使用负载概率和设计负载极限修改用于控制风力涡轮机的控制策略

摘要

本公开涉及控制风力涡轮机的运行。确定指示风力涡轮机的至少一部分在第一时间段内承受的极端负载的第一组多个极端负载测量值，然后基于对第一组多个极端负载测量值的分布的统计分析来确定负载概率特征。然后至少部分地基于负载概率特征与设计负载极限的比较来修改用于控制风力涡轮机的运行的控制策略，随后根据修改后的控制策略在第二时间段内控制风力涡轮机。

说明书

技术领域

本发明涉及用于控制风力涡轮机的运行的方法和控制系统。

背景技术

通常，运行风力涡轮机或风力涡轮机园区的目的是获得投资在其中的资本的最大收益，因此，风力涡轮机控制系统被配置为最大化输出功率，即，被配置为运行风力涡轮机以在充分考虑将风力涡轮机保持在运行极限内的情况下捕获风中可用的最大功率。

在运行期间，风力涡轮机经历变化的气候条件，并且风力涡轮机的控制系统被设计为考虑这些变化。为此，现有的风力涡轮机可以包括监测系统，该监测系统监测运行和气候条件，并控制风力涡轮机的运行以在保持在安全运行极限内的同时最大化功率输出。

然而，发明人已经认识到，安全运行极限是基于对安全运行的设计假设，该设计假设可能匹配也可能不匹配每个安装的风力涡轮机的实际安全运行极限。因此，需要一种能够更好地考虑风力涡轮机的真实安全运行极限的改进的控制风力涡轮机运行的方法。

发明内容

本公开的第一方面提供了一种控制风力涡轮机的运行的方法，所述方法包括：在第一时间段内根据控制策略控制风力涡轮机的运行；获得指示风力涡轮机的至少一部分在所述第一时间段内承受的极端负载的第一组多个极端负载测量值；通过统计分析，基于至少所述第一组多个极端负载测量值的分布来确定负载概率特征；比较所述负载概率特征与设计负载极限；至少部分地基于所述负载概率特征与所述设计负载极限的比较来修改所述控制策略；以及在第二时间段内根据修改后的控制策略来控制风力涡轮机的运行。通过以这种方式修改控制策略，风力涡轮机在第一时间段内承受的实际极端负载可以用于安全地降低控制策略所采用的安全裕度。通过降低安全裕度，应该有可能实现更大的控制范围，这将使风力涡轮机被更强力地驱动并生成更大的功率。

负载概率特征可以包括最大极端负载值，该最大极端负载值指示与多个极端负载测量值的分布的阈值百分位数相对应的极端负载的值。

负载概率特征与设计负载极限的比较可以包括最大极端负载值和设计负载极限之间的差。

修改控制策略还可以至少部分地基于最大极端负载值与设计负载极限之间的差的幅值和/或符号。

设计负载极限可以至少部分地基于材料失效负载值、选址不确定性值和模拟的安全裕度。

所述多个极端负载测量值可以包括多个极端负载估计值，并且其中，所述方法还包括：在所述第一时间段内接收风力涡轮机的多个运行状态测量结果；以及至少部分地基于所述多个运行状态测量结果来确定所述多个极端负载测量值。

所述方法还可以包括：获得指示风力涡轮机的至少一部分在所述第二时间段内承受的极端负载的第二组多个极端负载测量值；基于所述第一组多个极端负载测量值和所述第二组多个极端负载测量值的分布来确定更新的负载概率特征；将更新的负载概率特征与设计负载极限进行比较；至少部分地基于更新的负载概率特征与设计负载极限的比较来进一步修改所述控制策略；以及在第三时间段内使用进一步修改的控制策略来控制风力涡轮机的运行。

在模型预测控制MPC例程中定义控制策略和修改后的控制策略。至少部分地基于负载概率特征与设计负载极限的比较来修改控制策略可以包括：至少部分地基于负载概率特征与设计负载极限的比较来调整MPC例程内的至少一个成本权重。附加地或替代地，至少部分地基于负载概率特征与设计负载极限的比较来修改控制策略可以包括至少部分地基于负载概率特征与设计负载极限的比较来调整MPC例程的至少一个约束。

可以基于第一组多个极端负载和模拟的负载分布来确定至少所述第一组多个极端负载的分布。

统计分析还可以包括贝叶斯分析。

本公开的第二方面提供了一种计算机程序，所述计算机程序被配置为当在电子设备的处理器上执行时执行根据第一方面所述的方法。

本公开的第三方面提供了一种用于风力涡轮机的控制系统，所述控制系统包括：控制器，所述控制器被配置为：在第一时间段内使用控制策略来控制风力涡轮机的运行；获得指示风力涡轮机的至少一部分在所述第一时间段内承受的极端负载的第一组多个极端负载测量值；通过统计分析，基于所述第一组多个极端负载测量值的分布来确定负载概率特征；将所述负载概率特征与设计负载极限进行比较；至少部分地基于所述负载概率特征与所述设计负载极限的比较来修改所述控制策略；以及在第二时间段内使用修改后的控制策略来控制风力涡轮机的运行。

所述控制器还可以被配置为：获得指示风力涡轮机的至少一部分在所述第二时间段内承受的极端负载的第二组多个极端负载测量值；基于所述第一组多个极端负载测量值和所述第二组多个极端负载测量值的分布来确定更新的负载概率特征；将更新的负载概率特征与设计负载极限进行比较；至少部分地基于更新的负载概率特征与设计负载极限的比较来进一步修改所述控制策略；以及在第三时间段内使用进一步修改的控制策略来控制风力涡轮机的运行。

本公开的第四方面提供了一种包括第三方面的控制系统的风力涡轮机。

附图说明

现在将参考附图描述本发明的实施例，其中：

图1示出了风力涡轮机的示例；

图2示出了控制系统与风力涡轮机的元件一起的实施例；

图3示出了图2的控制系统中的控制器的细节；

图4示出了由图3的分布的控制器确定的第一组多个极端负载测量值的分布的图形表示；

图5示出了图3的控制器的示例初始控制策略；

图6示出了图3的控制器的修改后的控制策略的示例；以及

图7示出了本公开的要素的流程图。

具体实施方式

用于控制风力涡轮机的运行的控制策略通常是基于模拟涡轮机负载进行初始设置的，其中内置了安全性以考虑选址不确定性和模拟安全裕度。然而，发明人已经意识到，内置的安全性经常导致风力涡轮机过于保守地运行，这可能会导致发电机会的浪费。因此，他们设计了一种测量/估计一段时间内承受的极端负载并对极端负载的分布执行统计分析，以识别内置于控制策略中的隐藏的、不必要的安全裕度的技术。然后可以修改控制策略以降低该隐藏的安全裕度，这能够在不损害安全性的情况下允许更大的控制灵活性和风力涡轮机的发电量的增大。

图1以示意性透视图示出了风力涡轮机1的示例。风力涡轮机1包括塔架2，设置在塔架顶点处的机舱3，以及可操作地联接至容纳在机舱3内部的发电机的转子4。除了发电机外，机舱还容纳有将风能转换为电能所需的各种各样的组件以及操作、控制和优化风力涡轮机1的性能所需的各种组件。风力涡轮机的转子4包括中央轮毂5和从中央轮毂5向外突出的多个叶片6。在所示的实施例中，转子4包括三个叶片6，但是数量可以变化。此外，风力涡轮机包括控制系统。该控制系统可以被放置在机舱内部或分布在涡轮机内部的多个位置并通信连接。

风力涡轮机1可以被包括在属于风力发电厂的其他风力涡轮机的集合中，该风力发电厂也被称为风电场或风电园区，其用作通过传输线与电网连接的发电厂。电网一般由发电站、输电线路和变电站网络组成，所述变电站通过输电线路网络将电力传输到终端用户和电力公司的其他客户等形式的负载。

图2示意性地示出了控制系统20与风力涡轮机的元件一起的实施例。风力涡轮机包括转子叶片21，转子叶片21经由齿轮箱23机械地连接至发电机22。发电机22生成的电力经由电转换器25注入到电网24中。发电机22可以是双馈电感应发电机，但是也可以使用其他的发电机类型。此外，可以不需要变速箱。

该控制系统包括多个元件，所述多个元件包括具有处理器和内存的至少一个控制器200，使得该处理器能够基于存储在该内存中的指令来执行计算任务。通常，风力涡轮机控制器200确保在运行中风力涡轮机生成所请求的功率输出水平。这可以通过调整桨距角和/或转换器的功率提取来获得。为此，控制系统20包括：变桨系统，其包括使用桨距参考28的桨距控制器27；以及功率系统，其包括使用功率参考26的功率控制器29。风力涡轮机转子包括可通过变桨机制进行变桨的转子叶片。转子可以包括公共的变桨系统，该公共的变桨系统同时调整所有转子叶片的所有桨距角，此外，还可以包括能够对转子叶片进行单独变桨的单独变桨系统。

图3示意性地示出了根据一个实施例的控制器200的细节。控制器200包括模型预测控制(MPC)单元310、适配器单元320和负载估计器330。

MPC单元310被配置为确定用于控制风力涡轮机的运行(诸如叶片桨距和/或转换器的功率提取)的控制信号(诸如信号26和28)。MPC单元310至少部分地基于MPC例程来确定控制信号，该MPC例程利用包括与风力涡轮机的一种或多种类型的负载(例如，风力涡轮机的一个或多个不同部件/组件上的负载)和/或风力涡轮机运行的一个或多个测量值(例如运行状态，稍后会更详细地说明)有关的成本的成本函数。技术人员将容易理解如何将MPC例程用于确定控制信号。但是，通过简要说明，MPC是一种多变量控制算法，其在后退预测水平上使用优化成本函数J来计算最佳控制动作。

优化成本函数可以由下式给出：

J＝min(λ

在该示例中，“负载(load)”是与风力涡轮机的一种或多种类型的负载(例如塔架上的负载和/或叶片上的负载等)有关的负载成本。附加地或替代地，“负载(load)”可以是与风力涡轮机的一个或多个运行测量值有关的负载成本。λ

容易理解的是，在等效的实施方式中，可以使用优化利益函数以用于完全相同的结果。等效的优化收益函数可以由下式给出：

B＝max(Power-λ

因此，将理解，贯穿本公开使用的术语“成本函数”涵盖等效的“收益函数”。

图3中的MPC单元310被配置为从风力涡轮机接收运行状态信号，其包括风力涡轮机的一个或多个运行状态的一个或多个测量值。然而，MPC单元310可以附加地或替代地被配置为从负载估计器330接收至少一个负载测量值335。运行状态信号可以包括例如桨距值、转子角速度、塔架顶部位置、功率输出以及这些参数的导数等中的一个或多个测量值。运行状态信号中的测量结果可以基于传感器的传感器读数，该传感器被布置为测量与风力涡轮机的物理状态值有关的传感器数据。然后，MPC单元310利用接收到的运行状态(和/或负载的测量值)和MPC优化例程来确定控制信号。

最初，MPC例程可以被配置为具有基于设计假设的初始控制策略。可以通过在MPC例程中设置的各种参数(诸如成本权重和/或约束)在MPC例程中定义初始控制策略。现在将参考图4解释用于设置初始控制策略的设计假设。

图4示出了风力涡轮机上的负载(y轴)相对于风力涡轮机的运行时间(x轴)的表示。在安装风力涡轮机之前，可以确定随时间的负载分布的模拟，在图4中将其表示为“模拟的负载分布”。这表示特定的负载(例如，塔架负载或叶片负载等)随时间如何变化。当分布的失效阈值百分位数等于或高于设计负载极限时，则预计风力涡轮机部件可能会失效。例如，当失效阈值百分位数为90％时，如果分布的前10％或更多部分高于设计负载极限，则预计部件可能会失效。如果仅分布的前9％或仅前5％等高于设计负载极限，则预计部件可能不会失效。因此，在设计阶段，MPC例程可以被配置为定义初始控制策略，该初始控制策略预计会导致模拟的负载分布相对于设计负载极限处于安全的位置(即，使得模拟分布的失效阈值百分位数处于或低于设计负载极限)。然而，由于由风力涡轮机的过载而导致涡轮机失效的后果是严重的，因此选址不确定性(例如，风力涡轮机将承受的环境条件的不确定性，诸如风场和/或气候不确定性)和基于模拟的安全裕度也被内置到初始控制策略中，以帮助确保在安装后，风力涡轮机不会由于初始控制策略过于激进而意外地处于危险之中。

返回图3，负载估计器330被配置为从风力涡轮机接收运行状态信号。然后，确定与风力涡轮机的一个或多个部件有关的至少一个负载测量值335，并将其提供给适配器单元320和MPC单元310。例如，所述至少一个负载测量值335可以与塔架上的负载或叶片上的负载等有关。可以基于当前运行状态信号有规律地(例如每秒，或每三秒，或每十秒等)确定所述至少一个负载测量值335。可以理解，在替代方案中，运行状态可以包括对风力涡轮机上的一个或多个负载的直接测量值，在这种情况下，控制器200可以不包括负载估计器330，而适配器单元320可以直接接收风力涡轮机的运行状态中的至少一个负载测量值。

在本公开的控制器200中，适配器单元320已经被实现并且被配置为针对从负载估计器330接收的每种类型的负载测量值确定极端负载测量值。例如，负载测量值335可以包括涡轮机塔架上的负载的测量值，并且适配器单元320可以每秒接收新的负载测量值335。适配器单元320可以在特定时间量(诸如10分钟的时段)内基于在该特定时间量内接收的负载测量值335来确定指示涡轮机塔架所承受的极端负载的极端负载测量值。在此示例中，极端负载测量值是特定时间段内的最大负载。将理解的是，10分钟的时段仅仅是一个非极限性示例，并且可以替代地使用不同的时间长度。适配器单元320继续在第一时间段(诸如一个月，或三个月，或六个月，或一年等)中确定极端负载测量值。因此，适配器单元320将在第一时间段上确定第一组多个极端负载测量值——在此特定示例中，每10分钟确定一个极端负载测量值。

在图4中可以看到这些极端负载测量值的分布。特别地，在安了风力涡轮机之后，随着时间的推移，越来越多的极端负载测量值被确定。可以看出，在第一时间段的过程中，随着越来越多的极端负载测量值被添加到分布中，分布内的方差减小，并且平均水平逐渐趋向于低于模拟分布的水平。这是因为，由于第一组多个极端负载测量值是基于实际的现场测量结果的，因此没有添加到第一组多个极端负载测量值的分布中的选址不确定性或气动弹性模型不确定性。

在第一时间段结束时，确定第一组多个极端负载测量结果的分布的最大极端负载值。这是与分布的失效阈值百分位数(例如90％百分位数)相对应的极端负载的值。发明人已经认识到，当对实际极端负载测量值执行统计分析时，最大极端负载值往往远低于设计负载极限，这表示内置在MPC单元310的控制策略中的隐藏的、不必要的安全性。这意味着，MPC单元310可以在不冒安全风险的情况下安全地允许更大的极端负载，这将为MPC单元310提供更大的控制范围，并有可能允许风力涡轮机生成更大的功率。

因此，适配器单元320生成适配的MPC设置325，以便至少部分地基于最大极端负载值与设计负载极限的比较来修改MPC单元310的控制策略。适配后的MPC设置325至少部分地基于设计负载极限与最大极端负载值之间的差的幅值和/或符号(例如，如果最大极端负载值远低于设计负载极限，则可以将适配后的MPC设置325设置为对MPC控制策略进行较大的更改，而如果差很小，则可以将适配后的MPC设置325设置为对MPC控制策略进行较小的更改)。

用于确定从中确定最大极端负载值的分布的该统计分析还可以基于模拟的负载分布并且可以利用贝叶斯分析。例如，模拟的负载分布可以表示贝叶斯分析中的“先验知识”，并且可以通过使用第一组多个极端负载测量值执行贝叶斯过程来有效地修改该分布。从这个意义上讲，基于模拟的负载分布和第一组多个极端负载确定的分布是“在后可能分布”。然后可以从该分布确定最大极端负载值。

修改控制策略后，然后将使用修改后的控制策略运行风力涡轮机，这将导致未来的极端负载分布在图4所示的图表上向上移位，从而缩小了最大极端负载值与设计负载极限之间的差距，并在不损害安全性的情况下实现更大的功率输出。

可选地，在控制策略已经被修改之后，适配器单元320可以在跟随第一时间段的第二时间段内确定第二组多个极端负载测量值。然后可以基于第一组多个极端负载测量值和第二组多个极端负载测量值的分布来确定更新的最大极端负载值(例如，可以通过找到与第一组多个和第二组多个极端负载测量值的分布的90％相对应的负载值来找到最大极端负载值)。可选地，可以使用贝叶斯分析确定该分布，其中第二时间段开始之前的分布表示贝叶斯分析中的“先验知识”(如先前所述，该分布本身可能已使用模拟的负载分布和第一组多个极端负载的贝叶斯分析在较早的时候确定)，并且第二组多个极端负载用于修改该分布以获得“在后可能分布”，使用该“在后可能分布”确定更新的最大极端负载值。然后可以至少部分地基于更新的最大极端负载值与设计负载极限的比较来进一步修改控制策略，并且风力涡轮机的后续控制可以基于进一步修改的控制策略。以这种方式，随着风力涡轮机的老化以及越来越多的极端负载数据变得可用，控制策略可以随时间逐渐地完善。

第一时间段和第二时间段，以及在其间确定极端负载测量值并在统计分析中用于确定进一步更新的最大极端负载值的任何其他时间段可以是任何合适的时间段。例如，它们可以是秒、分钟、小时、天、月或年的量级，使得可以以任何合适的频率来更新和完善控制策略。

图5示出了可以如何修改MPC单元310的控制策略的示例图形表示。在该示例中，极端负载测量值与塔架负载有关，并且MPC单元310在对风力涡轮机进行控制时考虑塔架偏转，但是相同原理可以等同地应用于风力涡轮机的任何其他部件上的负载(例如叶片上的负载)。图5的x轴表示塔架偏转(例如，以毫米、厘米或米等为单位)。y轴表示在MPC例程中施加于塔架负载成本的成本损失。

MPC TdMax极限表示MPC约束。可以看出，在塔架偏转量Td低于该极限时，没有施加成本损失。一旦Td超过此极限，便在MPC例程中对塔架负载成本施加成本损失，其预期结果是使MPC单元310生成的控制信号发生变化，以避免塔架负载达到危险水平。

在基于极端负载的模拟分布、选址不确定性和模拟安全裕度确定的初始控制策略中，MPC TdMax被设置为“初始MPC TdMax极限”。可以看出，初始MPC TdMax极限被设置为：

初始MPC TdMax极限＝材料失效-选址不确定性-安全裕度(模拟)

其中，材料失效是指预计发生材料失效的塔架偏转量。

如前面所解释的那样，通过最大极端负载值与设计负载极限的比较，可以减少或消除选址不确定性。此外，如果需要，可以调整安全裕度的大小，并观察对实际塔架偏转的影响，以确保安全裕度仍然足够大以允许风力涡轮机安全运行。因此，控制策略的修改可以涉及移动MPC TdMax极限，使得修改后的控制策略具有“修改后的MPC TdMax极限”的约束。

图6显示了MPC单元310的修改后的控制策略的示例图形表示。修改后的MPC TdMax极限被设置为：

修改后的MPC TdMax极限＝材料失效-安全裕度(修改后的)

因此，可以看出，由于不再存在任何选址不确定性，并且由于可以针对极端负载的实际测量结果(而不是模拟)设置安全裕度，MPC TdMax极限约束可以进一步沿x轴移动，以便在开始施加成本损失之前允许更大的塔架偏转。这意味着在修改控制策略后，图4中极端负载测量值的分布中的最大极端负载值应随时间开始在y轴方向上随时间向上移动，从而降低隐藏安全性的量。使用修改后的控制策略，MPC单元310能够更强力地驱动风力涡轮机并输出更大的功率，同时仍然安全地运行。

图7示出了控制风力涡轮机以执行本公开的各种实施例的方法的要素。该方法的要素可以由软件实现为计算机程序产品、硬件或软件和硬件的组合。该软件可以包括计算机可读代码，该计算机可读代码在任何电子设备的处理器上执行时，都可以执行图7中表示的要素的功能。该软件可以存储在任何合适的计算机可读介质上，所述计算机可读介质例如是非暂时性计算机可读介质(诸如只读内存，随机存取内存，CD-ROM，DVD，蓝光，磁带，硬盘驱动器，固态驱动器和光盘驱动器)。通常，该软件由风力涡轮机控制系统存储并由其执行。

在步骤S710中，控制系统20根据控制策略(例如，初始控制策略)来控制风力涡轮机的运行。

在步骤S720中，在一个时间段(例如，第一时间段)内获得多个极端负载测量值(例如，第一组多个极端负载测量值)。

在步骤S730中，基于多个极端负载测量值的分布来确定概率特征(例如，最大极端负载值)。

在步骤S740中，将确定的负载概率特征与设计负载极限进行比较，并且在步骤S750中，基于该比较来修改控制策略。然后，该方法返回到步骤S710，以基于控制策略来控制风力涡轮机，只是现在已经在步骤S750中修改了控制策略。

将理解的是，可能在风力涡轮机的整个寿命内可以重复该循环多次，(例如，如果风力涡轮机的运行寿命为20年，则对于风力涡轮机的整个寿命，可以根据该方法每分钟、或每小时、或每天、或每周、或每月、或每3个月、或每6个月、或每年、或每两年等对控制策略进行修改)。每次修改之间的时间段可以相等，也可以在风力涡轮机的寿命内变化。因此，可以逐渐完善控制策略，以便获得风力涡轮机的最佳功率输出，同时仍在安全极限内运行。

尽管上面已经参考一个或多个优选实施例描述了本发明，但是将理解，在不背离所附权利要求所限定的本发明范围的情况下，可以进行各种改变或修改。

例如，尽管以上公开内容特别地集中于与紧接在安装风力涡轮机和控制策略的修改为初始的设计阶段控制策略的修改之后的时间段有关的第一组多个极端负载测量值，但是第一组多个极端负载测量值可以与在风力涡轮机的寿命期间的任何时间段内获得的极端负载测量值有关。在这种情况下，对控制策略的修改就是对当前就位的任何控制策略的修改(当前就位的控制策略可以是初始的设计阶段控制策略，也可以是其他一些已经预先修改过的控制策略)。

虽然参考改变MPC例程内的约束给出了控制策略修改的一个特定示例，但是将理解，可以基于最大极端负载值和设计负载极限的比较以任何其他合适的方式来修改控制策略，例如通过在MPC例程内修改一个或多个成本权重来修改控制策略。

此外，尽管在上面的描述中，最大极端负载值是基于极端负载测量值的分布确定的，并且然后与设计负载极限进行比较，但是在替代方案中，可以对极端负载测量值的分布执行任何其他统计分析，以便确定任何其他合适的负载概率特征。例如，可以使用不同的阈值百分位数，或者可以确定与分布的平均值、方差或中位数等有关的概率特征。然后可以视情况将其与设计负载极限进行比较。因此，还可以理解，尽管上面通常将负载概率特征与设计负载极限的比较描述为寻找两者之间的差，但是该比较可以取决于负载概率特征的特性替代地采用任何其他合适的形式。

在上面的说明中，适配器单元基于一个或多个负载测量值335来确定多个极端负载测量值。然而，在替代方案中，适配器单元320可以简单地例如从负载估计器(其可以被配置为确定极端负载测量值并将它们提供给适配器单元320)，或者从任何其他合适的单元或实体中接收多个极端负载测量值。因此，适配器单元320被配置为通过自身确定多个极端负载测量值或者通过从另一单元/实体接收多个极端负载测量值来获得多个极端负载测量值。