[发明专利]用于预测风力涡轮机齿轮箱组件中的可观察损坏的风险的方法和系统

权利要求书

1.一种用于确定风力涡轮机的风力涡轮机齿轮箱的损坏状态的方法，包括：

产生损坏状态诊断，包括：

从所述风力涡轮机获取测量数据集；

将现场操作员提供的现场情报集成到所述测量数据集中；

相对于所述风力涡轮机齿轮箱的已知故障行为，对所述测量数据集进行标准化以产生标准化的测量数据集；

将标准化的测量数据集与所述已知故障行为组合，以产生所述损坏状态诊断；

使用操作数据和状态转移函数产生用于所述风力涡轮机齿轮箱的损坏进展模型；以及

使用混合预诊模型将所述损坏状态诊断与所述损坏进展模型组合，以产生当前损坏状态估计的概率分布。

2.根据权利要求1所述的方法，其中所述混合预诊模型包括基于样本的预测器，并且其中所述方法进一步包括使用所述混合预诊模型产生未来状态预测，所述未来状态预测包括：

达到针对预测时域的临界损坏阈值的所述风力涡轮机齿轮箱的概率，

达到预测时域的时间，以及

风力涡轮机齿轮箱在一个时间步长的系统状态。

3.根据权利要求1所述的方法，其中，所述损坏进展模型包括基于物理的模型。

4.根据权利要求3所述的方法，其中所述基于物理的模型包括有限元分析、计算流体动力学、多体动力学或者线弹性断裂力学中的一个或多个。

5.根据权利要求1所述的方法，其中，所述损坏进展模型包括基于机器学习的模型。

6.根据权利要求1所述的方法，其中所述现场操作员提供的现场情报包括先前见过的故障或损坏的操作员发现。

7.根据权利要求6所述的方法，其中，所述先前见过的故障或损坏的操作员发现包括不存在于管道镜分析中的传闻。

8.根据权利要求6所述的方法，进一步包括使用先前见过的故障或损坏的操作员发现来构建模型。

9.根据权利要求6所述的方法，进一步包括使用先前见过的故障或损坏的操作员发现来构建数据表示。

10.根据权利要求1所述的方法，其中，所述测量数据集包括直接测量数据、间接测量数据、全局行为数据或操作数据中的一个或多个。

11.根据权利要求10所述的方法，其中，所述测量数据集包括直接测量数据，并且获得所述测量数据集包括使用测量单元执行直接测量以获得所述直接测量数据。

12.根据权利要求11所述的方法，其中，所述测量单元包括管道镜。

13.根据权利要求10所述的方法，其中，所述测量数据集包括间接测量数据，并且获得所述测量数据集包括使用温度传感器或振动传感器执行间接测量。

14.根据权利要求10所述的方法，其中全局行为数据包括与所述风力涡轮机类似地配置的一个或多个类似风力涡轮机的操作数据的比较。

15.根据权利要求10所述的方法，其中操作数据包括监督控制和数据采集(SCADA)数据。

16.根据权利要求15所述的方法，其中所述SCADA数据包括系统输入数据、系统输出数据或系统日志的时间序列中的一个或多个。

17.根据权利要求16所述的方法，其中，所述SCADA数据包括系统输入数据，并且所述系统输入数据包括风速或风向中的一个或多个。

18.根据权利要求16所述的方法，其中，所述SCADA数据包括系统输出数据，并且所述系统输出数据包括生成的电力。