ES2973985T3 - Monitorización de estela, gestión de estela y disposiciones sensoriales asociadas - Google Patents
Monitorización de estela, gestión de estela y disposiciones sensoriales asociadas Download PDFInfo
- Publication number
- ES2973985T3 ES2973985T3 ES21702047T ES21702047T ES2973985T3 ES 2973985 T3 ES2973985 T3 ES 2973985T3 ES 21702047 T ES21702047 T ES 21702047T ES 21702047 T ES21702047 T ES 21702047T ES 2973985 T3 ES2973985 T3 ES 2973985T3
- Authority
- ES
- Spain
- Prior art keywords
- wake
- wind turbine
- wtg
- data
- wind
- 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.)
- Active
Links
- 230000001953 sensory effect Effects 0.000 title claims description 58
- 238000012544 monitoring process Methods 0.000 title claims description 28
- 230000009471 action Effects 0.000 claims description 80
- 238000000034 method Methods 0.000 claims description 50
- 238000012545 processing Methods 0.000 claims description 31
- 238000010801 machine learning Methods 0.000 claims description 22
- 238000005259 measurement Methods 0.000 claims description 22
- 238000005070 sampling Methods 0.000 claims description 13
- 230000001360 synchronised effect Effects 0.000 claims description 12
- 238000004519 manufacturing process Methods 0.000 claims description 11
- 230000006870 function Effects 0.000 claims description 3
- 238000005457 optimization Methods 0.000 description 24
- 230000001133 acceleration Effects 0.000 description 14
- 238000004422 calculation algorithm Methods 0.000 description 14
- 238000004364 calculation method Methods 0.000 description 11
- 239000011295 pitch Substances 0.000 description 9
- 230000008569 process Effects 0.000 description 9
- 238000004891 communication Methods 0.000 description 8
- 238000012549 training Methods 0.000 description 7
- 238000012360 testing method Methods 0.000 description 5
- 238000000605 extraction Methods 0.000 description 4
- 238000011144 upstream manufacturing Methods 0.000 description 4
- 238000012795 verification Methods 0.000 description 4
- 238000013016 damping Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 238000007781 pre-processing Methods 0.000 description 3
- 230000009467 reduction Effects 0.000 description 3
- 241000220317 Rosa Species 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000013480 data collection Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000012530 fluid Substances 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000006735 deficit Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000004146 energy storage Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 230000000116 mitigating effect Effects 0.000 description 1
- 238000011017 operating method Methods 0.000 description 1
- 230000010076 replication Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
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
- F03D7/048—Automatic control; Regulation by means of an electrical or electronic controller controlling wind farms
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F03—MACHINES OR ENGINES FOR LIQUIDS; WIND, SPRING, OR WEIGHT MOTORS; PRODUCING MECHANICAL POWER OR A REACTIVE PROPULSIVE THRUST, NOT OTHERWISE PROVIDED FOR
- F03D—WIND MOTORS
- F03D17/00—Monitoring or testing of wind motors, e.g. diagnostics
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F03—MACHINES OR ENGINES FOR LIQUIDS; WIND, SPRING, OR WEIGHT MOTORS; PRODUCING MECHANICAL POWER OR A REACTIVE PROPULSIVE THRUST, NOT OTHERWISE PROVIDED FOR
- F03D—WIND MOTORS
- F03D7/00—Controlling wind motors
- F03D7/02—Controlling wind motors the wind motors having rotation axis substantially parallel to the air flow entering the rotor
- F03D7/0204—Controlling wind motors the wind motors having rotation axis substantially parallel to the air flow entering the rotor for orientation in relation to wind direction
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- 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
- F05B2270/10—Purpose of the control system
- F05B2270/20—Purpose of the control system to optimise the performance of a machine
- F05B2270/204—Purpose of the control system to optimise the performance of a machine taking into account the wake effect
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
- F05B—INDEXING SCHEME RELATING TO WIND, SPRING, WEIGHT, INERTIA OR LIKE MOTORS, TO MACHINES OR ENGINES FOR LIQUIDS COVERED BY SUBCLASSES F03B, F03D AND F03G
- F05B2270/00—Control
- F05B2270/30—Control parameters, e.g. input parameters
- F05B2270/334—Vibration measurements
-
- 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
- F05B2270/802—Calibration thereof
-
- 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
-
- 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
- F05B2270/807—Accelerometers
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/70—Wind energy
- Y02E10/72—Wind turbines with rotation axis in wind direction
Landscapes
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Sustainable Development (AREA)
- Sustainable Energy (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Wind Motors (AREA)
- Testing And Monitoring For Control Systems (AREA)
Description
DESCRIPCIÓN
Monitorización de estela, gestión de estela y disposiciones sensoriales asociadas
Antecedentes de la invención
Campo de la invención
La presente invención se refiere a un método de establecimiento de una gestión de estela de un parque eólico. El método comprende acciones de monitorización de una o más condiciones de estela utilizando uno o más sensores de uno o más generadores de turbina eólica (WTG, por sus siglas en inglés); y de establecimiento de una gestión de estela del parque eólico en función de las condiciones de estela. También se divulga un método de optimización del funcionamiento de un parque de turbinas eólicas basado en la gestión de estela y un sistema para generar la gestión de estela.
Descripción de la técnica anterior
La estela y la turbulencia del viento son razones bien conocidas por las que los generadores de turbina eólica (WTG) presentan un rendimiento inferior. La calidad del viento que se recoge es crítica para la producción de potencia de un generador de turbina eólica. Por lo tanto, en un parque eólico, cada generador de turbina eólica ubicado aguas abajo de una o más turbinas, o de otros objetos que perturben el flujo de viento, está directamente expuesto a la estela de estas otras turbinas y objetos aguas arriba, lo que da lugar a una menor velocidad de viento y a una mayor turbulencia. El impacto en términos de pérdida de la producción es muy significativo: se sabe comúnmente que las pérdidas por estela pueden reducir la producción anual de un parque eólico.
Un experto en la materia apreciará una multitud de definiciones de condiciones de estela. Generalmente, cuando un generador de turbina eólica está en funcionamiento surge una estela. La estela y el funcionamiento dependen de y alteran las condiciones aerodinámicas alrededor de la turbina eólica. Por consiguiente, la estela influye en el nivel de turbulencia, la producción, etc.
El documento EP2696067A2 divulga un método y sistema para optimizar el funcionamiento de un parque eólico donde las condiciones de estela se monitorizan utilizando sensores de vibración, medidores de potencia o LiDAR (detección y rango de luz, por sus siglas en inglés), dispuestos en la góndola o en la turbina eólica. Los datos de sensor se transmiten a un controlador de parque eólico central. Las fluctuaciones de viento o las fluctuaciones de potencia y los niveles de vibración pueden utilizarse para indicar las condiciones de estela. La corrección de estela se activa cuando la intensidad de turbulencia o déficit de viento excede de un umbral. El sistema de control utiliza un estimador de viento y un estimador de carga/potencia para estimar las condiciones de viento, la producción de potencia y las cargas, que se introducen en un módulo de evaluación que utiliza agrupamiento y, por ejemplo, un modelo de estela para determinar los ángulos de guiñada óptimos.
El documento EP3517774A1 divulga un método y sistema para optimizar el funcionamiento del parque eólico y establecer implícitamente una gestión de estela. Las condiciones de estela se monitorizan utilizando sensores que miden, por ejemplo, la salida de potencia, la velocidad del generador y la aceleración de la góndola, donde se estima un nivel de turbulencia a partir de la aceleración de la góndola. Los datos de sensor recibidos desde al menos dos turbinas eólicas se sincronizan en el tiempo y se almacenan en una base de datos. Se utiliza un aprendizaje automático, por ejemplo un proceso gaussiano o una red neuronal, para entrenar el modelo impulsado por datos, por ejemplo un modelo de regresión basado en datos de sensor históricos y actuales. La producción de potencia de la turbina eólica aguas arriba se introduce en el modelo impulsado por datos y este devuelve un valor de predicción que se utiliza para controlar las turbinas eólicas.
El documento EP2757255 describe un método de funcionamiento de un parque eólico que comprende una pluralidad de turbinas eólicas, teniendo cada una de las turbinas una pluralidad de palas, comprendiendo el método determinar una posible situación de estela en una primera turbina eólica causada por una segunda turbina eólica, estando ubicada la segunda turbina eólica aguas arriba de la primera turbina eólica, y adaptar individualmente las palas de la segunda turbina eólica de manera que una estela generada por la segunda turbina eólica es desviada lejos de la primera turbina eólica.
Sumario de la invención
Descripción
Un objetivo se logra mediante un método de acuerdo con la reivindicación 1 de establecimiento de una gestión de estela de un parque eólico. Comprendiendo el método las siguientes acciones.
Hay una acción de monitorización de una o más condiciones de estela utilizando uno o más sensores de uno o más generadores de turbina eólica (WTG).
La monitorización puede basarse en datos sensoriales de uno o más sensores dispuestos como sensores de vibración colocados en una o más de las palas (22) de un rotor de la turbina eólica.
Puede haber acciones de identificación de la una o más condiciones de estela respectivas mediante una acción de procesamiento de los datos sensoriales.
Hay una acción de establecimiento de una gestión de estela del parque eólico en función de las condiciones de estela.
De este modo se reduce la pérdida de energía debida a las estelas, ya que la salida de potencia colectiva del parque eólico prevalecerá sobre la salida de potencia individual de una única turbina eólica.
Este sistema de gestión de estela decidirá, controlará y permitirá que cada WTG individual funcione, por ejemplo, con guiñada diferente, para que la salida total del parque eólico sea óptima.
Esta toma de decisión dependerá de la cantidad de estela/turbulencia que esté experimentando cada generador de turbina eólica individual. La optimización de estela orientará la corriente descendente de cada turbina individual de una manera óptima para todo el parque eólico, es decir, teniendo las turbinas eólicas situadas aguas arriba el menor impacto posible en las siguientes turbinas situadas aguas abajo.
Así, una vez aplicada la optimización de la gestión del parque eólico, las turbinas individuales no estarán en un estado de condición óptima individual, sino que el parque eólico en total producirá significativamente más debido a la mayor calidad del viento. Esta gestión de estela conduce a un aumento significativo de la producción del parque eólico en total.
La técnica anterior depende de la colocación de tecnología y medios de diagnóstico de manera externa a una turbina eólica. O completamente separados de una turbina eólica o bien instalaciones tales como anemómetros situados en la góndola/SCADA (control de supervisión y adquisición de datos, por sus siglas en inglés) o tecnología LiDAR.
Contrariamente a la gestión de estela existente, el sistema de gestión de estela divulgado depende de o incluye el estado o las condiciones de rotor y/o de pala en la gestión de estela.
Todos, y opcionalmente con marca de tiempo y sincronizados en el tiempo, los datos de vibraciones, medición de la dirección de guiñada, zona de amortiguación delante de la medición del rotor, mediciones de lluvia y granizo, medición de salida de potencia, etc., de al menos dos, más o todas las turbinas eólicas del parque eólico se consideran y utilizan para ajustar al menos uno de los siguientes: direcciones de guiñada de góndola, y/o pasos de pala y/o RPM de rotor para lograr la mejor salida de potencia global para todo el parque eólico.
En un aspecto, la acción de monitorización se realiza mediante la identificación de la una o más condiciones de estela respectivas mediante una acción de procesamiento de los datos sensoriales proporcionados desde el uno o más generadores de turbina eólica (WTG) respectivos.
El marcado de tiempo de los datos y la sincronización en el tiempo de los datos recogidos pueden mejorar la calidad de los datos. Además, se puede utilizar un sensor de calidad superior para mejorar los datos de sensor de calidad inferior.
Como se ejemplifica, puede utilizarse aprendizaje automático en el procesamiento de los datos sensoriales para identificar las condiciones de estela.
En un aspecto, la acción de procesamiento de datos sensoriales implica la identificación de condiciones aerodinámicas como condiciones de estela en los datos sensoriales.
Por ejemplo, las condiciones de turbulencia pueden definirse mediante un umbral de intensidad de turbulencia. Las condiciones aerodinámicas también pueden ser condiciones de lluvia o granizo.
El procesamiento, por ejemplo la extracción, y la identificación de las condiciones también puede consistir en el mapeado gradual de las condiciones aerodinámicas. Como ejemplo, las condiciones laminares pueden considerarse por debajo del umbral de intensidad y las condiciones de turbulencia pueden estar por encima del umbral o las condiciones de turbulencia pueden mapearse gradualmente.
El procesamiento o extracción de la estela y la turbulencia del viento para cada turbina de un parque eólico puede implementarse mediante el uso, por ejemplo, de software implementado por ordenador. Dicho software puede incluir Dinámica de Fluidos Computacional (CFD, por sus siglas en inglés) utilizada para simulaciones de estela en un parque eólico. Para un parque eólico entero, un ordenador central que aloja el sistema de gestión de estela y el modelo de estela y una base de datos central donde se recogen todos los datos; y opcionalmente sincronizados.
Una o más turbinas eólicas interactúan directamente con una o más turbinas eólicas en sus alrededores para tener una optimización local en lugar de una global. Estas optimizaciones locales resultarán finalmente, después de alguna iteración, en una optimización global.
El procesamiento puede ser una gestión de estela dinámica. El procesamiento también puede ser una gestión de estela activada, cuando la intensidad de turbulencia para una turbina individual o para un conjunto de turbinas es superior a un cierto umbral predefinido aceptable. Se puede ajustar un conjunto de umbrales predefinidos aceptables individualmente para cada parque eólico en colaboración con el propietario, que normalmente considerará conjuntamente la optimización de la producción del parque eólico y su vida útil. Este umbral se definirá considerando que podría actuarse sobre las cargas de los WTG individuales durante su funcionamiento con el desalineamiento de guiñada de la góndola inducido y/o paso de pala y/o RPM del rotor.
El procesamiento puede ser de al menos dos generadores de turbina eólica del parque eólico que se está monitorizando, pero opcionalmente se monitorizarán todas las turbinas eólicas del parque eólico. En algunos casos, solo se puede monitorizar un conjunto de turbinas eólicas.
En un aspecto, la acción de monitorización se basa en datos sensoriales del rotor o entrada sensorial.
En cada turbina eólica individual puede haber sensores que generen datos sensoriales. Puede haber acelerómetros u otro dispositivo que detecte vibraciones en una, más o todas las palas. Los datos sensoriales del rotor pueden obtenerse alternativamente u opcionalmente mediante la medición de la salida de potencia del generador.
Los datos sensoriales pueden basarse además en datos sensoriales acústicos de un sensor acústico.
Los datos del/los sensor(es) de vibración, por ejemplo, aceleración: uno o múltiples sensores de vibración ubicados dentro de una o varias palas y pueden estar configurados para transmitir continuamente los datos de manera inalámbrica a una caja de recogida. Los datos pueden tener una marca de tiempo.
Por consiguiente, partes del análisis y procesamiento o preprocesamiento pueden realizarse en un nodo sensor ubicado en, por ejemplo, una pala.
Los datos cubren todos los datos recogidos desde el momento de la instalación y su tamaño y frecuencia es un parámetro que puede ser fijo o cambiante dependiendo de la firma de la condición y/o un activador de evento indicado por los mismos datos.
La aceleración se mide a través de este sensor o sensores de vibraciones, por ejemplo, aceleración, en uno, dos o tres ejes; o, generalmente, en una configuración multiaxial.
Los datos finales de marcas de tiempo y valores de aceleración correspondientes pueden agregarse con otros datos de estado de turbina o sensores y se presentan al algoritmo para una ventana de tiempo de movimiento especificada que puede cambiar dependiendo de la condición que ha de examinarse.
En un aspecto, la acción de medición se basa en datos sensoriales con marca de tiempo y sincronizados. Es decir, una entrada de sensor está sincronizada con otra entrada de sensor. En un aspecto, puede haber una entrada sensorial de resolución superior y una o más entradas sensoriales de resolución inferior.
En un aspecto, la acción de identificación se realiza localmente en conexión con la medición de la entrada sensorial.
Un sensor de vibración puede estar dispuesto en un nodo sensor. Un nodo sensor puede estar configurado con un enlace de comunicación configurado para transferir datos a un procesador central. Algunos o todos los datos también pueden procesarse directamente en el nodo sensor.
Un nodo sensor puede estar configurado con un procesador para realizar la identificación como se ha descrito. Un nodo sensor puede estar configurado con medios para actualizar firmas. Un nodo sensor puede estar configurado con medios para preprocesar o incluso procesar una entrada sensorial. Esto permite que un nodo sensor funcione utilizando el menor consumo de potencia posible. Por consiguiente, puede ser ventajoso proporcionar un procesador en un nodo sensor con los esfuerzos adicionales que ello supone comparado con hacer que el nodo sensor transmita datos (velocidad de muestreo alta) a un procesador colocado en cualquier otro lugar. Mitigando de este modo los efectos adversos de consumo de potencia relacionados con la transmisión inalámbrica de datos.
Un nodo sensor puede estar provisto además de medios para ajustar la velocidad/frecuencia de muestreo del sensor. El muestreo puede ajustarse dinámicamente, de acuerdo con la condición y la firma. Un nodo sensor puede funcionar con un bajo consumo de potencia a una baja resolución, y si se espera una firma o se indica de otra manera, el nodo sensor puede ajustar el muestreo y el procesamiento para aumentar la resolución en un intento de determinar si una firma de una condición anormal está presente de manera más decisiva.
Un nodo sensor también puede funcionar con una ventana movible en el sentido de que los datos normales se borrarán y no se transferirán de manera inalámbrica para su procesamiento adicional o, alternativamente, solo se transferirán los datos normalizados para su procesamiento adicional. Los algoritmos en el nodo sensor pueden vibraciones, por ejemplo, datos de intensidad de turbulencia y después activar potencialmente un cambio en la frecuencia de muestreo y el almacenamiento de datos un cierto tiempo antes y después del evento de activación y mantenerse para un procesamiento detallado adicional. La ventana de tiempo puede estar predefinida o cambiarse de acuerdo con la situación real.
Pueden incluirse datos adicionales. Puede haber una medición de la dirección del viento y de la dirección de guiñada de la góndola. Los datos pueden tener una marca de tiempo o estar sincronizados. Puede haber una unidad de recogida de datos que recoge los datos con marca de tiempo que han de procesarse.
Opcionalmente, se puede utilizar al menos una coordenada LiDAR y GPS (sistema de posicionamiento global, por sus siglas en inglés) adicional de todas las turbinas para establecer un mapa de estela. Un experto en la materia puede encontrar útil tener la rosa de los vientos anual y la distribución de vientos anual.
La acción de monitorización se realiza basándose en uno o más sensores de vibraciones, por ejemplo, aceleración, colocados en una o más de las palas del rotor. Dicho sensor puede ser como se ha descrito.
Los datos de sensor pueden procesarse utilizando extracción de características indicativas de turbulencia, intensidad de turbulencia y establecer así una medida de la estela.
En un aspecto, la acción de procesamiento se basa en datos sensoriales rotatorios proporcionados por muestreo de alta frecuencia.
Un sensor puede estar realizando un muestreo a alta frecuencia y, por lo tanto, utilizarse para mejorar la precisión de otras entradas sensoriales obtenidas en frecuencias de muestreo inferiores. En un aspecto, la acción de procesamiento se basa en datos sensoriales con marca de tiempo y sincronizados. Por consiguiente, se puede mejorar la precisión.
En un ejemplo, un nodo sensor de vibración en una pala puede ser un sensor de muestreo de alta frecuencia.
En un ejemplo, la salida de potencia puede estar sobremuestreada/muestreada rápidamente, es decir, muestreada a alta frecuencia para cuantificar la velocidad de rotación o la salida de potencia. Dicho muestreo puede ser de sensores tales como bobinas de Rogowski.
En un aspecto, la acción de monitorización se realiza además utilizando una monitorización de condición de estela real e instalada temporalmente, obtenida opcionalmente mediante mediciones LiDAR. Puede haber una acción de procesamiento que se realiza calibrando además datos sensoriales procesados contra las condiciones de estela temporalmente reales.
En un ejemplo, puede haber varios enfoques para el sistema de gestión de estela en un parque eólico basado en acciones como las descritas.
Opcionalmente, todos los datos tienen marca de tiempo y están sincronizados en el tiempo. Se recogen datos como vibraciones, por ejemplo aceleraciones, de sensores en las palas, se recogen datos como medición de la dirección de guiñada, medición de la salida de potencia de al menos dos generadores de turbina eólica, e incluso de todas las turbinas eólicas del parque eólico. Los datos se procesan como se ha descrito, se consideran y utilizan para ajustar al menos uno de los siguientes: dirección de guiñada de la góndola y/o paso de pala, y/o RPM del rotor para lograr la mejor salida de potencia global para todo el parque eólico.
La zona de amortiguación delante del rotor puede estimarse mediante algoritmos basados en datos recogidos de los sensores de vibración y aceleración ubicados en las palas. De este modo, se puede lograr la simetría de la zona de amortiguación delante del rotor para mejorar la captura de energía.
Una o más turbinas eólicas interactúan directamente con una o más turbinas eólicas en sus alrededores para tener una optimización local en lugar de una global. Estas optimizaciones locales resultarán finalmente, después de alguna iteración, en una optimización global.
La monitorización o gestión de estela puede ser una gestión de estela dinámica. Es decir, la gestión de estela se activa cuando la intensidad de turbulencia para una turbina individual o para un conjunto de turbinas es superior a un cierto umbral predefinido aceptable. Se puede ajustar un conjunto de umbrales predefinidos aceptables individualmente para cada parque eólico en colaboración con el propietario, que normalmente considerará conjuntamente la optimización de la producción del parque eólico y su vida útil. Este umbral se definirá considerando que podría actuarse sobre las cargas de los WTG individuales durante su funcionamiento con el desalineamiento de guiñada de la góndola inducido y/o paso de pala y/o RPM del rotor.
Se monitorizarán al menos dos generadores de turbina eólica del parque eólico, pero pueden monitorizarse todas las turbinas eólicas del parque eólico.
En algunos casos tal vez solo se monitorizará un conjunto de turbinas, por ejemplo, pueden monitorizarse turbinas eólicas no consecutivas.
Por consiguiente, puede lograrse un objeto mediante un método de acuerdo con la reivindicación 9 de optimización del funcionamiento de un parque eólico con múltiples generadores de turbina eólica (WTG). El método de optimización puede comprender las siguientes acciones:
Hay una acción de monitorización, utilizando uno o más sensores, una o más condiciones de estela de uno o más generadores de turbina eólica (WTG).
Hay una acción de establecimiento de una gestión de estela del parque eólico en función de las condiciones de estela. Hay una acción de determinación de los ajustes de control de generador de turbina eólica (WTG) individual como una función de producción de potencia optimizada de los parámetros de gestión de estela y de generador de turbina eólica (WTG) individual.
Hay una acción de funcionamiento de uno o más generadores de turbina eólica (WTG) del parque eólico basado en el ajuste de control de generador de turbina eólica (WTG) individual.
En un aspecto, la acción de monitorización de la estela se realiza como se ha divulgado. La acción de determinación de los ajustes de control de generador de turbina eólica (WTG) individual puede realizarse minimizando la estela total en la gestión de estela en función de las condiciones de estela.
Es decir, para minimizar la turbulencia total.
En un aspecto, la acción de funcionamiento de uno o más generadores de turbina eólica (WTG) implica una acción de cabeceo, guiñada, regulación de la velocidad de rotación, o combinaciones de las mismas.
Un objeto puede lograrse mediante un sistema de acuerdo con la reivindicación 12 como se describirá. El sistema o partes del sistema pueden utilizarse para realizar acciones como las divulgadas. El sistema puede estar configurado para generar una gestión de estela. El sistema puede comprender uno o más sensores dispuestos en uno o más generadores de turbina eólica respectivos.
Puede haber medios adaptados para ejecutar las acciones del método como se ha descrito.
Puede haber un sistema controlador de acuerdo con la reivindicación 13 y configurado para optimizar el funcionamiento de un parque eólico con múltiples generadores de turbina eólica (WTG). El sistema controlador puede comprender una entrada sensorial desde uno o más sensores y medios, incluyendo medios computacionales, por ejemplo un ordenador, adaptados para ejecutar las acciones del método como se ha descrito.
El sistema controlador puede comprender uno o más sensores que pueden ser sensores de vibración, por ejemplo, aceleración, configurados para colocarse en una o más palas de un generador de turbina eólica (WTG) y configurados para medir vibraciones/aceleración de pala de rotor indicativas de turbulencia.
Dichos sensores y disposiciones se ejemplificarán más adelante.
El sistema y el sistema controlador divulgados pueden comprender instrumentos necesarios para el desarrollo de un sistema de gestión de estela. Puede haber aspectos implementados por ordenador.
Por ejemplo, para monitorizar la estela y la turbulencia del viento para cada turbina de un parque eólico, se puede aplicar lo siguiente:
Puede haber una configuración de Dinámica de Fluidos Computacional (CFD) para simulaciones de estela en un parque eólico.
Los generadores de turbina eólica individuales pueden tener sensores en forma de a) acelerómetros u otro dispositivo que detecte vibración en todas las palas, b) medición de salida de potencia del generador y c) medición de dirección de guiñada de la góndola, y/o d) caja de recogida para recoger los datos con marca de tiempo que han de procesarse. Para un parque eólico entero puede haber un ordenador central que aloja el sistema de gestión de estela y el modelo de estela y la base de datos central donde se recogen y sincronizan todos los datos.
Además, puede haber un sistema LiDAR y coordenadas GPS de todas las turbinas para establecer el mapa de estela.
Puede ser útil tener la rosa de los vientos anual y la distribución de vientos anual e incluir dicha información en la gestión de estela.
El umbral de intensidad de turbulencia puede definirse o fijarse para condiciones de viento aceptables.
La instrumentación y los parámetros para el sistema de gestión de estela final y la configuración del modelo implementado por ordenador pueden incluir, en cada generador de turbina eólica individual: a) los acelerómetros u otro dispositivo que detecte vibraciones pueden estar en una o todas las palas, b) medición de salida de potencia del generador, c) medición de la dirección de guiñada de la góndola, y d) caja de recogida para recoger los datos con marca de tiempo que han de procesarse. Para un parque eólico entero puede haber coordenadas GPS de todas las turbinas. Puede haber un sistema de comunicación entre una unidad centralizada y las turbinas eólicas diana. La unidad centralizada puede estar configurada para recibir datos, procesar datos, enviar instrucciones/toma de decisiones a los controladores de todas las turbinas.
El funcionamiento puede implicar una unidad centralizada autónoma que recoge y procesa en tiempo real datos opcionalmente con marca de tiempo y sincronizados en el tiempo recogidos de al menos dos generadores de turbina eólica y posiblemente de todas las turbinas eólicas del parque eólico que forman la base de la toma de decisiones si la gestión de estela es necesaria. De ser así, entonces operativamente se emite un ajuste de instrucción o control: a) una nueva dirección de guiñada de góndola, y/o b) un nuevo ajuste de paso de pala, y/o c) unas RPM de rotor para todos los generadores de turbina eólica diana.
Opcionalmente puede haber, para el parque eólico entero, un sistema LiDAR instalado temporalmente, por ejemplo inicialmente, para obtener cálculos de turbulencia o para permitir la identificación de condiciones operativas más fiables y/o más rápidas. Los datos de vibración de los sensores en las palas pueden calibrarse o ajustarse contra medidas LiDAR; y/o medidas de lluvia o granizo.
Un resultado de la toma de decisiones de gestión de estela en las turbinas eólicas diana individuales puede incluir un conjunto corregido de valores individuales de desplazamiento de guiñada de góndola en sentido horario o antihorario en turbinas eólicas, un conjunto corregido de valores individuales de paso de pala, o un conjunto corregido de reducción/aumento de la velocidad de rotación del rotor.
Por consiguiente, puede haber un parque eólico que comprende un sistema como el divulgado para establecer la gestión de estela; un sistema controlador como se ha divulgado y configurado para controlar generadores de turbina eólica (WTG) individuales, y más o todos los generadores como se ha divulgado.
Puede haber un producto de programa informático que comprende instrucciones para hacer que el sistema como se ha divulgado ejecute las acciones del método divulgado. Puede haber un medio legible por ordenador que tiene el programa informático almacenado en el mismo.
Breve descripción de los dibujos
Las realizaciones de la invención se describirán en las figuras, en donde:
la figura 1 ilustra un método de establecimiento de una gestión de estela;
la figura 2 ilustra un aspecto adicional de la identificación de condiciones de estela;
la figura 3 ilustra un método de funcionamiento de un generador de turbina eólica que utiliza una gestión de estela; la figura 4 ilustra un generador de turbina eólica;
la figura 5 ilustra una disposición sensorial dentro de las palas;
la figura 6 ilustra aspectos adicionales de una disposición sensorial;
la figura 7 ilustra aspectos opcionales o alternativos adicionales de la disposición sensorial en un generador de turbina eólica, incluyendo una disposición de nodo sensor;
la figura 8 ilustra un generador de turbina eólica con una disposición sensorial en interacción con un procesador remoto/basado en la nube;
la figura 9 ilustra una configuración de un nodo sensor;
la figura 10 ilustra un parque eólico sin gestión de estela;
la figura 11 ilustra un parque eólico con gestión de estela;
la figura 12 ilustra un proceso de gestión de estela;
la figura 13 ilustra el cálculo de la intensidad de turbulencia para un mapa de estela; y
la figura 14 ilustra un proceso de gestión de estela.
Descripción detallada de la invención
continuación
La figura 1 ilustra un método de establecimiento 1000 de una gestión de estela 230 de un parque eólico 80, véanse las figuras 10 a 14. El método 1000 comprende una acción de monitorización 100 de una o más condiciones de estela 130, véanse las figuras 12 y 13, utilizando uno o más sensores 40 de uno o más generadores de turbina eólica 12 (WTG), véanse las figuras 4 y 6.
Hay una acción de establecimiento 200 de una gestión de estela 230 del parque eólico 80 en función de las condiciones de estela 130.
La acción de monitorización se realiza basándose en la entrada sensorial 140 desde el generador de turbina eólica 12. La entrada sensorial 140 puede comprender datos de nodos sensores colocados en las palas de la turbina eólica. La figura 2 ilustra un aspecto adicional de la identificación de condiciones de estela. Se observa que la acción de monitorización 100 puede realizarse independientemente de la acción de establecimiento 200 de una gestión de estela 230.
La acción de monitorización 100 puede realizarse mediante la identificación 110 de la una o más condiciones de estela 130 respectivas, véanse las figuras 10 y 13, mediante una acción de procesamiento 120 de datos sensoriales 31 proporcionados desde el uno o más generadores de turbina eólica 12 (WTG) respectivos.
La acción de procesamiento 120 de datos sensoriales 31 implica la identificación de condiciones aerodinámicas como condiciones de estela 130 en los datos sensoriales 31; véase la figura 13 como un ejemplo.
La acción de monitorización 100 puede basarse en datos sensoriales de rotor 42, véanse las figuras 5 a 7.
En particular, la acción de monitorización puede realizarse basándose en uno o más sensores de vibración 50, véase la figura 7, colocados en o sobre una o más de las palas 22 del rotor 14, véase la figura 4.
Las acciones de monitorización 100, incluyendo las acciones de identificación 110 o procesamiento 120, pueden realizarse utilizando aprendizaje automático, ML, por sus siglas en inglés, y/o inteligencia artificial, IA.
La figura 3 ilustra un método de funcionamiento de un generador de turbina eólica 12 que utiliza la gestión de estela 230.
Se ilustra un método de optimización 2000 del funcionamiento de un parque eólico 80 con múltiples generadores de turbina eólica 12 (WTG), véanse las figuras 10, 11. El método comprende las siguientes acciones:
Hay una acción de monitorización 100, por ejemplo utilizando uno o más sensores 40, una o más condiciones de estela 130 de uno o más generadores de turbina eólica 12 (WTG).
Hay una acción de establecimiento 200 de una gestión de estela 230 del parque eólico 80 en función de las condiciones de estela 130.
Hay una acción de determinación 300 de los ajustes de control 350 de generador de turbina eólica (WTG) individual 12 como una función de producción de potencia optimizada de los parámetros de gestión de estela 230 y de generador de turbina eólica (WTG) individual 12, véanse las figuras 10, 11, 12 y 14.
Hay una acción de funcionamiento 400 de uno o más generadores de turbina eólica 12 (WTG) del parque eólico 80 basado en el ajuste de control 350 de generador de turbina eólica (WTG) individual (12).
La acción de monitorización 100 puede realizarse como se describe en la figura 2.
En un aspecto del funcionamiento o la optimización 2000, la acción de determinación 300 de los ajustes de control 350 de generador de turbina eólica (WTG) individual 12 se realiza minimizando la estela total en la gestión de estela 230 en función de las condiciones de estela 130.
En un aspecto, la acción de funcionamiento 400 de uno o más generadores de turbina eólica 12 (WTG) implica una acción de cabeceo, guiñada, regulación de la velocidad de rotación, o combinaciones de las mismas; como se indica en la figura 11.
La figura 4 ilustra un generador de turbina eólica 12 (WTG) que comprende una torre 13 que soporta una góndola 19 con palas 22 conectadas de manera rotatoria y que forman un rotor 14.
La figura 5 ilustra una disposición sensorial en las palas 22A, 22B, 22C en un generador de turbina eólica 12 con un rotor 14. Las palas 22A, 22B, 22C son un conjunto de palas de rotor 20. Cada pala 22A, 22B, 22C comprende un conjunto de sensores de pala 40A, 40B, 40C como medio sensor 41. En el presente caso, cada conjunto de sensores de pala 40A, 40B, 40C comprende un sensor de pala 42A, 42B, 42C. El sensor de pala 42 puede ser un sensor de vibración 50 o un sensor acústico 60.
La disposición sensorial puede ser parte de un sistema para detectar la intensidad de turbulencia para formar una entrada para un mapa de campo de estela.
Un sensor de pala 42 está configurado para estar en comunicación 74 con un controlador o medio computacional 72. La comunicación 74 puede ser alámbrica o inalámbrica, como se ilustra en el presente documento.
El generador de turbina eólica 12 se divulga con un conjunto de sensores de pala 40A, 40B, 40C en cada pala 22A, 22B, 22C. Sin embargo, cada pala 22A, 22B, 22C experimenta las mismas condiciones, ya que las palas 22A, 22B, 22C se mueven en un único plano común. Así, la invención puede obtenerse mediante un generador de turbina eólica 12 que tiene una pala 22 del conjunto de palas 20 con un conjunto de sensores de pala 40. El conjunto de sensores de pala 40 puede ser uno, dos o más sensores de pala 42A,...,42N.
La figura 6 ilustra aspectos adicionales de disposiciones sensoriales en un generador de turbina eólica 12. Puede haber un temporizador o reloj configurado para proporcionar datos 31 desde el medio sensor 41 con una marca de tiempo 34, que, de este modo, proporciona datos con marca de tiempo 32 o datos sincronizados para su procesamiento por la unidad computacional 72.
El generador de turbina eólica (WTG) 12 tiene un rotor 14 y un conjunto de palas de rotor 20. El conjunto de palas de rotor 20 tiene tres palas de rotor 22A, 22B, 22C.
Cada pala 22A, 22B, 22C comprende un conjunto de sensores de pala 40A, 40B, 40C. En el presente caso, cada conjunto de sensores de pala 40<a>, 40B, 40C comprende un sensor de pala 42A, 42B, 42C.
En el generador 28 se muestra un medio sensor 41 adicional. En esta realización, el sensor adicional es un sensor rotatorio (sensor de RPM o sensor de vibración), tal como un sensor de alta velocidad de muestreo que mide la velocidad de rotación 610. El sistema puede estar configurado para una acción de sincronización 240, como la mostrada en la figura 2 o variaciones de la misma, y basada en los sensores 42ABC, y la sincronización se realiza contra al menos un otro sensor 41 utilizando la marca de tiempo 34 para obtener datos con marca de tiempo 32.
El medio sensor 41 en el generador 28 puede ser una bobina de Rogowski dispuesta para fluctuaciones de mediciones de precisión en la salida del generador.
La disposición sensorial puede ser parte de un sistema para hacer funcionar un generador de turbina eólica. El medio computacional 72 o controlador puede ser una sola unidad o estar distribuido como se ilustra en el presente documento.
El generador de turbina eólica 12 se divulga con un conjunto de sensores de pala 40A, 40B, 40C en cada pala 22A, 22B, 22C. Sin embargo, cada pala 22A, 22B, 22C experimenta las mismas condiciones, ya que las palas 22A, 22B, 22C se mueven en un único plano común. Así, la invención puede obtenerse mediante un generador de turbina eólica 12 que tiene una pala 22 del conjunto de palas 20 con un conjunto de sensores de pala 40. El conjunto de sensores de pala 40 puede ser uno, dos o más sensores de pala 42A,..., 42N.
La figura 7 ilustra aspectos opcionales o alternativos adicionales de una disposición sensorial en un generador de turbina eólica 12.
Los sensores 42 pueden implantarse como un nodo sensor 45 (véase la figura 9) como se ilustra mediante los nodos sensores 45A, 45<b>, 45C. Un nodo sensor puede tener un sensor de vibración 50 y un sensor acústico 60. También puede haber medios sensores adicionales 41.
Un nodo sensor 45 puede comprender procesamiento esencial 72 y estar adaptado para realizar las acciones o al menos parte de las acciones de medición.
Un conjunto de sensores 40 puede entenderse como un nodo sensor 45 con uno o más sensores. Dicho nodo sensor 45 puede comprender procesadores o medios para configurar, recoger, almacenar y procesar datos de sensor generados. Un nodo sensor 45 puede tener medios de comunicación para comunicarse con un controlador (no mostrado) u otros nodos sensores. Un nodo sensor 45 puede tener medios para sincronizar 240 (como se ha ilustrado anteriormente), por ejemplo, los sensores 50, 60 utilizando una marca de tiempo 34.
La figura 8 ilustra un generador de turbina eólica 12 con una disposición sensorial en interacción con un procesador remoto/basado en la nube 72 como parte de un sistema para hacer funcionar un generador de turbina eólica 90.
El dispositivo rotatorio 10 comprende un conjunto de palas de rotor 20. El conjunto de palas de rotor 20 consiste en tres palas de rotor 22A, 22B, 22C.
Cada pala 22A, 22B, 22C comprende un conjunto de sensores de pala 40A, 40B, 40C. En el presente caso, cada conjunto de sensores de pala 40<a>, 40B, 40C comprende un sensor de pala 42A, 42B, 42C.
Los conjuntos de datos 30 son procesados por medios computacionales 72. El generador de turbina eólica 12 puede tener un reloj para generar una marca de tiempo 34. En este caso, la marca de tiempo está además sincronizada y es suministrada desde un servidor de tiempo global. En consecuencia, los conjuntos de datos 30 pueden ser datos con marca de tiempo 32. Alternativamente, un nodo sensor 45 puede estar configurado para generar datos que están sincronizados, y la marca de tiempo 34 puede aplicarse en el nivel del nodo sensor 45.
El sistema 70 puede interactuar con un sistema operador, un dispositivo móvil, un servidor cliente y un almacenamiento o base de datos a través de un servicio de nube/conexión. El acceso adicional o la replicación o monitorización pueden estar disponibles a través de la nube para una monitorización a largo plazo, alertas o programas de servicio.
Los métodos y acciones de medición de datos sensoriales divulgados en el presente documento pueden realizarse en un único dispositivo procesador 72 o estar distribuidos como se ilustra en el presente documento.
La figura 9 ilustra una configuración de un nodo sensor 45. Hay un diseño de gestión de potencia de nodo 46, que puede incluir una fuente de energía, almacenamiento de energía, un controlador de gestión de potencia y una interfaz para configuración/control y posiblemente carga.
El nodo sensor 45 se ilustra con un procesador o medio computacional 72. El nodo sensor 45 incluye medios sensoriales 41 que generan datos 31. Se ilustra un sensor de vibración 50, que en este caso tiene tres líneas de salida y podría, por ejemplo, ser un acelerómetro triaxial. Opcionalmente, hay un sensor acústico 60. Opcionalmente, hay un medio sensor o medios sensores 41 adicionales.
Los medios computacionales 72 pueden estar adaptados para realizar instrucciones, para realizar una o más, o todas las acciones como se ha descrito, para realizar mediciones o muestreos de datos de sensor.
El nodo sensor 45 está configurado con medios de comunicación 74 y en el presente documento con medios de almacenamiento 76.
La figura 10 ilustra un parque eólico 80 sin gestión de estela 230.
El parque eólico 80 comprende un conjunto de generadores de turbina eólica 12 que experimentan una dirección del viento 132 que da lugar, debido a la colocación y orientación de los generadores de turbina eólica 12, a unas condiciones de estela específicas 130. El viento llega como se indica por las dos flechas, y se puede ver que las turbinas de la segunda y tercera filas están en la estela de las turbinas de detrás.
La figura 11 ilustra un parque eólico 80 con gestión de estela 230; el viento llega como se indica por las dos flechas, y se puede ver que, debido a la gestión de estela, las turbinas están ahora orientadas de tal manera que se reduce el impacto del campo de estela.
La figura 12 ilustra un proceso de gestión de estela 230. Con referencia al diagrama de flujo y a la descripción anterior, el diagrama de flujo describe el funcionamiento de un parque de turbinas eólicas teniendo en cuenta un mapa de campo de estela.
A: Hay condiciones de inicio y evaluación;
B: Determinar si los WTG están en funcionamiento;
C: Detectar/determinar la intensidad de turbulencia en los WTG individuales;
D: Determinar si el nivel de intensidad de turbulencia es aceptable para todos los WTG;
E: Transmitir/enviar datos/información del periodo de detección de turbulencia a la caja de recogida de datos general;
F: Calcular y definir la estrategia para la reducción de estela de acuerdo con el objetivo de gestión de estela definido en función del campo de estela de intensidad de turbulencia establecido;
G: Enviar/transmitir instrucciones y/o estrategia desde la caja de recogida a todos los controladores de WTG de un parque eólico.
En cuanto a D, luego D puede incluir técnicas de aprendizaje automático supervisado o no supervisado, utilizando los datos de vibración de los nodos sensores y la unidad LiDAR para etiquetar los datos (si es supervisado). Los algoritmos toman como entrada las mediciones de vibración de uno o más sensores, y devuelven la intensidad de turbulencia, expresada bien como un porcentaje (0 a 100 %) o como un número unitario (0 a 1), en función del uso.
En cuanto a F, el cálculo puede como unejemplo de optimización de gestión de estela podría establecerse como:
sujeto a:
minimización de estela:
Oi<E>(Omín., Omáx.)
ti<E>(tmín.,t<máx.>)
í i E (ímín., rmáx.)
Pi<E>(pmín, Pmáx.)
u otros
Minimización de estela optimización de la vida útil de la turbina:
li E (lmín, lmáx.)
u otros
donde:
Potenciaisalida de potencia deWTGi
Nnúmero de turbinas en el parque eólico (incluidas en la optimización)
Oidesalineamiento de guiñada estática deWTGi
tiintensidad de turbulencia deWTGi
rirpm del rotor deWTGi
p iángulo de paso de pala deWTGi
lidesalineamiento de guiñada promedio deWTGi
Salida para cadaWTGiindividual: [O<,>,n y o p i yluotros]
La figura 13 ilustra el cálculo de la intensidad de turbulencia para un mapa de estela.
Con referencia a las figuras anteriores, hay un ejemplo de cálculos para la detección de la intensidad de turbulencia (IT) utilizando datos de acelerómetro únicamente de los sensores 42 ubicados dentro de las palas de turbina eólica 22.
Los datos se obtienen como datos de aceleración de acelerómetros de 3 ejes colocados de la manera más idéntica posible en todas las palas de un generador de turbina eólica. Los tres ejes de un sensor de acelerómetro (canal 1, canal 2 y canal 3) son todos perpendiculares entre sí, para registrar la aceleración desde todas las direcciones posibles.
La longitud de los datos de sensor está definida por:
longitud = Raíz cuadrada([[canal 1 ]A2 [[canal 2 ]A2 [[canal 3 ]A2).
Esta longitud se utiliza para los cálculos, ya que es independiente de la orientación del sensor 42 (la manera en la que está instalado en las palas). Independientemente de la orientación en la que esté instalado el sensor 42 en la pala 22, la salida de la longitud siempre será la misma.
La figura 13A muestra qué aspecto tiene la longitud de un sensor dentro de una pala de turbina eólica para una rotación y media. La figura 13B muestra la extracción de características y el cálculo de métricas.
Para deshacerse de la influencia de la distancia de instalación del sensor al centro del rotor, en un proceso de preprocesamiento, se centra y se reduce la longitud de salida de los datos.
Se pueden aplicar cálculos directos a los datos de los acelerómetros de las palas para determinar la intensidad de turbulencia. También se pueden aplicar algoritmos de aprendizaje automático a los datos de los acelerómetros de las palas para detectar la intensidad de turbulencia del viento que golpea las palas.
Para etiquetar los datos completos y entrenar al sistema, pueden utilizarse datos LiDAR de un LiDAR instalado temporalmente que proporciona información acerca de la intensidad de turbulencia real.
La figura 13C muestra la comparación de características y la determinación de la intensidad de turbulencia. La línea "—" produce un índice de turbulencia de "0,5". La línea "_" produce un índice de turbulencia de "0,2". La línea "-.." es un ejemplo de un índice de turbulencia que ha de determinarse, que puede basarse en las intensidades de turbulencia conocidas. La intensidad de turbulencia puede determinarse de acuerdo con una métrica como se indica. La entrada del algoritmo de aprendizaje automático (ML) son métricas de la longitud centrada-reducida de los datos de aceleración.
Las métricas pueden elegirse de una variedad de medidas bien conocidas, por ejemplo, curtosis, factor de cresta, frecuencia de RPM, etc. La salida es un valor de intensidad de turbulencia.
El método de funcionamiento que utiliza la gestión de estela 230 puede realizarse definiendo dos o tres turbinas eólicas del parque eólico que soportan el máximo efecto de estela. Puede haber un sistema de comunicación/control de prueba, opcionalmente a lo largo de todo el parque eólico, que aborde la optimización de las dos o tres turbinas definidas.
Puede haber una prueba del sistema de cálculo (toma de decisiones) autónomo que se concentre en las dos o tres turbinas.
Puede haber una prueba de una carga de WTG individual cuando está funcionando, por ejemplo, con desalineamiento de guiñada.
A partir del mapa de campo de estela establecido por los sensores, por ejemplo acelerómetros, se define una estrategia de gestión de estela y se hacen selecciones/opciones en cuanto a en qué medida ha de aplicarse la estrategia de gestión: global o localmente, todas las turbinas/solo un conjunto de turbinas, qué se controlará (guiñada, paso, carga, todo), etc.
Antes de aplicar la estrategia de gestión de estela, puede haber un sistema de comunicación/control de prueba y un sistema de cálculo autónomo para todo el parque eólico.
La figura 14 ilustra un proceso de gestión de estela 230. Con referencia al diagrama de flujo y a la descripción anterior, el diagrama de flujo describe el funcionamiento de un parque de turbinas eólicas teniendo en cuenta un mapa de campo de estela.
A: Hay condiciones de inicio y evaluaciones;
B: Determinar si han cambiado las condiciones del viento (aerodinámicas) desde la última comprobación;
C: Determinar si están en funcionamiento algunos/todos los WTG;
D: Establecer/detectar la intensidad de turbulencia (condiciones aerodinámicas) en WTG individuales;
E: Determinar si el nivel de intensidad de turbulencia (condición aerodinámica) es aceptable;
F: Determinar si los controladores/gestión de estela saben cómo optimizar el funcionamiento con la intensidad de turbulencia (condición aerodinámica);
G: Enviar/transmitir algunos/todos los datos actuales sobre la intensidad de turbulencia (condiciones aerodinámicas) y/o salida de potencia del período actual a la caja de recogida general;
H: Realizar cálculos y definir la estrategia para la reducción de la estela de acuerdo con el objetivo de gestión de estela; un ejemplo puede ser de acuerdo con la etapa F de la figura 12.
I: Aplicar nueva optimización del parque eólico; enviar/transmitir instrucciones/controles y estrategia de la caja de recogida a algunos/todos los controladores de turbina eólica del parque eólico;
J: Determinar si la condición del viento (condición aerodinámica) ha cambiado;
K: Determinar si la optimización es suficiente/satisfactoria;
L: Añadir un nuevo plan de optimización para nuevas condiciones de viento (condiciones aerodinámicas) a una base de datos de conocimiento (diccionario de optimizaciones).
Puede haber además la siguiente etapa:
M: Aplicar la optimización del parque eólico a partir de la experiencia. Enviar instrucciones y estrategia de la caja de recogida a todos los controladores de turbina eólica de un parque.
En cuanto a la etapa F: el algoritmo de gestión de estela implica un algoritmo de optimización para acelerar el proceso, crea colecciones de experiencias y cada vez que es necesario utilizar una gestión de estela, el procedimiento examina primero la colección. Si el evento ya está registrado en la colección, entonces el procedimiento continúa de nuevo con el mismo algoritmo de optimización. En su lugar, el procedimiento va directamente a la etapa M. Si el evento no está en la colección de experiencias, entonces el procedimiento continúa con la optimización, es decir, la etapa G.
La figura 15 ilustra lo que un experto en la materia reconocerá como aprendizaje automático 3000 como un aprendizaje automático supervisado 3010.
Hay una acción de entrenamiento 3100 de un modelo de aprendizaje automático supervisado (SML, por sus siglas en inglés) 3015 con datos sensoriales 31 de datos de serie temporal etiquetados 3085 y construcción del modelo de aprendizaje automático supervisado (SML) 3015.
El entrenamiento real 3100 se basa en datos sensoriales 31 con datos que están etiquetados 3085.
El entrenamiento 3100 puede asociar métricas de datos con respecto a condiciones de estela tales como condiciones aerodinámicas tales como turbulencia, lluvia/granizo, etc. El entrenamiento 3100 puede asociar métricas de datos con respecto a la intensidad de turbulencia. El entrenamiento da lugar a un modelo de aprendizaje automático supervisado (SML) 3015.
Hay una o más acciones de verificación 3200 del modelo de aprendizaje automático supervisado (SML) 3015 mediante la introducción de unos datos sensoriales 31 de datos de serie temporal etiquetados 3085 en el modelo de aprendizaje automático supervisado (SML) y la salida de una etiqueta de datos calculados y la comparación 3220 de la salida con condiciones de estela conocidas 130.
La acción de determinación 1300 (no mostrada) puede ser el recorrido superior de la verificación, se realiza mediante la introducción de los datos sensoriales 31 en el modelo de aprendizaje automático supervisado (SML) 3015 y la salida de la condición de estela 130 del modelo de aprendizaje automático supervisado (SML) 3015.
El modelo de aprendizaje automático supervisado 3015 se entrenará a sí mismo ("escribirá su propio algoritmo") con datos con una etiqueta 3085. Como es evidente y para verificar la calidad del algoritmo o modelo, los datos cuyo valor de resultado es conocido se utilizan para testar los datos etiquetados 85 contra los modelos para comparar el resultado con la etiqueta conocida.
La figura 15B ilustra el modelo de aprendizaje automático supervisado 3015 como se ha descrito, donde las acciones de entrenamiento 3100 se realizan en señales de n vibraciones 31<i>...<n>(no mostradas) respectivas generando modelos de aprendizaje automático supervisado 3015<i, ...,n>respectivos 3015.
La acción de verificación 3200<i,...n>comprende y se realiza en n múltiples señales de vibración 31<1...>31<n>respectivas obtenidas por los correspondientes n múltiples sensores de vibración 40-<i,...>40<n>. La acción de entrenamiento 3100 se realiza basándose en n múltiples etiquetas ( Y i<n>).
La acción de verificación 3200 comprende y se realiza basándose en una medida promedio predeterminada de las n múltiples etiquetas ( Y i<n>) y finalmente mediante la comparación 3220 del promedio con los datos etiquetados 3085. El promediado puede ser un promedio-media o medidas promedio similares.
En este escenario, se utilizan varios sensores individualmente y los valores del resultado se combinan para encontrar el mejor valor posible.
La figura 16 ilustra una matriz de confusión entre datos predichos y medidos basada en el algoritmo de aprendizaje automático supervisado del índice de turbulencia (IT). En el eje X hay intensidades de turbulencia predichas utilizando las vibraciones de los sensores. En el eje Y, están las intensidades de turbulencia reales, es decir, condiciones de estela, medidas por un LiDAR situado en la góndola.
Puesto que los datos están agrupados alrededor de la diagonal, el algoritmo ha funcionado muy bien. Excepto por dos o tres valores, todos los demás están exactamente en la diagonal, lo que significa que el algoritmo está prediciendo muy bien el índice de turbulencia (IT) para la gestión de estela.
Claims (17)
1. Un método de establecimiento (1000) de una gestión de estela (80) de un parque eólico (70), comprendiendo el método (1000) acciones de:
- monitorización (100) de una o más condiciones de estela (130) utilizando datos sensoriales (31) de uno o más sensores (40) y mediante
- identificación (110) de la una o más condiciones de estela (130) respectivas mediante una acción de procesamiento (120) de datos sensoriales (31);
- establecimiento (200) de una gestión de estela (230) del parque eólico (70) en función de las condiciones de estela (130),caracterizado por que
el uno o más sensores (40) son acelerómetros dispuestos como sensores de vibración (50) colocados en una o más de las palas (22) de un rotor (14) de uno o más generadores de turbina eólica (12) (WTG) y que utiliza aprendizaje automático para el procesamiento (120) de los datos sensoriales (31) para la identificación (110) de las condiciones de estela (130).
2. El método (1000) de acuerdo con la reivindicación 1, en donde la acción de procesamiento (120) de datos sensoriales (31) implica la identificación de condiciones aerodinámicas tales como turbulencia, lluvia o granizo, como condiciones de estela (130) a partir de los datos sensoriales (31).
3. El método (1000) de acuerdo con la reivindicación 1 o 2, en donde la acción de monitorización (100) se basa además en datos sensoriales de rotor (31) que proporcionan salida de potencia.
4. El método (1000) de acuerdo con una cualquiera o más de las reivindicaciones 1 a 3, en donde la acción de monitorización (100) se basa además en datos sensoriales acústicos (31) de un sensor acústico (60).
5. El método (1000) de acuerdo con una cualquiera o más de las reivindicaciones 1 a 4, en donde la acción de procesamiento (120) se basa en datos sensoriales rotatorios (31) proporcionados por muestreo de alta frecuencia.
6. El método (1000) de acuerdo con una cualquiera o más de las reivindicaciones 1 a 5, en donde la acción de procesamiento (120) se basa en datos sensoriales con marca de tiempo y sincronizados (32).
7. El método (1000) de acuerdo con una cualquiera o más de las reivindicaciones 1 a 6, en donde
la acción de monitorización (100) se realiza utilizando además condiciones de estela temporalmente reales (130), obtenidas opcionalmente por mediciones LiDAR; y
la acción de procesamiento (120) se realiza calibrando además los datos sensoriales procesados (31) contra las condiciones de estela temporalmente reales (130).
8. El método (1000) de acuerdo con una cualquiera o más de las reivindicaciones 1 a 7, en donde los acelerómetros son acelerómetros de tres ejes.
9. Un método de optimización (2000) del funcionamiento de un parque eólico (80) con múltiples generadores de turbina eólica (12) (WTG), que comprende acciones del método (1000) de acuerdo con una cualquiera o más de las reivindicaciones 1 a 8 y las acciones de:- establecimiento (200) de una gestión de estela (230) del parque eólico (80) en función de las condiciones de estela (230);
- determinación (300) de los ajustes de control (350) de generador de turbina eólica individual (12) (WTG) como una función de producción de potencia optimizada de los parámetros de gestión de estela (230) y de generador de turbina eólica individual (12) (WTG);
- funcionamiento (400) de uno o más generadores de turbina eólica (12) (WTG) del parque eólico (80) basado en el ajuste de control de generador de turbina eólica individual (12) (WTG).
10. El método (2000) de acuerdo con la reivindicación 9, en donde la acción de determinación (300) de los ajustes de control (350) de generador de turbina eólica individual (12) (WTG) se realiza minimizando la estela total en la gestión de estela (230) en función de las condiciones de estela (130).
11. El método (2000) de acuerdo con una cualquiera o más de las reivindicaciones 9 a 10, en donde la acción de funcionamiento (400) de uno o más generadores de turbina eólica (12) (WTG) implica una acción de cabeceo, guiñada, regulación de la velocidad de rotación, o combinaciones de las mismas.
12. Un sistema (90) para generar una gestión de estela (80) que comprende:
- uno o más sensores (40, 42) dispuestos en uno o más generadores de turbina eólica (12) (WTG) respectivos, en donde el uno o más sensores (40, 42) son acelerómetros dispuestos como sensores de vibración (50) colocados en una o más de las palas (22) de los uno o más generadores de turbina eólica (12) (WTG) respectivos;
- medios adaptados para ejecutar las acciones del método de acuerdo con una o más de las reivindicaciones 1 a 8.
13. Un sistema controlador (92) para optimizar el funcionamiento de un parque eólico (80) con múltiples generadores de turbina eólica (12) (WTG), comprendiendo el sistema:
- datos sensoriales (31) de uno o más sensores (40, 42) que son acelerómetros dispuestos como sensores de vibración (50) colocados en una o más de las palas (22) de los múltiples generadores de turbina eólica (12) (WTG); - medios adaptados para ejecutar las acciones del método (2000) de acuerdo con una o más de las reivindicaciones 9 a 11.
14. El sistema controlador (92) de acuerdo con la reivindicación 13, en donde el sistema controlador establece un mapa de campo de estela a partir de los datos sensoriales (31), y se define y aplica una estrategia de gestión al parque eólico (80) basada en el mapa de campo de estela.
15. El sistema controlador (92) de acuerdo con la reivindicación 13 o 14, en donde el sistema controlador comprende coordenadas GPS de los múltiples generadores de turbina eólica (12).
16. El sistema controlador (92) de acuerdo con una cualquiera de las reivindicaciones 13 a 15, en donde el sistema controlador comprende la medición de la dirección de la góndola.
17. El sistema controlador (92) de acuerdo con una cualquiera de las reivindicaciones 13 a 16, en donde el sistema controlador comprende la medición de salida de potencia del generador.
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP20155236.1A EP3859147A1 (en) | 2020-02-03 | 2020-02-03 | Wake monitoring, wake management and sensory arrangements to such |
PCT/EP2021/052507 WO2021156287A1 (en) | 2020-02-03 | 2021-02-03 | Wake monitoring, wake management and sensory arrangements to such |
Publications (1)
Publication Number | Publication Date |
---|---|
ES2973985T3 true ES2973985T3 (es) | 2024-06-25 |
Family
ID=69467476
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
ES21702047T Active ES2973985T3 (es) | 2020-02-03 | 2021-02-03 | Monitorización de estela, gestión de estela y disposiciones sensoriales asociadas |
Country Status (6)
Country | Link |
---|---|
US (1) | US20230340940A1 (es) |
EP (2) | EP3859147A1 (es) |
CN (1) | CN115038863A (es) |
CA (1) | CA3165476A1 (es) |
ES (1) | ES2973985T3 (es) |
WO (1) | WO2021156287A1 (es) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117836514A (zh) * | 2021-08-25 | 2024-04-05 | 维斯塔斯风力***集团公司 | 识别与风力涡轮机相关联的反复出现的自由流动风扰动 |
EP4303434A1 (en) * | 2022-04-06 | 2024-01-10 | Ventus Engineering GmbH | Method for monitoring, localizing and providing alarm when cracks are observed in wind turbine blades |
EP4386205A1 (en) * | 2022-12-13 | 2024-06-19 | Ventus Engineering GmbH | A method for determining wake conditions at a wind turbine generator by measuring blade deflection from an ideal blade trajectory |
Family Cites Families (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7822560B2 (en) * | 2004-12-23 | 2010-10-26 | General Electric Company | Methods and apparatuses for wind turbine fatigue load measurement and assessment |
DE112007001675A5 (de) * | 2006-05-15 | 2009-04-16 | Igus - Innovative Technische Systeme Gmbh | Verfahren zur Überwachung der Beanspruchung von Rotorblättern von Windkraftanlagen |
US9617975B2 (en) * | 2012-08-06 | 2017-04-11 | General Electric Company | Wind turbine yaw control |
EP2757255A1 (en) * | 2013-01-21 | 2014-07-23 | Alstom Wind, S.L.U. | Method of operating a wind farm |
US9194843B2 (en) * | 2013-03-15 | 2015-11-24 | Digital Wind Systems, Inc. | Method and apparatus for monitoring wind turbine blades during operation |
US10253758B2 (en) * | 2014-09-23 | 2019-04-09 | General Electric Company | System and method for optimizing wind farm performance |
US9644612B2 (en) * | 2014-09-23 | 2017-05-09 | General Electric Company | Systems and methods for validating wind farm performance measurements |
US10132295B2 (en) * | 2015-05-15 | 2018-11-20 | General Electric Company | Digital system and method for managing a wind farm having plurality of wind turbines coupled to power grid |
US10712717B2 (en) * | 2015-05-15 | 2020-07-14 | General Electric Company | Condition-based validation of performance updates |
US10443577B2 (en) * | 2015-07-17 | 2019-10-15 | General Electric Company | Systems and methods for improved wind power generation |
DK3464895T3 (da) * | 2016-05-23 | 2022-01-17 | Gen Electric | System og fremgangsmåde til effektudgangprognosticering for en vindmøllepark |
US10260481B2 (en) * | 2016-06-28 | 2019-04-16 | General Electric Company | System and method for assessing farm-level performance of a wind farm |
DE102016212364A1 (de) * | 2016-07-06 | 2018-01-11 | Universität Stuttgart | Nachlaufströmungsumleitung unter Verwendung einer Feedbackregelung, um die Leistungsabgabe von Windparks zu verbessern |
EP3279470B1 (de) * | 2016-08-06 | 2021-11-03 | Nidec SSB Wind Systems GmbH | Verfahren zur pitch-winkelmessung und/oder zum aufbau eines messsystems zur pitch-winkelmessung |
EP3517774A1 (en) * | 2018-01-25 | 2019-07-31 | Siemens Gamesa Renewable Energy A/S | Method and apparatus for cooperative controlling wind turbines of a wind farm |
EP3693600A1 (en) * | 2019-02-08 | 2020-08-12 | Siemens Gamesa Renewable Energy A/S | A method for computer-implemented monitoring of a wind turbine |
EP3620650A1 (en) * | 2019-03-11 | 2020-03-11 | Ventus Engineering GmbH | Relative rotor blade misalignment |
US10815972B2 (en) * | 2019-03-22 | 2020-10-27 | General Electric Company | System and method for assessing and validating wind turbine and wind farm performance |
EP3771818B1 (en) * | 2019-07-31 | 2022-05-25 | General Electric Renovables España S.L. | A nacelle assembly for a wind turbine |
US10954919B1 (en) * | 2019-10-02 | 2021-03-23 | General Electric Company | Machine-learning model-based analytic for monitoring wind farm power performance |
US11340570B2 (en) * | 2020-01-23 | 2022-05-24 | General Electric Company | System and method for operating a wind turbine |
US20210246875A1 (en) * | 2020-02-06 | 2021-08-12 | General Electric Company | System and method for optimizing wake management in wind farms |
US11313351B2 (en) * | 2020-07-13 | 2022-04-26 | WindESCo, Inc. | Methods and systems of advanced yaw control of a wind turbine |
US11649804B2 (en) * | 2021-06-07 | 2023-05-16 | General Electric Renovables Espana, S.L. | Systems and methods for controlling a wind turbine |
WO2022271921A1 (en) * | 2021-06-25 | 2022-12-29 | WindESCo, Inc. | Systems and methods of coordinated yaw control of multiple wind turbines |
-
2020
- 2020-02-03 EP EP20155236.1A patent/EP3859147A1/en not_active Withdrawn
-
2021
- 2021-02-03 ES ES21702047T patent/ES2973985T3/es active Active
- 2021-02-03 CN CN202180012263.2A patent/CN115038863A/zh active Pending
- 2021-02-03 US US17/797,104 patent/US20230340940A1/en active Pending
- 2021-02-03 EP EP21702047.8A patent/EP4100646B1/en active Active
- 2021-02-03 CA CA3165476A patent/CA3165476A1/en active Pending
- 2021-02-03 WO PCT/EP2021/052507 patent/WO2021156287A1/en active Application Filing
Also Published As
Publication number | Publication date |
---|---|
WO2021156287A1 (en) | 2021-08-12 |
CN115038863A (zh) | 2022-09-09 |
EP3859147A1 (en) | 2021-08-04 |
EP4100646B1 (en) | 2024-01-10 |
US20230340940A1 (en) | 2023-10-26 |
EP4100646A1 (en) | 2022-12-14 |
CA3165476A1 (en) | 2021-08-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
ES2973985T3 (es) | Monitorización de estela, gestión de estela y disposiciones sensoriales asociadas | |
ES2809172T3 (es) | Monitorización de eventos a través de combinación de señales | |
US9018788B2 (en) | Wind sensor system using blade signals | |
ES2942988T3 (es) | Procedimiento para controlar la operación de una turbina eólica | |
EP3465359B1 (en) | System and method for controlling a dynamic system, in particular a wind turbine | |
ES2949311T3 (es) | Sistema y procedimiento para controlar cargas de empuje y/o de torre de una turbina eólica | |
DK178827B1 (en) | Methods and apparatus for registering parameters of the rotating blades | |
DK178727B1 (en) | Wind turbine and method for determining parameters of wind turbine | |
ES2534563T3 (es) | Estimación de las condiciones del viento en una turbina eólica | |
ES2933553T3 (es) | Detección de lluvia intensa o granizo en una pala de turbina eólica | |
KR101476986B1 (ko) | 풍력 터빈용 제어 장치 | |
US20140003939A1 (en) | Load shape control of wind turbines | |
CN113874626A (zh) | 用于评估和验证风力涡轮和风场性能的***及方法 | |
US20130121825A1 (en) | Callibration of wind turbine sensor | |
ES2901411T3 (es) | Funcionamiento de una turbina eólica | |
US11313351B2 (en) | Methods and systems of advanced yaw control of a wind turbine | |
WO2024002381A1 (zh) | 风力发电机独立变桨调整方法及调整*** | |
ES2942017T3 (es) | Un método para controlar un parque de energía eólica teniendo en cuenta efectos de estela | |
US20230258162A1 (en) | Measuring device for wind turbines | |
ES2968734T3 (es) | Método y aparato para monitorización ejecutada por ordenador de una turbina eólica | |
ES2912067T3 (es) | Sistema y procedimiento para determinar las pérdidas por estela de un parque eólico | |
ES2763907T3 (es) | Calibración de sensor de turbina eólica | |
Mejia et al. | Blade stress monitoring in a small wind turbine by using Arduino microcontroller | |
US11603823B2 (en) | Method for ascertaining a wind direction at a wind power installation, system for ascertaining a wind direction, and a wind power installation |