專利名稱：自動(dòng)監(jiān)視風(fēng)力渦輪機(jī)的方法和設(shè)備及創(chuàng)建線性模型的方法
技術(shù)領(lǐng)域：
本發(fā)明涉及用于風(fēng)力渦輪機(jī)的自動(dòng)監(jiān)視、特別是故障檢測(cè)的方法和監(jiān)視設(shè)備及用于創(chuàng)建供在該方法或監(jiān)視設(shè)備中使用的線性模型的方法。
背景技術(shù)：
現(xiàn)在，風(fēng)力渦輪機(jī)的大多數(shù)自動(dòng)監(jiān)視且特別是故障檢測(cè)是基于檢查指示風(fēng)力渦輪機(jī)的操作性質(zhì)的測(cè)量值是否超過(guò)預(yù)定義的恒定極限。一旦測(cè)量值超過(guò)其各自的極限，則觸發(fā)警報(bào)。例如，如果風(fēng)力渦輪機(jī)的發(fā)電機(jī)軸承的溫度超過(guò)某個(gè)溫度極限，則觸發(fā)警報(bào)且可以使風(fēng)力渦輪機(jī)停止。而如果風(fēng)力渦輪機(jī)正在非常冷的環(huán)境氣氛中操作，則可能絕不會(huì)觸發(fā)警報(bào)，因?yàn)榧词馆S承已經(jīng)用完了潤(rùn)滑劑，也可能不超過(guò)各自的溫度極限。在非常熱的氣候中可能發(fā)生相反的情況。然后即使軸承正在非常完美地運(yùn)轉(zhuǎn)，但由于熱的環(huán)境氣氛而正好是暖的，則也可能觸發(fā)警報(bào)。因此，恒定極限警報(bào)常常是不準(zhǔn)確的，亦即它們常常太不精確以至于無(wú)法指示一些東西是否正在發(fā)生故障。基于恒定極限的警報(bào)可能產(chǎn)生許多假警報(bào)，并且隨著時(shí)間的推移，人們可能趨向于忽視警報(bào)系統(tǒng)，這又可能導(dǎo)致代價(jià)高昂的損害。

發(fā)明內(nèi)容
因此，本發(fā)明的目的是提供用于風(fēng)力渦輪機(jī)的改善的自動(dòng)監(jiān)視的監(jiān)視設(shè)備和方法。由根據(jù)權(quán)利要求I所述的方法和根據(jù)權(quán)利要求12所述的監(jiān)視設(shè)備來(lái)實(shí)現(xiàn)此目的。根據(jù)本發(fā)明的方法包括多個(gè)過(guò)程步驟。一個(gè)步驟將創(chuàng)建至少一個(gè)線性模型或檢索至少一個(gè)先前創(chuàng)建的線性模型，線性模型表示風(fēng)力渦輪機(jī)的至少一個(gè)狀態(tài)參數(shù)且包括多個(gè)線性系數(shù)和至少一個(gè)測(cè)量變量。該狀態(tài)參數(shù)表示物理量，根據(jù)該物理量能夠?qū)С鲲L(fēng)力渦輪機(jī)的狀態(tài)信息?；跍y(cè)量變量和風(fēng)力渦輪機(jī)的狀態(tài)參數(shù)的測(cè)試測(cè)量值來(lái)確定此模型的線性系數(shù)的值。在另一步驟中，在操作階段中，例如以規(guī)則的間隔反復(fù)地采集測(cè)量變量和風(fēng)力渦輪機(jī)的狀態(tài)參數(shù)的瞬時(shí)測(cè)量值。另一步驟是通過(guò)使用線性模型基于測(cè)量變量的瞬時(shí)測(cè)量值來(lái)確定狀態(tài)參數(shù)的至少一個(gè)瞬時(shí)參考值?；跔顟B(tài)參數(shù)的瞬時(shí)測(cè)量值與對(duì)應(yīng)瞬時(shí)參考值的偏差，生成風(fēng)力渦輪機(jī)的狀態(tài)信息。由根據(jù)本發(fā)明的方法創(chuàng)建的線性模型被設(shè)計(jì)為指示風(fēng)力渦輪機(jī)或風(fēng)力渦輪機(jī)的各部分的狀態(tài)。也就是說(shuō)，線性模型被設(shè)計(jì)為指示風(fēng)力渦輪機(jī)是可完全操作還是不正確地運(yùn)轉(zhuǎn)。為此，每個(gè)線性模型包括一個(gè)數(shù)學(xué)函數(shù)或一組數(shù)學(xué)函數(shù)。根據(jù)該問(wèn)題，實(shí)際上可能優(yōu)選的是使用大的一組數(shù)學(xué)函數(shù)?；旧?，數(shù)學(xué)函數(shù)由測(cè)量值變量、常數(shù)和數(shù)學(xué)算子組成，數(shù)學(xué)算子作用于測(cè)量變量和常數(shù)。數(shù)學(xué)函數(shù)、即線性模型的輸出值是用于風(fēng)力渦輪機(jī)的對(duì)應(yīng)狀態(tài)參數(shù)的參考值。測(cè)量變量表示風(fēng)力渦輪機(jī)或風(fēng)力渦輪機(jī)的各部分的可測(cè)量性質(zhì)和/或相關(guān)環(huán)境條件，例如溫度、每分鐘轉(zhuǎn)數(shù)或由風(fēng)力渦輪機(jī)獲得的功率。它們能夠直接地表示測(cè)量值或者還有經(jīng)過(guò)處理的測(cè)量值，例如用拉普拉斯變換或傅立葉變換處理。測(cè)量變量是數(shù)學(xué)函數(shù)的自變量。測(cè)量變量的值和數(shù)學(xué)函數(shù)的輸出值實(shí)際上可以是任何東西，例如實(shí)數(shù)或整數(shù)、布爾值或字符串。詳細(xì)地，線性模型的每個(gè)數(shù)學(xué)函數(shù)由多個(gè)數(shù)學(xué)項(xiàng)中的一個(gè)或和組成。數(shù)學(xué)項(xiàng)本身可以由線性系數(shù)或線性系數(shù)乘以另一數(shù)學(xué)函數(shù)(稱為子函數(shù))組成。因此，可以將線性模型的數(shù)學(xué)函數(shù)描述為RefVal = Func (MeasmntVar1, MeasmntVari) =(I)a0+a1 SubFunc1+...+an SubFuncn其中，‘RefVal’代表風(fēng)力渦輪機(jī)的狀態(tài)參數(shù)的瞬時(shí)參考值，‘Func’代表線性模型的數(shù)學(xué)函數(shù)，至‘a(chǎn)n’代表線性系數(shù)，iSubFunc/至‘SubFuncJ代表子函數(shù)且 ‘MeasmntVar/至IeasmntVari’代表測(cè)量變量，即數(shù)學(xué)函數(shù)的自變量。線性模型在系數(shù)方面是線性的但總體上在數(shù)學(xué)函數(shù)方面不一定是線性的。因此，子函數(shù)本身不必是線性的。它們可以包括線性以及非線性數(shù)學(xué)函數(shù)，象平方函數(shù)或三角函數(shù)。子函數(shù)包含至少一個(gè)測(cè)量變量。可以將子函數(shù)描述為SubFuncj = f (MeasmntVar1, MeasmntVari)(2)其中，‘SubFunc/表示線性模型的數(shù)學(xué)函數(shù)的第j個(gè)子函數(shù)。在這里，加下標(biāo)的自變量iMeasmntVar1 ’至iMeasmntVari’代表線性模型的第j個(gè)子函數(shù)的測(cè)量變量?？梢詮南惹皠?chuàng)建的線性模型檢索用于監(jiān)視風(fēng)力渦輪機(jī)的適當(dāng)線性模型，或者可以創(chuàng)建新的適當(dāng)線性模型。如稍后將解釋的，基于涉及的測(cè)量值的經(jīng)驗(yàn)或已知物理相關(guān)針對(duì)線性模型的創(chuàng)建來(lái)確定適當(dāng)?shù)淖雍瘮?shù)，包括適當(dāng)?shù)臏y(cè)量變量。為了估計(jì)線性系數(shù)，基于數(shù)學(xué)標(biāo)準(zhǔn)方法(例如‘曲線擬合’方法)來(lái)評(píng)估用于狀態(tài)參數(shù)的所采集的測(cè)試測(cè)量值與各自線性模型的相關(guān)參考值的偏差。一旦分別創(chuàng)建或檢索了線性模型，則其可以應(yīng)用于現(xiàn)實(shí)生活的測(cè)量值，即其可以在運(yùn)算中使用。從而，檢查狀態(tài)參數(shù)的所采集的瞬時(shí)測(cè)量值是否不同于由各自線性模型用測(cè)量變量的所采集的瞬時(shí)測(cè)量值確定的對(duì)應(yīng)瞬時(shí)參考值，且優(yōu)選地檢查所采集的狀態(tài)參數(shù)的瞬時(shí)測(cè)量值與所述對(duì)應(yīng)瞬時(shí)參考值相差什么值?；诖藱z查的結(jié)果，可以產(chǎn)生關(guān)于風(fēng)力渦輪機(jī)的狀態(tài)信息。狀態(tài)信息可以是警報(bào)，指示風(fēng)力渦輪機(jī)不正確地運(yùn)轉(zhuǎn)。其還可以指示風(fēng)力渦輪機(jī)到目前為止適當(dāng)?shù)剡\(yùn)轉(zhuǎn)。從而，狀態(tài)信息的抽象水平可以在從顯示風(fēng)力渦輪機(jī)的測(cè)量值(另外在必要時(shí)可以將其標(biāo)記為臨界)至所推斷的復(fù)雜口頭陳述的范圍內(nèi)。對(duì)于后者而言，可以設(shè)想構(gòu)建各自基于知識(shí)的系統(tǒng)，該系統(tǒng)能夠基于人工智能(Al)的方法和技術(shù)(例如基于‘模糊邏輯’)來(lái)提供關(guān)于風(fēng)力渦輪機(jī)的實(shí)際狀態(tài)的‘智能’估計(jì)。本發(fā)明不是基于常數(shù)極限的自動(dòng)故障檢測(cè)。而是本發(fā)明追求在線性模型的通用預(yù)測(cè)性概念下連接風(fēng)力渦輪機(jī)的大量測(cè)量值以便特別地識(shí)別有缺陷組件的原理。從而，本發(fā)明基于取決于線性模型的輸出值而變化的極限。因此，本發(fā)明允許用于故障檢測(cè)的緊密得多且更加精確的極限。這能夠?qū)е螺^少的假警報(bào)和更加正確的警報(bào)，這已在具有現(xiàn)實(shí)生活的數(shù)據(jù)的幾百個(gè)實(shí)驗(yàn)期間得到證明。如上文所解釋的，對(duì)于根據(jù)本發(fā)明的監(jiān)視方法而言，用于創(chuàng)建線性模型的適當(dāng)方法可以優(yōu)選地包括建模階段，其中，構(gòu)建線性模型，使得該線性模型表示風(fēng)力渦輪機(jī)的至少一個(gè)狀態(tài)參數(shù)且包括多個(gè)線性系數(shù)和至少一個(gè)測(cè)量變量。創(chuàng)建模型的方法進(jìn)一步包括模型調(diào)整階段，其中，例如從先前收集的測(cè)試測(cè)量值采集或檢索用于風(fēng)力渦輪機(jī)的測(cè)量變量和狀態(tài)參數(shù)的多個(gè)測(cè)試測(cè)量值，并使用這些測(cè)試測(cè)量值來(lái)確定線性系數(shù)的值。
在建模階段期間，設(shè)計(jì)線性模型的結(jié)構(gòu)。這包括該線性模型應(yīng)表示的狀態(tài)參數(shù)的定義、該線性模型的線性系數(shù)的數(shù)目和相關(guān)及包括測(cè)量變量的子函數(shù)的定義。這可以例如由來(lái)自類似于工程師或科學(xué)家或風(fēng)力渦輪機(jī)的操作員的專業(yè)人員的有根據(jù)的推測(cè)來(lái)完成。 通常，僅僅用手邊的問(wèn)題的量化理解就能夠找到線性模型的結(jié)構(gòu)。然后，在模型調(diào)整階段期間，估計(jì)每個(gè)線性模型的每個(gè)線性系數(shù)的值?？梢酝ㄟ^(guò)評(píng)估計(jì)算的線性模型輸出(即參考值)與用于狀態(tài)參數(shù)的相關(guān)測(cè)量值的偏差來(lái)估計(jì)線性系數(shù)。為此，可以執(zhí)行若干采樣步驟。在每個(gè)采樣步驟期間，采集樣本，即用于測(cè)量變量和相關(guān)狀態(tài)參數(shù)的值。樣本是從傳感器采集的，這些傳感器被適當(dāng)?shù)胤胖靡员銣y(cè)量風(fēng)力渦輪機(jī)的各自物理量和/或各自環(huán)境條件。由于線性模型應(yīng)表示很好地操作的風(fēng)力渦輪機(jī)的行為， 所以優(yōu)選地，從適當(dāng)?shù)夭僮鞯娘L(fēng)力渦輪機(jī)采集樣本。原則上設(shè)想完成一個(gè)或僅幾個(gè)采樣步驟。優(yōu)選地，完成很多采樣步驟，以便減小測(cè)量誤差。更優(yōu)選地，可以收集比應(yīng)估計(jì)的線性系數(shù)的數(shù)目多得多的樣本。適當(dāng)線性系數(shù)的估計(jì)等同于對(duì)每個(gè)樣本具有一個(gè)等式的線性方程組求解的問(wèn)題。 從而，每個(gè)線性等式表示線性模型的各自數(shù)學(xué)函數(shù)與對(duì)應(yīng)測(cè)量狀態(tài)參數(shù)之間的差或差的函數(shù)(例如平方的差)，因此稱為模型殘差。因此，可以將表示所述差的等式的示例描述為ModRes = Func (MeasmntVar1, . . . , MeasmntVari)(3)-StatParam,由此，‘ModRes’代表模型殘差?！瓼unc (MeasmntVar1, . . . , MeasmntVari) ’ 代表用測(cè)量變量(‘’MeasmntVar’ )的測(cè)量值計(jì)算的線性模型的數(shù)學(xué)函數(shù)。根據(jù)線性模型，測(cè)量值可以是來(lái)自實(shí)際的樣本以及來(lái)自從前的樣本?！甋tatParam’代表風(fēng)力渦輪機(jī)的實(shí)際采集的相關(guān)狀態(tài)參數(shù)。要求解的線性等式的未知數(shù)是如在數(shù)學(xué)項(xiàng)(2)中描繪的數(shù)學(xué)函數(shù)的線性系數(shù)。如上所述，優(yōu)選地，樣本的數(shù)目和因此的線性等式的數(shù)目超過(guò)線性系數(shù)的數(shù)目。雖然可以以參考值(即各自數(shù)學(xué)函數(shù)的計(jì)算的輸出值)與相關(guān)狀態(tài)參數(shù)的測(cè)量值的完美匹配為目標(biāo)，但是從道理上說(shuō)這常常不能實(shí)現(xiàn)。因此，以線性模型的輸出與狀態(tài)參數(shù)的測(cè)量值擬合、但達(dá)到一定程度的方式來(lái)估計(jì)線性系數(shù)。下面討論能夠部署以便估計(jì)擬合線性系數(shù)的多種多樣的方法。一般地，可以將方法的每個(gè)階段或步驟進(jìn)行不止一次，并且這些階段還可以按照不同的順序來(lái)進(jìn)行。因?yàn)橹袛嗖僮麟A段、重復(fù)建模階段和/或模型調(diào)整階段并再次返回操作階段可能是合理的。例如，在針對(duì)風(fēng)力渦輪機(jī)的操作條件變化的情況下，可能需要使線性模型適應(yīng)新的條件。還可以設(shè)想的是將建模和模型調(diào)整階段重復(fù)幾次以便使線性模型最優(yōu)化。還可以設(shè)想的是可以將根據(jù)本發(fā)明的若干方法組合以獲得用于監(jiān)視孔風(fēng)力渦輪機(jī)場(chǎng)(a hole wind turbine farm)的一個(gè)綜合性方法。例如在模型調(diào)整階段之后,統(tǒng)計(jì)測(cè)試可能顯示線性模型的某些數(shù)學(xué)項(xiàng)能夠被有利地消除，因此得到更簡(jiǎn)單的模型。這可以是在線性模型最終投入工作之前該線性模型的正在進(jìn)行的演進(jìn)的一部分。根據(jù)本發(fā)明的監(jiān)視設(shè)備包括用于創(chuàng)建或檢索至少一個(gè)線性模型的模型界面，所述至少一個(gè)線性模型表示風(fēng)力渦輪機(jī)的至少一個(gè)狀態(tài)參數(shù)且包括多個(gè)線性系數(shù)和至少一個(gè)測(cè)量變量，由此，基于測(cè)量變量和風(fēng)力渦輪機(jī)的狀態(tài)參數(shù)的測(cè)試測(cè)量值來(lái)確定每個(gè)線性系數(shù)的值。所述監(jiān)視設(shè)備進(jìn)一步包括用于例如以規(guī)則的間隔反復(fù)地采集測(cè)量變量和風(fēng)力渦輪機(jī)的狀態(tài)參數(shù)的瞬時(shí)測(cè)量值的采集系統(tǒng)。監(jiān)視設(shè)備還包括分析系統(tǒng)，用于使用線性模型基于測(cè)量變量的瞬時(shí)測(cè)量值來(lái)確定狀態(tài)參數(shù)的至少一個(gè)瞬時(shí)參考值，并用于基于狀態(tài)參數(shù)的瞬時(shí)測(cè)量值與對(duì)應(yīng)瞬時(shí)參考值的偏差來(lái)生成風(fēng)力渦輪機(jī)的狀態(tài)信息。監(jiān)視設(shè)備包括輸出風(fēng)力渦輪機(jī)的狀態(tài)信息的至少一個(gè)輸出接口。經(jīng)由數(shù)據(jù)鏈路來(lái)連接采集系統(tǒng)、分析系統(tǒng)和輸出接口。從而，可以用能夠用于傳送和接收數(shù)字信息或模擬信號(hào)的任何手段一包括無(wú)線和有線連接一來(lái)實(shí)現(xiàn)數(shù)據(jù)鏈路。采集系統(tǒng)優(yōu)選地可以由被相互連接的傳感器和累加系統(tǒng)組成。采集系統(tǒng)適合于采集與風(fēng)力渦輪機(jī)有關(guān)的許多測(cè)量值。要應(yīng)用的傳感器是適合于測(cè)量風(fēng)力渦輪機(jī)的相關(guān)物理量和/或相關(guān)環(huán)境條件的傳感器。這些傳感器被相應(yīng)地放置在風(fēng)力渦輪機(jī)處(例如在風(fēng)力渦輪機(jī)的發(fā)動(dòng)機(jī)艙中)和/或在風(fēng)力渦輪機(jī)的環(huán)境中。累加系統(tǒng)處理由傳感器遞送的數(shù)據(jù)并將這些數(shù)據(jù)轉(zhuǎn)換成適合于由分析系統(tǒng)進(jìn)一步處理的測(cè)量值。從而，累加系統(tǒng)可以被設(shè)計(jì)為一個(gè)或多個(gè)單獨(dú)的系統(tǒng)和/或可以集成在所述傳感器中?？梢栽O(shè)想的是累加系統(tǒng)包括用于在轉(zhuǎn)換為測(cè)量值之前和/或之后緩沖傳感器數(shù)據(jù)的數(shù)據(jù)存儲(chǔ)系統(tǒng)。數(shù)據(jù)存儲(chǔ)系統(tǒng)可以例如用于上述下采樣。為了進(jìn)行下采樣，累加系統(tǒng)可以進(jìn)一步包括各自的處理邏輯。還可以設(shè)想的是可以將數(shù)據(jù)存儲(chǔ)系統(tǒng)和/或下采樣邏輯實(shí)現(xiàn)為分析系統(tǒng)的一部分。然后，還可以將數(shù)據(jù)存儲(chǔ)系統(tǒng)用于存儲(chǔ)線性模型數(shù)據(jù)?？梢詫⒎治鱿到y(tǒng)開發(fā)為單個(gè)系統(tǒng)或者還可以開發(fā)為例如根據(jù)其功能和/或空間分布而分離的若干系統(tǒng)。可以將這些系統(tǒng)分別互連?？梢杂捎?jì)算機(jī)系統(tǒng)或者還由專用集成電路(ASIC)或可編程門陣列(FPGA)來(lái)實(shí)現(xiàn)分析系統(tǒng)或分析系統(tǒng)的一部分。優(yōu)選地，分析系統(tǒng)包括一個(gè)或多個(gè)數(shù)據(jù)緩沖系統(tǒng)，以存儲(chǔ)偏差極限和監(jiān)視過(guò)程所需的其它數(shù)據(jù)。模型界面可以是用于獲得線性模型的任何存儲(chǔ)器或任何界面或用于生成線性模型的程序。模型界面可以優(yōu)選地集成在分析系統(tǒng)中或至少連接到分析系統(tǒng)?？梢詫⑤敵鼋缑鎸?shí)現(xiàn)為用戶能夠用來(lái)與監(jiān)視設(shè)備相交互的一個(gè)或多個(gè)系統(tǒng)。輸出接口也可以包括硬件和軟件組件。輸出接口提供輸出和/或輸出器件，允許用戶操縱監(jiān)視設(shè)備，例如以修改或替換線性模型。輸出接口還允許監(jiān)視設(shè)備分別指示一個(gè)或多個(gè)風(fēng)力渦輪機(jī)的狀態(tài)。輸出接口可以進(jìn)一步生成自動(dòng)修理程序和/或?qū)⒆詣?dòng)修理程序傳送到風(fēng)力渦輪機(jī)或中央系統(tǒng)的各部分。優(yōu)選地，可以將至少一個(gè)輸出接口開發(fā)為圖形用戶界面(GUI)， 特別是如果顯示的狀態(tài)信息包括測(cè)量值進(jìn)展的圖。GUI可以經(jīng)由諸如計(jì)算機(jī)鍵盤和鼠標(biāo)的設(shè)備來(lái)接受輸入并在計(jì)算機(jī)監(jiān)視器上提供清楚表達(dá)的圖形輸出。輸出接口可以另外提供聲學(xué)輸出和/或輸入器件，例如用于生成聲響警報(bào)信號(hào)的擴(kuò)音器。由從屬權(quán)利要求給出本發(fā)明的特別有利的實(shí)施例和特征，如在以下說(shuō)明中揭示的?？梢酝ㄟ^(guò)將下述各種實(shí)施例的特征組合來(lái)導(dǎo)出進(jìn)一步的實(shí)施例，并且可以以任何適當(dāng)?shù)姆绞絹?lái)將各種權(quán)利要求種類的特征組合。在根據(jù)本發(fā)明的用于監(jiān)視風(fēng)力渦輪機(jī)的方法的優(yōu)選實(shí)施例中，基于瞬時(shí)參考值來(lái)確定至少瞬時(shí)偏差極限，并基于用于狀態(tài)參數(shù)的瞬時(shí)測(cè)量值是否超過(guò)瞬時(shí)偏差極限來(lái)生成狀態(tài)信息?？梢詫⑵顦O限定義為各瞬時(shí)參考值的數(shù)學(xué)函數(shù)。在許多情況下，由常數(shù)值與瞬時(shí)參考值的加法和/或減法得到偏差極限(因此稱為偏差極限常數(shù))就足以DeviationLimit = RefVal ±const。(4)
在本示例中，‘DeviationLimit’代表偏差極限，‘RefVal’代表如在數(shù)學(xué)項(xiàng)(I)中描述的瞬時(shí)參考值，并且‘const’代表偏差極限常數(shù)。這得到偏差極限，偏差極限的值與線性模型的輸出值并行地操作。還可以將偏差極限定義為更復(fù)雜的數(shù)學(xué)函數(shù)，該數(shù)學(xué)函數(shù)根據(jù)線性模型輸出值而可變地表現(xiàn)。偏差極限取決于是否定義關(guān)于線性模型的輸出值的變量或常數(shù)偏差極限的情況。定義每個(gè)線性模型的多個(gè)偏差極限也可能是有利的，因此定義例如偏差極限區(qū)域?？梢岳缤ㄟ^(guò)常數(shù)或變量值與瞬時(shí)參考值的加法和減法來(lái)定義偏差極限區(qū)域。也就是說(shuō)，由加法得到的偏差極限(稱為高偏差極限)定義偏差極限區(qū)域的高邊界， 由減法得到的偏差極限(稱為低偏差極限)定義偏差極限區(qū)域的低邊界。當(dāng)確定了偏差極限時(shí)，可以容易地證明用于狀態(tài)參數(shù)的瞬時(shí)測(cè)量值是否超過(guò)各自的偏差極限且基于此，可以生成關(guān)于風(fēng)力渦輪機(jī)的狀態(tài)信息。在優(yōu)選實(shí)施例中，至少一個(gè)應(yīng)用的線性模型是線性正態(tài)模型，即引起正態(tài)分布模型殘差的線性模型。與如上所述的線性模型類似地生成線性正態(tài)模型。線性模型可以通過(guò)相應(yīng)地重復(fù)建模和模型調(diào)整階段，即直至該線性模型滿足所述要求來(lái)變成線性正態(tài)模型。正態(tài)分布模型殘差是在線性模型中或者更確切地說(shuō)在模型殘差中只剩下噪聲項(xiàng)的指示符。線性正態(tài)模型的應(yīng)用能夠提高風(fēng)力渦輪機(jī)的監(jiān)視和故障檢測(cè)的可靠性和準(zhǔn)確度。在根據(jù)本發(fā)明的方法的特別優(yōu)選實(shí)施例中，至少一個(gè)應(yīng)用的線性模型是動(dòng)態(tài)線性模型。動(dòng)態(tài)線性模型另外取決于風(fēng)力渦輪機(jī)的先前或較舊的測(cè)量值。因此，動(dòng)態(tài)線性模型包括僅在不同時(shí)間點(diǎn)處的同一測(cè)量變量的若干實(shí)例。根據(jù)等式(I)，可以將動(dòng)態(tài)線性模型描述為RefVal =Func (MeasmntVar1 (t- A tn), MeasmntVar1 (t- A tli(1))；...；MeasmntVarn(t- A tnl), MeasmntVarn (t- A tni(m))),(5)由此，MeasmntVarj (t-Atjk)代表時(shí)間t_A tjk時(shí)的測(cè)量變量數(shù)目j且用于此測(cè)量變量的所需實(shí)例的數(shù)目是i (X)。因此，相應(yīng)地緩沖稍后時(shí)間點(diǎn)處的計(jì)算所需的已采集的測(cè)量值。動(dòng)態(tài)線性模型另外涉及時(shí)間元素，因此增強(qiáng)了線性模型的能力。例如，借助于動(dòng)態(tài)線性模型，還可以實(shí)現(xiàn)狀態(tài)空間模型和動(dòng)態(tài)關(guān)系。因此，動(dòng)態(tài)線性模型的使用能夠改善風(fēng)力渦輪機(jī)的監(jiān)視和故障檢測(cè)。在根據(jù)本發(fā)明的方法的另一有利實(shí)施例中，用用于對(duì)有問(wèn)題的測(cè)量值進(jìn)行過(guò)濾的一個(gè)或多個(gè)過(guò)濾步驟對(duì)至少一個(gè)應(yīng)用的線性模型進(jìn)行補(bǔ)充，因此防止各線性模型使用有問(wèn)題的測(cè)量值。有問(wèn)題的測(cè)量值是在被考慮在內(nèi)時(shí)可能明顯歪曲線性模型的輸出的測(cè)量值。 在計(jì)算各線性模型的輸出之前對(duì)已采集的測(cè)量值應(yīng)用過(guò)濾步驟。在過(guò)濾步驟期間，優(yōu)選地應(yīng)用具有數(shù)學(xué)和/或邏輯運(yùn)算的條件構(gòu)造和數(shù)學(xué)項(xiàng)。從而，根據(jù)在各條件構(gòu)造中指定的布爾條件被評(píng)估為真還是假，可以執(zhí)行不同的運(yùn)算。例如， 如果已知在值被放入線性模型的某個(gè)測(cè)量變量中的情況下該線性模型導(dǎo)致無(wú)用的結(jié)果 (這些無(wú)用的結(jié)果大于某個(gè)極限)，則可以將合適的過(guò)濾步驟如下來(lái)闡述“如果所采集的用于測(cè)量變量的值大于某個(gè)極限，則忽略該測(cè)量值，否則使用該測(cè)量值計(jì)算用于狀態(tài)參數(shù)的參考值”。過(guò)濾器可以在運(yùn)算階段期間使用并且也可以在模型調(diào)整階段期間使用。
在根據(jù)本發(fā)明的方法的特定的有利實(shí)施例中，在限定的時(shí)間段內(nèi)采集的所有測(cè)量值都被下采樣。下采樣意味著收集一組所采集的測(cè)量值并且將它們組合為一個(gè)代表性測(cè)量值。從而，必須被考慮用于監(jiān)視的測(cè)量值的數(shù)量得到了減少。這有利于應(yīng)付在短的時(shí)間間隔內(nèi)采集的、本來(lái)難以處理的大量的測(cè)量值。代表性的測(cè)量值可以通過(guò)建立算術(shù)平均值或者通過(guò)任意其它合適的數(shù)學(xué)方法來(lái)獲得。下采樣可以在計(jì)算各線性模型的輸出之前的附加步驟中完成，即在第一步驟之后和第二步驟之前的運(yùn)算階段期間。下采樣也可以用于在模型調(diào)節(jié)階段期間將測(cè)試數(shù)據(jù)流減少到可管理的量。根據(jù)本發(fā)明的方法的具有優(yōu)勢(shì)的實(shí)施例，線性系數(shù)通過(guò)“最小二乘”方法確定。最小二乘方法是曲線擬合的方法之一，正如上面提到的，其可用于確定線性模型的線性系數(shù)。 該方法當(dāng)根據(jù)數(shù)學(xué)項(xiàng)(3)定義的模型殘差(residuali)平方總和是最小值時(shí)找到最優(yōu)值Minimum (Jresidual,2 )(6)
i=l為達(dá)到這個(gè)目的，進(jìn)行如上描述的幾個(gè)采樣步驟，并且對(duì)每個(gè)樣本帶有一個(gè)方程的各自方程組求解或分別找到最小的解。從而，每個(gè)方程代表模型殘差平方，這是用所討論的樣本計(jì)算的。正如已經(jīng)提到的，有利的是線性方程的數(shù)目超過(guò)線性系數(shù)的數(shù)目，因此導(dǎo)致超定線性方程組。最小二乘方法的優(yōu)點(diǎn)是，它涉及簡(jiǎn)單的代數(shù)計(jì)算，并且只需要簡(jiǎn)單的數(shù)學(xué)推導(dǎo)。在根據(jù)本發(fā)明的方法的具有進(jìn)一步優(yōu)勢(shì)的實(shí)施例中，線性系數(shù)由“魯棒擬合”方法確定。對(duì)于并沒(méi)有受到與線性模型假設(shè)的小偏差和界外值(例如不良測(cè)量值)的過(guò)度影響的線性模型，存在稱為魯棒擬合或魯棒估計(jì)的方法，可用于估計(jì)線性系數(shù)，例如“隨機(jī)采樣一致性”的方法(RANSAC)。一般來(lái)說(shuō)，魯棒擬合方法與其他方法的區(qū)別體現(xiàn)在較大程度上抵抗界外值。從而可以實(shí)現(xiàn)什么程度的界外值公差依賴于所使用的魯棒擬合方法。這樣的擬合方法特別是在風(fēng)力渦輪機(jī)領(lǐng)域具有優(yōu)勢(shì)，在該領(lǐng)域中可以預(yù)期大量的錯(cuò)誤測(cè)量。在根據(jù)本發(fā)明的方法的進(jìn)一步優(yōu)選的實(shí)施例中，偏差極限可以從模型殘差中導(dǎo)出。因此，一旦系數(shù)被確定，各自線性模型的模型殘差也被收集。這可以優(yōu)選在模型調(diào)整階段的采樣步驟中完成，此時(shí)模型殘差無(wú)論如何都被確定了。但也可以想象的是，在稍后的時(shí)間點(diǎn)的幾個(gè)采樣步驟中分離地確定和收集模型殘差。所收集的模型殘差可以給出印象，即在操作階段實(shí)際生活數(shù)據(jù)與各自線性模型的輸出之間可預(yù)期出什么樣的偏差。因此，適用的是，收集越多的模型殘差，就可從中得到有關(guān)線性模型偏差的越多的有意義的信息。優(yōu)選的是，有關(guān)由線性模型確定的參考值與狀態(tài)參數(shù)的測(cè)量值的偏差的信息是用來(lái)估計(jì)線性模型的適當(dāng)?shù)钠顦O限。如前所述，偏差極限對(duì)識(shí)別狀態(tài)參數(shù)的測(cè)量值是否被認(rèn)為是有問(wèn)題的以及是否可能會(huì)觸發(fā)警報(bào)而言是重要的。特別是根據(jù)模型殘差的集中趨勢(shì)定義的偏差極限可能是有用的，該集中趨勢(shì)即模型殘差趨向于集中在某個(gè)值的周圍的方式。有已知的用于確定趨勢(shì)值的方法，例如“算術(shù)平均值”，“中值”的確定，即將所收集的模型殘差的較高的一半與較低的一半分離的數(shù)值，和“模式”，即經(jīng)常出現(xiàn)在模型殘差收集中的值。一旦收集了模型殘差，所收集的殘差的趨勢(shì)值也被確定出。然后該趨勢(shì)值可用來(lái)定義偏差極限，例如作為偏差極限常數(shù)。
為了定義偏差極限，優(yōu)選那些描述如何展開模型殘差的措施可以被考慮。因此，在根據(jù)本發(fā)明的方法的具有進(jìn)一步優(yōu)勢(shì)的實(shí)施例中，偏差極限可以從模型殘差的“標(biāo)準(zhǔn)偏差” 導(dǎo)出。為了這個(gè)目的，計(jì)算所收集的模型殘差的標(biāo)準(zhǔn)偏差。計(jì)算出的標(biāo)準(zhǔn)偏差表明與所收集的模型殘差的算術(shù)平均值之間存在多大的變化或“離散”。低的標(biāo)準(zhǔn)偏差表明模型殘差趨向于非常接近它們的算術(shù)平均值，而高的標(biāo)準(zhǔn)偏差表明，模型殘差在很大的值范圍內(nèi)展開。 因此，可以有利地使用具有偏差極限常數(shù)的偏差極限和將偏差極限常數(shù)定義為標(biāo)準(zhǔn)偏差的函數(shù)，例如作為收集的模型殘差的標(biāo)準(zhǔn)偏差與算術(shù)平均值的總和。因此隨著模型殘差的離散，線性模型的額外的顯著的性質(zhì)可以被考慮用來(lái)識(shí)別有問(wèn)題的參考測(cè)量值。該特征一般取決于其各自的值和如何使用標(biāo)準(zhǔn)偏差來(lái)定義偏差極限的情況。


本發(fā)明的其他目的或特征將從以下并結(jié)合附圖的詳細(xì)表述中變得明顯。但是應(yīng)當(dāng)理解的是，這些附圖僅僅是用來(lái)闡釋性目的而非是對(duì)本發(fā)明的限制定義。圖I以曲線圖示出依據(jù)現(xiàn)有技術(shù)的故障檢測(cè)系統(tǒng)的操作原理；圖2示出依據(jù)本發(fā)明的方法的實(shí)施例的流程圖；圖3以曲線圖示出依據(jù)圖2中所述方法的擬合線性系數(shù)的原理；圖4以曲線圖示出依據(jù)圖2中所示本發(fā)明的方法的操作原理；圖5示出依據(jù)本發(fā)明實(shí)施例的風(fēng)力渦輪機(jī)和監(jiān)視設(shè)備的示意性透視圖。貫穿附圖始終，相似的附圖標(biāo)記指代相似的對(duì)象。圖表中的對(duì)象并非按比例尺進(jìn)行繪制。
具體實(shí)施例方式圖I以曲線圖示出依據(jù)現(xiàn)有技術(shù)的用于風(fēng)力渦輪機(jī)的故障檢測(cè)系統(tǒng)的操作原理。 該曲線圖包括顯示參考測(cè)量2在時(shí)間t期間的值的一條曲線，該參考測(cè)量表示與風(fēng)力渦輪機(jī)的狀態(tài)有關(guān)的物理量，例如發(fā)電機(jī)軸承的溫度T。根據(jù)故障檢測(cè)的現(xiàn)有技術(shù)，為發(fā)電機(jī)軸承溫度2定義恒定警報(bào)極限I。在圖I中，該恒定警報(bào)極限I繪制為點(diǎn)線。在圖I所示的情況中，沒(méi)有警報(bào)被觸發(fā)，這是因?yàn)榘l(fā)電機(jī)軸承溫度2未超過(guò)該警報(bào)極限I。即使在潤(rùn)滑4的時(shí)間附近，這時(shí)發(fā)電機(jī)軸承溫度2達(dá)到很高的峰值3，從而表現(xiàn)出明顯的問(wèn)題，仍然沒(méi)有觸發(fā)警報(bào)?？赡苁且?yàn)樵诎l(fā)電機(jī)軸承內(nèi)的壓力增加的緣故，該潤(rùn)滑提高了發(fā)電機(jī)軸承溫度2， 這是不應(yīng)該的，但沒(méi)有在任何地方臨近警報(bào)極限I。正因?yàn)槿绱?，發(fā)電機(jī)軸承的問(wèn)題不能被識(shí)別出，因此不會(huì)通過(guò)這種方式來(lái)解決。圖2示出依據(jù)本發(fā)明的方法的示例實(shí)施例的流程圖。矩形框21，23，18，25，26，27， 29表示程序步驟，菱形框19，17，28表示判定點(diǎn)，箭頭描繪過(guò)程流，點(diǎn)綴圈20，22，24標(biāo)記出依據(jù)本發(fā)明方法的三個(gè)階段。下面該方法通過(guò)為清晰起見已經(jīng)簡(jiǎn)化的例子來(lái)說(shuō)明。要解決的問(wèn)題是當(dāng)風(fēng)力渦輪機(jī)的發(fā)電機(jī)軸承開始發(fā)生故障時(shí)觸發(fā)警報(bào)。特別是當(dāng)發(fā)電機(jī)軸承操作過(guò)熱是因?yàn)槿毕莶⒉皇且驗(yàn)闊岘h(huán)境溫度時(shí)應(yīng)觸發(fā)警報(bào)。在建模階段20的第一步驟中，即推測(cè)步驟21，作出關(guān)于適合于該問(wèn)題的線性模型的有根據(jù)的推測(cè)。在這里優(yōu)選預(yù)期在正常情況下，發(fā)電機(jī)軸承溫度依賴于環(huán)境溫度的過(guò)去20分鐘的歷史，風(fēng)力渦輪機(jī)所產(chǎn)生的功率的過(guò)去20分鐘的歷史，和發(fā)電機(jī)每分鐘轉(zhuǎn)數(shù)(RPM)的實(shí)際平方數(shù)量的過(guò)去20分鐘的歷史。這將導(dǎo)致形成以下動(dòng)態(tài)線性模型，為簡(jiǎn)單起見，該模型只包括一個(gè)方程GenBeTm =a.Q+a.i AmbieTmp+a2 AmbieTmp (I) +a3 AmbieTmp (2) +a4 ActPower+a5 ActPower (I)+a6 ActPower (2)+(7)a7 GenRpm2+a8 GenRpm(I) 2+a9 GenRpm(2)2在上述線性方程中，'GenBeTm'代表風(fēng)力渦輪機(jī)狀態(tài)參數(shù)的參考值，即動(dòng)態(tài)線性模型的輸出變量，在這個(gè)例子中，其表示發(fā)電機(jī)軸承溫度。因此，'GenBeTm^對(duì)應(yīng)于方程 (I)中的瞬時(shí)參考值'RefVar。' AmbieTmp/分別是實(shí)際的或過(guò)去的環(huán)境溫度值的測(cè)量變量。'ActPower/分別是實(shí)際或過(guò)去的產(chǎn)生功率值的測(cè)量變量。'GenRpm/分別是實(shí)際的或過(guò)去的發(fā)電機(jī)每分鐘轉(zhuǎn)數(shù)(rpm)值的測(cè)量變量。因此，'AmbieTmpO'，' ActPower O1，' GenRpmO2'對(duì)應(yīng)于數(shù)學(xué)項(xiàng)(I)中所描繪的線性模型的子函數(shù)'SubFunci'。一些測(cè)量變量旁邊括號(hào)內(nèi)的值表示各自的測(cè)量值的根據(jù)其在過(guò)去的樣本內(nèi)的時(shí)間順序的序號(hào)。 括號(hào)中值的缺失表示最近的測(cè)量值應(yīng)當(dāng)放入各自的測(cè)量值。例如，測(cè)量變量'ActPower^ 應(yīng)當(dāng)被提供以最近測(cè)量的產(chǎn)生功率，ActPower(I)被提供以最后一個(gè)測(cè)量的產(chǎn)生功率， ActPower(2)被提供以倒數(shù)第二個(gè)測(cè)量的產(chǎn)生功率。在模型調(diào)整階段22的后續(xù)步驟23，18中確定線性系數(shù)'a0/至,a/。從而在第一步驟23中，即采樣步驟，樣本，即運(yùn)作良好的風(fēng)力渦輪機(jī)的實(shí)際環(huán)境溫度，產(chǎn)生能量，rpm 和發(fā)電機(jī)軸承溫度的測(cè)量值被采集并被緩存以供后續(xù)使用。上述測(cè)量值是由恰當(dāng)設(shè)置和合適的傳感器采集的。正如前述，為了彈性地應(yīng)對(duì)測(cè)量誤差，執(zhí)行較大的預(yù)先設(shè)定數(shù)量的、適于合適估計(jì)線性系數(shù)的所述采樣步驟23。因此，在每個(gè)采樣步驟23結(jié)束時(shí)，證明19到那時(shí)所限定數(shù)量的采樣步驟23是否已經(jīng)執(zhí)行。如果沒(méi)有，執(zhí)行另一采樣步驟23，并采集新的樣本。否則，該方法將繼續(xù)下一步驟，即擬合步驟18。為采樣步驟23定義足夠的采樣率， 即采樣步驟23之間的時(shí)間間隔。不失一般性，定義每10分鐘執(zhí)行采樣步驟23。在擬合步驟18中，大量緩存的樣本的測(cè)量值一個(gè)一個(gè)代入到線性方程中，因而生成由此超定的線性方程組。從而，通過(guò)在模型殘差上部署所述“最小二乘”方法估計(jì)線性系數(shù)的合適擬合，即方程的計(jì)算結(jié)果和發(fā)電機(jī)軸承溫度的相關(guān)值之間的差值。圖3以曲線圖示出依據(jù)圖2中所述的模型調(diào)整階段22的擬合線性模型的線性系數(shù)的原理。該圖顯不出相對(duì)于環(huán)境溫度AmbieTmp繪制的發(fā)電機(jī)軸承溫度GenBeTm的一些測(cè)量值MVt。實(shí)線曲線顯示出如方程(7)所定義的動(dòng)態(tài)線性模型(對(duì)應(yīng)于通過(guò)此模型給出的參考值)，具有憑借“最小二乘”方法在模型殘差上所確定出的線性系數(shù)。該實(shí)線曲線緊密地跟隨發(fā)電機(jī)軸承溫度測(cè)試測(cè)量值MVt，因此足可以代表風(fēng)力渦輪機(jī)的該狀態(tài)參數(shù)。在圖 3的示例中，該擬合僅僅顯示為一維的，其中輸出量，即發(fā)電機(jī)軸承溫度，僅依賴于一個(gè)測(cè)量變量，在此為環(huán)境溫度AmbieTmp。但是本發(fā)明的方法的原理相應(yīng)地用多個(gè)測(cè)量變量工作。 在所述情況下，線性模型的參考值可以通過(guò)測(cè)量變量所跨越的多維向量空間中的超平面來(lái)表示以替代二維曲線。確定線性系數(shù)的上述方法也可以應(yīng)用于超平面，尤其是所述“最小二乘”方法。在模型調(diào)整階段22結(jié)束時(shí)，確定線性系數(shù)，動(dòng)態(tài)線性模型完成并準(zhǔn)備好與實(shí)際生活數(shù)據(jù)一起使用，即為操作階段24做好準(zhǔn)備。所確定的動(dòng)態(tài)線性模型的數(shù)據(jù)(例如線性系數(shù))也相應(yīng)地存儲(chǔ)起來(lái)?；氐綀D2中，在操作階段的第一步驟中，即第二采樣步驟25，樣本，即發(fā)電機(jī)軸承溫度、環(huán)境溫度、產(chǎn)生功率和所述rpm的測(cè)量值被采集并緩存以備后用。由于動(dòng)態(tài)線性模型使用過(guò)去的測(cè)量值，在第二采樣步驟25結(jié)束時(shí)，證明17到那時(shí)是否所有測(cè)量變量的值都已經(jīng)被采集。如果沒(méi)有，執(zhí)行第二采樣步驟25，否則，該方法繼續(xù)進(jìn)行第二步驟，即計(jì)算步驟 26。在計(jì)算步驟26中，被采集的測(cè)量值代入各自測(cè)量變量中，并且線性模型的輸出值，即發(fā)電機(jī)軸承溫度的參考值通過(guò)使用數(shù)學(xué)項(xiàng)(7)中所描繪的具有確定的系數(shù)的方程計(jì)算出。在第三步驟中，即極限確定步驟27，確定偏差極限區(qū)域，其包括高的和低的偏差極限。該高的偏差極限來(lái)自于限定的偏差極限常數(shù)與參考值的加法，該低的偏差極限來(lái)自于限定的偏差極限常數(shù)與參考值的減法HighDevLimit = GenBeTm+const ；LowDevLimit = GenBeTm-const(8)在上述方程中，HighDevLimit代表高的偏差極限，LowDevLimit代表低的偏差極限。接下來(lái)，即極限證明步驟28，證明所測(cè)量的發(fā)電機(jī)軸承溫度是否在偏差極限區(qū)域的外部。如果發(fā)電機(jī)軸承溫度在外部，這可能表明風(fēng)力渦輪機(jī)可能存在某些故障。然后執(zhí)行第五步驟，即警報(bào)步驟29，即警報(bào)被觸發(fā)。之后，操作階段繼續(xù)執(zhí)行采樣步驟25，即對(duì)新的測(cè)量值采樣。如果發(fā)電機(jī)軸承溫度在偏差極限區(qū)域內(nèi)，則該過(guò)程直接返回到第一步驟25， 并又一次對(duì)新的測(cè)量值采樣。圖4在曲線圖中示出依據(jù)圖2中所描繪的方法的操作原理。該曲線圖包括四條曲線30，31，32，33，其表示在一段時(shí)間t內(nèi)的發(fā)電機(jī)軸承溫度GenBeTm、相關(guān)參考值31和偏差極限32，33。最高的虛線曲線顯示了依據(jù)圖2中所描述的方法來(lái)限定的高的偏差極限32。 下面的點(diǎn)劃線曲線顯示了發(fā)電機(jī)軸承溫度30的當(dāng)前測(cè)量值，其依據(jù)圖2中所描述的方法測(cè)量。實(shí)線曲線顯示了相關(guān)參考值31，其由方程(7)所限定的動(dòng)態(tài)線性模型所確定，所述相關(guān)參考值依據(jù)圖2中所描述的方法來(lái)計(jì)算得出。最底部的點(diǎn)虛線曲線顯示了低的偏差極限 33，其由圖2中所描述的方法來(lái)限定。與圖I中描繪的情況類似，當(dāng)進(jìn)行潤(rùn)滑時(shí)35，結(jié)果產(chǎn)生發(fā)電機(jī)軸承溫度30的非常高的峰值36，這是因?yàn)轱L(fēng)力渦輪機(jī)出現(xiàn)問(wèn)題。但此時(shí)發(fā)電機(jī)軸承溫度曲線30與高的偏差極限曲線32相交，也就是說(shuō)，它超出了高的偏差極限32的相關(guān)值34，因而離開了偏差極限區(qū)域。根據(jù)圖2描述的方法，此時(shí)警報(bào)將被觸發(fā)。這是因?yàn)槠顦O限32，33密切跟隨通過(guò)根據(jù)數(shù)學(xué)項(xiàng)(7)的動(dòng)態(tài)線性模型所給出的參考值31，該動(dòng)態(tài)線性模型又表示根據(jù)這個(gè)示例與運(yùn)作狀態(tài)良好的風(fēng)力渦輪機(jī)的狀態(tài)相關(guān)的發(fā)電機(jī)軸承溫度30。這可能會(huì)導(dǎo)致較少的錯(cuò)誤和更正確的警報(bào)。圖5示出依據(jù)本發(fā)明實(shí)施例的風(fēng)力渦輪機(jī)41和監(jiān)視設(shè)備40的示意性透視圖。所描繪的監(jiān)視設(shè)備40實(shí)現(xiàn)圖2和3中所描述的方法的實(shí)施例。它包括采集系統(tǒng)45，分析系統(tǒng)48和輸出接口 49。在此實(shí)施例中，采集系統(tǒng)45設(shè)計(jì)為根據(jù)圖2所示方法采集單個(gè)風(fēng)力渦輪機(jī)41的測(cè)量值。該采集系統(tǒng)由傳感器42和累計(jì)系統(tǒng)46組成。因此，使用足夠的用來(lái)采集各自物理量的傳感器42，例如溫度傳感器和旋轉(zhuǎn)計(jì)數(shù)器。傳感器42被恰當(dāng)?shù)胤謩e設(shè)置在風(fēng)力渦輪機(jī)41上或者外部環(huán)境中，用來(lái)測(cè)量發(fā)電機(jī)軸承溫度，產(chǎn)生功率，發(fā)電機(jī)轉(zhuǎn)數(shù)，和環(huán)境溫度。累計(jì)系統(tǒng)46被設(shè)計(jì)為處理由傳感器42傳遞的數(shù)據(jù)，并且將數(shù)據(jù)轉(zhuǎn)換為適合于由分析系統(tǒng)48進(jìn)一步處理的測(cè)量值。在此實(shí)施例中，累計(jì)系統(tǒng)46實(shí)現(xiàn)為單個(gè)的獨(dú)立系統(tǒng)。 傳感器42和累計(jì)系統(tǒng)46是空間上分離地實(shí)現(xiàn)而且因此通過(guò)合適的傳輸系統(tǒng)43鏈接到一起，該傳輸系統(tǒng)包括有線的(例如電纜)或無(wú)線的傳輸信道。分析系統(tǒng)48無(wú)線地或通過(guò)數(shù)據(jù)電纜47連接到累計(jì)系統(tǒng)46以傳輸數(shù)字測(cè)量值數(shù)據(jù)。它包括模型接口 51，其用來(lái)生成或檢索線性模型。圖5所示示例中的該模型接口是存儲(chǔ)系統(tǒng)，其用來(lái)存儲(chǔ)線性模型數(shù)據(jù)和緩存數(shù)據(jù)以備后用，例如測(cè)量值。但是該模型接口可以是獲取線性模型的任何接口或用于生成線性模型的程序。分析系統(tǒng)48進(jìn)一步包括各自的處理邏輯50，用于處理圖2中所描繪的操作階段24的第二到第五步驟和也處理根據(jù)圖2所描述的方法的模型調(diào)整。分析系統(tǒng)48通過(guò)專用集成電路(ASIC)來(lái)實(shí)現(xiàn)。監(jiān)視設(shè)備40進(jìn)一步包括輸出接口 49，其通過(guò)各自的數(shù)據(jù)電纜52連接到分析系統(tǒng) 48，用來(lái)將風(fēng)力渦輪機(jī)41的狀態(tài)信息傳輸給輸出接口 49和將使用者輸入數(shù)據(jù)傳輸給分析系統(tǒng)48。輸出接口 49實(shí)現(xiàn)為圖形用戶接口(⑶I)來(lái)顯示特別是由上述分析系統(tǒng)48所生成的狀態(tài)信息和警報(bào)。它也用來(lái)修改或代替線性模型。因此，該圖形用戶接口通過(guò)鍵盤和鼠標(biāo)接受輸入并在計(jì)算機(jī)監(jiān)視器上提供組合的圖形輸出。盡管以優(yōu)選實(shí)施例及其變形的形式已經(jīng)公開了本發(fā)明，可以理解的是，可以實(shí)現(xiàn)眾多附加的改進(jìn)和變形而不違背本發(fā)明的范圍。除了上述的最小二乘方法，其他方法也可以部署來(lái)估計(jì)線性系數(shù)的最佳擬合。什么才是“最佳擬合”依賴于情況和應(yīng)用的線性模型。 有已知的數(shù)學(xué)標(biāo)準(zhǔn)方法，特別是“曲線擬合”方法。從而每個(gè)已知方法都提供長(zhǎng)處和短處。 哪個(gè)方法才是最好的依賴于各個(gè)不同情況并且因此在情況出現(xiàn)時(shí)決定。為了簡(jiǎn)明起見，可以理解的是在本申請(qǐng)中對(duì)“一個(gè)”(“a”或“an”)的使用并不排除多個(gè)的情況，“包括”并不排除其他步驟或組件?！皢卧被颉澳K”可以包括多個(gè)單元或模塊，除非另有聲明。
權(quán)利要求
1.一種用于自動(dòng)監(jiān)視至少一個(gè)風(fēng)力渦輪機(jī)(41)的方法，包括以下過(guò)程步驟(21，23， 18，25，26，27，28，29)-創(chuàng)建或檢索至少一個(gè)線性模型(21，23，18)，該至少一個(gè)線性模型表示風(fēng)力渦輪機(jī) (41)的至少一個(gè)狀態(tài)參數(shù)并且包括多個(gè)線性系數(shù)和至少一個(gè)測(cè)量變量，其中，線性系數(shù)的值基于測(cè)量變量和風(fēng)力渦輪機(jī)(41)的狀態(tài)參數(shù)的測(cè)試測(cè)量值(MVt)確定；-反復(fù)采集(25)測(cè)量變量和風(fēng)力渦輪機(jī)(41)的狀態(tài)參數(shù)的瞬時(shí)測(cè)量值(30)；-通過(guò)使用該線性模型，基于測(cè)量變量的瞬時(shí)測(cè)量值確定(26)狀態(tài)參數(shù)的至少一個(gè)瞬時(shí)參考值；和-基于狀態(tài)參數(shù)的瞬時(shí)測(cè)量值與對(duì)應(yīng)的瞬時(shí)參考值的偏差生成(29)風(fēng)力渦輪機(jī)的狀態(tài)息。
2.如權(quán)利要求I所述的監(jiān)視風(fēng)力渦輪機(jī)(41)的方法，其特征在于至少瞬時(shí)偏差極限 (32，33)基于瞬時(shí)參考值(31)確定，以及所述狀態(tài)信息基于狀態(tài)參數(shù)的瞬時(shí)測(cè)量值(30)是否超過(guò)瞬時(shí)偏差極限(32，33)而生成(29)。
3.如權(quán)利要求I或2所述的監(jiān)視風(fēng)力渦輪機(jī)(41)的方法，其特征在于至少一個(gè)線性模型是線性正態(tài)模型。
4.如權(quán)利要求1-3任一項(xiàng)所述的監(jiān)視風(fēng)力渦輪機(jī)(41)的方法，其特征在于至少一個(gè)線性模型是動(dòng)態(tài)線性模型。
5.如權(quán)利要求1-4任一項(xiàng)所述的監(jiān)視風(fēng)力渦輪機(jī)(41)的方法，其特征在于至少一個(gè)線性模型被補(bǔ)充了一個(gè)或多個(gè)過(guò)濾器步驟來(lái)過(guò)濾有問(wèn)題的測(cè)量值。
6.如權(quán)利要求1-5任一項(xiàng)所述的監(jiān)視風(fēng)力渦輪機(jī)(41)的方法，其特征在于在限定時(shí)期內(nèi)所采集的測(cè)量值被下采樣。
7.如權(quán)利要求1-6任一項(xiàng)所述的監(jiān)視風(fēng)力渦輪機(jī)(41)的方法，其特征在于線性系數(shù)通過(guò)“最小二乘”方法確定。
8.如權(quán)利要求1-7任一項(xiàng)所述的監(jiān)視風(fēng)力渦輪機(jī)(41)的方法，其特征在于線性系數(shù)通過(guò)“魯棒擬合”方法確定。
9.如權(quán)利要求1-8任一項(xiàng)所述的監(jiān)視風(fēng)力渦輪機(jī)(41)的方法，其特征在于所述瞬時(shí)偏差極限(32，33)從模型殘差導(dǎo)出。
10.如權(quán)利要求9所述的監(jiān)視風(fēng)力渦輪機(jī)(41)的方法，其特征在于所述瞬時(shí)偏差極限(32，33)從模型殘差的標(biāo)準(zhǔn)偏差導(dǎo)出。
11.一種創(chuàng)建用于如權(quán)利要求1-10任一項(xiàng)所述的監(jiān)視風(fēng)力渦輪機(jī)(41)的方法的線性模型的方法，該方法包括-建模階段(20)，在其中建立(21)該線性模型，使得該線性模型表示風(fēng)力渦輪機(jī)(41) 的至少一個(gè)狀態(tài)參數(shù)并且包括多個(gè)線性系數(shù)和至少一個(gè)測(cè)量變量；-模型調(diào)整階段(22)，在其中測(cè)量變量和風(fēng)力渦輪機(jī)(41)的狀態(tài)參數(shù)的多個(gè)測(cè)試測(cè)量值被采集或檢索，并且使用測(cè)試測(cè)量值來(lái)確定線性系數(shù)的值。
12.一種用于實(shí)現(xiàn)如權(quán)利要求1-9任一項(xiàng)所述的方法的用于風(fēng)力渦輪機(jī)(41)的自動(dòng)監(jiān)視的監(jiān)視設(shè)備(40)，包括-模型接口(51)，其用來(lái)創(chuàng)建或檢索至少一個(gè)線性模型，該線性模型表示風(fēng)力渦輪機(jī) (41)的至少一個(gè)狀態(tài)參數(shù)并且包括多個(gè)線性系數(shù)和至少一個(gè)測(cè)量變量，其中線性系數(shù)的值基于測(cè)量變量和風(fēng)力渦輪機(jī)(41)的狀態(tài)參數(shù)的測(cè)試測(cè)量值(MVt)確定；-采集系統(tǒng)(45)，其用來(lái)反復(fù)采集測(cè)量變量和風(fēng)力渦輪機(jī)(41)的狀態(tài)參數(shù)的瞬間測(cè)量值(30)；-分析系統(tǒng)(48)，其用來(lái)使用線性模型在測(cè)量變量的瞬時(shí)測(cè)量值(30)的基礎(chǔ)上確定狀態(tài)參數(shù)的至少一個(gè)瞬時(shí)參考值(31)，和用來(lái)在狀態(tài)參數(shù)的瞬時(shí)測(cè)量值與對(duì)應(yīng)的瞬時(shí)參考值 (31)的偏差的基礎(chǔ)上生成風(fēng)力渦輪機(jī)的狀態(tài)信息(29)；-包括至少一個(gè)接口(49)，用于輸出風(fēng)力渦輪機(jī)的狀態(tài)信息。
全文摘要
本發(fā)明涉及一種用于至少一個(gè)風(fēng)力渦輪機(jī)(41)的自動(dòng)監(jiān)視方法，包括以下過(guò)程步驟。第一步驟是創(chuàng)建或檢索至少一個(gè)線性模型，該線性模型代表風(fēng)力渦輪機(jī)的至少一個(gè)狀態(tài)參數(shù)并且包括多個(gè)線性系數(shù)和至少一個(gè)測(cè)量變量，其中，線性系數(shù)值基于測(cè)量變量和風(fēng)力渦輪機(jī)的狀態(tài)參數(shù)的測(cè)試測(cè)量值確定。另一步驟為反復(fù)采集測(cè)量變量和風(fēng)力渦輪機(jī)狀態(tài)參數(shù)的瞬時(shí)測(cè)量值。進(jìn)一步的步驟為通過(guò)使用該線性模型，基于測(cè)量變量的瞬時(shí)測(cè)量值確定狀態(tài)參數(shù)的至少一個(gè)瞬時(shí)參考值。另一步驟為基于狀態(tài)參數(shù)的瞬時(shí)測(cè)量值與對(duì)應(yīng)的瞬時(shí)參考值的偏差生成風(fēng)力渦輪機(jī)的狀態(tài)信息。本發(fā)明還涉及一種用于這樣的監(jiān)視的監(jiān)視設(shè)備和一種創(chuàng)建用于上述方法或監(jiān)視設(shè)備中的線性模型的方法。
文檔編號(hào)F03D7/04GK102588214SQ201210051959
公開日2012年7月18日 申請(qǐng)日期2012年1月17日 優(yōu)先權(quán)日2011年1月17日
發(fā)明者D·弗里德里克森 申請(qǐng)人:西門子公司