KR102068446B1 - 자가 학습형 풍력발전시스템 상태 감시 고장 진단 방법 - Google Patents

자가 학습형 풍력발전시스템 상태 감시 고장 진단 방법 Download PDF

Info

Publication number
KR102068446B1
KR102068446B1 KR1020190120383A KR20190120383A KR102068446B1 KR 102068446 B1 KR102068446 B1 KR 102068446B1 KR 1020190120383 A KR1020190120383 A KR 1020190120383A KR 20190120383 A KR20190120383 A KR 20190120383A KR 102068446 B1 KR102068446 B1 KR 102068446B1
Authority
KR
South Korea
Prior art keywords
band
trend
frequency
wind
wind power
Prior art date
Application number
KR1020190120383A
Other languages
English (en)
Inventor
김영기
강준구
이도행
박종민
김재승
김현실
김봉기
김상렬
이성현
서윤호
마평식
우정한
김지영
조동호
정민욱
Original Assignee
(주)에스엠인스트루먼트
한국기계연구원
한국전력공사
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 (주)에스엠인스트루먼트, 한국기계연구원, 한국전력공사 filed Critical (주)에스엠인스트루먼트
Priority to KR1020190120383A priority Critical patent/KR102068446B1/ko
Application granted granted Critical
Publication of KR102068446B1 publication Critical patent/KR102068446B1/ko

Links

Images

Classifications

    • 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
    • F03D17/00—Monitoring or testing of wind motors, e.g. diagnostics
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
    • G05B23/0221—Preprocessing measurements, e.g. data collection rate adjustment; Standardization of measurements; Time series or signal analysis, e.g. frequency analysis or wavelets; Trustworthiness of measurements; Indexes therefor; Measurements using easily measured parameters to estimate parameters difficult to measure; Virtual sensor creation; De-noising; Sensor fusion; Unconventional preprocessing inherently present in specific fault detection methods like PCA-based methods
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
    • F05B—INDEXING SCHEME RELATING TO WIND, SPRING, WEIGHT, INERTIA OR LIKE MOTORS, TO MACHINES OR ENGINES FOR LIQUIDS COVERED BY SUBCLASSES F03B, F03D AND F03G
    • F05B2260/00—Function
    • F05B2260/80—Diagnostics
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
    • F05B—INDEXING SCHEME RELATING TO WIND, SPRING, WEIGHT, INERTIA OR LIKE MOTORS, TO MACHINES OR ENGINES FOR LIQUIDS COVERED BY SUBCLASSES F03B, F03D AND F03G
    • F05B2270/00—Control
    • F05B2270/30—Control parameters, e.g. input parameters
    • F05B2270/32—Wind speeds
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
    • F05B—INDEXING SCHEME RELATING TO WIND, SPRING, WEIGHT, INERTIA OR LIKE MOTORS, TO MACHINES OR ENGINES FOR LIQUIDS COVERED BY SUBCLASSES F03B, F03D AND F03G
    • F05B2270/00—Control
    • F05B2270/30—Control parameters, e.g. input parameters
    • F05B2270/334—Vibration measurements
    • 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
    • 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
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
    • Y04S10/52—Outage or fault management, e.g. fault detection or location

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Sustainable Development (AREA)
  • Sustainable Energy (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Mechanical Engineering (AREA)
  • General Engineering & Computer Science (AREA)
  • Wind Motors (AREA)

Abstract

본 발명은 복수개의 가속도계(10)들을 이용하여 풍력발전기의 일지점 또는 풍력발전기 부품의 일지점의 진동신호를 감지하는 진동 신호감지 단계(S10)와; 데이터 습득보드(20)가 상기 가속도계(10)에서 풍력발전기의 일지점 또는 풍력발전기 부품의 일지점의 진동들을 채널별로 습득하는 데이터 습득 단계(S20)와; 제어부(40)가 바람의 속도, 풍력발전기 회전수, 풍력발전기 출력에 관한 센서(30)들 중 적어도 하나의 센서로부터 신호를 수신하여 유효한 액티브 빈 여부를 규정하는 데이터 선정 단계(S30)와; 제어부(40)가 액티브 빈으로 규정된 진동 데이터에 대하여 FFT 스펙트럼(FFT Spectrum), 엔빌로프 스펙트럼(Envelpoe Spectrum ) 및 셉스트럼(Cepstrum) 중 적어도 하나를 연산하는 신호 처리 단계(S40)와; 제어부(40)가 신호 처리 단계(S40)에서 생성된 임의의 시간(Tj)의 FFT 스펙트럼(FFT Spectrum) 또는 엔빌로프 스펙트럼(Envelpoe Spectrum) 데이터를 복수의 밴드(Bi,j, i = 1~N)로 분할하는 주파수 분할 단계(S50)와; 상기 주파수 분할 단계에서 분할된 주파수 밴드(Bi,j) 별 파워(Pi,j)를 연산(Band Power Calculation)하는 밴드 파워 연산 단계(S60)와; 각각의 주파수 밴드(Bi, i = 1~N)에서 시간(T)의 흐름에 따른 과거(Tj-1, Tj-2, ...)와 현재(Tj)의 주파수 밴드 별 파워(Pi,j, j = 1~M)를 비교 평가(Assessment)로 하여 트렌드 진전 여부를 검출(Trend Development Assessment)하는 트랜드 진전 밴드(Segment) 검출 단계(S70)와; 상기 트랜드 밴드 검출 단계(S70)에서 트랜드 진전이 있는 것으로 검출된 밴드(Bcr)에 대하여 주파수 밴드 재 분할을 시행하는 주파수 재 분할 단계(S80)와; 상기 밴드 파워 연산 단계(S60)와 트랜드 진전 밴드(Segment) 검출 단계(S70)와 주파수 재 분할 단계(S80)를 반복(Process Iteration)하는, 반복 단계(S90)와; 상기 반복 단계(S80) 내부의 최종단계에서 해당 밴드에서 과거와 현재의 밴드 별 파워를 비교 판단하여 이상 주파수(Abnormal Frequency) 밴드 구간을 확정하는 이상 주파수 확정(Identification) 단계(S100); 를 포함하여 구성되는 것을 자가 학습형 풍력발전시스템 상태 감시 고장 진단 방법에 관한 것이다.

Description

자가 학습형 풍력발전시스템 상태 감시 고장 진단 방법 { Wind Power Electric Generatiom System Condition Monitoring System }
본 발명은 측정데이터 기반의 이상 주파수 자동 검출 가능이 구비된 자가 학습형 고장 진단 기능이 구비된 풍력발전시스템 상태감시 방법에 관한 것이다.
바람을 이용하여 전력을 생산하는 풍력 발전 시스템은 일반적으로 풍력 발전기와 이를 제어하는 중앙 제어장치로 이루어진다. 풍력 발전기는 일반적으로 바람에 의해 회전하는 블레이드와, 블레이드의 회전에너지를 전기 에너지로 변환하는 장치로 구성된 너셀(nacelle)과, 블레이드와 너셀을 연결하는 허브(hub)와, 너셀을 지지하는 타워로 이루어진다. 또한, 상기 풍력 발전기와 중앙 제어장치는 유선 또는 무선으로 중앙 제어장치와 연결된다.
고가인 풍력발전기를 장시간 정상 상태로 유지하기 위해서 치명적인 고장이나 손상이 발생하기 전에 이를 미리 탐지하여 수리하거나 다른 조치를 취하는 것이 필요하다. 하지만 풍력발전기를 사람이 실시간으로 감시하는 것이 불가능하기 때문에 풍력발전기에 의해 표출되는 특정한 파라미터 모니터링을 이용한 상태 감시가 필요하며 이는 특히 육지로부터 멀리 떨어진 해상 풍력 발전기 등에 있어서 절실하며 알람의 유효성 확보가 필요한 실정이지만 현재 기술 발전이 미미한 실정이다.
본 출원인 소유의 등록특허 제10-1336718호는, 풍력발전기 상태감시시스템 알람 생성 방법에 있어서, 제어부에 적어도 두개 이상의 풍속범위(W = W1, W2 …)를 설정하는 풍속범위 설정단계와; 가속도계를 이용하여 풍력발전기의 일지점 또는 풍력발전기 부품의 일지점의 진동신호를 취득하는 진동신호 취득단계(S20)와; 연산부가 상기 진동신호 취득단계에서 취득된 진동신호의 진동레벨을 산출하는 진동레벨 산출단계와; 윈드센서에 의해 측정된 바람의 속도가 적어도 설정지속시간 동안 하나의 풍속범위에서 유지되었다고 판단되는 경우, 제어부는, 바람의 속도가 적어도 설정지속시간 동안 하나의 풍속범위에서 유지된 시간 동안에 취득된 진동신호에 대한 진동레벨을 유효 진동레벨 데이터로 지정하고 데이터 저장부에 저장하는, 판단 및 데이터저장 단계와; 제어부가 상기 유효 진동레벨 데이터를 기초로 하여 풍속범위별 알람기준값을 설정하는 기준값 설정단계와; 상기 제어부가, 하나의 풍속범위에 속하는 시간동안 취득된 진동신호의 진동레벨과 그 풍속범위에 속하는 상기 풍속범위별 알람기준값을 비교판단하여 관리자에게 알람신호를 표출하는 알람신호 생성단계;를 포함하여 구성되는 것을 특징으로 하는 풍력발전기 상태감시시스템 알람 생성 방법을 개시한다.
본 발명은 풍력발전기의 상태를 상시 모니터링 하여 치명적인 고장이나 손상이 발생하기 전에 이를 미리 탐지하여 수리하거나 다른 조치를 취할 수 있도록 이상 징후가 발생하면 이를 관리자에게 알리는 자가 학습형 고장 진단 기능이 구비된 풍력발전시스템 상태감시 방법을 제공하기 위한 것이다.
본 발명은 고장이나 이상 징후 예측에 있어서 진동 신호를 사용함으로써 신호 흐름 및 데이터 취급이 난해하지 않고 또한 그 설정 방법이 구체적이며 고장 예측의 유효성이 탁월한 자가 학습형 고장 진단 기능이 구비된 풍력발전시스템 상태감시 방법을 제공하기 위함이다.
본 발명의 자가 학습형 풍력발전시스템 상태 감시 고장 진단 방법은,
복수개의 가속도계(10)들을 이용하여 풍력발전기의 일지점 또는 풍력발전기 부품의 일지점의 진동신호를 감지하는 진동 신호감지 단계(S10)와;
데이터 습득보드(20)가 상기 가속도계(10)에서 풍력발전기의 일지점 또는 풍력발전기 부품의 일지점의 진동들을 채널별로 습득하는 데이터 습득 단계(S20)와;
제어부(40)가 바람의 속도, 풍력발전기 회전수, 풍력발전기 출력에 관한 센서(30)들 중 적어도 하나의 센서로부터 신호를 수신하여 유효한 액티브 빈 여부를 규정하는 데이터 선정 단계(S30)와;
제어부(40)가 액티브 빈으로 규정된 진동 데이터에 대하여 FFT 스펙트럼(FFT Spectrum), 엔빌로프 스펙트럼(Envelpoe Spectrum ) 및 셉스트럼(Cepstrum) 중 적어도 하나를 연산하는 신호 처리 단계(S40)와;
제어부(40)가 신호 처리 단계(S40)에서 생성된 임의의 시간(Tj)의 FFT 스펙트럼(FFT Spectrum) 또는 엔빌로프 스펙트럼(Envelpoe Spectrum) 데이터를 복수의 밴드(Bi,j, i = 1~N)로 분할하는 주파수 분할 단계(S50)와;
상기 주파수 분할 단계에서 분할된 주파수 밴드(Bi,j) 별 파워(Pi,j)를 연산(Band Power Calculation)하는 밴드 파워 연산 단계(S60)와;
각각의 주파수 밴드(Bi, i = 1~N)에서 시간(T)의 흐름에 따른 과거(Tj-1, Tj-2, ...)와 현재(Tj)의 주파수 밴드 별 파워(Pi,j, j = 1~M)를 비교 평가(Assessment)로 하여 트렌드 진전 여부를 검출(Trend Development Assessment)하는 트랜드 진전 밴드(Segment) 검출 단계(S70)와;
상기 트랜드 밴드 검출 단계(S70)에서 트랜드 진전이 있는 것으로 검출된 밴드(Bcr)에 대하여 주파수 밴드 재 분할을 시행하는 주파수 재 분할 단계(S80)와;
상기 밴드 파워 연산 단계(S60)와 트랜드 진전 밴드(Segment) 검출 단계(S70)와 주파수 재 분할 단계(S80)를 반복(Process Iteration)하는, 반복 단계(S90)와;
상기 반복 단계(S80) 내부의 최종단계에서 해당 밴드에서 과거와 현재의 밴드 별 파워를 비교 판단하여 이상 주파수(Abnormal Frequency) 밴드 구간을 확정하는 이상 주파수 확정(Identification) 단계(S100); 를 포함하여 구성되는 것을 특징으로 한다.
본 발명에 따르는 경우, 풍력발전기의 상태를 상시 모니터링 하여 치명적인 고장이나 손상이 발생하기 전에 이를 미리 탐지하여 수리하거나 다른 조치를 취할 수 있도록 이상 징후가 발생하면 이를 관리자에게 알리는 자가 학습형 고장 진단 기능이 구비된 풍력발전시스템 상태감시 방법(Condition Monitoring System)가 제공된다.
본 발명에 따르는 경우, 고장이나 이상 징후 예측에 있어서 신호 흐름 및 데이터 취급이 난해하지 않고 또한 그 설정 방법이 구체적이며 고장 예측의 유효성이 탁월한 자가 학습형 고장 진단 기능이 구비된 풍력발전시스템 상태감시 방법(Condition Monitoring System)가 제공된다.
도 1은 본 발명의 자가 학습형 풍력발전시스템 상태 감시 고장 진단 방법 흐름도.
도 2는 본 발명의 상태 감시 고장 진단 방법에 사용되는 FFT 스펙트럼 및 Envelope 스펙트럼.
도 3은 본 발명의 트랜드 진전 (Trend Develope ) 평가 개념도.
도 4(a, b)는 본 발명의 기어박스 하우징 진동 3D waterfall 그래프(정상터빈, 고장터빈).
도 5(a, b)는 본 발명의 방법에 따른 기어박스 플래닛 휠 베어링 진동 FFT 스펙트럼(관심주파수 적색 적색표기 ) 및 FFT Trend(적색 표기주파수 영역 트랜드).
도 6(a, b)는 본 발명의 방법에 따른 기어박스 플래닛 휠 베어링 진동 엔빌로프 스펙트럼(관심주파수 적색 적색표기 ) 및 엔빌로프 Trend(적색 표기 주파수 영역 트랜드).
도 7(a, b)는 본 발명의 방법에 따른 기어박스 플래닛 휠 베어링 진동 셉스트럼 (관심구간) 및 셉스트럼 Trend(적색 표기 관심 구간의 트랜드).
도 8은 본 발명의 진동 데이터에 관한 스펙트럼의 주파수 분할 개념 설명도.
도 9는 본 발명의 진동 데이터에 관한 스펙트럼 워터폴 뷰 (주파수, 날짜, 진동 레벨) 데이터 주파수 분할 개념 설명도.
도 10은 본 발명의 선택된 주파수 밴드(114.3~127 Hz)의 밴드 파워 트랜드(Time) 평가 그래프.
도 11, 도 12은 본 발명의 선택된 주파수 밴드(50.8 ~ 63.5 Hz)의 밴드 파워 트랜드(Time) 평가의 개념 설명도(천이 구간, 고장 구간).
도 12은 본 발명의 skewness 개념을 추가한 주파수 밴드(50.8 ~ 63.5 Hz)의 밴드 파워 트랜드(Time) 평가의 개념 설명도(천이 구간, 고장 구간).
도 13은 본 발명의 진동 데이터에 관한 스펙트럼 워터폴 뷰 (주파수, 날짜, 진동 레벨)에서 데이터 주파수 분할 개념 및 트랜드 진전으로 보이는 밴드 선택 설명도.
도 14는 본 발명의 선택된 주파수 밴드(57.15~63.5 Hz)의 밴드 파워 트랜드(Time) 평가 그래프(첫번째 반복).
도 15는 본 발명의 선택된 주파수 밴드(57.15~63.5 Hz)의 밴드 파워 트랜드(Time) 평가 그래프(두번째 반복).
도 16은 본 발명의 선택된 주파수 밴드(57.15~63.5 Hz)의 밴드 파워 트랜드(Time) 평가 그래프(세번째 반복).
도 17은 본 발명의 선택된 주파수 밴드(57.15~63.5 Hz)의 밴드 파워 트랜드(Time) 평가 그래프(네번째 반복).
도 18은 본 발명의 트랜드 평가 후 주파수 재 분할대상이 되는 밴드 선택 개념 설명도.
도 19는 본 발명의 방법에 따른 측정데이터 기반의 이상 주파수 규명 및 열화현상 주파수 영역 특정 설명도.
도 20는 본 발명의 방법에 따라 최종적으로 확정된 주파수 영역(60.3~61.9) 의 트랜드(진동레벨 vs 시간)을 보이는 그래프(정상 터빈, 고장터빈).
이하에서 본 발명의 일실시예에 따른 자가 학습형 풍력발전시스템 상태 감시 고장 진단 방법에 대하여 첨부된 도면을 참고하여 상세하게 설명한다. 도 1은 본 발명의 자가 학습형 풍력발전시스템 상태 감시 고장 진단 방법 흐름도, 도 2는 본 발명의 상태 감시 고장 진단 방법에 사용되는 FFT 스펙트럼 및 Envelope 스펙트럼, 도 3은 본 발명의 트랜드 진전 (Trend Develope ) 평가 개념도, 도 4(a, b)는 본 발명의 기어박스 하우징 진동 3D waterfall 그래프(정상터빈, 고장터빈)이고, 도 5(a, b)는 본 발명의 방법에 따른 기어박스 플래닛 휠 베어링 진동 FFT 스펙트럼(관심주파수 적색 적색표기 ) 및 FFT Trend(적색 표기주파수 영역 트랜드)이다.
도 6(a, b)는 본 발명의 방법에 따른 기어박스 플래닛 휠 베어링 진동 엔빌로프 스펙트럼(관심주파수 적색 적색표기 ) 및 엔빌로프 Trend(적색 표기 주파수 영역 트랜드), 도 7(a, b)는 본 발명의 방법에 따른 기어박스 플래닛 휠 베어링 진동 셉스트럼 (관심구간) 및 셉스트럼 Trend(적색 표기 관심 구간의 트랜드), 도 8은 본 발명의 진동 데이터에 관한 스펙트럼의 주파수 분할 개념 설명도, 도 9는 본 발명의 진동 데이터에 관한 스펙트럼 워터폴 뷰 (주파수, 날짜, 진동 레벨) 데이터 주파수 분할 개념 설명도, 도 10은 본 발명의 선택된 주파수 밴드(114.3~127 Hz)의 밴드 파워 트랜드(Time) 평가 그래프이다.
도 11, 도 12은 본 발명의 선택된 주파수 밴드(50.8 ~ 63.5 Hz)의 밴드 파워 트랜드(Time) 평가의 개념 설명도(천이 구간, 고장 구간), 도 12은 본 발명의 skewness 개념을 추가한 주파수 밴드(50.8 ~ 63.5 Hz)의 밴드 파워 트랜드(Time) 평가의 개념 설명도(천이 구간, 고장 구간), 도 13은 본 발명의 진동 데이터에 관한 스펙트럼 워터폴 뷰 (주파수, 날짜, 진동 레벨)에서 데이터 주파수 분할 개념 및 트랜드 진전으로 보이는 밴드 선택 설명도이다.
도 14는 본 발명의 선택된 주파수 밴드(57.15~63.5 Hz)의 밴드 파워 트랜드(Time) 평가 그래프(첫번째 반복), 도 15는 본 발명의 선택된 주파수 밴드(57.15~63.5 Hz)의 밴드 파워 트랜드(Time) 평가 그래프(두번째 반복), 도 16은 본 발명의 선택된 주파수 밴드(57.15~63.5 Hz)의 밴드 파워 트랜드(Time) 평가 그래프(세번째 반복), 도 17은 본 발명의 선택된 주파수 밴드(57.15~63.5 Hz)의 밴드 파워 트랜드(Time) 평가 그래프(네번째 반복), 도 18은 본 발명의 트랜드 평가 후 주파수 재 분할대상이 되는 밴드 선택 개념 설명도, 도 19는 본 발명의 방법에 따른 측정데이터 기반의 이상 주파수 규명 및 열화현상 주파수 영역 특정 설명도이고, 도 20는 본 발명의 방법에 따라 최종적으로 확정된 주파수 영역(60.3~61.9) 의 트랜드(진동레벨 vs 시간)을 보이는 그래프(정상 터빈, 고장터빈)이다.
도시된 바와 같이, 본 발명의 자가 학습형 풍력발전시스템 상태 감시 고장 진단 방법은, 진동 신호감지 단계(S10)와 데이터 습득 단계(S20)와 데이터 선정 단계(S30)와 신호 처리 단계(S40)와 주파수 분할 단계(S50)와 밴드 파워 연산 단계(S60)를 포함한다. 진동 신호감지 단계(S10)에서, 복수개의 가속도계(10)들을 이용하여 풍력발전기의 일지점 또는 풍력발전기 부품의 일지점의 진동신호를 감지한다.
도시된 바와 같이, 데이터 습득 단계(S20)에서, 데이터 습득보드(20)가 상기 가속도계(10)에서 풍력발전기의 일지점 또는 풍력발전기 부품의 일지점의 진동들을 채널별로 습득한다. 데이터 선정 단계(S30)에서, 제어부(40)가 바람의 속도, 풍력발전기 회전수, 풍력발전기 출력에 관한 센서(30)들 중 적어도 하나의 센서로부터 신호를 수신하여 유효한 액티브 빈 여부를 규정한다.
도시된 바와 같이, 신호 처리 단계(S40)에서, 제어부(40)가 액티브 빈으로 규정된 진동 데이터에 대하여 FFT 스펙트럼(FFT Spectrum), 엔빌로프 스펙트럼(Envelpoe Spectrum ) 및 셉스트럼(Cepstrum) 중 적어도 하나를 연산한다.
도시된 바와 같이, 주파수 분할 단계(S50)에서, 제어부(40)가 신호 처리 단계(S40)에서 생성된 임의의 시간(Tj)의 FFT 스펙트럼(FFT Spectrum) 또는 엔빌로프 스펙트럼(Envelpoe Spectrum) 데이터를 복수의 밴드(Bi,j, i = 1~N)로 분할한다. 밴드 파워 연산 단계(S60)는, 주파수 분할 단계에서 분할된 주파수 밴드(Bi,j) 별 파워(Pi,j)를 연산(Band Power Calculation)한다.
도시된 바와 같이, 본 발명의 자가 학습형 풍력발전시스템 상태 감시 고장 진단 방법은, 트랜드 진전 밴드(Segment) 검출 단계(S70)와 주파수 재 분할 단계(S80)와 반복 단계(S90)와 이상 주파수 확정(Identification) 단계(S100)를 더 포함한다.
트랜드 진전 밴드(Segment) 검출 단계(S70)에서, 각각의 주파수 밴드(Bi, i = 1~N)에서 각 주파수 밴드 별로 시간의 흐름에 따른 파워(Pi,j)의 변화를 비교 평가(Assessment)로 하여 트렌드 진전 여부를 검출(Trend Development Assessment)한다.
도 13은 본 발명의 진동 데이터에 관한 스펙트럼 워터폴 뷰 (주파수, 날짜, 진동 레벨)에서 데이터 주파수 분할 개념 및 트랜드 진전으로 보이는 밴드 선택 설명도이다. 도 14는 본 발명의 선택된 주파수 밴드(57.15~63.5 Hz)의 밴드 파워 트랜드(Time) 평가 그래프(첫번째 반복), 도 15는 본 발명의 선택된 주파수 밴드(57.15~63.5 Hz)의 밴드 파워 트랜드(Time) 평가 그래프(두번째 반복), 도 16은 본 발명의 선택된 주파수 밴드(57.15~63.5 Hz)의 밴드 파워 트랜드(Time) 평가 그래프(세번째 반복), 도 17은 본 발명의 선택된 주파수 밴드(57.15~63.5 Hz)의 밴드 파워 트랜드(Time) 평가 그래프(네번째 반복)이다. 주파수 재 분할 단계(S80)에서, 트랜드 밴드 검출 단계(S70)에서 트랜드 진전이 있는 것으로 검출된 밴드(Bcr)에 대하여 주파수 밴드 재 분할을 시행한다.
도시된 바와 같이, 반복 단계(S90)에서, 밴드 파워 연산 단계(S60)와 트랜드 진전 밴드(Segment) 검출 단계(S70)와 주파수 재 분할 단계(S80)를 반복(Process Iteration)한다. 이상 주파수 확정(Identification) 단계(S100)에서, 반복 단계(S80) 내부의 최종단계에서 해당 밴드에서 과거와 현재의 밴드 별 파워를 비교 판단하여 이상 주파수(Abnormal Frequency) 밴드 구간을 확정한다.
트랜드 진전 밴드(Segment) 검출 단계(S70)에서, 각각의 주파수 밴드(Bi, i = 1~N)에서 시간(T)의 흐름에 따른 과거(Tj-1, Tj-2, ...)와 현재(Tj)의 주파수 밴드 별 파워(Pi,j, j = 1~M)를 비교 평가(Assessment)로 하여 트렌드 진전이 있다고 판단되는 주파수 밴드를 검출(Trend Development Assessment)한다.
도시된 바와 같이, 데이터 선정 단계(S30)에서, 제어부(20)에 적어도 두개 이상의 풍속범위(W = W1, W2 …)가 미리 입력 설정하고, 상기 윈드센서(30)에 의해 측정된 바람의 속도가 적어도 설정지속시간 동안 하나의 풍속범위에서 유지되었다고 판단되는 경우 액티브 빈으로 판단한다.
제어부(20)는, 바람의 속도가 적어도 설정지속시간 동안 하나의 풍속범위에서 유지된 시간 동안에 취득된 진동신호에 대한 액티부 빈에 속하는 FFT 스펙트럼(FFT Spectrum) 또는 엔빌로프 스펙트럼(Envelpoe Spectrum) 데이터를 유효 데이터로 지정하고 주파수 분할 단계(S50)를 시행한다.
본 발명의 자가학습형 고장진단 알고리즘(Self-learning Fault Diagnosis Algorithm)은 트랜드 평가에 있어서 skewness 개념을 도입할 수 있다.
Figure 112019099553915-pat00001
본 발명은 상기에서 언급한 바람직한 실시예와 관련하여 설명됐지만, 본 발명의 범위가 이러한 실시예에 한정되는 것은 아니며, 본 발명의 범위는 이하의 특허청구범위에 의하여 정하여지는 것으로 본 발명과 균등 범위에 속하는 다양한 수정 및 변형을 포함할 것이다.
아래의 특허청구범위에 기재된 도면부호는 단순히 발명의 이해를 보조하기 위한 것으로 권리범위의 해석에 영향을 미치지 아니함을 밝히며 기재된 도면부호에 의해 권리범위가 좁게 해석되어서는 안될 것이다.
10: 가속도계
20: 데이터 습득보드
30: 윈드, 회전수, 출력 센서
40: 제어부

Claims (4)

  1. 삭제
  2. 복수개의 가속도계(10)들을 이용하여 풍력발전기의 일지점 또는 풍력발전기 부품의 일지점의 진동신호를 감지하는 진동 신호감지 단계(S10)와;
    데이터 습득보드(20)가 상기 가속도계(10)에서 풍력발전기의 일지점 또는 풍력발전기 부품의 일지점의 진동들을 채널별로 습득하는 데이터 습득 단계(S20)와;
    제어부(40)가 바람의 속도, 풍력발전기 회전수, 풍력발전기 출력에 관한 센서(30)들 중 적어도 하나의 센서로부터 신호를 수신하여 유효한 액티브 빈 여부를 규정하는 데이터 선정 단계(S30)와;
    제어부(40)가 액티브 빈으로 규정된 진동 데이터에 대하여 FFT 스펙트럼(FFT Spectrum), 엔빌로프 스펙트럼(Envelpoe Spectrum ) 및 셉스트럼(Cepstrum) 중 적어도 하나를 연산하는 신호 처리 단계(S40)와;
    제어부(40)가 신호 처리 단계(S40)에서 생성된 임의의 시간(Tj)의 FFT 스펙트럼(FFT Spectrum) 또는 엔빌로프 스펙트럼(Envelpoe Spectrum) 데이터를 복수의 밴드(Bi,j, i = 1~N)로 분할하는 주파수 분할 단계(S50)와;
    상기 주파수 분할 단계에서 분할된 주파수 밴드(Bi,j) 별 파워(Pi,j)를 연산(Band Power Calculation)하는 밴드 파워 연산 단계(S60);
    를 포함하여 구성되되,

    각각의 주파수 밴드(Bi, i = 1~N)에서 각 주파수 밴드 별로 시간의 흐름에 따른 파워(Pi,j)의 변화를 비교 평가(Assessment)로 하여 트렌드 진전 여부를 검출(Trend Development Assessment)하는 트랜드 진전 밴드(Segment) 검출 단계(S70)와;
    상기 트랜드 진전 밴드 검출 단계(S70)에서 트랜드 진전이 있는 것으로 검출된 밴드(Bcr)에 대하여 주파수 밴드 재 분할을 시행하는 주파수 재 분할 단계(S80)와;
    상기 밴드 파워 연산 단계(S60)와 트랜드 진전 밴드(Segment) 검출 단계(S70)와 주파수 재 분할 단계(S80)를 반복(Process Iteration)하는, 반복 단계(S90)와;
    상기 반복 단계(S80) 내부의 최종단계에서 해당 밴드에서 과거와 현재의 밴드 별 파워를 비교 판단하여 이상 주파수(Abnormal Frequency) 밴드 구간을 확정하는 이상 주파수 확정(Identification) 단계(S100);
    를 더 포함하여 구성되는 것을 특징으로 하는 자가 학습형 풍력발전시스템 상태 감시 고장 진단 방법.
  3. 제2항에 있어서,
    상기 트랜드 진전 밴드(Segment) 검출 단계(S70)에서,
    각각의 주파수 밴드(Bi, i = 1~N)에서 시간(T)의 흐름에 따른 과거(Tj-1, Tj-2, ...)와 현재(Tj)의 주파수 밴드 별 파워(Pi,j, j = 1~M)를 비교 평가(Assessment)로 하여 트렌드 진전이 있다고 판단되는 주파수 밴드를 검출(Trend Development Assessment)하는 것을 특징으로 하는 자가 학습형 풍력발전시스템 상태 감시 고장 진단 방법.
  4. 제2항에 있어서,
    상기 데이터 선정 단계(S30)에서,
    제어부(20)에 적어도 두개 이상의 풍속범위(W = W1, W2 …)가 미리 입력 설정하고, 윈드센서(30)에 의해 측정된 바람의 속도가 적어도 설정지속시간 동안 하나의 풍속범위에서 유지되었다고 판단되는 경우 액티브 빈으로 판단하고,

    제어부(20)는, 바람의 속도가 적어도 설정지속시간 동안 하나의 풍속범위에서 유지된 시간 동안에 취득된 진동신호에 대한 액티부 빈에 속하는 FFT 스펙트럼(FFT Spectrum) 또는 엔빌로프 스펙트럼(Envelpoe Spectrum) 데이터를 유효 데이터로 지정하고 주파수 분할 단계(S50)를 시행하는 것을 특징으로 하는 자가 학습형 풍력발전시스템 상태 감시 고장 진단 방법.
KR1020190120383A 2019-09-30 2019-09-30 자가 학습형 풍력발전시스템 상태 감시 고장 진단 방법 KR102068446B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020190120383A KR102068446B1 (ko) 2019-09-30 2019-09-30 자가 학습형 풍력발전시스템 상태 감시 고장 진단 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190120383A KR102068446B1 (ko) 2019-09-30 2019-09-30 자가 학습형 풍력발전시스템 상태 감시 고장 진단 방법

Publications (1)

Publication Number Publication Date
KR102068446B1 true KR102068446B1 (ko) 2020-01-20

Family

ID=69367800

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190120383A KR102068446B1 (ko) 2019-09-30 2019-09-30 자가 학습형 풍력발전시스템 상태 감시 고장 진단 방법

Country Status (1)

Country Link
KR (1) KR102068446B1 (ko)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112360702A (zh) * 2020-11-16 2021-02-12 华能昌邑风力发电有限公司 一种振动数据的集中监测方法及装置
KR102251379B1 (ko) * 2020-12-03 2021-05-12 주식회사 스마트파워 발전기, 해상용 수배전반, 해상 태양광 접속장치, 해상 풍력 변전 장치를 포함하는 자체 진동 발생 설비에 적용되는 스마트 내진 장치 및 그 방법
KR102273363B1 (ko) 2021-03-26 2021-07-07 주식회사 에이투엠 후류 영향 분석 및 단지 제어 시뮬레이션을 통한 디지털 기반 해상풍력단지 통합 o＆m 서비스 플랫폼 장치
CN113236508A (zh) * 2021-05-31 2021-08-10 浙江运达风电股份有限公司 一种用于风力发电机组风速-功率异常数据检测的方法
CN113969870A (zh) * 2020-07-23 2022-01-25 北京金风科创风电设备有限公司 用于风力发电机组估计器的监测方法及其装置
EP4050313A1 (en) 2021-02-25 2022-08-31 Universitat Politècnica De Catalunya System and method for measuring response of structures
CN116203910A (zh) * 2023-04-27 2023-06-02 三峡智控科技有限公司 一种基于异构同源的风机状态映射与判断系统
CN117723303A (zh) * 2024-02-01 2024-03-19 湘潭大学 一种风力发电机组轴承声学监测方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101336718B1 (ko) * 2012-07-09 2013-12-03 (주)에스엠인스트루먼트 풍력발전기 상태감시시스템 알람 생성 방법
KR101420846B1 (ko) * 2014-02-13 2014-07-18 한국기계연구원 액티브 빈을 이용한 풍력 발전기 고장 진단 방법

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101336718B1 (ko) * 2012-07-09 2013-12-03 (주)에스엠인스트루먼트 풍력발전기 상태감시시스템 알람 생성 방법
KR101420846B1 (ko) * 2014-02-13 2014-07-18 한국기계연구원 액티브 빈을 이용한 풍력 발전기 고장 진단 방법

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113969870A (zh) * 2020-07-23 2022-01-25 北京金风科创风电设备有限公司 用于风力发电机组估计器的监测方法及其装置
CN112360702A (zh) * 2020-11-16 2021-02-12 华能昌邑风力发电有限公司 一种振动数据的集中监测方法及装置
CN112360702B (zh) * 2020-11-16 2022-11-25 华能昌邑风力发电有限公司 一种振动数据的集中监测方法及装置
KR102251379B1 (ko) * 2020-12-03 2021-05-12 주식회사 스마트파워 발전기, 해상용 수배전반, 해상 태양광 접속장치, 해상 풍력 변전 장치를 포함하는 자체 진동 발생 설비에 적용되는 스마트 내진 장치 및 그 방법
EP4050313A1 (en) 2021-02-25 2022-08-31 Universitat Politècnica De Catalunya System and method for measuring response of structures
KR102273363B1 (ko) 2021-03-26 2021-07-07 주식회사 에이투엠 후류 영향 분석 및 단지 제어 시뮬레이션을 통한 디지털 기반 해상풍력단지 통합 o＆m 서비스 플랫폼 장치
CN113236508A (zh) * 2021-05-31 2021-08-10 浙江运达风电股份有限公司 一种用于风力发电机组风速-功率异常数据检测的方法
CN116203910A (zh) * 2023-04-27 2023-06-02 三峡智控科技有限公司 一种基于异构同源的风机状态映射与判断系统
CN116203910B (zh) * 2023-04-27 2023-07-07 三峡智控科技有限公司 一种基于异构同源的风机状态映射与判断系统
CN117723303A (zh) * 2024-02-01 2024-03-19 湘潭大学 一种风力发电机组轴承声学监测方法
CN117723303B (zh) * 2024-02-01 2024-05-10 湘潭大学 一种风力发电机组轴承声学监测方法

Similar Documents

Publication Publication Date Title
KR102068446B1 (ko) 자가 학습형 풍력발전시스템 상태 감시 고장 진단 방법
EP3631205B1 (en) Wind turbine fault detection using acoustic, vibration, and electrical signals
JP5216903B2 (ja) 歯車噛み合い障害検出の側波帯エネルギー比率方法
EP2585716B1 (en) A method for performing condition monitoring in a wind farm
CN109952429B (zh) 预测风力涡轮机噪声
US11441940B2 (en) Condition monitoring apparatus, condition monitoring system, and condition monitoring method
EP2665925B1 (en) A method for diagnostic monitoring of a wind turbine generator system
EP2026160A1 (en) Event monitoring via combination of signals
EP2746885A1 (en) Method of monitoring the condition of a wind turbine
KR102040179B1 (ko) 제조 설비의 이상 감지 및 진단 방법
KR101336718B1 (ko) 풍력발전기 상태감시시스템 알람 생성 방법
JP2017525891A (ja) 駆動システムの早期エラー検出方法、早期エラー検出システム、早期エラー検出システムを備える風力発電機、および早期エラー検出システムの使用
EP3452799A1 (en) Method of identifying a fault in a system of gears in a wind turbine
CN117906991A (zh) 旋转机械的机器健康监测
KR102168403B1 (ko) 스펙트럴 커터시스를 이용한 풍력발전시스템 상태감시 방법
JP6801144B2 (ja) 診断装置および診断方法
JP2017207435A (ja) 異常診断方法
KR20240016353A (ko) 풍력 발전기용 검출 방법 및 관련 기기
EP3303835B1 (en) Method for windmill farm monitoring
US7580802B2 (en) Method of determining condition of a turbine blade, and utilizing the collected information for estimation of the lifetime of the blade
JP6934832B2 (ja) 状態監視装置、状態監視システムおよび状態監視方法
RU2522275C2 (ru) Способ определения технического состояния энергетического объекта
KR102273363B1 (ko) 후류 영향 분석 및 단지 제어 시뮬레이션을 통한 디지털 기반 해상풍력단지 통합 o＆m 서비스 플랫폼 장치
CN110869607A (zh) 用于风力转换器管理的方法、装置和系统
CN116557223A (zh) 一种针对风力发电机的检测方法和相关装置

Legal Events

Date Code Title Description
A302 Request for accelerated examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant