JP7746558B2 - 風力タービンを制御するためのシステム及び方法 - Google Patents

Description

本開示は、一般に発電に関し、より詳細には、予測制御を介して風力タービンを制御するためのシステム及び方法に関する。

風力発電は一般に、現在利用可能なエネルギー源の中で最もクリーンで環境に優しいものの一つと考えられている。そのため、風力タービンが注目されている。最新の風力タービンは、通常、タワー、発電機、ギアボックス、ナセル、及び１つ又は複数のロータブレード（a tower, a generator, a gearbox, a nacelle, and one or more rotor blades）を含む。ナセルには、ギアボックスと発電機に結合されたロータセンブリが含まれる。ロータセンブリとギアボックスは、ナセル内に設置されたベッドプレート支持フレーム（bedplate support frame）に取り付けられている。ロータブレードは、既知の翼型原理（airfoil principles）を使用して風の運動エネルギーを捕捉する。ロータブレードは、ロータブレードをギアボックスに連結するシャフトを回転させるように、あるいはギアボックスが使用されない場合は発電機に直接、回転エネルギーの形で運動エネルギーを伝達する。その後、発電機は機械エネルギーを電気エネルギーに変換し、電気エネルギーはタワー内に収容されたコンバーター及び／又は変圧器に伝送され、その後ユーティリティグリッド（utility grid：送電網）に展開（deploy）される。現代の風力発電システムは、一般的に、送電網（ power grid）に電力を供給する送電システムに電力を供給するように動作可能な複数の風力タービン発電機を有する風力発電所（wind farm：ウインドファーム）の形態をとる。

現状の風力タービン制御は、通常、発電機トルクとブレードピッチアクチュエータ（blade pitch actuators）を使用して、広範囲の風況及び／又は故障シナリオ（wide range of wind conditions and/or fault scenarios）を通じて機械的負荷を設計限界以下に維持する。通常動作では、最も基本的な制御機能は、所定のスケジュールに従って出力とロータ速度を調整することである。これらのスケジュールは一般に、風力タービンに影響を与える風速に依存する。風速が低い場合、ロータ速度はトルクによって調整され、ブレードは風力を最も多く取り込むように適応（orient）される。より高い風速では、ブレードを風から離すようにピッチングさせる（pitching the blades away from the wind）ことで、ロータ速度を定格値に調整することができる。さらに、発電機のトルクによって電力を調整することもできる。

最も基本的な制御機能に加えて、現状の風力タービン制御は、突然の突風、風せん断の増大、及び／又はシステム内の故障（sudden wind gusts, increased wind shear, and/or faults in the system）による負荷を軽減する複数の機能、又は制御ループを含む場合がある。これらの保護ループ／スキームは、位相のずれた周期的ピッチ（out-of-phase cyclic pitch）、急激なピッチング（rapid pitching：負荷を制限するために風から離れる急激なピッチングなど）、及び／又は風の中と外での交互のピッチング（alternating pitching in and out of the wind）で構成されることがある。制御ループ／スキームの調整（regulate control loops/schemes）及び／又は保護ループのトリガ（trigger protection loops）に必要なリアルタイムデータは、例えば、簡略化されたタービンモデルに基づく推定技術（例えば、カルマンフィルタ：Kalman filters）を用いて得ることができる。簡略化されたタービンモデルの複雑さは、既知の産業用制御プラットフォームの計算上の制限によって制限される場合がある。

しかし、データを取得するために簡略化モデル（simplified models）を使用すると、風力タービンを最適な方法で動作させるコントローラの能力が制限される可能性がある。例えば、タービンの推定／制御で一般的に採用されている簡略化モデルは単純化されており、構造物及び／又は風力タービンに影響を与える風の状態を正確に把握できない可能性がある。その結果、保守的（conservative）であるために最適とは言えないタービン制御が行われる可能性がある。追加的な例として、負荷軽減スキーム／ループの多くは、各ループ／スキームがピッチコマンドを送信し、互いに独立して設計されている。その結果、ピッチシステムは不必要な摩耗を経験し、レートの飽和（rate saturations）によって引き起こされる不安定性の影響を受けやすくなる可能性がある。また、保護ループ／スキームの数が増えると、複雑な動的相互作用が生じ、コントローラのチューニングが困難になり、その結果、性能が最適でなくなる可能性がある。さらに、保護ループ／スキームは、重大な制約違反の危険性がある代理近似を選択（choosing surrogate approximations）することによって間接的にタービン制約を処理したり、最適以下の性能につながる保守的な動作をしたりする可能性がある。さらに例を挙げると、一般的に採用されている単純化されたモデルは、最新の風力タービンのより柔軟な構造による動的結合の増加をモデル化するのに適していない可能性がある。

したがって、当技術分野では、前述の問題に対処する新規かつ改良されたシステム及び方法を継続的に求めている。このように、本開示は、風力タービンを制御するシステム及び方法に向けられている。

米国特許出願公開第２０１７／３５０３６９号明細書

本発明の態様及び利点は、以下の説明において部分的に記載されるか、又は説明から明らかであるか、又は本発明の実施を通じて知ることができる。

一態様において、本開示は、風力タービンを制御するための方法に向けられている。本方法は、コントローラの風力分類モジュール（wind classification module）を介して、風力タービンの現在の動作を示す風力タービンの現在の動作データセットに少なくとも部分的に基づいて、風力リソースの現在の空力状態（current aerodynamic state）を決定することを含むことができる。コントローラの構成インテリジェンスモジュール（configuration intelligence module）は、現在の空力状態に少なくとも部分的に基づいて、タービン推定器モジュール（turbine estimator module）の推定器構成（estimator configuration）を生成するために利用することができる。コントローラのタービン推定器モジュールは、予測制御モジュール（predictive control module）の制御初期状態（control initial state）を生成するように、風力タービンの動作をエミュレートすることができる。制御初期状態は、風力タービンの複数の構成要素のモデル化された現在の動作状態を含む場合がある。本方法はまた、構成インテリジェンスモジュールを介して、現在の空力状態に少なくとも部分的に基づいて、予測制御モジュールのための予測制御構成を生成することを含むことができる。予測制御モジュールは、制御初期状態及び予測制御構成に基づいて、予測区間（predictive interval）にわたる風力タービンの予測性能を決定するために採用され得る。予測制御モジュールはまた、予測性能に基づいて風力タービンの少なくとも１つのアクチュエータの設定値を生成するために採用されることもある。さらに、本方法は、設定値に従ってアクチュエータを介して風力タービンの動作状態（運転状態：operating condition）に影響を与えることを含むことができる。

本発明のこれら及び他の特徴、態様及び利点は、以下の説明及び添付の特許請求の範囲を参照することにより、よりよく理解されるであろう。本明細書に組み込まれ、本明細書の一部を構成する添付図面は、本発明の実施形態を示し、本明細書と共に本発明の原理を説明するのに役立つ。

当業者に向けられた、その最良の態様を含む本発明の完全かつ有効な開示は、添付の図を参照する明細書に記載されており、その中で、以下のことが述べられている。
風力タービンの一実施形態の透視図である。 図１の風力タービンのナセルの一実施形態の透視内部図である。 風力タービンと共に使用するためのコントローラの一実施形態のブロック図を示す。 風力タービンを制御するためのシステムの概略図である。 風力タービンを制御するための制御ロジックの概略図である。 風力タービンを制御するための図５の制御ロジックの一部の概略図である。 公称風状態の存在下で風力タービンを制御するための、図５の制御ロジックの一部の概略図を示す。 第１の風条件の存在下で風力タービンを制御するための、図５の制御ロジックの一部の概略図である。 風力タービンを制御するための図５の制御ロジックの一部の概略図である。

本明細書及び図面における参照文字の繰り返しの使用は、本発明の同一又は類似の特徴又は要素を表すことを意図している。

次に、本発明の実施形態を詳細に参照するが、その１つ以上の実施例が図面に示されている。各実施例は、本発明の説明のために提供されるものであって、本発明を限定するものではない。実際、本発明の範囲又は精神から逸脱することなく、本発明において様々な修正及び変形を行うことができることは、当業者には明らかであろう。例えば、１つの実施形態の一部として図示又は説明された特徴は、別の実施形態と共に使用して、さらに別の実施形態を得ることができる。したがって、本発明は、添付の特許請求の範囲及びそれらの均等物の範囲内に入るような修正及び変形をカバーすることが意図される。

本明細書で使用する場合、「第１」、「第２」、及び「第３」という用語は、１つの構成要素を別の構成要素から区別するために互換的に使用することができ、個々の構成要素の位置又は重要性を意味することを意図していない。

「結合された：coupled」、「固定された：fixed」、「に取り付けられた：attached to」等の用語は、本明細書で特に規定しない限り、直接的な結合、固定、又は取り付け、ならびに１つ以上の中間構成要素又は特徴を介した間接的な結合、固定、又は取り付けの両方を指す。

本明細書及び特許請求の範囲を通して使用される近似表現は、それが関連する基本的な機能に変化をもたらすことなく許容可能に変化し得るあらゆる定量的表現を修正するために適用される。したがって、「約：about」、「およそ：approximately」、「実質的に：substantially」などの用語によって修正される値は、指定された正確な値に限定されるものではない。少なくともいくつかの例では、近似的な表現は、値を測定するための計器の精度、又は構成要素及び／又はシステムを構築もしくは製造するための方法もしくは機械の精度に対応することがある。例えば、近似的な表現は、１０％のマージンの範囲内であることを指す場合がある。

本明細書及び特許請求の範囲を通して、範囲の限定は組み合わされ、交換され、そのような範囲は、文脈又は言語がそうでないことを示さない限り、特定され、そこに含まれる全てのサブ範囲を含む。例えば、本明細書で開示される全ての範囲は終点を含み、終点は互いに独立して組み合わせ可能である。

一般に、本開示は、風力タービンを制御するためのシステム及び方法に向けられている。特に、本明細書に開示されるシステム及び方法は、オンライン空力弾性モデル（online aeroelastic models、例えば、風力タービンの動作中にリアルタイムで実行される空力弾性モデル）の精度及び数値効率（accuracy and numerical efficiency）を活用して、風力タービンに関する詳細な物理的情報を提供することができる。この詳細な物理情報は、推定、制御、及び／又は故障管理（estimation, controls, and/or fault management）にオンラインで使用することができる。これにより、ベースラインのコア制御機能を提供するための空力弾性予測制御（aeroelastic predictive control）のフル活用が容易になる。さらに、本願のシステム及び方法は、風力タービンに影響を与える空力状態及び／又は風力タービンの動作状態（例えば故障状態）を決定するために、複数の物理ベースの空力弾性推定器をリアルタイムで採用することができる。この判定は、機械学習アルゴリズムの利用によってさらに容易になる可能性がある。機械学習アルゴリズムの利用は、産業制御フレームワークにおける高度なコンピューティングハードウェア及びソフトウェア（例えば、マルチコアアーキテクチャを介して実行され得る並列計算）の統合によって促進され得る。

本システム及び方法の利点は、動作データセット（例えば、環境データなし：without environmental data）に基づいて風力タービンの現在の空力状態及び／又は現在の動作状態を決定するための多数の空力弾性推定器（number of aeroelastic estimators）の利用、予測制御モジュールのチューニング、及び風力タービンの予測性能に基づく少なくとも１つの設定値の生成に現れる可能性がある。例えば、構成インテリジェンスモジュールは、現在の空力状態に少なくとも部分的に基づいて利得チューニング（gain tuning）を選択することができ、タービン推定器モジュールのための推定器構成及び予測制御モジュールのための予測制御構成を生成することができる。タービン推定器モジュールは、風力タービンの動作をエミュレートして、予測制御モジュールの制御初期状態を生成してもよい。予測制御モジュールは、次に、制御初期状態及び予測制御構成に基づいて、予測区間にわたる風力タービンの予測性能を決定することができる。予測制御モジュールは、予測性能に基づいて風力タービンの少なくとも１つのアクチュエータの設定値を生成し、設定値に従ってアクチュエータを介して風力タービンの動作状態に影響を与えることができる。

換言すれば、風力タービンに対する風の影響は、風力タービンの動作応答に反映される可能性がある。したがって、公称、乱流、せん断、ベア、突風など（nominal, turbulent, shear, veer, gust, etc.）の様々な推定風状態に調整された空力弾性モデルを採用して、空力状態を直接監視する必要なく、監視された動作応答をもたらす風の空力状態を決定することができる。次に、動作データセットから決定された現在の風の状態（例えば、公称、乱流、せん断、突風など）を含む空力状態は、決定された現在の風の状態に照らして風力タービンの最適な応答を容易にするように構成された適切な利得チューニングを選択するために利用することができる。利得チューニング（ゲイン調整）は、推定器構成及び予測制御構成に反映されることがある。現在の風況に合わせて調整すると、タービン推定器モジュールは、現在の風況に対する風力タービンの現在の応答をエミュレートすることができる。このエミュレーションは、予測制御モジュールの開始条件（例えば、制御初期状態）として機能する可能性がある。現在の風況に対して同様に調整されることで、予測制御モジュールは、将来の予測区間にわたって風力タービンの動作が開始条件からどのように変化するかを予測することができる。この将来の性能予測に基づいて、予測制御モジュールは、風力タービンのアクチュエータの設定値を生成する。この設定値は、風力タービンの現在の動作状態を維持する場合もあれば、風力タービンの性能を最適化するために動作状態に影響を及ぼすことを求める場合もある。

ここで図面を参照すると、図１は、本開示による風力タービン１００の一実施形態の透視図を示している。風力タービン１００は、一般に、支持面１０４（例えば、地面）から延びるタワー１０２と、タワー１０２に取り付けられたナセル１０６と、ナセル１０６に結合されたロータ１０８とを含むことができる。ロータ１０８は、回転可能なハブ１１０と、ハブ１１０に結合され、ハブ１１０から外側に延びる少なくとも１つのロータブレード１１２とを含むことができる。例えば、図示の実施形態では、ロータ１０８は３つのロータブレード１１２を含む。しかしながら、付加的な実施形態では、ロータ１０８は、３枚より多い又は少ないロータブレード１１２を含んでもよい。各ロータブレード１１２は、ロータ１０８を回転させて、運動エネルギーを風から使用可能な機械エネルギー、ひいては電気エネルギーに変換できるようにするために、ハブ１１０に対して間隔を空けて配置することができる。例えば、ハブ１１０は、ナセル１０６内に配置された発電機１１８（図２）に回転可能に結合され、電気エネルギーの生成を可能にすることができる。

風力タービン１００は、コントローラ２００も含むことができる。コントローラ２００は、一実施形態では、ナセル１０６内に集中配置されたタービンコントローラ２０２として構成することができる。しかし、他の実施形態では、コントローラ２００は、風力タービン１００の他の構成要素内に配置されてもよいし、風力タービン外部の場所に配置されてもよい。さらに、タービンコントローラ２０２は、構成要素及び／又は複数の風力タービン１００を制御するように構成されたファームコントローラ（farm controller：発電所制御装置）を制御するために、風力タービン１００の任意の数の構成要素に通信可能に結合されてもよい。このように、コントローラ２００は、コンピュータ又は他の適切な処理装置を含むことができる。

一実施形態では、コントローラ２００は、実行されると、風力タービン制御／コマンド信号の受信、送信、及び／又は実行などの様々な異なる機能を実行するようにタービンコントローラ２０２を構成する適切なコンピュータ可読命令を含むことができる。さらに、風力タービン１００は、様々なコマンド信号（例えば、設定値：setpoints）を実行し、風力タービン１００の動作状態に影響を与えるように構成された複数のアクチュエータ１６０（図２）を含むことができる。本明細書で使用する場合、「動作状態：operating state（運転状態）」は、風力タービン１００又はその構成要素の物理的構成、向き、及び／又は動作状態（physical configuration, orientation, and/or operating status）を指す場合があることを理解されたい。

ここで図２を参照すると、図１に示された風力タービン１００のナセル１０６の一実施形態の簡略化された内部図が図示されている。図示されるように、発電機１１８は、ロータ１０８によって生成される回転エネルギーから電力を生成するためにロータ１０８に結合され得る。例えば、図示の実施形態に示すように、ロータ１０８は、ハブ１１０にその回転のために結合されたロータシャフト１２２を含むことができる。ロータシャフト１２２は、主軸受１４４によって回転可能に支持されてもよい。ロータシャフト１２２は、順次、ベッドプレート支持フレーム１３６に連結されたギアボックス１２６を介して発電機１１８の高速シャフト１２４に回転可能に連結されてもよい。一般に理解されるように、ロータシャフト１２２は、風力タービン１００の動作時のロータブレード１１２及びハブ１１０の回転に応答して、ギアボックス１２６に低速高トルク入力を提供することができる。次いで、ギアボックス１２６は、風力タービン１００の動作中に高速シャフト１２４、ひいては発電機１１８を駆動するために、低速高トルク入力を高速低トルク出力に変換するように構成され得る。

各ロータブレード１１２はまた、各ロータブレード１１２をそのピッチ軸１１６を中心に回転させるように構成されたピッチ制御機構１２０を含むことができる。各ピッチ制御機構１２０は、（アクチュエータ１６０と見なすことができる）ピッチ駆動モータ１２８と、ピッチ駆動ギアボックス１３０と、ピッチ駆動ピニオン１３２とを含むことができる。そのような実施形態において、ピッチ駆動モータ１２８は、ピッチ駆動モータ１２８がピッチ駆動ギアボックス１３０に機械的な力を与えるように、ピッチ駆動ギアボックス１３０に結合されてもよい。同様に、ピッチ駆動ギアボックス１３０は、その回転のためにピッチ駆動ピニオン１３２に結合されてもよい。ピッチ駆動ピニオン１３２は、今度は、ピッチ駆動ピニオン１３２の回転がピッチ軸受１３４の回転を引き起こすように、ハブ１１０と対応する回転翼１１２との間に結合されたピッチ軸受１３４と回転係合していてもよい。したがって、そのような実施形態では、設定値に応答するなどしてピッチ駆動モータ１２８の回転が、ピッチ駆動ギアボックス１３０及びピッチ駆動ピニオン１３２を駆動し、それによってピッチ軸１１６を中心にピッチ軸受１３４及び１以上のロータブレード１１２を回転させる。

ピッチ軸１１６を中心に１以上のロータブレード１１２をピッチングさせると、１以上のロータブレード１１２と見かけの風との間の迎え角（angle of attack：迎角）が変化する可能性があることを理解されたい。したがって、１以上のロータブレード１１２は、１以上のロータブレード１１２がピッチ軸１１６を中心に回転して見かけの風と整列するときにフェザリングにピッチング（pitching to feather：羽根を立てるピッチング）し、１以上のロータブレードが見かけの風に対して概ね垂直な方向に向かって回転するときにパワーにピッチングすることがある。さらに、羽根を立てるピッチングは、結果として生じる揚力が減少する結果、一般的に１以上のロータブレード１１２を脱力（depowers）させることを理解すべきである。したがって、設定値に従ってピッチ軸１１６を中心にロータブレード１１２をピッチングさせることは、風力タービン１００の動作状態に影響を及ぼす可能性がある。

同様に、風力タービン１００は、コントローラ２００に通信可能に結合された１つ又は複数のヨー駆動機構１３８を含むことができ、各ヨー駆動機構１３８は、風に対するナセル１０６の角度を（例えば、風力タービン１００のヨー軸受１４０に係合することによって）変更するように構成されている。コントローラ２００は、風力タービン１００に作用する風に対して風力タービン１００を空気力学的に方向付けるように、ナセル１０６のヨーイング及び／又はロータブレード１１２のピッチングを指示することができ、それによって発電を促進することが理解されるべきである。

なおも図２を参照すると、風力タービン１００は、風力タービン１００の動作を監視することができる１つ又は複数の動作センサ１５８を有する少なくとも１つのセンサシステム１５４を含むことができる。動作センサ１５８は、例えば環境条件に応答して風力タービン１００の性能を検出するように構成され得る。例えば、動作センサ１５８は、回転速度センサ、位置センサ、加速度センサ、及び／又はコントローラ２００に動作可能に結合された出力センサであってもよい。

実施形態において、１以上の動作センサ１５８は、風力タービン１００の任意の適切な構成要素に向けられるか、又はこれと一体であってもよい。例えば、動作センサ１５８は、風力タービン１００のロータシャフト１２２及び／又は発電機１１８に向けることができる。１以上の動作センサ１５８は、ロータ速度、ロータ方位角、及び／又は任意の他の適切な測定値（a rotor speed, a rotor azimuth, and/or any other suitable measurement）の形態で、ロータシャフト１２２、又は風力タービン１００の任意の他のシャフト、したがってロータ１０８、又はポンプの回転速度及び／又は回転位置を示すデータを収集することができる。１以上の動作センサ１５８は、実施形態において、アナログタコメータ、Ｄ．Ｃ．タコメータ、Ａ．Ｃ．タコメータ、デジタルタコメータ、接触タコメータ、非接触タコメータ、又は時間及び周波数タコメータ（an analog tachometer, a D.C. tachometer, an A.C. tachometer, a digital tachometer, a contact tachometer a non contact tachometer, or a time and frequency tachometer）であってもよい。一実施形態では、操作センサ１５８は、例えば、光学式エンコーダのようなエンコーダであってもよい。

実施形態において、１以上のセンサシステム１５４の１以上の動作センサ１５８は、電流計、電圧計、オーム計、及び／又は風力タービン１００の電気状態を監視するための任意の他の適切なセンサであってもよい。さらに、実施形態において、１以上の動作センサ１５８は、ひずみゲージ、近接センサ、及び／又は風力タービン１００又はその構成部品の変位を検出するように構成された任意の他の適切なセンサであってもよい。

追加の実施形態では、１以上のセンサシステム１５４の１以上の動作センサ１５８は、ピッチセンサであってもよい。このように、コントローラ２００は、ピッチ制御機構１２０に動作可能に結合された１以上の動作センサ１５８を介して、風力タービン１００の１以上のロータブレード１１２のピッチ指示を受信することができる。コントローラ２００は、ロータ１０８のピッチが、要求される発電量を満たすために変更され得る動作状態であるか否かを決定するために、風力タービン１００の動作に照らしてピッチ設定値指示（pitch setpoint indication）を考慮することができる。

また、本明細書で使用する場合、「モニタ：monitor（監視）」という用語及びその変形は、風力タービン１００の様々なセンサが、モニタされるパラメータの直接測定又はそのようなパラメータの間接測定を提供するように構成され得ることを示すことを理解されたい。したがって、本明細書で説明するセンサは、例えば、監視されるパラメータに関連する信号を生成するために使用することができ、その後、風力タービン１００及び／又はその構成要素の状態又は応答を決定するためにコントローラ２００によって利用することができる。

ここで図３～図９を参照すると、本開示による風力タービン１００を制御するためのシステム３００の複数の実施形態が提示されている。図３に特に示されるように、システム３００内に含まれ得る好適な構成要素の一実施形態の概略図が示される。例えば、示されるように、システム３００は、コントローラ２００を含み得る。コントローラ２００は、動作データから風資源の空気力学的状態（an aerodynamic state of a wind resource）を決定し、空気力学的状態に基づいてタービン推定器及び予測制御モジュールを調整（tune a turbine estimator and a predictive control module）し、風力タービンの予測性能（predicted performance）に基づいて設定値を決定するように構成されてもよい。さらに、コントローラ２００は、風力タービンに影響を与える風資源の複数の潜在的な空力状態（a plurality of potential aerodynamic states of a wind resource）に対する風力タービンの予測動作応答をモデル化するように構成される場合がある。このように、コントローラ２００は、オフラインで、及び／又はリアルタイムで（例えば、タービンの動作中に：while the turbine is operating）採用することができる。したがって、一実施形態では、コントローラ２００は、風力タービン１００とともに配置される単一のコンポーネントであってもよい。しかし、さらなる実施形態では、コントローラ２００は、風力タービン１００と共に配置された複数のコンポーネントを包含することができる。さらなる実施形態では、コントローラ２００は、風力タービン１００から離れた場所に配置された追加のコンポーネントを含むことができる。

コントローラ２００及び／又はタービンコントローラ２０２は、１以上のセンサシステム１５４、したがって１以上の動作センサ１５８に通信可能に結合され得る。さらに、図示されているように、コントローラ２００は、様々なコンピュータ実装機能（例えば、本明細書に開示されているような方法、ステップ、計算などを実行し、関連データを記憶する）を実行するように構成された１つ又は複数のプロセッサ２０６及び関連するメモリデバイス２０８を含むことができる。さらに、コントローラ２００は、コントローラ２００と風力タービン１００の様々な構成要素との間の通信を容易にするための通信モジュール２１０も含むことができる。さらに、通信モジュール２１０は、センサ１５８から送信された信号を、プロセッサ２０６によって理解され処理され得る信号に変換することを可能にするセンサインターフェース２１２（例えば、１つ又は複数のアナログデジタル変換器）を含むことができる。１以上のセンサ１５８は、任意の適切な手段を使用して通信モジュール２１０に通信可能に結合され得ることが理解されるべきである。例えば、センサ１５８は、有線接続を介してセンサインターフェース２１２に結合されてもよい。しかしながら、他の実施形態では、１以上のセンサ１５８は、当該技術分野で公知の任意の適切な無線通信プロトコルを使用するなどして、無線接続を介してセンサインターフェース２１２に結合されてもよい。さらに、通信モジュール２１０はまた、コマンド信号（例えば、制御ベクトル又は設定値：a control vector or setpoint）によって指示される制御動作を実施するように構成された少なくとも１つのアクチュエータ１６０に動作可能に結合されてもよい。

本明細書で使用される場合、「プロセッサ」という用語は、コンピュータに含まれるものとして当該技術分野で言及される集積回路を指すだけでなく、コントローラ、マイクロコントローラ、マイクロコンピュータ、プログラマブルロジックコントローラ（ＰＬＣ）、特定用途向け集積回路、及び他のプログラマブル回路も指す。さらに、１以上のメモリデバイス２０８は、一般に、コンピュータ可読媒体（例えば、ランダムアクセスメモリ（ＲＡＭ））、コンピュータ可読不揮発性媒体（例えば、フラッシュメモリ）、フロッピーディスク（商標）、コンパクトディスク読み取り専用メモリ（ＣＤ ＲＯＭ）、光磁気ディスク（ＭＯＤ）、デジタル多用途ディスク（ＤＶＤ）、及び／又は他の適切なメモリ要素を含むが、これらに限定されない１以上のメモリ要素で構成されてもよい。このような１以上のメモリデバイス２０８は、一般に、１以上のプロセッサ２０６によって実行されるとき、コントローラ２００／タービンコントローラ２０２を、本明細書に開示される方法に従って様々な機能、ならびに他の様々な好適なコンピュータ実装機能を実行するように構成する、好適なコンピュータ可読命令を記憶するように構成され得る。

図３～９は、風力タービン１００を制御するためのシステム３００の様々な態様を示す。したがって、一実施形態では、コントローラ２００は、風力タービン１００に影響を与える風資源の現在の空力状態（current aerodynamic state）３０２を決定するためのプロセス４００を実施するように構成され得る。現在の空力状態３０２は、例えば、コントローラ２００の風力分類モジュール（wind classification module）２１４を介して決定することができる。現在の空力状態３０２は、現在の動作データセット３０４に少なくとも部分的に基づいている場合がある。現在の動作データセット３０４は、風資源に応じた風力タービン１００の現在の動作３０５（例えば、４０ミリ秒間隔で更新されるリアルタイム動作）を示す場合がある。コントローラ２００はまた、構成インテリジェンスモジュール２１６を利用して、現在の空力状態３０２に少なくとも部分的に基づいて、コントローラ２００のタービン推定器モジュール（turbine estimator module）２１８の推定器構成３０６及びコントローラ２００の予測制御モジュール（predictive control module）２２０の予測制御構成（predictive control configuration）３０８を決定することができる。３０９に描かれているように、タービン推定モジュール２１８は、風力タービン１００の動作をエミュレートして、予測制御モジュール２２０の制御初期状態（control initial state）３１０を生成することができる。制御初期状態３１０は、風力タービン１００の複数の構成要素のモデル化された現在の動作状態を含む場合がある。予測制御モジュール２２０は、その後、少なくとも制御初期状態３１０及び予測制御構成３０８を利用して、予測区間３１４にわたる風力タービン１００の予測性能（predicted performance）３１２を決定することができる。コントローラ２００は、予測制御モジュール２２０をさらに利用して、予測性能３１２に基づいて、風力タービン１００の少なくとも１つのアクチュエータ１６０のための少なくとも１つの設定値３１６を生成することができる。さらに、システム３００は、設定値３１６に従って、アクチュエータ１６０を介して風力タービン１００の動作状態（operating state）３１８に影響を与えることができる。

一実施形態では、風分類モジュール２１４は、第１の複数の空力弾性推定器（first plurality of aeroelastic estimators）３２０を含み得る。本明細書で使用される場合、「空力弾性推定器：aeroelastic estimator」という用語は、流体に対する弾性構造体又はその構成要素の動的応答を推定、モデル化、エミュレート、シミュレート、及び／又は他の方法で決定するために「空力弾性」の概念を活用する推定器を指す場合がある。Ｃｏｌｌａｒの三角形（Collar’s triangle）によって示されるように、「空力弾性：aeroelasticity」の概念は、弾性体（例えば、１以上のロータブレード１１２、ロータ１０８、及び／又はタワー１０２）が流体の流れ（例えば、風資源）にさらされるときの慣性力、弾性力、及び空力力（inertial forces, elastic forces, and aerodynamic forces）の間の結合効果（coupling effects）を反映することができる。

一実施形態では、空力弾性概念を活用する推定器の空力弾性モデル４０２は、弾性体に対する風の流れパターンに応答して発達する空力荷重（aerodynamic loads developed in response to flow pattern of the wind against the elastic body）を決定するように構成された空力アルゴリズムを含むことができる。空気力学的負荷（aerodynamic loads：空力荷重）は、例えば、様々な計算流体力学的アプローチ（computational fluid dynamics approaches）を介してモデル化することができる。空力弾性モデル４０２はまた、弾性体の構造力学に基づいて弾性体の動的応答をモデル化するように構成された、有限要素モデル（finite element model）などの構造動的アルゴリズムを含むことができる。したがって、空力弾性モデ４０２の空力アルゴリズム及び構造力学アルゴリズムは、弾性体の観察された又は予測された挙動（observed or projected behavior、たとえば、入力）をもたらすのに必要な流体の流れのパラメータ（たとえば、出力）をモデル化するために併用することができる。追加の実施形態では、空力弾性モデル４０２の空力アルゴリズム及び構造力学アルゴリズムは、観測又は予測された流体の流れ（例えば、入力）に応答する弾性体の予想される挙動（例えば、出力）をモデル化するために並列で利用（utilized in tandem）され得る。空力弾性モデル４０２は、例えば、境界要素法、Ｇｌａｕｅｒｔ補正係数、動的流入モデルによる誘導速度、ブレード変形、準静的ブレードねじれ、及び／又は他の適切なアルゴリズムに向けられた少なくとも１つのアルゴリズム（a boundary element method, a Glauert correction factor, an induced velocities with dynamic inflow model, a blade deformation, quasi-static blade twist, and/or other suitable algorithms）を含むことができる。

図７及び図８に特に描かれているように、一実施形態では、複数の空力弾性推定器３２０の各空力弾性推定器３２２は、異なる推定風条件（例えば、公称風条件（nominal wind condition、ＷＣ）、ＷＣ－１、ＷＣ－２、ＷＣ－３、．．．ＷＣ－ｎ）にチューニングされてもよい。異なる推定風条件（different presumptive wind condition）は、例えば、公称風条件、突風条件（例えば、ＷＣ－１）、せん断条件（例えば、ＷＣ－２）、ベア条件（例えば、ＷＣ－３）、乱流条件（例えば、ＷＣ－４）、及び／又は風力タービン１００の動作に影響を与える可能性のある公称風条件からの偏差を表す他の風条件を含むことができる。言い換えれば、各空力弾性推定器３２２は、流体の流れが、各空力弾性推定器３２２が調整される推定風条件を経験していた場合に、風力タービン１００の観察された又は予測された動作をもたらす流体の流れ（例えば、風）のパラメータを決定することができる。

非限定的な例示として、複数の空力弾性推定器３２０のうちの１つの空力弾性推定器３２２は、風力タービン１００に衝突する風がせん断条件を有すると推定し、推定されたせん断条件下で風力タービン相互作用の慣性力、弾性力、及び空力力をモデル化することができる。複数の空力弾性推定器３２０の各追加の空力弾性推定器３２２によって（例えば、マルチコアアーキテクチャを介して）、各追加の推定風条件について同じ計算が並列に（例えば、同時に）達成されてもよいことが理解されるべきである。さらに、現在の動作データ３０４によって反映されるような風力タービンの所与の動作について、複数の空力弾性推定器３２０の各空力弾性推定器３２２の異なる推定風条件は、各空力弾性推定器３２２からの流体流れのパラメータの異なる出力をもたらす可能性があることを理解されたい。

一実施形態では、風分類モジュール２１４は、現在の動作データセット３０４に少なくとも部分的に基づいて、各空力弾性推定器３２２から複数の風記述パラメータ４０４を生成することができる。したがって、複数の風記述パラメータ４０４のそれぞれは、対応する空力弾性推定器３２２が調整されている推定風条件を風が実証した場合に動作データセット３０４をもたらすであろう、風力タービン１００に影響を与える風の特性を記述することができる。複数の風記述パラメータ４０４の各々は、例えば、風速、垂直せん断、水平せん断、垂直ずれ、水平ずれ、乱流（wind speed, vertical shear, horizontal shear, vertical misalignment, horizontal misalignment, turbulence）、及び／又は風力タービン１００に影響を与える風を記述する他の任意のパラメータに対応するパラメータを含むことができる。

一実施形態では、風分類モジュール２１４は、第１の複数の空力弾性推定器３２０によって生成された複数の風記述パラメータ４０４から現在の空力状態３０２を決定してもよい。風分類モジュール２１４は、複数の風記述パラメータ４０４の指定部分（designated portion）４０６に基づいて現在の空力状態３０２を決定してもよいことが理解されるべきである。

例えば、一実施形態では、第１の複数の空力弾性推定器３２０の各空力弾性推定器３２２は、少なくとも１つの空力弾性モデル４０２を含むことができる。追加の実施形態において、第１の複数の空力弾性推定器３２０の各空力弾性推定器３２２は、少なくとも１つのフィルタリングアルゴリズム４０８を含むことができる。各空力弾性推定器３２２の１以上の空力弾性モデル４０２は、風力タービン１００の挙動を可撓性構造のマルチボディシステム（multibody system of flexible structures）としてモデル化するように構成することができる。したがって、空力弾性モデル４０２は、空力モデル４０２のチューニングに対応する推定風条件の存在下で、現在の動作データセット３０４を展開する風資源の空気力学的状態（resultant aerodynamic state）４１０を導出するために利用することができる。したがって、風分類モジュール２１４は、４１１において、第１の複数の空力弾性推定器３２０の各空力弾性推定器３２２の１以上の空力弾性モデル４０２によって導出された空気力学的状態４１０に対応する複数の風記述パラメータ４０４を決定することができる。

図６のステップ（ａ）に特に描かれているように、複数の風記述パラメータ４０４の指定部分４０６を決定するために、コントローラ２００は、風資源の複数の潜在的な空力状態４１４のうちの１つの潜在的な空力状態４１２に対する風力タービン１００の予測動作応答をモデル化することができる。予測動作応答に基づいて、コントローラ２００は、予測動作データセット４１６を生成することができる。予測動作データセット４１６は、風力タービン１００が１つの潜在的な空力状態４１２に遭遇した場合の風力タービン１００の予測動作を説明するものである。

複数の潜在的空力状態４１４は、風力タービン１００の環境動作エンベロープ（environmental operating envelope）に対応する可能性があることを理解されたい。したがって、１つの潜在的空力状態４１２は、風力タービンの環境動作エンベロープ内に入る１つの風状態であり、したがって、風力タービン１００が遭遇する可能性のある１つの風状態である可能性がある。複数の潜在的空力状態４１４のうちの１つの潜在的空力状態４１２を説明するために、複数の潜在的風パラメータを利用することができる。

ステップ（ｂ）に図示されているように、一実施形態では、第１の複数の空力弾性推定器３２０の各空力弾性推定器３２２は、予測動作データセット４１６に基づいて複数の予測風記述パラメータ４１８を生成するためにコントローラ２００によって利用され得る。所与の予測動作データセット４１６に対して、各空力弾性推定器３２２の異なる推定風条件は、予測風記述パラメータ４１８の異なる出力をもたらす可能性があることを理解されたい。

ステップ（ｃ）で例示されるように、実施形態では、複数の潜在的空力状態４１４の潜在的空力状態を複製する複数の予測風記述パラメータ４１８の一部４２０が決定されてもよい。例えば、予測動作データセット４１６に基づいて第１の複数の空力弾性推定器３２０によって生成された様々な個々の予測風記述パラメータは、ステップ（ａ）でコントローラによってモデル化された１つの潜在的空力状態４１２を記述する複数の潜在的風パラメータと比較されてもよい。この比較により、複数の予測風記述パラメータ４１８の様々な個々の予測風記述パラメータのどれが、１つの潜在的な空力状態を記述するものであるかを明らかにすることができる。

４２２で示されるように、実施形態では、ステップ（ｄ）は、複数の潜在的な空力状態４１４のうちの１つの潜在的な空力状態４１２に対応する複数の予測された風記述パラメータ４１８の部分を予測された動作データセット４１６に関連付けることを含むことができる。言い換えれば、１つの潜在的な空力状態４１２を記述する複数の予測風記述パラメータ４１８の特定の部分と、複数の予測風記述パラメータ４１８が生成された予測動作データセット４１６との間の関係が確立されてもよい。

ステップ（ｅ）で図示されているように、実施形態では、ステップ（ａ）からステップ（ｄ）を、複数の潜在的空力状態４１４の残り４２４について繰り返すことができる。ステップ（ａ）からステップ（ｄ）を繰り返すことにより、複数の予測風記述パラメータ４１８の部分と、残り４２４の様々な潜在的な空力状態４１４に対応する予測動作データセット４１６との間の相関関係の決定が容易になり得ることが理解されるべきである。したがって、相関関係は、風力タービン１００の環境動作エンベロープにわたって（across the environmental operating envelope）決定することができる。

ステップ（ｆ）に示されるように、一実施形態では、コントローラ２００は、動作応答シグネチャデータセット（operational-response signature data set）４２６を生成することができる。動作応答シグネチャデータセット４２６は、複数の潜在的な空力状態４１４の各々における予測動作データセット４１６と、複数の予測風記述パラメータ４１８の対応する部分４２０とを含み得る。言い換えれば、特定の予測された操作データセット４１６と、複数の予測された風記述パラメータ４１８の特定の対応する部分４２０との組み合わせは、特定の空力状態を示す可能性がある。さらに、動作応答シグネチャデータセット４２６は、特定の予測動作データセット４１６に基づいて第１の複数の空力弾性推定器３２０によって生成された複数の予測風記述パラメータ４１８の特定の対応する部分４２０に基づいて、推定風状態（例えば、公称ＷＣ、ＷＣ－１、ＷＣ－２、ＷＣ－３、．．．ＷＣ－ｎ）のうちの１つに対応する風状態の識別を容易にし得る。動作応答シグネチャデータセット４２６は、コントローラ２００によって、データベース、ルックアップテーブル、及び／又はグラフ表現に組み立てることができる。

動作応答シグネチャデータセット４２６は、現在の動作データセット３０４に基づいて第１の複数の空力弾性推定器３２０によって生成された複数の風記述パラメータ４０４に基づいて、風資源の現在の空力状態３０２（公称、突風、せん断、ベア、乱流など（nominal, gust, shear, veer, turbulence, etc.）の現在の風状態を含む）の決定を容易にし得ることを理解されたい。ステップ（ａ）～（ｆ）は、一実施形態では、コントローラ２００を介してオフラインで達成され得ることがさらに理解されるべきである。

４２８で描かれているように、動作中、実施形態では、風分類モジュール２１４は、動作応答シグネチャデータセット４２６、複数の風記述パラメータ４０４、及び現在の動作データセット３０４に基づいて、複数の風記述パラメータ４０４の指定部分４０６を決定することができる。言い換えれば、現在の空力状態３０２を示す複数の風記述パラメータ４０４の部分は、動作応答シグネチャデータセット４２６によって示される複数の風記述パラメータ４０４と現在の動作データセット３０４との間の関係に基づいて特定／指定されてもよい。

一実施形態では、風分類モジュール２１４は、少なくとも１つの機械学習アルゴリズム４３０を含むことができる。このように、複数の風記述パラメータ４０４の指定部分４０６を決定するために、コントローラ２００は、風分類モジュール２１４内に１以上の機械学習アルゴリズム４３０を実装し、動作応答シグネチャデータセット４２６を生成することができる。機械学習アルゴリズム４３０は、例えば、ガウス過程モデル、ランダムフォレストモデル、ニューラルネットワーク及び／又はサポートベクターマシン（Gaussian Process Models, Random Forest Models, Neural Network and/or Support Vector Machines）などの既知の機械学習モデルを利用することができる。１以上の機械学習アルゴリズム４３０は、ステップ（ａ）～（ｆ）を介してオフライン／オンラインでトレーニングされ得ることが理解されるべきである。

４３２で描写されているように、１以上の機械学習アルゴリズム４３０は、実施形態において、現在の動作データセット３０４に対応する複数の風記述パラメータ４０４の指定部分４０６を決定するために実装されてもよい。例えば、実施形態において、１以上の機械学習アルゴリズム４３０は、指定部分４０６を決定するために、動作応答シグネチャデータセット４２６を生成及び／又は活用することができる。

４３４で描写されているように、実施形態では、１以上の機械学習アルゴリズム４３０は、複数の風記述パラメータ４０４の指定部分４０６に基づいて現在の空力状態３０２を決定するために、コントローラ２００によって実装され得る。例えば、実施形態において、１以上の機械学習アルゴリズム４３０は、指定部分４０６を決定するために、動作応答シグネチャデータセット４２６を生成及び／又は活用してもよく、次いで、指定部分４０６に基づいて現在の空力状態３０２を決定してもよい。

特に図５、図７、及び図８を参照すると、一実施形態では、構成インテリジェンスモジュール２１６は、推定器構成３０６及び予測制御構成３０８を生成するためにコントローラ２００によって利用され得る。推定器構成は、例えば、少なくともプロセスノイズ利得（Ｑ： process-noise gain）及びセンサノイズ利得（Ｒ：sensor-noise gain）を含むことができる。予測制御構成は、例えば、トラッキング重み３３４、スラック重み３３６、及び制約限界３３８に対応する利得を少なくとも含むことができる。

したがって、実施形態において、構成インテリジェンスモジュール２１６は、推定器構成３０６及び予測制御構成３０８を生成するために、現在の空力状態３０２に基づいて、複数の利得チューニング３２６の利得チューニング３２４を選択することができる。そのような実施形態において、複数の利得チューニング３２６の各利得チューニングは、推定器構成３０６及び／又は予測制御構成３０８を修正するように構成されてもよい。

図７及び図８に描かれているように、複数の利得チューニング３２６の各利得チューニングは、特定の風条件に遭遇したときの風力タービン１００の所望の性能／動作応答に対応し得る。例えば、複数の利得チューニング３２６は、複数の空力弾性推定器３２０が調整され得る推定風条件（例えば、公称ＷＣ、ＷＣ－１、ＷＣ－２、ＷＣ－３、．．．ＷＣ－ｎ）の各々に対応する利得チューニング（ゲイン調整：gain tuning）を含み得る。

図示すると、図７は、複数の風記述パラメータ４０４の指定部分４０６が、風力タービン１００に影響を与える風資源の公称風状態に一致する現在の空力状態３０２を示す実施形態を示す。そのため、構成インテリジェンスモジュール２１４は、公称－ＷＣ利得チューニングとして構成された利得チューニング３２４を選択することができる。言い換えれば、風力分類モジュール２１４が、風力タービン１００に影響を与える風資源が公称状態を有すると判定する実施形態では、構成インテリジェンスモジュール２１６は、公称風況に対して風力タービン１００の性能を最適化する利得チューニング３２４を選択することができる。

追加の説明として、図８は、複数の風記述パラメータ４０４の指定部分４０６が、第１の風状態（ＷＣ－１）（例えば、突風、シア、ベア、乱流などのいずれか）と一致する現在の空力状態３０２を示している実施形態を描いている。このように、構成インテリジェンスモジュール２１４は、ＷＣ－１利得チューニングとして構成された利得チューニング３２４を選択することができる。言い換えれば、風力分類モジュール２１４が、風力タービン１００に影響を与える風資源が第１の風状態を有すると決定する実施形態では、構成インテリジェンスモジュール２１６は、決定された現在の空力状態３０２に対して風力タービン１００の性能を最適化する利得チューニング３２４を選択することができる。

構成インテリジェンスモジュール２１６は、風分類モジュール２１４による現在の空力状態３０２の決定の変化に応答して、複数の利得チューニング３２６の利得チューニングの間で切り替えてもよいことを理解されたい。例えば、実施形態において、構成インテリジェンスモジュール２１６は、現在の空力状態（current aerodynamic state）３０２と直前の空力状態（immediate-past aerodynamic state）３３０との間の差（difference）３２８を検出することができる。差３２８は、複数の利得チューニング３２６の様々な利得チューニング間の利得遷移（gain transition）を必要とする可能性がある。

利得遷移が必要とされ得る実施形態では、構成インテリジェンスモジュール２１６は、遷移アルゴリズム３３２を実装し得る。遷移アルゴリズム３３２は、現在の空力状態３０２に対応してもよい。言い換えれば、遷移アルゴリズム３３２は、現在の空力状態３０２に合わせて調整されてもよい。例えば、遷移アルゴリズム３３２は、突風などの突発的な事象／風状態のために、利得遷移の高速ブレンドを実装してもよい。しかし、遷移アルゴリズム３３２は、シアやベアなどの事象／風状態に対しては、遅いブレンディングを実施することができる。このように、移行アルゴリズム３３２は、実施形態において、直前の利得チューニングと現在の空力状態３０２に対応する選択された利得チューニング３２４との間のスムーズな移行を促進することができる。

特に図４、図５、及び図９を参照すると、推定器構成３０６及び予測制御構成３０８を生成するために、コントローラ２００は、実施形態において動作状態モジュール２２２を利用することもできる。動作状態モジュール２２２は、風力タービン１００の現在の動作状態３４０を決定することができる。現在の動作状態３４０は、例えば、風力タービン１００の現在の動作３０５が風力タービン１００の公称動作（nominal operation）と一致していることを示す場合がある。しかしながら、追加の実施形態では、現在の動作状態３４０は、現在の動作３０５が風力タービン１００の公称動作に対して劣化していることを示す場合がある。さらなる実施形態では、現在の動作状態３４０は、風力タービン１００のコンポーネント（構成要素）及び／又はセンサ信号に影響を及ぼす故障状態の存在を示す場合がある。

現在の動作状態３４０の決定は、動作状態モジュール２２２によるプロセス５００の実施によって達成され得る。実施形態において、現在の動作状態３４０は、少なくとも部分的に、現在の動作データセット３０４に基づいて決定されてもよい。そのような実施形態では、現在の動作データセット３０４は、風力タービン１００の１以上のセンサシステム１５４からの複数の出力信号５０２を含むことができる。さらに、現在の動作データセット３０４は、実施形態において、コントローラ２００からの少なくとも１つの制御信号５０４を含むことができる。

システム３００が動作状態モジュール２２２を採用する実施形態では、構成インテリジェンスモジュール２１６は、現在の空力状態３０２及び現在の動作状態３４０に少なくとも部分的に基づいて、タービン推定器モジュール２１８のための推定器構成３０６を生成することができる。追加の実施形態では、構成インテリジェンスモジュール２１６は、現在の空力状態３０２及び現在の動作状態３４０に少なくとも部分的に基づいて、予測制御モジュール２２０のための予測制御構成３０８を生成することができる。

実施形態において、動作条件モジュール２２２は、第２の複数の空力弾性推定器３４２を含むことができる。第２の複数の空力弾性推定器３４２の各空力弾性推定器３４４は、風力タービン１００の異なる推定故障／異常状態に調整されてもよい。言い換えれば、第２の複数の空力弾性推定器３４２の各空力弾性推定器３４４は、現在の動作データ３０４が、特定の空力弾性推定器３４４がチューニングされる推定故障状態の結果である出力信号５０２及び／又は制御信号５０４を含むと推定することができる。

例えば、一実施形態では、少なくとも１つの空力弾性推定器３４４は、風力タービン１００がブレードピッチ異常を経験しているという推定に基づいて、風力タービン１００の動作を記述するように調整される場合がある。ブレードピッチ異常は、ピッチ角の凍結、アクチュエータ応答の鈍化、過剰な軸受摩擦（frozen pitch angle, a sluggish actuator response, excessive bearing friction）、及び／又はロータブレード１１２を所望のピッチ角で方向付けるピッチシステムの能力に影響を与える可能性のある他の同様の状態などのピッチシステム状態を含む可能性がある。

追加の実施形態では、少なくとも１つの空力弾性推定器３４４は、風力タービン１００にセンサ異常が発生しているという推定に基づいて、風力タービン１００の動作を記述するように調整することができる。センサ異常は、センサシステム１５４及び／又は動作センサ１５８の偏り、過大ノイズ、及び／又は故障（biases, excessive noise, and/or failures）を含む可能性がある。例えば、センサ異常は、１つ以上のセンサからの信号がないこと、及び／又は信号品質／分解能が低いことによって示される場合がある。付加的な実施形態において、センサ障害は、センサ出力が範囲外であること、及び／又はアジマス信号（azimuth signal：方位信号）を欠いていることによって示され得る。追加のセンサ故障には、ゼロキャリブレーションロー故障、ひずみセンサドリフト、温度センサ故障、加算故障、乗算故障、出力スタック故障、及び／又はスロードリフト故障（a zero-calibration-low fault, a strain sensor drift, a temperature sensor failure, and additive fault, a multiplicative fault, an output stuck fault and/or a slow drifting fault）が含まれるが、これらに限定されない。

さらなる実施形態では、少なくとも１つの空力弾性推定器３４４は、風力タービン１００が劣化した／最適でない性能を経験しているという推定に基づいて、風力タービン１００の動作を記述するように調整することができる。このような劣化は、例えば、氷の形成、ピッチ角のオフセット、ブレードのアンバランス、劣化した翼型、後流効果、ウインドシャドウ（ice formation, pitch angle offsets, a blade imbalance, a degraded airfoil, a wake effect, a wind shadow）、及び／又は風力タービン１００の動作が公称動作から逸脱する可能性のある他の状態に起因する可能性がある。第２の複数の空力弾性推定器３４２の個々の空力弾性推定器は、異なる劣化源の存在を推定するように調整することができることを理解されたい。

一実施形態では、動作条件モジュール２２２は、第２の複数の空力弾性推定器３４２から複数の記述的動作パラメータ５０６を生成することができる。複数の記述的動作パラメータ５０６の生成は、少なくとも部分的に、現在の動作データセット３０４に基づくことがある。実施形態では、５０７に描かれているように、動作状態モジュール２２２は、複数の記述的動作パラメータ５０６の指定部分５０８に基づいて、風力タービン１００の現在の動作状態３４０を決定することができる。

図９に特に描かれているように、複数の記述的動作パラメータ５０６の指定部分５０８を決定するために、コントローラ２００は、センサシステム１５４からの予測された複数のセンサ出力５１０をモデル化してもよい。予測された複数のセンサ出力５１０は、予測された動作状態５１４について、複数の潜在的故障状態５１２のうちの１つの潜在的故障状態の下でモデル化されてもよい。第２の複数の空力弾性推定器３４２は、次に、予測された動作条件５１４に対応する予測された動作データセット５１８に基づいて複数の予測された記述的動作パラメータ５１６を生成するために利用されてもよい。５２０に描かれているように、予測された複数のセンサ出力（projected plurality of sensor outputs）５１０を複製（replicate：再現）する複数の予測された記述的動作パラメータ５１６の一部が決定され得る。５２２で描写されるように、複数の予測された記述的動作パラメータ５１６の部分は、複数の潜在的故障状態５１２のうちの１つの潜在的故障状態に対応する予測された複数のセンサ出力に相関させてよい。５２４で描かれているように、ステップは、複数の潜在的故障状態５１２の残りの部分について繰り返されてもよい。

実施形態において、動作条件モジュール２２２は、故障シグネチャデータセット５２６を生成するために少なくとも１つの機械学習アルゴリズムを実装することができる。故障シグネチャデータセットは、複数の潜在的故障状態５１２の各潜在的故障状態における予測された複数のセンサ出力５１０と、複数の予測された記述的動作パラメータ５１６の対応する部分とを含み得る。実施形態において、５２８で描写されるように、１以上の機械学習アルゴリズムは、次に、故障シグネチャデータセット５２６及び現在の動作データセット３０４に基づいて、複数の記述的動作パラメータ５０６の指定部分５０８を決定するために実施され得る。また、５３０で描かれているように、１以上の機械学習アルゴリズムは、複数の記述的動作パラメータ５０６の指定部分５０８に基づいて現在の動作状態３４０を決定するように実施されてもよいことが理解されるべきである。

システム３００が動作条件モジュール２２２を採用する実施形態では、構成インテリジェンスモジュール２１６は、現在の空力状態３０２及び現在の動作条件３４０に基づいて利得チューニング３２４を選択することができる。このような実施形態では、各利得チューニング３２４は、風資源の現在の空力状態３０２及び風力タービン１００の現在の動作状態３４０に基づいて、推定器構成３０６及び予測制御構成３０８の少なくとも一方を修正するように構成され得る。

複数の利得チューニング３２６の利得チューニング３２４を選択するために、一実施形態では、複数の利得チューニング３２６について優先順位付けスケジュール３４６が決定されてもよい。したがって、３４８で描かれているように、構成インテリジェンスモジュール２１６は、現在の空力状態３０２及び現在の動作状態３４０に基づいて、優先順位付けスケジュール３４６に従って利得チューニング３２４を選択してもよい。例えば、一実施形態では、優先順位付けスケジュール３４６は、特定の風状態に遭遇したときに風力タービンの性能を最適化するように構成された利得チューニング３２６よりも、特定の故障／異常に応答する抑制動作に関連付けられた利得チューニング３２６を優先する可能性がある。

図３及び図４に描かれているように、システム３００は、一実施形態では、フィードバック評価モジュール２２４を含んでもよい。フィードバック評価モジュール２２４は、タービン推定器モジュール２１８から少なくとも１つのフィードバック信号３５０を受信することができる。１以上のフィードバック信号３５０は、空力状態３０２及び／又は現在の動作状態３４０に応答した風力タービン１００のエミュレートされた動作を示す場合がある。言い換えれば、１以上のフィードバック信号３５０は、現在の空力状態３０２及び／又は現在の動作状態３４０に遭遇したときの物理的な風力タービン１００のデジタル表現に対応する可能性がある。次いで、３５２で描写されているように、コントローラ２００は、実施形態において、１以上のフィードバック信号３５０に基づいて、構成インテリジェンスモジュール２１６の複数の利得チューニング３２６のうちの少なくとも１つの利得チューニング３２４を修正することができる。

図４に描かれているように、追加の実施形態では、風分類モジュール２１４及び／又は動作条件モジュール２２２は、タービン推定器モジュール２１８から１以上のフィードバック信号３５０を受信することができる。フィードバック信号３５０の受信に応答して、風分類モジュール２１４は、複数の風記述パラメータ４０４、及び／又は複数の風記述パラメータ４０４の指定部分４０６を修正してもよい。同様に、実施形態において、動作条件モジュール２２２は、フィードバック信号３５０に基づいて、複数の記述的動作パラメータ５０６、及び／又は複数の記述的動作パラメータ５０６の指定部分５０８を修正してもよい。

実施形態では、コントローラ２００は、推定器構成３０６、予測制御構成３０８、制御初期状態３１０、風力タービン１００の予測性能３１２、及び設定値３１６を決定又は生成するために、複数の並列計算を実施するように構成される場合がある。例えば、コントローラ２００は、高度なベクトル拡張命令（advanced vector extension instructions）の計算上の利点を活用するように構成することができる。したがって、コントローラ２００のプロセッサ２０６は、マルチコアアーキテクチャを有することができる。マルチコアアーキテクチャの利用により、複数の高度なベクトル拡張命令の並列実行が容易になる場合がある。

実施形態において、タービン推定器モジュール２１８は、任意の所与の瞬間における風力タービン１００の構造状態を示す連続データストリームを計算してもよい。例えば、実施形態では、タービン推定器モジュール２１８は、推定器構成３０６に従って構成され、現在の動作データ３０４を受信することができる。これに応答して、タービン推定器モジュール２１８は、風力タービン１００の構造状態をエミュレートすることができる。風力タービン１００の構造状態は、風力タービン１００の現在の状態に対応する可能性があり、したがって、制御初期状態３１０を確立する可能性があり、そこから予測制御モジュール２２０は、予測区間３１４にわたって風力タービンの性能を予測する可能性があることを理解されたい。実施形態において、予測間隔は、１０秒未満（例えば、８秒）であってもよい。

実施形態では、システム３００は、予測制御モジュール２２０を利用して、予測区間３１４にわたる風力タービン１００の予測性能３１２を決定し、予測性能３１２に基づいてアクチュエータ１６０の設定値３１６を生成することができる。このように、予測制御モジュールは、線形化された形式の（in a linearized form）風力タービン１００のシステムダイナミクスの数学的表現（例えば、モデル）を含むことができる。したがって、数学的表現は、第一原理又は他の手段（例えば、データ駆動型モデル：data driven models）から導出することができる。このように、予測制御モジュール２２０は、風力タービン１００の動作を記述する様々な高忠実度シミュレーションシナリオ（various high fidelity simulation scenarios）の結果を決定するように構成することができる。

制御初期状態３１０から開始して、予測制御モジュール２２０は、一実施形態では、将来の時間（例えば、予測区間（predictive interval）３１４）について風力タービン１００の数学的表現を伝播（propagate the mathematical representation）することができる。例えば、予測制御モジュール２２０は、現在の空力状態３０２及び／又は現在の動作条件３４０に対する風力タービン１００の予測応答をシミュレート／エミュレートすることができる。言い換えれば、予測制御モジュール２２０は、風力タービン１００に影響を与える、現在の動作データ３０４によって反映される実際の状態に応答して、風力タービンの動作を継続的にエミュレートするために、モデルベースの技術を利用することができる。予測制御モジュール２２０は、風力タービン１００のあらゆる側面をデジタル的に複製するように構成されてもよいことを理解されたい。

予測制御モジュール２２０は、数学的表現／数学的モデルの予測能力を利用して、予測区間３１４にわたる制御動作（例えば、ピッチ及び／又はトルク）を最適化してもよいことも理解されるべきである。最適化は、予測区間３１４の間に尊重されるべき制約を指定してもよい。拘束（restraints：制限）は、例えば、ブレード荷重、タワー荷重、ピッチ振幅及びレート拘束、トルク振幅及びレート拘束、ピッチトラベル、及び／又は他の同様の拘束（blade loads, tower loads, pitch amplitude and rate constraints, torque amplitude and rate constraints, pitch travel, and/or other similar constraints）を含み得る。さらに、最適化は、性能目標からの逸脱に対するペナルティ及び制御活動に対するペナルティを最小化するように構成されたコスト関数を有することができる。最適化の解は、予測区間３１４にわたる設定値３１６の最適値を提供し得る。コントローラ２００は、制御初期状態３１０を更新し、現在の時間に対する新たな最適化を解くことができる。このように、最適化プロセスは連続的に繰り返される。言い換えれば、最適化問題は、現在時刻に初期化され、解かれ、新たな最適化プロセスは、レシーディングホライズンアプローチ（receding horizon approach）で開始される。

さらに、当業者は、異なる実施形態からの様々な特徴の交換可能性を認識するであろう。同様に、記載された様々な方法ステップ及び特徴、ならびに各そのような方法及び特徴に対する他の既知の等価物は、本開示の原理に従って追加のシステム及び技術を構築するために、当業者によって混合及び適合され得る。もちろん、上記のような目的又は利点は、必ずしもすべて、任意の特定の実施形態に従って達成され得るわけではないことを理解されたい。したがって、例えば、当業者は、本明細書で教示又は示唆され得るような他の目的又は利点を必ずしも達成することなく、本明細書で教示されるような１つの利点又は利点群を達成又は最適化する方法で、本明細書で説明されるシステム及び技術を具体化又は実施することができることを認識するであろう。

本明細書では、実施例を用いて、最良の態様を含む本発明を開示するとともに、任意の装置又はシステムの製造及び使用、ならびに組み込まれた任意の方法の実行を含め、当業者であれば誰でも本発明を実施できるようにする。本発明の特許可能な範囲は特許請求の範囲によって定義され、当業者に思いつく他の実施例を含むことができる。そのような他の実施例は、特許請求の範囲の文言と異ならない構造要素を含む場合、又は特許請求の範囲の文言と実質的に異ならない同等の構造要素を含む場合、特許請求の範囲に含まれることが意図される。

本発明のさらなる態様は、以下の条項の主題によって提供される。
［実施形態１］
風力タービンを制御する方法であって、前記風力タービンはコントローラを含み、前記方法は、
前記コントローラの風力分類モジュールを介して、風力タービンの現在の動作を示す風力タービンの現在の動作データセットに少なくとも部分的に基づいて、風力リソースの現在の空力状態を決定するステップと、
前記コントローラの構成インテリジェンスモジュールを介して、前記現在の空力状態に少なくとも部分的に基づいて、タービン推定器モジュールの推定器構成を生成するステップと、
予測制御モジュールの制御初期状態を生成するように、前記コントローラの前記タービン推定器モジュールを介して風力タービンの動作をエミュレートするステップであって、前記制御初期状態は、前記風力タービンの複数のコンポーネントのモデル化された現在の動作状態を含む、前記ステップと、
前記構成インテリジェンスモジュールを介して、前記現在の空力状態に少なくとも部分的に基づいて、前記予測制御モジュールのための予測制御構成を生成するステップと、
前記コントローラの前記予測制御モジュールを介して、前記制御初期状態及び前記予測制御構成に基づいて、予測間隔にわたる風力タービンの予測性能を決定するステップと、
前記予測制御モジュールを介して、前記予測性能に基づいて、前記風力タービンの少なくとも１つのアクチュエータのための設定値を生成するステップと、
前記設定値に従って、前記少なくとも１つのアクチュエータを介して前記風力タービンの動作状態に影響を与えるステップと、を含む。
［実施形態２］
前記風分類モジュールが第１の複数の空力弾性推定器を備え、各空力弾性推定器が異なる推定風状態に調整され、前記現在の空力状態を決定するステップが、前記風分類モジュールを介して、前記現在の動作データセットに少なくとも部分的に基づいて各空力弾性推定器から複数の風記述パラメータを生成するステップと、前記風分類モジュールを介して、複数の風記述パラメータの指定部分に基づいて前記現在の空力状態を決定することとをさらに備える、実施形態１に記載の方法。
［実施形態３］
前記複数の風力記述パラメータの前記指定部分を決定するステップは、
ａ）前記コントローラを介して、予測動作データセットを生成するために、風資源の複数の潜在的な空力状態のうちの１つの潜在的な空力状態に対する風力タービンの予測動作応答をモデル化するステップと、
ｂ）前記第１の複数の空力弾性推定器の前記各空力弾性推定器を介して、前記予測動作データセットに基づいて複数の予測風力記述パラメータを生成するステップと、
ｃ）１つの潜在的な空力状態を再現する複数の予測風記述パラメータの一部を決定するステップと、
ｄ）前記複数の予測風記述パラメータの一部を、潜在的な空力状態に対応する予測動作データセットに相関させるステップと、
ｅ）複数の潜在的空力状態の残りの部分についてステップａ）～ｄ）を繰り返すステップであって、前記複数の潜在的空力状態は風力タービンの環境動作エンベロープに対応する、前記ステップと、
ｆ）前記コントローラを介して、前記複数の潜在的空力状態の各潜在的空力状態における予測動作データセットと、複数の予測風記述パラメータのうちの対応する部分とからなる動作応答シグネチャデータセットを生成するステップと、
前記風分類モジュールを介して、前記動作応答シグネチャデータセット、前記複数の風記述パラメータ、及び前記現在の動作データセットに基づいて、前記複数の風記述パラメータの前記指定部分を決定するステップと、を含む、実施形態１または２に記載の方法。
［実施形態４］
前記複数の風記述パラメータの前記指定部分を決定するステップが、さらに、
動作応答シグネチャデータセットを生成するために、風分類モジュール内に少なくとも１つの機械学習アルゴリズムを実装するステップと、
現在の動作データセットに対応する複数の風記述パラメータの指定部分を決定するために、少なくとも１つの機械学習アルゴリズムを実装するステップと、
前記複数の風記述パラメータの前記指定部分に基づいて前記現在の空力状態を決定するために、前記少なくとも１つの機械学習アルゴリズムを実装するステップと、
を含む、先行するいずれかの実施形態の方法。
［実施形態５］
前記第１の複数の空力弾性推定器の前記各空力弾性推定器が、少なくとも１つの空力弾性モデルと少なくとも１つのフィルタリングアルゴリズムとを備え、前記各空力弾性推定器の少なくとも１つの空力弾性モデルが、前記風力タービンの挙動を可撓性構造のマルチボディシステムとしてモデル化するように構成され、前記複数の風力記述パラメータを生成することがさらに、
前記少なくとも１つの空力弾性モデルを介して、前記少なくとも１つの空力モデルのチューニングに対応する推定風条件の存在下で現在の動作データセットを展開する風力リソースの結果空力状態を導出するステップと、
前記第１の複数の空力弾性推定器の各空力弾性推定器の少なくとも１つの空力弾性モデルによって導出された前記結果空力状態に対応する複数の風力記述パラメータを決定するステップと、を含む、先行するいずれかの実施形態に記載の方法。
［実施形態６］
前記推定器構成及び前記予測制御構成を生成するステップが、
構成インテリジェンスモジュールを介して、現在の空力状態に基づく複数の利得チューニングのうちの利得チューニングを選択するステップを含み、各利得チューニングが、前記推定器構成及び前記予測制御構成のうちの少なくとも１つを修正するように構成される、先行するいずれかの実施形態の方法。
［実施形態７］
前記推定器構成及び前記予測制御構成を生成するステップは、さらに、
前記コントローラの動作状態モジュールを介して、前記現在の動作データセットに少なくとも部分的に基づいて、風力タービンの現在の動作状態を決定するステップであって、前記動作データセットが、前記風力タービンのセンサシステムからの複数の出力信号と、前記コントローラからの少なくとも１つの制御信号とをさらに含む、前記ステップと、
前記コントローラの構成インテリジェンスモジュールを介して、前記現在の空力状態及び前記現在の動作状態に少なくとも部分的に基づいて、タービン推定モジュールの推定器構成を生成するステップと、
前記構成インテリジェンスモジュールを介して、前記現在の空力状態及び前記現在の動作状態に少なくとも部分的に基づいて、予測制御モジュールの予測制御構成を生成するステップと、を含む、先行するいずれかの実施形態に記載の方法。
［実施形態８］
前記動作状態モジュールが第２の複数の空力弾性推定器を含み、各空力弾性推定器が前記風力タービンの異なる推定故障状態にチューニングされ、前記現在の動作状態を決定するステップがさらに、
前記動作条件モジュールを介して、前記現在の動作データセットに少なくとも部分的に基づいて、前記第２の複数の空力弾性推定器から複数の記述的動作パラメータを生成するステップと、
前記動作条件モジュールを介して、前記複数の記述的動作パラメータの指定部分に基づいて、前記風力タービンの前記現在の動作条件を決定するステップと、をさらに含む、先行するいずれかの実施形態の方法。
［実施形態９］
複数の記述的動作パラメータの指定部分を決定するステップは、
ａ）前記コントローラを介して、予測された動作状態について、複数の潜在的な故障状態のうちの１つの潜在的な故障状態の下でのセンサシステムからの予測された複数のセンサ出力をモデル化するステップと、
ｂ）前記第２の複数の空力弾性推定器を介して、前記予測された動作状態に対応する予測された動作データセットに基づいて、複数の予測された記述的動作パラメータを生成するステップと、
ｃ）前記予測された複数のセンサ出力を複製する複前記数の予測記述的動作パラメータの部分を決定するステップと、
ｅ）前記複数の潜在的故障状態の残りの部分について、ステップａ）～ｄ）を繰り返すステップと、
ｄ）前記複数の予測記述的動作パラメータの部分と、予測された複数のセンサ出力とを、対応する１つの潜在的故障状態に相関させるステップと、
各潜在的故障状態における予測された複数のセンサー出力と、複数の予測された記述的動作パラメーターの対応する部分とからなる故障シグネチャデータセットを生成するために、前記動作状態モジュール内に少なくとも１つの機械学習アルゴリズムを実装するステップと、
故障シグネチャデータセットと現在の動作データセットに基づいて、複数の記述的動作パラメータの指定部分を決定するために、少なくとも１つの機械学習アルゴリズムを実装するステップと、
前記複数の記述的動作パラメータの前記指定部分に基づいて、前記現在の動作状態を決定するために、少なくとも１つの機械学習アルゴリズムを実装するステップとを含む、先行する実施形態のいずれかに記載の方法。
［実施形態１０］
前記第２の複数の空力弾性推定器の各空力弾性推定器は、少なくとも１つの空力弾性モデルと少なくとも１つのフィルタリングアルゴリズムとを含み、各空力弾性推定器の少なくとも１つの空力弾性モデルは、前記風力タービンの挙動を柔軟構造のマルチボディシステムとしてモデル化するように構成される、先行するいずれかの実施形態の方法。
［実施形態１１］
前記複数の利得チューニングのうちの前記利得チューニングを選択するステップが、
前記構成インテリジェンスモジュールを介して、現在の空力状態及び現在の動作状態に基づいて利得チューニングを選択するステップをさらに含み、
各利得チューニングが、風資源の現在の空力状態及び風力タービンの現在の動作状態に基づいて、推定器構成及び予測制御構成のうちの少なくとも１つを修正するように構成される、先行するいずれかの実施形態の方法。
［実施形態１２］
前記複数の利得チューニングのうちの前記利得チューニングを選択するステップが、
前記複数の利得チューニングの優先順位付けスケジュールを決定するステップと、
前記構成インテリジェンスモジュールを介して、前記現在の空力状態及び前記現在の動作状態に基づいて、前記優先順位付けスケジュールに従って利得チューニングを選択するステップとをさらに含む、先行するいずれかの実施形態の方法。
［実施形態１３］
前記複数の利得チューニングのうちの前記利得チューニングを選択するステップが、
前記コントローラのフィードバック評価モジュールを介して、前記タービン推定器モジュールから少なくとも１つのフィードバック信号を受信するステップであって、前記少なくとも１つのフィードバック信号は、前記空力状態及び前記現在の動作状態に応答した前記風力タービンのエミュレートされた動作を示す、前記ステップと、
前記コントローラを介して、前記少なくとも１つのフィードバック信号に基づいて、前記構成インテリジェンスモジュールの複数の利得チューニングの少なくとも１つの利得チューニングを修正するステップと、をさらに含む、先行するいずれかの実施形態の方法。
［実施形態１４］
前記推定器構成及び前記予測制御構成を生成するステップは、
前記構成インテリジェンスモジュールを介して、利得遷移を必要とする現在の空力状態と直前の空力状態との間の差異を検出するステップと、
前記構成インテリジェンスモジュールを介して、直前の利得チューニングと現在の空力状態に対応する選択された利得チューニングとの間を滑らかに遷移させるために、前記現在の空力状態に対応する遷移アルゴリズムを実施するステップと、をさらに含む、先行するいずれかの実施形態の方法。
［実施形態１５］
前記推定器構成が、少なくともプロセスノイズ利得とセンサノイズ利得とを含む、先行するいずれかの実施形態の方法。
［実施形態１６］
前記予測制御構成が、トラッキング重み、スラック重み、及び制約限界に対応する少なくとも利得を含む、先行するいずれかの実施形態の方法。
［実施形態１７］
前記コントローラを介して、前記推定器構成、前記予測制御構成、前記制御初期状態、前記風力タービンの前記予測性能、及び前記設定値を決定又は生成するための複数の並列計算を実施するステップをさらに含む、先行するいずれかの実施形態に記載の方法。
［実施形態１８］
複数の並列計算を実施するステップが、複数の高度なベクトル拡張命令を並列に実行するステップをさらに含む、先行するいずれかの項に記載の方法。
［実施形態１９］
前記風力分類モジュール及び前記動作状態モジュールを介して、前記タービン推定器モジュールから少なくとも１つのフィードバック信号を受信するステップであって、前記少なくとも１つのフィードバック信号が、空気力学的状態及び現在の動作状態に応答した風力タービンのエミュレートされた動作を示す、前記ステップと、
前記コントローラを介して、前記少なくとも１つのフィードバック信号に基づいて、前記複数の記述的動作パラメータ、前記複数の記述的動作パラメータの前記指定部分、前記複数の風力記述的パラメータ、又は前記複数の風力記述的パラメータの前記指定部分のうちの少なくとも１つを修正するステップと、を含む先行するいずれかの実施形態に記載の方法。
［実施形態２０］
前記風力タービンの動作をエミュレートするステップは、前記タービン推定モジュールを介して、前記風力タービンの構造状態を示す連続的なデータストリームを計算するステップをさらに含む、先行するいずれかの実施形態に記載の方法。

１００：風力タービン １０２：タワー １０４：支持面 １０６：ナセル １０８：ロータ １１０：ハブ １１２：ロータブレード １１６：ピッチ軸 １１８：発電機 １２０：ピッチ制御機構 １２２：ロータシャフト １２４：高速シャフト １２６：ギアボックス １２８：ピッチ駆動モータ １３０：ピッチ駆動ギアボックス １３２：ピッチ駆動ピニオン １３４：ピッチ軸受 １３６：ベッドプレート支持フレーム １３８：ヨー駆動機構 １４０：ヨー軸受 １４４：主軸受 １５４：ンサシステム １５８：動作センサ １６０：アクチュエータ ２００：コントローラ ２０２：タービンコントローラ ２０６：プロセッサ ２０８：メモリデバイス ２１０：通信モジュール ２１２：センサインターフェース ２１４：風分類モジュール ２１６：構成インテリジェンスモジュール ２１８：タービン推定モジュール ２２０：予測制御モジュール ２２２：動作状態モジュール ２２４：フィードバック評価モジュール ３００：システム ３０２：現在の空力状態 ３０４：現在の動作データセット ３０５：現在の動作 ３０６：推定器構成 ３０８：予測制御構成 ３１０：制御初期状態 ３１２：予測性能 ３１４：予測間隔 ３１６：設定点 ３１８：動作状態 ３２０、３２２：空力弾性推定器 ３２４、３２６：利得チューニング ３２８：差 ３３０：直前／過去の空力状態 ３３２：遷移アルゴリズム ３３４：トラッキング重み ３３６：スラック重み ３３８：制約限界 ３４０：動作条件 ３４２、３４４：空力弾性推定器 ３４６：優先順位付けスケジュール ３５０：フィードバック信号 ４００：プロセス ４０２：空力弾性モデル ４０４：風記述パラメータ ４０６：指定部分 ４０８：フィルタリングアルゴリズム ４１０：空気力学的状態 ４１２、４１４：潜在的な空力状態 ４１６：予測動作データセット ４２０：一部 ４２４：残り ５００ プロセス ５０２：出力信号 ５０４：制御信号 ５０６：複数の記述的動作パラメータ ５１２：複数の潜在的な故障状態 ５１４：予測された動作条件 ５１８：予測された動作データセット

Claims (15)

1. 風力タービンを制御する方法であって、前記風力タービンはコントローラを含み、前記方法は、
   前記コントローラの風力分類モジュールを介して、風力タービンの現在の動作を示す風力タービンの現在の動作データセットに少なくとも部分的に基づいて、風資源の現在の空力状態を決定するステップと、
   前記コントローラの構成インテリジェンスモジュールを介して、前記現在の空力状態に少なくとも部分的に基づいて、タービン推定器モジュールの推定器構成を生成するステップと、
   予測制御モジュールのための制御初期状態を生成するように、前記コントローラのタービン推定モジュールを介して、前記風力タービンの動作をエミュレートするステップであって、前記制御初期状態は、前記風力タービンの複数のコンポーネントのモデル化された現在の動作状態を含む、前記ステップと、
   前記構成インテリジェンスモジュールを介して、現在の空力状態に少なくとも部分的に基づいて、予測制御モジュールの予測制御構成を生成するステップと、
   前記コントローラの前記予測制御モジュールを介して、前記制御初期状態及び前記予測制御構成に基づいて、予測区間にわたる前記風力タービンの予測性能を決定するステップと、
   前記予測制御モジュールを介して、前記予測性能に基づいて、前記風力タービンの少なくとも１つのアクチュエータの設定値を生成するステップと、
   前記設定値に従って、前記少なくとも１つのアクチュエータを介して前記風力タービンの動作状態に影響を与えるステップと、を含む、方法。
2. 前記風分類モジュールは、第１の複数の空力弾性推定器を備え、各空力弾性推定器は、異なる推定風状態に調整され、前記現在の空力状態を決定するステップは、さらに、
   前記風分類モジュールを介して、前記現在の動作データセットに少なくとも部分的に基づいて、各空力弾性推定器から複数の風記述パラメータを生成するステップと、
   前記風力分類モジュールを介して、前記複数の風力記述パラメータの指定部分に基づいて、前記現在の空力状態を決定するステップと、を含む、請求項１に記載の方法。
3. 前記複数の風記述パラメータの指定部分を決定するステップは、
   ａ）前記コントローラを介して、前記風資源の複数の潜在的な空力状態のうちの１つの潜在的な空力状態に対する前記風力タービンの予測動作応答をモデル化し、予測動作データセットを生成するステップと、
   ｂ）前記第１の複数の空力弾性推定器の前記各空力弾性推定器を介して、前記予測された動作データセットに基づく複数の予測風記述パラメータを生成するステップと、
   ｃ）前記１つの潜在的な空力状態を再現する前記複数の予測風記述パラメータの一部を決定するステップと、
   ｄ）前記予測された複数の風記述パラメータの一部を、前記潜在的な空力状態に対応する前記予測された動作データセットに関連付けるステップと、
   ｅ）前記複数の潜在的空力状態の残りの部分について、ステップａ）～ｄ）を繰り返すステップと、
   ｆ）前記コントローラを介して、前記複数の潜在的な空力状態の各潜在的な空力状態における予測された動作データセットと、前記複数の予測された風記述パラメータのうちの前記対応する部分とを含む動作応答シグネチャデータセットを生成するステップと、
   前記風分類モジュールを介して、前記動作応答シグネチャデータセット、前記複数の風記述パラメータ、及び前記現在の動作データセットに基づいて、前記複数の風記述パラメータの前記指定部分を決定するステップと、を含む、請求項２に記載の方法。
4. 前記複数の風記述パラメータの前記指定部分を決定するステップが、さらに、
   前記風力分類モジュール内に少なくとも１つの機械学習アルゴリズムを実装し、前記動作応答シグネチャデータセットを生成するステップと、
   前記少なくとも１つの機械学習アルゴリズムを実装して、前記現在の動作データセットに対応する複数の風記述パラメータの指定部分を決定するステップと、
   前記少なくとも１つの機械学習アルゴリズムを実装し、前記複数の風記述パラメータの前記指定部分に基づいて前記現在の空力状態を決定するステップと、を含む、請求項３に記載の方法。
5. 前記第１の複数の空力弾性推定器の各空力弾性推定器は、少なくとも１つの空力弾性モデルと、少なくとも１つのフィルタリングアルゴリズムとを含み、各空力弾性推定器の少なくとも１つの空力弾性モデルは、風力タービンの挙動を柔軟構造の多体系としてモデル化するように構成され、前記複数の風力記述パラメータを生成するステップは、さらに、
   前記少なくとも１つの空力弾性モデルを介して、前記少なくとも１つの空力モデルのチューニングに対応する推定風条件の存在下で、前記現在の動作データセットを発展させる風資源の結果的な空力状態を導出するステップと、
   前記第１の複数の空力弾性推定器の各空力弾性推定器の少なくとも１つの空力弾性モデルによって導出された結果の空力状態に対応する複数の風記述パラメータを決定するステップとを含む、請求項２乃至４のいずれかに記載の方法。
6. 前記推定器構成及び前記予測制御構成を生成するステップが、さらに、
   前記構成インテリジェンスモジュールを介して、前記現在の空力状態に基づいて複数の利得チューニングから利得チューニングを選択するステップを含み、各利得チューニングは、推定器構成及び予測制御構成の少なくとも１つを変更するように構成される、請求項２乃至５のいずれかに記載の方法。
7. 前記推定器構成及び前記予測制御構成を生成するステップが、さらに、
   前記コントローラの前記動作状態モジュールを介して、前記現在の動作データセットに少なくとも部分的に基づいて、前記風力タービンの現在の動作状態を決定するステップであって、前記動作データセットは、前記風力タービンのセンサシステムからの複数の出力信号と、前記コントローラからの少なくとも１つの制御信号とをさらに含む、前記ステップと、
   前記コントローラの前記構成インテリジェンスモジュールを介して、前記現在の空力状態及び前記現在の動作状態に少なくとも部分的に基づいて、タービン推定器モジュールの推定器構成を生成するステップと、
   前記構成インテリジェンスモジュールを介して、前記現在の空力状態と前記現在の動作状態に少なくとも部分的に基づいて、予測制御モジュールのための予測制御構成を生成するステップと、を含む、請求項６に記載の方法。
8. 前記動作状態モジュールが、第２の複数の空力弾性推定器を含み、前記各空力弾性推定器が、前記風力タービンの異なる推定故障状態に調整され、前記現在の動作状態を決定するステップが、さらに、
   前記動作条件モジュールを介して、前記現在の動作データセットに少なくとも部分的に基づいて、第２の複数の空力弾性推定器から複数の記述的動作パラメータを生成するステップと、
   前記動作状態モジュールを介して、前記複数の記述的動作パラメータの指定部分に基づいて、前記風力タービンの現在の動作状態を決定するステップと、を含む、請求項７に記載の方法。
9. 前記複数の記述的操作パラメータの前記指定部分を決定するステップが、
   ａ）前記コントローラを介して、予測される動作状態について、複数の潜在的故障状態のうちの１つの潜在的故障状態の下での前記センサシステムからの複数のセンサ出力の予測値をモデル化するステップと、
   ｂ）前記第２の複数の空力弾性推定器を介して、前記予測動作状態に対応する予測動作データセットに基づいて、複数の予測記述動作パラメータを生成するステップと、
   ｃ）前記予測された複数のセンサ出力を再現する、前記予測された複数の記述的動作パラメータの一部を決定するステップと、
   ｄ）前記予測された複数のセンサ出力と、前記予測された複数の記述的動作パラメータの一部を、対応する１つの潜在的故障状態に関連付けるステップと、
   ｅ）前記複数の潜在的故障状態の残りについて、ステップａ）～ｄ）を繰り返すステップと、
   前記動作状態モジュール内に少なくとも１つの機械学習アルゴリズムを実装し、各潜在的故障状態における複数のセンサ出力の予測値と、複数の予測された記述的動作パラメータの対応する部分とからなる故障シグネチャデータセットを生成するステップと、
   前記少なくとも１つの機械学習アルゴリズムを実装して、前記故障シグネチャデータセット及び前記現在の動作データセットに基づいて、複数の記述的動作パラメータの指定部分を決定するステップと、
   前記少なくとも１つの機械学習アルゴリズムを実装し、前記複数の記述的動作パラメータの前記指定部分に基づいて前記現在の動作状態を決定するステップと、を含む、請求項８に記載の方法。
10. 前記第２の複数の空力弾性推定器の各空力弾性推定器は、少なくとも１つの空力弾性モデルと少なくとも１つのフィルタリングアルゴリズムとを含み、前記各空力弾性推定器の少なくとも１つの空力弾性モデルは、前記風力タービンの挙動を柔軟構造のマルチボディシステムとしてモデル化するように構成されている、請求項８に記載の方法。
11. 前記複数の利得チューニングから前記利得チューニングを選択するステップが、さらに、
    前記構成インテリジェンスモジュールを介して、前記現在の空力状態及び前記現在の動作状態に基づいて前記利得チューニングを選択するステップを含み、各利得チューニングは、前記風資源の前記現在の空力状態及び前記風力タービンの前記現在の動作状態に基づいて、前記推定器構成及び前記予測制御構成の少なくとも一方を変更するように構成される、含む、請求項８または９に記載の方法。
12. 前記複数の利得チューニングから前記利得チューニングを選択するステップが、さらに、
    前記複数の利得チューニングの優先順位付けスケジュールを決定するステップと、
    前記構成インテリジェンスモジュールを介して、前記現在の空力状態及び前記現在の動作状態に基づく優先順位付けスケジュールに従って、前記利得チューニングを選択するステップと、を含む、請求項１１に記載の方法。
13. 前記複数の利得チューニングから前記利得チューニングを選択するステップが、さらに、
    前記コントローラのフィードバック評価モジュールを介して、前記タービン推定器モジュールから少なくとも１つのフィードバック信号を受信するステップであって、前記少なくとも１つのフィードバック信号は、前記空力状態及び前記現在の動作状態に応答した前記風力タービンのエミュレートされた動作を示す、前記ステップと、
    前記コントローラを介して、前記少なくとも１つのフィードバック信号に基づいて、前記構成インテリジェンスモジュールの前記複数の利得チューニングのうちの少なくとも１つの利得チューニングを変更するステップと、含む請求項１２に記載の方法。
14. 前記推定器構成及び前記予測制御構成を生成するステップは、さらに、
    前記構成インテリジェンスモジュールを介して、前記現在の空力状態と利得遷移を必要とする直前の空力状態との差を検出するステップと、
    前記構成インテリジェンスモジュールを介して、前記現在の空力状態に対応する遷移アルゴリズムを実装し、直前の利得チューニングと現在の空力状態に対応する選択された利得チューニングとの間をスムーズに遷移させるステップと、を含む、請求項６乃至１３のいずれかに記載の方法。
15. 前記推定器構成は、少なくともプロセスノイズ利得とセンサノイズ利得を含む、請求項６乃至１４のいずれかに記載の方法