RS65551B1 - Metod prediktivnog praćenja stanja vetroturbina - Google Patents

Description

Opis

Oblast pronalaska

[0001] Ovaj pronalazak se odnosi na metodu prediktivnog praćenja stanja postrojenja za proizvodnju električne energije, a posebno se odnosi na praćenje stanja vetroturbina.

Osnovne informacije

[0002] Elektranama različitih tipova zajednički su zahtevi za održavanjem raznih kritičnih delova kao što su turbine, pumpe, menjači, generatori, itd. Uslovi za ovakvu vrstu usluga i održavanja su zahtevni zbog potrebe za visokom pouzdanošću i malim zastojima u radu. Tradicionalno se koristi preventivni vid održavanja gde se servis i kontrola obavljaju periodično bez obzira na stanje uređaja za proizvodnju energije ili određene komponente. Ovaj pristup ima prednost u jednostavnosti i lakoći sprovođenja.

Međutim, pristup sa preventivnom održavanjem ima svoje loše strane kao što su nepotrebno servisiranje pojedinih delova i nemogućnost predviđanja potrebe za češćim servisiranjem drugih delova. Ove nepogodnosti mogu da povećaju ukupne troškove održavanja, a u nekim slučajevima mogu da dovedu i do kvarova komponenti i skupih zastoja u radu.

[0003] Poslednjih decenija, energija vetra postaje sve popularnija kao način proizvodnje električne energije, a već zamenjuje značajan deo tradicionalnih elektrana kao što su elektrane na ugalj i gas. U isto vreme, održavanje vetroturbina postaje kritično pitanje.

[0004] Cilj ovog pronalaska jeste da ublaži bar neke od nedostataka praćenja stanja i održavanja kakvo se trenutno koristi za postrojenja za proizvodnju električne energije, a posebno za vetroelektrane. CN109779846 A opisuje primer poznate metode praćenja.

Pregled

[0005] U skladu sa ovim pronalaskom, obezbeđen je metod za prediktivno praćenje stanja vetroturbina – metod koji obuhvata sledeće korake:

- izbor najmanje jedne vetroturbine u vetroparku i najmanje jedne komponente vetroturbine;

- obezbeđenje nadzorne kontrole i prikupljanja podataka (SCADA) koji se sastoje od operativnih podataka vetroparka tokom unapred izabranog vremenskog perioda, pri čemu podaci SCADA obuhvataju vrednosti temperature najmanje jedne komponente vetroturbine tokom unapred izabranog vremenskog perioda;

- obrada podataka SCADA koja se sastoji od izračunavanja diferencijalnih podataka, pri čemu diferencijalni podaci predstavljaju razliku između temperaturnih vrednosti izabrane turbinske komponente izabrane vetroturbine i prosečne temperature izabrane komponente vetroturbine na najmanje dve vetroturbine u vetroparku;

- definisanje vremenskog perioda praćenja za praćenje komponente, pri čemu je vremenski interval praćenja kraći od unapred izabranog vremenskog perioda;

- izdvajanje (ekstrakcija) karakteristika, pri čemu izdvajanje karakteristika obuhvata izračunavanje najmanje jedne unapred određene statistike diferencijalnih podataka tokom vremenskog perioda praćenja i čuvanje unapred određene statistike kao karakteristike praćenja; i

- ispitivanje da li bar jedna karakteristika praćenja prelazi vrednost praga, odnosno graničnu vrednost.

Metoda se odlikuje time što korak izdvajanja karakteristika dodatno obuhvata izračunavanje najmanje jedne unapred određene statistike diferencijalnih podataka tokom referentnog vremenskog perioda i time što se referentni vremenski period bar delimično preklapa sa vremenskim periodom praćenja, kao i čuvanjem unapred određene statistike kao referentne karakteristike. Vrednost praga je funkcija najmanje jedne referentne karakteristike.

[0006] U jednoj varijanti, metoda obuhvata korak slanja alarma u slučaju da najmanje jedna karakteristika nadzora prelazi odgovarajuću graničnu vrednost.

[0007] U jednoj varijanti metode, unapred određena statistika sadrži jedno od sledećeg ili njihovu kombinaciju: linearna interpolacija, prosek i standardna devijacija diferencijalnih podataka.

[0008] U jednoj varijanti metode, korak ispitivanja dodatno obuhvata izračunavanje ukupnog broja tačaka diferencijalnih podataka tokom vremenskog perioda praćenja i/ili referentnog vremenskog perioda.

[0009] U jednoj varijanti metode, metoda obuhvata korak filtriranja podataka SCADA kako bi se eliminisali podaci male snage, pri čemu se podaci male snage određuju na osnovu unapred izabranog praga snage.

[0010] U jednoj varijanti metode, korak obrade podataka SCADA dalje obuhvata usrednjavanje podataka SCADA tokom unapred definisanog vremenskog perioda. Poželjno je da se usrednjavanje obavlja tokom perioda u opsegu od jednog sata do godinu dana.

[0011] U jednoj varijanti metode, prosečna temperatura komponente vetroturbine se izračunava za sve vetroturbine istog modela u čitavom vetroparku.

[0012] U jednoj varijanti metode, komponenta vetroturbine je jedan od glavnih ležajeva, generator, sistem hidrauličnog ulja, invertor, transformator i menjač.

[0013] U jednoj varijanti metode, unapred odabrani vremenski period tokom kojeg se prikupljaju podaci SCADA je duži od jedne godine.

[0014] U jednoj varijanti metode, karakteristika praćenja je jednodnevni prosek ili jednomesečni prosek diferencijalnih podataka.

[0015] U jednoj varijanti metode, karakteristika praćenja je jednonedeljni prosek ili jednomesečni prosek diferencijalnih podataka, i/ili referentna karakteristika je jednonedeljni ili jednomesečni prosek diferencijalnih podataka.

[0016] U jednoj varijanti metode, karakteristika praćenja i/ili referentna karakteristika je nagib linearne interpolacije diferencijalnih podataka.

[0017] U jednoj varijanti metode, nagib se izračunava za najmanje jedan od vremenskih perioda u trajanju od pola meseca, mesec dana, tri meseca, šest meseci i devet meseci.

[0018] U drugom aspektu pronalaska, obezbeđen je računarski čitljiv medijum za skladištenje koji sadrži instrukcije, koje kada ih računar izvršava dovode do toga da računar obavlja korake metode bilo koje od napred opisanih varijanti.

Kratak opis crteža

[0019] Pronalazak će se bolje razumeti uz pomoć opisa varijanti koje su date samo kao primer i ilustrovane slikama, u kojima:

Na slici 1 prikazan je dijagram toka postupka za praćenje stanja u skladu sa jednom varijantom pronalaska;

Na slici 2 prikazan je dijagram toka koraka izbora u skladu sa jednom varijantom pronalaska;

Na slici 3 prikazan je dijagram toka koraka obrade u skladu sa jednom varijantom pronalaska;

Na slici 4 prikazan je dijagram toka filtriranja podataka u koraku obrade u skladu sa jednom varijantom pronalaska;

Na slici 5 prikazan je dijagram toka primera izdvajanja karakteristika u skladu sa jednom varijantom pronalaska;

Slike 6A i 6B pokazuju šematski prikaz različitih vremenskih perioda.

Detaljan opis

[0020] na slici 1 prikazan je dijagram toka metode za praćenje stanja u skladu sa jednom varijantom pronalaska. Prvi korak u metodi može da bude korak izbora 11 kao što je detaljnije prikazano na slici 2. U prvom koraku 21 procesa izbora, izabran je određeni vetropark. U sledećem koraku 22, bira se najmanje jedna komponenta vetroturbina u vetroparku. U poželjnoj varijanti, ova komponenta može da bude, ali nije ograničena na: glavni

ležaj, generator, sistem hidrauličnog ulja i menjač vetroturbine. U poslednjem koraku 23 procesa izbora 11, bira se najmanje jedna vetroturbina koja će se pratiti. Metoda takođe omogućava paralelno praćenje više turbina i komponenti vetroturbina.

[0021] Kao što je prikazano na slici 1, korak 12 metode obuhvata obezbeđenje nadzorne kontrole i prikupljanja podataka (SCADA) za vetropark, ili jedan deo vetroparka koji se sastoji od najmanje dve vetroturbine. U jednoj

poželjnoj varijanti, podaci SCADA se prikupljaju u čitavom vetroparku. Podaci SCADA sadrže podatke o radu vetroturbine ili vetroparka. Generalno, sistem SCADA je upravljački sistem postrojenja ili turbine koji se koristi za nadzorno upravljanje procesima na visokom nivou. Sistem SCADA obavlja nadzor nad raznim uređajima i komponentama upravljanog sistema. Generalno, podaci SCADA sadrže ogromnu količinu informacija koje prikupljaju senzori unutar vetroturbine. U poželjnoj varijanti, podaci SCADA sadrže temperaturne vrednosti za najmanje jednu

komponentu vetroturbine tokom unapred odabranog vremenskog perioda. U jednoj varijanti, podaci SCADA obuhvataju vrednosti temperature svih kritičnih komponenti vetroturbine. Podaci SCADA se prikupljaju u vremenskim periodima koji se kreću od nekoliko minuta do nekoliko godina. Vremenski intervali između tačaka merenja u podacima SCADA variraju u zavisnosti od zahtevane tačnosti, na primer, intervali mogu da se kreću od nekoliko sekundi ili više minuta.

Za svaku mernu tačku i specifičnu komponentu vetroturbine, podaci SCADA mogu da zabeleže seriju informacija kao zapis/slog (T, t, P, Temp), gde je T naziv turbine, t vreme merenja, P je snaga turbine u vremenu t, a Temp je temperatura izabrane komponente u vremenu t. Podaci SCADA su obično dostupni korisnicima, tako da metoda možda neće zahtevati dodatna merenja ili ugradnju novih uređaja, što je prednost.

[0022] Nakon pribavljanja podataka SCADA, podaci se obrađuju u koraku 13 metode. U jednoj poželjnoj varijanti, koja je prikazana na slici 3, podaci SCADA mogu da prođu kroz tri koraka: filtriranje podataka male snage 31, vremensko usrednjavanje podataka 32 i izračunavanje diferencijalnih podataka 33. Prva dva koraka, 31 i 32, mogu da posluže za poboljšanje kvaliteta i bržu obradu. U jednoj varijanti, korak 13 se sastoji samo od koraka 33. Korak filtriranja podataka male snage je detaljnije prikazan u dijagramu toka na slici 4. Za svaku tačku podataka u podacima SCADA nivo snage se testira u koraku 41. U slučaju da je nivo snage niži od određenog procenta maksimalne snage, tačka podataka se odbacuje. Određeni procenat maksimalne snage može da bude, na primer, u opsegu od 0 do 90%. Tačke podataka sa vrednošću snage koja je veća od određenog procenta maksimalne snage dalje se ispituju u koraku 42. U koraku 42 se proverava da li je turbina dosledno proizvodila energiju (proizvodila više od određenog praga) tokom određenog tzv. vremenskog perioda doslednosti pre vremena merenja te konkretne tačke podataka. Ukoliko ovo nije

slučaj tačka podataka se odbacuje. Inače će se podaci sačuvati kao filtrirani podaci SCADA u koraku 43.

[0023] U jednoj varijanti, u koraku 32, obavlja se usrednjavanje po vremenu, koje može da sadrži sledeće korake: definisanje trajanja i rezolucije vremenskih intervala; izračunavanje i čuvanje vremenskih intervala; za svaki vremenski interval izračunaće se i sačuvati prosek svih tačaka podataka u tom intervalu. U jednoj varijanti, tačke podataka SCADA, koje su prvobitno snimljene na svakih 10 minuta, usrednjavaju se na dnevnu rezoluciju. Generalno, parametri rezolucije koji se mogu koristiti su

vremenska jedinica (sat ili dan), broj vremenskih jedinica (pozitivan ceo broj) i pokretni prosek (pozitivan ceo broj). Proces usrednjavanja se može ponoviti za svaku turbinu vetroparka koja se prati.

[0024] Korak 33, koji predstavlja izračunavanje diferencijalnih podataka, može da obuhvata izračunavanje razlike između temperature izabrane komponente izabrane vetroturbine i prosečne temperature izabrane komponente vetroturbine u najmanje dve vetroturbine u vetroparku. U jednoj poželjnoj varijanti, prosek

temperature komponente vetroturbine se izračunava za sve vetroturbine u vetroparku koje su istog modela. U jednoj varijanti, za svaku prethodno obrađenu ili neobrađenu tačku podataka SCADA di = (ti, Ti) izračunava se diferencijalna tačka podataka δi = Ti - Tl , gde ti - označava vreme koje odgovara i-toj tački podataka; Ti - označava temperaturu komponente koja odgovara i-toj tački podataka; Tl - označava prosečnu temperaturu komponenti u vetroparku za turbine koje su

istog modela kao što je ona koju opisuje tačka podataka. Proces izračunavanja diferencijalnih podataka može da se ponovi se za svaku turbinu u vetroparku koja se analizira.

[0025] Korak 14, koji je prikazan na slici 1, pokazuje korak izdvajanja karakteristika. U jednoj varijanti, izdvajanje karakteristika obuhvata izračunavanje najmanje jedne unapred određene statistike diferencijalnih podataka tokom vremenskog perioda praćenja i čuvanje unapred određene statistike kao karakteristike praćenja. Period praćenja se može izabrati u koraku izbora 11, ili se može izabrati u kasnijoj fazi, ali pre koraka izdvajanja karakteristika. U jednoj varijanti,

vremenski period praćenja je jedan dan ili mesec dana. U jednoj varijanti, korak izdvajanja karakteristika obuhvata još i izračunavanje najmanje jedne unapred određene statistike diferencijalnih podataka tokom referentnog vremenskog perioda, pri čemu se referentni vremenski period bar delimično preklapa sa vremenskim periodom praćenja i čuvanje unapred određene statistike kao referentne karakteristike. Unapred određena statistika može da sadrži jedno od sledećeg ili njihovu kombinaciju: linearna interpolacija, prosek i standardno

odstupanje diferencijalnih podataka.

[0026] Različiti vremenski periodi kao funkcija vremena su vizuelizovani na slici 6A. Unapred određeni vremenski period (PTP - predetermined time period) je

obično dug period koji traje mesecima ili godinama. Vremenski period praćenja (MTP - monitoring time period) je obično kratak period koji traje, na primer, danima ili mesecima. Konačno, referentni vremenski period (RTP - reference time period) se bar delimično preklapa sa vremenskim periodom praćenja, a mogu biti u pitanju, na primer, dani ili meseci. Primeri trajanja su dati u svrhu ilustrovanja

i oni ne predstavljaju ograničenje.

[0027] Primer varijante izdvajanja karakteristika prikazan je u dijagramu toka na slici 5. U koraku 51,

odabran je vremenski period praćenja MTP, koji može da bude, na primer, jedna nedelja kao što je prikazano na slici 6A. Od prethodno obrađenih podataka SCADA, pet referentnih vremenskih perioda (RTP1, RTP2, RTP3, RTP4 i RTP5) biraju se u koraku 52. Izabrani referentni vremenski periodi traju 0,5, 1, 3, 6 i 9 meseci, kao što je prikazano na slici 6B. Periodi praćenja i referentni vremenski periodi završavaju se u isto vreme ts kao što se vidi na slici 6B. Linearna interpolacija, prosek i standardna devijacija se izračunavaju i čuvaju za svaki referentni vremenski period u koraku 53. U koraku 54, linearne kombinacije statistika se izračunavaju i čuvaju kao referentne karakteristike u završnom koraku 55. Korišćenjem vremenskog perioda praćenja mogu se izračunati slične karakteristike praćenja.

[0028] U jednom primeru koji ne ograničava, karakteristike se mogu svrstati u tri kategorije:

- Karakteristike kratkoročnog povećanja: na primer, jednodnevni prosek i jednomesečni prosek;

- Karakteristike nagiba: na primer, nagibi interpoliranih linija u periodima koji traju 0,5, 1, 3, 6 i 9 meseci;

- Karakteristike doslednog dugoročnog povećanja: na primer, jednomesečni prosek, tromesečni prosek, šestomesečni prosek

i devetomesečni prosek.

U drugoj varijanti, karakteristika može da bude linearna kombinacija najmanje dve karakteristike kratkoročnog povećanja, karakteristike nagiba i karakteristike doslednog dugoročnog povećanja.

[0029] Nakon što se obavi izdvajanje karakteristika, sledi korak ispitivanja 15 kao što je prikazano na slici 1. Ovaj korak predstavlja ispitivanje da li bar jedna karakteristika praćenja prelazi odgovarajuću graničnu vrednost, odnosno prag. U poželjnoj varijanti, vrednost praga je funkcija najmanje jedne referentne karakteristike.

[0030] U jednoj poželjnoj varijanti svi pragovi se zasnivaju na standardnoj devijaciji prethodno obrađene vremenske serije koja sadrži temperaturu komponente koja se prati. Na primer, alarm se aktivira ako

je ispunjen sledeći uslov:

gde je srednji_dan (mean_day) karakteristika praćenja koja odgovara statistici prosečne vrednosti temperaturne komponente tokom vremena praćenja od jednog dana; srednji_mesec (mean_month) je referentna karakteristika koja odgovara statistici srednje vrednosti temperature tokom perioda od mesec dana pre vremena praćenja; std_mesec (std_month) je referentna karakteristika koja odgovara statistici standardne devijacije temperature tokom jednog meseca pre vremena praćenja; i x je podesivi parametar koji zavisi od komponente.

[0031] U jednoj varijanti, ispitivanje se može izvesti na sledeći način:

- Ukoliko bilo koja od funkcija kratkoročnog povećanja prelazi svoj prag, pošaljite upozorenje;

- Ako bilo koja od karakteristika nagiba prelazi svoj prag, pošaljite upozorenje;

- Ukoliko sve funkcije dugoročnog doslednog povećanja prelaze svoje pragove, pošaljite upozorenje.

[0032] Dodatni primeri su dati u sledećim pasusima, uz korišćenje definicija:

srednja vrednost(T, ts, n) (mean) označava srednju vrednost prethodno obrađene vremenske serije, pre faze upozorenja, počevši od vremenske oznake koja odgovara broju od n dana pre ts (isključujući ts) i završava se na ts (uključujući ts). Na primer, srednja vrednost(T, 2019-01-10, 7) je

srednja vrednost vremenske serije za dane 2019-01-04, 2019-01-05, ..., 2019-01-10, što je ukupno 7 dana; nagib(T, ts, n) (slope) označava nagib linearne interpolacije prethodno obrađene vremenske serije, pre faze upozorenja, počevši od vremenske oznake koja odgovara broju od n dana pre ts (isključujući ts) i završava se na ts (uključujući ts). Na primer, nagib (T, 2019-01-10, 7) je nagib linearne interpolacije vremenske serije tokom dana 2019-01-04, 2019-01-05, ..., 2019-01-10, što je ukupno 7 dana. Ako bi vremenske serije imale iste vrednosti za sve ove dane tada bi nagib bio jednak 0;

std(T, ts, n) označava standardnu devijaciju prethodno obrađene vremenske serije za sve turbine istog modela kao T u vetroparku, pre faze upozorenja, počevši od vremenske oznake koja odgovara broju od x dana pre ts (isključujući ts) i završava se na ts (uključujući ts);

broj(T, ts, n) (count) označava ukupan broj tačaka podataka koje se nalaze u prethodno obrađenoj vremenskoj seriji, pre faze upozorenja, počevši od vremenske oznake koja odgovara broju od x dana pre ts (isključujući ts) i završava se na ts (uključujući ts). Iz različitih razloga možda nema tačke podataka u vremenskoj seriji za datum, jer su sve tačke možda bile

filtrirane u fazi filtriranja snage tako da nema preostalih tačaka podataka za ceo dan.

[0033] U nastavku je data lista uslova za upozorenja. Ukoliko je bilo koji od ovih uslova zadovoljen, tada se šalje alarm.

[0034] Kratkoročno stanje 1:

(week – nedelja; where – gde je)

[<0035] Kratkoročno stanje 2:>

[0036] Stanje nagiba 2 nedelje:

Claims (15)

1. [0037] Stanje nagiba 1 mesec:

   [0038 ] Stanje nagiba 3 meseca:

   [0039] Stanje nagiba 6 meseci:

   [0040] Stanje nagiba 9 meseci:

   [0041] Dugoročno stanje:

   [0042] Metoda prema pronalasku nudi nekoliko prednosti u poređenju sa tradicionalnim metodama za sredstva za proizvodnju električne energije. [0043] Korišćenjem metode prema pronalasku mogu da se identifikuju obrasci kvarova i da se izdaju alarmi u ranoj fazi, što omogućava efikasnije upravljanje rizikom od kvarova kritičnih komponenti i povećanje izlazne energije svođenjem skupih zastoja na minimum. Patentni zahtevi 1. Metoda za prediktivno praćenje stanja vetroturbina - metoda koja se sastoji od koraka: - (11) izbor najmanje jedne vetroturbine unutar vetroelektrane i najmanje jedne komponente vetroturbine; - (12) pribavljanje podataka SCADA koji sadrže podatke o radu vetroelektrane tokom unapred izabranog vremenskog perioda, pri čemu podaci SCADA obuhvataju vrednosti temperature najmanje jedne komponente vetroturbine tokom unapred izabranog vremenskog perioda; - (13) obrada podataka SCADA koja se sastoji od izračunavanja diferencijalnih podataka, pri čemu diferencijalni podaci predstavljaju razliku između temperaturnih vrednosti izabrane komponente izabrane vetroturbine i prosečne temperature izabrane komponente vetroturbine u najmanje dve vetroturbine u vetroparku; - definisanje vremenskog perioda praćenja za komponentu, pri čemu je vremenski interval praćenja kraći od prethodno izabranog vremenskog perioda; - (14) izdvajanje karakteristika, pri čemu izdvajanje karakteristika obuhvata izračunavanje najmanje jedne unapred određene statistike diferencijalnih podataka tokom vremenskog perioda praćenja, i čuvanje unapred određene statistike kao karakteristike praćenja; - (15) ispitivanje da li najmanje jedna karakteristika praćenja prelazi graničnu vrednost, što se odlikuje time da korak izdvajanja karakteristika dodatno obuhvata izračunavanje najmanje jedne unapred određene statistike diferencijalnih podataka tokom referentnog vremenskog perioda, pri čemu se referentni vremenski period bar delimično preklapa sa vremenskim periodom praćenja, i čuvanje unapred određene statistike kao referentne karakteristike, pri čemu je vrednost praga funkcija najmanje jedne referentne karakteristike.
2. 2. Postupak prema patentnom zahtevu 1 koji dodatno sadrži korak slanja alarma u slučaju da najmanje jedno praćenje prelazi odgovarajuću graničnu vrednost, odnosno prag.
3. 3. Metoda bilo kojeg od prethodnih patentnih zahteva, pri čemu unapred određena statistika obuhvata jedno od sledećeg ili njihovu kombinaciju: linearna interpolacija, prosek i standardna devijacija diferencijalnih podataka.
4. 4. Metoda bilo kojeg od prethodnih patentnih zahteva, pri čemu korak ispitivanja dodatno obuhvata izračunavanje ukupnog broja tačaka diferencijalnih podataka tokom vremenskog perioda praćenja i/ili referentnog vremenskog perioda.
5. 5. Metoda bilo kojeg od prethodnih patentnih zahteva, koja dodatno sadrži korak filtriranja podataka SCADA kako bi se eliminisali podaci male snage, pri čemu se podaci male snage određuju na osnovu unapred izabranog praga snage.
6. 6. Metoda bilo kojeg od prethodnih patentnih zahteva, u kojoj korak obrade podataka SCADA dodatno obuhvata usrednjavanje podataka SCADA tokom unapred definisanog vremenskog perioda.
7. 7. Metoda patentnog zahteva 6, u kojoj se usrednjavanje obavlja tokom perioda u opsegu od jednog sata do jedne godine.
8. 8. Metoda bilo kojeg od prethodnih patentnih zahteva, u kojoj se prosečna temperatura komponente vetroturbine izračunava za sve vetroturbine u vetroparku koje su istog modela.
9. 9. Metoda bilo kojeg od prethodnih patentnih zahteva u kojoj je komponenta vetroturbine jedan od glavnih ležajeva, generator, sistem hidrauličnog ulja, invertor, transformator i menjač.
10. 10. Metoda bilo kojeg od prethodnih patentnih zahteva, u kojoj je unapred odabrani vremenski period duži od jedne godine.
11. 11. Metoda bilo kojeg od prethodnih patentnih zahteva, u kojoj je karakteristika praćenja jednodnevni prosek ili jednomesečni prosek diferencijalnih podataka.
12. 12. Metoda bilo kojeg od patentnih zahteva 1 do 10, u kojoj je karakteristika praćenja jednonedeljni ili jednomesečni prosek diferencijalnih podataka, i/ili gde je referentna karakteristika jednonedeljni ili jednomesečni prosek diferencijalnih podataka.
13. 13. Metoda bilo kojeg od patentnih zahteva 1 do 10, u kojoj je karakteristika praćenja i/ili referentna karakteristika nagib linearne interpolacije diferencijalnih podataka.
14. 14. Metoda patentnog zahteva 13, u kojoj se nagib izračunava za najmanje jedan od vremenskih perioda sa trajanjem od pola meseca, jedan mesec, tri meseca, šest meseci i devet meseci.
15. 15. Medijum za skladištenje koji je čitljiv pomoću računara i koji sadrži instrukcije, koje kada ih računar izvrši dovode do toga da računar obavi korake metode prema bilo kom od zahteva 1 do 14.