CN104131950A - 一种风电机组温度特征量的阈值分区确定方法 - Google Patents
一种风电机组温度特征量的阈值分区确定方法 Download PDFInfo
- Publication number
- CN104131950A CN104131950A CN201410355897.XA CN201410355897A CN104131950A CN 104131950 A CN104131950 A CN 104131950A CN 201410355897 A CN201410355897 A CN 201410355897A CN 104131950 A CN104131950 A CN 104131950A
- Authority
- CN
- China
- Prior art keywords
- interval
- wind
- temperature
- temperature profile
- generation unit
- 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
Links
Classifications
-
- 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
本发明公开了一种风电机组温度特征量的阈值分区确定方法,属于风力发电机组运行状态监测技术领域。在该方法中,将风电机组SCADA运行数据作为输入,以风电机组有功功率为区间划分依据,采用bin方法,实现了对温度特征量历史运行数据划分,通过对各区间温度特征量运行数据进行数据统计计算,最终实现各区间内温度特征量区间阈值确定。本方法可直接应用到基于风电机组SCADA信息的状态监测和故障预警系统中,也可应用与基于风电机组控制系统信息的实时状态监测与评估中,从而提高基于温度特征量的风电机组状态监测预警的准确性,为评估及预测风电机组安全运行可靠性提供技术支撑。
Description
技术领域
本发明属于风力发电机组运行状态监测技术领域,涉及一种风电机组温度特征量的阈值分区确定方法。
背景技术
针对风电机组工况多变,温度特征量变动范围较大的情况,传统上仅对温度特征量设定最高的预警阈值已不能满足机组状态监测的要求。目前,在利用温度特征量实现对机组关键部件异常识别研究方面,对如何合理的设定温度特征量的阈值研究比较少见,较多研究集中在从风速、环境参量与温度特征量映射关系研究上,选取能表征机组关键部件运行工况的样本,通过多元参数拟合方法,以及非线性估计、人工神经网络、支持向量机等智能方法,将所计算的温度特征量理论值和实际值之间的残差作为判别机组关键部件异常的依据,在一定程度上实现对机组关键部件的状态监测。然而,选取表征机组关键部件运行工况的样本数据耗时费力,且应用智能算法过程中不可避免的掺杂人为主观因素,致使上述方法在应用上泛化能力弱,工程应用较难。
因此,目前迫切需要寻求一种方法简单、满足工程要求且泛化应用能力强的温度特征量阈值确定方法。
发明内容
有鉴于此,本发明的目的在于提供一种风电机组温度特征量的阈值分区确定方法,在该方法中仅需要利用风电机组SCADA系统中提取温度特征量和风电机组有功功率历史运行数据;以风电机组有功功率为区间划分依据,利用bin方法,将温度特征量历史运行数据进行区间划分,并通过对温度特征量各区间内运行数据进行统计计算,实现温度特征量区间阈值确定。
为达到上述目的,本发明提供如下技术方案:
一种风电机组温度特征量的阈值分区确定方法,包括以下步骤:步骤一:从风电机组SCADA系统中提取温度特征量和风电机组有功功率历史运行数据;步骤二:以风电机组有功功率为区间划分依据,利用bin方法,将温度特征量历史运行数据划分为若干个区间;步骤三:计算温度特征量各区间内运行数据的均值μ和标准差σ,将所确定的各区间[μ-1.96σ,μ+1.96σ],分别作为温度特征量各区间的阈值;步骤四:当风电机组温度特征量的在线监测数据超过的所属区间的阈值时,表明被监测的机组部件出现异常。
进一步,在步骤一中,从风电机组SCADA系统中获取的温度特征量包括主轴承温度、齿轮箱前轴承温度、齿轮箱后轴承温度、齿轮箱油温度、齿轮箱冷却水温度、齿轮箱回油温度、发电机绕组温度、发电机冷却水温度、发电机前轴承温度、发电机后轴承温度、变频器电抗温度、变频器电容温度、变频器IGBT温度,并提取以上温度特征量的历史运行数据。
进一步,在步骤二中,以风电机组有功功率为区间划分依据,利用bin方法,将风电机组有功功率从0到额定功率按照大小平均划分为m个区间,各区间用Di,i=1,2,…m来表示;分别以风电机组有功功率每个采样时刻的运行数据数值大小为依据,将温度特征量历史运行数据划归到各区间Di,即将温度特征量历史运行数据划分为m个区间。
进一步,在步骤三中,区间Di内的温度特征量历史数据数值为其中,j=1,2,...n,通过逐个计算区间Di内温度特征量运行数据的均值μi(i=1,2,…m)和标准差σi,i=1,2,…m;均值μi的计算公式如下:
标准差σi的计算公式如下:
将[μi-1.96σi,μi+1.96σi]作为温度特征量在区间Di的阈值。
进一步,在步骤四中,将温度特征量各区间的阈值应用到风电机组SCADA系统中,当温度特征量的在线监测数据超过的所属区间的阈值时,表明被监测的机组关键部件出现异常。
本发明的有益效果在于:本发明提出的一种风电机组温度特征量阈值分区确定方法可直接应用到基于风电机组SCADA信息的状态监测和故障预警系统中,也可应用与基于风电机组控制系统信息的实时状态监测与评估中,从而提高基于温度特征量的风电机组状态监测预警的准确性,为评估及预测风电机组安全运行可靠性提供技术支撑。
附图说明
为了使本发明的目的、技术方案和有益效果更加清楚,本发明提供如下附图进行说明:
图1为风电机组温度特征量区间阈值确定方法结构图;
图2为风电机组温度特征量区间阈值确定方法流程示意图;
图3为实施例中某1.5MW风电机组区间D3内齿轮箱前轴承温度的历史数据;
图4为风电机组温度特征量区间阈值应用过程。
具体实施方式
在本发明所述的方法中,将风电机组SCADA运行数据作为输入,以风电机组有功功率为区间划分依据,采用bin方法,实现了对温度特征量历史运行数据划分,通过对各区间温度特征量运行数据进行数据统计计算,最终实现各区间内温度特征量区间阈值确定。
下面将结合附图,对本发明的优选实施例进行详细的描述。
图1为风电机组温度特征量区间阈值确定方法结构图,图2为风电机组温度特征量区间阈值确定方法流程示意图。
如图所示,本方法包括以下步骤:步骤一:从风电机组SCADA系统中提取温度特征量和风电机组有功功率历史运行数据;步骤二:以风电机组有功功率为区间划分依据,利用bin方法,将温度特征量历史运行数据划分为若干个区间;步骤三:计算温度特征量各区间内运行数据的均值μ和标准差σ,将所确定的各区间[μ-1.96σ,μ+1.96σ],分别作为温度特征量各区间的阈值;步骤四:当风电机组温度特征量的在线监测数据超过的所属区间的阈值时,表明被监测的机组部件出现异常。
具体来说:
在步骤一中,从风电机组SCADA系统中获取的温度特征量包括主轴承温度、齿轮箱前轴承温度、齿轮箱后轴承温度、齿轮箱油温度、齿轮箱冷却水温度、齿轮箱回油温度、发电机绕组温度、发电机冷却水温度、发电机前轴承温度、发电机后轴承温度、变频器电抗温度、变频器电容温度、变频器IGBT温度,并提取以上温度特征量的历史运行数据。
在步骤二中,以风电机组有功功率为区间划分依据,利用bin方法,将风电机组有功功率从0到额定功率按照大小平均划分为m个区间,各区间用Di,i=1,2,…m来表示;分别以风电机组有功功率每个采样时刻的运行数据数值大小为依据,将温度特征量历史运行数据划归到各区间Di,即将温度特征量历史运行数据划分为m个区间。
在步骤三中,区间Di内的温度特征量历史数据数值为其中,j=1,2,...n,通过逐个计算区间Di内温度特征量运行数据的均值μi(i=1,2,…m)和标准差σi,i=1,2,…m;均值μi的计算公式如下:
标准差σi的计算公式如下:
将[μi-1.96σi,μi+1.96σi]作为温度特征量在区间Di的阈值。
在步骤四中,将温度特征量各区间的阈值应用到风电机组SCADA系统中,当温度特征量的在线监测数据超过的所属区间的阈值时,表明被监测的机组关键部件出现异常。
图3为实施例中某1.5MW风电机组区间D3内齿轮箱前轴承温度的历史数据,图4为风电机组温度特征量区间阈值应用过程。
下面通过具体实施例来对本发明所述的方法进行具体说明:
风电机组温度特征量的区间阈值确定,包括以下几个部分:特征量提取部分、区间划分部分、区间阈值确定部分。
特征量提取部分:
除了从风电机组SCADA系统中获取风电机组有功功率外,需要获取的温度特征量,如,主轴承温度、齿轮箱前轴承温度、齿轮箱后轴承温度、齿轮箱油温度、齿轮箱冷却水温度、齿轮箱回油温度、发电机绕组温度、发电机冷却水温度、发电机前轴承温度、发电机后轴承温度、变频器电抗温度、变频器电容温度、变频器IGBT温度。对以上温度特征量的运行数据进行提取,作为区间阈值确定方法的输入。
区间划分部分:
以风电机组有功功率为区间划分依据,利用bin方法,将风电机组有功功率从0到额定功率按照大小平均划分为m个区间,各区间用Di(i=1,2,…m)来表示。分别以风电机组有功功率每个采样时刻运行数据数值大小为依据,将温度特征量历史运行数据归类到各区间Di,即将温度特征量历史运行数据划分为m个区间;例如,某对于额定功率为1.5MW的风电机组,利用bin区间划分方法,将风电机组有功功率作为区间划分的依据,从0-1.5MW从小到大平均划分成10个区间,划分的区间见表1所示。
表1 某1.5MW风电机组风电机组有功功率区间划分
然后,分别以风电机组有功功率每个采样时刻运行数据数值大小为依据,将温度特征量历史运行数据归类到各区间Di(i=1,2,…10),即将温度特征量历史运行数据划分为10个区间。
区间阈值确定部分:
区间Di内的温度特征量数据为数值为逐个计算区间Di内温度特征量运行数据的均值μi(i=1,2,…m)和标准差σi(i=1,2,…m)。
均值μi的计算公式如下:
标准差σi的计算公式如下:
将[μi-1.96σi,μi+1.96σi]作为区间Di对应的温度特征量阈值。
例如:在S2区间划分的基础上,对机组齿轮箱前轴承温度在区间D3的阈值确定。通过区间D3的齿轮箱前轴承温度历史数据统计,图3所示为区间D3内齿轮箱前轴承温度的历史数据,运行数据量共4583个,计算均值μ3和标准差σ3得到:μ3=61.03℃和σ3=2.45℃。所以该机组齿轮箱前轴承温度D3区间的阈值为[56.14℃,65.92℃]。同理,其他区间和其他温度特征量计算过程与上述类似。
区间阈值实现部分:
将S3温度特征量各区间的阈值作为风电机组SCADA系统软件部分的一个模块,见图4。从风电机组SCADA系统在线监测数据中,实时提取温度特征量和风电机组有功功率的在线监测数据(有功功率监测数据用于定位在区间阈值模块内的实时温度特征量在线监测数据所属区间阈值),当温度特征量在线监测数据超过的所属区间的阈值时,表明被监测的机组部件出现异常。
最后说明的是,以上优选实施例仅用以说明本发明的技术方案而非限制,尽管通过上述优选实施例已经对本发明进行了详细的描述,但本领域技术人员应当理解,可以在形式上和细节上对其作出各种各样的改变,而不偏离本发明权利要求书所限定的范围。
Claims (5)
1.一种风电机组温度特征量的阈值分区确定方法,其特征在于:包括以下步骤:
步骤一:从风电机组SCADA系统中提取温度特征量和风电机组有功功率历史运行数据;
步骤二:以风电机组有功功率为区间划分依据,利用bin方法,将温度特征量历史运行数据划分为若干个区间;
步骤三:计算温度特征量各区间内运行数据的均值μ和标准差σ,将所确定的各区间[μ-1.96σ,μ+1.96σ],分别作为温度特征量各区间的阈值;
步骤四:当风电机组温度特征量的在线监测数据超过的所属区间的阈值时,表明被监测的机组部件出现异常。
2.根据权利要求1所述的一种风电机组温度特征量的阈值分区确定方法,其特征在于:在步骤一中,从风电机组SCADA系统中获取的温度特征量包括主轴承温度、齿轮箱前轴承温度、齿轮箱后轴承温度、齿轮箱油温度、齿轮箱冷却水温度、齿轮箱回油温度、发电机绕组温度、发电机冷却水温度、发电机前轴承温度、发电机后轴承温度、变频器电抗温度、变频器电容温度、变频器IGBT温度,并提取以上温度特征量的历史运行数据。
3.根据权利要求1所述的一种风电机组温度特征量的阈值分区确定方法,其特征在于:在步骤二中,以风电机组有功功率为区间划分依据,利用bin方法,将风电机组有功功率从0到额定功率按照大小平均划分为m个区间,各区间用Di,i=1,2,…m来表示;分别以风电机组有功功率每个采样时刻的运行数据数值大小为依据,将温度特征量历史运行数据划归到各区间Di,即将温度特征量历史运行数据划分为m个区间。
4.根据权利要求1所述的一种风电机组温度特征量的阈值分区确定方法,其特征在于:在步骤三中,区间Di内的温度特征量历史数据数值为其中,j=1,2,...n,通过逐个计算区间Di内温度特征量运行数据的均值μi(i=1,2,…m)和标准差σi,i=1,2,…m;均值μi的计算公式如下:
标准差σi的计算公式如下:
将[μi-1.96σi,μi+1.96σi]作为温度特征量在区间Di的阈值。
5.根据权利要求1所述的一种风电机组温度特征量的阈值分区确定方法,其特征在于:在步骤四中,将温度特征量各区间的阈值应用到风电机组SCADA系统中,当温度特征量的在线监测数据超过的所属区间的阈值时,表明被监测的机组关键部件出现异常。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410355897.XA CN104131950B (zh) | 2014-07-24 | 2014-07-24 | 一种风电机组温度特征量的阈值分区确定方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410355897.XA CN104131950B (zh) | 2014-07-24 | 2014-07-24 | 一种风电机组温度特征量的阈值分区确定方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104131950A true CN104131950A (zh) | 2014-11-05 |
CN104131950B CN104131950B (zh) | 2017-02-01 |
Family
ID=51804758
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410355897.XA Active CN104131950B (zh) | 2014-07-24 | 2014-07-24 | 一种风电机组温度特征量的阈值分区确定方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104131950B (zh) |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105527573A (zh) * | 2016-01-28 | 2016-04-27 | 上海申瑞继保电气有限公司 | 风电场风机发电机故障识别方法 |
CN106089599A (zh) * | 2016-06-03 | 2016-11-09 | 北京唐浩电力工程技术研究有限公司 | 基于分位数的风力发电机组功率曲线绘制方法 |
CN106194600A (zh) * | 2016-07-29 | 2016-12-07 | 中车株洲电力机车研究所有限公司 | 一种风力发电机组温度容错控制方法 |
CN106870297A (zh) * | 2017-02-10 | 2017-06-20 | 国电联合动力技术有限公司 | 一种基于时间序列聚类诊断风力发电机主轴承故障的方法 |
CN107742053A (zh) * | 2017-11-28 | 2018-02-27 | 国华(河北)新能源有限公司 | 风电机组异常识别方法及装置 |
CN108180118A (zh) * | 2016-12-08 | 2018-06-19 | 北京金风科创风电设备有限公司 | 设备自复位温度的确定方法及装置 |
CN108506171A (zh) * | 2018-03-20 | 2018-09-07 | 明阳智慧能源集团股份公司 | 一种大型半直驱机组齿轮箱冷却系统故障预警方法 |
CN109815533A (zh) * | 2018-12-14 | 2019-05-28 | 南京河海南自水电自动化有限公司 | 一种不同工况下水电机组部件运行数据分析方法及系统 |
CN109973329A (zh) * | 2018-12-27 | 2019-07-05 | 积成电子股份有限公司 | 风力发电机机舱变频器柜温度异常的判断方法 |
WO2019140613A1 (en) * | 2018-01-18 | 2019-07-25 | Abb Schweiz Ag | Method, apparatus and system for wind converter management |
CN110703025A (zh) * | 2019-10-18 | 2020-01-17 | 重庆大学 | 一种风电变流器igbt功率模块健康状态异常识别方法 |
CN111878326A (zh) * | 2020-08-06 | 2020-11-03 | 上海电气风电集团股份有限公司 | 风机的结冰故障检测方法、系统、电子设备和介质 |
CN113095693A (zh) * | 2021-04-19 | 2021-07-09 | 重庆理工大学 | 一种基于温度特征量的风电轴承健康状态评估方法 |
CN113312758A (zh) * | 2021-05-12 | 2021-08-27 | 上海电气风电集团股份有限公司 | 风力发电机组的健康状态评估方法和装置 |
WO2021244722A1 (en) * | 2020-06-04 | 2021-12-09 | Vestas Wind Systems A/S | Temperature estimation in a wind turbine |
CN110023621B (zh) * | 2016-10-17 | 2024-01-02 | 诺迈士科技有限公司 | 确定风力涡轮上的载荷 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101208856A (zh) * | 2004-04-30 | 2008-06-25 | 美蓓亚株式会社 | 自校准风扇 |
US20100268395A1 (en) * | 2007-12-11 | 2010-10-21 | Vestas Wind Systems A/S | System and method for detecting performance |
WO2012129721A1 (en) * | 2011-03-29 | 2012-10-04 | General Electric Company | Method for adjusting power output of wind turbine |
CN102797631A (zh) * | 2012-08-24 | 2012-11-28 | 国电联合动力技术有限公司 | 一种风电机组的最优增益在线自校正方法、系统及其装置 |
CN103758696A (zh) * | 2014-01-09 | 2014-04-30 | 华北电力大学 | 基于scada温度参数的风电机组安全状况评价方法 |
-
2014
- 2014-07-24 CN CN201410355897.XA patent/CN104131950B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101208856A (zh) * | 2004-04-30 | 2008-06-25 | 美蓓亚株式会社 | 自校准风扇 |
US20100268395A1 (en) * | 2007-12-11 | 2010-10-21 | Vestas Wind Systems A/S | System and method for detecting performance |
WO2012129721A1 (en) * | 2011-03-29 | 2012-10-04 | General Electric Company | Method for adjusting power output of wind turbine |
CN102797631A (zh) * | 2012-08-24 | 2012-11-28 | 国电联合动力技术有限公司 | 一种风电机组的最优增益在线自校正方法、系统及其装置 |
CN103758696A (zh) * | 2014-01-09 | 2014-04-30 | 华北电力大学 | 基于scada温度参数的风电机组安全状况评价方法 |
Cited By (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105527573B (zh) * | 2016-01-28 | 2019-04-12 | 上海申瑞继保电气有限公司 | 风电场风机发电机故障识别方法 |
CN105527573A (zh) * | 2016-01-28 | 2016-04-27 | 上海申瑞继保电气有限公司 | 风电场风机发电机故障识别方法 |
CN106089599A (zh) * | 2016-06-03 | 2016-11-09 | 北京唐浩电力工程技术研究有限公司 | 基于分位数的风力发电机组功率曲线绘制方法 |
CN106194600A (zh) * | 2016-07-29 | 2016-12-07 | 中车株洲电力机车研究所有限公司 | 一种风力发电机组温度容错控制方法 |
CN110023621B (zh) * | 2016-10-17 | 2024-01-02 | 诺迈士科技有限公司 | 确定风力涡轮上的载荷 |
CN108180118B (zh) * | 2016-12-08 | 2019-07-05 | 北京金风科创风电设备有限公司 | 设备自复位温度的确定方法及装置 |
CN108180118A (zh) * | 2016-12-08 | 2018-06-19 | 北京金风科创风电设备有限公司 | 设备自复位温度的确定方法及装置 |
CN106870297A (zh) * | 2017-02-10 | 2017-06-20 | 国电联合动力技术有限公司 | 一种基于时间序列聚类诊断风力发电机主轴承故障的方法 |
CN107742053A (zh) * | 2017-11-28 | 2018-02-27 | 国华(河北)新能源有限公司 | 风电机组异常识别方法及装置 |
CN107742053B (zh) * | 2017-11-28 | 2020-11-27 | 国华(河北)新能源有限公司 | 风电机组异常识别方法及装置 |
US11168669B2 (en) | 2018-01-18 | 2021-11-09 | Abb Schweiz Ag | Method, apparatus and system for wind converter management |
WO2019140613A1 (en) * | 2018-01-18 | 2019-07-25 | Abb Schweiz Ag | Method, apparatus and system for wind converter management |
CN108506171B (zh) * | 2018-03-20 | 2019-08-16 | 明阳智慧能源集团股份公司 | 一种大型半直驱机组齿轮箱冷却系统故障预警方法 |
CN108506171A (zh) * | 2018-03-20 | 2018-09-07 | 明阳智慧能源集团股份公司 | 一种大型半直驱机组齿轮箱冷却系统故障预警方法 |
CN109815533A (zh) * | 2018-12-14 | 2019-05-28 | 南京河海南自水电自动化有限公司 | 一种不同工况下水电机组部件运行数据分析方法及系统 |
CN109973329A (zh) * | 2018-12-27 | 2019-07-05 | 积成电子股份有限公司 | 风力发电机机舱变频器柜温度异常的判断方法 |
CN110703025A (zh) * | 2019-10-18 | 2020-01-17 | 重庆大学 | 一种风电变流器igbt功率模块健康状态异常识别方法 |
WO2021244722A1 (en) * | 2020-06-04 | 2021-12-09 | Vestas Wind Systems A/S | Temperature estimation in a wind turbine |
US11920562B2 (en) | 2020-06-04 | 2024-03-05 | Vestas Wind Systems A/S | Temperature estimation in a wind turbine |
CN111878326A (zh) * | 2020-08-06 | 2020-11-03 | 上海电气风电集团股份有限公司 | 风机的结冰故障检测方法、系统、电子设备和介质 |
CN113095693A (zh) * | 2021-04-19 | 2021-07-09 | 重庆理工大学 | 一种基于温度特征量的风电轴承健康状态评估方法 |
CN113095693B (zh) * | 2021-04-19 | 2024-02-06 | 重庆理工大学 | 一种基于温度特征量的风电轴承健康状态评估方法 |
CN113312758A (zh) * | 2021-05-12 | 2021-08-27 | 上海电气风电集团股份有限公司 | 风力发电机组的健康状态评估方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
CN104131950B (zh) | 2017-02-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104131950B (zh) | 一种风电机组温度特征量的阈值分区确定方法 | |
CN101858312B (zh) | 风力发电机组实时运行状态评估系统及评估方法 | |
CN103927695B (zh) | 基于自学习复合数据源的风电功率超短期预测方法 | |
CN103475021B (zh) | 一种基于统计模型的风电场弃风电量确定方法 | |
Qian et al. | Data-driven condition monitoring approaches to improving power output of wind turbines | |
CN108680358A (zh) | 一种基于轴承温度模型的风电机组故障预测方法 | |
CN108072524B (zh) | 一种风电机组齿轮箱轴承故障预警方法 | |
CN103296701B (zh) | 一种风电场有功功率控制方法 | |
CN105205569A (zh) | 风机齿轮箱状态在线评估模型建立方法及在线评估方法 | |
CN103758696A (zh) | 基于scada温度参数的风电机组安全状况评价方法 | |
CN102880810A (zh) | 基于时间序列和神经网络法的风电功率预测方法 | |
CN104933483A (zh) | 一种基于天气过程划分的风电功率预测方法 | |
CN103198235A (zh) | 基于风功率纵向时刻概率分布的风功率预测值预评估方法 | |
CN102915471A (zh) | 一种风电扰动在线安全预警的方法 | |
CN107654342A (zh) | 一种考虑湍流的风电机组功率异常的检测方法 | |
CN114033617B (zh) | 一种控制参量自适应调整的可控风力发电方法及系统 | |
CN108506171A (zh) | 一种大型半直驱机组齿轮箱冷却系统故障预警方法 | |
CN105140967A (zh) | 一种含新能源电力系统调峰需求的评估方法 | |
Fan et al. | A particle-filtering approach for remaining useful life estimation of wind turbine gearbox | |
CN116050613B (zh) | 水电机组顶盖排水泵剩余使用寿命预测方法 | |
CN113761692B (zh) | 一种基于迁移成分分析的多风电机组运行状态辨识方法 | |
CN116090626A (zh) | 一种基于云边协同的风电机组状态评估与智能预警系统及方法 | |
CN113111314B (zh) | 一种基于多机组协同的并网风电机组健康状态评估方法 | |
CN115406483A (zh) | 一种水电机组故障识别方法、装置、设备及可读存储介质 | |
CN112240267B (zh) | 基于风速相关性与风功率曲线的风机监测方法 |
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 |