用于风力涡轮的基于学习的备用控制器制造技术

一种用于提供至少一个风力涡轮的监督控制器的备用控制的方法包括经由至少一个风力涡轮的基于学习的备用控制器而观察监督控制器在正常操作下的至少一个操作参数。该方法还包括经由基于学习的备用控制器而基于(一个或多个)操作参数来学习至少一个风力涡轮的一个或多个控制动作。此外，该方法包括经由基于学习的备用控制器而接收监督控制器不可用于继续正常操作的指示。在接收所述指示时，该方法包括经由基于学习的备用控制器而使用所学习的一个或多个控制动作来控制(一个或多个)风力涡轮，直到监督控制器再次变得可用。此外，(一个或多个)控制动作限定增量，(一个或多个)风力涡轮的一个或多个设定点应该被调节所述增量以实现期望的结果。增量以实现期望的结果。增量以实现期望的结果。

【技术实现步骤摘要】
用于风力涡轮的基于学习的备用控制器
[0001]关于联邦资助的研究或开发的声明
[0002]本专利技术是在由美国能源部(DOE)授予的合同号为DE
‑
OE0000902的政府支持的情况下进行的。政府具有本专利技术的某些权利。


[0003]本公开一般涉及风力涡轮，并且更具体地涉及一种用于风力涡轮的基于学习的控制器，所述基于学习的控制器可以在监督控制器不可用(例如，由于网络攻击)的情况下用作备用控制器。

技术介绍

[0004]风功率被认为是目前可获得的最清洁、对环境最友好的能源之一，并且风力涡轮在这方面得到了越来越多的关注。现代风力涡轮通常包括塔架、发电机、齿轮箱、机舱和一个或多个转子叶片。转子叶片利用已知的翼型件原理捕获风的动能。例如，转子叶片通常具有翼型件的横截面轮廓，使得在操作期间，空气在叶片之上流动，从而在所述侧之间产生压力差。因此，从压力侧朝向吸入侧的升力作用在叶片上。升力在主转子轴上生成扭矩，该主转子轴与用于生成电力的发电机啮合。
[0005]多个风力涡轮通常彼此结合使用以生成电力，并且通常被称为“风电场”。个体的风力涡轮中的每个可以经由涡轮控制器来控制。类似地，整个风电场可以经由场级控制器来控制。这样的控制器也可以在本地或经由因特网连接到网络，使得可以在线和实时地控制风电场和个体涡轮控制器。然而，随着风功率业务的普及程度继续增加，对其控制系统的网络攻击的风险也增加。
[0006]此外，风力涡轮是在未知和随机操作条件(即，湍流风场)下操作的动态系统。因此，通常使用基于模型的控制器来控制风力涡轮。这些控制器要求风电场的精确动态模型，并且只能在所考虑的系统(即，风力涡轮)的物理特性详细已知时获得，这要求广泛的域知识。在其中例如由于网络攻击而不能信任风力涡轮的现有基于模型的控制器的情况下，需要采用备用控制器。然而，由于通常不能访问由其它制造商开发的动态模型，因此难以开发用于这些资产的基于模型的备用控制器。
[0007]因此，本公开涉及一种基于学习的风力涡轮控制器，其可以在主控制器例如由于网络攻击而不可用的情况下用作备用控制器，其解决上述问题。

技术实现思路

[0008]本专利技术的方面和优点将在以下描述中部分地阐述，或可从描述中显而易见，或可通过本专利技术的实践来学习。
[0009]在一个方面中，本公开涉及一种用于提供用于至少一个风力涡轮的监督控制器的备用控制的方法。所述方法包括经由所述至少一个风力涡轮机的基于学习的备用控制器而观察所述监督控制器在正常操作下的至少一个操作参数。所述方法还包括经由基于学习的
备用控制器而基于(一个或多个)操作参数来学习至少一个风力涡轮的一个或多个控制动作。此外，所述方法包括经由基于学习的备用控制器而接收监督控制器不可用于继续正常操作的指示。在接收所述指示时，所述方法包括经由基于学习的备用控制器而使用所学习的一个或多个控制动作来控制(一个或多个)风力涡轮，直到监督控制器再次变得可用。此外，(一个或多个)控制动作限定增量(delta)，风力涡轮的一个或多个设定点应被调节所述增量以实现期望的结果。应当理解，所述方法还可以包括本文所述的附加特征和/或步骤中的任何一个或多个附加特征和/或步骤。
[0010]在另一方面中，本公开涉及一种用于提供用于至少一个风力涡轮的监督控制器的备用控制的系统。所述系统包括监督控制器和通信地耦合到监督控制器的基于学习的备用控制器。基于学习的备用控制器包括至少一个处理器，其配置成执行多个操作，包括但不限于：观察所述监督控制器在正常操作下的至少一个操作参数；基于所述至少一个操作参数来学习所述至少一个风力涡轮的一个或多个控制动作；以及当所述监督控制器不可用时，使用所学习的一个或多个控制动作来控制所述至少一个风力涡轮。此外，(一个或多个)控制动作限定增量，所述至少一个风力涡轮的一个或多个设定点应该被调节所述增量以实现期望的结果。应当理解，所述系统还可以包括本文描述的附加特征中的任何一个或多个附加特征。
[0011]参考以下描述和所附权利要求书，本专利技术的这些和其它特征、方面和优点将变得更好理解。并入本说明书中并构成本说明书的部分的附图图示本专利技术的实施例，并与描述一起用于阐释本专利技术的原理。
附图说明
[0012]在参考附图的说明书中阐述本专利技术(包括其最佳模式)的针对本领域普通技术人员的完整且能够实现的公开，在附图中：
[0013]图1图示根据本公开的风电场的一个实施例的透视图；
[0014]图2图示根据本公开的风力涡轮的一个实施例的透视图；
[0015]图3图示根据本公开的风力涡轮和/或风电场的控制器的一个实施例的框图；
[0016]图4图示根据本公开的用于提供用于根据本公开的至少一个风力涡轮的监督控制器的备用控制的方法的实施例的流程图；
[0017]图5图示根据本公开的基于学习的备用控制器的数据收集阶段的实施例的示意图；
[0018]图6图示根据本公开的基于学习的备用控制器的数据收集阶段的实施例的示意图；以及
[0019]图7图示根据本公开的基于学习的备用控制器的数据收集阶段的实施例的示意图。
具体实施方式
[0020]现在将详细参考本专利技术的实施例，在附图中图示其一个或多个示例。通过解释本专利技术而不是限制本专利技术的方式来提供每个示例。实际上，对于本领域技术人员显而易见的是，在不脱离本专利技术的范围或精神的情况下，可以在本专利技术中进行各种修改和变化。例如，
作为一个实施例的一部分图示或描述的特征可以与另一个实施例一起使用以产生又一个实施例。因此，旨在本专利技术覆盖如落入所附权利要求书及其等同物的范围内的这样的修改和变化。
[0021]通常，本公开涉及一种基于学习的风力涡轮控制器，其可以在监督控制器不可用的情况下用作备用控制器。因此，本公开提供一种用来实现高级的基于学习的备用控制器的方法，所述基于学习的备用控制器配置成通过观察监督控制器在正常操作下的可容易获得的输入和输出来学习监督控制器的控制动作。监督控制器通常是基于模型的控制器。因此，在网络攻击或可能要求使用备用控制器的其它情形的情况下，高级的基于学习的控制器可以接管并保持资产操作，直到监督控制器再次变得可用。此外，代替根据输入信号直接预测设定点，基于学习的控制器配置成预测增量/差，当前设定点应该被调节所述增量/差，以实现期望的结果。这给予基于学习的控制器朝向训练期间控制器遇到的模型/参数失配的一定程度的鲁棒性。
[0022]现在参考附图，图1图示根据本公开的方面的包含多个风力涡轮102的风电场100的实施例。风力涡轮102可以以任何合适的方式布置。作为示例，风力涡轮102可以布置成行和列的阵列、单行或随机布置。此外，图1图示风电场100的一个实施例的示范性布局。通常，风电场中的风力涡轮布置是基于许多优化算法来确定的，使得针对相应的现场风气候使AEP最大化。应当理解，在不脱离本公开的范围的情况下，可以例如在不平坦的陆地上实现任何风力涡轮布置。
[0023]另外，应本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于提供用于至少一个风力涡轮的监督控制器的备用控制的方法，所述方法包括：经由所述至少一个风力涡轮的基于学习的备用控制器而观察所述监督控制器在正常操作下的至少一个操作参数；经由所述基于学习的备用控制器而基于所述至少一个操作参数来学习所述至少一个风力涡轮的一个或多个控制动作；经由所述基于学习的备用控制器而接收所述监督控制器不可用于继续所述正常操作的指示；以及在接收所述指示时，经由所述基于学习的备用控制器而使用所学习的一个或多个控制动作来控制所述至少一个风力涡轮，直到所述监督控制器再次变得可用，其中所述一个或多个控制动作限定增量，所述至少一个风力涡轮的一个或多个设定点应该被调节所述增量，以实现期望的结果。2.如权利要求1所述的方法，其中，观察所述监督控制器在正常操作下的所述至少一个操作参数还包括：观察所述监督控制器在正常操作下的多个操作参数。3.如权利要求2所述的方法，其中，所述多个操作参数包括功率输出、俯仰角、发电机速度、测量风速或估计风速中的至少一个。4.如权利要求2所述的方法，其中，所述多个操作参数包括测量的操作参数和估计的操作参数的组合。5.如权利要求2上述的方法，其中，经由所述基于学习的备用控制器而基于所述至少一个操作参数来学习所述风力涡轮的所述一个或多个控制动作进一步包括：基于所述多个操作...

【专利技术属性】
技术研发人员：K，
申请(专利权)人：通用电气公司，
类型：发明
国别省市：