DE102020111142A1

DE102020111142A1 - Verfahren zum Überwachen einer Windenergieanlage, System zum Überwachen einer Windenergieanlage, Windenergieanlagen und Computerprogrammprodukt

Info

Publication number: DE102020111142A1
Application number: DE102020111142.8A
Authority: DE
Inventors: Amr Balbaa; Luis Vera-Tudela
Original assignee: fos4X GmbH
Current assignee: Vc Viii Polytech Holding Aps Dk
Priority date: 2020-04-23
Filing date: 2020-04-23
Publication date: 2021-10-28
Also published as: EP4139570A1; CN115917142A; US20230145359A1; MX2022013188A; WO2021213873A1; JP2023522275A; BR112022021219A2

Abstract

Es ist ein Verfahren zum Überwachen einer Windenergieanlage (10) offenbart. Das Verfahren umfasst: Erfassen von Daten, die im Zusammenhang mit einem abnormalen Verhalten der Windenergieanlage stehen; Vergleichen der erfassten Daten mit anonymisierten Daten von anderen Windenergieanlagen; Zuordnen eines Fehlerzustandes zu dem abnormalen Verhalten durch den Vergleich; und Ausgeben des Fehlerzustandes an die Windenergieanlage.

Description

TECHNISCHES GEBIET
Die vorliegende Offenbarung bezieht sich auf ein Verfahren zum Überwachen einer Windenergieanlage, ein System zum Überwachen einer Windenergieanlage, Windenergieanlage und ein Computerprogrammprodukt. Insbesondere bezieht sich die vorliegende Offenbarung auf Verfahren zum Überwachen einer Windenergieanlage, bei denen ein Verhalten von einer Windenergieanlage mit anonymisierten Daten von anderen Windenenergieanlagen verglichen werden kann. Des Weiteren bezieht sich die vorliegende Erfindung allgemein auf Verfahren zur Überwachung von Vorrichtungen, insbesondere Maschinen, bei denen ein Verhalten einer Vorrichtung mit anonymisierten Daten von anderen Vorrichtung verglichen werden kann.
TECHNISCHER HINTERGRUND
Der Aufstieg des maschinellen Lernens als gängige Technik zur Verbesserung des Betriebs von Windenergieanlage wird weitgehend durch den Ansatz des überwachten Lernens dominiert. Dieser bedeutet, dass die Modelle auf der Grundlage von etikettierten Daten entwickelt werden, d.h. in Fällen, in denen die Entwickler eine ausreichende Anzahl von Ereignissen für die Fehler haben, die sie modellieren wollen.
Bei Messungen, die das zu modellierende Ausfallereignis zu repräsentieren scheinen, wird der größte Teil des Aufwandes des Entwicklers auf die Aufreinigung und die Beurteilung der Frage verwendet, ob die gesammelten Messungen das zu modellierende Ereignis statistisch repräsentieren. Das bedeutet, dass sich der meiste Aufwand auf nicht-triviale Vorverarbeitungsaufgaben konzentriert.
Bisher wurden beispielsweise reaktive Strategie (gemeinsam, geringer Aufwand, bekanntes Ergebnis) eingesetzt. Die Marktteilnehmer sind hier gezwungen, zu warten, bis sie genügend interessante Ereignisse sammeln, die eine geringe Eintrittswahrscheinlichkeit haben. Typischerweise wird der Ansatz des nicht-überwachten Lernens (Clustering) als Ersatz für einen geringen Wert verwendet. Der Clustering-Ansatz zielt darauf ab, Anomalien im interessierenden Prozess zu finden. Hier wird von den Technikern wird erwartet, dass sie die Maschinen inspizieren, um die Aufzeichnungen für die spätere Verwendung in der automatischen Überwachung zu etikettieren.
Eine proaktive Strategie (ungewöhnlich, große Anstrengung, unbekanntes Ergebnis) stellte eine andere Alternative dar. Hier suchen die Marktteilnehmer nach Kollegen in der Branche, die über ergänzende Daten verfügen könnten. Bei der Suche konnten sie einen Teilnehmer finden, der möglicherweise über Daten verfügt und offen ist, diese zu teilen. Verhandlungen werden eingeleitet, um einen gemeinsamen rechtlichen Rahmen für die gemeinsame Nutzung und den Austausch der Daten zu finden. Erst dann nehmen sie eine komplexe datenübergreifende Bewertung vor, die sich meist auf die Bereinigung und Formatierung der Daten konzentriert, um schließlich zu beurteilen, ob die Daten repräsentativ und ausreichend sind, um den betreffenden Prozess zu modellieren.
Eine vorhersagende Strategie (ungewöhnlich, großer Aufwand, bekanntes Ergebnis) stellte eine weitere Alternative dar. Die Marktteilnehmer beginnen mit großen Simulationen, um die Ausfallmodi durch Simulationen darzustellen. Die Absicht hinter dieser Praxis ist es, einfache Modelle zu trainieren, die in der Lage sind, erwartete ungewöhnliche, aber vorhersehbare Ereignisse zu erfassen. Im Idealfall werden Modelle, die zur Erkennung von simulierten Ereignissen gebaut werden, so gut sein, wie die Simulationen die Realität abbilden.
Die meisten Marktteilnehmer konzentrieren sich auf das Konzept der rechnerischen großen (großen) Daten als Strategie für die Modellentwicklung. Da jedoch Ausfallereignisse eine geringe Eintrittswahrscheinlichkeit haben, könnten sie strategisch fehlerhaft sein, mehr Daten bedeuten keinen Zugang zu relevanten Daten.
Die Erfahrung zeigt, dass es aufgrund der geringeren Wahrscheinlichkeit von Ausfallereignissen und der begrenzten Anzahl von Datensätzen im Besitz einzelner Marktteilnehmer meist nicht genügend Daten bei einem Marktteilnehmer gibt. Es wird erwartet, dass genügend Ausfallereignisse über den gesamten Markt verstreut sind und sich im Besitz verschiedener Marktteilnehmer befinden. Ein Austausch erscheint bisher aber schwierig.
Es ist daher erstrebenswert, Windenergieanlage und Windparks derart zu verbessern, das Daten verfügbarere gemacht werden, um signifikante Aussagen treffen zu können.
ZUSAMMENFASSUNG
Ausführungsformen der vorliegenden Offenbarung stellen ein Verfahren zum Überwachen einer Windenergieanlage gemäß Anspruch 1, ein System zum Überwachen einer Windenergieanlage gemäß Anspruch 8, Windenergieanlagen gemäß Ansprüchen 9 und 10 und ein Computerprogrammprodukt gemäß Anspruch 11 bereit.
Gemäß einer Ausführungsform der vorliegenden Offenbarung wird ein Verfahren zum Überwachen einer Windenergieanlage bereitgestellt. Das Verfahren umfasst: Erfassen von Daten, die im Zusammenhang mit einem, insbesondere abnormalen, Verhalten einer Windenergieanlage stehen; Vergleichen der erfassten Daten mit anonymisierten Daten von anderen Windenergieanlagen; Zuordnen eines Zustandes, insbesondere eines Fehlerzustandes, zu dem (abnormalen) Verhalten durch den Vergleich; und Ausgeben des (Fehler-)Zustandes an die Windenergieanlage.
Gemäß einer Ausführungsform der vorliegenden Offenbarung wird ein System zum Überwachen einer Windenergieanlage bereitgestellt. Das System ist eingerichtet, um ein Verfahren durchzuführe, das umfasst: Erfassen von Daten, die im Zusammenhang mit einem, insbesondere abnormalen, Verhalten einer Windenergieanlage stehen; Vergleichen der erfassten Daten mit anonymisierten Daten von anderen Windenergieanlagen; Zuordnen eines Zustandes, insbesondere eines Fehlerzustandes, zu dem (abnormalen) Verhalten durch den Vergleich; und Ausgeben des (Fehler-)Zustandes an die Windenergieanlage.
Gemäß einer weiteren Ausführungsform der vorliegenden Offenbarung wird eine Windenergieanlage bereitgestellt. Die Windenergieanlage umfasst mindestens einen Sensor zum Erfassen von Daten, die im Zusammenhang mit einem, insbesondere abnormalen, Verhalten einer Windenergieanlage stehen, und eine Datenverarbeitungsvorrichtung. Die Datenverarbeitungsvorrichtung ist eingerichtet zum: Vergleichen der erfassten Daten mit anonymisierten Daten von anderen Windenergieanlagen; Zuordnen eines (Fehler-)Zustandes zu dem (abnormalen) Verhalten durch den Vergleich; und Ausgeben des (Fehler-)Zustandes an die Windenergieanlage.
Gemäß einer weiteren Ausführungsform der vorliegenden Offenbarung wird eine Windenergieanlage bereitgestellt. Die Windenergieanlage umfasst mindestens einen Sensor zum Erfassen von Daten, die im Zusammenhang mit einem, insbesondere abnormalen, Verhalten einer Windenergieanlage stehen, und eine Datenverarbeitungsvorrichtung. Die Datenverarbeitungsvorrichtung ist eingerichtet zum: Senden der erfassten Daten zum Vergleichen der erfassten Daten mit anonymisierten Daten von anderen Windenergieanlagen und Zuordnen eines (Fehler-)Zustandes zu dem (abnormalen) Verhalten durch den Vergleich; und Empfangen des (Fehler-)Zustandes.
Gemäß einer weiteren Ausführungsform der vorliegenden Offenbarung wird eine Computerprogrammprodukt bereitgestellt. Die Windenergieanlage umfasst einen Algorithmus, der eingerichtet ist, um basierend auf erfassten Daten, die im Zusammenhang mit einem, insbesondere abnormalen, Verhalten einer Windenergieanlage stehen, folgendes Durchzuführen: Zuordnen eines (Fehler-)Zustandes zu dem (abnormalen) Verhalten durch den Vergleich; und Ausgeben des (Fehler-)Zustandes an die Windenergieanlage.
Figurenliste
Ausführungsformen der Erfindung sind in den Zeichnungen dargestellt und in der nachfolgenden Beschreibung näher erläutert. In den Zeichnungen zeigen:

1 schematisch beispielhaft einen Windpark mit drei Windenergieanlage gemäß hierin beschriebener Ausführungsformen;
2 eine beispielhafte Windenergieanlage gemäß Ausführungsformen;
3 ein Ablaufdiagramm zur Illustration eines beispielhaften Verfahrens zum Überwachen einer Windenergieanlage gemäß Ausführungsformen;
4 ein beispielhaftes System mit einer Windenergieanlage und einem onlinebasierten Speicher- und Serverdienst gemäß Ausführungsformen;
5 ein beispielhaftes System zum Überwachen einer Windenergieanlage gemäß Ausführungsformen; und
6 eine beispielhafte Oberfläche eines Computerprogrammprodukts gemäß Ausführungsformen.

BESCHREIBUNG VON AUSFÜHRUNGSFORMEN
Nachstehend werden Ausführungsformen der vorliegenden Offenbarung näher erläutert. Die Zeichnungen dienen der Veranschaulichung eines oder mehrerer Beispiele von Ausführungsformen. In den Zeichnungen bezeichnen gleiche Bezugszeichen die gleichen, oder ähnliche Merkmale der jeweiligen Ausführungsformen. Merkmale, die als Teil einer Ausführungsform beschrieben werden, können auch in Verbindung mit einer anderen Ausführungsform verwendet werden, und so eine weitere Ausführungsform bilden.
Wie eingangs erwähnt, sind oft aufgrund der geringeren Wahrscheinlichkeit von Ausfallereignissen und der begrenzten Anzahl von Datensätzen einzelne Marktteilnehmer meist nicht im Besitz von ausreichenden Daten. Jedoch könnten genügend Ausfallereignisse über den gesamten Markt verstreut sein und sich im Besitz verschiedener Marktteilnehmer befinden
Beispielsweise möchte ein unabhängiger Dienstleister (ISP) Ausfälle von Pitch-Lagern für eine große Flotte von Windenergieanlagen vorhersehen. Dies ist ein häufiges Versagen, das der ISP schon einmal erlebt hat. Der ISP hat jedoch erst vor einem Jahr mit der Aufzeichnung von Schwingungsmessungen begonnen und hat nur zwei Ereignisse in der Datenbank gekennzeichnet. Der ISP ist gezwungen, auf weitere Ereignisse zu warten, bevor ein Modell zur Darstellung eines solchen Ereignisses erstellt werden kann. Die Alternative besteht darin, sich auf die Suche nach Partnern mit potenziell ergänzenden Daten zu machen.
Ausführungsformen der vorliegenden Offenbarung stellen dem ISP eine Möglichkeit bereit, seine Ereignisse mit einer größeren Anzahl von anonymisierten Daten von anderen Anbietern zu vergleichen, um so eine Aussage für seine Ereignisse treffen zu können.
Darüber hinaus können hier vorgestellte Systeme, Verfahren, Vorrichtungen und Produkte zur Anlaufstelle für die Datenerfassung von Windenergieanlagen werden. Diese können auch für den Kauf von Daten verwendet werden, um normales Verhalten zu modellieren (beispielsweise mittels eines digitalen Zwillings) und die Anomalien durch unüberwachtes Lernen zu analysieren. Abhängig von Designbeschränkungen könnte es offen sein, um größere Datensätze normaler Operationen oder normalen Verhaltens zu speichern, damit Entwickler die Vorteile der digitalen Plattform voll ausschöpfen können. Beispiele für einzigartig große Datensätze, die selten gemeinsam genutzt werden, sind Messungen mit LIDAR, Videos von Ausfällen, Ergebnisse komplexer numerischer Simulationen usw.
1 zeigt einen Windpark 100 beispielhaft mit drei Windenergieanlagen 10. Die Windenergieanlagen 10 sind, wie in 1 durch gestrichelte Linien dargestellt, unter einander vernetzt. Die Vernetzung ermöglicht eine Kommunikation, zum Beispiel eine Echtzeit-Kommunikation, zwischen den einzelnen Windenergieanlagen. Die Vernetzung ermöglicht ferner eine gemeinsame Überwachung, Steuerung und/oder Regelung der Windenergieanlagen. Zusätzlich können die Windenergieanlagen auch einzeln überwacht, gesteuert und/oder geregelt werden. Gemäß hier beschriebenen Ausführungsformen, kann ein Windpark zwei oder mehr Windenergieanlagen, insbesondere fünf oder mehr Windenergieanlagen, wie zum Beispiel zehn oder mehr Windenergieanlagen beinhalten.
Die Windenergieanlagen 10, zum Beispiel die Windenergieanlagen aus 1, bilden in ihrer Gesamtheit den Windpark 100. Der Windpark umfasst mindestens zwei Windenergieanlagen, die räumliche mit einem Abstand zueinander angeordnet sind.
Die 2 zeigt eine beispielhafte Windenergieanlage 10. An der Windenergieanlage 10 gemäß 1 sind beispielhaft mehrere Sensoren 11, 12, 13, 14, 15 angeordnet. Sensor 11 kann beispielsweise ein Windgeschwindigkeitsmesser sein. Die Sensoren 11, 12, 13, 14 und 15 können Daten erfassen. Die Daten können relevant hinsichtlich des Betriebs der Windenergieanlage sein. Ferner kann einen Datenverarbeitungsvorrichtung 16 vorgesehen sein. Die Datenverarbeitungsvorrichtung 16 kann die erfassten Daten verarbeiten. Über ein Netzinterface 18 können die verarbeiteten Daten übertragen werden. Insbesondere kann das Netzinterface 18 zum Verbinden der Datenverarbeitungsvorrichtung mit einem Datennetz eingerichtet sein. Das Netzinterface kann eingerichtet sein, um von der Datenverarbeitungsvorrichtung 16 verarbeitete Daten an einen onlinebasierten Speicher- und Serverdienst (Bezugszeichen 20 in 4) zu senden. Insbesondere können die erfassten Belastungsdaten gesendet werden.
Sensoren 12, 13, 14 und 15 können Sensoren sein, die Messdaten verschiedenster Parameter zum Beispiel eines Rotors, eines Getriebes oder eines Generators an der Windenergieanlage aufnehmen. An einer Windenergieanlage können einer oder mehrere Sensoren 11, 12, 13, 14 und 15 angebracht sein. Folglich soll für die vorliegende Offenbarung, sofern nicht explizit anders angegeben, stets von mindestens einem Sensor bzw. einer Kombination von mehreren Sensoren ausgegangen werden, auch wenn für die einfacherer Adressierung nur „Sensor“ im Singular verwendet wird.
Gemäß hierin beschriebener Ausführungsformen kann also ein Sensor 11, 12, 13, 14, 15 auf der Windenergieanlage angeordnet sein. Der Sensor 11, 12, 13, 14, 15 kann an einem Rotorblatt der Windenergieanlage, an einer Turbine der Windenergieanlage, an einem Getriebe der Windenergieanlage, an einem Turm der Windenergieanlage usw. angeordnet sein oder ein externer Sensor sein. Der Sensor 11, 12, 13, 14, 15 kann ein Lastsensor 11, 12, 13, 14, 15 sein.
Beispielsweise kann der Sensor 11, 12, 13, 14, 15 ein optischer Sensor sein. Gemäß hierin beschriebener Ausführungsformen kann der Sensor, 12, 13, 14, 15 ein faseroptischer Sensor sein. Insbesondere kann der Sensor, 12, 13, 14, 15 kann ein faseroptischer Dehnungssensor, Beschleunigungssensor oder Vibrationssensor sein.
Gemäß hierin beschriebener Ausführungsformen kann mindestens ein virtueller Sensor an einem Ort der Windenergieanlage 10, an dem kein Sensor angeordnet ist, mittels eines datenbasierte, modellbasierte und/oder hybride Ansatzes, aus den erfassten Belastungsdaten oder einem physikalischen Modell der Windenergieanlage bereitgestellt werden. Dies kann insbesondere den Vorteil bieten, dass die Restnutzungsdauer auf für Anlagen geschätzt oder genauer geschätzt werden kann, die über wenige Sensoren verfügen.
Der Sensor 11, 12, 13, 14, 15 kann mit der Datenverarbeitungsvorrichtung 16 verbunden sein. Beispielsweise kann der Sensor 11, 12, 13, 14, 15 über eine drahtgebundenen oder eine drahtlose Verbindung mit der Datenverarbeitungsvorrichtung 16 verbunden sein. Sind der Sensor 11, 12, 13, 14, 15 und die Datenverarbeitungsvorrichtung 16 auf gegeneinander beweglichen Teilen der Windenergieanlage 10 angeordnet, wie beispielsweise dem Rotor und der Gondel, kann einen drahtlose Verbindung von Vorteil sein. Eine drahtlose Verbindung kann beispielsweise über Funk, insbesondere über einen Bluetooth-Standard oder WLAN-Standard, realisiert werden.
Die Datenverarbeitungsvorrichtung 16 kann beispielsweise eine digitale Prozessoreinheit („DPU“) verwenden und/oder sein. Gemäß hierein beschriebener Ausführungsformen können die vom Sensor erfassten Daten Primärdaten sein. Die Datenverarbeitungsvorrichtung 16 kann eingerichtet sein, die Primärdaten zu verarbeiten. Dies kann auch automatisch und autonom erfolgen. Insbesondere kann die Datenverarbeitungsvorrichtung 16 eingerichtete sein die Primärdaten zu Sekundärdaten zu verarbeiten. Ferner kann das Netzinterface 18 eingerichtet sein, die Sekundärdaten zu senden. In der Praxis kann somit die zu sendende Datenmenge reduziert werden. Gemäß hierein beschriebener Ausführungsformen können die erfassten, verarbeiteten und/oder zu sendenden Daten keine SCADA-Daten sein. In der Praxis kann das System von SCADA-Daten unabhängig sein, auch wenn SCADA-Daten als zusätzliche Informationsquelle einfließen können.
Alternativ oder zusätzlich kann das Netzinterface 18 eingerichtet sein, die Primärdaten zu senden. Dann kann die Datenverarbeitung in dem onlinebasierten Speicher- und Serverdienst 20 erfolgen. In der Praxis können so die Rohdaten vorgehalten werden, zum Beispiel für den Fall, dass sich später eine neue Auswertemöglichkeit ergibt.
Gemäß hierein beschriebener Ausführungsformen können die Primärdaten und/oder die Sekundärdaten im Zusammenhang mit einem Verhalten, insbesondere einem abnormalen Verhalten, der Windenergieanlage 10 stehen. Beispielsweise können die Primärdaten und/oder die Sekundärdaten im Zusammenhang mit normalen Daten verwendet werden, insbesondere für die Erstellung normaler Modelle. Primärdaten und/oder die Sekundärdaten im Zusammenhang mit abnormalen Daten können beispielsweise für den Austausch von Ereignissen mit geringer Wahrscheinlichkeit verwendet werden, um abnormale Modelle zu erstellen.
Gemäß hierein beschriebener Ausführungsformen kann die Datenverarbeitungsvorrichtung 16 eingerichtete sein, die erfassten Daten in Echtzeit zu verarbeiten. Ferner kann das Netzinterface 18 eingerichtete sein, die verarbeiteten Daten in Echtzeit zu senden. In der Praxis kann somit eine Echtzeitüberwachung der Windenergieanlage 10 erzielt werden. Alternativ oder zusätzlich können die verarbeiteten Daten zum Senden downgesampled werden.
Der einfachen Darstellung wegen ist das Netzinterface 18 in 1 als Antenne abgebildet. Das Netzinterface 18 kann jedoch jedes geeignete Netzinterface sein und selbst über eine Logikschaltung oder eine Prozessorschaltung verfügen. Gemäß hierin beschriebener Ausführungsformen kann das Netzinterface 18 einen Mobilfunkstandard verwenden. Das Netzinterface 18 kann jedoch auch einen kabelgebundenen Standard verwenden, wie eine Telefonleitung oder eine DSL-Leitung.
Gemäß hierein beschriebener Ausführungsformen kann eine Windenergieanlage 10 überwacht werden. Die 3 zeigt ein Ablaufdiagramm zur Illustration eines beispielhaften Verfahrens 300 zum Überwachen einer Windenergieanlage gemäß Ausführungsformen.
Gemäß einem Kasten 310 kann ein Erfassen von Daten, die im Zusammenhang mit einem abnormalen Verhalten der Windenergieanlage 10 stehen, erfolgen. Diese Daten können beispielsweise mit den Sensor 11, 12, 13, 14, 15 erfasst werden, aber auch Videodaten, SCADA-Daten, Vibrationsdaten etc. sein
Gemäß einem Kasten 320 kann ein Vergleich der erfassten Daten mit anonymisierten Daten von anderen Windenergieanlagen erfolgen.
Gemäß einem Kasten 330 kann ein Zuordnen eines Fehlerzustandes zu dem abnormalen Verhalten durch den Vergleich erfolgen.
Gemäß einem Kasten 340 kann ein Ausgeben des Fehlerzustandes an die Windenergieanlage 10 erfolgen.
Obwohl hier ein Verfahren zum Überwachen einer Windenenergieanlage 10 gezeigt und beschrieben ist, kann die vorliegenden Offenbarung auch auf andere Vorrichtungen, insbesondere andere Maschinen, angewandt werden.
Auch können, obwohl ein Erfassen von Daten, die im Zusammenhang mit einem abnormalen Verhalten der Windenergieanlage 10 stehen, in 3 gezeigt ist, zusätzlich oder alternativ normale Daten erfasst und ausgetauscht werden. Falls normale Daten verwendet werden, kann allgemein ein Zustand der Windenenergieanlage 10 dem normalen Verhalten zugeordnet werden und dieser Zustand kann ausgegeben werden.
Im Zusammenhang mit der vorliegenden Offenbarung kann ein „abnormales“ Verhalten als ein Verhalten der Windenergieanlage 10 verstanden werden, dass außerhalb der normalen Betriebsparameter liegt. Insbesondere kann das abnormale Verhalten einem Fehler in der Windenergieanlage 10 entsprechen, der identifiziert werden soll.
Der zu identifizierende Fehler kann sich auf ein Untersystem der Windenergieanlage, wie beispielsweise einen Generator oder ein Pitch-Lager, beziehen. Insbesondere kann die vorliegende Offenbarung genutzt werden, um den Fehler dem Fehlerort zuzuordnen. In der Praxis können also Daten verarbeitet werden und als möglicher Fehlerzustand können diesen Daten ein Fehler in einem bestimmten Teil der Windenergieanlage und/oder eine bestimmte Fehlerart zugeordnet werden. Gemäß hierin beschriebener Ausführungsformen kann sich der zu identifizierende Fehler auf eine Komponente oder ein Untersystem beziehen, mit dem der Sensor, der die Daten erfasst, mechanisch gekoppelt ist oder auf dem der Sensor angebracht ist.
Gemäß hierein beschriebener Ausführungsformen kann die Datenverarbeitungsvorrichtung 16 eingerichtete sein, dies und auch andere Prozesse oder Operationen der Windenergieanlage 10 durchzuführen. Insbesondere können die Prozesse automatisch und/oder autonom durchgeführt werden. Beispielsweise können die Prozesse ohne Operator, Kalibrierung und/oder Korrekturen durchgeführt werden. Das System kann also als ein Plug-and-Play und/oder Plug-and-Forget eingerichtet werden.
4 zeigt ein System mit einer Windenergieanlage 10 und einem onlinebasierten Speicher- und Serverdienst 20, wie beispielsweise einer Cloud, gemäß hierin beschriebener Ausführungsformen. Die Windenergieanlage kann dabei beispielsweise die Windenergieanlage aus 1 sein.
Wie in 4 gezeigt kann die Windenergieanlage 10 mit dem onlinebasierten Speicher- und Serverdienst 20 über eine Datenverbindung verbunden sein. Die Datenverbindung kann über das Netzinterface 18 der Windenergieanlage 10 aufgebaut worden sein. Die onlinebasierten Speicher- und Serverdienst 20 kann eine entsprechende Schnittstelle zum Aufbau der Datenverbindung aufweisen.
Gemäß hierein beschriebener Ausführungsformen kann der Vergleich und die Zuordnung zentral auf dem onlinebasierten Speicher- und Serverdienst 20 durchgeführt werden. Dafür kann beispielsweise die von dem onlinebasierten Speicher- und Serverdienst 20 bereitgestellte Rechenleistung genutzt werden, um die Prozesse schnell und effizient zu bearbeiten.
Insbesondere im Falle einer zentralen Verarbeitung kann die Datenverarbeitungseinrichtung 16 der Windenergieanlage 10 konfiguriert sein zum Senden der erfassten Daten zum Vergleichen der erfassten Daten mit anonymisierten Daten von anderen Windenergieanlagen und Zuordnen eines Fehlerzustandes zu dem abnormalen Verhalten durch den Vergleich. Ferner kann die Datenverarbeitungseinrichtung 16 zum Empfangen des Fehlerzustandes eingerichtet sein.
Alternative können diese Prozesse dezentral, insbesondere in der Windenergieanlage 10, durchgeführt werden. Insbesondere im dezentralen Fall kann die Datenverarbeitungseinrichtung 16 der Windenergieanlage 10 konfiguriert sein zum Vergleichen der erfassten Daten mit anonymisierten Daten von anderen Windenergieanlagen, Zuordnen eines Fehlerzustandes zu dem abnormalen Verhalten durch den Vergleich, und Ausgeben des Fehlerzustandes an die Windenergieanlage
Gemäß hierein beschriebener Ausführungsformen können die Daten anonymisiert werden bevor der Vergleich durchgeführt wird. Dadurch kann ein Marktteilnehmer seine Daten hochladen, ohne dass sie zu ihm zurückverfolgt werden können.
Gemäß hierein beschriebener Ausführungsformen kann ein Clustersystem Ähnlichkeiten der erfassten Daten mit anderen Daten, die im Zusammenhang mit abnormalen Verhalten von Windenergieanlage 10 stehen, bestimmen, wobei die Ähnlichkeiten insbesondere mit einem nicht-überwachten Lernverfahren bestimmt werden.
Insbesondere können die erfassten Daten und/oder die anonymisierten Daten tabellarische Daten sein. Die tabellarischen Daten können einen Zeitstempel aufweisen. Ferner können verschiedener Datentypen, z.B. tabellarischer und nicht-tabellarischer Daten, werden. Dadurch können unterschiedliche Daten einbezogen werden, wodurch das Vorhersageergebnis verbessert werden kann.
Gemäß hierein beschriebener Ausführungsformen kann das System ferner ein, insbesondere dezentrales, Endgerät 30 umfassen. Das Endgerät 30 kann eingerichtet sein, Daten von dem onlinebasierten Speicher- und Serverdienst 20 zu empfangen. Insbesondere kann das Endgerät 30 eingerichtet sein, Daten zu empfangen, die zuvor von der Windenergieanlage 10 an den onlinebasierten Speicher- und Serverdienst 20 gesendet wurden, und/der einen Fehlerzustand zu empfangen und auszugeben. In Praxis können die Daten von der Windenergieanlage 10 sowie Fehlerzustände an andere Geräte, insbesondere in Echtzeit, zur Verfügung gestellt werden.
Das Endgerät 10 kann beispielsweise auch eine andere Windenergieanlage im gleichen oder einem anderen Windpark sein. In Praxis könne so Daten zwischen mehreren Windenergieanlagen ausgetauscht werden. Ferner kann die Windenergieanlage 10 auch Daten von dem onlinebasierten Speicher- und Serverdienst 20 empfangen. Die Daten können Daten sein, die die Windenergieanlage 10 zuvor selbst hochgeladen hat. Dies können zum Beispiel historische Daten und/oder weiter verarbeitete Daten, die insbesondere im onlinebasierten Speicher- und Serverdienst 20 weiterverarbeitet wurden, sein. Zudem kann der onlinebasierte Speicher- und Serverdienst 20 auch andere Daten an die Windenergieanlage 10 senden. Das können die Daten von anderen Windenergieanlagen sein, aber auch Softwareupdates, beispielsweise für die Sensoren 11, 12, 13, 14, 15, der Datenverarbeitungsvorrichtung 16 und/oder das Netzinterface 18. So kann die Datenverarbeitungsvorrichtung 16 anlagenspezifisch und über den Zeitverlauf aus der Ferne angepasst werden. Ferner können so Erkenntnisse, die in dem onlinebasierten Speicher- und Serverdienst 20 entstehen, auf andere Windenergieanlagen übertragen werden.
Ferner kann das System eingerichtet sein, um mit einem SCADA-System 40 zu kommunizieren. Beispielsweise kann das System, insbesondere der onlinebasierten Speicher- und Serverdienst 20, über einen Schnittstelle, wie eine API („Application-Programming-Interface“), mit dem SCADA-System 40 verbunden sein. Das SCADA-System 40 kann beispielsweise ein 2nd Level SCADA-System sein. In der Praxis kann also nach der Datenübertragung an die Cloud, neben der Bereitstellung der Daten, auch eine Integration der Daten über eine API in eine bestehende Second Level SCADA-Software ermöglicht werden.
Gemäß hierin beschriebener Ausführungsformen kann das Verfahren ferner ein Verbinden der Datenverarbeitungsvorrichtung 16 mit dem Datennetz aufweisen. Das Verbinden der Datenverarbeitungsvorrichtung 16 mit dem Datennetz kann über ein Netzinterface 18 wie hierin beschrieben erfolgen.
Die 5 zeigt ein System 200 zum Überwachen einer Windenergieanlage. Das System 200 kann insbesondere eingerichtet sein, hierin beschriebene Verfahren durchzuführen und hierin beschriebenen Vorrichtungen aufweisen.
In der 5 ist beispielsweise ein Client 210, einen Supplier 220, ein Client/Supplier 230, mehrere Computersysteme 240, einen zentralen Speicher 250 und eine Datenbank 260 die über das hierin beschriebene Verfahren miteinander verbunden sein können. Der Client 210, der Supplier 220 und/oder der Client/Supplier 230 können beispielsweise Betreiber einer Windenergieanlage 10 oder eines Windparks 100 sein. Insbesondere kann der Client 210, der Supplier 220 und/oder der Client/Supplier 230 eine hierin beschriebene Windenergieanlage 10 sein oder eine solche aufweisen bzw. betreiben. Die mehreren Computersysteme können ganz oder teilweise zum onlinebasierten Speicher- und Serverdiensts 20 oder zum Client 210, Supplier 220 oder ein Client/Supplier 230 gehören. Ferner kann der zentralen Speicher 250 und/oder die Datenbank 260 ganz oder teilweise zum onlinebasierten Speicher- und Serverdiensts 20 gehören. Insbesondere können die gezeigten Elemente über den onlinebasierten Speicher- und Serverdienst 20 miteinander verbunden sein.
Der Client 210 kann erfasste Daten aus einer Windenergieanlage 10, die insbesondere im Zusammenhang mit einem abnormalen Verhalten der Windenergieanlage 10 stehen, senden. Der Supplier 220 kann bereits Daten geliefert haben, die in dem zentralen Speicher 250 und/oder der Datenbank 260 gespeichert sind. Die Datenbank 260 kann insbesondere eine semantische Datenbank sein und verwendet werden, um die von dem Client 210 gesendeten Daten mit den bereits gelieferten Daten zu vergleichen und diesen Daten einen Fehlerzustand zuzuordnen. Diese Operationen können beispielsweise auf zumindest einen der mehreren Computersysteme 240 durchgeführt werden. Der zugeordnete Fehlerzustand kann dann wieder an den Client 210 gesendet werden.
Die 6 zeigt eine beispielhafte graphische Oberfläche 410 eines Computerprogrammprodukts 400 gemäß Ausführungsformen.
Das Computerprogrammprodukt 400 kann einen Algorithmus umfassen, der eingerichtet ist, um basierend auf erfassten Daten, die im Zusammenhang mit einem abnormalen Verhalten einer Windenergieanlage 10 stehen, folgendes Durchzuführen: Vergleichen der erfassten Daten mit anonymisierten Daten von anderen Windenergieanlagen, Zuordnen eines Fehlerzustandes zu dem abnormalen Verhalten durch den Vergleich, und Ausgeben des Fehlerzustandes.
Insbesondere kann das Computerprogrammprodukt 400 auf dem onlinebasierten Speicher- und Serverdienst 20 ausgeführt werden. Die graphische Oberfläche 410 kann auf der Windenergieanlage 10 und/oder dem Endgerät 30 angezeigt werden. Auch kann der Fehler auf der Windenergieanlage 10 und/oder dem Endgerät 30 ausgegeben werden. Gemäß hierin beschriebener Ausführungsformen kann der Algorithmus lernfähig sein.
In der Praxis können Kunden beispielsweise ein Problem in ihren Windenergieanlagen 10 manuell über die graphische Oberfläche 410, insbesondere ein Dashboard derselben, auswählen, wodurch die Datenerfassung ausgelöst wird. Die Daten können wie hierin beschrieben mit anderen Ereignissen und Daten verknüpft bzw. verglichen werden. Und eine Liste von anderen ähnlichen Ereignissen kann an die graphische Oberfläche 410 ausgegeben werden.
Zusammenfassend kann die vorliegende Offenbarung das zugrunde liegende Problem durch einen oder mehrere der folgenden Faktoren lösen.
Die derzeitigen Bemühungen in der Industrie nach einem gemeinsamen Rahmen zur Bewertung anonymisierter Daten kann mit der vorliegenden Offenbarung bedient werden den Teilnehmern kann eine Referenz angeboten werden, um ihre Prozesse zu bewerten. Dies ist ein Schritt, der es ermöglicht, Teilnehmer mit ähnlichen Interessen und Problemen zu finden.
Die Teilnehmer an den hierin beschriebenen Verfahren und System können nach statistisch signifikanten Daten suchen, d.h. sich fragen, welche Daten für die Modellentwicklung benötigt werden.
Es kann eine anonymisierte Quelle von Windenergieanlagen-Ereignissen bereitgestellt werden, die es den Marktteilnehmern ermöglicht, intern überwachte Lernmodelle zur Überwachung ihrer Windturbinen zu erstellen.
Es kann einen Algorithmus bereitgestellt werden, der die relevantesten verfügbaren Daten auswählt, um die Informationen im Besitz der einzelnen Marktteilnehmer zu ergänzen.
Gemäß hierin beschriebener Ausführungsformen können mehrere mögliche Fehlerzustände zugeordnet werden. Den mehreren möglichen Fehlerzuständen kann eine Wahrscheinlichkeit oder Ähnlichkeit zugeordnet werden, die zusammen Fehlerzuständen angezeigt werden kann. Da die Ähnlichkeit mit den der verfügbaren Daten mit dem Ereignis von Interesse ist klassifiziert sein kann, insbesondere in Metadaten beschrieben und vor Abschluss der Transaktion als Muster bereitgestellt, können die Teilnehmer ihre Anfragen auf der Grundlage der Informationsqualität einschränken.
Die Teilnehmer können ihre Daten zentral auf einem Marktplatz (Server in der Cloud) speichern oder ihre Daten vollständig besitzen und lokal zur vollständigen Anonymisierung (z.B. über Blockchain) speichern.
Die Teilnehmer können ihre tabellarischen Daten (z.B. Sensormessungen) durch nicht-tabellarische Daten (z.B. Videos) ergänzen, die von den Algorithmen abgerufen werden, um die Komplexität ihrer internen Modellerstellung zu erweitern.
Die Teilnehmer können die Einzigartigkeit ihres Datensatzes in Bezug auf die Gesamtheit der auf dem Markt verfügbaren Daten beurteilen, was ihnen die effiziente Durchführung von Preistransaktionen ermöglicht.
Es kann ein einziger Punkt für Marktteilnehmer geschaffen werden, um Daten von gemeinsamem Interesse in einem anonymisierten Format auszutauschen.
Das Cloud-basierte System ermöglicht allen Marktteilnehmern den Zugriff und die Speicherung ihrer Daten mit branchenüblicher Sicherheitsqualität, entweder zentral oder lokal (dezentral).
Die auf Ähnlichkeit basierende algorithmische Auswahl von Daten und Metadaten vereinfacht die Vorverarbeitungsaktivitäten und eliminiert das Risiko, dass keine relevanten Daten für die interne Modellerstellung und Überwachung vorhanden sind.
Eine Mischung aus tabellarischen (Zeitreihen) und nicht-tabellarischen (Videos, Bilder) Daten kann in Metadaten von gespeicherten Ereignissen beschrieben werden und in einer Rangfolgeform pro Abfrage zurückgegeben werden, wodurch der Rechenaufwand bei „intelligenten“ Datensätzen mit großer statistischer Signifikanz optimiert werden kann.
Transaktionen können abgeschlossen werden, nachdem eine Rangfolge der Ähnlichkeit festgestellt wurde, so dass die Kunden eine Stichprobe von Daten nehmen können, bevor sie die Transaktionen bestätigen.
Die Zeiteffizienz kann sich verbessern, da keine Verhandlung mit mehreren Parteien (ohne Zugang zur Bewertung der Relevanz der Daten) mehr nötig, da es einen einheitlichen Markt für alle Teilnehmer gibt.
Die Kosteneffizienz bei Transaktionen kann verbessert werden, da sowohl Anbieter als auch Kunden die Einzigartigkeit ihrer Datensätze in einem offenen, aber sicheren und anonymisierten Datenmarkt beurteilen können.
Die vorliegende Offenbarung schafft also eine technische Lösung, die es allen Marktteilnehmern ermöglicht, auf relevante (anonymisierte) Datensätze zur Modellierung von Ausfallereignissen mit geringer Eintrittswahrscheinlichkeit effizient und sicher zuzugreifen, diese zu suchen, zu teilen und zu erhalten. Darüber kann der Algorithmus, tabellarische und nicht-tabellarische Daten aus einer semantischen Datenbank (entweder zentralisiert oder verteilt) auszuwählen, um Ereignisse auf der Grundlage von Ähnlichkeit für die spätere Konstruktion von beaufsichtigten Lernmodellen zu assoziieren und zu klassifizieren.
Es sei an dieser Stelle darauf hingewiesen, dass die hierin beschriebenen Aspekte und Ausführungsformen angemessen miteinander kombinierbar sind, und dass einzelne Aspekte dort weggelassen werden können, wo es im Rahmen des fachmännischen Handelns sinnvoll und möglich ist. Abwandlungen und Ergänzungen der hierin beschriebenen Aspekte sind dem Fachmann geläufig.

Claims

Verfahren zum Überwachen einer Windenergieanlage (10), wobei das Verfahren umfasst: Erfassen von Daten, die im Zusammenhang mit einem abnormalen Verhalten der Windenergieanlage (10) stehen; Vergleichen der erfassten Daten mit anonymisierten Daten von anderen Windenergieanlagen; Zuordnen eines Fehlerzustandes zu dem abnormalen Verhalten durch den Vergleich; und Ausgeben des Fehlerzustandes an die Windenergieanlage.
Verfahren nach Anspruch 1, wobei der Vergleich und die Zuordnung auf zentral einem Server und/oder dezentral durchgeführt werden.
Verfahren nach Anspruch 1 oder 2, wobei die erfassten Daten anonymisiert werden bevor der Vergleich durchgeführt wird.
Verfahren nach einem der vorherigen Ansprüche, wobei ein Clustersystem Ähnlichkeiten der erfassten Daten mit anderen Daten, die im Zusammenhang mit abnormalen Verhalten von Windenergieanlage stehen, bestimmt, wobei die Ähnlichkeiten insbesondere mit einem nicht-überwachten Lernverfahren bestimmt werden.
Verfahren nach einem der vorherigen Ansprüche, wobei die erfassten Daten und/oder die anonymisierten Daten tabellarische Daten sind, und wobei insbesondere die tabellarischen Daten einen Zeitstempel aufweisen.
Verfahren nach einem der vorherigen Ansprüche, wobei das abnormale Verhalten einem Fehler in der Windenergieanlage entspricht, der identifiziert werden soll.
Verfahren nach einem der vorherigen Ansprüche, wobei die Daten mit mindestens einem Sensor der Windenergieanlage erfasst werden, wobei insbesondere der mindestens eine Sensor ein faser-optischer Sensor ist.
System zum Überwachen einer Windenergieanlage, wobei das System eingerichtet ist, das Verfahren nach einem der vorherigen Ansprüche durchzuführen.
Windenergieanlage (10), umfassend: mindestens einen Sensor (11, 12, 13, 14, 15) zum Erfassen von Daten, die im Zusammenhang mit einem abnormalen Verhalten einer Windenergieanlage stehen; und eine Datenverarbeitungsvorrichtung (16), die konfiguriert ist zum: Vergleichen der erfassten Daten mit anonymisierten Daten von anderen Windenergieanlagen; Zuordnen eines Fehlerzustandes zu dem abnormalen Verhalten durch den Vergleich; und Ausgeben des Fehlerzustandes an die Windenergieanlage.
Windenergieanlage (10), umfassend: mindestens einen Sensor (11, 12, 13, 14, 15) zum Erfassen von Daten, die im Zusammenhang mit einem abnormalen Verhalten einer Windenergieanlage stehen; und eine Datenverarbeitungseinrichtung (16), die konfiguriert ist zum: Senden der erfassten Daten zum Vergleichen der erfassten Daten mit anonymisierten Daten von anderen Windenergieanlagen und Zuordnen eines Fehlerzustandes zu dem abnormalen Verhalten durch den Vergleich; und Empfangen des Fehlerzustandes.
Computerprogrammprodukt, umfassend einen Algorithmus, der eingerichtet ist, um basierend auf erfassten Daten, die im Zusammenhang mit einem abnormalen Verhalten einer Windenergieanlage stehen, folgendes Durchzuführen: Vergleichen der erfassten Daten mit anonymisierten Daten von anderen Windenergieanlagen; Zuordnen eines Fehlerzustandes zu dem abnormalen Verhalten durch den Vergleich; und Ausgeben des Fehlerzustandes an die Windenergieanlage.
Computerprogrammprodukt nach Anspruch 11, wobei der Algorithmus lernfähig ist.