用于预测风场的功率输出的系统和方法与流程

本发明大体上涉及风场，并且更具体而言，涉及用于预测风场或独立风力涡轮的功率输出的系统和方法。

背景技术：

风力被认为是目前可用的最清洁、最环保的能源之一，并且风力涡轮在这方面获得越来越多的关注。现代风力涡轮典型地包括塔架、发生器、齿轮箱、机舱以及具有一个或多个转子叶片的转子。转子叶片将风能转变成机械旋转扭矩，其经由转子驱动一个或多个发生器。发生器有时(但不总是)通过齿轮箱旋转地联接于转子。齿轮箱提高用于发生器的转子的固有的低旋转速度，以有效地将旋转机械能转换为电能，该电能经由至少一个电连接供给到公用电网中。此类构造还可包括功率转换器，其用于将生成的电功率的频率转换为大致上类似于公用电网频率的频率。

多个风力涡轮通常彼此结合使用以生成电，并且通常被称为“风场”。风场上的风力涡轮典型地包括它们自己的气象监测器，其执行例如温度、风速、风向、气压和/或空气密度测量。此外，通常提供单独的气象桅杆或塔架(“遇见桅杆(metmast)”)，其具有可在场中的一个点处提供更准确测量的更高质量的气象仪器。气象数据与功率输出的相关性允许用于独立风力涡轮的“功率曲线”的经验确定。

不幸地，此类可再生能源系统本质上可为间歇性的，例如，由于风速、云覆盖和/或来自光伏板的太阳阻挡(在太阳能系统中)的变化。就此而言，困难的是，准确地预计或预测此类系统未来可生成的功率的量。如果没有准确的功率预计，操作者就无法有效地投标到日前（day-ahead）能源市场中。

因此，用于更准确地预测风场和/或风力涡轮的功率输出的改进的系统和方法将为有利的。

技术实现要素：

本发明的方面和优点将在以下描述中部分地阐述，或者可从描述为明显的，或者可通过本发明的实践学习到。

在一个方面，本公开涉及一种用于预测具有多个风力涡轮的风场的场级功率输出的方法。方法包括收集用于风场的实际操作数据和/或现场信息。方法还包括基于预测操作数据、现场信息和/或实际操作数据来生成基于模型的功率输出预测。此外，方法包括测量来自风场的实时操作数据，并且基于测量的实时操作数据来调整功率输出预测。因此，方法还包括基于调整的功率输出预测来预测风场的场级功率输出。

在一个实施例中，实际操作数据可包括以下中的至少一个或组合：功率输出、扭矩输出、桨距角、末梢速比、偏航角、温度、压力、一天中的时间、一年中的月份、在线风力涡轮的数量、风速、风向、风切变、尾流、风湍流、风加速、阵风、风转向、或任何其它合适的操作数据。

在另一实施例中，现场信息可包括以下中的任何一个或组合：场级功率曲线、涡轮级功率曲线、高度、风力涡轮位置、风场位置、天气条件、附近风场的位置、地理布局、或任何其它合适的现场条件。

在又一实施例中，方法还可包括预计未来时间段内的用于风场的预测操作数据。在再一实施例中，生成基于模型的功率输出预测的步骤可包括使用基于物理的模型。

在附加的实施例中，方法可包括经由补偿器模块基于测量的实时操作数据来调整功率输出预测。在此类实施例中，补偿器模块可包括统计补偿器，其利用神经网络、回归(线性或非线性)和/或机器学习中的至少一个来基于测量的实时操作数据调整功率输出预测。此外，方法可包括经由补偿器模块来学习实时操作数据与预计的操作数据之间的一个或多个偏差，并且基于学习的偏差来调整功率输出预测。

在再一实施例中，未来时间段可包括从将来的大约十二(12)小时到大约七(7)天。在附加的实施例中，未来时间段可包括少于12小时或多于7天。

在另一方面，本公开涉及一种用于预测风力涡轮的涡轮级功率输出的方法。方法包括收集用于风力涡轮的实际操作数据和现场信息。方法还包括基于预测操作数据、现场信息和/或实际操作数据来生成基于模型的功率输出预测。此外，方法包括测量来自风力涡轮的实时操作数据，并且基于测量的实时操作数据来调整功率输出预测。因此，方法还包括基于调整的功率输出预测来预测风力涡轮的功率输出。应当理解的是，方法还可包括如本文中描述的附加步骤和/或特征中的任一个。

在又一方面，本公开涉及一种用于预测具有多个风力涡轮的风场的场级功率输出的系统。系统包括构造成执行一个或多个操作的处理器，该一个或多个操作包括但不限于收集用于风场的实际操作数据和现场信息，基于预测操作数据、现场信息和/或实际操作数据来生成基于模型的功率输出预测，测量来自风场的实时操作数据，确定实时操作数据与预计的操作数据之间的偏差，基于偏差来调整功率输出预测，以及基于调整的功率输出预测来预测风场的场级功率输出。应当理解的是，系统还可包括如本文中描述的附加特征中的任一个。

例如，在一个实施例中，处理器还可构造成经由补偿器模块基于偏差来调整功率输出预测。

本发明的这些及其它的特征、方面和优点将参照以下描述和所附权利要求变得更好理解。并入在本说明书中并且构成本说明书的一部分的附图示出了本发明的实施例，并且连同描述用于阐释本发明的原理。

附图说明

包括针对本领域普通技术人员的其最佳模式的本发明的完整且充分的公开在参照附图的说明书中阐述，在附图中：

图1示出根据本公开的风力涡轮的一个实施例的透视图；

图2示出用于与图1中示出的风力涡轮一起使用的控制器的一个实施例的示意图；

图3示出根据本公开的风场的一个实施例的示意图；

图4示出根据本公开的用于预测具有多个风力涡轮的风场的场级功率输出的方法的一个实施例的流程图；

图5示出根据本公开的用于预测风场或风力涡轮的场级或涡轮级功率输出的系统的一个实施例的示意图；以及

图6示出根据本公开的用于预测风场或风力涡轮的场级或涡轮级功率输出的系统的另一实施例的示意图。

具体实施方式

现在将详细参照本发明的实施例，其一个或多个实例在附图中示出。各个实例经由阐释本发明提供，而不限制本发明。实际上，对本领域技术人员而言将显而易见的是，可在本发明中进行各种改型和变型，而不脱离本发明的范围或精神。例如，示为或描述为一个实施例的部分的特征可用于另一个实施例上以产生又一个实施例。因此，意图是，本发明覆盖归入所附权利要求和它们的等同物的范围内的此类改型和变型。

大体上，本公开涉及用于为风场和/或独立风力涡轮提供功率预测的系统和方法。系统大体上包括两个部分，包括(1)基于模型的功率预计器模块和(2)补偿器模块。首先，功率预计模块将风场和/或风力涡轮的多种构造和预测数据(如风速、风向、空气压力以及温度)与表示大气信息与生成的风力涡轮/风场功率之间的关系的模型组合。其次，补偿器模块基于预计功率与实际功率之间的学习的偏差来调整基于模型的功率模块的输出，以实现用于风力涡轮或风场的更准确的功率预测。例如，调整预测功率的量可从与实际功率(由风力涡轮或风场产生)同步的预测条件的代表性样本中学习。

本公开的系统和方法的各种实施例提供现有技术中不存在的许多优点。例如，本公开提供风场或独立风力涡轮的准确的实时、日前和多天功率和能源预测。因此，本公开在能源市场(包括实时和日前市场)中提供直接价值，并且实现更高效的维护计划。

现在参照附图，图1示出根据本公开的构造成实施控制技术的风力涡轮10的一个实施例的透视图。如图所示，风力涡轮10大体上包括从支撑表面14延伸的塔架12、安装在塔架12上的机舱16，以及联接于机舱16的转子18。转子18包括可旋转毂20和至少一个转子叶片22，转子叶片22联接于毂20并且从毂20向外延伸。例如，在示出的实施例中，转子18包括三个转子叶片22。然而，在备选实施例中，转子18可包括多于或少于三个转子叶片22。各个转子叶片22可绕着毂20间隔，以便于使转子18旋转，以使动能能够从风能转化成可用的机械能，并且随后转化成电能。例如，毂20可以可旋转地联接于定位在机舱16内的电发生器(未示出)，以容许电能产生。

风力涡轮10还可包括集中在机舱16内的风力涡轮控制器26。然而，在其它实施例中，控制器26可位于风力涡轮10的任何其它构件内或风力涡轮外部的位置处。此外，控制器26可通信地联接于风力涡轮10的任何数量的构件，以便控制此类构件的操作并且/或者实施控制动作。就此而言，控制器26可包括计算机或其它合适的处理单元。因此，在若干实施例中，控制器26可包括合适的计算机可读指令，其在实施时构造控制器26以执行各种不同的功能，如接收、传送和/或执行风力涡轮控制信号。因此，控制器26可大体上构造成控制风力涡轮10的各种操作模式(例如，启动或关闭顺序)，使风力涡轮10减速或加速，并且/或者控制风力涡轮10的各种构件。例如，控制器26可构造成控制转子叶片22中的各个的叶片桨距或桨距角(即，确定转子叶片22相对于风的方向的投影的角度)，以通过调整至少一个转子叶片22相对于风的角度位置来控制由风力涡轮10生成的功率输出。例如，控制器26可通过将合适的控制信号传送至风力涡轮10的桨距驱动或桨距调整机构(未示出)来使转子叶片22绕着桨距轴线28独立或同时旋转而控制转子叶片22的桨距角。

现在参照图2，根据本公开的方面，示出可包括在控制器26内的合适构件的一个实施例的框图。如图所示，控制器26可包括一个或多个处理器58和相关的(一个或多个)存储器装置60，其构造成执行多种计算机实施的功能(例如，执行本文中公开的方法、步骤、计算等)。如本文中所使用，用语“处理器”不仅是指本领域中被称为包括在计算机中的集成电路，而且还是指控制器、微控制器、微计算机、可编程逻辑控制器(plc)、专用集成电路、专用处理器、数字信号处理器(dsp)、专用集成电路(asic)、现场可编程门阵列(fpga)，和/或任何其它可编程电路。此外，(一个或多个)存储器装置60可大体上包括(一个或多个)存储器元件，其包括但不限于计算机可读介质(例如，随机存取存储器(ram))、计算机可读非易失性介质(例如，闪存)、一个或多个硬盘驱动器、软盘、光盘只读存储器(cd-rom)、光盘读/写(cd-r/w)驱动器、磁光盘(mod)、数字通用光盘(dvd)、闪存驱动器、光盘驱动器、固态存储装置，和/或其它合适的存储元件。

此外，控制器26还可包括通信模块62，以便于控制器26与风力涡轮10的各种构件之间的通信。例如，通信模块62可包括传感器接口64(例如，一个或多个模数转换器)，以容许由一个或多个传感器65、66、68传送的信号转换为可由控制器26理解和处理的信号。此外，应当认识到的是，传感器65、66、68可使用任何合适的手段通信地联接于通信模块62。例如，如图2中所示，传感器65、66、68经由有线连接联接于传感器接口64。然而，在备选的实施例中，传感器65、66、68可经由无线连接联接于传感器接口64，如通过使用本领域中已知的任何合适的无线通信协议。例如，通信模块62可包括因特网、局域网(lan)、无线局域网(wlan)、广域网(wan)如全球互通微波访问(wimax)网络、卫星网络、蜂窝网络、传感器网络、adhoc网络，和/或短程网络。就此而言，处理器58可构造成从传感器65、66、68接收一个或多个信号。

传感器65、66、68可为任何合适的传感器，其构造成测量风力涡轮10的任何操作数据和/或风场200的风参数。例如，传感器65、66、68可包括用于测量转子叶片22中的一个的桨距角或者用于测量作用在转子叶片22中的一个上的载荷的叶片传感器；用于监测发生器(例如，扭矩、旋转速度、加速度和/或功率输出)的发生器传感器；和/或用于测量各种风参数(例如，风速、风向等)的各种风传感器。此外，传感器65、66、68可位于风力涡轮10的地面附近，位于机舱16上，位于风力涡轮10的气象桅杆上，或者位于风场中的任何其它位置。

还应当理解的是，可采用任何其它数量或类型的传感器并且可在任何位置处采用。例如，传感器可为加速度计、压力传感器、应变仪、迎角传感器、振动传感器、mimu传感器、摄像系统、光纤系统、风速计、风向标、声波探测和测距(sodar)传感器、红外激光器、光探测和测距(lidar)传感器、辐射计、皮托管、无线电探空测风仪、其它光学传感器，和/或任何其它合适的传感器。应当认识到的是，如本文中所使用，用语“监测器”及其变型指示风力涡轮10的各种传感器可构造成提供监测的参数的直接测量或此类参数的间接测量。因此，传感器65、66、68可例如用于生成与监测的参数有关的信号，其可接着由控制器26利用，以确定实际状况。

现在参照图3，示出根据本公开的系统和方法控制的风场200。如图所示，风场200可包括多个风力涡轮202(包括以上描述的风力涡轮10)和场控制器220。例如，如所示实施例中所示，风场200包括十二个风力涡轮，包括风力涡轮10。然而，在其它实施例中，风场200可包括任何其它数量的风力涡轮，如少于十二个风力涡轮或多于十二个风力涡轮。在一个实施例中，风力涡轮10的控制器26可通过有线连接通信地联接于场控制器220，如通过合适的通信链路222(例如，合适的电缆)来连接控制器26。备选地，控制器26可通过无线连接通信地联接于场控制器220，如通过使用本领域中已知的任何合适的无线通信协议。此外，场控制器220可对于风场200内的独立风力涡轮202中的各个而言大体上构造成类似于控制器26。此外，场控制器220可构造有关于图2的涡轮控制器26描述的任何构件。

在附加的实施例中，风场200中的风力涡轮202中的一个或多个可包括多个传感器，以用于监测独立风力涡轮202的各种操作数据和/或风场200的一个或多个风参数。例如，如图所示，风力涡轮202中的各个包括风传感器216(如风速计或任何其它合适的装置)，其构造用于测量风速或任何其它风参数。例如，在一个实施例中，风参数包括信息，该信息关于以下中的至少一个或组合：阵风、风速、风向、风加速度、风湍流、风切变、风转向、尾流、scada信息或类似的。

如大体上理解的那样，风速可跨过风场200显著变化。因此，(一个或多个)风传感器216可允许各个风力涡轮202处的局部风速被监测。此外，风力涡轮202还可包括一个或多个附加的传感器218。例如，传感器218可构造成监测各个风力涡轮202的发生器的输出的电特性，如电流传感器、电压传感器、温度传感器或功率传感器，其直接基于电流和电压测量来监测功率输出。备选地，传感器218可包括可用于监测风力涡轮202的功率输出的任何其它传感器。还应当理解的是，风场200中的风力涡轮202可包括本领域中已知的任何其它合适的传感器，以用于测量和/或监测风参数和/或风力涡轮操作数据。

现在参照图4和图5，示出用于预测风场(如图3的风场200)的场级功率输出的系统150和方法100。更具体而言，图4示出用于预测风场200的场级功率输出的方法100的一个实施例的流程图，并且图5示出用于预测风场200的场级功率输出的系统150的处理器152的示意图。还应当理解的是，除了整个风场200之外，相同的方法可应用于独立风力涡轮(如图1的风力涡轮10)。在一个实施例中，场控制器220(或独立风力涡轮控制器26)可构造成执行如本文中描述的方法100的步骤中的任一个。此外，在附加的实施例中，本公开的方法100可经由不与风场200相关联的单独计算机手动地执行。

因此，如102处所示，方法100包括收集用于风场200的实际操作数据154和/或现场信息158。更具体而言，如图5中所示，如本文中描述的实际操作数据154可包括信息，该信息关于以下中的至少一个或组合：功率输出、扭矩输出、桨距角、末梢速比、偏航角、温度、压力、一天中的时间、一年中的月份、在线风力涡轮的数量、风速、风向、风切变、尾流、风湍流、风加速、阵风、风转向，或任何其它合适的操作数据。类似地，如图所示，现场信息158可包括以下中的任何一个或组合：场级功率曲线、涡轮级功率曲线、高度、风力涡轮位置、风场位置、天气条件、附近风场的位置、地理布局，或任何其它合适的现场条件。此外，在特定实施例中，操作数据154可为监控和数据采集(scada)系统的部分，以用于利用通信信道上的编码信号操作的风场200的远程监测和控制。在附加的实施例中，(一个或多个)控制器26、220可构造成进一步分析(即，过滤，平均和/或调整)操作数据，如本文中描述的那样。

仍然特别关于图4，如104处所示，方法100还可以可选地包括预计未来时间段内的用于风场200的预测操作数据。如图5中所示，应当理解的是，预计/预测操作数据156可包括本文中描述的实际操作数据中的任一个。此外，在某些实施例中，在预测风能的每小时预计可使得风场操作者能够投标到日前能源市场中时，未来时间段可包括从将来的大约十二(12)小时到大约七(7)天。因此，未来一天或更长时间的能源预测可使得风场操作能够在预测风及相关的功率生成低时计划维护调度，以便最小化风力涡轮和/或风场维护期间的收入损失量。在备选的实施例中，未来时间段可包括少于12小时或多于7天。

此外，如图4的106处所示，方法100还包括基于实际操作数据154、预计/预测操作数据156和/或现场信息158中的一个或多个，经由模型160生成基于模型的功率输出预测162。例如，如图5中所示，基于模型的功率输出预测162可由基于物理的模型160生成。如大体上理解的那样，基于物理的模型用于生成和可视化约束形状、刚性和非刚性物体的运动，和/或与周围环境的物体交互，以用于动画建模的目的。因此，(一个或多个)控制器26、220构造成将实际操作数据154和/或预计操作数据156与基于物理的模型组合，该基于物理的模型表示大气信息与风场200和/或独立风力涡轮生成的功率输出之间的关系。

如108处所示，方法100还包括测量风场200的实时操作数据166。在某些实施例中，实时操作数据166可经由传感器中的一个或多个(例如，经由传感器65、66、68、216、218或任何其它合适的传感器)来生成。此外，实时操作数据166可经由控制器26、220中的一个内的计算机模型来确定。更具体而言，如图5中所示，如本文中描述的实时实际操作数据166可包括功率输出、扭矩输出、桨距角、末梢速比、偏航角、温度、压力、一天中的时间、一年中的月份、在线风力涡轮的数量、风速、风向、风切变、尾流、风湍流、风加速、阵风、风转向，或任何其它合适的操作数据。此外，实时操作数据166可包括实际操作数据154和/或现场信息158中的任一个，如本文中描述的那样。

如110处所示，方法100还包括至少基于测量的实时操作数据166来调整或校正由模型160生成的功率输出预测162。例如，如图5中所示，补偿器模块168可构造成随测量的实时操作数据166和/或先前预计的操作数据156变化来调整功率输出预测162。在此类实施例中，补偿器模块156可包括统计补偿器，其利用神经网络、回归(例如，线性或非线性)或机器学习中的至少一个来基于测量的实时操作数据166和/或先前预计的操作数据156调整功率输出预测162。

因此，如112处所示，方法100包括基于调整的功率输出预测162来预测风场200的场级功率输出172(或独立风力涡轮的涡轮级功率输出)。在附加的实施例中，方法100可包括经由补偿器模块156来学习实时操作数据166与预计的操作数据156之间的一个或多个偏差，并且基于学习的偏差来预测风场200的功率输出172。

现在参照图6，示出用于预测风场200的场级功率输出的系统250的另一实施例的示意图。如图所示，系统250包括构造成执行一个或多个操作的处理器252。例如，如图所示，处理器252构造成收集用于风场200(或独立风力涡轮)的实际操作数据254和现场信息256。此外，如图所示，处理器252构造成可选地预计未来时间段内的用于风场200的操作数据256。实际操作数据254、预计的操作数据256和/或现场信息258可包括如本文中描述的操作数据和/或现场信息中的任一个。就此而言，处理器252还可构造成基于实际操作数据254、预计或预计的操作数据256和/或现场信息258，经由模型260来生成基于模型的功率输出预测262。此外，处理器252可包括补偿器模块266，其构造成测量来自风场200的实时操作数据264并且确定实时操作数据264与预计的操作数据256之间的偏差268。如270处所示，处理器还构造成基于偏差268来调整功率输出预测262，并且基于调整的功率输出预测来预测风场200的场级功率输出272(或独立风力涡轮的涡轮级功率输出)。

以上详细地描述风场、用于风场的控制器以及用于控制风场的方法的示例性实施例。方法、风场以及控制器不限于本文中描述的特定实施例，而是风力涡轮和/或控制器的构件和/或方法的步骤可单独地且与本文中描述的其它构件和/或步骤分开地利用。例如，控制器和方法还可与其它功率系统和方法结合使用，并且不限于仅与如本文中描述的风力涡轮控制器一起实践。相反地，示例性实施例可结合许多其它风力涡轮或功率系统应用来实施和利用。

尽管本发明的各种实施例的特定特征可在一些附图中示出并且在其它附图中未示出，但这仅是为了方便。根据本发明的原理，附图的任何特征可与任何其它附图的任何特征组合来参照和/或要求保护。

该书面的描述使用实例以公开本发明(包括最佳模式)，并且还使本领域技术人员能够实践本发明(包括制造和使用任何装置或系统并且执行任何并入的方法)。本发明的可专利范围由权利要求限定，并且可包括本领域技术人员想到的其它实例。如果这些其它实例包括不与权利要求的字面语言不同的结构元件，或者如果这些其它实例包括与权利要求的字面语言无显著差别的等同结构元件，则这些其它实例意图在权利要求的范围内。