JP2019027324A - 風力発電機の異常検知システム及び異常検知方法 - Google Patents

Abstract

【課題】風力発電機の異常を検知するための閾値を適切に設定でき、風力発電機の異常検知精度を向上することができる風力発電機の異常検知システム及び異常検知方法を提供すること。
【解決手段】風力発電機１００の異常検知システム１は、複数の同一機種の風力発電機１００を異常検知対象とし、風力発電機１００の振動状態を示す振動データに基づき、風力発電機１００の振動状態を特徴づける振動特徴量を算出すると共に、風力発電機１００の運転状態を示す運転条件データに基づき、風力発電機１００の運転状態を特徴づける物理量を示す運転条件パラメータを算出し、運転条件パラメータの所定範囲内にある、各風力発電機１００の振動特徴量のアンサンブル平均値μを用いて、風力発電機１００の異常判定を行う。
【選択図】図４

Description

本発明は、風力発電機の異常検知システム及び異常検知方法に関する。

近年、地球温暖化の原因となる炭酸ガスを発生させないクリーンエネルギソースとして、風力発電が急速に普及しつつあり、多数の風力発電機を１カ所に設置し発電する集合型風力発電所（所謂、ウインドファーム）の建設が相次いでいる。

例えば、特許文献１には、風力発電機の異常を診断する状態監視システムが開示されている。

特許第５９１７９５６号公報

しかしながら、上記従来技術は、単一の風力発電機を対象としたものであり、風力発電機毎の測定データを用いて個別に閾値を設定するため、閾値を設定する際の測定データが高い風力発電機では、異常を検知するための閾値自体が高く設定されることとなり、風力発電機の異常を見過ごす可能性がある。また、集合型風力発電所（ウインドファーム）の各風力発電機に適用した場合、各風力発電機毎に個別の閾値で運用することとなり、管理が複雑になる。

本発明は、上記の課題に鑑みてなされたものであって、風力発電機の異常を検知するための閾値を適切に設定でき、風力発電機の異常検知精度を向上することができる風力発電機の異常検知システム及び異常検知方法を提供すること、を目的としている。

上記の目的を達成するため、本発明の一態様に係る風力発電機の異常検知システムは、複数の同一機種の風力発電機が設置された集合型風力発電所における前記風力発電機の異常検知システムであって、前記風力発電機の振動状態を示す振動データ、及び、前記風力発電機の運転状態を示す運転条件データを取得するデータ取得装置と、前記振動データに基づき、前記風力発電機の前記振動状態を特徴づける振動特徴量を算出すると共に、前記運転条件データに基づき、前記風力発電機の前記運転状態を特徴づける物理量を示す運転条件パラメータを算出し、前記振動特徴量及び前記運転条件パラメータに基づき、前記風力発電機を監視する監視装置と、を備え、前記監視装置は、前記運転条件パラメータの所定範囲内にある、前記各風力発電機の前記振動特徴量のアンサンブル平均値を用いて、前記風力発電機の異常判定を行う。

これにより、異常検知対象の各風力発電機における異常振動を適切に検知することができ、異常検知精度を向上することができる。

風力発電機の異常検知システムの望ましい態様として、前記監視装置は、所定時間内における前記振動データの時間平均値を用いて、前記振動特徴量を算出することが好ましい。

これにより、振動特徴量の瞬時的な数値変動を抑制することができる。

風力発電機の異常検知システムの望ましい態様として、前記監視装置は、前記運転条件パラメータの所定範囲毎に、前記アンサンブル平均値よりも大きい第１閾値を設け、前記振動特徴量が前記第１閾値以上となった風力発電機を異常判定することが好ましい。

また、風力発電機の異常検知システムの望ましい態様として、前記監視装置は、前記各風力発電機毎の所定時間内における前記振動特徴量の標準偏差に所定係数を乗じて前記アンサンブル平均値に加算し、前記第１閾値を算出することが好ましい。

これにより、風力発電機の個体差による誤判定を防ぐことができる。

風力発電機の異常検知システムの望ましい態様として、前記監視装置は、前記運転条件パラメータの所定範囲毎に、前記アンサンブル平均値よりも小さい第２閾値を設け、前記振動特徴量が前記第２閾値以下となった風力発電機を異常判定することが好ましい。

これにより、振動を検知するセンサの異常によって風力発電機が正常であると誤判定することを防ぐことができる。

風力発電機の異常検知システムの望ましい態様として、前記運転条件パラメータは、前記各風力発電機の発電量であることが好ましい。

また、風力発電機の異常検知システムの望ましい態様として、前記運転条件パラメータを複数有し、少なくとも前記各風力発電機の発電量を含むことが好ましい。

これにより、発電量の差異によって変動する振動値のバラツキが抑制され、各風力発電機の異常検知精度を高めることができる。

本発明の一態様に係る風力発電機の異常検知方法は、複数の同一機種の風力発電機を異常検知対象とする前記風力発電機の異常検知方法であって、前記風力発電機の振動状態を示す振動データ、及び、前記風力発電機の運転状態を示す運転条件データを取得する第１ステップと、前記振動データに基づき、前記風力発電機の前記振動状態を特徴づける振動特徴量を算出すると共に、前記運転条件データに基づき、前記風力発電機の前記運転状態を特徴づける物理量を示す運転条件パラメータを算出する第２ステップと、前記運転条件パラメータの所定範囲内にある、前記各風力発電機の前記振動特徴量のアンサンブル平均値を用いて、前記風力発電機の異常判定を行う第３ステップと、を有する。

これにより、異常検知対象の各風力発電機における異常振動を適切に検知することができ、異常検知精度を向上することができる。

風力発電機の異常検知方法の望ましい態様として、前記第３ステップにおいて異常判定された風力発電機を前記異常検知対象から除外することが好ましい。

これにより、異常検知精度の低下を防ぐことができる。

風力発電機の異常検知方法の望ましい態様として、判定結果を視覚化して表示する第４ステップをさらに有することが好ましい。

これにより、異常検知対象の各風力発電機の振動特徴量の変化、異常検知までの推移等を認識し易くなる。

本発明によれば、風力発電機の異常を検知するための閾値を適切に設定でき、風力発電機の異常検知精度を向上することができる風力発電機の異常検知システム及び異常検知方法を提供することができる。

図１は、実施形態に係る風力発電機の異常検知システムの全体構成を示す概略構成図である。 図２は、風力発電機の概略構造図である。 図３は、実施形態に係る風力発電機の異常検知システムにおける監視装置の一例を示す図である。 図４は、実施形態に係る風力発電機の異常検知手順の一例を示す図である。 図５は、取得データ情報の一例を示す図である。 図６は、取得データ更新情報の一例を示す図である。 図７は、閾値情報の一例を示す図である。 図８は、図４に示す異常検知手順のステップＳ１１３において表示する判定結果の一例を示す図である。 図９は、実施形態に係る風力発電機の異常検知手順の図４とは異なる一例を示す図である。

以下、発明を実施するための形態（以下、実施形態という）につき図面を参照しつつ詳細に説明する。なお、下記の実施形態により本発明が限定されるものではない。また、下記実施形態における構成要素には、当業者が容易に想定できるもの、実質的に同一のもの、いわゆる均等の範囲のものが含まれる。さらに、下記実施形態で開示した構成要素は適宜組み合わせることが可能である。

図１は、実施形態に係る風力発電機の異常検知システムの全体構成を示す概略構成図である。実施形態に係る風力発電機１００の異常検知システム１は、例えば数百に及ぶ複数の風力発電機１００が広大な敷地や洋上に設置された集合型風力発電所（所謂、ウインドファーム）において、各風力発電機１００に設けられたデータ取得装置１０と、例えば集合型風力発電所内又は外部の管理施設に設けられた監視装置２０とを備える。

図２は、風力発電機の概略構造図である。風力発電機１００は、データ取得装置１０と、ロータ３０と、増速機５０と、発電機６０と、を備える。データ取得装置１０、増速機５０、及び発電機６０は、ナセル７０に格納されている。増速機５０及び発電機６０は、タワー８０によって支持された土台（フレーム）９０に載置されている。

ロータ３０は、ハブ３１と、ハブ３１に複数枚設けられたブレード３２とを備える。ハブ３１は、主軸４０を介して増速機５０と接続され、主軸受４１によって回転可能に支持される。主軸４０は、ブレード３２が風力を受けることによってロータ３０が回転した際に発生する回転トルクを増速機５０に伝達する。

増速機５０は、主軸４０と発電機６０との間に設けられている。増速機５０は、例えば、ギヤボックス内に設けられた遊星ギヤや中間軸、高速軸等を含む歯車増速機構によって構成される。

増速機５０は、主軸４０の回転速度を増速し、発電機軸受６２によって回転可能に支持された発電機軸６１を介して、増速された回転トルクを発電機６０に出力する。なお、特に図示しないが、この増速機５０内には、複数の軸を回転自在に支持する複数の軸受が設けられている。また、増速機５０のギヤボックス内には、歯車増速機構を油浴潤滑するための潤滑油が貯留されている。

発電機６０は、発電機軸６１を介して増速機５０から受ける回転トルクによって発電する。発電機６０は、例えば、誘導発電機又は同期発電機によって構成される。なお、図２に示す例では、発電機軸受６２を唯一記載したが、複数の発電機軸受６２によって発電機軸６１を回転自在に支持する構成であっても良い。

主軸受４１、発電機軸受６１等を含む各軸受は、例えば、自動調芯ころ軸受や円錐ころ軸受、円筒ころ軸受、玉軸受等の単列又は複列の転がり軸受によって構成される。なお、これらの各軸受の種類や構成によって本発明が限定されるものではない。

データ取得装置１０は、データ収集部１１、振動センサ１２、及び運転状態センサ１３を備える。

振動センサ１２は、例えば、加速度センサ、速度センサ、変位センサ等であり、風力発電機１００において発生する振動を検出する。

風力発電機１００における振動の発生要因としては、例えば、風力発電機１００が風圧を受けることで発生する、風力発電機１００の各構成部材の固有振動や、主軸４０や発電機軸６１等の回転速度（回転数）に依存して発生する振動が考えられる。

振動センサ１２によって検出される振動は、例えば、主軸受４１、発電機軸受６１等を含む各軸受から発生する振動が複合的に混在した状態で検出される。このため、振動センサ１２によって検出される振動は、振動センサ１２が設けられた部位の振動状態を特徴づける振動特徴量に変換可能な振動データを含むものとする。図２では、振動センサ１２を唯一設けた構成を例示したが、例えば、発電機６０の筐体に複数設けても良いし、増速機５０の筐体やナセル７０内の主軸受４１の近傍等、軸受の摩耗や変形等の損傷によって発生する異常振動を検出し易い部位にそれぞれ設けるようにしても良い。振動センサ１２の数や取り付け位置等によって本発明が限定されるものではない。

運転状態センサ１３は、例えば、電流センサ、近接センサやロータリーエンコーダやレゾルバ等の回転センサ、熱電対等の温度センサ、風速センサ等であり、風力発電機１００の運転時における諸条件を検出する。

風力発電機１００の運転時における諸条件としては、例えば、風力発電機１００の発電量、主軸４０や発電機軸６１の回転速度（回転数）、ナセル７０内の温度、外気温、増速機５０のキヤボックス内の油温、風力発電機１００の設置箇所における風速等、風力発電機１００の運転状態を特徴づける物理量に変換可能な各種の運転条件データを含むものとする。図２では、運転状態センサ１３を唯一設けた構成を例示したが、運転状態センサ１３の数や種類、取り付け位置等によって本発明が限定されるものではない。

データ収集部１１は、振動センサ１２によって検出された振動データ及び運転状態センサ１３によって検出された運転条件データを収集する。データ取得装置１０は、ネットワーク２００を介して、データ収集部１１によって収集された振動データ及び運転条件データを監視装置２０に出力する（図１参照）。ネットワーク２００は、例えばインターネット回線であっても良いし、ＬＡＮ（Ｌｏｃａｌ Ａｒｅａ Ｎｅｔｗｏｒｋ）であっても良い。さらには、集合型風力発電所内の各風力発電機１００がＬＡＮで接続され、監視装置２０が設けられた外部の管理施設のＬＡＮとの間でＶＰＮ（Ｖｉｒｔｕａｌ Ｐｒｉｖａｔｅ Ｎｅｔｗｏｒｋ）を構築した態様であっても良い。

図３は、実施形態に係る風力発電機の異常検知システムにおける監視装置の一例を示す図である。図３に示すように、監視装置２０は、例えば、ＰＣ等の一般的な情報処理端末であり、処理部２１、記憶部２２、通信部２３、入力部２４、及び表示部２５を備え、各部がバス２６を介してデータを送受信可能なように構成される。

処理部２１は、所定のメモリを介して各部間のデータの受け渡しを行うと共に、監視装置２０全体の制御を行う構成部であり、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）が所定のメモリに格納されたプログラムを実行することによって実現される。

記憶部２２は、処理部２１からのデータを記憶したり、処理部２１が記憶したデータを読み出したりする構成部であり、例えば、ＨＤＤ（Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅ）やＳＳＤ（Ｓｏｌｉｄ Ｓｔａｔｅ Ｄｒｉｖｅ）等の不揮発性記憶装置によって実現される。

通信部２３は、各風力発電機１００のデータ取得装置１０と通信を行う構成部であり、例えば、ＮＩＣ（Ｎｅｔｗｏｒｋ Ｉｎｔｅｒｆａｃｅ Ｃａｒｄ）等によって実現される。

入力部２４は、オペレータがデータや指示を入力する構成部であり、例えば、キーボードやマウス、タッチパネル等によって実現される。

表示部２５は、処理部２１からの指示によりデータを表示する構成部であり、例えば、液晶ディスプレイ（ＬＣＤ：Ｌｉｑｕｉｄ Ｃｒｙｓｔａｌ Ｄｉｓｐｌａｙ）等によって実現される。

監視装置２０は、記憶部２２に格納された異常検知処理プログラムによって動作し、この異常検知処理プログラムによって、実施形態に係る異常検知処理が実現される。

監視装置２０は、集合型風力発電所内に設置された複数の同一機種の風力発電機１００における振動データ及び運転条件データが入力され、振動データ及び運転条件データに基づき、風力発電機１００を監視する。

監視装置２０は、振動センサ１２によって検出された振動データを用いて、振動センサ１２が設けられた各風力発電機１００の各部位における振動特徴量を算出する。振動特徴量の算出には、振動センサ１２によって検出された単一のデータ、又は所定期間内に検出された複数のデータを用いることができる。振動特徴量を算出する際の振動パラメータとしては、例えば、二乗平均値、ピーク値、クレストファクタ（波高率）を用いることができる。また、振動特徴量を算出する際、振動データをエンベロープ（包絡線）処理した値を用いても良いし、周波数フィルタリング処理した値を用いても良い。この振動特徴量の算出手法により本発明が限定されるものではない。

また、監視装置２０は、運転状態センサ１３によって検出された運転条件データを用いて、各風力発電機１００の運転状態を特徴づける物理量を示すパラメータ（以下、「運転条件パラメータ」ともいう）を算出する。本実施形態では、運転条件パラメータとして、各風力発電機１００の発電量を例示する。なお、運転条件パラメータは１つに限るものではなく、複数種の運転条件パラメータを複合的に用いる構成であっても良い。この運転条件パラメータの種類又は適用数によって本発明が限定されるものではない。

本実施形態では、集合型風力発電所内に設置された複数の同一機種の風力発電機１００における運転条件パラメータの所定範囲毎に算出された振動特徴量の平均値（以下、「アンサンブル平均値」ともいう）を用いて、各風力発電機１００の異常検知処理を行う。以下、実施形態に係る風力発電機１００の異常検知手順について説明する。

図４は、実施形態に係る風力発電機の異常検知手順の一例を示す図である。

監視装置２０は、振動センサ１２によって検出された振動データを用いて、各風力発電機１００の各部位における振動特徴量を算出すると共に、運転状態センサ１３によって検出された運転条件データを用いて、各風力発電機１００毎の運転条件パラメータ（ここでは、発電量）を算出し（ステップＳ１０１）、図５に示す取得データ情報として記憶部２２に格納する（ステップＳ１０２）。このとき、監視装置２０は、所定時間内における振動データの時間平均値を格納しても良い。これにより、振動特徴量の瞬時的な数値変動を抑制することができる。

図５は、取得データ情報の一例を示す図である。図５に示す例では、集合型風力発電所内に設置された同一機種のｎ機の風力発電機１００を異常検知対象とした例を示している。

本実施形態では、図５に示すように、各風力発電機１００の運転条件パラメータである発電量を予め所定数ｑ（ｑは正の整数）の発電量範囲Ａ，Ｂ，Ｃ，・・・に区分して定義し、各風力発電機１００毎に、発電量範囲と振動特徴量とを関連付けている。

また、監視装置２０は、図５に示す取得データ情報を用いて、図６に示す取得データ更新情報を生成して記憶部２２に記憶又は更新する（ステップＳ１０３）。

図６は、取得データ更新情報の一例を示す図である。

図６に示す取得データ更新情報は、上述したステップＳ１０１において算出した各風力発電機１００毎の運転条件パラメータ（ここでは、発電量）と振動特徴量とによって更新される。より具体的には、ステップＳ１０１において新たに得られた発電量範囲における各風力発電機１００毎の振動特徴量が追記される。

監視装置２０は、取得データ更新情報に振動特徴量が格納された風力発電機１００の数Ｘが所定数Ｍ（Ｍ≦ｎ）以上である（Ｍ≦Ｘ≦ｎ）発電量範囲が存在するか否かを判定する（ステップＳ１０４）。この所定数Ｍの値は、以下のステップＳ１０５において算出するアンサンブル平均値の精度を高めるためにより大きな値であるのが好ましい。例えば、集合型風力発電所内に設置された同一機種のｎ機の風力発電機１００の全数（Ｍ＝ｎ）であることがより好ましいが、例えば、ｎ機の風力発電機１００の所定割合（例えば、８割）に相当する数であっても良い。

振動特徴量が格納された風力発電機１００の数Ｘが何れの発電量範囲においても所定数Ｍ未満である（Ｍ＞Ｘ）場合（ステップＳ１０４；Ｎｏ）、ステップＳ１０１に戻る。このとき、図５に示す取得データ情報が書き換えられる。

振動特徴量が格納された風力発電機１００の数Ｘが所定数Ｍ以上である（Ｍ≦Ｘ≦ｎ）発電量範囲が存在する場合（ステップＳ１０４；Ｙｅｓ）、監視装置２０は、当該発電量範囲におけるアンサンブル平均値を算出すると共に、当該発電量範囲内の各風力発電機１００毎の標準偏差を算出する（ステップＳ１０５）。そして、監視装置２０は、当該発電量範囲内の各風力発電機１００毎の振動特徴量に対する閾値（第１閾値、第２閾値）を算出し（ステップＳ１０６）、図７に示す閾値情報を生成して記憶部２２に記憶又は更新する（ステップＳ１０７）。

図７は、閾値情報の一例を示す図である。図７に示す例では、発電量範囲Ａ，ＢにおいてステップＳ１０４を満たす、すなわち、振動特徴量が格納された風力発電機１００の数Ｘが所定数Ｍ以上である（Ｍ≦Ｘ≦ｎ）例を示している。また、図７に示す例では、振動特徴量に対する閾値を第１閾値と第２閾値との２つを設けた例を示している。

本実施形態では、異常検知対象の各風力発電機１００における異常振動を検知するための閾値として、第１閾値ＣＴ１を設けている。本実施形態において、第１閾値ＣＴ１は、下記（１）式にて示される。

ＣＴ１＝μ＋Ｋσ ・・・（１）

上記（１）式において、μは発電量範囲（ここでは、Ａ）における各風力発電機１００の振動特徴量のアンサンブル平均値を示し、σは各風力発電機１００毎の所定時間内における振動特徴量の標準偏差を示している。また、Ｋは所定の第１係数を示している。

また、本実施形態では、異常検知対象の各風力発電機１００における振動センサ１２の異常を検知するための閾値として、第２閾値ＣＴ２を設けている。例えば、振動センサ１２の損傷、振動センサ１２とデータ収集部１１との間のケーブルの断線、振動センサ１２の脱落等が発生し、振動センサ１２の出力信号に異常が発生して検出値が小さくなることがあり得る。本実施形態では、振動センサ１２の異常を検知するための第２閾値ＣＴ２を、アンサンブル平均値μよりも小さい値とすることで、振動センサ１２の異常をも検知することができる。本実施形態において、第２閾値ＣＴ２は、下記（２）式にて示される。

ＣＴ２＝μ−ｋσ ・・・（２）

上記（２）式において、ｋは所定の第２係数を示している。

図７に示す閾値情報は、上述したステップＳ１０６において算出した閾値（第１閾値ＣＴ１、第２閾値ＣＴ２）によって更新される。より具体的には、ステップＳ１０６において新たに得られた発電量範囲における各風力発電機１００毎の閾値（第１閾値ＣＴ１、第２閾値ＣＴ２）が追記される。

監視装置２０は、図５に示す取得データ情報と図７に示す閾値情報とを用いて、異常検知対象の各風力発電機１００の異常検知処理を行う。

より具体的には、監視装置２０は、閾値（第１閾値ＣＴ１、第２閾値ＣＴ２）が算出された発電量範囲に属する風力発電機１００のうち、振動特徴量が第１閾値ＣＴ１以上である風力発電機１００が存在するか否かを判定する（ステップＳ１０８）。

振動特徴量が第１閾値ＣＴ１以上である風力発電機１００が存在する場合（ステップＳ１０８；Ｙｅｓ）、監視装置２０は、異常検知対象の各風力発電機１００において異常振動が発生しているものと判定し（ステップＳ１１０）、当該判定結果を表示部２５に表示又は更新し（ステップＳ１１３）、ステップＳ１０１に戻る。

振動特徴量が第１閾値ＣＴ１以上である風力発電機１００が存在しない場合（ステップＳ１０８；Ｎｏ）、監視装置２０は、閾値（第１閾値ＣＴ１、第２閾値ＣＴ２）が算出された発電量範囲に属する風力発電機１００のうち、振動特徴量が第２閾値ＣＴ２以下である風力発電機１００が存在するか否かを判定する（ステップＳ１０９）。

振動特徴量が第２閾値ＣＴ２以下である風力発電機１００が存在する場合（ステップＳ１０９；Ｙｅｓ）、監視装置２０は、異常検知対象の各風力発電機１００において振動センサ１２の異常が発生しているものと判定し（ステップＳ１１１）、当該判定結果を表示部２５に表示又は更新し（ステップＳ１１３）、ステップＳ１０１に戻る。

振動特徴量が第２閾値ＣＴ２以下である風力発電機１００が存在しない場合（ステップＳ１０９；Ｎｏ）、監視装置２０は、異常検知対象の各風力発電機１００において異常振動及び振動センサ１２の異常の双方が発生していないものと判定し（ステップＳ１１２）、当該判定結果を表示部２５に表示又は更新し（ステップＳ１１３）、ステップＳ１０１に戻る。

すなわち、監視装置２０は、運転条件パラメータの所定範囲毎（ここでは発電量範囲毎）に、振動特徴量が第１閾値ＣＴ１以上であるか、又は、第２閾値ＣＴ２以下である風力発電機１００を異常判定する。

図８は、図４に示す異常検知手順のステップＳ１１３において表示する判定結果の一例を示す図である。図８に示す例において、縦軸は振動特徴量を示し、横軸は時間経過を示している。また、図８に示す例では、破線は異常検知対象の各風力発電機１００の振動特徴量のアンサンブル平均値μを示し、一点鎖線は判定結果の表示対象の風力発電機１００における第１閾値ＣＴ１を示し、実線は判定結果の表示対象である風力発電機１００の振動特徴量を示している。図８に示す例では、ａ点において判定結果の表示対象である風力発電機１００の振動特徴量が第１閾値ＣＴ１を上回ったことを示している。

図８に示すように、判定結果を視覚化して表示することで、異常検知対象の各風力発電機１００の振動特徴量の変化、異常検知までの推移等を認識し易くなる。なお、判定結果の視覚化手法は図８に示す例に限るものではない。

上述した図４に示す処理を繰り返すことによって、各発電量範囲Ａ，Ｂ，Ｃ，・・・におけるアンサンブル平均値μが得られると共に、各発電量範囲Ａ，Ｂ，Ｃ，・・・における各風力発電機１００毎の標準偏差σが得られる。そして、これらのアンサンブル平均値μと標準偏差σを用いて、各発電量範囲Ａ，Ｂ，Ｃ，・・・における各風力発電機１００毎の閾値（第１閾値ＣＴ１、第２閾値ＣＴ２）が算出され、各風力発電機１００の異常検知処理が行われる。

本実施形態では、（１），（２）式に示すように、各風力発電機１００の振動特徴量のアンサンブル平均値μを用いている。これにより、異常検知対象の各風力発電機１００における異常振動及び振動センサ１２の異常を適切に検知することができる。

また、本実施形態では、（１）式に示すように、所定の第１係数Ｋを乗じた各風力発電機１００毎の振動特徴量の所定時間内における標準偏差σを各風力発電機１００の振動特徴量のアンサンブル平均値μに加算して第１閾値ＣＴ１を求める。そして、この第１閾値ＣＴ１を、異常検知対象の各風力発電機１００における異常振動を検知するための閾値としている。これにより、風力発電機１００の個体差による誤判定を防ぐことができる。なお、第１閾値ＣＴ１の算出手法としては（１）式に限るものではなく、各風力発電機１００の振動特徴量のアンサンブル平均値μよりも大きい値、例えば、下記（３）式に示すように、所定の第１係数Ｋを乗じた標準偏差σを各風力発電機１００の振動特徴量のアンサンブル平均値μに加算し、更に所定の第３係数Ａ（Ａは１以上）を乗じた値であっても良い。また、第１閾値を複数設けた態様であっても良い。

ＣＴ１＝Ａ（μ＋Ｋσ） ・・・（３）

また、本実施形態では、（２）式に示すように、所定の第２係数ｋを乗じた各風力発電機１００毎の振動特徴量の所定時間内における標準偏差σを各風力発電機１００の振動特徴量のアンサンブル平均値μから減算して第２閾値ＣＴ２を求める。そして、この第２閾値ＣＴ２を、異常検知対象の各風力発電機１００における振動センサ１２の異常を検知するための閾値としている。これにより、振動センサ１２の異常によって風力発電機１００が正常であると誤判定することを防ぐことができる。なお、第２閾値ＣＴ２の算出手法としては（２）式に限るものではなく、各風力発電機１００の振動特徴量のアンサンブル平均値μよりも小さい値、例えば、下記（４）式に示すように、所定の第２係数ｋを乗じた各風力発電機１００毎の振動特徴量の所定時間内における標準偏差σを、所定の第４係数Ｂ（Ｂは１以下）を乗じた各風力発電機１００の振動特徴量のアンサンブル平均値μから減算した値であっても良いし、各風力発電機１００の振動特徴量のアンサンブル平均値μの半値であっても良い。

ＣＴ２＝Ｂμ−ｋσ ・・・（４）

また、本実施形態では、運転条件パラメータとして各風力発電機１００の発電量を用いている。そして、異常検知対象の各風力発電機１００の発電量範囲を定義し、各発電量範囲における各風力発電機１００の振動特徴量のアンサンブル平均値μを用いて、風力発電機１００の異常検知処理を行う。これにより、発電量の差異によって変動する振動値のバラツキが抑制され、各風力発電機１００の異常検知精度を高めることができる。

なお、本実施形態では、異常検知対象の各風力発電機１００の発電量を運転条件パラメータとして例示したが、発電量以外の運転条件パラメータを用いても良い。発電量以外の運転条件パラメータとしては、例えば、上述したように、主軸４０や発電機軸６１の回転速度（回転数）、ナセル７０内の温度、外気温、増速機５０のキヤボックス内の油温、風力発電機１００の設置箇所における風速等が考えられる。また、運転条件パラメータは１つに限るものではなく、複数種の運転条件パラメータを複合的に用いる構成であっても良い。

また、上述した異常検知処理において異常判定された風力発電機１００を、ステップＳ１１３からステップＳ１０１に戻る際に、以降の処理における異常検知対象から除外する態様であることが好ましい。これにより、異常検知精度の低下を防ぐことができる。

図９は、実施形態に係る風力発電機の異常検知手順の図４とは異なる一例を示す図である。以下、図９に示す異常検知手順について説明する。

図９に示す例では、ステップＳ１０７において閾値情報を更新した後、監視装置２０は、予め定めた所定数ｑの各発電量範囲Ａ，Ｂ，Ｃ，・・・のうち、各風力発電機１００毎の閾値（第１閾値ＣＴ１、第２閾値ＣＴ２）が算出済みである発電量範囲の数Ｙが所定数Ｐ（Ｐ≦ｑ）以上である（Ｐ≦Ｙ≦ｑ）か否かを判定する（ステップＳ１１４）。この所定数Ｐの値は、以下のステップＳ１１５以降における異常検知処理の精度を高めるためにより大きな値であるのが好ましい。例えば、予め定めた所定数ｑの各発電量範囲Ａ，Ｂ，Ｃ，・・・の全数（Ｐ＝ｑ）であることがより好ましいが、例えば、予め定めた所定数ｑの各発電量範囲Ａ，Ｂ，Ｃ，・・・のうちの所定割合（例えば、８割）に相当する数であっても良い。

各風力発電機１００毎の閾値（第１閾値ＣＴ１、第２閾値ＣＴ２）が算出された発電量範囲の数Ｙが所定数Ｐ未満である（Ｐ＞Ｙ）場合（ステップＳ１１４；Ｎｏ）、ステップＳ１０１の処理に戻る。

各風力発電機１００毎の閾値（第１閾値ＣＴ１、第２閾値ＣＴ２）が算出された発電量範囲の数Ｙが所定数Ｐ以上である（Ｐ≦Ｙ≦ｑ）場合（ステップＳ１１４；Ｙｅｓ）、続いて、監視装置２０は、振動センサ１２によって検出された振動データを用いて、各風力発電機１００の各部位における振動特徴量を算出すると共に、運転状態センサ１３によって検出された運転条件データを用いて、各風力発電機１００毎の運転条件パラメータ（ここでは、発電量）を算出し（ステップＳ１１５）、図５に示す取得データ情報として記憶部２２に格納する（ステップＳ１１６）。

そして、監視装置２０は、図５に示す取得データ情報と図７に示す閾値情報とを用いて、異常検知対象の各風力発電機１００の異常検知処理を行う。

より具体的には、監視装置２０は、閾値（第１閾値ＣＴ１、第２閾値ＣＴ２）が算出された発電量範囲に属する風力発電機１００のうち、振動特徴量が第１閾値ＣＴ１以上である風力発電機１００が存在するか否かを判定する（ステップＳ１０８）。

振動特徴量が第１閾値ＣＴ１以上である風力発電機１００が存在する場合（ステップＳ１０８；Ｙｅｓ）、監視装置２０は、異常検知対象の各風力発電機１００において異常振動が発生しているものと判定し（ステップＳ１１０）、当該判定結果を表示部２５に表示又は更新し（ステップＳ１１３）、ステップＳ１１５に戻る。

振動特徴量が第１閾値ＣＴ１以上である風力発電機１００が存在しない場合（ステップＳ１０８；Ｎｏ）、監視装置２０は、閾値（第１閾値ＣＴ１、第２閾値ＣＴ２）が算出された発電量範囲に属する風力発電機１００のうち、振動特徴量が第２閾値ＣＴ２以下である風力発電機１００が存在するか否かを判定する（ステップＳ１０９）。

振動特徴量が第２閾値ＣＴ２以下である風力発電機１００が存在する場合（ステップＳ１０９；Ｙｅｓ）、監視装置２０は、異常検知対象の各風力発電機１００において振動センサ１２の異常が発生しているものと判定し（ステップＳ１１１）、当該判定結果を表示部２５に表示又は更新し（ステップＳ１１３）、ステップＳ１１５に戻る。

振動特徴量が第２閾値ＣＴ２以下である風力発電機１００が存在しない場合（ステップＳ１０９；Ｎｏ）、監視装置２０は、異常検知対象の各風力発電機１００において異常振動及び振動センサ１２の異常の双方が発生していないものと判定し（ステップＳ１１２）、当該判定結果を表示部２５に表示又は更新し（ステップＳ１１３）、ステップＳ１１５に戻る。

すなわち、図９に示す例では、ステップＳ１０１からステップＳ１１４までの処理を繰り返すことで、各風力発電機１００毎の閾値（第１閾値ＣＴ１、第２閾値ＣＴ２）が算出済みであるＹの各発電量範囲におけるアンサンブル平均値μ、及び、各風力発電機１００毎の標準偏差σが得られる。そして、これらのアンサンブル平均値μと標準偏差σとを用いて、Ｙの各発電量範囲における各風力発電機１００毎の閾値（第１閾値ＣＴ１、第２閾値ＣＴ２）が算出される。そして、ステップＳ１１５からステップＳ１１３までの処理を繰り返すことで、ステップＳ１０１からステップＳ１１４までの処理において求めたＹの各発電量範囲における各風力発電機１００毎の閾値（第１閾値ＣＴ１、第２閾値ＣＴ２）を用いて、異常検知対象の各風力発電機１００の異常検知処理が行われる。すなわち、Ｙの各発電量範囲における各風力発電機１００毎の閾値（第１閾値ＣＴ１、第２閾値ＣＴ２）が算出された状態で、ステップＳ１１５以降の異常検知処理に進むことができる。

以上説明したように、実施形態に係る風力発電機１００の異常検知システム１及び異常検知方法では、複数の同一機種の風力発電機１００を異常検知対象とし、風力発電機１００の振動状態を示す振動データに基づき、風力発電機１００の振動状態を特徴づける振動特徴量を算出すると共に、風力発電機１００の運転状態を示す運転条件データに基づき、風力発電機１００の運転状態を特徴づける物理量を示す運転条件パラメータを算出し、運転条件パラメータの所定範囲内にある、各風力発電機１００の振動特徴量のアンサンブル平均値μを用いて、風力発電機１００の異常判定を行う。

これにより、異常検知対象の各風力発電機１００における異常振動を適切に検知することができ、異常検知精度を向上することができる。

また、所定時間内における振動データの時間平均値を用いて振動特徴量を算出することで、振動特徴量の瞬時的な数値変動を抑制することができる。

また、運転条件パラメータの所定範囲毎に、各風力発電機１００毎の所定時間内における振動特徴量の標準偏差σに所定係数Ｋを乗じてアンサンブル平均値μに加算した第１閾値ＣＴ１を設け、振動特徴量が第１閾値ＣＴ１以上となった風力発電機１００を異常判定することで、風力発電機１００の個体差による誤判定を防ぐことができる。

また、運転条件パラメータの所定範囲毎に、アンサンブル平均値μよりも小さい第２閾値ＣＴ２を設け、振動特徴量が第２閾値ＣＴ２以下となった風力発電機１００を異常判定することで、振動センサ１２の異常によって風力発電機１００が正常であると誤判定することを防ぐことができる。

また、運転条件パラメータとして各風力発電機１００の発電量を運転条件パラメータとして用いることで、発電量の差異によって変動する振動値のバラツキが抑制され、各風力発電機１００の異常検知精度を高めることができる。

また、異常判定された風力発電機１００を異常検知対象から除外することで、異常検知精度の低下を防ぐことができる。

また、判定結果を視覚化して表示することで、異常検知対象の各風力発電機１００の振動特徴量の変化、異常検知までの推移等を認識し易くなる。

このように、本実施形態によれば、風力発電機１００の異常を検知するための閾値を適切に設定でき、風力発電機１００の異常検知精度を向上することができる風力発電機１００の異常検知システム１及び異常検知方法が得られる。

１ 異常検知システム
１０ データ取得装置
１１ データ収集部
１２ 振動センサ
１３ 運転状態センサ
２０ 監視装置
２１ 処理部
２２ 記憶部
２３ 通信部
２４ 入力部
２５ 表示部
２６ バス
３０ ロータ
３１ ハブ
３２ ブレード
４０ 主軸
４１ 主軸受
５０ 増速機
６０ 発電機
６１ 発電機軸
６２ 発電機軸受
７０ ナセル
８０ タワー
９０ 土台（フレーム）
１００ 風力発電機
２００ ネットワーク

Claims (10)

1. 複数の同一機種の風力発電機が設置された集合型風力発電所における前記風力発電機の異常検知システムであって、
   前記風力発電機の振動状態を示す振動データ、及び、前記風力発電機の運転状態を示す運転条件データを取得するデータ取得装置と、
   前記振動データに基づき、前記風力発電機の前記振動状態を特徴づける振動特徴量を算出すると共に、前記運転条件データに基づき、前記風力発電機の前記運転状態を特徴づける物理量を示す運転条件パラメータを算出し、前記振動特徴量及び前記運転条件パラメータに基づき、前記風力発電機を監視する監視装置と、
   を備え、
   前記監視装置は、
   前記運転条件パラメータの所定範囲内にある、前記各風力発電機の前記振動特徴量のアンサンブル平均値を用いて、前記風力発電機の異常判定を行う
   風力発電機の異常検知システム。
2. 前記監視装置は、
   所定時間内における前記振動データの時間平均値を用いて、前記振動特徴量を算出する
   請求項１に記載の風力発電機の異常検知システム。
3. 前記監視装置は、
   前記運転条件パラメータの所定範囲毎に、前記アンサンブル平均値よりも大きい第１閾値を設け、前記振動特徴量が前記第１閾値以上となった風力発電機を異常判定する
   請求項１又は請求項２に記載の風力発電機の異常検知システム。
4. 前記監視装置は、
   前記各風力発電機毎の所定時間内における前記振動特徴量の標準偏差に所定係数を乗じて前記アンサンブル平均値に加算し、前記第１閾値を算出する
   請求項３に記載の風力発電機の異常検知システム。
5. 前記監視装置は、
   前記運転条件パラメータの所定範囲毎に、前記アンサンブル平均値よりも小さい第２閾値を設け、前記振動特徴量が前記第２閾値以下となった風力発電機を異常判定する
   請求項１又は請求項２に記載の風力発電機の異常検知システム。
6. 前記運転条件パラメータは、前記各風力発電機の発電量である
   請求項１から請求項５の何れか一項に記載の風力発電機の異常検知システム。
7. 前記運転条件パラメータを複数有し、少なくとも前記各風力発電機の発電量を含む
   請求項１から請求項５の何れか一項に記載の風力発電機の異常検知システム。
8. 複数の同一機種の風力発電機を異常検知対象とする前記風力発電機の異常検知方法であって、
   前記風力発電機の振動状態を示す振動データ、及び、前記風力発電機の運転状態を示す運転条件データを取得する第１ステップと、
   前記振動データに基づき、前記風力発電機の前記振動状態を特徴づける振動特徴量を算出すると共に、前記運転条件データに基づき、前記風力発電機の前記運転状態を特徴づける物理量を示す運転条件パラメータを算出する第２ステップと、
   前記運転条件パラメータの所定範囲内にある、前記各風力発電機の前記振動特徴量のアンサンブル平均値を用いて、前記風力発電機の異常判定を行う第３ステップと、
   を有する
   風力発電機の異常検知方法。
9. 前記第３ステップにおいて異常判定された風力発電機を前記異常検知対象から除外する
   請求項８に記載の風力発電機の異常検知方法。
10. 判定結果を視覚化して表示する第４ステップをさらに有する
    請求項８又は請求項９に記載の風力発電機の異常検知方法。

Images