[发明专利]用于预测风场的功率输出的系统和方法

说明书

本公开涉及一种用于预测具有多个风力涡轮的风场的场级功率输出的系统和方法。该方法包括收集用于风场的实际操作数据和/或现场信息。该方法还包括预计未来时间段内的用于风场的操作数据。此外，该方法包括基于实际操作数据、预计的操作数据和/或现场信息来生成基于模型的功率输出预测。此外，该方法包括测量来自风场的实时操作数据，并且基于测量的实时操作数据来调整功率输出预测。因此，该方法还包括基于调整的功率输出预测来预测风场的场级功率输出。

技术领域

本发明大体上涉及风场，并且更具体而言，涉及用于预测风场或独立风力涡轮的功率输出的系统和方法。

背景技术

风力被认为是目前可用的最清洁、最环保的能源之一，并且风力涡轮在这方面获得越来越多的关注。现代风力涡轮典型地包括塔架、发生器、齿轮箱、机舱以及具有一个或多个转子叶片的转子。转子叶片将风能转变成机械旋转扭矩，其经由转子驱动一个或多个发生器。发生器有时(但不总是)通过齿轮箱旋转地联接于转子。齿轮箱提高用于发生器的转子的固有的低旋转速度，以有效地将旋转机械能转换为电能，该电能经由至少一个电连接供给到公用电网中。此类构造还可包括功率转换器，其用于将生成的电功率的频率转换为大致上类似于公用电网频率的频率。

多个风力涡轮通常彼此结合使用以生成电，并且通常被称为“风场”。风场上的风力涡轮典型地包括它们自己的气象监测器，其执行例如温度、风速、风向、气压和/或空气密度测量。此外，通常提供单独的气象桅杆或塔架(“遇见桅杆(met mast)”)，其具有可在场中的一个点处提供更准确测量的更高质量的气象仪器。气象数据与功率输出的相关性允许用于独立风力涡轮的“功率曲线”的经验确定。

不幸地，此类可再生能源系统本质上可为间歇性的，例如，由于风速、云覆盖和/或来自光伏板的太阳阻挡(在太阳能系统中)的变化。就此而言，困难的是，准确地预计或预测此类系统未来可生成的功率的量。如果没有准确的功率预计，操作者就无法有效地投标到日前（day-ahead）能源市场中。

因此，用于更准确地预测风场和/或风力涡轮的功率输出的改进的系统和方法将为有利的。

发明内容

本发明的方面和优点将在以下描述中部分地阐述，或者可从描述为明显的，或者可通过本发明的实践学习到。

在一个方面，本公开涉及一种用于预测具有多个风力涡轮的风场的场级功率输出的方法。方法包括收集用于风场的实际操作数据和/或现场信息。方法还包括基于预测操作数据、现场信息和/或实际操作数据来生成基于模型的功率输出预测。此外，方法包括测量来自风场的实时操作数据，并且基于测量的实时操作数据来调整功率输出预测。因此，方法还包括基于调整的功率输出预测来预测风场的场级功率输出。

在一个实施例中，实际操作数据可包括以下中的至少一个或组合：功率输出、扭矩输出、桨距角、末梢速比、偏航角、温度、压力、一天中的时间、一年中的月份、在线风力涡轮的数量、风速、风向、风切变、尾流、风湍流、风加速、阵风、风转向、或任何其它合适的操作数据。

在另一实施例中，现场信息可包括以下中的任何一个或组合：场级功率曲线、涡轮级功率曲线、高度、风力涡轮位置、风场位置、天气条件、附近风场的位置、地理布局、或任何其它合适的现场条件。

在又一实施例中，方法还可包括预计未来时间段内的用于风场的预测操作数据。在再一实施例中，生成基于模型的功率输出预测的步骤可包括使用基于物理的模型。

在附加的实施例中，方法可包括经由补偿器模块基于测量的实时操作数据来调整功率输出预测。在此类实施例中，补偿器模块可包括统计补偿器，其利用神经网络、回归(线性或非线性)和/或机器学习中的至少一个来基于测量的实时操作数据调整功率输出预测。此外，方法可包括经由补偿器模块来学习实时操作数据与预计的操作数据之间的一个或多个偏差，并且基于学习的偏差来调整功率输出预测。