Beschreibung:

Die Erfindung betrifft ein Verfahren und eine Anlage zur Überwachung bzw. Analyse eines oder mehrerer elektrischer Antriebe einer elektromechanischen Anlage, z. B. einer Windrichtungsnachführung einer Windkraftanlage, wobei der oder die Antriebe z. B. als Stellmotoren auf ein bewegbares Maschinenelement der Anlage arbeiten, z. B. auf einen Lagerung eines Azimutlagers arbeiten.

Bei der elektromechanischen Anlage handelt es sich z. B. um eine Windrichtungsnachführung einer Windkraftanlage, mit der die Gondel der Windkraftanlage in Richtung der vorherrschenden Windrichtung gehalten bzw. eingestellt wird. Für diesen Zweck ist die Gondel der Windkraftanlage drehbar an einem Turm bzw. Turmkopf gelagert. Bei großen Anlagen erfolgt die Windrichtungsnachführung aktiv mithilfe eines oder mehrerer Antriebe, die bevorzugt als elektrische Antriebe ausgebildet sind. Diese Antriebe, die auch als Azimutantriebe bezeichnet werden, arbeiten als Stellmotoren z. B. auf den Lagerring des Azimutlagers bzw. Turmkopflagers, bei dem es sich z. B. um ein Großwälzlager mit Außenverzahnung oder Innenverzahnung handeln kann. Die Antriebe können z. B. als Getriebemotoren mit einem abtriebsseitigen Ritzel, mehreren koaxialen Planetengetriebestufen und einem angeflanschten Wechselstrommotor ausgebildet sein. In den Motor ist gegebenenfalls eine Stillstandsbremse integriert. Zusätzlich sind z. B. ein oder mehrere Azimutbremsen realisiert. Dabei werden verschiedene Varianten realisiert, z. B. mit innenliegender Verzahnung des Azimutlagers mit innenliegender Azimutbremse oder mit innenliegende Verzahnung des Azimutlagers mit außenliegender

Azimutbremse, sowie mit außenliegender Verzahnung des Azimutlagers mit innenliegender Azimutbremse oder außenliegender Verzahnung des Azimutlagers mit außenliegender Azimutbremse. Stets sind mehrere elektromotorische Antriebe vorgesehen, die gemeinsam auf einen Lagerring des Azimutlagers arbeiten.

Die elektrischen Antriebe sind z. B. als einphasige oder mehrphasige Wechselstromantriebe bzw. Drehstromantriebe ausgebildet, das heißt, sie werden mit einphasigem oder mehrphasigem Wechselstrom (Drehstrom) betrieben. Alternativ umfasst die Erfindung aber auch Anlagen mit einem oder mehreren Gleichstromantrieben.

Windkraftanlagen und insbesondere deren Windrichtungsnachführung sind in der Praxis hohen Belastungen ausgesetzt, so dass sie einem Verschleiß unterliegen und Schäden auftreten können. Die zuverlässige Erkennung von Schäden an der Windnachführung und insbesondere an den Antrieben der Windnachführung ist in der Praxis von großer Bedeutung, da Ausfälle zu Stillstandzeiten und damit hohen Kosten bzw. Schäden beim Betreiber führen. Bei den in der Praxis bekannten Anlagen lassen sich Schäden an den Antrieben der Windnachführung bislang nur unzuverlässig erkennen. Dieses hat zur Folge, dass bei einem nicht erkannten Schaden an einem Antrieb weitere Komponenten, z. B. weitere Getriebe und Elektromotoren oder auch Zahnkränze oder Lager beschädigt oder zerstört werden können. Durch bekannte, passive Schutzmaßnahmen lässt sich eine solche Fehlerfortpflanzung nur unzureichend unterbinden. Dieses hängt damit zusammen, dass die Ströme der Elektromotoren, die grundsätzlich zur Überwachung des Antriebes herangezogen werden können, einer hohen Dynamik unterliegen und es stetig zu Varianzen in der Stromaufnahme kommt, die auch dauerhaft auftreten können. Solche Schwankungen in der Stromaufnahme entstehen z. B. durch die Wind-

last der Gondel, Unwucht der Rotorblätter, Drehzahl des Rotors, Unwucht des Generators, Temperatur der Motorwicklung und Zuleitung, Schlupf des Motors, Messungenauigkeiten, Motortoleranzen (Stromaufnahme), Toleranzen des Zahnkranzes, Toleranzen der Motorgetriebe, Zustand der Motorbremse und/oder Zustand des Gondellagers. Es ist ebenso der hohen Dynamik in der Stromaufnahme der Elektromotoren geschuldet, dass ein schleichendes Eintreten der Defekte der Antriebe mit einer herkömmlichen (manuellen) Strommessung im Wartungskontext oder bei einem Serviceeinsatz nicht immer zuverlässig erkannt werden können.

Hinzu kommt, dass defekte Antriebe überwiegend Normwerte in der Stromaufnahme liefern, so dass übliche Schutzeinrichtungen (Motorschutzschalter, Leistungsschutzschalter) nicht auslösen. Im Übrigen wird die Gondel auch bei einem defekten Antrieb oder mehreren defekten Antrieben zumeist weiter nach Wind ausgerichtet, indem die verbleibenden, funktionstüchtigen Antriebe die Arbeit übernehmen. Diese werden dabei übermäßig belastet. Auch eine solche übermäßige Belastung der verbliebenen Antriebe führt jedoch nicht zu einer Auslösung der Schutzeinrichtung, da das Windnachführungssystem nicht dauerhaft verfährt, sondern im Durchschnitt lediglich einige Sekunden, was bei einem durchschnittlichen erhöhten Stromfluss nicht zur Auslösung der thermischen Schutzeinrichtung führen kann. Durch die entstandene Mehrbelastung der verbliebenen Antriebe folgen weitere Antriebschäden. Häufig löst die herkömmliche Schutzeinrichtung erst aus, wenn z.B. drei von vier Antrieben defekt sind und der letzte verbliebene Antriebe derart hoch belastet wird, dass thermische Schutzeinrichtungen auslösen oder die Anlagensteuerung aufgrund der fehlenden Windnachführung stoppt.

Ein Condition Monitoring System für einen Motor ist z. B. aus der WO 2011/069545 bekannt, wobei die Condition Monitoring Funktion des Motors

durch das Motorlagerschild erzielt werden soll. Dazu umfasst das Motorlagerschild eine Sensoreinheit zur Erfassung einer Messgröße des Motors, ein Kommunikationsmittel und eine Versorgungseinheit zur Versorgung der Sensoreinheit mit Energie. Die Sensoreinheit kann z. B. Mittel zur Lagerstrommessung oder zur Messung der Temperatur des Motors oder der Unwucht des Motors oder auch akustische Schwingungen aufweisen. Mit einem derartigen Condition Monitoring System lassen sich die üblichen, in einem Windnachführungssystem auftretenden Defekte nicht zuverlässig erkennen, da die Messgrößen der Elektromotoren im Normbereich bleiben bis erfahrungsgemäß lediglich ein funktionstüchtiger Antrieb die Windnachführung übernimmt. - Hier setzt die Erfindung ein.

Im Übrigen wird in der US 2008/0183428 A1 ein Verfahren zur Überwachung des Betriebes eines Bandlaufwerkes beschrieben, das als Speichermedium eingesetzt wird. Dabei werden Motorströme der Antriebe eines solchen Bandlaufwerkes gemessen und mit zuvor gespeicherten, theoretischen Werten verglichen. Es können statistische Werte sowohl für die gemessenen Ströme als auch für die theoretischen Ströme bestimmt und miteinander verglichen werden. Stets erfolgt die Analyse auf der Basis von zuvor theoretisch errechneten Stromwerten.

Die US 2016/0371958 A1 offenbart ein Fitnessgerät, nämlich ein Laufband, wobei der Betrieb bzw. der Verschleiß des Laufbandes überwacht werden soll. Dazu erfolgt die Aufzeichnung des Motorstroms bei verschiedenen Geschwindigkeiten des Laufbandes, so dass Messwerte bei unterschiedlichen Geschwindigkeiten aufgezeichnet und diese unterschiedlich gewichtet werden, und zwar in Abhängigkeit von der Geschwindigkeit.

Schließlich befasst sich die US 2006/0250102 A1 mit einem Verfahren zur Steuerung bzw. Überwachung eines Motors, wobei als Betriebsparameter z. B. der Strom eines Motors gemessen werden kann. Dieser wird mit Schwellen- und Grenzwerten verglichen, die aus statistisch erfassten Werten ermittelt werden können.

Der Erfindung liegt die Aufgabe zugrunde, ein Verfahren zu schaffen, mit dem sich ein oder mehrere elektrische Antriebe einer elektromechanischen Anlage auf einfache und zuverlässige Weise analysieren und/oder überwachen lassen, und zwar insbesondere um Schäden und/oder Verschleißerscheinungen an einzelnen Antrieben früh und zuverlässig zu erkennen oder bereits im Vorfeld zu vermeiden.

Zur Lösung dieser Aufgabe lehrt die Erfindung bei einem gattungsgemäßen Verfahren zur Überwachung eines oder mehrerer elektrischer Antriebe einer elektromechanischen Anlage, dass während des Betriebes des Antriebes bzw. der Antriebe ein oder mehrere Motorströme eines oder mehrerer Antriebe mit einer vorgegebenen Abtastrate gemessen und als dem jeweiligen Strom (bzw. der Phase) des jeweiligen Antriebes zugeordnete Messwertreihen mit jeweils einer vorgegebenen Anzahl von Messwerten gespeichert werden, dass jeweils aus einer oder aus mehreren Messwertreihen statistische Kennwerte statistische Kennwerte berechnet (und gegebenenfalls zwischengespeichert) werden und dass durch Analyse der zeitlichen Entwicklung der Kennwerte und/oder durch Analyse eines Zusammenhangs der Kennwerte verschiedener Motorströme

eine oder mehrere Zustandsinformationen und/oder Zustandsprognosen für einen oder mehrere Antriebe erzeugt wird/werden.

Erfindungsgemäß werden der oder die Ströme, z. B. die einzelnen Phasenströme einer oder mehrerer Phasen und vorzugsweise eines oder mehrerer elektrischer Antriebe mit einer hohen Abtastrate aufgenommen, gespeichert und statistisch ausgewertet, so dass aus einer großen Menge an Messwerten statistische Kennwerte ermittelt werden, aus denen Schlüsse und gegebenenfalls Prognosen über den Anlagenzustand bzw. den Zustand der Antriebe gewonnen werden können. Hohe Abtastrate meint im Rahmen der Erfindung eine Abtastrate von mehr als 0,2 Hz, z. B. zumindest 0,5 Hz, vorzugsweise zumindest 1 Hz. In der Regel ist eine Abtastrate von weniger als 10 Hz, z. B. weniger als 5 Hz ausreichend, um zu große Datenmengen zu vermeiden. Besonders bevorzugt wird folglich zumindest ein Messwert pro Sekunde gemessen. Eine erfindungsgemäße Anlage wird folglich mit geeigneten Messeinrichtungen zur Messung der Ströme der einzelnen Antriebe mit einer solchen Abtastrate ausgerüstet. Die Messwerte werden als Messwertreihen in einer Datenbank gespeichert und mit einem Algorithmus zur Anomalieerkennung statistisch bzw. stochastisch ausgewertet.

Erfindungsgemäß werden der Strom oder die Ströme des Antriebes bzw. der Antriebe gemessen. Dabei kann es sich z. B. um die jeweiligen Momentanwerte, den Gleichrichtwert oder den Effektivwert handeln.

Bevorzugt wird das Verfahren bei einer Anlage eingesetzt, bei welcher mehrere Antriebe vorgesehen sind, die z. B. jeweils als Mehrphasenantriebe mit jeweils mehreren Phasen ausgebildet sind. So kann es sich bevorzugt um eine Windrichtungsnachführung handeln, bei der mehrere (z. B. vier) elektrische Mehrphasenantriebe auf ein gemeinsames Maschinenelement, nämlich auf

einen Lagerring eines Azimutlagers arbeiten. Das Verfahren lässt sich aber auch bei anderen Anlagentypen mit einem oder mehreren Antrieben einsetzen, wobei der bzw. die Antriebe als Einphasen- oder Mehrphasenantriebe und/oder als Gleichstromantriebe ausgebildet sein können. So kommen z. B. auch bei Windkraftanlagen Gleichstromantriebe für eine Notfahrt, z. B. im Zusammenhang mit der Blattverstellung zum Einsatz.

Bevorzugt werden für jeden Motorstrom bzw. jede einzelne Phase jedes einzelnen Antriebes ständig Messwertreihen mit jeweils einer Vielzahl von Messwerten aufgenommen, wobei jede Messwertreihe z. B. 100 bis 2000 Messwerte aufweisen kann, vorzugsweise 400 bis 1000 Messwerte. Beispielsweise können Messwertreihen mit jeweils 600 Messwerten aufgenommen werden. Es werden folglich bevorzugt einzelne „Cluster“ zu je m Messpunkten, z. B. 600 Messpunkten gebildet. Die Messwertreihen, die z. B. einen Motorbetrieb von zehn Minuten zusammenfassen, müssen nicht ununterbrochen aufgenommen werden, sondern können sich auch aus mehreren Betriebsphasen zusammensetzen, z. B. bei einer Windrichtungsnachführung, bei der die Antriebe jeweils nur wenige Sekunden betrieben werden, so dass sich eine Messwertreihe aus einer Vielzahl von Nachführungsphasen zusammensetzt.

Auf der Basis der Messwertreihen erfolgt die Auswertung und Analyse. Im ersten Schritt der Auswertung werden aus den Messwertreihen statistische Kennwerte berechnet.

Dabei kann es sich um statistische Kennwerte handeln, die lediglich einen Motorstrom eines Antriebes bzw. eine einzelne Phase eines einzelnen Antriebes charakterisieren, ohne dass eine Korrelation zwischen einzelnen Phasen oder Antrieben betrachtet wird. Bei solchen statistischen Kennwerten, die jeweils einer einzelnen Phase eines einzelnen Antriebes zugeordnet sind,

kann es sich z. B. um die Mittelwerte jeder einzelnen Phase, die Messwertdichte, den RMS (Root Mean Square) der Messwertreihe, den Wert der höchsten Messwertdichte, das Minimum, das Maximum, die Standardabweichung, die Varianz, das erste Sigma, das zweite Sigma, das dritte Sigma oder den Median handeln. Es können auch statistische Kennwerte aus den Werten mehrerer Messwertreihen berechnet werden, z. B. der Mittelwert der gesamten Phasen eines Antriebes.

Alternativ oder ergänzend werden statistische Kennwerte aus den Messwertreihen mehrerer Phasen und/oder mehrerer Antriebe berechnet, die eine Korrelation bzw. einen Zusammenhang zwischen mehreren Phasen oder mehreren Antrieben kennzeichnen. Dabei kann es sich z. B. um die Kovarianz der Messwertreihen bzw. Messwertverläufe handeln, z. B. die Kovarianzen der Messwerteverläufe M (1 , 2, 3, 4) L1 zu M (1 , 2, 3, 4) L2 oder M (1 , 2, 3, 4) L2 zu M (1 , 2, 3, 4) L3 oder M (1 , 2, 3, 4) L3 zu M (1 , 2, 3, 4) L1. In der gleichen Weise können z. B. die Korrelationskoeffizienten für diese jeweiligen Paare von Messwertreihen berechnet werden.

In einem zweiten Schritt der Auswertung werden die berechneten, statistischen Kennwerte in einer Auswerteeinrichtung gespeichert, und dabei vorzugsweise jeweils mit einem Zeitstempel versehen. Die Auswerteeinrichtung kann insbesondere einen Datenbankserver umfassen, in dem die berechneten, statistischen Kennwerte gespeichert werden.

In einem dritten Schritt erfolgt die Einordnung bzw. Analyse der zuvor berechneten, statistischen Kennwerte, wobei es sich - wie oben beschrieben - zum einen um statistische Kennwerte handeln kann, die einzelnen Strömen bzw. einzelnen Phasen einzelner Antriebe zugeordnet sind (z. B. Mittelwerte, Varianz) oder um statistische Kennwerte, die bereits einen Zusammenhang

zwischen einzelnen Phasen einzelner Antriebe oder den Phasen verschiedener Antriebe repräsentieren (z. B. Kovarianz, Korrellationskoeffizient).

In einer möglichen ersten Ausführungsformen erfolgt bei der Auswertung eine Einordnung der Messwerte, die eine Korrelation zwischen mehreren Phasen bzw. mehreren Antrieben repräsentieren, z. B. eine Auswertung der Kovarianzen oder Korrelationskoeffizienten, um daraus eine Zustandsinformation für einen oder mehrere Antriebe zu erzeugen. So ergeben z. B. bei funktionstüchtigen, neuen Antrieben niedrige Kovarianzen zwischen den Phasen/Antrieben. Kommt es demgegenüber zu einer höheren Kovarianz zwischen einzelnen Phasen bzw. einzelnen Antrieben, lässt sich daraus auf einen Fehler des jeweiligen Antriebes schließen. Dabei ist es zweckmäßig, nicht die Absolutwerte der Kovarianz zu betrachten oder die Kovarianz in einer aktuellen Situation mit bestimmten Grenzwerten oder Schwellwerten für die Kovarianz zu vergleichen, sondern es ist besonders zweckmäßig, den zeitlichen Verlauf der Kovarianz zu analysieren, um auf diese Weise auffällige Entwicklungen zu erkennen, die auf einen Schaden oder eine Anomalie hinweisen, die in Zukunft zu einem Schaden führen kann. Voraussetzung für die Auswertung bzw. Analyse des zeitlichen Verlaufs der Kovarianz ist die Messung mehrerer Motorströme bzw. Phasenströme, so dass über die Kovarianz Anomalien betreffend den Zusammenhang zwischen diesen Phasenströmen erkannt werden können.

In der gleichen Weise lassen sich Informationen bzw. Zustandsinformationen über den Korrelationskoeffizienten zwischen einzelnen Phasen bzw. einzelnen Antrieben erlangen. Dabei steht ein Wert von 1 des Korrelationskoeffizienten für einen perfekten, linearen Zusammenhang und ein Wert von 0 für einen vollständig fehlenden linearen Zusammenhang. Es besteht dann z. B. die Möglichkeit, einen Grenzwert für einen Korrelationskoeffizienten einzurichten, der eine Warnmeldung und/oder eine Störmeldung erzeugt. So kann z. B. ein

Korrelationskoeffizienten von 0,7 bis 0,6 eine Warnmeldung bewirken und ein Korrelationskoeffizienten von weniger als 0,6 eine Störmeldung erzeugen. Auch bei der Analyse des Korrelationskoeffizienten kann es zweckmäßig sein, einen zeitlichen Verlauf des Korrelationskoeffizienten über einen bestimmten Zeitraum zu überwachen und auf diese Weise Störungen, Schäden oder Anomalien zu erkennen und zu prognostizieren.

Von besonderer Bedeutung ist dabei, dass bei bestimmten Anlagen, z. B. bei einer Windnachführung, die Antriebe ihre mechanische Energie auf dasselbe Maschinenelement, z. B. denselben Zahnkranz übertragen, so dass auch die auftretenden Belastungen auf alle Antriebe verteilt sind. Daraus folgt, dass die einzelnen Phasenströme der einzelnen Antriebe in Korrelation stehen. Aus diesem Grund ist der Korrelationskoeffizienten (oder auch die Kovarianz) ein wichtiger und aussagekräftiger Indikator für den Zustand jedes einzelnen Antriebes.

Während bei der beschriebenen, ersten Ausführungsform stets Messwerte bzw. Messwertreihen betrachtet werden, die eine Korrelation zwischen mehreren Motorströmen oder mehreren Phasen eines oder mehrerer Antriebe repräsentieren, ist in einer möglichen, zweiten Ausführungsform vorgesehen, einzelne oder mehrere Kennwerte zu analysieren, die jeweils lediglich einen Antrieb bzw. eine Phase oder einen Strom betreffen, ohne dass es dabei auf einen Zusammenhang mehrerer Phasen oder Antriebe ankommt oder dass Daten eines (zusätzlichen) Referenzsystems erforderlich sind. Dazu wird die zeitliche Entwicklung der Kennwerte eines solchen Stroms bzw. einer einzelnen Phase eines Antriebes analysiert, indem z. B. eine Einordnung auf der Basis von zuvor ermittelten und gespeicherten Kennwerten erfolgt oder wobei zunächst Kennwerte als Referenzwerte in einer Lernphase ermittelt und gespeichert werden. Dazu ist es zweckmäßig, aus den ständig aufgenommenen Messwertreihen

Messverteilungsfunktionen oder Verteilungsdichtefunktionen zu bestimmen, die wiederum in Kennwerten bzw. Kennziffern hinterlegt werden und aus denen Kennwerte bzw. Kennziffern bestimmt werden. Dabei kann es z. B. um die bereits erwähnten Kennwerte/Kennziffern handeln, die sich jeweils auf die Verteilungsfunktion bzw. die Dichteverteilung beziehen, z. B. die Spreizung, das erste, zweite oder dritte Sigma, der Modalwert, die Varianz, das Minimum, das Maximum, die Standardabweichung und/oder der Median. Damit gelingt über eine Zeitreihenanalyse eine Überwachung bzw. Analyse einzelner Antriebe, ohne dass Daten aus einem Referenzsystem erforderlich sind. Über den Trend kann im Sinne einer Trendwertanalyse Verschleiß erkannt werden oder es können Schäden erkannt oder prognostiziert werden.

Das bedeutet, dass auch bei Betrachtung eines einzelnen Antriebes oder einer einzelnen Phase die statistischen Kennwerte, die jeweils aus den ständig nacheinander aufgenommenen Messwertreihen ermittelt werden, in Korrelation gesetzt werden und daraus Korrelationskoeffizienten bestimmt werden können. Aus den Korrelationskoeffizienten oder aus deren zeitlicher Entwicklung lassen sich die erwähnten Zustandsinformationen und/oder Zustandsprognosen herleiten.

Es besteht folglich die Möglichkeit, die berechneten, statistischen Kennwerte in einer Trendwertanalyse mit in der Vergangenheit (z. B. in einer Lernphase) gemessenen und berechneten, statistischen Kennwerten in Korrelation zu setzen und über diese Korrelation Trendwerte zu bestimmen und daraus Zustandsinformationen für einen oder mehrere Motoren/Antriebe erzeugt werden. Zur Detektion von Anomalien werden die berechneten, statistischen Kennwerte folglich in eine Trendwertanalyse überführt. Die ermittelten Trendwerte geben durch Betrachtung der Korrelation mit historischen Werten (Lern-

phase) eine Zustandsinformation bzw. Kennziffer aus, aus der ein Defekt ermittelt werden kann.

Optional werden die ermittelten Trendwerte nicht nur mit Kennwerten aus der Vergangenheit, sondern auch mit Kennwerten der anderen in dem System befindlichen Antrieben und/oder Phasen in Korrelation gesetzt und über die Korrelation mit anderen Antrieben und/oder Phasen in die Bestimmung der Zustandsinformation bzw. der Kennziffer integriert. Insgesamt kann aus der Zustandsinformation bzw. Kennziffer ein Defekt erkannt werden, z. B. an einem Antrieb bzw. Motor, an dem zugehörigen Getriebe, an der Verzahnung (des Lagerrings) oder an einem Bremssystem. Mithilfe einer Zeitreihenanalyse oder Trendwertanalyse der abgeleiteten Werte werden schleichende Fehler ebenfalls sicher detektiert. Sind alle Antriebe ohne Einschränkungen funktionstüchtig, verhalten sich die Trendwerte der berechneten Kennwerte statisch. Zeigen sich jedoch signifikante Abweichungen der Trendwerte, akute Abweichungen von anderen Antrieben des Systems oder werden abstrakte Werte erkannt, lässt sich ein Fehler bzw. Defekt erkennen. Die Trendwertanalyse ist durch einen Auswertealgorithmus in der Auswerteeinrichtung realisiert.

Stets können auch die Messwertdichten zur Auswertung herangezogen werden. Die Messwertdichten bzw. Dichtefunktionen werden wiederum als Messwertreihen (z. B. Cluster mit jeweils z. B. 600 Messwerten) aufgezeichnet und gespeichert. Daraus kann eine Trendwertberechnung über die gesamte Laufzeit erfolgen. So kann ein ansteigender oder fallender Trendwert ein Hinweis auf eine Fehlfunktion des Antriebes sein. Die Trendwerte werden wiederum verglichen und in Korrelation gesetzt. Aber auch einzelne, statistische Kennwerte einzelner Phasen können - wie beschrieben - unabhängig von einer Korrelation bzw. zusätzlich wichtige Informationen geben. So lassen sich z. B.

akute Störungen durch Auswertung des ersten Sigmas, des zweiten Sigmas und/oder des dritten Sigmas ermitteln.

Von besonderer Bedeutung ist die Tatsache, dass erfindungsgemäß kein Vergleich von Messwerten und auch kein einfacher Vergleich von statistischen Kennwerten (z. B. Mittelwerten) erfolgt, sondern dass stets Messwertreihen bzw. die aus den Messwertreihen bestimmten, statistischen Kennwerte in Korrelation gesetzt werden. Es werden folglich bevorzugt Korrelationskoeffizienten ermittelt und die Entwicklung der Korrelationskoeffizienten analysiert. Bevorzugt wird folglich die Gesamtheit aller ermittelten Messwerte in die Koeffizientenermittlung mit eingeschlossen.

Insgesamt gelingt durch die Messung der Ströme und z. B. der Phasenströme sämtlicher Phasen mehrerer Antriebe mit einer hohen Abtastrate und durch eine statistische Auswertung mit einem Algorithmus eine zuverlässige Überwachung/Analyse der Antriebe zur zuverlässigen Fehlererkennung und Schadensvorbeugung. Das erfindungsgemäße Verfahren arbeitet weder mit statistischen Referenzwerten noch mit vorzugeben Sollwerten. Charakteristische Kennwerte der Antriebe werden z. B. in Korrelation gesetzt, um einen defekten Antrieb bzw. defekte Antriebe zu erkennen, und zwar inklusive entsprechender Drehmomentenwandler. So lassen sich Rückschlüsse nicht nur auf den Zustand einzelner Motoren ziehen, sondern auch auf das Gesamtsystem der Windnachführung. Das System muss nicht für die jeweilige Anlage parametrisiert werden. Es sind lediglich Kommunikationseinstellungen vorzunehmen, so dass das System einfach zu installieren bzw. zu realisieren ist, ohne dass besonders hohe Anforderungen an die Qualifikation der Installateure gestellt werden müssen.

Da z. B. bevorzugt Daten mehrerer Anlagen, z. B. Windkraftanlagen, auf einem zentralen Server analysiert werden, besteht durch die zentrale Berechnung der Daten die Möglichkeit, Korrelationen der berechneten Motorkennziffern eines gesamten Windparks zu nutzen und noch aussagekräftigere Ergebnisse, z. B. für Prognosen, zu erhalten. Optional besteht auch die Möglichkeit, den Auswertealgorithmus so auszubilden, dass durch Kombination verschiedener Auswertungen die Möglichkeit besteht, Schäden und/oder Verschleiß exakt zu verorten. So lassen sich beispielsweise durch geeignete Analysen anhand der Kennziffern Schäden oder drohende Schäden an Bremse, Welle, Getriebe oder Zahnkranz gezielt unterscheiden.

Von besonderer Bedeutung ist, dass mit dem System die Möglichkeit besteht, nicht nur aktuelle Schäden oder Verschleiß zu erkennen, sondern vor allem Hinweise auf einen zukünftigen Schadenseintritt auszugeben, und zwar lange bevor ein Schaden eintritt oder ein Antrieb ausfällt und damit die übrigen Antriebe überlastet werden.

Der Algorithmus kann dabei auch Methoden der künstlichen Intelligenz bzw. neuronale Netze nutzen bzw. mit solchen implementiert sein, so dass das System selbstlernend ausgeführt wird, da alle Daten jeden einzelnen Antriebes dauerhaft über lange Zeiträume in der Datenbank abgelegt werden und für Analysen zur Verfügung stehen.

Wichtig ist, dass erfindungsgemäß auf einen direkten Vergleich der gemessenen Motorströme verzichtet wird, sondern dass statistische Kennziffern betrachtet und z. B. im Sinne einer Zeitreihenanalyse interpretiert werden. Dabei hat die Erfindung erkannt, dass ein einfacher Vergleich einzelner Motorströme für eine Schadensbeurteilung nicht geeignet ist, da z. B. bei einem freilaufenden Motor selbst bei einem Wellenabriss aufgrund der Nenn-

Stromaufnahme keine Unregelmäßigkeit auftreten würde. Aufgrund der genannten Störgrößen und Umwelteinflüsse entstehen extreme Hysteresen in der Stromaufnahme, so dass ein einfacher Vergleich der einzelnen Motorströme ungeeignet wäre. Im Übrigen weist jeder Elektromotor Fertigungstoleranzen auf, die aufgrund der genannten externen Einflussfaktoren nicht ermittelt werden können und auch dieses verhindert eine statische Grenzwertfestlegung der Stromaufnahme zur Fehlerdetektion. Daher erfolgt erfindungsgemäß eine mathematische bzw. stochastische/statistische Auswertung berechneter Kennziffern.

Gegenstand der Erfindung ist nicht nur das beschriebene Verfahren, sondern auch die elektromechanische Anlage selbst, das heißt eine elektromechanische Anlage, die z. B. als Windrichtungsnachführung einer Windkraftanlage ausgebildet sein kann. Eine elektromechanische Anlage weist zumindest ein bewegbares Maschinenelement auf, auf welches ein Antrieb oder mehrere Antriebe arbeiten. Die Anlage ist zur Durchführung des beschriebenen Verfahrens eingerichtet, das heißt sie ist mit einer Steuerung und einer Auswerteeinrichtung versehen oder verbunden, die zur Durchführung des beschriebenen Verfahrens eingerichtet sind.

Besonders bevorzugt handelt es sich bei der elektromechanischen Anlage um eine Windrichtungsnachführung einer Windkraftanlage, bei der mehrere AC- Motoren auf einen gemeinsamen Lagerring bzw. Zahnkranz eines Azimutlagers arbeiten. Es werden aber auch andere elektromechanische Anlagen umfasst, bei denen bevorzugt mehrere Antriebe auf ein gemeinsames Maschinenelement arbeiten. So lässt sich die Erfindung z. B. auch bei Krananlagen, z. B. bei Portaldrehkränen einsetzen. Stets steht eine frühzeitige Schadensanzeige im Vordergrund. Im Übrigen besteht erfindungsgemäß auch die Möglichkeit,

Anlagen mit einzelnen Antrieben zu überwachen. Auch die Überwachung von Anlagen mit Gleichstromantrieben ist erfindungsgemäß möglich.

Besonders bevorzugt erfolgt die Speicherung und Auswertung der Daten extern bzw. außerhalb der eigentlichen elektromechanischen Anlage, z. B. außerhalb der Windkraftanlage. So schlägt die Erfindung in bevorzugter Weiterbildung vor, dass die Anlage mit einer lokalen Steuereinrichtung versehen ist, mit der die Messwerte aufgenommen werden. Gegebenenfalls können die Messwerte zwischengespeichert werden. Eine dauerhafte Speicherung der Messwerte oder Messwertreihen und eine Auswertung der Messwerte ist jedoch bevorzugt nicht in der lokalen Steuereinrichtung vorgesehen, sondern die Messwerte werden bevorzugt (z. B. per Kabel/Glasfaserkabel oder Mobilfunk) an eine extern angeordnete Auswerteeinrichtung übertragen, die unabhängig von der Windkraftanlage weit entfernt realisiert sein kann. Eine solche Auswerteeinrichtung weist z. B. einen Datenbankserver mit einer Auswertesoftware auf, so dass die Messwertreihen auf dem Datenbankserver gespeichert und mit einem Auswertealgorithmus ausgewertet werden. Die externe Auswerteeinrichtung kann z. B. als zentrale Leitwarte mehreren Windkraftanlagen zugeordnet sein. Die Auswerteeinrichtung weist bevorzugt eine Schnittstelle auf, über die dann wiederum die Zustandsinformationen mit externen Endgeräten abfragbar sind bzw. an externe Endgeräte übertragbar sind, z. B. an PCs, Tablets oder Smartphones. Damit besteht die Möglichkeit, Warnmeldungen von dem angeordneten Datenbankserver an verschiedene Endgerät zu übertragen bzw. Zustandsinformationen mit den Endgeräten von dem Datenbankserver abzufragen.

Im Übrigen besteht die Möglichkeit, automatisiert Einfluss auf die elektromechanische Anlage zu nehmen, indem die Anlage z. B. die Windnachführung gestoppt wird, wenn ein bestimmtes Fehlerereignis registriert wird. Das

erfindungsgemäße System kann folglich optional so eingerichtet sein, dass eine Anlage, z. B. Windkraftanlage automatisiert als Reaktion auf bestimmte Zustandsinformationen gestoppt und folglich still gesetzt wird. Auf diese Weise können gravierende Schäden an der Anlage bzw. Folgeschäden vermieden werden.

Im Folgenden wird die Erfindung anhand von Zeichnungen erläutert, die lediglich ein Ausführungsbeispiel darstellen. Es zeigen:

Figur 1 schematisch stark vereinfacht eine elektromechanische Anlage in der Ausführungsform als Windrichtungsnachführung mit einer erfindungsgemäßen Zustandsüberwachung,

Figur 2 einen vergrößerten Ausschnitt aus der Anlage nach Figur 1 ,

Figur 3a, b statistische Kennwerte (Kovarianzen) für ordnungsgemäß funktionierende (neue) Antriebe einerseits und defekte Antriebe mit erhöhtem Schlupf andererseits,

Figur 4a, b statistische Kennwerte (Korrelationskoeffizienten) für die Antriebe nach Figur 3a, b,

Figur 5a, 5b vereinfacht Histogramme bzw. Verteilungsdichtefunktionen.

In den Figuren 1 und 2 ist schematisch stark vereinfacht eine elektromechanische Anlage in der Ausführungsform als Windrichtungsnachführung dargestellt, und zwar mit einer erfindungsgemäßen Zustandsüberwachung für die elektrischen Antriebe der Windrichtungsnachführung.

Die Windrichtungsnachführung dient der Einstellung der Gondel einer Windkraftanlage in Richtung der vorherrschenden Windrichtung. Die Gondel ist drehbar am Turmkopf gelagert und lässt sich mit mehreren elektrischen Antrieben nachführen. Figur 1 zeigt vereinfacht einen Ausschnitt aus einem Turmkopflager 1 mit einem Lagerung 2, auf den mehrere elektrische Antriebe M1 , M2, M3, M4 arbeiten. Beispielhaft ist eine Anordnung mit innenliegender Verzahnung des Azimutlagers und mit innenliegenden Antrieben sowie außenliegender Azimutbremse 3 dargestellt. Die elektrischen Antriebe sind mit einer Steuereinrichtung 4 verbunden, die in der Windkraftanlage angeordnet ist, z. B. im Turmkopf oder in der Gondel. Die Antriebe sind als Dreiphasen- Wechselstrommotoren bzw. Drehstrommotoren ausgebildet. Im Ausführungsbeispiel sind vier Antriebe M1 , M2, M3, M4 vorgesehen, die gemeinsam auf dasselbe Maschinenelement, nämlich auf denselben Lagerung 2 wirken. Die Steuereinrichtung 4 aktiviert bei Bedarf die Antriebe, um die Gondel einer Windrichtungsänderung nachzuführen. Erfindungsgemäß sind die Antriebe mit Messeinrichtungen 5 ausgerüstet bzw. verbunden, mit denen die Phasenströme sämtlicher drei Phasen L1 , L2, L3 jedes einzelnen Antriebes M1 , M2, M3, M4 gemessen werden. Im Übrigen sind in Figur 2 übliche Schutzeinrichtungen, z. B. ein Motorschutzschalter 11 und ein Schaltschütz 12 angedeutet, die in herkömmlicher Weise vorgesehen sein können. Mit den Messeinrichtungen 5 werden sämtliche Phasenströme der Antriebe mit einer hohen Abtastrate von z.B. 0,5 Hz bis 5 Hz, z. B. etwa 1 Hz, das heißt sekündlich erfasst. Anlauf- und Stoppspitzen werden von den Messeinrichtungen 5 oder von der Steuereinrichtung 4 aus der Anlage bereits rausgerechnet. Während des Betriebes der Motoren, der in der Regel im Rahmen einer Windrichtungsnachführung lediglich einige Sekunden dauert, werden die Messwerte in der Steuereinrichtung 4 (vorübergehend) zwischengespeichert. Die Messwerte werden (z. B. nach Beenden der Messung bzw. nach Stopp der Windnachführung) über einen A/D- Wandler 13 und einen Microcontroller MC mittels einer Schnittstelle bzw.

Kommunikationseinrichtung 6 an eine Auswerteeinrichtung bzw. Speicher- und Auswerteeinrichtung 7 übermittelt (z. B. über TCP/IP). Die Speicher- und Auswerteeinrichtung 7 ist beispielsweise als Datenbankserver für die Speicherung großer Datenmengen ausgebildet bzw. mit einem Datenbankserver ausgerüstet und außerdem ist in der Auswerteeinrichtung 7 eine Auswertesoftware gespeichert. In der Speicher- und Auswerteeinrichtung werden die Messwerte ausgewertet und daraus Zustandsinformationen für die Antriebe M1 , M2, M3, M4 erzeugt. Diese Zustandsinformationen lassen sich über verschiedene Endgeräte, z. B. einen PC 8, ein Tablet 9 oder ein Smartphone 10 abrufen und visualisieren, wobei die Endgeräte drahtgebunden oder drahtlos mit der Auswerteeinrichtung 7 kommunizieren können.

In dem dargestellten Ausführungsbeispiel lassen sich folglich für sämtliche Motoren M1 , M2, M3 und M4 jeweils alle drei Phasenströme L1 , L2, L3 messen, und zwar mit der beschriebenen hohen Abtastrate von z. B. 1 Hz. Dabei werden jeweils Messwertreihen mit jeweils einer vorgegebenen Anzahl m von Messwerten gespeichert, im Ausführungsbeispiel 600 Messwerte pro Messwertreihe, das heißt die Messwerte werden in Clustern zu 600 Messpunkten gespeichert, und zwar zu jeder einzelnen Phase jedes Motors, so dass in dem Ausführungsbeispiel zwölf Messwertreihen erzeugt und gespeichert werden. Bei einer Abtastrate von 1 Hz und 600 Messungen je Messwertreihe gibt eine Messwertreihe jeweils einen Zeitraum von 10 Minuten wieder, wobei sich dieser Zeitraum nicht durch eine durchgehende Messung ergibt, sondern den Gesamtbetrieb des jeweiligen Antriebes infolge mehrerer zeitlich aufeinanderfolgender Windnachführungen betrifft. In der Steuereinrichtung 6, die lokal im Bereich der Antriebe angeordnet ist, müssen folglich nicht vollständige Messwertreihen gespeichert werden, sondern es werden lediglich die einzelnen Messungen während des Betriebs der Antriebe zwischengespeichert und an die Speicherund Auswerteeinrichtung 7 übertragen. Dort werden die Messwerte als

Messwertreihen gesammelt, um anschließend eine Auswertung vornehmen zu können.

Von besonderer Bedeutung ist, dass erfindungsgemäß eine statis- tische/stochastischen Auswertung und Analyse der Messwertreihen erfolgt, das heißt aus den Messwertreihen werden statistische Kennwerte erzeugt, und zwar z. B. einerseits Kennwerte für eine Korrelation zwischen mehreren Phasen oder mehreren Antrieben und andererseits statistische Kennwerte für einzelne Phasen des jeweiligen Antriebes. Aus diesen statistischen Kennwerten können einzeln oder durch geeignete Kombinationen Zustandsinformationen für einen Antrieb oder für sämtliche Antriebe erzeugt werden, und zwar mit der in der Speicher- und Auswerteeinrichtung 7 gespeicherten Auswertesoftware bzw. einem Auswertealgorithmus, der die Zustandsinformationen, die den jeweiligen Zustand der einzelnen Antriebe repräsentieren, erzeugt.

So lassen sich aus den jeweils letzten m Messungen, z.B. 600 Messungen und folglich aus jeder einzelnen Messwertreihe (über die Messverteilungsdichten) für jeden Antrieb und jede Phase z. B. ein oder mehrere der folgenden statistischen Kennwerte bilden:

Mittelwert jeder einzelnen Phase, Mittelwert Gesamt L1/L2/L3, das heißt (Summe L1/600 + Summe L2/600 + Summe L3/600)/3, Mittelwert der einzelnen Phasenmessungen (L1 + L2 + L3)/3, RMS, Messwertdichte, Wert der höchsten Messwertdichte bzw. Maximum der Messwertverteilung, Minimum der Messwertreihe, Maximum der Messwertreihe, Standardabweichung, Varianz, erstes Sigma, zweites Sigma, drittes Sigma, Median.

Diese statistischen Kennwerte enthalten statistische Informationen über die Messwertreihen, ohne dass dabei Zusammenhänge zwischen einzelnen Messwertreihen betrachtet werden.

Ergänzend ist es besonders vorteilhaft, statistische Kennwerte für eine Korrelation zwischen mehreren Messwertreihen, das heißt Messwertreihen mehrerer Phasen und mehrerer Antriebe zu berechnen. Dabei handelt es sich insbesondere um die Kovarianzen der Messwerteverläufe und/oder die Korrelationskoeffizienten. So können z. B. sämtliche Kovarianzen und Korrelationskoeffizienten für alle möglichen Kombinationen von Messwertreihen (M (1 - N) Li zu M (1 - n) Lj ausgewertet werden. Sämtliche statistischen Kennwerte werden mit einem Zeitstempel versehen und in der Auswerte- und Speichereinrichtung gespeichert. Mit dem hinterlegten Algorithmus erfolgt eine Auswertung der gespeicherten, statistischen Kennwerte, indem die statistischen Werte eingeordnet und analysiert und daraus auf den Zustand der Anlage bzw. der Antriebe geschlossen wird.

Dazu wird beispielhaft auf die Figuren 3a und 3b einerseits sowie 4a und 4b andererseits verwiesen:

In Figur 3a sind für einen neuen bzw. ordnungsgemäß arbeitenden Antrieb bzw. mehrere Antriebe die Kovarianzen für eine Vielzahl von Messwertreihen aufgetragen, wobei vier nacheinander aufgenommene und ausgewertete Messphasen mit jeweils 600 Messpunkten und folglich über einen Zeitraum von 10 Minuten dargestellt sind, wobei die einzelnen Auswertungen mit A1 , A2, A3 und A4 bezeichnet sind. Es sind die Kovarianzen für die verschiedenen Kombinationen M _n Lj zu M _n Lj aufgetragen. Auf der X-Achse ist die Beschriftung nur beispielhaft für einige Kombinationen vorgesehen. Es ist erkennbar, dass sämtliche Kovarianzen verhältnismäßig niedrig sind, so dass auf einen

ordnungsgemäß arbeitenden Antrieb geschlossen werden kann bzw. auf ordnungsgemäß arbeitende Antriebe.

Demgegenüber zeigt die Figur 3b eine Situation, bei der die Kovarianzen immer dann, wenn der Antrieb M4 beteiligt ist, leicht ansteigen, so dass auf einen Fehler im Antrieb M4, z. B. einen erhöhten Schlupf, geschlossen werden kann. Besonders auffällig ist dieser bei der Kovarianz M4L1 zu M4L3, das heißt bei einer Kovarianz, bei der die verschiedenen Phasen desselben Antriebes M4 beteiligt sind.

Eine ähnliche Information lässt sich durch Auswertung der Korrelationskoeffizienten gemäß Figuren 4a und 4b erhalten. Es ist wiederum erkennbar, dass für sämtliche Messphasen der Korrelationskoeffizient in einem hohen Bereich liegt (vgl. Figur 3a), während er bei einem defekten Antrieb auf niedrige Werte einbricht (vergleiche Figur 3b). Dabei ist erkennbar, dass sich diese Einbrüche im Korrelationskoeffizienten stets dann ergeben, wenn der Antrieb M4 beteiligt ist, so dass über den Korrelationskoeffizienten besonders zuverlässig ein Fehler im Bereich eines Antriebes feststellbar ist. Die Software kann folglich anhand des Vergleichs bzw. anhand von Zusammenhängen der einzelnen Korrelationskoeffizienten verifizieren, welcher Motor Fehlfunktionen aufweist, und zwar rechtzeitig bevor ein Schaden eintritt. Von besonderer Bedeutung ist, dass die zeitliche Entwicklung dieser Kovarianzen bzw. Korrelationskoeffizienten im Sinne einer Zeitreihenanalyse bzw. Trendwertanalyse analysiert werden kann.

Dabei zeigen die Figuren 3a, 3b und 4a, 4b lediglich beispielhaft die Auswertung und Analyse bestimmter statistischer Kennwerte. Besonders bevorzugt werden weitere statistische Kennwerte ausgewertet und überwacht, um verschiedene Fehlerarten bzw. Verschleißarten detektieren zu können.

Die Figuren 5a und 5b zeigen beispielhaft Histogramme bzw. Verteilungsdichtefunktionen von Messwertreihen für einen neuwertigen Antrieb (Figur 5a) einerseits und einen defekten Antrieb (Figur 5b) andererseits. Es ist erkennbar, dass die Messwertverteilung für einen neuwertigen Antrieb in etwa normal verteilt ist, wobei die Häufigkeit der jeweils auf der X-Achse angegebenen Phasenströme aufgetragen ist. Demgegenüber zeigt Figur 5b eine solche Verteilung für eine Bestandsanlage mit einem Defekt. Diese Messverteilungsdichten können in statistischen Kennziffern hinterlegt werden bzw. es können statistische Kennziffern aus den Verteilungsdichten ermittelt werden, z. B. die Spreizung, das erste und zweite und dritte Sigma, der Modalwert, die Varianz, das Minimum, das Maximum, die Standardabweichung und/oder der Median. Durch Betrachtung der Korrelation mit gespeicherten Referenzwerten oder insbesondere durch eine Analyse der zeitlichen Entwicklung dieser statistischen Kennwerte kann ein einzelner Antrieb bzw. ein einzelner Motorstrom analysiert bzw. überwacht und Verschleiß sicher erkannt oder prognostiziert werden, ohne dass ein Referenzsystem überwacht werden muss. Es sind allein die in der Vergangenheit gespeicherten Daten des Antriebes als Referenz notwendig, indem die zeitliche Entwicklung der Verteilungsdichtefunktion bzw. deren Kennziffer analysiert wird. So werden z. B. die drei Sigma-Werte zur Verifikation von Kurzzeitmessungen genutzt, um akut eintretende Schäden sicher zu erkennen. Wenn z. B. Messwerte gehäuft außerhalb der Sigma-Werte liegen, ist dieses ein Hinweis auf einen Fehler und je weiter der Messwert vom Modalwert entfernt liegt, desto klarer und akuter ist der Fehlerfall. Auch bei einer solchen Überwachung oder Analyse eines einzelnen Antriebes oder einer einzelnen Phase (ohne Betrachtung eines Referenzsystems) können Korrelationen der über die Zeit aufgenommenen Messwertreihen bzw. der daraus ermittelten Kennwerte analysiert und Korrelationskoeffizienten bestimmt und ausgewertet werden.

Vorteilhaft ist im Übrigen, dass die Speicherung der sehr umfangreichen Daten und die Auswertung nicht in der lokalen Steuerung 4 in der Windkraftanlage vorgenommen wird, sondern dort erfolgt lediglich die Messung und die Übertragung der Messwerte (gegebenenfalls nach einer vorübergehenden Zwischenspeicherung). Die Speicher- und Auswerteeinrichtung 7 ist in der Regel weit entfernt von der Windkraftanlage, so dass z. B. über eine zentrale Überwachungseinrichtung eine Vielzahl von Windkraftanlagen überwacht werden können.

Im Übrigen kann in der Speicher- und Auswerteeinrichtung 7 zusätzlich eine Visualisierungssoftware gespeichert sein, die die gesammelten und abgeleiteten Werte aus der Datenbank für Benutzer visuell darstellt und als Kommunikationsschnittstelle zwischen Auswertealgorithmus und Anwender dient. Eine entsprechende Reaktion auf das Fehlerereignis, z. B. eine Alarmmail oder auf Wunsch ein Stopp der Windnachführung lassen sich ebenfalls ausführen.

Im Übrigen ist in den Zeichnungen die Speicher- und Auswerteeinrichtung 7 lediglich stark vereinfacht dargestellt. Sie kann insbesondere einen Datenbank- server enthalten. Die Software zur Datenauswertung und Anomalieerkennung und auch Fehlermeldung kann auf dem gleichen Server abgelegt sein. Alternativ kann jedoch ein zusätzlicher Rechner/Server vorgesehen sein, der die Auswertung, Anomalieerkennung und Fehlermeldung realisiert.