JP2018194011A - 風力発電機のグリースの監視システムおよび方法 - Google Patents

Abstract

【課題】
風力発電機の、主軸、発電機、ヨー、ピッチなどの重要な回転部品（軸受）で使用されるグリースの定常的な監視および予兆診断を行う。
【解決手段】
風力発電機の機械的駆動部に供給されるグリースの監視システムである。当該システムは、基本的に入力装置、処理装置、記憶装置、および出力装置を備えるサーバ等で構成される。入力装置は、グリースの経路の少なくとも一部に配置された光学式センサから得られる、測定データが入力され、また、風力発電機の運転パラメータが入力される。処理装置は、測定データからグリースの物性パラメータを生成する。記憶装置は、物性パラメータを時系列的に格納する。処理装置は、時系列的な物性パラメータと、運転パラメータに基づいて、物性パラメータの将来的な予測を行なうものである。
【選択図】 図４

Description

本発明は、風力発電装置に係り、特に、ナセル内の潤滑油やグリースの維持管理に対応可能な風力発電装置に関する。

近年、地球温暖化防止のため自然エネルギーを利用した発電システムが注目を浴びており、中でも風力発電装置については幅広く普及されている。

風力発電装置のナセル内には、動力伝達部の潤滑用に潤滑油を貯留するオイルタンクが設置される。例えば、特許文献１には、簡易な構造でプラットフォームを支持すると共に、ナセル内からの潤滑油の漏洩に対応でき、信頼性を向上し得る風力発電装置を提供するための技術が開示されている。

また、油の状態を判定する技術については、例えば特許文献２や特許文献３に開示がある。

特開２０１７−２７２９号公報 ＷＯ２０１０−１５０５２６号公報 特開２０１２−１１７９５１号公報

図１に本発明が対象とする風力発電装置の概略全体構成図を示す。図１では、ナセル３内に配される各機器を点線にて示している。図１に示すように、風力発電装置１は、風を受けて回転するブレード５、ブレード５を支持するハブ４、ナセル３、及びナセル３を回動可能に支持するタワー２を備える。

ナセル３内に、ハブ４に接続されハブ４と共に回転する主軸３１、主軸３１に連結されるシュリンクディスク３２、シュリンクディスク３２を介して主軸３１に接続され回転速度を増速する増速機３３、及びカップリング３８を介して増速機３３により増速された回転速度で回転子を回転させて発電運転する発電機３４を備えている。

ブレード５の回転エネルギーを発電機３４に伝達する部位は、動力伝達部と呼ばれ、本実施例では、主軸３１、シュリンクディスク３２、増速機３３及びカップリング３８が動力伝達部に含まれる。そして、増速機３３及び発電機３４は、メインフレーム３５上に保持されている。また、メインフレーム３５上には、動力伝達部の潤滑用にグリースを貯留するグリースタンク３７が設置されている。

また、ナセル３内には、ナセル隔壁３０よりも風上側にラジエータ３６が配されている。図１に示す風力発電装置１は、一例として５ＭＷ級の風力発電装置を示している。これに対し、例えば、２ＭＷ級の風力発電装置では、ラジエータ３６は、ナセル３の上面に設けられた外気導入口（図示せず）とナセル内空気排出口（図示せず）との間に配される。

風力発電機では、多くの回転部品でグリースが使用されている。図１において、主軸３１、発電機３４、ヨー、ピッチなどの軸受で使用されるグリースは、経時的な劣化と摩耗粉などの固形分による汚染による潤滑性能の低下が起こり、風力発電機の故障リスクが増大する。なお、風速に応じて翼の角度を変え、出力を制御するのが翼のピッチ制御であり、風向きに応じて首を振るのがヨー制御である。いずれも、可動部分については、グリースを供給する必要がある。

グリースは、液体の潤滑剤と増ちょう剤を基材とし、酸化防止剤、摩耗防止剤、極圧剤などの添加剤を配合したものである。増ちょう剤は、液体であるベースオイルをグリースのようなゲル状にする為に混ぜるものである。極圧剤は、金属の二面の間の摩擦，摩耗の減少や，焼付の防止のために潤滑油に加えられるものである。

経時的な劣化とは、グリースの仕様に伴う、物理化学的性質の経時変化のことを示し、具体的には、流動特性（せん断速度依存性および時間依存性）、耐熱性、油分離性、酸化安定性、さび止め性などの性質である。流動特性は、グリースが軸受内にとどまるために重要であり、たとえば、耐熱性が不足すると酸化劣化が促進されやすく、使用にともなう熱負荷により、グリースの粘度が低下すると、グリースが軸受内にとどまらず、不都合である。酸化劣化によって、潤滑剤と増ちょう剤が分離し、グリースとしての機能が損なわれることがある。また、酸化劣化が進むと、カルボン酸化合物や、酸性の添加剤の分解生成物の濃度が増加して腐食反応の触媒となるため、さび止めの効果が弱まり、軸受の腐食が起こりやすくなる。

摩耗粉などの固形分による汚染は、グリースの潤滑面に入り込むと、軸受の摩耗を促進し、さらにグリース中の摩耗粉が増える。特に、数十ミクロン以上の硬質金属粒子は、軸受の致命的な故障の原因となることが知られている。

従って、通常、風力発電機で使用されているグリースは、たとえば半年毎に、人間が少量を採取して、上記物理化学的性質や摩耗粉などの固形分濃度を計測することによって部品の状態を管理している。

グリースは、数年間にわたって使用されるが、物理化学的性質の経時変化は、初期では変化が小さく、酸化劣化の進行とともに次第に加速し、末期には非常に加速されるため、半年毎の点検では予兆を発見できないことがある。また、予防的に過剰な頻度でグリースアップやグリース交換を行うことは、保守コスト増大につながる。

また、摩耗粉による軸受故障は、数週間から数分の間に症状が進行することがあるため、半年毎の点検では予兆を把握できないことがある。例えば、振動センサなどで軸受けの異常を検出しようと場合、検出できるのは異常そのものであり、異常の予兆ではない場合がある。

最近では、風力発電機が大型化し、部品が高額なため、故障時の保守コストが増加している。今後は洋上風車も増加するため、リアルタイム遠隔監視技術の需要が高まっている。したがって、風力発電機の、主軸、発電機、ヨー、ピッチなどの重要な回転部品（軸受）で使用されるグリースの定常的な監視および予兆診断が重要となる。

本発明の一側面は、風力発電機の機械的駆動部に供給されるグリースの監視システムである。当該システムは、基本的に入力装置、処理装置、記憶装置、および出力装置を備えるサーバ等で構成される。入力装置は、グリースの経路の少なくとも一部に配置された光学式センサから得られる、測定データが入力され、また、必要な場合には、風力発電機の運転パラメータが入力される。処理装置は、測定データからグリースの物性パラメータを生成する。記憶装置は、物性パラメータを時系列的に格納する。処理装置は、時系列的な物性パラメータに基づいて、物性パラメータの監視もしくは将来的な予測を行なうものである。

また、運転パラメータを利用するさらに具体的な例では、時系列的な物性パラメータと、運転パラメータに基づいて、物性パラメータの将来的な予測を行なうことができる。

本発明の他の一側面は、風力発電機のグリースの監視方法である。この方法が対象とする風力発電機は、光学式センサを備えた風力発電機であって、光学式センサが風力発電機の部品で使用されるグリースの光学的特性を測定するものである。監視方法は、基本的に入力装置、処理装置、記憶装置、および出力装置を備えるサーバ等で実行される。処理の内容は、光学式センサからの測定データを受信する第１のステップ、測定データからグリースの物性パラメータを生成する第２のステップ、物性パラメータを記憶する第３のステップ、物性パラメータに基づいて、物性パラメータの現在のデータを監視し、または、将来のデータを予測する第４のステップを実行する。

さらに具体的な例では、風力発電機の運転パラメータを受信する第５のステップを実行し、第４のステップでは、物性パラメータの過去のデータと、運転パラメータの過去および将来のデータに基づいて、物性パラメータの将来のデータを予測する。

風力発電機の、主軸、発電機、ヨー、ピッチなどの重要な回転部品（軸受）で使用されるグリースの定常的な監視および予兆診断が可能となる。

風力発電装置の概略全体構成図。 グリース自動供給デバイスを有する風力発電機の概略図。 グリース自動供給デバイス、光学式センサを備えた軸受部品の概略図。 光学式センサによるグリース劣化診断フロー図。 運転開始から２年経過後の計測値を示す表図。 グリース自動供給デバイスおよび光学センサを有する風力発電機の構成図。 使用時間に対するΔＥ_ＲＧＢの変化を示すグラフ図。 使用時間に対する最大色差の変化を示すグラフ図。 光学式センサによるグリース劣化予想フロー図。 光学式センサによるグリース劣化予想を示すグラフ図。

以下、実施の形態について、図面を用いて詳細に説明する。ただし、本発明は以下に示す実施の形態の記載内容に限定して解釈されるものではない。本発明の思想ないし趣旨から逸脱しない範囲で、その具体的構成を変更し得ることは当業者であれば容易に理解される。

以下に説明する発明の構成において、同一部分又は同様な機能を有する部分には同一の符号を異なる図面間で共通して用い、重複する説明は省略することがある。

同一あるいは同様な機能を有する要素が複数ある場合には、同一の符号に異なる添字を付して説明する場合がある。ただし、複数の要素を区別する必要がない場合には、添字を省略して説明する場合がある。

本明細書等における「第１」、「第２」、「第３」などの表記は、構成要素を識別するために付するものであり、必ずしも、数、順序、もしくはその内容を限定するものではない。また、構成要素の識別のための番号は文脈毎に用いられ、一つの文脈で用いた番号が、他の文脈で必ずしも同一の構成を示すとは限らない。また、ある番号で識別された構成要素が、他の番号で識別された構成要素の機能を兼ねることを妨げるものではない。

図面等において示す各構成の位置、大きさ、形状、範囲などは、発明の理解を容易にするため、実際の位置、大きさ、形状、範囲などを表していない場合がある。このため、本発明は、必ずしも、図面等に開示された位置、大きさ、形状、範囲などに限定されない。

実施例で説明される技術の概要を説明する。実施例の風力発電機は、グリースの自動供給デバイスと、グリースの排出流路を備えた軸受部品を有する。グリース排出流路中には、光学式センサを設置し、光学式センサによって取得されるグリース物性値（色度）に基づいて、風力発電機のグリースを監視、診断する。

色差によるグリースの診断は以下のように行う。色差測定により、グリースの酸化劣化度と、摩耗粉などの固形粒子による汚染を診断する。色差センサによる測定で、グリースの色を、光の三原色（Ｒ・Ｇ・Ｂ）で定量的に表す。

本実施例では、定量化の指標は２種類あり、ΔＥ_ＲＧＢとＭＣＤである。グリースの酸化劣化が進行している場合には、三原色座標のうち、Ｂ値が大きく低下し、ＭＣＤ値が大きくなる。固形粒子による汚染が進行している場合には、三原色座標の値が三色ともに減少し、ΔＥ_ＲＧＢ が減少するとともにＭＣＤ値は微増もしくは微減である。グリース新品の測定値と、使用により劣化したグリースまたは、酸化試験や強制的に汚染させたグリースサンプルとの測定値より診断の閾値を定め、閾値を超えた場合に、グリース補充や軸受点検などのメンテナンスを行うことができる。

また、グリースの状態の変化は、風力発電機の運転状況にも依存する。このため、風力発電機の運転状況を示す種々のパラメータを同時に取得し、これらのパラメータを用いて、グリースの将来的な特性変化を予測する。

（１．システム全体構成）
図２により、実施例１の酸化劣化と粒子汚染の診断を行うシステムを説明する。図２には説明のため、図１の風力発電装置１のナセル３部分を抽出して示している。ナセル３内部には、主軸３１、増速機３３、発電機３４、図示しないヨー、ピッチなどの軸受があり、これらにはグリースタンク３７からグリースが供給される。

図２に示すように、風力発電装置１は通常複数が同一敷地内に設置され、これをまとめてファーム２００ａなどと呼ばれる。それぞれの風力発電装置１には、グリースの供給系統にセンサが設置され、グリースの状態を反映したセンサ信号は、ナセル３内のサーバ２１０に集約される。また、各風力発電装置１のサーバ２１０から得られるセンサ信号は、ファーム２００ごとに配置される集約サーバ２２０に送られる。集約サーバ２２０からのデータは、ネットワーク２３０を介して中央サーバ２４０へ送られる。中央サーバ２４０へは、他のファーム２００ｂや２００ｃからのデータも送られる。また、中央サーバ２４０は、集約サーバ２２０やサーバ２１０を介して、各風力発電装置１に指示を送ることができる。

（２.センサ配置）
図３は、グリースの供給系統に配置されたセンサの模式図である。グリースは、グリース自動供給デバイス３０１から軸受部品３０２に供給される。グリース自動供給デバイス３０１は、グリースタンク３７に接続されてグリースの供給を受ける。軸受部品３０２は、例えば増速機３３その他の機械的な接触が生じる部位一般であり、特に制限するものではない。

軸受部品３０２に供給されたグリースは、所定期間使用された後、例えば図中矢印のように、グリース排出部（ドレイン）３０３から排出される。排出は自動もしくは手動で行われる。グリース排出部付近には光学式センサ３０４が配置されており、グリースの特性を光学的に検出する。ドレイン３０３はグリース経路の末端付近に位置するので、この付近のグリースは、最も劣化が進んでいると考えられ、ドレインの周辺に光学式センサ３０４を配置しておくのが望ましい。

グリースは、使用により品質が劣化し、初期の機能を果たさなくなる。このため、品質の劣化状況に応じて、交換等のメンテナンスを行う必要がある。このようなメンテナンスのタイミングを、遠隔地で知ることができるようにすることは、保守管理の効率上有用である。

（３.グリース診断のフロー）
図４は、光学式センサによるグリース診断のフロー図である。図４で示す処理は、図２のサーバ２１０，集約サーバ２２０，中央サーバ２４０のいずれで行ってもよい。すなわち、本実施例では計算や制御等の機能は、サーバの記憶装置に格納されたソフトウェアがプロセッサによって実行されることで、定められた処理を他のハードウェアと協働して実現される。なお、ソフトウェアで構成した機能と同等の機能は、FPGA（Field Programmable Gate Array）、ASIC（Application Specific Integrated Circuit）などのハードウェアでも実現できる。

最初にグリースの光学的測定の準備を行う（Ｓ４０１）。測定は例えば１日１回のように定点観測で行う。あるいは、中央サーバ２４０から随時測定指示を行って任意のタイミングで行ってもよい。

つぎに、光学式センサはグリースの色度測定を行う（Ｓ４０２）。光学式センサによるグリースの色度測定については、例えば特許文献２にも記載があるが、グリースの反射（あるいは透過）光のＲＧＢ成分を検出する。周知のように、色の表現法のひとつとして、赤 (Red)、緑 (Green)、青 (Blue) （ＲＧＢ成分）の三つの原色を混ぜて色彩を表現することができる。

光学式センサで得られた測定値は、処理を行うサーバに送信される。グリースの色彩は、ＲＧＢ成分の其々を軸とした３次元空間上の座標として示すことができる（色座標表現）。ここで、ΔＥ_ＲＧＢというパラメータは、以下のように定義できる。

ΔＥ_ＲＧＢ＝√（Ｒ^２＋Ｇ²＋Ｂ²）

なお、255階調の色座標では、（0,0,0）が黒、（255,255,255）が白となり、（0,255,255）がシアン、（0,255,0）が緑、（255,255,0）が黄、（255,0,0）が赤、（255,0,255）がマゼンダとなる。ΔＥ_ＲＧＢは、測定したグリースの色と黒との色座標上の距離に相当する。ΔＥ_ＲＧＢが小さくなるということは、グリースの色が黒に近づくことを示す。グリースの色が黒に近づく場合には、摩耗粉などの固形粒子による汚染の可能性がある。

また、最大色差ＭＣＤというパラメータを導入する。ＭＣＤは、ＲＧＢ値における最大値と最小値の差であり、色味の変化を知ることができる。

本実施例のグリース診断では、上記ΔＥ_ＲＧＢと最大色差ＭＣＤを用いる。まず、ΔＥ_ＲＧＢが所定の閾値を超えたかどうかを判定する（Ｓ４０３）。これにより、グリースの粒子汚染を検出することができる。粒子汚染の原因としては、部品の磨耗によりグリースに混入する鉄粉などがある。特に、ＲＧＢ成分が均等に低下している場合には、グリースそのものの変質以外に、微粒子粉の混入が疑われる状態である。閾値を超えた場合は、グリースのメンテナンスを行うようにオペレータに指示する（Ｓ４０５）。

次に、最大色差ＭＣＤが閾値を越えたかどうかを判定する（Ｓ４０４）。ＭＣＤの判定により、グリースの変質を検出することができる。例えば、Ｂ（青）の値が低下しＭＣＤが増大するということは、グリースが赤色もしくは黄色を呈し、酸化が疑われる状態である。閾値を超えた場合は、グリースのメンテナンスを行うようにオペレータに指示する（Ｓ４０５）。

なお、閾値の設定については、新品のグリースと劣化後のグリースのΔＥ_ＲＧＢ値、ＭＣＤ値を比較するなどして決めればよい。

（４.グリース診断結果例）
風力発電装置Ａと風力発電装置Ｂについて、発電機軸受にグリース自動供給デバイス３０１を設置し、グリースのドレイン３０３に光学式センサ３０４をそれぞれ設置した。風力発電装置Ａと風力発電装置Ｂについて、ドレイン３０３から排出されたグリースを、光学式センサ３０４で２４時間毎に計測した。

図５に運転開始から２年経過後の計測値を示す。風力発電装置Ａでは、ΔＥ_ＲＧＢが減少し、かつ、最大色差が増大し、酸化劣化が促進していたことを確認した。風力発電装置Ｂでは、風力発電装置Ａと同様にΔＥ_ＲＧＢが増大していたが、最大色差はわずかな増加であり、摩耗粒子汚染の疑いがあることを確認した。

以上のように、本実施例によると光学式のセンサを用いてグリースの異常を早期検出できるため、風力発電装置の異常を未然あるいは早期に発見することができる。これは、例えば振動センサ等では、装置の異常が顕在化してからでないと発見が困難であるのに比べて、顕著な利点である。また、光学式のセンサからのデータは、ネットワークを介して遠隔地のサーバに送信することで、遠隔地からのモニタが可能となり、作業効率が向上する。

実施例２では、光学式センサからえられた時系列データを用いて、メンテナンス時期の予測を行う例を示す。

図６は、図２と同様、図１の風力発電装置１のナセル３部分を抽出して示している。同じ構成は同じ符号を付して説明を省略する。ナセル３内部の各駆動部、例えば増速機３３、発電機３４、ピッチベアリング４１、旋回ベアリング４５には、グリース自動供給デバイス３０１が設置されて、グリースを供給する。またグリースの排出を行うドレイン３０３に、光学式センサ３０４が配置されており、グリースの色情報を検出している。

図６のシステムを用いて、ドレイン３０３から排出されたグリースを、光学式センサ３０４で、２４時間毎に計測した。

図７は、風力発電装置１の運転時間を横軸に、縦軸には運転開始時、０．５年経過後、１年経過後、１．５年経過後のΔＥ_ＲＧＢ計測値をプロットしたものである。ΔＥ_ＲＧＢはグリースの固形粒子汚染を反映していると考えられる。グリースのメンテナンスが必要となる、ΔＥ_ＲＧＢの閾値は３５０であり、推移を運転時間に対して近似曲線を設定したところ、ΔＥ_ＲＧＢは約２．２年で閾値を超えると予測された。

図８は、風力発電装置１の運転時間を横軸に、縦軸には運転開始時、０．５年経過後、１年経過後、１．５年経過後の最大色差ＭＣＤ計測値をプロットしたものである。最大色差ＭＣＤはグリースの酸化劣化を反映していると考えられる。グリースのメンテナンスが必要となる、ＭＣＤの閾値は１００であり、推移を運転時間に対して近似曲線を設定したところ、ＭＣＤは約２．４年で閾値を超えると予測された。

以上を総合すると、固形粒子汚染および酸化劣化の両方に対して余裕のあるメンテナンスの時期は、２年経過時と予測することができる。

ところで、図７および図８の例では、風力発電装置１の運転状況が一定不変であることを前提としている。しかし、実際には風力発電装置１の運転状況は一定ではなく、さまざまな要因で状況が変化する。

例えば、人為的な運転状況の変動としては、点検のための装置の停止期間や、発電量調整のための運転調整がある。これらの変動パラメータは、風力発電装置１の制御パラメータとして取得することができる。

また、自然界に起因する運転状況の変動要因としては、風速をはじめとする天候、温度、湿度、などがある。これらの運転状況の変動要因は、それぞれ各種センサで測定することができる。従って、これらの運転状況を反映することで、より正確にグリースの状態を判定および予測することができる。

これらの温度センサや湿度センサは、グリース自動供給デバイス３０１周囲やナセル３内など、グリースに近い環境に設置されることが望ましく、光学式センサ３０４と同様に、サーバ２１０を介して、集約サーバ２２０や中央サーバ２４０に送信される。また、風力発電装置１の制御パラメータは、当該制御を行う、サーバ２１０、集約サーバ２２０あるいは中央サーバ２４０から得ることができる。

図９は、運転状況を反映したグリース状態予測方法のフロー図である。説明を単純化するために、この例では、軸受け部へのグリースの供給機構を対象とし、光学センサからの信号は物性パラメータのひとつのΔＥ_ＲＧＢ値として、主に固形粒子汚染に着目することとした。また、運転状況を示す運転パラメータとしては、軸の回転数Ｒ（rpm）の制御パラメータを用いることにした。物性パラメータや運転パラメータはこれに制限されるものではなく、他の種々のものを利用可能である。

本例では、定期的に光学式センサ３０４で測定を行うものとし、測定時間になると（Ｓ９０１）、光学式センサ３０４は色度を測定する（Ｓ９０２）。本実施例では、各種センサのデータは中央サーバ２４０へ集約し、ここで一括処理することにしたが、これに限るものではない。

中央サーバ２４０では、光学センサのデータからΔＥ_ＲＧＢを計算し（Ｓ９０３）、また、軸の回転数Ｒのパラメータを取得する（Ｓ９０４）。Ｒの時間的分解能は光学センサのデータ周期と同じでもよいし、それより短くてもよい。これらのデータは、記憶装置に時間データとともに格納する（Ｓ９０５）。

ΔＥ_ＲＧＢは、時間ｔと軸の回転数Ｒの関数と把握できるので、
ｆ（ｔ，Ｒ）＝ΔＥ_ＲＧＢ
となる。過去のｔ、Ｒ，ΔＥ_ＲＧＢのデータを元に関数ｆ（ｔ，Ｒ）をモデル化することも可能である。

また、ΔＥ_ＲＧＢの将来予測を行う場合、軸の回転数Ｒの変化を反映する（Ｓ９０６）。結果は表示装置に表示する（Ｓ９０７）。

図１０は、風力発電装置１の過去１年１００１のデータを元に、将来１００２の値を予測して表示する例を示すグラフ図である。１年分の過去データ１００３は実測値である。将来のデータ１００４Ａ，１００４Ｂは予測値である。

図１０(a)では、将来の運転状況は変わらず、回転数Ｒは常に一定とした。この場合には、ΔＥ_ＲＧＢの予測データは過去１年と同様に推移する。

図１０(b)では、将来の運転状況が変化し、回転数Ｒは過去１年の２倍とした。この場合には、ΔＥ_ＲＧＢの予測データは過去１年と同様に推移せず、たとえば図１０(b)に示すように、減少割合が大きくなる。

図１０の実施例のように、予測データに風力発電装置の運転状況を表すパラメータを反映することにより、ΔＥ_ＲＧＢ等のグリース品質を示す物性パラメータが閾値を超えるタイミングをより正確に判断することが可能となる。すなわち、過去の物性パラメータ、過去の運転パラメータ、および将来の運転パラメータに基づいて、将来の物性パラメータをより正確に判断できる。

運転状況を表すパラメータのうち、例えば運転時間や発電目標値のように、人為的にコントロールができるものについては、運転スケジュール等に従って、将来のデータを準備することができる。このため、運転状況を表すパラメータを、グリース品質を示す物性パラメータの予測に用いることにより、予測制度を高めることができる。

また、天候や温度のように人為的にコントロールができないものについては、過去の実績データから将来のデータを予想することができる。このため、同様に運転状況を表すパラメータを、グリース品質を示す物性パラメータの予測に用いることにより、予測制度を高めることができる。

以上のように、本実施例では風力発電機の、主軸、発電機、ヨー、ピッチなどの重要な回転部品（軸受）で使用されるグリースの適切な監視を行うため、グリースの自動供給機構に備わるグリース排出部にセンサを設置することで、定常的に監視を行う。また、風力発電機の運転状況のパラメータをモニタすることで、正確な予測診断が可能となる。さらに、ネットワークを介して、風力発電機のグリースの常時遠隔監視が可能になる。このため、早期に軸受の予兆が判り、風力発電機の停止時間が短縮するため、保守コストが低減し、発電量が向上する。

本発明は上記した実施形態に限定されるものではなく、様々な変形例が含まれる。例えば、ある実施例の構成の一部を他の実施例の構成に置き換えることが可能であり、また、ある実施例の構成に他の実施例の構成を加えることが可能である。また、各実施例の構成の一部について、他の実施例の構成の追加・削除・置換をすることが可能である。

風力発電装置１、タワー２、ナセル３、ハブ４、ブレード５

Claims (10)

1. 風力発電機の機械的駆動部に供給されるグリースの監視システムであって、
   入力装置、処理装置、記憶装置、および出力装置を備え、
   前記入力装置は、
   前記グリースの経路の少なくとも一部に配置された光学式センサから得られる、測定データが入力され、
   前記処理装置は、
   前記測定データから前記グリースの物性パラメータを生成するものであり、
   前記記憶装置は、
   前記物性パラメータを時系列的に格納するものであり、
   前記処理装置は、
   時系列的な前記物性パラメータに基づいて、前記物性パラメータの監視もしくは将来的な予測を行なうものである、
   風力発電機のグリースの監視システム。
2. 前記入力装置は、
   さらに、前記風力発電機の運転パラメータが入力され、
   前記処理装置は、
   時系列的な前記物性パラメータと、前記運転パラメータに基づいて、前記物性パラメータの将来的な予測を行なうものである、
   請求項１記載の風力発電機のグリースの監視システム。
3. 前記処理装置は、
   前記物性パラメータの将来的な予測を行なう際に、予め設定された閾値を前記物性パラメータが超える時間を予測するものである、
   請求項１記載の風力発電機のグリースの監視システム。
4. 前記物性パラメータは、ΔＥ_ＲＧＢである、
   請求項１記載の風力発電機のグリースの監視システム。
5. 前記物性パラメータは、最大色差である、
   請求項１記載の風力発電機のグリースの監視システム。
6. 前記出力装置は、
   第１の軸に前記物性パラメータを表示し、第２の軸に時間を表示したグラフ形式で、前記物性パラメータの将来的な予測の結果を表示する、
   請求項１記載の風力発電機のグリースの監視システム。
7. 前記光学式センサは、
   前記グリースの経路の末端付近に配置される、
   請求項１記載の風力発電機のグリースの監視システム。
8. 前記光学式センサは、
   前記グリースの供給系統の排出部に配置される、
   請求項１記載の風力発電機のグリースの監視システム。
9. 風力発電機のグリースの監視方法であって、
   前記風力発電機は光学式センサを備えた風力発電機であって、前記光学式センサが前記風力発電機の部品で使用されるグリースの光学的特性を測定するものであり、
   前記光学式センサからの測定データを受信する第１のステップ、
   前記測定データから前記グリースの物性パラメータを生成する第２のステップ、
   前記物性パラメータを記憶する第３のステップ、
   前記物性パラメータに基づいて、前記物性パラメータの現在のデータを監視し、または、将来のデータを予測する第４のステップ、
   を実行する風力発電機のグリースの監視方法。
10. さらに、前記風力発電機の運転パラメータを受信する第５のステップを実行し、
    前記第４のステップでは、
    前記物性パラメータの過去のデータと、前記運転パラメータの過去および将来のデータに基づいて、前記物性パラメータの将来のデータを予測する、
    請求項９記載の風力発電機のグリースの監視方法。

Images