KR101468627B1 - 풍력발전기 데이터 분류 시스템 - Google Patents

풍력발전기 데이터 분류 시스템 Download PDF

Info

Publication number
KR101468627B1
KR101468627B1 KR1020130026157A KR20130026157A KR101468627B1 KR 101468627 B1 KR101468627 B1 KR 101468627B1 KR 1020130026157 A KR1020130026157 A KR 1020130026157A KR 20130026157 A KR20130026157 A KR 20130026157A KR 101468627 B1 KR101468627 B1 KR 101468627B1
Authority
KR
South Korea
Prior art keywords
data
class
range
wind turbine
zero
Prior art date
Application number
KR1020130026157A
Other languages
English (en)
Other versions
KR20140111802A (ko
Inventor
윤병동
전병철
하종문
최승혁
원박
Original Assignee
서울대학교산학협력단
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 서울대학교산학협력단 filed Critical 서울대학교산학협력단
Priority to KR1020130026157A priority Critical patent/KR101468627B1/ko
Publication of KR20140111802A publication Critical patent/KR20140111802A/ko
Application granted granted Critical
Publication of KR101468627B1 publication Critical patent/KR101468627B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/22—Indexing; Data structures therefor; Storage structures
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F03—MACHINES OR ENGINES FOR LIQUIDS; WIND, SPRING, OR WEIGHT MOTORS; PRODUCING MECHANICAL POWER OR A REACTIVE PROPULSIVE THRUST, NOT OTHERWISE PROVIDED FOR
    • F03D—WIND MOTORS
    • F03D7/00—Controlling wind motors 
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/07—Responding to the occurrence of a fault, e.g. fault tolerance
    • G06F11/0703—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation
    • G06F11/0706—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation the processing taking place on a specific hardware platform or in a specific software environment
    • G06F11/0736—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation the processing taking place on a specific hardware platform or in a specific software environment in functional embedded systems, i.e. in a data processing system designed as a combination of hardware and software dedicated to performing a certain function
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E10/00—Energy generation through renewable energy sources
    • Y02E10/70—Wind energy
    • Y02E10/72—Wind turbines with rotation axis in wind direction

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Health & Medical Sciences (AREA)
  • Strategic Management (AREA)
  • Combustion & Propulsion (AREA)
  • Health & Medical Sciences (AREA)
  • Economics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Mechanical Engineering (AREA)
  • Chemical & Material Sciences (AREA)
  • General Business, Economics & Management (AREA)
  • Sustainable Energy (AREA)
  • Sustainable Development (AREA)
  • Quality & Reliability (AREA)
  • Software Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Wind Motors (AREA)

Abstract

본 발명은 풍력발전기의 외부 환경을 나타내는 환경데이터, 풍력발전기의 운행 상태를 나타내는 운행데이터 및 풍력발전기 각 요소의 거동 응답을 나타내는 거동데이터를 수집하는 센서부(100); 상기 센서부(100)에서 수집된 데이터를 전달받아 저장하는 풍력발전기DB(200); 상기 풍력발전기DB(200)에 저장된 데이터를 호출하여 데이터의 유효성을 분석하여 유효 데이터만 필터링하는 유효성분석모듈(300); 및, 상기 유효성분석모듈(300)에서 필터링된 유효 데이터에 한하여 풍력발전기의 환경데이터 및 운행데이터를 기반으로 데이터를 클래스별로 분류하는 데이터분류모듈(400);을 포함하여 구성되는 것을 특징으로 하는 풍력발전기 데이터 분류 시스템에 관한 것이다.

Description

풍력발전기 데이터 분류 시스템{Wind Turbine Data Classification System}
본 발명은 풍력발전기의 센서에서 획득되는 환경 데이터와 운행 데이터를 이용하여 방대한 양의 데이터를 풍력발전기의 운전 상태에 따라 자동 분류하여 저장하고, 고장진단에 불필요한 데이터와 필요한 데이터를 분류하여 제공하는 시스템에 관한 것이다.
풍력발전기는 에너지 변환 효율을 고려하여 점점 대형화 되어가고 있는 추세이며, 또한 부지선정 등의 문제를 해결하기 위해 점차 해상으로 나가고 있는 상황이다. 이에 따라 접근성과 신뢰성이 낮은 대형 해상 풍력발전기의 유지보수 비용 감소를 위해 상태감시 시스템의 설치가 국제적으로 의무화되고 있다. 대형 풍력발전기의 온라인 고장 진단을 위해 설치되는 상태감시 시스템에서는 풍속, 풍향, 진동, 온도, 회전속도, 제어상태 등 다양한 신호를 측정 및 저장, 처리하게 된다. 수십 채널에 이르는 센서로부터 1Hz의 샘플링레이트(Sampling Rate)로 지속적으로 획득되는 방대한 양의 신호를 처리하여, 풍력 발전기가 정상상태인지 또는 특정부위에 고장이 있는 상태인지를 판단하기 위해서는 그에 적합한 데이터 분류 기법과, 신호 처리 기법, 건전성 인자 추출, 고장 진단 기법 등의 기술이 필요하다.
하지만 국내의 경우 대형 풍력발전기의 상태감시 시스템에 대한 물리적인 이해가 부족하며 이에 따라 상태감시 시스템으로부터 획득하는 방대한 양의 데이터를 효과적으로 처리하지 못하고 있는 실정이다. 또한 현재 국내의 대형 풍력발전기 상태감시 시스템에 대한 해석은 드라이브 트레인 각 요소의 진동 신호에 초점을 맞추어 진행되고 있으며, 풍력발전기의 제어 및 운행 상태에 대한 물리적인 이해의 기반이 없이 단지 현상을 기반으로 한 신호 분석에 대한 연구가 수행되고 있는 실정이다.
본 발명은 이러한 종래의 문제점들을 해결하기 위해 실증 시험 단계의 대형 풍력발전기로부터 획득한 상태감시 시스템의 데이터를 기반으로 대형 풍력발전기의 고장 진단 및 예측 기술 개발의 초기 단계로서 데이터 분류 시스템을 새롭게 제시한다.
[선행기술문헌] 공개특허 제10-2012-0059874호(풍력 발전 진단을 위한 모바일 연동 장치, 시스템 및 방법)
본 발명은 풍력발전기의 센서부에서 수집되는 방대항 양의 다양한 신호를 환경데이터와 거동데이터를 이용하여 클래스별로 분류하여 고장 진단을 위한 분석이 필요한 데이터만을 추출할 수 있는 데이터 분류 시스템을 제공하여 효율적인 데이터 분석 및 고장 진단이 이루어질 수 있도록 함을 그 목적으로 한다.
상기한 목적을 달성하기 위하여 창작된 본 발명은 풍력발전기의 외부 환경을 나타내는 환경데이터, 풍력발전기의 운행 상태를 나타내는 운행데이터 및 풍력발전기 각 요소의 거동 응답을 나타내는 거동데이터를 수집하는 센서부(100); 상기 센서부(100)에서 수집된 데이터를 전달받아 저장하는 풍력발전기DB(200); 상기 풍력발전기DB(200)에 저장된 데이터를 호출하여 데이터의 유효성을 분석하여 유효 데이터만 필터링하는 유효성분석모듈(300); 상기 유효성분석모듈(300)에서 필터링된 유효 데이터에 한하여 풍력발전기의 환경데이터 및 운행데이터를 기반으로 데이터를 클래스별로 분류하는 데이터분류모듈(400); 및, 상기 데이터분류모듈(400)에서 클래스 별로 분류된 데이터를 각각의 클래스 별로 저장하는 분류데이터DB(500);를 포함하여 구성되는 것을 특징으로 한다.
본 발명의 구성에 따른 기술적 효과는 다음과 같다.
첫째, 본 발명에서 제시한 데이터 타입 분류를 통해 시스템의 상태에 대한 물리적인 이해를 기반으로 한 데이터 분석에 대한 연구를 수월하게 할 수 있으며 이를 통해 대형 해상풍력발전기에 발생하는 다양한 파손모드와 고장발생 위치확인이 가능한 고장 진단 기술 개발을 이끌어낼 수 있다.
둘째, 클래스별로 분류된 데이터의 특성에 맞추어 각각의 클래스에 각기 다른 방법의 신호처리 및 데이터 분석 기술을 적용시킬 수 있다.
셋째, 대형 풍력발전기의 제어 상태에 따라 시스템의 거동 특성이 달라지는데, 아이들제어 과정이나 전이 과정과 같이 상태감시에 적합하지 않은 데이터를 구분해 냄으로써 데이터 처리에 드는 비용과 시간을 대폭 절약할 수 있다.
도1은 본 발명의 구성요소를 도시하는 블록도이다.
도2는 본 발명에 의하여 분류되는 데이터를 이용하는 풍력발전기의 상태감시시스템(Condition Monitoring System:CMS)의 고장진단 과정을 도시하는 순서도인데, 본 발명에 의하여 분류된 데이터는 각 클래스별로 적합한 분석 과정을 거친 후 건전성 인자(health index)를 추출(14)하고, 이러한 건전성 인자가 허용치를 초과하는지 여부를 판단(15)하여 알람을 발생시키고(16), 이러한 결과값들을 풍력발전유지보수DB에 저정(17)하는 과정이 수반될 수 있다.
도3은 파워최대기준값(power max criterion), 회전수최대기준값(rpm max criterion), 파워제로기준값(power zero criterion) 및 회전수제로기준값(rpm zero criterion)을 설정하는 방법을 도시한다.
도4는 클래스1(class 1) 및 클래스2(class 2)에 속하는 데이터들을 도시한다.
도5는 클래스3(class 3), 클래스4(class 4), 및 클래스5(class 5)에 속하는 데이터들을 도시한다.
이하에서는 본 발명의 구체적 실시예를 첨부도면을 참조하여 보다 상세히 설명한다.
도1은 본 발명의 구성요소를 도시하는 블록도인데, 본 발명은 풍력발전기의 외부 환경을 나타내는 환경데이터, 풍력발전기의 운행 상태를 나타내는 운행데이터 및 풍력발전기 각 요소의 거동 응답을 나타내는 거동데이터를 수집하는 센서부(100), 센서부(100)에서 수집된 데이터를 전달받아 저장하는 풍력발전기DB(200), 풍력발전기DB(200)에 저장된 데이터를 호출하여 데이터의 유효성을 분석하여 유효 데이터만 필터링하는 유효성분석모듈(300), 유효성분석모듈(300)에서 필터링된 유효 데이터에 한하여 풍력발전기의 환경데이터 및 운행데이터를 기반으로 데이터를 클래스별로 분류하는 데이터분류모듈(400) 및, 데이터분류모듈(400)에서 클래스 별로 분류된 데이터를 각각의 클래스 별로 저장하는 분류데이터DB(500)로 구성된다.
센서부(100)는 환경데이터(environmental data), 운행데이터(operating data), 및 거동데이터(response data)를 수집하는데, 환경데이터는 풍속, 풍향, 기온, 풍력발전기 낫셀(nacelle) 진동과 같이 풍력발전기의 외부 환경을 나타내며, 운행데이터는 풍력발전기의 발전출력(출력파워), 누적출력, 로타(Rotor)의 회전속도, 아이들제어(idle control on/off) 신호, 피치제어(pitch control on/off) 신호, 요우제어(yaw control on/off) 신호 등 풍력발전기의 운행 상태를 나타내며, 거동데이터는 메인/서브 베어링, 기어박스의 각 기어 단, 발전기의 앞단과 뒷단 등 드라이브 트레인 각 요소의 진동상태, 운행온도 등 각 요소의 거동 응답을 나타내는 데이터이다.
센서부(100)에서 수집된 데이터는 풍력발전기DB(200)에 저장된다.
유효성분석모듈(300)은 도2에 도시된 바와 같이 풍력발전기DB(200)에 저장된 데이터를 호출하여 데이터의 유효성을 분석하여 유효 데이터만 필터링하는 기능을 수행한다.
즉, 풍력발전기DB(200)에 저장된 각종 데이터 가운데는 센서부(100)의 센서가 데이터를 수집하는 과정에서 발생되는 데이터 인식오류 또는 데이터를 풍력발전기DB(200)로 전송하는 과정에서 발생되는 데이터 전송오류가 포함된 데이터들도 있는데, 유효성분석모듈(300)은 데이터의 유효성을 분석하여 풍력발전기DB(200)에 저장된 데이터 가운데 오류가 포함되어 고장 진단에 유익하지 않는 데이터를 데이터 분류 대상에서 제외시키는 역할을 하는 것이다.
데이터의 유효성을 분석하기 위해서는 우선 데이터를 획득하는 센서나 획득 장치의 성능을 파악해야 한다. 예를 들어 가속도 신호는 음의 숫자를 가져서는 안 되고, 신호가 비연속적이면 안 된다. 따라서 신호를 분석했을 때 "0"보다 작은 데이터가 거동데이터에 포함되어 있을 경우 필터링을 통해 제외시킨다. 그리고 거동, 운행, 환경데이터 중 연속성이 확인되는 구간의 데이터를 필터링을 통해 선별한다. 이 때 비연속성이란 데이터의 한 지점에서 각 신호 최대값의 200% 이상을 초과하거나 감소하는 경우를 말한다
데이터분류모듈(400)은 유효성분석모듈(300)에서 필터링된 유효 데이터에 한하여 풍력발전기의 환경데이터와 운행데이터를 기반으로 데이터를 클래스별로 분류하는 역할을 수행한다.
데이터분류모듈(400)은 도2에 도시된 바와 같이 풍력발전기의 환경데이터와 운행데이터를 기반으로 유효성분석모듈(300)에서 필터링된 유효 데이터를 5개의 클래스로 분류한다.
데이터분류모듈(400)은 로타속도가 최대 범위에 속하고 출력파워가 최대 범위에 속할 때 수집된 데이터를 제1클래스로 분류하고, 로타속도가 최대 범위에 속하고 출력파워가 중간 범위에 속할 때 수집된 데이터를 제2클래스로 분류하고, 로타속도가 중간 범위에 속하고 출력파워가 중간 범위에 속할 때 수집된 데이터를 제3클래스로 분류하고, 로타속도가 중간 범위에 속하고 출력파워가 제로 범위에 속할 때 수집된 데이터를 제4클래스로 분류하고, 로타속도가 제로 범위에 속하고 출력파워가 제로 범위에 속할 때 수집된 데이터를 제5클래스로 분류한다.
도3에는 파워최대기준값(power max criterion), 회전수최대기준값(rpm max criterion), 파워제로기준값(power zero criterion) 및 회전수제로기준값(rpm zero criterion)을 설정하는 방법을 도시하고 있다.
출력파워의 중간 범위와 최대 범위의 경계값인 파워최대기준값(power max criterion) 또는 로타속도의 중간 범위와 최대 범위의 경계값인 회전수최대기준값(rpm max criterion)은 기준값(criterion)을 순차적으로 증가시키면서 각각의 기준값보다 큰 값을 가지는 데이터의 빈도수(frequency)를 저장하는 과정을 반복 수행한 후, 빈도수가 급격히 저하되는 지점의 데이터 값을 파워최대기준값(power max criterion) 또는 회전수최대기준값(rpm max criterion)으로 설정하게 된다.(도3의 상부에 도시된 2개의 그래프 참조)
여기서 빈도수가 급격히 저하되는 지점은 빈도수가 급격히 저하되는 영역 가운데 특정 지점을 설정하면 된다.
동일한 방법으로 출력파워의 중간 범위와 제로 범위의 경계값인 파워제로기준값(power zero criterion) 또는 로타속도의 중간 범위와 제로 범위의 경계값인 회전수제로기준값(rpm zero criterion)은 기준값(criterion)을 순차적으로 감소시키면서 각각의 기준값보다 작은 값을 가지는 데이터의 빈도수(frequency)를 저장하는 과정을 반복 수행한 후, 빈도수가 급격히 저하되는 지점의 데이터 값을 파워제로기준값(power zero criterion) 또는 회전수제로기준값(rpm zero criterion)으로 설정하게 된다.(도3의 하부에 도시된 2개의 그래프 참조)
풍력발전기의 운행 상태는 출력파워가 0일 때와 0가 아닐 때로 나눌 수 있다,
출력파워가 0인 경우, 풍력발전기의 운행 상태는 다시 아이들 제어가 On 인 경우(클래스 5)와 Off 인 경우(클래스 4)로 나눌 수 있다. 아이들 제어는 대형 풍력발전기가 장시간 멈춰 있을 경우 수백 톤에 달하는 대형 블레이드의 정적 하중에 의해 시스템이 손상되는 것을 방지하기 위해 인위적으로 낮은 회전속도로 드라이브 트레인을 회전시켜 주는 제어이다.
출력파워가 0가 아닐 경우, 로타의 회전속도(로타속도)가 중간 범위(intermediate)인 경우와 최대 범위(Maximum)인 경우로 나눌 수 있다.
로타의 회전속도가 중간 범위(intermediate)인 경우 풍력발전기의 출력파워 신호는 로타속도 신호와 상관성이 높게 나타난다.(클래스 3)
로타의 회전속도가 최대 범위(Maximum)인 경우, 풍력발전기의 출력파워가 중간 범위(intermediate)인 경우와 최대 범위(Maximum)인 경우로 나눌 수 있다.
로타의 회전 속도가 최대 범위(Maximum)이고 풍력발전기의 출력파워 또한 최대 범위(Maximum)인 경우 풍력발전기의 출력파워 신호는 여전히 로타속도 신호와 상관성이 높게 나타난다. (클래스 1)
로타의 회전 속도가 최대 범위(Maximum)이고 풍력발전기의 출력파워가 중간 범위(intermediate)인 경우 풍력발전기의 출력파워 신호는 풍속(Wind Speed) 신호와 상관성이 높게 나타난다. (클래스 2)
도4는 클래스1(class 1) 및 클래스2(class 2)에 속하는 데이터들을 도시하는데, 클래스1(6)에서는 출력파워(power)와 로타속도(RPM)가 최고치로 일정한 현상을 확인할 수 있는 바, 클래스1에 속하는 데이터들은 도2에 도시된 바와 같이 정적신호(stationary signal) 분석에 효과적인 FFT(Fast Fourier Transform)와 같은 주파수 영역에서의 분석(11)을 수행할 수 있다.
하지만 크래스2(7)는 양상이 조금 다르다. 이 기간의 대형 풍력발전기의 로타 회전속도는 최대값에 가까운 운행을 하고 있지만, 출력파워는 최대 범위(Maximum) 값과 중간 범위(intermediate) 값을 함께 보이고 있다. 따라서 도2에 도시된 바와 같이 시간의 정보를 전부 무시하는 주파수 영역에서의 분석과 함께 시간 영역에서의 분석(12)을 수행하여 각 구간에서의 상태 데이터를 면밀히 살펴봐야 한다.
도5에서는 클래스3(class 3), 클래스4(class 4), 및 클래스5(class 5)에 속하는 데이터들의 거동을 확인할 수 있다.
클래스3(8)은 로타속도(RPM)와 출력파워(Power)가 시간에 따라 계속 변화하는 데이터이며 풍력발전기의 특성을 가장 잘 표현하고 있는 데이터이다. 이 구간에서는 간단한 시간 영역에서의 분석이나 주파수 영역에서의 분석을 사용하는 것이 아니라 도2에 도시된 바와 같이 시간-주파수 영역에서의 분석(13)을 통해 비정적신호(non-stationary signal)의 특성을 잘 분석한다.
클래스4(9)는 클래스3(8)과 클래스5(10) 사이의 전이(transient) 구간으로서 그 특성을 파악하기 힘들며 경향성이 뚜렷하지 않기 때문에 고장 진단을 위한 정보로 활용하기가 쉽지 않다. 또한 클래스5에서는 로타속도(RPM) 값이 매우 낮고, 출력파워(power) 또한 0에 가깝기 때문에 풍력발전 드라이브 트레인에 걸리는 동적 하중이 적다는 운행 상황을 유추할 수 있으며, 거동데이터 분석의 유용성이 낮다.
따라서 도2에 도시된 바와 같이 클래스4 및 5에 분류된 데이터에 대한 신호 해석을 수행하지 않는다.
상기한 바와 같은 방법으로 데이터를 자동 분류하여 분석이 필요한 데이터와 분석이 불필요한 데이터(분석의 유용성이 낮음 데이터)를 구분하고, 분석이 필요한 데이터에 대한 분석만을 수행하여 보다 효율적인 고장진단이 가능할 수 있다.
이와 같이 데이터분류모듈(400)에서 클래스 별로 분류된 데이터를 각각의 클래스 별로 저장하는 분류데이터DB(500)에 저장되며 각 클래스 별 특성에 맞는 분석 과정에 사용될 수 있다.
100:센서부
200:풍력발전기DB
300:유효성분석모듈
400:데이터분류모듈
500:분류데이터DB

Claims (6)

  1. 풍력발전기의 외부 환경을 나타내는 환경데이터, 풍력발전기의 운행 상태를 나타내는 운행데이터 및 풍력발전기 각 요소의 거동 응답을 나타내는 거동데이터를 수집하는 센서부(100);
    상기 센서부(100)에서 수집된 데이터를 전달받아 저장하는 풍력발전기DB(200);
    상기 풍력발전기DB(200)에 저장된 데이터를 호출하여 데이터의 유효성을 분석하여 유효 데이터만 필터링하는 유효성분석모듈(300); 및,
    상기 유효성분석모듈(300)에서 필터링된 유효 데이터에 한하여 풍력발전기의 환경데이터 및 운행데이터를 기반으로 데이터를 클래스별로 분류하는 데이터분류모듈(400);
    을 포함하여 구성되고,
    상기 데이터분류모듈(400)은,
    출력파워의 중간 범위와 최대 범위의 경계값인 파워최대기준값(power max criterion) 또는 로타속도의 중간 범위와 최대 범위의 경계값인 회전수최대기준값(rpm max criterion)은 기준값(criterion)을 순차적으로 증가시키면서 각각의 기준값보다 큰 값을 가지는 데이터의 빈도수(frequency)를 저장하는 과정을 반복 수행한 후, 빈도수가 급격히 저하되는 지점의 데이터 값을 파워최대기준값(power max criterion) 또는 회전수최대기준값(rpm max criterion)으로 설정하고,
    출력파워의 중간 범위와 제로 범위의 경계값인 파워제로기준값(power zero criterion) 또는 로타속도의 중간 범위와 제로 범위의 경계값인 회전수제로기준값(rpm zero criterion)은 기준값(criterion)을 순차적으로 감소시키면서 각각의 기준값보다 작은 값을 가지는 데이터의 빈도수(frequency)를 저장하는 과정을 반복 수행한 후, 빈도수가 급격히 저하되는 지점의 데이터 값을 파워제로기준값(power zero criterion) 또는 회전수제로기준값(rpm zero criterion)으로 설정하고,
    로타속도가 최대 범위에 속하고 출력파워가 최대 범위에 속할 때 수집된 데이터를 제1클래스로 분류하고,
    로타속도가 최대 범위에 속하고 출력파워가 중간 범위에 속할 때 수집된 데이터를 제2클래스로 분류하고,
    로타속도가 중간 범위에 속하고 출력파워가 중간 범위에 속할 때 수집된 데이터를 제3클래스로 분류하고,
    로타속도가 중간 범위에 속하고 출력파워가 제로 범위에 속할 때 수집된 데이터를 제4클래스로 분류하고,
    로타속도가 제로 범위에 속하고 출력파워가 제로 범위에 속할 때 수집된 데이터를 제5클래스로 분류하고, 상기 제1클래스, 제2클래스와 제3클래스에 속하는 데이터는 고장 진단을 위한 분석에 적합한 데이터로 구분하고, 상기 제4클래스와 제5클래스에 속하는 데이터는 고장 진단을 위한 분석에 부적합한 데이터로 구분하는 것을 특징으로 하는 풍력발전기 데이터 분류 시스템.
  2. 제1항에서,
    상기 센서부(100)에서 수집하는 환경데이터에는 풍력 에너지를 나타내는 풍속(wind speed)이 포함되고,
    상기 센서부(100)에서 수집하는 운행데이터에는 운동 에너지를 나타내는 로타속도(rotor speed) 및 전기 에너지를 나타내는 출력파워(power output)가 포함되는 것을 특징으로 하는 풍력발전기 데이터 분류 시스템.
  3. 제1항에서,
    상기 유효성분석모듈(300)은,
    상기 센서부(100)의 데이터 인식오류 또는 데이터 전송오류에 따라 발생되는 비연속적인 데이터를 필터링을 통해 제외시키는 것을 특징으로 하는 풍력발전기 데이터 분류 시스템.
  4. 제1항에서,
    상기 데이터분류모듈(400)에서 클래스 별로 분류된 데이터를 각각의 클래스 별로 저장하는 분류데이터DB(500);
    가 더 포함되는 것을 특징으로 하는 풍력발전기 데이터 분류 시스템.
  5. 삭제
  6. 삭제
KR1020130026157A 2013-03-12 2013-03-12 풍력발전기 데이터 분류 시스템 KR101468627B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020130026157A KR101468627B1 (ko) 2013-03-12 2013-03-12 풍력발전기 데이터 분류 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020130026157A KR101468627B1 (ko) 2013-03-12 2013-03-12 풍력발전기 데이터 분류 시스템

Publications (2)

Publication Number Publication Date
KR20140111802A KR20140111802A (ko) 2014-09-22
KR101468627B1 true KR101468627B1 (ko) 2014-12-03

Family

ID=51757087

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020130026157A KR101468627B1 (ko) 2013-03-12 2013-03-12 풍력발전기 데이터 분류 시스템

Country Status (1)

Country Link
KR (1) KR101468627B1 (ko)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102571211B1 (ko) * 2017-01-12 2023-08-24 엘지전자 주식회사 공기조화기 시스템 및 그 제어방법
CN108825446A (zh) * 2018-05-04 2018-11-16 上海交通大学 一种风机故障智能管理系统及方法
CN111309714A (zh) * 2019-03-14 2020-06-19 中国电力科学研究院有限公司 一种基于风电机组运行数据清洗方法及系统

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20120059874A (ko) * 2010-12-01 2012-06-11 현대중공업 주식회사 풍력 발전 진단을 위한 모바일 연동 장치, 시스템 및 방법
JP2013008092A (ja) * 2011-06-22 2013-01-10 Hitachi Engineering & Services Co Ltd 異常予兆診断装置及び異常予兆診断方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20120059874A (ko) * 2010-12-01 2012-06-11 현대중공업 주식회사 풍력 발전 진단을 위한 모바일 연동 장치, 시스템 및 방법
JP2013008092A (ja) * 2011-06-22 2013-01-10 Hitachi Engineering & Services Co Ltd 異常予兆診断装置及び異常予兆診断方法

Also Published As

Publication number Publication date
KR20140111802A (ko) 2014-09-22

Similar Documents

Publication Publication Date Title
Saidi et al. Wind turbine high-speed shaft bearings health prognosis through a spectral Kurtosis-derived indices and SVR
Daneshi-Far et al. Review of failures and condition monitoring in wind turbine generators
CN104075795A (zh) 用于监测风力发电机组的叶轮振动状态的方法和系统
CA2891326C (en) Early detection of wind turbine degradation using acoustical monitoring
CN103674234B (zh) 一种风力发电机组振动异常的状态预警方法及系统
CN104977047A (zh) 基于振动和油液的风电机组在线状态监测与健康评估系统及方法
EP3181900A1 (en) Methods and systems for real-time monitoring of the insulation state of wind-powered generator windings
Odgaard et al. Gear-box fault detection using time-frequency based methods
CN105065212A (zh) 一种风电场风电机组校验方法及系统
Oh et al. Development of a 20 kW wind turbine simulator with similarities to a 3 MW wind turbine
CN103925155A (zh) 一种风电机组输出功率异常的自适应检测方法
KR101468627B1 (ko) 풍력발전기 데이터 분류 시스템
Purarjomandlangrudi et al. Fault detection in wind turbine: a systematic literature review
CN111400959B (zh) 风力发电机组的叶片故障诊断方法及装置
Mohammadi et al. DeepWind: an accurate wind turbine condition monitoring framework via deep learning on embedded platforms
CN114778116A (zh) 一种风力发电机组变桨轴承故障预警方法及系统
Saidi et al. Wind turbine high-speed shaft bearing degradation analysis for run-to-failure testing using spectral kurtosis
Dabetwar et al. Mass imbalance diagnostics in wind turbines using deep learning with data augmentation
CN202453182U (zh) 一种风电机组齿轮箱故障诊断装置
Bassett et al. Vibration response of a 2.3 MW wind turbine to yaw motion and shut down events
Wait et al. Wind-induced instabilities and monitoring of wind turbine
CN113218653B (zh) 一种基于消除低频扰动的海上风电齿轮箱监测方法及装置
CN115829411A (zh) 一种海上风电机组运行状态评估方法及评估系统
Odgaard et al. Frequency based wind turbine gearbox fault detection applied to a 750 kW wind turbine
Emeksiz et al. Some prognostic and diagnostic methods for determining wind turbine failures-A review

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E90F Notification of reason for final refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20171220

Year of fee payment: 4

FPAY Annual fee payment

Payment date: 20181121

Year of fee payment: 5

FPAY Annual fee payment

Payment date: 20191121

Year of fee payment: 6