【技术实现步骤摘要】
本公开一般涉及风力涡轮，并且更特别地，涉及使用无人驾驶飞行器来监测风力涡轮的系统和方法。
技术介绍
1、风电被认为是目前可获得的最清洁、最为环境友好的能量源之一，以及风力涡轮在这个方面已经受到越来越多关注。现代风力涡轮通常包括塔架、发电机、齿轮箱、机舱以及一个或多个转子叶片。转子叶片使用已知翼型件原理来捕获风的动能。例如，转子叶片通常具有翼型件的截面轮廓，使得在操作期间，空气在叶片之上流动，从而产生侧面之间的压力差。因此，从压力侧朝吸入侧引导的升力作用于叶片上。升力在主转子轴上生成扭矩，所述主转子轴通常啮合到发电机以用于产生电力。
2、在操作过程中，风力涡轮的某些内部和外部组件经受各种负载。如果此类负载超过一定的阈值，那么这些组件就有故障的风险。虽然将这些组件设计成能够承受一定量的载荷，但是风况并不总是可预测的，并且可能会导致组件过度损坏。在最坏的场景中，对组件的损坏可能会导致整个风力涡轮关闭，以便可以安排适当的维护和/或维修措施。这样的停机时间会导致年发电量的损失，并且因此成本高昂且不希望发生。
3、为了避免不必要的停机，通常在风力涡轮上或附近提供各种传感器以监测风力涡轮附近的环境状况。常用的传感器阵列的示例是测量塔或气象桅杆。气象桅杆是独立的塔，作为一示例，它包括一个或多个风速计，并且通常放置在风力涡轮附近，以使得传感器可以测量风力涡轮周围的环境状况。气象桅杆是期望的(优于例如存在于风力涡轮的机舱上的传感器)，因为它们可以给出风速和其它传感器的客观读数，而安装在涡轮上的传感器则受到例如涡轮叶片的俯仰的
4、因此，解决上述问题的系统和方法将是有利的。因此，本公开涉及使用无人驾驶飞行器来监测风力涡轮以优化风力涡轮的性能的系统和方法。
技术实现思路
1、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而了解。
2、在一个方面，本公开涉及一种用于优化具有至少一个风力涡轮的风力发电场的性能的方法。该方法包括将具有至少一个传感器的第一无人驾驶飞行器(uav)调动到风力发电场的至少一个风力涡轮附近的第一位置。该方法还包括经由第一uav的至少一个传感器收集与至少一个风力涡轮处的一种或多种风况相对应的数据。该方法还包括经由控制器接收与至少一个风力涡轮处的一种或多种风况相对应的数据。该方法还包括：使用与至少一个风力涡轮处的一种或多种风况相对应的数据来对至少一个风力涡轮生成控制动作；以及经由控制器实现控制动作。
3、在一实施例中，经由在控制器中编程的至少一种机器学习算法来生成控制动作。另外，在机器学习算法中输入数据。
4、在另一个实施例中，一种或多种风况包括风速、风切变、风向、尾流、湍流强度、温度、湿度或空气密度中的至少一种。
5、在又一个实施例中，风力发电场包括多个风力涡轮，所述多个风力涡轮包括所述至少一个风力涡轮。另外，控制动作进一步包括以下至少一个动作：使所述多个风力涡轮中的一个或多个风力涡轮的一个或多个转子叶片俯仰，使所述多个风力涡轮中的一个或多个风力涡轮偏航，修正所述多个风力涡轮中的一个或多个风力涡轮的速度，降低所述多个风力涡轮中的一个或多个风力涡轮上的额定功率，或提高所述多个风力涡轮中的一个或多个风力涡轮上的额定功率。
6、在再一个实施例中，所述至少一个风力涡轮是第一风力涡轮。此外，所述多个风力涡轮进一步包括第二风力涡轮。此外，控制动作进一步包括对第一风力涡轮实现控制动作，以使第二风力涡轮位于第一风力涡轮的尾流之外。
7、在仍有的再一个实施例中，控制器进一步配置成为所述至少一个风力涡轮生成电力曲线、或电力性能相对于风况的其它模型。
8、在进一步的实施例中，该方法进一步包括将第一uav调动到所述至少一个风力涡轮周围与第一位置不同的第二位置。
9、在仍有的进一步实施例中，该方法进一步包括将数据连续发送到档案存储库、涡轮或发电场级控制器，以使得可以使用数据来在经过学习的机器学习算法的指导下进行涡轮/发电场控制。此外，数据配置成用于使用数据来对机器学习算法进行离线训练或连续更新或优化。
10、在仍有的进一步实施例中，机器学习算法进一步配置成生成风力发电场的模拟模型，以用于估计或预测风力发电场或所述至少一个风力涡轮的性能。
11、在仍有的另一个实施例中，该方法进一步包括经由机器学习算法生成所需数据的优先级列表，该列表指示最期望的第二位置以检索数据。此外，第二位置包括对于用于改进机器学习算法具有最大不确定性和最高价值的区域。该方法还进一步包括将uav调动到第二位置。
12、在仍有的又一个实施例中，该方法进一步包括将数据实时传送到控制器。
13、在仍有的再一个实施例中，该方法进一步包括：在所述至少一个风力涡轮周围调动第二uav；以及使用安装到第二uav的传感器来收集与风力发电场有关的附加数据。
14、在仍有的进一步实施例中，第一uav进一步包括安装在其上的发射器和接收器。该方法进一步包括：经由发射器发射声信号；经由声接收器接收声信号；以及基于在声信号从发射器移动到接收器时的声信号的变化来确定一种或多种风况。
15、在仍有的另一个进一步实施例中，该方法进一步包括经由风力涡轮的一个或多个固定传感器来收集与所述至少一个风力涡轮处的一种或多种风况相对应的数据，其中，所述一个或多个固定传感器包括lidar(“激光成像、探测和测距”)、声呐、或能够检测风速、温度、压力、湿度、空气密度或由所述至少一个风力涡轮生成的电力的传感器中的至少一种。
16、在另一方面，本公开涉及一种用于优化具有至少一个风力涡轮的风力发电场的性能的系统。该系统包括风力发电场的至少一个风力涡轮。该系统还包括具有至少一个传感器的第一无人驾驶飞行器(uav)，传感器配置成收集与所述至少一个风力涡轮处的一种或多种风况相对应的数据。该系统还包括控制器，控制器配置成接收与所述至少一个风力涡轮处的一种或多种风况相对应的数据。此外，控制器使用与所述至少一个风力涡轮处的一种或多种风况相对应的数据来对所述至少一个风力涡轮生成控制动作。此外，经由控制器实现控制动作。
17、在又一方面，本公开涉及一种用于优化具有至少一个风力涡轮的风力发电场的性能的方法。该方法包括将具有至少一个传感器的第一无人驾驶飞行器(uav)调动到风力发电场的所述至少一个风力涡轮附近的第一位置。该方法还包括经由第一uav的至少一个传感器收集与所述至少一个风力涡轮处的一种或多种风况相对应的数据。该方法还包括经由控制器接收与所述至少一个风力涡轮处的一种或多种风况相对应的数据。该方法还包括经由在控制器中编程的机器学习算法使用与所述至少一个风力涡轮处的一种或多种风况相对应的数据来对所述至少一个风本文档来自技高网...
【技术保护点】
1.一种用于优化具有至少一个风力涡轮的风力发电场的性能的方法，所述方法包括：
2.如权利要求1所述的方法，其中，经由在所述控制器中编程的至少一种机器学习算法来生成所述控制动作，其中，在所述机器学习算法中输入所述数据。
3.如权利要求1所述的方法，其中，所述一种或多种风况包括风速、风切变、风向、尾流、湍流强度、温度、湿度或空气密度中的至少一种。
4.如权利要求1所述的方法，其中，所述风力发电场包括多个风力涡轮，所述多个风力涡轮包括所述至少一个风力涡轮，
5.如权利要求4所述的方法，其中，所述至少一个风力涡轮是第一风力涡轮，其中，所述多个风力涡轮进一步包括第二风力涡轮，
6.如权利要求3所述的方法，其中，所述控制器进一步配置成为所述至少一个风力涡轮生成电力曲线、或电力性能相对于风况的其它模型。
7.如权利要求1所述的方法，进一步包括将所述第一UAV调动到所述至少一个风力涡轮周围与所述第一位置不同的第二位置。
8.如权利要求2所述的方法，进一步包括将所述数据连续发送到档案存储库、涡轮或发电场级控制器，以
9.如权利要求2所述的方法，其中，所述机器学习算法进一步配置成生成所述风力发电场的模拟模型，以用于估计或预测所述风力发电场或所述至少一个风力涡轮的性能。
10.如权利要求9所述的方法，进一步包括：
...【技术特征摘要】
1.一种用于优化具有至少一个风力涡轮的风力发电场的性能的方法，所述方法包括：
2.如权利要求1所述的方法，其中，经由在所述控制器中编程的至少一种机器学习算法来生成所述控制动作，其中，在所述机器学习算法中输入所述数据。
3.如权利要求1所述的方法，其中，所述一种或多种风况包括风速、风切变、风向、尾流、湍流强度、温度、湿度或空气密度中的至少一种。
4.如权利要求1所述的方法，其中，所述风力发电场包括多个风力涡轮，所述多个风力涡轮包括所述至少一个风力涡轮，
5.如权利要求4所述的方法，其中，所述至少一个风力涡轮是第一风力涡轮，其中，所述多个风力涡轮进一步包括第二风力涡轮，
6.如权利要求3所述的方法，其中，所述控制器进一步配置成为...
【专利技术属性】
技术研发人员：S·C·埃文斯，S·B·沙泽，S·柯恩，T·R·沙赫，A·查鲁瓦卡，
申请(专利权)人：通用电气可再生能源西班牙有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。