WO2018234409A1 - Procede d'acquisition et de modelisation par un capteur lidar d'un champ de vent incident - Google Patents

Procede d'acquisition et de modelisation par un capteur lidar d'un champ de vent incident Download PDF

Info

Publication number
WO2018234409A1
WO2018234409A1 PCT/EP2018/066478 EP2018066478W WO2018234409A1 WO 2018234409 A1 WO2018234409 A1 WO 2018234409A1 EP 2018066478 W EP2018066478 W EP 2018066478W WO 2018234409 A1 WO2018234409 A1 WO 2018234409A1
Authority
WO
WIPO (PCT)
Prior art keywords
wind
measurement
points
lidar sensor
wind speed
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.)
Ceased
Application number
PCT/EP2018/066478
Other languages
English (en)
Inventor
Hoai-Nam NGUYEN
Fabrice Guillemin
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.)
IFP Energies Nouvelles IFPEN
Original Assignee
IFP Energies Nouvelles IFPEN
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 IFP Energies Nouvelles IFPEN filed Critical IFP Energies Nouvelles IFPEN
Priority to DK18731117.0T priority Critical patent/DK3642647T3/da
Priority to EP18731117.0A priority patent/EP3642647B1/fr
Priority to ES18731117T priority patent/ES2919049T3/es
Priority to CA3065892A priority patent/CA3065892A1/fr
Priority to US16/621,450 priority patent/US11248585B2/en
Priority to CN201880041899.8A priority patent/CN110832351B/zh
Publication of WO2018234409A1 publication Critical patent/WO2018234409A1/fr
Anticipated expiration legal-status Critical
Ceased legal-status Critical Current

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
    • F03D7/045—Automatic control; Regulation by means of an electrical or electronic controller characterised by the type of control logic with model-based controls
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/02—Systems using the reflection of electromagnetic waves other than radio waves
    • G01S17/50—Systems of measurement based on relative movement of target
    • G01S17/58—Velocity or trajectory determination systems; Sense-of-movement determination systems
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/88—Lidar systems specially adapted for specific applications
    • G01S17/95—Lidar systems specially adapted for specific applications for meteorological use
    • 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
    • F05B2200/00—Mathematical features
    • F05B2200/10—Basic functions
    • F05B2200/11—Sum
    • 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
    • F05B2200/00—Mathematical features
    • F05B2200/20—Special functions
    • F05B2200/26—Special functions trigonometric
    • F05B2200/261—Sine
    • 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
    • F05B2200/00—Mathematical features
    • F05B2200/20—Special functions
    • F05B2200/26—Special functions trigonometric
    • F05B2200/262—Cosine
    • 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
    • F05B2270/40—Type of control system
    • F05B2270/404—Type of control system active, predictive, or anticipative
    • 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
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E10/00—Energy generation through renewable energy sources
    • Y02E10/70—Wind energy
    • Y02E10/72—Wind turbines with rotation axis in wind direction

Definitions

  • the present invention relates to the field of LiDAR (Light Detection And Ranging) sensors used as a remote sensing means for measuring wind speed. It also concerns the field of wind turbines equipped with LiDAR sensor, as well as the control thereof.
  • LiDAR Light Detection And Ranging
  • LiDAR sensors have certain limitations of accuracy and availability of the data. On the one hand they provide only a rough measurement of the wind, ie a projection of the wind on a measurement axis (otherwise called LASER beam for light amplification by stimulated emission of radiation or amplification of light by a stimulated emission radiation) and on the other hand they only allow access to a limited and noisy bandwidth of the spectral content of the wind.
  • LASER beam for light amplification by stimulated emission of radiation or amplification of light by a stimulated emission radiation
  • the gross measurement is an indirect measure of the wind that corresponds to the projection of the wind on the axis of a LASER beam, it is then necessary to combine several raw measurements of several beams (or axes of measurement) of different directions, for get an accurate estimate of the wind vector.
  • the productivity of wind turbines and maintenance costs are highly dependent on the monitoring capacity of the system, and in particular the ability to exploit relevant wind information.
  • the main sources of damage to the wind turbine structure and components are related to wind conditions involving extreme loads (strong turbulent wind, gusts) and fatigue of materials subjected to vibratory and oscillating phenomena. These are generated by the interactions between the wind turbine and the wind field, with particular problems of vibrations exciting the eigen modes of the wind turbine.
  • extreme loads strong turbulent wind, gusts
  • fatigue of materials subjected to vibratory and oscillating phenomena These are generated by the interactions between the wind turbine and the wind field, with particular problems of vibrations exciting the eigen modes of the wind turbine.
  • the rotor speed is regulated by the generating torque and the aerodynamic torque (via the orientation of the blades).
  • a first aspect of the invention therefore consists in developing an improved method for estimating the speed and direction of a three-dimensional (3D) wind field in line, in real time, in a volume located upstream of a LiDAR sensor so as to have an estimate and a short-term forecast of the wind field incident on the LiDAR sensor.
  • a second aspect of the invention aims at using this method and this LiDAR sensor in a control strategy of a wind turbine so as to have predictions of loading the rotor of the wind turbine, to detect gusts, turbulences, shears etc.
  • the invention relates to a method of acquisition and modeling by a LiDAR sensor of a wind field incident in a space upstream of said LiDAR sensor. For the process, the following steps are carried out:
  • the meshing step makes it possible to discretize (or to sample) the space upstream of the LiDAR sensor in a three-dimensional grid composed of discretized points and to be able to make these different discretized points coincide either in measurement points or in estimation points necessary to the modeling process. It also makes it possible to position the measurement and estimation points relatively to each other and to know the distances separating all of these discretized points.
  • a reconstruction step in real time and in a defined reference, of the three-dimensional (3D) incident wind field from the amplitudes and wind directions estimated and measured for each point.
  • This step makes it possible to reconstruct the incident wind field in 3D in the volume sampled by the three-dimensional grid.
  • a history of LiDAR measurements is made, which allows to know the past states of the wind field, and this is incorporated in the synthesis of the current and future estimates of the 3D wind field which allows a real time reconstruction. .
  • the advantage of using an optimization approach, using a recursive weighted least squares form, is to be able to determine a complete three-dimensional (3D) image of the incident wind propagating in the space upstream of the LiDAR sensor.
  • the measurement m of the amplitude and direction of the wind at a measurement point is given by a relation of the form:
  • Vj, x (k), Vj, y (k), vj, z (k) are wind speed values projected on an x, y, z coordinate at an initial time (k)
  • the vector wind, at each instant sampled, for the set of points of space is composed of the three components which will make it possible to determine ⁇ complete image in three dimensions.
  • the choice of the measurement coefficients makes it possible to depend only on the beam angles and is not a function of the measurement distances, which facilitates the computer programming of the cost function J.
  • ⁇ is an ordered vector composed of all the components of the speed of the points of the space where the wind is estimated
  • ⁇ (0) is the estimate of the wind speed at time
  • P 0 , Q, R s and R m are weighting matrices of appropriate size
  • C s , C m are matrices that take into account wind speed and measurement noise.
  • the measurements of the amplitude and direction of the wind at the different measuring points are carried out at a sampling rate of at least 0.25 Hz.
  • the use of such a range of sampling frequencies has the effect of obtaining several measurements simultaneously on the same measurement axis while having measurements that are reliable and accurate.
  • the measurements of the amplitude and direction of the wind at the different measurement points are taken at at least two different distances along the measurement axis. Measurements made at least two distances make it possible to define a three-dimensional volume sufficient to include the blades of a wind turbine as will be described later.
  • the measurements of the amplitude and direction of the wind are taken along at least three axes of measurement.
  • the fact of having at least three measurement axes allows a fine mesh of the upstream space and also allows to have a sufficient quantity of measurements for the step of estimation of the wind speed.
  • the spatial coherence of the wind speed along the x, y and z axes of a Cartesian coordinate system is estimated by a formula of the type:
  • Such characterization has the effect of making possible the computer coding of such a function.
  • the spatial coherence of the wind speed along the x, y and z axes of the Cartesian coordinate system is estimated with the following assumptions:
  • FIRE I LLE OF REM PLACEM ENT (RULE 26) o
  • the variation of the wind speed along the longitudinal axis x is small and the partial derivative dv x / dx es. relatively small along the longitudinal axis, where the wind smoothly changes along the lateral axis y and the partial derivative dv x / dy is small along the lateral axis y,
  • Vf is the longitudinal wind at an altitude ⁇ above the ground
  • z r is a reference altitude
  • the quality of the measurements made by the LiDAR is represented by a model of the form: where 6 m describes the measurement noises.
  • the previous formula is useful for linking estimates of wind speed over time for estimation points.
  • the invention also relates to a computer program product which comprises code instructions arranged to implement the steps of the acquisition and modeling method described above.
  • the program is run on a LiDAR processing unit.
  • the invention also relates to a LiDAR sensor which comprises in memory the code instructions of a computer program product as described above and which is arranged to execute such a computer program product.
  • a LiDAR sensor that executes such a computer program product will return reliable information from a three-dimensional incident wind field in real time.
  • An object of the invention also relates to a wind turbine which comprises a LiDAR sensor as described above.
  • the LiDAR sensor is disposed on the nacelle of said wind turbine.
  • the invention also relates to a method for controlling and / or monitoring a wind turbine equipped with a LiDAR sensor and a control automaton, and the method comprises the following steps:
  • a piloting step integrating the control strategy developed which consists in controlling the angle of the blades or the orientation of the nacelle.
  • the provision of sufficiently robust and accurate information of the incident wind condition in approach of the rotor allows a new control approach, with the integration of a dynamic and preventive pre-positioning term.
  • the ability to reconstruct an incident wind field in real time in approach to the rotor plane opens up many prospects for exploitation: quantification of the misalignment of the wind turbine, power curve, transfer function of the nacelle , burst detection, monitoring and diagnosis of loading and fatigue risks, optimization of preventive maintenance, resource analysis, optimization of production. This makes it possible to increase wind turbine efficiency, reduce maintenance costs, increase component life and reduce investment costs by optimizing design.
  • FIG. 1 illustrates a wind turbine equipped with a LiDAR sensor according to the invention.
  • FIG. 2 illustrates the steps of the method of acquisition and modeling by the LiDAR sensor according to the invention.
  • Figure 3 is a front view of the mesh of the space according to the invention.
  • Figure 4 is a perspective view of the mesh of the space according to the invention.
  • Figure 5 illustrates a reconstructed 3D wind field from LiDAR measurements in a particular case.
  • FIG. 6 illustrates the steps of the method of piloting the wind turbine according to the invention.
  • x, y, z directions of the three-dimensional coordinate system, with z the vertical axis and x the main direction of the wind.
  • ⁇ and ⁇ orientation angles of said LiDAR sensor. These angles are explained in FIG. 1: the angle ⁇ is the angle made by the projection of the measurement axis of the
  • ⁇ is the angle made by the projection of the LiDAR measurement axis in a plane consisting of the x axis and the projection of the LiDAR measurement axis in the plane (y, z).
  • m (t) measurement of the LiDAR sensor at a measurement point.
  • P 0 , Q, Fis and R m are weighting matrices of appropriate size.
  • LiDAR is used to designate a “LiDAR” sensor.
  • the invention firstly relates to a method of acquisition and modeling by a LiDAR sensor of an incident wind field in order to estimate the wind speed and direction for a wind field approaching and upstream of the wind field. LiDAR and this in the most reliable way possible. This estimate must be made online, in real time, for a sampled 3D wind field.
  • FIG. 2 represents the different steps of the acquisition and modeling method according to the invention:
  • Meshing (MA) of the space upstream of said LiDAR sensor, the mesh comprises estimation points (PE) and measuring points (MP).
  • Figure 1 shows a wind turbine 1 equipped with a LiDAR 2 sensor.
  • the LiDAR 2 sensor is used to measure the wind speed at a given distance on a PM measuring point.
  • the advance knowledge of the wind measurement allows a priori to give a lot of information.
  • LiDAR sensors there are several types of LiDAR sensors, such as scanned LiDAR, continuous LiDAR or pulsed LiDAR sensors.
  • a pulsed LiDAR is preferably used.
  • the LiDAR used comprises 5 beams or measurement axes (b0, b1, b2, b3, b4).
  • the acquisition and modeling method also works with a LiDAR comprising three or more beams.
  • the pulsed 5-beam LiDAR sensor is mounted on a wind turbine nacelle 1.
  • a wind turbine 1 makes it possible to transform the kinetic energy of the wind into electrical or mechanical energy.
  • a wind turbine 1 For the conversion of wind into electrical energy, it consists of the following elements:
  • a mast 4 for placing a rotor (not shown) at a height sufficient to allow its movement (necessary for horizontal axis wind turbines) or to place this rotor at a height enabling it to be driven by a stronger wind and regular at ground level 6.
  • the mast 4 generally houses some of the electrical and electronic components (modulator, control, multiplier, generator, ...);
  • a nacelle 3 mounted at the top of the mast 4, housing mechanical components, pneumatic, some electrical and electronic components (not shown), necessary for the operation of the machine.
  • Platform 3 can rotate to steer the machine in the right direction;
  • the rotor fixed to the nacelle, comprising several blades 7 (generally three) and the nose of the wind turbine.
  • the rotor is driven by the wind energy, it is connected by a mechanical shaft directly or indirectly (via a gearbox system and mechanical shaft) to an electric machine (electric generator ...) (not shown) who converts the energy collected in electrical energy.
  • the rotor is potentially equipped with control systems such as variable angle blades or aerodynamic brakes;
  • a transmission consisting of two axes (mechanical shaft of the rotor and mechanical shaft of the electric machine) connected by a transmission (gearbox) (not shown).
  • the space upstream of the LiDAR sensor is defined according to a mesh as visible in FIGS. 1, 3 and 4.
  • a coordinate system in which the Lidar performs measurements is defined.
  • the coordinate system defined is the direct trihedron illustrated in FIGS. 1 and 3.
  • the x-y origins of this system are at the level of the positioning of the LiDAR on the pod 3, and the origin z is at the ground level 6.
  • the x-axis points horizontally in the direction of the wind, the z-axis points vertically upwards and the y-axis is perpendicular to form a direct three-dimensional mark (according to the ruler of the right hand).
  • the space mesh comprises a set of discretized points placed upstream and which define a three-dimensional grid.
  • the y-z plane is divided into non-overlapping cells as shown in Figure 3.
  • the mesh includes measurement points (PM) and estimation points (PE) of the wind speed.
  • optimization variables necessary for the estimation step described below.
  • all the optimization variables are gathered in an ordered vector, denoted by ⁇ .
  • the order determined for these optimization variables is a crucial engineering element for the feasibility and performance of an algorithm for coding this process.
  • a vector ⁇ is defined for each point of the discretized space and it is composed of all the components v x of the points of the space (PE) where the wind is estimated, followed respectively by the components v y and v z .
  • the estimation of the wind speed in n points implies the construction of a vector ⁇ of size 3n, with Wi to W "containing all v x , + i to Win containing all v y , and Win + i to W3n containing all the v z .
  • the LiDAR sensor performs a measurement m (t) relative to the wind speed at a measurement point (PM) located upstream of the wind turbine 1.
  • This measurement m (t) corresponds to the signal received by the sensor from the measuring point (PM) in response to the signal transmitted by the LiDAR sensor.
  • the measurement point is defined by the characteristics of the LiDAR sensor, including the focal length, as well as its orientation. This measurement, dependent on the wind speed, is a time and depends on the orientation of the LiDAR sensor.
  • the measurements are obtained successively according to the mesh defined in the preceding step, starting with the longitudinal beam bO, then the oblique beam b1, until the beam b4.
  • An interesting feature of this system is that it makes it possible to measure the projection of the wind speed at several distances, simultaneously, for a given beam. It is thus possible to obtain, for example, 10 successive distances between 50m and 400m, at a sampling rate of 0.25 Hz or 1 Hz. It is of course possible to limit to two measurements, which are sufficient to reconstruct a three-dimensional model. At each sampling time, the only measurements of the selected current beam are refreshed.
  • the center point (PM7) corresponds to the y - z coordinates of the measuring points for beam 0 for all distances.
  • This step consists in obtaining a value of the wind on the estimation points (PE) of the mesh.
  • the estimation is carried out by means of the optimization by a method of least weighted recursive squares of a cost function which uses the measured data m (k) of the LiDAR, but also data of spatial coherence of the speed. wind, temporal variation data of wind speed, as well as data qualifying the quality of LiDAR m (k) measurements. This is what is explained later.
  • the advantage of this approach is the ability to consider updating the wind field estimate to a date t, even if the measurements acquired on date t are not valid or reliable. This is based on the estimation of the wind field obtained at an earlier date (t-1, t-2, etc.). So, by extension, the reconstruction of the wind field is robust to the unavailability of data of the acquisition device, over a limited period of time related to the temporal coherence limit of the estimate.
  • a direct implementation of this solution is the establishment of a buffer zone, commonly called "buffer", and containing the last valid measurements of each beam, at each distance from the LiDAR. This buffer is then the source of input data for the reconstruction algorithm.
  • the buffer will have 4 * 10 places, where the last 40 radial measurements acquired valid will be stored.
  • indicators such as the spatial average of the wind speed at a given distance will be stabilized and made reliable by the availability, at each acquisition date, of all the measures, be they current, delayed or estimated. Indeed, it is proven that not considering all beams to establish a spatial indicator of wind, leads to erroneous values for spatial averages, especially when the wind is subject to shear, or when the device of acquisition is misaligned with respect to the prevailing wind direction.
  • the temporal coherence of the wind may be a setting parameter, or derived from a wind pattern.
  • the robust exploitation of the approach described in the patent requires the provision of an index or a confidence interval, accompanying the estimation of the wind field and its associated descriptive amounts, at each moment.
  • the descriptive quantities of the wind field can be for example: the horizontal and vertical shears of the amplitude and direction, the average speed and direction at each measurement distance, the turbulence intensity, ...
  • This confidence interval is built from an equation taking into account: - The number of valid measurements at the current acquisition date
  • the intrinsic confidence interval to the reconstruction algorithm depends on the variance deduced from the estimation process. In the case of implementation by a Kalman filter, it may be the values of the covariance matrix of the modeled process.
  • This uncertainty can be provided with the measurement, and equated with the overall standard deviation of the estimate.
  • This quantity is very relevant information for reconstruction operations in a context of real-time diagnostics, or LiDAR-assisted control of a wind turbine.
  • the longitudinal difference corresponds to the change of v x along the x axis and it changes slowly according to the invention.
  • the partial derivative dv x / dx is relatively small.
  • each line of C x contains a +1 and a -1.
  • Cy C z i are, matrices of coefficients, which contain only a +1 and a -1 on each line.
  • the lateral difference is the change of v x along the y axis.
  • the partial derivative dv x / dy is relatively small, other words,
  • Each line of C a contains a +1 and a -1.
  • Cyt, Czt are matrices of coefficients that contain only a +1 and a -1 for each line.
  • the vertical profile of the wind speed is given by a power law which gives a description of the wind speed component v x at different heights which is much more precise.
  • the vertical profile of the wind speed describes the evolution of the longitudinal wind speed as a function of the relative altitude of the ground.
  • the power law ("power law") of the wind speed profile is generally used to estimate the longitudinal wind speed v, at an altitude above the ground z, taking into account the longitudinal wind speed v lr a reference altitude z r , using the equation,
  • alpha is the power law exponent, which is usually specified according to the stability.
  • % 0 which is the equation that characterizes the variation of the total wind speed along the x, y and z axis.
  • ⁇ (0) is the estimate of the wind speed at time 0.
  • a processor integrated in the LiDAR sensor retrieves all the amplitude and wind direction data measured and estimated during the previous steps. The recovery of these data is done in real time for each measurement point (PM) and estimate (PE) defined above. Thus the LiDAR sensor is able to reconstruct the entire incident wind field on the LiDAR as shown in Figure 5.
  • a reconstructed wind field is represented for a time at 68 seconds. On the ordinate, it is represented the altitude relative to the ground (in m) and in abscissa it is represented the distance to the nacelle (in m) and the relative lateral positions to the LiDAR (in m).
  • the invention relates secondly to a method for controlling and / or monitoring a wind turbine equipped with a LiDAR sensor as described above and a related piloting automaton 10 which comprises the following steps:
  • a piloting step (PIL) integrating the control strategy developed which consists in particular in controlling the angle of the blades 7 or the orientation of the pod 3.
  • FIG. 6 represents the overall operation of such a wind turbine 1.
  • the wind turbine 1 comprises for this purpose a LiDAR sensor 2 according to the invention, and its processing unit, a computing device comprising a software solution for 3D reconstruction of the wind field, a control automaton integrating the control strategy and a control system. device for driving the blades and / or the nacelle of the wind turbine.
  • the invention applied to a wind turbine operates as follows: First, the LiDAR performs the step of acquisition and modeling of the incident wind field as described above so as to reconstruct a 3D incident wind field (steps ME, MA, EST, MOD 3D of FIG. 6),
  • controller 10 develops the control strategy (CON) and performs the steering (PIL) of the organs of the wind turbine 1 taking into account the control strategy developed.
  • This method of the invention makes it possible to analyze in real time the incident wind or to detect bursts, power curves and turbulence intensities which can be used to regulate or supervise the wind turbine so as to obtain a better alignment of the wind. wind turbine, which leads to optimization of production and minimization of loads and fatigue.

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Electromagnetism (AREA)
  • Remote Sensing (AREA)
  • General Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Computer Networks & Wireless Communication (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)
  • Optical Radar Systems And Details Thereof (AREA)

Abstract

L'objet de l'invention concerne un procédé d'acquisition et de modélisation par un capteur Li DAR d'un champ de vent incident. L'acquisition et la modélisation comprennent une étape d'estimation des amplitudes et des directions du vent pour un ensemble de points discrétisés, ainsi qu'une étape de reconstruction du champ de vent incident en trois dimensions et en temps réel. L'invention concerne également un procédé de contrôle et/ou de surveillance d'une éolienne équipée d'un tel capteur Li DAR à partir du champ de vent incident reconstruit en trois dimensions et en temps réel.

Description

PROCEDE D'ACQUISITION ET DE MODELISATION PAR UN CAPTEUR LIDAR D'UN CHAMP DE VENT INCIDENT
La présente invention concerne le domaine des capteurs LiDAR (Light Détection And Ranging ou détection et localisation par la lumière) utilisés comme moyen de télédétection pour mesurer la vitesse du vent. Elle concerne également le domaine des éoliennes équipées de capteur LiDAR, ainsi que le contrôle de celles-ci.
Les performances des capteurs LIDAR en terme de précision, fiabilité et disponibilité des mesures, permettent d'élaborer des estimations et des prédictions d'un état de vent pour un volume d'aérosol visé. Cependant les capteurs LiDAR présentent certaines limitations de précision et de disponibilité de la donnée. D'une part ils ne fournissent qu'une mesure brute du vent, c'est à dire une projection du vent sur un axe de mesure (autrement appelé faisceau LASER pour light amplification by stimulated émission of radiation ou amplification de lumière par une émission stimulée de rayonnements) et d'autre part ils ne permettent d'accéder qu'à une bande passante limitée et bruitée du contenu spectral du vent. Comme la mesure brute est une mesure indirecte du vent qui correspond à la projection du vent sur l'axe d'un faisceau LASER, il est alors nécessaire de combiner plusieurs mesures brutes de plusieurs faisceaux (ou axes de mesure) de directions distinctes, pour obtenir une estimation précise du vecteur vent.
De telles estimations ne sont cependant pas accessibles de manière triviale ni directe, et nécessitent la conception et la mise au point d'algorithmes de reconstruction précis et robustes liés à la qualité variable du signal, à la géométrie du capteur, et aux conditions de vent.
La plupart des méthodes de reconstruction élaborées jusqu'à maintenant s'appuient sur l'hypothèse d'un champ de vent homogène et stable sur toute la surface balayée par le rotor comme cela est décrit dans la publication A tutorial on the dynamics and control of wind turbines and wind farms', In 2009 American Control Conférence. IEEE. 2009, pp. 2076- 2089.
Cependant cette hypothèse n'est pas représentative ni réaliste, étant donné que la vitesse de vent varie considérablement en fonction de l'altitude, au sein de la couche limite atmosphérique, avec une dynamique très complexe.
La publication de "P Towers and B Ll Jones, 'Real-time wind field reconstruction from LiDAR measurements using a dynamic wind model and state estimation', In Wind Energy 19. 1 (2016), pp. 133- 150", propose un algorithme d'estimation pour reconstruire un champ de vent. L'approche consiste à utiliser un filtre de Kalman « unscented » (sans parfum) intégrant un modèle d'écoulement basé sur les équations de Navier-Stockes simplifiées. Cependant, cette technique fournit une reconstruction en deux dimensions (2D) du champ de vent, à une altitude fixée. De plus, la technique, telle que décrite dans cette publication, s'appuie sur une hypothèse non réaliste qui est que toutes les mesures du LiDAR sont disponibles pour tous les faisceaux, au même instant.
Enfin, on connaît également un algorithme de reconstruction proposé par certains fabricants de capteur LiDAR. Le principe est dans ce cas d'obtenir une estimation instantanée de la vitesse du vent en des points de l'espace non-mesurés, à partir d'interpolations sur les mesures. Cependant, dans de tels cas il n'est possible d'obtenir, en temps réel et en ligne, qu'une estimation de la composante du vent dans l'axe du LiDAR. La vitesse de vent longitudinale et la direction ne sont obtenues que sur la base d'une moyenne glissante, et ne sont pas exploitables pour des applications en temps réel.
Dans le domaine des éoliennes, la productivité des éoliennes et les coûts de maintenance dépendent fortement de la capacité de monitoring du système, et en particulier de la capacité à exploiter une information de vent pertinente. En effet les principales sources de dommages infligés à la structure et aux organes de l'éolienne sont liées aux conditions de vent impliquant des chargement extrêmes (fort vent turbulent, rafales) et à la fatigue des matériaux soumis à des phénomènes vibratoires et oscillants. Ceux-ci sont générés par les interactions entre l'éolienne et le champ de vent, avec notamment des problèmes de vibrations excitant les modes propres de l'éolienne. Il existe certaines stratégies de contrôle qui sont actuellement implémentées mais elles ne disposent pas d'une information de vent fiable et intégrable dans la boucle de contrôle pour assurer la durée d'exploitation prévue. Dans certains cas la vitesse du rotor est régulée par le couple génératrice et le couple aérodynamique (via l'orientation des pâles). Dans d'autres cas il n'y a pas d'utilisation directe de la mesure de vent dans la boucle de contrôle ce qui fait que la régulation de vitesse du rotor se fait en rétroaction. On peut également avoir un alignement à partir d'un capteur anémométrique situé en zone turbulente (nacelle) et soumis à des dérives ce qui conduit à avoir une éolienne souvent désalignée.
Dans tous les cas, ceci oblige à intégrer des contraintes dans le design de l'éolienne, avec des structures renforcées et un surcoût d'investissement associé, et également avec une perte de production et des risques de chargement de la structure associés.
Afin de pallier aux inconvénients mentionnés précédemment, un premier aspect de l'invention consiste donc à développer une méthode améliorée pour estimer la vitesse et la direction d'un champ de vent en trois dimensions (3D) en ligne, en temps réel, dans un volume situé en amont d'un capteur LiDAR de manière à disposer d'une estimation et d'une prévision court terme du champ de vent incident sur le capteur LiDAR. Un second aspect de l'invention vise à utiliser cette méthode et ce capteur LiDAR dans une stratégie de contrôle d'une éolienne de manière à avoir des prévisions de chargement du rotor de l'éolienne, à détecter des rafales, des turbulences, des cisaillements, etc.
A cet effet, l'invention concerne un procédé d'acquisition et de modélisation par un capteur LiDAR d'un champ de vent incident dans un espace situé en amont dudit capteur LiDAR. Pour le procédé on réalise les étapes suivantes :
a) une étape de maillage de l'espace situé en amont dudit capteur LiDAR dans laquelle le maillage de l'espace est réalisé par un ensemble de points discrétisés positionnés selon une grille tridimensionnelle prédéfinie qui comprend un ensemble de mailles composées de points d'estimation et de points de mesure.
L'étape de maillage permet de discrétiser (ou échantillonner) l'espace en amont du capteur LiDAR en une grille tridimensionnelle composée de points discrétisés et de pouvoir faire coïncider ces différents points discrétisés soit en points de mesure soit en points d'estimation nécessaires au procédé de modélisation. Il permet en outre de positionner relativement entre eux les points de mesure et d'estimation et de connaître les distances séparant l'ensemble de ces points discrétisés.
b) une étape de mesure de l'amplitude et de la direction du vent aux différents points de mesure situés dans l'espace en amont et positionnés à au moins deux distances distinctes du capteur LiDAR, le long d'au moins trois axes de mesure, Les mesures effectuées dans cette étape permettent d'obtenir des données initiales suffisantes et fiables pour alimenter un algorithme destiné à estimer l'amplitude et la direction du vent sur les points d'estimation.
c) une étape d'estimation de l'amplitude et de la direction du vent à un instant quelconque sur l'ensemble des points d'estimation et l'estimation est effectuée au moyen de l'optimisation par une méthode de moindre carrés récursifs pondérés d'une fonction de coût J qui utilise au moins les données des points mesurés, des données de cohérence spatiale de la vitesse du vent, des données de cohérence temporelle de la vitesse du vent, ainsi que des données qualifiant la qualité des mesures effectuées sur les points de mesure.
La prise en compte de ces différents paramètres dans une fonction de cout à optimiser est ce qui va permettre d'accéder à une estimation de l'amplitude et de la direction du vent sur chaque point d'estimation du maillage. d) une étape de reconstruction, en temps réel et dans un repère défini, du champ de vent incident en trois dimensions (3D) à partir des amplitudes et des directions du vent estimées et mesurées pour chaque point.
Cette étape permet de reconstruire en 3D dans le volume échantillonné par la grille tridimensionnelle le champ de vent incident. Dans cette étape on réalise un historique des mesures LiDAR ce qui permet de connaître les états passés du champ de vent, et celui-ci est incorporé dans la synthèse des estimations courante et future du champ de vent 3D ce qui permet une reconstruction en temps réel.
L'intérêt d'utiliser une approche par optimisation, utilisant une forme récursive des moindres carrés pondérés, est de pouvoir déterminer une image complète en trois dimensions (3D) du vent incident se propageant dans l'espace situé en amont du capteur LiDAR.
Selon un aspect de l'invention, la mesure m de l'amplitude et de la direction du vent en un point de mesure est donnée ar une relation de la forme :
Figure imgf000006_0001
où Vj,x(k), Vj,y(k), vj,z(k) sont des valeurs de la vitesse du vent projetées sur un repère x, y, z à un temps initial (k), et ctj , bj , q avec j = 0, 1 , 2, 3, 4, sont des coefficients de mesure, qui sont donnés comme,
Figure imgf000006_0002
où θ\ ,φϊ sont respectivement le zénith et l'azimut de l'axe de mesure dans un système de coordonnée sphérique.
De cette manière le vecteur vent, à chaque instant échantillonné, pour l'ensemble des points de l'espace est composé des trois composantes qui vont permettre de déterminer Γ image complète en trois dimensions. En outre le choix des coefficients de mesure permet de ne dépendre que des angles des faisceaux et ne sont pas fonction des distances de mesure ce qui facilite la programmation informatique de la fonction de cout J.
Selon un aspect de l'invention, la fonction de cout J à un instant (t) quelconque s'écrit sous la forme suivante :
m = Mo) - ώ(ο))Γ^1 (ω(ο) - ώ(ο)) +∑ Mi) - *(j - i))r Q"1 Mi) - "(j - 1)) +
3=1 j=l J-l où ω est un vecteur ordonné composé de toutes les composantes de la vitesse des points de l'espace où le vent est estimé, ω(0) est l'estimation de la vitesse du vent au temps 0, P0, Q, Rs et Rm sont des matrices de pondération de dimension appropriée, et Cs, Cm sont des matrices qui prennent en compte la vitesse du vent et les bruits de mesure.
En utilisant une telle fonction de coût, il est possible d'estimer la vitesse du vent en un point d'estimation. En outre une telle fonction permet d'avoir une interprétation claire des matrices de pondération P0, Q, Rs et Rm.
Selon un aspect de l'invention, les mesures de l'amplitude et de la direction du vent aux différents points de mesure s'effectuent à un taux d'échantillonnage d'au moins 0.25Hz. L'utilisation d'une telle plage de fréquences d'échantillonnage a pour effet d'obtenir plusieurs mesures en simultané sur un même axe de mesure tout en ayant des mesures qui soient fiables et précises.
Selon un aspect de l'invention, les mesures de l'amplitude et de la direction du vent aux différents points de mesure sont prises à au moins deux distances différentes le long de l'axe de mesure. Des mesures effectuées à au moins deux distances permettent de définir un volume tridimensionnel suffisant pour englober les pâles d'une éolienne comme cela sera décrit par la suite.
Selon un aspect de l'invention, les mesures de l'amplitude et de la direction du vent sont prises le long d'au moins trois axes de mesure. Le fait d'avoir au moins trois axes de mesures permet un maillage fin de l'espace en amont et permet également d'avoir une quantité de mesures suffisante pour l'étape d'estimation de la vitesse du vent.
Selon un aspect de l'invention, la cohérence spatiale de la vitesse du vent suivant des axes x, y et z d'un repère cartésien est estimée par une formule du type :
Figure imgf000007_0001
o Ci caractérise la variation de la vitesse du vent pour un domaine d'estimation le long de l'axe longitudinal et
o Ct caractérise la variation de la vitesse du vent pour un domaine d'estimation le long de l'axe latéral y et
o Cv caractérise la variation de la vitesse du vent pour un domaine d'estimation le long de l'axe vertical z et
Une telle caractérisation a pour effet de rendre possible le codage informatique d'une telle fonction.
Selon un aspect de l'invention, la cohérence spatiale de la vitesse du vent suivant les axes x, y et z du repère cartésien est estimée avec les hypothèses suivantes :
FEU I LLE DE REM PLACEM ENT (RÈG LE 26) o La variation de la vitesse du vent le long de l'axe longitudinal x est faible et la dérivée partielle dvx/dx es. relativement petite le long de l'axe longitunal, o le vent change sans à-coup le long de l'axe latéral y et la dérivée partielle dvx/dy est petite le long de l'axe latéral y,
o le vent change avec une loi de puissance suivant l'axe vertical z qui est donnée par :
Figure imgf000008_0001
où a est un exposant de la loi de puissance, Vf est le vent longitudinal à une altitude ^ au- dessus du sol, et zr une altitude de référence.
De telles hypothèses sont réalistes et permettent des estimations de vitesses du vent qui sont fiables et précises.
Selon un aspect de l'invention, la qualité des mesures effectuées par le LiDAR est représentée par un modèle de la forme :
Figure imgf000008_0002
où 6m décrit les bruits de mesure.
La formulation de ce type permet de prendre en compte les inexactitudes des mesures du LiDAR.
Selon un aspect de l'invention, l'estimation des amplitudes et des directions du champ de vent à un instant (t) sur l'ensemble des points d'estimation est donnée par la formule suivante : ω( ) = ω(ί - 1) + K(y(t) - Cw(t - 1))
La formule précédente a pour intérêt de relier les estimations de la vitesse du vent dans le temps pour les points d'estimation.
L'invention concerne également un produit programme d'ordinateur qui comprend des instructions de code agencées pour mettre en œuvre les étapes du procédé d'acquisition et de modélisation précédemment décrit. Le programme est exécuté sur une unité de traitement du LiDAR.
L'invention concerne aussi un capteur LiDAR qui comprend en mémoire les instructions de code d'un produit programme d'ordinateur tel que décrit précédemment et qui est agencé pour exécuter un tel produit programme d'ordinateur. De cette manière, un capteur LiDAR qui exécute un tel produit programme d'ordinateur renverra une information fiable d'un champ de vent incident en trois dimensions et en temps réel.
Un objet de l'invention concerne également une éolienne qui comprend un capteur LiDAR tel que décrit précédemment.
Selon un aspect de l'invention, le capteur LiDAR est disposé sur la nacelle de ladite éolienne.
Enfin l'invention concerne également un procédé de contrôle et/ou de surveillance d'une éolienne équipée d'un capteur LiDAR et un automate de pilotage, et le procédé comprend les étapes suivantes :
a) Une étape d'élaboration d'une stratégie de contrôle par anticipation de ladite éolienne en exploitant la reconstruction du champ de vent incident en trois dimensions et en temps réel,
b) Une étape de pilotage intégrant la stratégie de contrôle élaborée qui consiste à piloter l'angle des pâles ou l'orientation de la nacelle.
De cette manière la mise à disposition d'une information suffisamment robuste et précise de l'état de vent incident en approche du rotor, permet une nouvelle approche de contrôle, avec l'intégration d'un terme de pré-positionnement dynamique et préventif. En outre, la capacité de reconstruire en ligne, en temps réel, un champ de vent incident en approche du plan rotor ouvre de nombreuses perspectives d'exploitation : quantification du désalignement de l'éolienne, courbe de puissance, fonction de transfert de la nacelle, détection de rafales, surveillance et diagnostic du chargement et des risques de fatigue, optimisation de la maintenance préventive, analyse de la ressource, optimisation de la production. Ceci permet alors d'augmenter le rendement des éoliennes, de réduire les coûts de maintenance, d'augmenter la durée de vie des composants et de réduire les coûts d'investissement en optimisant le design.
Présentation succincte des figures
D'autres caractéristiques et avantages du procédé selon l'invention, apparaîtront à la lecture de la description ci-après d'un exemple non limitatif de réalisation, en se référant aux figures annexées et décrites ci-après.
La figure 1 illustre une éolienne équipée d'un capteur LiDAR selon l'invention.
La figure 2 illustre les étapes du procédé d'acquisition et de modélisation par le capteur LiDAR selon l'invention.
La figure 3 est une vue de face du maillage de l'espace selon l'invention.
La figure 4 est une vue en perspective du maillage de l'espace selon l'invention. La figure 5 illustre un champ de vent en 3D reconstruit à partir des mesures du LiDAR dans un cas particulier.
La figure 6 illustre les étapes du procédé de pilotage de l'éolienne selon l'invention.
Description détaillée de l'invention
Notations
Au cours de la description, les notations suivantes sont utilisées :
x, y, z : directions du repère tridimensionnel, avec z l'axe vertical et x la direction principale du vent.
Θ et φ : angles d'orientation dudit capteur LiDAR. Ces angles sont explicités sur la figure 1 : l'angle Θ est l'angle fait par la projection de l'axe de mesure du
LiDAR dans le plan (y z), et φ est l'angle fait par la projection de l'axe de mesure du LiDAR dans un plan constitué de l'axe x et de la projection de l'axe de mesure du LiDAR dans le plan (y, z).
m(t) : mesure du capteur LiDAR à un point de mesure.
- Vj,x(k), Vj,y(k), vj,z(k) : projections de la vitesse du vent sur x, y, z.
- ω : vecteur ordonné composé de toutes les composantes de la vitesse du vent aux points de l'espace où le vent est estimé sur les axes x, y et z du repère tridimensionnel.
- <3(t) : estimation de co(t) à l'instant t.
- P(t) : matrice auxiliaire variable dans le temps, qui peut être obtenue à l'instant t.
P0, Q, Fis et Rm sont des matrices de pondération de dimension appropriée.
Dans la suite de la description, le terme « LiDAR » est utilisé pour désigner un capteur « LiDAR ».
L'invention concerne en premier lieu un procédé d'acquisition et de modélisation par un capteur LiDAR d'un champ de vent incident dans le but d'estimer la vitesse et la direction du vent pour un champ de vent en approche et en amont du LiDAR et ceci de la manière la plus fiable possible. Cette estimation doit être faite en ligne, en temps réel, pour un champ de vent 3D échantillonné.
La figure 2 représente les différentes étapes du procédé d'acquisition et de modélisation selon l'invention :
1 . Maillage (MA) de l'espace situé en amont dudit capteur LiDAR, le maillage comprend des points d'estimation (PE) et des points de mesure (PM). 2. Mesure (MES) de l'amplitude et de la direction du vent aux différents points de mesure (PM).
3. Estimation (EST) de l'amplitude et de la direction du vent à un instant (t) quelconque pour l'ensemble des points d'estimation (PE).
4. Reconstruction (MOD 3D) du champ de vent incident en trois dimensions (3D) et en temps réel sur l'ensemble des points discrétisés.
La figure 1 représente une éolienne 1 équipée d'un capteur LiDAR 2. Le capteur LiDAR 2 est utilisé pour mesurer la vitesse du vent à une distance donnée sur un point de mesure PM. La connaissance en avance de la mesure de vent permet à priori de donner beaucoup d'informations.
Il existe plusieurs types de capteur LiDAR, par exemple les capteurs LiDAR scannés, LiDAR continu ou LiDAR puisés. Dans le cadre de l'invention, on utilise de préférence un LiDAR puisé. Cependant les autres technologies de LiDAR peuvent être utilisées tout en restant dans le cadre de l'invention. Comme visible à la figure 1 , qui est un exemple de réalisation, le LiDAR utilisé comporte 5 faisceaux ou axes de mesures (bO, b1 , b2, b3, b4). De manière non limitative, le procédé d'acquisition et de modélisation fonctionne également avec un LiDAR comportant trois faisceaux ou plus. Le capteur LiDAR puisé 5 faisceaux est monté sur une nacelle 3 d'éolienne 1 .
Classiquement une éolienne 1 permet de transformer l'énergie cinétique du vent en énergie électrique ou mécanique. Pour la conversion du vent en énergie électrique, elle se compose des éléments suivants :
- un mât 4 permettant de placer un rotor (non représenté) à une hauteur suffisante pour permettre son mouvement (nécessaire pour les éoliennes à axe horizontal) ou de placer ce rotor à une hauteur lui permettant d'être entraîné par un vent plus fort et régulier qu'au niveau du sol 6. Le mât 4 abrite généralement une partie des composants électriques et électroniques (modulateur, commande, multiplicateur, générateur, ...) ;
- une nacelle 3 montée au sommet du mât 4, abritant des composants mécaniques, pneumatiques, certains composants électriques et électroniques (non représentés), nécessaires au fonctionnement de la machine. La nacelle 3 peut tourner pour orienter la machine dans la bonne direction ;
- le rotor, fixé à la nacelle, comprenant plusieurs pales 7 (en général trois) et le nez de l'éolienne. Le rotor est entraîné par l'énergie du vent, il est relié par un arbre mécanique directement ou indirectement (via un système de boite de vitesse et d'arbre mécanique) à une machine électrique (générateur électrique...) (non représentés) qui convertit l'énergie recueillie en énergie électrique. Le rotor est potentiellement doté de systèmes de contrôle tels que des pâles à angle variable ou des freins aérodynamiques ;
- une transmission, composée de deux axes (arbre mécanique du rotor et arbre mécanique de la machine électrique) reliés par une transmission (boite de vitesse) (non représentés).
Dans la description exposée ci-après, le procédé d'acquisition et de modélisation décrit est théorique et fonctionne indépendamment de l'éolienne 1 . Cependant les différents exemples et développements sont donnés dans le cas d'un LiDAR monté sur la nacelle 3 de l'éolienne 1 de manière à réaliser les différentes étapes du procédé d'acquisition et de modélisation représentées à la figure 2 à une certaine altitude par rapport au sol 6.
Dans cette partie, les différentes étapes du procédé d'acquisition et de modélisation selon l'invention sont décrits : 1 . Maillaqe (MA) de l'espace situé en amont dudit capteur LiDAR
Dans cette première étape, l'espace en amont du capteur LiDAR est défini selon un maillage comme visible aux figures 1 , 3 et 4. Dans cette étape un système de coordonnées dans lequel le Lidar effectue des mesures est défini. Le système de coordonnées défini est le trièdre direct illustré sur les figures 1 et 3. Les origines x - y de ce système sont au niveau du positionnement du LiDAR sur la nacelle 3, et l'origine z est au niveau du sol 6.
L'axe x pointe horizontalement dans la direction du vent, l'axe z pointe verticalement vers le haut et l'axe y est perpendiculaire pour former un repère tridimensionnel direct (conformément à la règle de la main droite).
Dans cette étape, le maillage de l'espace comprend un ensemble de points discrétisés placés en amont et qui définissent une grille tridimensionnelle. Pour chaque distance x fixée, le plan y - z est divisé en cellules sans chevauchement comme visible sur la figure 3. Le maillage comprend des points de mesure (PM) et des points d'estimations (PE) de la vitesse du vent.
En lien avec ce maillage de l'espace, on définit également des variables sous-jacentes, dites variables d'optimisation, nécessaires à l'étape d'estimation décrite ci-dessous. Afin de permettre une implémentation astucieuse et efficace de l'algorithme d'optimisation décrit plus bas, on rassemble toutes les variables d'optimisation dans un vecteur ordonné, noté ω. L'ordre déterminé pour ces variables d'optimisation est un élément d'ingénierie crucial pour la faisabilité et la performance d'un algorithme de codage de ce procédé.
Un vecteur ω est défini pour chaque point de l'espace discrétisé et il est composé de toutes les composantes vx des points de l'espace (PE) où le vent est estimé, suivies respectivement par les composantes vy et vz. L'estimation de la vitesse du vent en n points implique la construction d'un vecteur ω de taille 3n, avec Wi à W« contenant tous les vx, + i à Win contenant tous les vy, et Win + i à W3n contenant tous les vz.
L'exemple suivant est donné pour les composantes vx de la vitesse du vent, étant entendu que la méthode est identique pour vy et vz. Comme cela a été réalisé dans l'étape initiale, et comme visible sur la figure 3, l'espace est discrétisé en x, y et z avec nx points en x, ny points en y et nz points en z.
Dans cette configuration on a : n = ητηνη~
On définit par i/y^ la composante de la vitesse du vent vx, dont la coordonnée est (x,, y, , zk). L'indice / de Wi , où se situe l'estimation correspondante, s'obtient ainsi : l = (na - {)nynz + (k - l)ny + j Par exemple, si i = nx, k = 1 et j = 1 , alors l = {nx - i)nynz + - !)¾ + J = 1
Cela correspond au coin supérieur gauche du domaine d'estimation, à la distance la plus éloignée en amont du plan rotor, comme illustré sur la figure 4.
2. Mesure (MES) de l'amplitude et de la direction du vent à différents points de mesure
Dans un second temps, le capteur LiDAR réalise une mesure m(t) relative à la vitesse du vent en un point de mesure (PM) situé en amont de l'éolienne 1 . Cette mesure m(t) correspond au signal reçu par le capteur en provenance du point de mesure (PM) en réponse au signal émis par le capteur LiDAR. En effet, par interférométrie et effet Doppler, une partie de signal Laser émis par le capteur LiDAR est réfléchi par les molécules d'air au point de mesure et également par les aérosols, (poussières et microparticules en suspension). Le point de mesure est défini par les caractéristiques du capteur LiDAR, notamment la distance focale, ainsi que par son orientation. Cette mesure, dépendante de la vitesse du vent, est un temps et dépend de l'orientation du capteur LiDAR.
Pour le cas étudié du LiDAR puisé, les mesures sont obtenues successivement selon le maillage défini à l'étape précédente, en commençant par le faisceau longitudinal bO, puis le faisceau oblique b1 , jusqu'au faisceau b4. Une caractéristique intéressante de ce système est qu'il permet de mesurer la projection de la vitesse du vent à plusieurs distances, simultanément, pour un faisceau donné. Il est ainsi possible d'obtenir, par exemple, 10 distances successives entre 50m et 400m, à un taux d'échantillonnage de 0.25Hz ou de 1 Hz. Il est bien sur possible de se limiter à deux mesures, qui sont suffisantes pour reconstruire un modèle en trois dimensions. A chaque temps d'échantillonnage, les seules mesures du faisceau courant sélectionné sont rafraîchies.
Dans un cas particulier, conforme à la figure 4, les mesures sont faites à sept distances et notamment à x= [50 80 120 160 200 240 280] m pour les cinq faisceaux. Ainsi pour chaque x fixé, le plan y - z est divisé en cellules comme suit :
· Les quatre premiers points (PM) correspondent aux coordonnées y - z des points de mesure pour les faisceaux 1 , 2, 3, 4 de la distance x = 280m.
• Les quatre seconds points (PM1 ) correspondent aux coordonnées y - z des points de mesure pour les faisceaux 1 , 2, 3, 4 de la distance x = 240m.
• Les quatre troisièmes points (PM2) correspondent aux coordonnées y - z des points de mesure pour les faisceaux 1 , 2, 3, 4 de la distance x = 200m.
• Les quatre quatrièmes points (PM3) correspondent aux coordonnées y - z des points de mesure pour les faisceaux 1 , 2, 3, 4 de la distance x = 160m.
• Les quatre cinquièmes points (PM4) correspondent aux coordonnées y - z des points de mesure pour les faisceaux 1 , 2, 3, 4 de la distance x = 120m.
· Les quatre sixièmes points (PM5) correspondent aux coordonnées y - z des points de mesure pour les faisceaux 1 , 2, 3, 4 de la distance x = 80m.
• Les quatre septièmes points (PM6) correspondent aux coordonnées y - z des points de mesure pour les faisceaux 1 , 2, 3, 4 de la distance x = 50m.
• Le point central (PM7) correspond aux coordonnées y - z des points de mesure pour le faisceau 0 pour toutes les distances.
Les mesures m(k) de LiDAR pour les faisceaux j = 0, 1 , 2, 3, 4 à la distance x mètres, et à l'instant k sont données par la formule mj, x(k) , avec j = 0, 1 , 2, 3, 4.
Par exemple, m0,50(1 ) est la mesure de LiDAR pour le faisceau j = 0 à la distance x = 50 mètres et à l'instant instantané k = 1. Dans le cadre de l'invention, la mesure LiDAR est alors donnée par une formule du type : m3>x {k) = aj VjfX (k) + %i½, (fc) + c3vjtZ(k) où Vj (k), Vj>z(k) sont des valeurs de la vitesse du vent projetées sur un repère donné au temps initial (k), et dj , bj , Cj , avec j = 0, 1 , 2, 3, 4 sont des coefficients de mesure, qui sont donnés comme,
Figure imgf000015_0001
où Θ j ,(pj , avec j = 0, 1 , 2, 3, 4 sont respectivement le zénith et l'azimut de l'axe de mesure dans un système de coordonnée sphérique.
L'avantage de définir l'équation de mesure LiDAR dans le repère précédemment défini, avec le choix de discrétisation spatiale choisi, est que celle-ci peut être utilisée directement, puisque les coordonnées du point de mesure coïncident avec un point particulier de l'espace discrétisé.
3. Estimation (EST) de l'amplitude et de la direction du vent à un instant (t) quelconque sur l'ensemble des points discrétisés
Cette étape consiste à obtenir une valeur du vent sur les points d'estimation (PE) du maillage.
A cet effet l'estimation est effectuée au moyen de l'optimisation par une méthode de moindre carrés récursifs pondérés d'une fonction de coût qui utilise les données mesurées m(k) du LiDAR, mais aussi des données de cohérence spatiale de la vitesse du vent, des données de variation temporelle de la vitesse du vent, ainsi que des données qualifiant la qualité des mesures m(k) du LiDAR. C'est ce qui est explicité par la suite.
La prise en compte de la cohérence temporelle permet de quantifier la « ressemblance » de l'estimation du champ de vent à une date t, à l'estimation du champ de vent à une date antérieure (t-1 , t-2, ...).
La mise en œuvre de la minimisation par moindre carrés récursifs pondérés de la fonction de coût, en intégrant la cohérence temporelle, correspond à l'implémentation d'un filtre de Kalman étendu.
ω({) = ω(β— 1 ) + Kl tji f ) — Oùj t
Figure imgf000015_0002
L'atout de cette approche est la capacité à considérer une mise à jour de l'estimation du champ de vent à une date t, même si les mesures acquises à la date t ne sont pas valides ou fiables. Ceci en s'appuyant sur l'estimation du champ de vent obtenue à une date antérieure ( t-1 , t-2, etc .). Ainsi, par extension, la reconstruction du champ de vent est robuste à la non-disponibilité de données du dispositif d'acquisition, sur un laps de temps limité lié à la limite de cohérence temporelle de l'estimation. Une implémentation directe de cette solution, est la mise en place d'une zone mémoire tampon, communément nommée « buffer », et contenant les dernières mesures valides de chaque faisceau, à chaque distance du LiDAR. Ce buffer est alors la source de données d'entrée pour l'algorithme de reconstruction.
Par exemple, pour un dispositif puisé 4-faisceaux, acquérant sur 10 distances, le buffer disposera de 4*10 places, où seront stockées les 40 dernières mesures radiales acquises valides. Ainsi, des indicateurs tels que la moyenne spatiale de la vitesse du vent à une distance donnée, seront stabilisés et fiabilisés par la disponibilité, à chaque date d'acquisition, de la totalité des mesures, qu'elles soient courantes, retardées ou estimées. En effet, il est avéré que, ne pas considérer la totalité des faisceaux pour établir un indicateur spatial du vent, aboutit à des valeurs erronées pour des moyennes spatiales, en particulier lorsque le vent est sujet à des cisaillements, ou lorsque le dispositif d'acquisition est désaligné par rapport à la direction prépondérante du vent.
Il est également nécessaire de joindre une datation ou un indicateur de l'obsolescence des données stockées, afin de pouvoir déterminer leur pertinence en tant que source d'information pour la mise à jour de l'estimation du champs de vent. Cette pertinence dépend de la cohérence temporelle du phénomène estimé, à savoir le champ de vent en propagation vers l'éolienne où est positionné le LiDAR. La cohérence temporelle du vent peut-être un paramètre de réglage, où issu d'un modèle de vent.
L'exploitation robuste de l'approche décrite dans le brevet nécessite la fourniture d'un indice ou d'un intervalle de confiance, accompagnant l'estimation du champs de vent et ses quantités descriptives associées, à chaque instant. Les quantités descriptives du champs de vent peuvent être par exemple : les cisaillements horizontaux et verticaux de l'amplitude et de la direction, la vitesse et direction moyenne à chaque distance de mesure, l'intensité de turbulence, ...
Cet intervalle de confiance est construit à partir d'une équation prenant en compte : - Le nombre de mesures valides à la date d'acquisition courante
- La datation des dernières mesures valides, si les dernières acquisitions obtenues ne sont pas toutes fiables
- L'intervalle de confiance intrinsèque à l'algorithme de reconstruction. Cet intervalle de confiance dépend de la variance déduite du processus d'estimation. Dans le cas de l'implémentation par un filtre de Kalman, il pourra s'agir des valeurs de la matrice de covariance du processus modélisé. Ces considérations permettent de synthétiser de manière robuste et fiable une incertitude à associer à la reconstruction du champ de vent, qui intègre la disponibilité et l'obsolescence des mesures avec l'indice de confiance intrinsèque de l'estimateur.
Cette incertitude peut être fournie avec la mesure, et assimilée à l'écart type global de l'estimation. Cette quantité est une information très pertinente pour des exploitations de la reconstruction dans un contexte de diagnostic temps réel, ou de contrôle assisté par LiDAR d'une éolienne.
3.1 Différences spatiales
Ces sous sections visent à définir les données de cohérence spatiale du vent dans le cadre de l'invention et plus particulièrement dans le cadre d'un LiDAR monté sur la nacelle 3 d'une éolienne 1 .
Dans cette étape, on considère les composantes de la vitesse du vent sur les axes x, y et z du repère précédemment défini.
Lors de cette étape d'estimation, il est admis que la vitesse du vent change relativement peu dans l'espace, et que le vent a une forte cohérence spatiale dans un faible volume de l'espace. L'exposé suivant est fait ici pour les composantes vx, c'est-à-dire pour les premières n variables de ω avec un domaine d'estimation représenté sur la figure 4 (L'approche est similaire pour les composantes vy e\ vz) et en prenant nx = ny = nz = 3.
3.1 .1 Différence longitudinale
La différence longitudinale correspond au changement de vx le long de l'axe x et celui-ci change doucement selon l'invention. Dans ce cas la dérivée partielle dvx/dx est relativement petite. En d'autres termes,
Figure imgf000017_0001
L'équation précédente peut être écrite sous une forme vectorielle compacte comme :
Ͼ 0
ou
Figure imgf000017_0002
Il est à noter que chaque ligne de Cx, contient un +1 et un -1 .
De façon analogue, on peut calculer la variation de vy et vz le long de l'axe longitudinal comme :
! Cyl J î¾ 0»
Cziùj fw 0 où Cy Czi sont, des matrices de coefficients, qui contiennent seulement un +1 et un -1 sur chaque ligne.
En définissant :
Figure imgf000018_0001
on obtient l'équation :
qui caractérise la variation de la vitesse du vent pour le domaine d'estimation le long de l'axe longitudinal.
3.1 .2 Différence latérale
La différence latérale est le changement de vx le long de l'axe y. De façon analogue, puisque le vent change sans à-coup, la dérivée partielle dvx/dy est relativement petite, d'autres termes,
Figure imgf000018_0002
On peut écrire l'équation précédente dans une forme vectorielle compacte comme
0
ou
Figure imgf000018_0003
Chaque ligne de Ca contient un +1 et un -1 .
De façon analogue, la variation de vy et vz le long de l'axe latéral peut être calculée comme,
Figure imgf000019_0001
où Cyt, Czt sont des matrices de coefficients qui ne contiennent qu'un +1 et un -1 pour chaque ligne.
En définissant :
Figure imgf000019_0002
Il est clair que l'équation :
0
caractérise la variation de la vitesse du vent pour le domaine d'estimation le long de l'axe latéral.
3.1 .3 Différence verticale
Le profil vertical de la vitesse du vent est donné par une loi de puissance ce qui permet d'obtenir une description de la composante de vitesse du vent vx à différentes hauteurs qui est beaucoup plus précise.
Le profil vertical de la vitesse de vent décrit l'évolution de la vitesse de vent longitudinale en fonction de l'altitude relative au sol. La loi de puissance ("power law") du profil de la vitesse du vent est généralement utilisée pour estimer la vitesse du vent longitudinal v, à une altitude au-dessus du sol z, compte tenu de la vitesse longitudinale du vent vlr à une altitude de référence zr, en utilisant l'équation,
Figure imgf000019_0003
où alpha est l'exposant de loi de puissance, qui est généralement spécifié en fonction de la stabilité.
La valeur constante alpha = 1/7 est couramment utilisée, en cohérence avec une hypothèse de cisaillement du vent relativement faible. Cependant, il faut noter que considérer alpha constant, revient à faire abstraction de la rugosité de la surface du sol, des interactions du vent avec d'éventuels obstacles, et de la stabilité de l'atmosphère.
En utilisant cette loi de puissance on a ainsi une différence verticale du vent donnée par :
Figure imgf000020_0001
où zy est la hauteur de ω, a est l'exposant de loi de puissance, qui est supposé être 1/7. On peut écrire l'équation précédente dans une forme vectorielle compacte comme :
ou
+i o o 0 0 . . . 0 0 0 0
Figure imgf000020_0002
De façon analogue, on peut quantifier la variation de i/ et vz le long de l'axe vertical comme
Figure imgf000020_0003
Cependant, comme la loi de puissance du profil du vent ne s'applique qu'à la vitesse longitudinale du vent, Cyv, Czv ne contiennent qu'un +1 et un -1 pour chaque ligne.
En définissant :
Figure imgf000020_0004
On obtient l'équation :
qui caractérise la variation de la vitesse du vent pour le domaine d'estimation le long de l'axe vertical.
Enfin, en utilisant :
et
Figure imgf000020_0005
on a
Figure imgf000021_0001
où de manière équivalente,
% 0 qui est l'équation qui caractérise la variation de la vitesse totale du vent le long de l'axe x, y et z.
Avec : ,
3.2 Mesures LiDAR
Pour les besoins du calcul, il est important de réécrire l'équation de mesure sous forme vectorielle de w . Dans l'exemple précédent d'un LiDAR à cinq faisceaux et pour sept mesures par faisceaux, on a j = 0, 1 , 2, 3, 4, et x =[50, 80, 120, 160, 200, 240, 280],
Figure imgf000021_0002
En combinant avec
Figure imgf000021_0003
on obtient,
Figure imgf000021_0004
ou
Figure imgf000021_0005
que l'on peut réécrire sous une forme vectorielle compacte
Cm = mm ou
Figure imgf000022_0001
Pour prendre en compte les bruits de mesure, un modèle plus réaliste pour les mesures de Lidar peut être introduit comme suit,
où £mdécrit les bruits de mesure.
3.3 La méthode des moindres carrés récursifs pondérés
Il est admis que la vitesse du vent change peu non seulement dans l'espace, mais aussi dans le temps. Dans ce qui suit, on fournit un moyen de prendre en compte cette information dans l'approche par optimisation. ω(0) est l'estimation de la vitesse du vent au temps 0. A chaque instant, le problème d'o timisation est le suivant :
Figure imgf000022_0002
II existe quatre termes dans la fonction de coût précédente.
• Le premier terme pénalise la connaissance de la vitesse initiale du vent ω(0).
• Le second terme pénalise la variation de la vitesse du vent dans le temps.
• Le troisième terme pénalise la variation de la vitesse du vent dans l'espace.
• Le quatrième terme pénalise la qualité de mesure Lidar.
En utilisant la formule précédente, on peut avoir une interprétation claire des matrices de pondération P0, Q, Rs et Rm. Ainsi :
• Si la vitesse du vent ω{\) au temps t = 0 est bien connue, alors ω(0) = ω(0), alors P0 est petit. Autrement P0 est grand.
· S'il y a beaucoup de variations de la vitesse du vent dans le temps, alors Q est grand. Autrement Q est petit.
• Si la vitesse du vent change rapidement, alors Rs est grand. Autrement Rs est petit. • S'il y a beaucoup de bruits dans les mesures Lidar, alors Rmest grand. Sinon, Rm est petit.
Dans le cas où l'on considère les trois cas limitatifs suivants :
• Aucune information sur la vitesse initiale du vent n'est disponible. Par conséquent P0 est très grand. Le terme :
Figure imgf000023_0001
peut ainsi être négligé dans la fonction de coût.
Il n'y a aucune relation entre la vitesse du vent à l'instant t et la vitesse du vent à l'instant t-1 . Dans ce cas, on peut choisir Q très grand. Le terme suivant peut être négligé :
Figure imgf000023_0002
• La variation de la vitesse du vent dans l'espace est très faible. Dans ce cas, on peut prendre Rs très petit. Le terme suivant est important dans la fonction de coût :
Figure imgf000023_0003
On définit :
Figure imgf000023_0004
La méthode des moindres carrés récursifs pondérés utilisée pour résoudre le problème d'optimisation se présente de la façon suivante :
On initialise les variables d'o timisation de la manière suivante
Figure imgf000023_0005
A chaque instant t :
■ on définit :
Figure imgf000023_0006
où 0 est un vecteur nul de dimension appropriée.
■ On calcule une matrice auxiliaire K telle que K = (P(t - 1) + Q)C(CT(P(t - 1) + Q)C + R)'1 ■ On calcule la matrice P(t) telle que
P{t) = (I - KC) P(t - l) où J est une matrice d'identité de dimension appropriée.
■ La vitesse du vent à l'instant t est alors estimée ainsi : ω(ί) = ω(ί - 1) + K(y(t) - Cuj t - 1))
4. Reconstruction du champ de vent incident en trois dimensions (3D) et en temps réel
Dans cette étape, un processeur intégré au capteur LiDAR récupère l'ensemble des données d'amplitude et de direction du vent mesurées et estimées durant les étapes précédentes. La récupération de ces données se fait en temps réel pour chaque point de mesure (PM) et d'estimation (PE) définis précédemment. Ainsi le capteur LiDAR est en mesure de reconstruire l'ensemble du champ de vent incident sur le LiDAR comme visible à la figure 5.
Sur la même figure 5, un champ de vent reconstruit est représenté pour un temps à 68 secondes. En ordonnée, il est représenté l'altitude relative au sol (en m) et en abscisse il est représenté la distance à la nacelle (en m) et les positions relatives latérales au LiDAR (en m).
L'invention concerne en second lieu un procédé de contrôle et/ou de surveillance d'une éolienne équipée avec un capteur LiDAR tel que décrit précédemment et un automate de pilotage 10 afférent qui comprend les étapes suivantes :
i) Une étape d'élaboration d'une stratégie de contrôle (CON) par anticipation de ladite éolienne 1 en exploitant la reconstruction du champ de vent incident en trois dimensions et en temps réel obtenu par le procédé selon l'invention,
ii) Une étape de pilotage (PIL) intégrant la stratégie de contrôle élaborée qui consiste notamment à piloter l'angle des pâles 7 ou l'orientation de la nacelle 3.
La figure 6 représente le fonctionnement global d'une telle éolienne 1 . L'éolienne 1 comprend à cet effet un capteur LiDAR 2 conforme à l'invention, et son unité de traitement, un dispositif informatique comprenant une solution logicielle de reconstruction 3D du champ de vent, un automate de pilotage intégrant la stratégie de contrôle et un dispositif de pilotage des pales et/ou de la nacelle de l'éolienne. En lien avec la figure 6, l'invention appliquée à une éolienne fonctionne de la manière suivante : • Premièrement, le LiDAR effectue l'étape d'acquisition et de modélisation du champ de vent incident telle que décrite précédemment de manière à reconstruire un champ de vent incident 3D (étapes ME, MA, EST, MOD 3D de la figure 6),
• Deuxièmement, l'automate de pilotage 10 élabore la stratégie de contrôle (CON) et effectue le pilotage (PIL) des organes de l'éolienne 1 en tenant compte de la stratégie de contrôle élaborée.
Ce procédé selon l'invention permet d'analyser en temps réel le vent incident ou détecter des rafales, des courbes de puissance et des intensités de turbulence ce qui peut servir à réguler ou superviser l'éolienne de manière à obtenir un meilleur alignement de l'éolienne, ce qui conduit à une optimisation de la production et une minimisation des charges et de la fatigue.

Claims

Revendications
Procédé d'acquisition et de modélisation par un capteur LiDAR d'un champ de vent incident dans un espace situé en amont dudit capteur LiDAR caractérisé en ce que le procédé comprend : a) une étape de maillage (MA) de l'espace situé en amont dudit capteur LiDAR dans laquelle le maillage de l'espace est réalisé par un ensemble de points discrétisés positionnés selon une grille tridimensionnelle prédéfinie qui comprend un ensemble de mailles composées de points d'estimation et de points de mesure (PM), b) une étape de mesure (MES) de l'amplitude et de la direction du vent aux différents points de mesure (PM) situés dans l'espace en amont et positionnés à au moins deux distances distinctes du capteur LiDAR, le long d'au moins trois axes de mesure, c) une étape d'estimation (EST) de l'amplitude et de la direction du vent à un instant (t) quelconque sur l'ensemble des points d'estimation et l'estimation est effectuée au moyen de l'optimisation par une méthode de moindre carrés récursifs pondérés d'une fonction de coût qui utilise au moins les données des points de mesure (PM), des données de cohérence spatiale de la vitesse du vent, des données de cohérence temporelle de la vitesse du vent, ainsi que des données qualifiant la qualité des mesures effectuées sur les points de mesure, d) une étape de reconstruction (MOD 3D), en temps réel et dans un repère défini, du champ de vent incident en trois dimensions (3D) à partir des amplitudes et des directions du vent estimées et mesurées pour chaque point dudit maillage (MA).
Procédé selon la revendication 1 , caractérisé en ce que la mesure m de l'amplitude et de la direction du vent en un oint de mesure (PM) est donnée par une relation de la forme :
Figure imgf000026_0001
où Vj,x(k), Vj,y(k), Vj,z(k) sont des valeurs de la vitesse du vent projetées sur un repère donné au temps initial (k), et ctj , bj , q avec j = 0, 1 , 2, 3, 4 sont des coefficients de mesure, qui sont donnés comme,
Figure imgf000027_0001
où θ\ ,φϊ , j = 0, 1 , 2, 3, 4 sont respectivement le zénith et l'azimut de l'axe de mesure dans un système de coordonnée sphérique. 3) Procédé selon l'une des revendications précédentes, caractérisé en ce que la fonction de cout J à un instant (t) quelconque s'écrit sous la forme suivante :
J(t) = (ω(0) ) +
Figure imgf000027_0002
dans laquelle ω est un vecteur ordonné composé de toutes les composantes de la vitesse des points de l'espace où le vent est estimé, ώ(0) est l'estimation de la vitesse du vent au temps 0, P0, Q, Rs et Rm sont des matrices de pondération de dimension appropriée, et Cs, Cm sont des matrices qui prennent en compte la vitesse du vent et les bruits de mesure.
4) Procédé selon l'une des revendications précédentes, caractérisé en ce que les mesures de l'amplitude et de la direction du vent aux différents points de mesure (PM) s'effectue à un taux d'échantillonnage d'au moins 0.25Hz.
5) Procédé selon l'une des revendications précédentes, caractérisé en ce que les mesures de l'amplitude et de la direction du vent aux différents points de mesure (PM) sont prises à au moins deux distances différentes le long de l'axe de mesure.
6) Procédé selon l'une des revendications précédentes, caractérisé en ce que les mesures de l'amplitude et de la direction du vent sont prises le long d'au moins trois axes de mesure.
7) Procédé selon l'une des revendications précédentes, caractérisé en ce que la cohérence spatiale de la vitesse du vent suivant des axes x, y et z d'un repère cartésien est estimée par une formule du type: avec
Figure imgf000028_0001
ou :
Ci caractérise la variation de la vitesse du vent pour un domaine d'estimation le long de l'axe longitudinal x et
C, caractérise la variation de la vitesse du vent pour un domaine d'estimation le long de l'axe latéral y et
Cv caractérise la variation de la vitesse du vent pour un domaine d'estimation le long de l'axe vertical z et
le vecteur ω est un vecteur ordonné composé de toutes les composantes de la vitesse du vent aux points de l'espace où le vent est estimé.
8) Procédé selon la revendication précédente, caractérisé en ce que la cohérence spatiale de la vitesse du vent suivant les axes x, y et z du repère cartésien est estimée avec les hypothèses suivantes :
o La variation de la vitesse du vent le long de l'axe longitudinal x est faible et la dérivée partielle dvx/dx es. relativement petite le long de l'axe longitunal, o le vent change sans à-coup le long de l'axe latéral y et la dérivée partielle dvx/dy est petite le long de l'axe latéral y,
o le vent change avec une loi de puissance suivant l'axe vertical z qui est donnée par :
Figure imgf000028_0002
où alpha est un exposant de la loi de puissance, v, est le vent longitudinal à une altitude au-dessus du sol, et zr une altitude de référence.
9) Procédé selon l'une des revendications précédentes, caractérisé en ce que la qualité des mesures effectuées par le capteur LiDAR est représentée par un modèle de la forme :
Où 6m décrit les bruits de mesure.
10) Procédé selon l'une des revendications précédentes, caractérisé en ce que l'estimation des amplitudes et des directions du champ de vent à un instant (t) sur l'ensemble des points d'estimation est donnée par la formule suivante : ) = ω(ί - 1) + K(y(t) - Gu{t - 1))
1 1 ) Produit programme d'ordinateur caractérisé en ce qu'il comprend des instructions de code agencées pour mettre en œuvre les étapes d'un procédé d'acquisition et de modélisation par un capteur LiDAR d'un champ de vent incident selon l'une des revendications précédentes, lorsque ledit programme est exécuté sur une unité de traitement dudit capteur LiDAR.
12) Capteur LiDAR caractérisé en ce qu'il comprend en mémoire les instructions de code d'un produit programme d'ordinateur selon la revendication précédente et agencé pour exécuter un tel produit programme d'ordinateur.
13) Éolienne 1 caractérisée en ce que ladite éolienne 1 comprend un capteur LiDAR 2 selon la revendication précédente. 14) Éolienne 1 selon la revendication précédente caractérisé en ce que ledit capteur LiDAR est disposé sur la nacelle de ladite éolienne.
15) Procédé de contrôle et/ou de surveillance d'une éolienne 1 équipée avec un capteur LiDAR 2 et un automate de pilotage, caractérisé en ce qu'on réalise les étapes suivantes i) Une étape d'élaboration d'une stratégie de contrôle (CON) par anticipation de ladite éolienne en exploitant la reconstruction du champ de vent incident en trois dimensions et en temps réel obtenu par le procédé d'acquisition et de modélisation par un capteur LiDAR d'un champ de vent incident selon l'une des revendications 1 à 10,
ii) Une étape de pilotage (PIL) intégrant la stratégie de contrôle élaborée qui consiste à piloter l'angle de pâles 7 ou l'orientation d'une nacelle 3.
PCT/EP2018/066478 2017-06-21 2018-06-20 Procede d'acquisition et de modelisation par un capteur lidar d'un champ de vent incident Ceased WO2018234409A1 (fr)

Priority Applications (6)

Application Number Priority Date Filing Date Title
DK18731117.0T DK3642647T3 (da) 2017-06-21 2018-06-20 Fremgangsmåde til registrering og modellering af et omgivende vindfelt ved hjælp af en lidar-sensor
EP18731117.0A EP3642647B1 (fr) 2017-06-21 2018-06-20 Procede d'acquisition et de modelisation par un capteur lidar d'un champ de vent incident
ES18731117T ES2919049T3 (es) 2017-06-21 2018-06-20 Método de adquisición y modelización de un campo de viento incidente mediante un sensor LiDAR
CA3065892A CA3065892A1 (fr) 2017-06-21 2018-06-20 Procede d'acquisition et de modelisation par un capteur lidar d'un champ de vent incident
US16/621,450 US11248585B2 (en) 2017-06-21 2018-06-20 Method for acquiring and modelling an incident wind field by means of a LiDAR sensor
CN201880041899.8A CN110832351B (zh) 2017-06-21 2018-06-20 用于藉由lidar传感器来采集入射风场以及对其进行建模的方法

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
FR1755675 2017-06-21
FR1755675A FR3068139B1 (fr) 2017-06-21 2017-06-21 Procede d'acquisition et de modelisation par un capteur lidar d'un champ de vent incident

Publications (1)

Publication Number Publication Date
WO2018234409A1 true WO2018234409A1 (fr) 2018-12-27

Family

ID=59811537

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/EP2018/066478 Ceased WO2018234409A1 (fr) 2017-06-21 2018-06-20 Procede d'acquisition et de modelisation par un capteur lidar d'un champ de vent incident

Country Status (8)

Country Link
US (1) US11248585B2 (fr)
EP (1) EP3642647B1 (fr)
CN (1) CN110832351B (fr)
CA (1) CA3065892A1 (fr)
DK (1) DK3642647T3 (fr)
ES (1) ES2919049T3 (fr)
FR (1) FR3068139B1 (fr)
WO (1) WO2018234409A1 (fr)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3712621A1 (fr) 2019-03-18 2020-09-23 IFP Energies nouvelles Procede de prediction de la vitesse du vent dans le plan du rotor pour une eolienne equipee d'un capteur de teledetection par laser
CN112012882A (zh) * 2019-05-30 2020-12-01 北京金风科创风电设备有限公司 风电机组的前馈控制方法、装置以及控制系统
CN112100839A (zh) * 2020-09-08 2020-12-18 成都信息工程大学 在圆柱坐标系下的高逼真单体风暴解析风速场构建方法及系统
CN112114332A (zh) * 2019-06-19 2020-12-22 Ifp新能源公司 确定装备lidar传感器的风力涡轮机上游的风速垂直廓线的方法
EP3862563A1 (fr) 2020-02-10 2021-08-11 IFP Energies nouvelles Procede de determination de la direction du vent au moyen d'un capteur de teledetection par laser
CN113640791A (zh) * 2021-06-09 2021-11-12 西安电子科技大学 一种基于距离和瞬时速度的空间目标三维姿态重构方法
CN120122072A (zh) * 2025-01-17 2025-06-10 成都信息工程大学 基于径向速度二维滤波和雷达网络边缘风矢量平滑的三维风场反演方法

Families Citing this family (26)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102018008391A1 (de) * 2018-10-25 2020-04-30 Senvion Gmbh Steuerung einer Windenegaieanlage
FR3103562B1 (fr) * 2019-11-25 2022-06-24 Leosphere Procédé de traitement de données télémétriques pour l’estimation d’une vitesse du vent.
CN111472930B (zh) * 2020-03-23 2021-07-23 浙江大学 演化风速计算方法及基于该方法的前馈统一变桨控制方法
US11294063B2 (en) * 2020-04-02 2022-04-05 Mitsubishi Electric Research Laboratories, Inc. System and method for fast wind flow measurement by LiDAR in a complex terrain
CN111505596B (zh) * 2020-04-16 2022-05-13 北京理工大学重庆创新中心 基于非均匀采样修正vad技术的三维风场反演方法
CN111856511B (zh) * 2020-07-07 2024-06-18 北方激光研究院有限公司 改变扫描夹角的dbs风场扫描方法
CN112130171A (zh) * 2020-08-24 2020-12-25 成都英鑫光电科技有限公司 激光测风雷达、激光测风雷达系统和风力发电机
FR3114881B1 (fr) 2020-10-01 2022-09-09 Ifp Energies Now Procédé de détermination de la vitesse moyenne du vent au moyen d’un capteur de télédétection par Laser
FR3115115B1 (fr) 2020-10-14 2022-10-14 Ifp Energies Now Procédé de détermination d’un facteur d’induction entre un plan de mesure et le plan du rotor d’une éolienne
FR3116123B1 (fr) 2020-11-06 2022-10-14 Ifp Energies Now Procédé de détermination de la vitesse du vent dans le plan du rotor d’une éolienne
US11408396B2 (en) * 2021-01-08 2022-08-09 General Electric Renovables Espana, S.L. Thrust control for wind turbines using active sensing of wind turbulence
CN113607373B (zh) * 2021-07-05 2022-08-19 北京航空航天大学 基于离散多点测量数据的大跨度屋面风压分布快速重构算法
CN113468692B (zh) * 2021-07-19 2022-05-13 大连理工大学 一种基于延迟效应的三维风场高效模拟方法
FR3126248B1 (fr) 2021-08-20 2023-07-28 Ifp Energies Now Procédé de détermination de la vitesse du vent au moyen d’un capteur de télédétection par Laser monté sur une éolienne
CN114167522B (zh) * 2021-12-17 2024-07-02 深圳市云端高科信息科技有限公司 一种用于智慧城市高层建筑的风场监测与校正系统
CN116557222B (zh) * 2022-01-29 2024-05-03 金风科技股份有限公司 估计风力涡轮机转子处风速的方法及装置
CN115199483B (zh) * 2022-07-11 2023-11-10 南京牧镭激光科技股份有限公司 一种基于激光净空雷达的健康状态监测方法
CN116066296B (zh) * 2023-03-05 2026-04-14 河北诚和龙盛电力工程有限公司 风力发电机组偏航控制系统
CN116307307B (zh) * 2023-05-25 2023-08-18 长江三峡集团实业发展(北京)有限公司 一种风电场的超短期功率预测方法及系统
CN116517791B (zh) * 2023-05-30 2024-02-02 中电投新疆能源化工集团哈密有限公司 基于激光测风雷达的多环境适用风速综合监控系统及方法
CN117250632B (zh) * 2023-08-18 2024-03-08 华南理工大学 城市地貌粗糙度类别和风场特性获取方法、系统、设备和介质
CN117665824B (zh) * 2023-12-22 2024-08-20 中山大学 一种海面风场重构方法及系统
WO2026038198A1 (fr) * 2024-08-16 2026-02-19 Bernasconi Daniel Joseph Système de détermination et d'affichage d'un champ de vent et procédé d'utilisation
CN118917116B (zh) * 2024-10-10 2025-02-21 长江三峡集团实业发展(北京)有限公司 面向河谷地区风光水资源要素模拟的参数选择方法及装置
CN121385839B (zh) * 2025-10-22 2026-03-31 合肥气象量子技术创新研究中心 基于深度学习的单台测风激光雷达三维风场反演方法
CN121429562B (zh) * 2025-12-30 2026-03-24 中国海洋大学 基于激光雷达的抗扰复合风机变桨控制方法及系统

Family Cites Families (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2317327A1 (fr) * 2009-10-28 2011-05-04 SSB Wind Systems GmbH & Co. KG Système de capteur éolien utilisant des signaux de pale
GB2476316B (en) * 2009-12-21 2014-07-16 Vestas Wind Sys As A wind turbine having a control method and controller for predictive control of a wind turbine generator
US9086488B2 (en) * 2010-04-20 2015-07-21 Michigan Aerospace Corporation Atmospheric measurement system and method
US9234506B2 (en) * 2011-10-14 2016-01-12 Vestas Wind Systems A/S Estimation of wind properties using a light detection and ranging device
US8939081B1 (en) * 2013-01-15 2015-01-27 Raytheon Company Ladar backtracking of wake turbulence trailing an airborne target for point-of-origin estimation and target classification
US20140312620A1 (en) * 2013-04-17 2014-10-23 General Electric Company Method and apparatus for improving grid stability in a wind farm
GB2515578A (en) * 2013-06-30 2014-12-31 Wind Farm Analytics Ltd Wind Turbine Nacelle Based Doppler Velocimetry Method and Apparatus
FR3013777B1 (fr) * 2013-11-25 2015-11-13 IFP Energies Nouvelles Procede de controle et de surveillance d'une eolienne au moyen d'une estimation de la vitesse du vent au moyen d'un capteur lidar
EP2940295B1 (fr) * 2014-04-29 2018-04-11 General Electric Company Système et procédé de commande d'un parc éolien
US10100813B2 (en) * 2014-11-24 2018-10-16 General Electric Company Systems and methods for optimizing operation of a wind farm
CN104680584A (zh) * 2015-02-06 2015-06-03 北京邮电大学 一种森林场景的三维空间风场建模方法
WO2016187405A1 (fr) * 2015-05-19 2016-11-24 Ophir Corporation Systèmes et procédés pour prédire l'arrivée d'un évènement venteux
CN105372722B (zh) * 2015-12-16 2017-11-17 中国民用航空总局第二研究所 一种空域风场探测方法及其装置
CN105718695B (zh) * 2016-02-01 2021-06-22 华北电力大学 一种基于压缩传感的风场重建方法
FR3088971B1 (fr) * 2018-11-26 2021-02-19 Ifp Energies Now procédé d’acquisition et de modélisation par un capteur LIDAR d’un champ de vent incident

Non-Patent Citations (7)

* Cited by examiner, † Cited by third party
Title
"2009 American ContraI Conférence", 2009, IEEE, article "A tutorial on the dynamics and contraI of wind turbines and wind farms", pages: 2076 - 2089
ANTOINE BORRACCINO ET AL: "Wind field reconstruction from nacelle-mounted lidar short-range measurements", WIND ENERGY SCIENCE, vol. 2, no. 1, 24 May 2017 (2017-05-24), pages 269 - 283, XP055451422, DOI: 10.5194/wes-2-269-2017 *
F. GUILLEMIN ET AL: "Nacelle LiDAR online wind field reconstruction applied to feedforward pitch control", JOURNAL OF PHYSICS: CONFERENCE SERIES, vol. 753, 1 September 2016 (2016-09-01), GB, pages 052019, XP055451670, ISSN: 1742-6588, DOI: 10.1088/1742-6596/753/5/052019 *
OUDE NIJHUIS A C P ET AL: "Outlook for a new wind field retrieval technique: The 4D-Var wind retrieval", 2014 INTERNATIONAL RADAR CONFERENCE, IEEE, 13 October 2014 (2014-10-13), pages 1 - 6, XP032746351, DOI: 10.1109/RADAR.2014.7060421 *
P TOWERS; B LI JONES: "Real-time wind field reconstruction from LiDAR measurements using a dynamic wind model and state estimation", WIND ENERGY, vol. 19.1, 2016, pages 133 - 150, XP055451329, DOI: doi:10.1002/we.1824
P. TOWERS ET AL: "Real-time wind field reconstruction from LiDAR measurements using a dynamic wind model and state estimation : LiDAR wind field estimation", WIND ENERGY, vol. 19, no. 1, 21 November 2014 (2014-11-21), GB, pages 133 - 150, XP055451329, ISSN: 1095-4244, DOI: 10.1002/we.1824 *
R MAYES ET AL: "Topics in Experimental Dynamics Substructuring and Wind Turbine Dynamics, Volume 2 : Proceedings of the 30th IMAC, A Conference on Structural Dynamics, 2012", PROCEEDINGS OF THE 30TH IMAC,, 1 January 2012 (2012-01-01), New York, NY, XP055451327, ISBN: 978-1-4614-2421-5, DOI: 10.1007/978-1-4614-2422-2 *

Cited By (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111706472A (zh) * 2019-03-18 2020-09-25 Ifp新能源公司 预测配备LiDAR传感器的风轮机的转子平面中的风速的方法
FR3094093A1 (fr) 2019-03-18 2020-09-25 IFP Energies Nouvelles Procédé de prédiction de la vitesse du vent dans le plan du rotor pour une éolienne équipée d’un capteur de télédétection par Laser
EP3712621A1 (fr) 2019-03-18 2020-09-23 IFP Energies nouvelles Procede de prediction de la vitesse du vent dans le plan du rotor pour une eolienne equipee d'un capteur de teledetection par laser
CN111706472B (zh) * 2019-03-18 2024-05-10 Ifp新能源公司 预测配备LiDAR传感器的风轮机的转子平面中的风速的方法
CN112012882A (zh) * 2019-05-30 2020-12-01 北京金风科创风电设备有限公司 风电机组的前馈控制方法、装置以及控制系统
US12098707B2 (en) 2019-05-30 2024-09-24 Beijing Goldwind Science & Creation Windpower Equipment Co., Ltd. Feedforward control method, apparatus and control system for wind turbine
AU2019447706B2 (en) * 2019-05-30 2024-03-07 Beijing Goldwind Science & Creation Windpower Equipment Co., Ltd. Feedforward control method and apparatus for wind turbine generator set, and control system
US11454725B2 (en) 2019-06-19 2022-09-27 IFP Energies Nouvelles Method of determining the vertical profile of the wind speed upstream from a wind turbine equipped with a lidar sensor
CN112114332A (zh) * 2019-06-19 2020-12-22 Ifp新能源公司 确定装备lidar传感器的风力涡轮机上游的风速垂直廓线的方法
EP3754341A1 (fr) 2019-06-19 2020-12-23 IFP Energies nouvelles Procede de determination du profil vertical de la vitesse du vent en amont d'une eolienne equipee d'un capteur de teledetection par laser
FR3097644A1 (fr) 2019-06-19 2020-12-25 IFP Energies Nouvelles Procédé de détermination du profil vertical de la vitesse du vent en amont d’une éolienne équipée d’un capteur de télédétection par Laser
EP3862563A1 (fr) 2020-02-10 2021-08-11 IFP Energies nouvelles Procede de determination de la direction du vent au moyen d'un capteur de teledetection par laser
US11421651B2 (en) 2020-02-10 2022-08-23 IFP Energies Nouvelles Method of determining wind direction by means of a LiDAR sensor
FR3107095A1 (fr) 2020-02-10 2021-08-13 IFP Energies Nouvelles Procédé de détermination de la direction du vent au moyen d’un capteur de télédétection par Laser
CN112100839A (zh) * 2020-09-08 2020-12-18 成都信息工程大学 在圆柱坐标系下的高逼真单体风暴解析风速场构建方法及系统
CN113640791B (zh) * 2021-06-09 2023-12-26 西安电子科技大学 一种基于距离和瞬时速度的空间目标三维姿态重构方法
CN113640791A (zh) * 2021-06-09 2021-11-12 西安电子科技大学 一种基于距离和瞬时速度的空间目标三维姿态重构方法
CN120122072A (zh) * 2025-01-17 2025-06-10 成都信息工程大学 基于径向速度二维滤波和雷达网络边缘风矢量平滑的三维风场反演方法

Also Published As

Publication number Publication date
US20200124026A1 (en) 2020-04-23
DK3642647T3 (da) 2022-07-25
FR3068139B1 (fr) 2019-12-20
CN110832351A (zh) 2020-02-21
FR3068139A1 (fr) 2018-12-28
ES2919049T3 (es) 2022-07-21
CA3065892A1 (fr) 2018-12-27
US11248585B2 (en) 2022-02-15
EP3642647A1 (fr) 2020-04-29
EP3642647B1 (fr) 2022-05-04
CN110832351B (zh) 2023-08-25

Similar Documents

Publication Publication Date Title
EP3642647B1 (fr) Procede d&#39;acquisition et de modelisation par un capteur lidar d&#39;un champ de vent incident
EP3657217B1 (fr) Procédé d&#39;acquisition et de modélisation par un capteur lidar d&#39;un champ de vent incident
EP2876302B1 (fr) Procédé de contrôle et de surveillance d&#39;une éolienne au moyen d&#39;une estimation de la vitesse du vent au moyen d&#39;un capteur lidar
EP3650687B1 (fr) Procede de determination d&#39;un facteur d&#39;induction pour une eolienne equipee d&#39;un capteur de teledetection par laser
EP3754341B1 (fr) Procede de determination du profil vertical de la vitesse du vent en amont d&#39;une eolienne equipee d&#39;un capteur de teledetection par laser
EP3712621A1 (fr) Procede de prediction de la vitesse du vent dans le plan du rotor pour une eolienne equipee d&#39;un capteur de teledetection par laser
CA3226598A1 (fr) Procede de determination de la vitesse du vent au moyen d&#39;un capteur de teledetection par laser monte sur une eolienne
CN121145736A (zh) 一种基于物理引导与数据驱动融合的sar海表流速反演方法
CA3108187A1 (fr) Procede de determination de la direction du vent au moyen d&#39;un capteur de teledetection pas laser
EP3995834B1 (fr) Procede de determination de la vitesse du vent dans le plan du rotor d&#39;une eolienne
FR3107094A1 (fr) Procédé de détermination de la vitesse du vent dans le plan du rotor d’une éolienne
EP4162298B1 (fr) Procede de determination des composantes de la vitesse du vent au moyen d&#39;un capteur de teledetection par laser
EP3978934A1 (fr) Procede de determination de la vitesse moyenne du vent au moyen d&#39;un capteur de teledetection par laser
FR3159991A1 (fr) Système de supervision d&#39;un parc éolien
FR3111991A1 (fr) Procédé de détermination des composantes de la vitesse du vent au moyen d’un capteur de télédétection par Laser et au moyen d’une cohérence temporelle
EP3985250B1 (fr) Procédé de détermination d&#39;un facteur d&#39;induction entre un plan de mesure et le plan du rotor d&#39;une éolienne
FR3147330A1 (fr) Procédé de détermination de la vitesse de vent libre pour une ferme d’éoliennes
EP3380947A1 (fr) Procédé et dispositif de prévision de nébulosité par traitement statistique de données sélectionnées par analyse spatiale

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 18731117

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 3065892

Country of ref document: CA

NENP Non-entry into the national phase

Ref country code: DE

ENP Entry into the national phase

Ref document number: 2018731117

Country of ref document: EP

Effective date: 20200121