CN105701337B - 风电机组的疲劳寿命预测方法和装置 - Google Patents

风电机组的疲劳寿命预测方法和装置 Download PDF

Info

Publication number
CN105701337B
CN105701337B CN201511034198.6A CN201511034198A CN105701337B CN 105701337 B CN105701337 B CN 105701337B CN 201511034198 A CN201511034198 A CN 201511034198A CN 105701337 B CN105701337 B CN 105701337B
Authority
CN
China
Prior art keywords
period
equivalent load
equivalent
load
short
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.)
Active
Application number
CN201511034198.6A
Other languages
English (en)
Other versions
CN105701337A (zh
Inventor
王明辉
李健
波·约尔·佩德森
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.)
Beijing Goldwind Science and Creation Windpower Equipment Co Ltd
Original Assignee
Beijing Goldwind Science and Creation Windpower Equipment Co Ltd
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 Beijing Goldwind Science and Creation Windpower Equipment Co Ltd filed Critical Beijing Goldwind Science and Creation Windpower Equipment Co Ltd
Priority to CN201511034198.6A priority Critical patent/CN105701337B/zh
Publication of CN105701337A publication Critical patent/CN105701337A/zh
Application granted granted Critical
Publication of CN105701337B publication Critical patent/CN105701337B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G16INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16ZINFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS, NOT OTHERWISE PROVIDED FOR
    • G16Z99/00Subject matter not provided for in other main groups of this subclass

Abstract

本发明涉及一种风电机组的疲劳寿命预测方法和装置,所述方法包括:周期性获取风电机组中各关键部件处的原始载荷数据,并形成原始载荷时间序列;对所述原始载荷时间序列进行雨流计数,并按线性损伤累积理论计算各周期内所述原始载荷数据对应的等效载荷;对各周期对应的所述等效载荷以迭代方式进行短时等效,生成相应周期内的短时等效载荷;根据各周期对应的所述短时等效载荷以及各所述关键部件的设计寿命、评估标准中推荐的等效周期数,计算得到各周期对应的各所述关键部件的生命周期等效载荷;根据所述生命周期等效载荷,预测各周期对应的风电机组的疲劳寿命。本发明实时快速、精确的预测风电机组的疲劳寿命。

Description

风电机组的疲劳寿命预测方法和装置
技术领域
本发明涉及风电技术领域,尤其涉及一种风电机组的疲劳寿命预测方法和装置。
背景技术
风力发电机组(简称“风电机组”)整机的疲劳寿命由其各关键部件疲劳寿命中最短者决定。而通常,各关键部件在出厂时就通过在不同工况下进行疲劳模拟仿真,得到不同工况下的疲劳寿命。当各关键部件在风电机组上正常运行时,通过记录这些关键部件的运行数据,或是可影响其寿命的相关数据,并将这些数据与之前的模拟仿真的工况进行比对,从而得到当前各关键部件的疲劳寿命,进而得到风电机组的疲劳寿命。
但是,上述现有技术由于参照的是模拟仿真工况,与实际的工况之间存在差距,因此不能准确的评估风电机组的疲劳寿命。
发明内容
本发明实施例提供的一种风电机组的疲劳寿命预测方法和装置,以实时快速、精确的预测风电机组的疲劳寿命。
为达到上述目的,本发明实施例提供了一种风电机组的疲劳寿命预测方法,所述方法包括:周期性获取风电机组中各关键部件处的原始载荷数据,并形成原始载荷时间序列;对所述原始载荷时间序列进行雨流计数,并按线性损伤累积理论计算各周期内所述原始载荷数据对应的等效载荷;对各周期对应的所述等效载荷以迭代方式进行短时等效,生成相应周期内的短时等效载荷;根据各周期对应的所述短时等效载荷以及各所述关键部件的设计寿命、评估标准中推荐的等效周期数,计算得到各周期对应的各所述关键部件的生命周期等效载荷;根据所述生命周期等效载荷,预测各周期对应的风电机组的疲劳寿命。
本发明实施例还提供了一种风电机组的疲劳寿命预测装置,所述装置包括:原始载荷获取模块,用于周期性获取风电机组中各关键部件处的原始载荷数据,并形成原始载荷时间序列;等效载荷模块,用于对所述原始载荷时间序列进行雨流计数,并按线性损伤累积理论计算各周期内所述原始载荷数据对应的等效载荷;短时等效模块,用于对各周期对应的所述等效载荷以迭代方式进行短时等效,生成相应周期内的短时等效载荷;生命周期等效模块,用于根据各周期对应的所述短时等效载荷以及各所述关键部件的设计寿命、评估标准中推荐的等效周期数,计算得到各周期对应的各所述关键部件的生命周期等效载荷;疲劳寿命预测模块,用于根据所述生命周期等效载荷,预测各周期对应的风电机组的疲劳寿命。
本发明实施例提供的一种风电机组的疲劳寿命预测方法和装置,从风电机组中多个关键部件处采集原始载荷数据形成原始载荷时间序列,通过对该时间序列进行雨流计数,按线性损伤累积理论计算各周期内所述原始载荷数据对应的等效载荷;然后对各周期的等效载荷以周期迭代方式计算短时等效载荷,再由短时等效载荷推演到生命周期等效载荷;最后由生命周期等效载荷预测各周期对应的关键部件的疲劳生命,进而预测风电机组整机的疲劳寿命。本方案执行过程严谨清晰,可快速准确的评估出各周期下对应的风电机组的疲劳寿命。
附图说明
图1为本发明提供的风电机组的疲劳寿命预测方法一个实施例的流程图;
图2为本发明提供的短时等效载荷求解方法一个实施例的流程图;
图3为本发明提供的风电机组的疲劳寿命预测装置一个实施例的结构框图;
图4为本发明提供的等效载荷模块一个实施例的结构框图;
图5为本发明提供的短时等效模块一个实施例的结构框图。
附图标记说明:310-原始载荷获取模块、320-等效载荷模块、330-短时等效模块、340-生命周期等效模块、350-疲劳寿命预测模块、321-雨流计数单元、322-等效载荷单元、331-等效均值单元、332-等效方差单元、333-概率函数构建单元、334-等效载荷概率值单元、335-各风速段等效载荷单元、336-短时等效单元。
具体实施方式
本方案的发明构思,是先对原始载荷数据按线性损伤累积理论计算各周期对应的等效载荷,然后进行短时等效得到短时等效载荷,再由短时等效载荷得到生命周期等效载荷,最后根据生命周期等效载荷推演得到风电机组的疲劳寿命。
下面结合附图对本发明实施例的风电机组的疲劳寿命预测方法和装置进行详细描述。
实施例一
图1为本发明提供的风电机组的疲劳寿命预测方法一个实施例的流程图,该方法的执行主体可为设置在风电场中的控制器,或者是个风电机组的控制器。如图1所示,该方法包括如下步骤:
S110,周期性获取风电机组中各关键部件处的原始载荷数据,并形成原始载荷时间序列。
本实施例中,可通过在关键部件处,如叶片根部、风电机组主轴、塔筒顶部、塔筒底部等位置设置如加速度传感器或应变片,来检测相应位置上的原始载荷数据,包括:叶片根部挥舞及摆振方向弯矩、主轴扭矩、主轴偏航方向弯矩、主轴俯仰方向弯矩、塔筒顶部扭矩、塔筒顶部前后方向推力和弯矩、塔筒顶部侧向推力和弯矩、塔筒底部前后和侧向弯矩。
具体地,传感器直接检测到的数据为电信号,对检测信号进行滤波处理后,还要再将传感器输出的电信号转换为对应被测物所承受载荷的物理量(如弯矩或力),最后,得到指定格式的载荷数据,典型格式如:包含测量时间标记的载荷数据时间序列。将多种载荷的时间序列合并可形成一个矩阵,该矩阵的第一列是时间序列向量,之后的每列分别代表一种载荷的数据向量。
这里强调,本实施例采用的计算周期远远大于传感器的采样周期,也就是说,本步骤中,周期性获取风电机组中各关键部件处的原始载荷数据的数据是很多组而非一组原始载荷数据。
S120,对原始载荷时间序列进行雨流计数,并按线性损伤累积理论计算各周期内原始载荷数据对应的等效载荷。
实际测量时得到的原始载荷,包括载荷幅值和循环次数都是无规律的,为了将其等效为有规律的便于操作的具体数值,本实施例中,先对原始载荷时间序列进行雨流计数,得到各周期内载荷的大小以及数量,然后,再按照按线性损伤累积理论计算各周期内原始载荷数据对应的等效载荷。线性损伤累积理论(Palmgren-Miner)是进行载荷等效时常常采用的等效理论方法。
具体地,本实施例中,先对原始载荷时间序列进行雨流计数,得到各周期内同类原始载荷数据的频次。如果按照上述周期对原始载荷时间序列进行雨流计数,那么相应的同类原始载荷数据的频次可理解为是在一个周期内一种原始载荷数据的各数据值出现的次数。
而在运用线性损伤累积理论(Palmgren-Miner)进行载荷等效时,本实施例是依据同类别的原始载荷数据的频次按线性损伤累积理论计算各周期内原始载荷数据对应的变化周期为1Hz的等效载荷ΔM(1Hz)。其含义为特指与变化周期为1Hz有相同损伤效果的等效载荷,等效载荷ΔM(1Hz)的具体值即为一个周期为1Hz的完整载荷周期正弦波的峰谷值。
在实际场景中,风电机组存在多种运行工况,例如正常发电状态、待机状态、限功率状态等,不同工况下,等效载荷的计算方式也有所不同,但总体说来主要分为两种工况:正常运行和非正常运行。例如,在正常运行的工况下以统计各载荷循环幅值及对应周期数为主,即主要计算时间历程(Load Duration Data),而在非正常工况下主要统计各载荷的出现次数。因此,在对原始载荷时间序列进行雨流计数前,先对原始载荷时间序列按工况进行分类,对原始载荷时间序列进行划分并依不同工况采用不同方法统计对应生命周期的疲劳载荷周期数。通常,在正常工况下,载荷产生对风电机组的寿命影响的主导占到85%以上,因此,本方案中主要提取风电机组正常运行工况下的原始载荷时间序列进行上述载荷等效。同时,为使载荷评估结果的精度尽可能高,会兼顾其他运行工况一并进行全面的评估和计算。
S130,对各周期对应的等效载荷以迭代方式进行短时等效,生成相应周期内的短时等效载荷。
所谓短时等效载荷即为将上述得到的等效载荷综合考虑不同条件如风速、时间段等因素后综合得到的上述等效载荷在一段时间长度内的等效值。
本实施例中,采用的短时等效的方法的思路,是先求解上述各周期对应的等效载荷随不同风速的概率密度分布,以及不同风速随时间的概率密度分布,将二者的概率密度分布联合考虑后,最终求解等效载荷随时间的概率密度分布,进而依据各周期内等效载荷在相应时间段内的概率值求解得到短时等效载荷。
本实施例中,对上述各步骤中采用的各概率密度分布模型的具体形式不作限定。
具体地,在按周期求解各周期对应的短时等效载荷时,可将各周期得到的等效载荷、短时等效载荷,或者原始载荷时间序列按一定比例或权重叠加在下一周期计算等效载荷或短时等效载荷的过程中,从而以迭代方式进行下一周期内短时等效载荷的计算。
S140,根据各周期对应的短时等效载荷以及各关键部件的设计寿命、评估标准中推荐的等效周期数,计算得到各周期对应的各关键部件的生命周期等效载荷。
具体地,在计算生命周期等效载荷时,可按Palmgren-Miner类推公式将短时等效载荷变换为生命周期等效载荷。其中,涉及的参数包括:各关键部件的设计寿命(如叶片的寿命为20年),评估标准中推荐的等效周期数(如等效周期数为1000万次)。
S150,根据生命周期等效载荷,预测各周期对应的风电机组的疲劳寿命。
将计算得到的生命周期等效载荷,与关键部件的设计寿命以及标准的生命周期等效载荷进行比例计算,可得到各关键部件的疲劳寿命,最后,再由各关键部件中最短疲劳寿命确定整个风电机组的疲劳寿命。
例如叶片属于机组的关键部件和载荷的气动载荷的源头,可假定叶根弯矩、主轴扭矩和塔底弯矩的对整机寿命的影响因素各为A%、B%和C%,而对应的评估寿命结果分别为L叶片、L主轴和L塔筒,则整机寿命可按如下公式计算:
L整机=L叶片×A%+L主轴×B%+L塔筒×C%。
本发明提供的风电机组的疲劳寿命预测方法,从风电机组中多个关键部件处采集原始载荷数据形成原始载荷时间序列,通过对该时间序列进行雨流计数,按线性损伤累积理论计算各周期内所述原始载荷数据对应的等效载荷;然后对各周期的等效载荷以周期迭代方式计算短时等效载荷,再由短时等效载荷推演到生命周期等效载荷;最后由生命周期等效载荷预测各周期对应的关键部件的疲劳生命,进而预测风电机组整机的疲劳寿命。本方案可快速准确的评估出各周期下对应的风电机组的疲劳寿命。
实施例二
图2为本发明提供的短时等效载荷求解方法一个实施例的流程图,该方法可视为图1所示实施例中步骤S130的一种具体实现方式。如图2所示,该短时等效载荷求解方法包括如下步骤:
S210,根据:
计算第K次迭代过程中,各类1Hz的等效载荷ΔM(1Hz)的均值μk
其中,第K次迭代过程可以理解为第K个计算周期。(1)中,μk-1为第K-1个周期对应的等效载荷ΔM(1Hz)的均值。
S220,根据:
计算第K次迭代过程中,各类1Hz的等效载荷ΔM(1Hz)的标准方差σk
其中,第K次迭代过程可以理解为第K个计算周期。(2)中,σk-1为第K-1个周期对应的等效载荷ΔM(1Hz)的标准方差。
S230,根据各类1Hz的等效载荷ΔM(1Hz)及其均值μk和标准方差σk构建原始的“等效载荷ΔM(1Hz)-风速V”的概率分布密度函数,并根据最大似然法或最小二乘法进行数据拟合,得到最终的“等效载荷ΔM(1Hz)-风速V”的概率分布密度函数。
例如,拟合时可采用3次多项式(或5次多项式)对概率分布密度函数进行逼近。在第K次迭代中会对第K-1次迭代求解得到的系数进行敛散性判断,若发现第K次迭代求解得到的系数更优,则将该轮迭代结果记录。若发现第K-9~K轮内某一组系数持续为最优,则更新“等效载荷ΔM(1Hz)-风速V”的概率分布密度函数中拟合的参数,以获得更好的拟合效果。
本实施例中,对于“等效载荷-风速”的概率分布密度函数的具体拟合形式不作限定。
S240,根据最终的“等效载荷ΔM(1Hz)-风速V”的概率分布密度函数计算不同风速段对应不同等效载荷ΔM(1Hz)的概率值f。
S250,根据:
计算各周期中不同风速段对应的不同ΔM(1Hz)的等效载荷
其中,α即为ΔM(1Hz),m为对应评估材料的应力-寿命曲线,S-N曲线反斜率。
S260,根据:
计算各周期对应的短时等效载荷其中,ρi为各周期中第i个风速段出现的概率,βi为各周期中第i个风速段中所计算得到的等效载荷m为对应评估材料的S-N曲线反斜率。其中,ρi为可通过“风速-时间”的概率分布密度函数计算得到。具体地,关于“风速-时间”的概率分布密度函数的具体形式(例如威布尔分布或瑞丽分布),本方案对此不作限定。
本发明提供的短时等效载荷求解方法,通过计算各周期的等效载荷ΔM(1Hz)均值和方差,然后利用该等效载荷ΔM(1Hz)及其均值和方差构建原始的“等效载荷-风速”的概率分布密度函数,并根据最大似然法或最小二乘法进行数据拟合,得到最终的“等效载荷ΔM(1Hz)-风速V”的概率分布密度函数;从而得到不同风速段对应不同ΔM(1Hz)的概率函数得到概率值;最后将不同风速段和不同ΔM(1Hz)分别在其定义区间进行积分,得到各周期对应的短时等效载荷本方案可快速、准确的求解出短时等效载荷。
在此基础上,步骤S140可进一步细化为根据:
计算得到各周期对应的各关键部件的生命周期等效载荷ΔMeq,其中,TIT为关键部件的设计寿命,Neq为关键部件在评估标准中推荐的等效周期数,m为对应评估材料的S-N曲线反斜率。
本方案中,具体量化了各步骤的计算过程,以及结算结果,特别是短时等效载荷,以及生命周期等效载荷的量化,这些在实现风电机组疲劳寿命预测时,使得预测结果更加准确。
实施例三
图3为本发明提供的风电机组的疲劳寿命预测装置一个实施例的结构框图,可用于执行如图1所示的方法步骤。如图3所示,该装置包括:原始载荷获取模块310、等效载荷模块320、短时等效模块330、生命周期等效模块340和疲劳寿命预测模块350,其中:
原始载荷获取模块310,用于周期性获取风电机组中各关键部件处的原始载荷数据,并形成原始载荷时间序列;等效载荷模块320,用于对原始载荷时间序列进行雨流计数,并按线性损伤累积理论计算各周期内原始载荷数据对应的等效载荷;短时等效模块330,用于对各周期对应的等效载荷以迭代方式进行短时等效,生成相应周期内的短时等效载荷;生命周期等效模块340,用于根据各周期对应的短时等效载荷以及各关键部件的设计寿命、评估标准中推荐的等效周期数,计算得到各周期对应的各关键部件的生命周期等效载荷;疲劳寿命预测模块350,用于根据生命周期等效载荷,预测各周期对应的风电机组的疲劳寿命。
本发明实施例提供的风电机组的疲劳寿命预测装置,从风电机组中多个关键部件处采集原始载荷数据形成原始载荷时间序列,通过对该时间序列进行雨流计数,按线性损伤累积理论计算各周期内所述原始载荷数据对应的等效载荷;然后对各周期的等效载荷以周期迭代方式计算短时等效载荷,再由短时等效载荷推演到生命周期等效载荷;最后由生命周期等效载荷预测各周期对应的关键部件的疲劳生命,进而预测风电机组整机的疲劳寿命。本方案可快速准确的评估出各周期下对应的风电机组的疲劳寿命。
实施例四
图4为本发明提供的风电机组的疲劳寿命预测装置中等效载荷模块320的结构框图,该等效载荷模块320包括:雨流计数单元321和等效载荷单元322,其中:
雨流计数单元321,用于对原始载荷时间序列进行雨流计数,得到各周期内同类原始载荷数据的频次;等效载荷单元322,用于对同类原始载荷数据的频次按线性损伤累积理论计算各周期内原始载荷数据对应的变化周期为1Hz的等效载荷ΔM(1Hz)
进一步地,上述各关键部件处的原始载荷数据包括:叶片根部挥舞及摆振方向弯矩、主轴扭矩、主轴偏航方向弯矩、主轴俯仰方向弯矩、塔筒顶部扭矩、塔筒顶部前后方向推力和弯矩、塔筒顶部侧向推力和弯矩、塔筒底部前后和侧向弯矩。
进一步地,如图5所示,为本发明提供的风电机组的疲劳寿命预测装置中短时等效模块330的结构框图,该短时等效模块330包括:
等效均值单元331,用于根据:
计算第K次迭代过程中,各类1Hz的等效载荷ΔM(1Hz)的均值μk
等效方差单元332,用于根据:
计算第K次迭代过程中,各类所述1Hz的等效载荷ΔM(1Hz)的标准方差σk
概率函数构建单元333,用于根据各类1Hz的等效载荷ΔM(1Hz)及其均值μk和标准方差σk构建原始的“等效载荷ΔM(1Hz)-风速V”的概率分布密度函数,并根据最大似然法或最小二乘法进行数据拟合,得到最终的“等效载荷ΔM(1Hz)-风速V”的概率分布密度函数。
等效载荷概率值单元334,用于根据最终的“等效载荷ΔM(1Hz)-风速V”的概率分布密度函数计算不同风速段对应不同等效载荷ΔM(1Hz)的概率值f;
各风速段等效载荷单元335,用于根据:
计算各周期中不同风速段对应的不同ΔM(1Hz)的等效载荷
短时等效单元336,用于根据:
计算各周期对应的短时等效载荷其中,α为ΔM(1Hz),ρi为各周期中第i个风速段出现的概率,βi为各周期中第i个风速段中所计算得到的等效载荷m为对应评估材料的S-N曲线反斜率。
在此基础上,上述生命周期等效模块340可具体用于:
根据:
计算得到各周期对应的各所述关键部件的生命周期等效载荷ΔMeq,其中,TIT为关键部件的设计寿命,Neq为关键部件在评估标准中推荐的等效周期数,m为对应评估材料的S-N曲线反斜率。
本发明实施例提供的短时等效模块,通过计算各周期的等效载荷ΔM(1Hz)。均值和方差,然后利用该均值和方差构建“等效载荷-风速”的概率分布密度函数,从而得到“等效载荷-风速”到不同风速段对应不同ΔM(1Hz)的概率的模型所使用的中间参量,并利用该中间参量构建不同风速段对应不同ΔM(1Hz)的概率函数得到概率值;最后将不同风速段和不同ΔM(1Hz)分别在其定义区间进行积分,得到各周期对应的短时等效载荷本方案可快速、准确的求解出短时等效载荷。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以所述权利要求的保护范围为准。

Claims (10)

1.一种风电机组的疲劳寿命预测方法,其特征在于,所述方法包括:
周期性获取风电机组中各关键部件处的原始载荷数据,并形成原始载荷时间序列;
对所述原始载荷时间序列进行雨流计数,并按线性损伤累积理论计算各周期内所述原始载荷数据对应的等效载荷;
对各周期对应的所述等效载荷以迭代方式进行短时等效,生成相应周期内的短时等效载荷;其中,所述短时等效载荷为各周期对应的所述等效载荷在相应周期内的等效值;
根据各周期对应的所述短时等效载荷以及各所述关键部件的设计寿命、评估标准中推荐的等效周期数,计算得到各周期对应的各所述关键部件的生命周期等效载荷;
根据所述生命周期等效载荷,预测各周期对应的风电机组的疲劳寿命。
2.根据权利要求1所述的方法,其特征在于,所述各关键部件处的原始载荷数据包括:叶片根部挥舞及摆振方向弯矩、主轴扭矩、主轴偏航方向弯矩、主轴俯仰方向弯矩、塔筒顶部扭矩、塔筒顶部前后方向推力和弯矩、塔筒顶部侧向推力和弯矩、塔筒底部前后和侧向弯矩。
3.根据权利要求1或2所述的方法,其特征在于,所述对所述原始载荷时间序列进行雨流计数,并按线性损伤累积理论计算各周期内所述原始载荷数据对应的等效载荷包括:
对所述原始载荷时间序列进行雨流计数,得到各周期内同类原始载荷数据的频次;
对同类所述原始载荷数据的频次按线性损伤累积理论计算各周期内所述原始载荷数据对应的变化周期为1Hz的等效载荷ΔM(1Hz)
4.根据权利要求3所述的方法,其特征在于,所述对各周期对应的所述等效载荷以迭代方式进行短时等效,生成相应周期内的短时等效载荷包括:
根据:
计算第k次迭代过程中,各类所述1Hz的等效载荷ΔM(1Hz)的均值μk
根据:
计算第k次迭代过程中,各类所述1Hz的等效载荷ΔM(1Hz)的标准方差σk
根据各类所述1Hz的等效载荷ΔM(1Hz)及其均值μk和标准方差σk构建原始的“等效载荷ΔM(1Hz)-风速V”的概率分布密度函数,并根据最大似然法或最小二乘法进行数据拟合,得到最终的“等效载荷ΔM(1Hz)-风速V”的概率分布密度函数;
根据所述最终的“等效载荷ΔM(1Hz)-风速V”的概率分布密度函数计算不同风速段对应不同等效载荷ΔM(1Hz)的概率值f;
根据:
计算各周期中不同风速段对应的不同ΔM(1Hz)的等效载荷
根据:
计算各周期对应的短时等效载荷其中,α为所述ΔM(1Hz),ρi为各周期中第i个风速段出现的概率,βi为各周期中第i个风速段中所计算得到的所述等效载荷m为对应评估材料的S-N曲线反斜率。
5.根据权利要求4所述的方法,其特征在于,所述根据各周期对应的所述短时等效载荷以及各所述关键部件的设计寿命、评估标准中推荐的等效周期数,计算得到各周期对应的各所述关键部件的生命周期等效载荷包括:
根据:
计算得到各周期对应的各所述关键部件的生命周期等效载荷ΔMeq,其中,TIT为所述关键部件的设计寿命,Neq为所述关键部件在评估标准中推荐的等效周期数,m为对应评估材料的S-N曲线反斜率。
6.一种风电机组的疲劳寿命预测装置,其特征在于,所述装置包括:
原始载荷获取模块,用于周期性获取风电机组中各关键部件处的原始载荷数据,并形成原始载荷时间序列;
等效载荷模块,用于对所述原始载荷时间序列进行雨流计数,并按线性损伤累积理论计算各周期内所述原始载荷数据对应的等效载荷;
短时等效模块,用于对各周期对应的所述等效载荷以迭代方式进行短时等效,生成相应周期内的短时等效载荷;其中,所述短时等效载荷为各周期对应的所述等效载荷在相应周期内的等效值;
生命周期等效模块,用于根据各周期对应的所述短时等效载荷以及各所述关键部件的设计寿命、评估标准中推荐的等效周期数,计算得到各周期对应的各所述关键部件的生命周期等效载荷;
疲劳寿命预测模块,用于根据所述生命周期等效载荷,预测各周期对应的风电机组的疲劳寿命。
7.根据权利要求6所述的装置,其特征在于,所述各关键部件处的原始载荷数据包括:叶片根部挥舞及摆振方向弯矩、主轴扭矩、主轴偏航方向弯矩、主轴俯仰方向弯矩、塔筒顶部扭矩、塔筒顶部前后方向推力和弯矩、塔筒顶部侧向推力和弯矩、塔筒底部前后和侧向弯矩。
8.根据权利要求6或7所述的装置,其特征在于,所述等效载荷模块包括:
雨流计数单元,用于对所述原始载荷时间序列进行雨流计数,得到各周期内同类原始载荷数据的频次;
等效载荷单元,用于对同类所述原始载荷数据的频次按线性损伤累积理论计算各周期内所述原始载荷数据对应的变化周期为1Hz的等效载荷ΔM(1Hz)
9.根据权利要求8所述的装置,其特征在于,所述短时等效模块包括:
等效均值单元,用于根据:
计算第k次迭代过程中,各类所述1Hz的等效载荷ΔM(1Hz)的均值μk
等效方差单元,用于根据:
计算第k次迭代过程中,各类所述1Hz的等效载荷ΔM(1Hz)的标准方差σk
概率函数构建单元,用于根据各类所述1Hz的等效载荷ΔM(1Hz)及其均值μk和标准方差σk构建原始的“等效载荷ΔM(1Hz)-风速V”的概率分布密度函数,并根据最大似然法或最小二乘法进行数据拟合,得到最终的“等效载荷ΔM(1Hz)-风速V”的概率分布密度函数;
等效载荷概率值单元,用于根据所述最终的“等效载荷ΔM(1Hz)-风速V”的概率分布密度函数计算不同风速段对应不同等效载荷ΔM(1Hz)的概率值f;
各风速段等效载荷单元,用于根据:
计算各周期中不同风速段对应的不同ΔM(1Hz)的等效载荷
短时等效单元,用于根据
计算各周期对应的短时等效载荷其中,α为所述ΔM(1Hz),ρi为各周期中第i个风速段出现的概率,βi为各周期中第i个风速段中所计算得到的所述等效载荷m为对应评估材料的S-N曲线反斜率。
10.根据权利要求9所述的装置,其特征在于,所述生命周期等效模块具体用于:
根据:
计算得到各周期对应的各所述关键部件的生命周期等效载荷ΔMeq,其中,TIT为所述关键部件的设计寿命,Neq为所述关键部件在评估标准中推荐的等效周期数,m为对应评估材料的S-N曲线反斜率。
CN201511034198.6A 2015-12-31 2015-12-31 风电机组的疲劳寿命预测方法和装置 Active CN105701337B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201511034198.6A CN105701337B (zh) 2015-12-31 2015-12-31 风电机组的疲劳寿命预测方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201511034198.6A CN105701337B (zh) 2015-12-31 2015-12-31 风电机组的疲劳寿命预测方法和装置

Publications (2)

Publication Number Publication Date
CN105701337A CN105701337A (zh) 2016-06-22
CN105701337B true CN105701337B (zh) 2018-06-15

Family

ID=56226852

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201511034198.6A Active CN105701337B (zh) 2015-12-31 2015-12-31 风电机组的疲劳寿命预测方法和装置

Country Status (1)

Country Link
CN (1) CN105701337B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3598256A1 (en) * 2018-07-16 2020-01-22 ABB Schweiz AG Apparatus for prediction of the residual lifetime of an electrical system

Families Citing this family (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108150360A (zh) 2016-12-05 2018-06-12 北京金风科创风电设备有限公司 检测风电机组的等效载荷的方法和设备
CN107092728B (zh) * 2017-03-30 2020-05-26 成都航空职业技术学院 一种涡扇发动机拉紧轴疲劳试验方法
CN108181583B (zh) * 2017-12-22 2020-02-07 歌尔股份有限公司 一种测试电机使用寿命的方法、装置、系统和控制板
CN108287072B (zh) * 2018-03-07 2023-08-15 中机生产力促进中心有限公司 一种机器人用精密减速器疲劳寿命测试方法
CN108709724B (zh) * 2018-04-13 2021-02-05 山东中车风电有限公司 风力发电机组螺栓在线状态监测系统及方法
CN110884685B (zh) * 2019-12-04 2022-06-21 中国直升机设计研究所 一种直升机桨叶的载荷监控方法
CN112943557B (zh) * 2019-12-10 2022-09-13 北京金风科创风电设备有限公司 风电场、风力发电机组及其运行状态的预测方法和设备
CN113029480B (zh) * 2019-12-23 2022-07-19 江苏金风科技有限公司 风力发电机组的叶片疲劳测试方法及叶片疲劳测试系统
CN113090473B (zh) * 2019-12-23 2022-07-15 北京金风科创风电设备有限公司 风力发电机组及其疲劳损伤的计算方法和设备
CN111237136A (zh) * 2020-03-25 2020-06-05 湖南科技大学 一种风力发电机传感器状态信息的提取方法及系统
CN113468712B (zh) * 2020-03-30 2024-01-30 金风科技股份有限公司 确定风电机组结构受力部件的使用寿命的方法和设备
CN112611584B (zh) * 2020-05-18 2023-06-02 北京金风慧能技术有限公司 风力发电机组的疲劳失效检测方法、装置、设备及介质
CN112052604A (zh) * 2020-09-29 2020-12-08 上海电气风电集团股份有限公司 风机等效疲劳载荷的预测方法、系统、设备及可读介质
CN113051679B (zh) * 2021-03-18 2021-10-26 湖南南方宇航高精传动有限公司 一种风电齿轮箱主轴承的载荷处理方法
CN116432361A (zh) * 2021-12-27 2023-07-14 北京金风科创风电设备有限公司 风力发电机组的寿命评估方法和装置
CN114934880B (zh) * 2022-06-29 2023-05-02 华能集团技术创新中心有限公司 一种海上风电机组的寿命预测方法及装置

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103063425A (zh) * 2013-01-06 2013-04-24 华北电力大学(保定) 风力机叶片疲劳寿命实时监测方法
CN104537424A (zh) * 2014-10-28 2015-04-22 北京天源科创风电技术有限责任公司 一种建立基于风电机组载荷数据库的预测响应系统的方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103063425A (zh) * 2013-01-06 2013-04-24 华北电力大学(保定) 风力机叶片疲劳寿命实时监测方法
CN104537424A (zh) * 2014-10-28 2015-04-22 北京天源科创风电技术有限责任公司 一种建立基于风电机组载荷数据库的预测响应系统的方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
"An Efficient Implementation of the Rainflow Counting Algorithm for Life Consumption Estimation";Mahera Musallam et al;《IEEE TRANSACTIONS ON RELIABILITY》;20121231;第60卷(第4期);978-986 *
"基于雨流技术法的风力机叶片疲劳载荷统计分析";张茶花 等;《科技创新》;20130228;190-192 *
"风力机等效载荷的评估";董礼 等;《太阳能学报》;20081231;第29卷(第12期);1456-1459 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3598256A1 (en) * 2018-07-16 2020-01-22 ABB Schweiz AG Apparatus for prediction of the residual lifetime of an electrical system

Also Published As

Publication number Publication date
CN105701337A (zh) 2016-06-22

Similar Documents

Publication Publication Date Title
CN105701337B (zh) 风电机组的疲劳寿命预测方法和装置
CN102663513B (zh) 利用灰色关联度分析的风电场功率组合预测建模方法
CN103279804B (zh) 超短期风电功率的预测方法
CN102184453A (zh) 基于模糊神经网络和支持向量机的风电功率组合预测方法
EP2505827A2 (en) Wind power prediction method of single wind turbine generator
US8639454B2 (en) Method of efficacy anticipation and failure examination for an apparatus
CN103023065A (zh) 一种基于相对误差熵值法的风电短期功率预测方法
Dhiman et al. Wake management based life enhancement of battery energy storage system for hybrid wind farms
CN104331572A (zh) 考虑风速和风电机组故障相关性的风电场可靠性建模方法
CN103746370A (zh) 一种风电场可靠性建模方法
WO2013150405A1 (en) Smoothing power output from a wind farm
CN102338808A (zh) 一种在线的风电场短期风速混合预测方法
CN103761685A (zh) 基于MapReduce的电力数据并行化异常检测方法
CN104915736A (zh) 基于改进熵权法提高风电功率组合预测精度的方法
CN105046349B (zh) 一种计及尾流效应的风电功率预测方法
CN108574300B (zh) 一种基于相似性聚合的分布式光伏发电功率状态估计方法
CN106529706A (zh) 一种基于支持向量机回归的风电场风速预测方法
CN102509026A (zh) 基于最大信息熵原理的风电场短期输出功率预测综合模型
Caccia et al. Numerical simulation of ice accretion on wind turbine blades
CN109236589B (zh) 一种用于评估风机叶片除冰投资方案的方法及装置
CN116306798A (zh) 一种超短时风速预测方法及系统
CN104200280A (zh) 一种用于风电功率预测的方法及系统
CN102095953A (zh) 一种蓄电池充电机性能在线检测方法
Wang et al. Multiscale prediction of wind speed and output power for the wind farm
CN106598026A (zh) 输变电设备状态检修时间检测方法和装置

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant