1. IntroductionWind energy has grow

1. Introduction
Wind energy has grown considerably in recent decades. The world's approximate annual production of wind power has surged from 50 TWh in 2000 to 550 TWh in 2013 [1]. It is now common to encounter wind farms that have been operation for up to 10 years. With the aging of wind turbine generators (WTGs), issues related to the detection of failures and wear are now of interest [2]. Availability of turbines must be maximized by limiting the downtime required for repairing or changing components. Moreover, operation and maintenance (O&M) costs in wind energy are substantial. These expenses represent one tenth of the total cost of any project [3]: an ability to detect failures in a timely way combined with a knowledge of the state of wear can both improve O&M efficiency.

A great deal work has been done in WTG monitoring. Initially, work was done on condition monitoring systems (CMS) often based on vibration analysis with spectral methods like Fourier and wavelet transforms [4] and [5]. This offered various methods for detecting issues related to the WTG structure and the drive-train components. Since most of the CMS methods are needing the installation of additional sensors, methods based on the Supervisory Control and Data Acquisition (SCADA) system were also proposed [6].

The WTGs faults detection and prediction with SCADA data have also been studied using methods such as benchmark models [7], artificial neural networks [8] and [9]. Avoiding a fault or limiting the downtime of the WTG following a fault is a way to increase the availability of the WTG. However, faults are events occurring on a relatively short time scale and are focussed on only a component at the time.

Some work using the SCADA data and the power curve proposed ways to monitor the WTG's performance with the power curve using certain confidence intervals [10] and [11]. The power curve of a WTG is the relation between the wind speed and the produce power, but can also be regarded as an indicator of the performance of the WTG. A change in the WTG's behavior will result in a change in its power curve [10], [12], [13] and [14].

Often in related work on the topic of power curve monitoring an application a real change in the performance is covered. Control limits or confidence intervals are commonly used [11], [13] and [15]. However, the sensibility of the proposed methods are not discussed. It is not clear which is the smallest shift in the power curve detectable and what is the time needed to be detect a shift of a certain level.

Not much attention has been paid, however, to cases of small and progressive underperformances over the long term (several years). One example of underperformance hard to detect is the erosion of the blades' surface coating, leading to the degradation of aerodynamic properties [16]. The rate of production loss for cases of underperformance is only a few percent per year; still, over time, this rate can reach critical values [17]. But, monitoring must be robust in order to suit the industry. This means, in Statistical Process Control terms (SPC), that Type I and Type II errors must be minimized. Type I error is defined as the detection of an underperformance when there is none and Type II error is to fail to find an actual underperformance [18].

This paper proposes a method for detecting of small underperformances in the production of a WTG, using its power curve and control charts. As mentioned above, a change in the behavior of the WTG will results in a change in the power curve. When used along with control charts, power curve monitoring can be a resourceful tool for operators. Control charts, used in Statistical Process Control (SPC), monitor processes in real time and can raise the alarm when a process goes out of control, i.e. when a process is statistically different from a fault-free reference. Here we will study the use of Exponentially Weighted Moving Average (EWMA) and the Generally Weighted Moving Average (GWMA).

ผลลัพธ์ (ไทย) 1:

1. บทนำพลังงานลมมีการเติบโตอย่างมากในทศวรรษ ของโลกโดยประมาณประจำปีการผลิตพลังงานลมได้เพิ่มขึ้นจาก 50 ตวาใน 2000 550 ตวาใน 2013 [1] ก็ตอนนี้ทั่วไปจะพบฟาร์มลมที่มีการดำเนินงานถึง 10 ปี มีริ้วรอยของกังหันลม (WTGs), ปัญหาที่เกี่ยวข้องกับการตรวจพบความล้มเหลวและการสึกหรอก็น่าสนใจ [2] พร้อมของกังหันต้องขยาย โดยการจำกัดเวลาที่จำเป็นสำหรับการซ่อมแซม หรือเปลี่ยนส่วนประกอบ นอกจากนี้ การดำเนินการและค่าบำรุงรักษา (O & M) พลังงานลมมีมาก ค่าใช้จ่ายเหล่านี้เป็นตัวแทน 1 ใน 10 ของต้นทุนรวมของโครงการใด [3]: ความสามารถในการตรวจสอบความล้มเหลวในทางเวลารวมกับความรู้ของรัฐการสึกหรอทั้งสามารถปรับปรุงประสิทธิภาพ O & Mได้รับการทำงานดีใน WTG ตรวจสอบ เริ่มแรก ทำงานบนระบบ (CMS) ที่มักจะอิงการวิเคราะห์การสั่นสะเทือน ด้วยวิธีสเปกตรัมเช่นฟูริเยร์และเดียวแปลง [4] และ [5] การตรวจสอบเงื่อนไข นี้นำเสนอวิธีการต่าง ๆ สำหรับการตรวจหาปัญหาที่เกี่ยวข้องกับโครงสร้าง WTG และคอมโพเนนต์ไดรฟ์รถไฟ เนื่องจากส่วนใหญ่ของวิธีการ CMS ต้องการติดตั้งเซ็นเซอร์เพิ่มเติม วิธีขึ้นอยู่กับระบบควบคุมกำกับดูแลและซื้อข้อมูล (SCADA) มียังเสนอ [6]WTGs การตรวจหาข้อบกพร่องและการคาดเดาข้อมูล SCADA ได้ยังได้รับการศึกษาโดยใช้วิธีการเช่นมาตรฐานรุ่น [7], เครือข่ายประสาทเทียม [8] และ [9] หลีกเลี่ยงความผิด หรือการจำกัดเวลาของ WTG ข้อผิดพลาดต่อไปนี้คือ วิธีการเพิ่มความพร้อมของ WTG อย่างไรก็ตาม ข้อบกพร่องเป็นเหตุการณ์ที่เกิดขึ้นบนมาตราส่วนเวลาค่อนข้างสั้น และเน้นไม่ให้คอมโพเนนต์เฉพาะในเวลาบางคนทำงานโดยใช้ข้อมูล SCADA และโค้งพลังงานเสนอวิธีการตรวจสอบประสิทธิภาพของ WTG กับโค้งพลังงานที่ใช้ช่วงความเชื่อมั่น [10] [11] โค้งพลังงานของ WTG ความสัมพันธ์ระหว่างความเร็วลมและการผลิตพลังงาน แต่ยังสามารถถือเป็นตัวบ่งชี้ประสิทธิภาพของ WTG การเปลี่ยนแปลงในลักษณะการทำงานของ WTG จะส่งผลให้การเปลี่ยนแปลงในส่วนพลังงานโค้ง [10], [12], [13] [14] และบ่อยครั้งในการทำงานที่เกี่ยวข้องในหัวข้อโค้งไฟฟ้าตรวจสอบแอพลิเคชันการเปลี่ยนแปลงที่แท้จริงในการทำงานคุ้มครอง ขีดจำกัดควบคุมหรือช่วงความเชื่อมั่นที่ใช้กันทั่วไป [11] , [13] [15] อย่างไรก็ตาม ความหลักแหลมของวิธีการนำเสนอจะไม่กล่าวถึง ไม่ชัดเจนซึ่งเป็นกะที่เล็กที่สุดในโค้งพลังงานสามารถตรวจสอบได้และเวลาที่จำเป็นในการถูกตรวจพบการเปลี่ยนแปลงในระดับที่ได้ไม่ใส่ อย่างไรก็ตาม ในกรณีของ underperformances เล็ก และก้าวหน้าในระยะยาว (หลายปี) ตัวอย่างหนึ่งของ underperformance ยากที่จะตรวจพบมีการกัดเซาะของผิวใบมีดเคลือบ นำไปสู่การเสื่อมสภาพของอากาศพลศาสตร์คุณสมบัติ [16] ขาดทุนการผลิตสำหรับกรณีของ underperformance มีเพียงไม่กี่เปอร์เซ็นต์ต่อปี ยังคง ช่วงเวลา ราคานี้สามารถเข้าถึงค่าวิกฤต [17] แต่ การตรวจสอบจะต้องแข็งแรงมากเพื่อให้เหมาะกับอุตสาหกรรม หมายความ ในแง่การควบคุมกระบวนการเชิงสถิติ (SPC), ที่พิมพ์ I และ II ชนิด ข้อผิดพลาดต้องถูกย่อให้เล็กสุด ประเภทข้อผิดพลาดถูกกำหนดเป็นการตรวจสอบของ underperformance ที่เมื่อไม่มีใครผิดพลาด Type II จะ ล้มเหลวในการค้นหาความจริง underperformance [18]กระดาษนี้เสนอวิธีการในการตรวจจับของ underperformances ขนาดเล็กในการผลิตของ WTG โดยใช้แผนภูมิเส้นโค้งและการควบคุมพลังงาน ดังกล่าวข้างต้น การเปลี่ยนแปลงในพฤติกรรมของ WTG จะเกิดการเปลี่ยนแปลงในโค้งพลังงาน เมื่อใช้พร้อมกับแผนภูมิควบคุม ตรวจสอบโค้งพลังงานสามารถเป็นเครื่องมือที่ครบถ้วนสำหรับผู้ประกอบการ แผนภูมิควบคุม ใช้ในทางสถิติกระบวนการควบคุม (SPC), ตรวจสอบกระบวนการในเวลาจริง และสามารถเพิ่มการปลุกเมื่อกระบวนการออกจากการควบคุม เช่นเมื่อกระบวนการทางสถิติแตกต่างจากการอ้างอิงที่ปราศจาก ที่นี่เราจะเรียนชี้แจงเน้นเคลื่อนไหวเฉลี่ย (EWMA) และโดยทั่วไปเฉลี่ยย้ายเฉลี่ย (GWMA)

ผลลัพธ์ (ไทย) 2:

1. บทนำ
พลังงานลมมีการเติบโตอย่างมากในทศวรรษที่ผ่านมา การผลิตประจำปีของโลกโดยประมาณของพลังงานลมได้เพิ่มขึ้นจาก 50 TWh ใน 2000-550 TWh ในปี 2013 [1] ตอนนี้มันเป็นเรื่องธรรมดาที่จะพบฟาร์มลมที่ได้รับการดำเนินงาน 10 ปีขึ้นไป กับอายุของเครื่องกำเนิดไฟฟ้ากังหันลม (WTGs) ประเด็นที่เกี่ยวข้องกับการตรวจสอบของความล้มเหลวและสวมใส่อยู่ในขณะนี้ที่น่าสนใจ [2] ความพร้อมใช้งานของกังหันต้องได้รับการขยายโดยการ จำกัด การหยุดทำงานที่จำเป็นสำหรับการซ่อมหรือเปลี่ยนชิ้นส่วน นอกจากนี้การดำเนินงานและการบำรุงรักษา (O & M) ค่าใช้จ่ายในการใช้พลังงานลมมาก ค่าใช้จ่ายเหล่านี้เป็นตัวแทนหนึ่งในสิบของค่าใช้จ่ายทั้งหมดของโครงการใด ๆ [3]:. ความสามารถในการตรวจสอบความล้มเหลวในทางที่ทันเวลารวมกับความรู้ของรัฐของการสวมใส่ทั้งสามารถปรับปรุง O & M มีประสิทธิภาพการ

ทำงานการจัดการที่ดีได้รับการดำเนินการในการตรวจสอบ WTG . ในขั้นต้นการทำงานได้รับการดำเนินการเกี่ยวกับระบบการตรวจสอบสภาพ (CMS) มักจะอยู่บนพื้นฐานของการวิเคราะห์การสั่นสะเทือนด้วยวิธีการเช่นสเปกตรัมฟูริเยร์และการแปลงเวฟ [4] และ [5] นี้นำเสนอวิธีการต่างๆในการตรวจสอบปัญหาที่เกี่ยวข้องกับโครงสร้างและส่วนประกอบ WTG ไดรฟ์รถไฟ เนื่องจากส่วนใหญ่วิธี CMS จะต้องติดตั้งเซ็นเซอร์เพิ่มเติมวิธีบนพื้นฐานของการควบคุมกำกับดูแลและการได้มาซึ่งข้อมูล (SCADA) นอกจากนี้ยังได้รับการเสนอ [6].

WTGs การตรวจสอบความผิดพลาดและการทำนายกับข้อมูล SCADA ยังได้รับการศึกษาโดยใช้วิธีการดังกล่าว เป็นแบบจำลองมาตรฐาน [7] เครือข่ายประสาทเทียม [8] และ [9] หลีกเลี่ยงความผิดหรือ จำกัด การหยุดทำงานของ WTG ต่อไปนี้ความผิดเป็นวิธีที่จะเพิ่มความพร้อมของ WTG ที่ แต่ความผิดพลาดเป็นเหตุการณ์ที่เกิดขึ้นในระยะเวลาอันสั้นและจะเน้นเฉพาะส่วนที่ในเวลานั้น.

บางคนทำงานโดยใช้ข้อมูล SCADA และเส้นโค้งพลังงานที่นำเสนอวิธีการในการตรวจสอบประสิทธิภาพการทำงาน WTG กับเส้นโค้งพลังงานโดยใช้ช่วงความเชื่อมั่นบาง [10 ] และ [11] โค้งอำนาจของ WTG เป็นความสัมพันธ์ระหว่างความเร็วลมและพลังงานการผลิต แต่ยังสามารถได้รับการยกย่องเป็นตัวบ่งชี้ประสิทธิภาพการทำงานของ WTG ๆ การเปลี่ยนแปลงในพฤติกรรม WTG จะส่งผลให้เกิดการเปลี่ยนแปลงในโค้งอำนาจของตน [10] [12] [13] และ [14].

บ่อยครั้งในการทำงานที่เกี่ยวข้องกับหัวข้อของเส้นโค้งอำนาจการตรวจสอบการประยุกต์ใช้การเปลี่ยนแปลงที่แท้จริงในการปฏิบัติงานที่ ได้รับการคุ้มครอง ขีด จำกัด ของการควบคุมหรือช่วงความเชื่อมั่นเป็นที่นิยมใช้ [11] [13] และ [15] แต่ความรู้สึกของวิธีการที่นำเสนอจะไม่กล่าวถึง มันจะไม่ชัดเจนซึ่งเป็นกะที่เล็กที่สุดในโค้งอำนาจที่ตรวจพบและสิ่งที่เป็นเวลาที่จะต้องตรวจสอบการเปลี่ยนแปลงของระดับบางอย่าง.

ไม่ได้ให้ความสนใจมากได้รับการชำระเงินอย่างไรกับกรณีของ underperformances ขนาดเล็กและมีความก้าวหน้าในระยะยาว (หลายปี). ตัวอย่างหนึ่งของผลประกอบยากที่จะตรวจสอบคือการพังทลายของเคลือบผิวใบมีด 'ที่นำไปสู่การสลายตัวของคุณสมบัติพลศาสตร์ [16] อัตราการสูญเสียการผลิตสำหรับกรณีของการ underperformance เป็นเพียงไม่กี่เปอร์เซ็นต์ต่อปี ยังคงเมื่อเวลาผ่านไปอัตรานี้สามารถเข้าถึงค่าที่สำคัญ [17] แต่การตรวจสอบจะต้องมีประสิทธิภาพในการสั่งซื้อเพื่อให้เหมาะกับอุตสาหกรรม ซึ่งหมายความว่าในแง่สถิติ Process Control (SPC) ซึ่ง Type I และ Type II ข้อผิดพลาดจะต้องลดลง ผิดพลาดประเภทที่ถูกกำหนดให้เป็นการตรวจสอบของ underperformance เมื่อมีใครและประเภทข้อผิดพลาดเป็นครั้งที่สองที่จะล้มเหลวที่จะหา underperformance จริง [18].

กระดาษนี้นำเสนอวิธีการสำหรับการตรวจสอบของ underperformances เล็ก ๆ ในการผลิตของ WTG ที่ใช้มัน โค้งอำนาจและการควบคุมชาร์ต ดังกล่าวข้างต้นมีการเปลี่ยนแปลงในลักษณะการทำงานของ WTG จะส่งผลให้เกิดการเปลี่ยนแปลงในโค้งอำนาจ เมื่อนำมาใช้พร้อมกับแผนภูมิควบคุมตรวจสอบโค้งอำนาจสามารถเป็นเครื่องมือที่มั่งคั่งสำหรับผู้ประกอบการ แผนภูมิควบคุมที่ใช้ในการควบคุมกระบวนการทางสถิติ (SPC) ตรวจสอบกระบวนการในเวลาจริงและสามารถยกระดับการเตือนภัยเมื่อกระบวนการออกไปจากการควบคุมเช่นเมื่อกระบวนการเป็นสถิติที่แตกต่างจากการอ้างอิงความผิดฟรี ที่นี่เราจะศึกษาการใช้ชี้แจง Weighted Moving Average (EWMA) และถ่วงน้ำหนักโดยทั่วไปค่าเฉลี่ยเคลื่อนที่ (GWMA) เดอะ

ผลลัพธ์ (ไทย) 3:

1 . แนะนำพลังงานลมเติบโตขึ้นอย่างมากในทศวรรษที่ผ่านมา . ของโลกประมาณปีการผลิตพลังงานลมได้เพิ่มขึ้นจาก 50 ถึง 550 ชั้นนำชั้นนำใน 2000 บาท [ 1 ] คือตอนนี้ที่พบเจอลมฟาร์มที่ได้รับการผ่าตัดนานถึง 10 ปี กับอายุของกังหันลมปั่นไฟ ( wtgs ) , ปัญหาที่เกี่ยวข้องกับการตรวจสอบของความล้มเหลวและใส่อยู่ตอนนี้สนใจ [ 2 ] ห้องพักของกังหันจะต้องขยายใหญ่โดยการ จำกัด ที่จำเป็นสำหรับการซ่อมแซมเสียก่อนหรือเปลี่ยนส่วนประกอบ นอกจากนี้ การใช้และบำรุงรักษา ( O & M ) ค่าใช้จ่ายในลมพลังงานที่สำคัญ ค่าใช้จ่ายเหล่านี้เป็นตัวแทนของหนึ่งในสิบของค่าใช้จ่ายทั้งหมดของโครงการใด ๆ [ 3 ] : มีความสามารถในการตรวจสอบความล้มเหลวในลักษณะทันเวลา รวมกับความรู้ของรัฐใส่ทั้งสองสามารถปรับปรุงประสิทธิภาพ O & M .มากได้รับการทำใน wtg งานตรวจสอบ ในตอนแรก งานทำในระบบการตรวจสอบเงื่อนไข ( CMS ) มักจะขึ้นอยู่กับการวิเคราะห์การสั่นสะเทือนด้วยวิธีการและชอบวิธีการแปลงฟูเรียร์ [ 4 ] และ [ 5 ] นี้เสนอวิธีการต่าง ๆเพื่อตรวจสอบประเด็นที่เกี่ยวข้องกับ wtg โครงสร้างและรถไฟไดรฟ์ส่วนประกอบ เนื่องจากส่วนใหญ่ของ CMS แบบต้องติดตั้งเซ็นเซอร์เพิ่มเติม วิธีการขึ้นอยู่กับการตรวจสอบและเก็บข้อมูล ( SCADA ) ระบบยังเสนอ [ 6 ]การ wtgs ข้อบกพร่องการตรวจสอบและการทำนายข้อมูล SCADA ได้นอกจากนี้ได้ศึกษาการใช้วิธีการเช่นมาตรฐานแบบจำลองโครงข่ายประสาทเทียม [ 7 ] , [ 8 ] และ [ 9 ] การหลีกเลี่ยงความผิด หรือ จำกัด การล่มของ wtg ตามความผิดเป็นวิธีที่จะเพิ่มความพร้อมของ wtg . อย่างไรก็ตาม ความผิดพลาดเป็นเหตุการณ์ที่เกิดขึ้นในเวลาที่ค่อนข้างสั้น ขนาด และจะเน้นเฉพาะส่วนที่เวลาทำงานโดยใช้ SCADA ข้อมูลและเส้นโค้งพลังงานเสนอวิธีการตรวจสอบประสิทธิภาพของ wtg กับเส้นโค้งไฟฟ้าโดยใช้ช่วงความเชื่อมั่นบางอย่าง [ 10 ] และ [ 11 ] เส้นโค้งพลังงานของ wtg คือ ความสัมพันธ์ระหว่างความเร็วของลมและผลิตไฟฟ้า แต่ก็ยังถือว่าเป็นตัวชี้วัดประสิทธิภาพของ wtg . การเปลี่ยนแปลงในพฤติกรรมของ wtg จะส่งผลในการเปลี่ยนแปลงในอำนาจโค้ง [ 10 ] [ 12 ] [ 13 ] และ [ 14 ]มักจะอยู่ในงานที่เกี่ยวข้อง ในเรื่องของการตรวจสอบการเปลี่ยนแปลงที่แท้จริงในการแสดงเส้นโค้งพลังงานครอบคลุม จำกัดควบคุม หรือช่วงความเชื่อมั่นใช้ทั่วไป [ 11 ] , [ 13 ] และ [ 15 ] อย่างไรก็ตาม ความรู้สึกของวิธีที่เสนอจะไม่กล่าวถึง มันไม่ชัดเจนซึ่งมีขนาดเล็กที่สุดเปลี่ยนเส้นโค้งพลังงานได้และอะไรคือเวลาที่จะต้องตรวจสอบการเปลี่ยนแปลงของระดับหนึ่งให้ความสนใจไม่มากได้รับการชำระเงิน อย่างไรก็ตาม กรณีของ underperformances ขนาดเล็กและก้าวหน้ากว่าระยะยาว ( หลายปี ) ตัวอย่างหนึ่งของการ underperformance ยากที่จะตรวจพบ คือ การพังทลายของเลนซ์ " การเคลือบผิว ทำให้เกิดการย่อยสลายของอากาศพลศาสตร์ คุณสมบัติ [ 16 ] อัตราการสูญเสียของการผลิตกรณี underperformance เป็นเพียงไม่กี่เปอร์เซ็นต์ต่อปี แต่ช่วงเวลา อัตรานี้สามารถเข้าถึงที่สำคัญค่า [ 17 ] แต่การตรวจสอบต้องมีเสถียรภาพ เพื่อให้เหมาะสมกับอุตสาหกรรม ซึ่งหมายความว่าในแง่การควบคุมกระบวนการทางสถิติ ( SPC ) , ชนิด และ 2 ประเภทต้องมีข้อผิดพลาดน้อยที่สุด ประเภทที่ 1 หมายถึง การตรวจหาการ underperformance เมื่อไม่มี และประเภทที่สองข้อผิดพลาดล้มเหลวที่จะหา underperformance จริง [ 18 ]บทความนี้เสนอวิธีการตรวจหา underperformances ขนาดเล็กในการผลิตของ wtg โดยใช้เส้นโค้งพลังงานและการควบคุมแผนภูมิ ดังที่ได้กล่าวข้างต้น การเปลี่ยนแปลงในพฤติกรรมของ wtg จะส่งผลในการเปลี่ยนแปลงในอำนาจโค้ง เมื่อใช้ร่วมกับแผนภูมิควบคุม พลังโค้งการตรวจสอบสามารถเป็นเครื่องมือข้อมูลสำหรับผู้ประกอบการ แผนภูมิควบคุมที่ใช้ในการควบคุมกระบวนการทางสถิติ ( SPC ) ตรวจสอบกระบวนการในเวลาจริงและสามารถเพิ่มการเตือนเมื่อกระบวนการไปออกจากการควบคุม เช่น เมื่อกระบวนการจะแตกต่างกันจากความผิดฟรีอ้างอิง ที่นี่เราจะศึกษาการใช้ชี้แจงถัวเฉลี่ยเคลื่อนที่ ( ewma ) และโดยทั่วไปมีน้ำหนักเฉลี่ยเคลื่อนที่ ( gwma )