LU507983B1 - Ein giersteuerungssystem und ein verfahren zur anwendung der laser-windmessradar-optimierung - Google Patents

Ein giersteuerungssystem und ein verfahren zur anwendung der laser-windmessradar-optimierung Download PDF

Info

Publication number
LU507983B1
LU507983B1 LU507983A LU507983A LU507983B1 LU 507983 B1 LU507983 B1 LU 507983B1 LU 507983 A LU507983 A LU 507983A LU 507983 A LU507983 A LU 507983A LU 507983 B1 LU507983 B1 LU 507983B1
Authority
LU
Luxembourg
Prior art keywords
wea
wind turbine
data
wind
environmental data
Prior art date
Application number
LU507983A
Other languages
English (en)
Inventor
Zhirong Wang
Yongkui Zheng
Fuyuan Lv
Fengwei Zhao
Yongguo Zhai
Zhinan Li
Kai Ji
pei Lv
Xiang Shi
Yajun Li
Original Assignee
Huaneng Alxa League New Energy Power Generation Co Ltd
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 Huaneng Alxa League New Energy Power Generation Co Ltd filed Critical Huaneng Alxa League New Energy Power Generation Co Ltd
Application granted granted Critical
Publication of LU507983B1 publication Critical patent/LU507983B1/de

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
    • F03D7/043—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
    • F03D17/006—Estimation methods
    • 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
    • F03D17/001—Inspection
    • F03D17/003—Inspection characterised by using optical devices, e.g. lidar or cameras
    • 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
    • F03D17/009—Monitoring or testing of wind motors, e.g. diagnostics characterised by the purpose
    • 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
    • F03D17/027—Monitoring or testing of wind motors, e.g. diagnostics characterised by the component being monitored or tested
    • F03D17/029—Blade pitch or yaw drive systems, e.g. pitch or yaw angle
    • 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
    • F03D7/0204—Controlling wind motors  the wind motors having rotation axis substantially parallel to the air flow entering the rotor for orientation in relation to wind direction
    • 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
    • F03D7/022—Adjusting aerodynamic properties of the blades
    • 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
    • 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
    • F05B2260/84—Modelling or simulation
    • 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
    • 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
    • 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
    • F05B2270/80—Devices generating input signals, e.g. transducers, sensors, cameras or strain gauges
    • F05B2270/804—Optical devices
    • F05B2270/8042—Lidar systems
    • 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)
  • Life Sciences & Earth Sciences (AREA)
  • Sustainable Development (AREA)
  • Sustainable Energy (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Mechanical Engineering (AREA)
  • General Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Fluid Mechanics (AREA)
  • Theoretical Computer Science (AREA)
  • Wind Motors (AREA)

Abstract

Die vorliegende Erfindung bezieht sich auf das Gebiet der Windturbinen- Giersteuerungstechnologie und insbesondere auf ein Giersteuerungssystem und ein Verfahren zur Anwendung der Laser-Windmessradar-Optimierung, umfassend: Sammeln von Windturbinen- Umgebungsdaten auf der Grundlage des Laser-Windmessradars und gleichzeitiges Erfassen von historischen Windturbinen-Umgebungsdaten; Datenvorverarbeitung wird an den Windturbinen- Umgebungsdaten und den historischen Windturbinen-Umgebungsdaten durchgeführt, und die vorverarbeiteten historischen Windturbinen-Umgebungsdaten werden in einen Trainingssatz und einen Testsatz unterteilt; Eingabe des Trainingssatzes in das voreingestellte WEA- Gierregelungsmodell zum Trainieren, und Berechnung des Verlustwertes zwischen dem Testsatz und dem Trainingsergebnis durch die Verlustfunktion, iterative Aktualisierung der Parameter des WEA-Gierregelungsmodells und Vervollständigung des Trainings des WEA- Gierregelungsmodells; Auf der Grundlage des trainierten WEA-Gierregelungsmodells werden die vorverarbeiteten WEA-Umgebungsdaten gelöst, um den optimalen Gierwinkel der WEA zu erhalten, und das Giersystem der WEA wird angetrieben, um die Einstellung abzuschließen.

Description

Ein Giersteuerungssystem und ein Verfahren zur Anwendung der Laser-WindmessradarkY507983
Optimierung
Technischer Bereich
Die vorliegende Erfindung bezieht sich auf das technische Gebiet der Giersteuerung von
Windkraftanlagen, insbesondere auf ein Giersteuerungssystem und ein Verfahren zur Anwendung der Laser-Windmessradar-Optimierung.
Technologie im Hintergrund
Die Windenergie als saubere und erneuerbare Energiequelle erfahrt weltweit immer mehr
Aufmerksamkeit. Das Giersystem von Windturbinen dient dazu, das Windrad der Turbine so auszurichten, dass es stets mit der Windrichtung übereinstimmt und so die Effizienz der
Stromerzeugung maximiert wird. Aufgrund der dynamischen und unvorhersehbaren Natur des
Windes ist eine genaue Vorhersage der Windrichtung und -geschwindigkeit bei diesem Prozess jedoch besonders wichtig. Derzeit ist der Gierfehler von Windturbinen ein häufiges Problem beim
Betrieb von Windparks, das von der Industrie zwar schon lange erkannt, aber aus mehreren
Gründen noch nicht ausreichend beachtet und gelöst wurde: Zum einen gibt es nur begrenzte
Messmôglichkeiten: Der Aufstellungsort und das Funktionsprinzip des herkömmlichen
Windgeschwindigkeits- und -Richtungsmessers erschweren die genaue Messung der Echtzeit-
Windbedingungen der Windturbine, und sie werden leicht durch Faktoren wie Stôrungen des
Turbinenhecks, Auswirkungen der Rotation der Windturbine auf die Luftströmung und mikroskopische Änderungen der Standortumgebung gestört, was zu einer Abweichung der gemessenen Windgeschwindigkeits- und -Richtungsdaten von den tatsächlichen
Windbedingungen der Windturbine führt und eine genaue Quantifizierung des Gierfehlers erschwert; Andererseits die Eigenschaften der Giersteuerung: Das Giersteuerungssystem von
Windturbinen arbeitet in der Regel auf der Grundlage voreingestellter Schwellenwerte oder periodischer Anpassungen, anstatt kontinuierlich auf subtile Änderungen der Windrichtung in
Echtzeit zu reagieren, so dass der Gierfehler nicht vollständig durch eine einzige momentane
Messung bestimmt werden kann. Auf dieser Grundlage entwerfen wir ein Giersteuerungssystem und ein Verfahren zur Anwendung der Laser-Windmessradar-Optimierung auf das oben genannte
Problem.
Inhalt der Erfindung
Ziel der vorliegenden Erfindung ist es, ein Giersteuersystem und ein Verfahren zur
Anwendung der Laser-Windmessradar-Optimierung bereitzustellen, das Echtzeit-
Umgebungsdaten von Windturbinen durch die Einführung eines Laser-Windmessradars sammelt und das Giersteuermodell der Windturbine, das mit einem neuronalen Netzwerk ausgestattet 1st, trainiert und vorhersagt, so dass das Gierstellgliedmodul Echtzeitanpassungen des optimalen
Gierwinkels auf der Grundlage der genauen Vorhersage vornehmen kann. Dadurch wird nicht nur der Wirkungsgrad der Windenergieanlage erheblich verbessert, sondern auch die
Wartungshäufigkeit und -kosten der Anlage reduziert.
Ausführungsformen der vorliegenden Erfindung werden durch die folgenden technischen
Lösungen erreicht:
Ein Gierregelungssystem, das eine Laser-Windmessungs-Radar-Optimierung anwendet, umfassend:
Ein Datenerfassungsmodul, das auf einem Laser-Windmessradar basiert, um Umweltdaten der Windkraftanlage zu sammeln und gleichzeitig historische Umweltdaten der Windkraftanlage zu erhalten;
Ein Datenverarbeitungsmodul, das eine Datenvorverarbeitung der WEA-Umgebungsdaté1/507983 und der historischen WEA-Umgebungsdaten durchführt und die vorverarbeiteten historischen
WEA-Umgebungsdaten in einen Trainingssatz und einen Testsatz unterteilt;
Fin neuronales Netzwerkmodell, das den Trainingssatz in das voreingestellte Windturbinen-
Giersteuerungsmodell zum Training eingibt und den Verlustwert zwischen dem Testsatz und dem
Trainingsergebnis mittels einer Verlustfunktion berechnet, die Parameter des Windturbinen-
Giersteuerungsmodells iterativ aktualisiert und das Training des Windturbinen-
Giersteuerungsmodells abschließt;
Das Gierausführungsmodul lôst auf der Grundlage des abgeschlossenen Trainings des WEA-
Gierregelungsmodells die vorverarbeiteten WEA-Umgebungsdaten, erhält den optimalen
Gierwinkel der WEA und steuert das Giersystem der WEA, um die Einstellung abzuschließen.
Optional wird das Sammeln von Umgebungsdaten der Windturbine auf der Grundlage eines
Laser-Windradars durchgeführt, insbesondere: Erhalten der Windrichtungs- und
Windgeschwindigkeitsdaten der Umgebung um die Windturbine durch das Laser-Windradar und gleichzeitiges Erhalten des aktuellen Betriebszustands der Windturbine auf der Grundlage des voreingestellten Moduls in der Windturbine, wobei der aktuelle Betriebszustand der Windturbine
Folgendes umfasst: den aktuellen Gierwinkel der Windturbine und die Energieerzeugung.
Optional ist die Datenvorverarbeitung der WEA-Umweltdaten und der historischen WEA-
Umweltdaten wie folgt: Echtzeitverarbeitung der WEA-Umweltdaten; Rauschentfernung der historischen WEA-Umgebungsdaten wird durch einen Algorithmus zur Filterung des gleitenden
Durchschnitts durchgeführt, und die Verarbeitung fehlender Werte der historischen WEA-
Umgebungsdaten wird durch lineare Interpolation durchgeführt, und die Datennormalisierung und
Merkmalsextraktion werden der Reihe nach durchgeführt, um die Datenvorverarbeitung der
WEA-Umgebungsdaten und der historischen WEA-Umgebungsdaten abzuschließen.
Optional wird die Rauschentfernung der historischen Umgebungsdaten der Windturbine durch einen Algorithmus zur Filterung des gleitenden Durchschnitts wie folgt berechnet: 1 N-1
X; = — > X,_ j
NE
Wobei X; die historischen Umweltdaten der Windturbine zum i-ten Zeitpunkt, N eine
Fenstergröße und j ein ZeitpunktgrôBenindex innerhalb des Fensters ist;
Die besagte Verarbeitung der fehlenden Werte der historischen Umweltdaten der WEA durch lineare Interpolation wird durch die spezifische Formel berechnet: v=y+ (X= x) (0 = Vo)
X =X,
Wobei X 0, Yo ‚Xi und Yı , jeweils benachbarte gültige Datenpunkte sind, x eine Position ist, an der sich die fehlenden Daten befinden, und y ein Datenwert nach der Interpolation ist;
Die Datennormalisierung und die Merkmalsextraktion werden sequentiell durchgeführt, wobei die Datennormalisierung durch die Formel berechnet wird:
x’ — X — X min
X max a X min
Wobei x die historischen Umweltdaten der Windturbine sind, x_, und x, die Minimal- bzw. Maximalwerte der Stichprobe sind und x’ die normalisierten historischen Umweltdaten der
Windturbine sind;
Die besagte Merkmalsextraktion, die insbesondere darin besteht, die Windgeschwindigkeits-
Änderungsrate und die Windrichtungs-Änderungsrate in den historischen Umgebungsdaten der
Windturbine zu extrahieren, die insbesondere durch die Formel berechnet wird: v(t + At)—v(t
Ay MAD =v)
At wobei V(f) die Windgeschwindigkeit zum Zeitpunkt t, At das Zeitintervall und AV die Anderungsrate der Windgeschwindigkeit ist;
O(r + At) —0(¢ ao OC +A1)-00)
At wobei O(f) die Windrichtung zum Zeitpunkt t ist und AO die Anderungsrate der
Windrichtung ist.
Optional ist das Windturbinen-Giersteuerungsmodell, das speziell als ein LSTM-Modell konstruiert ist, wobei das LSTM-Modell eine Eingabeschicht, eine LSTM-Schicht, eine vollständig verbundene Schicht und eine Ausgabeschicht umfasst.
Wahlweise wird die LSTM-Schicht wie folgt berechnet: h.,c,=LSTM(Z,,h_c,,) i, = o(W,[Z,h_,]+b,) h=oW,;|Z;;h_,]+b,) o, = o(W,|Z,.h_,]+D,)
Cr =tanh(W [Z,,h_]1+D,) c,=f0c_ +i0Oc h =o, © tanh(c,) wobei h, der verborgene Zustand zum Zeitpunkt t, C, der Einheitszustand zum
Zeitpunktt, Z, die Eingangsdaten zum Zeitpunkt t, 7, das Eingangsgatter zum Zeitpunkt t, f, das Vergessensgatter zum Zeitpunkt t, o, das Ausgangsgatter zum Zeitpunkt t, c die
Kandidaten-Speicherzelle zum Zeitpunkt t, W, die Gewichtsmatrix jedes Gatters, b, der
Vorspannungsterm jedes Gatters und © die Sigmoid-Aktivierungsfunktion ist.
Optional kann die Verlustfunktion, die speziell als berechnet wird: 1
L(0)=,|— > CR _ 0)?
M 3
Dabei ist © der Parameter des Windturbinen-Gierregelungsmodells, M die Anzahl der
Stichproben, ov der vorhergesagte Wert der i-ten Stichprobe und ©” der wahre Wert der i- ten Stichprobe.
Ein Giersteuerungsverfahren zur Anwendung einer Laser-Windmessradar-Optimierung, wobei die Schritte des Verfahrens umfassen:
Sammeln von WTG-Umgebungsdaten auf der basierend auf dem Laser-Windmessradar, und gleichzeitiges Erfassen von historischen WTG-Umgebungsdaten;
Durchführen einer Datenvorverarbeitung an den WEA-Umgebungsdaten und den historischen WEA-Umgebungsdaten und Aufteilen der vorverarbeiteten historischen WEA-
Umgebungsdaten in einen Trainingssatz und einen Testsatz;
Eingeben des Trainingssatzes in das voreingestellte WEA-Gierregelungsmodell zum
Trainieren, und Berechnen des Verlustwertes zwischen dem Testsatz und dem Trainingsergebnis durch die Verlustfunktion, iteratives Aktualisieren der Parameter des WEA-Gierregelungsmodells und AbschlieBen des Trainings des WEA-Gierregelungsmodells;
Auf der Grundlage des fertig trainierten Modells der WEA-Giersteuerung, das die vorverarbeiteten WEA-Umgebungsdaten 16st, wird der optimale Gierwinkel der WEA ermittelt, und das Giersystem der WEA wird so gesteuert, dass die Einstellung abgeschlossen wird.
Die technische Lösung der Ausführungsform der vorliegenden Erfindung hat zumindest die folgenden Vorteile und vorteilhaften Auswirkungen:
Die Ausführungsform der vorliegenden Erfindung sammelt WEA-Umgebungsdaten in
Echtzeit durch die Einführung eines Laser-Windmessradars und trainiert und prognostiziert das
WEA-Giersteuermodell, das mit einem neuronalen Netzwerk ausgestattet ist, so dass das
Gieraktormodul eine Echtzeitanpassung des optimalen Gierwinkels auf der Grundlage der genauen
Vorhersage vornehmen kann, was nicht nur die Stromerzeugungseffizienz der WEA verbessert, sondern auch die Häufigkeit der Wartung der Ausrüstung und die Kosten reduziert.
Beschreibung der beigefügten Zeichnungen
Bild 1 zeigt eine schematische Darstellung des Prinzips eines Giersteuerungssystems, das durch den Einsatz eines Laser-Windmessradars optimiert wurde, wie es in einer Ausführungsform der vorliegenden Erfindung vorgesehen ist.
Detaillierte Beschreibung
Um die Gegenstände, technischen Lösungen und Vorteile der Ausführungsformen der vorliegenden Erfindung deutlicher zu machen, werden die technischen Lösungen in déi/507983
Ausführungsformen der vorliegenden Erfindung im Folgenden in Verbindung mit den beigefügten
Zeichnungen in den Ausführungsformen der vorliegenden Erfindung klar und vollständig beschrieben, und es ist klar, dass die beschriebenen Ausführungsformen ein Teil der 5 Ausführungsformen der vorliegenden Erfindung und nicht alle Ausführungsformen sind. Die
Komponenten der Ausführungsformen der vorliegenden Erfindung im Allgemeinen beschrieben und in den begleitenden Zeichnungen hierin dargestellt kann in einer Vielzahl von verschiedenen
Konfigurationen angeordnet und gestaltet werden.
Wie in Bild 1 gezeigt, stellt die vorliegende Erfindung eine der folgenden Ausführungsformen zur Verfügung: ein Giersteuerungssystem, das eine Laser-Windmessradar-Optimierung anwendet, umfassend:
Ein Datenerfassungsmodul, das Windturbinen-Umgebungsdaten basierend auf dem Laser-
Windmessradar sammelt und gleichzeitig historische Windturbinen-Umgebungsdaten erfasst;
Ein Datenverarbeitungsmodul, das eine Datenvorverarbeitung der Windturbinen-
Umgebungsdaten und der historischen Windturbinen-Umgebungsdaten durchführt und die vorverarbeiteten historischen Windturbinen-Umgebungsdaten in einen Trainingssatz und einen
Testsatz unterteilt;
Ein neuronales Netzwerkmodell, das den Trainingssatz in das voreingestellte WEA-
Gierregelungsmodell zum Training eingibt und den Verlustwert zwischen dem Testsatz und dem
Trainingsergebnis mittels einer Verlustfunktion berechnet, die Parameter des WEA-
Gierregelungsmodells iterativ aktualisiert und das Training des WEA-Gierregelungsmodells abschließt;
Das Modul zur Ausführung der Giersteuerung löst auf der Grundlage des abgeschlossenen
Trainings des Giersteuerungsmodells der Windturbine die vorverarbeiteten Umgebungsdaten der
Windturbine, ermittelt den optimalen Gierwinkel der Windturbine und steuert das Giersystem der
Windturbine, um die Einstellung abzuschließen.
Bei dieser Ausführungsform wird das Laser-Windmessradar in der Regel in der Gondel auf der Oberseite der Windturbine installiert, parallel zur Hauptachse der Windturbine, und schießt zwei Laserstrahlen in einem Winkel von 30 Grad nach links und rechts nach vorne. Unter
Ausnutzung des Dopplereffekts, d.h. der Frequenzänderung der Laserstrahlen, wenn sie nach der
Bestrahlung von Aerosolpartikeln in der Luft zum Radar zurückreflektiert werden, können die
Windgeschwindigkeit und die relative Windrichtung in einem Abstand von 70 Metern vor dem
Laserradar genau berechnet werden. Da die Messposition weit von der Windturbine entfernt ist, können die gemessenen Daten die Informationen über die Windgeschwindigkeit und -richtung im freien Strom darstellen, die nicht durch die Windturbine selbst gestört werden, was für die anschließende Optimierung der Giersteuerungsstrategie und die Verbesserung der Effizienz der
Windenergiegewinnung entscheidend ist. Darüber hinaus ist die in das LIDAR-Gerät integrierte intelligente Software in der Lage, die Daten zu verarbeiten und ungültige oder falsche Daten aufgrund von Blatthindernissen usw. automatisch zu eliminieren, um sicherzustellen, dass das
Steuerungssystem mit echten und effektiven Informationen über die Windverhältnisse versorgt wird.
In dieser Ausführungsform umfasst das Sammeln von Umgebungsdaten der Windturbine auf der Grundlage des Laser-Windmessradars insbesondere: das Erhalten der Windrichtungs- und
Windgeschwindigkeitsdaten der Umgebung der Windturbine durch das Laser-Windmessradar und gleichzeitig das Erhalten des aktuellen Betriebszustands der Windturbine auf der Grundlage des voreingestellten Moduls in der Windturbine, wobei der aktuelle Betriebszustand der Windturbif/507983
Folgendes umfasst: den aktuellen Gierwinkel der Windturbine und die Energieerzeugungsleistung der Windturbine.
Ferner wird die Datenvorverarbeitung der Umweltdaten der WEA und der historischen
Umweltdaten der WEA spezifiziert als: Echtzeitverarbeitung der Umweltdaten der WEA; Der
Algorithmus zur Filterung des gleitenden Mittelwerts entfernt Rauschen aus den historischen
Umweltdaten der Windturbine, und die Verarbeitung fehlender Werte wird an den historischen
Umweltdaten der Windturbine durch lineare Interpolation durchgeführt, und die
Datennormalisierung und Merkmalsextraktion werden nacheinander durchgeführt, um die
Datenvorverarbeitung der Umweltdaten der Windturbine und der historischen Umweltdaten der
Windturbine zu vervollständigen.
Konkret wird die Rauschunterdrückung historischer Umweltdaten von Windkraftanlagen mittels eines Algorithmus zur Filterung des gleitenden Durchschnitts wie folgt berechnet: 1 N-1
X; = N > X,_ j j=0
Wobei X; die historischen Umweltdaten der Windturbine zum i-ten Zeitpunkt, N eine
Fenstergröße und j ein ZeitpunktgrôBenindex innerhalb des Fensters ist;
Die besagte Verarbeitung der fehlenden Werte der historischen Umweltdaten der WEA durch lineare Interpolation wird durch die spezifische Formel berechnet: _ (x=x) 0} = Vo)
Y= WT
M = Xo
Wobei X 0, Yo ‚Xi und Yı , jeweils benachbarte gültige Datenpunkte sind, x eine Position ist, an der sich die fehlenden Daten befinden, und y ein Datenwert nach der Interpolation ist;
Die Datennormalisierung und die Merkmalsextraktion werden sequentiell durchgeführt, wobei die Datennormalisierung durch die Formel berechnet wird: x’ — X — Xin
X max a X min
Wobei x die historischen Umweltdaten der Windturbine sind, x, und x, die Minimal- bzw. Maximalwerte der Stichprobe sind und x’ die normalisierten historischen Umweltdaten der
Windturbine sind;
Die besagte Merkmalsextraktion, die insbesondere darin besteht, die Windgeschwindigkeits-
Änderungsrate und die Windrichtungs-Änderungsrate in den historischen Umgebungsdaten der
Windturbine zu extrahieren, die insbesondere durch die Formel berechnet wird:
v(t+At)—v(i ny = VU + AD VO)
At wobei V(f) die Windgeschwindigkeit zum Zeitpunkt t, At das Zeitintervall und AV die Änderungsrate der Windgeschwindigkeit ist;
O(t+ At) -O(f ao OC +AD-00)
At wobei O(f) die Windrichtung zum Zeitpunkt t ist und AO die Anderungsrate der
Windrichtung ist.
Optional ist das Windturbinen-Giersteuerungsmodell, das speziell als ein LSTM-Modell konstruiert ist, wobei das LSTM-Modell eine Eingabeschicht, eine LSTM-Schicht, eine vollständig verbundene Schicht und eine Ausgabeschicht umfasst.
Wahlweise wird die LSTM-Schicht wie folgt berechnet: h,c, = LSTM(Z,,h_,,€,;) i, =o(W,|Z,h_,]+b,) fi =0W,1Z>h11+b,) o, = o(W,|Z,.h_]+D,)
Cr =tanh(W [Z,,h_1+D,) c,=f0c_ +i0Oc h =o, © tanh(c,) wobei h, der verborgene Zustand zum Zeitpunkt t, C, der Einheitszustand zum
Zeitpunktt, Z die Fingangsdaten zum Zeitpunkt t, 7, das Eingangsgatter zum Zeitpunkt t, f, das Vergessensgatter zum Zeitpunkt t, o, das Ausgangsgatter zum Zeitpunkt t, c die
Kandidaten-Speicherzelle zum Zeitpunkt t, W, die Gewichtsmatrix jedes Gatters, b, der
Vorspannungsterm jedes Gatters und co die Sigmoid-Aktivierungsfunktion ist.
In dieser Ausführungsform wird die Verlustfunktion, die speziell als berechnet wird:
1 Los.
L(0)=,|— > CR _ 0)? \ M5
Dabei ist © der Parameter des Windturbinen-Gierregelungsmodells, M die Anzahl der
Stichproben, ov der vorhergesagte Wert der i-ten Stichprobe und ©” der wahre Wert der i- ten Stichprobe.
Eine weitere Ausführungsform der vorliegenden Erfindung ist ein Verfahren zur
Giersteuerung, bei dem eine Laser-Windmessradar-Optimierung angewendet wird, wobei die
Schritte des Verfahrens Folgendes umfassen
Sammeln von WEA-Umgebungsdaten basierend auf dem Laser-Windmessradar und gleichzeitiges Erfassen von historischen WEA-Umgebungsdaten;
Durchführen einer Datenvorverarbeitung an den WEA-Umgebungsdaten und den historischen WEA-Umgebungsdaten und Aufteilen der vorverarbeiteten historischen WEA-
Umgebungsdaten in einen Trainingssatz und einen Testsatz;
Eingeben des Trainingssatzes in das voreingestellte WEA-Gierregelungsmodell zum
Trainieren, und Berechnen des Verlustwertes zwischen dem Testsatz und dem Trainingsergebnis durch die Verlustfunktion, iteratives Aktualisieren der Parameter des WEA-Gierregelungsmodells und AbschlieBen des Trainings des WEA-Gierregelungsmodells;
Auf der Grundlage des trainierten Modells fir die Giersteuerung der WEA, das die vorverarbeiteten Umgebungsdaten der WEA 16st, wird der optimale Gierwinkel der WEA ermittelt, und das Giersystem der WEA wird so gesteuert, dass die Einstellung abgeschlossen wird.
Die obigen Ausführungen stellen nur eine bevorzugte Ausführungsform der vorliegenden
Erfindung dar und sollen die vorliegende Erfindung nicht einschränken, die fiir den Fachmann verschiedene Änderungen und Variationen zulässt. Alle Änderungen, gleichwertige Ersetzungen,
Verbesserungen usw., die im Rahmen des Geistes und der Grundsätze der vorliegenden Erfindung vorgenommen werden, fallen in den Schutzbereich der vorliegenden Erfindung.

Claims (8)

Ansprüche LU507983
1. Ein Giersteuerungssystem, das die Laser-Windmessungs-Radar-Optimierung, dadurch gekennzeichnet, dass es umfasst: Ein Datenerfassungsmodul, das Windturbinen-Umgebungsdaten auf der Grundlage des Laser-Windmessradars sammelt und gleichzeitig historische Windturbinen-Umgebungsdaten erfasst; Ein Datenverarbeitungsmodul, das eine Datenvorverarbeitung an den Windturbinen- Umgebungsdaten und den historischen Windturbinen-Umgebungsdaten durchführt und die vorverarbeiteten historischen Windturbinen-Umgebungsdaten in einen Trainingssatz und einen Testsatz aufteilt: Fin neuronales Netzwerkmodell, das den Trainingssatz in das voreingestellte Windturbinen- Giersteuermodell zum Training eingibt und den Verlustwert zwischen dem Testsatz und dem Trainingsergebnis mittels einer Verlustfunktion berechnet, die Parameter des Windturbinen- Giersteuermodells iterativ aktualisiert und das Training des Windturbinen-Giersteuermodells abschließt; Das Gierausführungsmodul löst auf der Grundlage des abgeschlossenen Trainings des WEA- Gierregelungsmodells die vorverarbeiteten WEA-Umgebungsdaten, erhält den optimalen Gierwinkel der WEA und steuert das Giersystem der WEA, um die Einstellung abzuschließen.
2. Ein Giersteuerungssystem, das die Laser-Windmessungs-Radar-Optimierung nach Anspruch 1, dadurch gekennzeichnet, dass das Laser-Windmessradar auf der Erfassung von Umgebungsdaten der Windturbine basiert, insbesondere: Erfassen der Windrichtung und der Windgeschwindigkeit der Umgebung der Windturbine durch das Laser-Windmessradar, und gleichzeitiges Erfassen des aktuellen Betriebszustands der Windturbine auf der Grundlage eines voreingestellten Moduls in der Windturbine. Wobei der aktuelle Betriebszustand der Windturbine Folgendes umfasst: einen aktuellen Gierwinkel der Windturbine und die Stromerzeugung.
3. Ein Giersteuerungssystem, das die Laser-Windmessungs-Radar-Optimierung nach Anspruch 2 anwendet, dadurch gekennzeichnet, dass die Datenvorverarbeitung der WEA- Umgebungsdaten und der historischen WEA-Umgebungsdaten wie folgt durchgeführt wird: Echtzeitverarbeitung der WEA-Umgebungsdaten; Rauschentfernung der historischen WEA- Umweltdaten durch einen Algorithmus zur Filterung des gleitenden Durchschnitts und Verarbeitung fehlender Werte der historischen WEA-Umweltdaten durch lineare Interpolation und sequentielle Durchführung der Datennormalisierung und Merkmalsextraktion, um die Datenvorverarbeitung der WEA-Umweltdaten und der historischen WEA-Umweltdaten zu vervollständigen.
4. Ein Giersteuerungssystem, das die Laser-Windmessungs-Radar-Optimierung nach Anspruch 3 anwendet, dadurch gekennzeichnet, dass die Rauschentfernung der historischen Umgebungsdaten der Windturbine durch einen Algorithmus zur Filterung des gleitenden Durchschnitts durchgeführt wird, der durch die Formel berechnet wird: 1 N-1 X; = — > X,_ j N “=
Wobei X; die historischen Umweltdaten der Windturbine zum i-ten Zeitpunkt, N eine Fenstergröße und j ein Zeitpunktgrößenindex innerhalb des Fensters ist; Die besagte Verarbeitung der fehlenden Werte der historischen Umweltdaten der WEA durch lineare Interpolation wird durch die spezifische Formel berechnet: (<= x) Oi Vo) — 0 1 0 V=N 0 + X 7 % Wobei X 0, Yo ‚Xi und Yı , jeweils benachbarte gültige Datenpunkte sind, x eine Position ist, an der sich die fehlenden Daten befinden, und y ein Datenwert nach der Interpolation ist; Die Datennormalisierung und die Merkmalsextraktion werden sequentiell durchgeführt, wobei die Datennormalisierung durch die Formel berechnet wird: 0 x’ — X — X min X max a X min Wobei x die historischen Umweltdaten der Windturbine sind, x, und x, die Minimal-
bzw. Maximalwerte der Stichprobe sind und x’ die normalisierten historischen Umweltdaten der Windturbine sind; Die besagte Merkmalsextraktion, die insbesondere darin besteht, die Windgeschwindigkeits- Änderungsrate und die Windrichtungs-Anderungsrate in den historischen Umgebungsdaten der Windturbine zu extrahieren, die insbesondere durch die Formel berechnet wird: v(t+At)—v(i ay = JUHA) =v) At wobei V(f) die Windgeschwindigkeit zum Zeitpunkt t, At das Zeitintervall und AV die Änderungsrate der Windgeschwindigkeit ist; O(t + At) —0(¢) 2 AO = A f wobei O(f) die Windrichtung zum Zeitpunkt t ist und AO die Anderungsrate der Windrichtung ist.
5. Ein Giersteuerungssystem, das die Laser-Windmessungs-Radar-Optimierung nach Anspruch 4 anwendet, dadurch gekennzeichnet, dass das Giersteuermodell der Windturbine als ein LSTM-Modell konstruiert ist und das LSTM-Modell eine Eingabeschicht, eine LSTM-Schicht, eine vollständig verbundene Schicht und eine Ausgabeschicht umfasst.
6. Ein Giersteuerungssystem, das die Laser-Windmessungs-Radar-Optimierung nach
Anspruch 5 anwendet, dadurch gekennzeichnet, dass die LSTM-Schicht wie folgt berechnet wirdJ507983 h,c, = LSTM(Z,,h_,,€,;) i, =o(W,|Z,h_,]+b,) h=oW,;[Z;>h_,]+b,) o, = o(W,|Z,.h_]+D,) ci =tanh(W [Z,,h_1+D,) Cr = / Oc, +i Oc h =o, © tanh(c,) wobei h, der verborgene Zustand zum Zeitpunkt t, C, der Einheitszustand zum Zeitpunktt, Z, die Eingangsdaten zum Zeitpunkt t, 7, das Eingangsgatter zum Zeitpunkt t, f, das Vergessensgatter zum Zeitpunkt t, o, das Ausgangsgatter zum Zeitpunkt t, c die Kandidaten-Speicherzelle zum Zeitpunkt t, W, die Gewichtsmatrix jedes Gatters, b, der Vorspannungsterm jedes Gatters und co die Sigmoid-Aktivierungsfunktion ist.
7. Ein Giersteuerungssystem, das die Laser-Windmessungs-Radar-Optimierung nach Anspruch 6 anwendet, dadurch gekennzeichnet, dass die Verlustfunktion, die insbesondere berechnet wird als: 1 Mo. LO)= |= 00-09) M 3 wobei © ein Parameter des Giersteuermodells der Windturbine ist, M die Anzahl der Proben ist, 0” der vorhergesagte Wert der i-ten Probe ist und 0 der wahre Wert der i-ten Probe 1st.
8. Ein Giersteuerungsverfahren zur Anwendung der Laser-Windmessungs-Radar- Optimierung, dadurch gekennzeichnet, dass die Schritte des Verfahrens Folgendes umfassen: Erfassen von Umgebungsdaten der Windturbine auf der Grundlage des Laser- Windmessradars und gleichzeitiges Erfassen von historischen Umgebungsdaten der Windturbine; Die Datenvorverarbeitung wird für die WEA-Umgebungsdaten und die historischen WEA- Umgebungsdaten durchgeführt, und die vorverarbeiteten historischen WEA-Umgebungsdaten werden in einen Trainingssatz und einen Testsatz unterteilt; Fingabe des Trainingssatzes in das voreingestellte WEA-Gierregelungsmodell für das
Training und Berechnung des Verlustwertes zwischen dem Testsatz und dem Trainingsergebnts/507983 durch die Verlustfunktion, iterative Aktualisierung der Parameter des WEA-Gierregelungsmodells und Abschluss des Trainings des WEA-Gierregelungsmodells; Auf der Grundlage des trainierten WEA-Gierregelungsmodells werden die vorverarbeiteten WEA-Umgebungsdaten gelöst, um den optimalen Gierwinkel der WEA zu erhalten, und das Giersystem der WEA wird angetrieben, um die Einstellung abzuschlieBen.
LU507983A 2024-07-22 2024-08-12 Ein giersteuerungssystem und ein verfahren zur anwendung der laser-windmessradar-optimierung LU507983B1 (de)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202410984092.5A CN118836124A (zh) 2024-07-22 2024-07-22 一种应用激光测风雷达优化的偏航控制系统及方法

Publications (1)

Publication Number Publication Date
LU507983B1 true LU507983B1 (de) 2025-02-13

Family

ID=93143877

Family Applications (1)

Application Number Title Priority Date Filing Date
LU507983A LU507983B1 (de) 2024-07-22 2024-08-12 Ein giersteuerungssystem und ein verfahren zur anwendung der laser-windmessradar-optimierung

Country Status (2)

Country Link
CN (1) CN118836124A (de)
LU (1) LU507983B1 (de)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN119933933B (zh) * 2025-01-26 2025-11-25 暨南大学 基于mpc的海上风电机组偏航控制方法、装置、设备和介质

Also Published As

Publication number Publication date
CN118836124A (zh) 2024-10-25

Similar Documents

Publication Publication Date Title
EP1817496B1 (de) Verfahren zum optimieren des betriebs von windenergieanlagen
DE102011054115B4 (de) Systeme und Verfahren zum Identifizieren einer Windkraftanlagenleistungsineffizienz
DE102017105165A1 (de) Verfahren zum Bestimmen einer verfügbaren Leistung eines Windparks und zugehöriger Windpark
DE102008020154A1 (de) Verfahren zum Betreiben einer Windenergieanlage
EP3473853B1 (de) Steuerungssystem und verfahren zum betreiben mehrerer windenergieanlagen
EP1389682A2 (de) Verfahren zum Betreiben eines Windparks
DE102012210150A1 (de) Windenergieanlage und Verfahren zum Steuern einer Windenergieanlage oder eines Windparks
CN103033359A (zh) 一种多特征多级综合评判的风电机组主传动装置故障诊断方法
LU507983B1 (de) Ein giersteuerungssystem und ein verfahren zur anwendung der laser-windmessradar-optimierung
EP3987178B1 (de) Verfahren zum durchführen einer energieertragsprognose und windpark
EP3715626B1 (de) Verfahren zum ermitteln einer leistungskurve einer windenergieanlage und entsprechende windenergieanlage
DE102018108858A1 (de) Windenergieanlage, Windpark sowie Verfahren zum Regeln einer Windenergieanlage und eines Windparks
LU508553B1 (de) Ein verfahren zur brandfrühwarnung von photovoltaischen stromerzeugungsanlagen
CN114239920A (zh) 一种风电功率短期预测方法
BE1031404B1 (de) Ein Vorhersageverfahren, -system und ein Speicherträger für die photovoltaischen Stromerzeugungsleistung
DE102012011357A1 (de) Windkraftanlagensteuereinrichtung sowie System zum Steuern eines Windparks
CN117972340A (zh) 一种基于组合模型的风电功率预测方法
EP4348043B1 (de) Verfahren zum trainieren eines machine-learning-modells zum bestimmen einer restnutzungsdauer einer weiteren windkraftanlage
WO2020089237A1 (de) Modellierung und vorhersage von windströmung mit faseroptischen sensoren in windturbinen
DE102022111049A1 (de) Mess-System und Verfahren zur Hochwasser-Warnung
WO2025113906A1 (de) Verfahren für einen windpark
EP4004365A1 (de) Verfahren zur steuerung eines windparks, steuerungsmodul für einen windpark und windpark
WO2020239706A1 (de) Modellierung und vorhersage von wirbelschleppen und scherwinden mit faseroptischen sensoren in windturbinen
EP3587805B1 (de) System zur ermittlung der verfügbaren leistung eines windparks
Hlavácková-Schindler et al. Detection of Meteorological Variables in a Wind Farm Influencing the Extreme Wind Speed by Heterogenerous Granger Causality

Legal Events

Date Code Title Description
FG Patent granted

Effective date: 20250213