CN101696906A - 基于多源信息融合的风力发电机状态监测系统及方法 - Google Patents
基于多源信息融合的风力发电机状态监测系统及方法 Download PDFInfo
- Publication number
- CN101696906A CN101696906A CN200910197812A CN200910197812A CN101696906A CN 101696906 A CN101696906 A CN 101696906A CN 200910197812 A CN200910197812 A CN 200910197812A CN 200910197812 A CN200910197812 A CN 200910197812A CN 101696906 A CN101696906 A CN 101696906A
- Authority
- CN
- China
- Prior art keywords
- sensor
- information
- sensors
- monitoring system
- aerogenerator
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Abstract
本发明揭示一种基于多源信息融合的风力发电机状态监测系统及方法,该监测系统包括若干传感器、采集单元、信息融合单元。传感器用以感应风力发电机不同类型的测量信息;采集单元采集各传感器的测量信息;信息融合单元接收所述各传感器的测量信息,并根据该测量信息进行融合计算,得出最终的测量结果。本发明通过设置多个传感器分别获取发电机的状态信息,而后对测量信息进行有效融合,得到最终的数据。当全部传感器均能正常工作时,通过对各传感器信息的有效融合,可以从中获得更加精确的测量信号;当部分传感器出现故障,不能正常工作时,从其他传感器中提取故障特征,替代故障传感器的测量信号,同时据此对传感器自身的故障进行判断和诊断。
Description
技术领域
本发明属于发电机监测技术领域,涉及一种风力发电机状态监测系统,尤其涉及一种基于多源信息融合的风力发电机状态监测系统;此外,本发明还涉及上述风力发电机状态监测系统的监测方法。
背景技术
随着各国政府对绿色/可再生能源重视程度的不断提高,风力发电技术正快速发展,以期在不远的将来成为传统能源的替代品。在有些国家,例如德国和丹麦,尽管仍然存在一些问题,风力发电已经在电网中扮演了重要角色。因此风力发电是目前世界上发展最快的新能源。截至2003年底,风电的装机容量已经超过了40000兆瓦,是1999年统计数据的两倍。截至2008年底,这一数据超过了95000兆瓦。预计到2020年,世界电能的12%将来自于风力发电。风力发电技术已成为众多学者和研究机构的研究热点,其研究重点在于降低风电的成本,并将其应用于可靠的高质量的能源供应中。
尽管风能转换技术在原理上比较简单,但风机的设计和安装,尤其是那些大型的离岸型风机却非常复杂和昂贵。由于风机通常工作在严苛恶劣的工作环境下,因此极易出现故障。一旦风机由于故障而导致意外停机,就将带来巨大的经济损失。文献[Johan Ribrant and Lina Margareta Bertling.Survey of Failuresin Wind Power Systems With Focus on Swedish Wind Power Plants During1997-2005.IEEE Transactions on Energy Conversion,vol.22,No.1,March2007,pp.167-173.]中报道并分析了1997-2005年,瑞士、德国、芬兰等国家风电场出现的故障,其中瑞士一风电场1997-2004年仅齿轮箱故障就多达232次,总停机时间达41895小时。因此,如何确保风机的安全可靠运行直接关系到风力发电的成本控制,以及风电技术能否广泛应用于实际。
带有故障检测算法的自动在线状态监控系统可以在电气及机械故障早期发出预警信号,以防止主要部件出现严重故障,同时也可以使其对其它部件的影响降到最低。由于风力机往往安装在极高的塔筒上,有些塔筒甚至高达20米以上,维修非常困难;而离岸型风机通常由于恶劣的天气状况(暴风,大潮)不能在发生故障时及时维修。因此如果能在设备仍然可以工作时,及时发现其故障,就可以预先安排相应的维护维修。此外,状态监控系统可以监测出极端的状态,例如冰冻或者离岸风机的塔筒震动,并通知控制系统采取适当的控制措施防止部件损坏。通过状态监控,可以使风机的维护成本和停机时间大大降低。
多传感器信息融合技术是近年来的研究热点,它是一项结合了控制理论、信号处理、人工智能、概率和统计等各学科的综合技术。利用多个传感器信息在时间和空间上的冗余性,提高测量信息的精度和可靠性,获得更加准确的识别、判断和决策。来自不同类型的传感器测量信息具有相关性高的特点,将这些多源信息进行有效的融合,可以提高测量信息的精度,同时对传感器自身的故障进行诊断和隔离。
发明内容
本发明所要解决的技术问题是:提供一种基于多源信息融合的风力发电机状态监测系统,通过对各传感器信息的有效融合,可以从中获得更加精确的测量信号;且具有可靠性高,成本低的优点。
同时,本发明还提供上述基于多源信息融合的风力发电机状态监测系统的监测方法。
为解决上述技术问题,本发明采用如下技术方案:
一种基于多源信息融合的风力发电机状态监测系统,该监测系统包括:
若干传感器,用以感应风力发电机各种类型的测量信息;多个传感器中包含分别感应风力发电机不同类型测量信息的传感器;
采集单元,用以采集各传感器的测量信息;
信息融合单元,用以接收所述采集单元采集的测量信息,并根据该测量信息进行融合计算,得出最终的测量结果。
作为本发明的一种优选方案,所述传感器包括温度传感器、加速度传感器、振动传感器中的两种或三种。
作为本发明的一种优选方案,所述监测系统包括预处理单元,用以接收采集单元采集的测量信息,并对其进行预处理,预处理过程包括滤波、去野值。
作为本发明的一种优选方案,当全部传感器均能正常工作时,所述信息融合单元对各传感器信息进行融合,从中获得精确的测量信号;当部分传感器出现故障不能正常工作时,所述信息融合单元从其他传感器中提取故障特征,替代故障传感器的测量信号,同时据此对故障传感器自身的故障进行判断和诊断。
作为本发明的一种优选方案,所述信息融合单元包括:
测量结果判别单元,用以根据多个传感器的测量信息,通过数据融合算法将若干多源传感器测量的数据进行融合,得到测量结果;
故障判别单元,用以根据各传感器的测量信息,判断各传感器是否出现故障;若某传感器的测量信息与测量结果的误差超过设定值,则认为该传感器出现故障。
上述风力发电机状态监测系统的监测方法,该方法包括如下步骤:
A、通过若干传感器感应风力发电机各种类型的测量信息;多个传感器中包含分别感应风力发电机不同类型测量信息的传感器;
B、采集单元采集各传感器的测量信息;
C、信息融合单元接收所述各传感器的测量信息,并根据该测量信息进行融合计算,得出最终的测量结果。
作为本发明的一种优选方案,所述传感器包括温度传感器、加速度传感器、振动传感器中的两种或三种。
作为本发明的一种优选方案,所述监测方法包括预处理步骤,接收采集单元采集的测量信息,并对其进行预处理,预处理过程包括滤波、去野值。
作为本发明的一种优选方案,当全部传感器均能正常工作时,所述信息融合单元对各传感器信息进行融合,从中获得更加精确的测量信号;当部分传感器出现故障不能正常工作时,所述信息融合单元从其他传感器中提取故障特征,替代故障传感器的测量信号,同时据此对故障传感器自身的故障进行判断和诊断。
作为本发明的一种优选方案,所述步骤C包括:
测量结果判别步骤,根据多个传感器的测量信息,通过数据融合算法将若干多源传感器测量的数据进行融合,得到测量结果;故障判别步骤,根据各传感器的测量信息,判断各传感器是否出现故障;若某传感器的测量信息与测量结果的误差超过设定值,则认为该传感器出现故障。
本发明的有益效果在于:本发明提出的基于多源信息融合的风力发电机状态监测系统及方法,通过设置多个传感器分别获取发电机的状态信息,而后对各传感器的测量信息进行有效融合,得到最终的数据。
由于多个传感器的测量信息可以带来时间和空间上的冗余性,当全部传感器均能正常工作时,通过对各传感器信息的有效融合,可以从中获得更加精确的测量信号;当部分传感器出现故障,不能正常工作时,可以从其他传感器中提取故障特征,替代故障传感器的测量信号,同时可以据此对传感器自身的故障进行判断和诊断。本发明采用多源信息融合技术进行风力发电机的状态监测,即便传感器本身出现故障,仍可以有效地对风力发电机进行状态监测和故障诊断,同时基于多源信息融合技术的风力发电机状态监测系统,仅利用现有的传感器和采集装置,利用软件进行数据的处理和融合,不需要额外增加设备,具有可靠性高,成本低的优点。
附图说明
图1为本发明风力发电机状态监测系统的组成示意图。
图2为风力发电机主体部分示的结构意图。
图3为实施例二中风力发电机状态监测系统的组成示意图。
图4为本发明风力发电机状态监测方法的流程图。
具体实施方式
下面结合附图详细说明本发明的优选实施例。
实施例一
请参阅图1,本发明揭示了一种基于多源信息融合的风力发电机状态监测系统,该系统可利用来自多个传感器的不同类型的测量信息,进行风力发电机状态的在线/离线监测。该监测系统包括若干传感器20、采集单元50、信息融合单元10、预处理单元30。
【传感器】
各传感器20用以感应风力发电机不同类型的测量信息;传感器的类型主要包括温度传感器、加速度传感器、振动传感器等。如,一种实施方式中,所述传感器包括一个温度传感器21、一个加速度传感器22、一个振动传感器23。当然,传感器还可以包括多个温度传感器、多个加速度传感器、多个振动传感器。
如图2所示,图2为风力发电机主体部分示的结构意图,风力发电机主要包括发电机41、齿轮箱42、传动机构43、扇叶44。图2中箭头所示处为本实施例中风力发电机状态监测系统传感器的安装位置,并根据要求可安装径向、轴向等。
【采集单元】
采集单元50采集各传感器20的测量信息,并将其传送至预处理单元30。
【预处理单元】
预处理单元30用以接收采集单元50采集的各传感器20的测量信息,并对其进行预处理,预处理过程包括滤波、去野值。
【信息融合单元】
监测系统中有多个不同类型的传感器20,,可利用多源传感器数据的有效融合来获取更加准确可靠的信息。例如,当风力发电机状态出现由温度引起的异常时,除了温度传感器可以测得温度异常之外,故障信息同样会以其他形式出现在振动传感器、加速度传感器的测量信息中,如果能够提取多源信息的相关性,并根据一定的准则将不同类型的测量信息进行融合,必然会带来更高的准确性。此外,又有制造工艺的差别,某种类型的传感器容易达到更高的灵敏度,但抗干扰能力差,另外一些类型的传感器尽管灵敏度高,但抗干扰能力强,如果可以利用算法将二者的信息有效融合,就可以实现高灵敏度,抗干扰能力强的监测系统。
信息融合单元10利用多传感器在时间和空间上的冗余性进行传感器自身工作状态及测量精度的自确认。信息融合单元10接收所述各传感器的测量信息,并根据该测量信息进行融合计算,得出最终的测量结果。
所述信息融合单元10的功能主要包括两个方面,一是当全部传感器均能正常工作时,所述信息融合单元10对各传感器20信息进行融合,从中获得更加精确的测量信号;当部分传感器出现故障,不能正常工作时,可以从其他传感器中提取故障特征,替代故障传感器的测量信号,同时可以据此对传感器自身的故障进行判断和诊断。相应地,所述信息融合单元10主要包括测量结果判别单元11、故障判别单元12。
测量结果判别单元11用以根据多个传感器的测量信息,通过数据融合算法将若干多源传感器测量的数据进行融合,得到测量结果。故障判别单元12用以根据各传感器的测量信息,判断各传感器是否出现故障;若某传感器的测量信息与测量结果的误差超过设定值,则认为该传感器出现故障。
以上介绍了本发明揭示的基于多源信息融合的风力发电机状态监测系统,本发明在揭示上述风力发电机状态监测系统的同时还揭示其状态监测方法。请参阅图4,上述风力发电机状态监测系统的状态监测方法主要包括如下步骤:
步骤A、通过若干传感器感应风力发电机不同类型的测量信息。
步骤B、采集单元50采集各传感器20的测量信息,并将其传送至预处理单元30。
步骤C、预处理步骤,对接收到的各传感器的测量信息进行预处理,预处理过程包括滤波、去野值。
步骤D、信息融合单元接收所述各传感器的测量信息,并根据该测量信息进行融合计算,得出最终的测量结果。当全部传感器均能正常工作时,所述信息融合单元对各传感器信息进行融合,从中获得更加精确的测量信号;当部分传感器出现故障不能正常工作时,所述信息融合单元从其他传感器中提取故障特征,替代故障传感器的测量信号,同时据此对故障传感器自身的故障进行判断和诊断。具体地,所述步骤D包括:
步骤D1、测量结果判别步骤:根据多个传感器的测量信息,通过数据融合算法将若干多源传感器测量的数据进行融合,得到测量结果;
步骤D2、故障判别步骤:根据各传感器的测量信息,判断各传感器是否出现故障;若某传感器的测量信息与测量结果的误差超过设定值,则认为该传感器出现故障。
综上所述,本发明提出的基于多源信息融合的风力发电机状态监测系统及方法,通过设置多个传感器分别获取发电机的状态信息,而后对各传感器的测量信息进行有效融合,得到最终的数据。
由于多个传感器的测量信息可以带来时间和空间上的冗余性,当全部传感器均能正常工作时,通过对各传感器信息的有效融合,可以从中获得更加精确的测量信号;当部分传感器出现故障,不能正常工作时,可以从其他传感器中提取故障特征,替代故障传感器的测量信号,同时可以据此对传感器自身的故障进行判断和诊断。
本发明采用多源信息融合技术进行风力发电机的状态监测,即便传感器本身出现故障,仍可以有效地对风力发电机进行状态监测和故障诊断,同时基于多源信息融合技术的风力发电机状态监测系统,仅利用现有的传感器和采集装置,利用软件进行数据的处理和融合,不需要额外增加设备,具有可靠性高,成本低的优点。
实施例二
请参阅图3,本实施例与实施例一的区别在于,本实施例中,信息融合单元、预处理单元均安装于计算机中。风力发电机状态监测系统的状态监测方法主要包括如下步骤:
1、通过采集系统采集各传感器的测量数据;
2、在计算机中对来自各传感器的测量数据进行滤波,去野值等预处理;
3、在计算机中利用多源传感器数据融合算法进行数据融合,并给出最后结果及其精度;
4、根据监测系统给出的信息进行相应的控制操作。
本发明提出的基于多源信息融合技术的风力发电机状态监测系统,即便传感器本身出现故障,仍可以有效地对风力发电机进行状态监测和故障诊断,同时基于多源信息融合技术的风力发电机状态监测系统,仅利用现有的传感器和采集装置,利用软件进行数据的处理和融合,不需要额外增加设备,具有可靠性高,成本低的优点。
这里本发明的描述和应用是说明性的,并非想将本发明的范围限制在上述实施例中。这里所披露的实施例的变形和改变是可能的,对于那些本领域的普通技术人员来说实施例的替换和等效的各种部件是公知的。本领域技术人员应该清楚的是,在不脱离本发明的精神或本质特征的情况下,本发明可以以其它形式、结构、布置、比例,以及用其它组件、材料和部件来实现。在不脱离本发明范围和精神的情况下,可以对这里所披露的实施例进行其它变形和改变。
Claims (10)
1.一种基于多源信息融合的风力发电机状态监测系统,其特征在于,该监测系统包括:
若干传感器,用以感应风力发电机各种类型的测量信息;多个传感器中包含分别感应风力发电机不同类型测量信息的传感器;
采集单元,用以采集各传感器的测量信息;
信息融合单元,用以接收所述采集单元采集的测量信息,并根据该测量信息进行融合计算,得出最终的测量结果。
2.根据权利要求1所述的基于多源信息融合的风力发电机状态监测系统,其特征在于:
所述传感器包括温度传感器、加速度传感器、振动传感器中的两种或三种。
3.根据权利要求1所述的基于多源信息融合的风力发电机状态监测系统,其特征在于:
所述监测系统包括预处理单元,用以接收采集单元采集的测量信息,并对其进行预处理,预处理过程包括滤波、去野值。
4.根据权利要求1所述的基于多源信息融合的风力发电机状态监测系统,其特征在于:
当全部传感器均能正常工作时,所述信息融合单元对各传感器信息进行融合,从中获得精确的测量信号;
当部分传感器出现故障不能正常工作时,所述信息融合单元从其他传感器中提取故障特征,替代故障传感器的测量信号,同时据此对故障传感器自身的故障进行判断和诊断。
5.根据权利要求1所述的基于多源信息融合的风力发电机状态监测系统,其特征在于:
所述信息融合单元包括
测量结果判别单元,用以根据多个传感器的测量信息,通过数据融合算法将若干多源传感器测量的数据进行融合,得到测量结果;
故障判别单元,用以根据各传感器的测量信息,判断各传感器是否出现故障;若某传感器的测量信息与测量结果的误差超过设定值,则认为该传感器出现故障。
6.权利要求1至5之一所述风力发电机状态监测系统的监测方法,其特征在于,该方法包括如下步骤:
A、通过若干传感器感应风力发电机各种类型的测量信息;多个传感器中包含分别感应风力发电机不同类型测量信息的传感器;
B、采集单元采集各传感器的测量信息;
C、信息融合单元接收所述各传感器的测量信息,并根据该测量信息进行融合计算,得出最终的测量结果。
7.根据权利要求6所述风力发电机状态监测系统的监测方法,其特征在于:
所述传感器包括温度传感器、加速度传感器、振动传感器中的两种或三种。
8.根据权利要求6所述风力发电机状态监测系统的监测方法,其特征在于:
所述监测方法包括预处理步骤,接收采集单元采集的测量信息,并对其进行预处理,预处理过程包括滤波、去野值。
9.根据权利要求6所述风力发电机状态监测系统的监测方法,其特征在于:
当全部传感器均能正常工作时,所述信息融合单元对各传感器信息进行融合,从中获得更加精确的测量信号;
当部分传感器出现故障不能正常工作时,所述信息融合单元从其他传感器中提取故障特征,替代故障传感器的测量信号,同时据此对故障传感器自身的故障进行判断和诊断。
10.根据权利要求6所述风力发电机状态监测系统的监测方法,其特征在于:
所述步骤C包括
测量结果判别步骤,根据多个传感器的测量信息,通过数据融合算法将若干多源传感器测量的数据进行融合,得到测量结果;
故障判别步骤,根据各传感器的测量信息,判断各传感器是否出现故障;若某传感器的测量信息与测量结果的误差超过设定值,则认为该传感器出现故障。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN200910197812A CN101696906A (zh) | 2009-10-28 | 2009-10-28 | 基于多源信息融合的风力发电机状态监测系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN200910197812A CN101696906A (zh) | 2009-10-28 | 2009-10-28 | 基于多源信息融合的风力发电机状态监测系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN101696906A true CN101696906A (zh) | 2010-04-21 |
Family
ID=42142022
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN200910197812A Pending CN101696906A (zh) | 2009-10-28 | 2009-10-28 | 基于多源信息融合的风力发电机状态监测系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101696906A (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102261947A (zh) * | 2011-04-25 | 2011-11-30 | 上海电机学院 | 风力发电机振动监测诊断装置及风力发电机测试装置 |
CN102619684A (zh) * | 2011-01-31 | 2012-08-01 | 华锐风电科技(集团)股份有限公司 | 故障诊断方法及系统 |
CN105703258A (zh) * | 2016-03-21 | 2016-06-22 | 广东电网有限责任公司东莞供电局 | Gis开关设备动作状态监测系统及其使用方法 |
CN106289363A (zh) * | 2016-08-01 | 2017-01-04 | 长沙理工大学 | 一种干扰环境传感器故障判断标记方法 |
CN106840624A (zh) * | 2015-11-05 | 2017-06-13 | 恩格尔奥地利有限公司 | 检验机器部件的状态的设备及方法和包括该设备的成型机 |
CN106842030A (zh) * | 2017-04-18 | 2017-06-13 | 西北工业大学 | 一种便携式自主水下航行器推进电机故障监测预警装置 |
CN108490350A (zh) * | 2018-03-14 | 2018-09-04 | 山东科技大学 | 一种大功率永磁电机故障诊断系统及诊断方法 |
CN108734218A (zh) * | 2018-05-22 | 2018-11-02 | 京东方科技集团股份有限公司 | 一种多传感器系统的信息融合方法和装置 |
CN111000684A (zh) * | 2019-09-27 | 2020-04-14 | 张兴利 | 一种基于多传感器融合的纸尿裤外置监测系统及监测方法 |
CN112714145A (zh) * | 2019-10-25 | 2021-04-27 | 中国移动通信有限公司研究院 | 物联网决策融合方法、识别方法、设备及存储介质 |
CN113393143A (zh) * | 2021-06-24 | 2021-09-14 | 重庆大学 | 基于信息融合的翅片机加工状态监测方法 |
-
2009
- 2009-10-28 CN CN200910197812A patent/CN101696906A/zh active Pending
Cited By (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102619684A (zh) * | 2011-01-31 | 2012-08-01 | 华锐风电科技(集团)股份有限公司 | 故障诊断方法及系统 |
CN102619684B (zh) * | 2011-01-31 | 2014-07-09 | 华锐风电科技(集团)股份有限公司 | 故障诊断方法及系统 |
CN102261947A (zh) * | 2011-04-25 | 2011-11-30 | 上海电机学院 | 风力发电机振动监测诊断装置及风力发电机测试装置 |
US10203677B2 (en) | 2015-11-05 | 2019-02-12 | Engel Austria Gmbh | Apparatus for checking a state of a machine part |
CN106840624A (zh) * | 2015-11-05 | 2017-06-13 | 恩格尔奥地利有限公司 | 检验机器部件的状态的设备及方法和包括该设备的成型机 |
CN105703258A (zh) * | 2016-03-21 | 2016-06-22 | 广东电网有限责任公司东莞供电局 | Gis开关设备动作状态监测系统及其使用方法 |
CN106289363A (zh) * | 2016-08-01 | 2017-01-04 | 长沙理工大学 | 一种干扰环境传感器故障判断标记方法 |
CN106842030A (zh) * | 2017-04-18 | 2017-06-13 | 西北工业大学 | 一种便携式自主水下航行器推进电机故障监测预警装置 |
CN106842030B (zh) * | 2017-04-18 | 2020-02-14 | 西北工业大学 | 一种便携式自主水下航行器推进电机故障监测预警装置 |
CN108490350B (zh) * | 2018-03-14 | 2020-07-31 | 山东科技大学 | 一种大功率永磁电机故障诊断系统及诊断方法 |
CN108490350A (zh) * | 2018-03-14 | 2018-09-04 | 山东科技大学 | 一种大功率永磁电机故障诊断系统及诊断方法 |
CN108734218A (zh) * | 2018-05-22 | 2018-11-02 | 京东方科技集团股份有限公司 | 一种多传感器系统的信息融合方法和装置 |
CN108734218B (zh) * | 2018-05-22 | 2021-01-15 | 京东方科技集团股份有限公司 | 一种多传感器系统的信息融合方法和装置 |
CN111000684A (zh) * | 2019-09-27 | 2020-04-14 | 张兴利 | 一种基于多传感器融合的纸尿裤外置监测系统及监测方法 |
CN111000684B (zh) * | 2019-09-27 | 2022-04-01 | 张兴利 | 一种基于多传感器融合的纸尿裤外置监测系统及监测方法 |
CN112714145A (zh) * | 2019-10-25 | 2021-04-27 | 中国移动通信有限公司研究院 | 物联网决策融合方法、识别方法、设备及存储介质 |
CN112714145B (zh) * | 2019-10-25 | 2024-02-27 | 中国移动通信有限公司研究院 | 物联网决策融合方法、识别方法、设备及存储介质 |
CN113393143A (zh) * | 2021-06-24 | 2021-09-14 | 重庆大学 | 基于信息融合的翅片机加工状态监测方法 |
CN113393143B (zh) * | 2021-06-24 | 2022-06-17 | 重庆大学 | 基于信息融合的翅片机加工状态监测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101696906A (zh) | 基于多源信息融合的风力发电机状态监测系统及方法 | |
US7895018B2 (en) | Event monitoring via combination of signals | |
CN102235941A (zh) | 一种风力发电机组状态监测及故障诊断系统 | |
CN103711645B (zh) | 基于建模参数特征分析的风力发电机组状态评估方法 | |
CN202710100U (zh) | 风力发电机组远程在线健康状态监测与故障诊断系统 | |
CN104019000A (zh) | 风力发电机组的载荷谱测定与前瞻性维护系统 | |
CN201835985U (zh) | 嵌入式监测仪表及其风力发电机组 | |
CN103912448B (zh) | 一种区域风电场机组功率特性监测方法 | |
CN103234753A (zh) | 基于高斯过程建模的风电机组轴系状态监测方法 | |
CN104515677A (zh) | 风电机组叶片故障诊断与状态监控系统 | |
CN103343728A (zh) | 风力发电机组远程在线多模式健康状态监测与故障诊断系统 | |
EP2585716A2 (en) | A method for performing condition monitoring in a wind farm | |
CN209746068U (zh) | 基于波形分析的配网故障告警系统 | |
CN103217291A (zh) | 一种风力发电机组故障诊断方法及系统 | |
CN104533730A (zh) | 一种风力发电机组状态监测系统 | |
CN202547923U (zh) | 一种风电机组变桨轴承振动检测装置 | |
CN106302567A (zh) | 一种风机塔架远程实时监测系统及方法 | |
WO2021119909A1 (zh) | 一种用于监测叶根紧固件的健康状态的方法及系统 | |
CN102243135A (zh) | 一种塔式太阳能热发电站定日镜故障诊断分析方法 | |
CN107728063B (zh) | 一种直驱式永磁风力发电机组变流器开路故障诊断方法 | |
CN111190075B (zh) | 一种基于脉冲信号注入的配电线路故障定位方法 | |
CN204719531U (zh) | 一种风电机组设备的故障监控预警系统 | |
CN102261947A (zh) | 风力发电机振动监测诊断装置及风力发电机测试装置 | |
CN101696907A (zh) | 基于同源信息融合的风力发电机状态监测系统及方法 | |
CN105508146A (zh) | 风力发电机组的偏航测试系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Open date: 20100421 |