CN106468244A - 风力发电机的叶片检测方法与装置 - Google Patents

风力发电机的叶片检测方法与装置 Download PDF

Info

Publication number
CN106468244A
CN106468244A CN201610665142.9A CN201610665142A CN106468244A CN 106468244 A CN106468244 A CN 106468244A CN 201610665142 A CN201610665142 A CN 201610665142A CN 106468244 A CN106468244 A CN 106468244A
Authority
CN
China
Prior art keywords
wind
driven generator
frequency spectrum
blade
curve
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
Application number
CN201610665142.9A
Other languages
English (en)
Inventor
王昭男
蔡进发
陈成
陈一成
汤耀期
秦正宇
Original Assignee
王昭男
蔡进发
陈成
陈一成
汤耀期
秦正宇
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
Priority to US201562208021P priority Critical
Priority to US62/208,021 priority
Priority to TW105103697A priority patent/TWI573936B/zh
Priority to TW105103697 priority
Application filed by 王昭男, 蔡进发, 陈成, 陈一成, 汤耀期, 秦正宇 filed Critical 王昭男
Publication of CN106468244A publication Critical patent/CN106468244A/zh
Pending legal-status Critical Current

Links

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
    • 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
    • F05B2260/00—Function
    • F05B2260/80—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
    • F05B2270/80—Devices generating input signals, e.g. transducers, sensors, cameras or strain gauges
    • F05B2270/81—Microphones
    • 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

本发明提供一种风力发电机的叶片检测方法与装置，该方法包括通过一麦克风取得风力发电机运转时的一运转声音；将该运转声音转换为一时频频谱；将该时频频谱对时间积分以产生一边际频谱；以及根据该边际频谱与一参考曲线，判断风力发电机的叶片是否有损伤。

Description

风力发电机的叶片检测方法与装置
技术领域
[0001] 本发明提供一种风力发电机的叶片诊断方法，特别是一种可在风力发电机运转时 的叶片诊断方法。
背景技术
[0002] 风能是因为风力流动所产生的能量，风力发电则是利用特殊的发电装置将风能转 换为电能。因为风能是干净、可再生且丰富的能量，且风力发电的过程不会排放温室效应气 体，风力发电已经逐渐成为替代使用化石燃料发电的一种新选择。
[0003] 风力发电装置主要包含了多个叶片的一风力叶片机构，传动机构以及发电装置。 当风力驱动风力叶片机构时，风力叶片机构因此转动而产生机械能，这些机械能通过传动 机构传送给发电装置，发电装置通过电磁作用将机械能转换电能。而产生的电能会被储存 在一电池或是输入到一供电网络。
[0004] 风力发电机的叶片是由复合材料所形成，可以用以承受风力发电机的叶片旋转时 承受的压力。在一些情况下，风力发电机的叶片在制造过程中会产生暇疵，而这种暇疵会造 成风力发电机的叶片在运转时无法承受过度的压力。另外的情况下，风力发电机的叶片的 暇疵是因为长期运作时所产生叶片疲劳。在另外的情况下，风力发电机的叶片的暇疵是因 为运转时，叶片受到异物撞击，如砂石，所产生。
[0005] -般来说，风力发电机的建置成本很高，而且建置好了以后，不方便任意拆卸检 查。而目前的风力发电机监控装置，主要是监控风力发电装置的转速、风速以及发电量。然 而，当上述三项数据发生异常时，风力发电装置通常已经损伤的严重，而必需要停机维修。 目前并没有专门的监控装置监控风力发电机的叶片的使用状态，而传统的风力发电机的叶 片检测方法必须将叶片拆下后，再通过超音波检测仪进行检测。这样的检测方式并不方便 而且费时。
发明内容
[0006] 本发明提供一种风力发电机的叶片诊断方法，特别是一种可在风力发电机运转时 的叶片诊断方法。
[0007] 本发明的一实施例提供一种风力发电机的叶片检测方法，包括通过一麦克风取得 风力发电机运转时的一运转声音;将该运转声音转换为一时频频谱;将该时频频谱对时间 积分以产生一边际频谱；以及根据该边际频谱与一参考曲线，判断风力发电机的叶片是否 有损伤。
[0008] 本发明的另一实施例为一种风力发电机的叶片监控装置，包括一麦克风、一诊断 装置以及一诊断输出装置。麦克风，用以接收取得风力发电机运转时的一运转声音。诊断装 置，将该运转声音转换为一时频频谱，接着将该时频频谱对时间积分以产生一边际频谱，并 根据该边际频谱与一参考曲线，判断风力发电机的叶片是否有损伤。诊断输出装置，用以输 出该诊断装置的诊断结果。
附图说明
[0009]图1为一正常的风力发电机与具有损伤叶片的风力发电机的时域(time domain) 与时频域(time-frequency domain)的比较示意图。
[0010]图2A为正常的风力发电机的时频频谱图。
[0011] 图2B为叶片受损的风力发电机的时频频谱图。
[0012] 图3为根据本发明的一种风力发电机的叶片检测方法的一实施例的流程图。
[0013] 图4为根据本发明的一种风力发电机的参考曲线产生方法的一实施例的流程图。 [00M]图5为一参考曲线与边际频谱的示意图。
[0015]图6为一正常风力发电机于一预定期间内的指标值的变化示意图。
[0016] 图7为一待测风力发电机于一预定期间内的指标值的变化示意图。
[0017] 图8为根据本发明的一风力发电机的叶片检测方法的另一实施例的流程图。
[0018] 图9为根据本发明的一风力发电机的叶片检测方法的另一实施例的流程图。
[0019] 图10为根据本发明的一风力发电机的叶片监控装置的一实施例的示意图。
[0020] 附图标记说明：
[0021] 1001~麦克风
[0022] 1002~诊断装置
[0023] 1003~诊断输出装置
[0024] 1004~储存装置
[0025] 1005~运算装置
[0026] 1006~同步装置
具体实施方式
[0027] 风力发电机的一个主要部分就是叶片，而一般的风力发电机的叶片数量是3片，但 是本案提出的风力发电机的叶片诊断方法可适用在具有任何数量叶片的风力发电机。传统 的风力发电机的叶片检测方法必须先停止风力发电机的运作才能进行检测风力发电机的 叶片，但是本案提出的风力发电机的叶片诊断方法可在风力发电机运作时，检测风力发电 机的叶片。
[0028]图1为一正常的风力发电机与具有损伤叶片的风力发电机的时域(time domain) 与时频域(time-frequency domain)的比较示意图。左边区域11表示具有损伤叶片的风力 发电机的时域图（上方黑色曲线)与时频域图（下方以红色表示的为能量示意图）。右边区域 13表示正常的风力发电机的时域图（上方黑色曲线)与时频域图（下方以红色表示的为能量 示意图）。在时域的部分，正常的风力发电机与具有损伤叶片的风力发电机的时域图并无法 观察出明显的差异，但是在时频域的部分，正常的风力发电机与具有损伤叶片的风力发电 机的时频域图就有明显不同。在线框15中，可以明显发现具有损伤叶片的风力发电机的时 频域图明显有三个峰值(peak)，但在线框17中，只能发现模糊的峰值。线框19则是指出一个 应当存在但几乎消失的峰值。因此在区域13中可以发现正常的风力发电机并不会出现如线 框15中的明显峰值。因此，通过观察风力发电机的时频域图是可以有机会判断风力发电机 的叶片是否有损伤。本案提出的风力发电机叶片诊断方法即是基于此一现像所发展出的技 术。
[0029] -般来说，风力发电机的叶片受损的话，会产生一高频噪声，高频噪声的频率范围 为4000Hz与12800Hz之间。因此，我们专注时频频谱图中，频率范围为4000Hz与12800Hz之间 的部分。请参考图2A与图2B的说明。在图2A与图2B中，颜色可表示为对应频率的能量的强 度。颜色越接近红色表示对应该频率的声音能量越大，颜色越接近蓝色表示对应该频率的 声音能量越小。图2A为正常的风力发电机的时频频谱图。图2B为叶片受损的风力发电机的 时频频谱图。在图2A中，时频域图并没有出现显著的频率的能量增加。但是在图2B中，如红 框21所示的部分，在该时间点时，声音的能量非常大，而这也就表示风力发电机的叶片是可 能有损伤的。因此，通过风力发电机的时频域图是可以用来判断风力发电机的叶片是否有 损伤。
[0030] 图3为根据本发明的一种风力发电机的叶片检测方法的一实施例的流程图。在步 骤S31中，通过一麦克风取得风力发电机运转时的一运转声音。在步骤S32中，通过一电子装 置将对该运转声音进行一短时距傅立叶变换（short-time Fourier transform)以得到对 应该运转声音的一时频频谱（time-frequency spectrum)。本实施例是以短时距傅立叶变 换为例说明，但时频频谱也可以其他方式得到，如小波转换(wavelet transform)或是希尔 伯特-黄转换(Hilbert-Huang transform) 〇
[0031] 接着，在步骤S33中，通过一处理器或一电子装置将该时频频谱对时间积分以产生 一边际频谱。边际频谱是一种强度对频率(magnitude versus frequency)的示意图。边际 频谱提供了每一个频率值所贡献的一总强度或总能源（total amplitude or energy)。在 步骤S34中，处理器或电子装置根据该边际频谱与一参考曲线，判断风力发电机的叶片是否 有损伤。在一实施例中，处理器或电子装置根据该边际频谱与一参考曲线计算一指标 (index)，并根据该指标判断风力发电机的叶片是否有损伤。
[0032] 在图3的流程中提到的参考曲线是根据风力发电机正常运转时的正常运转声音所 产生。在一般的情况下，风力发电机运转时的声音会因为风力发电机设置的位置而有差异， 因此在本案中，参考曲线是仅适用于单一风力发电机。换句话来说，每一台风力发电机都有 其特定的参考曲线。在另一实施例中，参考曲线是会被定期更新。关于参考曲线的产生方法 请参考图4。
[0033] 图4为根据本发明的一种风力发电机的参考曲线产生方法的一实施例的流程图。 在步骤S41中，通过一麦克风取得风力发电机正常运转时的一正常运转声音。这边指的正常 运转声音是指风力发电机的叶片没有损伤时所产生的声音。一般而言可在风力发电机架设 完毕且正常运作后进行量测后。在步骤S42中，通过一电子装置将对该运转声音进行一短时 距傅立叶变换（short-time Fourier transform)以得到对应该运转声音的一时频频谱 (time-frequency spectrum)。本实施例是以短时距傅立叶变换为例说明，但时频频谱也可 以其他方式得到，如小波转换(wavelet transform)或是希尔伯特-黄转换(Hilbert-Huang transform)〇
[0034] 接着，在步骤S43中，通过一处理器或一电子装置将该时频频谱对时间积分以产生 一边际频谱。边际频谱是一种强度对频率(magnitude versus frequency)的示意图。边际 频谱提供了每一个频率值所贡献的一总强度或总能源（total amplitude or energy)。简 单来说，边际频谱中包括了多笔数据，每一笔数据都包含一频率值与一强度值，其中强度值 可以能量值或其他可表示量度的信息代替。在步骤S44中，处理器或电子装置根据该边际频 谱内的数据，求得一最佳近似曲线(fitting curve)作为该风力发电机的参考曲线。在本实 施例中，最佳近似曲线可能为线性或非线性。在一实施例中，最佳近似曲线是以最小平方误 差法（least-square approximations)求得。
[0035] 为更清楚说明参考曲线与边际频谱，请参考图5。图5为一参考曲线与边际频谱的 示意图。图5显示了用以产生参考曲线51的初始边际频谱（图上以星号*表示）以及进行风力 发电机的叶片检测时求得的多个测试数据形成的测试边际频谱(图上以圆圈表示）。
[0036] 在图5中，参考曲线51是根据初始边际频谱所包含的多个初始数据所产生。在本案 中，利用参考曲线、初始边际频谱以及测试边际频谱计算一指标值，并根据该指标值来判断 是否风力发电机的叶片发生异常。指标值计算方式如下：
Figure CN106468244AD00071
[0038] 其中，第一差方和（sum of squares of deviations) A为测试边际频谱中的每一 测试数据与对应频率上的参考曲线51的数据的强度差的平方和，而第二差方和（sum of squares of deviations) B为初始边际频谱中的每一初始数据与对应频率上的参考曲线51 的数据的强度差的平方和。在一实施例中，当参考曲线51被决定时，第二差方和B的值也就 同时被计算出来。换言之，第一差方和A与第二差方和B的值可以在不同的时间点被决定。
[0039] -但指标值大于一临界值，则表示受测试的风力发电机中，可能至少有一个叶片 是损伤。但是以单一时间点计算得到的指标值判断风力发电机的叶片是否损伤可能不够精 确，因此可以根据一特定时间内的多个指标值设定一指标值临界值，并根据受测的风力发 电机所求得的指标值以及该指标值临界值判断风力发电机的叶片是否损伤。
[0040] 图6为一正常风力发电机于一预定期间内的指标值的变化示意图。从图6来看，正 常风力发电机于该预定期间内，如20秒，的指标值的变化并不明显，因此可根据图6的指标 值的变化设定该指标值临界值，如图上所示。
[0041] 图7为一待测风力发电机于一预定期间内的指标值的变化示意图。明显的图7中的 指标值都大于指标值临界值，且有明显的异常的指标值出现，如在约9秒时的指标值。因此 通过一电子装置，根据如图6所示的指标值临界值，便可判断图7中的待测风力发电机的叶 片是否损伤。
[0042] 图8为根据本发明的一风力发电机的叶片检测方法的另一实施例的流程图。本实 施例中的叶片检测方法由一电子装置执行。电子装置执行的叶片检测方法包括下列步骤： [0043] 步骤S81:电子装置通过一麦克风取得一正常风力发电机的一第一声音，并计算对 应该第一声音的一初始边际频谱，以及根据该边际频谱中的多个数据求得一参考曲线。
[0044] 步骤S82:电子装置根据该参考曲线与该初始边际频谱计算一第一差方和。
[0045] 步骤S83:电子装置通过一麦克风取得一待测风力发电机的一第二声音，并计算对 应该第二声音的一待测边际频谱。
[0046] 步骤S84:电子装置根据待测边际频谱内的多个数据与该参考曲线计算一第二差 方和。
[0047] 步骤S85:电子装置根据该第一差方和与该第二差方和计算一指标值，并根据该指 标值判断待测风力发电机的叶片是否损伤。
[0048]图9为根据本发明的一风力发电机的叶片检测方法的另一实施例的流程图。本实 施例中的叶片检测方法由一电子装置执行。电子装置执行的叶片检测方法包括下列步骤： [0049] 步骤S91:电子装置通过一麦克风取得一正常风力发电机的一第一声音，并计算对 应该第一声音的一第一边际频谱，以及根据该边际频谱中的多个数据求得一参考曲线。 [0050] 步骤S92:电子装置根据该参考曲线与该第一边际频谱计算一第一差方和。
[0051] 步骤S93:电子装置通过麦克风取得正常风力发电机于一预定时间内的的多个第 二声音，求得对应多个第二边际频谱，根据该等多个第二边际频谱与该参考曲线计算多个 第二差方和并计算多个第一指标值，如图6所示，以及决定一指标值临界值。
[0052] 步骤S94:电子装置通过麦克风取得一待测风力发电机的一第三声音，并计算对应 该第三声音的一待测边际频谱。
[0053] 步骤S95:电子装置根据待测边际频谱内的多个数据与该参考曲线计算一第三差 方和。
[0054] 步骤S96:电子装置根据该第一差方和与该第二差方和计算一第二指标值，并根据 该第二指标值与该指标值临界值判断待测风力发电机的叶片是否损伤。
[0055] 在另一实施例中，电子装置可取得一连续时间内的多个声音信号，并计算求得多 个第二指标值，如图7所示。电子装置可根据一预定时间内的指标值的变化来判断待测风力 发电机的叶片是否损伤。此外，电子装置可通过一同步装置取得叶片与指标值的关系，并通 过如图7中的指标值变化来判断风力发电机的哪一个叶片是受损的叶片。如图7中，对应1 秒、5秒的叶片即是受损的叶片。
[0056] 图10为根据本发明的一风力发电机的叶片监控装置的一实施例的示意图。叶片监 控装置包括一麦克风1001、一诊断装置（diagnosis device) 1002以及一诊断输出装置 (diagnosis output device) 1003。诊断装置1002通过麦克风1001接收一待测风力发电机 的一运转声音。当运算装置1005接收该运转声音时，将该运转声音转换为一待测边际频谱。 运算装置1005可依图3的步骤S31~S33产生该待测边际频谱。接着运算装置1005自储存装 置1004读取一参考曲线，并根据该参考曲线与该待测边际频谱判断待测风力发电机的叶片 是否损伤。关于详细的风力发电机的叶片检测方法可参考图5~9的说明。在一实施例中，运 算装置1005为一处理器或控制器，用以执行一叶片检测程序，该叶片检测程序的步骤如图8 ~9所述。
[0057] 在本实施例中，储存装置1004储存有风力发电机的参考曲线，且该参考曲线可能 由风力发电机的制造商所提供。在另一实施例中，该参考曲线可由叶片监控装置于风力发 电机安装好且运作正常时，由运算装置1005所求得。
[0058] 在本实施例中，诊断装置1002还包括一同步装置1006 (本装置并非必要的元件）， 可用以同步叶片与运算装置1005产生的数据。如图7所示，同步装置1006可将指标值与叶片 同步以得知风力发电机的哪一个叶片是受损的叶片。举例来说，对应于图7中5秒时的叶片 就是受损的叶片。
[0059] 诊断输出装置1003用以将诊断装置1002的诊断结果输出，让使用者得知是否有叶 片损伤以及是哪一个叶片受损。在另一个实施例中，诊断输出装置1003具有输入装置，可让 使用者输入控制信号以控制诊断装置1002输出的诊断结果的内容，包括如图5~7的信息。 [0060] 而以上所述者，仅为本发明的较佳实施例而已，当不能以此限定本发明实施的范 围，即大凡依本发明权利要求及发明说明内容所作的简单的等效变化与修饰，皆仍属本发 明专利涵盖的范围内。另外本发明的任一实施例或权利要求不须实现本发明所公开的全部 目的或优点或特点。此外，摘要部分和标题仅是用来辅助专利文件搜寻之用，并非用来限制 本发明的权利范围。

Claims (10)

1. 一种风力发电机的叶片检测方法，其特征在于，包括： 通过一麦克风取得风力发电机运转时的一运转声音； 将该运转声音转换为一时频频谱； 将该时频频谱对时间积分以产生一边际频谱；以及 根据该边际频谱与一参考曲线，判断风力发电机的叶片是否有损伤。
2. 如权利要求1所述的风力发电机的叶片检测方法，其中该参考曲线为该风力发电机 的制造商所提供。
3. 如权利要求1所述的风力发电机的叶片检测方法，其中该参考曲线依据下列步骤产 生： 通过该麦克风取得该风力发电机正常运转时的至少一正常运转声音； 将该正常运转声音转换为一初始时频频谱； 将该初始时频频谱对时间积分以产生一初始边际频谱；以及 根据该初始边际频谱内的多笔数据求得一最佳近似曲线作为该风力发电机的该参考 曲线。
4. 如权利要求3所述的风力发电机的叶片检测方法，其中判断该风力发电机的叶片是 否有损伤的步骤还包括： 根据该初始边际频谱与该参考曲线计算一第一差方和； 根据该边际频谱与该参考曲线计算一第二差方和； 根据该第一差方和与该第二差方和计算一指标值；以及 根据该指标值判断该风力发电机的叶片是否有损伤。
5. 如权利要求4所述的风力发电机的叶片检测方法，还包括： 根据多个该风力发电机正常运转时的正常运转声音求得一指标值临界值；以及 当该指标值大于该指标值临界值时，该风力发电机的叶片被判断有损伤。
6. -种风力发电机的叶片监控装置，其特征在于，包括： 一麦克风，用以接收取得风力发电机运转时的一运转声音； 一诊断装置，将该运转声音转换为一时频频谱，接着将该时频频谱对时间积分以产生 一边际频谱，并根据该边际频谱与一参考曲线，判断风力发电机的叶片是否有损伤；以及 一诊断输出装置，用以输出该诊断装置的诊断结果。
7. 如权利要求6所述的风力发电机的叶片监控装置，其中该诊断装置还包括一储存装 置，用以储存该参考曲线。
8. 如权利要求6所述的风力发电机的叶片监控装置，其中该参考曲线依据下列步骤产 生： 通过该麦克风取得该风力发电机正常运转时的至少一正常运转声音； 将该正常运转声音转换为一初始时频频谱； 将该初始时频频谱对时间积分以产生一初始边际频谱；以及 根据该初始边际频谱内的多笔数据求得一最佳近似曲线作为该风力发电机的该参考 曲线。
9. 如权利要求6所述的风力发电机的叶片监控装置，其中该诊断装置通过下列步骤判 断风力发电机的叶片是否有损伤，该等步骤包括： 根据该初始边际频谱与该参考曲线计算一第一差方和； 根据该边际频谱与该参考曲线计算一第二差方和； 根据该第一差方和与该第二差方和计算一指标值；以及 根据该指标值判断该风力发电机的叶片是否有损伤。
10.如权利要求9所述的风力发电机的叶片监控装置，该等步骤还包括： 根据多个该风力发电机正常运转时的正常运转声音求得一指标值临界值；以及 当该指标值大于该指标值临界值时，该风力发电机的叶片被判断有损伤。
CN201610665142.9A 2015-08-21 2016-08-12 风力发电机的叶片检测方法与装置 Pending CN106468244A (zh)

Priority Applications (4)

Application Number Priority Date Filing Date Title
US201562208021P true 2015-08-21 2015-08-21
US62/208,021 2015-08-21
TW105103697A TWI573936B (zh) 2015-08-21 2016-02-04 風力發電機的葉片檢測方法與裝置
TW105103697 2016-02-04

Publications (1)

Publication Number Publication Date
CN106468244A true CN106468244A (zh) 2017-03-01

Family

ID=58157964

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610665142.9A Pending CN106468244A (zh) 2015-08-21 2016-08-12 风力发电机的叶片检测方法与装置

Country Status (2)

Country Link
US (1) US20170051725A1 (zh)
CN (1) CN106468244A (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108760037A (zh) * 2018-06-15 2018-11-06 西安交通大学 一种基于频谱分析的风力发电机叶片结构损伤检测方法
CN109209786A (zh) * 2018-11-29 2019-01-15 王壮 一种风力发电机组故障检测方法
CN109268211A (zh) * 2018-11-29 2019-01-25 王壮 一种自适应风力发电装置
CN109751196A (zh) * 2017-11-03 2019-05-14 北京金风科创风电设备有限公司 风力发电机组的识别方法及装置
CN110005580A (zh) * 2019-05-06 2019-07-12 保定绿动风电设备科技有限公司 一种风电机组运行状态监测方法
CN111161756A (zh) * 2020-02-13 2020-05-15 北京天泽智云科技有限公司 风机叶片扫风声音信号中异常哨声轮廓的提取及识别方法
CN111306008A (zh) * 2019-12-31 2020-06-19 远景智能国际私人投资有限公司 风机叶片的检测方法、装置、设备及存储介质

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20210055266A1 (en) * 2018-04-26 2021-02-25 Ping Services Pty Ltd An Apparatus and Method of Detecting Anomalies in an Acoustic Signal

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO1999057435A1 (en) * 1998-04-30 1999-11-11 Lm Glasfiber A/S Wind turbine with stress indicator
CN101023266A (zh) * 2004-07-28 2007-08-22 易格斯创新技术系统有限公司 用于监控风力发电装置上转子叶片的状态的方法和设备
CN101592590A (zh) * 2008-05-26 2009-12-02 唐德尧 一种转动叶片故障间接诊断技术
CN202305007U (zh) * 2011-11-09 2012-07-04 刘超 风力发电电机及叶片状态在线监测仪
CN104101652A (zh) * 2014-07-10 2014-10-15 南京航空航天大学 一种基于音频信号的风电叶片损伤监测方法及监测系统
CN104677623A (zh) * 2015-03-16 2015-06-03 西安交通大学 一种风力发电机叶片故障在位声学诊断方法及监测系统

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8043054B2 (en) * 2010-08-25 2011-10-25 General Electric Company Method and system for monitoring wind turbine
WO2012139592A2 (en) * 2011-04-13 2012-10-18 Vestas Wind Systems A/S Wind turbine including optical sensor system
CA2891326C (en) * 2012-11-13 2020-07-07 Inventus Holdings, Llc Early detection of wind turbine degradation using acoustical monitoring

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO1999057435A1 (en) * 1998-04-30 1999-11-11 Lm Glasfiber A/S Wind turbine with stress indicator
CN101023266A (zh) * 2004-07-28 2007-08-22 易格斯创新技术系统有限公司 用于监控风力发电装置上转子叶片的状态的方法和设备
CN101592590A (zh) * 2008-05-26 2009-12-02 唐德尧 一种转动叶片故障间接诊断技术
CN202305007U (zh) * 2011-11-09 2012-07-04 刘超 风力发电电机及叶片状态在线监测仪
CN104101652A (zh) * 2014-07-10 2014-10-15 南京航空航天大学 一种基于音频信号的风电叶片损伤监测方法及监测系统
CN104677623A (zh) * 2015-03-16 2015-06-03 西安交通大学 一种风力发电机叶片故障在位声学诊断方法及监测系统

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109751196A (zh) * 2017-11-03 2019-05-14 北京金风科创风电设备有限公司 风力发电机组的识别方法及装置
CN109751196B (zh) * 2017-11-03 2020-05-29 北京金风科创风电设备有限公司 风力发电机组的识别方法及装置
CN108760037A (zh) * 2018-06-15 2018-11-06 西安交通大学 一种基于频谱分析的风力发电机叶片结构损伤检测方法
CN108760037B (zh) * 2018-06-15 2020-03-17 西安交通大学 一种基于频谱分析的风力发电机叶片结构损伤检测方法
CN109268211A (zh) * 2018-11-29 2019-01-25 王壮 一种自适应风力发电装置
CN109268211B (zh) * 2018-11-29 2019-10-11 河北思达歌数据科技投资有限公司 一种自适应风力发电装置
CN109209786B (zh) * 2018-11-29 2019-10-29 绍兴市亚索新能源科技有限公司 一种风力发电机组故障检测方法
CN109209786A (zh) * 2018-11-29 2019-01-15 王壮 一种风力发电机组故障检测方法
CN110005580A (zh) * 2019-05-06 2019-07-12 保定绿动风电设备科技有限公司 一种风电机组运行状态监测方法
CN111306008A (zh) * 2019-12-31 2020-06-19 远景智能国际私人投资有限公司 风机叶片的检测方法、装置、设备及存储介质
CN111306008B (zh) * 2019-12-31 2022-03-11 远景智能国际私人投资有限公司 风机叶片的检测方法、装置、设备及存储介质
CN111161756A (zh) * 2020-02-13 2020-05-15 北京天泽智云科技有限公司 风机叶片扫风声音信号中异常哨声轮廓的提取及识别方法

Also Published As

Publication number Publication date
US20170051725A1 (en) 2017-02-23

Similar Documents

Publication Publication Date Title
CN106468244A (zh) 风力发电机的叶片检测方法与装置
Saidi et al. Wind turbine high-speed shaft bearings health prognosis through a spectral Kurtosis-derived indices and SVR
Liu et al. The structure healthy condition monitoring and fault diagnosis methods in wind turbines: A review
Zhao et al. Fault diagnosis of wind turbine bearing based on variational mode decomposition and Teager energy operator
Yang et al. Sparse time-frequency representation for incipient fault diagnosis of wind turbine drive train
CN105738806B (zh) 一种风力发电机组故障诊断系统和方法
Abouhnik et al. Wind turbine blades condition assessment based on vibration measurements and the level of an empirically decomposed feature
CN109952429A (zh) 预测风力涡轮机噪声
CN103176128A (zh) 一种风力发电机组状态预报及智能故障诊断方法及系统
Xue et al. Diagnosis of multiple open-circuit switch faults based on long short-term memory network for DFIG-based wind turbine systems
CN109477460A (zh) 控制风力涡轮机噪声
CN109209783A (zh) 一种基于噪声检测叶片的雷击损伤的方法及装置
CN108278184B (zh) 基于经验模态分解的风电机组叶轮不平衡监测方法
CN103712792A (zh) 一种针对风电齿轮箱的故障诊断方法
EP2885646A1 (en) System and method for monitoring an electrically-connected system having a periodic behavior
CN109477461A (zh) 风力涡轮机噪声的分析
Xie et al. A review of current issues of marine current turbine blade fault detection
Dong et al. Vibration source identification of offshore wind turbine structure based on optimized spectral kurtosis and ensemble empirical mode decomposition
TWI573936B (zh) 風力發電機的葉片檢測方法與裝置
CN105888987A (zh) 基于相关性分析的风力发电机组性能评估方法
CN111878322B (zh) 风力发电机装置
Fazenda Acoustic based condition monitoring of turbine blades
CN107657110A (zh) 大型风力机叶片的疲劳损伤评价方法
CN105402092B (zh) 风力发电机组的检测方法及装置
CN103728134B (zh) 机组轴承的检测方法和装置及风电机组

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
WD01 Invention patent application deemed withdrawn after publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20170301