WO2023020866A1 - Procede de determination de la vitesse du vent au moyen d'un capteur de teledetection par laser monte sur une eolienne - Google Patents

Procede de determination de la vitesse du vent au moyen d'un capteur de teledetection par laser monte sur une eolienne Download PDF

Info

Publication number
WO2023020866A1
WO2023020866A1 PCT/EP2022/072192 EP2022072192W WO2023020866A1 WO 2023020866 A1 WO2023020866 A1 WO 2023020866A1 EP 2022072192 W EP2022072192 W EP 2022072192W WO 2023020866 A1 WO2023020866 A1 WO 2023020866A1
Authority
WO
WIPO (PCT)
Prior art keywords
wind
wind speed
wind turbine
measurement
measurements
Prior art date
Application number
PCT/EP2022/072192
Other languages
English (en)
Inventor
Hoai-Nam NGUYEN
Olivier Lepreux
Fabrice Guillemin
Original Assignee
IFP Energies Nouvelles
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 IFP Energies Nouvelles filed Critical IFP Energies Nouvelles
Priority to CN202280055386.9A priority Critical patent/CN117795194A/zh
Priority to CA3226598A priority patent/CA3226598A1/fr
Publication of WO2023020866A1 publication Critical patent/WO2023020866A1/fr

Links

Classifications

    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F03—MACHINES OR ENGINES FOR LIQUIDS; WIND, SPRING, OR WEIGHT MOTORS; PRODUCING MECHANICAL POWER OR A REACTIVE PROPULSIVE THRUST, NOT OTHERWISE PROVIDED FOR
    • F03D—WIND MOTORS
    • F03D17/00—Monitoring or testing of wind motors, e.g. diagnostics
    • 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
    • G01P5/26—Measuring speed of fluids, e.g. of air stream; Measuring speed of bodies relative to fluids, e.g. of ship, of aircraft by measuring the direct influence of the streaming fluid on the properties of a detecting optical wave
    • 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
    • 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
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
    • F05B—INDEXING SCHEME RELATING TO WIND, SPRING, WEIGHT, INERTIA OR LIKE MOTORS, TO MACHINES OR ENGINES FOR LIQUIDS COVERED BY SUBCLASSES F03B, F03D AND F03G
    • F05B2240/00—Components
    • F05B2240/90—Mounting on supporting structures or systems
    • F05B2240/93—Mounting on supporting structures or systems on a structure floating on a liquid surface
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
    • F05B—INDEXING SCHEME RELATING TO WIND, SPRING, WEIGHT, INERTIA OR LIKE MOTORS, TO MACHINES OR ENGINES FOR LIQUIDS COVERED BY SUBCLASSES F03B, F03D AND F03G
    • F05B2260/00—Function
    • F05B2260/84—Modelling or simulation
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
    • F05B—INDEXING SCHEME RELATING TO WIND, SPRING, WEIGHT, INERTIA OR LIKE MOTORS, TO MACHINES OR ENGINES FOR LIQUIDS COVERED BY SUBCLASSES F03B, F03D AND F03G
    • F05B2270/00—Control
    • F05B2270/30—Control parameters, e.g. input parameters
    • F05B2270/32—Wind speeds
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
    • F05B—INDEXING SCHEME RELATING TO WIND, SPRING, WEIGHT, INERTIA OR LIKE MOTORS, TO MACHINES OR ENGINES FOR LIQUIDS COVERED BY SUBCLASSES F03B, F03D AND F03G
    • F05B2270/00—Control
    • F05B2270/80—Devices generating input signals, e.g. transducers, sensors, cameras or strain gauges
    • F05B2270/804—Optical devices
    • F05B2270/8042—Lidar systems
    • 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 the field of renewable energies and more particularly relates to the measurement of the resource of floating wind turbines, the wind, for the purposes of wind prediction, control (orientation, torque and speed regulation) and/or diagnostics. and/or monitoring of the floating wind turbine and/or digital modeling/simulation of the floating wind turbine.
  • a wind turbine transforms the kinetic energy of the wind into electrical or mechanical energy.
  • wind For the conversion of wind into electrical energy, it consists of the following elements:
  • the mast possibly houses part of the electrical and electronic components (modulator, control, multiplier, generator, etc.);
  • nacelle mounted at the top of the mast, housing mechanical and pneumatic components, certain electrical and electronic components, necessary for the operation of the machine (modulator, control, multiplier, generator, etc.).
  • the nacelle can rotate to point the rotor in the right direction;
  • a rotor fixed to the nacelle, comprising several blades (generally three) and the nose of the wind turbine.
  • the rotor is driven by the energy of the wind, it is connected by a mechanical shaft directly or indirectly (via a gearbox and mechanical shaft system) to an electric machine (electric generator%) which converts the energy collected into electrical energy.
  • the rotor is potentially equipped with control systems such as variable angle blades or aerodynamic brakes;
  • a transmission composed in particular of two axes (mechanical shaft of the rotor and mechanical shaft of the electric machine) connected by a multiplier (gearbox).
  • a multiplier generator
  • the mast of the wind turbine rests on a floating support also called a float.
  • a floating support can be connected to the bottom of the water by anchor lines.
  • Wind turbines are designed to produce electricity at the lowest possible price. Consequently, wind turbines are generally built in such a way as to achieve their maximum performance for a so-called “nominal” wind speed of approximately 12 m/s. It is not necessary to design wind turbines that maximize their efficiency at higher wind speeds, as these are infrequent. In case of wind speeds higher than the nominal wind speed of the wind turbine, it is necessary to lose some of the additional energy contained in the wind in order to avoid any damage to the wind turbine. All wind turbines are therefore designed with a power regulation system.
  • controllers are designed for variable speed wind turbines.
  • the goals of the controllers are to maximize harvested electrical power, minimize rotor speed fluctuations, and minimize fatigue and extreme moments of the structure (blades, mast, and rig).
  • the use of an anemometer makes it possible to estimate a wind speed at a point, but this imprecise technology does not make it possible to measure the whole of a wind field or to know the three-dimensional components of the wind speed.
  • LiDAR is a remote sensing or optical measurement technology based on the analysis of the properties of a beam sent back to its emitter. This method is used in particular to determine the distance to an object by means of a pulsed laser.
  • the LiDAR sensor uses visible or infrared light instead of radio waves.
  • the LiDAR sensor In the field of wind turbines, the LiDAR sensor is announced as being an essential sensor for the proper functioning of large wind turbines, especially as their size and power increase (today, 8 MW, soon 15 MW offshore).
  • This sensor allows the remote measurement of the wind, allowing initially to calibrate the wind turbines so that they can provide maximum power (optimization of the power curve).
  • the sensor can be positioned on the ground and oriented vertically (profiler), which makes it possible to measure the wind speed and its direction, as well as the wind gradient according to the altitudes.
  • This application is particularly critical since it makes it possible to know the energy-producing resource. This is important for wind projects, since it conditions the financial reliability of the project.
  • a second application is the placement of this sensor on the nacelle of the wind turbine, to measure the wind field upstream of the wind turbine while being oriented almost horizontally.
  • the measurement of the wind field upstream of the wind turbine makes it possible to know in advance the turbulence that the wind turbine will encounter a few moments later.
  • current techniques for controlling and monitoring a wind turbine do not take into account a measurement made by a LiDAR sensor by precisely estimating the average wind speed, i.e. in the plane of the rotor. Such an application is described in particular in patent application FR 3013777 (US 2015145253).
  • a specificity of the use of the LiDAR sensor is that the distances of the measurement planes with respect to the plane of the rotor of the wind turbine can be imposed by the user of the LiDAR, can be different from one LiDAR sensor to the other. other, and may be unknown.
  • the wind turbine When the wind turbine is floating, the wind turbine is subjected to the movements of the swell and/or to the force of the wind, which can cause translational and/or rotational movements of the floating wind turbine. These movements generate a dynamic displacement of the LiDAR sensor with respect to a fixed reference (for example the terrestrial reference).
  • This displacement of the LiDAR sensor disturbs the analysis of the measurements of the LiDAR sensor, in fact, the beams of the LiDAR sensor no longer constantly have the same origin, nor the same orientation in the fixed frame of reference, which also continuously modifies the position of the measuring points. This modification of the position of the measurement points is all the more important as the plane of measurement is away from the wind turbine.
  • the offset of the measurement point in time between two extreme positions can be around 40 m.
  • the movements remain variable over time, which generates a variation of the position of the measurement point over time. Therefore, for this situation, the determination of the wind speed may be erroneous when the swell is large and/or when the wind load is large.
  • Figures 1 and 2 illustrate schematically and in a non-limiting manner, this problem.
  • Figure 1 illustrates a floating wind turbine in a vertical position
  • Figure 2 illustrates a floating wind turbine that has undergone movement when there are wind and/or swell stresses.
  • the sea level is denoted MSL.
  • the floating wind turbine 1 comprises a nacelle 3, blades (not shown), a mast 4 and a float 8.
  • the point O corresponds to a fixed point of reference associated with the terrestrial or inertial reference. Typically, point O can be a point on the floating support at sea level.
  • the R0 frame is a fixed direct orthonormal frame whose origin is O, its x axis points horizontally following the orientation of the nacelle, its z axis is ascending vertical and its axis y is arranged in such a way as to complete the orthonormal base, the grid Rep is associated with this fixed reference.
  • Point N designates a geometric point located in the nacelle.
  • Point L designates the origin of the beams of the LiDAR sensor 2.
  • the line segment b represents a measurement beam of the LiDAR sensor.
  • the point P denotes a geometric measurement point of the beam b of the LiDAR sensor 2.
  • the other measurement points of the lidar can be deduced in a similar manner by being placed on measurement beams.
  • Point Nf is the point linked to the reference R0 coinciding with point N when the wind turbine and float assembly is at rest (vertical position in Figure 1).
  • the Rb reference is a variable reference, which originates from the point N and whose orientation of the axes is identical to those of R0 when the wind turbine and float assembly is at rest. Note that, in the fixed frame R0 and the associated grid Rep, the inclination of the measurement beam b and the position of the measurement point P vary greatly between figures 1 and 2.
  • Onshore wind turbines (called “onshore”) or offshore wind turbines are also subject to movements that penalize the measurement of the LiDAR sensor.
  • the object of the invention is to determine at least one characteristic of the wind speed, precisely, even for measurements disturbed by movements of the wind turbine, preferably of a floating wind turbine, which may be due to stresses from swell or wind.
  • the present invention relates to a method which implements measurements of a LiDAR sensor, and measurements from at least one motion sensor, as well as a model of the LiDAR measurement and a model of the wind. Then, the method implements an informative adaptive Kalman filter to determine the wind speed at certain estimation points. It is then possible to deduce therefrom at least one characteristic of the speed of the wind, for example in the plane of the rotor.
  • the movement measurements make it possible to take into account the stresses of the wind turbine, in particular when the wind turbine is floating.
  • the association of these measurements with the wind model which takes into account spatial coherence and temporal coherence and with the informative adaptive Kalman filter makes it possible to take into account the dynamic movements of the wind turbine for the determination of the speed. the wind.
  • the invention relates to a method for determining the wind speed by means of a LiDAR sensor mounted on a wind turbine, preferably a floating wind turbine, and by means of at least one motion sensor mounted on said wind turbine.
  • a. A model of said LiDAR measurements is constructed;
  • b. A wind model is built taking into account the spatial coherence and the temporal coherence of the wind speed; vs.
  • the wind is measured by means of said LiDAR sensor in at least one measurement plane remote from said wind turbine;
  • the movement of the nacelle of said wind turbine is measured by means of said at least one motion sensor in a fixed frame; summer.
  • the wind speed is determined at different estimation points by means of an informative adaptive Kalman filter which implements said model of said LiDAR measurements constructed in step a., said wind model constructed in step b. , said measurements of said LiDAR sensor obtained in step c. and said measurements of said at least one motion sensor obtained in step d., said estimation points being in said fixed frame.
  • said at least one motion sensor comprises an inertial unit, said inertial unit preferably comprising at least one accelerometer and at least one gyroscope.
  • said model of said LiDAR measurements is written: . . .. with m the measurement, x the longitudinal direction, j a measurement beam of said LiDAR sensor, m j,x the measurement on the beam of measure j at distance x, k the discrete time, v the wind speed, v j,x the longitudinal component the wind speed for the measurement beam j, v j,y the transverse component the wind speed for the beam of measurement j, v j,z the vertical component of the wind speed for the measurement beam j, a j , b j , c j of the measurement coefficients for the measurement beam j.
  • spatial coherence of said wind model is a function of transverse coherence, vertical coherence, and longitudinal coherence.
  • said temporal coherence of said wind model is written: with k the discrete time, ⁇ a vector which first comprises the longitudinal components of the wind speed at n predefined estimation points, and the transverse components of the wind speed for said n predefined estimation points, A s is a constant matrix which is the wind speed autocorrelation function obtained by a Kaimal spectrum.
  • said informative adaptive Kalman filter is applied to the following equations and with k the discrete time, v the wind speed, x the longitudinal component, y 1 and y 2 two transverse positions having the same longitudinal and vertical values, x 1 , x 2 two longitudinal positions having the same transverse and vertical values, z 1 , z 2 two vertical positions having the same longitudinal and transverse values, v x,y1 the longitudinal component of the wind speed at position y 1 , v x,y2 the longitudinal component of wind speed at position y 2 , f t a predefined function, v x,x1 the longitudinal component of the wind speed at position x 1 , v x,x2 the longitudinal component of the wind speed at position x 2 , f l a predefined function, v x,z1 the longitudinal component of the wind speed at position z 1 , v x,z2 the longitudinal component of the wind speed at position z 2 , a the power law coefficient, j a measurement
  • said wind speed is determined at different points by implementing the following equations: with k the discrete time, s the information state vector of said adaptive-informative Kalman filter, S the information matrix of said adaptive-informative Kalman filter, the estimate of s(k) given the measurements from time the estimate of s(k) given the measurements from time k, the information matrix of s(k) given the measurements of time k-1 , is the information matrix of s(k) given the time measurements k,
  • a s a constant matrix which is the autocorrelation function of the wind speed obtained by the Kaimal spectrum
  • Q and R the covariance matrices of noises ⁇ (k) and ⁇ (k)
  • C a is obtained by linearizing the output equations around
  • y(k) comprises the measurements of said LiDAR sensor.
  • the method comprises an additional step in which at least one characteristic of said wind speed is determined, preferably a characteristic of the wind speed in a vertical plane, in particular in the vertical plane of the rotor of said wind turbine.
  • the invention relates to a method for controlling a wind turbine, preferably a floating wind turbine.
  • a wind turbine preferably a floating wind turbine.
  • the following steps are carried out: a. at least one characteristic of said wind speed is determined by means of the method according to one of the preceding characteristics; b. said wind turbine is controlled as a function of at least one characteristic of said wind speed.
  • the invention also relates to a computer program product which comprises code instructions arranged to implement the steps of a method according to one of the preceding characteristics, when the program is executed on a control and/or diagnosis of said wind turbine, preferably said floating wind turbine.
  • the invention also relates to a LiDAR sensor which comprises a processing unit implementing a method according to one of the preceding characteristics.
  • the invention relates to a wind turbine, preferably a floating wind turbine, which comprises a LiDAR sensor according to one of the preceding characteristics, said LiDAR sensor being preferably placed on the nacelle of said wind turbine or in the nose of the wind turbine.
  • Figure 1 already described, illustrates a floating wind turbine in a vertical position.
  • Figure 2 already described, illustrates a floating wind turbine in a modified position following a stress (e.g. swell).
  • a stress e.g. swell
  • FIG. 3 illustrates the steps of the method for determining the average wind speed according to one embodiment of the invention.
  • Figure 4 illustrates a floating wind turbine equipped with a LiDAR sensor according to one embodiment of the invention.
  • Figure 5 illustrates for a comparative example curves of the average wind speed, respectively by means of a method according to the prior art, for a measurement plane at 50 m of the wind turbine, for a measurement plane 400 m from the wind turbine and by means of the method according to one embodiment of the invention.
  • the present invention relates to a method for determining the average wind speed for different estimation points, by means of a LiDAR sensor arranged on a wind turbine, preferably on a floating wind turbine.
  • the preferred embodiment implementing a floating wind turbine is described, since this type of wind turbine is subject to greater movements.
  • the invention can also apply to an onshore wind turbine or a wind turbine placed at sea.
  • the LiDAR sensor makes it possible to measure the wind speed on at least one measurement plane upstream of the wind turbine.
  • LiDAR sensors for example scanned LiDAR, continuous LiDAR or pulsed LiDAR.
  • a pulsed LiDAR is preferably used.
  • other LiDAR technologies can be used while remaining within the scope of the invention.
  • the LiDAR sensor enables fast measurement. Therefore, the use of such a sensor allows a fast continuous determination of the wind speed.
  • the sampling rate of the LiDAR sensor can be between 1 and 5 Hz (even more in the future), and can be 4 Hz.
  • the LiDAR sensor makes it possible to obtain information relating to the wind upstream of the wind turbine, this information is linked to the wind which will arrive at the wind turbine. Therefore, the LiDAR sensor can be used for the prediction of the wind speed in the plane of the wind turbine rotor.
  • FIG. 4 represents, schematically and without limitation, a wind turbine 1 with a horizontal axis equipped with a LiDAR sensor 2 for the method according to one embodiment of the invention.
  • the LiDAR sensor 2 is used to measure the wind speed at a given distance on a plurality of PM measurement planes (only two measurement planes are shown). Knowing the wind measurement in advance makes it possible to give a lot of information.
  • This figure also shows the x, y and z axes. The reference point of this mark is the center of the rotor.
  • the x direction is the longitudinal direction, corresponding to the direction of the rotor axis, upstream of the wind turbine, this direction also corresponds to the measurement direction of the LiDAR 2 sensor.
  • the y direction, perpendicular to the x direction, is the lateral or transverse direction located in a horizontal plane (the x, y directions form a horizontal plane).
  • the z direction is the vertical direction (Corresponding substantially to the direction of the mast 4) directed upwards, the z axis is perpendicular to the x and y axes.
  • the rotor plane is indicated by the rectangle in dotted lines PR, it is defined by the directions y, z for a value of zero x.
  • the measurement planes PM are planes formed by the directions y, z at a distance from the plane of the rotor PR (for a non-zero value of x).
  • the measurement planes PM are parallel to the rotor plane PR.
  • a floating wind turbine 1 makes it possible to transform the kinetic energy of the wind into electrical or mechanical energy.
  • it consists of the following elements:
  • a mast 4 making it possible to place a rotor (not represented) at a sufficient height to allow its movement (necessary for wind turbines with a horizontal axis) or to place this rotor at a height allowing it to be driven by a stronger wind and regular than at the level of the water surface 6 (for example at sea level).
  • the mast 4 possibly houses part of the electrical and electronic components (modulator, control, multiplier, generator, ...), the mast 4 rests on a floating support 8 which ensures the flotation of the floating wind turbine, such a floating support 8 can be connected to the bottom of the water by anchor lines;
  • a nacelle 3 mounted at the top of the mast 4, housing mechanical components, tires, some electrical and electronic components (not shown, for example modulator, control, multiplier, generator, ...), necessary for the operation of the machine.
  • the platform 3 can turn to orient the machine in the right direction;
  • the rotor fixed to the nacelle, comprising several blades 7 (generally three) and the nose of the wind turbine.
  • the rotor is driven by the energy of the wind, it is connected by a mechanical shaft directly or indirectly (via a gearbox and mechanical shaft system) to an electric machine (electric generator, etc.) (not shown) which converts the collected energy into electrical energy.
  • the rotor is potentially equipped with control systems such as variable angle blades or aerodynamic brakes
  • a transmission composed of two axes (mechanical shaft of the rotor and mechanical shaft of the electric machine) connected by a transmission (gearbox) (not shown).
  • the LiDAR sensor 2 used comprises four measurement beams or axes (b1, b2, b3, b4).
  • the method according to the invention also works with a LiDAR sensor comprising any number of beams.
  • the LiDAR sensor performs a measurement punctual at each point of intersection of a measurement plane PM and a beam (b1, b2, b3, b4). These measurement points are represented by black circles in FIG. 4, for the first measurement plane PM, the measurement points over denoted PT1, PT2, PT3 and PT4. The processing of the measurements at these measurement points makes it possible to determine the wind speed in the PM measurement planes.
  • the LIDAR sensor 2 can be mounted on the nacelle 3 of the floating wind turbine 1 or in the nose of the floating wind turbine 1 (it is at the front end of the nacelle in the direction of the wind).
  • the wind turbine preferably the floating wind turbine, is also equipped with at least one motion sensor, in order to measure the variations in position of the wind turbine as a function of time.
  • a motion sensor can determine a translation and/or a rotation of at least part of the wind turbine.
  • at least one of the motion sensors may comprise an accelerometer, a gyroscope, an inclinometer, an inertial unit, for example an MRU type sensor (from the English "Motion Reference Unit" which can be translated by reference unit of motion) which may include a unidirectional or multidirectional sensor, or any analog motion sensor.
  • an inertial unit can include six sensors: three gyrometers measuring the components of the angular velocity vector, and three accelerometers measuring the components of the specific force vector (which can be defined as the sum of the external forces other than gravitational divided by the mass ).
  • Such an inertial unit can also comprise a computer which determines, in real time, from the measurements of the sensors, the angles of attitude, the speed vector, the position.
  • Such an inertial unit can be of the IMU type (from the English “Inertial Measurement Unit” which can be translated by inertial measurement unit), of the 1RS type (from the English “Inertial Reference System” which can be translated by inertial reference system ), or of the INS type (from the English “Inertial Navigation System” which can be translated by inertial navigation system). It can be noted that, generally, an inertial unit IMU does not include a computer.
  • the or at least one of the motion sensors can be arranged in the nacelle of the wind turbine.
  • the nacelle of the wind turbine is subjected to movements of significant amplitude.
  • at least one of the movement sensors can be arranged in the mast of the wind turbine and/or in the rotor of the wind turbine and/or on the floating support.
  • the method for determining the average wind speed comprises the following steps:
  • Steps 3) to 6) can be performed in real time or, alternatively, steps 5) and 6) can be performed offline after measurement steps 3) and 4). Steps 1) and 2) can be done offline and prior to steps 3) through 6), and can be done in that order, in reverse order, or simultaneously. Moreover, steps 3) and 4) are preferably simultaneous. All the steps will be detailed later in the description.
  • FIG. 3 illustrates, schematically and in a non-limiting manner, the steps of the method according to one embodiment of the invention.
  • the method makes it possible to determine the average wind speed in a vertical plane by means of a LiDAR sensor placed on a wind turbine.
  • a LiDAR sensor placed on a wind turbine.
  • the wind speed v at different points is determined by means of an informative adaptive Kalman filter KAL, which uses the wind model MOD V, the model of measurements MOD M and the measurements LID and CAM.
  • KAL an informative adaptive Kalman filter
  • at least one characteristic of the wind CAR can be determined from the wind speed v at different points.
  • a model of the measurements of the LiDAR sensor is built. This is a model that links the wind speed components to the measurement signal from the LiDAR sensor.
  • the model of the LiDAR sensor measurements can be written: with m the measure, x the direction longitudinal, j a measurement beam of said LiDAR sensor, m j,x the measurement on the measurement beam j at distance x, k the discrete time, v the wind speed, v j,x the longitudinal component the wind speed for the measurement beam j, v j,y the transverse component the wind speed for the measurement beam j, v j,z the vertical component of the wind speed for the measurement beam j, a j, b j, c j measurement coefficients for measurement beam j.
  • the measurement coefficients a j, b j, c j only depend on the beam angles of the LiDAR sensor and the orientation angles of the wind turbine and are not a function of the measurement distances. These measurement coefficients a j, b j, c j can be data defined by the manufacturer of the LiDAR sensor, or obtained experimentally and corrected with the orientation angles of the wind turbine.
  • the method can implement other models of the measurements of the LiDAR sensor.
  • the wind model takes into account spatial coherence and temporal coherence to define the wind speed and its components at any point in space according to different parameters, in particular according to time, position in space ( therefore according to the coordinates of the point considered in the coordinate system (x, y, z)).
  • we build a wind model that respects the constraints of spatial coherence and the constraints of temporal coherence. Thanks to these spatial and temporal coherences, the wind model is representative of the wind, allows precise determination of the wind speed at any point, and makes it possible to take into account the displacement of the measurement points due to the swell and/or or wind.
  • the wind model can determine the longitudinal and transverse components of the wind speed.
  • the wind model can determine all three components of wind speed.
  • the spatial coherence implemented in the wind model can be a function of a transverse coherence, a longitudinal coherence and a vertical coherence.
  • the representativeness of the wind model is improved.
  • the longitudinal component of the wind speed at point y 1 depends on the longitudinal component of the wind speed at point y 2 and on the distance between points y 1 and y 2 .
  • the predefined function f t can be an exponential function.
  • the z-height datum is defined relative to mean sea level (not LiDAR sensor level).
  • the longitudinal component of the wind speed at point z 1 depends on the longitudinal component of the wind speed at point z 2 and on the ratio between the heights of points z 1 and z 2 .
  • the coefficient a of the power law can be chosen as constant, or can be estimated using measurements from the LiDAR sensor, for example according to the method described in patent application FR 3097644.
  • the longitudinal component of the wind speed at point x 1 depends on the longitudinal component of the wind speed at point x 2 and the distance between points x 1 and x 2 .
  • the predefined function f l can be an exponential function.
  • temporal coherence we mean the variation of the components of the wind speed over time at the same position, that is to say for the same values x, y and z.
  • temporal coherence can be formulated as a relation between the wind speed components between two consecutive discrete time steps, denoted k and k-1.
  • one of the well-known temporal coherences is obtained by implementing the Kaimal spectrum which can be defined by: with f the frequency in Hertz, t represents the component of the wind speed (t can therefore correspond to x, y or z), S t is the Kaimal spectrum of the t component of the wind speed, U is the average speed of the wind at the height of the wind turbine rotor, L t is the integral scale parameter of the t component of the wind speed and ⁇ t is the variance determined by the intensity of the wind turbulence.
  • the Kaimal spectrum makes it possible to determine a discrete transfer function which can link a wind value at time k to a wind value at time k-1.
  • ⁇ a vector of dimensions 2n, which can first include the longitudinal components of the wind speed for the n points considered , and then, the transverse components of the wind speed for the n points considered, or vice versa (the order of the components does not matter).
  • this vector ⁇ in a simple case, if we consider a first point having longitudinal and transverse components of the wind speed v x1 , v y1 , and a second point having the longitudinal and transverse components of the wind speed v x2 , v y2 , the vector ⁇ can be written for example:
  • Von Karman spectrum for temporal coherence, the Von Karman spectrum or any analogous representation can be implemented.
  • Wind speed measurement During this step, the wind is measured continuously in at least one measurement plane distant from the wind turbine by means of the LiDAR sensor. This measurement corresponds to the signal received by the LiDAR sensor in response to the signal emitted by the LiDAR sensor. Indeed, by interferometry and Doppler effect, part of the laser signal emitted by the LiDAR sensor is reflected by air molecules at the measurement points and also by aerosols (dust and microparticles in suspension).
  • the measurement planes can be separated by a longitudinal distance (along the x axis of FIG. 2) preferably between 50 and 400 m from the plane of the rotor, or even more. .
  • a longitudinal distance (along the x axis of FIG. 2) preferably between 50 and 400 m from the plane of the rotor, or even more.
  • the measurement of the wind speed can be carried out in several measurement planes (whose measurement distances are not imposed by the method according to the invention) to facilitate the determination of the speed wind, which allows the user of the LiDAR sensor to freely set the LiDAR sensor.
  • the measurement can be carried out by means of at least two measurement beams of the LiDAR sensor, so as to improve the precision of the measurement.
  • the measurements are obtained successively at the measurement points illustrated in figure 2, starting with the beam b1, then the beam b2, ... up to the beam b4.
  • An interesting feature of this system is that it allows the projection of wind speed to be measured at several distances, simultaneously, for a given beam. It is thus possible to obtain, for example, 10 successive distances between 50 m and 400 m, at a sampling rate of the LiDAR sensor. At each sampling time, only the measurements of the current beam selected are refreshed.
  • a movement of the wind turbine is continuously measured by means of at least one movement sensor.
  • the at least one motion sensor can determine: Surge position measurements, and/or yaw and/or heave, and/or
  • the at least one motion sensor can determine all of these measurements.
  • the motion sensor can make it possible to measure in particular:
  • the mounting angles of the various sensors can be included in the geometric parametrization making it possible to determine in particular the position of the measurement point.
  • a point O' can advantageously be defined as a moving point in the reference R0, so that it is located at sea level, directly above an element fixed to the nacelle, typically the LiDAR sensor , the motion sensor of the wind turbine, or the nose of the wind turbine (junction element of the blades, corresponding to the center of the rotor plane).
  • the position of the point P along the x axis is relative to the position at this element and can make it possible to construct a grid for evaluating the wind field which follows the translation movements of this element along the x-axis.
  • one can for example obtain a grid positioned relative to the nose of the wind turbine along the x axis. This makes it possible to obtain more directly the distance along the x axis between a point on the grid where the wind is estimated and the element in question.
  • the wind speed is determined at different points in space upstream of the wind turbine, by means of an informative adaptive Kalman filter, which implements the wind model built in step 2.
  • the different speed determination points wind are predefined estimation points.
  • the application of the Kalman filter makes it possible to obtain a state observer.
  • the adaptive character of the Kalman filter allows an adaptation of the noise covariance matrix according to the wind speed and the location of the measurement points of the LiDAR sensor.
  • the filter performs well over a wide range of wind speeds and independently of the location of the measurement points of the LiDAR sensor.
  • the adaptive Kalman filter is robust against variations in wind speed and movements of the LiDAR sensor relative to a fixed benchmark.
  • the informative Kalman filter is presented in Dan Simon's book “Simon, D 2006 Optimal state estimation Kalman Hinfy and nonlinear approaches”.
  • An informative adaptive Kalman filter uses the information matrix S, which is the inverse of the covariance matrix, and the information state vector s which is connected to the state ⁇ via the information matrix S In other words, we can write the following equation: where is the estimate of ⁇ and ⁇ is the estimate of s.
  • Such an informative adaptive Kalman filter makes it possible to solve the problem in a simplified and rapid manner, allowing if necessary a real-time application of the method according to the invention (such a real-time application would not be possible with a conventional adaptive Kalman filter : indeed a particular characteristic of the estimation problem is that the number of states is much smaller than the number of output equations. Therefore, the estimation problem of ⁇ (k) becomes the estimation problem Therefore, estimating ⁇ (k) using the Kalman filter can take much longer than is possible for a real-time application, or for post analysis. the Kalman filter can take several days for an hour of data measured by the LiDAR sensor and by the at least one motion sensor).
  • a state observer or a state estimator, is, in automatics and in systems theory, an extension of a model represented in the form of a state representation.
  • an observer is built which allows the state to be reconstructed from a model.
  • step 2 For an embodiment implementing the equations illustrated in step 2, one can write the following state model, with the state equation: and the
  • the vector estimation problem ⁇ (k) becomes a state estimation problem, which does not require imposing the position of the measurement planes of the LiDAR sensor.
  • One way to estimate the unknown state vector ⁇ (k), which can take into account noise information ⁇ (k) and ⁇ (k), is to apply the informative adaptive Kalman filter algorithm, with the following notation: Indeed, the informative adaptive Kalman filter provides the solution of the optimization problem with where P 0 , Q and R are tuning matrices of appropriate dimensions, is the value average of the initial state ⁇ (0).
  • the covariance matrix R is adapted as a function of the measurement distances.
  • R can be a polynomial function of the measurement distances.
  • R can be obtained from a mapping, neural network, etc.
  • • is the estimate of the information state vector s(k) given the measurements made up to time k-1 , i.e. y(k-1 ), y(k-2), ...
  • • is the estimate of the information state vector s(k) given the measurements made up to time k, i.e. y(k-1), y(k-2), .. .
  • • is the information matrix of the vector s(k) given the measurements made up to time k-1 , i.e. y(k-1 ), y(k-2), ...
  • • is the information matrix of vector s(k) given the measurements made up to time k, i.e. y(k-1 ), y(k-2), ....
  • these steps make it possible to determine the vector ⁇ which comprises the components of the wind speed at several points. In other words, these steps make it possible to determine the components of the wind speed at several points.
  • the mean wind speed can be the mean of the longitudinal components of the wind speed in the plane of the rotor considered.
  • the characteristic of the wind can be the REWS (for “rotor effective wind speed”) which is an estimate of a wind speed at the rotor plane commonly used for control and/or diagnosis and/or monitoring of a wind turbine and/or digital modelling/simulation of a wind turbine.
  • REWS for “rotor effective wind speed”
  • the characteristic of the wind can be the RAWS (for “rotor average wind speed”) which is the average speed of the wind in the plane of the rotor in the area formed by the blades of the wind turbine.
  • RAWS for “rotor average wind speed”
  • other wind characteristics can be determined by this step.
  • the present invention also relates to a method for controlling a wind turbine, preferably a floating wind turbine, equipped with a LiDAR sensor and at least one motion sensor. For this process, the following steps are carried out:
  • the wind turbine is controlled according to at least one characteristic of the determined wind speed.
  • the precise and real-time determination of the wind speed allows suitable control of the wind turbine, in terms of minimizing the effects on the structure of the wind turbine and maximizing the power harvested.
  • the LiDAR makes it possible to reduce the loads on the structure, of which the blades and the mast represent 54% of the cost. Therefore, the use of a LiDAR sensor makes it possible to optimize the structure of the wind turbine, and therefore to reduce costs and maintenance.
  • the method may further comprise an intermediate step which determines the wind speed in the plane of the rotor of the wind turbine from the wind speed determined by the method. For this, we can take into account the time of the displacement of the wind between the vertical plane and the plane of the rotor (it can be calculated in particular by taking into account the frozen hypothesis of Taylor). It is also possible to take into account the phenomenon of induction between the vertical plane and the plane of the rotor (for example by means of an induction factor), the phenomenon of induction reflecting the braking of the wind upstream of the wind turbine linked to the presence of the wind turbine blades. Then, the wind turbine is controlled according to the wind speed in the plane of the rotor. In accordance with one implementation of the invention, the angle of inclination of the blades and/or the electric recovery torque of the generator of the wind turbine can be controlled as a function of the speed of the wind. Other types of regulating device can be used.
  • the angle of inclination of the blades and/or the electric recovery torque can be determined by means of maps of the wind turbine as a function of the wind speed at the level of the rotor.
  • the control method described in patent application FR 2976630 A1 (US 2012-0321463) can be applied.
  • the invention also relates to a method for diagnosing and/or monitoring a wind turbine, preferably a floating wind turbine.
  • the method can implement the steps of the method for determining the wind speed according to any one of the variants or combinations of variants as follows:
  • the measurements are taken using the LiDAR sensor and at least one motion sensor, and the measurements are recorded,
  • the operation of the wind turbine is then monitored or a diagnosis of the operation of the wind turbine is deduced therefrom as a function of the speed, for example by comparing the speed of the wind or a characteristic of the speed of the wind with other measurements, such as that the power produced by the wind turbine, the speed of rotation of the blades, etc.
  • the invention relates to a computer program product, which comprises code instructions arranged to implement the steps of one of the methods previously described (method for determining the speed in the plane of the rotor, method for controlling ).
  • the program can be executed on a processing unit of the LiDAR sensor, or on any analogous means, linked to the LiDAR sensor or to the wind turbine.
  • the present invention also relates to a LiDAR sensor for a wind turbine, which comprises a processing unit configured to implement one of the methods previously described (method for determining the speed of the wind, control method).
  • the LiDAR sensor can be a scanned LiDAR, continuous LiDAR or pulsed LiDAR sensor.
  • the LiDAR sensor is a pulsed LiDAR sensor.
  • the invention also relates to a wind turbine equipped with a LiDAR sensor as described above.
  • the invention relates to a floating offshore wind turbine equipped with a LiDAR sensor as described above.
  • the LiDAR sensor can be arranged on the nacelle of the wind turbine or in the nose of the wind turbine (at the end of the nacelle of the wind turbine).
  • the LiDAR sensor is directed in such a way as to measure the wind upstream of the wind turbine (i.e. before the wind turbine and along its longitudinal axis, designated by the x axis in Figure 4).
  • the wind turbine may conform to the wind turbine illustrated in Figures 1, 2 or 4.
  • the wind turbine may comprise control means, for example the control of the pitch angle (which can be translated as pitch angle) of at least one blade of the wind turbine or the electric torque, to implement the control method according to the invention.
  • a floating wind turbine is equipped with a sonic anemometer sensor, a LiDAR sensor and an MRU inertial unit.
  • the sonic sensor is a sensor known from the prior art making it possible to determine the wind speed at a single point, this sonic sensor is placed on the nacelle of the wind turbine.
  • the measurements from this sensor are processed by an algorithm implemented by the turbine manufacturer, known as the "nacelle transfer function", so as to provide a quantity representative of the "free" wind speed, i.e. corrected braking due to the induction zone of the wind turbine.
  • the corresponding time series is filtered with a non-causal low-pass filter to get rid of the noise of measurement of the very high sonic sensor, due in particular to its positioning in the wake close to the blades.
  • the average REWS reference speed is thus obtained.
  • the method is applied according to one embodiment of the invention, by carrying out measurements by means of the LiDAR sensor at least in a measurement plane at 50 m and in a measurement plane at 400 m, so as to obtain the REWS average speed.
  • FIG. 5 illustrates curves of the wind speed V in m/s as a function of time T.
  • the curve AA corresponds to the value of the REWS (“rotor effective wind speed”) determined by the sonic sensor according to the prior art
  • the M50 curve corresponds to the wind speed value in the measurement plane at 50 m
  • the M400 curve corresponds to the wind speed value in the measurement plane at 400 m
  • the INV curve corresponds to the value of the REWS obtained by the method according to one embodiment of the invention from the measurements in the measurement planes at 50 and 400 m.
  • the curves AA and INV are close, therefore, the method according to the invention makes it possible to determine the wind speed in a manner similar to the method according to the prior art AA.
  • the M50 wind speed is lower than the M400 wind speed, which corresponds to the phenomenon of induction, which corresponds to the braking of the wind due to the wind turbine in the wind field.
  • the REWS determined by the method according to the invention INV is similar to the wind speed M400, and has dynamics similar to those at the wind speed M50.

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Electromagnetism (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Remote Sensing (AREA)
  • Combustion & Propulsion (AREA)
  • Mechanical Engineering (AREA)
  • General Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Sustainable Energy (AREA)
  • Sustainable Development (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Multimedia (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Optical Radar Systems And Details Thereof (AREA)

Abstract

La présente invention concerne un procédé qui met en oeuvre des mesures d'un capteur LiDAR (2) monté sur une éolienne (1), et des mesures d'au moins un capteur de mouvement (CAM), ainsi qu'un modèle de la mesure LiDAR (MOD M) et un modèle du vent (MOD V). Ensuite, le procédé met en oeuvre un filtre de Kalman adaptatif informatif (KAL) pour déterminer la vitesse de vent (v) en certains points d'estimation. On peut en déduire alors éventuellement au moins une caractéristique de la vitesse du vent (CAR), par exemple dans le plan du rotor.

Description

PROCEDE DE DETERMINATION DE LA VITESSE DU VENT AU MOYEN D’UN CAPTEUR DE TELEDETECTION PAR LASER MONTE SUR UNE EOLIENNE
Domaine technique
La présente invention concerne le domaine des énergies renouvelables et concerne plus particulièrement la mesure de la ressource des éoliennes flottantes, le vent, dans des objectifs de prédiction du vent, de contrôle (orientation, régulation de couple et de vitesse) et/ou de diagnostic et/ou de surveillance de l’éolienne flottante et/ou de modélisation/simulation numérique de l’éolienne flottante.
Une éolienne permet de transformer l'énergie cinétique du vent en énergie électrique ou mécanique. Pour la conversion du vent en énergie électrique, elle se compose des éléments suivants :
- un mât permettant de placer un rotor à une hauteur suffisante pour permettre son mouvement (nécessaire pour les éoliennes à axe horizontal) ou de placer ce rotor à une hauteur lui permettant d'être entraîné par un vent plus fort et régulier qu'au niveau du sol. Le mât abrite éventuellement une partie des composants électriques et électroniques (modulateur, commande, multiplicateur, générateur, ...) ;
- une nacelle montée au sommet du mât, abritant des composants mécaniques, pneumatiques, certains composants électriques et électroniques, nécessaires au fonctionnement de la machine (modulateur, commande, multiplicateur, générateur, ...). La nacelle peut tourner pour orienter le rotor dans la bonne direction ;
- un rotor, fixé à la nacelle, comprenant plusieurs pales (en général trois) et le nez de l'éolienne. Le rotor est entraîné par l'énergie du vent, il est relié par un arbre mécanique directement ou indirectement (via un système de boîte de vitesse et d'arbre mécanique) à une machine électrique (générateur électrique...) qui convertit l'énergie recueillie en énergie électrique. Le rotor est potentiellement doté de systèmes de contrôle tels que des pales à angle variable ou des freins aérodynamiques ;
- éventuellement une transmission, composée notamment de deux axes (arbre mécanique du rotor et arbre mécanique de la machine électrique) reliés par un multiplicateur (boîte de vitesse). Lorsqu’une éolienne est flottante, le mât de l’éolienne repose sur un support flottant appelé également flotteur. Un tel support flottant peut être relié au fond de l’eau par des lignes d’ancrage.
Depuis le début des années 1990, l'énergie éolienne a connu un regain d'intérêt, en particulier dans l'Union Européenne où le taux de croissance annuel est d'environ 20 %. Cette croissance est attribuée à la possibilité inhérente de production d'électricité sans émissions de carbone. Afin de soutenir cette croissance, le rendement des éoliennes doit continuer à être amélioré. La perspective d'augmentation de production d'énergie éolienne nécessite le développement d'outils de production efficaces, et d'outils de contrôle avancé pour améliorer les performances des machines. Les éoliennes sont conçues pour produire de l'électricité à un prix aussi bas que possible. Par conséquent, les éoliennes sont en général construites de manière à atteindre leur performance maximale pour une vitesse, dite « nominale », du vent d'environ 12 m/s. Il n’est pas nécessaire de concevoir des éoliennes qui maximalisent leur rendement à des vitesses de vent plus élevées, celles-ci étant peu fréquentes. En cas de vitesses de vent supérieures à la vitesse de vent nominale de l’éolienne, il est nécessaire de perdre une partie de l'énergie supplémentaire contenue dans le vent afin d'éviter tout endommagement de l'éolienne. Toutes les éoliennes sont donc conçues avec un système de régulation de la puissance.
Pour cette régulation de la puissance, des contrôleurs sont conçus pour des aérogénérateurs à vitesse variable. Les objectifs des contrôleurs sont de maximiser la puissance électrique récupérée, de minimiser les fluctuations de vitesse du rotor et de minimiser la fatigue et les moments extrêmes de la structure (pales, mât et plate-forme).
Technique antérieure
Pour optimiser le contrôle, il est important de connaître une caractéristique de la vitesse du vent. Pour cela, différentes techniques ont été mises au point.
Selon une première technique, l'utilisation d'un anémomètre permet d'estimer une vitesse du vent en un point, mais cette technologie imprécise ne permet pas de mesurer l’ensemble d’un champ de vent ou de connaître les composantes tridimensionnelles de la vitesse du vent.
Selon une deuxième technique, on peut utiliser un capteur LiDAR (acronyme de l'expression en langue anglaise « light detection and ranging » pouvant être traduite par télédétection par Laser). Le LiDAR est une technologie de télédétection ou de mesure optique basée sur l'analyse des propriétés d'un faisceau renvoyé vers son émetteur. Cette méthode est utilisée notamment pour déterminer la distance à un objet au moyen d’un laser à impulsions. À la différence du radar basé sur un principe similaire, le capteur LiDAR utilise de la lumière visible ou infrarouge au lieu d'ondes radio.
Dans le domaine des éoliennes, le capteur LiDAR est annoncé comme étant un capteur indispensable au bon fonctionnement des grandes éoliennes, tout particulièrement alors que leur taille et leur puissance augmentent (aujourd'hui, 8 MW, bientôt 15 MW en offshore). Ce capteur permet la mesure à distance du vent, permettant dans un premier temps de calibrer les éoliennes pour qu'elles puissent fournir une puissance maximum (optimisation de la courbe de puissance). Pour cette étape de calibration, le capteur peut être positionné au sol et orienté verticalement (profiler), ce qui permet de mesurer la vitesse de vent et sa direction, ainsi que le gradient de vent selon les altitudes. Cette application est tout particulièrement critique puisqu'elle permet de connaître la ressource productrice d'énergie. Ceci est important pour les projets éoliens, puisque cela conditionne la fiabilité financière du projet.
Une seconde application est le placement de ce capteur sur la nacelle de l'éolienne, pour mesurer le champ de vent en amont de l'éolienne en étant orienté quasiment horizontalement. A priori, la mesure du champ de vent en amont de l'éolienne permet de connaître à l'avance la turbulence que va rencontrer l'éolienne quelques instants plus tard. Toutefois, les techniques actuelles de contrôle et de surveillance d'une éolienne ne permettent pas de prendre en compte une mesure réalisée par un capteur LiDAR en estimant précisément la vitesse moyenne du vent, c’est-à-dire dans le plan du rotor. Une telle application est décrite notamment dans la demande de brevet FR 3013777 (US 2015145253).
En outre, une spécificité de l’utilisation du capteur LiDAR est que les distances des plans de mesure par rapport au plan du rotor de l’éolienne peuvent être imposées par l’utilisateur du LiDAR, peuvent être différentes d’un capteur LiDAR à l’autre, et peuvent être inconnues. Dans ce cas, il n’est pas possible d’utiliser des procédés de détermination de la vitesse du vent tels que décrits dans les demandes de brevet FR3068139 (US 2020/0124026), FR3088971 (US 2020/0166650), qui nécessitent d’imposer la distance des plans de mesure par rapport au plan du rotor de l’éolienne.
Lorsque l’éolienne est flottante, l’éolienne est soumise aux mouvements de la houle et/ou à la force du vent, qui peuvent entraîner des mouvements de translation et/ou de rotation de l’éolienne flottante. Ces mouvements génèrent un déplacement dynamique du capteur LiDAR par rapport à un référentiel fixe (par exemple le référentiel terrestre). Ce déplacement du capteur LiDAR perturbe l’analyse des mesures du capteur LiDAR, en effet, les faisceaux du capteur LiDAR n’ont plus constamment la même origine, ni la même orientation dans le référentiel fixe, ce qui modifie également en continu la position des points de mesure. Cette modification de la position des points de mesure est d’autant plus importante que le plan de mesure est éloigné de l’éolienne. Par exemple, pour un point de mesure appartenant à un plan de mesure à 400 m du capteur LiDAR, le décalage du point de mesure dans le temps entre deux positions extrêmes peut être d’environ 40m. De plus, en raison de la fréquence de la houle et des modifications du vent, les mouvements restent variables dans le temps, ce qui génère une variation de la position du point de mesure dans le temps. Par conséquent, pour cette situation, la détermination de la vitesse du vent peut être erronée lorsque la houle est importante et/ou lorsque la sollicitation du vent est importante.
Les figures 1 et 2 illustrent schématiquement et de manière non limitative, cette problématique. La figure 1 illustre une éolienne flottante en position verticale, et la figure 2 illustre une éolienne flottante ayant subi un mouvement lorsqu’il y a des sollicitations de vent et/ou de houle. Sur ces figures, le niveau de la mer est noté MSL. L’éolienne flottante 1 comprend une nacelle 3, des pales (non représentées), un mat 4 et un flotteur 8. Le point O correspond à un point fixe de référence associé au repère terrestre ou inertiel. Typiquement, le point O peut être un point du support flottant au niveau de la mer. Le repère R0 est un repère orthonormé direct fixe qui a pour origine O, son axe x pointe horizontalement suivant l’orientation de la nacelle, son axe z est vertical ascendant et son axe y est disposé de telle sorte à compléter la base orthonormée, la grille Rep est associée à ce repère fixe. Le point N désigne un point géométrique situé dans la nacelle. Le point L désigne l’origine des faisceaux du capteur LiDAR 2. Le segment de droite b représente un faisceau de mesure du capteur LiDAR. Le point P désigne un point géométrique de mesure du faisceau b du capteur LiDAR 2. Les autres points de mesure du lidar peuvent être déduits de manière similaire en étant placé sur des faisceaux de mesure. Le point Nf est le point lié au repère R0 coïncidant avec le point N lorsque l’ensemble éolienne et flotteur est au repos (position verticale de la figure 1 ). Le repère Rb est un repère variable, qui a pour origine le point N et dont l’orientation des axes est identique à ceux de R0 lorsque l’ensemble éolienne et flotteur est au repos. On remarque que, dans le repère fixe R0 et la grille Rep associée, l’inclinaison du faisceau de mesure b et la position du point de mesure P varient fortement entre les figures 1 et 2.
Les éoliennes terrestres (dites « onshore ») ou les éoliennes posées en mer, sont soumises également à des mouvements qui pénalisent la mesure du capteur LiDAR.
Résumé de l’invention
L’invention a pour but de déterminer au moins une caractéristique de la vitesse du vent, de manière précise, même pour des mesures perturbées par des mouvements de l’éolienne, de préférence d’une éolienne flottante, pouvant être dues à des sollicitations de la houle ou vent. Pour cela, la présente invention concerne un procédé qui met en oeuvre des mesures d’un capteur LiDAR, et des mesures d’au moins un capteur de mouvement, ainsi qu’un modèle de la mesure LiDAR et un modèle du vent. Ensuite, le procédé met en oeuvre un filtre de Kalman adaptatif informatif pour déterminer la vitesse de vent en certains points d’estimation. On peut en déduire alors éventuellement au moins une caractéristique de la vitesse du vent, par exemple dans le plan du rotor. Les mesures du mouvement permettent de prendre en compte les sollicitations de l’éolienne, en particulier lorsque l’éolienne est flottante. De plus, l’association de ces mesures avec le modèle du vent qui prend en compte la cohérence spatiale et la cohérence temporelle et avec le filtre de Kalman adaptatif informatif permet de tenir compte des mouvements dynamiques de l’éolienne pour la détermination de la vitesse du vent.
L’invention concerne un procédé de détermination de la vitesse du vent au moyen d’un capteur LiDAR monté sur une éolienne, de préférence une éolienne flottante, et au moyen d’au moins un capteur de mouvement monté sur ladite éolienne. Pour ce procédé, on met en oeuvre les étapes suivantes : a. On construit un modèle desdites mesures LiDAR ; b. On construit un modèle du vent en prenant en compte la cohérence spatiale et la cohérence temporelle de la vitesse du vent ; c. On mesure au moyen dudit capteur LiDAR le vent en au moins un plan de mesure distant de ladite éolienne ; d. On mesure au moyen dudit au moins un capteur de mouvement le mouvement de la nacelle de ladite éolienne dans un repère fixe ; et e. On détermine la vitesse du vent en différents points d’estimation au moyen d’un filtre de Kalman adaptatif informatif qui met en oeuvre ledit modèle desdites mesures LiDAR construit à l’étape a., ledit modèle de vent construit à l’étape b., lesdites mesures dudit capteur LiDAR obtenues à l’étape c. et lesdites mesures dudit au moins un capteur de mouvement obtenues à l’étape d., lesdits points d’estimation étant dans ledit repère fixe.
Selon un mode de réalisation, ledit au moins un capteur de mouvement comprend une centrale inertielle, ladite centrale inertielle comprenant de préférence au moins un accéléromètre et au moins un gyroscope.
Conformément à une mise en oeuvre, ledit modèle desdites mesures LiDAR s’écrit :
Figure imgf000007_0001
. . .. avec m la mesure, x la direction longitudinale, j un faisceau de mesure dudit capteur LiDAR, mj,x la mesure sur le faisceau de mesure j à la distance x, k le temps discret, v la vitesse du vent, vj,x la composante longitudinale la vitesse du vent pour le faisceau de mesure j, vj,y la composante transversale la vitesse du vent pour le faisceau de mesure j, vj,z la composante verticale de la vitesse du vent pour le faisceau de mesure j, aj, bj, cj des coefficients de mesure pour le faisceau de mesure j.
Selon un aspect, cohérence spatiale dudit modèle de vent est fonction d’une cohérence transversale, d’une cohérence verticale, et d’une cohérence longitudinale.
Selon une caractéristique, ladite cohérence temporelle dudit modèle de vent s’écrit :
Figure imgf000008_0003
avec k le temps discret, ω un vecteur qui comporte d’abord les composantes longitudinales de la vitesse du vent en n points d’estimation prédéfinis, et les composantes transversales de la vitesse du vent pour lesdits n points d’estimation prédéfinis, As est une matrice constante qui est la fonction d’autocorrélation de la vitesse du vent obtenue par un spectre de Kaimal.
Conformément à un mode de réalisation, on applique ledit filtre de Kalman adaptatif informatif
Figure imgf000008_0001
aux équations suivantes et
Figure imgf000008_0002
avec k le temps discret, v la vitesse du vent, x la composante longitudinale, y1 et y2 deux positions transversales ayant les mêmes valeurs longitudinale et verticale, x1 , x2 deux positions longitudinales ayant les mêmes valeurs transversale et verticale, z1, z2 deux positions verticales ayant les mêmes valeurs longitudinale et transversale, vx,y1 la composante longitudinale de la vitesse du vent à la position y1, vx,y2 la composante longitudinale de la vitesse du vent à la position y2, ft une fonction prédéfinie, vx,x1 la composante longitudinale de la vitesse du vent à la position x1, vx,x2 la composante longitudinale de la vitesse du vent à la position x2, fl une fonction prédéfinie, vx,z1 la composante longitudinale de la vitesse du vent à la position z1, vx,z2 la composante longitudinale de la vitesse du vent à la position z2, a le coefficient de la loi de puissance, j un faisceau de mesure dudit capteur LiDAR, mj,x la mesure sur le faisceau de mesure j à la distance x, vj,x la composante longitudinale la vitesse du vent pour le faisceau de mesure j, vj,y la composante transversale la vitesse du vent pour le faisceau de mesure j, vj,z la composante verticale de la vitesse du vent pour le faisceau de mesure j, aj, bj, Cj des coefficients de mesure pour le faisceau de mesure j, η le bruit de l’équation d’état, ε1 le bruit transversal, εv le bruit vertical, εl le bruit longitudinal, εm le bruit de mesure, As est une matrice constante qui est la fonction d’autocorrélation de la vitesse du vent obtenu par un spectre de Kaimal.
Selon une mise en oeuvre, on détermine ladite vitesse de vent en différents points en mettant en oeuvre les équations suivantes :
Figure imgf000009_0004
Figure imgf000009_0005
avec k le temps discret, s le vecteur d’état d’information dudit filtre de Kalman adaptatif-informatif, S la matrice d’information dudit filtre de Kalman adaptatif-informatif,
Figure imgf000009_0001
l’estimation de s(k) étant donné les mesures à partir du temps
Figure imgf000009_0002
Figure imgf000009_0006
l’estimation de s(k) étant donné les mesure à partir du temps k, la matrice d’information de s(k) étant donné les mesures du temps k-1 ,
Figure imgf000009_0007
est la matrice d’information de s(k) étant donné les mesures du temps k, As une matrice constante qui est la fonction d’autocorrélation de la vitesse du vent obtenu par le spectre de Kaimal, Q et R les matrices de covariance de bruits ε(k) et η(k), Ca est obtenu en linéarisant les équations de sortie autour de
Figure imgf000009_0003
, y(k) comprend les mesures dudit capteur LiDAR.
Selon un mode de réalisation, le procédé comprend une étape supplémentaire dans lequel on détermine au moins une caractéristique de ladite vitesse du vent, de préférence une caractéristique de la vitesse du vent dans un plan vertical, en particulier dans le plan vertical du rotor de ladite éolienne.
De plus, l’invention concerne un procédé de contrôle d’une éolienne, de préférence une éolienne flottante. Pour ce procédé, on met en oeuvre les étapes suivantes : a. on détermine au moins une caractéristique de ladite vitesse du vent au moyen du procédé selon l’une des caractéristiques précédentes ; b. on contrôle ladite éolienne en fonction de l’au moins une caractéristique de ladite vitesse du vent.
L’invention concerne également un produit programme d’ordinateur qui comprend des instructions de code agencés pour mettre en oeuvre les étapes d’un procédé selon l’une des caractéristiques précédentes, lorsque le programme est exécuté sur une unité de contrôle et/ou de diagnostic de ladite éolienne, de préférence ladite éolienne flottante.
L’invention concerne aussi un capteur LiDAR qui comprend une unité de traitement mettant en oeuvre un procédé selon l’une des caractéristiques précédentes.
En outre, l’invention concerne une éolienne, de préférence une éolienne flottante, qui comporte un capteur LiDAR selon une des caractéristiques précédentes, ledit capteur LiDAR étant de préférence placé sur la nacelle de ladite éolienne ou dans le nez de l’éolienne.
D'autres caractéristiques et avantages du procédé et du système selon l'invention, apparaîtront à la lecture de la description ci-après d'exemples non limitatifs de réalisation, en se référant aux figures annexées et décrites ci-après.
Liste des figures
La figure 1 , déjà décrite, illustre une éolienne flottante en position verticale.
La figure 2, déjà décrite, illustre une éolienne flottante en position modifiée à la suite d’une sollicitation (par exemple houle).
La figure 3 illustre les étapes du procédé de détermination de la vitesse moyenne du vent selon un mode de réalisation de l’invention.
La figure 4 illustre une éolienne flottante équipée d’un capteur LiDAR selon un mode de réalisation de l’invention.
La figure 5 illustre pour un exemple comparatif des courbes de la vitesse moyenne du vent, respectivement au moyen d’un procédé selon l’art antérieur, pour un plan de mesure à 50 m de l’éolienne, pour un plan de mesure à 400 m de l’éolienne et au moyen du procédé selon un mode de réalisation de l’invention.
Description des modes de réalisation
La présente invention concerne un procédé de détermination de la vitesse moyenne du vent pour différents points d’estimation, au moyen d’un capteur LiDAR agencé sur une éolienne, de préférence sur une éolienne flottante.
Dans la suite de la description, le mode de réalisation préféré mettant en oeuvre une éolienne flottante est décrit, car ce type d’éolienne est soumis à des mouvements plus importants. Toutefois, l’invention peut s’appliquer également à une éolienne terrestre (« onshore ») ou une éolienne posée en mer.
Selon l’invention, le capteur LiDAR permet de mesurer la vitesse du vent sur au moins un plan de mesure en amont de l’éolienne. Il existe plusieurs types de capteur LiDAR, par exemple les capteurs LiDAR scannés, LiDAR continus ou LiDAR pulsés. Dans le cadre de l’invention, on utilise de préférence un LiDAR pulsé. Cependant, les autres technologies de LiDAR peuvent être utilisées tout en restant dans le cadre de l’invention.
Le capteur LiDAR permet une mesure rapide. Par conséquent, l’utilisation d’un tel capteur, permet une détermination rapide en continu de la vitesse du vent. Par exemple, le taux d’échantillonnage du capteur LiDAR peut être compris entre 1 et 5 Hz (voire plus dans le futur), et peut valoir 4 Hz. De plus, le capteur LiDAR permet d’obtenir des informations relatives au vent en amont de l’éolienne, ces informations sont liées au vent qui va arriver sur l’éolienne. Par conséquent, le capteur LiDAR peut être utilisé pour la prédiction de la vitesse du vent dans le plan du rotor de l’éolienne.
La figure 4 représente, de manière schématique et non limitative, une éolienne 1 à axe horizontal équipée d'un capteur LiDAR 2 pour le procédé selon un mode de réalisation de l’invention. Le capteur LiDAR 2 est utilisé pour mesurer la vitesse du vent à une distance donnée sur une pluralité de plans de mesure PM (seulement deux plans de mesure sont représentés). La connaissance en avance de la mesure de vent permet a priori de donner beaucoup d'informations. Sur cette figure, sont représentés également les axes x, y et z. Le point de référence de ce repère est le centre du rotor. La direction x est la direction longitudinale, correspondant à la direction de l’axe du rotor, en amont de l’éolienne, cette direction correspond aussi à la direction de mesure du capteur LiDAR 2. La direction y, perpendiculaire à la direction x, est la direction latérale ou transversale située dans un plan horizontal (les directions x, y forment un plan horizontal). La direction z est la direction verticale (correspondant sensiblement à la direction du mât 4) dirigée vers le haut, l’axe z est perpendiculaire aux axes x et y. Le plan du rotor est indiqué par le rectangle en traits pointillés PR, il est défini par les directions y, z pour une valeur de x nul. Les plans de mesure PM sont des plans formés par les directions y, z à une distance du plan du rotor PR (pour une valeur de x non nulle). Les plans de mesure PM sont parallèles au plan du rotor PR.
Classiquement, une éolienne flottante 1 permet de transformer l'énergie cinétique du vent en énergie électrique ou mécanique. Pour la conversion du vent en énergie électrique, elle se compose des éléments suivants :
- un mât 4 permettant de placer un rotor (non représenté) à une hauteur suffisante pour permettre son mouvement (nécessaire pour les éoliennes à axe horizontal) ou de placer ce rotor à une hauteur lui permettant d'être entraîné par un vent plus fort et régulier qu'au niveau de la surface d’eau 6 (par exemple au niveau de la mer). Le mât 4 abrite éventuellement une partie des composants électriques et électroniques (modulateur, commande, multiplicateur, générateur, ...), le mât 4 repose sur un support flottant 8 qui assure la flottaison de l’éolienne flottante, un tel support flottant 8 peut être relié au fond de l’eau par des lignes d’ancrage ;
- une nacelle 3 montée au sommet du mât 4, abritant des composants mécaniques, pneumatiques, certains composants électriques et électroniques (non représentés, par exemple modulateur, commande, multiplicateur, générateur, ...), nécessaires au fonctionnement de la machine. La nacelle 3 peut tourner pour orienter la machine dans la bonne direction ;
- le rotor, fixé à la nacelle, comprenant plusieurs pales 7 (en général trois) et le nez de l'éolienne. Le rotor est entraîné par l'énergie du vent, il est relié par un arbre mécanique directement ou indirectement (via un système de boîte de vitesse et d'arbre mécanique) à une machine électrique (générateur électrique...) (non représentés) qui convertit l'énergie recueillie en énergie électrique. Le rotor est potentiellement doté de systèmes de contrôle tels que des pales à angle variable ou des freins aérodynamiques
- éventuellement une transmission, composée de deux axes (arbre mécanique du rotor et arbre mécanique de la machine électrique) reliés par une transmission (boîte de vitesse) (non représentés).
Comme visible à la figure 4, qui est un exemple de réalisation d’un capteur LiDAR pulsé, le capteur LiDAR 2 utilisé comporte quatre faisceaux ou axes de mesures (b1 , b2, b3, b4). De manière non limitative, le procédé selon l’invention fonctionne également avec un capteur LiDAR comportant un nombre quelconque de faisceaux. Le capteur LiDAR réalise une mesure ponctuelle en chaque point d’intersection d’un plan de mesure PM et d’un faisceau (b1 , b2, b3, b4). Ces points de mesure sont représentés par des cercles noirs sur la figure 4, pour le premier plan de mesure PM, les points de mesure sur notés PT1 , PT2, PT3 et PT4. Le traitement des mesures en ces points de mesure permet de déterminer la vitesse du vent dans les plans de mesure PM.
De préférence, le capteur LIDAR 2 peut être monté sur la nacelle 3 de l’éolienne flottante 1 ou dans le nez de l’éolienne flottante 1 (c’est à l’extrémité avant de la nacelle dans la direction du vent).
Selon l’invention, l’éolienne, de préférence l’éolienne flottante, est également équipée d’au moins un capteur de mouvement, afin de mesurer les variations de position de l’éolienne en fonction du temps. Un tel capteur de mouvement peut déterminer une translation et/ou une rotation d’au moins une partie de l’éolienne. De préférence, au moins un des capteurs de mouvement peut comprendre un accéléromètre, un gyroscope, un inclinomètre, une centrale inertielle, par exemple un capteur de type MRU (de l’anglais « Motion Reference Unit » pouvant être traduit par unité de référence de mouvement) qui peut comprendre un capteur unidirectionnel ou multidirectionnel, ou tout capteur de mouvement analogue.
Par exemple, une centrale inertielle peut comprendre six capteurs : trois gyromètres mesurant les composantes du vecteur de vitesse angulaire, et trois accéléromètres mesurant les composantes du vecteur force spécifique (qui peut se définir comme la somme des forces extérieures autres que gravitationnelles divisée par la masse). Une telle centrale inertielle peut comporter également un calculateur qui détermine, en temps réel, à partir des mesures des capteurs, les angles d’attitude, le vecteur vitesse, la position. Une telle centrale inertielle peut être du type IMU (de l’anglais « Inertiel Measurement Unit » pouvant être traduit par unité de mesure inertielle), du type 1RS (de l’anglais « Inertial Reference System » pouvant être traduit par système de référence inertielle), ou du type INS (de l’anglais « Inertial Navigation System » pouvant être traduit par système de navigation inertiel). On peut noter que, généralement, une centrale inertielle IMU ne comprend pas de calculateur.
De préférence, le ou au moins un des capteurs de mouvement peut être agencé dans la nacelle de l’éolienne. En effet, la nacelle de l’éolienne est soumise à des mouvements d’amplitude importante. En variante ou cumulativement, au moins un des capteurs de mouvement peut être agencé dans le mât de l’éolienne et/ou dans le rotor de l’éolienne et/ou sur le support flottant. Selon l’invention, le procédé de détermination de la vitesse moyenne du vent comporte les étapes suivantes :
1 ) Construction d’un modèle des mesures du capteur LiDAR
2) Construction d’un modèle du vent
3) Mesure du vent
4) Mesure du mouvement de l’éolienne
5) Détermination de la vitesse du vent
6) Détermination d’au moins une caractéristique de la vitesse du vent (étape facultative)
Les étapes 3) à 6) peuvent être réalisées en temps réel ou, alternativement les étapes 5) et 6) peuvent être réalisées hors ligne après les étapes de mesure 3) et 4). Les étapes 1 ) et 2) peuvent être réalisées hors ligne et préalablement aux étapes 3) à 6), et peuvent être réalisées dans cet ordre, dans l’ordre inverse ou simultanément. De plus, les étapes 3) et 4) sont de préférence simultanées. Toutes les étapes seront détaillées dans la suite de la description.
La figure 3 illustre, schématiquement et de manière non limitative, les étapes du procédé selon un mode de réalisation de l’invention. Le procédé permet de déterminer la vitesse moyenne du vent dans un plan vertical au moyen d’un capteur LiDAR placé sur une éolienne. Dans un premier temps, on peut construire hors ligne un modèle du vent MOD V, et un modèle des mesures MOD M. Puis, dans un deuxième temps, on mesure LID le vent au moyen du capteur LiDAR, et on mesure CAM le mouvement de l’éolienne au moyen d’au moins un capteur de mouvement. Ensuite, on détermine la vitesse du vent v en différents points au moyen d’un filtre de Kalman adaptatif informatif KAL, qui utilise le modèle du vent MOD V, le modèle des mesures MOD M et les mesures LID et CAM. Enfin, le cas échéant, on peut déterminer au moins une caractéristique du vent CAR à partir de la vitesse du vent v en différents points.
1 ) Construction d’un modèle des mesures du capteur LiDAR
Lors de cette étape, on construit un modèle des mesures du capteur LiDAR. Il s’agit d’un modèle qui relie les composantes de la vitesse du vent au signal de mesure issu du capteur LiDAR.
Selon un mode de réalisation de l’invention, le modèle des mesures du capteur LiDAR peut s’écrire :
Figure imgf000014_0001
avec m la mesure, x la direction longitudinale, j un faisceau de mesure dudit capteur LiDAR, mj,x la mesure sur le faisceau de mesure j à la distance x, k le temps discret, v la vitesse du vent, vj,x la composante longitudinale la vitesse du vent pour le faisceau de mesure j, vj,y la composante transversale la vitesse du vent pour le faisceau de mesure j, vj,z la composante verticale de la vitesse du vent pour le faisceau de mesure j, aj, bj, cj des coefficients de mesure pour le faisceau de mesure j. Les coefficients de mesure aj, bj, cj ne dépendent que des angles de faisceau du capteur LiDAR et des angles d’orientation de l’éolienne et ne sont pas fonction des distances de mesure. Ces coefficients de mesure aj, bj, cj peuvent être des données définies par le fabriquant du capteur de LiDAR, ou obtenues expérimentalement et corrigées avec les angles d’orientation de l’éolienne.
En variante, le procédé peut mettre en oeuvre d’autres modèles des mesures du capteur LiDAR.
2) Construction d’un modèle du vent
Lors de cette étape, on construit un modèle du vent. Le modèle du vent prend en compte la cohérence spatiale et la cohérence temporelle pour définir la vitesse du vent et ses composantes en tout point de l’espace en fonction de différents paramètres, notamment en fonction du temps, de la position dans l’espace (donc en fonction des coordonnées du point considéré dans le repère (x, y, z)). En d’autres termes, on construit un modèle du vent qui respecte les contraintes de cohérence spatiale et les contraintes de cohérence temporelle. Grâce à ces cohérences spatiale et temporelle, le modèle du vent est représentatif du vent, permet une détermination précise de la vitesse du vent en tout point, et permet de pouvoir prendre en compte le déplacement des points de mesure en raison de la houle et/ou du vent.
Conformément à une mise en oeuvre de l’invention, le modèle du vent peut déterminer les composantes longitudinale et transversale de la vitesse du vent. Alternativement, le modèle du vent peut déterminer les trois composantes de la vitesse du vent.
Selon un mode de réalisation de l’invention, la cohérence spatiale mise en oeuvre dans le modèle du vent peut être fonction d’une cohérence transversale, d’une cohérence longitudinale et d’une cohérence verticale. Ainsi, on améliore la représentativité du modèle du vent.
Pour ce mode de réalisation, on peut écrire la cohérence transversale au moyen de l’équation
Figure imgf000015_0001
suivante : avec x la composante longitudinale, y1 et y2 deux positions transversales ayant les mêmes valeurs longitudinale (x1=x2=x) et verticale (z1=z2=z), vx,y1 la composante longitudinale de la vitesse du vent à la position y1, vx,y2 la composante longitudinale de la vitesse du vent à la position y2, ft une fonction prédéfinie connue. Ainsi, la composante longitudinale de la vitesse du vent au point y1 dépend de la composante longitudinale de la vitesse du vent au point y2 et de la distance entre les points y1 et y2. Selon un exemple de réalisation, la fonction prédéfinie ft peut être une fonction exponentielle.
Pour ce mode de réalisation, on peut écrire la cohérence verticale au moyen de l’équation suivante :
Figure imgf000016_0001
avec x la composante longitudinale, z1 et z2 deux positions verticales ayant les mêmes valeurs longitudinale (x1=x2=x) et transversale (y1=y2=y), vx,z1 la composante longitudinale de la vitesse du vent à la position z1, vx,z2 la composante longitudinale de la vitesse du vent à la position z2, a le coefficient de la loi de puissance. Pour cette équation, le référentiel de la hauteur z est défini par rapport au niveau moyen de la mer (et non au niveau du capteur LiDAR). Ainsi, la composante longitudinale de la vitesse du vent au point z1 dépend de la composante longitudinale de la vitesse du vent au point z2 et du rapport entre les hauteurs des points z1 et z2. Le coefficient a de la loi de puissance peut être choisi comme constant, ou peut être estimé en utilisant des mesures du capteur LiDAR, par exemple selon le procédé décrit dans la demande de brevet FR 3097644.
Pour ce mode de réalisation, on peut écrire la cohérence longitudinale au moyen de l’équation
Figure imgf000016_0002
suivante : avec x la composante longitudinale, x1 et x2 deux positions longitudinales ayant les mêmes valeurs transversale (y1=y2=y) et verticale (z1=z2=z), vx,x1 la composante longitudinale de la vitesse du vent à la position x1, vx,x2 la composante longitudinale de la vitesse du vent à la position x2, fl une fonction prédéfinie connue. Ainsi, la composante longitudinale de la vitesse du vent au point x1 dépend de la composante longitudinale de la vitesse du vent au point x2 et de la distance entre les points x1 et x2. Selon un exemple de réalisation, la fonction prédéfinie fl peut être une fonction exponentielle.
Par la cohérence temporelle, on entend la variation des composantes de la vitesse du vent dans le temps en une même position, c’est-à-dire pour les mêmes valeurs x, y et z. En d’autres termes, la cohérence temporelle peut être formulée comme une relation entre les composantes de la vitesse du vent entre deux pas de temps discrets consécutifs, notés k et k-1. Conformément à une mise en oeuvre de l’invention, l’une des cohérences temporelles bien connues est obtenue en mettant en oeuvre le spectre de Kaimal qui peut se définir par :
Figure imgf000017_0001
avec f la fréquence en Hertz, t représente la composante de la vitesse du vent (t peut donc correspondre à x, y ou z), St est le spectre de Kaimal de la composante t de la vitesse vent, U est la vitesse moyenne du vent à la hauteur du rotor de l’éolienne, Lt est le paramètre d’échelle intégrale de la composante t de la vitesse du vent et σt est la variance déterminée par l’intensité de la turbulence du vent. En effet, le spectre de Kaimal permet de déterminer une fonction de transfert discrète qui peut relier une valeur de vent à l’instant k à une valeur de vent à l’instant k-1 .
Pour le mode de réalisation pour lequel on détermine uniquement les composantes longitudinales et transversales de la vitesse du vent, on peut poser ω un vecteur de dimensions 2n, qui peut comprendre d’abord les composantes longitudinales de la vitesse du vent pour les n points considérés, et ensuite, les composantes transversales de la vitesse du vent pour les n points considérés, ou inversement (l’ordre des composantes n’a pas importance). Pour illustrer ce vecteur ω dans un cas simple, si on considère un premier point ayant des composantes longitudinale et transversale de la vitesse du vent vx1, vy1, et un deuxième point ayant les composantes longitudinale et transversale de la vitesse du vent vx2, vy2, le vecteur ω peut s’écrire par exemple :
Figure imgf000017_0002
Au moyen de cette notation, et en notant que le spectre de Kaimal est la transformée de Fourier de la fonction d’autocorrélation de la vitesse du vent, on peut écrire l’équation suivante
Figure imgf000017_0003
pour la cohérence temporelle : avec As une matrice constante qui est la fonction d’autocorrélation de la vitesse du vent obtenue par un spectre de Kaimal. La matrice As peut être obtenue à partir de la formule du spectre de Kaimal telle que définie ci-dessus. Ainsi, cette équation donne le lien entre la vitesse du vent ω à l’instant k et la vitesse du vent ω à l’instant k-1 .
Alternativement, pour la cohérence temporelle, on peut mettre en oeuvre le spectre de Von Karman ou toute représentation analogue.
3) Mesure de la vitesse du vent Lors de cette étape, on mesure, en continu, le vent en au moins un plan de mesure distant de l’éolienne au moyen du capteur LiDAR. Cette mesure correspond au signal reçu par le capteur LiDAR en réponse au signal émis par le capteur LiDAR. En effet, par interférométrie et effet Doppler, une partie de signal Laser émis par le capteur LiDAR est réfléchie par les molécules d'air aux points de mesure et également par les aérosols (poussières et microparticules en suspension).
Conformément à une mise en oeuvre de réalisation de l’invention, les plans de mesure peuvent être éloignés d’une distance longitudinale (selon l’axe x de la figure 2) comprise préférentiellement entre 50 et 400 m du plan du rotor, voire plus. Ainsi, il est possible de déterminer l’évolution de la vitesse du vent sur une longue distance en amont de l’éolienne, ce qui permet également d’augmenter la précision de la détermination de la vitesse moyenne du vent.
Selon un mode de réalisation de l’invention, on peut réaliser la mesure de la vitesse du vent en plusieurs plans de mesure (dont les distances de mesures ne sont pas imposées par le procédé selon l’invention) pour faciliter la détermination de la vitesse du vent, ce qui permet à l’utilisateur du capteur LiDAR de paramétrer librement le capteur LiDAR.
Selon un aspect de l’invention, on peut réaliser la mesure au moyen d’au moins deux faisceaux de mesure du capteur LiDAR, de manière à améliorer la précision de la mesure.
Pour le mode de réalisation mettant en oeuvre un LiDAR pulsé, les mesures sont obtenues successivement aux points de mesure illustrés en figure 2, en commençant par le faisceau b1 , puis le faisceau b2, ... jusqu’au faisceau b4. Une caractéristique intéressante de ce système est qu’il permet de mesurer la projection de la vitesse du vent à plusieurs distances, simultanément, pour un faisceau donné. Il est ainsi possible d’obtenir, par exemple, 10 distances successives entre 50 m et 400 m, à un taux d’échantillonnage du capteur LiDAR. A chaque temps d’échantillonnage, les seules mesures du faisceau courant sélectionné sont rafraîchies.
4) Mesure du mouvement de l’éolienne
Lors de cette étape, on mesure en continu un mouvement de l’éolienne au moyen de l’au moins un capteur du mouvement.
Pour le mode de réalisation pour lequel l’au moins un capteur de mouvement est agencé dans la nacelle de l’éolienne, l’au moins un capteur de mouvement peut déterminer : Des mesures de position de cavalement, et/ou d’embardée et/ou de pilonnement, et/ou
Des mesures angulaires de tangage, et/ou de roulis et/ou de lacet.
De préférence, l’au moins un capteur de mouvement peut déterminer toutes ces mesures.
Selon la paramétrisation des figures 1 et 2, si on considère un capteur de mouvement agencé dans la nacelle au point N, le capteur de mouvement peut permettre de mesurer notamment :
Le vecteur au moyen des mesures de position,
Figure imgf000019_0001
La matrice de rotation qui relie le repère Rb à R0, au moyen des mesures angulaires.
En utilisant ces mesures, on peut déduire géométriquement la position du P dans le repère R0.
En variante, d’autres mesures analogues peuvent être mises en oeuvre.
Avantageusement, on peut inclure les angles de montage des différents capteurs (LiDAR et capteur de mouvement) dans la paramétrisation géométrique permettant de déterminer notamment la position du point de mesure.
Alternativement, on peut avantageusement définir un point O’ comme un point mobile dans le repère R0, de telle sorte qu’il soit situé au niveau de la mer, à l’aplomb d’un élément fixé à la nacelle, typiquement le capteur LiDAR, le capteur de mouvement de l’éolienne, ou le nez de l’éolienne (élément de jonction des pales, correspondant au centre du plan du rotor). En procédant de la sorte, la position du point P suivant l’axe x est relative à la position à cet élément et peut permettre de construire une grille d’évaluation du champ de vent qui suit les mouvements de translation de cet élément suivant l’axe x. Ainsi, on peut par exemple obtenir une grille positionnée relativement au nez de l’éolienne suivant l’axe x. Ceci permet d’obtenir plus directement la distance suivant l’axe x entre un point de la grille où est estimé le vent et l’élément en question.
5) Détermination de la vitesse du vent
Lors de cette étape, on détermine la vitesse du vent en différents points de l’espace en amont de l’éolienne, au moyen d’un filtre de Kalman adaptatif informatif, qui met en oeuvre le modèle de vent construit à l’étape 2, le modèle des mesures du capteur LiDAR construit à l’étape 1 et les mesures réalisées aux étapes 3 et 4. Les différents points de détermination de la vitesse du vent sont des points d’estimation prédéfinis. L’application du filtre de Kalman permet d’obtenir un observateur d’état. Le caractère adaptatif du filtre de Kalman permet une adaptation de la matrice de covariance du bruit en fonction de la vitesse du vent et de la localisation des points de mesure du capteur LiDAR. Ainsi, le filtre est performant sur une large gamme de vitesse du vent et indépendamment de la localisation des points de mesure du capteur LiDAR. En outre, le filtre de Kalman adaptatif est robuste vis-à-vis des variations de la vitesse du vent et des mouvements du capteur LiDAR par rapport à un repère fixe. Le filtre de Kalman informatif est présenté dans le livre de Dan Simon « Simon, D 2006 Optimal state estimation Kalman Hinfy and nonlinear approaches ». Un filtre de Kalman adaptatif informatif utilise la matrice d’information S, qui est l’inverse de la matrice de covariance, et le vecteur d’état d’information s qui est connecté à l’état ω via la matrice d’information S. En d’autres termes, on peut écrire l’équation suivante :
Figure imgf000020_0002
où est l’estimation de ω et ŝ est l’estimation de s.
Un tel filtre de Kalman adaptatif informatif permet de résoudre le problème de manière simplifiée et rapide, permettant si besoin une application en temps réel du procédé selon l’invention (une telle application en temps réel ne serait pas possible avec un filtre de Kalman adaptatif classique : en effet une caractéristique particulière du problème d’estimation est que le nombre d'états est beaucoup plus petit que le nombre d’équations de sortie. Par conséquent, le problème d’estimation de ω(k) devient le problème d’estimation d’état. Par conséquent, l’estimation de ω(k) à l’aide du filtre de Kalman peut prendre beaucoup plus de temps que ce qui est possible pour une application en temps réel, ou pour une analyse postérieure. Par exemple, le filtre Kalman peut prendre plusieurs jours pour une heure de données mesurées par le capteur LiDAR et par l’au moins un capteur de mouvement).
On rappelle qu’un observateur d’état, ou un estimateur d’état, est, en automatique et en théorie des systèmes, une extension d’un modèle représenté sous forme de représentation d’état. Lorsque l’état du système n’est pas mesurable, on construit un observateur qui permet de reconstruire l’état à partir d’un modèle.
Pour un mode de réalisation mettant en oeuvre les équations illustrées à l’étape 2, on peut
Figure imgf000020_0001
écrire le modèle d’état suivant, avec l’équation d’état : et les
Figure imgf000021_0001
Avec le bruit de l’équation d’état, εt le bruit transversal, εv le bruit vertical, εl le bruit longitudinal, εm le bruit de mesure.
Ainsi, le problème d’estimation du vecteur ω(k) devient un problème d’estimation d’état, qui ne nécessite pas d’imposer la position des plans de mesure du capteur LiDAR. Une façon d’estimer le vecteur d’état inconnu ω(k), qui peut prendre en compte les informations sur les bruits η(k) et ε(k), est d’appliquer l’algorithme du filtre de Kalman adaptatif informatif, avec la notation suivante : En effet, le filtre de Kalman adaptatif informatif apporte la
Figure imgf000021_0002
Figure imgf000021_0003
solution du problème d’optimisation avec
Figure imgf000021_0004
où P0, Q et R sont des matrices de réglage de dimensions appropriées, est la valeur
Figure imgf000021_0005
moyenne de l’état initial ω(0).
Afin de résoudre ce problème d’optimisation au moyen du filtre de Kalman adaptatif informatif, on peut poser les hypothèses suivantes, notamment pour une interprétation mathématique de P0, Q et R :
• s(0) est un vecteur aléatoire non corrélé aux bruits η(k) et ε(k)
• s(0) a une moyenne connue
Figure imgf000021_0006
avec P0 comme matrice de covariance, c’est-à-dire
Figure imgf000021_0007
η(k) et ε(k) sont des processus de bruit blanc non corrélés à moyenne nulle avec des matrices de covariance Q et R, respectivement, c’est-à-dire :
Figure imgf000021_0008
Figure imgf000022_0001
Figure imgf000022_0002
pour tous k,j
Cette dernière hypothèse implique que Q et R sont des matrices semi-définies positives symétriques.
De plus, étant donné que dans le modèle d’état les bruits εl, εv , et εt dépendent des coordonnées des points de mesure, la matrice de covariance R est adaptée en fonction des distances de mesure. Selon un mode de réalisation, R peut être une fonction polynomiale des distances de mesure. Alternativement, R peut être obtenue à partir d’une cartographie, d’un réseau de neurones, etc.
On peut adopter les notations suivantes :
•
Figure imgf000022_0003
est l’estimation du vecteur d’état d’information s(k) étant donné les mesures réalisées jusqu’au temps k-1 , c’est-à-dire y(k-1 ), y(k-2), ...
•
Figure imgf000022_0004
est l’estimation du vecteur d’état d’information s(k) étant donné les mesures réalisées jusqu’au temps k, c’est-à-dire y(k-1), y(k-2), ...
•
Figure imgf000022_0005
est la matrice d’information du vecteur s(k) étant donné les mesures réalisées jusqu’au temps k-1 , c’est-à-dire y(k-1 ), y(k-2), ...
•
Figure imgf000022_0006
est la matrice d’information du vecteur s(k) étant donné les mesures réalisées jusqu’au temps k, c’est-à-dire y(k-1 ), y(k-2), ....
Ensuite, l’algorithme du filtre de Kalman adaptatif informatif est mis en oeuvre pour déterminer la vitesse du vent en différents points en mettant en oeuvre les équations suivantes :
D’une part, une mise à jour temporelle :
Figure imgf000022_0007
D’autre part, une mise à jour des mesures :
Figure imgf000023_0001
Avec Ca étant obtenu en linéarisant les équations de sortie du modèle d’état autour de
Figure imgf000023_0004
, y(k) les mesures du capteur LiDAR.
Figure imgf000023_0005
Figure imgf000023_0002
Une fois que est obtenu, on peut calculer le vecteur vitesse du vent de la manière suivante :
Figure imgf000023_0003
Ainsi, ces étapes permettent de déterminer le vecteur ω qui comporte les composantes de la vitesse du vent en plusieurs points. En d’autres termes, ces étapes permettent de déterminer les composantes de la vitesse du vent en plusieurs points.
6) Détermination d’au moins une caractéristique de la vitesse du vent (étape facultative)
Lors de cette étape facultative, on peut déterminer au moins une caractéristique du vent, de préférence dans un plan vertical, par exemple un plan vertical au niveau du rotor au moyen des vitesses du vent déterminées à l’étape 5.
Selon un mode de réalisation, la vitesse moyenne du vent peut être la moyenne des composantes longitudinales de la vitesse du vent dans le plan du rotor considéré.
Selon une réalisation préférée de l’invention, la caractéristique du vent peut être la REWS (de l’anglais « rotor effective wind speed ») qui est une estimation d’une vitesse de vent au plan rotor couramment utilisée pour le contrôle et/ou le diagnostic et/ou la surveillance d’une éolienne et/ou la modélisation/simulation numérique d’une éolienne.
En variante, la caractéristique du vent peut être la RAWS (de l’anglais « rotor average wind speed ») qui est la vitesse moyenne du vent dans le plan du rotor dans l’aire formée par les pales de l’éolienne. Alternativement, d’autres caractéristiques du vent peuvent être déterminées par cette étape.
Ces caractéristiques peuvent notamment être choisies parmi : la vitesse moyenne du vent,
- le champ de vitesses de vent, notamment au plan rotor,
- la vitesse moyenne effective du vent, notamment au plan rotor,
- des informations sur les inhomogénéités spatiales du vent, notamment au plan rotor, et
- des informations sur la turbulence, etc.
La présente invention concerne également un procédé de contrôle d’une éolienne, de préférence d’une éolienne flottante, équipée d’un capteur LiDAR et d’au moins un capteur de mouvement. Pour ce procédé, on met en oeuvre les étapes suivantes :
- on détermine au moins une caractéristique de la vitesse du vent au moyen du procédé de détermination de vitesse du vent selon l’une quelconque des variantes décrites ci-dessus ; et
- on contrôle l’éolienne en fonction de l’au moins une caractéristique de la vitesse du vent déterminée.
La détermination précise et en temps réel de la vitesse du vent permet un contrôle adapté de l’éolienne, en termes de minimisation des effets sur la structure de l’éolienne et de maximisation de la puissance récupérée. En effet, au moyen de ce contrôle, le LiDAR permet de réduire les charges sur la structure, dont les pales et le mât représentent 54% du coût. Par conséquent, l'utilisation d'un capteur LiDAR permet d'optimiser la structure de l'éolienne, et donc de diminuer les coûts et la maintenance.
Le procédé peut comporter en outre une étape intermédiaire qui détermine la vitesse du vent dans le plan du rotor de l’éolienne à partir de la vitesse du vent déterminée par le procédé. Pour cela, on peut tenir compte du temps du déplacement du vent entre le plan vertical et le plan du rotor (il peut être calculé notamment en prenant en compte l’hypothèse figée de Taylor). On peut en outre tenir compte du phénomène d’induction entre le plan vertical et le plan du rotor (par exemple au moyen d’un facteur d’induction), le phénomène d’induction traduisant le freinage du vent en amont de l’éolienne lié à la présence des pales de l’éolienne. Puis, on contrôle l’éolienne en fonction de la vitesse du vent dans le plan du rotor. Conformément à une mise en oeuvre de l'invention, on peut commander l'angle d'inclinaison des pales et/ou le couple électrique de récupération du générateur de l’éolienne en fonction de la vitesse du vent. D’autres types de dispositif de régulation peuvent être utilisés.
Selon un mode de réalisation de l'invention, l'angle d'inclinaison des pales et/ou le couple électrique de récupération peuvent être déterminés au moyen de cartographies de l'éolienne en fonction de la vitesse du vent au niveau du rotor. Par exemple, on peut appliquer le procédé de contrôle décrit dans la demande de brevet FR 2976630 A1 (US 2012-0321463).
L’invention concerne également un procédé de diagnostic et/ou de surveillance d’une éolienne, de préférence une éolienne flottante. Pour cette mise en oeuvre, le procédé peut mettre en oeuvre les étapes du procédé de détermination de la vitesse du vent selon l’une quelconque des variantes ou des combinaisons de variantes de la manière suivante :
- On réalise les mesures au moyen du capteur LiDAR et de l’au moins un capteur de mouvement, et on enregistre les mesures,
Hors ligne, on met en oeuvre les étapes 5) et éventuellement 6) précédemment décrites pour les mesures enregistrées, et
On surveille alors le fonctionnement de l’éolienne ou on en déduit un diagnostic de fonctionnement de l’éolienne en fonction de la vitesse, par exemple en comparant la vitesse du vent ou une caractéristique de la vitesse du vent avec d’autres mesures, telles que la puissance produite par l’éolienne, la vitesse de rotation des pales, etc.
De plus, l’invention concerne un produit programme d’ordinateur, qui comprend des instructions de code agencées pour mettre en oeuvre les étapes d’un des procédés précédemment décrits (procédé de détermination de la vitesse dans le plan du rotor, procédé de contrôle). Le programme peut être exécuté sur une unité de traitement du capteur LiDAR, ou sur tout moyen analogue, lié au capteur LiDAR ou à l’éolienne.
Selon un aspect, la présente invention concerne également un capteur LiDAR pour éolienne, qui comprend une unité de traitement configurée pour mettre en oeuvre un des procédés précédemment décrits (procédé de détermination de la vitesse du vent, procédé de contrôle). Conformément à une mise en oeuvre de l’invention, le capteur LiDAR peut être un capteur LiDAR scanné, LiDAR continu ou LiDAR pulsé. De préférence, le capteur LiDAR est un capteur LiDAR pulsé.
L'invention concerne également une éolienne équipée d'un capteur LiDAR tel que décrit ci- dessus. De préférence, l’invention concerne une éolienne flottante offshore équipée d’un capteur LiDAR tel que décrit ci-dessus. Selon un mode de réalisation de l'invention, le capteur LiDAR peut être disposé sur la nacelle de l'éolienne ou dans le nez de l’éolienne (à l’extrémité de la nacelle de l’éolienne). Le capteur LiDAR est dirigé de telle sorte à réaliser une mesure du vent en amont de l'éolienne (c’est-à-dire avant l’éolienne et selon son axe longitudinal, désigné par l’axe x sur la figure 4). Selon un mode de réalisation, l’éolienne peut être conforme à l’éolienne illustrée en figures 1 , 2 ou 4.
Pour le mode de réalisation du procédé de contrôle, l'éolienne peut comprendre des moyens de contrôle, par exemple le contrôle de l'angle de pitch (pouvant être traduit par angle de tangage) d’au moins une pale de l’éolienne ou le couple électrique, pour mettre en oeuvre de contrôle le procédé selon l'invention.
Comme il va de soi, l’invention ne se limite pas aux seules formes de réalisation décrites ci- dessus à titre d’exemple, elle embrasse au contraire toutes les variantes de réalisation.
Exemple comparatif
Les caractéristiques et avantages du procédé selon l’invention ressortiront plus clairement à l’aide de l’exemple présenté ci-dessous.
Pour cet exemple comparatif on équipe une éolienne flottante d’un capteur anémomètre sonique, d’un capteur LiDAR et d’une centrale inertielle MRU. Le capteur sonique est un capteur connu de l’art antérieur permettant de déterminer la vitesse du vent en un seul point, ce capteur sonique est placé sur la nacelle de l’éolienne. Les mesures issues de ce capteur sont traitées par un algorithme implémenté par le turbinier, dit « fonction de transfert nacelle », de manière à mettre à disposition une quantité représentative de la vitesse « libre » du vent, c’est-à-dire corrigée du freinage dû à la zone d’induction de l’éolienne. La série temporelle correspondante est filtrée avec un filtre passe bas non causal pour s’affranchir du bruit de mesure du capteur sonique très élevé, dû notamment à son positionnement dans le sillage proche des pales. On obtient ainsi la vitesse moyenne REWS de référence.
De plus, on applique le procédé selon un mode de réalisation de l’invention, en réalisant des mesures au moyen du capteur LiDAR au moins dans un plan de mesure à 50 m et dans un plan de mesure à 400 m, de manière à obtenir la vitesse moyenne REWS.
La figure 5 illustre des courbes de la vitesse du vent V en m/s en fonction du temps T. Sur cette figure, la courbe AA correspond à la valeur de la REWS (« rotor effective wind speed ») déterminée par le capteur sonique selon l’art antérieur, la courbe M50 correspond à la valeur de vitesse du vent dans le plan de mesure à 50 m, la courbe M400 correspond à la valeur de vitesse du vent dans le plan de mesure à 400 m, et la courbe INV correspond à la valeur de la REWS obtenu par le procédé selon un mode de réalisation de l’invention à partir des mesures dans les plans de mesure à 50 et 400 m. On remarque que les courbes AA et INV sont proches, par conséquent, le procédé selon l’invention permet de déterminer la vitesse du vent de la manière similaire à la méthode selon l’art antérieur AA. De plus, on remarque que la vitesse du vent M50 est inférieure à la vitesse du vent M400, ce qui correspond au phénomène d’induction, qui correspond au freinage du vent en raison de l’éolienne dans le champ de vent. La REWS déterminée par la méthode selon l’invention INV est similaire à la vitesse du vent M400, et possède des dynamiques similaires à celles à la vitesse du vent M50.

Claims

Revendications
1. Procédé de détermination de la vitesse du vent au moyen d’un capteur LiDAR (2) monté sur une éolienne (1 ), de préférence une éolienne flottante, et au moyen d’au moins un capteur de mouvement monté sur ladite éolienne, caractérisé en ce qu’on met en oeuvre les étapes suivantes : a. On construit un modèle desdites mesures LiDAR (MOD M) ; b. On construit un modèle du vent (MOD V) en prenant en compte la cohérence spatiale et la cohérence temporelle de la vitesse du vent ; c. On mesure au moyen dudit capteur LiDAR (LID) le vent en au moins un plan de mesure distant de ladite éolienne ; d. On mesure au moyen dudit au moins un capteur de mouvement (CAM) le mouvement de la nacelle de ladite éolienne dans un repère fixe (Rep) ; et e. On détermine la vitesse du vent (v) en différents points d’estimation au moyen d’un filtre de Kalman adaptatif informatif qui met en oeuvre ledit modèle desdites mesures LiDAR construit à l’étape a., ledit modèle de vent construit à l’étape b., lesdites mesures dudit capteur LiDAR obtenues à l’étape c. et lesdites mesures dudit au moins un capteur de mouvement obtenues à l’étape d., lesdits points d’estimation étant dans ledit repère fixe (Rep).
2. Procédé selon la revendication 1 , dans lequel ledit au moins un capteur de mouvement comprend une centrale inertielle, ladite centrale inertielle comprenant de préférence au moins un accéléromètre et au moins un gyroscope.
3. Procédé selon l’une des revendications précédentes, dans lequel ledit modèle desdites mesures LiDAR (MOD M) s’écrit :
Figure imgf000028_0001
avec m la mesure, x la direction longitudinale, j un faisceau de mesure dudit capteur LiDAR, mj,x la mesure sur le faisceau de mesure j à la distance x, k le temps discret, v la vitesse du vent, vj,x la composante longitudinale la vitesse du vent pour le faisceau de mesure j, vj,y la composante transversale la vitesse du vent pour le faisceau de mesure j, vj,z la composante verticale de la vitesse du vent pour le faisceau de mesure j, aj, bj, cj des coefficients de mesure pour le faisceau de mesure j.
4. Procédé selon l’une des revendications précédentes, dans lequel ladite cohérence spatiale dudit modèle de vent (MOD V) est fonction d’une cohérence transversale, d’une cohérence verticale, et d’une cohérence longitudinale.
5. Procédé selon l’une des revendications précédentes, dans lequel ladite cohérence
Figure imgf000028_0002
temporelle dudit modèle de vent s’écrit : avec k le temps discret, ω un vecteur qui comporte d’abord les composantes longitudinales de la vitesse du vent en n points d’estimation prédéfinis, et les composantes transversales de la vitesse du vent pour lesdits n points d’estimation prédéfinis, As est une matrice constante qui est la fonction d’autocorrélation de la vitesse du vent obtenue par un spectre de Kaimal.
6. Procédé selon l’une des revendications précédentes, dans lequel on applique ledit filtre de Kalman adaptatif informatif aux équations suivantes
Figure imgf000029_0002
et
Figure imgf000029_0001
avec k le temps discret, v la vitesse du vent, x la composante longitudinale, y1 et y2 deux positions transversales ayant les mêmes valeurs longitudinale et verticale, x1, x2 deux positions longitudinales ayant les mêmes valeurs transversale et verticale, z1, z2 deux positions verticales ayant les mêmes valeurs longitudinale et transversale, vx,y1 la composante longitudinale de la vitesse du vent à la position y1, vx,y2 la composante longitudinale de la vitesse du vent à la position y2, ft une fonction prédéfinie, vx,x1 la composante longitudinale de la vitesse du vent à la position x1, vx,x2 la composante longitudinale de la vitesse du vent à la position x2, fl une fonction prédéfinie, vx,z1 la composante longitudinale de la vitesse du vent à la position z1, vx,z2 la composante longitudinale de la vitesse du vent à la position z2, α le coefficient de la loi de puissance, j un faisceau de mesure dudit capteur LiDAR (2), mj,x la mesure sur le faisceau de mesure j à la distance x, vj,x la composante longitudinale la vitesse du vent pour le faisceau de mesure j, vj,y la composante transversale la vitesse du vent pour le faisceau de mesure j, vj,z la composante verticale de la vitesse du vent pour le faisceau de mesure j, aj, bj, cj des coefficients de mesure pour le faisceau de mesure j, η le bruit de l’équation d’état, εt le bruit transversal, εv le bruit vertical, εi le bruit longitudinal, εm le bruit de mesure, As est une matrice constante qui est la fonction d’autocorrélation de la vitesse du vent obtenu par un spectre de Kaimal.
7. Procédé selon l’une des revendications précédentes, dans lequel on détermine ladite vitesse de vent (v) en différents points en mettant en oeuvre les équations suivantes :
Figure imgf000030_0001
avec k le temps discret, s le vecteur d’état d’information dudit filtre de Kalman adaptatif-informatif, S la matrice d’information dudit filtre de Kalman adaptatif-informatif,
Figure imgf000030_0002
l’estimation de s(k) étant donné les mesures à partir du temps k-1 ,
Figure imgf000030_0003
l’estimation de s(k) étant donné les mesure à partir du temps k,
Figure imgf000030_0005
la matrice d’information de s(k) étant donné les mesures du temps k-1 ,
Figure imgf000030_0006
est la matrice d’information de s(k) étant donné les mesures du temps k, As une matrice constante qui est la fonction d’autocorrélation de la vitesse du vent obtenu par le spectre de Kaimal, Q et R les matrices de covariance de bruits ε(k) et η(k), Ca est obtenu en linéarisant les équations de sortie autour de
Figure imgf000030_0004
, y(k) comprend les mesures dudit capteur LiDAR. Procédé selon l’une des revendications précédentes, comprenant une étape supplémentaire dans lequel on détermine au moins une caractéristique (CAR) de ladite vitesse du vent, de préférence une caractéristique de la vitesse du vent dans un plan vertical, en particulier dans le plan vertical du rotor de ladite éolienne (1 ). Procédé de contrôle d’une éolienne (1 ), de préférence une éolienne flottante, caractérisé en ce qu’on met en oeuvre les étapes suivantes : a. on détermine au moins une caractéristique de ladite vitesse du vent au moyen du procédé selon l’une des revendications précédentes ; b. on contrôle ladite éolienne (1 ) en fonction de l’au moins une caractéristique de ladite vitesse du vent. Produit programme d’ordinateur caractérisé en ce qu’il comprend des instructions de code agencés pour mettre en oeuvre les étapes d’un procédé selon l’une des revendications précédentes, lorsque le programme est exécuté sur une unité de contrôle et/ou de diagnostic de ladite éolienne, de préférence ladite éolienne flottante (1 ). Capteur LiDAR (2) caractérisé en ce qu’il comprend une unité de traitement mettant en oeuvre un procédé selon l’une des revendications 1 à 9. Eolienne, de préférence une éolienne flottante (1 ), caractérisée en ce qu’elle comporte un capteur LiDAR (2) selon la revendication 11 , ledit capteur LiDAR (2) étant de préférence placé sur la nacelle de ladite éolienne ou dans le nez de l’éolienne.
PCT/EP2022/072192 2021-08-20 2022-08-08 Procede de determination de la vitesse du vent au moyen d'un capteur de teledetection par laser monte sur une eolienne WO2023020866A1 (fr)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202280055386.9A CN117795194A (zh) 2021-08-20 2022-08-08 使用安装在风力涡轮机上的LidDAR传感器来确定风速的方法
CA3226598A CA3226598A1 (fr) 2021-08-20 2022-08-08 Procede de determination de la vitesse du vent au moyen d'un capteur de teledetection par laser monte sur une eolienne

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
FR2108790A FR3126248B1 (fr) 2021-08-20 2021-08-20 Procédé de détermination de la vitesse du vent au moyen d’un capteur de télédétection par Laser monté sur une éolienne
FRFR2108790 2021-08-20

Publications (1)

Publication Number Publication Date
WO2023020866A1 true WO2023020866A1 (fr) 2023-02-23

Family

ID=77711255

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/EP2022/072192 WO2023020866A1 (fr) 2021-08-20 2022-08-08 Procede de determination de la vitesse du vent au moyen d'un capteur de teledetection par laser monte sur une eolienne

Country Status (4)

Country Link
CN (1) CN117795194A (fr)
CA (1) CA3226598A1 (fr)
FR (1) FR3126248B1 (fr)
WO (1) WO2023020866A1 (fr)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120321463A1 (en) 2011-06-17 2012-12-20 Jonathan Chauvin Method of optimizing the power recovered by a wind turbine by reducing the mechanical impact on the structure
US20150145253A1 (en) 2013-11-25 2015-05-28 IFP Energies Nouvelles Wind turbine control and monitoring method using a wind speed estimation based on a lidar sensor
FR3068139A1 (fr) 2017-06-21 2018-12-28 IFP Energies Nouvelles Procede d'acquisition et de modelisation par un capteur lidar d'un champ de vent incident
EP3650687A1 (fr) * 2018-11-12 2020-05-13 IFP Energies nouvelles Procede de determination d'un facteur d'induction pour une eolienne equipee d'un capteur de teledetection par laser
US20200166650A1 (en) 2018-11-26 2020-05-28 IFP Energies Nouvelles Method for Acquiring and Modelling with a Lidar Sensor an Incident Wind Field
EP3734063A1 (fr) * 2019-04-30 2020-11-04 Wobben Properties GmbH Procédé de commande d'une éolienne
FR3097644A1 (fr) 2019-06-19 2020-12-25 IFP Energies Nouvelles Procédé de détermination du profil vertical de la vitesse du vent en amont d’une éolienne équipée d’un capteur de télédétection par Laser

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120321463A1 (en) 2011-06-17 2012-12-20 Jonathan Chauvin Method of optimizing the power recovered by a wind turbine by reducing the mechanical impact on the structure
FR2976630A1 (fr) 2011-06-17 2012-12-21 IFP Energies Nouvelles Procede pour optimiser la puissance recuperee par une eolienne en reduisant l'impact mecanique sur la structure.
US20150145253A1 (en) 2013-11-25 2015-05-28 IFP Energies Nouvelles Wind turbine control and monitoring method using a wind speed estimation based on a lidar sensor
FR3013777A1 (fr) 2013-11-25 2015-05-29 IFP Energies Nouvelles Procede de controle et de surveillance d'une eolienne au moyen d'une estimation de la vitesse du vent au moyen d'un capteur lidar
FR3068139A1 (fr) 2017-06-21 2018-12-28 IFP Energies Nouvelles Procede d'acquisition et de modelisation par un capteur lidar d'un champ de vent incident
US20200124026A1 (en) 2017-06-21 2020-04-23 IFP Energies Nouvelles Method for acquiring and modelling an incident wind field by means of a lidar sensor
EP3650687A1 (fr) * 2018-11-12 2020-05-13 IFP Energies nouvelles Procede de determination d'un facteur d'induction pour une eolienne equipee d'un capteur de teledetection par laser
US20200166650A1 (en) 2018-11-26 2020-05-28 IFP Energies Nouvelles Method for Acquiring and Modelling with a Lidar Sensor an Incident Wind Field
FR3088971A1 (fr) 2018-11-26 2020-05-29 IFP Energies Nouvelles procédé d’acquisition et de modélisation par un capteur LIDAR d’un champ de vent incident
EP3734063A1 (fr) * 2019-04-30 2020-11-04 Wobben Properties GmbH Procédé de commande d'une éolienne
FR3097644A1 (fr) 2019-06-19 2020-12-25 IFP Energies Nouvelles Procédé de détermination du profil vertical de la vitesse du vent en amont d’une éolienne équipée d’un capteur de télédétection par Laser

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
NJIRI JACKSON G ET AL: "State-of-the-art in wind turbine control: Trends and challenges", RENEWABLE AND SUSTAINABLE ENERGY REVIEWS, ELSEVIERS SCIENCE, NEW YORK, NY, US, vol. 60, 6 February 2016 (2016-02-06), pages 377 - 393, XP029505260, ISSN: 1364-0321, DOI: 10.1016/J.RSER.2016.01.110 *

Also Published As

Publication number Publication date
FR3126248B1 (fr) 2023-07-28
CN117795194A (zh) 2024-03-29
CA3226598A1 (fr) 2023-02-23
FR3126248A1 (fr) 2023-02-24

Similar Documents

Publication Publication Date Title
EP3642647B1 (fr) Procede d'acquisition et de modelisation par un capteur lidar d'un champ de vent incident
EP2876302B1 (fr) Procédé de contrôle et de surveillance d'une éolienne au moyen d'une estimation de la vitesse du vent au moyen d'un capteur lidar
EP3712621B1 (fr) Procede de prediction de la vitesse du vent dans le plan du rotor pour une eolienne equipee d'un capteur de teledetection par laser
EP3650687B1 (fr) Procede de determination d'un facteur d'induction pour une eolienne equipee d'un capteur de teledetection par laser
EP3754341B1 (fr) Procede de determination du profil vertical de la vitesse du vent en amont d'une eolienne equipee d'un capteur de teledetection par laser
EP3862563B1 (fr) Procede de determination de la direction du vent au moyen d'un capteur de teledetection par laser
EP3956559B1 (fr) Procede et systeme de controle d'une grandeur d'une eolienne par choix du controleur par un apprentissage automatique
EP3862560B1 (fr) Procédé de détermination de la vitesse du vent dans le plan du rotor d'une éolienne
FR3088971A1 (fr) procédé d’acquisition et de modélisation par un capteur LIDAR d’un champ de vent incident
EP3978934B1 (fr) Procede de determination de la vitesse moyenne du vent au moyen d'un capteur de teledetection par laser
EP4162298A1 (fr) Procede de determination des composantes de la vitesse du vent au moyen d'un capteur de teledetection par laser
WO2023020866A1 (fr) Procede de determination de la vitesse du vent au moyen d'un capteur de teledetection par laser monte sur une eolienne
EP3985250B1 (fr) Procédé de détermination d'un facteur d'induction entre un plan de mesure et le plan du rotor d'une éolienne
EP3995834B1 (fr) Procede de determination de la vitesse du vent dans le plan du rotor d'une eolienne

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: 22762051

Country of ref document: EP

Kind code of ref document: A1

WWE Wipo information: entry into national phase

Ref document number: 3226598

Country of ref document: CA

WWE Wipo information: entry into national phase

Ref document number: 202280055386.9

Country of ref document: CN

WWE Wipo information: entry into national phase

Ref document number: 2022762051

Country of ref document: EP

NENP Non-entry into the national phase

Ref country code: DE

ENP Entry into the national phase

Ref document number: 2022762051

Country of ref document: EP

Effective date: 20240320