Данные идентифицируют кластеризацию следа турбины, повышают производительность ветряной электростанции за счет контроля рыскания

В ветроэнергетике оптимизация рыскания, выравнивание угла ветровой турбины относительно горизонтальной плоскости, уже давно показала многообещающие возможности для смягчения эффектов следа, из-за которых расположенная ниже по потоку турбина вырабатывает меньше энергии, чем ее партнер выше по потоку. Тем не менее, недавно был добавлен важный недостающий элемент головоломки в применении этих знаний – как автоматизировать определение того, какие турбины испытывают эффект следа в условиях меняющегося ветра.


в Журнал возобновляемой и устойчивой энергетики, AIP Publishing, исследователи из Техасского университета в Далласе описывают метод в реальном времени, который потенциально может помочь турбинным паркам реализовать дополнительную мощность за счет кластеризации их турбин. Их метод не требует новых датчиков, чтобы определить, какие турбины в любой момент времени могут увеличить выработку мощности, если применяется контроль рыскания, а валидационные исследования показали увеличение общего прироста мощности на 1% -3%.

«Был огромный пробел в том, как автоматически определять, какая турбина следует за другой в поле с переменными ветровыми условиями», – сказал соавтор Стефано Леонарди. «Это то, что мы решили. Это наш вклад».

Ветряные электростанции состоят из нескольких расположенных близко друг к другу турбин, каждая из которых преобразует кинетическую энергию в электричество. Оптимизация выработки электроэнергии отдельной турбиной зависит от многих факторов (например, стратификации, температуры, турбулентности, топографии и т. Д.), Но оптимизация производства фермы в целом также включает взаимодействие между турбинами. Турбина, расположенная ниже по потоку, вслед за другим столкновением, уменьшила количество ветра, что снизило выработку энергии турбиной до 60%.

Исследователи определили, как создавать кластеры или связи между турбинами, определяя корреляции в данных, которые в настоящее время собираются датчиками турбин. Владельцы ветряных электростанций могут затем использовать эту автоматизированную информацию для руководства применением стандартной процедуры контроля рыскания, основанной на исследованиях оптимизации рыскания за последнее десятилетие. Каждый 1% -ный рост производства энергии будет составлять 3 миллиарда киловатт в год.

«Самое захватывающее в нашей работе то, что она соответствует реальности и влияет на реальных людей», – сказал соавтор Федерико Бернардони. «Операторы могут использовать эти результаты, чтобы определить, когда им следует применять контроль рыскания и к какой группе, чтобы максимизировать усиление ветровой энергии».

Поскольку у турбин уже есть оборудование и датчики, а земля уже выделена для ветряных электростанций, любое увеличение производства электроэнергии с использованием этого метода будет поистине экологически чистой энергией. Метод уникален еще и тем, что не требует моделей. Он не делает никаких предположений о текущих параметрах или условиях, сводя к минимуму влияние неопределенности, присутствующей в текущих моделях следа.

«Просто делая турбины умнее, мы получаем больше энергии от того, что уже существует», – сказал Леонарди. “Используя простую математику, мы увеличиваем энергию, так что это очень чистый, зеленый 1[%]-3% “.

0 Комментарий
Inline Feedbacks
View all comments