[go: up one dir, main page]

CN104066978A - 具有实时风速测量的风场 - Google Patents

具有实时风速测量的风场 Download PDF

Info

Publication number
CN104066978A
CN104066978A CN201280068006.1A CN201280068006A CN104066978A CN 104066978 A CN104066978 A CN 104066978A CN 201280068006 A CN201280068006 A CN 201280068006A CN 104066978 A CN104066978 A CN 104066978A
Authority
CN
China
Prior art keywords
wind turbine
wind
turbine unit
feature
sensing
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.)
Granted
Application number
CN201280068006.1A
Other languages
English (en)
Other versions
CN104066978B (zh
Inventor
A·马里诺普洛斯
H·伦登曼
潘久平
K·斯里瓦斯塔瓦
M·扎格哈米
M·雷扎
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.)
Hitachi Energy Co ltd
Original Assignee
ABB Research Ltd Switzerland
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 ABB Research Ltd Switzerland filed Critical ABB Research Ltd Switzerland
Publication of CN104066978A publication Critical patent/CN104066978A/zh
Application granted granted Critical
Publication of CN104066978B publication Critical patent/CN104066978B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/04—Inference or reasoning models
    • 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
    • F03D7/04—Automatic control; Regulation
    • F03D7/042—Automatic control; Regulation by means of an electrical or electronic controller
    • F03D7/048—Automatic control; Regulation by means of an electrical or electronic controller controlling wind farms
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W1/00—Meteorology
    • G01W1/10—Devices for predicting weather conditions
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02P—CONTROL OR REGULATION OF ELECTRIC MOTORS, ELECTRIC GENERATORS OR DYNAMO-ELECTRIC CONVERTERS; CONTROLLING TRANSFORMERS, REACTORS OR CHOKE COILS
    • H02P9/00—Arrangements for controlling electric generators for the purpose of obtaining a desired output
    • H02P9/008—Arrangements for controlling electric generators for the purpose of obtaining a desired output wherein the generator is controlled by the requirements of the prime mover
    • 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
    • F05B2260/82—Forecasts
    • F05B2260/821—Parameter estimation or prediction
    • 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
    • F05B2270/10—Purpose of the control system
    • F05B2270/20—Purpose of the control system to optimise the performance of a machine
    • F05B2270/204—Purpose of the control system to optimise the performance of a machine taking into account the wake effect
    • 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
    • F05B2270/30—Control parameters, e.g. input parameters
    • F05B2270/321—Wind directions
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02P—CONTROL OR REGULATION OF ELECTRIC MOTORS, ELECTRIC GENERATORS OR DYNAMO-ELECTRIC CONVERTERS; CONTROLLING TRANSFORMERS, REACTORS OR CHOKE COILS
    • H02P2101/00—Special adaptation of control arrangements for generators
    • H02P2101/15—Special adaptation of control arrangements for generators for wind-driven turbines
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E10/00—Energy generation through renewable energy sources
    • Y02E10/70—Wind energy
    • Y02E10/72—Wind turbines with rotation axis in wind direction

Landscapes

  • Engineering & Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Software Systems (AREA)
  • Mechanical Engineering (AREA)
  • Combustion & Propulsion (AREA)
  • Chemical & Material Sciences (AREA)
  • Sustainable Energy (AREA)
  • Sustainable Development (AREA)
  • Environmental & Geological Engineering (AREA)
  • Computing Systems (AREA)
  • Artificial Intelligence (AREA)
  • Mathematical Physics (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Ecology (AREA)
  • Environmental Sciences (AREA)
  • Atmospheric Sciences (AREA)
  • Medical Informatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computational Linguistics (AREA)
  • Power Engineering (AREA)
  • Wind Motors (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

公开了一种用于基于风能产生电力的系统(100)，该系统(100)能够预测其功率输出。该系统(100)包括风力涡轮单元(105)的集合，多个第一传感器(120)，每个第一传感器被适配为感测一些风力涡轮单元(105)处的至少一个风力特征，和关于该风力涡轮单元(105)远程定位的多个第二传感器(130)，并且该传感器(130)中的每一个被适配为感测至少一个风力特征。基于多个第一传感器(120)所进行的感测以及该风力涡轮单元(105)处由于存在其它风力涡轮单元(105)而导致的风力特征变化的估计来估计在没有多个第一传感器(120)其中之一的风力涡轮(105)处的至少一个风力特征。基于所估计风力特征和所感测风力特征对该风力涡轮单元(105)的集合在未来的至少一个预定时间点的电力产量的量级进行预测。

Description

具有实时风速测量的风场
技术领域
本发明总体上涉及发电。具体地，本发明涉及一种用于产生电力的系统，包括但并不局限于使用可再生能源的系统和/或其所产生的电力可能发生波动的任意其它类型的电力产生系统，以及一种对用于产生电力的系统的电力产量的量级进行预测的方法。
背景技术
基于矿物燃料或水利发电的电厂在其电力输出表现方面总体上是确定的，在于来自该电厂的发电机的输出功率可以通过对一个或多个主能源对发电机的输入进行控制而受到控制。在功率输出的表现上具有确定性的电厂有时被称作可调度(dispatchable)电厂。对于这类电厂而言，电厂的发电机的功率输出可以按照需求进行调节，从而可以实现连接至电厂的电网的电力需求的预测和改变。
诸如特别是环境问题之类的某些问题已使得基于如风能或太阳能的可再生能源的电厂和/或发电技术越来越引人关注。这种其可用性无法由操作人员进行控制的能源有时也被称作间歇性能源。由于间歇性能源的随机属性，可能难以准确预测基于间歇性能源的电厂的功率输出。
考虑到间歇性能源的可用性的情况下，基于诸如风能或太阳能的间歇性能源的电厂可能被允许进行操作并尽可能多地发电。随着操作能量储备或能量存储系统以对电网中的负载需求与基于间歇性电源的电厂的发电之间所出现的任何有功功率的不匹配进行平衡，和/或对于可调度电厂或无功功率补偿器的需求增加以提供用于调节电压的无功功率，这种情形可能会导致对可调度电厂的需求增加。
已经提出了解决对基于间歇性电源的电厂的功率输出进行预测的问题的方法。根据第一方法，使用天气预报对基于间歇性能源的电厂的发电进行预测。虽然这样的方法可以例如以年度为基础相对准确地预测相对长的时间段期间的整体发电，但是对发电的短期预测会变得很困难，原因在于天气预报通常是在距电厂位置非常遥远的距离进行的。根据第二方法，在电厂中安装有功和/或无功功率补偿。在该应用的背景下，有功功率补偿可能涉及能量存储系统或设备，诸如一个或多个电池和/或惯性轮等。然而，将需要预测方法或工具以便以高效的方式来对补偿进行定量。根据第三方法，基于间歇性电源的电厂被提供以可调度发电容量以便对电网负载需求与电厂发电之间出现的任何不匹配进行平衡。然而，将需要预测方法或工具来以高效的方式来操作整个系统。
US6975925B1公开了一种系统，其包括测量风速以及风场的每个涡轮机的能量输出的仪器。该系统包括用于预测趋势的岗哨点。该岗哨点包括风速计、温度计和气压计。该岗哨点位于风场的上风点。在风场的每个风力涡轮机处，该系统包括风速计、温度计和气压计。而且在每个风力涡轮机处包括对该风力涡轮机所生产的电力进行测量的仪器。该岗哨点提供了有关风速趋势的线索并且允许该系统根据任何所检测到的趋势而对其预测进行适配。
发明内容
特别是对于包括相对大量的风力涡轮机的风场而言，US6975925B1所公开的系统由于该系统中所包括的仪器数量变得相对庞大而可能需要频繁维护。对于包括相对大量的风力涡轮机的风场而言，风场的成本会由于这样的维护和/或还由于可能需要的相对大量的仪器而显著增加。
考虑到以上讨论，本发明所关心的问题是提供一种用于基于风能产生电力的系统，该系统能够预测其在未来的具体时间点或具体时间段的电力输出，并且可以使得维护需求减少。
本发明关心的另一问题在于提供一种用于基于风能产生电力的系统，该系统能够预测其在未来的具体时间点或具体时间段的电力输出，并且与US6975925B1所公开的系统相比可以是划算和/或较为廉价的。
为了解决这些和其它问题中的至少一个，提供了依据独立权利要求的系统和方法。优选实施例由从属权利要求限定。
根据本发明的第一方面，提供了一种用于产生电力的系统。该系统包括风力涡轮单元集合。该风力涡轮单元集合中的每个风力涡轮被适配为基于从风力所提取的动能产生电力。该系统包括多个第一传感器、多个第二传感器以及处理单元。
该多个第一传感器中的每个传感器被适配为感测该风力涡轮单元集合的适当子集中的相应风力涡轮单元处的至少一个风力特征。
在本发明的环境中，风力涡轮单元集合的适当子集意味着风力涡轮单元集合中并不等于风力涡轮单元的整个集合的子集。
该多个第二传感器中的每个传感器关于风力涡轮单元集合中的每个风力涡轮单元以一定距离进行布置。该多个第二传感器中的每个传感器被适配为感测该传感器所布置位置的至少一个风力特征。
该处理单元以及多个第一和第二传感器通信耦合而使得该处理单元能够从多个第一和第二传感器中的每一个接收所感测风力特征。
该处理单元被适配为基于该风力涡轮单元集合的适当子集中的相应风力涡轮单元处所感测的至少一个风力特征，以及不包括在该风力涡轮单元集合的适当子集中的每个风力涡轮单元处由于存在该风力涡轮单元集合中的其它风力涡轮单元所导致的风力特征变化的估计，而对不包括在风力涡轮单元集合的适当子集中的每个风力涡轮单元处的至少一个风力特征进行估计。
该处理单元被适配为基于所估计风力特征和所感测风力特征而对该风力涡轮单元集合在未来的至少一个预定时间点的电力产量的量级进行预测。
因此，风力涡轮单元处所估计风力特征和所感测风力特征以及多个第二传感器所感测风力特征被用于在未来的至少一个时间点和/或具体时间段对风力涡轮单元集合的电力产量的量级进行预测。与仅利用风力涡轮单元处的所估计风力特征和所感测风力特征来预测电力产量的量级相比，多个第二传感器所感测的风力特征可以允许对电力产量的量级的预测进行“校正”或改进。
例如，多个第二传感器所感测风力特征可以被用来估计风力涡轮单元处在未来的至少一个时间点的例如风速和/或方向的预期变化。基于风力涡轮单元处的风速和/或方向的估计的变化，并且还可能基于定义相应的风力涡轮单元的操作的参数，可以估计或确定相应风力涡轮单元的电力产量的变化。基于所估计的风力涡轮单元的电力产量的变化，可以预测出风力涡轮单元在未来的至少一个预定时间点的整体输出功率。定义相应风力涡轮单元的操作的参数例如可以包括诸如转子叶片螺旋角度和/或偏航角度等的配置参数。
提供了被适配为对系统中的风力涡轮单元集合的适当子集中的相应风力涡轮单元处的至少一个风力特征进行感测的传感器。因此，并不需要为风力涡轮单元集合中的每个风力涡轮单元提供用于感测至少一个风力特征的感测设备。然而，每个风力涡轮单元处的至少一个风力特征都被用于执行风力涡轮单元集合在未来至少一个预定时间点的电力产量的量级的预测或预报。这是通过基于不包括在风力涡轮单元集合的适当子集中的每个风力涡轮单元处由于存在该风力涡轮单元集合中的其它风力涡轮单元所导致的风力特征的变化估计或模型而对不包括在风力涡轮单元集合的适当子集中的每个风力涡轮单元处的至少一个风力特征进行估计而实现的，即对不具有多个第一传感器中的相对应传感器的至少一个风力涡轮单元处的至少一个风力特征进行估计而实现的。
在不包括在风力涡轮单元集合的适当子集中的每个风力涡轮单元处由于存在该风力涡轮单元集合中的其它风力涡轮单元所导致的风力特征的变化的估计或模型例如可以基于尾流效应(wake effect)。
在本申请的环境中，尾流效应意味着与在从风力涡轮单元的转子上所附带的风力提取能量的风力涡轮单元的下游或下风处所产生的尾流相关的效应，在该尾流中，风速与风力涡轮单元的上流或上风处相比下降。随着风力在风力涡轮单元下游的流动，尾流可以扩散并且最终风力流动可能会受到基本上自由的流动条件的影响。关于诸如风场中的风力涡轮单元的汇聚，尾流效应意味着由于风力涡轮的相互影响所引起的风速变化而导致的对于风场整体电力产量的总体影响。在风力涡轮单元的汇聚中，来自不同风力涡轮单元的尾流可能会互相影响。
因此，可以使用尾流计算和/或尾流建模来估计不包括在风力涡轮单元集合的适当子集中的每个风力涡轮单元处的至少一个风力特征，该数据不可从传感器读数中获得。这样的尾流计算和/或尾流建模的原则例如能够在N.O.Jensen的“A note on wind generatorinteraction”,-M-2411,National Laboratory；M.Ali等人的“Effect of wake considerations on estimated cost of wind energycurtailments”,8th International Workshop on Large Scale Integration ofWind Power into Power Systems as well as Transmisssion Networks forOffshore WFs”,2009；以及F.Koch等人的“Consideration of wind farmwake effect in powers system dynamic siumlation”,2005IEEE RussiaPower Tech,第2卷,第3期,第1-7页,2005中找到。
可替换地或可选地，可以使用机器学习算法或自学习算法来估计不包括在风力涡轮单元集合的适当子集中的每个风力涡轮单元处的至少一个风力特征。通过机器学习算法或自学习算法，可以使用针对风力涡轮单元集合的适当子集中的相应风力涡轮单元处所感测的至少一个风力特征进行调适的迭代方法来执行该估计。
通过不针对风力涡轮单元集合的每个风力涡轮单元都要求的用于至少一个风力特征的感测设备，与针对所有风力涡轮单元都需要用于感测至少一个风力特征的感测设备的情形相比，维护需求和/或范围可以减少。
附加地或可替换地，通过不针对风力涡轮单元集合的每个风力涡轮单元都要求用于至少一个风力特征的感测设备，与针对风场中的所有风力涡轮单元都需要用于感测至少一个风力特征的感测设备的情况相比，例如构成或包括风场的系统的整体成本会更低。
未来的至少一个预定时间点或时间段例如可以是已经执行了对风力涡轮单元集合的电力产量的量级的预测之后的1分钟和30分钟或者更长时间之间的时间点或时间段。然而，根据例如多个第二传感器和风力涡轮单元之间的距离和/或处理单元和多个第一和第二传感器之间的通信路径或链路的类型和/或能力，未来的至少一个预定时间点可以小于已经执行了对风力涡轮单元集合的电力产量的量级的预测之后的1分钟。
该处理单元以及多个第一和第二传感器例如可以经由有线和/或无线通信链路进行耦合，而使得该处理单元能够从多个第一和第二传感器中的每一个接收所感测风力特征。
至少一个风力特征可以例如包括风力的速度和/或方向，和/或扰动的出现和/或水平。
根据本发明的第二方面，提供了一种对包括风力涡轮单元集合的系统的电力产量的量级进行预测的方法，其中该风力涡轮单元集合中的每个风力涡轮单元被适配为基于从风力所提取的动能而产生电力。
该方法包括感测该风力涡轮单元集合的适当子集中的相应风力涡轮单元处的至少一个风力特征。
感测多个位置的至少一个风力特征，其中该多个位置中的每个位置关于该风力涡轮单元集合中的每个风力涡轮单元处于一定距离处。
基于该风力涡轮单元集合的适当子集中的相应风力涡轮单元处所感测的至少一个风力特征以及对并不包括在该风力涡轮单元集合的适当子集中的每个风力涡轮单元处由于存在该风力涡轮单元集合中的其它风力涡轮单元所导致的风力特征变化的估计，对不包括在该风力涡轮单元集合的适当子集中的每个风力涡轮单元处的至少一个风力特征进行估计。
基于所估计风力特征和所感测风力特征对该风力涡轮单元在未来的至少一个预定时间点的电力产量的量级进行预测。
该风力涡轮单元中的每个风力涡轮单元可以在距该风力涡轮单元集合中的其它风力涡轮单元一定距离处进行布置从而形成风力涡轮单元汇集(assembly)。
该风力涡轮单元集合的适当子集可以包括位于该风力涡轮单元汇集的外围或边界处的风力涡轮单元。
该风力涡轮单元集合的适当子集可以仅包括位于该风力涡轮单元汇集的外围或“边缘”处的风力涡轮单元和/或位于该风力涡轮单元汇集的外围或“边缘”处的所有风力涡轮单元。因此，可以在位于该风力涡轮单元汇集的外围处的风力涡轮单元对诸如风速之类的风力特征进行测量。随后，基于所测量风力特征可以使用例如包括尾流效应计算和/或其它类型建模的风力建模对没有执行风力特征测量的风力涡轮单元处的诸如风速之类的风力特征进行估计，例如对位于该风力涡轮汇集的边界之内的风力涡轮单元处的诸如风速之类的风力特征进行估计。
可以存储所估计风力特征和/或所感测风力特征。为此，该系统可以包括被适配为存储所估计风力特征和/或所感测风力特征的存储单元。该存储单元可以例如包括与处理单元通信耦合的计算机服务器等，从而允许该处理单元从该存储单元取回所存储的风力特征和/或其它数据。
该系统的存储单元和处理单元和/或任意其它组件可以例如利用有线或无线通信链路进行耦合。
存储单元和处理单元可以被整体布置。
还可以例如通过自学习算法或机器学习算法基于所存储的所估计风力特征和/或所感测风力特征来对风力涡轮单元集合至少在未来的预定时间点的电力产量的量级进行预测。因此，该预测可以针对所估计风力特征和/或所感测风力特征来适配。
风力涡轮单元经常利用感应发电机。感应发电机之所以是优选地，是由于相对廉价、坚固且需要相对少的维护。然而，感应发电机是异步发电机，其需要来自风力电厂或风场与之连接的电网的无功功率以便进行操作。为此，可以使用例如基于电容器的无功功率补偿。由于无功功率通常随输出功率而发生变化，所以要求随着输出功率的变化而对无功功率补偿进行调节。采用感应发电机的风力涡轮单元通常在所有或基本上所有的负载条件下都消耗无功能量，而且在风力涡轮单元的启动期间也消耗无功能量。在风力涡轮单元的常规操作期间，可能需要在例如24小时的延长时间段期间进行数次启动。
风力涡轮单元集合中的每个风力涡轮单元可以在距该风力涡轮单元集合中的其它风力涡轮单元的一定距离处进行布置从而形成风力涡轮单元的汇集。该风力涡轮单元的汇集可以利用局部风力涡轮网进行互联，所述局部风力涡轮网还将风力涡轮单元连接至采集点。该采集点可以经由输电系统连接至到电网的接口，该系统经由公共耦合点(PCC)连接至上述电网。该接口可被适配为分别将输电系统的电压、频率和/或无功功率适配到PCC的电网的电压、频率和/或无功功率需求。
提供至该系统与之连接的电网的输出电压可以针对风力涡轮单元集合的无功和/或有功功耗进行补偿。为此，该系统可以包括无功和/或有功功耗单元，其被适配为针对风力涡轮单元集合的无功和/或有功功耗而对提供至该系统与之连接的电网的输出电压进行补偿。
无功功率补偿可以例如基于电容器。
该无功和/或有功补偿单元可被适配为基于所预测的风力涡轮至少在未来的预定时间点的电力产量的量级而针对风力涡轮单元集合的无功和/或有功功耗而对提供至该系统与之连接的电网的输出电压进行补偿。这可以允许在规划提供至该系统与之连接的电网的输出电压的补偿时的准确性得到提高。
对风力涡轮单元集合在未来至少一个预定时间点的电力产量的量级的预测可以基于所感测风力特征的多个值。
例如，可以感测风力涡轮单元集合的适当子集中的相应风力涡轮单元处的至少一个风力特征的多个连续值。为此，多个第一传感器中的每个传感器可被适配为感测风力涡轮单元集合的适当子集中的相应风力涡轮单元处的至少一个风力特征的多个连续值。
可替换地或可选地，可以感测多个位置中的相应位置处的至少一个风力特征的多个连续值。为此，多个第二传感器中的每个传感器可被适配为感测该传感器所布置位置处的至少一个风力特征的多个连续值。
例如，对风力涡轮单元集合在未来至少一个预定时间点的电力产量的量级的预测可以基于在一个或多个时间段期间所获得的所感测风力特征的多个值的平均值或其它统计测量。
根据本发明的第三方面，提供了一种计算机程序，当在处理单元中执行时，其被适配为执行根据本发明的方法。
根据本发明的第四方面，提供了一种其上存储有计算机程序产品的计算机可读存储介质。当在处理单元中执行时，该计算机程序产品被适配为执行根据本发明的方法。
在本申请的上下文中，术语连接或耦合并不局限于理解为直接连接或耦合，也包含具有中间组件的功能性连接。例如，在一方面，如果第一组件的输出被连接至第二组件的输入，这就包括了直接连接。另一方面，如果电导体将来自第一组件的输出的电信号基本上不变地直接供应至第二组件的输入，可替换地经由一个或多个附加组件而供应至第二组件的输入，则第一和第二组件也是连接的。然而，就来自第一组件的输出的电信号的逐渐变化或突然变化导致输入到第二组件的信号的相对应的变化或经过修改的变化的意义而言，该连接是功能性的。
本发明其他的目标和优势在下文中通过示例性实施例进行描述。
注意到，本发明涉及权利要求中所记载的特征的所有可能组合。本发明另外的特征及其优势将通过研习所附权利要求和以下描述而变得明显。本领域技术人员意识到，本发明的不同特征能够进行组合以形成与下文所描述的那些不同的实施例。
附图说明
以下将参考附图对本发明的示例性实施例进行描述，其中：
图1是根据本发明实施例的用于产生电力的系统的示意性框图；
图2是依据本发明实施例的配电网络的示意性框图；
图3是根据本发明实施例的计算机可读存储介质的示意图；以及
图4和5是根据本发明实施例的对系统的电力产量的量级进行预测的方法的示意性流程图。
在附图中，相同的附图标记贯穿视图表示相同或相似的要素。
具体实施方式
以下将参考其中示出本发明的示例性实施例的附图对本发明进行全面描述。然而，本发明可以以许多不同形式来体现而并不应当被理解为局限于这里所给出的实施例；相反，这些实施例通过示例来提供而使得本公开将向本领域技术人员传递本发明的范围。此外，同样的附图标记始终指代同样或类似的要素或组件。除非明确指出，否则这里所公开的任何方法的步骤都并非必须要以所公开的顺序来执行。
现在参考图1，示出了根据本发明实施例的用于产生电力的系统100的示意性框图。系统100包括风场或风力电厂102。
系统100的风场102包括风力涡轮单元的集合。图1中仅描绘出的一些风力涡轮单元由105示意性地指示。风力涡轮单元105的集合中的每个风力涡轮单元105被适配为基于从风力所提取的动能产生电力。
如图1所示，每个风力涡轮单元105可以包括例如交流电流(AC)或直流电流(DC)变压器106的电压调节单元、塔台107、和转子108。针对仅一个风力涡轮单元105以附图标记对变压器106、塔台107和转子108进行了指示。每个风力涡轮单元105可以包括一个或多个附加组件，诸如电机械传动系、发电机、变速箱等(图1中未示出)。
如图1中所示，风力涡轮单元105的集合中的每个风力涡轮单元105被布置在距风力涡轮单元105的集合中的其它风力涡轮单元105一定距离之处从而形成风力涡轮单元105的汇集。同样如图1所示，风力涡轮单元105相互连接从而形成局部风力涡轮单元网。
风力涡轮单元105的集合可以位于近海或陆地，或者部分位于近海而部分位于陆地。
在图1中，风力涡轮单元105以多排平行的风力涡轮单元105进行布置。可替换地，风力涡轮单元105的布置形式可以为使得相邻排的风力涡轮单元105相对于彼此是交错的。图1中所示的风力涡轮单元105相对于彼此的布置形式是根据一个示例。其它布置形式也是可能的，例如风力涡轮单元105从上方看形成六边形、三角形、五边形或星形图案的布置形式。
系统100中相邻的风力涡轮单元105之间的距离可以高于风力涡轮单元105的转子108的直径的五至七倍。该距离可以根据一个示例来定义系统100中相邻的风力涡轮单元105之间的最小距离。注意到，图1是示意性的而并非依比例绘制。
系统100的风场102包括采集点110。每个风力涡轮单元105例如通过以上所提到的局部风力涡轮单元网而连接至采集点110。在采集点110处，电压可以被增大至适于向系统100经由公共耦合点(PCC)115与之连接的电网(图1中未示出，见图2)传输的水平。
采集点110经由输电系统112以及到接口114而连接至PCC115。
接口114可被适配为分别针对电网在PCC115的电压、频率和/或无功功率需求而对电力传输系统112的电压、频率和/或无功功率进行适配。
系统100的风场102包括多个第一传感器120。图1中仅一些传感器120通过附图标记进行指示。
多个第一传感器120中的每个传感器120被适配为感测风力涡轮单元105集合的适当子集中的相应风力涡轮单元105处的至少一个风力特征。该至少一个风力特征例如包括风力的速度和/或方向和/或扰动的出现和/或水平。
根据图1所描绘的实施例，风力涡轮单元105的集合的适当子集仅包括位于风力涡轮单元105的汇集的外围处的风力涡轮单元105。也就是说，仅在位于风力涡轮单元汇集的外围处的风力涡轮单元105处对诸如风速之类的一个或多个风力特征进行测量。
被适配为感测风力涡轮单元105集合的适当子集中的相应风力涡轮单元105处的至少一个风力特征的多个第一传感器120中的每个传感器120例如可以被布置在相应风力涡轮单元105上，或者临近相应风力涡轮单元105或与相应风力涡轮单元105以间隔关系进行布置，诸如图1中所示。
每个传感器120例如可以包括基于光探测和测距(LIDAR)的传感器、基于声音和导航测距(SONAR)的传感器、风向计和/或风力计等。
系统100包括多个第二传感器130。
多个第二传感器130中的每个传感器130关于风力涡轮单元105集合中的每个风力涡轮单元105以一定距离进行布置，并且被适配为对传感器130所处位置的至少一个风力特征进行感测。该至少一个风力特征例如包括风力的速度和/或方向和/或扰动的出现和/或水平。
注意到，图1并非依比例进行绘制。根据一个示例，多个第二传感器130中的每个传感器130关于风场102和/或风力涡轮单元105远程定位。每个传感器130和风场102和/或每个风力涡轮单元105之间的距离例如可以为一公里或数公里或者更远。
每个传感器130相对于图1中所示的风场102和/或风力涡轮单元105的特定位置是根据示例。例如，传感器130相对于风场102和/或风力涡轮单元105的位置可以基于风场102和/或风力涡轮单元105周围的地理特征进行选择，特别是在风场102和/或风力涡轮单元105至少部分位于陆地上的情况下。
基于风力涡轮单元105的位置处的总体风力方向，一些或大多数传感器130可以位于风力涡轮单元105的上风处或上游。
图1中所示的传感器130的数量仅是根据示例。原则上，系统100可以包括任意整数数量的传感器130。传感器130相对于图1所示的风场102和/或风力涡轮单元105集合的位置仅是根据示例。
每个传感器130例如可以包括基于LIDAR的传感器、基于SONAR的传感器、风向计和/或风力计等。
系统100包括处理单元150。
处理单元150以及多个第一和第二传感器120、130通信耦合从而使得处理单元150能够从多个第一和第二传感器120、130中的每一个接收所感测风力特征。为此，多个第一和第二传感器120、130以及处理单元150中的每一个例如可以包括无线传送/接收单元(图1中未示出)，其能够以无线方式与多个第一和第二传感器120、130以及处理单元150中的其他进行通信而使得能够往来于多个第一和第二传感器120、130以及处理单元150中的每一个发送数据。
处理单元150被适配为对不包括在风力涡轮单元105集合的适当子集中的每个风力涡轮单元105处的至少一个风力特征进行估计。该估计是基于在风力涡轮单元105集合的适当子集中的相应风力涡轮单元105处所感测的至少一个风力特征，以及对不包括在风力涡轮单元105集合的适当子集中的每个风力涡轮单元105处由于存在风力涡轮单元105集合中的其它风力涡轮单元105所导致的风力特征变化的估计。
对不包括在风力涡轮单元105集合的适当子集中的每个风力涡轮单元105处由于存在风力涡轮单元105集合中的其它风力涡轮单元105所导致的风力特征变化的估计例如可以基于尾流计算和/或尾流建模。
基于所估计风力特征和所感测风力特征，处理单元150被适配为对风力涡轮单元105的集合在未来的至少一个预定时间点的电力产量的量级进行预测。
可替换地，处理单元150可以位于不在如图1所示的系统100之中，而是位于系统100与之连接的电网(图1中未示出，参见图2)中。处理单元150的特定位置可以基于所采用的用于对来自系统100的电力输出进行预测并可能对其控制的策略来选择。
系统100的风场102包括被适配为存储所估计风力特征和/或所感测风力特征的存储单元140。存储单元140与处理单元160相耦合以允许处理单元150从存储单元140取回所存储的风力特征和/或其它数据。
处理单元150可被适配为例如通过机器学习算法而基于从存储单元140取回的所存储的所估计风力特征和/或所感测风力特征对风力涡轮单元105的集合至少在未来的预定时间点的电力产量的量级进行预测。
存储单元140例如可以包括计算机服务器等。存储单元140是可选的。
系统100的风场102包括被适配为针对风力涡轮单元105的集合的无功和/或有功功耗而对提供至系统100与之连接的电网(图1中未示出，参见图2)的输出电压进行补偿的无功和/或有功功率补偿单元145。
无功和/或有功功率补偿单元145可以被适配为基于所预测的风力涡轮单元105的集合至少在未来的预定时间点的电力产量的量级而针对风力涡轮单元105的集合的无功和/或有功功耗而对提供至系统100与之连接的电网的输出电压进行补偿。这可以允许在对提供至该系统100与之连接的电网的输出电压的补偿进行规划时的准确性得以提高。
如图1所示，无功和/或有功功率补偿可以集中于风场102的“级别”。可替换地或可选地，无功和/或有功功率补偿可以关于风场102的级别进行分散并且在一些或全部的风力涡轮单元105处提供。
无功和/或有功功率补偿单元145是可选的。
系统100可以包括电能存储单元(图1中未示出)以便例如存储风力涡轮单元105所产生的电能。电能存储系统例如可以包括电池单元，其被适配为将电能转换为化学能，和/或将化学能转换为电能。这可以允许对电网中的负载需求进行更快响应，并且因此促成或使得针对电网的电动态的灵活性的进一步提高。
可替换电能存储单元或者除了电能存储单元之外，系统100可以包括至少一个可调度电厂(图1中未示出)，其可以用作操作储备和/或用于平衡电网负载需求和系统100的电力产量之间所出现的任意有功功率的不匹配。
现在参考图2，示出了依据本发明实施例的例如用于向消费者输送电力的配电网200的示意性框图。该配电网200经由PCC115连接至根据本发明实施例的系统100。
现在参考图3，示出了根据本发明实施例的计算机可读存储介质300的示意图。根据图3所描绘的示例，计算机可读存储介质300包括软盘。在计算机可读存储介质300上存储有计算机程序产品，当在例如计算机中的通用处理器的处理单元中执行时，该计算机程序产品被适配为执行根据本发明的方法。虽然图3中仅示出了一种类型的计算机可读存储介质，但是本发明包含采用任意其它适当类型的计算机可读存储介质的实施例，上述计算机可读存储介质包括但并不局限于非易失性存储器、硬盘、紧凑盘(CD)、数字多功能盘(DVD)、闪存、磁带、USB盘、Zip驱动器等。
现在参考图4，示出了根据本发明实施例的对系统的电力产量的量级进行预测的方法400的示意性流程图，该系统包括风力涡轮单元的集合，其中该风力涡轮单元集合中的每个风力涡轮单元被适配为基于从风力所提取的动能产生电力。
方法400包括感测风力涡轮单元集合的适当子集中的相应风力涡轮单元处的至少一个风力特征，401。
感测多个位置处的至少一个风力特征，402。该多个位置中的每一个关于风力涡轮单元集合中的每个风力涡轮单元处于一定距离之处。
基于在风力涡轮单元集合的适当子集中的相应风力涡轮单元处所感测的至少一个风力特征以及不包括在该风力涡轮单元集合的适当子集中的每个风力涡轮单元处由于存在该风力涡轮单元集合中的其它风力涡轮单元所导致的风力特征变化的估计，对不包括在风力涡轮单元集合的适当子集中的每个风力涡轮单元处的至少一个风力特征进行估计，403。
基于所估计风力特征和所感测风力特征，预测风力涡轮单元集合在未来的至少一个预定时间点的电力产量的量级，404。
可选地，方法400可以包括存储所估计风力特征和/或所感测风力特征，405。
可选地，还利用机器学习算法基于所存储的所估计风力特征和/或所感测风力特征，预测风力涡轮单元集合至少在未来的预定时间点的电力产量的量级，406。
现在参考图5，示出了根据本发明另一个实施例的方法400的示意性流程图。
图5所示的方法400的步骤401至404分别与图4所示的方法400的方法400的步骤401至404相似或相同。
方法400包括基于所预测的风力涡轮单元的集合至少在未来的预定时间点的电力产量的量级而针对风力涡轮单元集合的无功和/或有功功耗而对提供至系统与之连接的电网的输出电压进行补偿，407。
参考图4和5，虚线指示可选步骤。
作为结论，提供了一种用于基于风能产生电力的系统，该系统能够对其电力输出进行预测。该系统包括风力涡轮单元的集合、多个第一传感器，每个第一传感器被适配为感测一些风力涡轮单元处的至少一个风力特征，和多个第二传感器，其关于该风力涡轮单元远程定位并且该传感器中的每一个被适配为感测至少一个风力特征。在不具有多个第一传感器之一的风力涡轮处基于多个第一传感器所进行的感测以及该风力涡轮单元处由于存在其它风力涡轮单元而导致的风力特征变化的估计来估计至少一个风力特征。基于所估计风力特征和所感测风力特征对该风力涡轮单元的集合在未来的至少一个预定时间点的电力产量的量级进行预测
虽然已经在附图和以上描述中对本发明进行了详细图示和描述，但是这样的图示和描述要被理解为是说明性或示例性的而并非是限制性的；本发明并不局限于所公开的实施例。在通过研习附图、公开和所附权利要求而对所请求保护的发明进行实践时，针对所公开实施例的其它变化可以被本领域技术人员所理解并实施。某些措施在互相不同的从属权利要求中被加以引用的事实并非表示这些措施的组合无法被加以利用以获得优势。权利要求中的任何附图标记都不应理解为对范围有所限制。

Claims (13)

1.一种用于产生电力的系统(100)，包括：
风力涡轮单元(105)集合，所述风力涡轮单元集合中的每个风力涡轮单元被适配为基于从风力所提取的动能产生电力；
多个第一传感器(120)，所述多个第一传感器中的每个传感器被适配为感测所述风力涡轮单元集合的适当子集中的相应风力涡轮单元处的至少一个风力特征；
多个第二传感器(130)，所述多个第二传感器中的每个传感器关于所述风力涡轮单元集合中的所述风力涡轮单元中的每一个以一定距离进行布置，并且被适配为感测所述传感器所布置的位置处的至少一个风力特征；以及
处理单元(150)，其中所述处理单元以及多个第一和第二传感器通信耦合从而使得所述处理单元能够从所述多个第一传感器和所述多个第二传感器中的每一个传感器接收所感测的风力特征；
所述处理单元被适配为基于以下项而对不包括在所述风力涡轮单元集合的所述适当子集中的每个风力涡轮单元处的至少一个风力特征进行估计，所述项包括：
所述风力涡轮单元集合的所述适当子集中的所述相应风力涡轮单元处所感测的所述至少一个风力特征；和
不包括在所述风力涡轮单元集合的所述适当子集中的每个风力涡轮单元处由于存在所述风力涡轮单元集合中的其它风力涡轮单元所导致的风力特征的变化的估计；
所述处理单元被适配为基于所估计的所述风力特征和所感测的所述风力特征而对所述风力涡轮单元集合在未来的至少一个预定时间点的电力产量的量级进行预测。
2.根据权利要求1所述的系统，其中所述风力涡轮单元集合中的每个风力涡轮单元在距所述风力涡轮单元集合中的所述其它所述风力涡轮单元一定距离处进行布置从而形成风力涡轮单元汇集，其中所述风力涡轮单元集合的所述适当子集包括位于所述风力涡轮单元汇集的外围处的风力涡轮单元。
3.根据权利要求2所述的系统，其中所述风力涡轮单元集合的所述适当子集仅包括位于所述风力涡轮单元汇集的所述外围处的风力涡轮单元。
4.根据权利要求1-3中任一项所述的系统，进一步包括：
存储单元(140)，所述存储单元(140)被适配为存储所估计风力特征和/或所感测风力特征；
其中所述处理单元被适配为通过机器学习算法而基于所存储的所估计风力特征和/或所感测风力特征对所述风力涡轮单元集合至少在未来的所述预定时间点所产生电力的量级进行预测。
5.根据权利要求1-4中任一项所述的系统，进一步包括：
无功和/或有功功率补偿单元(145)，所述无功和/或有功功率补偿单元(145)被适配为基于所预测的所述风力涡轮单元集合至少在未来的所述预定时间点处的电力产量的量级而针对所述风力涡轮单元集合的无功和/或有功功耗而对提供至所述系统与之连接的电网的输出电压进行补偿。
6.根据权利要求1-5中任一项所述的系统，其中至少一个风力特征包括风力的速度和/或方向，和/或扰动的出现和/或水平。
7.根据权利要求1-6中任一项所述的系统，其中：
所述多个第一传感器中的每个传感器被适配为感测所述风力涡轮单元集合的所述适当子集中的相应风力涡轮单元处的所述至少一个风力特征的多个连续值；和/或
所述多个第二传感器中的每个传感器被适配为感测所述传感器所布置的位置处的所述至少一个风力特征的多个连续值。
8.一种对包括风力涡轮单元集合的系统的电力产量的量级进行预测的方法(400)，所述风力涡轮单元集合中的每个风力涡轮单元被适配为基于从风力所提取的动能而产生电力，所述方法包括：
感测(401)所述风力涡轮单元集合的适当子集中的相应风力涡轮单元处的至少一个风力特征；
感测(402)多个位置的至少一个风力特征，所述多个位置中的每个位置关于所述风力涡轮单元集合中的所述风力涡轮单元中的每一个处于一定距离之处；
基于所述风力涡轮单元集合的所述适当子集中的相应风力涡轮单元处所感测的所述至少一个风力特征以及对不包括在所述风力涡轮单元集合的所述适当子集中的每个风力涡轮单元处由于存在所述风力涡轮单元集合中的其它风力涡轮单元所导致的风力特征变化的估计，对不包括在所述风力涡轮单元集合的所述适当子集中的每个风力涡轮单元处的至少一个风力特征进行估计(403)；以及
基于所估计风力特征和所感测风力特征对所述风力涡轮单元在未来的至少一个预定时间点处的电力产量的量级进行预测(404)。
9.根据权利要求8所述的方法，进一步包括：
存储(405)所估计风力特征和/或所感测风力特征；以及
利用机器学习算法基于所存储的所估计风力特征和/或所感测风力特征，预测(406)所述风力涡轮单元集合至少在未来的所述预定时间点处的电力产量的量级。
10.根据权利要求8或9所述的方法，进一步包括：
基于所预测的所述风力涡轮单元集合至少在未来的所述预定时间点处的电力产量的量级而针对所述风力涡轮单元集合的无功和/或有功功耗而对提供至所述系统与之连接的电网的输出电压进行补偿(407)。
11.根据权利要求8、9或10所述的方法，进一步包括：
感测所述风力涡轮单元集合的所述适当子集中的相应风力涡轮单元处的所述至少一个风力特征的多个连续值；以及/或者
感测所述多个位置处的所述相应风力涡轮单元处的所述至少一个风力特征的多个连续值。
12.一种计算机程序产品，所述计算机程序产品被适配为当在处理单元中被执行时，执行根据权利要求8-11中任一项所述的方法。
13.一种其上存储有计算机程序产品的计算机可读存储介质(300)，所述计算机程序产品被适配为当在处理单元中被执行时，执行根据权利要求8-11中任一项所述的方法。
CN201280068006.1A 2012-01-25 2012-01-25 具有实时风速测量的风场 Active CN104066978B (zh)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/EP2012/051117 WO2013110327A1 (en) 2012-01-25 2012-01-25 Wind park with real time wind speed measurements

Publications (2)

Publication Number Publication Date
CN104066978A true CN104066978A (zh) 2014-09-24
CN104066978B CN104066978B (zh) 2019-03-12

Family

ID=45531872

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201280068006.1A Active CN104066978B (zh) 2012-01-25 2012-01-25 具有实时风速测量的风场

Country Status (7)

Country Link
US (1) US20140336833A1 (zh)
EP (1) EP2807371B1 (zh)
CN (1) CN104066978B (zh)
BR (1) BR112014017866B1 (zh)
DK (1) DK2807371T3 (zh)
WO (1) WO2013110327A1 (zh)
ZA (1) ZA201404805B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104632542A (zh) * 2014-11-14 2015-05-20 无锡信大气象传感网科技有限公司 一种风力发电方法

Families Citing this family (24)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101177435B1 (ko) 2012-03-06 2012-08-27 전북대학교산학협력단 풍력발전단지의 풍황 예측 방법
US8994206B2 (en) 2013-01-14 2015-03-31 Abb Technology Ag Turbine-based energy generation system with DC output
CN104021424B (zh) * 2013-02-28 2018-12-07 乌托巴斯洞察公司 用于预测风场中的风机的输出功率的方法和装置
KR20150018060A (ko) * 2013-08-09 2015-02-23 전자부품연구원 풍력단지 내 터빈의 최적 발전 요구량 산출 방법 및 시스템
JP6072650B2 (ja) * 2013-08-23 2017-02-01 株式会社日本製鋼所 流体力電力システム
GB2525573A (en) * 2013-11-26 2015-11-04 Ocean Array Systems Ltd Control of array of energy producing devices
US9458828B2 (en) 2013-12-09 2016-10-04 Siemens Aktiengesellschaft Controlling wind power plant with negative power capability to respond to grid frequency instability
KR101575102B1 (ko) * 2013-12-27 2015-12-07 두산중공업 주식회사 풍력 발전 단지, 풍력 발전 단지의 제어방법 및 풍력 발전 유닛
US9389630B2 (en) * 2014-02-21 2016-07-12 International Business Machines Corporation Predictive smart grid re-structuring based on expected load and power generation
US9551322B2 (en) 2014-04-29 2017-01-24 General Electric Company Systems and methods for optimizing operation of a wind farm
US10138873B2 (en) 2014-05-30 2018-11-27 General Electric Company Systems and methods for wind turbine nacelle-position recalibration and wind direction estimation
US9800054B2 (en) 2014-07-31 2017-10-24 Abb Schweiz Ag DC connection system for renewable power generators
US10100813B2 (en) 2014-11-24 2018-10-16 General Electric Company Systems and methods for optimizing operation of a wind farm
DE102014223853A1 (de) * 2014-11-24 2016-05-25 Siemens Aktiengesellschaft Verwendung eines LIDAR-Systems zurKurzzeitvorhersage erwarteter Windverhältnisse und alsBasis für ein Kraftwerksmanagement sowieKraftwerksmanagementverfahren auf Basis eines voneinem LIDAR-System erhältlichen und erwarteteWindverhältnisse kodierenden Signals
EP3037657A1 (en) * 2014-12-23 2016-06-29 ABB Technology AG Optimal wind farm operation
US10443577B2 (en) * 2015-07-17 2019-10-15 General Electric Company Systems and methods for improved wind power generation
DE102016103254A1 (de) * 2016-02-24 2017-08-24 Wobben Properties Gmbh Verfahren zum Bestimmen einer äquivalenten Windgeschwindigkeit
US10385829B2 (en) 2016-05-11 2019-08-20 General Electric Company System and method for validating optimization of a wind farm
US20170337644A1 (en) * 2016-05-23 2017-11-23 General Electric Company Data driven invocation of realtime wind market forecasting analytics
US10247170B2 (en) 2016-06-07 2019-04-02 General Electric Company System and method for controlling a dynamic system
EP3604799A4 (en) * 2017-04-26 2020-04-15 Mitsubishi Electric Corporation DEVICE WITH ARTIFICIAL INTELLIGENCE, LASER RADAR DEVICE AND WINPARK CONTROL SYSTEM
DE102017009837A1 (de) 2017-10-23 2019-04-25 Senvion Gmbh Steuerungssystem und Verfahren zum Betreiben einer Mehrzahl von Windenergieanlagen
FR3076324A1 (fr) * 2017-12-28 2019-07-05 Orange Procede, dispositif et systeme de reglage d'une eolienne
CN110277802B (zh) * 2019-07-24 2021-03-02 云南电力技术有限责任公司 一种用于风电场有功功率的实时预测方法及系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040258521A1 (en) * 2001-07-31 2004-12-23 Aloys Wobben Early-warning system for wind power installations
WO2011000453A2 (de) * 2009-06-29 2011-01-06 Robert Bosch Gmbh Windenergieanlage mit einer vielzahl von windenergievorrichtungen und verfahren zur steuerung der windenergieanlage
CN101970866A (zh) * 2008-03-07 2011-02-09 维斯塔斯风力系统有限公司 用于风力涡轮机冗余控制的控制系统和方法
US20110187106A1 (en) * 2010-10-29 2011-08-04 Mitsubishi Heavy Industries, Ltd. Wind-turbine-generator control system, wind farm, and wind-turbine-generator control method
US20110295438A1 (en) * 2009-08-21 2011-12-01 Catch the Wind, Inc. Wind and Power Forecasting Using LIDAR Distance Wind Sensor

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20020084655A1 (en) * 2000-12-29 2002-07-04 Abb Research Ltd. System, method and computer program product for enhancing commercial value of electrical power produced from a renewable energy power production facility
US6975925B1 (en) 2002-03-19 2005-12-13 Windlynx Systems, B.V. Forecasting an energy output of a wind farm
US7941304B2 (en) * 2009-04-30 2011-05-10 General Electric Company Method for enhancement of a wind plant layout with multiple wind turbines
US20120299747A1 (en) * 2009-11-13 2012-11-29 Schaeffler Technologies AG & Co. KG Remote condition monitoring system and method
GB2481461A (en) * 2010-06-21 2011-12-28 Vestas Wind Sys As Control of a downstream wind turbine in a wind park by sensing the wake turbulence of an upstream turbine
US20110193344A1 (en) * 2010-12-29 2011-08-11 Vestas Wind Systems A/S Control Network for Wind Turbine Park

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040258521A1 (en) * 2001-07-31 2004-12-23 Aloys Wobben Early-warning system for wind power installations
CN101970866A (zh) * 2008-03-07 2011-02-09 维斯塔斯风力系统有限公司 用于风力涡轮机冗余控制的控制系统和方法
WO2011000453A2 (de) * 2009-06-29 2011-01-06 Robert Bosch Gmbh Windenergieanlage mit einer vielzahl von windenergievorrichtungen und verfahren zur steuerung der windenergieanlage
US20110295438A1 (en) * 2009-08-21 2011-12-01 Catch the Wind, Inc. Wind and Power Forecasting Using LIDAR Distance Wind Sensor
US20110187106A1 (en) * 2010-10-29 2011-08-04 Mitsubishi Heavy Industries, Ltd. Wind-turbine-generator control system, wind farm, and wind-turbine-generator control method

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104632542A (zh) * 2014-11-14 2015-05-20 无锡信大气象传感网科技有限公司 一种风力发电方法

Also Published As

Publication number Publication date
BR112014017866B1 (pt) 2021-11-09
CN104066978B (zh) 2019-03-12
ZA201404805B (en) 2015-12-23
BR112014017866A8 (pt) 2021-03-09
US20140336833A1 (en) 2014-11-13
EP2807371A1 (en) 2014-12-03
DK2807371T3 (en) 2016-07-25
WO2013110327A1 (en) 2013-08-01
EP2807371B1 (en) 2016-04-06

Similar Documents

Publication Publication Date Title
CN104066978A (zh) 具有实时风速测量的风场
US9407186B2 (en) Method of determining individual set points in a power plant controller, and a power plant controller
US20150275862A1 (en) Method of determining individual set points in a power plant controller, and a power plant controller
US8121739B2 (en) Reactive power management for wind power plant internal grid
CN107689638B (zh) 一种基于相轨迹分析的含风电电力系统暂态协调控制方法
CN101247049A (zh) 公用电网、控制器、以及控制公用电网中发电的方法
Hosseinzadeh et al. Analysis and detection of a wind system failure in a micro-grid
Rasool et al. Modelling of a wave-to-wire system for a wave farm and its response analysis against power quality and grid codes
CN113586336B (zh) 风力发电机组的控制方法及其控制装置及计算机可读存储介质
Singh et al. Evaluation of current status and future directions of wind energy in India
AU2012215468B2 (en) Method for determining uncollected energy
Zahmoun et al. Optimal operation scheduling of a combined wind-hydro system for peak load shaving
Wilson et al. Modeling the relationship between wind turbine failure modes and the environment
Abul’Wafa Matching wind turbine generators with wind regime in Egypt
CN103473618A (zh) 一种风电场短期风功率预测系统及方法
CN109494794B (zh) 区域分布式储能优化调度方法及装置
Mitiku et al. Modeling of wind energy harvesting system: A systematic review
Ding et al. Analysis of technical properties of wind and solar photovoltaic power
Velásquez et al. Methodology for the design of large wind farms
Xiaoming et al. Analysis of factors affecting wind farm output power
Bawah et al. Economic modeling of site-specific optimum wind turbine for electrification studies
Wen et al. Research on Automatic Calculating Methods of Wind Curtailment Based on Measured Data
McKay et al. Farm wide dynamics: the next critical wind energy frontier
Shaheen Model-Based Fault Detection in Wind Turbines
Chalikosa Design and performance analysis of large horizontal axis offshore wind turbines

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20191125

Address after: Baden, Switzerland

Patentee after: ABB Switzerland Co.,Ltd.

Address before: Zurich

Patentee before: ABB RESEARCH Ltd.

TR01 Transfer of patent right

Effective date of registration: 20210526

Address after: Baden, Switzerland

Patentee after: ABB grid Switzerland AG

Address before: Baden, Switzerland

Patentee before: ABB Switzerland Co.,Ltd.

TR01 Transfer of patent right
CP01 Change in the name or title of a patent holder

Address after: Swiss Baden

Patentee after: Hitachi energy Switzerland AG

Address before: Swiss Baden

Patentee before: ABB grid Switzerland AG

CP01 Change in the name or title of a patent holder
TR01 Transfer of patent right

Effective date of registration: 20240116

Address after: Zurich, SUI

Patentee after: Hitachi Energy Co.,Ltd.

Address before: Swiss Baden

Patentee before: Hitachi energy Switzerland AG

TR01 Transfer of patent right