TWI700431B - 風力發電系統 - Google Patents

風力發電系統 Download PDF

Info

Publication number
TWI700431B
TWI700431B TW108118386A TW108118386A TWI700431B TW I700431 B TWI700431 B TW I700431B TW 108118386 A TW108118386 A TW 108118386A TW 108118386 A TW108118386 A TW 108118386A TW I700431 B TWI700431 B TW I700431B
Authority
TW
Taiwan
Prior art keywords
aforementioned
windmill
diagnosis
control
power generation
Prior art date
Application number
TW108118386A
Other languages
English (en)
Other versions
TW202004010A (zh
Inventor
楠野順弘
Original Assignee
日商日立製作所股份有限公司
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 日商日立製作所股份有限公司 filed Critical 日商日立製作所股份有限公司
Publication of TW202004010A publication Critical patent/TW202004010A/zh
Application granted granted Critical
Publication of TWI700431B publication Critical patent/TWI700431B/zh

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
    • F03D7/00—Controlling wind motors 
    • F03D7/02—Controlling wind motors  the wind motors having rotation axis substantially parallel to the air flow entering the rotor
    • F03D7/04—Automatic control; Regulation
    • F03D7/042—Automatic control; Regulation by means of an electrical or electronic controller
    • 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
    • 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
    • G05B23/0224—Process history based detection method, e.g. whereby history implies the availability of large amounts of data
    • G05B23/024—Quantitative history assessment, e.g. mathematical relationships between available data; Functions therefor; Principal component analysis [PCA]; Partial least square [PLS]; Statistical classifiers, e.g. Bayesian networks, linear regression or correlation analysis; Neural networks
    • 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
    • F05B2270/327—Rotor or generator 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
    • F05B2270/328—Blade pitch angle
    • 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
    • G05B2219/00—Program-control systems
    • G05B2219/20—Pc systems
    • G05B2219/26—Pc applications
    • G05B2219/2619—Wind turbines
    • 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)
  • Sustainable Energy (AREA)
  • General Engineering & Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • Combustion & Propulsion (AREA)
  • Chemical & Material Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Sustainable Development (AREA)
  • Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • Automation & Control Theory (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Artificial Intelligence (AREA)
  • Wind Motors (AREA)

Abstract

本發明提供一種風力發電系統，其具有藉由切換針對每個控制模式的各別之診斷基準資料，而能夠高精度地診斷異常之預兆診斷機能。 此風力發電系統(1)具備控制風車(2)之風車控制器(15)及預兆診斷器(16)。預兆診斷器(16)為了進行預兆診斷而至少接收來自設置於風車(2)之監視用感測器(14)的訊號及來自風車控制器(15)之表示風車控制狀態的訊號即內部狀態變數，而且具備：診斷基準資料生成器(19)，其在預兆診斷基準或執行預兆診斷所必要之分析處理資料之學習期間，就每個內部狀態變數基於自監視用感測器(14)輸入之訊號作成診斷基準資料；及診斷器(22)，其於預兆診斷期間，基於與每個內部狀態變數對應之診斷基準資料來執行診斷。

Description

風力發電系統
本發明關於一種風力發電系統之風車控制裝置，尤指一種具有預兆診斷機能之風車發電系統，此預兆診斷機能能夠檢測出構成風車(亦稱為風力發電裝置)之發電機或增速機、主軸、葉片及該等迴轉部之軸承等之硬體或控制裝置之軟體的異常預兆。
風力發電系統係利用風而使葉片旋轉，藉由將葉片之旋轉經由主軸或增速機輸入至發電機而進行發電。由於發電運轉係依存於風況，因而風力發電系統被期望能接受維護管理以使發電運轉經常為可能。若是風力發電系統之葉片或主軸、增速機、發電機及將其等旋轉自如地保持之軸承或是將轉速變換作為動力傳遞之齒輪等發生故障，則更換零件之取得或更換作業需要時間，因此發電停止時間會長期化。為此，乃藉由檢測出此等零件之異常預兆，而在輕微之異常狀態下實施供給潤滑脂(供給潤滑油)等之維護來延遲零件之異常進展或以異常預兆為基點實施更換零件之前置安排，藉而謀求發電停止時間之縮短化。
為達如此之目的，藉由利用感測器檢測出各零件之運轉狀態的振動加速度或溫度上升等，並將此等取得資訊利用馬氏-田口法或叢集手法等分析，而檢測出異常預兆之診斷技術，其開發正持續進展中。 此等診斷技術，於診斷對象之機器被視為正常狀態之一定期間之間，乃學習上述振動加速度或溫度上升等之檢測資訊，而定義機器之正常狀態。此舉一般稱為學習期間。在診斷異常預兆之診斷期間，將診斷時所取得之上述檢測資訊與學習期間所獲得之馬氏-田口法等分析手法所定之基準等進行比較分析，而將距離正常狀態之乖離程度作為異常度算出，藉由與決定異常度之臨限值等之基準的比較，來進行異常預兆之檢測判定。
風力發電系統，其發電運轉係依存於風況，因此依風況而可被視為正常之狀態有複數種存在。即便在如此般之情況下，作為診斷異常預兆之方法，也有例如專利文獻1所記載之技術曾為人所提案。 專利文獻1記載之技術中，於學習期間，除了診斷對象之機器的運轉狀態之檢測資料以外，又取得診斷對象之風車之運轉條件資料，並學習檢測資料及運轉狀態資料，自運轉條件資料之學習資訊選定應診斷之運轉條件，藉由學習與選定之運轉條件吻合之運轉條件資料及同時取得之檢測資料，而定義正常狀態。於診斷期間亦然，同時取得檢測資料及運轉條件資料，針對與選定之運轉條件吻合之運轉條件資料及同時取得之檢測資料，利用由分析手法所定之基準等進行比較分析，而進行異常預兆之檢測判定。如此，藉由運轉條件資料之學習及選定，而定義存在複數種之被視為正常之風車狀態。 [先行技術文獻] [專利文獻]
[專利文獻1]日本特開2013-185507號公報
[發明解決之課題]
風力發電系統，其發電運轉係依存於風況，因此風車控制裝置被研討至今以使時時刻刻之發電效率最大化。 一般而言，風力發電系統具備：調整發電機之轉矩之電力變換器、調整葉片之受風角度(槳距角)之槳距角調節器、以及為使葉片正對於風向而變更安裝有葉片及主軸、增速機、發電機之機艙的迴旋方位之轉向調節器。風車控制裝置藉由發送對於此等調節器之控制指令，而實現發電效率之最大化。
例如，在風速低之低風速範圍中，係操作調節器以使葉片之空氣動力特性最大化。一般而言，根據葉片形狀，係以將其保持於特定之角度、通常稱為小槳槳距角之角度的方式操作槳距角調節器，藉由電力變換器操作發電機之轉矩，而實現發電效率之最大化。又，於風速高之高風速範圍中，考慮加諸葉片之離心力所造成之荷重或發電機可輸出之最大轉矩等之下，係以使葉片轉速與發電機轉矩成為一定之方式操作槳距角調節器與電力變換器。 更在風速高的風速範圍中，為了保護風力發電系統，採用停止發電運轉，減低從風承受的荷重(暴風荷重)的運轉。
如此，風力發電系統乃因應時時刻刻之風況，配合不同目的而由風車控制裝置對各調節器發送控制指令，藉由各調節器之動作而風車之運轉狀態獲得決定。因此，檢測出異常之對象的機器為調節器本身之情況或其構成零件之情況下，因異常發生，故調節器之動作變得不良，與風車控制裝置之目的不符，而有取得與其他目的之下風車控制裝置發揮機能之情況相同之運轉條件資料的可能性。又，由於乃為與其他目的之下風車控制裝置發揮機能之情況相同之運轉條件資料，就結果而言，診斷對象之檢測資料也有與其他目的下之檢測資料變得相同的可能性。 因此，藉由取得運轉條件資料，而判斷是否與成為診斷對象之運轉條件吻合的專利文獻1所記載之構成，在風車發生異常之情況下也有判斷為正常的可能性，誤判斷之發生令人擔憂。
是以，本發明提供一種具有藉由切換針對每個控制模式的各別之診斷基準資料，而能夠高精度地診斷異常之預兆診斷機能的風力發電系統。 [用以解決課題之手段]
為了解決上述課題，本發明相關之風力發電系統，其特徵在於：具備控制風車之風車控制器及預兆診斷器；上述預兆診斷器為了進行預兆診斷，而至少接收來自設置於上述風車之監視用感測器的訊號及來自上述風車控制器之表示風車控制狀態的訊號即內部狀態變數，而且具備：診斷基準資料生成器，其在預兆診斷基準或執行預兆診斷所必要之分析處理資料之學習期間，就上述每個內部狀態變數基於自上述監視用感測器輸入之訊號作成診斷基準資料；及診斷器，其於預兆診斷期間，基於與上述每個內部狀態變數對應之上述診斷基準資料來執行診斷。
又，本發明相關之其他風力發電系統，其特徵在於：具備控制風車之風車控制器及預兆診斷器；上述預兆診斷器至少接收為使上述風車控制器控制風車而接收之來自控制用感測器之訊號、自上述風車控制器發送至上述風車之控制指令及出自上述風車控制器之表示風車控制狀態之訊號即內部狀態變數；且具備：診斷基準資料生成器，其係於預兆診斷基準或預兆診斷之執行所必要之分析處理資料之學習期間，就上述每個內部狀態變數基於自上述監視用感測器輸入之訊號作成診斷基準資料；及診斷器，其於預兆診斷期間，基於與上述每個內部狀態變數對應之上述診斷基準資料來執行診斷。 [發明之效果]
根據本發明，可提供一種具有藉由切換針對每個控制模式的各別之診斷基準資料，而能夠高精度地診斷異常之預兆診斷機能的風力發電系統。 上述以外之課題、構成及效果，可由以下實施方式之說明而獲深一層之了解。
首先，針對本發明之應用對象之風力發電系統及預兆診斷裝置的概要進行說明。第1圖為本發明應用前之風力發電系統及預兆診斷裝置、亦即一般之風力發電系統及預兆診斷裝置的整體概略構成圖。第2圖表示相對平均風速之風車之動作概要，其係說明風車控制裝置之平均風速與槳距角及轉速之指令值之關係的說明圖。
如第1圖所示，風力發電系統1具備風車2(亦稱為風力發電裝置)及控制風車2之風車控制裝置3。風車2具有由至少1支以上所構成之受風而迴轉之葉片4及支持葉片4之輪轂5。輪轂5係經由主軸6連接於安裝在機艙10內之機架9上之增速機7及發電機8。葉片4及輪轂5、主軸6、增速機7、發電機8係利用圖未示之軸承保持成旋轉自如，葉片4受風而迴轉，其迴轉力係經由上述機構被輸入至發電機8。將葉片4之風能轉換為迴轉力之空氣動力特性，係因風速與葉片4之轉速及葉片4之安裝角度(以下稱為槳距角)而變化，因此於輪轂5之內部安裝有可獨立控制各個葉片4的槳距角之槳距驅動裝置(圖未示)。又，發電機8通常與安裝於塔架11之基部之電力變換器12電連接，由電力變換器12控制由發電機8所產生之轉矩。又，機艙10係由圖未示之轉向驅動裝置可相對塔架11迴旋。藉由此等槳距驅動裝置、電力變換器12及轉向驅動裝置，於風車2可發電運轉之風速範圍內，風車2可將風車2之發電輸出控制成最大。
為了進行風車2之控制及狀態監視，於風力發電系統1中備有取得運轉狀態之控制用感測器13及風車控制裝置3用之監視運轉狀態的圖未示之監視用感測器。由控制用感測器13取得之感測器訊號係由安裝於風車控制裝置3之控制邏輯所處理。此一控制邏輯係構築成於風車2可發電運轉之風速範圍中，使風車2之發電輸出成為最大。
第2圖中，作為控制邏輯之執行例之一例，表示相對平均風速之風力發電系統之發電輸出、相對平均風速之風車控制裝置3內部之迴轉速度指令值、及相對平均風速之自風車控制裝置3發送至槳距驅動裝置之槳距角指令值的關係。於風車控制裝置3內部藉由將迴轉速度指令值與計測之轉速的偏差作為輸入之前饋控制，予以變換成轉矩指令值或發電電力指令值，並發送至電力變換器12。風車2於可發電運轉之風速內，於低風速範圍中，葉片4之槳距角指令值係保持於一定，若將葉片4之轉速以低速保持，則電力變換器12將轉矩輸出至發電機8。各指令值雖如上述般保持，但隨著風速增大，達於電力變換器12控制之上限轉矩，而因過量之風能所致之轉矩，葉片4之轉數增大。當成為特定之轉數以上時，係將葉片4之轉速切換成以高速保持之風車控制裝置3內部之轉速指令值。風速若進一步增大，則風能變大，只憑藉控制發電機8之轉矩將轉速保持成一定之值有所困難，此時係藉由增大槳距角而降低葉片4之空氣動力特性、降低自風所接受之風能，而將發電輸出控制成保持一定(額定輸出)。
又，風車2於較可發電運轉之風速範圍為低之風速的情況下，係被控制成待機以備在風速增大後之情形下可轉移至可發電運轉之狀態的方式；風車2於較可發電運轉之風速範圍為高之風速的情況下，基於保護構成風車2之機器的目的，乃控制成使得加諸構成風車2之各機器的荷重變低。
如第1圖所示，作為檢測構成風車2之機器之異常預兆的機能，一般備有預兆診斷裝置25。預兆診斷裝置25具有相對成為風車2之診斷對象的機器，因應該等機器之物理舉動來計測振動加速度或溫度等之監視用感測器14，而輸入監視用感測器14之檢測值。可活用於預兆診斷之診斷演算法有複數種提案，但不管是任一種手法，都有兩個運用期間，即自監視用感測器14之檢測值根據診斷演算法作成用於診斷基準及診斷處理之基礎資料(以下稱為診斷基準資料)之學習期間、以及基於作成之診斷基準資料將成為風車2之診斷對象之機器予以診斷之期間。以下，關於預兆診斷技術之說明中，係以使用活用統計學之馬氏-田口法為前提進行記載。
預兆診斷裝置25之學習期間中，監視用感測器14之檢測值係儲存於暫時記憶部18。於特定之期間，儲存之資料係由診斷基準資料生成器19加工成診斷基準資料，並儲放於診斷基準資料記憶部20。馬氏-田口法係假定檢測值之出現頻度分布成正規分布，因此自檢測值之出現頻度分布，求得作為正規分布之數學參數之平均值及分散，乃成為診斷基準資料生成器19之處理內容。又，自診斷對象取得複數個檢測值而作成診斷基準資料之情況下，診斷基準資料與各物理量之平均值向量成為共分散行列。
預兆診斷裝置25之診斷期間中，監視用感測器14之檢測值係與診斷基準資料一起被輸入至診斷器22，並輸出診斷結果。自診斷器22輸出之診斷結果係儲放於診斷結果記憶部23。診斷器22輸出之診斷結果，於診斷演算法採用馬氏-田口法之情形下，使檢測值之距平均值之乖離距離相當於以共分散行列規格化之值，數值愈大則距被視為正常之學習期間之診斷對象機器的狀態愈為乖離，亦即意味著異常程度高。
又，於上述處理概要之說明中，相對檢測值之雜訊削減處理等之前處理，以及相對診斷器22輸出之診斷結果之後處理的相關記載，因與本發明無直接關係，故予省略。又，安裝於診斷基準資料生成器19及診斷器22之處理內容，無疑係依存於採用之預兆診斷演算法 一般而言，有關預兆診斷之實施，診斷可於由監視用感測器14每次檢測時實施，或可以特定之時間間隔等間歇性實施。不論如何，每次診斷實施之結果係儲放於診斷結果記憶部23，診斷結果及隨附之相關資料(例如診斷時之風速或風車之轉速等之風車運轉履歷、或是診斷所用之檢測值及診斷基準資料或診斷基準資料作成所使用之保存於暫時記憶部18之原始資料等)係以時間系列顯示於顯示裝置24，藉此預兆診斷裝置25之運用者可確認風力發電系統1之異常預兆。此處，顯示裝置24例如為液晶顯示器(LCD)或有機EL顯示器等。又，顯示裝置24可為例如具有鍵盤或滑鼠等輸入裝置之構成，亦即也可為操作終端。
上述診斷基準資料生成器19及診斷器22例如可由圖未示之CPU(Central Processing Unit，中央處理單元)等之處理器、儲放有各種處理器之ROM、將演算過程之資料暫時儲放之RAM、外部記憶裝置等之記憶裝置來實現，而且由CPU等之處理器讀出儲放於ROM之各種程式予以執行，並將作為執行結果之演算結果儲放於RAM或外部記憶裝置。
以下，針對本發明相關之風力發電系統1之實施例，使用圖面進行詳細說明。又，各圖中，針對共通之構成要件係標示以相同之符號。 [實施例1]
第3圖為有關本發明之一實施例之實施例1的風力發電系統及風車控制裝置的整體概略構成圖。如第3圖所示，本實施例之風力發電系統1，相對上述第1圖所示之一般之風力發電系統，其方式上之不同點在於，在風車控制裝置3之內部安裝以風車控制器15實現之有關風車2之控制的機能，及安裝以預兆診斷器16實現之預兆診斷裝置25之機能。再者，相對上述第1圖所示之一般之預兆診斷裝置25，於預兆診斷器16追加有分類器17及診斷基準資料選擇抽出器21，且暫時記憶部18及診斷基準資料記憶部20之保存機能擴張。此處，構成預兆診斷器16之分類器17及診斷基準資料選擇抽出器21，可由圖未示之CPU (Central Processing Unit，中央處理單元)等之處理器、儲放有各種處理器之ROM、將演算過程之資料暫時儲放之RAM、外部記憶裝置等之記憶裝置來實現，而且由CPU等之處理器讀出儲放於ROM之各種程式予以執行，並將作為執行結果之演算結果儲放於RAM或外部記憶裝置。
又，風車控制器15及預兆診斷器16之安裝於風車控制裝置3內，可於相同計算機資源上構築，或也可於不同之計算機資源上構築。風車控制器15及預兆診斷器16之安裝於風車控制裝置3內於相同計算機資源上構築之情況下(前者之情況)，詳如後述之風車控制器15之內部狀態變數或控制指令值之參考依動態記憶體之參考權限可共有，因此並無通信機器之追加或通信處理之延遲。另一方面，風車控制器15及預兆診斷器16之安裝於風車控制裝置3內於不同之計算機資源上構築之情況下(後者之情況)，則產生上述通信相關之追加或延遲。然而，於與通信相關之追加或延遲在風車2之控制及預兆診斷機能之提供之中於運用上無問題時，藉由將安裝風車控制器15及預兆診斷器16之計算機資源分割，可降低因預兆診斷器16之故障(例如因預兆診斷演算法處理之演算負荷超過而由於計算單元之熱失控所導致之計算處理之停格)所帶來之對風車控制器15之動作影響的可能性，不會妨害風車2原本之運用即發電運轉。以下，針對追加之機能及其效果進行說明。
分類器17輸入風車控制器15之至少內部狀態變數及備於監視對象之監視用感測器14的檢測值。分類器17中，係將輸入之風車控制器15之內部狀態變數作為索引，而將同時輸入之監視用感測器14之檢測值儲放於分別與索引建立對應地擴充之暫時記憶部18。換言之，分類器17係將輸入之風車控制器15之內部狀態變數作為索引，將監視用感測器14之檢測值儲放於複數個暫時記憶部18之中與索引對應之暫時記憶部18。 此時，內部狀態變數較佳為代表風車控制器15執行中之控制邏輯的指標。例如，風力發電系統1發電運轉中之情況下，其較佳為第2圖所示之究竟轉速指令值是以成為低速之低速模式運轉，還是轉速指令值是以成為高速之高速模式運轉等之控制模式的索引。又，也包含風況條件不適於發電運轉之情況，尚可將風力發電系統1究竟為等待風之待機中、還是暴風下之待機中，或是風況究竟是低風速範圍之啟動處理中、還是停止處理中，或是高風速範圍之啟動處理中、還是停止處理中等尚包含發電運轉中以外之控制模式作為索引。風力發電系統1之設計者可事前掌握控制邏輯之控制模式數，對於所有控制模式只有設為診斷對象之控制模式，由分類器17保存於對應之暫時記憶部18般之動作，暫時記憶部18對應於上述之控制模式數將各自之分類區分而具有保存及參考資料保持機能。
其次，診斷基準資料生成器19於暫時記憶部18中保存有特定之資料量之情況下，使用此等保存資料作成診斷基準資料。相對上述第1圖中所示之一般方式，本實施例之暫時記憶部18因保有相應於控制模式之複數之保存資料，與一般之方式(第1圖)本實施例之診斷基準資料生成器19執行相同之處理內容，但是對應於各自之輸入診斷基準資料分別被輸出，因此診斷基準資料記憶部20係以具有將其等區分保存及參考之資料保持機能的方式構築。 上述機能乃為預兆診斷機能之學習期間之預兆診斷器16之機能。
於預兆診斷機能之診斷期間，分類器17提供與學習期間相同之機能，相對監視用感測器14之檢測值，輸出成為其分類結果之分類標籤。輸出之分類標籤被輸入至診斷基準資料選擇抽出器21。診斷基準資料選擇抽出器21根據輸入之分類標籤，自診斷基準資料記憶部20選擇或抽出與分類標籤對應之診斷基準資料，並輸出至診斷器22。 診斷器22與一般之方式(第1圖)同樣地，將出自診斷基準資料選擇抽出器21之診斷基準資料及分類器17之輸出即監視用感測器14之檢測值作為輸入，根據採用之預兆診斷演算法算出診斷結果。
第4圖為第1圖所示之一般方式與第3圖所示實施例1相關之振動加速度之檢測值之出現頻度分布的比較圖。具體言之，第4圖中表示一般之方式(第1圖)與本實施例之診斷基準資料之比較例。第4圖所示之例中，表示於將轉速作為控制模式之索引使用的情況下，風車2之迴轉部所生之振動加速度之出現頻度分布。實線為檢測值之出現頻度分布，虛線為學習之正規分布。一般之方式(第1圖)中，如第4圖之上段的曲線圖所示，不管轉速指令值為低速之情況或高速之情況之任何情況均未特別分類，而以混在之狀態實施學習。因此，振動加速度之出現頻度分布在全速度範圍具有兩個山(峰)，距虛線所示之學習之正規分布的乖離大。診斷係基於學習之正規分布算出診斷期間之檢測值的出現頻度機率藉而實施正常･異常之判定，因此根本上作為診斷基準精度降低，故而判定精度降低。 另一方面，本實施例之情況下，如第4圖下段之曲線圖所示，限定於轉速指令值為低速及轉速指令值為高速中之任一方，分別個別學習之情況下之振動加速度之出現頻度分布與學習之正規分布的乖離程度，較之一般之方式(第1圖)的情況(第4圖之上段曲線)明顯變小。基於此一事實，藉由針對每個控制模式分別切換診斷基準資料，可實施高精度之診斷。
第5圖為表示第3圖所示預兆診斷器16之診斷結果之概要的圖。診斷結果係根據學習之正規分布之出現頻度機率，以檢測值之距正常之乖離度進行判定。將橫軸作為依計測順序之時間序列，將縱軸作為異常度，於異常度超過特定之臨限值時判斷檢測出異常預兆。第5圖中，例示臨限值1及臨限值2，但並無臨限值非得為2個之必要，將至少1個以上之臨限值根據統計性基準或過去之作業者經驗值等決定即可。第5圖所示之例中，超過臨限值1之情況下發出警告，超過臨限值2之情況下發出警報。因應各者，例如於警告發佈之情況下遠距確認風車2之運轉狀況，於警報發報之情況下現場進行檢查等般，定義各自之動作也可。又，也可計數臨限值之超過次數而具備警告條件成立等運用上之改良設計。因而，可考慮原本風車2雖無異常但有超過臨限值之誤報、及雖然風車2實際發生異常但誤以為未超過臨限值而未檢出的平衡來判斷動作之實施。
又，預兆診斷器16，其學習期間執行之分類器17、暫時記憶部18、診斷基準資料生成器19及診斷基準資料記憶部20，與診斷期間執行之分類器17、診斷基準資料記憶部20、診斷基準資料選擇抽出器21、診斷器22及診斷結果記憶部23，只有診斷基準資料記憶部20共用。因此，學習期間之寫入存取與診斷期間之讀入存取若能保證排他性存取而不發生資料損傷，則學習期間與診斷期間重複也可。依此，藉由例如對於暫時記憶部18附加將一定期間之過去資料廢棄之機能、或是對於診斷基準資料生成器19附加降低一定期間之過去資料之評價尺度之處理，可一面經常學習更新診斷基準一面實施診斷。藉此，對於經年劣化等因機器原本之使用而監視用感測器14之檢測值變化之傾向，可抑制異常及誤檢知。又，於降低一定期間之過去資料之評價尺度之處理中，若無需過去取得之資料，則也可將暫時記憶部18自預兆診斷器16削除，而在每次取得檢測資料時使診斷基準資料生成器19動作，並根據分類器17之分類標籤保存於診斷基準資料記憶部20即可。藉此，可實現計算資源之減低。
如上所述，根據本實施例，可提供一種風力發電系統，其具有藉由切換針對每個控制模式的各別之診斷基準資料，而能夠高精度地診斷異常之預兆診斷機能。 又，根據本實施例，可在不取得運轉條件資料下，於發電運轉中就表現機能之各種控制方法執行診斷基準資料之學習及預兆診斷之執行。 此外，有關控制方法之種別、最大數，由於事前考慮控制之內部構成，故可防止學習遺漏或人為之運轉條件之設定失誤。 再者，由於並無學習運轉條件之必要，故不僅資料通信或資料保存無需成本，而且風車控制裝置內內置風車控制器與預兆診斷器之情況下，可直接參考風車控制器內之資訊，藉此可削減通信機器之成本。 [實施例2]
第6圖為有關本發明之其他實施例之實施例2的風力發電系統及風車控制裝置的整體概略構成圖。本實施例中，與實施例1相異的構成點在於，對於構成預兆診斷器16之分類器17之輸入，除了風車控制器15之內部狀態變數及備於監視對象之監視用感測器14之檢測值以外，取得運轉狀態之控制用感測器13之檢測值也將輸入。就與實施例1相同之構成要件標示以相同符號，以下之說明中對於與實施例1重複之說明予以省略。
如第6圖所示，本實施例相關之風力發電系統1與上述實施例1比較，由於係在風車控制裝置3安裝風車控制器15及預兆診斷器16，故輸入至風車控制器15之控制用感測器13之檢測值也被輸入至構成預兆診斷器16之分類器17。控制用感測器13之檢測值為控制對象之機器之控制量的檢測值。亦即，表示機器之狀態之物理量。因此，藉由將控制用感測器13之檢測值追加於異常診斷，可增加異常診斷對象。
如以上所述，根據本實施例，除了上述實施例1之效果以外，還可增加異常診斷對象。 [實施例3]
第7圖為有關本發明之其他實施例之實施例3的風力發電系統及風車控制裝置的整體概略構成圖。本實施例中，與實施例1之相異點在於，對於構成預兆診斷器16之分類器17之輸入，代替備於監視對象之監視用感測器14之檢測值，而予設為風車控制器15之控制指令及控制用感測器13之檢測值。又，與實施例2之相異點在於，對於構成預兆診斷器16之分類器17之輸入，代替備於監視對象之監視用感測器14之檢測值，而予設為風車控制器15之控制指令。就與實施例1或實施例2相同之構成要件標示以相同符號，以下之說明中對於與實施例1及實施例2重複之說明予以省略。
如第7圖所示，本實施例相關之風力發電系統1中，係將風車控制器15之控制指令及控制用感測器13之檢測值作為對於構成預兆診斷器16之分類器17之輸入。藉此，對於控制指令，可檢測出自原本想定之控制對象機器之動作的脫離。又，可行的是，相對控制指令，機器之機械性動作有時可能伴隨一定之時間延遲，因此考慮特定之延遲時間份，被輸入分類器17之控制指令及控制用感測器13與同時輸入之諸資料不構成群組，而是相對控制指令之分類器17之輸入，將於特定之時間延遲後輸入分類器17之控制用感測器13之輸入作為群組保存於暫時記憶部18。
如以上所述，根據本實施例，除了實施例1之效果之外，作為實施預兆診斷之診斷對象，係以構成風車之機器或其構成零件為對象，不僅自此等機器所具備之感測器獲得診斷對象之檢測資料，還可將自風車控制裝置3輸出至各調節器之控制指令值設為診斷對象，而藉由檢測於發電運轉中表現機能之控制方式之中被輸出的控制指令值之異常之預兆，也可檢知控制軟體之異常的預兆。 [實施例4]
第8圖為有關本發明之其他實施例之實施例4的風力發電系統及風車控制裝置的整體概略構成圖。本實施例中，對於構成預兆診斷器16之分類器17之輸入，係自上述實施例1採用包含實施例3之構成。 如第8圖所示，出自風車2所具備之檢測器之檢測值，全部輸入至分類器17。藉此，不只控制或機器之物理量，風速或外氣溫等與風車2之環境條件相關之物理量亦可活用於異常診斷。風速條件或風速之時間性變動尺度即亂流強度若是可活用於異常診斷，則可將由監視用感測器14取得之監視對象機器之檢測值的離散之增減、與使風車2之運轉動作本質性地離散之要因的風之亂流強度的相關，活用於異常診斷，利用檢測值之離散，可提高實施異常診斷之診斷演算法之檢測精度。或是，因颱風等而形成暴風時，與一般之發電運轉之環境下不同，因可自診斷對象除外，而成為可減少誤報。 [實施例5]
第9圖為有關本發明之其他實施例之實施例5的風力發電系統及風車控制裝置的整體概略構成圖。本實施例中，與實施例4之不同點在於，追加將診斷器22輸出之異常度輸入至風車控制器15之構成。 如第9圖所示，本實施例之風力發電系統1中，由於採用將診斷器22輸出之異常度輸入至風車控制器15之構成，故風車控制器15根據診斷器22之異常度，可轉移至降低異常部位之荷重之控制模式、或減少異常度高之機器之動作次數之控制模式等各種退縮運轉模式。藉此，可抑制異常之進一步進展，而能夠至維護作業員之目視檢查為止使風車延命運轉。 又，本實施例之將診斷器22輸出之異常度輸入至風車控制器15之構成，亦可適用於上述實施例1至實施例3中之任一構成。
如上所述，於實施例1至實施例5中，說明了藉由根據風車控制器15之內部狀態變數將監視用感測器之檢測值分類，而生成針對每個內部狀態之診斷基準，據以提高診斷精度之技術的實現方法。於診斷對象存在複數個之情況下，可安裝複數個預兆診斷器16，也可複數個安裝診斷器22等之一部分機能。
又，本發明不受上述實施例之限定，可包含各種變化例。例如，上述實施例乃為為了使本發明易於瞭解地說明而詳細說明者，但不限定於必須具備所說明之所有構成。另外，某一實施例之構成之一部分可替換為其他實施例之構成，且某一實施例之構成中也可加入其他實施例之構成。
1‧‧‧風力發電系統 2‧‧‧風車 3‧‧‧風車控制裝置 4‧‧‧葉片 5‧‧‧輪轂 6‧‧‧主軸 7‧‧‧增速器 8‧‧‧發電機 9‧‧‧機架 10‧‧‧機艙 11‧‧‧塔架 12‧‧‧電力變換器 13‧‧‧控制用感測器 14‧‧‧監視用感測器 15‧‧‧風車控制器 16‧‧‧預兆診斷器 17‧‧‧分類器 18‧‧‧暫時記憶部 19‧‧‧診斷基準資料生成器 20‧‧‧診斷基準資料記憶部 21‧‧‧診斷基準資料選擇抽出器 22‧‧‧診斷器 23‧‧‧診斷結果記憶部 24‧‧‧顯示裝置 25‧‧‧預兆診斷裝置
第1圖為一般之風力發電系統及預兆診斷裝置的整體概略構成圖。 第2圖為說明風車控制裝置之平均風速與槳距角及轉速之指令值之關係的說明圖。 第3圖為有關本發明之一實施例之實施例1的風力發電系統及風車控制裝置的整體概略構成圖。 第4圖為第1圖所示之一般方式與第3圖所示實施例1相關之振動加速度之檢測值之出現頻度分布的比較圖。 第5圖為表示第3圖所示預兆診斷器之診斷結果之概要的圖。 第6圖為有關本發明之其他實施例之實施例2的風力發電系統及風車控制裝置的整體概略構成圖。 第7圖為有關本發明之其他實施例之實施例3的風力發電系統及風車控制裝置的整體概略構成圖。 第8圖為有關本發明之其他實施例之實施例4的風力發電系統及風車控制裝置的整體概略構成圖。 第9圖為有關本發明之其他實施例之實施例5的風力發電系統及風車控制裝置的整體概略構成圖。
1‧‧‧風力發電系統
2‧‧‧風車
3‧‧‧風車控制裝置
4‧‧‧葉片
5‧‧‧輪轂
6‧‧‧主軸
7‧‧‧增速器
8‧‧‧發電機
9‧‧‧機架
10‧‧‧機艙
11‧‧‧塔架
12‧‧‧電力變換器
13‧‧‧控制用感測器
14‧‧‧監視用感測器
15‧‧‧風車控制器
16‧‧‧預兆診斷器
17‧‧‧分類器
18‧‧‧暫時記憶部
19‧‧‧診斷基準資料生成器
20‧‧‧診斷基準資料記憶部
21‧‧‧診斷基準資料選擇抽出器
22‧‧‧診斷器
23‧‧‧診斷結果記憶部
24‧‧‧顯示裝置

Claims (12)

  1. 一種風力發電系統，具備控制風車之風車控制器及預兆診斷器；其特徵在於：前述預兆診斷器為了進行預兆診斷，而至少接收來自設置於前述風車之監視用感測器的訊號及來自前述風車控制器之表示風車控制狀態的訊號即內部狀態變數，而且具備：診斷基準資料生成器，其在預兆診斷基準或執行預兆診斷所必要之分析處理資料之學習期間，就前述每個內部狀態變數基於自前述監視用感測器輸入之訊號作成診斷基準資料；及診斷器，其於預兆診斷期間，基於與前述每個內部狀態變數對應之前述診斷基準資料來執行診斷；前述診斷器係基於與前述每個內部狀態變數對應之前述診斷基準資料來執行診斷，並輸出異常度；由前述診斷器輸出之異常度係輸入至前述風車控制器，前述風車控制器根據輸入之異常度，而將控制指令發送至前述風車，以至少轉移至降低異常部位之荷重的控制模式或降低異常度高之機器之動作次數的控制模式。
  2. 如申請專利範圍第1項之風力發電系統，其中，前述預兆診斷器，具有基於前述內部狀態變數而決定是否將自前述監視用感測器輸入之訊號採用於預兆診斷之 學習及診斷的分類器。
  3. 如申請專利範圍第2項之風力發電系統，其中，前述預兆診斷器具有為了作成預兆診斷之診斷基準而針對前述每個內部狀態變數保存自前述監視用感測器輸入之訊號的暫時記憶部；保存於前述暫時記憶部之自前述監視用感測器輸入之訊號，係於經過特定期間後廢棄。
  4. 如申請專利範圍第3項之風力發電系統，其中，前述內部狀態變數係根據葉片或發電機之轉速、葉片槳距角度、風速、風亂流強度中之至少包含轉速之一個或複數個物理量所定義之風車控制狀態。
  5. 如申請專利範圍第3或4項之風力發電系統，其中，前述預兆診斷器進而接收為使前述風車控制器控制風車而接收之來自控制用感測器之訊號。
  6. 如申請專利範圍第5項之風力發電系統，其中，前述預兆診斷器進而接收自前述風車控制器發送至前述風車之控制指令。
  7. 如申請專利範圍第6項之風力發電系統，其中，前述診斷器係基於與前述每個內部狀態變數對應之前 述診斷基準資料來執行診斷，並輸出異常度；由前述診斷器輸出之異常度係輸入至前述風車控制器，前述風車控制器根據輸入之異常度，而將控制指令發送至前述風車，以至少轉移至降低異常部位之荷重的控制模式或降低異常度高之機器之動作次數的控制模式。
  8. 如申請專利範圍第3或4項之風力發電系統，其中，前述診斷器係基於與前述每個內部狀態變數對應之前述診斷基準資料來執行診斷，並輸出異常度；由前述診斷器輸出之異常度係輸入至前述風車控制器，前述風車控制器根據輸入之異常度，而將控制指令發送至前述風車，以至少轉移至降低異常部位之荷重的控制模式或降低異常度高之機器之動作次數的控制模式。
  9. 一種風力發電系統，具備控制風車之風車控制器及預兆診斷器；其特徵在於：前述預兆診斷器至少接收為使前述風車控制器控制風車而接收之來自控制用感測器之訊號、自前述風車控制器發送至前述風車之控制指令及出自前述風車控制器之表示風車控制狀態之訊號即內部狀態變數；且具備：診斷基準資料生成器，其係於預兆診斷基準或預兆診斷之執行所必要之分析處理資料之學習期間，就前述每個內部狀態變數基於自前述控制用感測器輸入之訊號作成診斷基準資料；及 診斷器，其於預兆診斷期間，基於與前述每個內部狀態變數對應之前述診斷基準資料來執行診斷；前述診斷器係基於與前述每個內部狀態變數對應之前述診斷基準資料來執行診斷，並輸出異常度；由前述診斷器輸出之異常度係輸入至前述風車控制器，前述風車控制器根據輸入之異常度，而將控制指令發送至前述風車，以至少轉移至降低異常部位之荷重的控制模式或降低異常度高之機器之動作次數的控制模式。
  10. 如申請專利範圍第9項之風力發電系統，其中，前述預兆診斷器，具有基於前述內部狀態變數而決定是否將自前述控制用感測器輸入之訊號採用於預兆診斷之學習及診斷的分類器。
  11. 如申請專利範圍第10項之風力發電系統，其中，前述預兆診斷器具有為了作成預兆診斷之診斷基準而針對前述每個內部狀態變數保存自前述控制用感測器輸入之訊號的暫時記憶部；保存於前述暫時記憶部之自前述控制用感測器輸入之訊號，係於經過特定期間後廢棄。
  12. 如申請專利範圍第11項之風力發電系統，其中，前述內部狀態變數係根據葉片或發電機之轉速、葉片槳距角度、風速、風亂流強度中之至少包含轉速之一個或 複數個物理量所定義之風車控制狀態。
TW108118386A 2018-05-31 2019-05-28 風力發電系統 TWI700431B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2018104530A JP2019210811A (ja) 2018-05-31 2018-05-31 風力発電システム
JP2018-104530 2018-05-31

Publications (2)

Publication Number Publication Date
TW202004010A TW202004010A (zh) 2020-01-16
TWI700431B true TWI700431B (zh) 2020-08-01

Family

ID=68698058

Family Applications (1)

Application Number Title Priority Date Filing Date
TW108118386A TWI700431B (zh) 2018-05-31 2019-05-28 風力發電系統

Country Status (4)

Country Link
EP (1) EP3805557A4 (zh)
JP (1) JP2019210811A (zh)
TW (1) TWI700431B (zh)
WO (1) WO2019230191A1 (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114647223A (zh) * 2020-12-18 2022-06-21 新疆金风科技股份有限公司 整机行为诊断方法、装置、控制器、风电场、系统及介质
JPWO2023153048A1 (zh) * 2022-02-10 2023-08-17
JP2023183732A (ja) * 2022-06-16 2023-12-28 Ntn株式会社 制御装置、管理システム、および管理方法

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009243428A (ja) * 2008-03-31 2009-10-22 Mitsubishi Heavy Ind Ltd 風車の監視装置及び方法並びにプログラム

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2011143531A2 (en) * 2010-05-13 2011-11-17 University Of Cincinnati Turbine-to-turbine prognostics technique for wind farms
JP5112538B2 (ja) * 2011-05-26 2013-01-09 株式会社ビルメン鹿児島 風力発電装置管理システム
JP5917956B2 (ja) * 2012-03-08 2016-05-18 Ntn株式会社 状態監視システム
WO2015198793A1 (ja) * 2014-06-24 2015-12-30 Ntn株式会社 状態監視システムおよびそれを用いた風力発電システム
WO2016017396A1 (ja) * 2014-07-29 2016-02-04 Ntn株式会社 状態監視システム及びそれを備えた風力発電システム
KR20160017681A (ko) * 2014-07-31 2016-02-17 두산중공업 주식회사 풍력플랜트 관리 시스템 및 그 방법

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009243428A (ja) * 2008-03-31 2009-10-22 Mitsubishi Heavy Ind Ltd 風車の監視装置及び方法並びにプログラム

Also Published As

Publication number Publication date
TW202004010A (zh) 2020-01-16
WO2019230191A1 (ja) 2019-12-05
JP2019210811A (ja) 2019-12-12
EP3805557A1 (en) 2021-04-14
EP3805557A4 (en) 2022-01-26

Similar Documents

Publication Publication Date Title
TWI700431B (zh) 風力發電系統
Wang et al. SCADA data based condition monitoring of wind turbines
US10253758B2 (en) System and method for optimizing wind farm performance
EP3276164B2 (en) System and method for controlling a wind turbine
CN108291529B (zh) 一种监测和评估风力涡轮机功率性能变化的方法
US9086337B2 (en) Detecting a wake situation in a wind farm
WO2022048228A1 (zh) 风电机组的载荷控制方法和装置
EP3642481B1 (en) A method for determining wind turbine blade edgewise load recurrence
CN111622898A (zh) 用于预测由于过度振动造成风力涡轮停机的系统和方法
EP2754888A2 (en) Method and apparatus for operating a wind turbine
Mohammadi et al. DeepWind: an accurate wind turbine condition monitoring framework via deep learning on embedded platforms
WO2012136277A1 (en) Proactive control of the operation of a wind turbine
CN117552936A (zh) 一种风电机组叶片状态监测系统及方法
CN115380160A (zh) 风力涡轮机叶片桨距系统的基于频率含量的监测
JP7288794B2 (ja) 稼働状態評価方法、及び、稼働状態評価装置
Sun et al. Wind turbine anomaly detection using normal behavior models based on SCADA data
CN111810357A (zh) 用于减轻风力涡轮的转子叶片的损坏的系统及方法
CN116717436A (zh) 一种变桨系统故障预警方法及系统
EP4343587A1 (en) Method and device for evaluating service life of pitch bearing of wind turbine
JP2017089590A (ja) 風力発電装置及びウィンドファーム
CN115680987A (zh) 用于操作风电场的系统和方法
Zhang et al. Probability warning for wind turbine gearbox incipient faults based on SCADA data
CN115456041A (zh) 设备故障预警方法及装置、计算设备和存储介质
CN114761682A (zh) 用于风力涡轮机的计算机实现监视的方法和装置
CN116757681B (zh) 一种风电机组发电效率实时监控诊断方法及系统