风力涡轮机的控制、转子叶片以及风力涡轮机的制作方法

专利名称：风力涡轮机的控制、转子叶片以及风力涡轮机的制作方法
技术领域：
本发明涉及一种用于控制风力涡轮机的方法、一种能够实现相应的控制的转子叶片以及一种用于控制至少一个转子叶片的装置。此外，也提出一种具有至少一个这样的转子叶片和/或至少一个这样的用于进行控制的装置的风力涡轮机。
背景技术：
风力涡轮机的转子叶片的使用寿命在很高的程度上取决于作用于转子叶片的周期性的负荷的强度，所述负荷比如基于剪切风、湍流和初始条件。在此转子叶片的偏转的形式的高负荷是不受欢迎的，尤其如果高负荷的状态很快地与无负荷的状态或者甚至与逆反的负荷的状态(动态的交变负荷)交替。比如根据转子叶片的位置由于用谐振频率进行的激
励或者由于交变的风速引起的交变-偏转会导致转子叶片的特别严重的老化。风力涡轮机的转子叶片典型地必须经得住数百万个负荷周期，所述数百万个负荷周期导致转子叶片的逐渐的磨损并且减少剩余的使用寿命。在此不利的是，前面提到的特别强烈的负荷大大缩短风力涡轮机的使用寿命。已经知道，改变风力涡轮机的转子叶片的倾角(也称为“pitch”)。这使得由所述风力涡轮机生产的功率发生变化。尤其所述风力涡轮机的转子叶片可以单个地倾斜。当然，事先不知道转子叶片的所面临的负荷并且具有比如10吨的重量或者更大重量的转子叶片的倾斜需要能量和时间。另外不利的是，转子叶片本身的这样的调节引起巨大的负荷以及转子叶片的轴承及倾斜致动器的随之产生的磨损，这又不利地影响着系统的使用寿命以及风力涡轮机的必要的保养。此外知道，作为学习算法比如使用以下方法之一
_NFQ 方法(“Neural Fitted Q Iteration”，参见M. Riedmiller Neutral Fitted QIteration-First Experiences with a Data Efficient Neural Reinforcement LearningMethod。In Proc. Of the European Conf. on Machine Learning (在关于机器学习的欧洲会议的会议记录中)，2005年)；
-RCNN (“Recurrent Control Neural Network”，参见A. M. Schaefer、S. Udluft和 H.-G. Zimmermann A Recurrent Control Neural Network for Data EfficientReinforcement Learning。 In Proc. Of the IEEE International Symposium onApproximate Dynamic Programming and Reinforcement Learning (在关于近似动态编程及增强学习的IEEE国际研讨会的会议记录中)，2007年；或者A. M. Schafer. D.SchneegaB、V. Sterzing 和 S. Udluft A Neural Reinforcement Learning Approach toGas Turbine Control。International Joint Conference on Neural Networks (关于神经网络的国际合作会议)，2007年)和/或
-PGNRR方法(“Policy Gradient Neural Rewards Regression，，，参见D. SchneegaB、S. Udluft 和 Th. Martinetz :Improving Optimality of Neural Rewards Regressionfor Data-Efficient Batch Near-Optimal Policy Identification。 In Proc. of theInternational Conf. on Artificial Neural Networks (在关于人造的神经网络的国际会议的会议记录中)，2007年)。

发明内容
本发明的任务是，避免前面提到的缺点并且提供一种有效的解决方案，用于降低特别剧烈的作用于风力涡轮机或者说其转子叶片上的负荷并且降低逆反的负荷并且由此延长风力涡轮机系统的使用寿命或者说降低保养成本。该任务按照独立权利要求所述特征得到解决。优选的实施方式尤其能够从从属权利要求中获知。为解决该任务，说明一种用于控制具有至少一个转子叶片的风力涡轮机的方法，其中从所述转子叶片的至少一个腔室中导出调制射流，用于改变沿着转子叶片的空气流。所述调制射流比如是用于对空气动力的边界层产生影响的控制射流。由此提出 对空气流的主动的控制，用于降低风力涡轮机的转子叶片的负荷。由此，借助于致动器可以操控沿着转子叶片的流动的加载、由此产生的空气动力的升力以及由此引起的作用于转子叶片的负载。这里所介绍的解决方案尤其利用沿着风力涡轮机的叶片的空气流的主动的控制(也称为“Active Flow Control”，AFC)。这种方式的主动控制能够在没有较大的质量比如转子叶片或者其部件的(快速的)运动或者加速的情况下来影响转子叶片的升力。该方案相对于干扰是稳健的并且非常有能效。(脉冲式的)空气流会以不同的角度与相应于旋转的基本流动一起出现或者反向于所述基本流动而出现。由此可以使部分分离的流动实现加载(提高叶片负载和空气动力的效率)或者说使所加载的流动实现分离(降低翼型的空气动力的效率以及由此叶片负载)。因此可以有针对性地进行开环和闭环控制，用于比如控制负载分布并且/或者减缓湍流、风暴或者剪切风的作用。借助于空气流进行的控制比如可以在转子叶片的外面的区域中进行。这是有利的，因为在所述转子叶片的叶尖的附近出现的负荷具有对转子叶片的叶根上的弯曲力矩的最大的影响。由此可以明显地降低风力涡轮机的运行过程中的负荷。尤其降低或者避免对转子叶片的使用寿命产生有害影响的振动。尤其所述腔室除了输入管路和用于引出调制射流的开口之外可以构造为密封的结构。在此可以取代连续的调制射流而产生适当地脉冲式的调制射流，在此吸入并且有取向地排出所述调制射流。一种改进方案是，所述调制射流从转子叶片中基本上在沿着转子叶片移动的空气流的方向上移动。尤其将所述调制射流如此从所述转子叶片的腔室中导出，使得空气流(又)层状地沿着转子叶片移动(在没有流动失速的情况下以层流流动的形式)。比如通过这种调制射流可以降低流动分离并且减小边界层的厚度。这提高了转子叶片的升力并且可以反作用于转子叶片的强烈的逆反的负荷。在此要说明，所述调制射流的流出方向可以有取向。尤其一种改进方案是，所述调制射流从转子叶片中基本上反向于沿着转子叶片移动的空气流的方向移动。由此所述调制射流可以引起沿着转子叶片的流动失速。通过这种方式来降低转子叶片上的升力并且由此降低转子叶片的负荷。借助于电压(静电的)尤其通过能够以电方式来运行的致动器来改变所述腔室的容积，这也是一种改进方案。另外，一种改进方案是，借助于非线性的从数据中学习的模型尤其神经网络尤其根据其它的影响参量来预测所述至少一个转子叶片的预期的负载变化的强度、开始和/或持续时间。不是紧接着而是延迟地出现调制射流的空气动力的作用。这种延迟尤其不是恒定的，而是非线性地并且随机地取决于其它变量，比如转子速度、风力、叶片倾角、相对风的涡轮机取向、空气密度和湍流以及其它的因素。这些因素影响着所述调制射流的持续时间和效用。·因此，下一个改进方案在于，学习用于对调制射流进行预测、计划和控制的策略并且根据该策略来控制所述调制射流。为进行预测，在此可以使用非线性的模型比如神经网络，尤其递归的神经网络比如
-ECNN (参照H. G. Zimmermann、R. Neuneier 和 R. Grothmann: “Modeling ofDynamical Systems by Error Correction Neural Networks” in “Modeling andForecasting Financial Data, Techniques of Nonlinear Dynamicals，，，A. Soofi 和 L.Cao, Kluwer Academic 出版社，第 237-263 页，2002 年)或者
-DCNN (参照H. G. Zimmermann> R. Grothmann> A. M. Schaefer 和 Ch.Tietz: “Identification and Forecasting of Large Dynamical Systems byDynamical Consistent Neural Networks，，in “New Directions in Statistical SignalProcessing:From Systems to Brain”，MIT Press (麻省理工学院出版社)，2006 年，第203-242 页)。为了学习控制策略，比如可以使用NFQ方法、RCNN或者PGNRR方法。这样的学习过程可以在所收集的参数和/或测量参量的基础上进行并且所学习的策略可以(在学习阶段之后)用于控制所述腔室。所述控制可以为风力涡轮机的每个腔室并且/或者为其每个转子叶片独立地进行。所述学习过程可以在考虑到或者基于合适的调制比如用于负荷预测的RNN和/或用于对负荷状态和风的状态进行评估的神经网络的情况下进行。一种设计方案是，在用于对调制射流进行控制的策略中考虑到以下参数中的至少一个参数
-转子叶片的负荷；
-转子叶片的偏转；
-叶片倾角；
-转子转速；
-相对于风的涡轮机取向；
-风速-剪切风；
-空气密度；
"温度；
-湍流或者可能导致湍流的条件。所述参数可以测量或者可以从所测量的参量中推导出来。也可以这样安排，即比如在其它的可用的参数或者所测量的参量的基础上学习并且/或者调制至少一个参数。由此可以学习主动的流动调节的作用并且在时刻和强度方面相应地控制所述风力涡轮机(或者说转子叶片的致动器)。学习的方法比如神经网络和增强的学习(“Reinforcement Learning”)可以用于合适地描绘或者说模拟空气流的主动的影响(AFC)的动态性以及与周围的空气流、沿着转子叶片的空气流和转子叶片的弯曲之间的非线性的关系。 此外，一种改进方案是，转子叶片具有多个腔室，所述腔室分别共同地或者彼此分开地控制。在一种额外的改进方案的范围内，所述腔室具有容积，该容积至少部分地布置在两个金属的表面之间并且借助于静电的效应通过电压来改变或者说调节。所述转子叶片内部的、比如可以通过叠置的由导电的材料构成的层所形成的空气腔室允许产生空气脉冲，其措施是在利用静电的效应的情况下使用(高压)信号，用于改变所述空气腔室的容积。一种作为替代方案的实施方式在于，所述调制射流连续地或者脉冲式地产生。下一个设计方案是，调制射流通过阀从所述转子叶片的至少一个腔室中导出。所述调制射流借助于通过输入管路到达所述腔室中的空气来产生，这也是一种设计方案，
-其中通过风力涡轮机的轮毂向所述输入管路馈送经过压缩的空气并且/或者 -其中通过所述转子叶片中的输入口向所述输入管路馈送空气。前面提到的任务也通过一种转子叶片得到解决，其 -具有腔室，通过输入管路能够向该腔室供给空气，
-具有致动器，借助于该致动器能够调节(比如快速改变)所述腔室的容积，
-开口，借助于该开口所述腔室与外部空间相连接。所述腔室可以通过一系列较短的缝隙与外部空间相连接，借助于所述较短的缝隙可以产生有取向的空气射流。前面所解释的特征能够相应地与这个装置相组合。一种改进方案在于，所述致动器包括叠置的由导电的材料构成的层，借助于所述层能够产生调制射流，其措施是在利用静电的效应的情况下使用电压，用于(快速地)改变所述腔室的容积。所述腔室通过阀经由所述开口与外部空间相连接，这也是一种改进方案。也为了解决上面提到的任务而提出一种用于对至少一台分别具有至少一个转子叶片的风力涡轮机进行控制的装置，该装置包括处理单元，如此设置该处理单元，使得调制射流能够从所述转子叶片的至少一个腔室中导出，用于改变沿着所述转子叶片的空气流。也提出一种风力涡轮机，该风力涡轮机具有这里所描述的转子叶片中的至少一个转子叶片。此外提出一种风力涡轮机或者说一种具有至少一台风力涡轮机的系统，该系统具有至少一个如这里所描述的一样的用于进行控制的装置。这里提到的处理单元尤其可以构造为处理器单元和/或至少部分地固定地布线的或者逻辑的电路装置，比如如此设置所述处理器单元和/或电路装置，从而能够如在这方面所描述的一样来实施所述方法。所述的处理单元可以是各种处理器或者计算器或者具有相应必要的外围设备(存储器、输入/输出接口、输入-输出-设备等等)的计算机。前面的与所述方法相关的解释相应地适用于所述装置。所述装置也可以构造在一个组件中或者分布地构造在多个组件中。尤其所述装置的一部分也可以通过网络接口(t匕如互联网)来连接。此外，在这方面所介绍的解决方案包括一种计算机程序产品，该计算机程序产品 能够直接装载到数字的计算机的存储器中，该计算机程序产品包括程序代码部分，所述程序代码部分适合于实施这里所描述的方法的步骤。此外，上面提到的问题借助于计算机可读的存储介质比如任意的存储器来解决，所述存储介质包括能够由计算机执行的(比如程序代码的形式的)指令，其适合使所述计算机实施这里所描述的方法的步骤。


本发明的上面描述的特性、特征和优点以及如何实现所述特性、特征和优点的方式方法可以结合下面对实施例所作的示意性的说明而更加清楚且明确地理解，下面结合附图对所述实施例进行详细解释。在此为简明起见，相同的或者起相同作用的元件可以用相同的附图标记来表示。附图示出如下
图I是具有三个固定在轮毂上或者说固定在转子头部上的转子叶片的风力涡轮机的示意 图2是具有腔室的转子叶片的示意性的截取部分；
图3是所述转子叶片的剖面的示意图，其中来自转子叶片的腔室的调制射流引起沿着转子叶片层状地得到导引的空气流的失速；
图4是所述转子叶片的剖面的示意图，其中这里说明了与图3相反的情况，也就是说不是在翼型的整个长度上层状地沿着转子叶片移动的空气流如此受到影响，从而由于抽吸作用至少在另一个区域的范围内也产生层状的空气流；
图5是所述转子叶片的示意性的截取部分，其中从风力涡轮机的轮毂或者转子头部来向所述腔室馈送空气；并且
图6是示意性的图表，该图表说明了尤其借助于用于控制这里所解释的调制射流的电压来控制风力涡轮机的情况。
具体实施例方式这里的方案提出，设置致动器，用于调节转子叶片上的流动，其中学习用于对流动进行调节的策略并且可以根据该策略来控制所述致动器。所述策略尤其考虑到以下参数中的至少一个参数；-转子叶片的负荷；
-转子叶片的偏转；
-叶片倾角；
-转子转速；
-相对于风的涡轮机取向；
-风速；
-剪切风；
-空气密度；
"温度；
-湍流或者可能导致湍流的条件。前面的参数可以直接测量或者可以从所测量的参量中推导出来。也可以这样安排，即比如在(至少一个)其它的可用的参数或者所测量的参量的基础上学习并且/或者调制至少一个参数。在所提到的参数的基础上，可以使用(可能非线性的)模型，用于将脉冲式的或者(基本上)连续的空气流导入到转子叶片翼型的负压侧中。由此产生调制射流(作为空气流)，所述调制射流可以反向于一般的空气流取向并且使层状的空气流在转子叶片的表面上失速并且由此降低转子叶片上的升力并且由此降低转子叶片的负荷。作为替代方案可以如此使用所述调制射流，从而防止空气流的分离或者已经分离的空气流又加载到翼型上。这提高转子叶片的升力并且可以反作用于转子叶片的剧烈的逆向的负荷。可选可以脉冲式地激活所述调制射流，其措施比如是将脉冲的高压信号加载到平行的金属的表面上，所述平行的金属的表面可以在静电的效应的基础上朝向彼此运动或者离开彼此。由此可以快速地提高或者说降低所带电的表面之间的腔室中的压力并且由此产生所期望的调制射流或者说所述调制射流的脉冲。所述致动器可以分布到所述转子叶片的多个区域上。尤其可以设置较小的致动器，所述较小的致动器基本上彼此并行或者说同时运行。为了提高所述调制的效用，更精确地说可以在转子叶片的端部上使用分离的调制射流，在朝轮毂的方向稍微偏置的情况下使用所加载的调制射流。比如可以借助于阀来防止空气流回流到所述腔室中。所述调制射流可以通过所述转子叶片的迎流棱边的开口，尤其设置在转子叶片的叶尖上或者附近中的开口，到达所述
腔室中。置于压力之下的空气通过风力涡轮机的轮毂来提供，这也是一种可选方案，
此外，所述调制射流可以与转子叶片的附近的湍流的空气流共同作用。尤其有利的是,使用基于增强学习(“Reinforcement Learning”)方案的模型,用于从运行数据中学习优化的控制策略。这里所介绍的解决方案尤其利用沿着风力涡轮机的空气流的主动的控制。这种主动的控制能够在没有较大的质量比如转子叶片或者其一部分的(快速的)运动或者说加速度的情况下影响转子叶片的升力。可以使用学习的方法比如神经网络及增强的学习，用于合适地描绘或者说模拟主动的空气流控制的动态性以及与周围的空气流、沿着转子叶片的空气流和转子叶片的弯曲之间的非线性的关系。所述转子叶片内部的、比如可以通过叠置的由导电的材料构成的层所形成的空气腔室允许产生空气脉冲，其措施是在利用静电的效应的情况下使用高压信号，用于改变所述空气腔室的容积。该方案相对于干扰是稳健的并且非常有能效。(脉冲式的)空气流会在不同的角度下流出来并且作用于外部的(驱动着风力涡轮机的)空气流，用于比如控制负载分布并且/或者减缓湍流、风暴或者剪切风的作用。另外可以使用所描述的方法，用于
-通过主要加载地起作用的调制射流来提高翼型、转子叶片以及由此整个风力涡轮机的空气动力的效率；· -减少与湍流的流动分离相关联的噪声排放并且就这样较轻地运行风力涡轮机。借助于(脉冲式的)空气流进行的控制在此不必在转子叶片的整个长度的范围内进行，而是比如可以在转子叶片的外部的区域中进行。这一点是有利的，因为转子叶片的叶尖的附近的负荷具有对转子叶片的叶根上的弯曲力矩的最大的影响。图I示出了具有三个转子叶片的风力涡轮机的101的示意图，其中下面示范性地对所述转子叶片103之一进行观察。所述转子叶片固定在一个轮毂上或者说固定在转子头部102上。图I示范性地示出了所述风力润轮机的通过风引起的旋转方向106。所述转子叶片103具有腔室104、105，借助于所述腔室通过开口可以将空气流导送到转子叶片的表面上。下面对此进行详细解释。图2示出了具有腔室104和105的转子叶片103的示意性的截取部分。借助于下面解释的对来自腔室104和105的空气流的操控，可以影响作用于所述转子叶片103的负荷或者说弯曲并且尤其反作用于所述转子叶片103的不利的负荷。示范性地将空气流201从外面导引到所述腔室105中。所述腔室105的大小或者说容积能够借助于电压Uai来调节。比如为此可以借助于静电的效应通过电压Uai来使两块能够相对于彼此调节的金属板朝向彼此运动或者离开彼此并且就这样快速改变或者说调节所述腔室105的容积。在图2所示出的实施例中，借助于所述腔室105来引起沿着转子叶片103流动的流动失速。将空气流202从外部导引到所述腔室104中。所述腔室104的容积或者说大小同样能够借助于电压Ua来快速调节。根据前面的解释并且在利用静电的效应的情况下可以做到这一点，即通过所述电压Ua来产生过压并且由此产生流出的空气射流并且在所述空气射流的作用下又产生层状的环流并且将外部的空气流引到所述转子叶片103上。在此要说明，在利用静电的效应的情况下示范性地对所述腔室104、105的容积进行调节。也可以使用其它的机构，比如借助于电气的致动器，用于比如借助于电能来影响所述腔室104、105的容积。图3示意性地示出了所述转子叶片103的剖面。在所述转子叶片103的内壁310上设置了金属表面301，比如有导电能力的涂层或者金属条，在其边缘区域中布置了多个间隔块304并且在所述间隔块304的上面有绝缘的金属的膜片302。这个由金属表面301、间隔块304和绝缘的金属的膜片302构成的装置产生一个腔室，该腔室的容积可以通过电压Ucu的加载由于静电的效应而变化。这个腔室具有通往外部空间(转子叶片103的外部环境)的开口 303，从而可以通过所述电压U⑶的加载来降低所述腔室的容积并且可以通过所述开口 303来向外导引调制射流309 (空气流)。在此在通过电压Ucu引起的情况下，下面的力F作用于在所述腔室中所储存的空气容积
F = C.r^ML,
d
其中C表示电容并且d表示所述金属的膜片302与所述金属表面301之间的间距。所述开口 303如此取向，使得所述调制射流309引起流动失速。尤其所述调制射流309反向于加载在转子叶片上的空气流307取向。这使得层状地加载的空气流307失速并且转换为湍流地分离的空气流308。由此可以降低作用于所述转子叶片103的负荷。
所述空气流201沿着导向件305导引到所述腔室中，也就是导引到所述金属的膜片302与所述金属表面301之间的空间中。为此比如设置了另一个开口，通过该开口空气可以到达所述转子叶片103的内部。图4同样示意性地示出了所述转子叶片103的剖面，其中这里说明了相反的情况，也就是说如此影响不是层状地沿着转子叶片103移动的空气流401，从而由于抽吸作用至少部分地并且在特定的时间里也产生层状的空气流402。这比如可以通过以下方式来实现，即按照图3所描述的装置具有开口 403，该开口403如此取向，从而将调制射流405 (空气流)从所述腔室中吹出，该调制射流使得所述空气流402在较短的时间之后层状地沿着所述转子叶片103的外表面移动。比如为此如此设计所述开口 403，使得所述调制射流405沿所述空气流401、402的方向取向。所述腔室在其它方面在很大程度上相当于按图3的设计方案。所述腔室的容积可以通过电压Ucl的加载由于静电的效应而改变。通过电压Ucl的加载，来降低所述腔室的容积并且通过所述开口 403将所述调制射流405向外导引。在此，在通过所述电压Ua引起的情况下，力F作用于在所述腔室中所储存的空气容积
U2
F=cS,
d
其中C表示电容并且d表示所述金属的膜片302与所述金属表面301之间的间距。所述空气流202沿着导向件305导引到所述腔室中，也就是导引到所述金属的膜片302与所述金属表面301之间的空间中。为此比如设置了另一个开口，通过该开口空气可以到达所述转子叶片103的内部。在此要说明，比如所述腔室105可以构造用于实现按图3的流动失速并且所述腔室104则可以构造用于实现按图4的层状的流动。此外，所述调制射流309、405可以是连续的空气流或者脉冲式的空气流。尤其通过用合适的振荡的电压进行的控制所述腔室可以提供脉冲式的空气流。比如借助于阀(未示出)来防止空气流回流到所述腔室中。图5示出了所述具有腔室104和105的转子叶片103的示意性的截取部分，其中通过空气流501来向所述腔室104馈送空气并且通过空气流502来向所述腔室105馈送空气。所述空气流501和502可以从所述风力涡轮机的轮毂或者转子头部导引到所述腔室104、105中。由此比如可以以调制射流的形式来提供通过所述风力涡轮机压缩的空气。也可以将所述空气流501、502隔开或者合并。风力涡轮机的控制由此尤其也可以在考虑到所述调制射流309、405的控制的情况下进行。在此，可以考虑到在借助于所述调制射流开始的控制显示出作用之前所需要的死时。比如所述死时可以持续一定的时间直到所述转子叶片的负荷由于所述调制射流而变化。可以考虑到这个持续时间，用于防止不合适的或者太剧烈的控制。转子叶片本身的运动比如受到大量的不同的影响量的影响。这可以优选借助于合适的调制来加以考虑。尤其为了控制所述调制射流，也可以考虑到以下参数
-转子叶片的叶尖的速度；
-转子叶片的倾斜角；
-风速；
-转子转速；
-风力涡轮机的相对于风向的取向。这些参数比如可以借助于模型来学习。作为学习算法，比如可以使用以下方法之一
-NFQ方法，
-RCNN方法和/或 -PGNRR 方法。由此可以在RCNN的基础上确定用于控制所述调制射流的电压，其中比如作为输入参数考虑到
(a)转子叶片的负荷，
(b)风的状态，
(c)转子叶片的预期的最大的偏转或者弯曲。转子叶片的负荷(a)和风的状态(b)可以借助于具有马尔可夫(Markov)状态的神经网络根据以下参数来调制
-叶片倾角；
-旋转速度(比如每分钟的圈数);
-涡轮机的相对于风向的取向；
-风速；
-风力涡轮机的机舱的加速度值和方向；
-风的湍流；
-剪切风。转子叶片(C)的预期的最大的偏转或者弯曲比如借助于递归的神经网络(RNN “recurrent neural network”)在考虑到以下参数中的至少一个参数的情况下来预测
-转子叶片的负荷；
-转子叶片的倾斜角；
-旋转速度；
-风速；
-空气密度。
在预先给定的持续时间里也就是说尤其在一定的时间间隔范围内对这些参数至少部分地(或者全部)加以考虑，使得过去的数值也可以进入到所述调制中。图6示出了一张示意性的图表，该图表说明了尤其借助于用于控制这里所解释的调制射流的电压来控制风力涡轮机601的情况。由所述风力涡轮机601向RNN603提供涡轮机数据及风的数据，所述RNN求得用于所述风力涡轮机的转子叶片的负荷或者说弯曲的预测。此外，也将所述涡轮机数据及风的数据提供给神经网络602，该神经网络602用作用于负荷状态及风的状态的状态估算器。不仅将由所述神经网络602求得的状态而且将由所述RNN603所预测的负荷提供给RCNN604，该RCNN604在这些信息的基础上求得用于控制这里所解释的腔室的电压，用于提供调制射流，并且相应地控制所述风力涡轮机601的转子叶片中的腔室的致动器。尽管通过所述至少一种所示出的实施例详细地对本发明进行说明和描述，但是本发明不局限于此并且可以由本领域的技术人员从中推导出其它变型方案，而不离开本发明的范围。·
权利要求
1.用于控制具有至少一个转子叶片的风力涡轮机的方法， 其中从转子叶片的至少一个腔室中导出调制射流，用于改变沿着转子叶片的空气流。
2.按权利要求I所述的方法，其中所述来自转子叶片的调制射流基本上在沿着转子叶片移动的空气流的方向上移动。
3.按权利要求I所述的方法，其中所述来自转子叶片的调制射流基本上反向于沿着转子叶片移动的空气流的方向移动。
4.按前述权利要求中任一项所述的方法，其中借助于电压以静电的方式尤其通过能够以电方式来运行的致动器来改变所述腔室的容积。
5.按前述权利要求中任一项所述的方法，其中借助于非线性的从数据中学习的模型 尤其神经网络来预测所述至少一个转子叶片的预期的负载变化的强度、开始和/或持续时间。
6.按前述权利要求中任一项所述的方法，其中学习用于对所述调制射流进行预测、计划和/或控制的策略并且根据该策略来控制所述调制射流。
7.按权利要求6所述的方法，其中在所述用于控制调制射流的策略中考虑到以下参数中的至少一个参数 -转子叶片的负荷； -转子叶片的偏转； -叶片倾角； -转子转速； -相对于风的涡轮机取向； -风速 -剪切风； -空气密度； _温度； -湍流或者可能导致湍流的条件。
8.按前述权利要求中任一项所述的方法，其中所述转子叶片具有多个腔室，分别共同地或者彼此分开地控制所述腔室。
9.按前述权利要求中任一项所述的方法，其中所述腔室的容积至少部分地布置在两个金属的表面之间并且借助于静电的效应通过电压来改变。
10.按前述权利要求中任一项所述的方法，其中连续地或者脉冲式地产生所述调制射流。
11.按前述权利要求中任一项所述的方法，其中通过阀从所述转子叶片的至少一个腔室中导出调制射流。
12.按前述权利要求中任一项所述的方法，其中借助于通过输入管路到达所述腔室中的空气来产生所述调制射流， -其中通过风力涡轮机的轮毂向所述输入管路馈送经过压缩的空气并且/或者 -其中通过所述转子叶片中的输入口向所述输入管路馈送空气。
13.转子叶片， -具有腔室，通过输入管路能够向该腔室供给空气，-具有致动器，借助于该致动器能够调节所述腔室的容积， -具有开口，借助于该开口所述腔室与外部空间相连接。
14.按权利要求13所述的转子叶片，其中所述致动器包括叠置的由导电的材料构成的层，借助于所述层能够产生调制射流，其措施是在利用静电的效应的情况下使用电压，用于改变所述腔室的容积。
15.按权利要求13或14所述的转子叶片，其中所述腔室通过阀经由所述开口与外部空间相连接。
16.用于对至少一台分别具有至少一个转子叶片的风力涡轮机进行控制的装置，该装置具有处理单元，如此设置该处理单元，从而能够从所述转子叶片的至少一个腔室中导出调制射流，用于改变沿着所述转子叶片的空气流。
17.风力涡轮机，具有按权利要求13到15中任一项所述的转子叶片并且/或者具有至少一个按权利要求16所述的装置。
全文摘要
风力涡轮机的控制、转子叶片以及风力涡轮机。本发明提出一种给风力涡轮机的转子叶片配备至少一个腔室并且借助于这个腔室来如此从所述转子叶片中导出调制射流，从而改变沿着转子叶片的空气流。在此，一方面可以将层流转变湍流并且使其分离并且另一方面可以将其重新加载以建立层流。所述控制优选借助于静电的致动器根据能够学习的基于神经元的预测的控制策略来进行，所述控制策略考虑到非线性的系统的复杂性以及大量的影响因素。由此可以有利地降低作用于所述风力涡轮机的转子叶片的负荷，这实现了使用寿命的延长和保养成本的降低以及更高的效率或者更轻的运行。本发明比如可以结合作为能够再生的能源的风力涡轮机来使用。
文档编号F03D1/06GK102889176SQ201210250369
公开日2013年1月23日 申请日期2012年7月19日 优先权日2011年7月19日
发明者K.R.狄克逊, S.迪尔, P.埃格达尔, T.埃斯本森, V.施特青格 申请人:西门子公司