CN108291527B - 一种监测和评估风力涡轮机功率性能变化的方法 - Google Patents

Abstract

一种用于监测和评估风电场的一个或多个风力涡轮机的功率性能变化的方法，所述方法包括以下步骤：对于每个要被监测的风力涡轮机，定义一组参考风力涡轮机，所述一组参考风力涡轮机包括两个或多个风力涡轮机，操作风电场的风力涡轮机，同时获得每个风力涡轮机处的本地测量风速，在训练期间中，获得与每个被监测的风力涡轮机的本地测量风速相关的功率性能数据，在训练期间中，对于每个被监测的风力涡轮机，生成风速传递函数，其建立每个参考风力涡轮机处的本地测量风速与被监测的风力涡轮机处的本地测量的风速之间的关系，在训练期间随之的一个或多个测试期间，操作风电场的风力涡轮机，同时获得至少在参考风力涡轮机处的本地测量风速，基于参考风力涡轮机处的测量风速，以及训练期间对于被监测的风力涡轮机生成的传递函数，在测试期间估计对于被监测的风力涡轮机的风速，获得与每个被监测的风力涡轮机的估计风速相关的的功率性能数据，对于每个被监测的风力涡轮机，通过将在测试期间获得的功率性能数据与在训练期间中获得的功率性能数据进行比较，评估功率性能。

Description

一种监测和评估风力涡轮机功率性能变化的方法

技术领域

本发明涉及用于监测和评估风电场的一个或多个风力涡轮机的功率性能变化的方法。特别地，本发明的方法可以用于检测风力涡轮机的功率性能是否逐渐地或突然地随时间降低。

背景技术

风力涡轮机通常设置有转子，其形式为承载一组风力涡轮机叶片的可旋转轮毂。风作用在风力涡轮机叶片上，从而导致轮毂旋转。在风力涡轮机是所谓的直接驱动类型的情况下，轮毂的旋转运动经由齿轮装置或直接传递到发电机。在发电机中，生成可以提供给电网的电能。

有时风力涡轮机的功率性能，例如就风力涡轮机生产的功率而言，会随时间而降低。这可能，例如，是由于风力涡轮机的一个或多个部分，例如风力涡轮机叶片、齿轮装置、轴承、横摆机构等的磨损、故障或损坏，风力涡轮机叶片的污染等。在某些情况下，功率性能的降低会以突然的方式发生，例如，在由于风力涡轮机的部分的故障或损坏而引起降低的情况下。在其他情况下，功率性能的降低逐渐发生。这是，例如，当功率性能降低是由于风力涡轮机叶片污染而引起的情况。

导致风力涡轮机的功率性能降低的事件的示例包括对传感器的校准的改变、风力涡轮机叶片上增加的额外的空气动力学附加件，例如，以涡流发生器或格尼襟翼的形式，脱落等。

如果风力涡轮机的功率性能降低未被检测到，例如，通过风力涡轮机控制系统，涡轮机可能长时间处于次优性能下操作。这当然是不期望的。然而，经常难以检测风力涡轮机的功率性能的变化，尤其是从由于从风力涡轮机获得的可用风力数据中发生的自然变化中。

无论如何，希望能够可靠地检测风力涡轮机的功率性能的降低何时发生，因为这将使得功率性能的降低的原因被快速地至少部分地移除，从而恢复风力涡轮机的功率性能。

EP2372479A1公开了一种用于指示风力涡轮机的性能的方法。目标性能数据至少部分地基于用于一个或多个相关的风力涡轮机的性能数据来创建。基线性能数据至少部分地基于对于多个其他风力涡轮机的性能数据来计算。将目标性能数据与基准性能数据进行比较以创建相对性能方案。

发明内容

本发明的实施方式的目的是提供一种用于监测和评估一个或多个风力涡轮机的功率性能变化的方法，该方法允许可靠地检测风力涡轮机的功率性能的降低。

本发明的实施方式的另一目的是提供一种用于监测和评估一个或多个风力涡轮机的功率性能变化的方法，该方法允许检测功率性能的微小但显着的变化。

本发明提供了一种用于监测和评估风电场的一个或多个风力涡轮机的功率性能变化的方法，所述方法包括以下步骤：

-对于要被监测的每个风力涡轮机，定义一组参考风力涡轮机，该组参考风力涡轮机包括两个或多个风力涡轮机，

-在训练期间中，操作风电场的风力涡轮机，同时获得每个风力涡轮机处的本地测量风速，

-在训练期间中，获得与每个被监测的风力涡轮机的本地测量风速相关的功率性能数据，

-对于每个被监测的风力涡轮机，基于在测试期间获得的本地测量风速，生成建立每个参考风力涡轮机处的本地测量风速与被监测的风力涡轮机处的本地测量风速之间的关系的风速传递函数，

-在训练期间之后的一个或多个测试期间，操作风电场的风力涡轮机，同时至少在参考风力涡轮机处获得本地测量风速，

-基于一个或多个测试期间参考风力涡轮机处的测量风速以及在对于被监测的风力涡轮机的训练期间内生成的传递函数，在测试期间估计对于被监测的风力涡轮机的风速，

-在每个测试期间，获得与每个被监测的风力涡轮机的估计风速相关的功率性能数据，

-对于每个被监测的风力涡轮机，将在测试期间获得的功率性能数据与训练期间获得的功率性能数据进行比较，以及

-基于比较，评估对于每个监测风力涡轮机的功率性能。

因此，本发明涉及用于监测和评估风电场的一个或多个风力涡轮机的功率性能变化的方法，而不管这种功率性能变化是以突然还是逐渐的方式发生。

在本文中，术语“风电场”应该被解释为指在一个场地，即一个明确限定的地理区域，内布置的一组风力涡轮机。风电场可能布置在岸上或海上。风电场的风力涡轮机有时至少部分相互依赖。风电场有时也被称为“风力发电田”或“风电厂”。

根据本发明的方法，对于每个要被监测的风力涡轮机，定义一组参考风力涡轮机。每组参考风力涡轮机包括风电场的两个或多个风力涡轮机。被监测的风力涡轮机可以是风电场的任何数量的风力涡轮机，包括风电场的所有风力涡轮机。

当为给定的被监测的风力涡轮机定义一组参考风力涡轮机时，除了被监测的风力涡轮机以外，选择风电场的多个风力涡轮机并将其包括在该组参考风力涡轮机中。这可以，例如，是风电场的所有其他风力涡轮机，或者它可以是风电场的风力涡轮机的合适子集。例如，可以仅选择布置在被监测的风力涡轮机附近的风力涡轮机和/或仅与所监控风力涡轮机相同类型的风力涡轮机。替代地或附加地，风电场的一些风力涡轮机可被排除作为相对于任何被监测的风力涡轮机的参考风力涡轮机，例如，因为已知它们以对于风电场的典型风力涡轮机不具有代表性的方式行事，例如，由于在布置这样的风力涡轮机的场地的部分处出现特殊情况，例如，在地形、风力尾流、湍流、风切变等方面，或者仅仅是因为风力涡轮机与风电场的其他风力涡轮机类型不同。

给定的风力涡轮机可以形成相对于两个或多个被监测的风力涡轮机的一组参考风力涡轮机的部分和/或被监测的风力涡轮机可以形成相对于一个或多个其他被监测的风力涡轮机的一组参考风力涡轮机的部分。

在训练期间中，风电场的风力涡轮机可以以正常的方式操作，同时获得每个风力涡轮机处的本地测量风速。本地测量风速可以，例如，借助于布置在风力涡轮机处或附近的测量装置(例如风速计)而获得。

训练期间可能会持续几个月或一年的相对长的时间，甚至更长的时间。

此外，对于被监测的风力涡轮机的功率性能数据在训练期间中获得。这种功率性能数据用于与测试期间测量的功率性能进行比较，以建立被监测的风力涡轮机的功率性能变化。获得与在每个被监测的风力涡轮机处的本地测量风速相关的所述功率性能。

对于每个被监测的风力涡轮机，在训练期间中生成传递函数。传递函数建立每个参考风力涡轮机处的本地测量风速和被监测的风力涡轮机处的本地测量风速之间的关系。因此，基于参考风力涡轮机处的本地测量风速，对于给定的被监测的风力涡轮机的传递函数可以用于估计和/或计算在被监测的风力涡轮机处的本地测量的风速。优选地，当风力涡轮机以正常方式操作时生成传递函数。传递函数反映了在训练期间中，即在被监测的风力涡轮机的功率性能的任何降低可能被预期之前，在参考风力涡轮机处的测量风速与被监测的风力涡轮机处的风速之间的实际关系。

基于参考风力涡轮机处的本地测量风速生成对于每个被监测的风力涡轮机的传递函数可能是有利的，因为这允许分开的测量站，例如以气象塔Metmast的形式，用于提供要避免的参考风速数据。此外，由于传递函数依赖于来自多个测量装置的测量风速，所以即使一个或多个测量装置发生故障或不可用，也可以获得可靠的测量。最后，获得统计上可靠的结果。

在训练期间之后，在随后的测试期间(其可以构成单个测试期间，或者可以将其分成两个或多个随后的测试期间)获得对于给定的被监测的风力涡轮机的功率性能数据。在测试期间，由被监测的风力涡轮机处的本地测量风速的变化引起的功率性能的任何变化被滤除，允许检测实际的功率性能变化。这是由于使用传递函数以估计被监测的风力涡轮机处的风速而不是使用被监测的风力涡轮机处的本地测量风速。

接下来，在测试期间，在参考风力涡轮机处本地地建立风速。传递函数用于估计被监测的风力涡轮机处的风速。对于每个被监测的风力涡轮机，然后获得与被监测的风力涡轮机处的估计风速相关的功率性能数据。

功率性能数据可以是在给定的估计风速下来自被监测的风力涡轮机的功率输出，或者其可以是多个功率输出的平均值(例如，加权的)。与估计风速相关的功率性能数据可以通过取得与估计风相关而确定的功率曲线的积分来确定，例如从切入风速到额定风速。该功率曲线表示被监测的风力涡轮机的功率输出作为估计风速的函数。

在测试期间中，风力涡轮机可以在本地测量风速的基础上操作，对于参考风力涡轮机和被监测的风力涡轮机这两者。但是关于确定对于被监测的风力涡轮机的功率性能数据，使用估计风速。

在测试期间被监测的风力涡轮机的功率性能现在可以与在测试期间测量的被监测的风力涡轮机的功率性能进行比较。基于比较，最终评估对于每个被监测的风力涡轮机的功率性能变化。具体而言，可以确定在所述比较揭示出该风力涡轮机的功率性能低于预期的情况下，被监测的风力涡轮机的功率性能是否降低。随后，可采取行动以消除功率性能降低的原因，由此再次恢复风力涡轮机的功率性能。

因此，本发明的方法允许被监测的风力涡轮机的功率降低被快速且可靠地检测，因为被监测的风力涡轮机可能具有的降低对由风力涡轮机本身测量的风速的影响通过使用传递函数和参考风力涡轮机处的本地测量风速而消除。因此，即使风力涡轮机的功率性能的逐渐变化或微小变化也能被检测到并作出反应，从而防止被监测的风力涡轮机长时间在次优功率性能下操作。此外，本发明的方法允许将功率性能的实际变化与由于其他情况(诸如风力条件、天气条件、季节变化等等)引起的功率生产变化区分开来。

还有一个优点是，对每个被监测的风力涡轮机的传递函数是基于参考风力涡轮机处的本地测量风速生成的，因为这允许分开的测量站，例如，以metmast的形式，用于提供将被避免的参考风速数据。此外，由于传递函数依赖于来自多个测量装置的测量风速，所以即使一个或多个测量装置发生故障或不可用，也可以获得可靠的测量。最后，获得统计上可靠的结果。

应该理解的是，训练期间和一个或多个测试期间是相对的，使得对于之前的训练期间，构成测试期间的时间区间可以是基于随后的测试期间的随后的功率性能变化评估的训练期间。

在一个实施方式中，比较至少两个被监测的风力涡轮机的评估功率性能变化。这可以用来建立是否存在影响风电场中更多风力涡轮机的变化。例如，如果场中的多个风力涡轮机的功率性能经受相同的降低，则可能是由于叶片上的冰结构。叶片上的冰结构将基本同时影响所有涡轮机的功率性能，尽管对每个风力涡轮机的功率性能的影响可能不同。

生成传递函数的步骤可以包括训练学习算法。根据该实施方式，在训练期间中逐渐生成对于各个被监测的风力涡轮机的传递函数，并且在经验风速数据的基础上获得传递函数，所述经验风速数据在足够长的时间段内收集以提供统计学可靠的基础，用于估计参考风力涡轮机处的本地风速。

可选地或另外地，可以使用线性回归方法来执行生成传递函数的步骤。

对于给定的被监测的风力涡轮机的传递函数的目的是能够基于对于被监测的风力涡轮机的一组参考涡轮机的参考风力涡轮机处的本地测量风速来估计或预测被监测的风力涡轮机处的本地风速。第I被监测的风力涡轮机的传递函数可以有利地具有以下形式：

其中，表示估计功率性能数据，f_i是对于第i被监测的风力涡轮机的预测器函数，并且X_R表示从参考风力涡轮机获得的参考风速数据。假定存在n_R个参考风力涡轮机，可以例如创建参考风速的功率性能数据的线性回归(获得n_R个拟合线性回归函数)。然后可以将功率性能数据评分合成为预测值的平均值：

其中，a_ij+b_ijv_ij表示第j参考预测。

作为替代方案，可以使用功率性能数据的多重回归(使用所有参考风力涡轮机风速作为回归量)。

被监测的风力涡轮机的数量可以基本上等于风电场中的风力涡轮机的数量，并且对于每个被监测的风力涡轮机的参考涡轮机的数量可以基本上等于风电场中的风力涡轮机的数量。

风电场的一些风力涡轮机可能从过程中被省略。例如，风电场的一些风力涡轮机出于某种原因可能生产对风电场的风力涡轮机总体上不具有代表性的风速测量和/或功率性能数据。由此，由这样的风力涡轮机获得的数据实际上可能干扰或降低所生成的传递函数，而不是有助于传递函数的统计可靠性，并且如果省略这样的风力涡轮机则可以获得更可靠的传递函数。省略的风力涡轮机可以，例如，由于在布置这样的风力涡轮机的场地的部分处出现特殊情况，例如，在地形、风力尾流、湍流、风切变等方面，或者仅仅是因为风力涡轮机与风电场的其他风力涡轮机类型不同。

借助于每个参考风力涡轮机处的本地测量风速和之前生成的传递函数而获得的估计功率性能数据，可以使用合成函数来获得，将对于每个参考风力涡轮机到被监测的风力涡轮机的估计减少到一次估计。合成函数可以例如包括简单的平均值、中值、几何平均值或另一个简单数据集计(aggregator)。

合成函数可以是每个风速区间的平均值或加权平均值。在合成函数是加权平均值的情况下，例如可以基于每个参考风力涡轮机和所讨论的被监测的风力涡轮机之间的距离来计算或选择权重。例如，权重可以是(1/距离)或(1/距离*传递函数的不确定性)。由此来自布置在所讨论的被监测的风力涡轮机附近的参考风力涡轮机的风速测量值被赋予比来自远离被监测的风力涡轮机布置的参考风力涡轮机的风速测量值更大的权重。然而，可以改为使用简单的平均值，或者可以以另一种方式计算或选择权重，例如，考虑到场地具体情况，例如风的起伏、预期的湍流、预期的风切变、丘陵和山谷等。

例如，合成函数可以包括克里金(Kriging)作为插值方法。在这种情况下，将表面拟合到风速数据，并且执行对相关的位置(即被监测的风力涡轮机的位置)的内插。普通克里金基本上是空间分布数据的加权平均值，其中，权重通过空间相关来估计。通用克里金假定多项式表面而不是平均值，并且薄板样条版本也存在。或者，合成方法可以采取回归学习算法或时空动态模型的形式。

评估功率性能变化的步骤可以包括在一个或多个训练和测试期间获得被监测的涡轮机的每年能量生产数据并比较每年的能量生产数据的变化。

对于风力涡轮机的每年能量生产代表风力涡轮机在每年内能够生产的能量的量。由于风力涡轮机的能量生产可能在不同季节间非常不同，因此每年能量生产为风力涡轮机的所有者可能期望风力涡轮机生产的能量水平提供了适当的测量。

可替代地或另外地，评估被监测的风力涡轮机的功率性能变化的步骤可以包括生成功率曲线，优选地通过功率曲线的至少部分的积分。

传递函数可以进一步根据多个不同的风向扇区来计算。根据风向，风电场中给定的风力涡轮机的性能可能显着变化，例如，由于风的尾流效应、地形的变化等等。因此当生成传递函数时考虑风向可能是有利的。

至少一个被监测的风力涡轮机的功率性能变化发生的时间点可以被显示，通过显示比较的测量-例如，每年能量生产-对于一系列测试期间，并确定发生变化的期间。在初始每年估计产量(例如，基于训练期间)和在每个测试期间中计算的每年估计产量之间的差值Δ是有利的。

风电场的基本上所有风力涡轮机都可以是被监测的风力涡轮机。根据该实施方式，可以使用本发明的方法来评估风电场的基本上所有风力涡轮机的功率性能。然而，风电场的一些风力涡轮机可能被省略。

附图说明

现在将参考附图更详细地描述本发明，其中：

图1a和图1b示出了风电场的布局，示出了对于两个不同被监测的风力涡轮机的一组参考风力涡轮机，

图2显示了训练期间和测试期间的功率曲线，以及

图3是示出了对于多个被监测的风力涡轮机的功率性能的变化的图。

具体实施方式

图1a和图1b示出包括多个风力涡轮机的风电场1的布局，其中，显示了七个风力涡轮机。潜在地，风电场1的每个风力涡轮机可以是被监测的风力涡轮机，并且风电场1的任何风力涡轮机可以形成风电场1的一个或多个其他风力涡轮机的一组参考风力涡轮机的部分。

在图1a中，风力涡轮机2被图示为被监测的风力涡轮机，并且风力涡轮机3和4被图示为对于被监测的风力涡轮机2的参考风力涡轮机。风力涡轮机5、6、7和8不形成对于被监测的风力涡轮机2的一组参考风力涡轮机的部分，并且这些风力涡轮机5、6、7、8因此在图1a中被标记为“未使用”。

在图1b中，风力涡轮机5被图示为被监测的风力涡轮机，并且风力涡轮机2、3和6被图示为用于被监测的风力涡轮机5的参考风力涡轮机。风力涡轮机4、7和8不形成对于被监测的风力涡轮机5的一组参考风力涡轮机的部分，并且这些风力涡轮机4、7、8因此在图1b中标记为“未使用”。

因此，风力涡轮机2是被监测的风力涡轮机，但也是相对于风力涡轮机5的参考风力涡轮机。风力涡轮机3是相对于风力涡轮机2以及相对于风力涡轮机5的参考风力涡轮机。风力涡轮机7和8既未示出为被监测的风力涡轮机，也未示出为参考风力涡轮机。这可能，例如，是因为考虑到风力涡轮机7和8的具体情况使其不适合用作被监测的风力涡轮机以及用作参考风力涡轮机。例如，在这些风力涡轮机7、8所在的风电场1的各部分中可能存在特殊的风或地形条件。或者它们可能与风电场1的其他风力涡轮机类型不同。

当对于要被监测的每个风力涡轮机定义一组参考风力涡轮机时，开始训练期间，其中，风电场1的风力涡轮机2、3、4、5、6、7、8是以正常方式操作。在训练期间中，在每个风力涡轮机2、3、4、5、6、7、8处获得本地测量风速。此外，从每个被监测的风力涡轮机获得功率性能数据。

然后，也在训练期间中，对于每个被监测的风力涡轮机生成传递函数。对于给定的被监测的风力涡轮机的传递函数建立了被监测的风力涡轮机的每个参考风力涡轮机处的本地测量风速与被监测的风力涡轮机处的本地测量风速之间的关系。因此，通过使用传递函数和参考风力涡轮机处的本地测量风速，估计被监测的风力涡轮机处的风速是可能的。

因此，对于风力涡轮机2的传递函数建立风力涡轮机3和4处的本地测量风速与对于风力涡轮机2的本地测量风速之间的关系。类似地，对于风力涡轮机5的传递函数建立风力涡轮机2、3和6处的本地测量风速以及对于风力涡轮机5的本地测量风速。

训练期间随后，风力涡轮机2、3、4、5、6、7、8在一个或多个测试期间以正常方式再次操作。在一个或多个测试期间，至少在参考风力涡轮机处获得本地测量风速，并且获得对于每个被监测的风力涡轮机的功率性能数据，其中，当确定功率性能时使用估计风速。从而建立与估计风速相关的功率性能。

最后，对于每个被监测的风力涡轮机，将在一个或多个测试期间获得的功率性能数据与在训练期间中获得的功率性能进行比较。相应地，该比较揭示了被监测的风力涡轮机是否以预期的方式执行。相应地，基于比较，评估每个被监测的风力涡轮机的功率性能。

图2显示了对于被监测的风力涡轮机在训练和测试期间的各测量功率曲线。

用圆形标记的曲线表示在训练期间中被监测的风力涡轮机的功率曲线。注意到，在训练期间中，本地测量风速基本上等于预测风速。

用三角形标记的曲线是测试期间被监测的风力涡轮机的功率曲线。通过测量从不同估计风速处被监测的风力涡轮机的输出功率来确定曲线。其中，通过使用传递函数和在参考风力涡轮机处的本地测量风速来确定估计风速。

为了建立被监测的风力涡轮机的功率性能，对于训练期间和测试期间的功率曲线分别从切入风速到额定风速积分。因此，在训练期间中与本地测量风速相关的功率性能数据被作为是在训练期间中被监测的风力涡轮机的功率曲线(用圆标记的曲线)的积分量，并且测试期间与估计风速相关的功率性能数据被作为是测试期间被监测的风力涡轮机的功率曲线(用三角标记的曲线)的积分量。

从图2可以看出，测试期间的功率性能小于训练期间的功率性能。因此，比较这两条曲线揭示被监测的风力涡轮机的功率性能低于预期，即由于某种原因被监测的风力涡轮机的功率性能降低。

图3是示出编号为6至36的测试期间来自多个被监测的风力涡轮机的每年估计功率性能的图。对于每个被监测的风力涡轮机的每年估计功率性能通过在训练期间中确定的每年估计功率性能进行标准化。训练期间的每年估计功率性能是与训练期间的本地测量风速相关的功率性能数据，并且测试期间的每年估计功率性能是与测试期间的估计风速相关的功率性能数据。

因此，该图显示了训练期间和测试期间的每年估计功率性能(功率性能数据)的比较。在如图3所示的表示数据中，可以轻松比较不同被监测的风力涡轮机的功率性能数据。

可以看出，对于绝大多数被监测的风力涡轮机，从训练期间的能量生产与测试期间的每年估计能量产量基本相同。然而，对于其中一个风力涡轮机，如曲线9所示，与训练期间的每年能量生产相比，在一个测试期间结束时，每年能量生产显着降低。因此，从该曲线图可以确定，该特定的风力涡轮机在降低的功率性能下操作，并且可以建立降低开始的时间点。此外，由于没有其他风力涡轮机受到影响，因此可以得出结论，问题孤立于特定风力涡轮机。

Claims (9)

1.一种用于监测和评估风电场(1)的一个或多个风力涡轮机(2、3、4、5、6、7、8)的功率性能变化的方法，所述方法包括以下步骤：

-对于每个要被监测的风力涡轮机(2、5)，定义一组参考风力涡轮机(2、3、4、6)，所述一组参考风力涡轮机(2、3、4、6)包括两个或多个风力涡轮机，

-在训练期间中，操作风电场(1)的风力涡轮机(2、3、4、5、6、7、8)，同时获得每个风力涡轮机(2、3、4、5、6、7、8)处的本地测量风速，

-在训练期间中，获得与每个被监测的风力涡轮机(2、5)的本地测量风速相关的功率性能数据，

-对于每个被监测的风力涡轮机(2、5)，基于在测试期间获得的本地测量风速，生成风速传递函数，其建立每个参考风力涡轮机(2、3、4、6)处的本地测量风速与被监测的风力涡轮机(2、5)处的本地测量的风速之间的关系，

-在训练期间随后的一个或多个测试期间中，操作风电场(1)的风力涡轮机(2、3、4、5、6、7、8)，同时获得至少在参考风力涡轮机(2、3、4、6)处的本地测量风速，

-基于一个或多个测试期间参考风力涡轮机(2、3、4、6)处的测量风速，以及训练期间对于被监测的风力涡轮机(2、5)生成的传递函数，在测试期间估计对于被监测的风力涡轮机(2、5)的风速，

-在一个或多个测试期间中的每个中，获得与每个被监测的风力涡轮机(2、5)的估计风速相关的功率性能数据，

-对于每个被监测的风力涡轮机(2、5)，将在测试期间获得的功率性能数据与在训练期间中获得的功率性能数据进行比较，以及

-基于比较，评估对于每个被监测的风力涡轮机的功率性能。

2.根据权利要求1所述的方法，其中，评估功率性能变化的步骤包括在所述训练和测试期间中获得对于被监测的涡轮机(2、5)的每年能量生产数据并且比较每年能量生产数据的变化。

3.根据权利要求1所述的方法，其中，生成传递函数的步骤包括生成对于一个或多个风向扇区的传递函数。

4.根据权利要求1-3中任一项所述的方法，还包括：确定至少一个被监测的风力涡轮机(2、5)的功率性能变化发生的时间点的步骤。

5.根据权利要求1-3中任一项所述的方法，还包括：比较至少两个被监测的风力涡轮机(2、5)的评估功率性能变化的步骤。

6.根据权利要求1-3中任一项所述的方法，其中，生成传递函数的步骤包括训练学习算法。

7.根据权利要求1-3中任一项所述的方法，其中，使用线性回归方法来执行生成传递函数的步骤。

8.根据权利要求1-3中任一项所述的方法，其中，被监测的风力涡轮机的数量等于所述风电场中的风力涡轮机的数量，并且对于每个被监测的风力涡轮机的参考涡轮机的数量等于风电场中的风力涡轮机的数量。

9.根据权利要求1-3中的任一项所述的方法，其中，借助于在每个参考风力涡轮机处的本地测量风速和先前生成的传递函数获得的估计风速是使用合成函数来获得的，所述合成函数将对于每个参考风力涡轮机到被监测的风力涡轮机的估计减少到一次估计。