操作风力涡轮机的方法与流程

1.本发明涉及一种使用控制器操作风力涡轮机的方法，其中控制器可以激活或去激活风力涡轮机的不同控制特征。本发明还涉及相应的控制器和计算机程序。


背景技术：

2.风能的使用正在激增。风力涡轮机安装在世界各地的不同位置，因此暴露在不同的环境条件下。风力涡轮机必须承受作用在风力涡轮机的转子、机舱和塔架上的相当大的风力。在它们的寿命期间，风力涡轮机的结构部件暴露于许多负载循环，这些负载循环最终会导致部件故障。这种风力涡轮机部件的结构故障通常通过对这些部件的物理检查来评估。此外，已知基于气动弹性模型来执行风力涡轮机的疲劳评估。
3.现代风力涡轮机还配备有能够改善风力涡轮机操作的多种控制特征。这种控制特征的一个示例是高风力穿越(hwrt)控制特征，根据该控制特征，风力涡轮机的转子速度和功率输出随着风速的增加而降低，以便防止风力涡轮机停机，这通常在风速超过特定极限达特定时间时执行。另一个示例性控制功能是功率提升(pb)功能，其可以通过在特定条件下临时增加风力涡轮机的功率极限来增加来自风力涡轮机的发电量。另一个控制特征是例如自适应控制系统(acs ),其基于测量的数据实时执行负载管理，并且如果在风力涡轮机处测量到增加的湍流，则特别地降低风力涡轮机的功率输出。
4.期望以有效实现操作者期望的操作特性的方式操作这种风力涡轮机。例如，操作者可能希望操作风力涡轮机，使得风力涡轮机达到最大寿命。不同的操作者可能希望操作风力涡轮机，使得发电量最大化。操作者通常面临的问题是，由于不同的环境条件、不同类型的风力涡轮机及其不同的特性，以及不同的可用控制方案，不允许操作者容易地为风力涡轮机建立导致期望结果的操作方案。
5.从文献us 2013/0161949 a1可知，例如已知考虑用于操作风力涡轮机的疲劳载荷。调整不同风力涡轮机的操作范围，使得每个风力涡轮机在疲劳载荷没有最大值的范围内操作。风力涡轮机的平均寿命因此可以提高。
6.文献wo 2019/214785 a1描述了一种方法，其中使用模型来获得风力涡轮机的模拟疲劳值。将模拟的疲劳值与预期的疲劳值进行比较，以识别修改风力涡轮机的控制策略的机会。然而，它没有描述如何需要修改控制策略以导致期望的结果。


技术实现要素：

7.需要改进风力涡轮机的操作，特别是以这样的方式操作涡轮机，即通过操作实现操作目标，例如最大寿命或最大发电量。
8.独立权利要求的特征满足了这一需求。从属权利要求描述了本发明的实施例。
9.在本发明的一个实施例中，提供了一种使用控制器操作风力涡轮机的方法。控制器配置成激活或去激活风力涡轮机的两个或多个控制特征中的每一个。每个控制特征改变风力涡轮机的操作特性，并且对风力涡轮机的寿命和发电量有影响。根据该方法，确定优化
参数的类型和优化参数的优化目标。优化参数与风力涡轮机的寿命或发电量中的至少一个相关。执行一个或多个优化步骤(例如1、2、3或更多)，其中每个优化步骤针对两个或更多控制特征的激活状态的不同组合来执行。每个优化步骤包括选择所述两个或更多控制特征的激活状态的组合；基于风力涡轮机的剩余寿命和/或发电量(例如，每年或在剩余寿命期间)的估计来估计优化参数，其中该估计考虑了在优化步骤中激活的控制特征的影响；以及基于所估计的优化参数，确定是否要执行进一步的优化步骤。该方法还包括，基于所述一个或多个优化步骤，确定两个或多个控制特征的激活状态的组合，对于其来说，所估计的优化参数最满足(即实现)优化目标，例如高于目标阈值或最接近优化目标。这种确定的激活状态组合被认为是激活状态的最优组合。
10.通过这种方法，可以由此以有效的方式获得用于所选优化参数的控制策略。特别地，可以通过控制器自动获得激活状态的最优组合形式的这种控制策略。操作者可以仅选择类型优化参数(以及优化目标，如果在所选择的优化参数中没有暗示的话)，并且控制器可以响应于此有效地和自动地选择控制策略并且执行风力涡轮机的相应控制。应该清楚的是，优化参数也可以基于寿命和发电量的组合。因此，该方法在考虑激活/去激活的控制特征(即，激活状态的组合)的影响的情况下估计优化参数，导致风力涡轮机的性能和故障风险的精确估计。因此，所有可能的控制特征的影响可以一起且自动地评估。
11.到目前为止，已经讨论了寿命和发电量的优化。可以代替寿命和/或发电量或者除了寿命和/或发电量之外使用的第三优化目标是对来自风力涡轮机所连接的电网的电力需求的电力需求满足。如所述，控制器可配置成激活或去激活风力涡轮机的两个或更多个控制特征中的每一个。每个控制特征改变了风力涡轮机的操作特性，并且对风力涡轮机的寿命和发电量有影响，而且对预期的未来电力需求将被满足的程度有影响。例如，如果预期电力需求在几周的特定几天较高，则优化过程可以增加这些天的产量，并减少其他几天的产量，以便能够满足电力需求，例如避免生产过剩。每个优化步骤可以包括选择所述两个或更多控制特征的激活状态的组合；基于对风力涡轮机的剩余寿命和/或发电量的估计和/或对未来电力需求的估计来估计优化参数，并相应地估计风力涡轮机的操作以满足该需求。该估计考虑了在优化步骤中激活的控制特征的影响。基于估计的优化参数，确定是否要执行进一步的优化步骤。该方法还包括，基于所述一个或多个优化步骤，确定两个或多个控制特征的激活状态的组合，对于其，所估计的优化参数最满足(即实现)优化目标，例如高于目标阈值或最接近优化目标。这种确定的激活状态组合被认为是激活状态的最优组合。
12.电力需求满足度，即风力涡轮机是否能够满足电网运营商的需求，可以保证电网将以稳定的方式操作。这将再次保证风力涡轮机不会进入不稳定的操作模式，如低电压穿越操作。作为副作用，风力涡轮机的收入可以被优化，因为电网运营商通常基于电网上的预期需求和供应提供不同的能源价格。
13.例如，如果优化参数与风力涡轮机的剩余寿命相关(或者优化参数是风力涡轮机的剩余寿命),则估计优化参数包括至少估计剩余寿命(或者由至少估计剩余寿命执行),并且如果优化参数与风力涡轮机的发电量或者对来自风力涡轮机所连接的电网的电力需求的电力需求满足相关(或者优化参数是风力涡轮机的发电量或者对来自风力涡轮机所连接的电网的电力需求的电力需求满足)，则估计优化参数包括至少估计风力涡轮机的发电量（或由至少估计风力涡轮机的发电量执行）。它当然可以包括估计风力涡轮机的剩余寿命和
发电量。
14.如果要执行进一步的优化步骤，该方法可以为可用的控制特征选择不同的激活状态组合，并利用这种组合重新估计优化参数。如果估计的优化参数满足目标，例如超过寿命/发电量增加的阈值，或者如果达到由两个或更多优化步骤实现的搜索或优化算法的停止条件，例如在已经为激活状态的每个可能组合估计了优化参数之后，可以确定不执行进一步的优化步骤，从而可以确定导致最优满足目标的优化参数的组合。
15.应该清楚的是，控制器可以实现执行风力涡轮机的控制的控制单元和确定控制策略特别是激活状态的相应最优组合的策略优化单元/优化器。这些单元可以在相同的物理单元（例如风力涡轮机控制器）中实现，或者在物理上分离的单元中实现。
16.在一个实施例中，确定优化参数的类型包括接收用于从至少两种类型的可能优化参数中选择优化参数的类型的用户输入。优化参数的类型可以例如从至少两种类型的可能优化参数中选择，包括发电量(每年或剩余)和剩余寿命。其他类型的优化参数当然也是可以想到的，例如对风力涡轮机所连接的电网的电力需求的电力需求满足，或者“有用发电量”，其与寿命和发电量的组合相关。当使用有用发电量作为优化参数时，可以另外考虑外部参数，例如电网上的功率需求。例如，当功率需求高时(例如，高于预定阈值)时，风力涡轮机的发电量可最大化，而当功率需求低时(例如，低于该阈值)，寿命可最大化。应当清楚的是，该方法可以在风力涡轮机的操作期间重复执行，使得控制策略可以在操作期间被调整，例如当外部参数改变时，例如功率需求上升或下降。应该清楚的是，同样在这种情况下，优化参数的类型(有用发电量)只需选择一次，并且该方法此后自动导出最优控制策略，另外考虑外部参数。
17.对于这些示例性优化参数，优化目标通常是最大化或实现阈值以上的优化参数，而对于其他优化参数，它可以是最小化或低于阈值的优化参数。作为示例，一种类型的优化参数可以是剩余寿命，并且优化目标可以是剩余寿命的最大化或者阈值以上的剩余寿命/寿命增加。作为另一个示例，优化参数可以是疲劳载荷，优化目标可以是其最小化，响应于此，控制器选择导致最小估计疲劳载荷的控制特征的组合。控制器自动确定和选择实现优化目标的特征组合。
18.优化目标可以与可选类型的优化参数相关联(例如，参数发电量可以与目标“最大化”相关联)，它可以由控制器基于所选类型的优化参数(例如，基于与可用控制特征相关联的寿命和/或发电量的预定预期变化的阈值)来确定，或者它可以由用户输入来确定。
19.在每个优化步骤中，两个或更多个控制特征的激活状态的组合的选择可以基于两个或更多个控制特征对风力涡轮机的寿命和/或发电量的预定影响。这种预定义的影响可以与可用的控制特征相关联，并且可以由控制器存储或可由控制器访问，例如存储在控制器的存储器或数据库中。这种预定义的影响可以基于相应控制特征的经验数据，并且可能不对应于该控制特征与其他控制特征相结合所具有的实际影响。实际的影响而是可以在优化参数的估计中确定，其中考虑了其他控制特征的激活状态。例如，当执行寿命最大化时，所选择的组合可以包括对寿命具有积极影响的所有特征的激活，并且如果这样的组合没有实现期望的结果，则在下一步骤中改变激活状态的组合，例如通过随后去激活对寿命仅具有有限影响的特征。
20.确定是否要执行进一步的优化步骤可以包括评估一个或多个边界条件(或停止标
准)，特别是针对除优化参数之外的操作参数，其中评估边界条件优选地包括确定根据相应的激活状态组合激活控制特征所导致的风力涡轮机的寿命和/或发电量的变化是否超过相应的阈值。例如，如果寿命的减少太高，或者如果发电量的减少太高，则可能超过阈值。还可以通过确定总剩余寿命是否超过预定的时间段阈值来评估边界条件(例如，如果总剩余寿命降低低于该阈值，则边界条件可能不满足)。剩余寿命的这种固定时间段阈值例如可以是剩余寿命的最小绝对值。如果超过边界条件的这种阈值，则执行具有不同特征组合的进一步优化步骤。这具有这样的优点，即可以确保所得到的激活状态的组合不仅达到优化目标，而且对剩余的操作参数具有可接受的影响。边界条件的阈值可以是预定义的(例如年发电量下降最大值10%)或者可以由用户输入来提供。如果当达到优化目标时满足一个或多个边界条件，则激活状态的结果组合被视为最优组合。不满足一个或多个边界条件的激活状态的组合可能不被视为最优组合，而是这种组合可能被排除。如果没有找到满足优化目标和边界条件的组合，则可以调整优化目标和/或放宽边界条件。
21.执行一个或多个优化步骤可以包括执行搜索算法或优化算法，用于找到导致最满足优化目标的优化参数的激活状态的组合，其中由所述算法找到的激活状态的组合被选择作为激活状态的最优组合。这种搜索算法可以例如随后激活对优化参数有影响的其他控制特征，并且如果满足停止标准，例如如果估计的优化参数超过由优化目标设定的阈值，则可以停止搜索。如上所述，除非可以评估边界条件，并且如果不满足边界条件，则继续搜索，直到找到满足这些条件的结果。使用这种算法，可以以快速有效的方式找到激活状态的最优组合，特别是因为不需要评估所有可能的组合。
22.如果没有找到满足边界条件的激活状态的最优组合，可以要求操作者调整优化目标或边界条件。
23.在一个实施例中，可以为两个或更多控制特征的激活状态的每个可能组合执行优化步骤。各个优化步骤导致优化参数最符合(或满足)优化目标并且满足可能的边界条件的激活状态的组合然后可以被选择为激活状态的最优组合。使用这种方法，可以确保在评估中考虑控制特征的所有可能组合的影响，并且获得导致最满足优化目标的优化参数的控制策略。
24.在风力涡轮机操作期间，可以重复执行优化步骤和确定激活状态的最优组合。然后，可以根据两个或更多个控制特征的激活状态的分别确定的最优组合来调整风力涡轮机的操作。以这种方式，可以确保当用于评估的条件改变时，这可以通过来自风力涡轮机的状况监测系统的反馈来确定，操作策略可以被更新以操作风力涡轮机，使得它实现最佳可能的优化参数。
25.该方法可针对风力涡轮机单独执行，即，可针对风电场的每个风力涡轮机单独执行该方法。因此，风电场的每个风力涡轮机可以被操作，以便实现考虑到优化目标的最佳可能的优化参数。应该清楚的是，可以为不同的风力涡轮机设置不同类型的优化参数，即一个风力涡轮机的操作可以最大化寿命，而另一个风力涡轮机的操作可以最大化发电量。
26.在一个实施例中，所述两个或更多个控制特征包括从由以下各项组成的组或包括以下各项的组中选择的至少两个或所有控制特征:高风力穿越(hwrt)控制特征，其在预定风力条件下(例如在特定时间段内的特定风速下)执行风力涡轮机输出功率的基于负载的降低；自适应控制系统(acs)控制特征，如果在风力涡轮机处确定湍流高于阈值，则该控制
特征降低风力涡轮机的输出功率，其中湍流可以例如基于测量的风速和负载模型来确定；功率提升(pb)控制特征，其通过在预定风力条件下增加风力涡轮机的功率极限来增加风力涡轮机的功率输出(例如，其可以与输出功率的增加成比例地增加转子的旋转速度)；功率曲线更新套件(pcuk)控制特征，其根据安装在风力涡轮机上的硬件修改，特别是安装在转子叶片上的硬件修改，修改控制器的控制功能，特别是桨距角控制；以及调峰特征，其改变控制器操作风力涡轮机所使用的操作曲线，该操作曲线根据风速确定风力涡轮机设置，特别是转子速度和桨距。
27.应当清楚的是，实施例不限于上述控制特征，而是可用于相应风力涡轮机的附加或不同控制特征可用于本发明的实施例。此外，随着新的控制特征变得可用，这些控制特征可用于估计控制特征的最优组合，如本文所述。
28.这些不同的控制特征用于不同的风力涡轮机中，并且对风力涡轮机的剩余寿命(例如在某些情况下通过减少风力涡轮机的结构部件上的负载)和发电量(例如在某些情况下通过增加或减少发电量)有影响。例如，风力涡轮机可包括至少hwrt和acs控制特征，或hwrt和pb控制特征，或至少hwrt和acs和pb控制特征。控制特征的激活可以对应于风力涡轮机的特定操作模式，即控制特征可以改变风力涡轮机在特定情况下的操作方式，这可以例如取决于当前的风力条件等。不同的激活控制特征因此可对应于风力涡轮机的不同操作模式。
29.估计优化参数可至少包括估计剩余寿命，其中估计剩余寿命包括基于风力涡轮机和/或风力涡轮机组(特别是对应于实际风力涡轮机的模型的风力涡轮机)的统计数据来估计风力涡轮机的故障率，以及基于由风力涡轮机的传感器进行的测量和/或现场测量(即，在风力涡轮机的现场进行的测量，例如与天气条件、风速等相关的测量)来执行风力涡轮机的疲劳评估。当确定剩余寿命时，通过将统计故障率与疲劳评估相结合，可以做出改进的和更精确的确定，该确定考虑了单独的特定风力涡轮机和从相应风力涡轮机模型的整个群体获得的知识(通过统计故障率)。统计数据可以例如包括与所考虑的风力涡轮机相同模型的风力涡轮机组的数据或者待评估的相同风力涡轮机部件的数据。以这种方式，可以获得关于风力涡轮机模型或部件的一般行为和故障的信息，并在剩余寿命估计中加以考虑。通过将统计数据与疲劳评估相结合，例如通过对从两种方法获得的寿命估计值进行加权，得出剩余寿命。
30.执行疲劳评估可包括提供风力涡轮机的气动弹性模型，并基于气动弹性模型和从测量中接收的风力涡轮机数据来评估风力涡轮机的部件的疲劳载荷。附加地或可替换地，在疲劳评估中可采用控制模型，该控制模型可对风力涡轮机的操作曲线进行建模。这种方法允许有效评估风力涡轮机部件疲劳结构损坏的当前状态。例如，可以采用风力涡轮机的bhawc模型。
31.在其他实施例中，可以不采用这种模型，并且例如天气条件和涡轮机数据，特别是由风力涡轮机上的相应传感器进行的测量，可以用于基本疲劳评估。
32.执行疲劳评估可包括基于根据与相应优化步骤相关联的激活状态的组合而激活的控制特征来调整风力涡轮机的气动弹性和/或控制模型。因此，当被激活的（一个或多个）控制特征改变风力涡轮机在不同环境条件下如何运转时，例如在大风条件下等，在风力涡轮机模型的框架内考虑这些变化的影响可为激活状态的相应组合提供风力涡轮机的剩余
寿命和/或发电量的有效且准确的估计。
33.在第一优化步骤中，激活状态的组合的选择可以基于两个或更多个控制特征对风力涡轮机的剩余寿命和/或发电量的预定影响。优化参数的估计优选地在考虑根据选择的激活状态组合激活的控制特征的情况下执行基于模型的寿命和/或发电量的估计，其中随后的优化步骤基于预定影响选择不同的激活状态组合。激活状态的不同组合对应于以下至少一个:(a)激活附加控制特征,( b)去激活在先前优化步骤中激活的控制特征之一，或者(c)用不同的激活控制特征替换激活的控制特征。例如，当最大化寿命时，可以在第一优化步骤中选择与最高预定寿命增加相关联的两个控制特征，并且如果该组合没有导致估计的优化参数满足目标，则控制特征之一可以由与下一个最大寿命增加相关联的控制特征替代，或者可以另外激活这种控制特征。
34.应该清楚的是，一些控制特征可以交互或者可以在一定程度上重叠。估计中使用的风力涡轮机的气动弹性/控制模型考虑了这种交互。
35.估计风力涡轮机的剩余寿命可包括估计风力涡轮机的某些预定结构或机械部件的剩余寿命。为这种结构或机械部件估计的最低剩余寿命然后可确定风力涡轮机的剩余寿命。具体而言，在估计剩余寿命时，可以考虑风力涡轮机的承载部件。至少可以考虑转子叶片、轮毂、塔架和机舱。也可以考虑转子轴承、叶片轴承、叶片变桨驱动器、偏航驱动器、发电机、齿轮箱和风力涡轮机的其他部件。
36.在一些实施例中，为风力涡轮机估计的剩余寿命可以是剩余有用寿命(rul)，其是在操作风力涡轮机时维持目标安全水平的同时风力涡轮机的结构储备被消耗为止的时间。
37.该方法还可包括根据所确定的激活状态的最优组合来激活风力涡轮机的控制特征，并利用所激活的控制特征来操作风力涡轮机。因此，风力涡轮机可以以实现优化目标的方式操作，其中例如剩余寿命最大化、发电量最大化或者实现另一个优化目标。
[0038]“激活状态的组合”描述了该方法所考虑的各个控制特征的激活状态，因此在相应的优化步骤中。例如，如果提供三个控制特征a、b和c，激活状态的组合可以是控制特征a和b是“开”，而控制特征c是“关”；不同的组合是控制特征a和c打开，而控制特征b关闭。因此，可以为每个优化步骤改变激活状态，以评估不同组合的优化参数。因此，激活状态的组合指示了哪些可用的控制特征被打开，哪些被关闭。
[0039]
根据本发明的另一实施例，提供了一种用于控制风力涡轮机操作的控制器。控制器被配置成激活或去激活风力涡轮机的两个或更多不同控制特征中的每一个，每个控制特征改变风力涡轮机的操作特性并对风力涡轮机的寿命和发电量影响。控制器包括数据处理器和耦合到数据处理器的存储器。存储器存储控制指令，当由数据处理器执行时，这些控制指令执行上文或下文进一步描述的任何方法。控制器可以特别地被配置成执行任何上述方法步骤，并且可以相应地具有用于与这里描述的任何部件交互的接口。例如，它可以被配置成从本文公开的传感器接收数据，或者可以根据所确定的控制特征的激活状态的最优组合来传送用于操作风力涡轮机的相应控制命令。通过这种控制器，可以实现与上面关于该方法进一步概述的优点类似的优点。
[0040]
在一个实施例中，控制器由风力涡轮机的风力涡轮机控制器实现。风力涡轮机本身因此可以确定如上所述的相应控制策略。在其他实施例中，控制器可以是耦合到风力涡轮机的风电场控制器，或者可以由风力涡轮机控制器和风电场控制器的组合来实现。然后，
该方法的部分可以由这些控制器中的每一个来执行。例如，风力涡轮机控制器可从涡轮机收集数据，并将其传输到风电场控制器，用户可在风电场控制器处选择优化参数的类型，风电场控制器可确定激活状态的最优组合，并将其传送到风力涡轮机控制器，风力涡轮机控制器可根据所确定和接收的激活状态的组合来激活相应的控制特征。
[0041]
根据本发明的另一实施例，提供了一种包括这种控制器的风力涡轮机或风电场。
[0042]
本发明的另一实施例提供了一种用于控制风力涡轮机操作的计算机程序。计算机程序包括控制指令，当由控制风力涡轮机的控制器的数据处理器执行时，该控制指令使得数据处理器执行本文公开的任何方法。同样，通过这样的计算机程序，可以实现与上面进一步概述的优点类似的优点。还提供了包括这种控制指令的数据载体。
[0043]
应当理解，在不脱离本发明的范围的情况下，上述特征和下面将要解释的那些特征不仅可以用在所示的各个组合中，还可以用在其他组合中或单独使用。特别地，本发明的不同方面和实施例的特征可以彼此结合，除非有相反的说明。
附图说明
[0044]
结合附图阅读下面的详细描述，本发明的前述和其它特征和优点将变得更加明显。在附图中，相同的附图标记表示相同的元件。
[0045]
图1是示出根据本发明实施例的包括控制器的风力涡轮机的示意图。
[0046]
图2是示出根据本发明实施例的控制器的功能部件的示意图。
[0047]
图3是示出根据本发明实施例的控制器的功能部件的示意图。
[0048]
图4是示出根据本发明实施例的控制器和受控部件的示意图。
[0049]
图5是示出了根据本发明实施例的操作风力涡轮机的方法的流程图。
[0050]
图6是示出根据本发明的一个实施例的确定风力涡轮机控制特征的最优激活状态集合的方法的流程图。
具体实施方式
[0051]
在下文中，将参照附图详细描述本发明的实施例。应该理解的是，以下对实施例的描述仅仅是为了说明的目的而给出的，而不是在限制的意义上而给出。应当注意，附图仅被视为示意性表示，并且附图中的元件不一定彼此成比例。而是，选择各种元件的表示，使得它们的功能和一般目的对于本领域技术人员来说变得显而易见。如在此使用的，单数形式“一个”、“一个”和“该”旨在也包括复数形式，除非上下文清楚地另外指出。除非另有说明，否则术语“包括”、“具有”、“包含”和“含有”应被解释为开放式术语(即，表示“包括，但不限于，”)。
[0052]
图1示意性地示出了风力涡轮机100，其包括具有转子叶片102的转子101。风力涡轮机100的机舱103安装到风力涡轮机塔架104上，并且可通过偏航驱动器(未示出)旋转。风力涡轮机100还包括齿轮箱105、发电机106和转换器107。在操作中，风能被转子的叶片102转换成旋转机械能，其中转子101的旋转转动发电机106，发电机106将机械能转换成电能。借助于转换器107，电能可以被转换成期望的交流频率，从而允许风力涡轮机100以可变速度操作。应该清楚的是，风力涡轮机100可具有不同于图1所示的配置的配置。例如，它可以是不包括齿轮箱105的直接驱动涡轮机。它还可以采用全转换器解决方案，或者它可以采用
双馈感应发电机(dfig)，其中转换器107耦合到这种发电机的转子。风力涡轮机100还可包括变压器(未示出)，该变压器例如可位于塔架104的基部。
[0053]
此外，提供了控制器10，其可以完全或部分地实施为风力涡轮机控制器，如图1的示例所示。这种风力涡轮机控制器控制风力涡轮机100的部件。它可以例如控制机舱103的偏航角和叶片102的桨距角。它还可以控制电气部件，例如转换器107和/或发电机106。控制器10可进一步配置成在某些条件下关闭风力涡轮机100，并启动风力涡轮机100。
[0054]
控制器10可以实现下列控制特征中的一个或几个的组合。控制器10可以例如实施高风力穿越(hwrt)控制特征。如果在十分钟的时间间隔内，平均风速超过25米/秒，传统的风力涡轮机可以被编程为关闭。当hwrt控制特征被激活时，风力涡轮机在这样的预定条件下不关闭，但是在高于某个风速时，其采用基于负载的输出功率的降低。例如，如果风速超过23 m/s某一段时间，则转子的转速和风力涡轮机的功率输出逐渐降低。例如，可以修改转子叶片102的桨距角，使得较少的风能被转换。因此，hwrt在预定的风力条件下执行基于负载的风力涡轮机输出功率的降低。
[0055]
由控制器10实现的另一控制特征可以是自适应控制系统(acs)控制特征。如果撞击风力涡轮机的空气中存在相对较强的湍流，则风力发电系统可能会发生过载以及材料的过度疲劳。传统的控制系统可以关闭风力涡轮机以防止这种过载情况。通过采用acs控制特征，在风力涡轮机处检测湍流。如果检测到高于特定阈值的湍流，则控制器降低风力涡轮机的输出功率。因此，可以降低风力涡轮机上的疲劳载荷。如果气流中的湍流再次降低，输出功率可以再次上升到之前的值。控制器10可以例如实现acs控制器，其使用负载模型来确定可能导致风力涡轮机过载的相应湍流的发生。因此，如果在风力涡轮机处检测到高于这种阈值的湍流，acs控制特征通过降低风力涡轮机的输出功率来有效地防止风力涡轮机在这种情况下停机。acs控制特征因此可以基于相应的测量风速和相应的负载模型。acs功能在风电场中特别有用，因为密集的风力涡轮机群体可能会增加气流中的湍流。
[0056]
控制器10可以实现的另一个控制特征是功率提升(pb)控制特征。功率提升控制特征通过在预定条件下增加功率极限来增加风力涡轮机的发电量。风力涡轮机可以例如在输出功率极限下操作，然而所述操作可以在风力涡轮机的结构载荷的载荷极限以下发生。在这种情况下，pb特征增加了转子的转速，与输出功率的增加成比例。通过这种措施，净发电量可增加高达5%。
[0057]
可由控制器10实现的另一控制特征是涡轮机负载控制(tlc)控制特征。控制器10可实现涡轮机负载控制系统，该系统连续监测风力涡轮机上的结构载荷。如果测量的负载超过正常操作值，控制器可自动调节风力涡轮机的操作，以使负载回到设计范围（design envelope）内。例如，它可以通过转子叶片的相应变桨来降低转子的转速。
[0058]
控制器10可以实现的另一个控制特征是功率曲线升级套件(pcuk)控制特征。部署后，硬件升级可安装在风力涡轮机上，例如对叶片的空气动力学改进，例如安装到叶根后缘以增加升力的襟翼，或者安装到叶尖后缘以通过延伸叶片弦来增加升力的具有锯齿边缘的襟翼。pcuk控制特征修改风力涡轮机控制，以计及这种硬件修改，并例如通过调整桨距控制来增强发电量。
[0059]
应当清楚的是，风力涡轮机100和控制器10可实现可用于使风力涡轮机100的操作适应主要条件的进一步控制特征。这种控制特征可用于增加风力涡轮机的发电量，减少风
力涡轮机部件上的疲劳载荷，实施安全措施等。在本公开的含义内，控制特征是对风力涡轮机100的寿命和/或发电量有影响的控制特征，并且是可由控制器10激活或去激活的专用特征。控制器10可相应地控制风力涡轮机100在一个或多个上述控制特征开启或关闭的情况下操作。因此，风力涡轮机100通常在这些控制特征的特定组合激活的情况下操作。应该清楚的是，风力涡轮机100可以不实现所有上述控制特征，而是可以仅实现其中的一些。控制器10和风力涡轮机100可实现两个或更多个上述控制特征的任何组合。对风力涡轮机的寿命或发电量的影响意味着相应控制特征的激活改变了风力涡轮机的剩余寿命和/或改变了发电量(年发电量或剩余寿命期间的发电量)。
[0060]
传统上，不考虑这种控制特征的激活或去激活对风力涡轮机的性能和故障风险的总体影响。风力涡轮机的结构特征可通过物理检查来评估，并且可确定特定的控制特征是开启还是关闭。没有考虑风力涡轮机的总体实际故障风险，特别是控制特征组合的影响。此外，在传统系统中，这是一个手动过程。
[0061]
控制器10被配置成确定实现优化目标的可用控制特征的激活状态的最优组合。特别地，用户仅需要确定他想要优化的量(优化参数的类型)，并且控制器10自动确定控制参数以实现相应的控制，特别是实现期望优化的控制功能的激活状态。如果用户选择例如风力涡轮机的剩余寿命作为优化参数的类型，其中其最大化是相关联的优化目标，则控制器10自动确定使风力涡轮机的寿命最大化的控制特征的激活状态的组合。同样，如果优化参数的类型是发电量，并且优化目标是发电量的最大化，则控制器10确定提供来自风力涡轮机10的最大能量输出的激活状态的组合，并且相应地控制风力涡轮机10，特别是通过根据所确定的组合激活/去激活相应的控制特征。
[0062]
图2是控制器10的功能图，图示了控制器10实现的不同功能和控制器10使用的不同数据。控制器10具体实现了风力涡轮机管理单元15，该风力涡轮机管理单元15执行控制特征的激活状态的最优组合的确定，并因此执行最优控制策略80。为了确定风力涡轮机的剩余寿命，控制器10可以采用由疲劳评估单元20提供的疲劳评估和关于相应风力涡轮机的故障率的统计数据24。统计数据24中包括的故障率可以例如从来自相同模型的整个风力涡轮机组的相应统计数据中导出，或者针对相应风力涡轮机的相同部件导出。可以使用统计模型来导出相应的故障率。统计数据24可以在控制器10的存储器中提供，或者控制器10可以经由数据连接(例如到服务器的网络连接)或者从操作者可以例如耦合到控制器10的数据载体获得统计数据24。通过采用统计数据24，关于相应风力涡轮机模型或部件的一般行为和故障的信息可被处理并用于剩余寿命估计中。
[0063]
疲劳评估(单元20)采用模型21，该模型特别是气动弹性和/或控制模型。优选地，至少采用气动弹性模型。风力涡轮机的模型21例如可以是bhawc模型。此外，风力涡轮机数据22被获得并用于疲劳评估。风力涡轮机数据22可包括来自风力涡轮机上不同数据源的数据或来自相关传感器的数据，例如来自风传感器、加速度计、空气密度传感器、温度传感器和与操作相关的其他数据，以及特别是与风力涡轮机100的载荷相关的数据；它还可包括风力涡轮机内部的数据，例如转子速度、扭矩等。风力涡轮机数据21包括由控制器10收集的或控制器10已知的来自涡轮机传感器的数据。因此，可以获得和处理关于特定风力涡轮机100的操作的信息。
[0064]
模型21与风力涡轮机数据22一起用于评估风力涡轮机部件疲劳结构损伤的当前
状态。特别地，它可以被评估用于风力涡轮机的不同结构部件的疲劳载荷和它们的剩余寿命。例如，对于具有特定类型材料的部件，在该结构部件的寿命期间可以执行一定数量的载荷循环。使用风力涡轮机的结构动力学模型21计算该部件的载荷，其中数据22中测量的环境条件和载荷作为输入。为结构部件估计的剩余寿命可形成用于确定风力涡轮机100的剩余寿命的基础。单元20执行相应的疲劳评估。
[0065]
风力涡轮机管理单元15基于由单元20执行的疲劳评估和统计数据24来估计风力涡轮机100的剩余寿命。例如，管理单元15可通过对不同的值进行加权来组合基于疲劳评估20的剩余寿命估计和基于相应类型和模型的风力涡轮机的统计数据24的剩余寿命估计，以获得总剩余寿命估计。疲劳评估20的权重可以更高，因为它反映了风力涡轮机的实际状态。作为示例，疲劳评估20可以对总剩余寿命估计贡献60%,以及统计数据24可以对总剩余寿命估计贡献40%,但是组合这些估计的其他方式也是可以想到的。权重可以基于所采用的模型来选择，并且它们可以由风力涡轮机制造商来预设。它们可以根据相应风力涡轮机模型的经验可调节，例如由制造商或操作者可调节。
[0066]
基于风力涡轮机的已知控制曲线和一年的平均风力条件，风力涡轮机管理单元15进一步估计风力涡轮机一年的发电量(年发电量，aep)，或者风力涡轮机的剩余寿命。
[0067]
用户界面60进一步耦合到控制器10。经由用户界面60，操作者可以选择一种类型的优化参数，风力涡轮机的操作应当根据该类型的优化参数进行优化。这种优化参数可以与优化目标相关联，或者优化目标也可以由操作者经由用户界面60输入。此外，控制器10可接收外部参数70形式的附加信息，该附加信息与风力涡轮机的操作相关并且可形成操作风力涡轮机的基础。作为示例，这种外部参数可包括与能量需求相关的数据，例如风力涡轮机所连接的电网的数据，指示电力需求何时高或低。示例性的优化参数和目标包括发电量的最大化(例如，年发电量或剩余寿命期间的发电量)；剩余寿命最大化；疲劳载荷的最小化；最大化电力需求满足；以及最大化有用的发电量，例如通过当电网的电力需求高时优先考虑电力生产，而当电力需求低时优先考虑寿命(这可以由相应的电力需求阈值来确定)。
[0068]
风力涡轮机管理单元15然后执行优化方法，该优化方法的示例将在下面关于图6进一步描述，用于确定由控制器10提供的哪些控制特征应该被激活以便最好地满足优化目标，即，其确定可用控制特征的激活状态的组合。根据所得的激活状态80的最优组合，控制器10然后控制风力涡轮机100。具体而言，根据所确定的组合，控制器10在风力涡轮机100操作期间激活相应的控制特征。风力涡轮机包括状况监测系统110，状况监测系统110可包括监测相应风力涡轮机部件的状况以确定剩余寿命的传感器。来自状况监测系统110的信息可作为反馈提供并用于涡轮机数据22中，并且可特别用于确认相应控制策略80对风力涡轮机寿命的期望影响。如果没有实现对于具有最优激活状态组合的操作所预期的剩余寿命的变化，则考虑到由状况监测系统110确定的寿命影响，控制策略80可以由单元15修改。应当清楚的是，对风力涡轮机部件疲劳的影响通常仅在风力涡轮机操作的延长时间(数月或数年)后才可观察到，而短期事件不太可能影响疲劳评估。
[0069]
图3更详细地示出了控制器10如何以控制特征的激活状态的最优组合的形式确定最优控制策略80。图5图示了示出相应方法的流程图。经由用户界面60，控制器10接收与相应优化目标相关联的优化参数类型的用户选择(步骤501)，诸如寿命最大化、发电量最大化或使有用能量输送最大化(步骤502)。其他优化目标是剩余寿命或发电量的预定变化，例如
增加5%、10%等。控制器10然后获得关于相应风力涡轮机模型的故障率的统计数据(步骤503)，其中统计数据24可存储在控制器10的存储器中或可通过数据链路获得。控制器10还在步骤504中获得涡轮机数据22，并基于该数据使用气动弹性和控制模型21来执行疲劳评估(步骤505；疲劳评估单元20)。剩余寿命估计单元25然后基于统计数据24和疲劳评估20来估计风力涡轮机的剩余寿命(步骤506)。如上所述，疲劳评估和统计数据可以例如通过分别加权确定的寿命估计来组合。
[0070]
发电量估计单元30还估计风力涡轮机每年基线发电量(aep)或剩余寿命(步骤507)。控制器10还具有指示可用控制特征对寿命的影响的可用数据41，以及指示可用控制特征对发电量的影响的数据42。这种数据可以例如指示控制特征a对寿命具有 3年的预定影响，对年发电量(aep)具有-3%的预定影响。另一个控制特征b可以例如对寿命具有-6年的预定影响，对aep具有 4%的预定影响。这些是预定的影响值，其可能不反映控制特征对于单个风力涡轮机的实际影响，特别是当组合不同的控制特征时。
[0071]
策略优化单元50现在执行包括一个或多个优化步骤(图5中的步骤508)的优化方法，该优化方法确定满足用户选择的优化参数的优化目标的激活状态的最优组合，即它确定应该激活哪个可用的控制特征以便实现优化目标。
[0072]
这种优化方法的一个示例在图6的流程图中示出。在步骤601中，基于数据41和42以及优化目标，基于这些控制特征对寿命和性能(发电量)的预定影响，选择可用控制特征的激活状态的组合。例如，如果用户选择寿命最大化作为优化参数和目标，则优化单元50将为增加风力涡轮机寿命的控制特征选择激活状态，例如上述特征a，其中特征b在激活状态的组合中被设置为非激活。在步骤602和603中，考虑到根据步骤601中的选择激活的控制特征，即利用激活的特征a，如上所述估计风力涡轮机的“实际”剩余寿命和发电量。这可以由单元25和30基于模型21(其根据激活的特征调节)以及数据22和24来执行。作为一个示例，激活的控制特征可减少疲劳评估20中的结构部件上的载荷，但在通过单元30估计风力涡轮机性能时可导致发电量的减少。使用适应的估计，在步骤604中估计优化参数，在本示例中是总剩余寿命。优选地，在步骤604中至少估计风力涡轮机的剩余寿命和年发电量或剩余发电量。同样，应该清楚的是，可以选择其他优化参数，例如考虑了可以在其上输送功率的剩余寿命和年发电量的总功率输送的最大化。
[0073]
在步骤605中，评估一个或多个边界条件。例如，将估计的剩余寿命和/或估计的发电量与相应的阈值进行比较，例如以确定相应量的变化是否超过相应的阈值。作为示例，可以设置阈值，使得控制特征的激活不应该导致aep的减少超过5%。如果aep的最大化是优化目标，那么合适的阈值可以是控制特征的激活不应导致超过5年的剩余寿命的减少。这种阈值可以是预设的阈值，或者可以由操作者通过使用用户界面60来定义，或者由风力涡轮机制造商来定义。
[0074]
在步骤606中，确定是否达到优化目标以及是否满足边界条件，即剩余寿命或发电量的值是否在相应的阈值内。作为示例，除了上述控制特征a之外，通常应该增加风力涡轮机剩余寿命的另一控制特征可以是可用的。然而，由于两个控制特征之间的交互，可能无法实现期望的寿命增加，并且控制特征可能会部分否定其自身。因此，对于这种组合，可能达不到优化目标。优化目标可以例如被定义为寿命的预定义增加，或者发电量的预定义增加。同样，所确定的激活状态的组合可能导致剩余寿命或发电量的变化超过相应的阈值，即剩
余寿命减少太多或发电量减少太多(不满足边界条件)。
[0075]
因此，如果没有达到优化目标或者如果没有满足边界条件，则在步骤601中选择不同的激活状态组合，其中该选择可以再次基于可用数据41、42。否则，在步骤607中，将在步骤601中确定的激活状态的相应组合取作为激活状态的最优组合。该激活状态的最优组合(最优策略80)由策略优化单元50给出，并由控制器10用来控制风力涡轮机100。
[0076]
例如，另一个控制特征b对寿命有-6年的影响，并且对 4% aep的发电量具有影响，并且优化目标是发电量的最大化。在步骤601中，策略优化单元50可以选择特征b为激活的。然而，可以通过步骤602至604中的评估和步骤605中的比较来确定寿命的减少太高，并且该方法可以在步骤606中返回到步骤601以选择不同的特征组合，例如通过添加改善风力涡轮机寿命但对发电量仅具有轻微负面影响的控制特征。应该清楚的是，这些控制特征之间的交互不是预先已知的，而是在步骤602至604中通过利用模型21来实际估计，从而确定用于达到优化目标的最优控制策略。
[0077]
应该清楚的是，在图5的步骤508中执行的上述优化方法仅仅是一个示例，也可以采用其他优化方法。作为一个示例，可以采用搜索算法，该算法对激活状态的所有可能组合或其子集合进行搜索，以找到既最满足优化目标又满足边界条件的组合。如果搜索算法遇到停止条件，例如达到满足优化目标的组合，则在步骤606中达到优化目标。另一个示例是，优化方法对所有可能的激活状态组合执行优化步骤601至605，然后选择对于其来说满足边界条件同时优化参数最符合优化目标的激活状态组合。因此，在已经测试了激活状态的所有可能组合之后，在步骤606中达到优化目标。
[0078]
在图5的方法中，估计步骤506和507以及相应的先前步骤可以作为优化方法508的一部分来执行，并且可以不另外和预先执行。同样，单元25和30可以形成策略优化单元50的一部分。
[0079]
图4图示了控制器10的示例性实施方式。控制器10包括处理器11和存储器12。处理器11可以是任何类型的处理器，例如微处理器、专用集成电路、数字信号处理器等。存储器12可以包括易失性和非易失性存储器，特别是ram、rom、闪存、硬盘驱动器等。控制器10包括输入和输出接口，用于接收数据和向风力涡轮机的部件传送控制数据和控制命令。这种通信可以无线地或者经由相应的线路，例如控制总线等来执行。控制器可包括用户界面60(例如，包括显示器和输入设备)，通过该用户界面可接收来自风力涡轮机操作者的用户输入。控制器10还接收统计数据24、外部参数70和来自状况监测系统110以及来自风力涡轮机的其他传感器的数据。根据所确定的控制策略，即控制特征的激活状态的最优组合，控制器10提供控制信号来控制风力涡轮机的机械部件91和电气部件92。作为示例，控制器10可调节风力涡轮机叶片的桨距角，可控制偏航角，可控制制动系统等。在电气方面，控制器10可以例如控制风力涡轮机和/或发电机106的转换器107，以控制施加到转子101的扭矩，从而控制转速和机械载荷。控制器10可以采用和实施风力涡轮机100的任何已知控制方法。
[0080]
应该清楚的是，这里描述的不同特征和实施例可以组合，并且都可以由控制器10实现。控制器10可以完全或部分地由风力涡轮机控制器或风电场控制器来实现。当实施为风力涡轮机控制器时，这是优选的实施方式，控制器可以在风力涡轮机内根据优化目标确定相应风力涡轮机的最优控制策略，并且可以相应地控制风力涡轮机。另一方面，当实现为风电场控制器时，控制器可以单独地评估风电场的每个不同风力涡轮机的相应操作参数，
然后可以单独地为风电场的每个风力涡轮机确定最优控制策略。然后，它可向单独的风力涡轮机控制器提供相应的控制参数，例如扭矩设定点、转速设定点等，或者它可指示单独的风力涡轮机控制器根据为相应的风力涡轮机确定的控制策略80打开或关闭相应的控制特征。操作者然后可以输入风电场的优化参数/目标，使得所有风力涡轮机可以根据这样的目标来控制。应当清楚的是，在其他实施方式中，控制器10部分地由这种风力涡轮机控制器和这种风电场控制器实现，并且功能可以在控制器之间分配，例如通过在风电场控制器处接收用户输入以及通过在各个风力涡轮机控制器处确定最优控制策略。其他实现当然是可以想象的。
[0081]
因此，上面公开的实施例允许风力涡轮机的操作的优化，该优化自动执行并且仅需要用户输入优化目标。操作者可以例如指定最大寿命策略，并且控制器自动选择给出风力涡轮机最大寿命的控制特征的组合，同时考虑其他操作参数(其不同于优化参数)的相应边界条件。类似地，操作者可选择最大性能目标，以及控制器可确定提供风力涡轮机最大发电量的控制特征的组合。风力涡轮机的年发电量或剩余寿命期间的发电量例如可以最大化。此外，通过在寿命估计中考虑疲劳评估和统计数据，实现了对剩余寿命的非常精确的估计。
[0082]
虽然这里公开了具体的实施例，但是在不脱离本发明的范围的情况下，可以进行各种改变和修改。本实施例在所有方面都被认为是说明性的而非限制性的，并且在所附权利要求的含义和等同范围内的所有变化都被包含在其中。