WO2018198225A1 - Ａｉ装置、レーザレーダ装置、及びウインドファーム制御システム - Google Patents

Ａｉ装置、レーザレーダ装置、及びウインドファーム制御システム Download PDF

Info

Publication number
WO2018198225A1
WO2018198225A1 PCT/JP2017/016535 JP2017016535W WO2018198225A1 WO 2018198225 A1 WO2018198225 A1 WO 2018198225A1 JP 2017016535 W JP2017016535 W JP 2017016535W WO 2018198225 A1 WO2018198225 A1 WO 2018198225A1
Authority
WO
WIPO (PCT)
Prior art keywords
optical
range bin
wind
received signal
light
Prior art date
Application number
PCT/JP2017/016535
Other languages
English (en)
French (fr)
Inventor
論季 小竹
大塚　浩志
Original Assignee
三菱電機株式会社
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 三菱電機株式会社 filed Critical 三菱電機株式会社
Priority to CN201780089729.2A priority Critical patent/CN110537018A/zh
Priority to EP17908025.4A priority patent/EP3604799A4/en
Priority to JP2019514947A priority patent/JPWO2018198225A1/ja
Priority to US16/606,662 priority patent/US20210408790A1/en
Priority to PCT/JP2017/016535 priority patent/WO2018198225A1/ja
Publication of WO2018198225A1 publication Critical patent/WO2018198225A1/ja

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/02—Systems using the reflection of electromagnetic waves other than radio waves
    • G01S17/50—Systems of measurement based on relative movement of target
    • G01S17/58—Velocity or trajectory determination systems; Sense-of-movement determination systems
    • 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
    • F03D7/046—Automatic control; Regulation by means of an electrical or electronic controller characterised by the type of control logic with learning or adaptive control, e.g. self-tuning, fuzzy logic or neural network
    • 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
    • F03D17/026—Monitoring or testing of wind motors, e.g. diagnostics characterised by the purpose for assessing power production capabilities
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/88—Lidar systems specially adapted for specific applications
    • G01S17/95—Lidar systems specially adapted for specific applications for meteorological use
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
    • G05D1/04—Control of altitude or depth
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/004—Generation forecast, e.g. methods or systems for forecasting future energy generation
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/007—Arrangements for selectively connecting the load or loads to one or several among a plurality of power lines or power sources
    • H02J3/0075—Arrangements for selectively connecting the load or loads to one or several among a plurality of power lines or power sources for providing alternative feeding paths between load and source according to economic or energy efficiency considerations, e.g. economic dispatch
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/20—The dispersed energy generation being of renewable origin
    • H02J2300/28—The renewable source being wind energy
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E10/00—Energy generation through renewable energy sources
    • Y02E10/70—Wind energy
    • Y02E10/72—Wind turbines with rotation axis in wind direction

Definitions

  • the present invention relates to an AI device, a laser radar device, and a wind farm control system.
  • the radar device radiates waves such as electromagnetic waves and sound waves to the space, receives the waves reflected by the target object, and analyzes the signal to measure the distance and angle from the radar device to the object.
  • meteorological radars that can measure the speed of aerosol movement, that is, the speed of wind, from the amount of phase rotation of reflected waves, targeting fine liquid or solid particles (aerosol) floating in the atmosphere.
  • Laser radars that use light as electromagnetic waves, among other weather radars have a very small beam spread and can observe objects with high angular resolution, and are used as wind direction and wind speed radars.
  • the wind vector is calculated by a VAD (Velocity Azimuth Display) method, vector calculation, or the like using multi-directional gaze direction wind speed values.
  • VAD Vehicle Azimuth Display
  • FIG. 1 is a simulation diagram of wind condition measurement using a conventional laser radar apparatus capable of long-distance measurement.
  • the laser has high directivity, and the distance between the beams increases as the distance increases.
  • the wind speed value on the back surface cannot be obtained.
  • the sampling rate is lowered to avoid shielding such as blades, that is, even if measurements are made after waiting for the blades to pass, the wind fluctuates from time to time, so the prediction error in the unobserved area increases. Go.
  • it is required to measure the wind speed at a high sampling rate and high resolution.
  • FIG. 2 is a simulation diagram of wind condition measurement when a conventional laser radar device is set on a windmill.
  • the installation or observation method is fixed, so the laser emission direction or observable distance is fixed, and an unobservable region occurs.
  • it is difficult to obtain information with high spatial resolution, and there is a problem that information necessary for learning cannot be obtained sufficiently for enhancing machine learning.
  • the AI (Artificial Intelligence) device of the present invention machine-learns wind vectors, predicts the power generation amount of a windmill, compares the power generation amount predicted value and the measured value, and the difference is equal to or greater than a set threshold value.
  • a learning device that selects a laser radar device that measures a wind vector, derives a measurement parameter, and a control device that transmits the measurement parameter derived by the learning device to the laser radar device.
  • the observation area is expanded to increase the number of samples and preliminary information for learning. It becomes possible to improve the accuracy of learning.
  • FIG. 3 is a block diagram showing a configuration example of the wind farm system according to Embodiment 1 of the present invention.
  • This wind farm system includes laser radar devices 1a to 1n, a data integration device 2, an AI (Artificial Intelligence) device 3, and windmills 4a to 4n.
  • the alphabets of 1a to 1n or 4a to 4n indicate differences between individuals, and those added with the same numerals have the same configuration and function.
  • these elements (1a to 1n) are generically referred to, or when the configuration and function are described, alphabets are omitted and only numbers are described.
  • the controllable laser radar devices use communication methods such as LAN (Local Area Network), USB (Universal Serial Bus), CAN (Controller Area Network), RS232C, and RS485.
  • LAN Local Area Network
  • USB Universal Serial Bus
  • CAN Controller Area Network
  • RS232C Controller Area Network
  • the uncontrollable laser radar devices (laser radar devices 1c to 1n) represent laser radar devices that continue to use parameters set at the start of observation and cannot change settings during observation.
  • FIG. 4 is a block diagram showing a configuration example of the laser radar apparatus according to Embodiment 1 of the present invention.
  • the laser radar apparatus 1 includes an optical oscillator 1001, an optical coupler 1002, an optical modulator 1003, an optical circulator 1004, a scanner 1005, an optical system 1006, a multiplexing coupler 1007, an optical receiver 1008, an A / D converter (Analog to Digital). Converter) 1009, signal processor 1010, angle / position sensor 1011, data communication unit 1012, and time acquisition unit 1013.
  • optical oscillator 1001 an optical coupler 1002, an optical modulator 1003, an optical circulator 1004, a scanner 1005, an optical system 1006, a multiplexing coupler 1007, an optical receiver 1008, an A / D converter (Analog to Digital). Converter) 1009, signal processor 1010, angle / position sensor 1011, data communication unit 1012, and time acquisition unit 1013.
  • the optical oscillator 1001 is an optical oscillator that has a function of oscillating laser light and outputs laser light to the optical coupler 1002. Other devices are connected to the optical coupler by fusion or optical connectors.
  • a fiber is used as a base.
  • the connection method may be a space propagation type without using a fiber.
  • a semiconductor laser is used for the optical oscillator 1001.
  • the optical coupler 1002 uses local light (light in the optical receiver direction) and transmission light (in the optical modulator direction) according to an arbitrary branching ratio for the light output from the optical oscillator 1001. Light).
  • the optical modulator 1003 is an optical device that performs optical frequency modulation and optical intensity modulation on the laser beam output from the optical coupler 1002.
  • an AO frequency shifter is used for the optical modulator 1003.
  • the pulse type laser radar apparatus is described as a premise, but a CW (Continuous Wave) system may be used.
  • an optical amplifier may be added after the AO (Acousto-Optic Effect) frequency shifter.
  • the optical circulator 1004 is an optical circulator that separates transmission light frequency-modulated by the optical modulator 1003 and reception light obtained through the scanner 1005 and the optical system 1006.
  • the transmission direction is connected to the optical system 1006, and the reception direction is connected to the multiplexing coupler 1007 by fusion or an optical connector.
  • the scanner 1005 includes a wedge prism, a motor and an encoder that rotate the wedge prism, and outputs angle information to the signal processor 10101 and rotates at an arbitrary speed.
  • a stepping motor with an encoder is used as the scanner 1005 motor.
  • the optical path may be switched by an optical switch and connected to an optical system having a different viewing direction in each optical path to obtain a wind speed value in multiple viewing directions.
  • a mechanical optical switch that is also used in communication
  • a MEMS (Micro-Electro-Mechanical-System) optical switch, or the like is used as the optical switch.
  • the optical system 1006 is an optical system that transmits transmission light output from the scanner 1005 to the atmosphere and receives scattered light from the aerosol as reception light.
  • an optical telescope is used for the optical system 1006.
  • the multiplexing coupler 1007 is a multiplexing coupler that combines the local light output from the optical coupler 1002 and the received light output from the optical circulator 1004. As the multiplexing coupler 1007, either a fusion type or a filter type coupler is used.
  • the optical receiver 1008 is an optical receiver that performs heterodyne detection on the light combined by the combining coupler 1007. For example, a balanced receiver is used for the optical receiver 1008.
  • the A / D converter 1009 is a converter that converts the analog electric signal output by the heterodyne detection by the optical receiver 1008 into digital in synchronization with the laser pulse trigger signal output by the optical modulator 1003.
  • FIG. 5 is a configuration diagram showing a configuration example of the signal processor 1010 according to Embodiment 1 of the present invention.
  • the signal processor 1010 includes a range bin divider 101, an FFT (Fast Fourier Transform) processor 102, an integration processor 103, a line-of-sight wind speed calculator 104, a wind vector calculator 105, and a system parameter controller 106.
  • FFT Fast Fourier Transform
  • the signal processor 1010 includes an FPGA (Field-Programmable Gate Array), an ASIC (Application Specific Integrated Circuit), a microcomputer, and the like.
  • the range bin divider 101, the FFT (Fast Fourier Transform) processor 102, the integration processor 103, the line-of-sight wind speed calculator 104, the wind vector calculator 105, and the system parameter controller 106 are configured by an FPGA or ASIC logic circuit. Alternatively, each function may be executed as software.
  • the range bin divider 101 performs a process of dividing the digital reception signal output from the A / D converter 1009 into predetermined time ranges (range bins), and outputs the reception signal divided into the range bins to the FFT processor 102. It is a divider.
  • the range bin divider 101 performs a process of dividing the digital reception signal output from the A / D converter 1009 into predetermined time ranges (range bins), and outputs the reception signal divided into the range bins to the FFT processor 102. It is a divider.
  • the FFT processor 102 is an FFT processor that Fourier-transforms the received signal of each range bin output from the range bin divider 101 and outputs a signal converted into a spectrum to the integration processor 103.
  • the FFT processor 102 is an FFT processor that Fourier-transforms the received signal of each range bin output from the range bin divider 101 and outputs a signal converted into a spectrum to the integration processor 103.
  • the integration processor 103 is an integration processor that integrates the spectrum signal output from the FFT processor 102 for each range bin and outputs the integrated spectrum to the line-of-sight direction wind speed calculator 104.
  • the integration processor 103 is an integration processor that integrates the spectrum signal output from the FFT processor 102 for each range bin and outputs the integrated spectrum to the line-of-sight direction wind speed calculator 104.
  • the line-of-sight wind speed calculator 104 outputs the Doppler wind speed value, that is, the line-of-sight wind speed value and the laser emission direction to the wind vector calculator 105 from the spectrum accumulated by the accumulation processor 103, and acquires the line-of-sight wind speed value.
  • This is a line-of-sight wind speed calculator that outputs this to the angle / position sensor 1011 and the system parameter controller 106.
  • the wind vector calculator 105 calculates the wind vector using the line-of-sight wind speed value data output from the line-of-sight wind speed calculator 104, the laser emission direction, and the attitude / angle information obtained by the angle / position sensor 1011. It is an arithmetic unit that performs and outputs the calculated wind vector to the data communication unit 1012. In addition, an electric signal notifying that the calculation of the wind vector is completed is output to the time acquisition unit, the angle / position sensor, and the system parameter controller, and the calculated wind vector is output to the data communication unit 1012. For example, when the laser is emitted in two directions, the wind speed and the wind direction can be calculated by the following equations.
  • U is the direction in which the rider is facing
  • V is the vertical direction
  • ⁇ is the spread angle of the laser with respect to the direction in which the laser radar is facing
  • Vw is the wind speed value
  • Dir is the wind direction
  • ⁇ s is the angle / position sensor 1011. Represents the azimuth output from.
  • the system parameter controller 106 receives the measurement parameters of the laser radar device 1a from the AI device 3 via the data communication unit 1012, and the received measurement parameters are converted into an optical modulator 1003, an A / D converter 1009, a scanner 1005, an optical device. This is a system parameter controller that outputs to the system 1006.
  • the measurement parameters are parameters related to the system of the laser radar apparatus 1a, and include, for example, a pulse width, an A / D gate time width, a scanning direction (corresponding to ⁇ described above), a condensing distance, and an outgoing beam diameter.
  • the system parameter controller 106 transmits a command to change the pulse shape of the modulation signal if the pulse width, and in the case of the A / D time gate width, the electric signal corresponding to the gate width is the scan direction. If an electrical signal corresponding to an angle is a condensing distance and a beam diameter, an electrical signal corresponding to the arrangement of an optical fiber or a lens is output. On the other hand, when there is no received signal from the outside, that is, when there is no information from the AI device 3, the system parameter controller 106 determines the pulse width, A / D time gate width, scan direction, A setting signal for the focusing distance and outgoing beam diameter is transmitted to various devices. Further, according to the parameters transmitted from the AI device 3 via the data communication unit 1012, parameters of the optical modulator 1003, the A / D converter 1009, and the scanner 1005 are set.
  • the angle / position sensor 1011 is a sensor that receives an electrical signal indicating completion of calculation by the wind vector computing unit 105 and outputs attitude angle information and position information of the laser radar device at that time.
  • the angle / position sensor 1011 includes a gyro sensor and a GPS (Global Positioning System) module.
  • the data communication unit 1012 outputs the wind vector output by the wind vector calculator 105, the attitude angle information output by the angle / position sensor 1011, the angle information of the scanner 1005 output by the system parameter controller 106, and the time acquisition unit 1013. It is a data communication part which transmits the time information to do.
  • the data communication unit 1012 includes a communication device such as a wired or wireless LAN (Local Area Network) device, Bluetooth (registered trademark), or USB.
  • the time acquisition unit 1013 is a time acquisition unit that outputs the time to the data communication unit 1012 in response to the calculation processing end signal output from the line-of-sight direction wind speed calculator 104.
  • a GPS receiver is used for the time acquisition unit 1013.
  • FIG. 6 is a configuration diagram showing a configuration example of the data integration device 2 according to the first embodiment of the present invention.
  • the data integration device includes a data organization device 2001 and a data storage device 2002.
  • the data organizing device 2001 is a data organizing device that receives measurement data from the laser radar devices 1a to 1n and unifies the format of the received measurement data.
  • the data organizing apparatus 2001 includes a wind direction wind speed value obtained from a sensor (laser sensor, cup-type anemometer, vane anemometer, radar, soda, etc.), time information, cloud information from a satellite that can be obtained from the cloud,
  • the temperature, pressure, weather information, and windmill parameters obtained from the windmill for example, wind power generation and time, parameters such as roll, pitch, yaw, torque, etc. are input to unify the data coordinate system format.
  • a sensor laser sensor, cup-type anemometer, vane anemometer, radar, soda, etc.
  • time information cloud information from a satellite that can be obtained from the cloud
  • the temperature, pressure, weather information, and windmill parameters obtained from the windmill for example, wind power generation and time, parameters such as roll, pitch, yaw, torque, etc. are input to unify the data
  • the wind speed and direction values obtained by each sensor are often data having a sensor reference coordinate system such that the true north reference, magnetic north reference, and the direction in which the sensor is pointing are used as a reference. This is corrected to the true north reference using a general rotation matrix, for example, and the coordinate system is unified. If the time is not consistent with the UTC (Coordinated Universal ⁇ Time) standard and the JST (Japan Standard Time) standard, a process is performed to unify the time into the UTC.
  • the data organizing apparatus 2001 is configured by a microcomputer or FPGA.
  • the data storage device 2002 is a data storage device that stores the data formed in the data organizing device 2001 and outputs a deviation value between the data and the theoretical value to the learning device 3001.
  • the deviation value between the data and the theoretical value is, for example, a deviation value between the theoretical value and the wind direction, wind speed, temperature, humidity, atmospheric pressure, weather, and the instantaneous power generation amount of each windmill in the farm.
  • the data storage device 2002 includes an HDD (Hard Disk Drive), an SSD (Solid State Drive), or the like.
  • FIG. 7 is a configuration diagram showing a configuration example of the AI apparatus 3 according to the first embodiment of the present invention.
  • the AI device 3 includes a learning device 3001 and a control device 3002.
  • the learning device 3001 receives machine information such as atmospheric pressure, temperature, humidity, and weather output from the data storage device 2002, wind direction wind speed value, wind turbine attitude and wind power generation amount at that time, and performs machine learning by deep learning.
  • the weather and wind direction information described above are input, and wind turbine control parameters (torque, pitch, yaw) that maximize the power generation efficiency of the entire wind farm are derived.
  • An electric signal corresponding to the parameter is output to the control device 3002, and the control device 3002 outputs the control signal to the wind turbine.
  • the learning device 3001 recognizes a region where data is sparse in response to the result of the data storage device 2002, and outputs a control signal that causes the laser radar device 1a to observe the region.
  • the control device 3002 is a control device that converts the control signal output from the learning device 3001 into a control command for the controlled laser radar device, and outputs the converted control command to the system parameter controller 106 via the data communication unit 1012. is there.
  • the control command is, for example, a command for changing the pulse width, the A / D time gate width, the scanning direction, the condensing distance and the beam diameter.
  • the control device 3002 includes a microcomputer, a PC (Personal Computer), and the like.
  • FIG. 8 is a diagram showing a mapping of wind direction and wind speed observation conditions in the wind farm according to Embodiment 1 of the present invention.
  • Data of wind direction wind speed values with a short elapsed time after measurement is described as high reliability, and data with a long elapsed time is described as low reliability.
  • the half of 30 seconds is regarded as low reliability.
  • the windmills are scattered in the windfarm and may have any configuration.
  • the learning device 3001 in the AI device 3 has data for spatially dense learning, so that more accurate prediction is possible.
  • FIG. 9 is a simulation diagram when the control for observing an unobserved region is performed using the laser radar device according to the first embodiment of the present invention.
  • the control device 3002 outputs a control signal corresponding to the setting to the laser radar device 1.
  • FIG. 10 is a flowchart showing a procedure for determining an unobserved area and determining a measurement area according to the first embodiment of the present invention. This process is performed for each wind turbine (4a to 4n).
  • the sensor to be controlled will be described by taking the laser radar device 1a as an example.
  • step S101 the AI device 3 calculates, for the windmill 4a, the difference between the previously estimated power generation amount of the windmill and the actual power generation amount.
  • step S102 the AI device 3 determines whether or not the deviation value is larger than a threshold value THp set in advance by the user. If the deviation value is greater than or equal to the threshold value THp, that is, if the difference is large, it is determined that there is a problem with the accuracy of the data being used, and the process proceeds to step S103. When the deviation value is smaller than THp, the process proceeds to step S107.
  • step S103 the AI device 3 checks whether there is an area within the arbitrary range distance THD of the windmill 4a and more than the arbitrary time THtime. As a basic operation, the whole windfarm is searched, but for efficiency, it may be excluded from the search target immediately after the search. If there is an area within the THD and the arbitrary time THtime has elapsed, the process proceeds to step S104, and if not, the process proceeds to step S105.
  • THD is, for example, 2.5D (D is the diameter of the windmill), which is said to flow stably into the windmill.
  • the value of ⁇ corresponding to the period may be used by fitting the time variation of the wind speed value in the region for 10 minutes or using Asin ( ⁇ t) + B. Instead of fitting, the time change of the wind speed may be directly FFTed to calculate the period.
  • step S104 the AI apparatus 3 calculates the distance and the azimuth of the region with the lowest reliability among the regions within THD and after the arbitrary time THtime.
  • the sequence for determining the behavior for one laser radar apparatus is described.
  • the reliability is determined.
  • the observation of the area is assigned to a laser radar device existing within an arbitrary distance range (eg, 2.5D) from the low-degree area.
  • a region having the lowest reliability within the 2.5D range from each position is assigned.
  • the AI apparatus 3 calculates a distance from the absolute position coordinates of the low reliability area and the position coordinates where the laser radar apparatus is installed, and an angle ⁇ based on north from these coordinates by a trigonometric function. Note that no action is taken at distances where the reliability is not low.
  • step S106 the AI apparatus 3 determines the parameters of the laser radar apparatus 1a that performs control (for example, the azimuth angle, pulse width, beam diameter, (Condensing distance, incoherent integration number) is calculated, and an electric signal corresponding to the set value is transmitted to the laser radar device 1a.
  • control for example, the azimuth angle, pulse width, beam diameter, (Condensing distance, incoherent integration number) is calculated, and an electric signal corresponding to the set value is transmitted to the laser radar device 1a.
  • the calculated values of S104, S105, and S109 are used, and other parameter calculation methods will be described later.
  • step S102 an improvement sequence (steps S107 to S109) for performing processing for further reducing this deviation is entered.
  • step S107 the AI device 3 calculates the average turbulence intensity of the entire windfarm, or the average turbulence intensity within a radius 2.5D of each windmill.
  • the turbulence intensity is expressed as a ratio between the wind speed standard deviation and the average wind speed.
  • step S108 the AI device 3 determines whether or not the calculated turbulence intensity is greater than the threshold value THT. If the calculated turbulent intensity is equal to or less than the threshold value THT, it is determined that the wind condition is stable, and the process proceeds to step S109 to extend the measurement range. On the other hand, if it is equal to or higher than THT, it is determined that the wind turbulence is large, and the conventional observation is continued, and the flow is terminated. This is because the wind speed changes from moment to moment, and if the conventional observation state is changed and surplus observations are made, there is a risk that it will not be possible to catch the changing wind and cause further divergence. is there.
  • step S109 the AI device 3 searches for a laser radar device within an arbitrary distance range, for example, a 2.5D range with respect to the white region in FIG. 8, and as in step S104, the region center coordinate position and the laser radar device are searched. The distance and the angle ⁇ are calculated from the coordinate position of and the process proceeds to S106.
  • An unobserved area is defined as an area where a sufficient time THtimepass has elapsed.
  • a parameter derivation method of the laser radar device 1a for measuring the distance / azimuth angle of the unobserved area in the AI device 3 will be described.
  • a derivation method for example, the following line calculation value is used.
  • ⁇ , K, and S 0 represent a backscattering coefficient (m ⁇ 1 sr ⁇ 1 ), atmospheric transmittance, and coherence diameter (m) of scattered light, respectively, and represent parameters representing atmospheric conditions that cannot be controlled by the system.
  • w (sec), D (m), F (m), and N represent a pulse width, a beam diameter, a collection distance, and an incoherent integration number, respectively, and represent parameters that can be changed in the system.
  • H, ⁇ , Ppeak, ⁇ F, and B are Planck's constant (Js), wavelength (m), transmission light pulse peak (W), Far Field transmission / reception efficiency, reception bandwidth (Hz), and Ac depending on the optical antenna.
  • the backscattering coefficient and the atmospheric transmittance may be estimated from the measurement result of the laser radar device 1a closest to the unobserved region, or a typical value or worst value of the wind farm acquired in advance may be given. .
  • the AI apparatus 3 places importance on high-speed measurement, and changes the parameter value of the laser radar apparatus 1a according to the priority of the pulse width, the focusing distance, the beam diameter, and the incoherent integration number.
  • the pulse width corresponds to P peak and is a variable that can contribute most to SNR. This is the most effective way to extend the distance. On the other hand, reducing this value, that is, reducing the spread of the spatial laser pulse in the line of sight can contribute to higher resolution and has a large effect on the observation performance of the laser radar device. ing.
  • Condensation distance is a parameter that can be adjusted with high sensitivity when measuring short distances with high accuracy or when it is necessary to measure long distances even if short distances cannot be measured.
  • the beam diameter is generally a variable width of several centimeters for a pulse width of several meters. This corresponds to the size of the optical system of the laser radar device. This variable width is increased, that is, the size of the entire apparatus is increased. Therefore, since the variable width in the limited size is small, the priority is lowered.
  • the number of incoherent integrations is a parameter directly related to the sampling rate, as described above, although the effect of contributing to SNR is large. A decrease in sampling rate causes a decrease in observation accuracy. Therefore, the lowest priority is set.
  • the SNR when each value is increased is calculated in order, a parameter capable of measuring the given distance is derived, and transmitted to the laser radar device 1a. .
  • a parameter indicating the laser irradiation direction of the scanner 1005 in the laser radar apparatus 1a is transmitted.
  • the laser irradiation direction may be changed by preparing a stage below the laser radar device 1a and rotating the entire sensor. In this case, the rotation angle of the lower stage is transmitted to the laser radar device 1a. To do.
  • the AI apparatus 3 calculates the measurement parameters of the laser radar apparatus 1a based on the distance / azimuth angle of the unobserved area
  • the distance / azimuth of the unobserved area obtained by the AI apparatus 3 has been described.
  • the laser radar device 1a may calculate the measurement parameter from the corner and measure it.
  • a control signal such as a command line for setting the derived parameters of the laser radar device (azimuth angle, pulse width, beam diameter, condensing distance, incoherent integration number) is transmitted to the laser radar device 1a.
  • the AI device 3 calculates the wind turbine control parameters (pitch, yaw, torque) from the wind direction wind speed data obtained from the laser radar device 1a and the deviation information between the wind turbine power generation amount and the theoretical value, and wind turbines 4a to 4n. Send control parameters to As described above, the AI device 3 controls the laser radar device 1a to acquire a wide range of wind direction and wind speed data based on the turbulence intensity and reliability indicators, and flows to the entire farm or the three-dimensional space near the windmill. Machine learning is performed from the wind distribution, and the wind turbine control parameters are derived and controlled.
  • the wind turbine control parameters pitch, yaw, torque
  • the first embodiment of the present invention it is possible to preferentially acquire data in an unobserved region or a region with low reliability according to the situation and increase the number of data samples autonomously. Therefore, the amount of information given to machine learning can be increased, and the power generation amount of the final controlled object, here the windmill, is further improved.
  • the signal processing amount applied to each AI device 3 can be distributed and the speed can be increased.
  • an integrated AI device that sets a target power generation amount of each block may be further installed upstream of the AI device 3, and optimization may be performed to achieve this.
  • the integrated AI device inputs the actual wind power generation amount obtained from the data integration device 2 and the assumed output value of the AI device 3 with respect to the target total power value input via the communication I / F such as LAN. Based on the deviation information of the period, the target value of each block is transmitted to the AI device 3 via the control device.
  • the excessive power generation amount becomes a load of the power supply destination, and it is necessary to suppress the power generation amount for stabilization. With such a configuration, there is a merit that it is possible to contribute to stabilization of power generation by individually setting the target value of each block according to the wind condition and achieving the final power generation amount target value.
  • the integrated AI device may stabilize the power generation amount of the entire farm by inputting the target power value of the entire wind farm instead of the power generation amount of each block or windmill individually.
  • the integrated AI device assigns a power generation amount to an AI device belonging to each windmill (not necessarily one AI device per windmill), and uses the target power generation amount of each windmill as an input to the AI device, Wind turbine control parameters that can achieve the power generation amount are derived as outputs.
  • the power generation amount of the entire wind farm is stabilized.
  • the target power generation amount to the integrated AI device as a user or an electric power company, it is possible to construct a situation that can be adapted to the time and environment as needed.
  • 1a to 1n laser radar device 2 data processing device, 3 AI device, 4a to 4n windmill, 1001 optical oscillator, 1002 optical coupler, 1003 optical modulator, 1004 optical circulator, 1005 scanner, 1006 optical system, 1007 multiplexing coupler, 1008 optical receiver, 1009 A / D converter, 1010 signal processor, 1011 angle / position sensor, 1012 data communication unit, 1013 time acquisition unit, 101 range bin divider, 102 FFT processor, 103 integration processor, 104 line of sight Direction wind speed calculator, 105 wind vector calculator, 106 system parameter controller, 2001 data organizing device, 2002 data storage device, 3001 learning device, 3002 control device.

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Electromagnetism (AREA)
  • Remote Sensing (AREA)
  • Evolutionary Computation (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Mathematical Physics (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Mechanical Engineering (AREA)
  • Sustainable Energy (AREA)
  • Sustainable Development (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Power Engineering (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computing Systems (AREA)
  • Medical Informatics (AREA)
  • Fuzzy Systems (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Automation & Control Theory (AREA)
  • Optical Radar Systems And Details Thereof (AREA)
  • Wind Motors (AREA)

Abstract

従来のウインドファーム制御システムの構成では、高空間分解能な情報取得は困難であり、機械学習の充実化のために、十分学習に必要な情報は得られない課題があった。　本発明のＡＩ（Ａｒｔｉｆｉｃｉａｌ Ｉｎｔｅｌｌｉｇｅｎｃｅ）装置は、風ベクトルを機械学習し、風車の発電量を予測するとともに、発電量の予測値と測定値とを比較し、その差が設定された閾値以上である場合、風ベクトルを測定するレーザレーダ装置を選択し、測定パラメータを導出する学習装置と、学習装置が導出した測定パラメータをレーザレーダ装置に送信する制御装置とを備える。

Description

ＡＩ装置、レーザレーダ装置、及びウインドファーム制御システム
　この発明は、ＡＩ装置、レーザレーダ装置、及びウインドファーム制御システムに関するものである。
　従来、風車のヨー・ピッチ・トルク制御には風車に搭載されたカップ式風速計・ベーン型風向計により取得される情報が用いられている。しかし、風車後方に設置された上記機器での値はブレードにより撹拌された風速値となるため、真なる流入風とは異なり、誤差を内包する。また、ブレード通過後の風速・風向を測定するため、常に変動する風に追従する形となり、予測することはできず、それが発電量のロスとなる。これに対し、遠隔点の風向・風速を測定可能なレーダを搭載することで到来する風の情報を取得し、事前に風車の制御を行うことで発電量の向上を可能となる。
　レーダ装置は電磁波や音波などの波動を空間に放射し、対象となる物体で反射された波動を受信し，その信号を解析することにより、レーダ装置から物体までの距離や角度を計測する。レーダの中でも、大気中に浮遊する微小な液体または固体の粒子（エアロゾル）を対象とし，反射された波動の位相回転量からエアロゾルの動く速度，すなわち風の速度を知ることができる，気象レーダが知られている．気象レーダの中でも特に電磁波として光を用いるレーザレーダは，放射するビームの広がりが極めて小さく，高い角度分解能で物体を観測することが可能であり，風向風速レーダとして使用されている。風べクトルの算出には、一般的に、多方向の視線方向風速値を用いて、ＶＡＤ（Ｖｅｌｏｃｉｔｙ　Ａｚｉｍｕｔｈ　Ｄｉｓｐｌａｙ）法や、ベクトル演算等により算出する。
　このようなレーダ装置を用いた近未来の風速情報取得による風力発電量向上の他、以下の特許文献に示すように、過去の気象情報と当日の気象情報を用いた機械学習に基づく風情報の予測を行い、これを用いた風力発電量向上の方式もある。
　特開２００７-５６６８６号公報
　しかし、衛星で取得される気象情報、ないしは、常時設置型のマストから得られる風情報を用いたとしても、空間分解能が低いためにその予測精度は低くなり、発電量の改善どころか劣化する恐れもある。また、機械学習により風車発電量の高効率化を図るためには情報量の質の良さと、情報量の多さが必然的に必要となる。それゆえ、上記問題を解決するために、高空間分解能での測定が必要となり、例えば多数のマストの建設を行う方法があるが、コストが高くなる問題が発生する。
　一方、長距離測定が可能なレーザレーダ装置を用いる場合も考えられる。
　図１は、長距離測定が可能な従来のレーザレーダ装置を用いた風況測定の模擬図である。このような構成とした場合、レーザは指向性が高く、遠方になるほどそのビーム間の乖離が大きくなる。　また、風車のような遮蔽物が存在する場合、その背面の風速値を得る事はできない。この他、サンプリングレートを落とし、ブレード等の遮蔽物を避けるように、すなわち、ブレード通過を待って測定をしたとしても、風は時々刻々と変動するため、未観測領域の予測誤差が大きくなっていく。理想的には、高いサンプリングレートで、高分解能に風速測定を行うことが求められるが、上述の通り遮蔽により観測ができず、次のスキャンを待つ必要がある、ないしは広い範囲を測定する場合スキャンに時間がかかる等で風が変化してしまい、測定精度が劣化してしまう課題がある。
　図２は、風車上に従来のレーザレーダ装置を設定した場合の風況測定の模擬図である。このように、風車個々にレーザレーダを搭載した場合においても、設置ないしは観測方式は固定となるがゆえ、レーザ射出方向ないしは観測可能距離が固定となり、観測不可領域が発生する。
　従来の構成では、高空間分解能な情報取得は困難であり、機械学習の充実化のために、十分学習に必要な情報は得られない課題があった。
　本発明のＡＩ（Ａｒｔｉｆｉｃｉａｌ Ｉｎｔｅｌｌｉｇｅｎｃｅ）装置は、風ベクトルを機械学習し、風車の発電量を予測するとともに、発電量の予測値と測定値とを比較し、その差が設定された閾値以上である場合、風ベクトルを測定するレーザレーダ装置を選択し、測定パラメータを導出する学習装置と、学習装置が導出した測定パラメータをレーザレーダ装置に送信する制御装置とを備える。
　本発明によれば、風の乱れが大きい際は高サンプリングレートで観測し、乱れが小さい時は観測領域を拡大するような制御を行うことにより、学習のためのサンプル、予備情報を増やし、機械学習の精度を向上させることが可能となる。
長距離測定が可能な従来のレーザレーダ装置を用いた風況測定の模擬図である。 風車上に従来のレーザレーダ装置を設定した場合の風況測定の模擬図である。 この発明の実施の形態１に係るウインドファームシステムの一構成例を示す構成図である。 この発明の実施の形態１に係るレーザレーダ装置の一構成例を示す構成図である。 この発明の実施の形態１に係る信号処理器１０１０の一構成例を示す構成図である。 この発明の実施の形態１に係るデータ統合装置２の一構成例を示す構成図である。 この発明の実施の形態１に係るＡＩ装置３の一構成例を示す構成図である。 この発明の実施の形態１に係るウィンドファーム内の風向風速観測状況のマッピングを示す図である。 この発明の実施の形態１に係るレーザレーダ装置を用いて未観測領域を観測させる制御を行った場合の模擬図である。 この発明の実施の形態１に係る未観測領域の判断及び測定領域の決定手順を示すフローチャートである。
実施の形態１.
　図３は、この発明の実施の形態１に係るウインドファームシステムの一構成例を示す構成図である。
　本ウインドファームシステムは、レーザレーダ装置１ａ～１ｎ、データ統合装置２、ＡＩ（Ａｒｔｉｆｉｃｉａｌ Ｉｎｔｅｌｌｉｇｅｎｃｅ）装置３、風車４ａ～４ｎを備える。ここで、１ａ～１ｎ、もしくは４ａ～４ｎのアルファベットは、個体の違いを示し、同じ数字が付加されたものは、同じ構成、機能を有する。これらの要素（１ａ～１ｎ）を総称する場合、もしくは構成、機能を説明する場合、アルファベットを省略して数字のみを記載する。ここで、制御可能なレーザレーダ装置（レーザレーダ装置１ａ及び１ｂ）とはＬＡＮ（Ｌｏｃａｌ　Ａｒｅａ　Ｎｅｔｗｏｒｋ）、ＵＳＢ（Ｕｎｉｖｅｒｓａｌ Ｓｅｒｉａｌ Ｂｕｓ）、ＣＡＮ（Ｃｏｎｔｒｏｌｌｅｒ Ａｒｅａ Ｎｅｔｗｏｒｋ）、ＲＳ２３２Ｃ、ＲＳ４８５などの通信方法を用いて外部よりユーザないしは制御機器がコマンドラインなどでレーザレーダ装置の観測距離・観測方向、測定精度に係る設定を変更可能なレーザレーダ装置を表す。制御不可能なレーザレーダ装置（レーザレーダ装置１ｃ～１ｎ）とは観測開始時に設定したパラメータを継続して使用し、観測中の設定変更が不可能なレーザレーダ装置を表す。
　図４は、この発明の実施の形態１に係るレーザレーダ装置の一構成例を示す構成図である。
　本レーザレーダ装置１は、光発振器１００１、光カプラ１００２、光変調器１００３、光サーキュレータ１００４、スキャナ１００５、光学系１００６、合波カプラ１００７、光受信器１００８、Ａ／Ｄ変換器（Ａｎａｌｏｇ　ｔｏ　Ｄｉｇｉｔａｌ　Ｃｏｎｖｅｒｔｅｒ）１００９、信号処理器１０１０、角度・位置センサ１０１１、データ通信部１０１２、時刻取得部１０１３を備える。
　光発振器１００１は、レーザ光を発振する機能を有し、光カプラ１００２にレーザ光を出力する光発振器である。他のデバイスとは、光カプラに融着もしくは光コネクタで接続される。なお、以降の光接続方法にはファイバをベースに記載しているが、接続方法にはファイバを用いずに空間伝搬型としても良い。例えば、光発振器１００１には、半導体レーザが用いられる。
　光カプラ１００２は、後段の光受信器においてヘテロダイン検波を行わせるために、光発振器１００１が出力した光を任意分岐比によりローカル光(光受信器方向の光)と送信光(光変調器方向の光)とに分配する分配器である。
　光変調器１００３は、光カプラ１００２が出力したレーザ光を光周波数変調及び光強度変調する光学機器である。例えば、光変調器１００３には、ＡＯ周波数シフタが用いられる。本構成では、パルス型のレーザレーダ装置を前提に記載しているが、ＣＷ（Ｃｏｎｔｉｎｕｏｕｓ Ｗａｖｅ）方式を用いても良い。また、出力光が不足している場合、ＡＯ（Ａｃｏｕｓｔｏ－Ｏｐｔｉｃ Ｅｆｆｅｃｔ）周波数シフタの後段に光増幅器を追加してもよい。
　光サーキュレータ１００４は、光変調器１００３が周波数変調した送信光と、スキャナ１００５及び光学系１００６を介して得られる受信光とを分離する光サーキュレータである。送信方向を光学系１００６と接続し、受信方向を合波カプラ１００７と融着もしくは光コネクタを以て接続する。
　スキャナ１００５は、ウェッジプリズムとそれを回転させるモータ、エンコーダから成り、信号処理器１０１０１に角度情報を出力すると共に、任意速度で回転するスキャナである。例えば、スキャナ１００５のモータにはエンコーダ付ステッピングモータが使用される。上述のスキャナ構成のほか、光スイッチで光路を切り替え、それぞれの光路に異なる視線方向を持つ光学系に接続することで、多視線方向の風速値を得るような構成にしても良い。その場合、例えば、光スイッチには、通信でも用いられるメカニカル光スイッチやＭＥＭＳ（Ｍｉｃｒｏ Ｅｌｅｃｔｒｏ Ｍｅｃｈａｎｉｃａｌ Ｓｙｓｔｅｍｓ）光スイッチ等が用いられる。
　光学系１００６は、スキャナ１００５が出力した送信光を大気中に送信し、エアロゾルからの散乱光を受信光として受信する光学系である。例えば、光学系１００６には、光学望遠鏡が用いられる。
　合波カプラ１００７は、光カプラ１００２が出力するローカル光と光サーキュレータ１００４が出力する受信光とを合波する合波カプラである。合波カプラ１００７には、溶融型、フィルタ型いずれかのカプラが用いられる。
　光受信器１００８は、合波カプラ１００７が合波した光をヘテロダイン検波する光受信器である。例えば、光受信器１００８には、バランスドレシーバが用いられる。
　Ａ／Ｄ変換器１００９は、光受信器１００８がヘテロダイン検波し、出力したアナログ電気信号を、光変調器１００３が出力したレーザパルストリガ信号に同期して、デジタルに変換する変換器である。
　図５は、この発明の実施の形態１に係る信号処理器１０１０の一構成例を示す構成図である。
　信号処理器１０１０は、レンジビン分割器１０１、ＦＦＴ（Ｆａｓｔ　Ｆｏｕｒｉｅｒ　Ｔｒａｎｓｆｏｒｍ）処理器１０２、積算処理器１０３、視線方向風速算出器１０４、風ベクトル演算器１０５、及びシステムパラメータ制御器１０６を備える。
　例えば、信号処理器１０１０は、ＦＰＧＡ（Ｆｉｅｌｄ－Ｐｒｏｇｒａｍｍａｂｌｅ　Ｇａｔｅ　Ａｒｒａｙ）、ＡＳＩＣ（Ａｐｐｌｉｃａｔｉｏｎ　Ｓｐｅｃｉｆｉｃ　Ｉｎｔｅｇｒａｔｅｄ　Ｃｉｒｃｕｉｔ）、マイコンなどで構成される。レンジビン分割器１０１、ＦＦＴ（Ｆａｓｔ　Ｆｏｕｒｉｅｒ　Ｔｒａｎｓｆｏｒｍ）処理器１０２、積算処理器１０３、視線方向風速算出器１０４、風ベクトル演算器１０５、システムパラメータ制御器１０６は、ＦＰＧＡ、もしくはＡＳＩＣの論理回路で構成されても良いし、それぞれの機能をソフトウェアとして実行しても良い。
　レンジビン分割器１０１は、Ａ／Ｄ変換器１００９が出力したデジタルの受信信号を所定の時間レンジ（レンジビン）ごとに区切る処理を行い、レンジビンごとに区切った受信信号をＦＦＴ処理器１０２に出力するレンジビン分割器である。
　レンジビン分割器１０１は、Ａ／Ｄ変換器１００９が出力したデジタルの受信信号を所定の時間レンジ（レンジビン）ごとに区切る処理を行い、レンジビンごとに区切った受信信号をＦＦＴ処理器１０２に出力するレンジビン分割器である。
　ＦＦＴ処理器１０２は、レンジビン分割器１０１が出力する各レンジビンの受信信号をフーリエ変換し、スペクトラムに変換した信号を積算処理器１０３に出力するＦＦＴ処理器である。
ＦＦＴ処理器１０２は、レンジビン分割器１０１が出力する各レンジビンの受信信号をフーリエ変換し、スペクトラムに変換した信号を積算処理器１０３に出力するＦＦＴ処理器である。
　積算処理器１０３は、ＦＦＴ処理器１０２が出力するスペクトラム信号をレンジビンごと積算し、積算したスペクトラムを視線方向風速算出器１０４に出力する積算処理器である。
　積算処理器１０３は、ＦＦＴ処理器１０２が出力するスペクトラム信号をレンジビンごと積算し、積算したスペクトラムを視線方向風速算出器１０４に出力する積算処理器である。
　視線方向風速算出器１０４は、積算処理器１０３が積算したスペクトルから、ドップラ風速値、すなわち視線方向風速値とレーザ射出方向を風ベクトル演算器１０５に出力し、また、視線方向風速値を取得したことを角度・位置センサ１０１１とシステムパラメータ制御器１０６に出力する視線方向風速算出器である。
　風ベクトル演算器１０５は、視線方向風速算出器１０４が出力する視線方向風速値データと、レーザ射出方向、また、角度・位置センサ１０１１において得られた姿勢・角度情報を用いて風ベクトルの演算を行い、演算した風ベクトをデータ通信部１０１２に出力する演算器である。また、風ベクトルの算出が終了したことを知らせる電気信号を時刻取得部、角度・位置センサ、システムパラメータ制御器に出力するとともに、算出した風ベクトルをデータ通信部１０１２に出力する。風速Ｖは、例えば２方向にレーザを射出した場合、以下の式で風速、風向を算出できる。
Figure JPOXMLDOC01-appb-M000001
Figure JPOXMLDOC01-appb-M000002
Figure JPOXMLDOC01-appb-M000003
Figure JPOXMLDOC01-appb-M000004
 ここで、Ｕは、ライダが向いている方向、Ｖはその垂直方向、φはレーザレーダが向いている方向に対するレーザの見開き角、Ｖｗは風速値、Ｄｉｒは風向、δｓは角度・位置センサ１０１１から出力される方位を表す。
　システムパラメータ制御器１０６は、データ通信部１０１２を介してＡＩ装置３から
レーザレーダ装置１ａの測定パラメータを受信し、受信した測定パラメータを光変調器１００３、Ａ/Ｄ変換器１００９、スキャナ１００５、光学系１００６に出力するシステムパラメータ制御器である。測定パラメータとは、レーザレーダ装置１ａのシステムに関するパラメータであり、例えば、パルス幅、Ａ/Ｄゲート時間幅、スキャン方向(上述φに相当)、集光距離、出射ビーム径のことをいう。システムパラメータ制御器１０６は、パルス幅であれば、変調信号のパルス形状を変更するコマンドを送信し、Ａ/Ｄ時間ゲート幅の場合、ゲート幅に相当する電気信号を、スキャン方向であれば、角度に相当する電気信号を、集光距離、ビーム径であれば光学ファイバないしはレンズの配置に相当する電気信号を出力する。
　一方、外部からの受信信号がない場合、つまりＡＩ装置３からの情報がない場合、システムパラメータ制御器１０６は、ユーザによる設定等で定められたパルス幅、Ａ／Ｄ時間ゲート幅、スキャン方向、集光距離・出射ビーム径の設定信号を各種デバイスに送信する。
　さらに、データ通信部１０１２を介してＡＩ装置３から伝送されてくる上記パラメータに従い、光変調器１００３、Ａ/Ｄ変換器１００９、スキャナ１００５それぞれのパラメータを設定する。
　角度・位置センサ１０１１は、風ベクトル演算器１０５の算出終了の電気信号を受け、その時のレーザレーダ装置の姿勢角度情報及び位置情報を出力するセンサである。例えば、角度・位置センサ１０１１は、ジャイロセンサとＧＰＳ（Ｇｌｏｂａｌ Ｐｏｓｉｔｉｏｎｉｎｇ Ｓｙｓｔｅｍ）モジュールから構成される。
　データ通信部１０１２は、風ベクトル演算器１０５が出力する風ベクトル、角度・位置センサ１０１１が出力する姿勢角度情報、システムパラメータ制御器１０６が出力するスキャナ１００５の角度情報、及び時刻取得部１０１３が出力する時刻情報を送信するデータ通信部である。例えば、データ通信部１０１２は、有線もしくは無線ＬＡＮ（Ｌｏｃａｌ Ａｒｅａ Ｎｅｔｗｏｒｋ）デバイス、Ｂｌｕｅｔｏｏｔｈ（登録商標）、ＵＳＢなどの通信デバイスで構成される。
　時刻取得部１０１３は、視線方向風速算出器１０４が出力する算出処理終了の信号に対してデータ通信部１０１２に時刻を出力する時刻取得部である。例えば、時刻取得部１０１３には、ＧＰＳ受信器が用いられる。
　図６は、この発明の実施の形態１に係るデータ統合装置２の一構成例を示す構成図である。本データ統合装置は、データ整理装置２００１と、データ保存装置２００２とを備える。
　データ整理装置２００１は、レーザレーダ装置１ａ～１ｎから測定データを受信し、受信した測定データのフォーマットの統一を行うデータ整理装置である。具体的には、データ整理装置２００１は、センサ（レーザセンサ、カップ式風速計、ベーン式風向計、レーダ、ソーダ等）から得られる風向風速値、時間情報やクラウドから可能な衛星による雲情報、気温、気圧、天候情報、さらに風車から得られる風車のパラメータ、例えば、風力発電量とその時刻、その際のロール、ピッチ、ヨー、トルクといったパラメータを入力とし、データの座標系のフォーマットの統一を行う。
　各センサで得られた風速や風向値は真北基準、磁北基準、さらにはセンサが向いている方向を基準とするようなセンサ基準の座標系を持ったデータであることが多い。これを例えば一般的な回転行列を用いて真北基準に修正し、座標系の統一を行う。また、時間についてもＵＴＣ（Ｃｏｏｒｄｉｎａｔｅｄ Ｕｎｉｖｅｒｓａｌ Ｔｉｍｅ）基準、ＪＳＴ（日本基準時間）基準と整合がとれていない場合、これをＵＴＣに統一する処理を行う。例えば、データ整理装置２００１は、マイコンやＦＰＧＡで構成される。
　データ保存装置２００２は、データ整理装置２００１において形成されたデータを保存し、データと理論値との乖離値を学習装置３００１に出力するデータ保存装置である。データと理論値との乖離値とは、例えば、三次元位置での風向、風速、気温、湿度、気圧、天候、ファーム内の各風車の瞬間発電量と理論値との乖離値をいう。例えば、データ保存装置２００２は、ＨＤＤ（Ｈａｒｄ　Ｄｉｓｋ　Ｄｒｉｖｅ）やＳＳＤ（Ｓｏｌｉｄ Ｓｔａｔｅ Ｄｒｉｖｅ）などにより構成される。
　図７は、この発明の実施の形態１に係るＡＩ装置３の一構成例を示す構成図である。ＡＩ装置３は、学習装置３００１と、制御装置３００２とを備える。
　学習装置３００１は、データ保存装置２００２から出力される気圧、気温、湿度、天候といった気象情報、風向風速値、風車の姿勢とその際の風力発電量を入力とし、ディープラーニングによる機械学習を行う。上述した気象、風向風速情報を入力し、その際にウィンドファーム全体の発電効率が最大化される風車の制御パラメータ（トルク、ピッチ、ヨー）を導出する。そのパラメータに相当する電気信号を制御装置３００２に出力し、制御装置３００２では風車へその制御信号を出力する。
　また、学習装置３００１は、上述した学習の他、データ保存装置２００２の結果を受けてデータが疎である領域を認識し、レーザレーダ装置１ａにその領域を観測させる制御信号を出力する。
　制御装置３００２は、学習装置３００１より出力された制御信号を被制御レーザレーダ装置の制御コマンドに変換し、変換した制御コマンドを、データ通信部１０１２を介しシステムパラメータ制御器１０６に出力する制御装置である。制御コマンドとは、例えば、パルス幅、Ａ/Ｄ時間ゲート幅、スキャン方向、集光距離・ビーム径を変更するコマンドをいう。例えば、制御装置３００２は、マイコン、ＰＣ（Ｐｅｒｓｏｎａｌ　Ｃｏｍｐｕｔｅｒ）などで構成される。
　次に、本ウインドファームシステムの動作について説明する。
　図８は、この発明の実施の形態１に係るウィンドファーム内の風向風速観測状況のマッピングを示す図である。測定してから経過時間が短い風向風速値のデータを信頼度高とし、経過時間が長いものを信頼度低として記載している。例えば、１分間平均でのパワーカーブ評価（流入風に対する発電量の評価）を行う場合、その半分の３０秒経過を低信頼度とする。風車は、当該ｗｉｎｄｆａｒｍ内に点在し、どのような構成でもよい。図８内の白抜き領域は、未観測領域、すなわち、各種センサ(例えば、風向風速計、ライダ、レーダ、ソーダ)の配置・観測設定パラメータの状態では観測できない領域を表すとする。ＡＩ装置３内の学習装置３００１にとって、空間的に密な学習のためのデータを有することで、より高精度な予測が可能となる。
　図９は、この発明の実施の形態１に係るレーザレーダ装置を用いて未観測領域を観測させる制御を行った場合の模擬図である。真北を０ｄｅｇとした座標系において-θ方向の観測を行わせることで、一部未観測領域を網羅させる。その場合、制御装置３００２はレーザレーダ装置１にその設定に相当する制御信号を出力する。
 図１０は、この発明の実施の形態１に係る未観測領域の判断及び測定領域の決定手順を示すフローチャートである。本処理は各風車（４ａ～４ｎ）に対して行う。また、制御されるセンサは、レーザレーダ装置１ａを例に説明する。ここで、風車（４ａ～４ｎ）の数とｉ＝１～Ｎは対応している。
　まず、ステップＳ１０１において、ＡＩ装置３は、風車４ａに対して、前回推定した風車の発電量と、実際の発電量との乖離を計算する。
　ステップＳ１０２において、ＡＩ装置３は、その乖離値がユーザが事前に設定する閾値ＴＨｐより大きいか否かを判別する。乖離値が、閾値ＴＨｐ以上の場合、すなわち、差異が大きい場合は使用しているデータの精度に問題があると判断し、ステップＳ１０３に進む。乖離値がＴＨｐより小さい場合、ステップＳ１０７に進む。
　ステップＳ１０３において、ＡＩ装置３は、例えば、風車４ａの任意範囲距離ＴＨＤ以内かつ、任意時間ＴＨｔｉｍｅ以上経過した領域が存在するかを調べる。基本動作としてはｗｉｎｄｆａｒｍ全体を検索するが、効率化のために検索直後は捜索対象から外すこととしてもよい。そして、ＴＨＤ以内かつ、任意時間ＴＨｔｉｍｅ以上経過した領域が存在する場合、ステップＳ１０４に進み、存在しない場合、ステップＳ１０５に進む。ＴＨＤは、例えば風速が安定して風車に流入すると言われる２．５Ｄ(Ｄは風車直径)である。ＴＨｔｉｍｅには、風況評価に用いられる１０分、もしくは、当該領域の風速値時間変化をＡｓｉｎ（ωｔ）＋Ｂによりフィッティングし、周期に相当するωの値を用いても良い。フィッティングではなく、直接風速の時間変化をＦＦＴし、周期を計算しても良い。
　ステップＳ１０４において、ＡＩ装置３は、ＴＨＤ以内かつ、任意時間ＴＨｔｉｍｅ以上経過した領域の中で最も信頼度が低い領域の距離と方位角を計算する。なお、本実施の形態では、レーザレーダ装置１台に対する挙動を決めるシーケンスを記載しているが、複数台のレーザレーダ装置を搭載している場合、または、複数台を同時に制御する場合は、信頼度が低い領域から任意距離範囲(例：２．５Ｄ)範囲内に存在するレーザレーダ装置に当該領域の観測を割り当てる。また、２つ以上のレーザレーダ装置が存在する場合は、それぞれの位置から２．５Ｄ範囲内の信頼度が最も低い領域を割り当てる。ＡＩ装置３は、信頼度が低い領域の絶対位置座標とレーザレーダ装置が設置されている位置座標とから距離を、それら座標から北を基準とした角度θを三角関数により計算する。なお、信頼度が低くない距離においては、行う対処はない。
　ステップＳ１０５において、ＡＩ装置３は、最も風車の発電量に直結する風車前方の風速を測定するためのデフォルトパラメータ、例えば、方位角θ＝０、距離２．５Ｄの値を計算する。
　ステップＳ１０６において、ＡＩ装置３は、Ｓ１０４、Ｓ１０５、またはＳ１０９で計算された観測したい距離及び方位角を基に、制御を行うレーザレーダ装置１ａのパラメータ（例えば、方位角、パルス幅、ビーム径、集光距離、インコヒーレント積算数）を計算し、当該設定値に相当する電気信号をレーザレーダ装置１aに送信する。方位角についてはＳ１０４、Ｓ１０５、Ｓ１０９の計算値を用い、その他パラメータの計算方法については後述する。
　一方、ステップＳ１０２において発電量の乖離値が小さかった場合、この乖離をさらに小さくしていくための処理を行う改善シーケンス（ステップＳ１０７～Ｓ１０９）に入る。
　ステップＳ１０７において、ＡＩ装置３は、ｗｉｎｄｆａｒｍ全体の平均乱流強度、または各風車の半径２．５Ｄ以内の平均乱流強度を算出する。乱流強度は、風速標準偏差と平均風速との比で表される。
　ステップＳ１０８において、ＡＩ装置３は、算出した乱流強度が閾値ＴＨＴより大きいか否かを判別する。算出した乱流強度が閾値ＴＨＴ以下の場合は、風況が安定しているとして、ステップＳ１０９に進み、測定範囲の拡張を行う。一方、ＴＨＴ以上の場合、風の乱れが大きいとして、従来の観測を継続し、フローを終了する。これは、風速が時々刻々と変化し、従来の観測状態を変化させて余剰な観測を行うと、変化する風を捉えることができなくなり、更なる乖離を発生させてしまうリスクが発生するためである。
　ステップＳ１０９において、ＡＩ装置３は、図８中の白色領域に対し任意距離範囲、例えば２．５Ｄ範囲内のレーザレーダ装置を捜索し、ステップＳ１０４にあるように、領域中心座標位置とレーザレーダ装置の座標位置とから距離及び角度θを計算して、Ｓ１０６に進む。なお、未観測領域は、十分な時間ＴＨｔｉｍｅｐａｓｓが経過した領域として定義される。
　ＡＩ装置３における、未観測領域の距離・方位角を測定するためのレーザレーダ装置１ａのパラメータ導出方法について説明する。導出方法としては、例えば下式の回線計算の値を用いる。
Figure JPOXMLDOC01-appb-M000005
　β、K、S０は、それぞれ後方散乱係数(ｍ－１ｓｒ－１)、大気透過率、散乱光のコヒーレンス径(ｍ)を表し、システムで制御不可な大気条件を表すパラメータを表す。対して、ｗ（ｓｅｃ）、Ｄ（ｍ）、Ｆ（ｍ）、Ｎ（回）はそれぞれパルス幅、ビーム径、集光距離、インコヒーレント積算数を表し、システム内において変更可能なパラメータを表す。なお、ｈ、λ、Ｐｐｅａｋ、ηＦ、Ｂはプランク定数(Ｊｓ)、波長(ｍ)、送信光パルスピーク(Ｗ)、Ｆａｒ Ｆｉｅｌｄの送受信効率、受信帯域幅(Ｈｚ)、Ａｃは、光アンテナによってケラレたガウシアンビーム（ＮＧＢ：Ｎｅａｒｅｓｔ Ｇａｕｓｓｉａｎ Ｂｅａｍ）に対して相関の高い回折限界のガウシアンビームに置き換えるための近似係数を表し、Ｌは観測距離(ｍ)を表す。後方散乱係数、大気透過率は、未観測領域に最も近いレーザレーダ装置１ａの測定結果から推定しても良いし、事前に取得したそのウィンドファームの典型的な値もしくは最悪値を与えても良い。
　ここで、ＡＩ装置３は、高速な測定を重視し、パルス幅、集光距離、ビーム径、インコヒーレント積算数の優先度でレーザレーダ装置１ａのパラメータ値を変更する。
　パルス幅は、Ｐｐｅａｋに相当し、最もＳＮＲに寄与できる変数である。距離を延伸させるためには最も効果的といえる。一方、本値を小さくする、すなわち、視線方向の空間的なレーザーパルスの広がり狭くすることで高分解能化にも寄与でき、レーザレーダ装置の観測性能に及ぼす影響が大きいため、優先度を高くしている。
　集光距離は、近距離を精度よく測定する際や、近距離が測定できなくとも遠距離を測定したいという要求に対し、感度よく調整できるパラメータである。通常の運用では遠方に集光距離を合わせて運用するが、Ｓ１０４、Ｓ１０９の計算値から任意近距離を測定する場合、この集光距離Ｆ＝Ｌとすることで、Ｌの地点で高いＳＮＲを得る事ができる。たとえ環境が劣悪な状態だとしても、集光地点の観測ができる可能性が高くなる。パルス幅は全体的なＳＮＲ向上であるのに対し、集光距離はＳＮＲのバジェットをどう各距離に分配するかという概念に相当する。
　ビーム径は、数ｍのパルス幅に対し、一般的に数ｃｍの可変幅である。これはレーザレーダ装置が有する光学系のサイズに相当する。この可変幅を大きくする、すなわち、装置全体のサイズが大きくなる。ゆえに、限られたサイズでの可変幅は小さいため、優先順位を下げている。
　インコヒーレント積算回数は、ＳＮＲに寄与する効果は大きいものの、上述したように、サンプリングレートに直結するパラメータである。サンプリングレートの低下は観測精度の低下を及ぼす。そのため、優先度を最も低く設定している。
　それぞれの値はシステム設計上変更可能な値域が存在するため、それぞれの値を上げた場合のＳＮＲを順に計算し、与えられた距離を測定可能なパラメータを導出し、レーザレーダ装置１ａに送信する。また、方位角θを観測させるために、レーザレーダ装置１ａにおけるスキャナ１００５のレーザ照射方向を示すパラメータを送信する。これに対し、レーザレーダ装置１ａの下部にステージを用意し、センサ全体を回転させる方式で、レーザの照射方向を変更しても良く、その場合は下部ステージの回転角度をレーザレーダ装置１ａに送信する。なお、ここでは、ＡＩ装置３が未観測領域の距離・方位角に基づいて、レーザレーダ装置１ａの測定パラメータを算出する例について説明したが、ＡＩ装置３が求めた未観測領域の距離・方位角から、レーザレーダ装置１ａが、測定パラメータを算出し、測定する方式としても良い。
　導出したレーザレーダ装置のパラメータ（方位角、パルス幅、ビーム径、集光距離、インコヒーレント積算数）を設定するためのコマンドライン等の制御信号をレーザレーダ装置１ａに送信する。
　また、ＡＩ装置３は、レーザレーダ装置１ａから得られる風向風速データ及び風車発電量と理論値との乖離情報から、風車の制御パラメータ（ピッチ、ヨー、トルク）の算出を行い、風車４ａから４ｎに制御パラメータを送信する。このように、ＡＩ装置３は、レーザレーダ装置１ａに対して、乱流強度、信頼度の指標に基づき風向風速データの広範囲な取得を行う制御を行い、ファーム全体または風車近傍３次元空間に流れる風の分布から機械学習を行い、上記風車制御パラメータを導出し制御する。
　以上で明らかなように、この発明の実施の形態１によれば、状況に応じて未観測領域ないしは信頼度が低い領域のデータを優先的に取得し、データサンプルを自律的に増やすことができることから、機械学習に与える情報量を増やすことができ、最終的な被制御物、ここでは風車の発電量をさらに向上させる効果がある。
　なお、ここでは各風車の推定結果に対し判定を行ったが、ウィンドファーム全体の風力発電量、ないしは２台以上の複数の風車の発電量総計に対して判定を行っても良い。
　特に、ウィンドファーム内の風車を例えば５台ずつのブロックに区分け、それぞれに対して風力発電量を最大化する処理とすると、それぞれのＡＩ装置３にかかる信号処理量を分散でき、高速化が可能となる上、明らかに風力発電量に関係のない遠方のデータにより学習に悪影響を及ぼす情報を排除することが可能となり、学習結果の質の向上に寄与可能となる。
　その際、更にＡＩ装置３の上流に各ブロック（複数の風車を管理する領域）の目標発電量を設定する統合ＡＩ装置を設置し、これに達成するよう最適化を図る構成としてもよい。統合ＡＩ装置は、ＬＡＮなどの通信Ｉ／Ｆを介して入力される目標総電力値に対して、データ統合装置２より得られる実際の風力発電量及びＡＩ装置３の想定出力値を入力として、その期間の乖離情報に基づいて各ブロックの目標値をＡＩ装置３に制御装置を介して伝送する。現状の電力送電システムでは、過剰な発電量は電力供給先の負荷となり、安定化のために当該発電量を抑える必要がある。このような構成とすれば、各ブロックの目標値を風況に応じて個々に設定し、最終的な発電量目標値を達成させることで、発電の安定化に寄与できるメリットがある。
　統合ＡＩ装置は、各ブロックまたは風車個々の発電量ではなく、ウィンドファーム全体の目標電力値を入力とし、ファーム全体の発電量を安定化させるようにしてもよい。その場合、統合ＡＩ装置が、各風車に属するＡＩ装置（風車一台にＡＩ装置一つでなくてもよい）に対し発電量を割り当て、各風車の目標発電量をＡＩ装置の入力として、目標発電量を達成可能な風車制御パラメータを出力として導出する。これにより、ウィンドファーム全体の発電量の安定化を行う。その際、統合ＡＩ装置への目標発電量設定はユーザもしくは電力会社とすることで、時間、環境に随時適合可能な状況を構築できる。
　１ａ～１ｎ　レーザレーダ装置、２　データ処理装置、３　ＡＩ装置、４ａ～４ｎ　風車、１００１　光発振器、１００２　光カプラ、１００３　光変調器、１００４　光サーキュレータ、１００５　スキャナ、１００６　光学系、１００７　合波カプラ、１００８　光受信器、１００９　Ａ／Ｄ変換器、１０１０　信号処理器、１０１１　角度・位置センサ、１０１２　データ通信部、１０１３　時刻取得部、１０１　レンジビン分割器、１０２　ＦＦＴ処理器、１０３　積算処理器、１０４　視線方向風速算出器、１０５　風ベクトル演算器、１０６　システムパラメータ制御器、２００１　データ整理装置、２００２　データ保存装置、３００１　学習装置、３００２　制御装置。

Claims (10)

  1. 　風ベクトルを機械学習し、風車の発電量を予測するとともに、前記発電量の予測値と測定値とを比較し、その差が設定された閾値以上である場合、前記風ベクトルを測定するレーザレーダ装置を選択し、測定パラメータを導出する学習装置と、
    　前記学習装置が導出した測定パラメータを前記レーザレーダ装置に送信する制御装置と、
    　を備えたＡＩ（Ａｒｔｉｆｉｃｉａｌ Ｉｎｔｅｌｌｉｇｅｎｃｅ）装置。
  2. 　前記学習装置は、前記風車から設定された範囲内の距離にあってかつ前回取得した前記風ベクトルの時刻より設定された時間以上経過している領域が存在するか否かを調べ、前記領域が存在する場合、前記領域を測定する前記レーザレーダ装置を選択し、前記測定パラメータを導出することを特徴とする請求項１に記載のＡＩ装置。
  3. 　前記学習装置は、前記風車から設定された範囲内の距離にあってかつ前回取得した前記風ベクトルの時刻より設定された時間以上経過している領域が存在するか否かを調べ、前記領域が存在しない場合、前記風車の前方の前記風ベクトルを測定する前記レーザレーダ装置を選択し、前記測定パラメータとして前記レーザレーダ装置のデフォルトパラメータを導出することを特徴とする請求項１に記載のＡＩ装置。
  4. 　前記発電量の予測値と測定値との差が前記閾値より小さい場合、前記風ベクトルの乱流度を計算し、前記乱流度が第２の閾値より大きい場合、未観測領域の距離及び方位角を計算し、前記未観測領域を測定する前記レーザレーダ装置を選択し、前記測定パラメータを算出することを特徴とする請求項１に記載のＡＩ装置。
  5. 　前記学習装置は、前記レーザレーダ装置のパルス幅、ビーム径、集光距離、及びインコヒーレント積算数の優先順位で値を変更し、変更した場合のＳＮＲ（Ｓｉｇｎａｌ　ｔｏ　Ｎｏｉｓｅ　Ｒａｔｉｏ）を計算し、前記測定パラメータとして、前記パルス幅、前記ビーム径、前記集光距離、及び前記インコヒーレント積算数を導出することを特徴とする請求項２に記載のＡＩ装置。
  6. 　レーザ光を出力する光発振器と、
    　前記光発振器が出力した前記レーザ光を変調する光変調器と、
    　前記光変調器が変調した前記レーザ光を送信光として出力し、前記送信光の出力先で対象物が反射した反射光を受信光として受信する光学系と、
    　前記光学系が受信した前記受信光をヘテロダイン検波し、受信信号を抽出する光受信器と
    　設定されたレンジビンで前記受信信号を分割するレンジビン分割器と、
    　前記レンジビン分割器が分割した前記受信信号をフーリエ変換し、前記レンジビンごとの前記受信信号のスペクトルを算出する高速フーリエ変換処理器と、
    　前記レンジビン分割器が分割したレンジビンごとに、前記スペクトルを積算する積算器と、
    　前記積算器が積算した前記スペクトルからドップラーシフト成分を算出し、前記ドップラーシフト成分から視線方向風速値を算出する視線方向風速算出器と、
    　複数の前記視線方向風速値を用いて風ベクトルを算出する風ベクトル演算器と、
    　請求項１に記載のＡＩ装置から受信した前記測定パラメータにしたがって、前記光変調器のパルス幅、前記光学系のビーム径、前記光学系の集光距離、及び前記積算器のインコヒーレント積算数を設定するシステムパラメータ制御器と、
    　前記パルス幅、前記ビーム径、前記集光距離、及び前記インコヒーレント積算数を用いて求めた風ベクトルを前記ＡＩ装置に送信するデータ通信部と、
    　を備えたレーザレーダ装置。
  7. 　請求項１に記載のＡＩ装置と、
    　レーザ光を出力する光発振器と、
    　前記光発振器が出力した前記レーザ光を変調する光変調器と、
    　前記光変調器が変調した前記レーザ光を送信光として出力し、前記送信光の出力先で対象物が反射した反射光を受信光として受信する光学系と、
    　前記光学系が受信した前記受信光をヘテロダイン検波し、受信信号を抽出する光受信器と
    　設定されたレンジビンで前記受信信号を分割するレンジビン分割器と、
    　前記レンジビン分割器が分割した前記受信信号をフーリエ変換し、前記レンジビンごとの前記受信信号のスペクトルを算出する高速フーリエ変換処理器と、
    　前記レンジビン分割器が分割したレンジビンごとに、前記スペクトルを積算する積算器と、
    　前記積算器が積算した前記スペクトルからドップラーシフト成分を算出し、前記ドップラーシフト成分から視線方向風速値を算出する視線方向風速算出器と、
    　複数の前記視線方向風速値を用いて風ベクトルを算出する風ベクトル演算器と、
    　請求項１に記載のＡＩ装置から受信した前記測定パラメータにしたがって、前記光変調器のパルス幅、前記光学系のビーム径、前記光学系の集光距離、及び前記積算器のインコヒーレント積算数を設定するシステムパラメータ制御器と、
    　前記パルス幅、前記ビーム径、前記集光距離、及び前記インコヒーレント積算数を用いて求めた風ベクトルを前記ＡＩ装置に送信するデータ通信部と、
    　を備えたウインドファーム制御システム。
  8. 　請求項２に記載のＡＩ装置と、
    　レーザ光を出力する光発振器と、
    　前記光発振器が出力した前記レーザ光を変調する光変調器と、
    　前記光変調器が変調した前記レーザ光を送信光として出力し、前記送信光の出力先で対象物が反射した反射光を受信光として受信する光学系と、
    　前記光学系が受信した前記受信光をヘテロダイン検波し、受信信号を抽出する光受信器と
    　設定されたレンジビンで前記受信信号を分割するレンジビン分割器と、
    　前記レンジビン分割器が分割した前記受信信号をフーリエ変換し、前記レンジビンごとの前記受信信号のスペクトルを算出する高速フーリエ変換処理器と、
    　前記レンジビン分割器が分割したレンジビンごとに、前記スペクトルを積算する積算器と、
    　前記積算器が積算した前記スペクトルからドップラーシフト成分を算出し、前記ドップラーシフト成分から視線方向風速値を算出する視線方向風速算出器と、
    　複数の前記視線方向風速値を用いて風ベクトルを算出する風ベクトル演算器と、
    　請求項２に記載のＡＩ装置から受信した前記測定パラメータにしたがって、前記光変調器のパルス幅、前記光学系のビーム径、前記光学系の集光距離、及び前記積算器のインコヒーレント積算数を設定するシステムパラメータ制御器と、
    　前記パルス幅、前記ビーム径、前記集光距離、及び前記インコヒーレント積算数を用いて求めた風ベクトルを前記ＡＩ装置に送信するデータ通信部と、
    　を備えたウインドファーム制御システム。
  9. 　請求項３に記載のＡＩ装置と、
    　レーザ光を出力する光発振器と、
    　前記光発振器が出力した前記レーザ光を変調する光変調器と、
    　前記光変調器が変調した前記レーザ光を送信光として出力し、前記送信光の出力先で対象物が反射した反射光を受信光として受信する光学系と、
    　前記光学系が受信した前記受信光をヘテロダイン検波し、受信信号を抽出する光受信器と
    　設定されたレンジビンで前記受信信号を分割するレンジビン分割器と、
    　前記レンジビン分割器が分割した前記受信信号をフーリエ変換し、前記レンジビンごとの前記受信信号のスペクトルを算出する高速フーリエ変換処理器と、
    　前記レンジビン分割器が分割したレンジビンごとに、前記スペクトルを積算する積算器と、
    　前記積算器が積算した前記スペクトルからドップラーシフト成分を算出し、前記ドップラーシフト成分から視線方向風速値を算出する視線方向風速算出器と、
    　複数の前記視線方向風速値を用いて風ベクトルを算出する風ベクトル演算器と、
    　請求項３に記載のＡＩ装置から受信した前記測定パラメータにしたがって、前記光変調器のパルス幅、前記光学系のビーム径、前記光学系の集光距離、及び前記積算器のインコヒーレント積算数を設定するシステムパラメータ制御器と、
    　前記パルス幅、前記ビーム径、前記集光距離、及び前記インコヒーレント積算数を用いて求めた風ベクトルを前記ＡＩ装置に送信するデータ通信部と、
    　を備えたウインドファーム制御システム。
  10. 　請求項４に記載のＡＩ装置と、
    　レーザ光を出力する光発振器と、
    　前記光発振器が出力した前記レーザ光を変調する光変調器と、
    　前記光変調器が変調した前記レーザ光を送信光として出力し、前記送信光の出力先で対象物が反射した反射光を受信光として受信する光学系と、
    　前記光学系が受信した前記受信光をヘテロダイン検波し、受信信号を抽出する光受信器と
    　設定されたレンジビンで前記受信信号を分割するレンジビン分割器と、
    　前記レンジビン分割器が分割した前記受信信号をフーリエ変換し、前記レンジビンごとの前記受信信号のスペクトルを算出する高速フーリエ変換処理器と、
    　前記レンジビン分割器が分割したレンジビンごとに、前記スペクトルを積算する積算器と、
    　前記積算器が積算した前記スペクトルからドップラーシフト成分を算出し、前記ドップラーシフト成分から視線方向風速値を算出する視線方向風速算出器と、
    　複数の前記視線方向風速値を用いて風ベクトルを算出する風ベクトル演算器と、
    　請求項４に記載のＡＩ装置から受信した前記測定パラメータにしたがって、前記光変調器のパルス幅、前記光学系のビーム径、前記光学系の集光距離、及び前記積算器のインコヒーレント積算数を設定するシステムパラメータ制御器と、
    　前記パルス幅、前記ビーム径、前記集光距離、及び前記インコヒーレント積算数を用いて求めた風ベクトルを前記ＡＩ装置に送信するデータ通信部と、
    　を備えたウインドファーム制御システム。
PCT/JP2017/016535 2017-04-26 2017-04-26 Ａｉ装置、レーザレーダ装置、及びウインドファーム制御システム WO2018198225A1 (ja)

Priority Applications (5)

Application Number Priority Date Filing Date Title
CN201780089729.2A CN110537018A (zh) 2017-04-26 2017-04-26 Ai装置、激光雷达装置以及风力发电厂控制系统
EP17908025.4A EP3604799A4 (en) 2017-04-26 2017-04-26 AI DEVICE, LASER RADAR DEVICE, AND WIND FARM CONTROL SYSTEM
JP2019514947A JPWO2018198225A1 (ja) 2017-04-26 2017-04-26 Ａｉ装置、レーザレーダ装置、及びウインドファーム制御システム
US16/606,662 US20210408790A1 (en) 2017-04-26 2017-04-26 Ai system, laser radar system and wind farm control system
PCT/JP2017/016535 WO2018198225A1 (ja) 2017-04-26 2017-04-26 Ａｉ装置、レーザレーダ装置、及びウインドファーム制御システム

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2017/016535 WO2018198225A1 (ja) 2017-04-26 2017-04-26 Ａｉ装置、レーザレーダ装置、及びウインドファーム制御システム

Publications (1)

Publication Number Publication Date
WO2018198225A1 true WO2018198225A1 (ja) 2018-11-01

Family

ID=63918106

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2017/016535 WO2018198225A1 (ja) 2017-04-26 2017-04-26 Ａｉ装置、レーザレーダ装置、及びウインドファーム制御システム

Country Status (5)

Country Link
US (1) US20210408790A1 (ja)
EP (1) EP3604799A4 (ja)
JP (1) JPWO2018198225A1 (ja)
CN (1) CN110537018A (ja)
WO (1) WO2018198225A1 (ja)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10815972B2 (en) 2019-03-22 2020-10-27 General Electric Company System and method for assessing and validating wind turbine and wind farm performance
US10954919B1 (en) 2019-10-02 2021-03-23 General Electric Company Machine-learning model-based analytic for monitoring wind farm power performance
US11231012B1 (en) 2020-09-22 2022-01-25 General Electric Renovables Espana, S.L. Systems and methods for controlling a wind turbine
US11649804B2 (en) 2021-06-07 2023-05-16 General Electric Renovables Espana, S.L. Systems and methods for controlling a wind turbine
CN114006905B (zh) * 2021-10-27 2023-12-05 远景智能国际私人投资有限公司 信息传输方法、装置及系统

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115199483B (zh) * 2022-07-11 2023-11-10 南京牧镭激光科技股份有限公司 一种基于激光净空雷达的健康状态监测方法
CN116517791B (zh) * 2023-05-30 2024-02-02 中电投新疆能源化工集团哈密有限公司 基于激光测风雷达的多环境适用风速综合监控系统及方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004301116A (ja) * 2003-03-19 2004-10-28 Mitsubishi Electric Corp 風力発電システム
JP2007056686A (ja) 2005-08-22 2007-03-08 Univ Of Ryukyus 風速予測に基づく風力発電機の数時間先発電電力予測装置
US20110084486A1 (en) * 2008-10-09 2011-04-14 Mitsubishi Heavy Industries, Ltd. Off-shore wind turbine generator and off-shore wind farm
JP2016136001A (ja) * 2015-01-23 2016-07-28 中国電力株式会社 予測装置
JP2016211989A (ja) * 2015-05-11 2016-12-15 三菱電機株式会社 レーザレーダ装置及び観測方法

Family Cites Families (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE3520214C1 (de) * 1985-06-05 1986-07-10 Deutsche Forschungs- und Versuchsanstalt für Luft- und Raumfahrt e.V., 5300 Bonn Messeinrichtung zur Bestimmung der Windrichtung und Windgeschwindigkeit in der Atmosphaere
GB0128588D0 (en) * 2001-11-29 2002-01-23 Qinetiq Ltd Coherent laser radar apparatus
US6975925B1 (en) * 2002-03-19 2005-12-13 Windlynx Systems, B.V. Forecasting an energy output of a wind farm
FR2870003B1 (fr) * 2004-05-04 2006-07-28 Thales Sa Dispositif de mesure de decalage en frequence par effet doppler
EP1744058A1 (en) * 2004-05-07 2007-01-17 Mitsubishi Denki Kabushiki Kaisha Wind power generation evaluation system and prediction control service system for wind power generator
JP5000082B2 (ja) * 2004-06-14 2012-08-15 三菱電機株式会社 光波レーダ装置
JP5332103B2 (ja) * 2004-09-15 2013-11-06 三菱電機株式会社 光波レーダ装置
US20080169975A1 (en) * 2007-01-12 2008-07-17 Young Paul Yee Process for generating spatially continuous wind profiles from wind profiler measurements
US20120179376A1 (en) * 2011-01-11 2012-07-12 Ophir Corporation Methods And Apparatus For Monitoring Complex Flow Fields For Wind Turbine Applications
TWI476430B (zh) * 2010-08-23 2015-03-11 Inst Nuclear Energy Res Atomic Energy Council 具極端風速預測功能之風能預報方法
US9606518B2 (en) * 2011-12-28 2017-03-28 General Electric Company Control system and method of predicting wind turbine power generation
BR112014017866B1 (pt) * 2012-01-25 2021-11-09 Abb Schweiz Ag Sistema para a produção de energia elétrica, método de predição de uma magnitude de produção de energia elétrica, produto de programa de computador e meio de armazenamento que pode ser lido em computador
US20130317748A1 (en) * 2012-05-22 2013-11-28 John M. Obrecht Method and system for wind velocity field measurements on a wind farm
CN104603636B (zh) * 2012-09-14 2016-10-26 三菱电机株式会社 激光雷达装置以及测定对象物的速度计算方法
CN104021424B (zh) * 2013-02-28 2018-12-07 乌托巴斯洞察公司 用于预测风场中的风机的输出功率的方法和装置
GB2515578A (en) * 2013-06-30 2014-12-31 Wind Farm Analytics Ltd Wind Turbine Nacelle Based Doppler Velocimetry Method and Apparatus
EP3056924B1 (en) * 2013-10-11 2020-01-01 Mitsubishi Electric Corporation Wind measurement lidar device
US10452992B2 (en) * 2014-06-30 2019-10-22 Amazon Technologies, Inc. Interactive interfaces for machine learning model evaluations
US20160110657A1 (en) * 2014-10-14 2016-04-21 Skytree, Inc. Configurable Machine Learning Method Selection and Parameter Optimization System and Method
ES2904596T3 (es) * 2016-05-23 2022-04-05 Gen Electric Sistema y procedimiento para pronosticar la salida de potencia de un parque eólico
US10539116B2 (en) * 2016-07-13 2020-01-21 General Electric Company Systems and methods to correct induction for LIDAR-assisted wind turbine control
US11003988B2 (en) * 2016-11-23 2021-05-11 General Electric Company Hardware system design improvement using deep learning algorithms

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004301116A (ja) * 2003-03-19 2004-10-28 Mitsubishi Electric Corp 風力発電システム
JP2007056686A (ja) 2005-08-22 2007-03-08 Univ Of Ryukyus 風速予測に基づく風力発電機の数時間先発電電力予測装置
US20110084486A1 (en) * 2008-10-09 2011-04-14 Mitsubishi Heavy Industries, Ltd. Off-shore wind turbine generator and off-shore wind farm
JP2016136001A (ja) * 2015-01-23 2016-07-28 中国電力株式会社 予測装置
JP2016211989A (ja) * 2015-05-11 2016-12-15 三菱電機株式会社 レーザレーダ装置及び観測方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
See also references of EP3604799A4

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10815972B2 (en) 2019-03-22 2020-10-27 General Electric Company System and method for assessing and validating wind turbine and wind farm performance
US10954919B1 (en) 2019-10-02 2021-03-23 General Electric Company Machine-learning model-based analytic for monitoring wind farm power performance
US11231012B1 (en) 2020-09-22 2022-01-25 General Electric Renovables Espana, S.L. Systems and methods for controlling a wind turbine
US11649804B2 (en) 2021-06-07 2023-05-16 General Electric Renovables Espana, S.L. Systems and methods for controlling a wind turbine
CN114006905B (zh) * 2021-10-27 2023-12-05 远景智能国际私人投资有限公司 信息传输方法、装置及系统

Also Published As

Publication number Publication date
US20210408790A1 (en) 2021-12-30
EP3604799A4 (en) 2020-04-15
EP3604799A1 (en) 2020-02-05
JPWO2018198225A1 (ja) 2019-11-07
CN110537018A (zh) 2019-12-03

Similar Documents

Publication Publication Date Title
WO2018198225A1 (ja) Ａｉ装置、レーザレーダ装置、及びウインドファーム制御システム
CN109983362B (zh) 数据处理装置、激光雷达装置以及风测定系统
EP2884306B1 (en) Radar device
AU2011311805B2 (en) System and method for generating derived products in a radar network
CN108885261B (zh) 激光雷达装置
JP6305662B2 (ja) レーザレーダ装置
CN107615094B (zh) 激光雷达装置和风速观测方法
CN111971582B (zh) 激光雷达装置
CN102667495A (zh) 用于远程风感测的方法、装置和系统
WO2011022164A1 (en) Multifunction aircraft light detection and ranging (lidar)
Vasiljević et al. Wind sensing with drone-mounted wind lidars: proof of concept
JP2005351853A (ja) 光波レーダ装置
JP6316970B2 (ja) 気象レーダ制御装置、気象観測システム、気象レーダ制御方法、および気象レーダ制御プログラム
CN114839646A (zh) 一种基于激光多普勒联合闪烁的测风装置以及测风方法
JP2002152975A (ja) 風車発電システム
KR101742868B1 (ko) 무인 항공기 감지를 위한 주파수 변조 연속파 레이더 시스템 망
Kameyama et al. All-fiber coherent Doppler lidar system for wind sensing

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: 17908025

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2019514947

Country of ref document: JP

Kind code of ref document: A

NENP Non-entry into the national phase

Ref country code: DE

ENP Entry into the national phase

Ref document number: 2017908025

Country of ref document: EP

Effective date: 20191028