WO2019230191A1 - 風力発電システム - Google Patents

風力発電システム Download PDF

Info

Publication number
WO2019230191A1
WO2019230191A1 PCT/JP2019/015099 JP2019015099W WO2019230191A1 WO 2019230191 A1 WO2019230191 A1 WO 2019230191A1 JP 2019015099 W JP2019015099 W JP 2019015099W WO 2019230191 A1 WO2019230191 A1 WO 2019230191A1
Authority
WO
WIPO (PCT)
Prior art keywords
power generation
windmill
generation system
wind power
diagnosis
Prior art date
Application number
PCT/JP2019/015099
Other languages
English (en)
French (fr)
Inventor
順弘 楠野
Original Assignee
株式会社日立製作所
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 株式会社日立製作所 filed Critical 株式会社日立製作所
Priority to EP19810736.9A priority Critical patent/EP3805557A4/en
Publication of WO2019230191A1 publication Critical patent/WO2019230191A1/ja

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

Definitions

  • the present invention relates to a wind turbine control device of a wind power generation system, and in particular, hardware such as a generator, a speed increaser, a main shaft, a blade, and bearings of these rotating parts constituting a wind turbine (also called a wind power generation device),
  • the present invention relates to a wind turbine power generation system having a sign diagnosis function for detecting a sign of abnormality in software of a control device.
  • the wind power generation system generates power by rotating the blades by the wind and inputting the rotation of the blades to the generator via the main shaft and the gearbox. Since the wind power generation system depends on the wind conditions, it is desirable that the wind power generation system be maintained and managed so that the power generation operation can always be performed.
  • the blades, main shaft, speed increaser, generator, and the bearings that hold them freely, and the gears that convert the rotational speed and transmit it as power are damaged, it takes time to obtain replacement parts and replace them. Therefore, the power generation suspension period is prolonged. For this reason, by detecting abnormal signs of these parts and performing maintenance such as lubrication (mineralization) in minor abnormal conditions, the abnormal progress of the parts can be delayed, and the replacement parts can be preceded based on the abnormal signs. By making arrangements, it is necessary to shorten the period of power outage.
  • vibration acceleration and temperature rise in the operating state of each part are detected using sensors, and the acquired information is analyzed by Mahalanobis-Taguchi method, clustering method, etc.
  • Development of diagnostic technology for detection is ongoing. These diagnostic techniques learn the detection information such as vibration acceleration and temperature rise described above and define the normal state of the device for a certain period when the device to be diagnosed is considered to be in the normal state. This is generally called a learning period.
  • the above-mentioned detection information acquired at the time of diagnosis is compared with the criteria determined by the analysis method such as Mahalanobis-Taguchi method obtained during the learning period, so that the deviation from the normal state
  • the degree of abnormality is calculated as the degree of abnormality, and detection of an abnormality sign is determined by comparison with a criterion such as a threshold value that defines the degree of abnormality.
  • Patent Document 1 In the wind power generation system, since the power generation operation depends on the wind condition, there are a plurality of states that can be regarded as normal depending on the wind condition. Even in such a case, as a method for diagnosing an abnormal sign, for example, a technique described in Patent Document 1 has been proposed.
  • the technique described in Patent Document 1 in the learning period, in addition to the detection data in the operating state of the diagnosis target device, the driving condition data of the diagnosis target wind turbine is acquired, the detection data and the driving condition data are learned, and the driving The operating condition to be diagnosed is selected from the learning information of the condition data, and the normal state is defined by learning the detection data acquired simultaneously with the operating condition data that matches the selected operating condition.
  • detection data and operating condition data are acquired at the same time, and the detection data acquired at the same time as the operating condition data that matches the selected operating conditions are compared and analyzed according to criteria determined by the analysis method, etc. Determine detection.
  • a plurality of normal wind turbine states that are considered normal are defined by learning and selection of the operating condition data.
  • a wind turbine control device In the wind power generation system, since the power generation operation depends on the wind condition, a wind turbine control device is being studied so as to maximize the power generation efficiency every moment.
  • a wind power generation system includes a power converter that adjusts the torque of a generator, a pitch actuator that adjusts a wind receiving angle (pitch angle) of the blade, and a blade and a main shaft to make the blade face the wind direction. And a yaw actuator that changes the turning direction of the nacelle on which the speed increaser and the generator are mounted.
  • the windmill control device realizes maximization of power generation efficiency by transmitting control commands to these actuators.
  • the actuator in a low wind speed region where the wind speed is low, the actuator is operated so as to maximize the aerodynamic characteristics of the blade.
  • the pitch actuator is operated to maintain an angle determined by the blade shape, usually called the fine pitch angle, and the power generation efficiency is maximized by operating the generator torque with the power converter.
  • the pitch actuator and power conversion are performed so that the blade rotation speed and the generator torque are constant in consideration of the load due to the centrifugal force applied to the blade and the maximum torque that the generator can output.
  • the vessel is operated. Further, in the wind speed region where the wind speed is high, for the purpose of protecting the wind power generation system, the power generation operation is stopped and the operation to reduce the load (storm load) received from the wind is performed.
  • the wind turbine control device sends a control command to each actuator for different purposes according to the wind conditions from moment to moment, and each actuator operates, so that the operating state of the wind turbine Is determined. Therefore, when the target device for detecting an abnormality is the actuator itself or its component parts, the operation of the actuator becomes defective because the abnormality has occurred, and does not meet the purpose of the wind turbine control device. There is a possibility that the same operating condition data as when the wind turbine control device is functioning is acquired. Further, since the driving condition data is the same as when the wind turbine control device is functioning for other purposes, the detection data to be diagnosed may be the same as the detection data for other purposes.
  • the present invention provides a wind power generation system having a predictive diagnosis function capable of diagnosing an abnormality with high accuracy by switching each diagnostic reference data for each control mode.
  • a wind power generation system is a wind power generation system including a windmill controller that controls a windmill and a predictive diagnostic device, and the predictive diagnostic device includes at least the windmill for predictive diagnosis.
  • a learning period of analysis processing data necessary for receiving predictive diagnostic criteria or execution of predictive diagnosis by receiving a signal from a monitoring sensor installed in the vehicle and an internal state variable representing a windmill control state from the windmill controller.
  • a diagnostic reference data generator for creating diagnostic reference data based on a signal input from the monitoring sensor, and in the predictive diagnosis period, the diagnostic reference data corresponding to each internal state variable
  • a diagnostic device for performing diagnosis based on the above.
  • another wind power generation system is a wind power generation system including a windmill controller that controls a windmill and a predictive diagnostic device, and the predictive diagnostic device includes at least the windmill controller for controlling the windmill.
  • the predictive diagnostic device includes at least the windmill controller for controlling the windmill.
  • an internal state variable which is a signal representing the wind turbine control state from the wind turbine controller.
  • 1 is an overall schematic configuration diagram of a normal wind power generation system and a sign diagnosis apparatus. It is explanatory drawing explaining the relationship between the command value of the average wind speed of a windmill control apparatus, a pitch angle, and rotational speed.
  • 1 is an overall schematic configuration diagram of a wind power generation system and a windmill control device according to a first embodiment of the present invention. It is a comparison figure of appearance frequency distribution of the detected value of the vibration acceleration which concerns on the normal form shown in FIG. 1, and Example 1 shown in FIG. It is a figure which shows the outline
  • FIG. 1 is an overall schematic configuration diagram of a wind power generation system and a sign diagnosis device before application of the present invention, that is, a normal wind power generation system and a sign diagnosis device.
  • FIG. 2 shows an outline of the wind turbine operation with respect to the average wind speed, and is an explanatory diagram for explaining the relationship between the average wind speed of the wind turbine control device, the pitch angle, and the rotational speed command value.
  • the wind power generation system 1 includes a windmill 2 (also referred to as a wind power generation apparatus) and a windmill control device 3 that controls the windmill 2.
  • the windmill 2 includes at least one or more wings 4 that rotate by receiving wind and a hub 5 that supports the wings 4.
  • the hub 5 is connected to the speed increaser 7 and the generator 8 mounted on the frame 9 in the nacelle 10 via the main shaft 6.
  • the blade 4 and the hub 5, the main shaft 6, the speed increaser 7, and the generator 8 are rotatably held using a bearing (not shown), the blade 4 receives wind and rotates, and the rotational force is transmitted through the above-described mechanism. Input to the generator 8.
  • the aerodynamic characteristics for converting the wind energy of the blades 4 into the rotational force vary depending on the wind speed, the rotational speed of the blades 4 and the mounting angle of the blades 4 (hereinafter referred to as the pitch angle).
  • a pitch driving device (not shown) capable of independently controlling the pitch angle of the blade 4 is mounted.
  • the generator 8 is usually electrically connected to a power converter 12 mounted on the base of the tower 11, and controls the torque generated by the generator 8 by the power converter 12.
  • the nacelle 10 can be turned with respect to the tower 11 by a yaw driving device (not shown).
  • the pitch drive device, the power converter 12, and the yaw drive device are controlled so that the power generation output of the windmill 2 is maximized in the wind speed range in which the windmill 2 can perform power generation operation.
  • the wind power generation system 1 is provided with a control sensor 13 that acquires the operation state and a monitoring sensor (not shown) that monitors the operation state for the windmill control device 3.
  • the sensor signal acquired by the control sensor 13 is processed by control logic implemented in the windmill control device 3. This control logic is constructed so that the power generation output of the windmill 2 is maximized in the wind speed range in which the windmill 2 can perform power generation operation.
  • FIG. 2 shows, as an example of execution of the control logic, the power generation output of the wind power generation system with respect to the average wind speed, the rotational speed command value inside the wind turbine control device 3 with respect to the average wind speed, and the pitch drive device from the wind turbine control device 3 with respect to the average wind speed.
  • the relationship of the pitch angle command value transmitted to is shown. It is converted into a torque command value or a generated power command value by feedforward control that receives the deviation between the rotational speed command value and the measured rotational speed inside the windmill control device 3, and is transmitted to the power converter 12.
  • the pitch angle command value of the blades 4 is kept constant in the low wind speed region, and the power converter 12 torques the generator 8 to keep the rotational speed of the blades 4 low. Is output.
  • Each command value is held as described above, but as the wind speed increases, the upper limit torque controlled by the power converter 12 is reached, and the rotational speed of the blades 4 is increased by the torque caused by excess wind energy.
  • the rotation speed of the blade 4 is switched to a rotation speed command value inside the windmill control device 3 that is held at a high speed.
  • the wind turbine 2 when the wind speed is lower than the wind speed range in which the wind turbine 2 can perform the power generation operation, the wind turbine 2 is controlled to stand by so as to be ready for the power generation operation in case the wind speed increases, and the wind turbine 2 can perform the power generation operation.
  • the load applied to each device constituting the wind turbine 2 is controlled to be low for the purpose of protecting the devices constituting the wind turbine 2.
  • a sign diagnosis device 25 is generally provided as a function of detecting an abnormality sign of a device constituting the windmill 2.
  • the predictive diagnostic device 25 includes a monitoring sensor 14 that measures vibration acceleration, temperature, and the like according to the physical behavior of the devices to be diagnosed by the windmill 2, and the detected value of the monitoring sensor 14. Enter.
  • a plurality of diagnostic algorithms to be used for predictive diagnosis have been proposed. In any method, based on the detection value of the monitoring sensor 14, the diagnostic criteria and basic data for diagnostic processing (hereinafter referred to as diagnostic criteria) are determined according to the diagnostic algorithm. There are two operation periods: a learning period for creating data) and a diagnostic period for diagnosing a device to be diagnosed by the wind turbine 2 based on the created diagnostic reference data. In the following, the explanation about the prognostic diagnosis technology is described on the assumption that the Mahalanobis-Taguchi method using statistics is used.
  • the detection value of the monitoring sensor 14 is accumulated in the temporary storage unit 18.
  • Data accumulated for a predetermined period is processed into diagnostic reference data by the diagnostic reference data generator 19 and stored in the diagnostic reference data storage unit 20.
  • the diagnostic reference data generator 19 since it is assumed that the appearance frequency distribution of detected values is a normal distribution, it is a diagnostic criterion to obtain the average value and variance, which are mathematical parameters of the normal distribution, from the appearance frequency distribution of detected values. This is the processing content of the data generator 19. Note that when a plurality of detection values are acquired from a diagnosis target and diagnostic reference data is created, the diagnostic reference data is an average value vector of each physical quantity and a covariance matrix.
  • the detection value of the monitoring sensor 14 is input to the diagnostic device 22 together with the diagnostic reference data, and the diagnostic result is output.
  • the diagnostic result output from the diagnostic device 22 is stored in the diagnostic result storage unit 23.
  • the diagnostic result output by the diagnostic device 22 corresponds to a value obtained by normalizing the deviation distance from the average value of the detected value with a covariance matrix, and the larger the value, the more normal It means that it is deviated from the state of the diagnosis target device during the learning period, that is, the degree of abnormality is high.
  • preprocessing such as noise reduction processing for the detected value and postprocessing for the diagnostic result output by the diagnostic device 22 are omitted because they are not directly related to the present invention.
  • processing contents implemented in the diagnostic reference data generator 19 and the diagnostic device 22 depend on the predictive diagnosis algorithm to be employed.
  • the sign diagnosis may be performed every time the diagnosis is detected by the monitoring sensor 14, or may be performed intermittently at a specific time interval or the like.
  • the results of each diagnosis are stored in the diagnosis result storage unit 23, and the diagnosis results and associated data (for example, wind turbine operation history such as wind speed at the time of diagnosis and the rotational speed of the wind turbine, and the diagnosis data)
  • the display device 24 is, for example, a liquid crystal display (LCD) or an organic EL display.
  • the display device 24 may be configured to have an input device such as a keyboard or a mouse, that is, an operation terminal.
  • the above-described diagnostic reference data generator 19 and diagnostic device 22 are, for example, a processor (not shown) such as a CPU (Central Processing Unit), a ROM for storing various programs, a RAM for temporarily storing calculation process data, and an external storage device And a processor such as a CPU reads and executes various programs stored in the ROM, and stores an operation result as an execution result in the RAM or the external storage device.
  • a processor such as a CPU (Central Processing Unit)
  • ROM Read Only Memory
  • RAM for temporarily storing calculation process data
  • an external storage device a processor
  • a processor such as a CPU reads and executes various programs stored in the ROM, and stores an operation result as an execution result in the RAM or the external storage device.
  • FIG. 3 is an overall schematic configuration diagram of the wind power generation system and the windmill control device according to the first embodiment of the present invention.
  • the wind power generation system 1 according to the present embodiment has functions related to the control of the windmill 2 in the windmill control device 3 with respect to the normal wind power generation system shown in FIG. 1 described above. 15 in that the function of the sign diagnostic device 25 is implemented as the sign diagnostic device 16.
  • a sign classifier 17 and a diagnosis reference data selection extractor 21 are added to the sign diagnosis unit 16, and the temporary storage unit 18.
  • the storage function of the diagnostic reference data storage unit 20 has been expanded.
  • the classifier 17 and the diagnostic reference data selection / extractor 21 constituting the predictive diagnosis device 16 are a processor (not shown) such as a CPU (Central Processing Unit), a ROM for storing various programs, and data of calculation processes temporarily.
  • a processor such as a CPU reads out and executes various programs stored in the ROM, and stores an operation result as an execution result in the RAM or the external storage device. .
  • the wind turbine controller 15 and the predictive diagnostic device 16 may be implemented on the same computer resource or on different computer resources.
  • the implementation of the wind turbine controller 15 and the sign diagnostic device 16 in the wind turbine controller 3 is constructed on the same computer resource (in the former case), internal state variables and control commands of the wind turbine controller 15 to be described in detail later. Since reference of values can be shared by reference authority of dynamic memory, there is no delay in communication equipment addition and communication processing.
  • the implementation of the wind turbine controller 15 and the predictive diagnostic device 16 in the wind turbine controller 3 is constructed on different computer resources (in the latter case), addition and delay related to the communication described above occur.
  • the predictive diagnosis is performed by dividing the computer resources on which the windmill controller 15 and the predictive diagnosis unit 16 are mounted.
  • the possibility of affecting the operation of the wind turbine controller 15 due to a malfunction of the wind turbine 16 for example, a calculation processing freeze due to a thermal runaway of the calculation unit due to an excessive calculation load of the predictive diagnosis algorithm processing) can be reduced.
  • the power generation operation that is the operation of The added function and its effect will be described below.
  • the classifier 17 inputs at least the internal state variable of the windmill controller 15 and the detection value of the monitoring sensor 14 provided for the monitoring target.
  • the input internal state variable of the wind turbine controller 15 is used as an index, and the detection values of the monitoring sensor 14 that are simultaneously input are stored in the expanded temporary storage unit 18 corresponding to the index.
  • the classifier 17 uses the input internal state variable of the wind turbine controller 15 as an index, and the detection value of the monitoring sensor 14 is stored in the temporary storage unit 18 corresponding to the index among the plurality of temporary storage units 18.
  • the internal state variable is desirably an index representing the control logic being executed by the wind turbine controller 15.
  • the wind power generation system 1 when the wind power generation system 1 is in a power generation operation, it is operating in the low speed mode in which the rotation speed command value is low in FIG. 2, or is operating in the high speed mode in which the rotation speed command value is high.
  • the control mode index is good. Whether the wind power generation system 1 is waiting for wind, waiting in a storm, or when the wind condition is being started in a low wind speed range, including when the wind conditions are not suitable for power generation operation, A control mode including other than during the power generation operation, such as whether the stop process is being performed, the start process in the high wind speed region, or the stop process, may be used as an index.
  • the designer of the wind power generation system 1 can grasp in advance the number of control modes of the control logic, and the classifier 17 is stored in the corresponding temporary storage unit 18 only for the control modes to be diagnosed for all control modes.
  • the temporary storage unit 18 has a data holding function for storing and referring to each classification in accordance with the number of control modes described above.
  • the diagnostic reference data generator 19 creates diagnostic reference data using the stored data.
  • the temporary storage unit 18 has a plurality of stored data corresponding to the control mode.
  • the diagnostic reference data generator 19 executes the same processing contents, diagnostic reference data is output corresponding to each input, so the diagnostic reference data storage unit 20 classifies them. It is constructed in a form having a data holding function for storing and referring.
  • the above-described function is the function of the sign diagnostic device 16 during the learning period of the sign diagnosis function.
  • the classifier 17 During the diagnosis period of the predictive diagnosis function, the classifier 17 provides the same function as the learning period, and outputs a classification tag as a classification result for the detection value of the monitoring sensor 14.
  • the output classification tag is input to the diagnostic reference data selection extractor 21.
  • the diagnostic reference data selection extractor 21 selects or extracts diagnostic reference data corresponding to the classification tag from the diagnostic reference data storage unit 20 according to the input classification tag, and outputs it to the diagnostic unit 22.
  • the diagnosis device 22 employs the diagnosis reference data from the diagnosis reference data selection extractor 21 and the detection value of the monitoring sensor 14 that is the output of the classifier 17 as inputs, as in the normal mode (FIG. 1).
  • the diagnosis result is calculated by the predictive diagnosis algorithm.
  • FIG. 4 is a comparison diagram of appearance frequency distributions of detected values of vibration acceleration according to the normal form shown in FIG. 1 and the first embodiment shown in FIG. That is, FIG. 4 shows a comparative example of the diagnostic criteria data according to the normal form (FIG. 1) and the present embodiment.
  • the example shown in FIG. 4 shows an appearance frequency distribution of vibration acceleration generated in the rotating portion of the windmill 2 when the rotation speed is used as an index of the control mode.
  • a solid line is an appearance frequency distribution of detected values, and a broken line is a learned normal distribution.
  • FIG. 1 As shown in the upper graph of FIG. 4, there is no particular classification regardless of whether the rotational speed command value is low speed or high speed. To learn.
  • the appearance frequency distribution of vibration acceleration has two peaks (peaks) in the entire speed range, and the deviation from the learned normal distribution indicated by the broken line is large.
  • Diagnosis performs normal / abnormal determination by calculating the appearance frequency probability of the detected value in the diagnosis period based on the learned normal distribution, so the determination accuracy decreases because the accuracy is reduced as a diagnostic criterion in the first place. .
  • the rotational speed command value is limited to only one of the low speed and the rotational speed command value is high speed, each is individually learned.
  • the degree of deviation between the vibration acceleration appearance frequency distribution and the learned normal distribution is clearly smaller than that in the normal form (FIG. 1) (upper graph in FIG. 4). Therefore, highly accurate diagnosis can be performed by switching the diagnostic reference data for each control mode.
  • FIG. 5 is a diagram showing an outline of the diagnosis result of the predictive diagnostic device 16 shown in FIG.
  • the diagnosis result is determined by the degree of deviation from the normal value of the detected value according to the appearance frequency probability of the learned normal distribution.
  • the threshold value 1 and the threshold value 2 are illustrated, but the threshold value is not necessarily two, and at least one threshold value may be determined based on a statistical reference, a past worker experience value, or the like.
  • an alarm is set when the threshold value 1 is exceeded, and an alarm is set when the threshold value 2 is exceeded.
  • each action may be defined such as a remote operation status confirmation of the windmill 2 when an alarm is issued, and an on-site inspection when an alarm is issued. It is also possible to provide operational measures such as the establishment of an alarm condition by counting the number of times the threshold is exceeded. This takes into account the balance between false alarms that exceed the threshold even though there is no abnormality in the windmill 2 and misreports that do not exceed the threshold even though the windmill 2 is actually abnormal. The execution of the action may be determined.
  • the predictive diagnostic device 16 includes a classifier 17 that is executed during the learning period, a temporary storage unit 18, a diagnostic reference data generator 19, and a diagnostic reference data storage unit 20, and a classifier 17 that is executed during the diagnostic period, and diagnostic reference data.
  • the storage unit 20, the diagnostic reference data selection extractor 21, the diagnostic unit 22, and the diagnostic result storage unit 23 share only the diagnostic reference data storage unit 20. Therefore, the learning period and the diagnosis period may overlap if the write access during the learning period and the read access during the diagnosis period ensure exclusive access so as not to cause data damage.
  • Diagnosis can be performed while constantly learning and updating. Thereby, it is possible to suppress erroneous detection of abnormality as a tendency for the detection value of the monitoring sensor 14 to change due to the original use of the device, such as deterioration over time.
  • the temporary storage unit 18 is reduced from the predictive diagnosing device 16 and diagnostic reference data is generated every time detection data is acquired.
  • the unit 19 may be operated and stored in the diagnostic reference data storage unit 20 according to the classification tag of the classifier 17. Thereby, a reduction in calculation resources can be realized.
  • the present embodiment it is possible to provide a wind power generation system having a predictive diagnosis function capable of diagnosing an abnormality with high accuracy by switching each diagnosis reference data for each control mode.
  • the type and maximum number of control methods take into account the internal configuration of the control in advance, it is possible to prevent learning failure and artificial setting of operating conditions.
  • it is not necessary to learn the operating conditions not only is data communication and data storage cost unnecessary, but when the wind turbine controller and the predictive diagnostic device are built in the wind turbine controller, information in the wind turbine controller is stored. By directly referring to, it is possible to reduce the cost of communication equipment.
  • FIG. 6 is an overall schematic configuration diagram of a wind power generation system and a windmill control device according to a second embodiment of the present invention.
  • the input to the classifier 17 constituting the predictive diagnostic device 16 is added to the internal state variable of the windmill controller 15 and the detection value of the monitoring sensor 14 provided in the monitoring target, and the operating state is acquired.
  • the difference from the first embodiment is that the detection value of the control sensor 13 is also input.
  • the same components as those in the first embodiment are denoted by the same reference numerals, and the description overlapping with that in the first embodiment is omitted below.
  • the windmill controller 15 and the predictive diagnostic device 16 are mounted on the windmill controller 3.
  • the detection value of the control sensor 13 input to the windmill controller 15 is also input to the classifier 17 that constitutes the predictive diagnostic device 16.
  • the detection value by the control sensor 13 is a detection value of the control amount of the device to be controlled. That is, a physical quantity representing the state of the device. Therefore, it is possible to increase the number of abnormality diagnosis targets by adding the detection value by the control sensor 13 to the abnormality diagnosis.
  • FIG. 7 is an overall schematic configuration diagram of a wind power generation system and a windmill control device according to a third embodiment of the present invention.
  • the input to the classifier 17 constituting the predictive diagnostic device 16 is replaced with the detection value of the monitoring sensor 14 provided for the monitoring target, and the control command of the windmill controller 15 and the detection of the control sensor 13 are detected.
  • the value is different from Example 1.
  • the second embodiment is different from the second embodiment in that the input to the classifier 17 that constitutes the predictive diagnostic device 16 is replaced with the detection value of the monitoring sensor 14 provided in the monitoring target and the control command of the windmill controller 15. .
  • the same components as those in the first embodiment or the second embodiment are denoted by the same reference numerals, and the description overlapping with the first embodiment and the second embodiment is omitted below.
  • the control command of the windmill controller 15 and the detection value of the control sensor 13 are input to the classifier 17 that constitutes the predictive diagnostic device 16. Thereby, it is possible to detect a deviation from the originally assumed operation of the control target device with respect to the control command. Since the mechanical operation of the device may be accompanied by a certain time delay with respect to the control command, the control command input to the classifier 17 and the control sensor 13 are simultaneously processed in consideration of a predetermined delay time. Input data of the control sensor 13 that is input to the classifier 17 after a predetermined time delay with respect to the input of the control command classifier 17 without pairing the input data, is stored in the temporary storage unit 18. May be saved.
  • the diagnosis target to be subjected to the predictive diagnosis is a device that constitutes the wind turbine and its component parts, and the diagnosis target is detected from the sensors provided in the devices.
  • control command values output from the wind turbine control device 3 to each actuator can be diagnosed, and control commands output in a control system that exhibits functions in power generation operation By detecting a sign of abnormality in the value, it is possible to detect a sign of abnormality in the control software.
  • FIG. 8 is an overall schematic configuration diagram of a wind power generation system and a windmill control device according to a fourth embodiment of the present invention.
  • the input to the classifier 17 that constitutes the predictive diagnosis device 16 includes the above-described first to third embodiments.
  • all the detection values from the sensors provided in the windmill 2 are input to the classifier 17.
  • not only physical quantities of control and equipment but also physical quantities relating to environmental conditions of the wind turbine 2 such as wind speed and outside temperature can be used for abnormality diagnosis.
  • the turbulence intensity which is a measure of fluctuations in wind speed and time, can be used for abnormality diagnosis, the variation in the detected value of the monitored device acquired by the monitoring sensor 14 and the operation of the wind turbine 2 are essentially increased.
  • Correlation with wind turbulence intensity which causes variation, can be used for abnormality diagnosis, and detection accuracy of a diagnostic algorithm that performs abnormality diagnosis can be increased by variation in detected values. Or, if a storm is caused by a typhoon or the like, it is different from the environment of normal power generation operation, so it can be excluded from the diagnosis target, and false alarms can be reduced.
  • FIG. 9 is an overall schematic configuration diagram of a wind power generation system and a windmill control device according to a fifth embodiment of the present invention.
  • the present embodiment is different from the fourth embodiment in that a configuration for inputting the degree of abnormality output from the diagnostic device 22 to the wind turbine controller 15 is added.
  • the wind turbine controller 15 since the abnormality level output from the diagnostic device 22 is input to the wind turbine controller 15, the wind turbine controller 15 includes the diagnostic device 22.
  • it is possible to shift to various degenerate operation modes such as a control mode for reducing the load on the abnormal part and a control mode for reducing the number of operations of a device with a high degree of abnormality.
  • the detection value of the monitoring sensor is classified according to the internal state variable of the wind turbine controller 15, thereby generating a diagnostic reference for each internal state and improving the diagnostic accuracy.
  • the realization method of the technology is explained.
  • a plurality of predictive diagnostic devices 16 may be mounted, or a plurality of partial functions such as the diagnostic device 22 may be mounted.
  • this invention is not limited to an above-described Example, Various modifications are included.
  • the above-described embodiments have been described in detail for easy understanding of the present invention, and are not necessarily limited to those having all the configurations described.
  • a part of the configuration of one embodiment can be replaced with the configuration of another embodiment, and the configuration of another embodiment can be added to the configuration of one embodiment.
  • SYMBOLS 1 ... Wind power generation system, 2 ... Windmill, 3 ... Windmill control apparatus, 4 ... Blade, 5 ... Hub, 6 ... Main shaft, 7 ... Booster, 8 ... Generator, 9 ... Frame, 10 ... Nacelle, 11 ... Tower , 12 ... Power converter, 13 ... Control sensor, 14 ... Monitoring sensor, 15 ... Windmill controller, 16 ... Predictor, 17 ... Classifier, 18 ... Temporary storage unit, 19 ... Diagnostic reference data generator, DESCRIPTION OF SYMBOLS 20 ... Diagnostic reference data storage part, 21 ... Diagnostic reference data selection extractor, 22 ... Diagnosis device, 23 ... Diagnosis result storage part, 24 ... Display apparatus, 25 ... Predictive diagnosis apparatus

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

制御モードごとにそれぞれの診断基準データを切り替えることによって、異常を高精度に診断し得る予兆診断機能を有する風力発電システムを提供する。風力発電システム１は、風車２を制御する風車制御器１５と予兆診断器１６を備える。予兆診断器１６は、少なくとも予兆診断のために風車２に設置される監視用センサ１４からの信号及び風車制御器１５から風車制御状態を表す信号である内部状態変数を受信し、予兆診断基準若しくは予兆診断の実行のために必要な分析処理データの学習期間では、内部状態変数毎に、監視用センサ１４から入力される信号に基づき診断基準データを作成する診断基準データ生成器１９と、予兆診断期間では、内部状態変数毎に対応する診断基準データに基づき診断を実行する診断器２２と、を備える。

Description

風力発電システム
　本発明は、風力発電システムの風車制御装置に係り、特に、風車（風力発電装置とも称される）を構成する発電機や増速機、主軸、翼及びそれら回転部の軸受などのハードウェアや制御装置のソフトウェアの異常予兆を検出する予兆診断機能を有する風車発電システムに関する。
　風力発電システムは、風によって翼が回転し、翼の回転を主軸や増速機を介して発電機に入力することで発電する。風力発電システムは、発電運転が風況に依存するため、常に発電運転が可能なように保守管理されることが望まれる。風力発電システムの翼や主軸、増速機、発電機及びこれらを回転自在に保持する軸受や回転速度を変換して動力として伝える歯車などが故障に至ると、交換部品の入手や交換作業に時間を要するため、発電停止期間が長期化する。このため、これら部品の異常予兆を検出し、軽微な異常状態で給脂（給油）等の保守を実施することで、部品の異常進展を遅延させることや、異常予兆を基点に交換部品の先行手配を実施することで，発電停止期間の短縮化が求められる。
　このような目的のために、各部品の運転状態における振動加速度や温度上昇などを、センサを用いて検出し、それら取得情報をマハラノビス－タグチ法やクラスタリング手法などによって分析することで、異常を予兆検知する診断技術の開発が進められている。　
　これら診断技術は、診断対象の機器が正常状態と看做す一定期間の間、上述の振動加速度や温度上昇などの検出情報を学習し、機器の正常状態を定義する。これを一般に、学習期間と呼ぶ。異常の予兆を診断する診断期間では、診断時に取得した上述の検出情報と学習期間に得られたマハラノビス-タグチ法等の分析手法によって定められる基準等で比較分析することで、正常状態からの乖離度合いを異常度として算出し、異常度を定める閾値等の基準との比較によって、異常予兆の検知を判定する。
　風力発電システムは、発電運転が風況に依存するため、風況によって正常と看做すことのできる状態が複数存在する。このような場合においても、異常予兆を診断する方法として、例えば特許文献１に記載される技術が提案されている。　
　特許文献１に記載の技術では、学習期間において、診断対象の機器の運転状態における検出データに加えて、診断対象の風車の運転条件データを取得し、検出データと運転条件データを学習し、運転条件データの学習情報から診断すべき運転条件を選定し、選定した運転条件に合致した運転条件データと同時に取得した検出データを学習することで、正常状態を定義する。診断期間においても、検出データと運転条件データを同時取得し、選定した運転条件に合致した運転条件データと同時に取得した検出データに対して、分析手法によって定める基準等で比較分析し、異常予兆の検知を判定する。このように，運転条件データの学習及び選定によって、複数存在する正常と看做す風車状態を定義する。
特開２０１３－１８５５０７号公報
　風力発電システムは、発電運転が風況に依存するため、時々刻々での発電効率が最大化するように風車制御装置が検討されている。　
　一般に、風力発電システムは、発電機のトルクを調整する電力変換器と、翼の受風角度(ピッチ角)を調整するピッチアクチュエータと、風向に対して翼を正対させるために、翼及び主軸、増速機、発電機が実装されるナセルの旋回方位を変更するヨーアクチュエータを備えている。風車制御装置は、これらアクチュエータに対する制御指令を送信することで、発電効率の最大化を実現する。
　例えば、風速が低い低風速域では、翼の空力特性を最大化するように、アクチュエータを操作する。一般には、翼形状によって定まる角度、通常ファインピッチ角と称される角度に保持するようにピッチアクチュエータを操作し、電力変換器によって発電機のトルクを操作することで発電効率の最大化を実現する。また、風速が高い高風速域では、翼に加わる遠心力による荷重や発電機が出力できる最大トルク等を考慮して、翼回転速度と発電機トルクが一定になるように、ピッチアクチュエータと電力変換器が操作される。　
　更に風速が高い風速域では、風力発電システムの保護を目的に、発電運転を停止し、風から受ける荷重（暴風荷重）を低減するような運転が為される。
　このように、風力発電システムでは、時々刻々の風況に応じて、異なる目的に合わせて風車制御装置がそれぞれのアクチュエータへ制御指令を送信し、それぞれのアクチュエータが動作することで、風車の運転状態は定まる。従って、異常を検出する対象の機器がアクチュエータ自体である場合やその構成部品である場合、異常が発生しているために、アクチュエータの動作が不良となり、風車制御装置の目的と合致せず、他の目的において風車制御装置が機能している場合と同一の運転条件データを取得する可能性がある。また、他の目的において風車制御装置が機能している場合と同一の運転条件データであるため、結果として、診断対象の検出データも他の目的における検出データと同一になる可能性がある。　
　このため、運転条件データの取得によって、診断対象となる運転条件に合致するか判断する特許文献１に記載される構成では、風車に異常が発生している場合でも正常と判断する可能性があり、誤判断の発生が危惧される。
　そこで、本発明は、制御モードごとにそれぞれの診断基準データを切り替えることによって、異常を高精度に診断し得る予兆診断機能を有する風力発電システムを提供する。
　上記課題を解決するため、本発明に係る風力発電システムは、風車を制御する風車制御器と予兆診断器を備える風力発電システムであって、前記予兆診断器は、少なくとも予兆診断のために前記風車に設置される監視用センサからの信号及び前記風車制御器から風車制御状態を表す信号である内部状態変数を受信し、予兆診断基準若しくは予兆診断の実行のために必要な分析処理データの学習期間では、前記内部状態変数毎に、前記監視用センサから入力される信号に基づき診断基準データを作成する診断基準データ生成器と、予兆診断期間では、前記内部状態変数毎に対応する前記診断基準データに基づき診断を実行する診断器と、を備えることを特徴とする。
　また、本発明に係る他の風力発電システムは、風車を制御する風車制御器と予兆診断器を備える風力発電システムであって、前記予兆診断器は、少なくとも、前記風車制御器が風車の制御ために受信する制御用センサからの信号及び前記風車制御器から前記風車へ送信される制御指令並びに前記風車制御器から風車制御状態を表す信号である内部状態変数を受信し、予兆診断基準若しくは予兆診断の実行のために必要な分析処理データの学習期間では、前記内部状態変数毎に、前記監視用センサから入力される信号に基づき診断基準データを作成する診断基準データ生成器と、予兆診断期間では、前記内部状態変数毎に対応する前記診断基準データに基づき診断を実行する診断器と、を備えることを特徴とする。
　本発明によれば、制御モードごとにそれぞれの診断基準データを切り替えることによって、異常を高精度に診断し得る予兆診断機能を有する風力発電システムを提供することが可能となる。　
　上記した以外の課題、構成及び効果は、以下の実施形態の説明により明らかにされる。
通常の風力発電システム及び予兆診断装置の全体概略構成図である。 風車制御装置の平均風速とピッチ角及び回転速度の指令値の関係を説明する説明図である。 本発明の一実施例に係る実施例１の風力発電システム及び風車制御装置の全体概略構成図である。 図１に示す通常の形態と図３に示す実施例１に係る振動加速度の検出値の出現頻度分布の比較図である。 図３に示す予兆診断器の診断結果の概要を示す図である。 本発明の他の実施例に係る実施例２の風力発電システム及び風車制御装置の全体概略構成図である。 本発明の他の実施例に係る実施例３の風力発電システム及び風車制御装置の全体概略構成図である。 本発明の他の実施例に係る実施例４の風力発電システム及び風車制御装置の全体概略構成図である。 本発明の他の実施例に係る実施例５の風力発電システム及び風車制御装置の全体概略構成図である。
　先ず、本発明の適用対象となる風力発電システム及び予兆診断装置の概要について説明する。図１は、本発明適用前の風力発電システム及び予兆診断装置、すなわち、通常の風力発電システム及び予兆診断装置の全体概略構成図である。図２は、平均風速に対する風車の動作概要を示すものであり、風車制御装置の平均風速とピッチ角及び回転速度の指令値の関係を説明する説明図である。
　図１に示すように、風力発電システム１は、風車２（風力発電装置とも称さされる）及び風車２を制御する風車制御装置３を備える。風車２は、少なくとも１本以上からなる風を受けて回転する翼４と翼４を支持するハブ５を有する。ハブ５は、ナセル１０内のフレーム９に実装される増速機７及び発電機８に主軸６を介して接続されている。翼４及びハブ５、主軸６、増速機７、発電機８は、図示しない軸受を用いて回転自在に保持され、翼４が風を受けて回転し、回転力が上述の機構を介して発電機８に入力される。翼４の風のエネルギーを回転力に変換する空力特性は、風速と翼４の回転速度及び翼４の取り付け角（以下、ピッチ角と称する）によって変化するため、ハブ５の内部には、それぞれの翼４のピッチ角を独立に制御可能なピッチ駆動装置（図示せず）が実装されている。また、発電機８は、通常、タワー１１の基部に実装される電力変換器１２と電気的に接続し、電力変換器１２によって発電機８が発生するトルクを制御する。また、ナセル１０は図示しないヨー駆動装置によってタワー１１に対して旋回することができる。これらピッチ駆動装置、電力変換器１２、及びヨー駆動装置によって、風車２が発電運転可能な風速域において、風車２の発電出力が最大になるように制御される。
　風車２の制御及び状態監視のために、風力発電システム１には、運転状態を取得する制御用センサ１３及び風車制御装置３用の運転状態を監視する図示しない監視用センサが備えられている。制御用センサ１３で取得されたセンサ信号は、風車制御装置３に実装される制御ロジックによって処理される。この制御ロジックは、風車２が発電運転可能な風速域において、風車２の発電出力が最大になるように構築される。
　図２に、制御ロジックの実行例の一例として、平均風速に対する風力発電システムの発電出力、平均風速に対する風車制御装置３内部の回転速度指令値、及び、平均風速に対する風車制御装置３からピッチ駆動装置に送信されるピッチ角指令値の関係を示す。風車制御装置３内部で回転速度指令値と計測した回転速度の偏差を入力とするフィードフォワード制御によって、トルク指令値若しくは発電電力指令値に変換され、電力変換器１２に送信される。風車２が発電運転可能な風速において、低風速域では、翼４のピッチ角指令値は一定に保持され、翼４の回転速度は、低速で保持しようと電力変換器１２が発電機８へトルクを出力する。各指令値は上述で保持されるが、風速が高まるにつれ、電力変換器１２が制御する上限トルクに達し、余剰となる風エネルギーによるトルクによって、翼４の回転数は増加する。所定の回転数以上になると、翼４の回転速度を、高速で保持する風車制御装置３内部の回転速度指令値に切り替わる。さらに風速が高まると、風エネルギーが大きくなり、発電機８のトルクを制御するだけでは、回転速度を一定の値に保持することは困難となり、ピッチ角を増加させることで、翼４の空力特性を低下させることで、風から受けとる風エネルギーを低下させることで、発電出力を一定（定格出力）に保つように制御される。
　また、風車２が発電運転可能な風速域より低い風速の場合には、風速が増加した場合に備えて発電運転可能な状態に移行できるように待機するように制御され、風車２が発電運転可能な風速域より高い風速の場合には、風車２を構成する機器の保護を目的に、風車２を構成する各機器に加わる荷重が低くなるように制御される。
　図１に示すように、風車２を構成する機器の異常予兆を検出する機能として、一般に予兆診断装置２５が備えられる。予兆診断装置２５は、風車２の診断対象となる機器に対して、それら機器の物理的な挙動に応じて振動加速度や温度などを計測する監視用センサ１４を備え、監視用センサ１４の検出値を入力する。予兆診断に活用される診断アルゴリズムは複数提案されているが、いずれの手法においても、監視用センサ１４の検出値から、診断アルゴリズムに従って、診断基準及び診断処理のための基礎データ（以下、診断基準データと称する）を作成する学習期間と、作成した診断基準データに基づき風車２の診断対象となる機器を診断する診断期間と、の２つの運用期間がある。以下、予兆診断技術に関する説明では、統計学を活用するマハラノビス－タグチ法を用いることを前提に記載する。
　予兆診断装置２５の学習期間では、監視用センサ１４の検出値は、一時記憶部１８に蓄積される。所定の期間、蓄積されたデータは診断基準データ生成器１９によって診断基準データに加工され、診断基準データ記憶部２０に格納される。マハラノビス－タグチ法では、検出値の出現頻度分布が正規分布を為すことを仮定するため、検出値の出現頻度分布から、正規分布の数学的パラメータである、平均値と分散を求めることが診断基準データ生成器１９の処理内容となる。尚、診断対象から複数の検出値を取得して診断基準データを作成する場合は、診断基準データは各物理量の平均値ベクトルと共分散行列となる。
　予兆診断装置２５の診断期間では、監視用センサ１４の検出値は、診断基準データと共に、診断器２２に入力され、診断結果が出力される。診断器２２より出力された診断結果は診断結果記憶部２３に格納される。診断器２２が出力する診断結果は、診断アルゴリズムにマハラノビス－タグチ法を採用する場合、検出値の平均値からの乖離距離を、共分散行列で規格化した値に相当し、数値が大きいほど正常と看做す学習期間における診断対象機器の状態から乖離していること、すなわち、異常度合が高いことを意味する。
　尚、上述の処理概要の説明では、検出値に対するノイズ削減処理等の前処理、及び、診断器２２が出力する診断結果に対する後処理に関する記載は、本発明に直接的に関係しないことから省略している。また、診断基準データ生成器１９及び診断器２２に実装される処理内容は、採用する予兆診断アルゴリズムに依存することは言うまでもない。　
　一般に、予兆診断の実施は、診断は監視用センサ１４で検出する毎に実施しても良く、特定の時間間隔等で間欠的に実施しても良い。いずれにせよ、診断実施毎の結果が診断結果記憶部２３に格納され、診断結果及び付随する関連データ（例えば、診断時の風速や風車の回転速度などの風車の運転履歴や、診断に用いた検出値並びに診断基準データや診断基準データ作成に用いた一時記憶部１８に保存される元データ等）を時系列的に表示装置２４に表示することで、予兆診断装置２５の運用者が風力発電システム１の異常予兆の確認をすることができる。ここで、表示装置２４は、例えば、液晶ディスプレイ（ＬＣＤ）又は有機ＥＬディスプレイなどである。また、表示装置２４は、例えば、キーボード又はマウスなどの入力装置を有する構成、すなわち、操作端末としても良い。
　上述の診断基準データ生成器１９及び診断器２２は、例えば、図示しないＣＰＵ（Ｃｅｎｔｒａｌ　Ｐｒｏｃｅｓｓｉｎｇ　Ｕｎｉｔ）などのプロセッサ、各種プログラムを格納するＲＯＭ、演算過程のデータを一時的に格納するＲＡＭ、外部記憶装置などの記憶装置にて実現されると共に、ＣＰＵなどのプロセッサがＲＯＭに格納された各種プログラムを読み出し実行し、実行結果である演算結果をＲＡＭ又は外部記憶装置に格納する。
　以下、本発明に係る風力発電システム１の実施例について図面を用いて詳細に説明する。なお、各図において、共通する構成要素に同一の符号を付している。
　図３は、本発明の一実施例に係る実施例１の風力発電システム及び風車制御装置の全体概略構成図である。図３に示すように、本実施例に係る風力発電システム１は、上述の図１に示す通常の風力発電システムに対して、風車制御装置３内部に、風車２の制御に関する機能を風車制御器１５として実装すると共に、予兆診断装置２５の機能を予兆診断器１６として実装する形態としている点が異なる。また更に、上述の図１に示す通常の予兆診断装置２５に対して、予兆診断器１６には、分類器１７及び診断基準データ選択抽出器２１を追加している点、及び、一時記憶部１８と診断基準データ記憶部２０の保存機能の拡張が為されている。ここで、予兆診断器１６を構成する分類器１７及び診断基準データ選択抽出器２１は、図示しないＣＰＵ（Ｃｅｎｔｒａｌ　Ｐｒｏｃｅｓｓｉｎｇ　Ｕｎｉｔ）などのプロセッサ、各種プログラムを格納するＲＯＭ、演算過程のデータを一時的に格納するＲＡＭ、外部記憶装置などの記憶装置にて実現されると共に、ＣＰＵなどのプロセッサがＲＯＭに格納された各種プログラムを読み出し実行し、実行結果である演算結果をＲＡＭ又は外部記憶装置に格納する。
　なお、風車制御器１５及び予兆診断器１６の風車制御装置３内への実装は、同一の計算機資源上に構築しても良く、或いは異なる計算機資源上に構築しても良い。風車制御器１５及び予兆診断器１６の風車制御装置３内への実装を同一の計算機資源上に構築する場合（前者の場合）には、詳細後述する風車制御器１５の内部状態変数や制御指令値の参照が、動的メモリの参照権限によって共有できるため、通信機器の追加や通信処理の遅延がない。一方、風車制御器１５及び予兆診断器１６の風車制御装置３内への実装を異なる計算機資源上に構築する場合（後者の場合）には、上述の通信に係る追加や遅延が生ずる。しかしながら、通信に係る追加や遅延が風車２の制御及び予兆診断機能の提供において運用上問題ない場合には、風車制御器１５と予兆診断器１６を実装する計算機資源を分割することで、予兆診断器１６の不具合（例えば、予兆診断アルゴリズム処理の演算負荷超過によって計算ユニットの熱暴走による計算処理のフリーズなど）によって、風車制御器１５の動作に影響を及ぼす可能性を低減でき、風車２の本来の運用である発電運転を妨げることがない。以下、追加した機能とその効果について説明する。
　分類器１７は、風車制御器１５の少なくとも内部状態変数と監視対象に備えられた監視用センサ１４の検出値を入力する。分類器１７では、入力された風車制御器１５の内部状態変数をインデックスにして、同時入力された監視用センサ１４の検出値を、それぞれインデックスに対応付く拡張された一時記憶部１８に格納される。換言すれば、分類器１７は、入力された風車制御器１５の内部状態変数をインデックスとして、監視用センサ１４の検出値を複数の一時記憶部１８のうち、インデックスに対応する一時記憶部１８に格納する。　
　このとき、内部状態変数は、風車制御器１５が実行中の制御ロジックを代表する指標であることが望ましい。例えば、風力発電システム１が発電運転中である場合、図２における、回転速度指令値が低速となる低速モードで運転しているのか、回転速度指令値が高速となる高速モードで運転しているのか、などの制御モードのインデックスが良い。また、風況条件が発電運転に適さない場合も含め、風力発電システム１が風待ちの待機中なのか、暴風での待機中なのか、若しくは、風況が低風速域における起動処理中なのか、停止処理中なのか、若しくは、高風速域における起動処理中なのか、停止処理中なのかなど、発電運転中以外も含む制御モードをインデックスとしても良い。風力発電システム１の設計者は、制御ロジックの制御モード数を事前に把握することができ、全制御モードに対して診断対象とする制御モードのみ、分類器１７は対応する一時記憶部１８に保存するように動作し、一時記憶部１８は、上述の制御モード数に対応して、それぞれの分類を区分して保存及び参照するデータ保持機能を有する。
　次に、診断基準データ生成器１９は、一時記憶部１８に所定のデータ量が保存された場合に、それら保存データを用いて診断基準データを作成する。上述の図１に示す通常の形態に対して、本実施例に係る一時記憶部１８は、制御モードに応じた複数の保存データを保有するため、通常の形態（図１）と本実施例に係る診断基準データ生成器１９は同一の処理内容を実行するものであるものの、それぞれの入力に対応して診断基準データがそれぞれ出力されるため、診断基準データ記憶部２０は、それらを区分して保存及び参照するデータ保持機能を有する形態にて構築される。　
　上述の機能が、予兆診断機能の学習期間における予兆診断器１６の機能となる。
　予兆診断機能の診断期間においては、分類器１７は学習期間と同一の機能を提供し、監視用センサ１４の検出値に対して、その分類結果となる分類タグを出力する。出力された分類タグは診断基準データ選択抽出器２１に入力される。診断基準データ選択抽出器２１は入力された分類タグに従って、診断基準データ記憶部２０から分類タグに対応する診断基準データを選択若しくは抽出し、診断器２２へ出力する。　
　診断器２２は、通常の形態（図１）と同様に、診断基準データ選択抽出器２１からの診断基準データと、分類器１７の出力である監視用センサ１４の検出値を入力として、採用する予兆診断アルゴリズムによって診断結果を算出する。
　図４は、図１に示す通常の形態と図３に示す実施例１に係る振動加速度の検出値の出現頻度分布の比較図である。すなわち、図４では、通常の形態（図１）と本実施例による診断基準データの比較例を示している。図４に示す例は、回転速度を制御モードのインデックスとして用いる場合に、風車２の回転部に生じる振動加速度の出現頻度分布を示している。実線が検出値の出現頻度分布であり、破線が学習した正規分布である。通常の形態（図１）では、図４の上段のグラフに示されるように、回転速度指令値が低速の場合と高速の場合のいずれの場合であっても特に分類することなく、混在した状態で学習を実施する。このため、振動加速度の出現頻度分布は、全速度域において２つの山（ピーク）を有し、破線で示される学習した正規分布からの乖離が大きい。診断は、学習した正規分布に基づき診断期間における検出値の出現頻度確率を算出することで正常・異常の判定を実施するため、そもそも診断基準として精度が低下しているため、判定精度が低下する。　
　一方、本実施例の場合は図４の下段のグラフに示されるように、回転速度指令値が低速及び回転速度指令値が高速のうちいずれか一方に限定して、それぞれ個別に学習した場合の振動加速度の出現頻度分布と学習した正規分布の乖離度合は、通常の形態（図１）の場合（図４の上段のグラフ）よりも明らかに小さくなっている。このことから、制御モードごとにそれぞれ診断基準データを切り替えることによって、精度の高い診断が実施可能である。
　図５は、図３に示す予兆診断器１６の診断結果の概要を示す図である。診断結果は学習した正規分布の出現頻度確率に従って、検出値の正常からの乖離度で判定する。横軸を計測順の時系列として、縦軸を異常度として、異常度が特定の閾値を超えた場合に異常予兆を検出したと判断する。図５では、閾値１及び閾値２を例示したが、必ずしも閾値は２つである必要はなく、少なくとも１つ以上の閾値を統計的な基準や過去の作業者経験値などによって定めれば良い。図５に示す例では、閾値１を超過した場合にアラーム、閾値２を超過した場合に警報とした。それぞれに応じて、例えば、アラームが発報した場合に遠隔での風車２の運転状況確認、警報が発報した場合に現地での点検等、それぞれのアクションを定義しても良い。また、閾値の超過回数をカウントして、アラーム条件成立など、運用上の工夫を備えることも可能である。これによって、本来、風車２に異常がないにも係らず閾値を超過する誤報、及び、風車２に実際に異常が発生しているにも係らず閾値を超過しない失報とのバランスを考慮して、アクションの実施を判断しても良い。
　また、予兆診断器１６は、学習期間に実行する分類器１７、一時記憶部１８、診断基準データ生成器１９、及び診断基準データ記憶部２０と、診断期間に実行する分類器１７、診断基準データ記憶部２０、診断基準データ選択抽出器２１、診断器２２、及び診断結果記憶部２３は、診断基準データ記憶部２０のみを共用する。従って、学習期間の書き込みアクセスと診断期間の読み込みアクセスが、データ損傷を発生させないよう排他アクセスを保証していれば、学習期間と診断期間が重複していても良い。これによって、例えば、一時記憶部１８に一定期間の過去データを破棄する機能、若しくは、診断基準データ生成器１９に一定期間の過去データの評価尺度を低減するような処理を加えることで、診断基準を常に学習し更新しながら診断が実施可能となる。これによって、経年劣化など、機器本来の使用によって監視用センサ１４の検出値が変化する傾向に対しては、異常と誤検知することを抑制することができる。また、一定期間の過去データの評価尺度を低減する処理において、過去に取得したデータが不要であれば、一時記憶部１８を予兆診断器１６から削減し、検出データ取得毎に、診断基準データ生成器１９を動作させ、分類器１７の分類タグに従って診断基準データ記憶部２０に保存しても良い。これによって、計算リソースの低減が実現できる。
　以上の通り本実施例によれば、制御モードごとにそれぞれの診断基準データを切り替えることによって、異常を高精度に診断し得る予兆診断機能を有する風力発電システムを提供することが可能となる。　
　また、本実施例によれば、運転条件データを取得することなく、発電運転において機能を発現している制御方法毎の診断基準データの学習及び予兆診断の実行が可能となる。　　更にまた、制御方法の種別、最大数は制御の内部構成を事前に考慮するため、学習漏れや人為的な運転条件の設定ミスを防ぐことができる。　
　更に、運転条件を学習する必要がないため、データ通信やデータ保存にコストが不要になるだけなく、風車制御装置内に、風車制御器と予兆診断器を内蔵する場合、風車制御器内の情報を直接参照することで、通信機器のコストを削減することが可能となる。
　図６は、本発明の他の実施例に係る実施例２の風力発電システム及び風車制御装置の全体概略構成図である。本実施例では、予兆診断器１６を構成する分類器１７への入力を、風車制御器１５の内部状態変数と監視対象に備えられた監視用センサ１４の検出値に加え、運転状態を取得する制御用センサ１３の検出値も入力する構成とした点が実施例１と異なる。実施例１と同様の構成要素に同一符号を付し、以下では、実施例１と重複する説明を省略する。
　図６に示すように、本実施例に係る風力発電システム１では、上述の実施例１と比較して、風車制御装置３に風車制御器１５と予兆診断器１６を実装していることから、風車制御器１５に入力される制御センサ１３の検出値も、予兆診断器１６を構成する分類器１７へ入力される。制御センサ１３による検出値は制御対象の機器の制御量の検出値である。
すなわち、機器の状態を表す物理量である。従って、制御センサ１３による検出値を異常診断に追加することで、異常診断対象を増加させることが可能である。
　以上の通り本実施例によれば、上述の実施例１の効果に加え、異常診断対象を増加させることが可能となる。
　図７は、本発明の他の実施例に係る実施例３の風力発電システム及び風車制御装置の全体概略構成図である。本実施例では、予兆診断器１６を構成する分類器１７への入力を、監視対象に備えられた監視用センサ１４の検出値に代えて、風車制御器１５の制御指令及び制御センサ１３の検出値とした点が実施例１と異なる。また、予兆診断器１６を構成する分類器１７への入力を、監視対象に備えられた監視用センサ１４の検出値に代えて、風車制御器１５の制御指令とした点が実施例２と異なる。実施例１又は実施例２と同様の構成要素に同一符号を付し、以下では、実施例１及び実施例２と重複する説明を省略する。
　図７に示すように、本実施例に係る風力発電システム１では、風車制御器１５の制御指令及び制御センサ１３の検出値を、予兆診断器１６を構成する分類器１７への入力としている。これにより、制御指令に対して、本来想定される制御対象機器の動作からの逸脱を検出することが可能となる。尚、制御指令に対して機器の機械的動作は一定の時間遅れを伴うことがあるため、所定の遅れ時間分を考慮して、分類器１７に入力される制御指令と制御用センサ１３は同時に入力されたデータ同士を組とせず、制御指令の分類器１７の入力に対して、所定の時間遅れの後に分類器１７に入力される制御用センサ１３の入力を組として、一時記憶部１８に保存しても良い。
　以上の通り本実施例によれば、実施例１の効果に加え、予兆診断を実施する診断対象として、風車を構成する機器やその構成部品を対象として、それら機器に備え付けたセンサから診断対象の検出データを得るだけでなく、風車制御装置３から各アクチュエータに出力される制御指令値を診断対象とすることも可能であり、発電運転において機能を発現している制御方式において出力される制御指令値の異常の予兆を検知することで、制御ソフトウェアにおける異常の予兆も検知可能となる。
　図８は、本発明の他の実施例に係る実施例４の風力発電システム及び風車制御装置の全体概略構成図である。本実施例では、予兆診断器１６を構成する分類器１７への入力を、上述の実施例１から実施例３を包含する構成としている。　
　図８に示すように、風車２に備わるセンサからの検出値を全て分類器１７へ入力する。
これにより、制御や機器の物理量のみならず、風速や外気温など、風車２の環境条件に関する物理量も異常診断に活用することが可能となる。風速条件や風速の時間的な変動尺度である乱流強度を異常診断に活用できると、監視用センサ１４で取得する監視対象機器の検出値のバラつきの増減と風車２の運転動作を本質的にバラつかせる要因となる風の乱流強度との相関を異常診断に活用することができ、検出値のバラつきによって異常診断を実施する診断アルゴリズムの検出精度を高めることができる。若しくは、台風等により暴風となっている場合には、通常の発電運転の環境下とは異なるため、診断対象から除外することができ、誤報を低減することが可能となる。
　図９は、本発明の他の実施例に係る実施例５の風力発電システム及び風車制御装置の全体概略構成図である。本実施例では、診断器２２が出力する異常度を風車制御器１５に入力する構成を追加した点が実施例４と異なる。　
　図９に示すように、本実施例に係る風力発電システム１では、診断器２２が出力する異常度を風車制御器１５に入力する構成であることから、風車制御器１５は、診断器２２の異常度に応じて、異常部位の荷重を下げる制御モードや、異常度の高い機器の動作回数を低減する制御モードなどの、各種縮退運転モードに移行することができる。これによって、異常の更なる進展を抑制し、保守作業員の目視点検まで風車を延命運転するなどが可能となる。
  なお、本実施例における診断器２２が出力する異常度を風車制御器１５に入力する構成を、上述の実施例１乃至実施例３のうちのいずれか一つの構成に適用しても良い。
　上述のように、実施例１乃至実施例５において、風車制御器１５の内部状態変数によって、監視用センサの検出値を分類することで、内部状態毎の診断基準を生成し、診断精度を向上させる技術の実現方法につき説明した。診断対象が複数存在する場合は、予兆診断器１６を複数実装しても良く、診断器２２等の一部機能を複数実装しても良い。
　なお、本発明は上記した実施例に限定されるものではなく、様々な変形例が含まれる。
例えば、上記した実施例は本発明を分かりやすく説明するために詳細に説明したものであり、必ずしも説明した全ての構成を備えるものに限定されるものではない。また、ある実施例の構成の一部を他の実施例の構成に置き換えることが可能であり、また、ある実施例の構成に他の実施例の構成を加えることも可能である。
１…風力発電システム、２…風車、３…風車制御装置、４…翼、５…ハブ、６…主軸、７…増速機、８…発電機、９…フレーム、１０…ナセル、１１…タワー、１２…電力変換器、１３…制御用センサ、１４…監視用センサ、１５…風車制御器、１６…予兆診断器、１７…分類器、１８…一時記憶部、１９…診断基準データ生成器、２０…診断基準データ記憶部、２１…診断基準データ選択抽出器、２２…診断器、２３…診断結果記憶部、２４…表示装置、２５…予兆診断装置

Claims (15)

  1. 　風車を制御する風車制御器と予兆診断器を備える風力発電システムであって、
    　前記予兆診断器は、
    　少なくとも予兆診断のために前記風車に設置される監視用センサからの信号及び前記風車制御器から風車制御状態を表す信号である内部状態変数を受信し、
    　予兆診断基準若しくは予兆診断の実行のために必要な分析処理データの学習期間では、前記内部状態変数毎に、前記監視用センサから入力される信号に基づき診断基準データを作成する診断基準データ生成器と、
    　予兆診断期間では、前記内部状態変数毎に対応する前記診断基準データに基づき診断を実行する診断器と、を備えることを特徴とする風力発電システム。
  2. 　請求項１に記載の風力発電システムにおいて、
    　前記予兆診断器は、前記内部状態変数に基づき前記監視用センサから入力される信号を予兆診断の学習及び診断への採否を決定する分類器を有することを特徴とする風力発電システム。
  3. 　請求項２に記載の風力発電システムにおいて、
    　前記予兆診断器は、予兆診断の診断基準を作成するため前記内部状態変数毎に前記監視用センサから入力される信号を保存する一時記憶部を有し、
    　前記一時記憶部に保存される前記監視用センサから入力された信号を所定の期間経過後に破棄することを特徴とする風力発電システム。
  4. 　請求項３に記載の風力発電システムにおいて、
    　前記内部状態変数は、翼若しくは発電機の回転速度、翼ピッチ角度、風速、風乱流強度のうち、少なくとも回転速度を含む一つ又は複数の物理量によって定義される風車制御状態であることを特徴とする風力発電システム。
  5. 　請求項３に記載の風力発電システムにおいて、
    　前記予兆診断器は、更に、前記風車制御器が風車の制御ために受信する制御用センサからの信号を受信することを特徴とする風力発電システム。
  6. 　請求項４に記載の風力発電システムにおいて、
    　前記予兆診断器は、更に、前記風車制御器が風車の制御ために受信する制御用センサからの信号を受信することを特徴とする風力発電システム。
  7. 　請求項５に記載の風力発電システムにおいて、
    　前記予兆診断器は、更に、前記風車制御器から前記風車へ送信される制御指令を受信することを特徴とする風力発電システム。
  8. 　請求項７に記載の風力発電システムにおいて、
    　前記診断器は、前記内部状態変数毎に対応する前記診断基準データに基づき診断を実行し、異常度を出力するものであって、
    　前記診断器により出力される異常度が前記風車制御器に入力され、前記風車制御器は入力された異常度に応じて、少なくとも異常部位の荷重を下げる制御モード又は異常度の高い機器の動作回数を低減する制御モードに移行するよう制御指令を前記風車へ送信することを特徴とする風力発電システム。
  9. 　請求項３に記載の風力発電システムにおいて、
    　前記診断器は、前記内部状態変数毎に対応する前記診断基準データに基づき診断を実行し、異常度を出力するものであって、
    　前記診断器により出力される異常度が前記風車制御器に入力され、前記風車制御器は入力された異常度に応じて、少なくとも異常部位の荷重を下げる制御モード又は異常度の高い機器の動作回数を低減する制御モードに移行するよう制御指令を前記風車へ送信することを特徴とする風力発電システム。
  10. 　請求項４に記載の風力発電システムにおいて、
    　前記診断器は、前記内部状態変数毎に対応する前記診断基準データに基づき診断を実行し、異常度を出力するものであって、
    　前記診断器により出力される異常度が前記風車制御器に入力され、前記風車制御器は入力された異常度に応じて、少なくとも異常部位の荷重を下げる制御モード又は異常度の高い機器の動作回数を低減する制御モードに移行するよう制御指令を前記風車へ送信することを特徴とする風力発電システム。
  11. 　請求項５に記載の風力発電システムにおいて、
    　前記診断器は、前記内部状態変数毎に対応する前記診断基準データに基づき診断を実行し、異常度を出力するものであって、
    　前記診断器により出力される異常度が前記風車制御器に入力され、前記風車制御器は入力された異常度に応じて、少なくとも異常部位の荷重を下げる制御モード又は異常度の高い機器の動作回数を低減する制御モードに移行するよう制御指令を前記風車へ送信することを特徴とする風力発電システム。
  12. 　風車を制御する風車制御器と予兆診断器を備える風力発電システムであって、
    　前記予兆診断器は、
    　少なくとも、前記風車制御器が風車の制御ために受信する制御用センサからの信号及び前記風車制御器から前記風車へ送信される制御指令並びに前記風車制御器から風車制御状態を表す信号である内部状態変数を受信し、
    　予兆診断基準若しくは予兆診断の実行のために必要な分析処理データの学習期間では、前記内部状態変数毎に、前記制御用センサから入力される信号に基づき診断基準データを作成する診断基準データ生成器と、
    　予兆診断期間では、前記内部状態変数毎に対応する前記診断基準データに基づき診断を実行する診断器と、を備えることを特徴とする風力発電システム。
  13. 　請求項１２に記載の風力発電システムにおいて、
    　前記予兆診断器は、前記内部状態変数に基づき前記制御用センサから入力される信号を予兆診断の学習及び診断への採否を決定する分類器を有することを特徴とする風力発電システム。
  14. 　請求項１３に記載の風力発電システムにおいて、
    　前記予兆診断器は、予兆診断の診断基準を作成するため前記内部状態変数毎に前記制御用センサから入力される信号を保存する一時記憶部を有し、
    　前記一時記憶部に保存される前記制御用センサから入力された信号を所定の期間経過後に破棄することを特徴とする風力発電システム。
  15. 　請求項１４に記載の風力発電システムにおいて、
    　前記内部状態変数は、翼若しくは発電機の回転速度、翼ピッチ角度、風速、風乱流強度のうち、少なくとも回転速度を含む一つ又は複数の物理量によって定義される風車制御状態であることを特徴とする風力発電システム。
PCT/JP2019/015099 2018-05-31 2019-04-05 風力発電システム WO2019230191A1 (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
EP19810736.9A EP3805557A4 (en) 2018-05-31 2019-04-05 WIND ENERGY GENERATION SYSTEM

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 (1)

Publication Number Publication Date
WO2019230191A1 true WO2019230191A1 (ja) 2019-12-05

Family

ID=68698058

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2019/015099 WO2019230191A1 (ja) 2018-05-31 2019-04-05 風力発電システム

Country Status (4)

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

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023153048A1 (ja) * 2022-02-10 2023-08-17 株式会社日立産機システム 電力変換装置

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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 (3)

* 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
JP2012246817A (ja) * 2011-05-26 2012-12-13 Birumen Kagoshima:Kk 風力発電装置管理システム
JP2013185507A (ja) 2012-03-08 2013-09-19 Ntn Corp 状態監視システム

Family Cites Families (4)

* 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
CN106471247B (zh) * 2014-06-24 2019-06-28 Ntn株式会社 状态监视系统和使用该系统的风力发电系统
CN106574606A (zh) * 2014-07-29 2017-04-19 Ntn株式会社 状态监视系统和具有该状态监视系统的风力发电系统
KR20160017681A (ko) * 2014-07-31 2016-02-17 두산중공업 주식회사 풍력플랜트 관리 시스템 및 그 방법

Patent Citations (3)

* 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
JP2012246817A (ja) * 2011-05-26 2012-12-13 Birumen Kagoshima:Kk 風力発電装置管理システム
JP2013185507A (ja) 2012-03-08 2013-09-19 Ntn Corp 状態監視システム

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023153048A1 (ja) * 2022-02-10 2023-08-17 株式会社日立産機システム 電力変換装置

Also Published As

Publication number Publication date
JP2019210811A (ja) 2019-12-12
TWI700431B (zh) 2020-08-01
EP3805557A4 (en) 2022-01-26
EP3805557A1 (en) 2021-04-14
TW202004010A (zh) 2020-01-16

Similar Documents

Publication Publication Date Title
Wang et al. SCADA data based condition monitoring of wind turbines
US10253758B2 (en) System and method for optimizing wind farm performance
CN110318947B (zh) 风力发电机组的偏航控制方法、设备及系统
US11300102B2 (en) System and method for augmenting control of a wind turbine assembly
JP5260649B2 (ja) 風車の動特性監視装置及びその方法
JP6783110B2 (ja) 予兆診断装置及びそれを有する発電装置制御システム
WO2019230191A1 (ja) 風力発電システム
EP3855019A1 (en) System and method for operating a wind turbine
JP6863933B2 (ja) 風力発電設備の診断方法及び風力発電設備の自動診断装置
Mehlan et al. Rotor imbalance detection and diagnosis in floating wind turbines by means of drivetrain condition monitoring
US11739734B2 (en) Fatigue loads in wind turbines and use of operational metadata
CN115456041A (zh) 设备故障预警方法及装置、计算设备和存储介质
EP3901457A1 (en) Status monitoring device and status monitoring method
Zhang et al. Probability warning for wind turbine gearbox incipient faults based on SCADA data
CN114761682A (zh) 用于风力涡轮机的计算机实现监视的方法和装置
Elshenawy et al. Fault detection and diagnosis strategy for wind turbine system using partial least square technique
Daems et al. Farm-wide dynamic event classification as load input for wind turbine drivetrain lifetime prognosis
da Rosa et al. Wind Turbine Blade Mass Imbalance Detection Using Artificial Intelligence
EP4343587A1 (en) Method and device for evaluating service life of pitch bearing of wind turbine
Dinh et al. Implementation of Digital Twin-Assisted Condition Monitoring and Fault Diagnosis for Wind Turbines
Pandit et al. A Review of Predictive Techniques Used to Support Decision-Making for Maintenance Operations of Wind Turbines. Energies 2023, 16, 1654
Meyer et al. Closed-loop supervisory control for defined component reliability levels and optimized power generation
CN117646707B (zh) 风机轮毂监测方法、装置、设备及存储介质
US11808249B2 (en) Reaction to an overspeed event
Yang et al. Intelligent fan system based on big data and artificial intelligence

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 19810736

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

ENP Entry into the national phase

Ref document number: 2019810736

Country of ref document: EP

Effective date: 20210111