KR20220106221A - 요-바람 이상 검출 방법 및 장치, 및 그 디바이스 및 저장 매체 - Google Patents

Abstract

요-바람 이상 검출 방법 및 장치가 개시된다. 방법은: 지정된 시간 주기 내 풍향 편차 각도를 획득하는 단계; 전력 성능 지수를 계산하는 단계 - 전력 성능 지수는 풍력 터빈의 발전 성능에 특징이 있도록 하는 무차원수임 -; 전력 성능 지수에 기초하여 최적 풍향 편차 각도를 결정하는 단계; 풍향 편차 각도의 확률 분포에 따라 현재 풍향 편차 각도를 결정하는 단계; 및 최적 풍향 편차 각도 및 현재 풍향 편차 각도 사이의 차이가 미리 설정된 임계치보다 큰 경우, 요-바람 이상이 검출된다고 결정하는 단계를 포함한다. 요-바람 검출이 전력 피팅 곡선을 통해 수행되는 관련 기술과 비교하여, 본 개시의 실시예들에 따른 기술적 솔루션에서는, 전력 지수가 직접 사용되어, 불량한 전력 곡선 피팅 효과의 문제를 피하고 요-바람 검출의 정확도를 개선한다.

Description

요-바람 이상 검출 방법 및 장치, 및 그 디바이스 및 저장 매체

본 개시의 실시예들은 풍력 발전의 기술 분야에 관한 것으로, 특히, 요-바람 이상(yaw-to-wind abnormality) 검출 방법 및 장치, 및 그 디바이스 및 저장 매체에 관한 것이다.

요-바람 오정렬(misalignment)은 풍력 터빈(wind turbines)에서 흔한 현상이다. 요-바람 오정렬 및 큰 요 오류(yaw errors)와 같은 문제들은 유닛의 발전 용량을 감소시킬 뿐만 아니라, 터빈들의 유닛들의 안정성 및 안전성에 영향을 줄 수 있다.

종래 기술에서, 요 편차(yaw deviation)가 분할(division) 방법으로 분석되었다. 즉, 상이한 바람 각도들이 일정한 구간들(intervals)로 분할된다. 그런 다음 상이한 각도 구간들로 전력 곡선 피팅(power curve fitting)이 수행된다. 상이한 각도 구간들은 전력 곡선의 성능 측면에서 비교된다. 전력 곡선이 최적인 구간이 요 편차 각도로 사용된다.

상기와 같은 종래 기술에서, 데이터 볼륨(volume)의 한계로 인해, 각각의 구간에서 전력 곡선을 피팅하면 일부 풍속 구간들에서 전력이 출력되지 않아 최종 전력 곡선의 불량한 피팅 효과로 더 이어져 최종 요 검출이 부정확해질 수 있다.

본 개시의 실시예들은 요-바람 이상 검출 방법 및 장치, 및 그 디바이스 및 저장 매체를 제공한다.

본 개시의 실시예들의 제1 측면에 따르면, 요-바람 이상 검출 방법이 제공된다. 방법은:

지정된 시간 주기(specified time period) 내 풍향 편차 각도를 획득하는 단계 - 상기 풍향 편차 각도는 풍향 및 풍력 터빈의 나셀(nacelle of wind turbine)의 중심 축 사이에서 정의되는 각도임 -;

전력 성능 지수(power performance index)를 계산하는 단계 - 상기 전력 성능 지수는 상기 풍력 터빈의 발전 성능에 특징이 있도록 하는 무차원수(dimensionless number)임 -;

상기 전력 성능 지수에 기초하여 최적 풍향 편차 각도를 결정하는 단계 - 상기 최적 풍향 편차 각도는 상기 지정된 시간 주기 내 상기 풍력 터빈의 최적 발전 성능에 대응하는 풍향 편차 각도임 -;

상기 풍향 편차 각도의 확률에 따라 현재 풍향 편차 각도를 결정하는 단계 - 상기 현재 풍향 편차 각도는 상기 지정된 시간 주기 내 발생 확률이 가장 큰 풍향 편차 각도임 -; 및

상기 최적 풍향 편차 각도 및 상기 현재 풍향 편차 각도 사이의 차이가 미리 설정된 임계치보다 큰 경우, 요-바람 이상이 검출된다고 결정하는 단계를 포함한다.

본 개시의 실시예들의 제2 측면에 따르면, 요-바람 이상 검출 장치가 제공된다. 장치는:

지정된 시간 주기(specified time period) 내 풍향 편차 각도를 획득하도록 구성되는, 편차 각도 획득 모듈 - 상기 풍향 편차 각도는 풍향 및 풍력 터빈의 나셀(nacelle of wind turbine)의 중심 축 사이에서 정의되는 각도임 -;

전력 성능 지수(power performance index)를 계산하도록 구성되는, 지수 계산 모듈 - 상기 전력 성능 지수는 상기 풍력 터빈의 발전 성능에 특징이 있도록 하는 무차원수(dimensionless number)임 -;

상기 전력 성능 지수에 기초하여 최적 풍향 편차 각도를 결정하도록 구성되는, 제1 결정 모듈 - 상기 최적 풍향 편차 각도는 상기 지정된 시간 주기 내 상기 풍력 터빈의 최적 발전 성능에 대응하는 풍향 편차 각도임 -;

상기 풍향 편차 각도의 확률 분포에 따라 현재 풍향 편차 각도를 결정하도록 구성되는, 제2 결정 모듈 - 상기 현재 풍향 편차 각도는 상기 지정된 시간 주기 내 발생 확률이 가장 큰 풍향 편차 각도임 -; 및

상기 최적 풍향 편차 각도 및 상기 현재 풍향 편차 각도 사이의 차이가 미리 설정된 임계치보다 큰 경우, 요-바람 이상이 검출된다고 결정하도록 구성되는, 결과 결정 모듈을 포함한다.

본 개시의 실시예들의 제3 측면에 따르면, 컴퓨터 디바이스가 제공된다. 컴퓨터 디바이스는 프로세서 및 적어도 하나의 명령어, 적어도 하나의 프로그램, 코드 세트 또는 명령어 세트를 저장하는 메모리를 포함한다. 상기 프로세서에 의해 로드 및 실행될 때, 상기 적어도 하나의 명령어, 상기 적어도 하나의 프로그램, 상기 코드 세트 또는 상기 명령어 세트는 상기 프로세서가 제1 측면에 설명된 상기 방법의 단계들을 수행하도록 한다.

본 개시의 실시예들의 제4 측면에 따르면, 적어도 하나의 컴퓨터 프로그램을 저장하는 비일시적 컴퓨터 판독 가능 저장 매체가 제공된다. 프로세서에 의해 로드 및 실행될 때, 상기 컴퓨터 프로그램은 상기 프로세서가 제1 측면에 설명된 상기 방법의 단계들을 수행하도록 한다.

본 개시의 실시예들에 따른 기술적 솔루션들은 다음의 유익한 효과들을 달성할 수 있다.

전력 성능 지수가 계산되고, 전력 성능 지수에 기초하여 최적 풍향 편차 각도가 결정되고, 현재 풍향 편차 각도가 풍향 편차 각도의 확률 분포에 따라 결정되고, 요-바람 이상이 검출되는지 여부가 결정된다. 요-바람 검출이 전력 피팅 곡선을 통해 수행되는 관련 기술과 비교하여, 본 개시의 실시예들에 따른 기술적 솔루션들에서는, 전력 지수(power index)가 직접 사용되어, 불량한 전력 곡선 피팅 효과의 문제를 피하고 요-바람 검출의 정확도를 개선한다.

상기의 일반적인 설명 및 다음의 상세한 설명이 단지 예시적이고 설명적이며, 본 개시를 제한할 수 없음이 이해되어야 한다.

설명에 포함되고 설명의 일부를 구성하는 첨부 도면들은, 본 개시의 실시예들을 예시하고, 그 설명과 함께 본 발명의 원리들을 설명하는 역할을 한다.
도 1은 예시적인 일 실시예에 따른 구현 환경의 개략도이고;
도 2는 예시적인 일 실시예에 따른 요-바람 이상 검출 방법의 흐름도이고;
도 3은 풍향 편차 각도의 개략도를 예시적으로 도시하고;
도 4는 예시적인 일 실시예에 따른 다른 요-바람 이상 검출 방법의 흐름도이고;
도 5는 원시 데이터의 프로세스를 처리하는 개략도를 예시적으로 도시하고;
도 6은 전력 회귀 모델의 훈련 프로세스의 개략도를 예시적으로 도시하고;
도 7은 풍향 편차 각도가 구간들로 분할되는 개략도를 예시적으로 도시하고;
도 8은 예시적인 일 실시예에 따른 요-바람 이상 검출 장치의 블록도이고;
도 9는 다른 예시적인 실시예에 따른 요-바람 이상 검출 장치의 블록도이고;
도 10은 본 개시의 일 실시예에 따른 단말의 구조적 블록도이고;
도 11은 본 개시의 일 실시예에 따른 서버의 개략적 구조도이다.

이하 예시적인 실시예들이 상세히 설명되고, 그 예들이 도면들에 도시된다. 다음의 설명이 도면을 참조할 때, 달리 지시되지 않는 한, 상이한 도면들에서 동일한 번호는 동일하거나 유사한 요소들을 나타낸다. 다음의 예시적인 실시예들에서 설명되는 구현들은 본 개시와 일치하는 모든 구현들을 나타내는 것은 아니다. 오히려, 그들은 첨부된 청구범위에 상세히 기술된 바와 같이 본 개시의 일부 측면들과 일치하는 장치들 및 방법들의 예시들일 뿐이다.

도 1은 예시적인 일 실시예에 따른 구현 환경의 개략도이다. 구현 환경은 풍력 터빈(10) 및 컴퓨터 디바이스(20)를 포함할 수 있다.

풍력 터빈(10)은 베이스, 타워, 나셀, 허브(hub) 및 블레이드들(풍차들)을 포함할 수 있다. 베이스는 풍력 터빈의 안정성을 유지하기 위해 풍력 터빈의 기초를 제공하기 위한 것이다. 풍력 터빈의 바람 센터(wind center)는 일정 높이에 설치되어야 하고, 타와는 이 높이를 제공하는 구조이다. 나셀은 주로 유리 섬유 강화 플라스틱 나셀 커버, 메인 프레임, 요(yaw) 시스템, 발전기 세트, 기어 박스, 브레이크, 주파수 변환기, 기상 관측소 및 기타 액세서리들로 구성된다. 허브는 주로 가변 피치 모터(variable pitch motor), 감속기(reducer), 가변 피치 제어 캐비닛, 슬립 링, 낙뢰 보호 와이어 및 기타 컴포넌트들로 구성된다. 블레이드는 주로 블레이드 세로 빔, 적절한 재료로 만들어진 블레이드 쉘, 블레이드 루트, 내장된 볼트 플랜지(embedded bolt flange), 블레이드 낙뢰 보호 및 섬락(flashover)으로 구성된다.

풍력 터빈(10)의 동작(operating) 파라미터들은 감시 제어 데이터 수집(SCDA: Supervisory Control and Data Acquisition) 시스템을 통해 획득될 수 있다. 획득된 동작 파라미터들은 풍속, 로터 속도, 블레이드 피치 각도, 요 각도, 유효 전력, 풍력 터빈 동작 상태 등을 포함할 수 있다. 획득 방법은 풍력 터빈의 대응하는 위치에 센서를 배치하는 것일 수 있다.

풍력 터빈(10)의 동작 파라미터들이 획득된 후, 동작 파라미터들은 요-바람 이상 검출을 위해 컴퓨터 디바이스(20)로 전송될 수 있다. 컴퓨터 디바이스(20)는 데이터 계산, 처리, 및 저장 기능을 가진 전자 디바이스를 의미한다. 컴퓨터 디바이스는, 예를 들어, 개인용 컴퓨터(PC) 또는 서버일 수 있다. 하나 이상의 컴퓨터 디바이스들(20)이 있을 수 있다. 예를 들어, 두 개의 컴퓨터 디바이스들(예: 제1 컴퓨터 디바이스 및 제2 컴퓨터 디바이스)이 있을 때, 제1 컴퓨터 디바이스는 SCADA 시스템과 직접 데이터를 전송하는 사설(private) 네트워크 서버일 수 있고, 제2 컴퓨터 디바이스는 공용 네트워크 서버일 수 있다. 제1 컴퓨터 디바이스는 제2 컴퓨터 디바이스에 데이터를 더 전송할 수 있다.

선택적으로, 컴퓨터 디바이스(20)가 요-바람 이상 검출을 수행한 후, 요-바람 이상을 검출하는 경우, 그것은 또한 요-바람 이상을 나타내기 위해 사용되는 경고 정보를 생성하고 보수 요원이 제시간에 이상을 찾아 정정(correct)할 수 있도록 경고 정보를 경고 디바이스에 보낼 수 있다.

관련 기술에서, 전력 곡선 피팅을 통해 요-바람 이상이 검출되는 것은 다음과 같은 문제들을 가진다: 데이터 볼륨의 제한으로 인해 일부 풍속 구간들에서 전력 출력이 없어 전력 곡선 피팅이 중단될 것이고, 완전한 전력 곡선을 얻을 수 없다; 그리고 풍력 터빈의 작업의 특수성으로 인해 전력 출력이 시끄럽고 데이터가 더러우며, 완전한 데이터 클리닝을 수행하고 좋은 전력 출력 포인트를 획득하기 어려워, 전력 곡선 피팅의 효과가 불량하다. 상기의 문제들을 고려하면, 최종 요(yaw) 검출은 정확하지 않다.

도 2는 예시적인 일 실시예에 따른 요-바람 이상 검출 방법의 흐름도이다. 이 실시예에서, 이 방법은 도 1의 실시예에 도시된 컴퓨터 디바이스에 주로 적용된다. 방법은 다음의 단계들(201-205)을 포함할 수 있다.

단계 201에서, 지정된 시간 주기 내 풍향 편차 각도가 획득된다.

풍향 편차 각도는 풍향 및 풍력 터빈의 중심 축 사이에서 정의되는 각도이다.

지정된 시간 주기는 임의의 시간의 주기일 수 있으며, 실제 조건들에 따라 선택될 수 있고, 이는 본 개시의 실시예에서 제한되지 않는다.

선택적인 일 실시예에서, 지정된 시간 주기 내 모든 풍향 편차 각도들이 획득될 수 있다.

풍력 터빈의 에너지원은 풍력 터빈의 풍차에 의해 포획된 풍력 에너지이다. 정확한 요잉(yawing)의 경우, 풍력 터빈의 중심 축은 풍향과 평행하고, 그 사이의 각도가 0°이며, 포획된 풍력 에너지가 가장 크고, 풍력 터빈의 발전 성능이 가장 우수하다. 그러나 풍력 터빈의 제조, 설치, 및 디버깅 프로세스에서 불가피한 오류로 인해, 풍력 터빈이 정확히 요(yaw) 할 수 없어, 풍력 터빈의 발전 성능이 감소한다. 따라서 풍력 터빈의 발전 성능을 개선하기 위해 풍력 터빈은 풍향 편차 각도에 기초하여 요(yaw)할 필요가 있다.

도 3은 풍향 편차 각도의 개략도를 예시적으로 도시한다. 도면에서 직선 AOB는 풍력 터빈 나셀(nacelle)의 중심 축을 나타낸다. 직선 COD는 풍차 평면(plane)을 나타낸다. 직선 EO는 풍향을 나타낸다. 풍향 편차 각도는 중심 축 AOB 및 풍향 EO 사이에서 정의되는 각도이다.

선택적인 일 실시예에서, 풍향 편차 각도는 직접 측정될 수 있거나, 풍향, 나셀의 중심 축 값, 및 풍향 및 나셀 축 사이에서 정의되는 편차 각도 사이의 기하학적 정량적 관계를 통해 계산될 수 있다. 풍향 편차 각도는 나셀의 위치 값 및 풍향 사이의 차이와 같다.

단계 202에서, 전력 성능 지수가 계산된다. 전력 성능 지수는 풍력 터빈의 발전 성능에 특징이 있도록 하는 무차원수이다.

전력 성능 지수는 풍속, 발전기 속도 및 전력과 같은 풍력 터빈의 동작 파라미터들에 기초하여 계산될 수 있다.

전력 성능 지수는 풍력 터빈의 발전 성능에 특징이 있도록 하는 무차원수이다. 무차원 수량(quantity)은 종종 2차원 수량들의 곱 또는 비율로 작성되지만, 최종 차원 수량들은 무차원 수량을 얻기 위해 서로를 제거한다. 분석을 위해 무차원수들을 사용하면 프로세스를 효과적으로 단순화하고 복잡성을 줄일 수 있다.

단계 203에서, 전력 성능 지수에 기초하여 최적 풍향 편차 각도가 결정된다.

전력 성능 지수가 획득된 후, 전력 성능 지수를 기초로 최적 풍향 편차 각도가 결정될 수 있다. 최적 풍향 편차 각도는 지정된 시간 주기 내 풍력 터빈의 최적 발전 성능에 대응하는 풍향 편차 각도이다.

단계 204에서, 현재 풍향 편차 각도는 풍향 편차 각도의 확률 분포에 따라 결정된다.

풍향 편차 각도는 통계적으로 수집될 수 있고, 현재 풍향 편차 각도는 풍향 편차 각도의 확률 분포에 따라 결정될 수 있다. 현재 풍향 편차 각도는 지정된 시간 주기 내 발생의 확률이 가장 높은 풍향 편차 각도이다.

단계 205에서, 최적 풍향 편차 각도 및 현재 풍향 편차 각도 사이의 차이가 미리 설정된 임계치보다 큰 경우, 요-바람 이상이 검출된다고 결정된다.

또한, 최적 풍향 편차 각도 및 현재 풍향 편차 각도 사이의 차이가 획득될 수 있다. 차이가 미리 설정된 임계치보다 큰 경우, 요-바람 이상이 검출된다고 결정된다. 그 후, 보수 요원이 요 정정(yaw correction)을 수행할 수 있다.

또한, 최적 풍향 편차 각도 및 현재 풍향 편차 각도 사이의 차이가 미리 설정된 임계치 미만인 경우, 요 편차가 큰 영향을 미치지 않고 정정이 요구되지 않음을 의미한다.

미리 설정된 임계치는 실제 조건들에 따라 보수 요원에 의해 설정될 수 있고, 이는 본 개시의 실시예에서 제한되지 않는다.

요약하면, 본 개시의 실시예들에 따른 기술적 솔루션에서, 전력 성능 지수가 계산되고, 최적 풍향 편차 각도가 전력 성능 지수에 기초하여 결정되고, 현재 풍향 편차 각도가 풍향 편차 각도의 확률 분포에 따라 결정되고, 요-바람 이상이 검출되는지 여부가 결정된다. 전력 피팅 곡선을 통해 요-바람 검출이 수행되는 종래 기술과 비교하여, 본 개시의 실시예들에 따른 기술적 솔루션에서 직접, 전력 지수가 직접 사용되어, 불량한 전력 곡선 피팅 효과의 문제를 피하고 요-바람 검출의 정확도를 개선한다.

도 4는 예시적인 일 실시예에 따른 다른 요-바람 이상 검출 방법의 흐름도이다. 이 실시예에서, 이 방법은 도 1의 실시예에 도시된 컴퓨터 디바이스에 주로 적용된다. 방법은 다음의 단계들(401-417)을 포함할 수 있다.

단계 401에서, 지정된 시간 주기 내 풍력 터빈의 원시 데이터가 획득된다.

풍력 터빈의 원시 데이터는 풍력 터빈의 원시 출력 전력을 포함하는, 풍력 터빈의 동작 파라미터들을 포함한다. 또한, 풍력 터빈의 원시 데이터는 풍력 터빈의 환경 데이터 및 인접한 풍력 터빈들의 동작 데이터 또한 포함한다.

풍력 터빈의 동작 데이터는 풍향계 각도(wind vane angle)(즉, 풍향 및 나셀 사이에서 정의되는 편차 각도), 나셀 위치, 발전기 속도, 피치 각도, 유효 전력, 기어 박스 오일 온도, 및 유닛 동작 상태와 같은 풍향 터빈의 동작 동안의 관련 데이터를 의미한다. 풍력 터빈의 환경 데이터는 난류 강도, 풍향, 주변 온도, 및 풍속 등 풍력 터빈이 설치된 환경의 특성 데이터를 의미한다. 인접한 풍력 터빈들의 동작 데이터는 인접한 풍력 터빈들의 출력 전력, 블레이드 각도, 발전기 속도, 및 풍차 속도와 같은 풍력 터빈에 인접한 다른 풍력 터빈들의 동작 데이터를 의미한다.

단계 402에서, 지정된 시간 주기 내 풍향 편차 각도가 획득된다.

풍력 터빈의 원시 데이터가 획득된 후, 풍력 터빈의 원시 데이터에 기초하여 풍향 편차 각도가 더 획득될 수 있다.

이 단계는 도 2의 실시예의 단계 201과 동일하거나 유사하고, 여기서 반복되지 않는다.

선택적인 일 실시예에서, 풍력 터빈의 원시 데이터를 획득한 이후, 단계 403이 수행될 수 있다.

단계 403에서, 풍력 터빈의 원시 데이터를 클리닝함으로써 클린 데이터가 획득된다.

클리닝은 풍력 터빈의 원시 데이터에서 이상 데이터(abnormal data)를 제거하기 위한 것이다. 이상 데이터는 스턱(stuck) 데이터, 오버런(overrun) 데이터, 및 물리적 원칙들을 따르지 않는 데이터 중 적어도 하나를 포함할 수 있다. 또한, 이상 데이터는 인위적으로 보간(interpolated) 및 수정된(modified) 데이터 또한 포함할 수 있다.

스턱 데이터는 동일한 값을 가지거나 시간의 주기 내 작은 범위 내에서 변동하는(fluctuates) 데이터를 의미한다. 오버런 데이터는 일정 풍속 조건들에서 풍력 터빈 발전 데이터의 합리적인 발전 범위를 초과하는 데이터를 의미한다. 물리적 원칙들을 따르지 않는 데이터는 아이싱(icing) 데이터를 포함할 수 있다. 아이싱 데이터는 기상으로 인한 풍력 터빈의 아이싱으로 인해 불량한 풍력 터빈 발전 성능을 야기하는 데이터를 의미한다. 또한, 물리적 원칙들을 따르지 않는 데이터는 다른 데이터 또한 포함할 수 있으며, 이는 본 개시의 실시예에서 제한되지 않는다.

도 5는 원시 데이터의 처리 프로세스의 개략도를 도시한다. 데이터 클리닝은 IEC 표준을 참조할 수도 있다. 공식화된 유효한 데이터 기준은 다음과 같다: (1) 전력이 0.1KW보다 크고; (2) 피치 각도가 20° 미만이고; (3) 발전기 속도가 컷인(cut-in) 속도보다 크고; (4) 비풍속(non-wind speed)이 10m/s 미만이고 피치 각도가 5°보다 크고; (5) 풍향 각도가 15° 미만 및 -15° 초과이고; (6) 비다운타임(non-downtime); (7) 비실패(non-failure) 시간; 및 (8) 비바람 단축(non-wind curtailment) 시간.

선택적인 일 실시예에서, 여전히 도 5를 참조하면, 풍력 터빈의 원시 데이터를 클리닝함으로써 클린 데이터를 획득하는 단계는 다음의 동작들을 포함한다.

(1) 클린 데이터가 풍력 터빈의 원시 데이터를 단일지점(single-point) 클리닝함으로써 획득된다.

단일지점 클리닝에서, 타겟 데이터의 이상 여부를 검출할 때 타겟 데이터만 고려된다. 예를 들어, 전력 데이터의 이상 여부를 검출할 때, 다른 관련된 파라미터들이 고려되지 않고, 전력 데이터가 표준을 충족하는지 여부만 고려된다.

(2) 클린 데이터가 풍력 터빈의 원시 데이터를 다지점(multi-point) 클리닝함으로써 획득된다.

다지점 클리닝에서, 타겟 데이터의 이상 여부를 검출할 때 타겟 데이터 및 다른 데이터의 적어도 한 가지가 모두 고려된다. 예를 들어, 전력 데이터의 이상 여부를 검출할 때, 전력 데이터가 표준을 충족하는지 여부뿐만 아니라 풍속이 표준을 충족하는지 여부 또한 고려된다. 전력 데이터 및 풍속을 결합하여 종합적인 판단을 내린다.

풍력 터빈의 원시 데이터의 클리닝은 단일지점 클리닝만 또는 다지점 클리닝만, 또는 단일지점 클리닝 및 다지점 클리닝 모두일 수 있다는 점에 유의해야 하며, 이는 본 개시의 실시예에서 제한되지 않는다.

선택적인 일 실시예에서, 여전히 도 5를 참조하면, 풍력 터빈의 원시 데이터를 클리닝함으로써 클린 데이터를 획득한 이후, 방법은 다음의 동작들을 더 포함한다.

(1) 클린 데이터에 대해 보간(interpolation)이 수행된다.

데이터 클리닝 후, 데이터 불완전성(incompletion)은 부정확한 분석으로 이어질 수 있다는 것을 고려하면, 데이터 보간이 누락된 데이터를 채우기 위해 수행될 수 있다.

(2) 클린 데이터가 정정된다.

데이터 정정에서, 풍력 터빈의 환경 데이터에 기초하여 풍력 터빈의 풍속이 정정된다. 환경적 요인들의 영향을 고려하면, 기압, 주변 온도, 공기 밀도 등은 모두 풍속에 영향을 미칠 수 있으므로, 클린 데이터에 대해 데이터 정정이 수행되어 데이터에 대한 환경적 요인들의 영향이 감소할 수 있다.

선택적인 일 실시예에서, 풍력 터빈의 원시 데이터를 클리닝함으로써 클린 데이터를 획득한 이후, 클린 데이터의 데이터 볼륨이 미리 설정된 데이터 볼륨보다 큰지 여부 또한 결정될 수 있다. 클린 데이터의 데이터 볼륨이 미리 설정된 데이터 볼륨보다 큰 경우, 단계 404가 수행될 수 있다. 클린 데이터의 데이터 볼륨이 미리 설정된 데이터 볼륨 미만인 경우, 정확한 분석을 하기에는 데이터 볼륨이 너무 작은 것을 고려하여, 후속(subsequent) 분석이 수행되지 않는다.

단계 404에서, 클린 데이터의 데이터 특성들이 추출된다.

풍력 터빈의 원시 데이터를 클리닝한 후, 클린 데이터의 데이터 특성들 또한 추출될 수 있다.

단계 405에서, 전력 회귀 모델을 호출함으로써 클린 데이터의 데이터 특성들에 기초하여 풍력 터빈의 예상 출력 전력이 획득된다.

클린 데이터의 데이터 특성들이 획득된 이후, 풍력 터빈의 예상 출력 전력을 계산하기 위해 전력 회귀 모델이 호출될 수 있다.

선택적인 일 실시예에서, 도 6에 도시된 바와 같이, 전력 회귀 모델이 다음의 단계들에 의해 훈련된다.

(1) 풍력 터빈의 원시 데이터를 포함하는 적어도 하나의 훈련 샘플(training sample)이 획득된다.

(2) 훈련 샘플의 데이터 특성들이 추출된다.

(3) 훈련 샘플의 데이터 특성들로 전력 회귀 모델을 훈련하고, 전력 회귀 모델의 파라미터들을 조정함으로써 훈련된 전력 회귀 모델이 획득된다.

훈련 샘플이 획득된 이후, 풍력 터빈의 동작 데이터의 특성들, 풍력 터빈의 환경 데이터의 특성들, 및 인접한 풍력 터빈들의 동작 데이터의 특성들과 같은 훈련 샘플의 데이터 특성들이 추출될 수 있다. 그 후, 상기의 데이터 특성들을 기초로 특성 구성(characteristic construction)이 수행된다. 전력 회귀 모델이 구성된 특성들(constructed characteristics)로 학습된다. 전력 회귀 모델의 파라미터들이 점진적으로 조정되고 훈련된 전력 회귀 모델이 획득된다.

선택적인 일 실시예에서, 전력 회귀 모델이 훈련 중지 조건을 만족할 때, 모델의 훈련이 훈련된 전력 회귀 모델을 얻기 위해 중지된다. 전력 회귀 모델의 훈련 중지 조건은 미리 설정된 임계치에 도달하는 손실 함수(loss function)의 값, 미리 설정된 라운드들(rounds)의 수에 도달하는 훈련 라운드들의 수, 또는 미리 설정된 기간(duration)에 도달하는 훈련 기간 등과 같이 미리 설정될 수 있고, 이는 본 개시의 실시예에서 제한되지 않는다.

선택적인 일 실시예에서, 훈련이 완료된 이후, 훈련된 전력 회귀 모델이 테스트 세트로 테스트 및 입증될(verified) 수 있다. 입증을 통과한 후, 다른 디바이스들이 필요할 때 호출할 수 있도록 전력 회귀 모델이 온라인으로 푸시된다(pushed on line).

전력 회귀 모델은 랜덤 포레스트(RF: random forest) 회귀 모델, 그래디언트 부스팅 결정 트리(GBDT: gradient boosting decision tree) 모델, 또는 익스트림 그래디언트 부스팅(XGBoost) 모델일 수 있다는 점에 유의해야 한다. 또한, 이는 다른 모델들일 수도 있고, 이는 본 개시의 실시예에서 제한되지 않는다.

단계 406에서, 풍력 터빈의 예상 출력 전력 및 풍력 터빈의 원시 출력 전력에 기초하여 전력 성능 지수가 획득된다.

원시 데이터는 풍력 터빈의 원시 출력 전력을 포함한다. 풍력 터빈의 예상 출력 전력이 획득된 이후, 풍력 터빈의 원시 출력 전력과 결합하여 전력 성능 지수가 더 계산될 수 있다.

전력 성능 지수는 풍력 터빈의 발전 성능에 특징이 있도록 하는 무차원수이다. 본 개시의 실시예에서, 전력 성능 지수는 풍력 터빈의 예상 출력 전력에 대한 풍력 터빈의 원시 출력 전력의 비율일 수 있다. 전력 성능 지수가 1보다 큰 경우, 풍력 터빈의 발전 성능이 풍력 터빈의 예상 출력 전력을 초과한다. 전력 성능 지수가 1 미만인 경우, 풍력 터빈의 발전 성능이 풍력 터빈의 예상 출력에 도달하지 않는다.

일부 다른 실시예들에서, 전력 성능 지수는 또한 풍력 터빈의 원시 출력 전력 및 풍력 터빈의 예상 출력 전력 사이의 덧셈, 뺄셈, 곱셈, 및 나눗셈과 같은 수학적 연산들(mathematical operations)에 의해 얻어진 전력 성능을 표현할 수 있는 다른 파라미터들일 수 있다. 계산 방법은 물리적 원칙들을 따르는 한 자유롭게 구성될 수 있고, 이는 본 개시의 실시예들에서 제한되지 않는다.

단계 407에서, 풍향 편차 각도는 m개의 각도 구간들로 분할되고, m은 1보다 큰 양의 정수이다.

풍향 편차 각도가 획득된 이후, 각도는 구간들로 분할될 수 있다. 즉, 풍향 편차 각도가 미리 설정된 구간에 따라 m개의 각도 구간들로 분할되고, m은 1보다 큰 양의 정수이다. 각각의 각도 구간은 전력 성능 지수에 일대일 대응하는 적어도 하나의 풍향 편차 각도를 포함한다.

도 7은 풍향 편차 각도가 구간들로 분할되는 개략도를 예시적으로 도시한다. 풍향 편차 각도가 [-10°, 10°]이고 미리 설정된 구간이 5°라고 가정하면, 풍향 편차 각도는 4개의 각도 구간들로 분할된다.

단계 408에서, m개의 각도 구간들 중 i번째 각도 구간의 전력 성능 지수들의 평균값이 계산된다.

데이터의 값 및 각각의 각도 구간들의 데이터의 양이 동일하지 않기 때문에, 각각의 각도 구간의 다수의(multiple) 전력 성능 지수를 획득한 이후, 각각의 각도 구간의 전력 성능 지수들의 평균값이 후속 분석을 위해 계산될 수 있다.

단계 409에서, i번째 각도 구간에 대응하는 신뢰 구간이 평균값 및 미리 설정된 신뢰 확률에 기초하여 결정된다.

각각의 각도 구간의 전력 성능의 평균값이 획득된 이후, 각각의 각도 구간에 대응하는 신뢰 구간이 미리 설정된 신뢰 확률과 조합하여 결정될 수 있다.

선택적인 일 실시예에서, 신뢰 구간이 학생의 t 분포를 통해 결정된다. 미리 설정된 신뢰 확률이 95%라고 가정된다. i번째 각도 구간의 전력 성능의 평균값이 얻어질 때, i번째 각도 구간의 전력 성능의 분산(variance) 또한 얻어질 수 있다. 평균값 및 분산을 조합하여, 대응하는 자유도를 결정하기 위해 t 분포의 자유도 테이블이 쿼리된다(queried). 신뢰 확률이 95% 미만인 신뢰 구간의 상한값 및 하한값이 더 계산되어 i번째 각도 구간에 대응하는 신뢰 구간을 결정할 수 있다.

단계 410에서, m개의 각도 구간들에 대응하는 신뢰 구간들의 하한값들이 비교된다.

단계 409에 의해, m개의 각도 구간들 각각에 대응하는 신뢰 구간이 얻어질 수 있고, 이를 기초로 각각의 각도 구간에 대응하는 신뢰 구간의 하한값이 비교될 수 있다.

단계 411에서, 최대 하한값을 가지는 신뢰 구간에 대응하는 각도 구간이 최적 각도 구간으로 결정된다.

m개의 각도 구간들에 대응하는 신뢰 구간들의 하한값들을 비교함으로써, 데이터의 안정성과 신뢰성을 고려하여, 최대 하한값을 가지는 신뢰 구간에 대응하는 각도 구간이 최적 각도 구간으로 결정될 수 있다. 최적 각도 구간은 최적 편차 각도가 속하는 각도 구간이다.

단계 412에서, 최적 각도 구간의 하한값이 최적 편차 각도로 결정된다.

최적 각도 구간은 상한값 및 하한값을 포함한다. 최적 각도 구간이 결정된 이후, 최적 각도 구간의 하한값이 최적 편차 각도로 결정될 수 있다.

선택적인 일 실시예에서, 최적 각도 구간이 [0.5°, 1°)라고 가정하면, 0.5°가 최적 편차 각도로 사용될 수 있다.

단계 413에서, 현재 풍향 편차 각도가 풍향 편차 각도의 확률 분포에 따라 결정된다.

선택적인 일 실시예에서, m개의 각도 구간들 중 최대 확률 값을 가지는 각도 구간이 현재 편차 각도로 결정될 수 있고; 또는, m개의 각도 구간들의 풍향 편차 각도들의 중간값에 대응하는 각도 구간이 현재 편차 각도로 결정될 수 있다.

선택적인 일 실시예에서, 확률 분포에 따라 현재 풍향 편차 각도를 결정한 이후, 단계 414 또한 수행될 수 있다.

단계 414에서, 최적 각도 구간의 데이터 볼륨의 백분율이 계산된다.

최적 각도 구간이 결정된 이후, 최적 각도 구간의 데이터 볼륨의 백분율이 계산될 수 있다. 백분율은 최적 각도 구간의 원시 데이터의 데이터 볼륨에 대한 최적 각도 구간의 데이터 볼륨의 비율이다.

백분율이 미리 설정된 백분율 미만인 경우, 분석이 종료된다.

백분율이 미리 설정된 백분율보다 큰 경우, 단계 415가 수행될 수 있다.

단계 415에서, 최적 편차 각도 및 현재 편차 각도 사이의 차이가 미리 설정된 임계치를 충족하는지 여부가 결정된다.

최적 풍향 편차 각도 및 현재 풍향 편차 각도 사이의 차이가 획득된다. 차이가 미리 설정된 임계치보다 큰 경우, 요-바람 이상이 검출된다고 결정된다. 그 후, 보수 요원이 요 정정을 수행할 수 있다.

단계 416에서, 경고 정보가 생성된다.

요-바람 이상이 검출된다고 결정된 이후, 요-바람 이상을 나타내기 위해 경고 정보가 생성될 수 있다.

단계 417에서, 경고 정보가 타겟 디바이스로 전송된다.

타겟 디바이스는 도 1에 도시된 바와 같은 구현 환경의 경고 디바이스일 수 있다. 경고 디바이스는 컴퓨터 디바이스에 의해 전송된 경고 정보를 수신할 때 경고를 발행할 수 있으므로 보수 요원이 요를 정정할 수 있다.

요약하면, 본 개시의 실시예들에 따른 기술적 솔루션에서, 전력 성능 지수가 계산되고, 최적 풍향 편차 각도가 전력 성능 지수에 기초하여 결정되고, 현재 풍향 편차 각도가 풍향 편차 각도의 확률 분포에 따라 결정되고, 요-바람 이상이 검출되는지 여부가 결정된다. 요-바람 검출이 전력 피팅 곡선을 통해 수행되는 관련 기술과 비교하여, 본 개시의 실시예들에 따른 기술적 솔루션에서는, 전력 지수가 직접 사용되어, 적시의 디바이스 유지보수를 위해 풍력 터빈의 요 검출 정확도를 효과적으로 개선하고 발전 성능의 지속적인 저하를 방지하고 발전의 손실을 줄인다. 또한, 전력 곡선에 맞는 데이터(data to fit the power curve)가 많지 않아, 계산이 빠르고 분석 효율이 높다.

또한, 더 심층적인 데이터 클리닝에 의해, 데이터 클리닝 효과가 개선되고, 불량한 데이터 클리닝으로 인한 오류들이 크게 감소될 수 있다.

이하, 본 개시의 방법 실시예들을 구현하기 위한 본 개시의 장치 실시예들이 있다. 본 개시의 장치 실시예들에 개시되지 않은 세부사항들에 대해서, 본 개시의 방법 실시예들이 참조될 수 있다.

도 8은 예시적인 일 실시예에 따른 요-바람 이상 검출 장치의 블록도이다. 장치는 방법 실시예들을 구현하는 기능을 가진다. 기능은 하드웨어에 의해 실현될 수 있고, 또는 대응하는 소프트웨어를 실행하는 하드웨어에 의해 구현될 수 있다. 장치는 컴퓨터 디바이스일 수 있고, 또는 컴퓨터 디바이스에 배치될 수 있다. 장치(800)는 편차 각도 획득 모듈(810), 지수 계산 모듈(820), 제1 결정 모듈(830), 제2 결정 모듈(840), 및 결과 결정 모듈(850)을 포함할 수 있다.

편차 각도 획득 모듈(810)은 지정된 시간 주기 내 풍향 편차 각도를 획득하도록 구성된다. 풍향 편차 각도는 풍향 및 풍력 터빈의 중심 축 사이에서 정의되는 각도이다.

지수 계산 모듈(820)은 전력 성능 지수를 계산하기 위해 사용된다. 전력 성능 지수는 풍력 터빈의 발전 성능에 특징이 있도록 하는 무차원수이다.

제1 결정 모듈(830)은 전력 성능 지수에 기초하여 최적 풍향 편차 각도를 결정하도록 구성된다. 최적 풍향 편차 각도는 지정된 시간 주기 내 풍력 터빈의 최적 발전 성능에 대응하는 풍향 편차 각도이다.

제2 결정 모듈(840)은 풍향 편차 각도의 확률 분포에 따라 현재 풍향 편차 각도를 결정하도록 구성된다. 현재 풍향 편차 각도는 지정된 시간 주기 내 발생의 확률이 가장 큰 풍향 편차 각도이다.

결과 결정 모듈(850)은 최적 풍향 편차 각도 및 현재 풍향 편차 각도 사이의 차이가 미리 설정된 임계치보다 큰 경우 요-바람 이상이 검출된다고 결정하도록 구성된다.

요약하면, 본 개시의 실시예들에 따른 기술적 솔루션에서, 전력 성능 지수가 계산되고, 전력 성능 지수에 기초하여 최적 풍향 편차 각도가 결정되고, 풍향 편차 각도의 확률 분포에 따라 현재 풍향 편차 각도가 결정되고, 요-바람 이상이 검출되는지 여부가 결정된다. 요-바람 검출이 전력 피팅 곡선을 통해 수행되는 관련 기술과 비교하여, 본 개시의 실시예들에 따른 기술적 솔루션에서는, 전력 지수가 직접 사용되어, 불량한 전력 곡선 피팅 효과의 문제를 피하고 요-바람 검출의 정확도를 개선한다.

일부 실시예들에서, 도 9에 도시된 바와 같이, 장치(800)는 데이터 획득 모듈(860)을 더 포함할 수 있다.

데이터 획득 모듈(860)은 풍력 터빈의 원시 데이터를 획득하도록 구성된다. 풍력 터빈의 원시 데이터는 풍력 터빈의 동작 데이터, 풍력 터빈의 환경 데이터, 인접한 풍력 터빈들의 동작 데이터를 포함한다. 풍력 터빈의 동작 데이터는 풍력 터빈의 원시 출력 전력을 포함한다.

지수 계산 모듈(820)은 원시 데이터의 데이터 특성들을 추출하고; 전력 회귀 모델을 호출함으로써 풍력 터빈의 원시 데이터의 데이터 특성들에 기초하여 풍력 터빈의 예상 출력 전력을 획득하고; 및 풍력 터빈의 예상 출력 전력 및 풍력 터빈의 원시 출력 전력에 기초하여 전력 성능 지수를 획득하도록 구성된다.

일부 실시예들에서, 도 9에 도시된 바와 같이, 장치(800)는 데이터 클리닝 모듈(870)을 더 포함할 수 있다.

데이터 클리닝 모듈(870)은 풍력 터빈의 원시 데이터를 클리닝함으로써 클린 데이터를 획득하도록 구성된다. 클리닝은 풍력 터빈의 원시 데이터에서 이상 데이터를 제거하기 위한 것이다. 이상 데이터는 스턱 데이터, 오버런 데이터, 및 물리적 원칙들을 따르지 않는 데이터 중 적어도 하나를 포함한다.

지수 계산 모듈(820)은 클린 데이터의 데이터 볼륨이 미리 설정된 데이터 볼륨보다 큰 경우 전력 회귀 모델을 호출함으로써 풍력 터빈의 원시 데이터의 데이터 특성들에 기초하여 풍력 터빈의 예상 출력 전력을 획득하도록 구성된다.

일부 실시예들에서, 데이터 클리닝 모듈(870)은 풍력 터빈의 원시 데이터를 단일지점 클리닝함으로써 클린 데이터를 획득하고 - 단일지점 클리닝에서 타겟 데이터의 이상 여부 검출에 있어서 타겟 데이터만 고려함 -; 및/또는 풍력 터빈의 원시 데이터를 다지점 클리닝함으로써 클린 데이터를 획득하기 위해 사용된다 - 다지점 클리닝에서 타겟 데이터의 이상 여부 검출에 있어서 타겟 데이터 및 다른 데이터의 적어도 한 가지를 모두 고려함 -.

일부 실시예들에서, 도 9에 도시된 바와 같이, 장치(800)는 데이터 보간 모듈(880) 및 데이터 정정 모듈(890)을 더 포함한다.

데이터 보간 모듈(880)은 클린 데이터에 대한 보간에 의해 누락된 데이터를 채우도록 구성되고; 및/또는

데이터 정정 모듈(890)은 클린 데이터를 정정함으로써 풍력 터빈의 환경 파라미터들에 기초하여 풍력 터빈의 풍속을 정정하도록 구성된다.

일부 실시예들에서, 제1 결정 모듈(830)은 풍향 편차 각도를 m개의 각도 구간들로 분할하고 - m은 1보다 큰 양의 정수이고, 각각의 각도 구간은 전력 성능 지수에 일대일 대응하는 적어도 하나의 풍향 편차 각도를 포함함 -; m개의 각도 구간들 중 i번째 각도 구간의 전력 성능 지수들의 평균값을 계산하고; 평균값 및 미리 설정된 신뢰 확률에 기초하여 i번째 각도 구간에 대응하는 신뢰 구간을 결정하고; m개의 각도 구간들에 대응하는 신뢰 구간들의 전력 한계 값들(power boundary values)을 비교하고; 최대 하한값을 가지는 신뢰 구간에 대응하는 각도 구간을 최적 각도 구간으로 결정하고 - 최적 각도 구간은 최적 편차 각도가 속하는 각도 구간임 -; 및 최적 각도 구간의 하한값을 최적 편차 각도로 결정하도록 구성된다.

일부 실시예들에서, 제2 결정 모듈(840)은 m개의 각도 구간들 중 최대 확률 값을 가지는 각도 구간을 현재 편차 각도로 결정하고; 또는 m개의 각도 구간들의 풍향 편차 각도들의 중앙값에 대응하는 각도 구간을 현재 편차 각도로 결정하도록 구성된다.

일부 실시예들에서, 도 9에 도시된 바와 같이, 장치(800)는 데이터 볼륨 계산 모듈(900)을 더 포함한다.

데이터 볼륨 계산 모듈(900)은 최적 각도 구간의 데이터 볼륨의 백분율을 계산하도록 구성된다.

결과 결정 모듈(850)은 백분율이 미리 설정된 백분율보다 큰 경우 최적 편차 각도 및 현재 편차 각도 사이의 차이가 미리 설정된 임계치를 충족하는지 여부를 결정하도록 구성된다.

상기의 실시예에 따른 장치가 그 기능들을 구현할 때, 상기의 기능 모듈들의 분할만이 예시를 위해 취해진 것에 유의해야 한다. 실제로, 상기의 기능들은 필요에 따라 다른 기능 모듈들에 할당될 수 있다. 즉, 디바이스의 내부 구조는 위에서 설명된 기능들의 전부 또는 일부를 완성하기 위해 상이한 기능 모듈들로 분할된다. 또한, 상기의 실시예들에서 제공된 장치는 방법 실시예들과 동일한 개념(concept)에 속하고, 그 구체적인 구현 프로세스에 대해서, 방법 실시예들이 참조될 수 있고, 여기서 반복되지 않는다.

도 10은 본 개시의 일 실시예에 따른 단말의 구조적 블록도를 도시한다. 일반적으로, 단말(1000)은 프로세서(1001) 및 메모리(1002)를 포함한다.

프로세서(1001)는 4-코어 프로세서, 8-코어 프로세서 등과 같은 하나 이상의 프로세싱(processing) 코어들을 포함할 수 있다. 프로세서(1001)는 디지털 신호 프로세서(DSP: digital signal processor), 필드 프로그래머블 게이트 어레이(FPGA), 및 프로그래머블 로직 어레이(PLA) 중 적어도 하나의 하드웨어 형태로 구현될 수 있다. 프로세서(1001)는 또한 메인 프로세서 및 보조프로세서(coprocessor)를 포함할 수 있다. 메인 프로세서는 깨어있는 상태에서 데이터를 처리하기 위해 사용되는 프로세서로, 중앙 처리 장치(CPU)라고도 한다. 보조프로세서는 대기 상태에서 데이터를 처리하기 위해 사용되는 저전력 프로세서이다. 일부 실시예들에서, 프로세서(1001)는 그래픽 처리 유닛(GPU)과 통합될 수 있다. GPU는 디스플레이 화면에 표시되어야 하는 콘텐츠를 렌더링하고 그리기 위해 사용된다. 일부 실시예들에서, 프로세서(1001)는 인공 지능(AI) 프로세서를 더 포함할 수 있다. AI 프로세서는 기계 학습과 관련된 계산 동작들을 처리하기 위해 사용된다.

메모리(1002)는 비일시적일 수 있는 하나 이상의 컴퓨터 판독 가능 저장 매체를 포함할 수 있다. 메모리(1002)는 또한 고속 랜덤 액세스 메모리 및 하나 이상의 자기 디스크 저장 디바이스들 및 플래시 메모리 저장 디바이스들과 같은 비휘발성 메모리를 포함할 수 있다. 일부 실시예들에서, 메모리(1002)의 비일시적 컴퓨터 판독 가능 저장 매체는 적어도 하나의 명령어를 저장하기 위해 사용된다. 적어도 하나의 명령어는 본 개시의 방법 실시예들에 따른 요-바람 이상 검출 방법을 구현하기 위해 프로세서(1001)에 의해 실행되기 위해 사용된다.

일부 실시예들에서, 단말(1000)은 주변 인터페이스(peripheral interface)(1003) 및 적어도 하나의 주변기기(peripheral)를 선택적으로 더 포함할 수 있다. 프로세서(1001), 메모리(1002), 및 주변 인터페이스(1003)는 버스 또는 신호 라인에 의해 연결될 수 있다. 각각의 주변기기는 버스, 신호 라인, 또는 회로 보드를 통해 주변 인터페이스(1003)에 연결될 수 있다. 구체적으로, 주변기기는 통신 인터페이스(1004), 디스플레이 화면(1005), 오디오 회로(1006), 카메라 컴포넌트(1007), 포지셔닝 컴포넌트(1008), 및 전원(1009) 중 적어도 하나를 포함할 수 있다.

당업자는 도 10에 도시된 구조가 단말(1000)에 대한 제한을 구성하지 않으며, 도면에 도시된 것보다 더 많거나 더 적은 컴포넌트들을 포함하거나, 특정 컴포넌트들을 결합하거나, 상이한 컴포넌트 배열들을 채택할 수 있음을 이해할 수 있다.

도 11은 본 개시의 일 실시예에 따른 서버의 개략적인 구조도를 도시한다. 서버는 상기의 실시예들에서 제공된 요-바람 이상 검출 방법을 수행하도록 구성된다.

구체적으로, 서버(1100)는 CPU(1101), 랜덤 액세스 메모리(RAM)(1102) 및 읽기 전용 메모리(ROM)(1102)를 포함하는 시스템 메모리(1104), 및 시스템 메모리(1104)와 중앙 처리 장치(1101)를 연결하는 시스템 버스(1105)를 포함한다. 서버(1100)는 또한 컴퓨터의 다양한 디바이스들 사이의 정보 전송을 돕는 기본 입력/출력(I/O) 시스템(1106), 운영 체제(1113), 응용 프로그램들(1114) 및 기타 프로그램 모듈들(1112)을 저장하기 위한 대용량 저장 장치(1107)를 포함한다.

기본 입력/출력 시스템(1106)은 정보를 표시하기 위한 디스플레이(1108) 및 사용자가 정보를 입력하기 위한 마우스 및 키보드와 같은 입력 디바이스(1109)를 포함한다. 디스플레이(1108) 및 입력 디바이스(1109)는 모두 시스템 버스(1105)에 연결된 입력 및 출력 컨트롤러(1110)를 통해 중앙 처리 장치(1101)에 연결된다. 기본 입력/출력 시스템(1106)은 키보드, 마우스, 또는 전자 스타일러스와 같은 다수의 다른 디바이스들로부터 입력을 수신 및 처리하기 위한 입력 및 출력 컨트롤러(1110)를 더 포함할 수 있다. 유사하게, 입력 및 출력 컨트롤러(1110)는 또한 디스플레이 화면, 프린터, 또는 다른 유형의 출력 디바이스들에 출력을 제공한다.

대용량 저장 장치(1107)는 시스템 버스(1105)에 연결된 대용량 저장 컨트롤러(미도시)를 통해 중앙 처리 장치(1101)에 연결된다. 대용량 저장 장치(1107) 및 그와 관련된 컴퓨터 판독 가능 매체는 서버(1100)를 위한 비휘발성 저장 장치를 제공한다. 즉, 대용량 저장 장치(1107)는 하드 디스크 또는 CD-ROM 드라이브와 같은 컴퓨터 판독 가능 매체(미도시)를 포함할 수 있다.

일반성을 잃지 않으면서, 컴퓨터 판독 가능 매체는 컴퓨터 저장 매체 및 통신 매체를 포함할 수 있다. 컴퓨터 저장 매체는 컴퓨터 판독 가능 명령어들, 데이터 구조들, 프로그램 모듈들 또는 다른 데이터와 같은 정보를 저장하기 위한 임의의 방법 또는 기술로 구현되는 휘발성 및 비휘발성, 이동식 및 비이동식 매체를 포함한다. 컴퓨터 저장 매체는 RAM, ROM, EPROM, EEPROM, 플래시 메모리 또는 다른 솔리드 스테이트 저장 기술들, CD-ROM, DVD 또는 다른 광학 저장 장치, 테이프 카세트, 자기 테이프, 디스크 저장 장치 또는 다른 자기 저장 디바이스들을 포함한다. 당업자는 컴퓨터 저장 매체가 상기에 제한되지 않음을 알 것이다. 시스템 메모리(1104) 및 대용량 저장 장치(1107)는 집합적으로 메모리로 참조될 수 있다.

본 개시의 다양한 실시예들에 따르면, 서버(1100)는 또한 인터넷과 같은 네트워크를 통해 실행하기 위해 원격 컴퓨터에 연결될 수 있다. 즉, 서버(1100)는 시스템 버스(1105)에 연결된 네트워크 인터페이스 유닛(1111)에 의해 네트워크(1112)에 연결될 수 있다. 다시 말해, 네트워크 인터페이스 유닛(1111)은 또한 다른 유형들의 네트워크들 또는 원격 컴퓨터 시스템들(미도시)에 연결하기 위해 사용될 수 있다.

메모리는 또한 적어도 하나의 명령어, 적어도 하나의 프로그램, 코드 세트, 또는 명령어 세트를 포함한다. 적어도 하나의 명령어, 적어도 하나의 프로그램, 코드 세트, 또는 명령어 세트는 메모리에 저장되고 요-바람 이상 검출 방법을 구현하기 위해 하나 이상의 프로세서들에 의해 사용되도록 구성된다.

예시적인 일 실시예에서, 컴퓨터 디바이스가 또한 제공된다. 컴퓨터 디바이스는 단말 또는 서버일 수 있다. 컴퓨터 디바이스는 프로세서 및 메모리를 포함한다. 메모리는 적어도 하나의 명령어, 적어도 하나의 프로그램, 코드 세트, 또는 명령어 세트를 저장한다. 적어도 하나의 명령어, 적어도 하나의 프로그램, 코드 세트, 또는 명령어 세트는, 프로세서에 의해 로드 및 실행될 때, 프로세서가 요-바람 이상 검출 방법을 수행하도록 한다.

예시적인 일 실시예에서, 컴퓨터 판독 가능 저장 매체 또한 제공된다. 컴퓨터 판독 가능 저장 매체는 적어도 하나의 명령어, 적어도 하나의 프로그램, 코드 세트, 또는 명령어 세트를 포함하는 적어도 하나의 컴퓨터 프로그램을 저장한다. 적어도 하나의 명령어, 적어도 하나의 프로그램, 코드 세트, 또는 명령어 세트는 프로세서에 의해 로드 및 실행될 때, 프로세서가 요-바람 이상 검출 방법을 수행하도록 한다.

본 명세서에서 언급된 "복수(a plurality of)"라는 용어는 둘 이상을 의미하고, "및/또는"이라는 용어는 세 가지 유형의 관계들이 있을 수 있음을 나타내는, 연관된 객체들(objects)의 연관 관계를 설명한다는 것이 이해되어야 한다. 예를 들어, A 및/또는 B는 세 가지 상황들, 즉, A가 단독으로 존재하고, A 및 B가 동시에 존재하고, 및 B가 단독으로 존재함을 나타낼 수 있다. 문자 "/"는 일반적으로 연결된 객체들이 "또는" 관계에 있음을 나타낸다.

상기는 본 개시의 단지 예시적인 실시예들이고, 본 개시를 제한하지 않을 것이다. 본 개시의 정신 및 원칙 내에서 이루어진 모든 수정, 동등한 교체 및 개선은 모두 본 개시의 보호 범위에 속한다.

10: 풍력 터빈
20: 컴퓨터 디바이스
800: 장치
810: 편차 각도 획득 모듈
820: 지수 계산 모듈
830: 제1 결정 모듈
840: 제2 결정 모듈
850:결과 결정 모듈

Claims (10)

1. 요-바람 이상(yaw-to-wind abnormality) 검출 방법에 있어서,
   지정된 시간 주기(specified time period) 내 풍향 편차 각도를 획득하는 단계 - 상기 풍향 편차 각도는 풍향 및 풍력 터빈의 나셀(nacelle of wind turbine)의 중심 축 사이에서 정의되는 각도임 -;
   전력 성능 지수(power performance index)를 계산하는 단계 - 상기 전력 성능 지수는 상기 풍력 터빈의 발전 성능에 특징이 있도록 하는 무차원수(dimensionless number)임 -;
   상기 전력 성능 지수에 기초하여 최적 풍향 편차 각도를 결정하는 단계 - 상기 최적 풍향 편차 각도는 상기 지정된 시간 주기 내 상기 풍력 터빈의 최적 발전 성능에 대응하는 풍향 편차 각도임 -;
   상기 풍향 편차 각도의 확률에 따라 현재 풍향 편차 각도를 결정하는 단계 - 상기 현재 풍향 편차 각도는 상기 지정된 시간 주기 내 발생 확률이 가장 큰 풍향 편차 각도임 -; 및
   상기 최적 풍향 편차 각도 및 상기 현재 풍향 편차 각도 사이의 차이가 미리 설정된 임계치보다 큰 경우, 요-바람 이상이 검출된다고 결정하는 단계
   를 포함하는,
   방법.
   
2. 제1항에 있어서,
   상기 풍향 편차 각도를 획득하는 단계 이전에,
   상기 지정된 시간 주기 내 상기 풍력 터빈의 원시 데이터(raw data)를 획득하는 단계 - 상기 풍력 터빈의 상기 원시 데이터는 상기 풍력 터빈의 동작 데이터, 상기 풍력 터빈의 환경 데이터, 및 인접한 풍력 터빈들의 동작 데이터를 포함하고, 상기 풍력 터빈의 동작 데이터는 상기 풍력 터빈의 원시 출력 전력을 포함함 -;
   를 더 포함하고,
   상기 전력 성능 지수를 계산하는 단계는,
   상기 풍력 터빈의 상기 원시 데이터의 데이터 특성들을 추출하는 단계;
   전력 회귀 모델을 호출함으로써 상기 풍력 터빈의 상기 원시 데이터의 상기 데이터 특성들에 기초하여 상기 풍력 터빈의 예상 출력 전력(expected output power)을 획득하는 단계; 및
   상기 풍력 터빈의 상기 예상 출력 전력 및 상기 풍력 터빈의 상기 원시 출력 전력에 기초하여 상기 전력 성능 지수를 획득하는 단계
   를 포함하는,
   방법.
   
3. 제2항에 있어서,
   상기 풍력 터빈의 상기 원시 데이터를 획득하는 단계 이후에,
   상기 풍력 터빈의 상기 원시 데이터를 클리닝함으로써 클린 데이터(cleaned data)를 획득하는 단계 - 상기 클리닝은 상기 풍력 터빈의 상기 원시 데이터에서 이상 데이터를 제거하기 위한 것이고, 상기 이상 데이터는: 스턱 데이터(stuck data), 오버런 데이터(overrun data), 및 물리적 원칙들을 따르지 않는 데이터 중 적어도 하나를 포함함 -; 및
   상기 클린 데이터의 데이터 볼륨이 미리 설정된 데이터 볼륨도나 큰 경우, 상기 전력 회귀 모델을 호출함으로써 상기 풍력 터빈의 상기 원시 데이터의 상기 데이터 특성들을 기초로 상기 풍력 터빈의 상기 예상 출력 전력을 획득하는 단계
   를 더 포함하는,
   방법.
   
4. 제3항에 있어서,
   상기 풍력 터빈의 상기 원시 데이터를 클리닝함으로써 상기 클린 데이터를 획득하는 단계는:
   상기 풍력 터빈의 상기 원시 데이터를 단일지점(single-point) 클리닝함으로써 상기 클린 데이터를 획득하는 단계 - 상기 단일지점 클리닝에서, 타겟 데이터의 이상 여부 검출에 있어서 상기 타겟 데이터만 고려함 -; 및/또는
   상기 풍력 터빈의 상기 원시 데이터를 다지점(multi-point) 클리닝함으로써 상기 클린 데이터를 획득하는 단계 - 상기 다지점 클리닝에서, 타겟 데이터의 이상 여부 검출에 있어서 상기 타겟 데이터 및 다른 데이터의 적어도 한 가지를 모두 고려함 -;
   를 포함하는,
   방법.
   
5. 제1항에 있어서,
   상기 전력 성능 지수에 기초하여 상기 최적 편차 각도를 결정하는 단계는:
   상기 풍향 편차 각도를 m개의 각도 구간들로 분할하는 단계 - m은 1보다 큰 양의 정수이고, 각각의 각도 구간은 적어도 하나의 풍향 편차 각도를 포함하고, 상기 풍향 편차 각도는 상기 전력 성능 지수에 일대일 대응함 -;
   상기 m개의 각도 구간들 중 i번째 각도 구간의 전력 성능 지수들의 평균값을 계산하는 단계;
   상기 평균값 및 미리 설정된 신뢰 확률에 기초하여 상기 i번째 각도 구간에 대응하는 신뢰 구간을 결정하는 단계;
   상기 m개의 각도 구간들에 대응하는 신뢰 구간들의 하한값들을 비교하는 단계;
   최대 하한값을 가지는 신뢰 구간에 대응하는 각도 구간을 최적 각도 구간으로 결정하는 단계 - 상기 최적 각도 구간은 상기 최적 편차 각도가 속하는 각도 구간임 -; 및
   상기 최적 각도 구간의 하한값을 상기 최적 편차 각도로 결정하는 단계
   를 포함하는,
   방법.
   
6. 제1항에 있어서,
   상기 풍향 편차 각도의 상기 확률 분포에 따라 상기 현재 풍향 편차 각도를 결정하는 단계는:
   상기 m개의 각도 구간들 중 최대 확률값을 가지는 각도 구간을 상기 현재 편차 각도로 결정하는 단계; 또는
   상기 m개의 각도 구간들의 상기 풍향 편차 각도들의 중앙값에 대응하는 각도 구간을 상기 현재 편차 각도로 결정하는 단계
   를 포함하는,
   방법.
   
7. 제1항 내지 제6항 중 어느 한 항에 있어서,
   상기 현재 편차 각도를 결정하는 단계 이후,
   상기 최적 각도 구간의 데이터 볼륨(data volume)의 백분율을 계산하는 단계; 및
   상기 백분율이 미리 설정된 백분율보다 큰 경우 상기 최적 편차 각도 및 상기 현재 편차 각도 사이의 상기 차이가 상기 미리 설정된 임계치를 충족하는지 여부를 결정하는 단계
   를 더 포함하는,
   방법.
   
8. 요-바람 이상(yaw-to-wind abnormality) 검출 장치에 있어서,
   지정된 시간 주기(specified time period) 내 풍향 편차 각도를 획득하도록 구성되는, 편차 각도 획득 모듈 - 상기 풍향 편차 각도는 풍향 및 풍력 터빈의 나셀(nacelle of wind turbine)의 중심 축 사이에서 정의되는 각도임 -;
   전력 성능 지수(power performance index)를 계산하도록 구성되는, 지수 계산 모듈 - 상기 전력 성능 지수는 상기 풍력 터빈의 발전 성능에 특징이 있도록 하는 무차원수(dimensionless number)임 -;
   상기 전력 성능 지수에 기초하여 최적 풍향 편차 각도를 결정하도록 구성되는, 제1 결정 모듈 - 상기 최적 풍향 편차 각도는 상기 지정된 시간 주기 내 상기 풍력 터빈의 최적 발전 성능에 대응하는 풍향 편차 각도임 -;
   상기 풍향 편차 각도의 확률 분포에 따라 현재 풍향 편차 각도를 결정하도록 구성되는, 제2 결정 모듈 - 상기 현재 풍향 편차 각도는 상기 지정된 시간 주기 내 발생 확률이 가장 큰 풍향 편차 각도임 -; 및
   상기 최적 풍향 편차 각도 및 상기 현재 풍향 편차 각도 사이의 차이가 미리 설정된 임계치보다 큰 경우, 요-바람 이상이 검출된다고 결정하도록 구성되는, 결과 결정 모듈
   을 포함하는,
   장치.
   
9. 컴퓨터 디바이스에 있어서,
   프로세서 및 적어도 하나의 명령어, 적어도 하나의 프로그램, 코드 세트 또는 명령어 세트를 저장하는 메모리
   를 포함하고,
   상기 프로세서에 의해 로드 및 실행될 때, 상기 적어도 하나의 명령어, 상기 적어도 하나의 프로그램, 상기 코드 세트 또는 상기 명령어 세트는 상기 프로세서가 제1항 내지 제7항 중 어느 한 항에 정의된 상기 방법의 단계들을 수행하도록 하는,
   컴퓨터 디바이스.
   
10. 적어도 하나의 컴퓨터 프로그램을 저장하는 비일시적 컴퓨터 판독 가능 저장 매체에 있어서,
    프로세서에 의해 로드 및 실행될 때, 상기 적어도 하나의 컴퓨터 프로그램은 상기 프로세서가 제1항 내지 제7항 중 어느 한 항에 정의된 상기 방법의 단계들을 수행하도록 하는,
    적어도 하나의 컴퓨터 프로그램을 저장하는 비일시적 컴퓨터 판독 가능 저장 매체.
    

Images