[发明专利]风力涡轮机更换日程

权利要求书

1.一种估计风力涡轮机的部件、特别是机械部件的更换日程的方法，所述方法包括：

估计直到所述部件被更换时的剩余可产生能量（5、11、13、15）。

2.根据前一权利要求所述的方法，还包括：

检测指示所述部件的故障的物理量的值（19）；

如果所述值（19）超过阈值（24），则开始估计所述剩余可产生能量（5、11、13、15），

所述方法特别是还包括：

进一步基于所述量的检测值（19）来估计所述剩余可产生能量。

3.根据前一权利要求所述的方法，其中，指示所述部件的所述故障的所述物理量包括振动，特别是通过靠近所述部件的传感器测量的振动，

其中，所述部件特别是包括轴承，特别是主旋转轴的轴承。

4.根据前述权利要求中任一项所述的方法，其中，估计所述剩余可产生能量（5、11、13、15）在所述风力涡轮机的电力生产期间执行。

5.根据前述权利要求中任一项所述的方法，其中，估计所述剩余可产生能量（5、11、13、15）使用机器学习，包括：

使用已通过来自多个训练风力涡轮机的训练数据训练的神经网络（1），特别是递归神经网络，所述训练数据包括输入参数的训练值和至少一个输出参数的训练值，

所述输入参数包括至少一个风力涡轮机操作参数和/或至少一个环境状况参数；

所述至少一个输出参数指示直到所述部件被更换时的所述剩余可产生能量。

6.根据前一权利要求所述的方法，所述训练风力涡轮机包括具有相同或相似故障的相同或相似部件。

7.根据前两项权利要求中任一项所述的方法，其中，估计所述剩余可产生能量包括使用神经网络，包括：

将所述输入参数的测试值（3）提供给经训练的神经网络，所述测试值与所述风力涡轮机有关；

通过经训练的神经网络输出与所述风力涡轮机有关的所述剩余可产生能量的概率分布（5、11）。

8.根据前一权利要求所述的方法，其中，针对未来的多个时间点给出所述概率分布（11）。

9.根据前两项权利要求中任一项所述的方法，其中，使用以下各项中的一项作为在期望时间点处的所述剩余可产生能量（5、11、13、15）的估计：

所述期望时间点处的概率分布的平均数；

中位数（13）；

众数（15）；

集密度。

10.根据前述权利要求5至9中任一项所述的方法，其中，训练所述神经网络包括：

通过应用成本函数，根据所述训练数据针对它们对于到达所述输出参数的相应训练值的重要性，而对所述输入参数进行加权。

11.根据前述权利要求中任一项所述的方法，其中，所述至少一个风力涡轮机操作参数包括以下至少一项：

功率输出；

安装多个转子叶片的旋转轴的旋转速度；

发电机的转矩；

能量扩散；

所述部件的构造特性。

12.根据前述权利要求中任一项所述的方法，其中，所述至少一个环境状况参数包括以下至少一项：

风速；

风湍流；

湿度；

温度。

13.根据前述权利要求中任一项所述的方法，还包括：

如果所述剩余可产生能量小于能量阈值，特别是基本上为零，则指示更换所述部件。

14.一种操作风力涡轮机的方法，包括：

执行根据前述权利要求中任一项所述的方法；

操作所述风力涡轮机以便基于估计的剩余可产生能量来优化功率输出。

15.一种用于估计风力涡轮机的部件、特别是机械部件的更换日程、特别是风力涡轮机的更换日程的装置（1），所述装置适于控制或执行根据前述权利要求中任一项所述的方法。