用于包括多个风力涡轮机的风力发电场的计算机实现的分析的方法与流程

1.本发明涉及用于包括多个风力涡轮机的风力发电场的计算机实现的分析的方法和系统。此外，本发明涉及对应的计算机程序产品和对应的计算机程序。


背景技术：

2.在风力发电场的规划阶段期间，分析风力发电场的规划位置周围的周围区域。在这样的分析中，评估风力涡轮机对人类的所有影响，尤其是对发电场附近居民的影响。结果，确定操作约束以便符合局限由风力发电场的操作引起的不利影响的缩减（curtailment）。
3.缩减可以指在风力发电场周围住宅建筑物处特别是在夜间的最大声压水平。为了符合这种缩减，必须以降低的功率来操作风力发电场，从而导致风力涡轮机的转子叶片的较低速度，并因此导致较低声音。另一种缩减可以指风力涡轮机的受限的操作时间，以便减少对于风力发电场附近居民的阴影闪烁的不利影响。为了符合这种缩减，定义了涡轮机的固定操作间隔。
4.在规划阶段中已经确定了操作约束之后，规划之后启动的风力发电场也会通常在其整个寿命期间都基于该操作约束来工作，即使在缩减源同时消失的情况下。


技术实现要素：

5.本发明的目的是提供一种用于风力发电场的计算机实现的分析的方法以便自动确定发电场高效操作。
6.该目的是通过根据权利要求1的方法来解决的。本发明的优选实施例在从属权利要求中限定。
7.本发明的方法提供了对包括多个风力涡轮机（即至少一个风力涡轮机）的风力发电场的计算机实现的分析。该风力发电场已经安装在地球地面上的某个位置处。
8.在本发明的方法中，在一个或多个时间点的每个时间点都执行以下步骤i)和ii)。在步骤i)中，将对象检测算法应用于示出风力发电场周围区域中的地球地面的当前状态的数字图像。该对象检测算法导致提取和定位图像内不属于风力发电场的多个检测到的对象，其中，每个检测到的对象具有多个对象类型中的对象类型。可以预先定义相关对象类型。作为对象检测算法，可以使用用于分析图像的任何现有技术算法。在一个特别优选的实施例中，对象检测算法基于经训练的数据驱动模型，其中，包括对应对象类型的已知对象的图像被用作训练数据，使得这些对象类型的对象实际上能够被提取。在一个特定的优选实施例中，数据驱动模型是神经网络。优选地，使用从现有技术中公知的卷积神经网络。卷积神经网络特别适合于处理图像数据。
9.在该方法的步骤ii)的第一变型中，确定关于与风力发电场周围区域中的地球地面的较早状态(即，在当前状态之前的时间点处的状态)相比是否存在关于所述多个检测到
的对象的改变(即，对象是否已经消失或出现以及现有对象的属性是否已经改变)的信息，该改变使得能够根据限制由风力发电场的操作导致的一个或多个(不利)影响的预定缩减来适配风力发电场的操作。因此，在该第一变型中，仅给出由于环境变化而对风力发电场的操作的可能的适配的指示。例如，该信息可以由风力发电场的操作者使用，以便从管理机构获得风力发电场的适配操作的许可。优选地，通过应用对象检测算法，从对应的(较早的)图像导出地球地面的较早状态，如同地球地面的当前状态的情况。然而，地球地面的较早状态也可以基于不是基于图像的另一数字描述。
10.在步骤ii)的第二变型中，其可以单独执行或与第一变型组合执行，基于所述多个检测到的对象(自动地)确定用于风力发电场的多个操作约束，使得在符合限制由风力发电场的操作引起的一个或多个(不利)影响的缩减(对应于上述缩减，如果第一和第二变型组合的话)的条件下，风力发电场在预定时间间隔内产生最大电能。预定时间间隔可以指例如一年，使得最大电能指风力发电场的最大年发电量。用于基于风力发电场的邻域中的对象自动确定操作约束的方法对于本领域技术人员是已知的，并且因此将不在本文中进行描述。
11.本发明基于以下发现：对风力发电场周围地球地面的图像的自动分析使得能够基于为风力发电场定义的预定缩减来导出与操作约束有关的对象。因此，基于新获取的图像来更新操作约束是可能的。因此，风力发电场的操作可以适应于变化的环境条件。
12.在一个特别优选的实施例中，预定缩减所限制的一个或多个影响指的是由风力发电场引起的声音和/或阴影闪烁和/或抛冰。预定缩减包括了通过定义对应限制的那些影响，例如通过定义在风力发电场周围区域中的住宅建筑物处的最大声压水平，或者通过定义风力涡轮机在白天期间的最大操作时间以便限制声音传播和/或阴影闪烁，或者通过定义风力涡轮机转子的最大旋转速度以便避免在冬季期间的抛冰。
13.在一个特别优选的实施例中，上述多个对象类型包括以下类型：——一个或多个建筑物类型，优选住宅和非住宅建筑物，和/或——一个或多个交通路线类型，优选一个或多个道路类型(例如，人行道、自行车道、主道、副道、高速公路等)，和/或——一个或多个地面倾斜类型，和/或——一个或多个树的类型。
14.在上述实施例的变型中，可以仅定义对象类型“建筑物”和/或“交通路线”和/或“地面倾斜”和/或“树”。
15.在一个特别优选的实施例中，一个或多个检测到的对象与由对象检测算法提取的其一个或多个属性相关联。这使得能够非常精确地确定操作约束。
16.在另一优选实施例中，检测到的对象的一个或多个属性是指检测到的对象的高度，当将声音和/或阴影闪烁视为预定缩减所限制的影响时，该高度特别有用。
17.上述步骤i)和ii)优选基于某些准则执行若干次。在一个优选实施例中，在例如从存储更新的数字图像的数据库中可获得那些图像的情况下，重复步骤i)和ii)。在另一优选实施例中，在预定缩减已经改变的情况下重复步骤i)和ii)。这使得风力发电场的操作能够适应于管理机构的改变的规定。
18.由本发明的方法处理的数字图像优选地由在地面上方的飞行对象来获取，特别是
由卫星或飞机或无人机获取。然而，图像也可以由安装在风力发电场位置处的地面上的一个或多个摄像机来获取，例如在一个或多个风力涡轮机的机舱的位置处。
19.在一个特别优选的实施例中，经由用户界面输出如在步骤ii)中确定的关于与风力发电场周围区域中的地球地面的较早状态相比是否存在关于所述多个检测到的对象的改变和/或风力发电场的多个操作约束和/或最大电能的信息。该用户界面对于风力发电场的操作者的工作人员可访问。因此，操作者具有改变风力发电场的操作或与管理机构协商以便实现导致较高能量输出的适配操作的选择。
20.除了上述方法之外，本发明涉及一种用于包括多个风力涡轮机的风力发电场的计算机实现的分析的系统，其中，该系统包括处理器，该处理器被配置为执行根据本发明或根据本发明的一个或多个实施例的方法。
21.本发明还涉及一种具有程序代码的计算机程序产品，该程序代码存储在非暂时性机器可读载体上，用于当在计算机上执行该程序代码时，执行根据本发明或根据本发明的一个或多个实施例的方法。
22.此外，本发明涉及一种具有程序代码的计算机程序，当在计算机上执行该程序代码时，用于执行根据本发明或根据本发明的一个或多个实施例的方法。
附图说明
23.在下文中，将关于附图详细描述本发明的实施例，其中：图1示出图示根据基于本发明的实施例的方法的步骤的流程图；以及图2示出用于执行图1所示方法的系统。
具体实施方式
24.在下文中描述的方法涉及对风力发电场的分析，其中，风力发电场的操作受到限制由风力发电场的操作引起的对人的一个或多个不利影响的缩减。在一个优选实施例中，缩减指的是由管理机构给出的限制，以便限制风力发电厂对于风力发电场的周围区域中的住宅建筑物的声音和阴影闪烁。声音和阴影闪烁是由风力发电场的风力涡轮机转子的旋转引起的。
25.上述缩减可以以各种方式来定义。例如，关于声音的缩减可以使得由风力发电场在住宅建筑物位置处引起的声压水平必须不超过某个阈值。此外，声音缩减还可以耦合到某些时间段，例如，上述阈值可以仅适用于风力发电场在夜间的操作，或者可以定义针对夜间和白天的不同阈值。
26.此外，关于阴影闪烁的缩减可以由风力发电场在给定时间间隔中，例如在一年内的操作小时的最大量来给出。关于阴影闪烁，可以应用另外的准则，例如，对操作时间的限制可以仅在白天时间期间或者在太阳正在照射的情况下适用。可以基于位于风力发电场位置处的对应传感器来确定太阳正在照射的状况。
27.另一缩减可以指在可能的结冰状况期间风力发电场的操作，例如以便限制由风力涡轮机的转子叶片的旋转引起的抛冰。在这种情况下，在人们预期处于风力发电场周围区域的情况下，例如在街道位于风力发电场附近的情况下，在冬季期间或者在具有低温的时段期间，可以给出关于风力涡轮机的转子叶片的最大旋转速度的缩减。
28.在本文描述的实施例中，基于卫星图像来分析已经在操作的风力发电场，以便获得关于风力发电场周围区域中变化的信息。那些变化可以允许适配风力发电场的操作，从而导致更高发电量，同时仍然符合给定的缩减。
29.根据图1的方法能够访问从风力发电场周围区域中的地球地面提供的数字卫星图像im。卫星图像的一个示例是如图1中示意性示出的。数字图像包括示意性地示出为水平条的若干风力涡轮机2形式的风力发电场1。此外，该图像包括给定对象类型ot的对象3。在图1所示的图像中，这种类型对象是住宅建筑物，即对象3是人类居住的建筑物。对象3仅示意性地示出为阴影线正方形。
30.卫星图像im是从可以是公共可用数据库的中央数据库中获取的。此外，本发明的方法能够访问由管理机构给出的数字数据形式的缩减cu，以便限制由风力发电场的操作所导致的不利影响，例如，关于声音、阴影闪烁和抛冰的上述影响。这种缩减将在图1的步骤s2中处理，这将在下面进一步描述。
31.根据图1的方法，在更新的卫星图像im可用的情况下执行步骤s1和s2，以便检查是否可以适配风力发电场的操作。例如，在风力发电场周围区域中的对象已经改变或已经消失的情况下，缩减的某些方面可能不再相关，从而允许风力发电场的更高发电量。特别地，可能发生的是，图像im中所示的住宅建筑物3在稍后的时间点消失，使得关于声音和阴影闪烁的缩减不再相关，从而导致以更高的能量输出来操作风力发电场的可能性。
32.在图1的方法中，在步骤s1中，图像im经受公知的对象检测算法eda。该对象检测算法从图像中提取特定对象类型的对象以及这些对象在图像内的位置。在一个优选实施例中，提取建筑物、交通路线、地面倾斜和树形式的对象类型，其中，可以限定对象类型。例如，如果住宅或非住宅建筑物位于风力发电场附近，则可以提取哪种交通路线(人行道、主路、辅路、高速公路等)位于风力发电场的周围区域中，或者哪些树木在风力发电场的附近生长。此外，在一个特别优选的实施例中，导出在图像im中检测到的对象的附加属性，特别是对象的高度。基于图像im，在步骤s1中检测具有对象类型“住宅建筑物”的对象3。
33.在本文描述的实施例中，基于卷积神经网络cnn的公知算法被用于检测图像内的对象。基于其中示出了具有已知对象类型的已知对象的训练图像来训练卷积神经网络。如从现有技术中已知的，卷积神经网络包括卷积层，之后是池化层以及全连接层，以便提取图像内的对象并对其进行分类。
34.在已经执行步骤s1之后，使用关于检测到的对象的信息，以便考虑在步骤s2中作为数字数据提供的上述缩减cu来确定风力发电场的一个或多个操作约束oc。
35.定义风力发电场的操作约束oc，使得风力发电场在符合缩减cu的状况下在预定时间间隔内产生最大电能。在本文所述的实施例中，最大电能是指最大年发电量aep。
36.图1的方法的结果，即操作约束oc和最大年发电量aep经由用户界面提供给风力发电场的操作者。可能发生的是，由于在更新的卫星图像中检测到的环境变化，例如由于住宅建筑物的拆除或使用的变化(从住宅到工业)，由缩减cu产生的原始操作约束oc已经改变了，从而允许高得多的年发电量aep。该信息可以由操作者来使用，以便联系已经发布缩减cu的对应管理机构，以便获得对导致高得多的年发电量的适配操作的许可。
37.基于图1的步骤s2导出操作约束oc对于本领域技术人员是公知的，因此将不详细描述。特别地，可以使用住宅建筑物的位置以便确定由于风力发电场的操作而在相应建筑
物处产生的声压水平。为此，提供了声音传播模型，从该声音传播模型可以导出不同位置处的声压水平。这种声音传播模型还可以使用来自检测到的对象的附加信息，例如地面倾斜或建筑物的高度信息。此外，树的信息可以用于确定操作约束。例如，可以检测到树或森林(若干树)位于风力发电场与住宅建筑物之间，从而可以导致减少的阴影闪烁或无阴影闪烁，这导致放松的操作约束。
38.图2示出了用于执行关于图1所述的方法的系统的实施例。该系统被实现为基于包括处理器pr的中央服务器se的平台，处理器pr被使用以便执行上述方法步骤s1和s2。为此，服务器se能够访问最新的卫星图像im以及缩减cu，其中，服务器优选地可以处理多个不同风力发电场的数据。在已经执行图1的方法之后，经由用户界面ui向相应风力发电场的操作者提供对应的操作约束oc和对应的最大年发电量aep。在最大年发电量由于已经在更新的卫星图像中检测到的风力发电场的周围环境的变化而预测为增加的情况下，操作者可以随后尝试从管理机构获得对改变的操作状态的许可。
39.如前文中所述的本发明具有若干优点。特别地，可以基于风力发电场的更新图像定期检查关于风力发电场的操作的条件。在一个实施例中，那些图像是卫星图像。然而，图像还可以指由其他飞行对象(飞机或无人机)或由安装在风力发电场位置处地面上的摄像机获取的图像。作为本发明的结果，在与预定缩减相关的对象不再存在或已经改变的情况下，可以实现风力发电场的更高的能量输出。此外，在由管理机构给出的缩减已经改变(特别是放松)情况下，也可能执行本发明的方法，以便评估风力发电场是否可以以更高能量输出操作。