CN102713263A - 现场校准风力涡轮机叶片的负载传感器的方法 - Google Patents

现场校准风力涡轮机叶片的负载传感器的方法 Download PDF

Info

Publication number
CN102713263A
CN102713263A CN2011800080087A CN201180008008A CN102713263A CN 102713263 A CN102713263 A CN 102713263A CN 2011800080087 A CN2011800080087 A CN 2011800080087A CN 201180008008 A CN201180008008 A CN 201180008008A CN 102713263 A CN102713263 A CN 102713263A
Authority
CN
China
Prior art keywords
blade
wind turbine
rotor
turbine blade
load
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.)
Granted
Application number
CN2011800080087A
Other languages
English (en)
Other versions
CN102713263B (zh
Inventor
M.O.斯洛特
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
LM Wind Power AS
Original Assignee
LM Glasfiber AS
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by LM Glasfiber AS filed Critical LM Glasfiber AS
Publication of CN102713263A publication Critical patent/CN102713263A/zh
Application granted granted Critical
Publication of CN102713263B publication Critical patent/CN102713263B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F03—MACHINES OR ENGINES FOR LIQUIDS; WIND, SPRING, OR WEIGHT MOTORS; PRODUCING MECHANICAL POWER OR A REACTIVE PROPULSIVE THRUST, NOT OTHERWISE PROVIDED FOR
    • F03D—WIND MOTORS
    • F03D1/00—Wind motors with rotation axis substantially parallel to the air flow entering the rotor 
    • F03D1/06—Rotors
    • F03D1/065—Rotors characterised by their construction elements
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F03—MACHINES OR ENGINES FOR LIQUIDS; WIND, SPRING, OR WEIGHT MOTORS; PRODUCING MECHANICAL POWER OR A REACTIVE PROPULSIVE THRUST, NOT OTHERWISE PROVIDED FOR
    • F03D—WIND MOTORS
    • F03D17/00—Monitoring or testing of wind motors, e.g. diagnostics
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
    • F05B—INDEXING SCHEME RELATING TO WIND, SPRING, WEIGHT, INERTIA OR LIKE MOTORS, TO MACHINES OR ENGINES FOR LIQUIDS COVERED BY SUBCLASSES F03B, F03D AND F03G
    • F05B2270/00—Control
    • F05B2270/30—Control parameters, e.g. input parameters
    • F05B2270/326—Rotor angle
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
    • F05B—INDEXING SCHEME RELATING TO WIND, SPRING, WEIGHT, INERTIA OR LIKE MOTORS, TO MACHINES OR ENGINES FOR LIQUIDS COVERED BY SUBCLASSES F03B, F03D AND F03G
    • F05B2270/00—Control
    • F05B2270/30—Control parameters, e.g. input parameters
    • F05B2270/328—Blade pitch angle
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
    • F05B—INDEXING SCHEME RELATING TO WIND, SPRING, WEIGHT, INERTIA OR LIKE MOTORS, TO MACHINES OR ENGINES FOR LIQUIDS COVERED BY SUBCLASSES F03B, F03D AND F03G
    • F05B2270/00—Control
    • F05B2270/30—Control parameters, e.g. input parameters
    • F05B2270/331—Mechanical loads
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
    • F05B—INDEXING SCHEME RELATING TO WIND, SPRING, WEIGHT, INERTIA OR LIKE MOTORS, TO MACHINES OR ENGINES FOR LIQUIDS COVERED BY SUBCLASSES F03B, F03D AND F03G
    • F05B2270/00—Control
    • F05B2270/80—Devices generating input signals, e.g. transducers, sensors, cameras or strain gauges
    • F05B2270/802—Calibration thereof
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
    • F05B—INDEXING SCHEME RELATING TO WIND, SPRING, WEIGHT, INERTIA OR LIKE MOTORS, TO MACHINES OR ENGINES FOR LIQUIDS COVERED BY SUBCLASSES F03B, F03D AND F03G
    • F05B2270/00—Control
    • F05B2270/80—Devices generating input signals, e.g. transducers, sensors, cameras or strain gauges
    • F05B2270/803—Sampling thereof
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E10/00—Energy generation through renewable energy sources
    • Y02E10/70—Wind energy
    • Y02E10/72—Wind turbines with rotation axis in wind direction

Abstract

描述了一种现场校准水平轴线式风力涡轮机的负载传感器的方法。风力涡轮机包括转子，转子包括桨毂和一定数目的风力涡轮机叶片，叶片从桨毂沿径向延伸，桨毂连接到包括发电机的传动系上，发电机将转子的机械旋转运动转换成电能，其中所述一定数目的叶片至少包括设有一定数目的第一负载传感器的第一风力涡轮机叶片，第一负载传感器定位在第一风力涡轮机叶片的第一截面中。该方法包括以下步骤：a）确定第一风力涡轮机叶片的转子方位角；b）确定第一风力涡轮机叶片的桨距角；c）使用第一负载传感器测量第一风力涡轮机叶片的第一截面中的负载；d）至少基于在步骤a）和步骤b）中确定的转子方位角和叶片的桨距角来计算理论负载；e）将步骤c）中测量的负载与步骤d）中计算出的理论负载相比较；以及f）基于步骤e）的比较来校准第一负载传感器，其中校准仅基于切断发电机时执行的测量。

Description

现场校准风力涡轮机叶片的负载传感器的方法
技术领域
本发明涉及一种现场校准水平轴线式风力涡轮机的负载传感器的方法，该风力涡轮机包括：转子，转子包括桨毂和一定数目的风力涡轮机叶片，叶片从桨毂沿径向延伸，桨毂连接到包括发电机的传动系上，发电机将转子的机械旋转运动转换成电能，其中所述一定数目的叶片至少包括第一风力涡轮机叶片，第一风力涡轮机叶片设有定位在第一风力涡轮机叶片的第一截面中的一定数目的第一负载传感器。
新风力涡轮机叶片越来越常设有用于控制目的和/或监测的负载传感器。
背景技术
来自于相同专利族的WO08135789和EP2112375公开了一种检测风力涡轮机的叶片上的冰的形成的方法，其中叶片设有用于测量风力涡轮机叶片的机械应变的纤维应变传感器。这些文献描述了可通过使用单独的校准程序来校准纤维应变传感器，其中定位桨距角以便叶片重量的最大分量分别作用在摆振方向传感器和沿边方向传感器上。然后，风力涡轮机的转子以恒定的速度旋转，以便最大限度地减小空气动力和离心力，且在风力涡轮机的发电机上没有电负载。针对风力涡轮机转子的若干次回转，在叶片处于固定桨距位置的情况下执行校准程序。可使用锁定至风力涡轮机的旋转频率的带通过滤器来从数据中提取出正弦信号。
WO08020239和WO08020240描述了一种制造带有设有光纤布拉格光栅传感器的一定数目的风力涡轮机叶片的风力涡轮机的方法。
WO09056869描述了一种监测风力涡轮机叶片上的应变的方法，其中至少三个应变传感器在其横向平面中置于风力涡轮机叶片的一个结构部件中，其中将来自于应变传感器的应变信号解析为沿两个正交方向的应变测量结果。
DE102006036157公开了一种校准风力涡轮机的传感器的方法。一旦发送起始信号，则在单独的过程中执行校准。通过将转子定位在制动位置而叶片处于水平位置且使叶片贯穿桨距循环来执行校准，此后分析来自于传感器的数据信号。作为备选，将叶片保持在固定桨距角处，同时针对转子的若干次旋转收集数据。
为了获得可靠的测量结果，必须校准负载传感器。这可在工厂中完成，但相对昂贵。如果出于一些原因负载传感器需要在对涡轮机的一些操作之后再校准，则拆卸叶片和将叶片运送至工厂来进行校准将会非常昂贵，这对于离岸风力涡轮机尤其明显。因此，就需要现场校准传感器的可能性，且优选地在叶片安装到风力涡轮机上时进行，且更优选地在风力涡轮机的正常操作期间进行。
发明内容
本发明的目的在于获得一种新方法，该方法克服或改进了现有技术的至少一个缺点，或该方法提供了有用的备选方案。
根据本发明的第一方面，通过本方法达到目的，该方法包括以下步骤：a）确定转子方位角；b）确定第一风力涡轮机叶片的桨距角；c）使用第一负载传感器测量所述第一风力涡轮机叶片的第一截面中的负载；d）至少基于在步骤a）和步骤b）中确定的所述转子方位角和所述叶片的桨距角来计算理论负载；e）将步骤c）中测量的负载与步骤d）中计算出的理论负载相比较；以及f）基于步骤e）的比较来校准所述第一负载传感器，其中所述校准仅基于切断发电机时执行的测量，以及其中为各个样本重复地采样和计算步骤a）至步骤d）中收集的值。
本原理的优点在于，有可能在叶片安装在涡轮机上时，即，不需要从涡轮机拆下叶片，现场校准传感器。在涡轮机运转且连接到电网上时可执行校准。系统连续地记录相关数据（涡轮机操作状况和传感器测量结果），且一段时间之后，系统收集到足够的数据而能够完成传感器的可靠校准。校准是全自动完成的。没有特别的校准程序，即，不需要人员交互或不需要对涡轮机执行特别的策略。所有数据都是在涡轮机正常操作期间收集的。然而，大部分有用的数据将主要在涡轮机在低风速下空转和在涡轮机启动期间的情形中收集的。这些操作情形相对频繁地出现，所以在系统收集到足够的数据来完成校准之前仅是时间问题。当系统连续地再校准传感器时，有可能检测到校准值中的突然变化，这可指出抗弯刚度中的变化。这可揭示叶片的老化或可能的损坏。
通过基于转子方位角和叶片的桨距角两者来计算各个样本的理论负载，就减轻了对保持两个参数中的一个参数固定的需求，且两个参数都可在样本之间变化。例如，相比于EP2112375和DE 102006036157，这意味着可连续地执行传感器的校准，且传感器的校准不必经历特别的校准过程。当风力涡轮机状况在给定参数内时，可改为自动地收集校准样本。另外，由于将各个样本与单独地计算的理论负载相比较，故可更为精确地执行根据本发明的自动校准方法，其中可考虑若干参数。相反地，现有技术的校准方法则依靠可从间距循环或转子循环中提取正弦数据的简化状况。实际上，此种数据将很少是真正的正弦曲线。
用语“切断”意思是发电机未连接到电网上，且因此不将转子旋转转换成电，即，主轴转矩大约为零。这进一步暗示了也未触动紧急制动。
根据有利的实施例，仅有在风力涡轮机空转时和/或在涡轮机启动期间执行的测量才用于校准负载传感器。换言之，从校准过程中丢弃其余测量数据。
根据另一有利的实施例，风力涡轮机包括两个或三个风力涡轮机叶片。可针对各个风力涡轮机叶片执行校准过程。
根据又一有利的实施例，重复地采样步骤a）至d）中和可选的步骤e）中确定的值，且其中在预定时间周期之后或在记录了预定数目的不同样本之后，或者是一定数目的不同样本超过最小阈值，执行步骤f），通过取决于数据的分布和采样频率的函数来确定最小阈值。
在一个实施例中，风力涡轮机还包括用于使转子的旋转制动的制动器，且其中仅有未接合制动器时执行的测量才用于校准负载传感器。即，如果接合制动器，则从校准过程丢弃测量数据。
在一个有利的实施例中，第一截面包括至少两个负载传感器。因此，即使两个传感器未置于准确的弯曲轴线上，也有可能通过叠加来减除摆振方向的弯矩和沿边方向的弯矩。至少两个负载传感器可包括置于第一风力涡轮机叶片的后缘附近的第一负载传感器，以及置于第一风力涡轮机叶片的吸入侧或压力侧处的第一风力涡轮机的前缘与后缘之间的第二负载传感器。这提供了有利的实施例，其中第一负载传感器和第二负载传感器分别置于叶片的第一主要弯曲轴线和第二主要弯曲轴线附近。根据另一实施例，至少两个负载传感器中的一个或两个置于叶片的主要弯曲轴线上。
根据另一实施例，第一风力涡轮机叶片还设有定位在第一风力涡轮机叶片的第二截面中的一定数目的第二负载传感器。为第一负载传感器的校准执行的相同校准步骤应当也为第二负载传感器的校准执行。第一风力涡轮机可包括仅在1个至5个不同截面中，有利地仅在1个至4个不同截面中，且更有利地仅在1个至3个不同截面中的负载传感器。第一风力涡轮机叶片甚至可包括仅在1个至2个不同截面中的负载传感器。因此，仅为少数负载传感器执行测量和校准，这总体上降低了系统的计算复杂性。
根据一个有利的实施例，步骤d）的计算基于来自于第一风力涡轮机叶片的自身重量的重力和/或重力矩。可基于以下参数中的一个或多个通过坐标变换来有利地执行计算：传动系的主轴承的倾斜度、转子方位角、第一叶片的桨距角和第一叶片的锥角。此外，可使用基于叶片坐标系与主要弯曲轴线之间的角的坐标变换。
根据另一有利的实施例，步骤d）的计算还基于来自于转子的旋转的惯性力和/或惯性矩。此种附加因素给校准过程增加进一步的精度。惯性力可有利地基于离心力和/或科里奥利力和/或由转子加速度造成的力。此外，有可能将由风力涡轮机的偏航造成的惯性力加至计算中。这给校准过程增加甚至进一步的精度。
根据又一实施例，步骤d）的计算还基于来自于转子的旋转和/或来自于冲击第一风力涡轮机叶片的风的空气动力和/或空气动力力矩。此种力趋于加速转子。另外，此种因素给该校准方法增加甚至进一步的精度。
此外，步骤d）的计算还可有利地基于第一风力涡轮机叶片的总体性质和置于第一截面外侧的第一风力涡轮机叶片的一部分的总体性质。因此，外侧部分包括置于第一截面与叶片末梢之间的叶片的部分。总体性质可基于以下参数中的一个或多个：质量、质量矩、惯性矩和惯性积。一旦计算出这些总体性质，则可线性地执行其余的计算，且其余的计算耗时很少，因为避免了经过所有叶片截面的迭代。该创新方法实现了实时计算而不需要过大的计算能力。这意味着可在各个样本之后立即处理测量结果，且校准可连续地（即，实时地）运行。
在一个实施例中，步骤d）的校准还基于来自于传动系的摩擦损失。另外，此种考虑因素给校准过程增加甚至进一步的精度。
根据有利的实施例，将根据以下方案中的一个或多个来过滤测量数据。例如，有可能从校准过程丢弃在转子的转子速度超过发电机接入速度时获得的测量数据，或者，在发电机接入和/或转子速度超过转子速度阈值时，阈值可用于过滤数据，以避免由空气动力造成的不确定性。因此，可忽略高于该阈值的转子速度下获得的测量结果。还可从校准过程丢弃在转子的转子减速度超过转子减速度阈值时获得的测量数据。此外，可从校准过程丢弃在转子的绝对转子速度低于最低转子速度阈值时获得的测量数据。另外，可从校准过程丢弃在第一风力涡轮机叶片的桨距高于最大桨距阈值时获得的测量数据。此外，可从校准过程丢弃在第一风力涡轮机叶片的桨距低于最小桨距阈值时获得的测量数据。很难构造出保留所有可靠数据且丢弃所有不可靠数据的完美过滤器。实际上，将总是存在一些重叠。用前述过滤技术，可能丢弃一些可靠数据，但更重要的是丢弃了所有不可靠的数据。然而，仍保留了足量的数据来执行可靠且准确的校准。
例如，校准过程可基于例如通过最小二乘法的数据拟合，如曲线拟合或平面拟合。例如，可在包括前述力和/或力矩的三个空间分量的三维图中执行平面拟合。
负载传感器可为任何适合的传感器，例如但不限于电阻应变计、压电应变计或纤维布拉格光栅或其它纤维传感器。
通常从风力涡轮机的操作状况中获知转子方位角、叶片桨距角和转子的转速。然而，原则上可以通过使用例如加速计或其它适合的测量装置来推导出这些参数。
原则上，在发电机接入时校准传感器也是可行的，但这给计算增加复杂性，因为可能需要主轴转矩的准确测量。在此情形中，该方法仅包括步骤a）至f）。因此，校准例如可仅基于在风速低于预定风速阈值和/或转子的转速低于预定转子速度阈值时获得的测量结果和/或任何前述实施例和过滤方法。然而，应当注意的是，如果转子速度相对较高，和/或桨距角相对较低（这一般是在发电机接入时的情况），则叶片上的空气动力可将不确定性的主要元素引入理论计算中。在特别的情形中，有可能使校准基于发电机在较低转子速度下接入且桨距角相对较高时的数据。然而，这是风力涡轮机的不正常的操作状况。
根据第二方面，本发明还提供了一种风力涡轮机，其包括：转子，所述转子包括桨毂和一定数目的风力涡轮机叶片，所述叶片从桨毂沿径向延伸，所述桨毂连接到包括发电机的传动系上，所述发电机将所述转子的机械旋转运动转换成电能，其中所述一定数目的叶片至少包括第一风力涡轮机叶片，所述第一风涡轮机叶片设有一定数目的第一负载传感器，所述第一负载传感器至少包括定位在所述第一风力涡轮机叶片的第一截面中的主负载传感器和副负载传感器。所述风力涡轮机还设有用于校准第一负载传感器的校准系统，所述校准系统包括：提取装置，其用于确定所述风力涡轮机的操作参数且至少确定转子方位角和所述第一风力涡轮机叶片的桨距角，优选地还确定所述转子的转子速度；记录装置，其连续地记录样本，所述样本包括从所述第一负载传感器获得的负载测量结果和所述风力涡轮机的操作参数；用于基于所述样本计算理论负载的计算装置；用于比较所述理论负载和负载测量结果的比较装置；以及用于基于从所述比较装置获得的值来校准所述第一负载传感器的校准装置。所述风力涡轮机可适于执行任何前述方法实施例。
附图说明
本发明在下文中参照附图所示的实施例进行详细阐述，在附图中：
图1示出风力涡轮机；
图2示出根据本发明的设有负载传感器的风力涡轮机叶片；
图3示出根据本发明的在校准方法中使用的转子方位角；
图4示出根据本发明的在校准方法中使用的机舱坐标系；
图5示出根据本发明的在校准方法中使用的主轴承坐标系；
图6示出根据本发明的在校准方法中使用的叶片轴承坐标系；
图7示出根据本发明的在校准方法中使用的叶片坐标系和轮廓坐标系；
图8进一步示出根据本发明的在校准方法中使用的风力涡轮机叶片的总体性质；
图9示出来自于风力涡轮机启动模拟的数据；
图10示出随时间变化的模拟的重力和惯性负载；
图11示出基于根据本发明的校准方法的随时间变化的计算的重力和惯性负载；
图12示出计算的与模拟的重力和惯性负载之间的差异；
图13示出随时间变化的模拟的空气动力负载；
图14示出基于根据本发明的校准方法的随时间变化的计算的空气动力负载；
图15示出计算的与模拟的空气动力负载之间的差异；
图16a-c示出在没有数据过滤的情况下的计算的负载对模拟的负载；以及
图17a-c示出在数据过滤之后的计算的负载对模拟的负载。
具体实施方式
1.介绍
新风力涡轮机叶片越来越常设有用于控制目的和/或监测的负载传感器。为了获得可靠的测量结果，必须校准负载传感器。这可在工厂中完成，但相对昂贵。如果出于一些原因负载传感器需要在对涡轮机的一些操作之后再校准，则拆卸叶片和将叶片运送至工厂来进行校准将会非常昂贵。因此，就需要现场校准传感器的可能性，且优选地在叶片安装到涡轮机上时进行。
该文献描述了一种用于在涡轮机运转且连接到电网上时在现场全自动校准传感器的原理。描述了方法和思路，且提出了用于自动校准装置的软件中执行所需的方程式。
图1示出根据所谓“丹麦原理”的常规现代逆风风力涡轮机，其具有塔架4、机舱6和具有大致水平的转子轴的转子。转子包括桨毂8和从桨毂8沿径向延伸的三个叶片10，各个叶片10分别具有最接近桨毂的叶片根部16和最远离桨毂8的叶片末梢14。
图2示出根据本发明的风力涡轮机叶片10的第一实施例的示意图。风力涡轮机叶片10具有常规风力涡轮机叶片的形状，且包括最接近桨毂的根部区30、最远离桨毂的成型区或翼型区34、以及根部区30与翼型区34之间的过渡区32。叶片10包括在叶片安装到桨毂上时面对叶片10的旋转方向的前缘18、以及面对前缘18的相反方向的后缘20。
翼型区34（也称为成型区）具有相对于产生升力理想的或近乎理想的叶片形状，而根部区30由于结构考虑而具有大致圆形或椭圆形的截面，例如，这使得将叶片10安装至桨毂更容易和更安全。根部区30的直径（或翼弦）通常沿整个根部区30是恒定的。过渡区32具有从根部区30的圆形或椭圆形状40逐渐变成翼型区34的翼型轮廓的过渡轮廓。过渡区32的宽度通常随离桨毂的距离增大而大致线性地增大。翼型区34具有带翼弦的翼型轮廓，翼弦在叶片10的前缘18与后缘20之间延伸。翼弦的宽度随离桨毂的距离增大而减小。
应当注意的是，叶片不同截面的翼弦一般不会处于公共平面内，因为叶片可能是扭曲的和/或弯曲的（即，预弯曲的），因而给翼弦平面提供了对应的扭曲和/或弯曲路线，这是最普遍的情况，以便补偿取决于从桨毂的半径的叶片局部速度。
根据本发明的风力涡轮机叶片10设有置于叶片10的第一截面42中的第一负载传感器（第一摆振传感器）21和另一负载传感器（第一边缘传感器）22，以及置于叶片的第二截面43中的第二摆振传感器23和第二边缘传感器24。
用于校准过程的计算基于第15段中包含的和在图3至图7中示出的参数。
图3示出带有包括三个风力涡轮机叶片的转子的风力涡轮机，风力涡轮机叶片包括第一风力涡轮机叶片10'。当叶片10'沿风力涡轮机的塔架的纵轴线50指向下时，将第一风力涡轮机叶片10'的转子方位角ψ限定为0度。因此，转子方位角ψ设定为塔架的纵轴线50与第一叶片10'的纵轴线52之间的角。为了计算，第二和第三风力涡轮机叶片的转子方位角分别从第一风力涡轮机叶片10'的转子方位角ψ转移120度和-120度。
图4至图6示出了示出根据本发明的在校准方法中使用的其它参数的风力涡轮机的简化模型。该模型示出塔架的纵轴线50、风力涡轮机的传动系的主轴承的纵轴线51、以及第一风力涡轮机叶片10'的纵轴线52。图4还示出在校准过程中使用的机舱坐标系，其中x轴线定向在风力涡轮机的顺风方向上，z轴线定向为沿塔架的纵轴线50向下，而y轴线垂直于x轴线和z轴线。
图5示出固定主轴承坐标系和旋转转子坐标系，其中在第一叶片10'指向下，转子方位角ψ等于0度的情况下绘出模型。x轴线定向在沿主轴承的纵轴线51的风力涡轮机的顺风方向上，y轴线定向在与机舱坐标系的y轴线相同的方向上，而z轴线垂直x轴线和y轴线。转子坐标系围绕x轴线旋转，且机舱坐标系的坐标可经由倾角τ变换成固定主轴承坐标系和转子坐标系，倾角τ限定为主轴承的纵轴线51与水平面之间的角。
图6示出叶片轴承坐标系和叶片坐标系，其中在第一叶片的桨距角θ等于0度的情况下绘出模型。z轴线定向为沿第一风力涡轮机叶片的纵轴线52向上，x轴线定向在与机舱坐标系的y轴线相同的方向上，而y轴线定向在垂直于x轴线和z轴线的顺风方向上，且因此还垂直于第一风力涡轮机叶片的纵轴线52。叶片轴承坐标系绕转子坐标系旋转，且叶片坐标系基于叶片桨距θ相对于叶片轴承坐标系围绕z轴线旋转。经由第一风力涡轮机叶片的桨距角θ和限定为第一风力涡轮机叶片的纵轴线52与垂直于主轴承的纵轴线51的平面之间的角的锥角γ，可以将固定主轴承坐标系和旋转转子坐标系的坐标变换成叶片轴承坐标系和叶片坐标系。
图7示出第一风力涡轮机叶片的第一截面42的轮廓，且示出叶片坐标系28与轮廓坐标系29之间的关系。叶片轮廓包括在叶片轮廓的弹性中心27中彼此交叉的第一主要弯曲轴线25和第二主要弯曲轴线26。轮廓坐标系29具有其在弹性中心27中的原点，且x轴线和y轴线分别与第一主要弯曲轴线25和第二主要弯曲轴线26对准，而z轴线定向为垂直于x轴线和y轴线。经由角可将叶片坐标系28变换成轮廓坐标系29，角
Figure 107917DEST_PATH_IMAGE002
限定为叶片坐标系28与主要弯曲轴线25、26之间的角。看到的是，第一摆振传感器21置于第一主要弯曲轴线25附近的后缘处，而第一边缘传感器22置于第二主要弯曲轴线26附近的叶片轮廓的吸入侧处。
2. 原理的描述
本文献中描述的现场自动校准原理的基础为带配备有纤维传感器系统（如纤维布拉格光栅传感器系统）的LM61.5P2叶片的RE-power 5M涡轮机，纤维传感器系统由置于z= -8.12 m处的两个传感器21、22（如图2和图7中所示的一个摆振传感器和一个边缘传感器）、以及在z = -23.12 m处的两个传感器23、24构成，每个叶片总共四个传感器。参看图6，应注意的是，由于z轴线指向远离末梢，故截面置于z的负值处。 传感器21-24在它们所安装的位置处测量叶片中的应变。摆振传感器21、23和边缘传感器22、24不必准确地安装到主要弯曲轴线25、26上，但有可能通过叠加的原理，使用一个叶片截面中的两个传感器测量结果的组合来计算摆振方向和沿边方向的弯矩。
本原理的优点在于，有可能在叶片安装在涡轮机上时，在现场校准传感器21-24。不需要从涡轮机拆下叶片。在涡轮机运转且连接到电网上时执行校准。系统连续地记录相关数据（涡轮机操作状况和传感器测量结果），且一段时间之后，系统收集到足够的数据而能够完成传感器的可靠校准。
校准是全自动完成的。没有特别的校准程序，即，不需要人员交互或不需要对涡轮机做出特别的策略。所有数据都是在涡轮机的正常操作期间收集的。然而，大部分有用的数据将主要是在涡轮机在低风速下空转和在涡轮机启动期间的情形中收集的。这些操作情形相对频繁地出现，所以在系统收集到足够的数据来完成校准之前仅是时间问题。
当系统连续地再校准传感器时，有可能检测到校准值中的突然变化，这可指出抗弯刚度中的变化。这可揭示叶片的老化或可能的损坏。
3. 方法
在下文中，描述了使得有可能使现场校准成为可能的简单构想。
为了完成校准，在叶片受到已知的负载时，就需要来自于传感器21-24的测量结果。负载在传感器位置处导致了叶片中的应变。如果负载是已知的，则有可能计算出理论应变水平。如果传感器测量结果未示出该值，则应当对应地校准传感器来示出正确的值。
通过转子为非旋转的且定位在90°方位角处（即，叶片悬置在水平位置上）的情况，可将已知负载施加到叶片上。当叶片自身重量力矩已知时，有可能计算出静应变水平。通过使叶片在0°和90°处变桨，就可分别在沿边方向和摆振方向的方向上施加自身重量负载，从而实现了两个传感器21至24的校准。为所有三个叶片重复该程序。
上述构想需要涡轮机在校准期间做出特别的策略。为了将此避免，使用根据本发明的更为复杂的方法。
不管方位角ψ和桨距角θ，有可能使用一些坐标变换来计算叶片上的自身重量负载。如果涡轮机转子旋转和/或叶片变桨，则动力（离心力和科里奥利力）作用在叶片上。如果旋转加速，则惯性力也作用在叶片上。理论上可计算所有这些力。该方法在本自动校准原理中使用。
此外，如果存在一些风或旋转，则空气动力将作用在叶片上。这些力将趋于加速转子，且基于转子加速率，增加了简化的空气动力模型以考虑到这一点。还增加了传动系中的摩擦损失的模型以得到更准确的结果。
可通过将叶片分成若干截面，且逐级穿过所有叶片截面来总计负载而计算出负载。为各个时间样本完成这些迭代计算需要大量的计算能力。因此，发明出了较好的方法。代替总计叶片截面的负载，可使用整个叶片和叶片的一部分的一些总体性质，例如质量、质量矩、力矩和惯性积等来计算负载，叶片的该部分为传感器的截面的外面或外侧。一旦计算出这些总体性质，则可线性地执行其余的计算，且其余的计算耗时很少，因为避免了通过所有叶片截面的迭代。该创新方法实现了实时计算而不需要过大的计算能力。这意味着可在各个样本之后立即处理测量结果，且校准可连续地运行。
由于一些模型的不确定性和局限性，故不是所有样本都可用于校准，所以必须过滤收集到的数据。最后，当收集到足够的数据时，可在三维图中相对于测量的应变水平绘出理论上计算出的负载。结果应当为其中大多数数据点定位成接近平面的图。对于校准，函数描述了测量的应变水平至理论上计算的负载的映射。例如，使用最小二乘法找出最佳拟合。
4. 用于涡轮机和叶片数据的通用方程式
为了准备将为各个时间样本完成的计算，首先必须完成一些一般一劳永逸的计算。
在下文中，将叶片认作是刚形本体，且将忽略涡轮机的弹性变形。
还参看图8，通过方程式4.1计算从转子中心到第一传感器21、22所在的第一截面的径向距离。如果存在一个以上带有传感器的截面（例如，每个叶片两个截面），则必须单独地计算各个截面的距离。
Figure 949971DEST_PATH_IMAGE004
                                 （4.1） 
从转子中心到叶片末梢的径向距离为
                                    （4.2）
应当注意的是，r和z通常是不等的，且从以上方程式清楚的是，两条轴线因而可为不同的大小。
通过方程式4.3来计算置于传感器21、22所在的截面的外面或外侧的叶片的部分40的质量。如果存在一个以上的带有传感器的截面，则必须为各个截面重复质量的计算。
Figure 159553DEST_PATH_IMAGE008
                                       （4.3） 
总叶片质量为
Figure 795065DEST_PATH_IMAGE010
                                       （4.4）
仅考虑传感器所在的第一截面的外面的叶片的部分40，通过方程式4.5-4.7来计算围绕叶片根部（第一质量惯性矩）的静力矩。如果存在一个以上的带有传感器的截面，则必须为各个截面重复静力矩的计算。
Figure 62098DEST_PATH_IMAGE012
                                    （4.5） 
Figure 260998DEST_PATH_IMAGE014
                                    （4.6） 
Figure 929877DEST_PATH_IMAGE016
                                      （4.7）
整个叶片的静力矩为
Figure 985558DEST_PATH_IMAGE018
                                   （4.8） 
Figure 739887DEST_PATH_IMAGE020
                                   （4.9） 
Figure 476899DEST_PATH_IMAGE022
                                    （4.10） 
通过方程式4.11-4.16来计算围绕叶片根部的质量惯性矩和惯性积的分布。如果不可计算出准确值，则在“约等于”符号之后的最后公式为可以使用的近似值。在一些情形中，仅计算准确的惯性矩，而未计算惯性积。在此情况下，可使用惯性积的近似值。
Figure 308939DEST_PATH_IMAGE024
 
（4.11） 
Figure 738783DEST_PATH_IMAGE026
 
（4.12） 
Figure 980409DEST_PATH_IMAGE028
 
（4.13） 
Figure 317849DEST_PATH_IMAGE030
（4.14） 
Figure 961320DEST_PATH_IMAGE032
（4.15） 
Figure 296486DEST_PATH_IMAGE034
 
（4.16） 
仅考虑传感器21、22所在的截面的外面的叶片的部分40，通过方程式4.17-4.22计算围绕叶片根部的质量惯性矩和惯性积。如果存在一个以上带有传感器的截面，则必须为各个截面重复惯性矩和惯性积的计算。
Figure 838457DEST_PATH_IMAGE036
                                   （4.17）
Figure 917272DEST_PATH_IMAGE038
                                   （4.18）
                                   （4.19）
Figure 249213DEST_PATH_IMAGE042
                                   （4.20）
                                   （4.21）
Figure 82357DEST_PATH_IMAGE046
                                   （4.22）
必须使用方程式4.23-4.28将来自于方程式4.17-4.22的质量惯性矩和惯性积转换成围绕转子中心中的固定点取得。如果存在一个以上带有传感器的截面，则必须为各个截面重复惯性矩和惯性积的转移。
Figure 746425DEST_PATH_IMAGE048
                         （4.23）
                         （4.24）
Figure 126908DEST_PATH_IMAGE052
                                            （4.25）
Figure 547525DEST_PATH_IMAGE054
                                            （4.26）
Figure 82412DEST_PATH_IMAGE056
                                    （4.27）
Figure 195861DEST_PATH_IMAGE058
                                    （4.28）
整个叶片的质量惯性矩和惯性积为
Figure 121092DEST_PATH_IMAGE060
                                  （4.29）
Figure 158449DEST_PATH_IMAGE062
                                  （4.30）
Figure 219946DEST_PATH_IMAGE064
                                  （4.31）
Figure 504297DEST_PATH_IMAGE066
                                  （4.32）
Figure 979141DEST_PATH_IMAGE068
                                  （4.33）
                                  （4.34）
来自于方程式4.29-4.34的质量惯性矩和惯性积必须使用方程式4.35-4.40转换成围绕转子中心中的固定点取得。
Figure 503236DEST_PATH_IMAGE072
               （4.35）
               （4.36）
Figure 592732DEST_PATH_IMAGE076
                                      （4.37）
                                      （4.38）
Figure 522828DEST_PATH_IMAGE080
                            （4.39）
Figure 883402DEST_PATH_IMAGE082
                            （4.40）
最后，必须估计空气动力和空气动力力矩的一些因数。如果存在一个以上的带有传感器的截面，则必须为各个截面估计这些因数。可使用方程式4.41和方程式4.42来得出这些因数。
Figure 83570DEST_PATH_IMAGE084
                            （4.41）
Figure 453372DEST_PATH_IMAGE086
                                （4.42） 
指数p为大于-1的实数，且取决于空气动力的分布；p=0拟合随半径变化的空气动力的恒定分布（~r0），p=1拟合与半径成比例的空气动力的线性分布（~r1），p=2拟合空气动力的二次方分布（~r2），等。已经发现，p=0为用于此目的的相当好的假定，且因此建议使用p=0。
在空气动力分布完美地拟合幂函数的情况下，校正因数kF和kM等于1。考虑到来自于幂函数的随机偏差，校正因数可偏离1。首先，校正因数可约等于1。对于改进的空气动力模型，应当根据经验来微调校正因数kF和kM，以便给出真实的与估计的空气动力负载之间的最佳可能的拟合。
5.1 用于各个时间样本的方程式
对于各个时间样本，在数据过滤造成不丢弃测量结果的情况下，必须完成以下计算。
总的来说，如果存在一个以上的带有传感器的叶片（通常是三个叶片），且如果存在一个以上的带有传感器的截面（例如，每个叶片两个截面），则必须为配备有传感器的各个截面单独地计算表示叶片截面的所有参数。
另外，图3至图7中示出了坐标系的定义。
5.1 重力和重力矩
机舱坐标系中的重力分量为 
Figure 343967DEST_PATH_IMAGE088
                                            （5.1）
                                            （5.2）
Figure 812175DEST_PATH_IMAGE092
                                            （5.3）
重力分量变换成考虑倾角τ的主轴承坐标系。请注意，倾角限定为与坐标系相对。
Figure 985667DEST_PATH_IMAGE094
                           （5.4） 
Figure 307933DEST_PATH_IMAGE096
                                           （5.5） 
Figure 275889DEST_PATH_IMAGE098
                           （5.6） 
随后，重力分量变换成考虑方位角ψ的转子坐标系。对于第一叶片10'（在ψ=0°处指向下），方程式5.7-5.9是有效的。对于任何其它叶片，必须通过叶片之间的角距离（例如，三个叶片的转子是120°）来取代方位角ψ。
                                       （5.7） 
Figure 145942DEST_PATH_IMAGE102
                        （5.8） 
Figure 11130DEST_PATH_IMAGE104
                       （5.9） 
必须为各个叶片单独地重复此章节中的以下方程式中的大部分。
现在，重力分量变换成考虑锥角γ的叶片轴承坐标系。请注意，除了锥角造成的旋转之外，叶片轴承坐标系相比于转子坐标系旋转。
                                        （5.10） 
Figure 546465DEST_PATH_IMAGE108
                           （5.11） 
Figure 796180DEST_PATH_IMAGE110
                          （5.12）
最后，重力分量变换成考虑桨距角θ的叶片坐标系。
Figure 781454DEST_PATH_IMAGE112
                        （5.13） 
                        （5.14） 
Figure 224253DEST_PATH_IMAGE116
                                      （5.15） 
现在，对于传感器所在的叶片截面，可计算重力造成的轴向力和弯矩。
Figure 277660DEST_PATH_IMAGE118
                                  （5.16） 
Figure 117440DEST_PATH_IMAGE120
                 （5.17） 
Figure 930192DEST_PATH_IMAGE122
                  （5.18） 
5.2惯性力
在所有以下计算中，将忽略涡轮的偏航造成的惯性力。
由于转子的旋转，故叶片坐标系在空间中围绕转子轴线旋转。因此，必须考虑离心力。离心力造成的截面力分量为 
Figure 222633DEST_PATH_IMAGE124
由于转子加速度，故叶片坐标系在空间中加速。因此，必须考虑转子加速度造成的惯性力。转子加速度造成的截面力分量为
Figure 79731DEST_PATH_IMAGE126
由于叶片的变桨，故叶片坐标系围绕桨距轴线旋转。源于叶片变桨的离心力造成的截面力分量为
Figure 836334DEST_PATH_IMAGE128
由于变桨加速度，故叶片坐标系围绕桨距轴线加速。变桨加速度造成的截面力分量为
Figure 487896DEST_PATH_IMAGE130
在围绕转子轴线和桨距轴线同时旋转的情况下，叶片相对于旋转坐标系移动。因此，必须考虑科里奥利力。科里奥利加速度造成的截面力分量为 
现在，可加上所有惯性力来获得截面的总惯性力分量。
Figure 741471DEST_PATH_IMAGE134
 （5.34） 
Figure 290264DEST_PATH_IMAGE136
（5.35）
Figure 440622DEST_PATH_IMAGE138
（5.36）
5.3惯性矩
首先，计算叶片的角速度分量。
Figure 707655DEST_PATH_IMAGE140
叶片的角加速度分量为
仅考虑传感器所在的截面的外面的叶片部分40，通过方程式5.43-5.45来计算围绕转子中心中的固定点的角动量分量。这些方程式为用于围绕刚性本体的固定点的角动量的通式。
Figure 621440DEST_PATH_IMAGE144
                           （5.43）
Figure 880383DEST_PATH_IMAGE146
                          （5.44）
Figure 634712DEST_PATH_IMAGE148
                          （5.45） 
来自于方程式5.43和5.44的角动量的x分量和y分量的时间导数为
现在可计算惯性力造成的力矩x分量和y分量。方程式5.48和5.49为用于结合附接到本体的轴线的刚性本体运动的通用动量方程式。它们表示源于惯性力的力矩，仅考虑了传感器所在的截面的外面的叶片部分。惯性矩围绕转子中心中的固定点取得。
Figure 957426DEST_PATH_IMAGE152
最后，惯性矩移动至传感器所在的截面。
Figure 387270DEST_PATH_IMAGE154
                （5.50）
Figure 363317DEST_PATH_IMAGE156
                （5.51） 
5.4空气动力和空气动力力矩
首先，计算围绕转子轴线的叶片质量惯性矩。在独立桨距的情况下，必须为各个叶片单独地重复方程式5.52。
Figure 209744DEST_PATH_IMAGE158
 （5.52） 
包括传动系的完整转子的质量惯性矩为
Figure 853215DEST_PATH_IMAGE160
               （5.53） 
因为假定空气动力负载是均匀分布的且因此对所有叶片都相同，故在本节中的以下方程式适用于所有叶片。
通过转子速度的通用三阶多项式函数来模拟传动系中的机械摩擦损失。
Figure 250699DEST_PATH_IMAGE162
    （5.54）
如果转子平衡，则转子加速度只由作用在转子上的空气动力力矩、传动系、发电机和可能的机械制动器中的摩擦损失引起。在下文中，假定发电机未连接，即，切断，且未触动制动器。因此，忽略发电机力矩和制动器力矩，可将空气动力转子力矩计算为
Figure 979620DEST_PATH_IMAGE164
转子上的空气动力分布是未知的，但必须进行一些假定。这里，假定按照局部推力系数加载的空气动力均匀地分布在转子上。
现在，可计算叶片轴承坐标系中的空气动力和空气动力力矩。方程式5.56和5.57表示仅作用在传感器21、22所在的截面的外面的叶片的部分40上的空气动力。力矩围绕传感器所在的截面最得。
Figure 58435DEST_PATH_IMAGE166
                                （5.56） 
Figure 888504DEST_PATH_IMAGE168
                                            （5.57）
Figure 456889DEST_PATH_IMAGE170
                 （5.58） 
因为转子加速度不是转子平面外的力的直接指示，故很难估计转子平面外的空气动力。但平面内的负载与平面外的负载之间存在一致性。叶片上的空气动力负载通常将主要作用在垂直于弦线的方向上。该信息对估计平面外的负载是有用的。如果产生的空气动力的方向是已知的，则可通过方程式5.59来计算平面外的负载。这里，假定空气动力负载的方向取决于桨距角θ，且大体上通过恒定角θ aero.抵消。根据经验将角θ aero.确定为给出实际平面外空气动力负载与通过方程式5.59估计的平面外空气动力负载之间的最佳拟合的角。
Figure 673107DEST_PATH_IMAGE172
                      （5.59） 
最后，空气动力负载分量变换成叶片坐标系。
Figure 555612DEST_PATH_IMAGE174
                                        （5.60） 
Figure 721145DEST_PATH_IMAGE176
                （5.61） 
Figure 663694DEST_PATH_IMAGE178
                （5.62） 
5.5合力和合力矩
现在，可加上重力负载、惯性负载和空气动力负载来得到总负载。
Figure 101628DEST_PATH_IMAGE180
                    （5.63） 
Figure 584562DEST_PATH_IMAGE182
                   （5.64） 
                   （5.65）
由于叶片围绕主弯曲轴线25、26弯曲，故负载必须变换成局部轮廓坐标系，该坐标系由截面的主要弯曲轴线构成。
Figure 905002DEST_PATH_IMAGE186
                                             （5.66） 
Figure 141817DEST_PATH_IMAGE188
      （5.67） 
Figure 366125DEST_PATH_IMAGE190
     （5.68） 
6. 验证
通过将结果与由气动弹性代码Flex5的模拟来验证第4节和第5节描述的计算。
在计算中，使用了用于空气动力模型的以下参数。
Figure 693201DEST_PATH_IMAGE192
表6.1：用于空气动力模型的参数。注意，θ aero.在计算中必须按弧度。
发现了用于定位在z=-23.12m上的传感器的计算比z=-8.12上的具有更大的（略为两倍那样大）不确定性。这是由相对较小的叶片的外部的重量造成的，且空气动力扰动对于较接近末梢的截面相对较大。在下文中，仅示出了z= - 23.12 m的结果。
通过Flex5，使用湍流风和2.5m/s的平均风速来模拟持续很久的涡轮机启动。转子在停止处启动，且缓慢地加速至达到大约6.5rpm（仅低于发电机接入速度），同时桨距在-0.5°/s的变桨速率下从90°向下移动至-1.8°。用图9中的图表示出了模拟，图9分别示出了a）转子桨毂处的风速的未干扰的纵向分量；b）第一风力涡轮机叶片的桨距角；c）第一风力涡轮机叶片的变桨速率；d）第一风力涡轮机叶片的转子方位角；以及e）随时间变化的转子速度。
模拟的方位角ψ、转子速度ω、桨距角θ和随时间变化的变桨速率用作当前模型的输入来验证模型能够仅借助于这些参数计算轮廓坐标系中的截面负载。
6.1重力负载和惯性负载
图10至图12示出了结果，其中仅示出了重力负载和惯性负载。排除了空气动力负载。这将验证模型的重力和惯性负载部分。
如上图中所示，在启动之后的0秒至150秒，计算的负载与模拟的负载之间存在良好的一致性。轴向力Fz的差异几乎为零，但对于弯矩Mx和My，在150秒之后存在较大的差异。在这一点上，转子速度为大约1.5rpm。在较高转子速度下的差异主要由于模拟是气动弹性的的事实造成。实际上，整个涡轮机为弹性的；尤其是叶片较大地偏转和振动。叶片的偏转造成系统误差，可在启动之后的200秒至300秒的Mx中的差异中看到系统误差，系统误差是正值比负值略多。将叶片认作是刚性本体的当前模型中不考虑这些效果。
6.2空气动力负载
图13至图15示出了结果，其中仅示出了空气动力负载。排除了重力负载和惯性负载。这将验证模型的空气动力负载部分。
如上图中所见，空气动力负载在启动之后的0秒至150秒很小，其中风速和转子速度两者都很低。由于z方向上不存在空气动力，既在Flex5中不存在，也在当前模型中不存在，故轴向力Fz的差异刚好为零。对于弯矩Mx和My，在150秒之后，存在系统差异，尤其是对于Mx，而My的差异很小。差异与叶片上的相对风速成二次方增大；在此情况下，主要由转子速度且较小程度地由风速造成，但在其它情况下，相反的也是可能的。空气动力模型是很简化的模型，其中叶片上的空气动力负载的准确分布和方向是未知的；基于转子加速度仅进行粗略估计。 
7. 不确定性和模型局限性
并未模拟源于发电机和/或机械制动器的主轴上的转矩。如果发电机接入或触动制动器，则预计会有较大的误差。因此，当发电机接入或触动制动器时，不应当使用当前模型。
当前模型中的主要不确定性是空气动力模型。如图15中所见，差异在模拟的150秒之后较大，尤其是对于摆振力矩。由于空气动力负载与叶片上的相对风速成二次方地增长，故空气动力模型在低风速和低转子速度下仅具有合理的准确性。
可通过空气动力模型的结构来阐明叶片上的较高相对风速下的不确定性。在空气动力模型中，叶片上的空气动力负载的准确分布和方向是未知的。负载分布取决于局部相对速度的分布，局部相对速度可由于湍流、风切变、偏航误差、转子倾斜、地形斜度等而随时间显著地变化。空气动力模型假定所有三个叶片上的负载分布相同，但总的来说负载可显著不同。在此情况下，空气动力模型不能对各个独立叶片上的空气动力负载做出良好的估计。
因此，在结合非理想操作状况如强湍流、风切变、偏航误差、转子倾斜、地形斜度等的高风速和/或高转子速度的情况下，空气动力模型可具有较大的不确定性。空气动力模型中的误差有时是正的，而有时是负的。预计的是，随着时间的推移误差或多或少地抵销，这有助于改善模型的总体可靠性。
在方程式5.59中，假定了空气动力力矩的方向。如果方向平行于转子平面，则正切函数趋于
Figure 852918DEST_PATH_IMAGE196
无穷，这实际上是不可能的。如果，则模型越来越不准确，这是在很低的桨距角下的情况（桨距角通常大约-15°至0°）。因此，如果桨距角很低，则应当十分注重使用模型。
在所有情况下，空气动力模型不确定性对于摆振方向的弯矩比对于沿边方向的弯矩更大，且对于较接近末梢的截面较大。
在当前模型中，将涡轮机假定为刚性的，且尤其是将叶片假定为刚性本体。不考虑涡轮机和叶片中的振动，但预计到短时间内会抵消。然而，在叶片的大偏转的情况下，由于叶片的重心的移动和离心钢化造成引入系统误差。这可在图12中看到，其中在启动之后的200秒至300秒的Mx中的差异是正数比负数略多。叶片的较大偏转由空气动力负载造成，空气动力负载与叶片上的相对风速成二次方增大。因此，模型在高风速或高转子速度下越来越不确定。
在惯性负载模型中，未考虑涡轮机的偏航。因此，假如涡轮机偏航，则将预计会出现误差。预计的是，这种误差相对较低，且将随着时间的推移或多或少地抵消。
此外，模型的不确定直接地取决于叶片性质的不确定性，如质量、静力矩和质量矩和惯性积。在冰覆盖的叶片的情况下，这些性质可显著地变化，且因此模型在冰覆盖的叶片的情况下不是有效的。另外，必须知道叶片的轴向刚度。
在模型中，假定转子准确地质量平衡。这意味着必须平衡叶片来具有相同的静力矩。
传感器可不置于（或接近于）弹性中心，否则传感器将不会对叶片的弯曲起作用。另外，一个截面中的两个传感器可不置于（或接近于）与弹性中心相同（或相反）的方向，否则将不可能在摆振方向与沿边方向的弯矩之间区分。理想地，应当在转移大约90°的方向上放置传感器。
最后，应当提到的是，如果转子速度不是已知的输入参数，则可以发现其简单地作为转子方位角的时间导数。同样，可发现转子加速度作为转子速度的时间导数。同样分别适用于桨距角、变桨速率和变桨加速度。实际上，差别将加强原始变量的不确定性。因此，必须彻底地考虑原始变量的不确定性或较低分辨率是否需要结果的一些过滤或修匀。
8. 数据过滤
由于如第7节中描述的不确定性和模型局限性，故模型仅在某些操作状况下是可靠的。原则上，不论涡轮机操作与否，数据记录器都一直连续地记录来自于传感器的测量数据。现在，任务是以此种方式过滤数据，将保留给出最可靠结果的操作状况下记录的数据，同时将丢弃给出最不可靠的结果的数据。
使用气动弹性代码Flex5（见表8.1）来执行呈现用于此目的的各种相关操作状况的一定数目的时间模拟。
表8.1：用于时间模拟的参数
模拟#1至17是不同的情况，其中涡轮机在不同的风速下且以不同的变桨速率启动。图9中示出了实例（模拟#1）。模拟#18至20为涡轮机在高风速下空转的情况。
来自于模拟的方位角ψ、转子速度ω、桨距角θ和变桨速率用作当前的模型的输入来预计轮廓坐标系中的截面负载。预计的负载将与来自于时间模拟的负载相比较（见图16a至图16c）。各个点代表给定时间步骤的负载。这里的采样频率为10Hz。模拟的总时间为3,150秒，对应于31,500个样本。
如图16a至图16c中所见，数据点是离散的。尤其是摆振力矩Mx具有低一致性，而且边缘力矩My具有一些显著的离散。十分良好地预计了轴向力Fz。理想地，所有数据点都应当置于直线y=x上，其中相关系数的平方R2=1。离散由当前模型仅在某些操作状况下可靠（见第7节）的事实造成。
基于公知的参数，数据过滤将仅保留可靠的数据点，即，接近于线y=x的数据点。不可能制作出保留所有可靠数据且丢弃所有不可靠数据的完美过滤器。实际上，总是存在一些重叠，但最重要的事情在于总体上丢弃了所有不可靠数据，即便因而丢弃了一些可靠数据。但仍应留下足量的数据来进行可靠且准确的校准。
8.1过滤边界条件
如果发电机接入，则当前模型不是有效的。没有发电机何时接入或切断的直接指示。但如果转子速度高于发电机接入速度（6.8rpm），则发电机仅接入。因此，丢弃了在发电机速度高于发电机接入速度（由于可变发电机速度而具有合理的安全裕度）的情况下的所有数据。
                                       （8.1 ）
如果触动制动器，则当前模型也不是有效的。没有何时触动制动器的直接指示。但如果触动制动器，则预计转子的快速减速。因此，必须丢弃带有高度负的转子加速度的数据。
Figure 461645DEST_PATH_IMAGE204
如果触动制动器且转子停止，则不再存在减速。但制动器仍将胜过空气动力转矩，所以也应当丢弃这些数据。作为预防措施，必须丢弃转子速度接近于零的情况下的所有数据。这还避免了在相同转子位置处记录过量的数据，记录过量的数据可使校准有偏差。
                           （8.3） 
假定发电机切断且未触动制动器，则如果转子上存在较大空气动力转矩，仅高转子加速度（或减速度）是可能的。这是空气动力模型不确定的情形。因此，丢弃高的转子加速度（或减速度）的情况下的数据。
Figure 879036DEST_PATH_IMAGE208
                         （8.4） 
当叶片上的相对风速很高时，空气动力模型是不确定的。另外，由于叶片弯曲和振动，叶片为刚性本体的假定在此情况下是不成立的。完全没有叶片上的相对风速或自由风速的直接显示。如果冲角很低（在
Figure 445147DEST_PATH_IMAGE196
10°内），则叶片上的相对风速几乎平行于叶片坐标系的x轴线。这是大多数典型操作条件中常见的情况。在此情况下，方程式8.5中的近似值将适用，且给出了叶片上的相对风速的间接指示。应当丢弃带有高的值的数据。
Figure 481236DEST_PATH_IMAGE210
                                （8.5） 
方程式8.5在θ=90°处接近于渐近线而越来越不确定。如果涡轮机处于暂停模式或停止模式，则存在风速较高的风险，而没有任何方法将其检测到，因为桨距角接近于90°且方程式8.5不适用。因此，丢弃带有高桨距角的数据。
θ<75°.                                           （8.6） 
方程式5.59在θ-θ aero. =-90°处接近于渐近线而越来越不确定。因此，丢弃带有低桨距角的数据。
θ>0°.                                            （8.7）
使用方程式8.1至8.7中描述的数据的过滤，给出负载的较弱预计的数据点消失，且通过当前模型预计的负载与通过Flex5（见图17a至图17c）模拟的负载之间存在很好的一致性。 
通过当前模型预计的负载仍不完全准确，因为仍留下了一些离散，主要是在摆振力矩Mx上。然而，如果存在足够的数据点，则误差将或多或少地平衡，且可产生很好的曲线拟合。
9. 用于校准的数据要求
该节描述了在执行可靠校准之前需要多少样本。
可分别通过方程式9.1和方程式9.2来计算第i个传感器位置处的样本平均值和标准应变偏差。
Figure 107390DEST_PATH_IMAGE212
                                       （9.1）
                               （9.2）
在用于校准收集的样本中，应变主要由重力引起。假定应变只由重力引起，且方位角和桨距角均匀地分布，则预期的样本标准应变偏差将为
         （9.3）
如果样本的标准应变偏差小于预期，则意味着相对较少的样本具有接近于极限值的应变。另一方面，如果样本的标准应变偏差大于预期，则意味着相对较多的样本具有接近于极限值的应变。后者是较好的，因为如果大多数样本在较小应变水平下凑在一起，则曲线拟合将比如果大部分样本处于极限应变水平更不确定。因此，建议最低所需的样本数目取决于预期样本标准偏差与样本标准应变偏差之间的比率。此外，建议所需的样本数目取决于采样频率。建议在执行校准之前为两个传感器执行以下不等式。
Figure 66490DEST_PATH_IMAGE218
                    （9.4）
取决于数据的分布和采样频率，这对应于略多于1,000秒的高质量数据，这些数据通过了第8节中描述的过滤。在用真实测量数据得到一些经验之后，可改变以上不等式中的标准来符合新的要求。
10. 用于校准的数据拟合
当为截面中的两个传感器执行方程式9.4中的不等式时，可执行实际校准。
传感器位置处的应变理论上可通过以下计算，
Figure 925862DEST_PATH_IMAGE220
                       （10.1）
其中相对应变为
Figure 534698DEST_PATH_IMAGE222
                                 （10.2）
                                  （10.3）
在截面中有两个传感器的情况下，方程式10.1可再排列成线性方程组
                （10.4）
Figure 499877DEST_PATH_IMAGE228
                （10.5） 
方程式10.4和方程式10.5分别为用于将Mx.p.s.和My,p.s.描述为独立变量
Figure 596009DEST_PATH_IMAGE230
和
Figure 104350DEST_PATH_IMAGE232
的函数的通式。相对力矩mx,j和my,i为相应方向上的平面的斜率，且最初常数bx和by应当等于零，但这里包括它们来考虑例如由预应力传感器等造成的任何偏差。
相对应变和相对力矩之间的关系为
Figure 235117DEST_PATH_IMAGE234
                               （10.6）
                               （10.7）
Figure 266058DEST_PATH_IMAGE238
                               （10.8）
                               （10.9）
或对应地
                              （10.10）
Figure 873122DEST_PATH_IMAGE244
                              （10.11）
Figure 943847DEST_PATH_IMAGE246
                              （10.12）
Figure 997253DEST_PATH_IMAGE248
                              （10.13）
当数据记录器为通过过滤的各个数据点采样测量的应变时，必须保存以下变量：如通过方程式5.66-5.68计算的测量的应变ε 1和ε 2以及负载F z,p,s.、M x,p,s.和M y,p,s.。
现在，有可能得到系数m x,1、m x,2、m y,1、m y,2、b x和b y来获得最佳拟合计算的弯矩M x,p,s.和M y,p,s.的平面（方程式10.4和10.5）。例如，可使用最小二乘法来得到系数。这里将不会描述此方法，因为该方法超过了本文献的范围，且对于技术人员是公知的。
11. 在校准之后使用的方程式
当系统在成功校准传感器之后用于监测叶片负载时，应当注意的是，仅从两个测量结果ε 1和ε 2来计算三个截面负载分量F z,p,s.、M x,p,s.和M y,p,s.是不可能的。需要另一个输入来设立附加方程式，以便使得有可能解决方程组。
这里，简单地提出了使用通过方程式5.66计算的轴向力F z,p,s.，假定通过其引入的不确定性甚至对于在高风速和高转子速度且发电机接入的操作条件也相当小。现在，F z,p,s.为已知的量，弯矩M x,p,s.和M y,p,s.可通过方程式10.4和10.5来直接地计算。
应当注意的是，产生的负载在局部轮廓坐标系中，该坐标系还包括叶片的变形。如果另一坐标系（例如，叶片坐标系）中需要负载，则必须对应地变换负载。
12. 结果
图8.2中示出的过滤数据不满足用于传感器1（即，例如，第一摆振传感器21）的方程式9.4中的不等式，但对于传感器2（即，例如，边缘传感器22），则存在足够的样本（见表12.1）。
Figure 650083DEST_PATH_IMAGE250
表12.1：用于评估传感器的校准的要求的数字
尽管根据方程式9.4，样本数目不足，但这里仍执行如第10节中所述的校准，只是示出将是什么结果（见表12.2和表12.3）
表12.2： M x,p,s.的回归的校准结果
表12.2中的结果对应于真实力矩加-2.4kNm的偏差的+0.24%的M x,p,s.的总误差。
Figure 485500DEST_PATH_IMAGE254
表12.3：M y,p,s.的回归的校准结果
表12.3中的结果对应于真实力矩加-2.2kNm的偏差的-0.06%的M y,p,s.的总误差。
13. 将来的工作
由于偏航角或许不是容易得到的用以记录的参数，故当前模型中并未考虑涡轮机的偏航。然而，偏航将改变叶片负载，尤其是如果转子速度为中等的或较高的。这种冲击尚未被研究。如果有可能获取偏航角，则相关的是更新当前模型来考虑源于偏航的惯性负载。否则，相关的是研究真实涡轮机的典型偏航活动，且找出这种冲击是什么。
用于空气动力模型的参数应当与来自于真实风力涡轮机的实地测量结果拟合来看它们是否改善。简化的空气动力模型为当前模型的较弱部分，且应当考虑是否有可能借助于一些其它相当简单的方程式来将其改善。
另一主要的不确定性为刚性叶片的假定。为了进一步改善当前模型，所需的是考虑弹性叶片的变形和振动。然而，这将显著地增大模型的复杂性。
在用实地测量结果得到一些经验之后，应当研究是否必须改变过滤边界条件。另外，如果相关的话，则可增加新型的过滤器，例如，考虑一个以上的参数和一个以上的条件的一些智能过滤器。代替丢弃未通过过滤的数据，可考虑包括这些数据的加权贡献。加权应当取决于数据满足过滤标准到什么程度。
14. 结语
提出了一种用于风力涡轮机叶片上的负载传感器的全自动现场校准的方法。不需要停止涡轮机来进行校准。数据记录器记录用于校准的相关数据同时涡轮机正常地运转。另外，不需要人员交互来执行校准。
该原理需要各个叶片截面中的至少两个应变传感器。数据记录器必须至少记录方位角、桨距角、以及一些计算值。对于计算，需要各种涡轮机和叶片性质，如叶片质量、质量矩、惯性矩等。
仅有在相对较低的风速和转子速度下且在发电机切断时记录的数据才可用。这通常将为涡轮机在较低风速下空转或启动时。丢弃其余的数据。为了执行可靠的校准，建议累积略多于1,000秒的可用数据。
为了测试该原理，使用气动弹性代码Flex5来执行带有LM 61.5 P2叶片的REpower 5M涡轮机的一些时间模拟。来自于时间模拟的结果将处理为好像它们是来自于真实风力涡轮机叶片上的应变传感器的测量结果，且随后用作用于校准的输入。
该结果示出有可能使用该原理来用于校准负载传感器。最大校准误差为摆振方向的弯矩的0.24%和沿边方向的弯矩的-0.06%，其中偏差大约-2kNm。
已经参照优选实施例描述了本发明。然而，本发明的范围不限于所示的实施例，且可在不脱离本发明范围的情况下执行备选方案和修改。
15. 参考标号列表
2    风力涡轮机
4    塔架
6    机舱
8    桨毂
10    叶片
14    叶片末梢
16    叶片根部
18    前缘
20    后缘
21    第一摆振传感器
22    第一边缘传感器
23    第一摆振传感器
24    第一边缘传感器
25    第一主要弯曲轴线
26    第二主要弯曲轴线
27    弹性中心
28    叶片坐标系
29    轮廓坐标系
30    根部区
32    过渡区
34    翼型区
40    置于风力涡轮机叶片的第一截面的外面或外侧的风力涡轮机叶片的部分
42    第一截面
43    第二截面
50    塔架的纵轴线
51    主轴承的纵轴线
52    第一风力涡轮机叶片的纵轴线
符号            单位     说明
A              [m2]     截面面积
a 1              [W]    在标称速度下的传动系中的线性摩擦损失（仅机械损失）
a 2              [W]     在标称速度下的传动系中的二次方摩擦损失（仅机械损失）
a 3              [W]     在标称速度下的传动系中的三阶摩擦损失（仅机械损失）
AE              [Nm2]      轴向刚度
b x               [Nm]      M x,p,s.的恒定偏差
b y               [Nm]      M y,p,s.的恒定偏差
B                [-]         叶片数目
c                [m]        弦长
EI edge            [Nm2]      沿边方向的弯曲刚度
EI flap            [Nm2]      摆振方向的弯曲刚度
f F                [-]         用于空气动力的倍增因数
f M                [-]         用于空气动力力矩的倍增因数
f S                [-]         采样频率
Fx,b.b.s.,areo.        [N]          x方向上的空气动力（叶片轴承坐标系）
Fx,b.s.,Coriolis        [N]          x方向上的科里奥利力（叶片坐标系）
Fx,b.s.,insertia        [N]          x方向上的惯性力（叶片坐标系）
Fx,b.s.,pitchacc.       [N]          由变桨加速度造成的x方向上的力（叶片坐标系）
Fx,b.s.,pitchcentrif.     [N]        由变桨速度造成的x方向上的离心力（叶片坐标系） 
Fx,b.s.,rotoracc.       [N]        由转子加速度造成的x方向上的力（叶片坐标系）
Fx,b.s.,rotorcentrif.     [N]         由转子速度造成的x方向上的离心力（转子坐标系）
Fy,b.s.,Coriolis        [N]         y方向上的科里奥利力（叶片坐标系）
Fy,b.s.,inertia         [N]         y方向上的惯性力（叶片坐标系）
Fy,b.s.,pitchacc.       [N]         由变桨加速度造成的y方向上的力（叶片坐标系）
Fy,b.s.,pitchcentrif      [N]        由变桨速度造成的y方向上的离心力（叶片坐标系）
Fy,b.s.,rotoracc.       [N]         由转子加速度造成的y方向上的力（叶片坐标系）
Fy,b.s.,rotorcentrif      [N]         由转子速度造成的y方向上的离心力（转子坐标系）
Fz,b.b.s.,aero.          [N]         z方向上的空气动力（叶片轴承坐标系）
Fz,b.s.              [N]          z方向上的力（叶片坐标系）
Fz,b.s.,areo.           [N]          z方向上的空气动力（叶片坐标系）
Fz,b.s.,grav.           [N]          z方向上的重力（叶片坐标系）
Fz,b.s.,Coriolis          [N]          z方向上的科里奥利力（叶片坐标系）
Fz,b.s.,inertia           [N]           z方向上的惯性力（叶片坐标系）
Fz,b.s.,pitchacc.         [N]          由变桨加速度造成的z方向上的力（叶片坐标系）
Fz,b.s.,pitchcentrif.       [N]         由变桨速度造成的z方向上的离心力（叶片坐标系）
Fz,b.s.,rotoracc.         [N]          由转子加速度造成的z方向上的力（叶片坐标系）
Fz,b.s.,rotorcentrif.      [N]          由转子速度造成的z方向上的离心力（转子坐标系）
Fz,p.s.              [N]           z方向上的力（轮廓坐标系）
Fz,r.s.,rotoracc.        [N]          由转子加速度造成的z方向上的力（转子坐标系）
g                [m/s2]         重力加速度
gx,b.s.             [m/s2]          x方向上的重力加速度（叶片坐标系）
gx,b.b.s.            [m/s2]         x方向上的重力加速度（叶片轴承坐标系）
gx,m.b.s.            [m/s2]         x方向上的重力加速度（主轴承坐标系）
gx,r.s.             [m/s2]          x方向上的重力加速度（转子坐标系）
gx,n.s.             [m/s2]          x方向上的重力加速度（机舱坐标系）
gy,b.s.              [m/s2]         y方向上的重力加速度（叶片坐标系）
gy,b.b.s.            [m/s2]         y方向上的重力加速度（叶片轴承坐标系）
gy,m.b.s.            [m/s2]         y方向上的重力加速度（主轴承坐标系）
gy,n.s.              [m/s2]         y方向上的重力加速度（机舱坐标系）
gy,r.s.              [m/s2]          y方向上的重力加速度（转子坐标系）
gz,b.s.              [m/s2]         z方向上的重力加速度（叶片坐标系）
gz,b.b.s.             [m/s2]          z方向上的重力加速度（叶片轴承坐标系）
gz,m.b.s.            [m/s2]          z方向上的重力加速度（主轴承坐标系）
gz,n.s.             [m/s2]           z方向上的重力加速度（机舱坐标系）
gz,r.s.             [m/s2]           z方向上的重力加速度（转子坐标系）
HOx             [kg·m2/s]       x方向上围绕转子中心中的固定点的角动量（叶片坐标系）
HOy             [kg·m2/s]       y方向上围绕转子中心中的固定点的角动量（叶片坐标系）
HOz             [kg·m2/s]       z方向上围绕转子中心中的固定点的角动量（叶片坐标系）
Ox            [kg·m2/s2]       x方向上围绕转子中心中的固定点的角动量的时间导数（叶片坐标系）
Figure 36884DEST_PATH_IMAGE256
Oy            [kg·m2/s2]       y方向上围绕转子中心中的固定点的角动量的时间导数（叶片坐标系）
i                [-]             传感器数目
IOxx             [kg·m2]       x方向上围绕转子中心中的固定点的质量惯性矩（叶片坐标系）
IOxx,blade          [kg·m2]       x方向上围绕转子中心中的固定点的叶片质量惯性矩（叶片坐标系）
IOxy             [kg·m2]       相对于x轴线和y轴线的围绕转子中心中的固定点的质量惯性积（叶片坐标系）
IOxy,blade          [kg·m2]        相对于x轴线和y轴线的围绕转子中心中的固定点的叶片质量惯性积（叶片坐标系）
IOxz             [kg·m2]       相对于x轴线和z轴线的围绕转子中心中的固定点的质量惯性积（叶片坐标系）
IOxz,blade          [kg·m2]       相对于x轴线和z轴线的围绕转子中心中的固定点的叶片质量惯性积（叶片坐标系）
IOyy             [kg·m2]       y方向上围绕转子中心中的固定点的质量惯性矩（叶片坐标系）
IOyy,blade          [kg·m2]       y方向上围绕转子中心中的固定点的叶片质量惯性矩（叶片坐标系）
IOxx,generator        [kg·m2]      围绕其旋转轴线的发电机质量惯性矩
IOxx,hub           [kg·m2]     围绕转子轴线的桨毂质量惯性矩
IOxx,rotor          [kg·m2]     围绕转子轴线的转子质量惯性矩（包括整个传动系）
IOxx,r.s.,blade,i        [kg·m2]    围绕第i个叶片的转子轴线的叶片质量惯性矩（转子坐标系）
IOyz              [kg·m2]    相对于y轴线和z轴线的围绕转子中心中的固定点的质量惯性积（叶片坐标系）
IOyz,blade           [kg·m2]    相对于y轴线和z轴线的围绕转子中心中的固定点的叶片质量惯性积（叶片坐标系）
IOzz              [kg·m2]    z方向上围绕转子中心中的固定点的质量惯性矩（叶片坐标系）
IOzz,blade          [kg·m2]    z方向上围绕转子中心中的固定点的叶片质量惯性矩（叶片坐标系）
Ixx              [kg·m2]      x方向上围绕叶片根部的质量惯性矩（叶片坐标系）
Ixx,blade           [kg·m2]       x方向上围绕叶片根部的叶片质量惯性矩（叶片坐标系）
Ixy              [kg·m2]    相对于x轴线和y轴线围绕叶片根部的质量惯性积（叶片坐标系）
Ixy,blade           [kg·m2]    相对于x轴线和y轴线围绕叶片根部的叶片质量惯性积（叶片坐标系）
Ixz              [kg·m2]    相对于x轴线和z轴线围绕叶片根部的质量惯性积（叶片坐标系）
Ixz,blade           [kg·m2]    相对于x轴线和z轴线围绕叶片根部的叶片质量惯性积（叶片坐标系）
Iyy              [kg·m2]     y方向上围绕叶片根部的质量惯性矩（叶片坐标系）
Iyy,blade          [kg·m2]     y方向上围绕叶片根部的叶片质量惯性矩（叶片坐标系）
Iyz             [kg·m2]    相对于y轴线和z轴线围绕叶片根部的质量惯性积（叶片坐标系）
Iyz,blade          [kg·m2]    相对于y轴线和z轴线围绕叶片根部的叶片质量惯性积（叶片坐标系）
Izz             [kg·m2]      z方向上围绕叶片根部的质量惯性矩（叶片坐标系）
Izz,blade          [kg·m2]     z方向上围绕叶片根部的叶片质量惯性矩（叶片坐标系）
I’xx            [kg·m]     x方向上围绕叶片根部的质量惯性矩的分布（叶片坐标系）
I’xy            [kg·m]      相对于x轴线和y轴线的围绕叶片根部的质量惯性积的分布（叶片坐标系）
I’xz            [kg·m]      相对于x轴线和z轴线的围绕叶片根部的质量惯性积的分布（叶片坐标系）
I’yy           [kg·m]      y方向上围绕叶片根部的质量惯性矩的分布（叶片坐标系）
I’yz            [kg·m]      相对于y轴线和z轴线的围绕叶片根部的质量惯性积的分布（叶片坐标系）
I’zz            [kg·m]      z方向上围绕叶片根部的质量惯性矩的分布（叶片坐标系）
j              [-]        样本数目
kF             [-]         空气动力的校正因数
kM             [-]         空气动力力矩的校正因数
m              [kg]        质量
m’             [kg/m]       质量分布
mx,i             [Nm]       传感器i在x方向上的相对力矩
my,i             [Nm]       传感器i在y方向上的相对力矩
MOx,b.s.,inertia       [Nm]      x方向上围绕转子中心中的固定点的惯性弯矩（叶片坐标系）
MOy,b.s.,inertia       [Nm]      y方向上围绕转子中心中的固定点的惯性弯矩（叶片坐标系）
Mx,b.b.s.,aero.        [Nm]       x方向上的空气动力弯矩（叶片轴承坐标系）
Mx,b.s.            [Nm]        x方向上的弯矩（叶片坐标系）
Mx,b.s.,aero.         [Nm]       x方向上的空气动力弯矩（叶片坐标系）
Mx,b.s.,inertia        [Nm]       x方向上的惯性弯矩（叶片坐标系）
Mx,b.s,grav.         [Nm]       x方向上的重力弯矩（叶片坐标系）
Mx,p.s.            [Nm]       x方向上的弯矩（轮廓坐标系）
My,b.b.s.,aero.        [Nm]       y方向上的空气动力弯矩（叶片轴承坐标系）
My,b.s.            [Nm]       y方向上的弯矩（叶片坐标系）
My,b.s.,aero.         [Nm]       y方向上的空气动力弯矩（叶片坐标系）
My,b.s.,inertia        [Nm]       y方向上的惯性弯矩（叶片坐标系）
My,b.s.,grav.         [Nm]       y方向上的重力弯矩（叶片坐标系）
My,p.s.            [Nm]       y方向上的弯矩（轮廓坐标系）
Mx,friction          [Nm]        传动系的摩擦转矩（仅机械损失）
Mx,rotor,aero.        [Nm]        y方向上的空气动力转子转矩（转子坐标系）
n                [-]           通过过滤的样本总数
nmin,i             [-]           通过传感器i的校准所需的过滤的最小样本数目
ngear             [-]           齿轮比
p               [-]           空气动力的分布的指数
r               [m]          空气动力的代表性半径（=离转子中心的距离）
r2               [-]           样本校正系数的平方（=确定的系数）
rhub             [m]           桨毂半径（=从转子中心到叶片根部的距离）
rtip             [m]           末梢半径（=从转子中心到叶片末梢的距离）
rsensor           [m]           传感器半径（=从转子中心到传感器位置的距离）
Rx,i            [(Nm)-1]           传感器i的x方向上的相对应变
Ry,i            [(Nm)-1]           传感器i的y方向上的相对应变           
Sexpected,i        [-]             第i个传感器位置处的预期样本标准应变偏差
Si             [-]             第i个传感器位置处的样本标准应变偏差
Sx             [kg·m]       x方向上的静力矩（第1质量惯性矩）
Sy             [kg·m]       y方向上的静力矩（第1质量惯性矩）
Sz             [kg·m]       z方向上的静力矩（第1质量惯性矩）
t              [m]         绝对轮廓厚度
Vrel.           [m]        在离转子中心的给定径向距离处的叶片上的相对风速
x             [m]        x坐标（叶片坐标系）
xc.g.           [m]        截面重心的x坐标（叶片坐标系）
xe.c.           [m]       弹性中心位置的x坐标（叶片坐标系）
xsensor,i         [m]        第i个传感器位置的x坐标（叶片坐标系）
y             [m]        y坐标（叶片坐标系）
yc.g.           [m]        截面重心的y坐标（叶片坐标系）
ye.c.           [m]        弹性中心位置的y坐标（叶片坐标系）
ysensor.i         [m]       第i个传感器位置的y坐标（叶片坐标系）
z              [m]        z坐标（叶片坐标系）
zsensor          [m]        传感器位置的z坐标（叶片坐标系）
ztip            [m]        叶片末梢的z坐标（叶片坐标系）
γ             [rad]        锥角
ε i             [-]          第i个传感器位置处的应变
ε i,j            [-]          第i个传感器位置和第j个样本处的应变
Figure 688446DEST_PATH_IMAGE258
i            [-]           第i个传感器位置处的样本应变平均值
θ             [rad]            桨距角
Figure 45347DEST_PATH_IMAGE260
            [rad/s]           变桨速率
            [rad/s2]          变桨加速度
θaero.          [rad]          叶片坐标系与空气动力方向之间的角
θ i            [rad]             第i个叶片的桨距角
ρ             [kg/m3]           叶片材料的质量密度
Figure 51666DEST_PATH_IMAGE264
Mx          [Nm]             估计的Mx的标准误差
Figure 139707DEST_PATH_IMAGE264
My          [Nm]             估计的My的标准误差
τ             [rad]             倾角
Figure 219790DEST_PATH_IMAGE265
             [rad]             叶片坐标系与主要弯曲轴线之间的角
ψ            [rad]             方位角
ω            [rad/s]             转子速度
ω nom.         [rad/s]             标称转子速度
ω x           [rad/s]             x方向上的角速度（叶片坐标系）
ω y           [rad/s]             y方向上的角速度（叶片坐标系）
ω z           [rad/s]             z方向上的角速度（叶片坐标系）
Figure 153111DEST_PATH_IMAGE267
           [rad/s2]             转子加速度
Figure 821990DEST_PATH_IMAGE267
x          [rad/s2]             x方向上的角加速度（叶片坐标系）
y          [rad/s2]             y方向上的角加速度（叶片坐标系）
z          [rad/s2]             z方向上的角加速度（叶片坐标系）

Claims (15)

1. 一种现场校准水平轴线式风力涡轮机的负载传感器的方法，所述风力涡轮机包括：
转子，其包括桨毂和一定数目的风力涡轮机叶片，所述叶片从所述桨毂沿径向延伸，所述桨毂连接到包括发电机的传动系上，所述发电机将所述转子的机械旋转运动转换成电能，其中
所述一定数目的叶片至少包括第一风力涡轮机叶片，所述第一风力涡轮机叶片设有定位在所述第一风力涡轮机叶片的第一截面中的一定数目的第一负载传感器，以及其中
所述方法包括以下步骤：
a）确定所述第一风力涡轮机叶片的转子方位角；
b）确定所述第一风力涡轮机叶片的桨距角；
c）使用所述第一负载传感器测量所述第一风力涡轮机叶片的第一截面中的负载；
d）至少基于在步骤a）和步骤b）中确定的所述转子方位角和所述叶片的桨距角来计算理论负载；
e）将步骤c）中测量的所述负载与步骤d）中计算出的所述理论负载相比较；以及
f）基于步骤e）的比较来校准所述第一负载传感器，其中
所述校准仅基于切断所述发电机时执行的测量，以及其中为各个样本重复地采样和计算步骤a）至步骤d）中收集的值。
2. 根据权利要求1所述的方法，其中，重复地采样步骤a）至步骤d）中和可选的步骤e）中确定的值，以及其中在预定时间周期之后或记录了预定数目的不同样本之后，或者是一定数目的不同样本超过最小阈值之后，执行步骤f），通过取决于数据的分布和采样频率的函数来确定最小阈值。
3. 根据权利要求1和2所述的方法，其中，所述风力涡轮机还包括用于使所述转子的旋转制动的制动器，以及其中仅有未接合所述制动器时执行的测量才用于校准所述负载传感器。
4. 根据前述权利要求中任一项所述的方法，其中，所述第一截面包括至少两个负载传感器，所述至少两个负载传感器包括第一负载传感器和第二负载传感器，有利的是所述第一负载传感器置于所述第一风力涡轮机叶片的后缘附近，以及所述第二负载传感器置于所述第一风力涡轮机叶片的吸入侧或压力侧处的所述第一风力涡轮机的前缘与所述后缘之间。
5. 根据前述权利要求中任一项所述的方法，其中，所述第一风力涡轮机叶片还设有定位在所述第一风力涡轮机叶片的第二截面中的一定数目的第二负载传感器。
6. 根据前述权利要求中任一项所述的方法，其中，步骤d）的所述计算基于来自于所述第一风力涡轮机叶片的自身重量的重力和/或重力矩。
7. 根据权利要求6所述的方法，其中，步骤d）的所述计算还基于来自于所述转子的旋转的惯性力和/或惯性矩。
8. 根据权利要求6或7所述的方法，其中，步骤d）的所述计算还基于来自于所述转子的旋转和/或来自于冲击所述第一风力涡轮机叶片的风的空气动力和/或空气动力力矩。
9. 根据前述权利要求中任一项所述的方法，其中，步骤d）的所述计算还基于所述第一风力涡轮机叶片的总体性质和置于所述第一截面外侧处的所述第一风力涡轮机叶片的一部分的总体性质，其中所述总体性质基于以下参数中的一个或多个：质量、质量矩、惯性矩和惯性积。
10. 根据前述权利要求中任一项所述的方法，其中，步骤d）的所述计算还基于来自于所述传动系的摩擦损失。
11. 根据前述权利要求中任一项所述的方法，其中，从所述校准过程丢弃在所述转子的转子速度超过发电机接入速度时获得的测量数据，和/或从所述校准过程丢弃所述转子的绝对转子速度低于最低转子速度阈值时获得的测量数据。
12. 根据前述权利要求中任一项所述的方法，其中，从所述校准过程丢弃在所述转子的转子减速度超过转子减速度阈值时获得的测量数据。
13. 根据前述权利要求中任一项所述的方法，其中，从所述校准过程丢弃在所述第一风力涡轮机叶片的桨距高于最大桨距阈值时获得的测量数据，和/或从所述校准过程丢弃在所述第一风力涡轮机叶片的桨距低于最小桨距阈值时获得的测量数据。
14. 根据前述权利要求中任一项所述的方法，其中，所述校准过程基于例如通过最小二乘法的数据拟合，如曲线拟合或平面拟合。
15. 一种风力涡轮机，包括：
转子，其包括桨毂和一定数目的风力涡轮机叶片，所述叶片从所述桨毂沿径向延伸，所述桨毂连接到包括发电机的传动系上，所述发电机将所述转子的机械旋转运动转换成电能，其中
所述一定数目的叶片至少包括设有一定数目的第一负载传感器的第一风力涡轮机叶片，所述第一负载传感器至少包括定位在所述第一风力涡轮机叶片的第一截面中的主负载传感器和副负载传感器，其特征在于，所述风力涡轮机还设有用于校准所述第一负载传感器的校准系统，所述校准系统包括：
提取装置，其用于确定所述风力涡轮机的操作参数且至少确定转子方位角和所述第一风力涡轮机叶片的桨距角，优选地还确定所述转子的转子速度；
记录装置，其连续地记录包括从所述第一负载传感器获得的负载测量结果的样本，以及所述风力涡轮机的操作参数；
计算装置，其用于基于所述样本来计算各个样本的理论负载；
比较装置，其用于比较所述理论负载和负载测量结果；以及
校准装置，其用于基于从所述比较装置获得的值来校准所述第一负载传感器。
CN201180008008.7A 2010-02-01 2011-01-31 现场校准风力涡轮机叶片的负载传感器的方法 Active CN102713263B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
EP10000974.5 2010-02-01
EP10000974A EP2354538A1 (en) 2010-02-01 2010-02-01 A method of in situ calibrating load sensors of a wind turbine blade
PCT/EP2011/000422 WO2011092032A1 (en) 2010-02-01 2011-01-31 A method of in situ calibrating load sensors of a wind turbine blade

Publications (2)

Publication Number Publication Date
CN102713263A true CN102713263A (zh) 2012-10-03
CN102713263B CN102713263B (zh) 2015-07-08

Family

ID=42313308

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201180008008.7A Active CN102713263B (zh) 2010-02-01 2011-01-31 现场校准风力涡轮机叶片的负载传感器的方法

Country Status (6)

Country Link
US (1) US9353727B2 (zh)
EP (2) EP2354538A1 (zh)
CN (1) CN102713263B (zh)
DK (1) DK2531722T3 (zh)
ES (1) ES2757701T3 (zh)
WO (1) WO2011092032A1 (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108139424A (zh) * 2015-08-28 2018-06-08 东国大学校产学协力团 风速测量装置
CN110761957A (zh) * 2018-07-27 2020-02-07 北京金风科创风电设备有限公司 风力发电机组的光纤载荷传感器的标定方法和设备
CN111894793A (zh) * 2020-08-17 2020-11-06 三一重能有限公司 一种风力发电机组叶片零位调整方法、系统和风力发电机
CN113454335A (zh) * 2018-12-20 2021-09-28 维斯塔斯风力系统集团公司 修正桨距角

Families Citing this family (42)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2588755B1 (en) * 2010-06-29 2019-12-11 Vestas Wind Systems A/S Calibration of wind turbine sensor
DE102010052565A1 (de) * 2010-11-25 2012-05-31 Aloys Wobben Verfahren zum Betreiben einer Windenergieanlage
US20120161446A1 (en) * 2010-12-28 2012-06-28 Vestas Wind Systems A/S Global wind farm surveillance systems using fiber optic sensors
EP2659133B1 (en) * 2010-12-30 2022-01-26 LM WP Patent Holding A/S Wind turbine blade with cross-sectional sensors
US9422917B2 (en) * 2011-02-24 2016-08-23 Vestas Wind Systems A/S Safety system for a wind turbine
US9447778B2 (en) * 2011-11-02 2016-09-20 Vestas Wind Systems A/S Methods and systems for detecting sensor fault modes
ES2532177T3 (es) 2012-01-12 2015-03-24 Alstom Renewable Technologies Calibración de sensores de carga en pala
DK2757253T3 (da) * 2013-01-17 2019-07-15 Ge Renewable Tech Wind Bv Fremgangsmåde til at starte en vindmølle
US9637505B2 (en) 2013-03-15 2017-05-02 Dow Agrosciences Llc 4-amino-6-(heterocyclic)picolinates and 6-amino-2-(heterocyclic)pyrimidine-4-carboxylates and their use as herbicides
CN104595112B (zh) 2013-10-30 2018-01-16 通用电气公司 风力涡轮机及评估其上叶片健康状态的方法
TWI685302B (zh) 2014-09-15 2020-02-21 美商陶氏農業科學公司 包含吡啶羧酸除草劑之安全的除草組成物
EP3193607A4 (en) 2014-09-15 2018-05-02 Dow AgroSciences LLC Synergistic weed control from applications of pyridine carboxylic acid herbicides and photosystem ii inhibitors
TWI689252B (zh) 2014-09-15 2020-04-01 美商陶氏農業科學公司 源自於施用吡啶羧酸除草劑與乙醯乳酸合成酶（ａｌｓ）抑制劑的協同性雜草控制
AR101858A1 (es) 2014-09-15 2017-01-18 Dow Agrosciences Llc Composiciones herbicidas protegidas que comprenden un herbicida de ácido piridincarboxílico
TWI689251B (zh) 2014-09-15 2020-04-01 美商陶氏農業科學公司 源自於施用吡啶羧酸除草劑與合成生長素除草劑及/或生長素轉運抑制劑的協同性雜草控制
CN107110128B (zh) * 2014-12-23 2019-04-19 维斯塔斯风力系统集团公司 操作风力涡轮机的方法
WO2017000947A1 (en) * 2015-06-30 2017-01-05 Vestas Wind Systems A/S Blade load sensing system for a wind turbine
CN107810321B (zh) * 2015-06-30 2020-08-11 维斯塔斯风力系统集团公司 测量风力涡轮机上的载荷的方法
WO2017000948A1 (en) * 2015-06-30 2017-01-05 Vestas Wind Systems A/S Method of calibrating load sensors of a wind turbine
JP6351557B2 (ja) 2015-09-11 2018-07-04 三菱重工業株式会社 荷重計測装置の較正方法、風車翼の荷重計測システム及び風車
JP6358993B2 (ja) 2015-09-11 2018-07-18 三菱重工業株式会社 風力発電装置および風力発電装置の併入方法
JP6405324B2 (ja) * 2016-01-29 2018-10-17 三菱重工業株式会社 風力発電装置及びその運転方法
US11098698B2 (en) * 2016-04-07 2021-08-24 General Electric Company System and method for auto-calibrating a load sensor system of a wind turbine
CN107061160A (zh) * 2017-04-26 2017-08-18 浙江运达风电股份有限公司 一种基于叶片载荷检测的风力发电机组叶片冰载运行安全控制方法及系统
CN110691907B (zh) 2017-05-26 2021-01-29 维斯塔斯风力系统集团公司 与风轮机转子角感测系统有关的改进
US10539119B2 (en) 2017-07-10 2020-01-21 WindESCo, Inc. System and method for augmenting control of a wind turbine assembly
DE102017115926B4 (de) * 2017-07-14 2022-03-17 fos4X GmbH Blattbiegemomentbestimmung mit zwei Lastsensoren pro Rotorblatt und unter Einbezug von Rotordaten
DE102017219886B3 (de) * 2017-11-08 2018-11-15 Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. Verfahren und Vorrichtung zur Drehmomentmessung im Antriebsstrang einer Windenergieanlage
DK3492735T3 (da) * 2017-11-29 2021-07-12 Nordex Energy Se & Co Kg Fremgangsmåde og indretning til at fastslå en statisk uligevægt af et vindenergianlægs rotor
CN111712632B (zh) * 2017-12-14 2023-04-25 维斯塔斯风力系统集团公司 风力涡轮机电力生产中的塔架阻尼
DE102018007749A1 (de) * 2018-10-02 2020-04-02 Senvion Gmbh Verfahren und System zum Betreiben einer Windenergieanlage
US20220260053A1 (en) * 2019-06-27 2022-08-18 Vestas Wind Systems A/S Controlling power output of a wind turbine at below-rated wind speed
JP2022043711A (ja) * 2020-09-04 2022-03-16 ナブテスコ株式会社 出力装置、状態監視装置、風車、出力方法、状態監視方法及びプログラム
EP3988782B1 (en) 2020-10-21 2023-12-06 Nordex Energy SE & Co. KG Method for calibrating one or more load sensors in a rotor blade of a wind turbine
CN112459964B (zh) * 2020-11-06 2022-01-14 南京理工大学 一种考虑风力机变桨控制器积分饱和的自适应桨距角控制方法
EP4008900A1 (en) 2020-12-03 2022-06-08 General Electric Renovables España S.L. Load sensors in wind turbines
CN114689237B (zh) * 2020-12-31 2023-04-07 新疆金风科技股份有限公司 载荷传感器标定方法、装置及计算机可读存储介质
CN112761872B (zh) * 2021-01-25 2022-11-01 三一重能股份有限公司 风电变桨超速保护方法、装置和风电变桨系统
JP7245866B2 (ja) 2021-04-26 2023-03-24 三菱重工業株式会社 風車翼の診断方法
CN113704920B (zh) * 2021-08-30 2024-01-16 上海电气风电集团股份有限公司 螺栓强度确定方法、系统和可读存储介质
CN114754691B (zh) * 2022-02-28 2023-03-31 南京航空航天大学 直升机桨叶弯扭形态分布式光纤监测与反演方法
EP4325048A1 (de) 2022-08-18 2024-02-21 Polytech A/S Computerimplementiertes verfahren und vorrichtung zur justierung von einem blattlastmesssystem eines rotorblatts einer windkraftanlage, windkraftanlage mit zumindest einem rotorblatt mit einem dehnungssensor und computerlesbares speichermedium

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE29715249U1 (de) * 1997-08-25 1998-12-24 Inst Solare Energieversorgungstechnik Iset Windenergieanlage
EP1359321A1 (en) * 2002-05-02 2003-11-05 General Electric Company Sensing of loads on wind turbine blades
US7246991B2 (en) * 2002-09-23 2007-07-24 John Vanden Bosche Wind turbine blade deflection control system
DE102006036157A1 (de) * 2006-08-01 2008-02-07 Repower Systems Ag Kalibrierverfahren
EP2075561A2 (en) * 2007-12-31 2009-07-01 General Electric Company Methods and apparatus for error reduction in rotor loading measurements
EP2112375A2 (en) * 2008-03-28 2009-10-28 Insensys Limited Wind turbine icing detection

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB2440953B (en) 2006-08-18 2009-09-30 Insensys Ltd Wind turbines
GB2440955A (en) 2006-08-18 2008-02-20 Insensys Ltd Wind turbine blade monitoring
DE102006054666B4 (de) * 2006-11-17 2010-01-14 Repower Systems Ag Schwingungsdämpfung einer Windenergieanlage
GB2458400B (en) 2007-05-04 2010-02-17 Insensys Ltd Wind turbine monitoring
US20090246019A1 (en) * 2007-05-04 2009-10-01 Mark Volanthen Wind turbine monitoring
EP2053241A1 (en) * 2007-10-24 2009-04-29 Ecotecnia Energias Renovables S.L. Method for determining fatigue damage in a power train of a wind turbine
GB2454253B (en) 2007-11-02 2011-02-16 Insensys Ltd Strain sensors
EP2060785B1 (en) * 2007-11-15 2018-12-26 Gamesa Innovation & Technology, S.L. Method and system for operating sensor
EP2110551B2 (en) * 2008-04-15 2019-02-27 Siemens Aktiengesellschaft Method and apparatus for prediction-based wind turbine control

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE29715249U1 (de) * 1997-08-25 1998-12-24 Inst Solare Energieversorgungstechnik Iset Windenergieanlage
EP1359321A1 (en) * 2002-05-02 2003-11-05 General Electric Company Sensing of loads on wind turbine blades
US7246991B2 (en) * 2002-09-23 2007-07-24 John Vanden Bosche Wind turbine blade deflection control system
DE102006036157A1 (de) * 2006-08-01 2008-02-07 Repower Systems Ag Kalibrierverfahren
EP2075561A2 (en) * 2007-12-31 2009-07-01 General Electric Company Methods and apparatus for error reduction in rotor loading measurements
EP2112375A2 (en) * 2008-03-28 2009-10-28 Insensys Limited Wind turbine icing detection

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108139424A (zh) * 2015-08-28 2018-06-08 东国大学校产学协力团 风速测量装置
CN110761957A (zh) * 2018-07-27 2020-02-07 北京金风科创风电设备有限公司 风力发电机组的光纤载荷传感器的标定方法和设备
CN110761957B (zh) * 2018-07-27 2021-03-30 北京金风科创风电设备有限公司 风力发电机组的光纤载荷传感器的标定方法和设备
CN113454335A (zh) * 2018-12-20 2021-09-28 维斯塔斯风力系统集团公司 修正桨距角
CN111894793A (zh) * 2020-08-17 2020-11-06 三一重能有限公司 一种风力发电机组叶片零位调整方法、系统和风力发电机
CN111894793B (zh) * 2020-08-17 2021-10-29 三一重能有限公司 一种风力发电机组叶片零位调整方法、系统和风力发电机

Also Published As

Publication number Publication date
EP2531722B1 (en) 2019-08-21
CN102713263B (zh) 2015-07-08
US9353727B2 (en) 2016-05-31
ES2757701T3 (es) 2020-04-29
US20120292905A1 (en) 2012-11-22
EP2531722A1 (en) 2012-12-12
EP2354538A1 (en) 2011-08-10
DK2531722T3 (da) 2019-11-25
WO2011092032A1 (en) 2011-08-04

Similar Documents

Publication Publication Date Title
CN102713263B (zh) 现场校准风力涡轮机叶片的负载传感器的方法
EP3286430B1 (en) Method of correcting rotor imbalance and wind turbine thereof
EP2369314B1 (en) Rotating blade analysis
CN106640548B (zh) 用于风力发电机组的状态监测方法和装置
DK2898216T3 (en) Method and apparatus for monitoring operating conditions of rotor blades.
CN106528908B (zh) 用于估算旋转叶片的表面情况的方法
Lieblein et al. Diffusion factor for estimating losses and limiting blade loadings in axial-flow-compressor blade elements
US8951011B2 (en) Wind turbine and a method for monitoring a wind turbine
DK1959127T3 (en) Method and device for indirect determination of a wind or installation hydro dynamic sizes
CN107820541B (zh) 风力涡轮机叶片载荷传感系统
CN107810321B (zh) 测量风力涡轮机上的载荷的方法
CN101629846B (zh) 恒速下高速旋转叶片同步振动参数检测方法
CN102418658A (zh) 操作风力涡轮机的方法及确定其质量情况的方法和装置
CN110006563B (zh) 直升机桨叶挥舞与摆振弯矩分布式光纤解耦测量方法
CN107709766A (zh) 校准风力涡轮机的负载传感器的方法
CN109915330A (zh) 一种应用重力加速度传感器测量风机轮毂转速的方法
CN105138845A (zh) 获得风力发电机风速值的方法
CN113252938A (zh) 确定风力发电机的转子平面中的风速的方法
Mevel et al. LPTV subspace analysis of wind turbines data
US6938472B2 (en) Static pressure calculation from dynamic pressure for rotary air-data system and methodology therefor
Kufeld et al. UH‐60A Airloads Program Azimuth Reference Correction
Fradenburg et al. Dynamic Model Wind Tunnel Tests, a Variable-diameter Telescoping-blade Rotor System (TRAC Rotor)
EP4001641A1 (en) Method and sensor module for determining a direction of a wind flow at a blade of a wind turbine
DK179140B1 (en) Method of determining a rotor parameter
Moore et al. Development of a Computational Propeller Model

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant