專利名稱：風力渦輪機處的風況評估的制作方法
技術(shù)領域：
本發(fā)明涉及風力渦輪機，尤其涉及將馬上抵達風力渦輪機的風況的評估。
背景技術(shù)：
對于風力渦輪機而言，預先了解將馬上抵達渦輪機的風的狀況是很重要的。這種預先了解將為渦輪機控制器提供充分的時間來調(diào)整諸如槳葉角或轉(zhuǎn)子速度的工作參數(shù)，從而與即將到來的狀況匹配。這樣做的原因有多種。在較低的風速下，重要的是通過對渦輪機的調(diào)整而使從風中提取的能量最大化。在較高的風速下，重要的是通過調(diào)整渦輪機的參數(shù)而避免在可能導致?lián)p壞的情況下運行。損壞可能是由罕見的極端事件引起的，也可能是由累積的事件引起的，其將降低諸如齒輪箱和葉片的風力渦輪機部件的疲勞壽命。針對預先確定風況的提議有很多。這些提議一般都包括采用放置在渦輪機上的觀測上游風況的傳感器。EP-A-0970308示出了一個例子，其公開了利用安裝在風力渦輪機的機艙內(nèi)的激光雷達或者類似的遙感設備來觀測距渦輪機上游幾個轉(zhuǎn)子直徑處的風況。渦輪機控制器或風電場(wind park)控制器能夠在感測到的風況的基礎上表示個體渦輪機或者渦輪機組在感測到的風抵達渦輪機之前改變其操作參數(shù)。對于風力渦輪機運營商而言，尤其重要的就是能夠檢測到極端的陣風。盡管陣風的時間可能是短暫的，但是其存在對風力渦輪機造成嚴重損壞的潛在風險。盡管可以采用激光雷達進行陣風探測，但是其并非總是適用的。例如，激光雷達裝置非常昂貴，因而風電場運營商可能不會認為其具有成本效率。已經(jīng)認識到，作為諸如EP-A-0970308的激光雷達技術(shù)的遙感技術(shù)的替代或者除此之外，希望能夠在不采用昂貴的額外設備的情況下估測發(fā)生極端陣風的風險。

發(fā)明內(nèi)容
根據(jù)本發(fā)明，提供了一種風力渦輪機的控制方法，其包括如下步驟采集并存儲與一個或多個感測到的變量相關(guān)的訓練數(shù)據(jù)，所述訓練數(shù)據(jù)包括由至少一個表示風險的統(tǒng)計學度量獲得的特征向量；基于測得的參數(shù)將每一訓練數(shù)據(jù)分配到一個風險類別內(nèi)，并由每一類別中的特征向量的至少一個距離的度量定義每一類別的特征區(qū)帶，所述特征區(qū)帶包括表示陣風風險為高的高風險區(qū)；以及在風力渦輪機的運行期間，由通過至少一個傳感器獲得的數(shù)據(jù)周期性地計算特征向量并確定將所述特征向量分配給哪一特征區(qū)帶來確定陣風風險的評估結(jié)果，由此確定所測得的特征向量所代表的極端陣風風險的評估結(jié)果。本發(fā)明還提供了一種用于風力渦輪機的陣風風險估算器，包括與所述風力渦輪機感測到的一個或多個變量相關(guān)的訓練數(shù)據(jù)的存儲器，所述訓練數(shù)據(jù)包括由表示風險的至少一個統(tǒng)計學度量獲得的特征向量；比較器，用于將每一訓練數(shù)據(jù)項與采集所述訓練數(shù)據(jù)時的測量參數(shù)進行比較，并且在所述測量參數(shù)的基礎上將每一所述訓練數(shù)據(jù)分配給一個風險類別；用于由每一類別中的特征向量的距離的度量定義每一類別的特征區(qū)帶的模塊，所述特征區(qū)帶包括表示陣風風險為高的高風險區(qū)；以及用于確定所述風力渦輪機的運行期間陣風風險的評估結(jié)果的模塊，所述的確定方式為由通過與所述風力渦輪機相關(guān)的至少一個傳感器獲得的數(shù)據(jù)周期性地計算特征向量，并確定將所述特征向量分配給哪一特征區(qū)帶，從而確定所測量的特征向量所表示的極端陣風風險的評估結(jié)果。本發(fā)明還提供一種具有所定義的陣風風險估算器的風力渦輪機以及具有多臺風力渦輪機和所定義的陣風風險估算器的風電場。本發(fā)明的實施例的優(yōu)點在于可以在不需要額外的可能非常昂貴的傳感器裝置的情況下評估出陣風風險。由與感測到的狀況相關(guān)的歷史數(shù)據(jù)，同時參考用來分配與所述感測狀況相關(guān)的風險水平的測量參數(shù)來確定陣風風險。對這一歷史數(shù)據(jù)進行統(tǒng)計學處理，因而能夠使實況數(shù)據(jù)(live data)與之進行比較，從而確定其是否表示陣風風險。所述陣風風險的評估結(jié)果優(yōu)選是極端陣風風險的評估結(jié)果。極端陣風可能對風力渦輪機造成損害，因而確定這樣的陣風的可能性并采取對抗其影響的措施的能力對于風電場運營商而言是極為重要的。優(yōu)選將陣風風險表示信號輸出至風力渦輪機控制器。這一控制器可以是個體控制器，也可以控制多個渦輪機。優(yōu)選地，如果所評估的陣風風險為低，那么控制器能夠使渦輪機超過額定功率運行，如果陣風風險的評估結(jié)果為高，那么控制器能夠使渦輪機低于額定功率運行。其優(yōu)點在于，能夠在低風險狀況下使渦輪機功率輸出最大化，在高風險狀況下使渦輪機的損壞風險降至最低。優(yōu)選地，由每一風險類別中的特征向量的平均值或者平均值和協(xié)方差定義每一風險類別的特征區(qū)帶。特征向量的平均值定義了區(qū)帶的大小，而協(xié)方差則指定了區(qū)帶的形狀，其能夠?qū)崿F(xiàn)對實況數(shù)據(jù)進行更加準確的風險類別分配。優(yōu)選地，通過測量特征向量與每一特征區(qū)帶的中心的馬哈拉諾比斯距離，以及將特征向量分配給具有最小馬哈拉諾比斯距離的區(qū)帶而將特征向量分配至特征區(qū)帶。采用馬哈拉諾比斯距離的優(yōu)點在于考慮了分布的形狀和范圍，從而能夠為實況數(shù)據(jù)提供更加準確的相關(guān)風險類別評估。優(yōu)選地，分配給特征向量的風險水平是以可測量參數(shù)(例如，最大發(fā)電機速度)的值為基礎的，所述可測量參數(shù)跟隨獲得導出特征向量的數(shù)據(jù)的測量周期。優(yōu)選地，將訓練數(shù)據(jù)預加載到風力渦輪機控制器內(nèi)。在計算出實況特征向量的同時將其添加到所存儲的訓練數(shù)據(jù)中。優(yōu)選地，將具有基本相同的值的訓練數(shù)據(jù)項合并到一起，并對其值加權(quán)。其優(yōu)點在于，陣風風險估算器能夠在風力渦輪機啟動時就開始運行，但是要學習經(jīng)驗。然而，由于渦輪機的壽命可能是很多年，因而數(shù)據(jù)的合并將避免數(shù)據(jù)產(chǎn)生無法管理的累積。


現(xiàn)在將參考附圖僅通過舉例的方式描述本發(fā)明的實施例，其中圖1是示出了本發(fā)明的優(yōu)選實施例的步驟的流程圖；圖2是能夠?qū)崿F(xiàn)對陣風風險的評估的訓練數(shù)據(jù)的圖表；圖3示出了如何將圖1的訓練數(shù)據(jù)劃分成特征區(qū)帶；圖4示出了能夠相對于所述特征區(qū)帶對新采集的實況數(shù)據(jù)進行評估的方式；以及圖5是包括體現(xiàn)本發(fā)明的陣風風險估算器的風力渦輪機控制器的示意圖。
具體實施例方式發(fā)生極端陣風的可能性受到當前狀況的影響。一些陣風可能不能被測量到，但是能夠由測得的參數(shù)導出。也可以查看歷史資料來評估所測得的或者導出的參數(shù)表示極端陣風的可能性。在所描述的實施例中，通過風力渦輪機處的傳感器采集訓練數(shù)據(jù)。采用這一數(shù)據(jù)評估新采集的實況數(shù)據(jù)是否表現(xiàn)出了要求采取預防性措施的風險。因而，基于在先時間信號評估極端陣風的風險。此外，如果評估的風險低，那么與陣風風險更高時能夠保證安全的情況相比，可以使渦輪機在能夠生成更高的功率的模式下運行。在國際標準IEC61400-12005的章節(jié)6. 3. 2中定義了極端陣風，其是指在統(tǒng)計學上來講只會在極其罕見的情況下發(fā)生的高度異常的陣風。下文描述的實施例尤其適于評估極端陣風的風險，但是也可以采用其檢測不屬于極端陣風定義但是仍然具有造成損害，或者通過降低一個或多個渦輪機部件的疲勞壽命而帶來損壞的潛在可能性的陣風。對訓練數(shù)據(jù)進行分析，從而將所述數(shù)據(jù)的特征用作即將到來的風險的指示器。這一特征可以是能夠測得或者導出的很多特征中的一個，對于風電場中的不同渦輪機而言其可能是不同的。這種差異是渦輪機周圍地形必然導致的。例如，所述訓練數(shù)據(jù)可能是從一個或多個傳感器取得的。典型的大規(guī)模商用風力渦輪機具有很多傳感器，所述傳感器對環(huán)境氣候條件和渦輪機參數(shù)都進行測量和監(jiān)視。這些傳感器可能測量若干變量之一，所述變量包括但不限于諸如風速、溫度、壓力等的環(huán)境條件以及諸如發(fā)電機速度、發(fā)電機溫度、槳葉角和轉(zhuǎn)子速度的發(fā)電機參數(shù)?？梢园凑找粋€或多個時標取得測量。所測量的特征可以是統(tǒng)計學數(shù)據(jù)或者統(tǒng)計學數(shù)據(jù)的組合，例如但不限于平均值、標準偏差、偏離、峰度、高階統(tǒng)計、增量統(tǒng)計和譜統(tǒng)計。圖1是示出了怎樣采用測得的統(tǒng)計信息獲得極端陣風的風險的評估結(jié)果的流程圖。在步驟100中獲得訓練數(shù)據(jù)，接下來將采用所述數(shù)據(jù)作為對實況數(shù)據(jù)進行分析所參照的基礎，由此評估極端陣風風險。在實際操作之前，將訓練數(shù)據(jù)記錄在研究中的風力渦輪機處或者記錄在類似的部位?？梢杂缮鲜鰝鞲衅髦械娜魏蝹鞲衅鳙@得所述數(shù)據(jù)，并將其輸入到所述系統(tǒng)當中。找到每一時間周期的選定統(tǒng)計學測量結(jié)果，并將其存儲到針對每一周期的一個特征向量內(nèi)。在步驟110中對訓練數(shù)據(jù)進行分析，從而照此標記出高風險周期?？梢酝ㄟ^各種方式完成這一操作。例如，可以考慮跟隨每一周期的最大發(fā)電機速度。在速度超過預定值的情況下，指定具有高風險。在步驟120中，基于距離的度量，例如，特征向量的平均值和協(xié)方差S1將所述特征向量布置到特征區(qū)帶內(nèi)。對于每一特征向量而言，j表示其為哪一區(qū)帶。定義若干區(qū)帶，例如，表不聞風險的、低風險的、中等風險的、非常聞的風險的等等。區(qū)帶的數(shù)量是靈活的，其取決于希望在陣風風險的評估結(jié)果的基礎上施加的控制的程度。在步驟130中，對所述區(qū)帶加以調(diào)整，以提高性能。所述調(diào)整可以包括，例如，去除異常值，隨后繼之以區(qū)帶的重新計算。步驟140是極端陣風風險估算器的實時操作。由來自選定的一個或多個傳感器的測量結(jié)果計算實時特征向量。之后判斷是否認為當前狀況具有高風險。在步驟150中，計算特征向量與高風險特征區(qū)帶和低風險特征區(qū)帶之間的馬哈拉諾比斯距離r。如果特征向量與高風險特征區(qū)帶的距離小于與低風險區(qū)帶的距離，那么認為所述狀況具有高風險?？梢詫⑵浔磉_為Yj = '/(.Y - μ); .V,'(.Y - μ )其中，X是所出現(xiàn)的實況流動特征向量。在步驟160中，控制器基于先前的分析來評估是否存在高陣風風險。如果沒有檢測到高風險，那么所述系統(tǒng)可以只是繼續(xù)處理實況數(shù)據(jù)。如果檢測到高風險，那么除了繼續(xù)處理實況數(shù)據(jù)之外，將陣風風險信號輸出到控制器的另一部分，于是所述控制器可以根據(jù)其他感測參數(shù)和受控參數(shù)采取規(guī)避操作并使渦輪機低于額定功率運行，例如，可以通過改變槳葉角，改變轉(zhuǎn)子速度或者通過一些其他參數(shù)實現(xiàn)。在極端情況下，控制器可以關(guān)閉渦輪機，或者使機艙和轉(zhuǎn)子從風力中偏轉(zhuǎn)出來，從而避免災難性的損害?？梢酝ㄟ^個體風力渦輪機的控制器，也可以通過控制幾個風力渦輪機的控制器， 例如，通過風力渦輪機控制器或者控制風電場的一部分的控制器執(zhí)行所描述的過程。可以采用兩者的組合。例如，可以通過單個渦輪機控制器確定極端陣風風險，之后所述單個渦輪機控制器可以通過其自身實施控制，并且向諸如風電場控制器的更高級控制器發(fā)送極端陣風風險信號。因而，在步驟150中的計算表示高極端陣風風險的情況下，控制器通過操作使渦輪機低于額定功率運行。然而，在所述計算表示風險低于既定閾值風險的情況下，控制器可以使渦輪機超過額定功率運行，從而在將渦輪機部件損害風險降至最低的情況下使所要生成的功率超過渦輪機的額定輸出。圖2到4示出了相對于圖1描述的方法的簡單例子以輔助說明。圖2示出了訓練數(shù)據(jù)。在這一例子中，所述特征向量是十分鐘和一分鐘風速。這一數(shù)據(jù)可以是從諸如風速計的渦輪機傳感器獲得的，也可以是從相鄰渦輪機或者所處位置具有類似地形條件的渦輪機處采集的。這一簡單的例子中的特征向量是二維的，其被繪制在對照十分鐘平均值的一分鐘峰度的曲線圖上。在這一例子中，采用菱形點示出了低風險數(shù)據(jù)，采用十字形示出了高風險數(shù)據(jù)。如果達到了十分鐘最大發(fā)電機速度那么定義為高風險。如果希望定義幾個風險閾值，例如，高、比較高、中等、比較低、低等，那么可以設定一定范圍的發(fā)電機速度或者其他選定的風險確定變量?？梢詫L險的表示與一個以上的變量聯(lián)系起來，這一或者這些變量未必是發(fā)電機參數(shù)，其可以是諸如氣壓的某些其他測量值。因而，這只是一個例子，可以采取任何其他的風險定義。因而，圖2對應于圖1中的步驟100和110。通過圖3表示出了步驟120和130，在圖3中通過找到具有類似標記的區(qū)帶的平均值和協(xié)方差而創(chuàng)建了特征區(qū)帶200和210。所述平均值對應于位置，協(xié)方差對應于形狀和大小。因而，在圖3的例子中，菱形特征向量大體上聚集在低風險區(qū)帶200內(nèi)，而十字形的高風險特征向量則大體上聚集在較小的高風險區(qū)210內(nèi)。顯然有很多落在外面的值。通過平均位置確定特征區(qū)帶的中心，而形狀則由所述值的間隔和協(xié)方差確定。因而，某些值有可能處于區(qū)帶之外。有可能采用不同的距離的度量定義區(qū)帶，或者僅采用平均值定義區(qū)帶，但是當前優(yōu)選采用平均值和協(xié)方差兩者定義區(qū)帶。由于隨著時間的推移獲得訓練數(shù)據(jù)，因而可能必須減少在風力渦輪機的二十年的壽命中采集的數(shù)據(jù)的量。如果點測量非常靠近那么可以使所述點測量合并到一起，并且可以對點的值相應地加權(quán)。圖3示出了圖1的步驟150。這里，示出了作為實況信號300的實況數(shù)據(jù)，其被繪制在對照平均值的峰度曲線圖上。創(chuàng)建從實況信號數(shù)據(jù)到每一特征區(qū)帶的中心的馬哈拉諾比斯距離，向其分配實況數(shù)據(jù)的特征區(qū)帶是具有最低的馬哈拉諾比斯距離的特征區(qū)帶，因此風險水平即為該區(qū)帶。因而，在圖4中，與低風·險特征區(qū)帶的中心的距離Rl低于與高風險區(qū)的中心的距離R2，其表明所述數(shù)據(jù)表示低極端陣風風險。馬哈拉諾比斯距離的采用考慮了特征區(qū)帶的形狀。在圖4中，與形狀200的中心的距離大約為1. 5個低風險形狀的半徑，而與高風險形狀的中心的距離則是該形狀的3個半徑。如上所述，可以采用某些其他距離的度量。如果平均值是唯一的度量(這種情況是可能的)，那么可以看出可能認為與安全區(qū)帶(200)相比實況數(shù)據(jù)更加接近危險區(qū)帶(210)。然而，在考慮了分布的形狀時，危險區(qū)帶要比安全區(qū)帶遠得多。從該圖可以看出，實況信號接近安全區(qū)域的橢圓形狀的邊緣，即使將其放大系數(shù)2仍將落在危險區(qū)的橢圓形的外面。所描述的方法需要輸入大量的訓練數(shù)據(jù)才能夠生效。為了在一開始架設渦輪機時就能夠采用所述方法，渦輪機控制器要求預加載訓練數(shù)據(jù)或者參數(shù)，從而使其能夠在一開始就運行。但是有利的是，隨著其對渦輪機周圍的更多了解，能夠為渦輪機調(diào)整這些參數(shù)和模型。這一點是通過使預測風險與所產(chǎn)生的嚴重程度進行比較以確定模型的準確性而實現(xiàn)的。保持預測與實際結(jié)果良好匹配的模型，可以通過學習調(diào)整具有較差的相關(guān)性的模型。在通常被設計為二十年的渦輪機壽命中的點上，與控制器的預先安裝的繼承知識相比，控制器應當為自其運行以來的經(jīng)驗賦予權(quán)重。圖5是示出了體現(xiàn)上述方法的控制系統(tǒng)的示意圖。風力渦輪機包括多個傳感器400(1)... (η)。典型的大規(guī)模商業(yè)傳感器最多可以包括30個不同的傳感器，所述傳感器將對諸如風速、方向、溫度、壓力等的風力參數(shù)以及諸如轉(zhuǎn)子速度、葉片間距、發(fā)電機速度、發(fā)電機溫度的渦輪機參數(shù)進行測量。盡管不是直接測量的，但是控制器也會由實際測量值導出各種參數(shù)的值。形成控制器420的部分的陣風風險估算器410采用這些傳感器輸入中的選定輸入。陣風風險估算器還包括訓練數(shù)據(jù)存儲器430，將來自所述傳感器的受到所描述的統(tǒng)計處理的實況數(shù)據(jù)添加至所述訓練數(shù)據(jù)。陣風風險估算器能夠向控制器輸出超過額定功率運行或者低于額定功率運行信號，其表示控制器風力渦輪機能夠在陣風風險的評估結(jié)果的基礎上超過額定功率運行或者低于額定功率運行?？刂破鲗⑦@一信號與各種其他控制器輸入和算法一起使用，從而確定諸如間距和速度的輸出控制信號，所述信號將被傳送回渦輪機?？刂破鬟€能夠向中央控制器輸出信號，從而使陣風風險的評估結(jié)果能夠用來控制風電場的不只一臺風力渦輪機。在本發(fā)明的一個優(yōu)選實施例中，風電場的每一渦輪機能夠采用來自其自身的傳感器的數(shù)據(jù)評估陣風風險。但是，在一臺渦輪機確定了高陣風風險時，通過場控制器將報警信號傳達給其他渦輪機。在另一實施例中，多臺渦輪機可以采用相同的一組訓練數(shù)據(jù)開始運行，但是將采用其自身的相應數(shù)據(jù)修改所述訓練數(shù)據(jù)。這使得系統(tǒng)的啟動更加簡單，同時保持了隨著時間的推移進行個體學習的優(yōu)點。本發(fā)明的實施例的優(yōu)點在于，它們在不需要諸如激光雷達的昂貴的前瞻性傳感器的情況下實現(xiàn)了對諸如極端陣風風險的陣風危險的評估。在當前這是不可能的?？梢栽趥€體渦輪機處評估陣風風險，也可以在中央發(fā)電廠控制器處對陣風風險進行全局評估，從而發(fā)出具有比單個渦輪機更廣的傳達范圍的風險評估結(jié)果。在渦輪機意識到陣風風險時它們能夠更加安全地運行，因為它們能夠低于額定功率運行。此外，在被通知存在低陣風風險時，渦輪機能夠更有效率并且更具效益地運行，從而使渦輪機產(chǎn)生的收入和渦輪機的壽命都能夠最大化。本發(fā)明還可以擴展至檢測風向的極端變化或者極端風力轉(zhuǎn)向事件。在不偏離所附權(quán)利要求界定的本發(fā)明的情況下，對所描述的陣風風險估算器的各種其他修改也是有可能的，并且是本例技術(shù)人員能夠想到的。
權(quán)利要求
1.一種控制風力渦輪機的方法，包括如下步驟采集并存儲與一個或多個感測到的變量相關(guān)的訓練數(shù)據(jù)，所述訓練數(shù)據(jù)包括由表示風險的至少一個統(tǒng)計學度量獲得的特征向量；基于測量的參數(shù)將每一所述訓練數(shù)據(jù)分配到一個風險類別，并由每一類別中的特征向量的至少一個距離的度量來定義所述每一類別的特征區(qū)帶，所述特征區(qū)帶包括表示陣風風險為聞的聞風險區(qū)；以及在風力渦輪機的運行期間，由通過至少一個傳感器獲得的數(shù)據(jù)周期性地計算特征向量并確定將所述特征向量分配給哪一特征區(qū)帶來確定陣風風險的評估結(jié)果，由此確定所測得的特征向量所代表的極端陣風風險的評估結(jié)果。
2.根據(jù)權(quán)利要求1所述的方法，包括向風力渦輪機控制器輸出陣風風險表示信號。
3.根據(jù)權(quán)利要求1或2所述的方法，其中，由每一風險類別中的特征向量的平均值來定義所述每一風險類別的特征區(qū)帶。
4.根據(jù)權(quán)利要求1、2或3所述的方法，其中，由每一風險類別中的特征向量的平均值和協(xié)方差來定義所述每一風險類別的特征區(qū)帶。
5.根據(jù)權(quán)利要求1、2、3或4所述的方法，其中，通過測量所述特征向量與每一特征區(qū)帶的中心的馬哈拉諾比斯距離，并將所述特征向量分配給與所述特征向量具有最小馬哈拉諾比斯距離的區(qū)帶而將所述特征向量分配給特征區(qū)帶。
6.根據(jù)權(quán)利要求1到5中的任一項所述的方法，其中，所述特征向量是以平均風速為基礎的。
7.根據(jù)權(quán)利要求1到6中的任一項所述的方法，包括響應于實時測量結(jié)果來調(diào)整所述特征區(qū)帶。
8.根據(jù)權(quán)利要求1到7中的任一項所述的方法，包括在極端陣風的風險評估結(jié)果為低時使所述風力渦輪機超過額定功率運行。
9.根據(jù)權(quán)利要求1到8中的任一項所述的方法，包括在極端陣風的風險評估結(jié)果為高時使所述風力渦輪機低于額定功率運行。
10.根據(jù)任何前述權(quán)利要求所述的方法，其中，所述陣風風險評估結(jié)果輸出到控制兩臺或更多風力渦輪機的控制器。
11.根據(jù)任何前述權(quán)利要求所述的方法，其中，分配給特征向量的風險水平是以可測量參數(shù)為基礎的，所述可測量參數(shù)跟隨獲得導出所述特征向量的數(shù)據(jù)的測量周期。
12.根據(jù)任何前述權(quán)利要求所述的方法，其中，向特征向量分配與跟隨所述測量周期的最大發(fā)電機速度相關(guān)的風險水平。
13.根據(jù)任何前述權(quán)利要求所述的方法，其中，將所述訓練數(shù)據(jù)預加載到風力渦輪機控制器內(nèi)。
14.根據(jù)任何前述權(quán)利要求所述的方法，其中，將由傳感器數(shù)據(jù)周期性地計算出的所述特征向量添加到所存儲的訓練數(shù)據(jù)。
15.根據(jù)權(quán)利要求14所述的方法，包括將具有基本相同值的訓練數(shù)據(jù)項合并到一起， 并對所合并的項的值加權(quán)。
16.根據(jù)任何前述權(quán)利要求所述的方法，其中，所述陣風風險的評估結(jié)果是極端陣風的評估結(jié)果。
17.一種用于風力渦輪機的陣風風險估算器，包括與所述風力渦輪機感測到的一個或多個變量相關(guān)的訓練數(shù)據(jù)的存儲器，所述訓練數(shù)據(jù)包括由表示風險的至少一個統(tǒng)計學度量獲得的特征向量；比較器，用于將每一訓練數(shù)據(jù)項與采集所述訓練數(shù)據(jù)時的測量參數(shù)進行比較，并且在所述測量參數(shù)的基礎上將每一所述訓練數(shù)據(jù)分配給一個風險類別；用于由每一類別中的特征向量的距離的度量定義所述每一類別的特征區(qū)帶的模塊，所述特征區(qū)帶包括表示陣風風險為高的高風險區(qū)；以及用于確定所述風力渦輪機的運行期間陣風風險的評估結(jié)果的模塊，所述的確定方式為由通過與所述風力渦輪機相關(guān)的至少一個傳感器獲得的數(shù)據(jù)周期性地計算特征向量，并確定將所述特征向量分配給哪一特征區(qū)帶，從而確定所測量的特征向量所表示的極端陣風風險的評估結(jié)果。
18.根據(jù)權(quán)利要求17所述的陣風風險估算器，其中，用于確定陣風風險的評估結(jié)果的模塊向風力渦輪機控制器輸出陣風風險表示信號。
19.根據(jù)權(quán)利要求18所述的陣風風險估算器，其中，所述風力渦輪機控制器對從其獲得了所述陣風風險估算器處理的所述數(shù)據(jù)的所述風力渦輪機進行控制。
20.根據(jù)權(quán)利要求18或19所述的陣風風險估算器，其中，所述控制器控制多臺風力渦輪機。
21.根據(jù)權(quán)利要求17到20中的任一項所述的陣風風險估算器，其中，用于定義特征區(qū)帶的模塊由每一風險類別中的特征向量的平均值定義所述每一風險類別的特征區(qū)帶。
22.根據(jù)權(quán)利要求17到21中的任一項所述的陣風風險估算器，其中，用于定義特征區(qū)帶的模塊由每一風險類別中的特征向量的平均值和協(xié)方差定義所述每一風險類別的特征區(qū)帶。
23.根據(jù)權(quán)利要求17到22中的任一項所述的陣風風險估算器，其中，用于確定陣風風險的評估結(jié)果的模塊通過測量所述特征向量與每一特征區(qū)帶的中心的馬哈拉諾比斯距離并且將所述特征向量分配給與所述特征向量具有最小馬哈拉諾比斯距離的區(qū)帶而將特征向量分配給特征區(qū)帶。
24.根據(jù)權(quán)利要求17到23中的任一項所述的陣風風險估算器，其中，所述特征向量是以平均風速為基礎的。
25.根據(jù)權(quán)利要求17到24中的任一項所述的陣風風險估算器，其中，在極端陣風風險的評估結(jié)果為低時，所述控制器使所述風力渦輪機超過額定功率運行。
26.根據(jù)權(quán)利要求17到25中的任一項所述的陣風風險估算器，其中，在極端陣風風險的評估結(jié)果為高時，所述控制器使所述風力渦輪機低于額定功率運行。
27.根據(jù)權(quán)利要求17到26中的任一項所述的陣風風險估算器，其中，所述比較器基于可測量參數(shù)的值向所述特征向量分配風險水平，所述可測量參數(shù)跟隨獲得導出所述特征向量的數(shù)據(jù)的測量周期。
28.根據(jù)權(quán)利要求17到27中的任一項所述的陣風風險估算器，其中，所述比較器向特征向量分配與跟隨所述測量周期的最大風力渦輪發(fā)電機速度相關(guān)的風險水平。
29.根據(jù)權(quán)利要求17到28中的任一項所述的陣風風險估算器，其中，將由傳感器數(shù)據(jù)周期性地計算出的所述特征向量添加至所存儲的訓練數(shù)據(jù)。
30.根據(jù)權(quán)利要求29所述的陣風風險估算器，其中，在所述存儲器內(nèi)使基本上具有相同值的訓練數(shù)據(jù)項合并到一起，并對其加權(quán)。
31.根據(jù)權(quán)利要求17到30中的任一項所述的陣風風險估算器，其中，所述陣風風險的評估結(jié)果是極端陣風風險的評估結(jié)果。
32.具有根據(jù)權(quán)利要求17到31中的任一項所述的陣風風險估算器的風力渦輪機。
33.具有多臺風力渦輪機和根據(jù)權(quán)利要求17到31中的任一項所述的陣風風險估算器的風電場。
全文摘要
通過匯集來自一個或多個傳感器的數(shù)據(jù)用作訓練數(shù)據(jù)來評估吹襲風力渦輪機的極端陣風風險。這一數(shù)據(jù)是在一定時間周期內(nèi)采集的，并通過統(tǒng)計學度量轉(zhuǎn)換成既定時間周期的特征向量。形成若干特征區(qū)帶，每一區(qū)帶涉及不同的風險評估結(jié)果，將每一特征向量分配給一個風險類別。參考采集數(shù)據(jù)時一個或多個選定渦輪機參數(shù)的值定義風險類別。由來自既定類別中的特征向量的距離的度量，例如，平均值和協(xié)方差形成特征區(qū)帶。通過測量實況數(shù)據(jù)的特征向量與每一區(qū)帶的中心的馬哈拉諾比斯距離對實況數(shù)據(jù)進行處理，并將極端陣風風險評估為與之具有最低馬哈拉諾比斯距離的特征區(qū)帶的風險。
文檔編號F03D7/04GK103026266SQ201180035618
公開日2013年4月3日 申請日期2011年6月16日 優(yōu)先權(quán)日2010年6月21日
發(fā)明者M·埃文斯 申請人:維斯塔斯風力系統(tǒng)集團公司