JP2023500415A - 風に対するヨーの異常を検出するための方法および装置、並びにそれらのデバイスおよび記憶媒体 - Google Patents

Abstract

風に対するヨーの異常を検出するための方法および装置が開示される。この方法には：指定された期間内の風向偏角を取得すること；電力性能指数を計算すること、ここで、電力性能指数は、風力タービンの発電性能を特徴付けるために使用される無次元数であり；電力性能指数に基づいて、最適な風向偏角を決定すること；風向偏角の確率分布に従って、現在の風向偏角を決定すること；最適な風向偏角と現在の風向偏角との差がプリセットの閾値よりも大きい場合に、風に対するヨーの異常が検出されたと判断すること、が含まれる。風に対するヨーの検出が電力フィッティング曲線を介して実行される関連技術と比較して、本開示の実施形態による技術的解決策では、電力指数が直接使用されるので、電力曲線フィッティング効果が低いという問題が回避され、風に対するヨーの検出の精度が向上する。【選択図】なし

Description

本開示の実施形態は、風力発電の技術分野に関し、特に、風に対するヨー（Ｙａｗ－ｔｏ－ｗｉｎｄ）の異常を検出するための方法および装置、並びにそれらのデバイスおよび記憶媒体に関する。

風に対するヨーの不整合は、風力タービンにおいて一般的な現象である。風に対するヨーの不整合や大きなヨー誤差などの問題は、ユニットの発電能力の低下につながるだけでなく、タービンのユニットの安定性および安全性にも影響を与える可能性がある。

関連技術では、ヨー偏差は除算法によって分析される。つまり、様々な風の角度が特定の間隔で分割される。次に、電力曲線フィッティングが様々な角度区間で実行される。電力曲線のパフォーマンスに関して、様々な角度区間が比較される。電力曲線が最適な区間が、ヨー偏差として使用される。

上記の関連技術では、データ量の制限により、各区間で電力曲線をフィッティングすると、一部の風速区間で電力出力が得られない場合があり、これにより最終的な電力曲線のフィッティング効果が低下し、最終的なヨー検出が不正確になる可能性がある。

本開示の実施形態は、風に対するヨーの異常を検出するための方法および装置、並びにそれらの装置および記憶媒体を提供する。

本開示の実施形態の第１の態様によれば、風に対するヨーの異常を検出するための方法が提供される。この方法には、以下が含まれる：

指定された期間内の風向偏角を取得すること、ここで、風向偏角は、風向と風力タービンのナセルの中心軸との間に定められる角度であり；

電力性能指数を計算すること、ここで、電力性能指数は、風力タービンの発電性能を特徴付ける無次元数であり；

電力性能指数に基づいて、最適な風向偏角を決定すること、ここで、最適な風向偏角は、指定された期間内の風力タービンの最適な発電性能に対応する風向偏角であり；

風向偏角の確率分布に従って、現在の風向偏角を決定すること、ここで、現在の風向偏角は、指定された期間内に発生する可能性が最も高い風向偏角であり；

最適な風向偏角と現在の風向偏角との差がプリセットの閾値よりも大きい場合に、風に対するヨーの異常が検出されたと判定すること。

本開示の実施形態の第２の態様によれば、風に対するヨーの異常を検出するための装置が提供される。この装置には、以下が含まれる：

指定された期間内の風向偏角を取得するように構成された、偏角取得モジュール、ここで、風向偏角は、風向と風力タービンのナセルの中心軸との間に定められる角度であり；

電力性能指数を計算するように構成された、指数計算モジュール、ここで、電力性能指数は、風力タービンの発電性能を特徴付ける無次元数であり；

電力性能指数に基づいて、最適な風向偏角を決定するように構成された、第１の決定モジュール、ここで、最適な風向偏角は、指定された期間内の風力タービンの最適な発電性能に対応する風向偏角であり；

風向偏角の確率分布に従って、現在の風向偏角を決定するように構成された、第２の決定モジュール、ここで、現在の風向偏角は、指定された期間内に発生する可能性が最も高い風向偏角であり；

最適な風向偏角と現在の風向偏角との差がプリセットの閾値よりも大きい場合に、風に対するヨーの異常が検出されたと判定するように構成された、結果判定モジュール。

本開示の実施形態の第３の態様によれば、コンピュータデバイスが提供される。コンピュータデバイスは、プロセッサと、少なくとも１つの命令、少なくとも１つのプログラム、コードセット、または命令セットを記憶したメモリとを含む。少なくとも１つの命令、少なくとも１つのプログラム、コードセット、または命令セットは、プロセッサによってロードおよび実行されると、第１の態様で説明した方法の各ステップをプロセッサに実行させる。

本開示の実施形態の第４の態様によれば、少なくとも１つのコンピュータプログラムを記憶した非一時的なコンピュータ可読記憶媒体が提供される。コンピュータプログラムは、プロセッサによってロードおよび実行されると、第１の態様で説明した方法の各ステップをプロセッサに実行させる。

本開示の実施形態による技術的解決策は、以下の有益な効果を達成することができる。

電力性能指数が計算され、電力性能指数に基づいて最適な風向偏角が決定され、風向偏角の確率分布に従って現在の風向偏角が決定され、その後、風に対するヨーの異常が検出されたかどうかが判定される。風に対するヨーの検出が電力フィッティング曲線を通じて実行される関連技術と比較して、本開示の実施形態による技術的解決策では、電力指数が直接使用されるので、電力曲線フィッティングが低いという問題が回避され、風に対するヨーの検出の精度が向上する。

上記の一般的な説明および以下の詳細な説明は、例示的かつ説明的なものに過ぎず、本開示を限定することはできないことを理解されたい。

本明細書に組み込まれ、その一部を構成する添付の図面は、本開示の実施形態を示し、それらの記載とともに、本発明の原理を説明するのに役立つ。

例示的な実施形態に関する実装環境の概略図である。

例示的な実施形態に関する風に対するヨーの異常を検出するための方法のフローチャートである。

風向偏角の概略図を例示的に示す。

例示的な実施形態に関する風に対するヨーの異常を検出するための別の方法のフローチャートである。

生データの処理プロセスの概略図を例示的に示す。

電力回帰モデルのトレーニングプロセスの概略図を例示的に示す。

複数区間に分割された風向偏角の概略図を例示的に示す。

例示的な実施形態に関する風に対するヨーの異常を検出するための装置のブロック図である。

別の例示的な実施形態に関する風に対するヨーの異常を検出するための装置のブロック図である。

本開示の一実施形態に関する端末の構造ブロック図である。

本開示の一実施形態に関するサーバーの概略構造図である。

例示的な実施形態が以下で詳細に説明され、その例が添付の図面に示されている。以下の説明が図面を参照する場合、特に明記しない限り、異なる図面における同じ番号は、同じまたは類似の要素を示す。以下の例示的な実施形態で説明される実装は、本開示と一致する全ての実装を表すものではない。むしろ、それらは、添付の特許請求の範囲に詳述されるように、本開示のいくつかの態様と一致する装置および方法の単なる例である。

図１は、例示的な実施形態に関する実装環境の概略図である。実装環境は、風力タービン１０およびコンピュータデバイス２０を含み得る。

風力タービン１０は、ベース、タワー、ナセル、ハブ、およびブレード（風車）を含み得る。ベースは、風力タービンの基盤を提供して風力タービンの安定性を維持するものである。風力タービンの風力中心は一定の高さに設置する必要があり、タワーはこの高さを提供する構造である。ナセルは、主に、ガラス繊維強化プラスチック製のナセルカバー、メインフレーム、ヨーシステム、発電機セット、ギアボックス、ブレーキ、周波数変換器、ウェザーステーション、その他の付属品で構成される。ハブは、主に、可変ピッチモーター、減速機、可変ピッチ制御キャビネット、スリップリング、避雷針、その他の部品で構成される。ブレードは、主に、ブレード縦ビーム、適切な材料で作られたブレードシェル、ブレードルート、埋め込みボルトフランジ、ブレード雷保護、フラッシュオーバーで構成される。

風力タービン１０の動作パラメータは、監視制御およびデータ取得（ＳＣＡＤＡ）システムを介して取得することができる。取得した運転パラメータには、風速、ローター速度、ブレードピッチ角、ヨー角、有効電力、風力タービン動作状態などが含まれ得る。取得方法は、風力タービンの対応する位置にセンサーを配置することであり得る。

風力タービン１０の動作パラメータが取得された後、風に対するヨーの異常検出のために、動作パラメータがコンピュータデバイス２０に送信され得る。コンピュータデバイス２０は、データ計算、処理、および記憶機能を備えた電子デバイスを指す。コンピュータデバイスは、例えば、パーソナルコンピュータ（ＰＣ）またはサーバーであり得る。１つまたは複数のコンピュータデバイス２０が存在し得る。例えば、２つのコンピュータデバイス（例えば、第１のコンピュータデバイスおよび第２のコンピュータデバイス）が存在する場合、第１のコンピュータデバイスは、ＳＣＡＤＡシステムでデータを直接送信するプライベートネットワークサーバーであってもよく、第２のコンピュータデバイスは、パブリックネットワークサーバーであってもよい。第１のコンピュータデバイスは更に、第２のコンピュータデバイスにデータを送信し得る。

オプションとして、コンピュータデバイス２０が風に対するヨーの異常検出を実行した後、風に対するヨーの異常を検出した場合、風に対するヨーの異常を示すために使用される警告情報を生成し、保守要員が時間内に異常を見つけて補正できるように警告情報を警告デバイスに送信する。

関連技術において、電力曲線フィッティングによって検出される風に対するヨーの異常は、以下の問題を有する：データ量の制限のために、いくつかの風速区間では電力出力がなくなり、電力曲線フィッティングが不連続になり、完全な電力曲線を取得できない；風力タービンの働きの特殊性のために、電力出力はノイズが多く、データは乱れ、完全なデータクリーニングを実行して良好な電力出力ポイントを取得することが困難であり、電力曲線フィッティングの効果が低くなる。上記の問題を考慮すると、最終的なヨー検出は正確ではない。

図２は、例示的な実施形態に関する風に対するヨーの異常を検出するための方法のフローチャートである。この実施形態において、この方法は、主に、図１の実施形態に示されるコンピュータデバイスに適用される。この方法には、以下のステップ（２０１～２０５）が含まれ得る。

ステップ２０１において、指定された期間内の風向偏角が取得される。

風向偏角は、風向と風力タービンの中心軸との間に定められる角度である。

指定された期間は、任意の期間であってもよく、実際の条件に従って選択されてもよく、本開示の実施形態に限定されない。

オプションの実施形態において、指定された期間内のすべての風向偏角を取得し得る。

風力タービンのエネルギー源は、風力タービンの風車によって捕捉された風力エネルギーである。正確なヨーイングの場合、風力タービンの中心軸は風向に平行であり、それらの間の角度は０°であり、捕捉される風力エネルギーは最大であり、風力タービンは最高の発電性能を有する。しかしながら、風向計の製造、設置、およびデバッグプロセスにおける不可避のエラーのために、風力タービンは正確にヨーイングすることができず、その結果、風力タービンの発電性能が低下する。したがって、風力タービンの発電性能が向上するように、風力タービンを風向偏角に基づいてヨーイングする必要がある。

図３は、風向偏角の概略図を例示的に示している。この図において、直線ＡＯＢは、風力タービンナセルの中心軸を表している。直線ＣＯＤは、風車面を表している。直線ＥＯは、風向を表している。風向偏角は、中心軸ＡＯＢと風向ＥＯの間に定められた角度である。

オプションの実施形態において、風向偏角は、直接測定されてもよく、または、風向、ナセルの中心軸値、および風向とナセル軸の間に定められた偏角の間の幾何学的定量的関係を通じて計算されてもよい。風向偏角は、ナセルの位置値と風向との差に等しい。

ステップ２０２において、電力性能指数が計算される。電力性能指数は、風力タービンの発電性能を特徴付ける無次元数である。

風速、発電機速度、電力などの、風力タービンの動作パラメータに基づいて、電力性能指数が計算され得る。

電力性能指数は、風力タービンの発電性能を特徴付ける無次元数である。無次元量は、２次元量の積または比率として記述されることがよくあるが、最終的な次元量が互いに排除されて無次元量が得られる。分析に無次元数を使用すると、分析プロセスを効果的に簡素化し、複雑さを軽減できる。

ステップ２０３において、電力性能指数に基づいて、最適な風向偏角が決定される。

電力性能指数が取得された後、電力性能指数に基づいて、最適な風向偏角が決定され得る。最適な風向偏角は、指定された期間内の風力タービンの最適な発電性能に対応する風向偏角である。

ステップ２０４において、風向偏角の確率分布に従って、現在の風向偏角が決定される。

風向偏角を統計的に収集することができ、風向偏角の確率分布に従って、現在の風向偏角が決定され得る。現在の風向偏角は、指定された時間内に発生する可能性が最も高い風向偏角である。

ステップ２０５において、最適な風向偏角と現在の風向偏角との差がプリセットの閾値よりも大きい場合に、風に対するヨーの異常が検出されたと判定される。

更に、最適な風向偏角と現在の風向偏角との差を取得することができる。その差がプリセットの閾値よりも大きい場合に、風に対するヨーの異常が検出されたと判定される。その後、保守要員がヨー補正を実施することができる。

また、最適な風向偏角と現在の風向偏角との差がプリセットの閾値よりも小さい場合は、ヨー偏差に大きな影響がなく、補正が不要であることを意味する。

プリセットの閾値は、本開示の実施形態に限定されない実際の状態に従って、保守要員によって設定され得る。

要約すると、本開示の実施形態による技術的解決策では、電力性能指数が計算され、電力性能指数に基づいて最適な風向偏角が決定され、風向偏角の確率分布に従って現在の風向偏角が決定され、その後、風に対するヨーの異常が検出されたかどうかが判定される。風に対するヨーの検出が電力フィッティング曲線を通じて実行される関連技術と比較して、本開示の実施形態による技術的解決策では、電力指数が直接使用されるので、電力曲線フィッティング効果が低いという問題が回避され、風に対するヨーの検出の精度が向上する。

図４は、例示的な実施形態に関する風に対するヨーの異常を検出するための別の方法のフローチャートである。この実施形態において、この方法は、主に、図１の実施形態に示されるコンピュータデバイスに適用される。この方法には、以下のステップ（４０１～４１７）が含まれ得る。

ステップ４０１において、指定された期間内の風力タービンの生データ（Ｒａｗ Ｄａｔａ）が取得される。

風力タービンの生データには、風力タービンの生の出力電力を含む、風力タービンの動作パラメータが含まれる。更に、風力タービンの生データには、風力タービンの環境データおよび隣接する風力タービンの動作データも含まれる。

風力タービンの動作データとは、風向計角度（すなわち、風向とナセルとの間に定められる偏角）、ナセル位置、発電機速度、ピッチ角、有効電力、ギアボックス油温、ユニット動作状態などの、風力タービンの動作中の関連データを指す。風力タービンの環境データとは、乱流強度、風向、周囲温度、風速などの、風力タービンが設置されている環境の特性データを指す。隣接する風力タービンの動作データとは、隣接する風力タービンの出力電力、ブレード角度、発電機速度、風車速度などの、風力タービンに隣接する他の風力タービンの動作データを指す。

ステップ４０２において、指定された期間内の風向偏角が取得される。

風力タービンの生データが取得された後、風力タービンの生データに基づいて、風向偏角を更に取得することができる。

このステップは、図２の実施形態におけるステップ２０１と同一または類似しており、本明細書では説明を繰り返さない。

オプションの実施形態において、風力タービンの生データを取得した後、ステップ４０３が実行され得る。

ステップ４０３において、風力タービンの生データをクリーニングすることにより、クリーニングされたデータが取得される。

クリーニングとは、風力タービンの生データ中の異常データを除去することである。異常データには：スタック（ｓｔｕｃｋ）データ、超過データ、および物理的原理に適合しないデータの少なくとも１つが含まれ得る。更に、異常データには、人為的に補間および変更されたデータも含まれ得る。

スタックデータとは、同じ値を有するか、ある期間内に小さな範囲内で変動するデータを指す。オーバーランデータとは、特定の風速条件下での風力タービン発電データの妥当な発電電力範囲を超えるデータを指す。物理的原理に適合しないデータには、着氷データが含まれ得る。着氷データとは、天候による風力タービンの着氷により、風力タービンの発電性能が低下するデータを指す。また、物理的原理に適合しないデータには、本開示の実施形態に限定されない他のデータも含まれ得る。

図５は、生データの処理プロセスの概略図を例示的に示している。データクリーニングは、ＩＥＣ規格を参照してもよい。公式化された有効なデータ基準は、以下のとおりである：（１）電力が０．１ＫＷより大きい；（２）ピッチ角が２０°より小さい；（３）発電機速度がカットイン速度よりも速い；（４）非風速が１０ｍ／ｓより小さくピッチ角が５°より大きい；（5）風向角が１５°より小さく－１５°より大きい；（６）非ダウンタイム；（７）非故障時間；（８）非風削減時間。

オプションの実施形態において、引き続き図５を参照し、風力タービンの生データをクリーニングすることにより、クリーニングされたデータを取得することには、以下の操作が含まれる。

（１）風力タービンの生データをシングルポイントクリーニングすることにより、クリーニングされたデータが取得される。

シングルポイントクリーニングでは、ターゲットデータが異常であるかどうかを検出する際に、ターゲットデータのみが考慮される。例えば、電力データが異常であるかどうかを検出する場合、他の関連パラメータは考慮されず、電力データが基準を満たしているかどうかのみが考慮される。

（２）風力タービンの生データをマルチポイントクリーニングすることにより、クリーニングされたデータが取得される。

マルチポイントクリーニングでは、ターゲットデータが異常であるかどうかを検出する際に、ターゲットデータと少なくとも１つの他のデータの両方が考慮される。例えば、電力データが異常かどうかを検出する場合、電力データが基準を満たしているかどうかだけでなく、風速が基準を満たしているかどうかも考慮される。電力データと風速を組み合わせて総合的に判断される。

風力タービンの生データのクリーニングは、本開示の実施形態に限定されず、マルチポイントクリーニングのみ、またはマルチポイントクリーニングのみ、あるいはシングルポイントクリーニングとマルチポイントクリーニングの両方であり得ることに留意されたい。

オプションの実施形態において、引き続き図５を参照し、風力タービンの生データをクリーニングすることにより、クリーニングされたデータを取得した後、この方法には、更に以下の操作が含まれる。

（１）クリーニングされたデータに対して補間が実行される。

データクリーニングの後、データの不完全性が不正確な分析につながる可能性があることを考慮して、データ補間を実行して、欠落データを埋めることができる。

（２）クリーニングされたデータが補正される。

データ補正において、風力タービンの環境データに基づいて、風力タービンの風速が補正される。環境要因の影響を考慮すると、大気圧、周囲温度、空気密度などは全て風速に影響を与える可能性があり、クリーニングされたデータに対してデータ補正を実行して、データへの環境要因の影響を減らすことができる。

オプションの実施形態において、風力タービンの生データをクリーニングすることによりクリーニングされたデータを取得した後、クリーニングされたデータのデータ量がプリセットのデータ量よりも大きいかどうかも判定され得る。クリーニングされたデータのデータ量がプリセットのデータ量よりも大きい場合、ステップ４０４が実行され得る。クリーニングされたデータのデータ量がプリセットのデータ量より少ない場合、データ量が少なすぎて正確な分析ができないことを考慮して、その後の分析は実行されない。

ステップ４０４において、クリーニングされたデータのデータ特性が抽出される。

風力タービンの生データがクリーニングされた後、クリーニングされたデータのデータ特性も抽出され得る。

ステップ４０５において、電力回帰モデルを呼び出すことにより、クリーニングされたデータのデータ特性に基づく風力タービンの予想出力電力が取得される。

クリーニングされたデータのデータ特性が取得された後、電力回帰モデルを呼び出して、風力タービンの予想出力電力が計算され得る。

オプションの実施形態において、図６に示されるように、電力回帰モデルが以下のステップによってトレーニングされる。

（１）風力タービンの生データを含む、少なくとも１つのトレーニングサンプルが取得される。

（２）トレーニングサンプルのデータ特性が抽出される。

（３）トレーニングサンプルのデータ特性を用いて電力回帰モデルをトレーニングし、電力回帰モデルのパラメータを調整することにより、トレーニングされた電力回帰モデルが取得される。

トレーニングサンプルが取得された後、風力タービンの動作データの特性、風力タービンの環境データの特性、隣接する風力タービンの動作データの特性などの、トレーニングサンプルのデータ特性が抽出され得る。その後、上記のデータ特性に基づいて、特性構築が実行される。電力回帰モデルは、構築された特性を使用してトレーニングされる。電力回帰モデルのパラメータが徐々に調整され、トレーニングされた電力回帰モデルが取得される。

オプションの実施形態において、電力回帰モデルがトレーニング停止条件を満たすとき、モデルのトレーニングが停止されて、トレーニングされた電力回帰モデルが取得される。電力回帰モデルのトレーニング停止条件は、プリセットの閾値に達する損失関数値、プリセットの回数に達するトレーニング回数、またはプリセットの期間に達するトレーニング期間のように、プリセットできるが、本開示の実施形態に限定されない。

オプションの実施形態において、トレーニングが完了した後、トレーニングされた電力回帰モデルが試験セットを用いて試験および検証され得る。検証に合格すると、他のデバイスが必要に応じて呼び出すことができるように、電力回帰モデルがオンラインにプッシュされる。

電力回帰モデルは、ランダムフォレスト回帰（ＲＦ）モデル、勾配ブースティング決定木（ＧＢＤＴ）モデル、またはエクストリーム勾配ブースティング（ＸＧＢｏｏｓｔ）モデルであり得ることに留意されたい。更に、他のモデルでもあってもよく、本開示の実施形態に限定されない。

ステップ４０６において、風力タービンの予想出力電力と風力タービンの生の出力電力に基づいて、電力性能指数が取得される。

生データには、風力タービンの生の出力電力が含まれる。風力タービンの予想出力電力が取得された後、風力タービンの生の出力電力と組み合わせて、電力性能指数が更に計算され得る。

電力性能指数は、風力タービンの発電性能を特徴付ける無次元数である。本開示の実施形態において、電力性能指数は、風力タービンの生の出力電力と風力タービンの予想出力電力との比であり得る。電力性能指数が１より大きい場合、風力タービンの発電性能は風力タービンの予想出力電力を超えている。電力性能指数が１より小さい場合、風力タービンの発電性能は風力タービンの予想出力電力に達しない。

いくつかの他の実施形態において、電力性能指数は、風力タービンの生の出力電力と風力タービンの予想出力電力との間の加算、減算、乗算、除算などの数学演算によって得られる電力性能を表すことができる他のパラメータであってもよい。計算方法は、物理的原理に適合する限り自由に構成することができ、本開示の実施形態に限定されない。

ステップ４０７において、風向偏角がｍ個の角度区間に分割され、ここで、ｍは、１より大きい正の整数である。

風向偏角が取得された後、角度が複数区間に分割され得る。すなわち、プリセットの区間に従って、風向偏角がｍ個の角度区間に分割され、ここで、ｍは、１より大きい正の整数である。各角度区間には、電力性能指数に１対１に対応する少なくとも１つの風向偏角が含まれる。

図７は、複数区間に分割された風向偏角の概略図を例示的に示している。風向偏角を［－１０°，１０°］、プリセットの区間を５°とすると、風向偏角は４つの角度区間に分割できる。

ステップ４０８において、ｍ個の角度区間のうちのｉ番目の角度区間の電力性能指数の平均値が計算される。

各角度区間におけるデータ値およびデータ量は同じではないので、各角度区間の複数の電力性能指数を取得した後、各角度区間の電力性能指数の平均値が、その後の分析のために計算され得る。

ステップ４０９において、前記平均値およびプリセットの信頼確率に基づいて、ｉ番目の角度区間に対応する信頼区間が決定される。

各角度区間の電力性能の平均値が取得された後、プリセットの信頼確率と組み合わせて、各角度区間に対応する信頼区間が決定され得る。

オプションの実施形態において、スチューデントのｔ分布を通じて信頼区間が決定される。プリセットの信頼確率は９５％であると想定されている。ｉ番目の角度区間の電力性能の平均値が得られるとき、ｉ番目の角度区間の電力性能の分散も得られ得る。平均値と分散を組み合わせて、ｔ分布の自由度テーブルを照会して、対応する自由度を決定する。信頼確率が９５％未満の信頼区間の上限値と下限値を更に計算して、ｉ番目の角度区間に対応する信頼区間を決定することができる。

ステップ４１０において、ｍ個の角度区間に対応する各信頼区間の下限値が比較される。

ステップ４０９により、ｍ個の角度区間の各々に対応する信頼区間を取得することができ、これに基づいて、各角度区間に対応する信頼区間の下限値を比較することができる。

ステップ４１１において、最大の下限値を有する信頼区間に対応する角度区間が、最適な角度区間として決定される。

データの安定性および信頼性を考慮して、ｍ個の角度区間に対応する各信頼区間の下限値を比較することにより、最大の下限値を有する信頼区間に対応する角度区間を最適な角度区間として決定することができる。最適な角度区間は、最適な偏角が含まれる角度区間である。

ステップ４１２において、最適な角度区間の下限値が最適な偏角として決定される。

最適な角度区間は、上限値および下限値を含む。最適な角度区間が決定された後、最適な角度区間の下限値が最適な偏角として決定され得る。

オプションの実施形態において、最適な角度区間が［０．５°，１°）であると仮定して、０．５°を最適な偏角として使用することができる。

ステップ４１３において、風向偏角の確率分布に従って、現在の風向偏角が決定される。

オプションの実施形態において、ｍ個の角度区間のうちの最大の確率値を有する角度区間を、現在の偏角として決定することができ；または、ｍ個の角度区間の風向偏角の中央値に対応する角度区間を、現在の偏角として決定することができる。

任意の実施形態において、確率分布に従って現在の風向偏角を決定した後、ステップ４１４も実行され得る。

ステップ４１４において、最適な角度区間のデータ量のパーセンテージが計算される。

最適な角度区間が決定された後、最適な角度区間のデータ量のパーセンテージが計算され得る。 パーセンテージは、最適な角度区間の生データのデータ量に対する最適な角度区間のデータ量の比率である。

前記パーセンテージがプリセットのパーセンテージよりも小さい場合、分析は終了する。

前記パーセンテージがプリセットのパーセンテージよりも大きい場合、ステップ４１５が実行され得る。

ステップ４１５において、最適な偏角と現在の偏角との差がプリセットの閾値を満たすかどうかが判定される。

最適な風向偏角と現在の風向偏角との差が取得される。差がプリセットの閾値よりも大きい場合、風に対するヨーの異常が検出されたと判定される。その後、保守要員がヨー補正を実施することができる。

ステップ４１６において、警告情報が生成される。

風に対するヨーの異常が検出されたと判定された後、風に対するヨーの異常を示す警告情報が生成され得る。

ステップ４１７において、警告情報がターゲットデバイスに送信される。

ターゲットデバイスは、図１に示すような実装環境における警告デバイスであり得る。警告デバイスは、コンピュータデバイスから送信された警告情報を受信すると警告を発して、保守要員がヨーを補正できるようにしてもよい。

要約すると、本開示の実施形態による技術的解決策では、電力性能指数が計算され、電力性能指数に基づいて最適な風向偏角が決定され、風向偏角の確率分布に従って現在の風向偏角が決定され、その後、風に対するヨーの異常が検出されたかどうかが判定される。風に対するヨーの検出が電力フィッティング曲線を通じて実行される関連技術と比較して、本開示の実施形態による技術的解決策では、電力指数が直接使用されるので、タイムリーなデバイスメンテナンスのための風に対するヨーの検出精度が効果的に改善し、発電性能の継続的な低下が回避され、発電の損失が減少する。更に、計算は高速であり、電力曲線にフィッティングさせる多くのデータが不要であり、分析効率が高くなる。

更に、より詳細なデータクリーニングによって、データクリーニング効果が改善され、データクリーニング効果が不十分なことで発生するエラーが大幅に減少する可能性がある。

以下は、本開示の方法の実施形態を実施するための本開示の装置の実施形態である。本開示の装置の実施形態に開示されていない詳細については、本開示の方法の実施形態を参照することができる。

図８は、例示的な実施形態に関する風に対するヨーの異常を検出するための装置のブロック図である。この装置は、方法の実施形態を実施する機能を有する。この機能は、ハードウェアによって、または対応するソフトウェアを実行するハードウェアによって実現され得る。この装置は、コンピュータデバイスであってもよく、またはコンピュータデバイス上に配置されてもよい。装置８００は、偏角取得モジュール８１０と、指数計算モジュール８２０と、第１の決定モジュール８３０と、第２の決定モジュール８４０と、結果判定モジュール８５０とを含み得る。

偏角取得モジュール８１０は、指定された時間内の風向偏角を取得するように構成される。風向偏角は、風向と風力タービンの中心軸との間に定められる角度である。

指数計算モジュール８２０は、電力性能指数を計算するために使用される。電力性能指数は、風力タービンの発電性能を特徴付ける無次元数である。

第１の決定モジュール８３０は、電力性能指数に基づいて、最適な風向偏角を決定するように構成される。最適な風向偏角は、指定された期間内の風力タービンの最適な発電性能に対応する風向偏角である。

第２の決定モジュール８４０は、風向偏角の確率分布に従って、現在の風向偏角を決定するように構成される。現在の風向偏角は、指定された時間内に発生する可能性が最も高い風向偏角である。

結果決定モジュール８５０は、最適な風向偏角と現在の風向偏角との差がプリセットの閾値よりも大きい場合に、風に対するヨーの異常が検出されたと判定するように構成される。

要約すると、本開示の実施形態による技術的解決策では、電力性能指数が計算され、電力性能指数に基づいて最適な風向偏角が決定され、風向偏角の確率分布に従って現在の風向偏角が決定され、その後、風に対するヨーの異常が検出されたかどうかが判定される。風に対するヨーの検出が電力フィッティング曲線を通じて実行される関連技術と比較して、本開示の実施形態による技術的解決策では、電力指数が直接使用されるので、電力曲線フィッティング効果が低いという問題が回避され、風に対するヨーの検出の精度が向上する。

いくつかの実施形態において、図９に示されるように、装置８００は、データ取得モジュール８６０を更に含み得る。

データ取得モジュール８６０は、風力タービンの生データを取得するように構成される。風力タービンの生データには、風力タービンの動作データ、風力タービンの環境データ、および隣接する風力タービンの動作データが含まれる。風力タービンの動作データには、風力タービンの生の出力電力が含まれる。

指数計算モジュール８２０は、生データのデータ特性を抽出し；電力回帰モデルを呼び出して、風力タービンの生データのデータ特性に基づいて、風力タービンの予想出力電力を取得し；風力タービンの予想出力電力と風力タービンの生の出力電力に基づいて、出力性能指数を取得するように構成される。

いくつかの実施形態において、図９に示されるように、装置８００は、データクリーニングモジュール８７０を更に含み得る。

データクリーニングモジュール８７０は、風力タービンの生データをクリーニングすることにより、クリーニングされたデータを取得するように構成される。クリーニングとは、風力タービンの生データ中の異常データを削除することである。異常データには：スタックデータ、超過データ、および物理的原理に適合しないデータの少なくとも１つが含まれる。

指数計算モジュール８２０は、クリーニングされたデータのデータ量がプリセットのデータ量より大きい場合に、電力回帰モデルを呼び出すことにより、風力タービンの生データのデータ特性に基づく風力タービンの予想出力電力を取得するように構成される。

いくつかの実施形態において、データクリーニングモジュール８７０を使用して、風力タービンの生データをシングルポイントクリーニングすることにより、クリーニングされたデータが取得され、ここで、シングルポイントクリーニングでは、ターゲットデータが異常であるかどうかを検出する際に、ターゲットデータのみが考慮され；および／または、風力タービンの生データをマルチポイントクリーニングすることにより、クリーニングされたデータが取得され、ここで、マルチポイントクリーニングでは、ターゲットデータが異常であるかどうかを検出する際に、ターゲットデータと少なくとも１つの他のデータの両方が考慮される。

いくつかの実施形態において、図９に示されるように、装置８００は、データ補間モジュール８８０およびデータ補正モジュール８９０を更に含む。

データ補間モジュール８８０は、クリーニングされたデータを補間することにより、欠落データを埋めるように構成され；および/または、

データ補正モジュール８９０は、クリーニングされたデータを補正することにより、風力タービンの環境パラメータに基づく風力タービンの風速を補正するように構成される。

いくつかの実施形態において、第１の決定モジュール８３０は、風向偏角をｍ個の角度区間に分割し、ここで、ｍは、１より大きい正の整数であり、各角度区間には、電力性能指数に１対１に対応する少なくとも１つの風向偏角が含まれ；ｍ個の角度区間のうちのｉ番目の角度区間の電力性能指数の平均値を計算し；前記平均値およびプリセットの信頼確率に基づいて、ｉ番目の角度区間に対応する信頼区間を決定し；ｍ個の角度区間に対応する各信頼区間の電力境界値を比較し；最大の下限値を有する信頼区間に対応する角度区間を最適な角度区間として決定し、ここで、最適な角度区間は、最適な偏角が含まれる角度区間であり；最適な角度区間の下限値を最適な偏角として決定するように構成される。

いくつかの実施形態において、第２の決定モジュール８４０は、ｍ個の角度区間のうちの最大の確率値を有する角度区間を、現在の偏角として決定し；または、ｍ個の角度間隔の風向偏角の中央値に対応する角度区間を、現在の偏角として決定するように構成される。

いくつかの実施形態において、図９に示されるように、装置８００は、データ量計算モジュール９００を更に含む。

データ量計算モジュール９００は、最適な角度区間のデータ量のパーセンテージを計算するように構成される。

結果判定モジュール８５０は、前記パーセンテージがプリセットのパーセンテージよりも大きい場合に、最適な偏角と現在の偏角との差がプリセットの閾値を満たすかどうかを判定するように構成される。

上記の実施形態による装置がその機能を実施する場合、上記の機能モジュールの分割は例示のためであることに留意されたい。実際には、上記の機能は、必要に応じて様々な機能モジュールに割り当てることができる。つまり、デバイスの内部構造は、上記の機能の全てまたは一部を完了するために、様々な機能モジュールに分割される。更に、上記の実施形態で提供される装置は、方法の実施形態と同じ概念に属し、その特定の実施プロセスについては、本明細書では繰り返さない方法の実施形態を参照することができる。

図１０は、本開示の一実施形態に関する端末の構造ブロック図を示している。一般に、端末１０００は、プロセッサ１００１およびメモリ１００２を含む。

プロセッサ１００１は、４コアプロセッサ、８コアプロセッサなどの、１つまたは複数の処理コアを含み得る。プロセッサ１００１は、ＤＳＰ（Ｄｉｇｉｔａｌ Ｓｉｇｎａｌ Ｐｒｏｃｅｓｓｏｒ）、ＦＰＧＡ（Ｆｉｅｌｄ－Ｐｒｏｇｒａｍｍａｂｌｅ Ｇａｔｅ Ａｒｒａｙ）、またはＰＬＡ（Ｐｒｏｇｒａｍｍａｂｌｅ Ｌｏｇｉｃ Ａｒｒａｙ）の少なくとも１つのハードウェア形式で実装され得る。プロセッサ１００１はまた、メインプロセッサおよびコプロセッサを含み得る。メインプロセッサは、起動状態でデータを処理するために使用されるプロセッサであり、中央処理装置（ＣＰＵ）とも呼ばれる。コプロセッサは、待機状態でデータを処理するために使用される低電力プロセッサである。いくつかの実施形態において、プロセッサ１００１は、グラフィックス処理ユニット（ＧＰＵ）と統合され得る。ＧＰＵは、表示画面に表示する必要のあるコンテンツをレンダリングおよび描画するために使用される。いくつかの実施形態において、プロセッサ１００１は、人工知能（ＡＩ）プロセッサを更に含み得る。ＡＩプロセッサは、機械学習に関連する計算操作を処理するために使用される。

メモリ１００２は、１つまたは複数のコンピュータ可読記憶媒体を含むことができ、これは、非一時的であり得る。メモリ１００２はまた、高速ランダムアクセスメモリおよび不揮発性メモリ、例えば、１つまたは複数の磁気ディスク記憶装置およびフラッシュメモリ記憶装置を含み得る。いくつかの実施形態において、メモリ１００２内の非一時的なコンピュータ可読記憶媒体は、少なくとも１つの命令を記憶するために使用される。少なくとも１つの命令は、本開示の方法の実施形態に関する風に対するヨーの異常を検出するための方法を実装するように、プロセッサ１００１によって実行されるために使用される。

いくつかの実施形態において、端末１０００は、オプションで、周辺機器インターフェース１００３および少なくとも１つの周辺機器を更に含み得る。プロセッサ１００１、メモリ１００２、および周辺機器インターフェース１００３は、バスまたは信号線によって接続され得る。各周辺機器は、バス、信号線、または回路基板を介して周辺機器インターフェース１００３に接続され得る。具体的には、周辺機器は、通信インターフェース１００４、表示画面１００５、オーディオ回路１００６、カメラコンポーネント１００７、測位コンポーネント１００８、電源１００９のうちの少なくとも１つを含み得る。

当業者は、図１０に示される構造が、端末１０００を制限するものではなく、図示よりも多いまたは少ないコンポーネントを含んでもよく、または特定のコンポーネントを組み合わせてもよく、または異なるコンポーネントの配置を採用してもよいことを理解できる。

図１１は、本開示の一実施形態に関するサーバーの概略構造図を示している。サーバーは、上記の実施形態で提供される風に対するヨーの異常を検出するための方法を実行するように構成される。

具体的には、サーバー１１００は、ＣＰＵ１１０１と、ランダムアクセスメモリ（ＲＡＭ）１１０２および読み取り専用メモリ（ＲＯＭ）１１０２を含むシステムメモリ１１０４と、システムメモリ１１０４と中央処理装置１１０１とを接続するシステムバス１１０５とを含む。サーバー１１００はまた、コンピュータ内の様々なデバイス間での情報の伝送を助ける基本入出力（Ｉ／Ｏ）システム１１０６と、オペレーティングシステム１１１３、アプリケーションプログラム１１１４、および他のプログラムモジュール１１１２を記憶する大容量記憶装置１１０７とを含む。

基本入出力システム１１０６は、情報を表示するためのディスプレイ１１０８と、ユーザが情報を入力するためのマウスおよびキーボードなどの入力デバイス１１０９とを含む。ディスプレイ１１０８および入力デバイス１１０９は両方とも、システムバス１１０５に接続された入出力コントローラ１１１０を介して中央処理装置１１０１に接続される。基本入出力システム１１０６は、キーボード、マウス、または電子スタイラスなどの他の複数のデバイスからの入力を受信および処理するための入出力コントローラ１１１０を更に含み得る。同様に、入出力コントローラ１１１０はまた、ディスプレイ画面、プリンタ、または他のタイプの出力デバイスへの出力を提供する。

大容量記憶装置１１０７は、システムバス１１０５に接続された大容量記憶装置コントローラ（図示せず）を介して中央処理装置１１０１に接続される。大容量記憶装置１１０７およびその関連するコンピュータ可読媒体は、サーバー１１００のために不揮発性記憶装置を提供する。すなわち、大容量記憶装置１１０７は、ハードディスクまたはＣＤ－ＲＯＭドライブなどのコンピュータ可読媒体（図示せず）を含み得る。

一般性を失うことなく、コンピュータ可読媒体は、コンピュータ記憶媒体および通信媒体を含み得る。コンピュータ記憶媒体は、コンピュータ可読命令、データ構造、プログラムモジュールまたは他のデータなどの情報を保存するための任意の方法または技術で実装された、揮発性および不揮発性、並びに取り外し可能および取り外し不可能な媒体を含む。コンピュータ記憶媒体には、ＲＡＭ、ＲＯＭ、ＥＰＲＯＭ（Ｅｒａｓａｂｌｅ Ｐｒｏｇｒａｍｍａｂｌｅ Ｒｅａｄ－Ｏｎｌｙ Ｍｅｍｏｒｙ）、ＥＥＰＲＯＭ（Ｅｌｅｃｔｒｉｃａｌｌｙ Ｅｒａｓａｂｌｅ Ｐｒｏｇｒａｍｍａｂｌｅ Ｒｅａｄ－Ｏｎｌｙ Ｍｅｍｏｒｙ）、フラッシュメモリ、またはその他のソリッドステートストレージ技術、ＣＤ－ＲＯＭ、ＤＶＤ、またはその他の光ストレージ、テープカセット、磁気テープ、ディスクストレージ、またはその他の磁気ストレージデバイスが含まれる。当業者は、コンピュータ記憶媒体が上記に限定されないことを知っているであろう。システムメモリ１１０４および大容量記憶装置１１０７は、まとめてメモリと呼ばれることがある。

本開示の様々な実施形態によれば、サーバー１１００はまた、インターネットなどのネットワーク上で実行するためにリモートコンピュータに接続され得る。すなわち、サーバー１１００は、システムバス１１０５に接続されたネットワークインターフェースユニット１１１１によってネットワーク１１１２に接続され得る。言い換えれば、ネットワークインターフェースユニット１１１は、他のタイプのネットワークまたはリモートコンピュータシステム（図示せず）に接続するためにも使用され得る。

メモリはまた、少なくとも１つの命令、少なくとも１つのプログラム、コードセット、または命令セットを含む。少なくとも１つの命令、少なくとも１つのプログラム、コードセット、または命令セットは、メモリに格納され、風に対するヨーの異常を検出するための方法を実装するために、１つまたは複数のプロセッサによって使用されるように構成される。

例示的な実施形態において、コンピュータデバイスも提供される。コンピュータデバイスは、端末またはサーバーであり得る。コンピュータデバイスには、プロセッサおよびメモリが含まれる。メモリには、少なくとも１つの命令、少なくとも１つのプログラム、コードセット、または命令セットが格納される。少なくとも１つの命令、少なくとも１つのプログラム、コードセット、または命令セットは、プロセッサによってロードおよび実行されると、風に対するヨーの異常を検出するための方法をプロセッサに実行させる。

例示的な実施形態において、コンピュータ可読記憶媒体も提供される。コンピュータ可読記憶媒体には、少なくとも１つの命令、少なくとも１つのプログラム、コードセット、または命令セットを含む、少なくとも１つのコンピュータプログラムが格納される。少なくとも１つの命令、少なくとも１つのプログラム、コードセット、または命令セットは、プロセッサによってロードおよび実行されると、風に対するヨーからの異常を検出するための方法をプロセッサに実行させる。

本明細書で言及する「複数」という用語は２つ以上を指し、「および／または」という用語は、関連するオブジェクトの関連関係を説明し、３つのタイプの関係が存在する可能性があることを示すことを理解されたい。例えば、Ａおよび／またはＢは、Ａが単独で存在、ＡとＢが同時に存在、Ｂが単独で存在の３つの状況を示す可能性がある。文字「／」は通常、関連するオブジェクトが「ｏｒ（または）」の関係にあることを示す。

上記は、本発明の単なる例示的な実施形態であり、本開示を限定するものではない。本開示の意図および原則の範囲内で行われた任意の変更、同等物の置換、および改善は全て、本開示の保護範囲に含まれるものとする。

Claims (10)

1. 風に対するヨーの異常を検出するための方法であって、
   指定された期間内の風向偏角を取得すること、ここで、前記風向偏角は、風向と風力タービンのナセルの中心軸との間に定められる角度であり、
   電力性能指数を計算すること、ここで、前記電力性能指数は、前記風力タービンの発電性能を特徴付ける無次元数であり、
   前記電力性能指数に基づいて、最適な風向偏角を決定すること、ここで、前記最適な風向偏角は、前記指定された期間内の前記風力タービンの最適な発電性能に対応する風向偏角であり、
   前記風向偏角の確率分布に従って、現在の風向偏角を決定すること、ここで、前記現在の風向偏角は、前記指定された期間内に発生する可能性が最も高い風向偏角であり、
   前記最適な風向偏角と前記現在の風向偏角との差がプリセットの閾値よりも大きい場合に、風に対するヨーの異常が検出されたと判定すること、
   を含むことを特徴とする方法。
2. 請求項１に記載の方法において、
   前記風向偏角を取得する前に、
   前記方法は更に、
   前記指定された期間内の前記風力タービンの生データを取得することを含み、ここで、前記風力タービンの生データには、前記風力タービンの動作データ、前記風力タービンの環境データ、および隣接する風力タービンの動作データが含まれ、前記風力タービンの動作データには、前記風力タービンの生の出力電力が含まれ、
   前記電力性能指数を計算することは、
   前記風力タービンの生データのデータ特性を抽出すること、
   電力回帰モデルを呼び出すことにより、前記風力タービンの生データのデータ特性に基づく前記風力タービンの予想出力電力を取得すること、
   前記風力タービンの予想出力電力と前記風力タービンの生の出力電力に基づいて、前記出力性能指数を取得すること、
   を含むことを特徴とする方法。
3. 請求項２に記載の方法において、
   前記風力タービンの生データを取得した後、
   前記方法は更に、
   前記風力タービンの生データをクリーニングすることにより、クリーニングされたデータを取得すること、ここで、前記クリーニングとは、前記風力タービンの生データ内の異常データを除去することであり、前記異常なデータには、スタックデータ、超過データ、および物理的原理に適合しないデータの少なくとも１つが含まれ、
   前記クリーニングされたデータのデータ量がプリセットのデータ量よりも大きい場合に、前記電力回帰モデルを呼び出すことにより、前記風力タービンの生データのデータ特性に基づく前記風力タービンの予想出力電力を取得すること、
   を含むことを特徴とする方法。
4. 請求項３に記載の方法において、
   前記風力タービンの生データをクリーニングすることにより、クリーニングされたデータを取得することは、
   前記風力タービンの生データをシングルポイントクリーニングすることにより、クリーニングされたデータを取得すること、ここで、前記シングルポイントクリーニングでは、ターゲットデータが異常であるかどうかを検出する際に、前記ターゲットデータのみが考慮され、
   および／または、
   前記風力タービンの生データをマルチポイントクリーニングすることにより、クリーニングされたデータを取得すること、ここで、前記マルチポイントクリーニングでは、ターゲットデータが異常であるかどうかを検出する際に、前記ターゲットデータと少なくとも１つの他のデータの両方が考慮される、
   を含むことを特徴とする方法。
5. 請求項１に記載の方法において、
   前記電力性能指数に基づいて、最適な風向偏角を決定することは、
   前記風向偏角をｍ個の角度区間に分割すること、ここで、ｍは、１より大きい正の整数であり、各角度区間には、少なくとも１つの風向偏角が含まれ、前記風向偏角は、前記電力性能指数に１対１に対応し、
   前記ｍ個の角度区間のうちのｉ番目の角度区間の電力性能指数の平均値を計算すること、
   前記平均値およびプリセットの信頼確率に基づいて、前記ｉ番目の角度区間に対応する信頼区間を決定すること、
   前記ｍ個の角度区間に対応する各信頼区間の電力境界値を比較すること、
   最大の下限値を有する信頼区間に対応する角度区間を最適な角度区間として決定すること、ここで、前記最適な角度区間は、前記最適な偏角が含まれる角度区間であり、
   前記最適な角度区間の下限値を前記最適な偏角として決定すること、
   を含むことを特徴とする方法。
6. 請求項１に記載の方法において、
   前記風向偏角の確率分布に従って、現在の風向偏角を決定することは、
   前記ｍ個の角度区間のうちの最大の確率値を有する角度区間を、前記現在の偏角として決定すること、
   または、
   前記ｍ個の角度区間の風向偏角の中央値に対応する角度区間を、現在の偏角として決定すること、
   を含むことを特徴とする方法。
7. 請求項１乃至請求項６のいずれかに記載の方法において、
   前記現在の偏角を決定した後に、
   前記方法は更に、
   前記最適な角度区間のデータ量のパーセンテージを計算すること、
   前記パーセンテージがプリセットのパーセンテージよりも大きい場合に、前記最適な偏角と前記現在の偏角との差が前記プリセットの閾値を満たすかどうかを判定すること、
   を含むことを特徴とする方法。
8. 風に対するヨーの異常を検出するための装置であって、
   指定された期間内の風向偏角を取得するように構成された、偏角取得モジュールと、ここで、前記風向偏角は、風向と風力タービンのナセルの中心軸との間に定められる角度であり、
   電力性能指数を計算するように構成された、指数計算モジュールと、ここで、前記電力性能指数は、前記風力タービンの発電性能を特徴付ける無次元数であり、
   前記電力性能指数に基づいて、最適な風向偏角を決定するように構成された、第１の決定モジュールと、ここで、前記最適な風向偏角は、前記指定された期間内の前記風力タービンの最適な発電性能に対応する風向偏角であり、
   前記風向偏角の確率分布に従って、現在の風向偏角を決定するように構成された、第２の決定モジュールと、ここで、前記現在の風向偏角は、前記指定された期間内に発生する可能性が最も高い風向偏角であり、
   前記最適な風向偏角と前記現在の風向偏角との差がプリセットの閾値よりも大きい場合に、風に対するヨーの異常が検出されたと判定するように構成された、結果判定モジュールと、
   を備えたことを特徴とする装置。
9. コンピュータデバイスであって、
   プロセッサと、少なくとも１つの命令、少なくともプログラム、コードセット、または命令を記憶したメモリとを備え、
   前記少なくとも１つの命令、前記少なくともプログラム、前記コードセット、または前記命令は、前記プロセッサによってロードおよび実行されると、請求項１乃至請求項７のいずれかに定義された方法の各ステップを前記プロセッサに実行させる、
   ことを特徴とするコンピュータデバイス。
10. 少なくとも１つのコンピュータプログラムを記憶した非一時的なコンピュータ可読記憶媒体であって、
    前記少なくとも１つのコンピュータプログラムは、プロセッサによってロードおよび実行されると、請求項１乃至請求項７のいずれかに定義された方法の各ステップを前記プロセッサに実行させる、
    ことを特徴とするコンピュータ可読記憶媒体。
    
    

Images