ES3058387T3 - Método para controlar aerogeneradores de un parque eólico usando un modelo de IA entrenado - Google Patents

Método para controlar aerogeneradores de un parque eólico usando un modelo de IA entrenado

Info

Publication number
ES3058387T3
ES3058387T3 ES21197446T ES21197446T ES3058387T3 ES 3058387 T3 ES3058387 T3 ES 3058387T3 ES 21197446 T ES21197446 T ES 21197446T ES 21197446 T ES21197446 T ES 21197446T ES 3058387 T3 ES3058387 T3 ES 3058387T3
Authority
ES
Spain
Prior art keywords
wind
wind turbines
incident
data
turbines
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.)
Active
Application number
ES21197446T
Other languages
English (en)
Inventor
Morten Tim Thorsen
Roberto Ugo Di Cera Colazingari
Casper Hillerup Lyhne
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.)
Vestas Wind Systems AS
Original Assignee
Vestas Wind Systems AS
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 Vestas Wind Systems AS filed Critical Vestas Wind Systems AS
Application granted granted Critical
Publication of ES3058387T3 publication Critical patent/ES3058387T3/es
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • 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
    • 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
    • F03D7/0264—Controlling wind motors  the wind motors having rotation axis substantially parallel to the air flow entering the rotor for stopping; controlling in emergency situations
    • 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
    • F03D7/043—Automatic control; Regulation by means of an electrical or electronic controller characterised by the type of control logic
    • F03D7/045—Automatic control; Regulation by means of an electrical or electronic controller characterised by the type of control logic with model-based controls
    • 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
    • F03D7/043—Automatic control; Regulation by means of an electrical or electronic controller characterised by the type of control logic
    • F03D7/046—Automatic control; Regulation by means of an electrical or electronic controller characterised by the type of control logic with learning or adaptive control, e.g. self-tuning, fuzzy logic or neural network
    • 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
    • F03D17/005—Monitoring or testing of wind motors, e.g. diagnostics using computation methods, e.g. neural networks
    • F03D17/0065—Monitoring or testing of wind motors, e.g. diagnostics using computation methods, e.g. neural networks for 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
    • F03D17/00—Monitoring or testing of wind motors, e.g. diagnostics
    • F03D17/007—Wind farm monitoring
    • 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
    • F05B2270/107—Purpose of the control system to cope with emergencies
    • F05B2270/1077—Storm protection
    • 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
    • F05B2270/3201—"cut-off" or "shut-down" wind 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
    • F05B2270/00—Control
    • F05B2270/30—Control parameters, e.g. input parameters
    • F05B2270/322—Control parameters, e.g. input parameters the detection or prediction of a wind gust
    • 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
    • F05B2270/40—Type of control system
    • F05B2270/402—Type of control system passive or reactive, e.g. using large wind vanes
    • 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
    • F05B2270/70—Type of control algorithm
    • F05B2270/709—Type of control algorithm with neural networks
    • 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)
  • Sustainable Development (AREA)
  • General Engineering & Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • Combustion & Propulsion (AREA)
  • Chemical & Material Sciences (AREA)
  • Sustainable Energy (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Software Systems (AREA)
  • Mathematical Physics (AREA)
  • Fuzzy Systems (AREA)
  • Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Wind Motors (AREA)

Abstract

Se describe un método para controlar aerogeneradores (2) de un parque eólico (1), compuesto por varios aerogeneradores (2). Los datos de señales incidentes se obtienen de varios aerogeneradores (5) que proporcionan datos, incluyendo las señales generadas por dichos aerogeneradores (5). Estos datos se introducen en un modelo de inteligencia artificial (IA) (9), que, mediante dichos datos, identifica patrones en las señales generadas por los aerogeneradores (5). Una o más acciones se asocian a los patrones identificados, basándose en las acciones realizadas por los aerogeneradores (5) en respuesta a las señales incidentes generadas. Durante el funcionamiento de los aerogeneradores (2) del parque (1), se detectan una o más señales incidentes de uno o más aerogeneradores (2) y se comparan con los patrones identificados por el modelo de IA (9). En el caso de que la(s) señal(es) incidente(s) detectada(s) coincida(n) con al menos uno de los patrones identificados, el(los) aerogenerador(es) (2) del parque eólico (1) se controla(n) realizando la(s) acción(es) asociada(s) con el(los) patrón(es) coincidente(s). (Traducción automática con Google Translate, sin valor legal)

Description

[0001] DESCRIPCIÓN
[0002] Método para controlar aerogeneradores de un parque eólico usando un modelo de IA entrenado
[0003] Campo de la invención
[0004] La presente invención se refiere a un método para controlar aerogeneradores de un parque eólico, usando un modelo de inteligencia artificial (IA) entrenado. El método, según la invención, permite que los aerogeneradores reaccionen de manera temprana a eventos extremos, tales como eventos meteorológicos extremos, reduciendo por ello el riesgo de daños a los aerogeneradores.
[0005] Antecedentes de la invención
[0006] Cuando un aerogenerador experimenta condiciones extremas, por ejemplo, en forma de altas velocidades de viento que superan los límites de diseño del aerogenerador, el aerogenerador normalmente necesita apagarse con el fin de proteger el aerogenerador. Con el fin de asegurar esto, los aerogeneradores están dotados con sistemas de seguridad que hacen que el aerogenerador se apague automáticamente, o realicen otras acciones pertinentes cuando se superan ciertos límites, por ejemplo, cuando la velocidad media del viento supera un umbral predefinido durante un intervalo de tiempo específico, típicamente 10 minutos, o cuando se desencadenan otro tipo de alarmas. En ocasiones, la meteorología cambia rápida e impredeciblemente. En este caso, el sistema de seguridad del aerogenerador puede detectar que se superan otros parámetros de diseño del aerogenerador y causará el apagado del aerogenerador en base a ello.
[0007] Cuando se detectan incidentes, tales como anomalías, fallos, límites de diseño superados, etc., durante la operación del aerogenerador, se generan las señales de incidente correspondientes a los incidentes detectados. Las señales de incidente podrían ser, por ejemplo, en forma de una advertencia que alerta a un operador de que se requiere de atención, una alarma que puede causar el apagado automático del aerogenerador o cualquier otro tipo adecuado de señal de incidente. Las señales de incidente normalmente tienen un código que identifica de manera única el tipo de incidente que desencadenó la señal de incidente.
[0008] En raras ocasiones, cuando un evento meteorológico extremo se mueve a través de un parque eólico, algunos de los aerogeneradores del parque eólico pueden detectar estados de alarma que hacen que los aerogeneradores se apaguen, mientras que otros aerogeneradores no detectan tales estados de alarma y, por lo tanto, continúan operando. Esto puede conducir a daños en los aerogeneradores que continúan operando, por ejemplo, hasta que estos aerogeneradores también detectan estados de alarma y, por lo tanto, se apagan. Las técnicas anteriores pertinentes son los documentos EP 3862561 A1, WO 2021/037751 A1 y EP 2728178 A1.
[0009] Descripción de la invención
[0010] Un objeto de las realizaciones de la invención es proporcionar un método para controlar los aerogeneradores de un parque eólico, en el que se reduzca el riesgo de daños a los aerogeneradores durante eventos meteorológicos extremos.
[0011] La invención proporciona un método, según la reivindicación 1, para controlar aerogeneradores de un parque eólico, el parque eólico que comprende una pluralidad de aerogeneradores, el método que comprende los pasos de:
[0012] - obtener datos de señal de incidente de una pluralidad de aerogeneradores que proporcionan datos, los datos de señal de incidente que incluyen señales de incidente generadas por los aerogeneradores que proporcionan datos, - alimentar los datos de señal de incidente a un modelo de inteligencia artificial IA) y entrenar el modelo de IA por medio de los datos de señal de incidente con el fin de identificar patrones en las señales de incidente generadas por los aerogeneradores que proporcionan datos,
[0013] - identificar las acciones realizadas por los aerogeneradores que proporcionan datos en respuesta a las señales de incidente generadas y, en base a las mismas, asociar una o más acciones a los patrones identificados,
[0014] - durante la operación de los aerogeneradores del parque eólico, detectar las señales de incidente de los aerogeneradores del parque eólico,
[0015] - comparar la señal o señales de incidente detectadas con los patrones identificados por el modelo de IA, y
[0016] - en el caso de que la señal o señales de incidente detectadas coincidan con al menos uno de los patrones identificados, controlar el aerogenerador o aerogeneradores del parque eólico mediante la realización de la acción o acciones asociadas con el patrón o patrones coincidentes.
[0017] De este modo, el método según la invención es un método para controlar los aerogeneradores de un parque eólico. En el presente contexto, el término ‘parque eólico’ se debería interpretar que significa una colección de dos o más aerogeneradores dispuestos dentro de un área geográfica limitada, los aerogeneradores que comparten diversas infraestructuras, tales como carreteras de acceso, líneas de comunicación, conexión a la red eléctrica, subestaciones, etc. De este modo, el parque eólico comprende una pluralidad de aerogeneradores.
[0018] En el método según la invención, los datos de señal de incidente se obtienen inicialmente a partir de una pluralidad de aerogeneradores que proporcionan datos. En el presente contexto, el término ‘aerogenerador que proporciona datos’ se debería interpretar que es un aerogenerador que contribuye a los datos de señal de incidente que se obtienen o recopilan durante este primer paso del método. Por consiguiente, los datos de señal de incidente que se recopilan provienen de la pluralidad de aerogeneradores que proporcionan datos.
[0019] Los aerogeneradores que proporcionan datos típicamente serán otros aerogeneradores distintos de los que forman parte del parque eólico, por ejemplo, aerogeneradores que forman parte de otros parques eólicos. No obstante, no se descarta que algunos o todos los aerogeneradores que forman parte del parque eólico, es decir, los aerogeneradores que se controlan por medio del método según la invención, proporcionen datos de señal de incidente y, por ello, formen parte de la pluralidad de aerogeneradores que proporcionan datos.
[0020] Los datos de señal de incidente incluyen las señales de incidente generadas por los aerogeneradores que proporcionan datos. En el presente contexto, el término ‘señal de incidente’ se debería interpretar que significa una señal que se ha generado por uno de los aerogeneradores que proporcionan datos en respuesta a un incidente que se ha experimentado por el aerogenerador que proporciona datos. El incidente podría ser, por ejemplo, una o más lecturas de sensores que caen fuera de los valores límite especificados. En este caso, los sensores, por ejemplo, pueden medir las condiciones ambientales o meteorológicas, tales como la velocidad del viento, los cambios en la velocidad del viento, la dirección del viento, los cambios en la dirección del viento, la turbulencia, condiciones de ráfagas, la temperatura ambiente, la humedad, las precipitaciones, la densidad del aire, etc. Alternativamente, o además, los sensores pueden medir diversos parámetros de los aerogeneradores, tales como la temperatura en diversas partes de los aerogeneradores, la deflexión de las palas, la deflexión de la torre, las oscilaciones de la torre, el error de guiñada, etc.
[0021] De este modo, las señales de incidente son señales generadas por los aerogeneradores que proporcionan datos y que indican que se han experimentado incidentes específicos, tales como vientos fuertes, fallos, deflexión excesiva, etc., por los aerogeneradores que protegen los datos. Por consiguiente, las señales de incidente son en forma de avisos y/o alarmas generadas por los aerogeneradores que proporcionan datos. Las señales de incidente proporcionan de ese modo información de que un aerogenerador que proporciona datos dado ha experimentado un incidente específico que ha desencadenado que el aerogenerador que proporciona datos genere una señal de incidente correspondiente.
[0022] Dado que las señales de incidente desencadenadas por un incidente dado normalmente identifican el incidente subyacente, por ejemplo, dotando a las señales de incidente con un código que corresponde de manera única al incidente subyacente, es posible aplicar señales de incidente de diversos tipos de aerogeneradores, incluso si los límites de diseño con respecto a las condiciones ambientales y los parámetros operativos varían de un tipo de aerogenerador a otro. De este modo, no es importante exactamente qué condiciones ambientales o valores de sensor desencadenaron las señales de incidente. La clave es que un aerogenerador que proporciona datos dado experimentó condiciones que lo hicieron generar un tipo específico de señal de incidente. Esto aumenta significativamente el número de aerogeneradores que se califican como aerogeneradores que proporcionan datos con el presente propósito.
[0023] Los datos de señal de incidente pueden incluir además información con respecto a las acciones adoptadas por los aerogeneradores que proporcionan datos en respuesta a las señales de incidente generadas.
[0024] Los datos de señal de incidente se pueden recuperar de los datos operativos históricos de un vasto número de aerogeneradores, por ejemplo, de una flota de parques eólicos. Alternativamente, o además, los datos de entrenamiento se pueden obtener específicamente de un número específico de aerogeneradores, por ejemplo, los aerogeneradores del parque eólico.
[0025] A continuación, los datos de señal de incidente se alimentan a un modelo de inteligencia artificial (IA), y el modelo de IA se entrena por medio de los datos de señal de incidente. Por ello, se identifican patrones en las señales de incidente generadas por los aerogeneradores que proporcionan datos.
[0026] Los patrones identificados podrían incluir, por ejemplo, combinaciones de tipos de señales de incidente y/o la secuencia de las señales de incidente generadas por los aerogeneradores que proporcionan datos. Además, los patrones incluyen combinaciones de señales de incidente generadas por aerogeneradores que proporcionan datos dispuestos unos cerca de otros, por ejemplo, aerogeneradores que proporcionan datos dispuestos dentro del mismo parque eólico.
[0027] A continuación, se identifican las acciones realizadas por los aerogeneradores que proporcionan datos en respuesta a las señales de incidente generadas. Como se describió anteriormente, esta información podría formar parte de los datos de señal de incidente que se alimentaron al modelo de IA. Como alternativa, esta información se puede añadir cuando el modelo de IA haya identificado los patrones.
[0028] Las acciones podrían incluir, por ejemplo, apagar el aerogenerador, cambiar los valores límite superior y/o inferior de uno o más parámetros operativos, por ejemplo, estrechando un rango de operación de uno o más parámetros, conmutando la operación del aerogenerador a modo de seguridad, etc.
[0029] En base a las acciones identificadas, se asocian una o más acciones a los patrones que se identificaron por el modelo de IA. Por consiguiente, se establecen conexiones o correlaciones entre los patrones de señales de incidente, tales como las secuencias de señales de incidente, y las acciones realizadas por los aerogeneradores. Dado que esto se hace en base a las acciones reales realizadas por los aerogeneradores reales en respuesta a la generación de señales de incidente reales, se puede asumir que una acción que está asociada a un patrón dado de señales de incidente es una acción que es apropiada que el aerogenerador realice cuando experimenta ese patrón de señales de incidente. Se puede hacer referencia a esta asociación de acciones con los patrones como “etiquetado”, y se puede hacer referencia a los patrones con las acciones asociadas como “patrones etiquetados”. A continuación, durante la operación de los aerogeneradores del parque eólico, es decir, los aerogeneradores que se controlan de acuerdo con el método según la invención, se detectan una o más señales de incidente a partir de uno o más de los aerogeneradores del parque eólico.
[0030] La señal o señales de incidente detectadas se comparan con los patrones identificados por el modelo de IA. En el caso de que haya una coincidencia entre la señal o señales de incidente detectadas y al menos uno de los patrones que se identificaron por el modelo de IA, se puede suponer que el aerogenerador o aerogeneradores que generaron la señal o señales de incidente están experimentando condiciones que son similares a las condiciones que se experimentaron por los aerogeneradores que proporcionan datos que generaron las señales de incidente que condujeron al patrón. Por consiguiente, se puede suponer que el aerogenerador que ahora está generando señales de incidente similares podría realizar apropiadamente las acciones que también se realizaron por los aerogeneradores que proporcionan datos. Por lo tanto, en este caso, el aerogenerador o aerogeneradores del parque eólico se controlan realizando la acción o acciones asociadas con el patrón o patrones coincidentes.
[0031] Por ello, se puede controlar un aerogenerador dado para realizar tales acciones apropiadas, por ejemplo, apagar el aerogenerador, tan pronto como se reconozca que las señales de incidente que se generaron por el aerogenerador siguen un patrón que es muy probable que hiciera que el aerogenerador realizase la acción o acciones por sí mismo en un futuro cercano. Por consiguiente, se pueden realizar acciones que protegen el aerogenerador de daños en caso de eventos meteorológicos extremos o similares, en una etapa temprana, reduciendo por ello significativamente el riesgo de daños graves al aerogenerador.
[0032] Es una ventaja que los patrones se identifiquen mediante un modelo de IA, debido a que esto reduce significativamente la cantidad de trabajo manual requerido. Además, esto permite que se identifiquen patrones que no son necesariamente evidentes para el ojo humano. Por ejemplo, puede requerir un esfuerzo significativo descubrir o describir los patrones complejos y/o las correlaciones de las señales de incidente generadas, y esto puede hacer imposible realizar la tarea manualmente.
[0033] El método puede comprender además el paso de monitorización de las condiciones del viento en un emplazamiento del parque eólico, y el paso de control del aerogenerador o aerogeneradores del parque eólico se puede basar además en las condiciones del viento monitorizadas.
[0034] Según esta implementación, las condiciones del viento que prevalecen en el emplazamiento del parque eólico también se tienen en cuenta cuando se seleccionan las acciones a ser realizadas por los aerogeneradores en respuesta a una coincidencia detectada entre las señales de incidente generadas por el aerogenerador y uno o más de los patrones identificados. Por ejemplo, las condiciones del viento se pueden considerar como que forman parte de los patrones. En este caso, un patrón identificado podría ser una combinación de una velocidad del viento que supere un cierto valor umbral, y uno o más avisos y/o alarmas generadas en base a las señales de sensores del aerogenerador. Además, ciertas condiciones del viento, tales como altas velocidades del viento, pueden dar lugar a que se generen señales de incidente, y en este caso, tales condiciones del viento detectadas formarán parte naturalmente de los patrones de las señales de incidente.
[0035] Ejemplos de condiciones del viento incluyen, pero no se limitan a, la velocidad del viento que supera un cierto valor umbral, un aumento de la velocidad del viento que supera un cierto valor umbral, condiciones de ráfagas, la dirección del viento, un cambio en la dirección del viento que supera un cierto valor umbral, etc.
[0036] Como se describió anteriormente, las señales de incidente incluyen avisos y/o alarmas. En el presente contexto, el término ‘advertencia’ se debería interpretar que significa una señal generada por el aerogenerador, que alerta a un operador de que algo necesita atención, pero la anomalía detectada no es crítica para la operación continuada del aerogenerador en el presente. Por consiguiente, en respuesta a una advertencia, el aerogenerador normalmente no se apagará, sino que se podría operar en un modo protegido o de potencia reducida.
[0037] En el presente contexto, el término ‘alarma’ se debería interpretar que significa una señal generada por el aerogenerador que indica que se ha detectado un fallo o condición crítica. Una alarma puede hacer muy bien que el aerogenerador se apague automáticamente.
[0038] Las acciones que están asociadas con los patrones identificados pueden incluir el apagado de uno o más aerogeneradores. Alternativamente o además, las acciones pueden incluir operar uno o más aerogeneradores en un modo protegido y/o de potencia reducida, cambiar los valores límite de los rangos de parámetros de uno o más parámetros de control y/o parámetros de sensores, y/o cualquier otro tipo de acción adecuada.
[0039] El paso de control de los aerogeneradores del parque eólico puede comprender apagar uno o más aerogeneradores del parque eólico, antes de que se hayan iniciado los procedimientos de apagado en el uno o más aerogeneradores, en base a las advertencias o alarmas generadas por los aerogeneradores en sí mismos.
[0040] Según esta implementación, en el caso de que se detecte que un aerogenerador está generando señales de incidente que coinciden con un patrón, que es probable que conduzcan al apagado del aerogenerador, el aerogenerador se apaga inmediatamente en lugar de esperar a la siguiente señal o señales de incidente, que probablemente hará que el sistema de seguridad del aerogenerador apague el aerogenerador. Por consiguiente, el aerogenerador se apaga en una etapa temprana, y se puede reducir el riesgo de daños al aerogenerador, por ejemplo, debido a condiciones meteorológicas graves.
[0041] El método puede comprender además los pasos de:
[0042] - obtener datos de señal de incidente de los aerogeneradores del parque eólico, durante la operación del parque eólico,
[0043] - alimentar al modelo de IA los datos de señal de incidente obtenidos, y
[0044] - volver a entrenar el modelo de IA en base a los datos de señal de incidente, mejorando por ello el modelo de IA. Según esta realización, el modelo de IA se vuelve a entrenar y se mejora continuamente, en base a los datos obtenidos de los aerogeneradores que operan.
[0045] El método puede comprender además el paso de determinar que está ocurriendo un evento meteorológico extremo, en base al paso de comparar la señal o señales de incidente detectadas con los patrones identificados por el modelo de IA.
[0046] Según esta realización, los datos de señal de incidente históricos pueden revelar que están ocurriendo ciertos eventos meteorológicos extremos, entonces ciertos patrones de señales de incidente se generarán más probablemente por los aerogeneradores que experimentan los eventos meteorológicos extremos. De este modo, cuando se detecta un patrón de señales de incidente, que se han asociado previamente con un evento meteorológico extremo, entonces se determina que es muy probable que ocurra tal evento meteorológico extremo, y se pueden tomar por ello precauciones en una etapa temprana. Por ejemplo, si se determina que se está ocurriendo un evento meteorológico extremo, se puede apagar el aerogenerador que genera el patrón pertinente de señales de incidente.
[0047] Además, se pueden apagar además los aerogeneradores vecinos, los aerogeneradores dispuestos directamente aguas abajo del aerogenerador o, posiblemente, todos los aerogeneradores del parque eólico, dependiendo del tipo de evento meteorológico extremo.
[0048] Ejemplos de eventos meteorológicos extremos incluyen, pero no se limitan a, velocidades del viento extremadamente altas, cambios bruscos en la dirección del viento, condiciones de turbulencia extrema, tornados, etc.
[0049] Los patrones identificados por el modelo de IA incluyen patrones en los que se han generado señales de incidente idénticas o similares por dos o más aerogeneradores que proporcionan datos dispuestos en el mismo parque eólico. Según la invención, un patrón dado de señales de incidente no se basa necesariamente en las señales de incidente generadas por un único aerogenerador, sino que más bien incluye señales de incidente generadas por dos o más aerogeneradores dispuestos en el mismo parque eólico y, por ello, en las inmediaciones uno de otro.
[0050] Por ejemplo, el patrón puede incluir el mismo tipo de advertencia o alarma que se genera por dos o más aerogeneradores dispuestos en el mismo parque eólico, posiblemente con un retardo de tiempo entre las mismas. Por ejemplo, un aerogenerador aguas arriba puede detectar inicialmente velocidades del viento que superan los límites de diseño y generar una advertencia o alarma correspondiente. Posteriormente, la alta velocidad del viento discurrirá a través del parque eólico, haciendo que los aerogeneradores aguas abajo generen secuencialmente la misma advertencia o alarma. Cuando se detecta tal patrón, se puede suponer que los aerogeneradores dispuestos más aguas abajo también detectarán las altas velocidades del viento en un futuro cercano y, por lo tanto, las acciones realizadas por los aerogeneradores aguas arriba en respuesta a la advertencia o alarma generada también se pueden realizar inmediatamente en los aerogeneradores aguas abajo, reduciendo por ello el riesgo de daños a estos aerogeneradores aguas abajo.
[0051] Alternativamente, o además, uno o más de los patrones identificados se pueden basar en señales de incidente idénticas o similares generadas por dos o más aerogeneradores que proporcionan datos dispuestos en dos o más parques eólicos.
[0052] El método comprende el paso de controlar al menos uno de los aerogeneradores del parque eólico realizando una acción en respuesta a una coincidencia entre la señal o señales de incidente detectadas de otro aerogenerador del parque y al menos uno de los patrones identificados.
[0053] Como se describió anteriormente, si el patrón coincidente corresponde a una situación que es probable que afecte a otros aerogeneradores del parque eólico distintos del que genera la señal o señales de incidente, entonces puede ser pertinente realizar proactivamente acciones pertinentes en tales otros aerogeneradores, por ejemplo, apagándolos, reduciéndolos de potencia, cambiando los rangos de parámetros operativos, etc.
[0054] Breve descripción de los dibujos
[0055] La invención se describirá ahora con más detalle con referencia a los dibujos que se acompañan, en los que la Fig.1 ilustra un evento meteorológico extremo, en forma de tornado, que discurre a través de un parque eólico, y la Fig. 2 ilustra el control de los aerogeneradores de un parque eólico de acuerdo con un método según una realización de la invención.
[0056] Descripción detallada de los dibujos
[0057] La Fig.1 ilustra un parque eólico 1 que comprende una pluralidad de aerogeneradores 2. Un evento meteorológico extremo, en forma de tornado 3, está discurriendo a través del parque eólico 1 a lo largo de una dirección indicada por la flecha 4.
[0058] Los aerogeneradores 2a y 2b ya han sido sobrepasados por el tornado 3. En respuesta a ello, los aerogeneradores 2a y 2b han generado una o más señales de incidente, por ejemplo, en forma de una o más advertencias y/o una o más alarmas. En respuesta a las señales de incidente generadas, los aerogeneradores 2a y 2b han realizado una o más acciones pertinentes con el fin de proteger los aerogeneradores 2a, 2b del impacto del tornado 3. Por ejemplo, los aerogeneradores 2a, 2b pueden haber sido apagados.
[0059] Dado que el aerogenerador 2a y el aerogenerador 2b ambos han sido sobrepasados por el tornado 3, la secuencia o patrón de señales de incidente generadas por los dos aerogeneradores 2a, 2b son más probablemente idénticas o, al menos, muy similares. No obstante, dado que el tornado 3 pasó el aerogenerador 2a antes de que pasase el aerogenerador 2b, podría haber un retardo de tiempo entre las señales de incidente generadas por el aerogenerador 2a y las señales de incidente correspondientes generadas por el aerogenerador 2b.
[0060] El aerogenerador 2c está a punto de ser sobrepasado por el tornado 3. Por consiguiente, el aerogenerador 2c ya ha generado probablemente al menos algunas de las señales de incidente que se generaron por los aerogeneradores 2a y 2b. Las señales de incidente generadas por el aerogenerador 2c se comparan con los patrones de señales de incidente identificadas por medio de un modelo de IA, por ejemplo, de una manera que se ha descrito anteriormente y/o de una manera que se describirá con más detalle a continuación, con referencia a la Fig.2.
[0061] La comparación puede revelar que hay una coincidencia entre uno de los patrones identificados y las señales de incidente generadas por el aerogenerador 2c. Además, se puede revelar que el patrón coincidente también coincide con las señales de incidente generadas por los aerogeneradores 2a y 2b, y que las señales de incidente generadas son compatibles con el paso de un tornado 3. De este modo, tan pronto como se identifica tal coincidencia, el aerogenerador 2c se controla de acuerdo con la misma, por ejemplo, apagando el aerogenerador 2c, incluso si los avisos y/o alarmas generadas por el aerogenerador 2c en sí mismo aún no han hecho que el aerogenerador 2c se apague.
[0062] Además, dado que el tornado 3 está dirigiéndose hacia el aerogenerador 2d, el aerogenerador 2d también puede haber generado, por ejemplo, la primera de una secuencia de señales de incidente, correspondiente a las señales de incidente generadas por los aerogeneradores 2a, 2b y 2c. Como se describió anteriormente, ya se ha establecido que los aerogeneradores 2a, 2b y 2c están generando secuencias idénticas o similares de señales de incidente, y que este patrón es compatible con un tornado 3 que pasa a través del parque eólico 2. El hecho de que los tres aerogeneradores 2a, 2b y 2c hayan generado secuencias iguales o similares de señales de incidente también se puede considerar como un patrón de señales de incidente. Por consiguiente, tan pronto como el aerogenerador 2d genere la primera señal de incidente del patrón de señales de incidente, se puede concluir que es muy probable que el tornado 3 alcance el aerogenerador 2d muy pronto. De este modo, ya en esta etapa se pueden realizar acciones pertinentes, tales como apagar el aerogenerador 2d.
[0063] La Fig. 2 ilustra el control de los aerogeneradores 2 de un parque eólico 1 de acuerdo con un método según una realización de la invención.
[0064] Una pluralidad de aerogeneradores 5 que proporcionan datos, tres de los cuales se muestran, dispuestos en una pluralidad de parques eólicos 6 que proporcionan datos, uno de los cuales se muestra, recopilan datos durante la operación de los aerogeneradores 5 que proporcionan datos. Los datos recopilados comprenden datos de señales de incidente, que incluyen señales de incidente, tales como advertencias y alarmas, generadas por los aerogeneradores 5 que proporcionan datos. Los datos de señal de incidente pueden comprender además información con respecto a acciones realizadas por los aerogeneradores que proporcionan datos en respuesta a las señales de incidente generadas.
[0065] Los aerogeneradores 5 que proporcionan datos, proporcionan los datos de señal de incidente a un concentrador de datos local 7 del parque eólico 6 que proporciona datos. Los datos de señal de incidente de los concentradores de datos locales 7 de cada uno de los parques eólicos 6 que proporcionan datos se proporcionan a un concentrador de datos central 8, y el concentrador de datos central 8 alimenta los datos de señal de incidente al modelo de IA 9. Los aerogeneradores 2 del parque eólico 1 también pueden actuar como aerogeneradores que proporcionan datos de la manera descrita anteriormente. En este caso, los datos de señal de incidente generados por los aerogeneradores 2 también se proporcionan al modelo de IA 9, de la misma manera que los datos de señal de incidente generados por los aerogeneradores 5 que proporcionan datos del parque eólico 6.
[0066] El modelo de IA se entrena en base a los datos de señal de incidente. Por ello, se identifican patrones en las señales de incidente generadas por los aerogeneradores 5 que proporcionan datos. Además, los patrones se etiquetan asociando las acciones realizadas por los aerogeneradores 5 que proporcionan datos, en respuesta a las señales de incidente generadas, a los patrones. De este modo, los patrones etiquetados indican qué combinaciones de señales de incidente fueron generadas por los aerogeneradores 5 que proporcionan datos, así como qué acciones realizaron los aerogeneradores 5 que proporcionan datos en respuesta a ello.
[0067] El modelo entrenado se proporciona a un detector local 10 del parque eólico 1 para ser controlado. Durante la operación de los aerogeneradores 2 del parque eólico 1, los aerogeneradores 2 recopilan datos, incluyendo las señales de incidente generadas por los aerogeneradores 2, y proporcionan estos a un concentrador de datos local 11 del parque eólico 1. Las señales de incidente generadas se comparan entonces con los patrones identificados por el modelo de IA. En el caso de que haya una coincidencia entre las señales de incidente generadas por al menos uno de los aerogeneradores 2 y al menos uno de los patrones identificados, el detector 10 da instrucciones al aerogenerador o aerogeneradores 2 pertinentes para realizar la acción o acciones asociadas con el patrón o patrones coincidentes, por ejemplo, apagar uno o más de los aerogeneradores 2.
[0068] Además, el concentrador de datos local 11 proporciona las señales de incidente generadas por los aerogeneradores 2 al concentrador de datos central 8, que a su vez alimenta estos datos al modelo de IA. El modelo de IA se vuelve a entrenar entonces, en base a las señales de incidente adicionales, obteniendo por ello un modelo actualizado y mejorado.
[0069] El modelo de datos entrenado se puede distribuir además a otros parques eólicos, tales como el parque eólico 6 que proporciona datos. En este caso, el modelo entrenado se proporciona a un detector 12 del parque eólico 6, que proporciona datos, y los aerogeneradores 5 que proporcionan datos se pueden controlar de la misma manera que se describió anteriormente con referencia a los aerogeneradores 2 del parque eólico 1.

Claims (6)

1. REIVINDICACIONES
1. Un método para controlar aerogeneradores (2) de un parque eólico (1), el parque eólico (1) que comprende una pluralidad de aerogeneradores (2), el método que comprende los pasos de:
- obtener datos de señal de incidente a partir de una pluralidad de aerogeneradores (5) que proporcionan datos, los datos de señal incidente que incluyen señales de incidente, en forma de avisos y/o alarmas, generadas por los aerogeneradores (5) que proporcionan datos,
- alimentar los datos de señal de incidente a un modelo de inteligencia artificial (IA) (9) y entrenar el modelo de IA (9) por medio de los datos de señal de incidente con el fin de identificar patrones en las señales de incidente generadas por los aerogeneradores (5) que proporcionan datos, los patrones identificados por el modelo de IA (9) que incluyen patrones en los que se han generado combinaciones de señales de incidente idénticas o similares por dos o más aerogeneradores (5) que proporcionan datos, dispuestos unos cerca de otros en el mismo parque eólico (6), - identificar las acciones realizadas por los aerogeneradores (5) que proporcionan datos en respuesta a las señales de incidente generadas y, en base a las mismas, asociar una o más acciones a los patrones identificados,
- durante la operación de los aerogeneradores (2) del parque eólico (1), detectar señales de incidente de los aerogeneradores (2) del parque eólico (1),
- comparar las señales de incidente detectadas con los patrones identificados por el modelo de IA (9), y
- en el caso de que las combinaciones de las señales de incidente detectadas, generadas por dos o más aerogeneradores, coincidan con al menos uno de los patrones identificados, controlar los aerogeneradores (2) del parque eólico (1) realizando la acción o acciones asociadas con el patrón o patrones coincidentes, incluyendo realizar proactivamente la acción o acciones a al menos un aerogenerador (2) distinto de los aerogeneradores (2) que detectan las señales de incidente.
2. Un método según la reivindicación 1, que comprende además el paso de monitorización de las condiciones del viento en el emplazamiento del parque eólico (1), y en donde el paso de control del aerogenerador o aerogeneradores (2) del parque eólico (1) se basa además en las condiciones del viento monitorizadas.
3. Un método según cualquiera de las reivindicaciones anteriores, en donde las acciones que están asociadas con los patrones identificados incluyen apagar uno o más aerogeneradores (5).
4. Un método según cualquiera de las reivindicaciones anteriores, en donde el paso de controlar los aerogeneradores (2) del parque eólico (1) comprende apagar uno o más aerogeneradores (2) del parque eólico (1), antes de que se hayan iniciado los procedimientos de apagado en el uno o más aerogeneradores (2) en base a las advertencias o alarmas generadas por los aerogeneradores (2) en sí mismos.
5. Un método según cualquiera de las reivindicaciones anteriores, que comprende además los pasos de:
- obtener datos de señal de incidente de los aerogeneradores (2) del parque eólico (1), durante la operación del parque eólico (1),
- alimentar los datos de señal de incidente obtenidos al modelo de IA (9), y
- volver a entrenar el modelo de IA (9) en base a los datos de señal de incidente, mejorando por ello el modelo de IA (9).
6. Un método según cualquiera de las reivindicaciones anteriores, que comprende además el paso de determinar que está ocurriendo un evento meteorológico extremo, en base al paso de comparar la señal o señales de incidente detectadas con patrones identificados por el modelo de IA (9).
ES21197446T 2021-09-17 2021-09-17 Método para controlar aerogeneradores de un parque eólico usando un modelo de IA entrenado Active ES3058387T3 (es)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
EP21197446.4A EP4151853B1 (en) 2021-09-17 2021-09-17 METHOD FOR CONTROLLING WIND TURBINES IN A WIND FARM USING A FORMED AI MODEL

Publications (1)

Publication Number Publication Date
ES3058387T3 true ES3058387T3 (es) 2026-03-10

Family

ID=77821669

Family Applications (1)

Application Number Title Priority Date Filing Date
ES21197446T Active ES3058387T3 (es) 2021-09-17 2021-09-17 Método para controlar aerogeneradores de un parque eólico usando un modelo de IA entrenado

Country Status (4)

Country Link
US (1) US12480474B2 (es)
EP (1) EP4151853B1 (es)
CN (1) CN115822873A (es)
ES (1) ES3058387T3 (es)

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6975925B1 (en) * 2002-03-19 2005-12-13 Windlynx Systems, B.V. Forecasting an energy output of a wind farm
EP2251543B1 (en) * 2009-05-14 2016-12-07 ALSTOM Renewable Technologies Method and system for predicting the occurrence of a wind gust at a wind turbine
US8987929B2 (en) * 2012-11-01 2015-03-24 General Electric Company System and method for operating wind farm
US10337496B2 (en) * 2014-12-01 2019-07-02 General Electric Company System and method for controlling a wind turbine during adverse wind conditions
DE102016117190A1 (de) * 2016-09-13 2018-03-15 fos4X GmbH Verfahren und Vorrichtung zum Überwachen eines Zustands wenigstens einer Windkraftanlage und Computerprogrammprodukt
US10671039B2 (en) * 2017-05-03 2020-06-02 Uptake Technologies, Inc. Computer system and method for predicting an abnormal event at a wind turbine in a cluster
CN109681391B (zh) * 2017-10-18 2020-09-11 中车株洲电力机车研究所有限公司 一种叶根螺栓断裂故障检测方法及介质
US20200210824A1 (en) * 2018-12-28 2020-07-02 Utopus Insights, Inc. Scalable system and method for forecasting wind turbine failure with varying lead time windows
US11208986B2 (en) * 2019-06-27 2021-12-28 Uptake Technologies, Inc. Computer system and method for detecting irregular yaw activity at a wind turbine
EP3623616A1 (en) * 2019-08-23 2020-03-18 Ventus Engineering GmbH Detection of abnormal conditions on a wind turbine generator
EP3826102A1 (en) * 2019-11-20 2021-05-26 Vestas Wind Systems A/S Model based monitoring of battery system
US11060504B1 (en) * 2020-02-07 2021-07-13 General Electric Company Systems and methods for continuous machine learning based control of wind turbines

Also Published As

Publication number Publication date
CN115822873A (zh) 2023-03-21
EP4151853A1 (en) 2023-03-22
US12480474B2 (en) 2025-11-25
EP4151853C0 (en) 2025-12-31
EP4151853B1 (en) 2025-12-31
US20230089046A1 (en) 2023-03-23

Similar Documents

Publication Publication Date Title
ES2874000T3 (es) Método y dispositivo de control de guiñada para un conjunto generador eólico
ES2622845T3 (es) Método y aparato para proteger turbinas eólicas de fenómenos extremos
ES2947764T3 (es) Una turbina eólica con prevención de entrada en pérdida del rotor
ES2388320T5 (es) Procedimiento para la operación de una instalación de energía eólica
CN113217301B (zh) 冰区风电场甩冰预警范围判别装置、方法、系统及设备
ES2670591T3 (es) Un sistema de seguridad para una turbina eólica
CN105464912A (zh) 一种风力发电机组叶片结冰检测的方法和装置
US20150322925A1 (en) A system and method for wind turbine sensor calibration
CN103890384A (zh) 用于控制风能设备的方法
CN108138750A (zh) 用于监控风能设备的方法
ES2942017T3 (es) Un método para controlar un parque de energía eólica teniendo en cuenta efectos de estela
ES3034899T3 (en) Method for outputting control instructions or event messages for a wind energy installation or a wind farm, and an evaluation device and a system therefor
CN115065155A (zh) 一种基于5g通讯的风电场升压站的风险预警系统
US20170161671A1 (en) System and method for repairing wind generator based on weather information
DK2667023T3 (en) Control of a wind energy system
ES2981180T3 (es) Método de monitorización de la integridad estructural de la estructura de soporte de una turbina eólica
TWI799210B (zh) 運行風力渦輪機的方法、用於運行風力渦輪機的裝置及風力發電場
ES2936255T3 (es) Sistema y procedimiento para predecir paradas de turbinas eólicas debido a vibraciones excesivas
DK201670830A1 (en) Method and system of yaw control of wind turbines in a wind turbine farm
ES2989385T3 (es) Un método para controlar un parque eólico en condiciones de viento turbulento
ES3058387T3 (es) Método para controlar aerogeneradores de un parque eólico usando un modelo de IA entrenado
CN113177678A (zh) 一种不同类型异物侵扰的气象风险预警方法及装置
CN110399994B (zh) 风电场的台风预警方法和设备
CN214152007U (zh) 一种海上风电场智能监测与预警系统
ES3017814T3 (en) Identifying recurrent free-flow wind disturbances associated with a wind turbine