[发明专利]用于监测至少一个风力涡轮机的状态的方法和设备和计算机程序产品

说明书

本发明涉及一种用于监测至少一个风力涡轮机的状态的方法(200)。该方法(200)包括：经由一个或更多个传感器检测第一测量信号(210)，其中，第一测量信号提供与正常状态下的至少一个风力涡轮机的至少一个转子叶片相关的一个或更多个参数；基于正常状态的第一测量信号训练可训练算法(220)；经由所述一个或更多个传感器检测第二测量信号(230)；以及如果基于第二测量信号确定的风力涡轮机的当前状态偏离正常状态，则经由在正常状态下训练的可训练算法识别未确定的异常(240)。

本公开内容涉及用于监测至少一个风力涡轮机的状态的方法和设备，并且涉及计算机程序产品。具体而言，本公开内容涉及使用神经网络来确定风力涡轮机的转子叶片的状态。

背景技术

在用于转子叶片的状态监测的传统方法中，将检测到的测量数据与已知的损坏模式进行比较，并从而获得损坏的程度和类型。为此目的，提供了详细的数据库，该数据库包括损坏模式及其与检测到的测量参数的相关性。特别是对于风力涡轮机的转子叶片，由于其持续不断地进一步开发和改变结构，所以关于损坏模式的所需数据是不完整的或根本不可用的。

因此，需要进一步改进用于监测至少一个风力涡轮机的状态的方法和设备。特别地，需要改进对风力涡轮机的转子叶片的损坏的识别。

发明内容

本公开内容的任务旨在提供用于监测至少一个风力涡轮机的状态的方法和设备以及计算机程序产品，其允许识别风力涡轮机的转子叶片上的损坏。

该任务由独立权利要求的主题解决。

根据本公开内容的实施例，提供了一种用于监测至少一个风力涡轮机的状态的方法。该方法包括：经由一个或更多个传感器检测第一测量信号，其中，第一测量信号提供与正常状态下的至少一个风力涡轮机的至少一个转子叶片相关的一个或更多个参数；基于正常状态的第一测量信号训练可训练算法；经由所述一个或更多个传感器检测第二测量信号；以及，如果基于第二测量信号确定的风力涡轮机的当前状态偏离正常状态，则经由在正常状态下训练的可训练算法识别未确定的异常。

根据本公开内容的其他方面，提供了一种用于监测至少一个风力涡轮机的状态的设备。该设备包括：一个或更多个传感器，其用于检测第一测量信号，其中，第一测量信号提供与正常状态下的至少一个风力涡轮机的至少一个转子叶片相关的一个或更多个参数；以及包括可训练算法的电子设备。该电子设备被配置为基于正常状态的第一测量信号训练可训练算法，接收经由一个或更多个传感器检测到的第二测量信号，以及如果基于第二测量信号确定的风力涡轮机的当前状态偏离正常状态，则识别未确定的异常。

根据本公开内容的另一方面，提供了包括可训练算法的计算机程序产品。可训练算法被配置为基于风力涡轮机的正常状态的第一测量信号进行训练，并且如果基于第二测量信号确定的风力涡轮机的当前状态偏离正常状态，则识别未确定的异常。

本公开内容的优选的可选实施例和特定方面将从从属权利要求、附图和本说明书产生。

根据本公开内容的实施例，在风力涡轮机的未损坏状态下对可训练算法进行训练，该可训练算法可以由例如神经网络提供。在第一次出现改变时，该改变被检测为新的或未确定的异常。例如，可以借助风力涡轮机的转子叶片或其他部分中的传感器来检测测量参数，该测量参数与转子叶片的状态相关。例如，可以借助于加速度传感器来监测转子叶片的自然频率。在转子叶片例如由于损坏而状态改变时，可以观察到转子叶片的自然频率的改变。由于使用可训练算法和新异常识别，因此不必知道损坏模式。因此可以实现对风力涡轮机的转子叶片的改进和简化的损坏识别。

附图说明

在附图中示出并且将在下面详细描述本公开内容的示例性实施例。其中：

图1是根据本公开内容的实施例的用于监测至少一个风力涡轮机的状态的设备的示意图，

图2是根据本公开内容的实施例的用于监测至少一个风力涡轮机的状态的方法的示意图，