[go: up one dir, main page]

CN114355386A - 确定测量平面和风力涡轮机转子平面间的感应因子的方法 - Google Patents

确定测量平面和风力涡轮机转子平面间的感应因子的方法 Download PDF

Info

Publication number
CN114355386A
CN114355386A CN202111192673.8A CN202111192673A CN114355386A CN 114355386 A CN114355386 A CN 114355386A CN 202111192673 A CN202111192673 A CN 202111192673A CN 114355386 A CN114355386 A CN 114355386A
Authority
CN
China
Prior art keywords
wind
plane
wind turbine
measurement
induction factor
Prior art date
Legal status (The legal status 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 status listed.)
Pending
Application number
CN202111192673.8A
Other languages
English (en)
Inventor
H-N·恩古延
F·吉耶曼
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
IFP Energies Nouvelles IFPEN
Original Assignee
IFP Energies Nouvelles IFPEN
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 IFPEN filed Critical IFP Energies Nouvelles IFPEN
Publication of CN114355386A publication Critical patent/CN114355386A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F03—MACHINES OR ENGINES FOR LIQUIDS; WIND, SPRING, OR WEIGHT MOTORS; PRODUCING MECHANICAL POWER OR A REACTIVE PROPULSIVE THRUST, NOT OTHERWISE PROVIDED FOR
    • F03D—WIND MOTORS
    • F03D17/00—Monitoring or testing of wind motors, e.g. diagnostics
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F03—MACHINES OR ENGINES FOR LIQUIDS; WIND, SPRING, OR WEIGHT MOTORS; PRODUCING MECHANICAL POWER OR A REACTIVE PROPULSIVE THRUST, NOT OTHERWISE PROVIDED FOR
    • F03D—WIND MOTORS
    • F03D7/00—Controlling wind motors 
    • F03D7/02—Controlling wind motors  the wind motors having rotation axis substantially parallel to the air flow entering the rotor
    • F03D7/0204—Controlling wind motors  the wind motors having rotation axis substantially parallel to the air flow entering the rotor for orientation in relation to wind direction
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F03—MACHINES OR ENGINES FOR LIQUIDS; WIND, SPRING, OR WEIGHT MOTORS; PRODUCING MECHANICAL POWER OR A REACTIVE PROPULSIVE THRUST, NOT OTHERWISE PROVIDED FOR
    • F03D—WIND MOTORS
    • F03D7/00—Controlling wind motors 
    • F03D7/02—Controlling wind motors  the wind motors having rotation axis substantially parallel to the air flow entering the rotor
    • F03D7/0276—Controlling wind motors  the wind motors having rotation axis substantially parallel to the air flow entering the rotor controlling rotor speed, e.g. variable speed
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
    • F05B—INDEXING SCHEME RELATING TO WIND, SPRING, WEIGHT, INERTIA OR LIKE MOTORS, TO MACHINES OR ENGINES FOR LIQUIDS COVERED BY SUBCLASSES F03B, F03D AND F03G
    • F05B2260/00—Function
    • F05B2260/80—Diagnostics
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
    • F05B—INDEXING SCHEME RELATING TO WIND, SPRING, WEIGHT, INERTIA OR LIKE MOTORS, TO MACHINES OR ENGINES FOR LIQUIDS COVERED BY SUBCLASSES F03B, F03D AND F03G
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Sustainable Development (AREA)
  • Sustainable Energy (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Mechanical Engineering (AREA)
  • General Engineering & Computer Science (AREA)
  • Wind Motors (AREA)
  • Testing Of Balance (AREA)

Abstract

本发明涉及一种确定转子平面(PR)和测量平面(PM)之间的感应因子的方法，涉及测量至少两个测量平面(PM)中的风速的步骤，借助卡尔曼滤波器根据诸测量来确定转子平面(PR)中的风速的步骤，以及借助自适应卡尔曼滤波器根据诸测量和转子平面(PR)中的风速来测量感应因子的步骤。

Description

确定测量平面和风力涡轮机转子平面间的感应因子的方法
技术领域
本发明涉及可再生能源领域，尤其涉及借助涡轮控制(定向、扭矩和速度调节)和/或诊断和/或监控目标来测量风力涡轮机的资源(即风)。
风力涡轮机允许来自风的动能转换成电能或机械能。为了将风转换成电能，它是由以下元件组成的：
-塔架，其允许将转子置于足够的高度以使其能够运动(水平轴风力涡轮机所必需的)和/或将该转子置于使其能够由比地面水平处更强且更规则的风来驱动的高度。塔架通常容纳部分的电气和电子组件(调制器、控制装置、倍增器、发电机等)
-安装在塔架顶部的机舱，其容纳机械、气动以及操作涡轮所必需的一些电气和电子组件。机舱可以旋转，以使机器定向在正确的方向上，
-固定在机舱上的转子，该转子包括风力涡轮机的若干叶片(通常是三个)以及轮毂。该转子由风能驱动，并且通过机械轴杆直接或间接(经由齿轮箱和机械轴杆系统)连接到电机(发电机)，该电机将经回收的能量转换成电能。转子可能配备有控制系统，诸如可变角度叶片或空气动力制动器，
-变速箱，其由通过变速箱(齿轮箱)连接的两个轴杆(转子的机械轴杆和电机的机械轴杆)组成。
自1990年代初以来，人们对风力重新产生了兴趣，特别是在年增长率约为20％的欧盟。这一增长归因于无碳排放发电的固有可能性。为了维持这一增长，风力涡轮机的发电量仍需进一步提高。风力发电产量增长的前景要求开发有效的生产工具和先进的控制工具，以提高机器的性能。风力涡轮机被设计来以尽可能低的成本发电。因此，通常将它们构造成在大约15m/s的风速下达到其最大性能。不必设计在更高风速下最大化其产量的风力涡轮机，这是不常见的。在风速超过15m/s的情况下，有必要损失风中包含的部分额外能量，以避免损坏风力涡轮机。因此，所有风力涡轮机均设计有功率调节系统。
对于这种功率调节，已为可变速风力发电机设计了控制器。控制器的目的是最大化回收的电力，最小化转子速度波动，以及最小化结构(叶片、塔架和平台)的疲劳和极端力矩。
背景技术
为了优化控制，知晓涡轮机的转子处的风速是重要的。为此开发了各种技术。
根据第一技术，使用风速计可以估算某一点的风速，但是这种不精确的技术无法测量整个风场或无法知悉风速的三维分量。
根据第二技术，可使用LiDAR(光检测和测距)传感器。LiDAR是一种基于对返回发射器的光束的特性的分析的遥感或光学测量技术。该方法主要被用于借助脉冲激光来确定到物体的距离。与基于类似原理的雷达不同，LiDAR传感器使用可见光或红外光代替无线电波。到物体或表面的距离是通过测量脉冲和检测到反射信号之间的延迟来给出的。
在风力涡轮机领域，LiDAR传感器被宣布为是大型风力涡轮机正常运行所必不可少的，尤其是在其尺寸和功率不断增加的今天(近海风力涡轮机如今为5MW，不久将达到12MW)。该传感器使得能够实现远程风力测量，首先允许对风力涡轮机进行校准以便它们能够提供最大功率(功率曲线优化)。对于此校准阶段，传感器可以放置在地面上并垂直定向(剖析器)，从而允许取决于海拔来测量风速和风向以及风速梯度。该应用是特别关键的，因为它允许知晓产生能量的资源。这对于风力涡轮机项目而言是重要的，因为它决定了项目的财务可靠性。
第二应用包括将该传感器设置在风力涡轮机的机舱上，以便在几乎水平定向时测量涡轮机前面的风场。首先，测量风轮机前方的风场允许提前知悉风轮机随后不久将遇到的湍流。然而，当前的风力涡轮机控制和监控技术不允许考虑由LiDAR传感器通过精确地估算转子处(即转子平面中)的风速来执行的测量。此类应用尤其在专利申请FR-3-013777(US-2015-145253)中进行了描述。
此外，在过去十年中，风力涡轮机上游(即感应区)形成的风的行为引起了越来越多的兴趣。在感应区中，由于风力涡轮机(它汲取了风的部分气动功率)的存在和运行，风被减速。更好地理解感应区有助于改进基于LiDAR传感器和风力涡轮机功率评估的控制策略。在第一种情况下，目标是使用上游风测量来预测转子平面中的风速。在后一种情况下，要确立自由流的功率和速度之间的联系，即在没有风力涡轮机的情况下，与风力涡轮机的位置相对应的点处本来会存在的风速。因此，对感应区的兴趣在于使用涡轮机附近的测量来估计转子有效风速。
在Emmanuel Simon Pierre Branlard和Alexander Raul Meyer Forsting的文献‘Using a cylindrical vortex model to assess the induction zone in front ofaligned and yawed rotors(使用圆柱涡模型评估经对准和偏航的转子前方的感应区)’，EWEA Offshore 2015Conference(2015年EWEA离岸会议)，European Wind EnergyAssociation(欧洲风能协会)(EWEA)，2015年，圆柱涡模型所感应的速度场的分析公式被应用于评估感应区。这些结果与不同运行条件下的致动器盘仿真进行了比较。
在D Medici、Stefan Ivanell、
Figure BDA0003301787640000031
和P Henrik Alfredsson的文献‘Theupstream flow of a wind turbine:blockage effect(风力涡轮机的上游流：阻塞效应)’，在Wind Energy 14.5(风能14.5)(2011)，第691-697页中，风洞测量被用于研究各种风力涡轮机的感应区。此外，这些结果与从线性圆柱涡模型获得的感应区的解析表达式进行了比较。
在Eric Simley、Nikolas Angelou、Torben Mikkelsen、Mikael
Figure BDA0003301787640000032
JakobMann和Lucy Y Pao的文献‘Characterization of wind velocities in the upstreaminduction zone of a wind turbine using scanning continuous-wave lidars(使用扫描连续波lidar表征风力涡轮机的上游感应区中的风速)’，Journal of Renewable andSustainable Energy 8.1(可再生和可持续能源杂志8.1)(2016)，第013301页，借助经同步连续波LiDAR传感器对风力涡轮机的感应区进行了研究。结果表明，当风越接近转子时，纵向速度分量的标准偏差就相对不变，而垂直和横向分量的标准偏差略有增加。在NielsTroldborg和Alexander Raul Meyer Forsting的文献‘A simple model of the windturbine induction zone derived from numerical simulations(从数值模拟导出的风力涡轮机感应区的简单模型)’，Wind Energy 20.12(风能20.12)(2017)，第2011-2020页，通过将稳态Navier-Stokes仿真和致动器盘办法相组合来研究了各种风力涡轮机上游的感应区。结果表明，对于转子上游超过一个转子半径的距离而言，所感应的速度相似且与转子几何形状无关。
对于文献中的所有办法，应强调感应区是借助仿真或实验数据来离线地计算/估计的。此外，一旦被标识，对于给定风速，感应区就被假定为隐式地恒定的。显然，由于这一感应区明显是给定风速下叶片和偏航角的函数，因此该感应区提供了关于风速赤字的非常平均的信息水平。因此，这些方法不允许在线且持续地测定感应区所涉及的物理现象。
此外，专利申请FR-3088434(US-2020/0149512)公开了一种允许借助布置在风力涡轮机上的LiDAR传感器在线地确定感应因子的方法。对于该方法，借助LiDAR传感器在若干个测量平面中进行风速测量，然后借助这些测量和第一线性卡尔曼滤波器来确定诸测量平面之间的感应因子，并且借助第二线性卡尔曼滤波器推导出测量平面与风力涡轮机的转子平面之间的感应因子。然而，该方法的实现需要知悉测量平面距风力涡轮机转子平面的距离。现在，测量平面的距离可以由LiDAR用户来施加，它们可逐LiDAR传感器而不同，并且它们可以是未知的。因此，对于这些情况，这一专利申请中描述的方法不适用。
发明内容
本发明的目标是，在任何情况下，对于任何测量距离，实时地确定测量平面和转子平面之间的感应因子，其中测量是由优选地位于风力涡轮机机舱上并且优选地定向成与转子轴的方向一致同时对于相对于该方向的偏航、俯仰和滚转偏差是稳健的LiDAR执行的。本发明涉及一种确定转子平面和测量平面之间的感应因子的方法，涉及测量至少两个测量平面中的风速的步骤，借助卡尔曼滤波器根据诸测量来确定转子平面中的风速的步骤，以及借助自适应卡尔曼滤波器根据诸测量和转子平面中的风速来测量感应因子的步骤。两个卡尔曼滤波器提供感应因子的连续测定。该办法不施加固定的测量距离，因此允许无约束的LiDAR参数化来选择测量距离。
本发明涉及一种确定测量平面和风力涡轮机的转子平面之间的感应因子的方法，所述风力涡轮机配备有LiDAR传感器，所述LiDAR传感器相对于在远离所述风力涡轮机的至少两个测量平面中的风速来执行测量，所述风的感应因子表示所述风力涡轮机上游的两个远处点之间的风减速系数，减速是由所述风力涡轮机在风场中的操作而产生的。该方法因此包括以下步骤：
a)借助所述LiDAR传感器测量在远离所述风力涡轮机的至少两个测量平面中的风速，
b)借助至少两个测量平面中的所述风速的所述测量以及卡尔曼滤波器来确定所述转子平面中的风速，以及
c)借助所确定的在所述转子平面中的所述风速、测量平面中的风速测量以及自适应卡尔曼滤波器，来确定所考虑的所述测量平面与所述转子平面之间的所述风感应因子。
根据一个实施例，所述转子平面中的风速是借助应用于将风速与测量平面距离进行相关的参数函数的卡尔曼滤波器来确定的。
有利地，所述参数函数是多项式函数，优选地是二次多项式函数或分段仿射函数。
根据一个实现，所述卡尔曼滤波器中使用的状态模型被写为：
Figure BDA0003301787640000051
其中k是离散时间，x是包含所述参数函数的系数的向量，y是所述至少两个测量平面中的风速向量，H是取决于所述至少两个测量平面的距离并根据所述参数函数来定义的矩阵，μ是所述参数函数的系数的变化，以及ε是测量噪声向量。
有利地，所述参数函数是多项式函数，其被写成：
Figure BDA0003301787640000052
其中ri是测量平面i的距离，f是所述参数函数，c0、c1、c2是所述参数函数的所述系数，并且其中矩阵H被写为：
Figure BDA0003301787640000053
其中n是已针对其执行测量的测量平面的数目。
根据一个方面，所述感应因子是通过将所述自适应卡尔曼滤波器应用于以下状态模型来确定的：
Figure BDA0003301787640000061
其中
Figure BDA0003301787640000062
且k是离散时间，ri是测量平面i的距离，rj是测量平面j的距离，ari,rj是测量平面i和测量平面j之间的感应因子，
Figure BDA0003301787640000063
是平面i中的风速，
Figure BDA0003301787640000064
是平面j中的风速，ξ是感应因子随时间的变化，
Figure BDA0003301787640000065
是测量平面i中的风速
Figure BDA0003301787640000066
的噪声，
Figure BDA0003301787640000067
是测量平面j中的风速
Figure BDA0003301787640000068
的噪声。
此外，本发明涉及一种控制配备有LiDAR传感器的风力涡轮机的方法。对于该方法执行以下步骤：
a)借助上述特征之一所述的方法，来确定测量平面和风力涡轮机的转子平面之间的所述感应因子，以及
b)根据所考虑的测量平面和所述风力涡轮机的转子平面之间的所述感应因子，来控制所述风力涡轮机。
本发明还涉及一种用于诊断和/或监控配备有LiDAR传感器的风力涡轮机的方法。对于该方法执行以下步骤：
a)借助上述特征之一所述的方法，来确定测量平面和风力涡轮机的转子平面之间的风的感应因子，
b)借助在测量平面和风力涡轮机的转子平面之间确定的风的所述感应因子，确定所述风力涡轮机从风中汲取的气动功率，以及
c)借助所确定的所汲取的气动功率来诊断和/或监控所述风力涡轮机的运行。
此外，本发明涉及一种计算机程序产品，包括被设计成当在用于处理所述LiDAR传感器的单元上执行该程序时执行根据以上特征之一的方法的各步骤的代码指令。
此外，本发明涉及一种用于风力涡轮机的LiDAR传感器，其包括实现根据上述特征之一的方法的处理单元。
此外，本发明涉及一种风力涡轮机，包括根据以上特征之一的LiDAR传感器，所述LiDAR传感器被优选地布置在所述风力涡轮机的机舱上或者风力涡轮机的轮毂中。
附图说明
参照附图，通过阅读以下通过非限制性示例给出的实施例的描述，根据本发明的方法和系统的其他特征和优点将显而易见，其中：
图1示出了根据本发明的一实施例的装备有LiDAR传感器的风力涡轮机，
图2示出了根据本发明的一实施例的确定风的感应因子的方法的各步骤，
图3示出了根据本发明的一实施例的风力涡轮机控制方法的各步骤，
图4示出了根据本发明的一实施例的风力涡轮机诊断方法的各步骤，
图5是针对第一测量平面的示例实施例的作为时间的函数的感应因子的曲线，以及
图6是针对三个测量平面的示例实施例的作为时间的函数的感应因子的曲线。
具体实施方式
本发明涉及一种测量风力涡轮机的资源(即，风)的方法，尤其是带有涡轮机控制(定向、扭矩和速度调节)和/或诊断和/或监控目标，其中根据风的感应因子的确定来控制和/或监控风力涡轮机，涡轮机配备有LiDAR传感器以执行此估计。
感应因子是风力涡轮机的感应区中的风减速系数。事实上，由于风力涡轮机的存在及其运行，风在涡轮机的上游区域中减速：换言之，涡轮机从风中汲取的功率导致涡轮机上游的风减速。因此，感应因子代表一种物理现象并且它给出了与风力涡轮机的资源相关的指示。感应因子是在风力涡轮机上游的两个平面之间计算的，根据定义，它对应于这些平面之间的速度比。如果a表示感应系数，u表示风速，d1和d2表示所考虑的两个平面距转子平面的相应距离，则位于距转子平面距离d1和d2处的平面之间的感应因子可被写成：
Figure BDA0003301787640000071
当所考虑的平面之一是转子平面时，d1＝0，且感应因子是测量平面和转子平面之间的感应因子。当两个平面均不是转子平面时，则感应因子是这些测量平面之间的感应因子。在本申请接下来的其余部分中，转子平面被视为距离为零的测量平面。
可以注意到，在文献中，感应因子可如下定义：
Figure BDA0003301787640000081
根据本发明的方法也适用于该感应因子的定义，并且感应因子的第二定义可以通过相对于第一定义的简单减法来推导出。
根据本发明，LiDAR传感器允许测量在风力涡轮机上游的多个(至少两个)测量平面中的风速。存在若干类型的LiDAR传感器，例如，扫描LiDAR、连续波LiDAR或脉冲式LiDAR传感器。在本发明的上下文内，优选地使用脉冲式LiDAR。然而，在保持在本发明的范围内的同时，也可以使用其他LiDAR技术。
LiDAR传感器允许快速测量。因此，使用此类传感器使得能够快速且连续地确定风的感应因子。例如，LiDAR传感器的采样率的范围可以在1和5Hz之间(或在将来甚至更大)。
图1通过非限制性示例示意性地示出了装备有用于根据本发明的一个实施例的方法的LiDAR传感器2的水平轴风力涡轮机1。LiDAR传感器2被用来测量在给定距离处在多个测量平面PM(只示出了两个测量平面)中的风速。提前知悉风力测量先验地允许提供大量信息。该附图还示出了轴x、y和z。该坐标系的参考点是转子的中心。方向x是与转子轴在风力涡轮机上游的方向相对应的纵向方向，该方向还对应于LiDAR传感器2的测量方向。垂直于方向x的方向y是位于水平平面上的横向方向(方向x、y形成水平平面)。方向z是指向上的垂直方向(基本上对应于塔架4的方向)，z轴垂直于x轴和y轴。转子平面由虚线矩形PR来指示，该平面由方向y、z(x为零值)来定义。测量平面PM是由方向y、z在距转子平面PR某一距离处形成的平面(对于非零值x)。测量平面PM平行于转子平面PR。
传统上，风力涡轮机1允许将风动能转换成电能或机械能。为了将风能转换为电能，该风力涡轮机1是由以下元件组成的：
-塔架4，其允许将转子(未示出)置于一足够的高度以使其能够运动(水平轴风力涡轮机所必需的)，或者将该转子置于使其能够由比地面水平6处更强且更规则的风来驱动的高度。塔架4通常容纳部分的电气和电子组件(调制器、控制装置、倍增器、发电机等)
-安装在塔架4顶部处的机舱3，其容纳机械、气动以及操作机器所必需的一些电气和电子组件(未示出)。机舱3可以旋转，以使机器定向在正确的方向上，
-固定在机舱上的转子，该转子包括风力涡轮机的若干叶片7(通常是三个)以及轮毂。该转子由风能驱动，并且通过机械轴杆直接或间接(经由齿轮箱和机械轴杆系统)连接到电机(发电机)(未显示)，该电机将经回收的能量转换为电能。转子可能配备有控制系统，诸如可变角度叶片或空气动力制动器，
-变速箱，其由通过变速箱(齿轮箱)(未显示)连接的两个轴杆(转子的机械轴杆和电机的机械轴杆)组成。
如在作为脉冲式LiDAR传感器的示例实施例的图1中可以看见的，所使用的LiDAR传感器2包括4个光束或测量轴(b1、b2、b3、b4)。作为非限制性示例，根据本发明的方法还使用包括任何数量的光束的LiDAR传感器来操作。LiDAR传感器在测量平面PM与光束(b1、b2、b3、b4)的每一交叉点处执行准时测量。这些测量点在图1中由黑圆圈来表示，且它们由PT1、PT2、PT3、PT4来表示，处理在这些测量点处的测量值允许确定测量平面PM中的风速。因此尤其可以应用在法国专利申请FR-3,068,139(US-2020/0,124,026)中描述的风建模方法。
优选地，LiDAR传感器2可被安装在风力涡轮机1的机舱3上或者风力涡轮机1的轮毂中(在转子的上游端)。
根据本发明，确定测量平面和风力涡轮机的转子平面之间的风的感应因子的方法包括以下步骤：
1)测量诸测量平面中的风速，
2)确定转子平面中的风速，以及
3)确定测量平面和转子平面之间的感应因子。
这些步骤是实时执行的。它们在下文本说明书的其余部分中详细描述。
图2藉由非限制性示例示意性地解说了根据本发明的一个实施例的方法的各步骤。第一步骤是测量若干个测量平面中的风速的步骤(MES)。第二步骤使用诸测量和卡尔曼滤波器(KAL1)来确定转子平面中的风速，用ur0表示。第三步骤使用转子平面中的风速ur0和诸测量来借助自适应卡尔曼滤波器(KAL2)确定测量平面和转子平面之间的风的感应因子，感应因子由a表示。
在本说明的其余部分中，测量平面与转子平面之间的距离被称为测量平面的距离。因此，它是纵向距离(沿图1中的x轴)。
1.风速测量
在此步骤中，借助LiDAR传感器，在远离风力涡轮机的至少两个测量平面中连续地测量风速。由此，可以知晓在风力涡轮机的上游在位于距风力涡轮机不同距离处的至少两个测量平面中的风速。换言之，可以知悉距风力涡轮机的转子平面的至少两个距离处的风速。对于这一步骤，考虑三个风分量(纵向、横向和垂直)，以及测量平面中的风速变化(例如，风速随高度增加)。由于根据本发明的方法不需要知悉测量平面和转子平面之间的距离，因此这些距离可以不是为实施根据本发明的方法而施加的。
根据本发明的一个实施例，测量至少三个测量平面中的风速，以提高对风力涡轮机上游的风的知悉精度，并且因此提高转子平面中风的感应因子的估计精度。
根据本发明的一个实现，测量平面可与转子平面间隔开在50到400m之间的纵向距离(沿图1中的x轴)。因此，可以确定风力涡轮机上游的长距离内的风速演变，这也允许提高风的感应因子的估计精度。
2.确定转子平面中的风速
这一步骤包括借助在步骤1中获得的至少两个测量平面中的风速测量并使用卡尔曼滤波器来确定转子平面中的风速。应用卡尔曼滤波器允许获得状态观测器。
根据本发明的一个实施例，可以使用应用于将风速与测量平面的距离进行相关联的参数函数的卡尔曼滤波器来执行该步骤。换言之，参数函数是其变量为测量平面的距离并确定该测量平面的风速的函数。此函数被称为参数函数，因为它取决于在此步骤中由卡尔曼滤波器确定的至少一个系数。该至少一个系数随时间变化。一旦卡尔曼滤波器确定了参数函数的该至少一个系数，该函数就被应用于转子平面，即零距离，以确定转子平面中的风速。
根据这一实施例的一个实现，参数函数可以是任何类型，例如多项式函数，优选地是二次多项式函数、分段仿射函数，等等。
根据这一实施例的一实现，针对这一步骤在卡尔曼滤波器中使用的状态模型可被写成如下：
Figure BDA0003301787640000111
其中k是离散时间，x是包含所述参数函数的系数的向量，y是所述至少两个测量平面中的风速向量，H是取决于所述至少两个测量平面的距离并根据所述参数函数来定义的矩阵，μ是所述参数函数的系数的变化，以及ε是测量噪声向量。
对于其中所述参数函数是二次多项式函数的示例实施例，这一参数函数f可被形成：
Figure BDA0003301787640000112
其中ri是测量平面i的距离(其中如果考虑转子平面，则ri＝r0＝0)，c0、c1、c2是所述参数函数的系数。在这一情形中，矩阵H可被写成：
Figure BDA0003301787640000113
其中n是已针对其执行测量的测量平面的数目。
在这一情形中，可以写成：
Figure BDA0003301787640000114
其中uri是测量平面i中的风速。
考虑到测量平面中的风速包括噪声εi(k)，模型可被写成：
Figure BDA0003301787640000115
假定参数函数系数的变化很小，可以写成：
Figure BDA0003301787640000116
其中μ是系数的变化。
通过定义：
Figure BDA0003301787640000117
Figure BDA0003301787640000121
以及
y(k)＝[u1(k) u2(k) ... u10(k)]T
∈(k)＝[∈1(k) ∈2(k) ... ∈10(k)]T
获得了以上解说的状态模型：
Figure BDA0003301787640000122
对于该示例，下文描述了借助卡尔曼滤波器确定状态向量x。此类滤波器提供了以下问题的解：
Figure BDA0003301787640000123
其中
Figure BDA0003301787640000124
P0、Q、R是合适维度的加权矩阵，
Figure BDA0003301787640000125
是初始状态x(0)的平均值。回忆：
η(k-1)＝x(k)-x(k-1)且μ(k)＝y(k)-Hx(k)
随后可作出以下假设，这主要关注P0、Q、R的数学解释：
·x(0)是不与噪声η(k)和μ(k)相关的随机向量，
·x(0)具有已知均值
Figure BDA0003301787640000126
其中P0作为协方差矩阵如下定义：
Figure BDA0003301787640000127
·η(k)和μ(k)分别是具有零均值且不与协方差矩阵Q和R相关的白噪声：
Figure BDA0003301787640000128
Figure BDA0003301787640000129
E[η(k)μ(j)T]＝0对于所有k，j。
还采用以下表示法：
·
Figure BDA0003301787640000131
是给定直至时间k-1所执行的诸测量的向量x(k)的估计
·
Figure BDA0003301787640000132
是给定直至时间k所执行的诸测量的向量x(k)的估计
·P(k|k-1)是给定直至时间k-1所执行的诸测量的向量x(k)的协方差矩阵
·P(k|k)是给定直至时间k所执行的诸测量的向量x(k)的协方差矩阵。
卡尔曼滤波算法随后可由两个方程组来概括如下：
·时间更新方程
Figure BDA0003301787640000133
·测量更新方程
Figure BDA0003301787640000134
因此，通过执行这些步骤，可以确定向量x的估计
Figure BDA0003301787640000135
这意味着可以确定参数函数的系数。因此，可以通过应用以下公式来确定转子平面中的风速ur0：
Figure BDA0003301787640000136
(该公式对应于值ri＝0的二次多项式参数函数的实施例，并且该公式需要取决于所使用的参数函数来被适配)。
3.确定测量平面和转子平面之间的感应因子
该步骤包括实时地确定已针对其测量风速的测量平面之一与转子平面之间的风的感应因子。因此，可以通过将物理现象，特别是风减速纳入考虑来表示转子处风的演变。根据本发明，测量平面和转子平面之间的风的感应因子是借助步骤2中获得的转子平面中的风速、步骤1中获得的至少两个测量平面中的风速测量和卡尔曼滤波器(尤其是自适应卡尔曼滤波器)来确定的。应用卡尔曼滤波器允许获得状态观测器。自适应卡尔曼滤波器允许根据风速来自适应噪声的协方差矩阵。因此，该滤波器在较宽的风速范围内是有效的。此外，自适应卡尔曼滤波器对风速变化是稳健的。
鉴于风速在至少两个测量平面和转子平面中是已知的，可直接使用定义感应因子的方程来确定它：
Figure BDA0003301787640000141
然而，这种方法有两个缺点：它没有提供关于估计质量的信息，而风速是用它们的置信区间来估计的，并且对于低风速，可能会出现数值稳定性问题。
根据本发明的一个实施例，可以通过将自适应卡尔曼滤波器应用于以下状态模型来确定风的感应因子：
Figure BDA0003301787640000142
其中
Figure BDA0003301787640000143
且k是离散时间，ri是测量平面i到转子平面的距离(其中如果考虑转子平面，ri＝r0＝0)，rj是测量平面j到转子平面的距离(其中如果考虑转子平面，rj＝r0＝0)，ari，rj是测量平面i和测量平面j之间的感应因子(如果i＝0或j＝0，则所考虑的平面是转子平面)，
Figure BDA0003301787640000144
是测量平面i中的风速(其中如果考虑转子平面，ri＝r0＝0)，
Figure BDA0003301787640000145
是测量平面j中的风速(其中如果考虑转子平面，rj＝r0＝0)，ξ是感应因子随时间的变化，
Figure BDA0003301787640000146
是测量平面i中的风速
Figure BDA0003301787640000147
的噪声，
Figure BDA0003301787640000148
是测量平面j中的风速
Figure BDA0003301787640000149
的噪声。
实际上，可借助下文描述的各步骤来使用自适应卡尔曼滤波器。
感应因子方程可被写成：
Figure BDA00033017876400001410
鉴于风速包含噪声，更真实的模型可被写成：
Figure BDA00033017876400001416
其中
Figure BDA00033017876400001411
是测量平面i中的风速
Figure BDA00033017876400001412
的噪声，
Figure BDA00033017876400001413
是测量平面j中的风速
Figure BDA00033017876400001414
的噪声
随后可以定义：
Figure BDA00033017876400001415
这允许写成：
Figure BDA00033017876400001417
可假定噪声
Figure BDA0003301787640000151
和
Figure BDA0003301787640000152
是不相关的(换言之，可以写成：
Figure BDA0003301787640000153
在这一情形中，v(k)的方差可以是：
Figure BDA0003301787640000154
注意，Rv(k)依赖于时间(k是离散时间)。
假定感应因子随时间的变化很小，可以写成：
Figure BDA0003301787640000157
其中ξ是感应因子随时间的变化。
使用这些方程，获得如上所述的状态模型：
Figure BDA0003301787640000155
然后使用自适应卡尔曼滤波器，因为测量噪声的协方差矩阵Rv(k)是时间的函数。利用这一自适应卡尔曼滤波器，可以确定
Figure BDA0003301787640000156
测量平面i和j之间的感应因子的估计，给定在时间k的测量平面i和j中的风速，然后考虑针对转子平面ri＝0，且j对应于步骤1中用于测量的诸测量平面中的所考虑的测量平面。
应用
本发明还涉及一种控制配备有LiDAR传感器的风力涡轮机的方法。对于该方法执行以下步骤：
-借助根据上述变型组合中的任一者的确定感应因子的方法，确定测量平面和风力涡轮机的转子平面之间的风的感应因子，
-根据所考虑的测量平面和转子平面之间的风的感应因子来控制风力涡轮机。
对风的感应因子的精确实时知识允许在最小化对风力涡轮机结构的影响和最大化地回收功率方面对风力涡轮机的适当控制。事实上，借助这种控制，LiDAR传感器允许减少结构、叶片和塔架上的荷载，占其成本的54％。因此，使用LiDAR传感器允许优化风力涡轮机结构，并从而降低成本和维护。
根据本发明的一实现，可取决于风速来控制叶片的倾角和/或风力涡轮发电机的电回收扭矩。也可以使用其他类型的调节设备。
根据本发明的一实施例，叶片的倾角和/或电回收扭矩可借助风力涡轮机图来确定，作为转子处风速的函数。例如，可以应用专利申请FR-2976630A1(US-2012/0321463)中描述的控制方法。
图3藉由非限制性示例示意性地解说了根据本发明的实施例的方法的各步骤。第一步骤是测量若干个测量平面中的风速的步骤(MES)。第二步骤使用诸测量和卡尔曼滤波器(KAL1)来确定转子平面中的风速，用ur0表示。第三步骤使用转子平面中的风速ur0和诸测量来借助自适应卡尔曼滤波器(KAL2)确定测量平面和转子平面之间的风感应因子，感应因子由a表示。第四步骤(CON)涉及根据风的感应因子a来进行风力涡轮机控制。
此外，本发明涉及一种用于装备有LiDAR传感器的风力涡轮机的诊断和/或监控方法，其中执行以下步骤：
-借助根据上述变型组合中的任一者的感应因子确定方法，来确定测量平面和风力涡轮机的转子平面之间的风的感应因子，
借助在前一步骤中确定的感应因子，确定风力涡轮机从风中汲取的气动功率，以及
根据在前一步骤中确定的气动功率来诊断和/或监控风力涡轮机的运行。
感应因子表示由于风场中存在风力涡轮机而导致的风减速，可以根据该感应因子来确定风力涡轮机从风中汲取的气动功率。根据一实施例，可借助感应因子a、自由风流的速度Vinf、空气密度Ro和风力涡轮机的表面积Ad来确定所汲取的气动功率Paéro，
Figure BDA0003301787640000161
所汲取的气动功率提供了有关风力涡轮机的运行的信息，这使得能够诊断和/或监控风力涡轮机的运行。基本思想是通过将发电机的传输效率和电转换效率近似为1，将风力涡轮机产生的电功率与由前面方程给出的理论电功率进行比较。
两个功率的比率允许对风力涡轮机的运行和有效气动效率进行诊断和/或监控。
感应因子的实时更新还允许量化施加在风力涡轮机上的气动推力载荷，并由此推断出累积疲劳损伤的估计。根据本发明的一实现，这可以使用将推力系数CT与感应因子进行相关的关系(Burton，Wind Energy Handbook(风能手册)，第3.2章)来完成，该关系可以写成如下：CT＝4a(1-a)。此外，感应因子的在线估计可允许实时地开发和更新经简化的风力涡轮机尾流模型。这允许在风电场规模上进行运行诊断，并通过相邻风力涡轮机之间的尾流相互作用来标识风险区，或甚至对风电场进行诊断和控制。在这种情况下，本发明可涉及风电场的诊断和/或监控方法，其中执行以下步骤：-对于风电场的至少一个风力涡轮机，借助根据上述变型组合中的任一者的感应因子确定方法，来确定测量平面和风力涡轮机的转子平面之间的风的感应因子，
-借助由此确定的感应因子来确定至少一个风力涡轮机的推力系数，
-使用由此确定的推力系数为至少一个风力涡轮机构建尾流模型，以及
根据在前一步骤中确定的尾流模型来诊断和/或监控风电场的至少一个风力涡轮机的运行。
根据一实施例，尾流模型可以采取文献：Wake effect modeling:A review ofwind farm layout optimization using Jensen′s model(尾流效应建模：使用Jensen′s模型的风电场布局优化综述)，Rabia Shakoor，Mohammad Yusri Hassan，Abdur Raheem，Yuan Kang Wu，Renewable and Sustainable Energy Reviews(可再生和可持续能源综述)，58卷，2016年5月，第1048-1059页中描述的Jensen模型的形式。
尾流提供了有关风电场的运行的信息，这使得能够诊断和/或监控风力涡轮机的运行。基本思想是将风电场产生的电功率与理论电功率进行比较。
精确实时的尾流知识允许在最大化由风电场回收的风能方面对风电场进行适当控制。
图4藉由非限制性示例示意性地解说了根据本发明的实施例的方法的各步骤。第一步骤是测量若干个测量平面中的风速的步骤(MES)。第二步骤使用诸测量和卡尔曼滤波器(KAL1)来确定转子平面中的风速，用ur0表示。第三步骤使用转子平面中的风速ur0和诸测量来借助自适应卡尔曼滤波器(KAL2)确定测量平面和转子平面之间的风的感应因子，感应因子由a表示。第四步骤(PUI)根据测量平面和转子平面之间的感应因子a以及测量平面中的风速测量，来确定从风汲取的气动功率Paéro。第五步骤(DIA)根据所汲取的气动功率Paéro对风力涡轮机进行诊断或监控。
此外，本发明涉及一种计算机程序产品，包括设计用于执行上述方法(感应因子确定方法、控制方法、诊断和/或监控方法)之一的各步骤的代码指令。该程序在用于处理LiDAR传感器的单元上执行，或在连接到LiDAR传感器或风力涡轮机的任何类似介质上执行。
根据一方面，本发明还涉及用于风力涡轮机的LiDAR传感器，其包括被配置成实现上述方法(感应因子确定方法、控制方法、诊断和/或监控方法)之一的处理单元。
根据本发明的一实现，LiDAR传感器可以是扫描LiDAR、连续波LiDAR或脉冲式LiDAR传感器。优选地，LiDAR传感器是脉冲式LiDAR传感器。
本发明还涉及一种风力涡轮机，尤其是配备有如上所述的LiDAR传感器的离岸或岸上风力涡轮机。根据本发明的一实施例，LiDAR传感器可被布置在风力涡轮机的机舱上或风力涡轮机的轮毂中(即，在风力涡轮机转子的末端)。LiDAR传感器被定向成执行对风力涡轮机上游(即，在风力涡轮机之前且沿着其纵轴，由图1中的x轴指定)的风的测量。根据一实施例，风力涡轮机可以类似于图1所示的风力涡轮机。
对于控制方法的实施例，风力涡轮机可以包括控制装置，例如用于控制风力涡轮机叶片的俯仰角或用于控制电扭矩，用于实施根据本发明的方法。
对于诊断和/或监控方法的实施例，风力涡轮机可包括风力涡轮机运行诊断和/或监控装置。
应用示例
根据本发明的方法的其他特征和优点将通过阅读下文对示例的描述而清楚。
在此示例中，使用LiDAR传感器的实验测量，并根据本发明的一实施例确定测量平面和转子平面之间的风的感应因子。在该示例中实现的本发明的实施例是二次多项式参数函数。此外，在此示例中，LiDAR传感器测量十个测量平面中的风速，距转子平面的距离分别是r1、r2、……、r10。
借助根据本发明实施例的方法，确定如下感应因子：
-距离r1处的测量平面与转子平面之间的感应因子，
-距离r2处的测量平面与转子平面之间的感应因子，距离r2大于距离r1，以及
-距离r3处的测量平面与转子平面之间的感应因子，距离r3大于距离r2。
图5是感应因子a作为时间T的函数的曲线。图5仅解说了距离r1处的测量平面与转子平面之间的感应因子，表示为a0,r1。根据本发明的方法确实允许确定测量平面与转子平面之间的感应因子。此外，注意到，该感应因子接近1并且随时间变化。
图6是感应因子a作为时间T的函数的曲线。图6解说了距离r1处的测量平面与转子平面之间的感应因子(由a0,r1表示)，距离r2处的测量平面与转子平面之间的感应因子(由a0,r2表示的)，以及距离r3处的测量平面与转子平面之间的感应因子(由a0,r3表示)。根据本发明的方法确实允许确定测量平面与转子平面之间的感应因子。注意到，三个感应因子随时间变化，且测量平面越靠近转子平面，感应因子越接近1，这确实对应于风感应现象。确定不同测量平面和转子平面之间的若干个感应因子，可以允许在任何时间确定感应因子因变于距转子平面的距离的变化。

Claims (11)

1.一种确定测量平面(PM)和风力涡轮机(1)的转子平面(PR)之间的感应因子的方法，所述风力涡轮机(1)配备有LiDAR传感器(2)，所述LiDAR传感器相对于在远离所述风力涡轮机(1)的至少两个测量平面(PM)中的风速来执行测量，所述风的感应因子表示所述风力涡轮机上游的两个远处点之间的风减速系数，减速是由所述风力涡轮机(1)在风场中的操作而产生的，其特征在于，执行以下步骤：
a)借助所述LiDAR传感器(2)测量(MES)在远离所述风力涡轮机(1)的至少两个测量平面(PM)中的风速，
b)借助至少两个测量平面(PM)中的所述风速的所述测量以及卡尔曼滤波器(KAL 1)来确定所述转子平面(PR)中的风速，以及
c)借助所确定的在所述转子平面(PR)中的所述风速、测量平面(PM)中的风速测量以及自适应卡尔曼滤波器(KAL 2)，来确定所考虑的所述测量平面(PM)与所述转子平面(PR)之间的所述风的感应因子。
2.根据权利要求1所述的确定感应因子的方法，其特征在于，所述转子平面(PR)中的风速是借助卡尔曼滤波器(KAL 1)来确定的，所述卡尔曼滤波器(KAL1)被应用于将风速与测量平面距离进行相关的参数函数。
3.根据权利要求2所述的确定感应因子的方法，其特征在于，所述参数函数是多项式函数，优选地是二次多项式函数或分段仿射函数。
4.根据前述权利要求中的任一项所述的确定感应因子的方法，其特征在于，所述卡尔曼滤波器中使用的状态模型被写为：
Figure FDA0003301787630000011
其中k是离散时间，x是包含所述参数函数的系数的向量，y是所述至少两个测量平面中的风速向量，H是取决于所述至少两个测量平面的距离并根据所述参数函数来定义的矩阵，μ是所述参数函数的系数的变化，以及ε是测量噪声向量。
5.根据权利要求4所述的确定感应因子的方法，其特征在于，所述参数函数是多项式函数，它被写为：
Figure FDA0003301787630000012
其中ri是测量平面i的距离，f是所述参数函数，c0、c1、c2是所述参数函数的所述系数，并且其中矩阵H被写为：
Figure FDA0003301787630000021
其中n是已针对其执行测量的测量平面的数目。
6.根据前述权利要求中的任一项所述的确定感应因子的方法，其特征在于，所述感应因子是通过将所述自适应卡尔曼滤波器应用于以下状态模型来确定的：
Figure FDA0003301787630000022
其中
Figure FDA0003301787630000023
且k是离散时间，ri是测量平面i的距离，rj是测量平面j的距离，ari,rj是测量平面i和测量平面j之间的感应因子，
Figure FDA0003301787630000024
是平面i中的风速，
Figure FDA0003301787630000025
是平面j中的风速，ξ是感应因子随时间的变化，
Figure FDA0003301787630000026
是测量平面i中的风速
Figure FDA0003301787630000027
的噪声，
Figure FDA0003301787630000028
是测量平面j中的风速
Figure FDA0003301787630000029
的噪声。
7.一种控制配备有LiDAR传感器(2)的风力涡轮机(1)的方法，其特征在于，执行以下步骤：
a)借助前述权利要求中的任一项所述的方法，来确定测量平面和风力涡轮机的转子平面之间的所述感应因子，以及
b)根据所考虑的测量平面和所述风力涡轮机的转子平面之间的所述感应因子，来控制所述风力涡轮机(1)。
8.一种用于诊断和/或监控配备有LiDAR传感器的风力涡轮机的方法，其特征在于，执行以下步骤：
a)借助权利要求1到6中的任一项所述的方法，来确定测量平面(PM)和风力涡轮机(1)的转子平面(PR)之间的感应因子，
b)借助在测量平面(PM)和风力涡轮机(1)的转子平面(PR)之间确定的风的所述感应因子，确定所述风力涡轮机(1)从风中汲取的气动功率，以及
c)借助所确定的所汲取的气动功率来诊断和/或监控所述风力涡轮机(1)的运行。
9.一种计算机程序产品，其特征在于，包括被设计成当该程序在用于处理所述LiDAR传感器(2)的单元上执行时执行根据前述权利要求中的任一项所述的方法的各步骤的代码指令。
10.一种用于风力涡轮机的LiDAR传感器(2)，其特征在于，包括实现根据权利要求1到8中的任一项所述的方法的处理单元。
11.一种风力涡轮机(1)，其特征在于，包括根据权利要求10所述的LiDAR传感器(2)，所述LiDAR传感器(2)优选地布置在所述风力涡轮机(1)的机舱上或所述风力涡轮机(1)的轮毂中。
CN202111192673.8A 2020-10-14 2021-10-13 确定测量平面和风力涡轮机转子平面间的感应因子的方法 Pending CN114355386A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
FR2010493 2020-10-14
FR2010493A FR3115115B1 (fr) 2020-10-14 2020-10-14 Procédé de détermination d’un facteur d’induction entre un plan de mesure et le plan du rotor d’une éolienne

Publications (1)

Publication Number Publication Date
CN114355386A true CN114355386A (zh) 2022-04-15

Family

ID=73793457

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111192673.8A Pending CN114355386A (zh) 2020-10-14 2021-10-13 确定测量平面和风力涡轮机转子平面间的感应因子的方法

Country Status (7)

Country Link
US (1) US11578701B2 (zh)
EP (1) EP3985250B1 (zh)
CN (1) CN114355386A (zh)
CA (1) CA3133615A1 (zh)
ES (1) ES2967063T3 (zh)
FR (1) FR3115115B1 (zh)
PL (1) PL3985250T3 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112114332A (zh) * 2019-06-19 2020-12-22 Ifp新能源公司 确定装备lidar传感器的风力涡轮机上游的风速垂直廓线的方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120179376A1 (en) * 2011-01-11 2012-07-12 Ophir Corporation Methods And Apparatus For Monitoring Complex Flow Fields For Wind Turbine Applications
CN105452899A (zh) * 2013-06-30 2016-03-30 风电场分析有限公司 涡轮机流体速度场测量
US20180017039A1 (en) * 2016-07-13 2018-01-18 General Electric Company Systems and methods to correct induction for lidar-assisted wind turbine control
EP3564524A1 (en) * 2018-05-01 2019-11-06 General Electric Company Induction controlled wind turbine
CN111173686A (zh) * 2018-11-12 2020-05-19 Ifp新能源公司 确定配备有LiDAR传感器的风力涡轮机的感应因子的方法
CN111706472A (zh) * 2019-03-18 2020-09-25 Ifp新能源公司 预测配备LiDAR传感器的风轮机的转子平面中的风速的方法

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0970308B1 (en) * 1997-03-26 2003-05-21 Forskningscenter Riso A wind turbine with a wind velocity measurement system
GB0411097D0 (en) * 2004-05-19 2004-06-23 Qinetiq Ltd Laser radar device and method
US7342323B2 (en) * 2005-09-30 2008-03-11 General Electric Company System and method for upwind speed based control of a wind turbine
US7950901B2 (en) * 2007-08-13 2011-05-31 General Electric Company System and method for loads reduction in a horizontal-axis wind turbine using upwind information
EP2253838A1 (en) * 2009-05-18 2010-11-24 Lm Glasfiber A/S A method of operating a wind turbine
FR2976630B1 (fr) 2011-06-17 2021-07-23 Ifp Energies Now Procede pour optimiser la puissance recuperee par une eolienne en reduisant l'impact mecanique sur la structure.
FR3013777B1 (fr) 2013-11-25 2015-11-13 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
FR3068139B1 (fr) 2017-06-21 2019-12-20 IFP Energies Nouvelles Procede d'acquisition et de modelisation par un capteur lidar d'un champ de vent incident

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120179376A1 (en) * 2011-01-11 2012-07-12 Ophir Corporation Methods And Apparatus For Monitoring Complex Flow Fields For Wind Turbine Applications
CN105452899A (zh) * 2013-06-30 2016-03-30 风电场分析有限公司 涡轮机流体速度场测量
US20180017039A1 (en) * 2016-07-13 2018-01-18 General Electric Company Systems and methods to correct induction for lidar-assisted wind turbine control
EP3564524A1 (en) * 2018-05-01 2019-11-06 General Electric Company Induction controlled wind turbine
CN111173686A (zh) * 2018-11-12 2020-05-19 Ifp新能源公司 确定配备有LiDAR传感器的风力涡轮机的感应因子的方法
CN111706472A (zh) * 2019-03-18 2020-09-25 Ifp新能源公司 预测配备LiDAR传感器的风轮机的转子平面中的风速的方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
赵萌 等: "低信噪比下相干多普勒激光雷达风场矢量反演算法", 《中国激光》, vol. 45, no. 11, 26 July 2018 (2018-07-26), pages 278 - 288 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112114332A (zh) * 2019-06-19 2020-12-22 Ifp新能源公司 确定装备lidar传感器的风力涡轮机上游的风速垂直廓线的方法

Also Published As

Publication number Publication date
FR3115115B1 (fr) 2022-10-14
US11578701B2 (en) 2023-02-14
US20220112883A1 (en) 2022-04-14
EP3985250B1 (fr) 2023-09-06
CA3133615A1 (fr) 2022-04-14
EP3985250A1 (fr) 2022-04-20
ES2967063T3 (es) 2024-04-25
EP3985250C0 (fr) 2023-09-06
PL3985250T3 (pl) 2024-03-18
FR3115115A1 (fr) 2022-04-15

Similar Documents

Publication Publication Date Title
CN110832351B (zh) 用于藉由lidar传感器来采集入射风场以及对其进行建模的方法
US11668284B2 (en) Method of determining an induction factor for a wind turbine equipped with a lidar sensor
Larsen et al. Validation of the dynamic wake meander model for loads and power production in the Egmond aan Zee wind farm
Battisti et al. Aerodynamic measurements on a vertical axis wind turbine in a large scale wind tunnel
Foti et al. Wake meandering of a model wind turbine operating in two different regimes
US11454725B2 (en) Method of determining the vertical profile of the wind speed upstream from a wind turbine equipped with a lidar sensor
EP2581761B1 (en) Estimation of Wind Properties Using a Light Detection and Ranging Device
CN111221003B (zh) 用激光雷达传感器获取入射风场和对其建模的方法
KR20150060560A (ko) Lidar 센서에 기초한 풍속 추정을 사용한 풍력 터빈 제어 및 모니터링 방법
US11105929B2 (en) Method for predicting wind speed in the rotor plane for a wind turbine equipped with a LiDAR sensor
US20240427023A1 (en) Method for determining wind speed by means of a laser remote sensor mounted on a wind turbine
Fu et al. MEMS gyroscope sensors for wind turbine blade tip deflection measurement
Kragh et al. Increased power capture by rotor speed–dependent yaw control of wind turbines
CN111472930B (zh) 演化风速计算方法及基于该方法的前馈统一变桨控制方法
US11790138B2 (en) Method of determining the wind speed in the rotor plane used for controlling a wind turbine
US11421651B2 (en) Method of determining wind direction by means of a LiDAR sensor
Hong et al. Snow-powered research on utility-scale wind turbine flows
US11746746B2 (en) Method of determining average wind speed by means of a LiDAR sensor
Kim et al. Wind inflow observation from load harmonics via neural networks: A simulation and field study
CN114355386A (zh) 确定测量平面和风力涡轮机转子平面间的感应因子的方法
EP3987171A1 (en) Controlling noise emissions from individual blades of a wind turbine
US20220145856A1 (en) Method of determining the wind speed in the rotor plane of a wind turbine
Naumov et al. Estimation of wake propagation behind the rotors of wind-powered generators
Wang et al. A new fault detection strategy for wind turbine rotor imbalance based on multi-condition vibration signal analysis
US20240328392A1 (en) Method of determining free-flow wind speed for a wind farm

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination