风力涡轮机的电力生产预测

技术领域

本发明涉及一种用于预测至少一个风力涡轮机的电力生产的方法，该至少一个风力涡轮机形成布置在站点中的风电场的一部分。

背景技术

风力涡轮机的电力生产是能源生成的不竭替代品之一。为了将风力涡轮机并入电网，必须预计风力涡轮机的电力生产。例如，准确的风电场电力生产预测对于电网的稳定性至关重要。电力生产预测可以例如基于风速和状态预测，但是也可以依赖于与风电场有关的系统性数据收集。此外，优选的是，风力预测与风电场或特定风力涡轮机布置的确切站点有关。除了风力预测和风电场数据外，还需要用于计算电力生产的准确且可靠的模型。

发明内容

本发明的实施例的目的是提供一种用于准确预计布置在站点中的风力涡轮机和/或风电场的电力生产的方法。

本发明的实施例的另一个目的是提供一种用于以高时间分辨率预计风力涡轮机和/或风电场的电力生产的方法。

根据第一方面，本发明提供了一种用于预测至少一个风力涡轮机的电力生产的方法，所述风力涡轮机形成布置在站点中的风电场的一部分，所述方法包括以下步骤：

-在中央数据中心中接收全球天气预测数据，所述中央数据中心远离所述风电场的站点布置；

-基于所述全球天气预测数据在所述中央数据中心中生成特定于站点的预测，所述特定于站点的预测是与所述风电场的站点有关的特定于站点的天气预测和/或特定于站点的电力生产预测；

-将所述特定于站点的预测从所述中央数据中心发送到本地数据中心；

-在所述本地数据中心中接收特定于站点的数据，所述特定于站点的数据包括在所述站点中测量的特定于站点的天气数据和/或特定于站点的风力涡轮机数据；

-使用所述特定于站点的数据在所述本地数据中心中更新所述特定于站点的预测；以及

-基于更新的特定于站点的预测来生成所述至少一个风力涡轮机的电力生产预测。

因此，根据本发明的第一方面的方法是一种用于预测至少一个风力涡轮机的电力生产的方法。

在本文中，术语“预测电力生产”应被解释为是指估算风力涡轮机或风电场在不久的将来(例如在最多若干个小时内)生产的电力。它是对风力涡轮机或风电场在给定条件下将生成多少电力的预计。

在本文中，术语“风电场”应被解释为是指至少两个风力涡轮机组成的组，它们共享用于向电网传输电力的基础设施。风电场的风力涡轮机可以布置在地理站点中并且优选地由至少一个控制单元控制。风力涡轮机组的一部分可以由一个控制单元控制，而风力涡轮机组的另一部分可以由另一控制器控制。风电场的每个风力涡轮机都将机械风能转换为电能。风电场通常连接到供应生成的电能的电网。

在本文中，术语“站点”应被解释为是指布置风电场的地理区域。

根据本发明的第一方面的方法，全球天气数据最初在中央数据中心中被接收。中央数据中心远离风电场的站点布置，并且其可以处理与在全球范围内布置在各个站点中的若干个风电场有关的数据。因此，风电场的站点与中央数据中心的位置之间可能存在很大的距离。中央数据中心可以拥有与和其进行通信的风电场有关的各种数据或信息(诸如风电场的位置、配置、操作、有关每个风电场的电力生产的统计历史数据等)。

全球天气预测数据可以包括全球范围内的气象数据。全球天气预测数据可以由一个或多个公共和/或商业天气预测提供者提供。这种提供者通常会在若干个小时的时间范围内(例如，每4-5小时或最多每12小时)更新他们的预测。全球天气数据可以基于卫星数据和/或从布置在各个全球分布的站点中的若干个气象站获得的数据。因此，全球天气预测数据可以包括全球范围内的预测的风速、风向、气温、空气湿度、气压以及类似参数(包括与布置风电场的地理区域有关的此类数据)。

接下来，中央数据中心基于全球天气预测数据生成特定于站点的预测。特定于站点的预测包括特定于站点的天气预测和/或特定于站点的电力生产预测。特定于站点的预测与关注的风电场所在的站点有关。可以通过使用与风电场相关并且被存储在中央数据中心的不同参数来生成特定于站点的预测。此外，特定于站点的预测可以基于来自站点的数据(诸如风速和风向、温度等)。它也可以基于区域天气预测。可以通过使用中央数据中心中的数值天气预计模型，并且使用全球天气预测和可选的特定于站点的数据作为数字模型的输入，来生成区域天气预测。区域天气预测可以比全球天气预测具有更高的空间(水平和垂直)和时间分辨率。对于具有复杂地形或天气和气候条件的站点，使用区域天气预测可能尤其有益。因此，在中央数据中心中，从全球天气预测中提取与风电场的站点有关的天气数据，并且基于此生成特定于站点的预测(即与风电场的站点特定地相关的预测)。特定于站点的预测与风电场的站点中的天气和/或风电场的风力涡轮机的电力生产有关。由于特定于站点的预测是基于全球天气预测，因此特定于站点的预测的时间分辨率与全球天气预测的时间分辨率相对应，即该时间分辨率通常为若干个小时(诸如1到6小时)。但是，特定于站点的预测将全球天气数据考虑在内，并且在中央数据中心中进行全球天气数据的处理。

然后，将特定于站点的预测从中央数据中心发送到本地数据中心。在本文中，术语“本地”应被解释为是指相对于风电场的站点而言是在本地。因此，本地数据中心被布置在风电场附近，例如被布置在风电场的站点中或布置在距风电场的可接受的距离内。无论如何，本地数据中心都比中央数据中心布置在显著地更靠近风电场的站点的位置。特别地，本地数据中心经由本地通信网络连接到风电场，而中央数据中心通常将经由全球通信网络(诸如Internet)连接到风电场和/或本地数据中心。风电场与本地数据中心之间的通信确保了数据可以快速且可靠地传递(即数据丢失的风险低)。此外，风电场与本地数据中心之间的典型数据传递时间通常将显著低于风电场与中央数据中心之间的典型数据传递时间。

通常，每个风电场可以具有其自己的本地数据中心。替代地，本地数据中心可以位于存在多个风电场的区域中。在这种情况下，该区域中的所有风电场都与一个本地数据中心通信。本地数据中心可以包括关于风电场以及其中包括的每个风力涡轮机的更详细的信息。本地数据中心可以单独地与每个风力涡轮机通信，以及与多个仪器通信，所述多个仪器可以获得与站点有关的各种气象参数(例如本地气象桅杆或激光雷达)。

因此，在本地数据中心中接收特定于站点的天气数据和/或特定于站点的风力涡轮机数据形式的特定于站点的数据。因此，本地数据中心拥有特定于站点的预测，该特定于站点的预测从中央数据中心接收并且基于全球天气预测数据以及在本地获得的特定于站点的数据。

连接到本地数据中心的每个设备都将数据发送到本地数据中心。所有这些不同的数据包括特定于站点的数据，并且与特定于站点的天气数据和/或特定于站点的风力涡轮机数据有关。特定于站点的天气数据可以是：风速、风向和旋转的测量结果；压力、温度、湿度以及其他相关的与天气相关的参数的测量结果。特定于站点的风力涡轮机数据与关注的风力涡轮机在当前时刻的操作有关，并且可以例如包括电力生产、负载测量、关于风力涡轮机的停机时间的信息等。

然后，使用特定于站点的数据来更新在本地数据中心从中央数据中心接收的特定于站点的预测。本地数据中心可以以需求的频率接收特定于站点的数据。特定于站点的数据的频率不需要跟随全球天气预测数据的频率。通常，特定于站点的数据比全球天气预测数据以高得多的频率生成(例如至少每小时，并且通常频繁到每10分钟，或者每2-5分钟，或者甚至每秒)。因此，更新的特定于站点的预测比中央数据中心生成的特定于站点的预测具有高得多的时间分辨率，并且更新的特定于站点的预测将在本地获得的数据考虑在内。

最终，基于更新的特定于站点的预测来生成风力涡轮机的电力生产预测。由于电力生产预测基于更新的特定于站点的预测，因此其时间分辨率与更新的特定于站点的预测的时间分辨率一样高，并且其将在本地获得的数据考虑在内。因此，电力生产预测具有分钟数量级的非常高的时间分辨率，并且比在中央生产的特定于站点的预测具有更高的准确性。

因此，根据本发明的第一方面的方法导致所述至少一个风力涡轮机的电力生产预测是准确的且具有高时间分辨率。此外，该过程的包括基于全球天气数据生成特定于站点的预测在内的高处理功率需求部分将在中央(即在中央数据中心中)进行，而将在本地获得的数据考虑在内的部分在本地进行。因此，不需要将在本地获得的数据转发到中央数据中心以将它们考虑在内，与仅在中央数据中心生成的电力预测相比，这导致更快速的电力预测更新时间，因为不需要将特定于站点的数据实时地从站点传递到中央数据中心来将它们包括在电力预测中。通过在本地数据中心中处理在本地获得的数据，可以显著缩短数据传递时间，因为数据仅需要在本地进行传递。因此，最终电力生产预测的时间分辨率不受风电场的站点与中央数据中心之间的数据传递时间的限制，并且对电力生产预测的时间分辨率的唯一限制是提供特定于站点的数据的频率。由此，甚至可以实时或几乎实时地生成电力生产预测。此外，可以使用具有高时间分辨率的准确的电力生产预测来确保电网的稳定性。有了准确的电力生产预测，就可以协调若干个发电厂(例如风能、煤炭、太阳能发电厂)的电力输出，从而使电网运营商能够补偿风电场的电力生产的预期变化，以及从而确保电网的稳定电力供应。最终，可以例如每天一次、或者以使得其失去用于短期预测的价值的显著延迟来收集特定于站点的数据并将其传递到中央数据中心。

本地数据中心可以布置在风电场的站点中。根据该实施例，本地数据中心定位在风电场所在的地理区域内。在这种情况下，本地数据中心甚至可以被视为形成风电场的一部分。作为替代，本地数据中心可以布置在风电场的站点之外，但是在其附近，或者至少比中央数据中心更靠近风电场。

可以通过使用预定义的传递函数来执行生成所述至少一个风力涡轮机的电力生产预测的步骤。该预定义的传递函数可以是数学函数、图形或查找表，其表示天气数据与风力涡轮机的电力生产之间的相关性。如果传递函数是数学函数，则其通常是涉及与天气预测和风力涡轮机的操作模式有关的许多不同参数的非线性函数。传递函数通常基于与风力涡轮机的电力生产相关的统计和/或历史数据得出。传递函数可以包括与例如风力、风向、靠近风力涡轮机的不同水平和位置的风速、降水、太阳能辐射、表面热通量、外部温度、湿度、压力、风力涡轮机的类型和条件等有关的大量不同系数。预定义的传递函数的输入可以是特定于站点的天气数据、特定于站点的风力涡轮机数据和/或在全球数据中心中生成的特定于站点的电力生产预测和/或风力涡轮机的电力曲线。预定义的传递函数的输出通常是所述至少一个风力涡轮机的电力生产预测。可以在作为本地数据中心的一部分的计算机单元上执行预定义的传递函数。有了预定义的传递函数，由于仅需要一个或几个参数作为输入，因此可以使预测风电场或风力涡轮机的电力生产不那么费力。

根据一个实施例，可以基于所述至少一个风力涡轮机在指定时间段内的历史数据来生成预定义的传递函数。历史数据可以包括与在某些天气条件下的过去的电力生产有关的数据。这些数据可以在指定的时间段内(诸如一周、一个月、一年或若干年)被收集。可以用新数据不断更新该数据，从而创建动态传递函数，并由此提高传递函数的准确性。数据可以形成查找表，该查找表可以用作预定义的传递函数。该表的输入可以是天气参数。可以将天气参数映射到查找表中存在的天气数据上，以确定对应的电力生产。可以通过外推或通过将天气数据直接转换为电力生产数据来确定对应的电力生产。通过基于历史数据生成预定义的传递函数，可以提高电力生产预测的准确性。此外，指定的时间段越长，可以获得的平均预测精度越高。

生成特定于站点的预测的步骤可以包括生成特定于站点的天气预测，在本地数据中心中更新特定于站点的预测的步骤可以包括更新特定于站点的天气预测，并且生成所述至少一个风力涡轮机的电力生产预测的步骤可以基于更新的特定于站点的天气预测来执行。根据该实施例，基于全球天气预测数据并且可能地基于与该站点有关的附加参数，在中央数据中心中生成特定于站点的天气预测，并且该特定于站点的天气预测被发送到本地数据中心。然后，通过特定于站点的天气数据在本地数据中心中更新特定于站点的天气预测，以获得具有更高时间分辨率的更准确且更详细的特定于站点的天气预测。更新的特定于站点的天气数据可以用作预定义的传递函数的输入，并由此被转换为布置在站点中的风力涡轮机的电力生产预测。

替代地，生成特定于站点的预测的步骤可以包括在中央数据中心中生成特定于站点的电力生产预测。根据该实施例，基于全球天气数据在中央数据中心生成特定于站点的电力生产预测，并将其发送到本地数据中心。在这种情况下，全球天气数据可以用作预定义的传递函数的输入，以便获得布置在站点中的风力涡轮机的特定于站点的电力生产预测。生成特定于站点的电力生产预测后，生成电力生产预测的粗略估算。然后，使用特定于站点的数据在本地数据中心中更新该粗略估算。

在中央数据中心中生成特定于站点的电力生产预测的步骤可以包括：基于全球天气预测数据生成特定于站点的天气预测；以及基于特定于站点的天气预测生成特定于站点的电力生产预测。根据该实施例，通过首先基于全球天气数据生成特定于站点的天气预测，然后基于特定于站点的天气预测生成特定于站点的电力生产，从而在中央数据中心中生成特定于站点的电力生产预测。然后，将特定于站点的电力生产预测发送到本地数据中心。在这种情况下，可以将特定于站点的天气预测输入到传递函数，以获得特定于站点的电力生产预测。不排除特定于站点的天气预测与特定于站点的电力生产预测一起被发送到本地数据中心。

可以至少每6小时一次(即每天至少四次)在中央数据中心接收全球天气预测数据。这是一个典型的时间段，在该时间段内，商业或公共气象中心会发送有关天气预测的更新，这可以为预测风力涡轮机的电力生产提供令人满意的起点。替代地，可以更频繁地(诸如每5小时一次，诸如每4小时一次，或者诸如每3小时一次)接收全球天气预测数据。通过每天至少四次地更新全球天气预测数据，可以获得更精确的特定于站点的天气预测。另外，在至少6小时内收到的一组全球天气预测数据可用于计算至少两个特定于站点的天气预测。

所述至少一个风力涡轮机的电力生产预测通常是对所述至少一个风力涡轮机在最佳条件下操作所生成的预期电力的预测。最佳条件意味着转子、风力涡轮机叶片、齿轮箱和其他负责将机械风能转换为电能的风力涡轮机部件的预期运行。在预测电力生产时，可以不考虑在任何情况下都无法预见的风力涡轮机行为中不可预计的条件。对于天气和风力条件的不可预计的变化也是如此。

特定于站点的风力涡轮机数据可以包括与风电场的一个或多个风力涡轮机的当前电力输出、风电场的一个或多个风力涡轮机的温度测量结果、风电场的一个或多个风力涡轮机的转子速度和/或风电场的一个或多个风力涡轮机的风力涡轮机叶片的桨距角有关的信息。特定于站点的风力涡轮机数据可以反映对应风力涡轮机的操作条件，另一方面，该操作条件可能在很大程度上影响电力生产。这些参数可用作预定义的传递函数的输入，并有助于对应风力涡轮机的预测的电力生产的准确性。

特定于站点的风力涡轮机数据可以包括关于针对风电场的一个或多个风力涡轮机安排的风力涡轮机维护的信息。如果安排了风力涡轮机维护，则风力涡轮机将在安排进行维护的特定时间段内不操作，并且因此，无论天气条件如何，风力涡轮机在此时间段内均不提供任何电力。由于通常已知风力涡轮机的计划维护窗口，因此在预测电力生产时可以有利地将这种非操作时间段考虑在内。

根据本发明的一个实施例，该方法可以还包括根据生成的电力生产预测来操作风电场的一个或多个风力涡轮机的步骤。通常，风力涡轮机将生成等于预测值的电力量。在风力涡轮机倾向于生产比预测更多的电力的情况下，控制单元可以使风力涡轮机降额，即控制风力涡轮机以使所生成的生产电力减少，使得生成的电力与预测相匹配。这可以例如通过控制风力涡轮机叶片的桨距角来执行。通过根据预测的电力生产操作风力涡轮机，风力涡轮机所连接的电网将接收“承诺的”能量，并且因此将按预期运行，而不会出现能量的任何过量或缺失。

该方法可以还包括通过汇总来自风电场的所有风力涡轮机的电力生产预测来生成风电场的电力预测的步骤。风电场中包括的每个风力涡轮机可以具有预测的电力生产，因为风电场可以在风流不同的较大区域上延伸。然后，每个风力涡轮机可具有其自己的风力预测和特定于风力涡轮机的数据，这在一个风力涡轮机与另一个风力涡轮机之间是不同的。风电场生成的总电力通常是风电场中包括的所有风力涡轮机的预测电力的总和。通过以这种方式预测风电场的总电力，获得了更准确的预测总电力。

该方法可以还包括根据针对风电场生成的电力预测来操作风电场的步骤。如果风电场中包括的一个或多个风力涡轮机不能生产等于预测值的电力，则可能会发生这种情况。对于一个风力涡轮机，这可以以与上述相同的方式进行处理。如上所述，当根据预测的电力操作风力涡轮机时，风电场所连接的电网将按预期接收电力。

风电场可以被操作以生成针对风电场生成的电力预测的预测电力生产的90-100％。通过操作风电场以生产超过预测电力的90％，风电场所连接的电网不会经受任何意外情况。通过操作风电场以生成例如预测电力的95％，即使风速下降到低于预期的预测值以及在预测值周围的风速变化较小的情况下，仍然可以交付预测的电力。因此，为了确保电网的稳定性，可以以这种方式提供稳定的电力输出。

根据第二方面，本发明提供了一种系统，该系统包括布置在站点中的风电场，该风电场包括：至少两个风力涡轮机；远离该风电场的站点布置的中央数据中心；以及本地数据中心，

中央数据中心被配置为接收全球天气预测数据，基于全球天气预测数据生成特定于站点的预测，并将特定于站点的预测从中央数据中心发送到本地数据中心，特定于站点的预测是与风电场的站点有关的特定于站点的天气预测和/或特定于站点的电力生产预测；

本地数据中心被配置为接收特定于站点的数据，特定于站点的数据包括在站点中测量的特定于站点的天气数据和/或特定于站点的风力涡轮机数据，本地数据中心还被配置为使用特定于站点的数据来更新特定于站点的预测；并且

该系统被配置为基于更新的特定于站点的预测来生成所述至少一个风力涡轮机的电力生产预测。

具有相对于风电场的站点在本地布置的本地数据中心会放宽对系统高效、可靠且无任何延迟地进行操作的要求。因此，如以上参考本发明的第一方面所描述的那样，根据本发明的第二方面的系统能够生成准确的并且具有高时间分辨率的电力生产预测。

根据本发明的第二方面的系统可以有利地能够执行根据本发明的第一方面的方法。因此，应当指出，本领域技术人员将容易认识到，结合本发明的第一方面描述的任何特征也可以与本发明的第二方面结合，反之亦然。因此，以上参考本发明的第一方面阐述的任何评述在此同等地适用。

如上所述，本地数据中心可以布置在风电场的站点中。

附图说明

现在将参考附图更详细地描述本发明，其中：

图1示出了图示根据本发明的第一方面的第一实施例的用于预测一个风力涡轮机的电力生产的方法的示意图，

图2示出了图示根据本发明的第一方面的第二实施例的用于预测一个风力涡轮机的电力生产的方法的示意图，以及

图3示出了根据本发明的实施例的系统。

具体实施方式

图1示出了图示根据本发明的第一实施例的用于预测一个风力涡轮机的电力生产的方法的示意图。风力涡轮机形成布置在站点中的风电场的一部分。中央数据中心100远离该站点布置，而本地数据中心101布置在风电场的站点中。在第一步骤102中，中央数据中心100从至少一个全球天气预测中心103接收全球或区域天气预测数据(例如，一个或多个全球天气预测的形式)。然后，在下一步骤104中，中央数据中心100基于该全球或区域天气预测数据生成特定于站点的天气预测。特定于站点的天气预测与风电场的站点有关。然后，在步骤104中在中央数据中心100中生成的特定于站点的天气预测被发送到本地数据中心101。本地数据中心101还接收特定于站点的数据105。特定于站点的数据105包括与风力涡轮机有关的特定于站点的天气数据和/或特定于站点的电力数据。作为第一步骤106，本地数据中心101使用特定于站点的数据105更新特定于站点的天气预测，从而获得更新的特定于站点的天气预测。在该方法的最后步骤107中，本地数据中心101基于更新的特定于站点的天气预测来生成风力涡轮机电力生产预测。

图2示出了图示根据本发明的第二实施例的用于预测一个风力涡轮机的电力生产的方法的示意图。如在第一实施例中那样，风力涡轮机形成布置在站点中的风电场的一部分。中央数据中心100远离该站点布置，而本地数据中心101布置在风电场的站点中。在第一步骤102中，中央数据中心100从至少一个全球天气预测中心103接收全球或区域天气预测数据。然后，在下一步骤104中，中央数据中心100基于全球或区域天气预测数据生成特定于站点的天气预测。此外，在步骤205中，中央数据中心100基于特定于站点的天气预测生成特定于站点的电力预测。然后，在步骤205中在中央数据中心100中生成的特定于站点的电力预测被发送到本地数据中心101。本地数据中心101还接收特定于站点的数据105。特定于站点的数据105包括与风力涡轮机有关的特定于站点的天气数据和/或特定于站点的电力数据。作为该方法的最后步骤206，本地数据中心101基于特定于站点的数据，使用特定于站点的数据105来更新特定于站点的电力预测。

图3示出了根据本发明的实施例的系统。该系统执行图1和2中描述的方法。该系统包括布置在站点301中的风电场300。风电场300包括至少两个风力涡轮机，并且该图示出了三个涡轮机302-304。风电场300还包括与布置在站点301中的所有风力涡轮机302-304通信的控制单元305。本地数据中心306也布置在站点301中，并且被配置为从控制单元305接收数据。本地数据中心306还被配置为从本地气象中心307接收与站点301有关的天气预测数据(即特定于站点的天气预测数据)。本地气象中心307生成特定于站点的数据。

中央数据中心308远离风电场300的站点301布置。中央数据中心308被配置为从至少一个全球气象中心309接收全球天气预测数据。一旦接收到全球天气预测数据，中央数据中心308就基于全球天气预测数据生成特定于站点的预测，并将特定于站点的预测从中央数据中心308发送到本地数据中心306。特定于站点的预测是与风电场300的站点301有关的特定于站点的天气预测和/或特定于站点的电力生产预测。在替代实施例中，中央数据中心308可以仅生成特定于站点的天气预测，而特定于站点的电力生产预测将由本地数据中心306生成。

本地数据中心306被配置为接收特定于站点的数据以及使用从控制单元305和本地气象中心307接收的特定于站点的数据来更新特定于站点的预测。本地数据中心306最终基于更新的特定于站点的预测来生成所述至少一个风力涡轮机的电力生产预测。

在一个实施例中，风电场300的风力涡轮机302-304中的每一个可具有其自己的控制单元305。然后，控制单元305中的每一个将被单独地连接到本地数据中心306。此外，本地数据中心306可以通过汇总来自布置在风电场300中的所有风力涡轮机302-304的电力生产预测来生成风电场300的电力预测。

如上所述，图3的系统能够生成风电场300的风力涡轮机的电力生产预测，该预测是准确的并且具有非常高的时间分辨率，因为该过程的涉及处理全球天气预测数据的部分在中央数据中心308中执行，而该过程的将在本地获得的数据考虑在内的部分在本地数据中心306中执行。