KR102068643B1 - 풍력발전기 예지방법 - Google Patents

풍력발전기 예지방법 Download PDF

Info

Publication number
KR102068643B1
KR102068643B1 KR1020190063219A KR20190063219A KR102068643B1 KR 102068643 B1 KR102068643 B1 KR 102068643B1 KR 1020190063219 A KR1020190063219 A KR 1020190063219A KR 20190063219 A KR20190063219 A KR 20190063219A KR 102068643 B1 KR102068643 B1 KR 102068643B1
Authority
KR
South Korea
Prior art keywords
state index
wind
life
statistical
prediction
Prior art date
Application number
KR1020190063219A
Other languages
English (en)
Inventor
서윤호
김상렬
마평식
이성현
김봉기
김현실
김재승
Original Assignee
한국기계연구원
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 한국기계연구원 filed Critical 한국기계연구원
Priority to KR1020190063219A priority Critical patent/KR102068643B1/ko
Application granted granted Critical
Publication of KR102068643B1 publication Critical patent/KR102068643B1/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
    • 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
    • F03D80/00—Details, components or accessories not provided for in groups F03D1/00 - F03D17/00
    • F03D80/50—Maintenance or repair
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • 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
    • F05B2260/82—Forecasts
    • 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
    • F05B2270/303—Temperature
    • 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
    • F05B2270/333—Noise or sound levels
    • 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
    • Y02E10/72—Wind turbines with rotation axis in wind direction

Landscapes

  • Engineering & Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • Combustion & Propulsion (AREA)
  • Chemical & Material Sciences (AREA)
  • Sustainable Energy (AREA)
  • Software Systems (AREA)
  • Sustainable Development (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Medical Informatics (AREA)
  • Mathematical Physics (AREA)
  • General Physics & Mathematics (AREA)
  • Computing Systems (AREA)
  • Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Wind Motors (AREA)
  • Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)

Abstract

본 발명은 풍력발전기 예지방법에 관한 것이다. 본 발명의 목적은 장시간 축적된 풍력발전기의 결함 데이터를 활용하여, 통계적인 추정 또는 상태지수를 이용한 추정을 통해, 풍력발전기 전체의 각부에 대한 수명을 통합적으로 관리하고 예측할 수 있는, 풍력발전기 예지방법을 제공함에 있다.

Description

풍력발전기 예지방법 {Lifetime prediction method for wind generator}
본 발명은 풍력발전기 예지방법에 관한 것으로, 보다 상세하게는 풍력발전기에 대한 다양한 데이터를 바탕으로 보다 효과적으로 풍력발전기의 수명을 예측할 수 있도록 하는 풍력발전기 예지방법에 관한 것이다.
풍력발전기란 바람을 받는 블레이드가 회전함으로써 회전축에 연결된 발전기를 통해 발전을 하는 장치를 가리킨다. 도 1은 일반적인 풍력발전기를 간략하게 도시하고 있다. 도시된 바와 같이 풍력발전기는, 회전축에 구비되어 바람에 의해 회전되는 복수 개의 블레이드, 회전축에 연결되어 전기를 생산하는 발전기를 포함한다. 도 2는 풍력발전기의 내부 구조를 간략하게 도시한 것으로, 도시된 바와 같이 풍력발전기의 내부에는, 블레이드(1)가 연결되는 저속축(2), 상기 저속축(2)의 회전을 고속 회전으로 변환하는 기어박스(3), 상기 기어박스(3)에 의하여 상기 저속축(2)의 회전이 변환 전달됨으로써 고속으로 회전하는 고속축(4), 상기 고속축(4)에 연결되어 발전을 수행하는 발전기(5)가 구비된다.
풍력발전기는 수시로 풍속 및 풍향이 변화하는 바람을 계속 받도록 이루어져 있으며, 이러한 바람에 의한 진동, 충격, 하중편향 등의 요인에 의하여 풍력발전기의 각부에 손상이나 파손이 발생하게 된다. 손상이나 파손이 발생하는 순간에는 당연히 풍력발전기의 동작에 상당한 무리가 가게 되며, 이에 따라 손상이나 파손이 발생된 부품 외에 다른 부품에도 악영향이 간다. 따라서 이러한 손상이나 파손이 이미 일어난 후에 수리나 교체를 하는 것보다는, 손상이나 파손이 일어나기 전 수명이 거의 다 되었을 때 미리 수리나 교체를 해주는 것이 바람직하다는 것은 자명하다. 그런데 어떤 부품의 수명이 얼마나 되었는지 올바르게 파악하거나 예측하지 못할 경우, 과도하게 잦은 수리나 교체가 이루어지게 되어 풍력발전기 운용에 드는 비용이 불필요하게 상승될 수 있는 문제도 있다.
이러한 문제들을 해결하기 위하여, 풍력발전기의 여러 부품들의 수명을 보다 정확하고 효과적으로 예측하고자 하는 기술들이 다양하게 개시되어 왔다. 국제특허공개 제2017-163562호("잔여수명 평가 장치 및 방법, 풍력 발전 시스템", 2017.09.28.)에는 복합재료 구조물의 잔여수명을 평가하는 기술이, 일본특허공개 제2014-515096호("발전소에 있어서의 기어박스의 마모 감시", 2014.06.26.)에는 기어박스의 마모를 감시하여 수명을 예측하는 기술이, 일본특허공개 제2013-231441호("수명 예측 시스템", 2013.11.14.)에는 온도, 풍속 등의 조건에 따라 축전지 열화를 최소화하는 제어방법을 이용하여 축전지 수명을 연장함과 동시에 예측도 할 수 있도록 하는 기술이 개시된다. 그러나 상술한 선행문헌의 기술들은 풍력발전기를 구성하는 어느 하나의 부품에 대한 수명예측방법인 바, 각 부품 자체의 구조나 특성에 맞추어져 설계된 기술이다. 따라서 풍력발전기 전체의 각부에 대한 수명예측에 통합적으로 적용하기에는 난해함이 있다.
또한 이러한 단독 부품만의 수명예측 기술에는 다음과 같은 한계도 있다. 예를 들어 복합재료로 된 블레이드의 수명을 예측함에 있어서, 블레이드 자체만에서 얻어지는 진동이나 응력 등의 신호분석이 물론 가장 중요할 것임은 자명하다. 그런데, 블레이드가 마모되었을 때 블레이드가 연결된 회전축의 하중편향 등과 같은 다른 부품에서 발생되는 신호분석 역시 중요하게 고려될 수 있을 것이다. 그러나 블레이드 단독 부품만의 수명예측 기술에서는, 이처럼 다른 부품에서 발생되는 신호를 분석하지 못하게 되어, 수명예측효율을 어느 한계 이상으로 올리기 어려울 수 있다.
이러한 여러 사항들을 고려할 때, 풍력발전기 전체의 각부에 대한 수명을 통합적으로 관리하고 예측할 수 있는 기술이 개발될 필요가 있다.
1. 국제특허공개 제2017-163562호("잔여수명 평가 장치 및 방법, 풍력 발전 시스템", 2017.09.28.) 2. 일본특허공개 제2014-515096호("발전소에 있어서의 기어박스의 마모 감시", 2014.06.26.) 3. 일본특허공개 제2013-231441호("수명 예측 시스템", 2013.11.14.)
따라서, 본 발명은 상기한 바와 같은 종래 기술의 문제점을 해결하기 위하여 안출된 것으로, 본 발명의 목적은 장시간 축적된 풍력발전기의 결함 데이터를 활용하여, 통계적인 추정 또는 상태지수를 이용한 추정을 통해, 풍력발전기 전체의 각부에 대한 수명을 통합적으로 관리하고 예측할 수 있는, 풍력발전기 예지방법을 제공함에 있다.
상기한 바와 같은 목적을 달성하기 위한 본 발명의 풍력발전기 예지방법은, 블레이드, 상기 블레이드가 연결되는 저속축, 상기 저속축의 회전을 고속 회전으로 변환하는 상기 기어박스, 상기 기어박스에 의하여 상기 저속축의 회전이 변환 전달됨으로써 고속으로 회전하는 고속축, 상기 고속축에 연결되어 발전을 수행하는 발전기를 포함하는 풍력발전기의 예지방법에 있어서, 상기 풍력발전기의 시운전 또는 시뮬레이션을 통해 기설정된 측정변수에 대한 신호패턴자료가 누적적으로 획득되는 자료획득단계; 상기 신호패턴자료로부터 상기 풍력발전기에 포함되는 부품별로 예측모델이 구축되는 모델구축단계; 상기 풍력발전기의 운용을 통해 상기 측정변수가 측정되어 상기 예측모델에 입력되고 상기 측정변수로부터 부품별 상태를 나타내는 상태지수가 산출됨으로써 부품별 예측수명이 산출되는 수명예측단계; 를 포함할 수 있다.
이 때 상기 측정변수는, 상기 풍력발전기의 부품 및 위치에 따라 독립적으로 설치된 복수 개의 센서로부터 측정된 진동, 온도, 전압, 전류, 회전수, 소음 및 상기 풍력발전기에 입력되는 풍속, 풍향을 포함할 수 있다.
또한 상기 상태지수는, 복수 개의 상기 측정변수의 정규화된 값에 각각 별도의 가중치가 곱해져 더해짐으로써 산출될 수 있다. 이 때 상기 상태지수는, 상기 풍력발전기의 부품별로 상기 가중치 값이 각각 독립적으로 결정될 수 있다.
또한 상기 수명예측단계는, 상기 예측모델로부터 도출된 통계변수 및 상기 상태지수를 사용하여 통계기법에 의해 부품별 예측수명이 산출되는 통계기법예측단계, 기결정된 시간범위 동안 산출된 상기 상태지수를 사용하여 곡선맞춤에 의해 부품별 예측수명이 산출되는 곡선맞춤예측단계를 포함할 수 있다.
또한 상기 통계기법예측단계는, 상기 신호패턴자료로부터 복수 개의 상기 측정변수에 대한 통계적 특성이 분석됨으로써 상기 통계변수의 초기값이 결정되는 통계_통계변수결정단계, 상기 풍력발전기의 운용을 통해 상기 측정변수가 측정되는 통계_측정변수측정단계, 상기 측정변수로부터 상기 상태지수 값이 산출되고, 상기 상태지수의 변화량이 시간에 대한 지수함수 형태로 추정되되, 지수함수의 계수가 상기 통계변수의 초기값에 의해 추정되어 결정되는 통계_상태지수변환단계, 지수함수 형태로 된 상기 상태지수의 변화 경향에 의하여 부품별 예측수명이 산출됨으로써 고장이 예지되는 통계_부품고장예지단계, 산출된 예측수명의 적부판단에 의하여 상기 통계변수가 갱신됨으로써 상기 계수가 갱신되는 통계_함수계수갱신단계를 포함할 수 있다. 이 때 상기 통계_상태지수변환단계는, 상기 계수가 베이지안 추론(Bayesian inference)을 이용하여 추정되어 결정될 수 있다.
또한 상기 곡선맞춤예측단계는, 상기 풍력발전기의 운용을 통해 기결정된 시간범위 동안 상기 측정변수가 측정되는 곡선_측정변수측정단계, 상기 측정변수로부터 상기 상태지수 값이 산출되고, 상기 상태지수의 변화량이 시간에 대한 임의의 함수인 추정함수로서 추정되되, 상기 추정함수의 계수가 곡선맞춤에 의해 결정되는 곡선_상태지수변환단계, 상기 추정함수 형태로 된 상기 상태지수의 변화 경향에 의하여 부품별 예측수명이 산출됨으로써 고장이 예지되는 곡선_부품고장예지단계, 산출된 예측수명의 적부판단에 의하여 상기 추정함수가 갱신되는 곡선_추정함수갱신단계를 포함할 수 있다. 이 때 상기 곡선_상태지수변환단계는, 상기 추정함수가 지수함수 또는 다항함수 형태로서 추정되어 결정될 수 있다.
또한 상기 수명예측단계는, 상기 통계기법예측단계 및 상기 곡선맞춤예측단계 각각에서 독립적으로 산출된 부품별 예측수명이 종합되어 최종적으로 부품별 예측수명이 산출되는 종합수명예측단계를 포함할 수 있다.
본 발명에 의하면, 장시간 축적된 풍력발전기의 결함 데이터를 활용하여, 풍력발전기 전체의 각부에 대한 수명을 통합적으로 관리하고 예측할 수 있는 효과가 있다. 즉 종래에는 어떤 단독 부품의 수명을 예측하기 위해 해당 단독 부품과 관련된 측정변수만을 사용하기 때문에 수명예측에 한계가 있었던 반면, 본 발명에서는 풍력발전기 전체의 각부에서 획득된 다양한 측정변수들을 사용하여 수명예측을 수행하기 때문에, 보다 다양한 상황과 조건들을 모두 고려할 수 있게 되어 수명예측의 정확성이 크게 향상될 수 있다.
특히 본 발명에 의하면, 통계적인 추정 및 상태지수를 이용한 추정 2가지 방법을 사용하여 수명예측을 수행함으로써, 2가지 방법의 상호보완을 통해 수명예측의 정확성을 더욱 향상시킬 수 있는 효과가 있다.
뿐만 아니라 본 발명은 어떤 단독 부품만을 위한 수명예측 방법이 아니므로, 다양한 풍력발전기에 본 발명을 모두 적용할 수 있으며, 또한 풍력발전기에 새로운 부품이 추가되는 등의 변화가 발생한다 하여도 전혀 상관없이 적용할 수 있다.
도 1은 일반적인 풍력발전기.
도 2는 풍력발전기의 내부 구조.
도 3은 본 발명의 풍력발전기 예지방법의 전체 흐름도.
도 4는 통계기법예측단계의 흐름도.
도 5는 통계기법예측단계의 실시예.
도 6은 곡선맞춤예측단계의 흐름도.
도 7은 곡선맞춤예측단계의 실시예.
도 8은 통계기법예측단계 및 곡선맞춤예측단계를 이용한 수명예측 실시예.
도 9는 곡선맞춤예측단계를 이용한 베어링 수명예측 실시예.
도 10은 일반하중 및 변화하중에 대한 기어 수명예측 실시예.
이하, 상기한 바와 같은 구성을 가지는 본 발명에 의한 풍력발전기 예지방법을 첨부된 도면을 참고하여 상세하게 설명한다.
도 3은 본 발명의 풍력발전기 예지방법의 전체 흐름도를 도시하고 있다. 도시된 바와 같이 본 발명의 풍력발전기 예지방법은, 자료획득단계, 모델구축단계, 수명예측단계를 포함한다.
상기 자료획득단계에서는, 상기 풍력발전기의 시운전 또는 시뮬레이션을 통해 기설정된 측정변수에 대한 신호패턴자료가 누적적으로 획득된다. 이 때 상기 측정변수는 상기 풍력발전기의 상태를 진단하기 위한 것으로서 사용자에 의해 적절히 결정될 수 있다. 상기 측정변수의 구체적인 예를 들자면, 상기 풍력발전기의 부품 및 위치에 따라 독립적으로 설치된 복수 개의 센서로부터 측정된 진동, 온도, 전압, 전류, 회전수, 소음 등과 같은 값들이나, 상기 풍력발전기에 입력되는 풍속, 풍향 등과 같은 값들도 포함될 수 있다. 물론 이는 예시적으로 서술한 것으로, 상기 풍력발전기의 상태를 효과적으로 진단할 수 있는 것이라면 다른 어떤 것이 상기 측정변수로 채택되어도 무방하다. 이와 같이 획득된 상기 신호패턴자료는 일종의 빅데이터가 된다.
상기 모델구축단계에서는, 상기 신호패턴자료로부터 상기 풍력발전기에 포함되는 부품별로 예측모델이 구축된다. 보다 구체적으로 설명하면 다음과 같다. 상기 모델구축단계는, 상기 자료획득단계에서 얻어진 빅데이터, 즉 시운전이나 시뮬레이션을 통해 어떤 상태일 때 어떤 결과가 나온다는 인과가 이미 알려져 있는 데이터를 기반으로 이루어진다. 즉 상기 풍력발전기가 정상적으로 작동하고 있을 때가 언제인지 알고 있으며, 따라서 정상운용 중에 진동, 소음, 전류 등 다양한 상기 측정변수의 신호패턴이 어떻게 나오는지 알고 있다. 한편으로, 예를 들어 베어링이 손상되었을 때 진동 및 소음의 신호패턴이 어떻게 나오는지, 기어박스 내 어떤 기어가 손상되었을 때 진동 및 전류의 신호패턴이 어떻게 나오는지 등, 어떤 부품에서 어떤 손상이 발생되었을 때 어떤 측정변수에서 어떤 신호패턴이 발생하는지에 대해서 알고 있다. 무엇보다도, 새 부품을 사용할 때와 어느 정도 시간이 흘러 열화된 부품을 사용할 때 신호패턴이 어떻게 달라지는지에 대해서 알고 있다. 즉 부품별 상태가 어느 정도 열화되었을 때 어떠한 신호패턴이 나오는지 알고 있는 것이다. 이처럼 모델구축단계에서는 다양한 부품에 대하여 각 부품별 상태에 따른 신호패턴에 대한 선행지식이 획득되어, 이후의 수명예측단계에 활용될 수 있게 된다.
상기 수명예측단계에서는, 상기 풍력발전기의 운용을 통해 상기 측정변수가 측정되어 상기 예측모델에 입력되고 상기 측정변수로부터 부품별 상태를 나타내는 상태지수가 산출됨으로써 부품별 예측수명이 산출된다. 아주 단순하게 예를 들자면 다음과 같다. 상기 모델구축단계에서 베어링이 새 부품일 때에는 진동 측정치의 신호패턴이 약 10kHz의 주파수 값을 갖는데, 3개월이 지나 50% 열화되었을 때에는 20kHz, 5개월이 지나 95% 열화되었을 때에는 50kHz가 된다는 데이터를 얻었다고 가정한다. 그렇다면, 베어링 부품에 대해서 진동 값을 계속 측정한다고 할 때, 측정치 주파수가 35kHz가 나온다면 수명이 거의 다 되었고 약 1개월 정도 수명이 남았다고 예측할 수 있을 것이다.
이 때 본 발명에서는, 어떤 하나의 부품에 대하여 해당 부품에서 얻어지는 측정변수 값만을 사용하여 상태를 판단하는 것이 아니라, 다양한 측정변수 값들을 종합적으로 고려하여 상태를 판단한다. 보다 구체적으로 설명하자면, 본 발명에서는, 부품별 상태를 나타내는 상기 상태지수는, 복수 개의 상기 측정변수의 정규화된 값에 각각 별도의 가중치가 곱해져 더해짐으로써 산출된다. 이를 수식으로 나타내면 다음과 같다.
SI = w1ㅧV1 + w2ㅧV2 + … + wnㅧVn
(여기에서, SI : 상태지수(State Index), Vi : 정규화된 측정변수, wi : 가중치(0~1))
이 때 상기 상태지수는, 상기 풍력발전기의 부품별로 상기 가중치 값이 각각 독립적으로 결정된다. 이에 대하여 보다 구체적으로 설명하면 다음과 같다.
예를 들어 상기 상태지수 식이 다음과 같이 이루어진다고 가정한다.
상태지수 = 가중치1x기어박스진동센서1측정값 + 가중치2x기어박스진동센서2측정값 + 가중치3x기어박스소음센서측정값 + 가중치4x입력풍속 + 가중치5x입력풍향 + 가중치6x발전기발전량 + …
예를 들어 [기어 상태지수 식]이라면, 불필요한 입력풍속, 입력풍량, 발전기발전량 등의 가중치 4, 5, 6 등은 0으로 하고, 가중치1, 가중치2, 가중치3에 0.3, 0.3, 0.4를 대입한 식이 될 수 있다. 이러한 가중치는 물론, 앞서 설명한 상기 모델구축단계에서 결정될 수 있다. 이처럼 얻어진 상태지수 식, 즉 [0.3x기어박스진동센서1측정값 + 0.3x기어박스진동센서2측정값 + 0.4x기어박스소음센서측정값]으로부터 상태지수가 산출된다. 이렇게 산출된 상태지수 값이 얼마일 때 얼마나 열화된 상태인지는(즉 수명이 얼마나 남았는지는), 시운전, 시뮬레이션 등으로부터 얻어진 빅데이터 분석을 통해 만들어진 예측모델을 이용하여 쉽게 산출할 수 있다.
위에서는 상기 수명예측단계의 전체적인 흐름을 설명한 것으로, 이하에서는 상기 수명예측단계가 구체적으로 어떻게 실현되는지에 대하여 보다 상세히 설명한다.
상기 수명예측단계는, 도 3에 도시된 바와 같이, 통계기법예측단계 또는 곡선맞춤예측단계를 포함할 수 있다. 상기 통계기법예측단계에서는, 상기 예측모델로부터 도출된 통계변수 및 상기 상태지수를 사용하여 통계기법에 의해 부품별 예측수명이 산출된다. 상기 곡선맞춤예측단계에서는, 기결정된 시간범위 동안 산출된 상기 상태지수를 사용하여 곡선맞춤에 의해 부품별 예측수명이 산출된다. 이 때 상기 통계기법예측단계 및 상기 곡선맞춤예측단계 둘 중 하나만 사용할 수도 있고, 상호보완적으로 둘 다 사용할 수도 있다. 둘 중 하나만 사용하는 경우라면 각 단계에서 산출된 예측수명 값을 그대로 사용하면 되며, 둘 다 사용하는 경우라면, 상기 통계기법예측단계 및 상기 곡선맞춤예측단계 각각에서 독립적으로 산출된 부품별 예측수명이 종합되어 최종적으로 부품별 예측수명이 산출되는 종합수명예측단계가 더 수행될 수 있다. 보다 구체적으로 설명하자면, 상기 종합수명예측단계에서는, 각각에서 구해진 부품별 예측수명을 평균한다든가, 둘 중 하나를 선택한다든가, 적절한 가중치를 써서 합치는 등으로 각각에서 산출된 예측수명 값을 종합할 수 있다.
도 4는 통계기법예측단계의 흐름도를 도시하고 있다. 도 4에 도시된 바와 같이, 상기 통계기법예측단계는, 통계_통계변수결정단계, 통계_측정변수측정단계, 통계_상태지수변환단계, 통계_부품고장예지단계, 통계_함수계수갱신단계를 포함할 수 있다.
먼저 상기 통계_통계변수결정단계에서, 상기 신호패턴자료로부터 복수 개의 상기 측정변수에 대한 통계적 특성이 분석됨으로써 상기 통계변수의 초기값이 결정된다. 다음으로 상기 통계_측정변수측정단계에서, 상기 풍력발전기의 운용을 통해 상기 측정변수가 측정된다. 다음으로 상기 통계_상태지수변환단계에서, 상기 측정변수로부터 상기 상태지수 값이 산출되고, 상기 상태지수의 변화량이 시간에 대한 지수함수 형태로 추정되되, 지수함수의 계수가 상기 통계변수의 초기값에 의해 추정되어 결정된다. 이 때 상기 계수는, 베이지안 추론(Bayesian inference)을 이용하여 추정되어 결정될 수 있다. 다음으로 상기 통계_부품고장예지단계에서, 지수함수 형태로 된 상기 상태지수의 변화 경향에 의하여 부품별 예측수명이 산출됨으로써 고장이 예지된다. 이 때 산출된 예측수명이 적합하다면 이대로 계속 예지작업이 이루어지면 되며, 산출된 예측수명이 부적합하다면 상기 통계_함수계수갱신단계가 수행되어, 산출된 예측수명의 적부판단에 의하여 상기 통계변수가 갱신됨으로써 상기 계수가 갱신된다. 도 5는 실제로 신호패턴자료 및 측정변수 값을 사용하여 통계기법예측단계를 수행함으로써 수명을 예측하는 예시를 도시하고 있다.
도 6은 곡선맞춤예측단계의 흐름도를 도시하고 있다. 도 6에 도시된 바와 같이, 상기 곡선맞춤예측단계는, 곡선_측정변수측정단계, 곡선_상태지수변환단계, 곡선_부품고장예지단계, 곡선_추정함수갱신단계를 포함할 수 있다.
먼저 상기 곡선_측정변수측정단계에서, 상기 풍력발전기의 운용을 통해 기결정된 시간범위 동안 상기 측정변수가 측정된다. 다음으로 상기 곡선_상태지수변환단계에서, 상기 측정변수로부터 상기 상태지수 값이 산출되고, 상기 상태지수의 변화량이 시간에 대한 임의의 함수인 추정함수로서 추정되되, 상기 추정함수의 계수가 곡선맞춤에 의해 결정된다. 이 때 상기 추정함수는, 지수함수 또는 (포물선함수, 선형함수 등을 포함하는) 다항함수 등과 같은 여러 형태의 함수 중에서 적절한 것으로서 선택될 수 있다. 다음으로 상기 곡선_부품고장예지단계에서, 지수함수 형태로 된 상기 상태지수의 변화 경향에 의하여 부품별 예측수명이 산출됨으로써 고장이 예지된다. 이 때 산출된 예측수명이 적합하다면 이대로 계속 예지작업이 이루어지면 되며, 산출된 예측수명이 부적합하다면 상기 곡선_추정함수갱신단계가 수행되어, 산출된 예측수명의 적부판단에 의하여 상기 추정함수가 갱신된다. 도 7은 실제로 측정변수 값을 사용하여 곡선맞춤예측단계를 수행함으로써 수명을 예측하는 예시로서, 도 7의 예시에서는 상기 추정함수의 형태를 지수함수로서 가정하였다. 물론 이로써 본 발명이 한정되는 것은 아니며, 앞서 설명한 바와 같이 상기 추정함수는 포물선, 선형 등과 같은 다항함수 형태로 될 수도 있는 등 데이터 상태에 따라 적절한 변경 실시가 가능하다.
도 4 및 도 6을 비교하여 볼 때, 상기 통계기법예측단계 및 상기 곡선맞춤예측단계는 어느 정도 비슷하게 흘러가지만, 상기 곡선맞춤예측단계에서는 통계적 가정을 필요로 하지 않는다는 점에서 차이가 있다. 상기 곡선맞춤예측단계는 일정시간 상태지수를 곡선맞춤으로 추정하기 때문에, 통계적 가정 없이도 임의의 상기 추정함수의 계수를 도출할 수 있으며, 또한 국부적 변화에도 원활하게 대처할 수 있다.
도 8은 통계기법예측단계 및 곡선맞춤예측단계를 이용한 수명예측 실시예를 각각 도시하고 있다. 도 8로부터, 두 방식 모두 적절한 시간(도 8에서는 약 5시간 가량)이 흐른 뒤에는 상당히 우수하게 수명예측을 해낼 수 있음이 확인된다.
도 9는 곡선맞춤예측단계를 이용한 베어링 수명예측 실시예를, 도 10은 일반하중 및 변화하중에 대한 기어 수명예측 실시예를 각각 도시하고 있다. 도 9 및 도 10에 나타나는 바와 같이, 다양한 부품(베어링, 기어 등)에 따라 각각의 부품별로 수명예측을 원활하게 해낼 수 있음이 확인된다.
본 발명은 상기한 실시예에 한정되지 아니하며, 적용범위가 다양함은 물론이고, 청구범위에서 청구하는 본 발명의 요지를 벗어남이 없이 당해 본 발명이 속하는 분야에서 통상의 지식을 가진 자라면 누구든지 다양한 변형 실시가 가능한 것은 물론이다.
1: 블레이드 2: 저속축
3: 기어박스 4: 고속축
5: 발전기

Claims (10)

  1. 블레이드, 상기 블레이드가 연결되는 저속축, 상기 저속축의 회전을 고속 회전으로 변환하는 상기 기어박스, 상기 기어박스에 의하여 상기 저속축의 회전이 변환 전달됨으로써 고속으로 회전하는 고속축, 상기 고속축에 연결되어 발전을 수행하는 발전기를 포함하는 풍력발전기의 예지방법에 있어서,
    상기 풍력발전기의 시운전 또는 시뮬레이션을 통해 기설정된 측정변수에 대한 신호패턴자료가 누적적으로 획득되는 자료획득단계;
    상기 신호패턴자료로부터 상기 풍력발전기에 포함되는 부품별로 예측모델이 구축되는 모델구축단계;
    상기 풍력발전기의 운용을 통해 상기 측정변수가 측정되어 상기 예측모델에 입력되고 상기 측정변수로부터 부품별 상태를 나타내는 상태지수가 산출됨으로써 부품별 예측수명이 산출되는 수명예측단계;
    를 포함하는 것을 특징으로 하는 풍력발전기 예지방법.
  2. 제 1항에 있어서, 상기 측정변수는,
    상기 풍력발전기의 부품 및 위치에 따라 독립적으로 설치된 복수 개의 센서로부터 측정된 진동, 온도, 전압, 전류, 회전수, 소음 및 상기 풍력발전기에 입력되는 풍속, 풍향을 포함하는 것을 특징으로 하는 풍력발전기 예지방법.
  3. 제 1항에 있어서, 상기 상태지수는,
    복수 개의 상기 측정변수의 정규화된 값에 각각 별도의 가중치가 곱해져 더해짐으로써 산출되는 것을 특징으로 하는 풍력발전기 예지방법.
  4. 제 3항에 있어서, 상기 상태지수는,
    상기 풍력발전기의 부품별로 상기 가중치 값이 각각 독립적으로 결정되는 것을 특징으로 하는 풍력발전기 예지방법.
  5. 제 1항에 있어서, 상기 수명예측단계는,
    상기 예측모델로부터 도출된 통계변수 및 상기 상태지수를 사용하여 통계기법에 의해 부품별 예측수명이 산출되는 통계기법예측단계,
    기결정된 시간범위 동안 산출된 상기 상태지수를 사용하여 곡선맞춤에 의해 부품별 예측수명이 산출되는 곡선맞춤예측단계
    를 포함하는 것을 특징으로 하는 풍력발전기 예지방법.
  6. 제 5항에 있어서, 상기 통계기법예측단계는,
    상기 신호패턴자료로부터 복수 개의 상기 측정변수에 대한 통계적 특성이 분석됨으로써 상기 통계변수의 초기값이 결정되는 통계_통계변수결정단계,
    상기 풍력발전기의 운용을 통해 상기 측정변수가 측정되는 통계_측정변수측정단계,
    상기 측정변수로부터 상기 상태지수 값이 산출되고, 상기 상태지수의 변화량이 시간에 대한 지수함수 형태로 추정되되, 지수함수의 계수가 상기 통계변수의 초기값에 의해 추정되어 결정되는 통계_상태지수변환단계,
    지수함수 형태로 된 상기 상태지수의 변화 경향에 의하여 부품별 예측수명이 산출됨으로써 고장이 예지되는 통계_부품고장예지단계,
    산출된 예측수명의 적부판단에 의하여 상기 통계변수가 갱신됨으로써 상기 계수가 갱신되는 통계_함수계수갱신단계
    를 포함하는 것을 특징으로 하는 풍력발전기 예지방법.
  7. 제 6항에 있어서, 상기 통계_상태지수변환단계는,
    상기 계수가 베이지안 추론(Bayesian inference)을 이용하여 추정되어 결정되는 것을 특징으로 하는 풍력발전기 예지방법.
  8. 제 5항에 있어서, 상기 곡선맞춤예측단계는,
    상기 풍력발전기의 운용을 통해 기결정된 시간범위 동안 상기 측정변수가 측정되는 곡선_측정변수측정단계,
    상기 측정변수로부터 상기 상태지수 값이 산출되고, 상기 상태지수의 변화량이 시간에 대한 임의의 함수인 추정함수로서 추정되되, 상기 추정함수의 계수가 곡선맞춤에 의해 결정되는 곡선_상태지수변환단계,
    상기 추정함수 형태로 된 상기 상태지수의 변화 경향에 의하여 부품별 예측수명이 산출됨으로써 고장이 예지되는 곡선_부품고장예지단계,
    산출된 예측수명의 적부판단에 의하여 상기 추정함수가 갱신되는 곡선_추정함수갱신단계
    를 포함하는 것을 특징으로 하는 풍력발전기 예지방법.
  9. 제 8항에 있어서, 상기 곡선_상태지수변환단계는,
    상기 추정함수가 지수함수 또는 다항함수 형태로서 추정되어 결정되는 것을 특징으로 하는 풍력발전기 예지방법.
  10. 제 5항에 있어서, 상기 수명예측단계는,
    상기 통계기법예측단계 및 상기 곡선맞춤예측단계 각각에서 독립적으로 산출된 부품별 예측수명이 종합되어 최종적으로 부품별 예측수명이 산출되는 종합수명예측단계
    를 포함하는 것을 특징으로 하는 풍력발전기 예지방법.
KR1020190063219A 2019-05-29 2019-05-29 풍력발전기 예지방법 KR102068643B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020190063219A KR102068643B1 (ko) 2019-05-29 2019-05-29 풍력발전기 예지방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190063219A KR102068643B1 (ko) 2019-05-29 2019-05-29 풍력발전기 예지방법

Publications (1)

Publication Number Publication Date
KR102068643B1 true KR102068643B1 (ko) 2020-01-22

Family

ID=69368585

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190063219A KR102068643B1 (ko) 2019-05-29 2019-05-29 풍력발전기 예지방법

Country Status (1)

Country Link
KR (1) KR102068643B1 (ko)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022203294A1 (en) * 2021-03-24 2022-09-29 Korea Institute Of Energy Research Prediction method and systems of wind turbine load and life-time based on vibration data
KR102569043B1 (ko) * 2023-03-06 2023-08-24 주식회사 에이투엠 풍력발전시설의 해체 및 재활용 관리 시스템
KR20240006214A (ko) 2022-07-06 2024-01-15 한국기계연구원 기계의 상태감시데이터 경향성 진단을 이용한 수명예측방법

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2013231441A (ja) 2009-01-07 2013-11-14 Shin Kobe Electric Mach Co Ltd 寿命予測システム
JP2014515096A (ja) 2011-03-11 2014-06-26 ヘキサゴン・テクノロジー・センター・ゲーエムベーハー 発電ステーションにおけるギアボックスの摩耗監視
JP2016217133A (ja) * 2015-05-14 2016-12-22 株式会社日立製作所 演算システム、風力発電システム、又は、風車の余寿命又は疲労損傷量の算出方法
JP2017163562A (ja) 2008-11-25 2017-09-14 インテル・コーポレーション 指向性送信技術
KR20170133471A (ko) * 2015-04-13 2017-12-05 보벤 프로퍼티즈 게엠베하 풍력 발전 설비의 잔존 수명을 결정하기 위한 방법

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2017163562A (ja) 2008-11-25 2017-09-14 インテル・コーポレーション 指向性送信技術
JP2013231441A (ja) 2009-01-07 2013-11-14 Shin Kobe Electric Mach Co Ltd 寿命予測システム
JP2014515096A (ja) 2011-03-11 2014-06-26 ヘキサゴン・テクノロジー・センター・ゲーエムベーハー 発電ステーションにおけるギアボックスの摩耗監視
KR20170133471A (ko) * 2015-04-13 2017-12-05 보벤 프로퍼티즈 게엠베하 풍력 발전 설비의 잔존 수명을 결정하기 위한 방법
JP2016217133A (ja) * 2015-05-14 2016-12-22 株式会社日立製作所 演算システム、風力発電システム、又は、風車の余寿命又は疲労損傷量の算出方法

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022203294A1 (en) * 2021-03-24 2022-09-29 Korea Institute Of Energy Research Prediction method and systems of wind turbine load and life-time based on vibration data
KR20220132847A (ko) * 2021-03-24 2022-10-04 한국에너지기술연구원 진동기반 풍력터빈 하중 및 수명 예측방법 및 시스템
KR102456262B1 (ko) * 2021-03-24 2022-10-20 한국에너지기술연구원 진동기반 풍력터빈 하중 및 수명 예측방법 및 시스템
KR20240006214A (ko) 2022-07-06 2024-01-15 한국기계연구원 기계의 상태감시데이터 경향성 진단을 이용한 수명예측방법
KR102569043B1 (ko) * 2023-03-06 2023-08-24 주식회사 에이투엠 풍력발전시설의 해체 및 재활용 관리 시스템
JP7402581B1 (ja) * 2023-03-06 2023-12-21 エイ２エム カンパニー，リミテッド 風力発電施設の解体及びリサイクル管理システム

Similar Documents

Publication Publication Date Title
KR102068643B1 (ko) 풍력발전기 예지방법
Igba et al. Analysing RMS and peak values of vibration signals for condition monitoring of wind turbine gearboxes
Bhardwaj et al. Reliability prediction of an offshore wind turbine gearbox
Kang et al. Fault Tree Analysis of floating offshore wind turbines
EP3638900B1 (en) Independent monitoring system for a wind turbine
Li et al. Reliability assessment of wind turbine bearing based on the degradation-Hidden-Markov model
Uluyol et al. Power curve analytic for wind turbine performance monitoring and prognostics
JP6397330B2 (ja) ドライブトレイン、ギアボックス、発電機などの回転機械の残存耐用年数を測定
US8332164B2 (en) Method for determining fatigue damage in a power train of a wind turbine
Igba et al. Effect of preventive maintenance intervals on reliability and maintenance costs of wind turbine gearboxes
KR102119661B1 (ko) 회전기기 고장 예지를 위한 건전성 지표 추이 및 잔존수명 예측 기법
Aziz et al. General review of fault diagnostic in wind turbines
Baboli et al. Two-stage condition-based maintenance model of wind turbine: From diagnosis to prognosis
Bezzaoucha et al. Failure causes based wind turbine components classification and failure propagation: For proactive maintenance implementatio
Zhao et al. Early fault prediction of wind turbine gearbox based on temperature measurement
May Operational expenditure optimisation utilising condition monitoring for offshore wind parks
Osadciw et al. Wind turbine diagnostics based on power curve using particle swarm optimization
CN103323102B (zh) 大型汽轮发电机组低频振动预测优化方法
Ding Comparative study of maintenance strategies for wind turbine systems
Meyer et al. Closed-loop supervisory control for defined component reliability levels and optimized power generation
CN113994337A (zh) 风力涡轮机更换日程
WO2022071189A1 (ja) 状態監視装置および状態監視方法
Verma et al. Optimal time scheduling for carrying out minor maintenance on a steam turbine
US11635060B2 (en) System for operating a wind turbine using cumulative load histograms based on actual operation thereof
EP4353968A1 (en) Determining wind turbine lifetime

Legal Events

Date Code Title Description
GRNT Written decision to grant