化回声状态网络的风力发电功率预测方法及装置

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 15836400

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 15836400

Country of ref document: EP

Kind code of ref document: A1