CN108474355A - 用于预测风力涡轮机的转子叶片上的积冰的方法及其用途 - Google Patents

用于预测风力涡轮机的转子叶片上的积冰的方法及其用途 Download PDF

Info

Publication number
CN108474355A
CN108474355A CN201680076770.1A CN201680076770A CN108474355A CN 108474355 A CN108474355 A CN 108474355A CN 201680076770 A CN201680076770 A CN 201680076770A CN 108474355 A CN108474355 A CN 108474355A
Authority
CN
China
Prior art keywords
time section
rotor blade
system variable
prediction curve
ice
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
CN201680076770.1A
Other languages
English (en)
Other versions
CN108474355B (zh
Inventor
马蒂亚斯·穆勒
托马斯·绍斯
佛罗莱恩·里格尔
马蒂亚斯·舒伯特
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.)
Vc Eighth Technology Co ltd
Original Assignee
Fos 4x Ltd By Share 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 Fos 4x Ltd By Share Ltd filed Critical Fos 4x Ltd By Share Ltd
Publication of CN108474355A publication Critical patent/CN108474355A/zh
Application granted granted Critical
Publication of CN108474355B publication Critical patent/CN108474355B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • F03D80/00—Details, components or accessories not provided for in groups F03D1/00 - F03D17/00
    • F03D80/40—Ice detection; De-icing means
    • 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
    • F05B2260/00—Function
    • F05B2260/82—Forecasts
    • F05B2260/821—Parameter estimation or prediction
    • 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
    • F05B2270/334—Vibration measurements
    • 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
    • F05B2270/40—Type of control system
    • F05B2270/404—Type of control system active, predictive, or anticipative
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Sustainable Development (AREA)
  • Sustainable Energy (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Mechanical Engineering (AREA)
  • General Engineering & Computer Science (AREA)
  • Wind Motors (AREA)

Abstract

实施例描述了一种用于预测风力涡轮机(100)的转子叶片(111、112)上的积冰的方法及其用途。该方法包括定义系统变量(S)的上限阈值(So)和/或下限阈值(Su)，系统变量(S)与转子叶片(111、112)的质量和/或与转子叶片(111、112)的附冰(1)的质量相关联；在采集时间段(T)期间获取采集变量数据；基于在采集时间段(T)的部分时间段(Δt1、Δt2、Δt3)期间采集的系统变量数据，执行对预测时间段(Δt1'、Δt2'、Δt3')的曲线轮廓的补偿计算，以获得预测曲线(N1、N2、N3)。基于在采集时间段(T)的另外的部分时间段(Δt1、Δt2、Δt3)期间获取的系统变量数据，执行对另外的预测时间段(Δt1'、Δt2'、Δt3')的曲线轮廓的至少一次另外的补偿计算，以获得另外的预测曲线(N1、N2、N3)。确定预测曲线(N1、N2、N3)中的一个或更多个将来是否会超过上限阈值(So)和/或确定预测曲线(N1、N2、N3)中的一个或更多个将来是否会低于下限阈值(Su)；并且输出确定结果。

Description

用于预测风力涡轮机的转子叶片上的积冰的方法及其用途
技术领域
本公开的实施例涉及用于预测风力涡轮机的转子叶片上的积冰的方法及其用途。
风力涡轮机的转子叶片在没有受到保护的情况下暴露于环境的天气条件。在某些位置，在相对较低的环境温度和足够高的空气湿度或发生降雨时，冰可能会积聚在转子叶片上。随着风力涡轮机的转子叶片尺寸增大，其表面增大，增加了积冰的风险，即，转子叶片上的积冰增多。
一方面，积冰对风力涡轮机的环境构成了潜在的危险，因为当积冰掉落时(在风厂运行或者停顿期间)，掉落的冰块可能会危及掉落半径内的人或物。另一方面，由于不均匀的积冰特别地可能导致风力涡轮机转子的不平衡，这可能导致风力涡轮机运行过程中的损坏。
背景技术
已知通过评估风力涡轮机的数据来得出关于已经发生积冰的结论。DE 10 2005016 524 A1公开了一种用于检测风力涡轮机上的冰的方法，其中在运行期间监测与结冰状态相关联的气象条件和风力涡轮机的一个或更多个物理特征变量，这些变量指示风力涡轮机的转子叶片的质量变化。
已知方法例如具有的缺点在于只能检测已经构成运行危险的已经存在的积冰。但是，通常期望的是例如预测将来是否会发生以及必要时预测在何时会发生可能构成运行危险的明显的积冰。类似地，通常期望的是预测将来是否不再存在以及在必要时预测何时不再存在可能构成运行危险的明显的积冰。
因此，应该提出一种允许可靠地预测风力涡轮机的转子叶片上的积冰的解决方案。
发明内容
本公开的实施例提供了一种根据权利要求1所述的用于预测风力涡轮机的转子叶片上的积冰的方法。此外，本公开的实施例提供了一种根据权利要求13所述的将本文所述的方法应用于确定除冰过程所需的转子叶片除冰装置的运行参数的用途。
根据实施例，提出了一种用于预测风力涡轮机的转子叶片上的积冰的方法，包括：定义系统变量的上限阈值和/或下限阈值，系统变量与转子叶片的质量和/或与转子叶片的附冰的质量相关联；在采集时间段期间采集系统变量数据；基于在采集时间段的部分时间段期间采集的系统变量数据，执行对预测时间段的曲线轮廓的补偿计算，以获得预测曲线；基于在采集时间段的另外的部分时间段期间采集的系统变量数据，执行对另外的预测时间段的曲线轮廓的至少一次另外的补偿计算，以获得另外的预测曲线；判断预测曲线中的一个或更多个将来是否会超过上限阈值和/或确定预测曲线中的一个或更多个将来是否会低于下限阈值；和输出确定结果。
根据另一实施例，提出了一种将用于预测风力涡轮机的转子叶片上的积冰的方法应用于检测除冰过程所需的转子叶片除冰装置的运行参数的用途，所述方法包括：定义系统变量的上限阈值和/或下限阈值，系统变量与转子叶片的质量和/或与转子叶片的附冰的质量相关联；在采集时间段期间采集系统变量数据；基于在采集时间段的部分时间段期间采集的系统变量数据，执行对预测时间段的曲线轮廓的补偿计算，以获得预测曲线；基于在采集时间段的另外的部分时间段期间采集的系统变量数据，执行对另外的预测时间段的曲线轮廓的至少一次另外的补偿计算，以获得另外的预测曲线；确定预测曲线中的一个或更多个将来是否会超过上限阈值和/或确定预测曲线中的一个或更多个将来是否会低于下限阈值；和输出确定结果。
附图说明
在附图中示出并且在下面的描述中更详细地解释本发明的实施例。附图中示出了：
图1是系统变量随时间变化的图表，用于解释根据实施例的用于预测风力涡轮机的转子叶片上的积冰的方法；
图2是系统变量随时间变化的另一图表，用于解释根据另一实施例的用于预测风力涡轮机的转子叶片上的积冰的方法；
图3是风力涡轮机的示意图，其中可以应用根据本文所描述的实施例之一的方法；
图4是根据实施例的用于预测风力涡轮机的转子叶片上的积冰的方法的流程图。
具体实施方式
下面将更详细地解释本公开的实施例。附图用于说明实施例的一个或更多个示例。在附图中，相同的附图标记表示相应实施例的相同或相似的特征。
在图1中，示出了系统变量S的图表，用于解释根据实施例的用于预测风力涡轮机的转子叶片上的积冰的方法。
本文使用的“积冰”是指结冰随着时间的增加或减少。
在图1的曲线图中，可以预料到结冰随着时间的推移而增加。
图表示出了时间进程t中的与系统变量S相关联的各曲线。通过测量合适的被测量获得由10表示的曲线，该曲线在测量精度的范围内以及必要时在所需的将被测量转换成系统变量的精度的范围内，示出了采集时间段T期间的系统变量S的实际轮廓。
该采集时间段T至少与用于预测的最长部分时间段的长度相同，这将在下文中进行说明。然而，采集时间段可能比用于预测的每个部分时间段都长；在几天等时间段期间，在风力涡轮机处连续地采集或持续以合适的采样间隔采集基础测量数据，采集时间段T对应于该时间段。部分时间段通常是重叠的，或者一个部分时间段完全包含在另一部分时间段中，并且它们仅长度不同。图1中，部分时间段Δt3完全包含在部分时间段Δt2和Δt1中；部分时间段Δt2完全包含在部分时间段Δt2中。预测时间段Δt1’、Δt2’、Δt3’也是如此。
在图1的图表中，t0表示当前时间点，即，t0右侧的所有时间点都是待进行预测的将来的时间点。采集时间段T相应地结束于当前时间点t0，在采集时间段T期间表示了基于实际测量数据的系统变量S的真实进程10。但是，本公开并不限于采集时间段T总是终止于当前时间点t0，而是可以设想利用采集时间段终止于当前时间点t0之前的系统变量S的真实进程10来在当前时间点t0预测风力涡轮机的转子叶片上的积冰，只要系统变量S的真实进程10仍然足够新即可。
系统变量S与转子叶片的质量相关联。可替代地或另外地，系统变量S与转子叶片上的积冰的质量相关联。通常，根据在一个转子叶片或几个转子叶片中或转子叶片处的振动测量的测量数据来获得系统变量S。在实施例中，在采集时间段的时间进程中，优选通过在采集时间段的时间进程中测量转子叶片处或转子叶片中的振动来测量被测量。系统变量是从测量数据推出的，优选通过对振动测量的测量数据进行固有频率分析来推出。因此，系统变量S可以允许直接得出关于相应的转子叶片的质量和/或相应的转子叶片的积冰的质量的结论。在实施例中，系统变量与转子叶片的总质量成比例，和/或与转子叶片上的附加沉积物质量成比例。“转子叶片上的附加沉积物质量”是添加到转子叶片的净质量上的附加沉积物质量。系统变量通常与冰的质量成比例。
如果无论风力涡轮机的转子叶片上的结冰(可能沉积在转子叶片上的冰)是否会达到损害风力涡轮机的运行的量都期望通过该方法进行相应预测，则可以适当地定义系统变量S的上限阈值So，如图1的图表所示。
该上限阈值So例如可以通过经验确定，或者可以通过关于风力涡轮机的运行安全的规定来预先定义。例如，上限阈值So是针对积冰量(例如积冰的质量和/或体积)定义的上限阈值，在超出该上限阈值时，风力涡轮机的安全运行不再能实现或不再可能。
根据所描述的实施例，基于在采集时间段T的部分时间段期间采集的系统变量数据，执行对预测时间段的曲线轮廓的补偿计算，并且基于在采集时间段T的另一时间段期间采集的系统变量数据，执行对另一预测时间段的曲线轮廓的至少一个另外的补偿计算。
在图1所示的图表中，基于在采集时间段T的部分时间段Δt1期间采集的系统变量数据，执行对预测时间段Δt1’的曲线轮廓的补偿计算，从而获得预测曲线N1。此外，基于在采集时间段T的部分时间段Δt2期间采集的系统变量数据，执行对预测时间段Δt2’的曲线轮廓的补偿计算，从而获得预测曲线N2。最后，基于在采集时间段T的部分时间段Δt3期间采集的系统变量数据，执行对预测时间段Δt3’的曲线轮廓的补偿计算，从而获得预测曲线N3。
以下对于所描述的实施例是有效的：从当前时间点t0到将来时间点t1’的时间段称为预测时间段Δt1’。相应地，从当前时间点t0到将来时间点t2’的时间段称为预测时间段Δt2’，并且，从当前时间点t0到将来时间点t3’的时间段称为预测时间段Δt3’。
从过去时间点t1到当前时间点t0的时间段称为部分时间段Δt1。相应地，从过去时间点t2到当前时间点t0的时间段称为部分时间段Δt2，并且从过去时间点t3到当前时间点t0的时间段称为部分时间段Δt3。
要根据在相应的部分时间段Δt1、Δt2、Δt3中的系统变量S的真实轮廓10在数学上确定将来的可能的曲线轮廓，补偿计算可能是合适的选择。补偿计算的示例是回归方法。在实施例中，至少一种补偿计算是线性或平方回归。优选地，所有补偿计算分别都是线性或平方回归。在图1所示的实施例中，所有预测曲线N1、N2、N3分别都是通过线性回归获得的。
在实施例中，补偿计算中的每一个分别是对一个预测时间段执行的，预测时间段最多与用于相应补偿计算的所采集的系统变量数据的部分时间段一样长。优选地，相应的预测时间段的长度大约与用于相应补偿计算的所采集的系统变量数据的部分时间段的长度相同。
在图1所示的实施例中，预测曲线N1的预测时间段Δt1’的长度大约与系统变量S的真实轮廓10的、用于获得预测曲线N1的所采集的系统变量数据的部分时间段Δt1的长度相同。相应地，预测曲线N2的预测时间段Δt2’的长度大约与系统变量S的真实轮廓10的、用于获得预测曲线N2的所采集的系统变量数据的部分时间段Δt2的长度相同。并且预测曲线N3的预测时间段Δt3’的长度大约与系统变量S的真实轮廓10的、用于获得预测曲线N3的所采集的系统变量数据的部分时间段Δt3的长度相同。
根据该实施例的方法，确定预测曲线N1、N2、N3中的一个或更多个将来是否会超过上限阈值So和/或确定预测曲线N1、N2、N3中的一个或更多个将来是否会低于一个或更多个预测曲线N1、N2、N3的下限阈值Su。根据实施例的方法，确定结果例如被输出到合适的评价装置。
在图1所示的实施例中，曲线N1在为其设置的预测时间段Δt1’中(即，直到时间点t1’)没有超过阈值So。曲线N3在为其设置的预测时间段Δt3’中(即，直到时间点t3’)也没有超过阈值So。
但是曲线N2在与其相关的预测时间段Δt2’中(即，直到时间点t2’)超过了阈值So。因此，输出的结果是，其中一条曲线将超过定义的上限阈值So。这可能类似于确定出将来会积冰。
如果确定出在当前时间点t0，系统变量S的真实曲线10已经超过上限阈值，则当然也可以输出已经超过上限阈值So的结果，或者可以输出相应的结冰警告消息。
在图2中，示出了用于解释根据另一实施例的用于预测风力涡轮机的转子叶片上的积冰的方法的系统变量S的图表。图2的表示方法类似于图1中的表示方法，这里省略重复的描述。
在图2的曲线轮廓中，与图1的曲线轮廓相比，能够预期结冰随时间减少。定义了系统变量S的下限阈值Su，其指示结冰的最小值，并且在该值以下，风力涡轮机的运行很可能是可行的。可以将图1的基本过程与图2所描述的基本过程结合，即，可以定义上限阈值So和下限阈值Su，这不一定必须一致。
补偿计算的过程与图1的过程相当。相应地，根据图2的实施例，曲线N1在为其设置的预测时间段Δt1’中(即，直到时间点t1’)没有低于阈值So，曲线N2在为其设置的预测时间段Δt2’中(即，直到时间点t2’)没有低于阈值So，但是曲线N3在为其设置的预测时间段Δt3’中(即，直到时间点t3’)低于阈值So。因此，输出的结果是，其中一条曲线将低于定义的下限阈值Su。这可能类似于确定出足够量的冰将来会融化。
在实施例中，规定如果确定出预测曲线N1、N2、N3中的一个或更多个将来会超过上限阈值So，则会输出结冰警告消息。在图1所示的图表中，可以输出该结冰警告消息，因为曲线N2超过了上限阈值So。
可替代地或另外地，在实施例中，规定如果确定出预测曲线N1、N2、N3中的一个或更多个将来会低于下限阈值Su，则会输出无冰消息。在图2所示的图表中，可以输出该无冰消息，因为曲线N3低于下限阈值Su。
在这种情况下，结冰警告消息或无冰消息可以规定延迟的响应，例如仅在结冰警告消息后的一段延迟之后关闭风力涡轮机，或者仅在无冰消息后的一段延迟之后打开风力涡轮机。
根据实施例，规定在超过转子叶片上的最小冰量时，确定和/或输出预期的超过时间点tso。可替代地或者此外，根据实施例，规定在低于转子叶片上的最大冰量时，确定和/或输出预期的低出时间点tsu。
在图1中，超过时间点tso示例性示出在时间点t3’和时间点t2’之间。相应地，在图2中，低出时间点tsu示例性示出在时间点t0和时间点t3’之间。
低出时间点tso和/或超过时间点tsu可以有助于更好的进行与结冰警告消息和/或无冰消息相关联的协调措施。
根据实施例，得出转子叶片上是否将积聚最小量的冰的概率，特别是根据相应的预测时间段Δt1’、Δt2’、Δt3’和/或根据相应的超过时间点tso和/或根据相应预测曲线N1、N2、N3的相应曲线轮廓来得出。可替代地或另外地，根据实施例，得出转子叶片上的最大积冰量是否会被超过的概率，特别是根据相应的预测时间段Δt1’、Δt2’、Δt3’和/或根据相应的超过时间点tso和/或根据相应预测曲线N1、N2、N3的相应曲线轮廓来得出。
概率可以有助于更好的进行与结冰警告消息和/或无冰消息相关联的协调措施。
根据实施例，根据相应的预测时间段Δt1’、Δt2’、Δt3’和/或根据相应的超过时间点tso和/或根据相应预测曲线N1、N2、N3的相应曲线轮廓，得出预计积聚在转子叶片上的冰的量。
冰量可以有助于更好的进行与结冰警告消息和/或无冰消息相关联的协调措施。
根据实施例，部分时间段Δt1、Δt2、Δt3中的至少一个具有大约一小时或更长的长度。优选地，进行至少三次补偿计算，并且其各部分时间段具有约1小时、约2小时或约4小时的长度。
根据实施例，预先定义各部分时间段Δt1、Δt2、Δt3的长度。优选地，根据风力涡轮机的位置和/或根据气象支持数据来预先定义各部分时间段Δt1、Δt2、Δt3的长度。
例如，在气象支持数据指示可能积冰时，部分时间段Δt1、Δt2、Δt3可以定位为具有相对较短的长度。相应地，在气象支持数据指示不太可能积冰时，部分时间段Δt1、Δt2、Δt3可以定义为具有相对较大的长度。
例如，可替代地或另外地，对于位于可能积冰的位置处的风力涡轮机，部分时间段Δt1、Δt2、Δt3可以定义为具有相对较短的长度。相应地，对于位于不太可能积冰的位置处的风力涡轮机，部分时间段Δt1、Δt2、Δt3可以定义为具有相对较大的长度。
在实施例中，在风力涡轮机的运行期间，可以根据风力涡轮机的设备大小来调节各部分时间段Δt1、Δt2、Δt3的长度。可以例如根据风力涡轮机的转子叶片的转子叶片速度和/或根据气象支持数据来调节长度。
例如在气象支持数据指示可能积冰时，可以缩短部分时间段Δt1、Δt2、Δt3的长度。相应地，例如在气象支持数据指示不太可能积冰时，可以延长部分时间段Δt1、Δt2、Δt3的长度。
例如，可替代地或另外地，还可以在转子叶片速度增加时缩短部分时间段Δt1、Δt2、Δt3的长度。增加的转子叶片速度可能促进积冰。相应地，还可以在转子叶片速度降低时缩短部分时间段Δt1、Δt2、Δt3的长度。减小的转子叶片速度可能降低积冰的可能性。
在实施例中，本文所描述的方法用于确定除冰过程所需的转子叶片除冰装置的运行参数。可以例如基于预测结果和/或基于上限阈值So的预期超过时间点tso，确定该转子叶片除冰装置的启动时间，以便在低能量消耗下实现令人满意的除冰效果。可以例如基于预测结果和/或基于下限阈值Su的预期低出时间点tsu，确定该转子叶片除冰装置的关闭时间，以便在低能量消耗下实现令人满意的除冰效果。
图3示例性示出了风力涡轮机100，其中可以应用本文所描述的方法。风力涡轮机包括转子115，在其转子轮毂110上安装有三个转子叶片，第一转子叶片111和第二转子叶片112在图3的侧视图中示出。为了更好地表示，下述操作装置仅在第一转子叶片111上示出，但也可以存在于另外或全部的转子叶片上。
在转子叶片尖端区域中示意性地示出了附冰1。转子叶片中的振动通过根据该实施例配置为振动传感器的转子叶片传感器120来检测。此外，提供了转子叶片除冰装置130。转子叶片除冰装置130可以在相应转子叶片111、112的宽部分上延伸，或者基本在其整个延伸部上延伸。
图4示出了用于预测风力涡轮机100的转子叶片111、112上的积冰的方法的流程图。
在该方法的步骤1002中，定义系统变量S的上限阈值So和/或下限阈值Su。系统变量S与转子叶片111、112的质量和/或与转子叶片111、112的附冰1的质量相关联。
在该方法的步骤1004中，在采集时间段T期间采集系统变量数据。
在该方法的步骤1006中，基于在采集时间段T的部分时间段Δt1、Δt2、Δt3期间采集的系统变量数据，执行对预测时间段Δt1’、Δt2’、Δt3’的曲线轮廓的补偿计算，以获得预测曲线N1、N2、N3。
在该方法的步骤1008中，基于在采集时间段T的另外的部分时间段Δt1、Δt2、Δt3期间采集的系统变量数据，执行对另外的预测时间段Δt1’、Δt2’、Δt3’的曲线轮廓的补偿计算，以获得另外的预测曲线N1、N2、N3。
在该方法的步骤1010中，确定预测曲线N1、N2、N3中的一个或更多个将来是否会超过上限阈值So和/或确定预测曲线N1、N2、N3中的一个或更多个将来是否会低于下限阈值Su。
如果确定出预测曲线N1、N2、N3中的一个或更多个将来会超过上限阈值So或确定出预测曲线N1、N2、N3中的一个或更多个将来会低于下限阈值Su，则该方法进行到步骤1012。如果确定出预测曲线N1、N2、N3中的一个或更多个将来不会超过上限阈值So或确定出预测曲线N1、N2、N3中的一个或更多个将来不会低于下限阈值Su，则该方法进行到步骤1014。
在步骤1012中输出的确定结果是，预测曲线N1、N2、N3中的一个或更多个将来会超过上限阈值So或预测曲线N1、N2、N3中的一个或更多个将来会低于下限阈值Su。
在步骤1014中输出的确定结果是，预测曲线N1、N2、N3中的一个或更多个将来不会超过上限阈值So或预测曲线N1、N2、N3中的一个或更多个将来不会低于下限阈值Su。
在步骤1012之后或在步骤1014之后，所述方法返回到步骤1004。
应当注意，本文描述的方面和实施例在适当时可以相互结合，并且在本领域技术人员认为合理并且可能的情况下，可以省略个别方面。对本文描述的方面的修改和补充对于本领域技术人员是显而易见的。

Claims (13)

1.一种用于预测风力涡轮机(100)的转子叶片(111、112)上的积冰的方法，包括：
定义系统变量(S)的上限阈值(So)和/或下限阈值(Su)，所述系统变量(S)与所述转子叶片(111、112)的质量和/或与所述转子叶片(111、112)的附冰(1)的质量相关联；
在采集时间段(T)期间采集系统变量数据；
基于在所述采集时间段(T)的部分时间段(Δt1、Δt2、Δt3)期间采集的系统变量数据，执行对预测时间段(Δt1’、Δt2’、Δt3’)的曲线轮廓的补偿计算，以获得预测曲线(N1、N2、N3)；
基于在所述采集时间段(T)的另外的部分时间段(Δt1、Δt2、Δt3)期间采集的系统变量数据，执行对另外的预测时间段(Δt1’、Δt2’、Δt3’)的曲线轮廓的至少一次另外的补偿计算，以获得另外的预测曲线(N1、N2、N3)；
确定所述预测曲线(N1、N2、N3)中的一个或更多个将来是否会超过所述上限阈值(So)和/或确定所述预测曲线(N1、N2、N3)中的一个或更多个将来是否会低于所述下限阈值(Su)；和
输出确定结果。
2.根据权利要求1所述的方法，
其中，如果确定出所述预测曲线(N1、N2、N3)中的一个或更多个将来会超过所述上限阈值(So)，则输出结冰警告消息；和/或
其中，如果确定出所述预测曲线(N1、N2、N3)中的一个或更多个将来会低于所述下限阈值(Su)，则输出无冰消息。
3.根据权利要求1所述的方法，
其中
所述系统变量(S)与所述转子叶片(111、112)的总质量成比例，和/或与所述转子叶片(111、112)上的附加沉积物的质量成比例。
4.根据前述权利要求中任一项所述的方法，
还包括：
确定和输出将超过所述转子叶片(111、112)上的最小冰量时的预期的超过时间点(tso)和/或确定和输出将低于所述转子叶片(111、112)上的最大冰量时的预期的低出时间点(tsu)。
5.根据前述权利要求中任一项所述的方法，
其中，系统变量数据的采集包括：
在所述采集时间段(T)的时间进程中对被测量进行测量，优选地，在所述采集时间段(T)的时间进程中测量所述转子叶片(111、112)处或所述转子叶片(111、112)中的振动；
基于测量数据得出所述系统变量(S)，优选通过固有频率分析来得出。
6.根据前述权利要求中任一项所述的方法，
其中，所述补偿计算中的每一个分别是对将来的预测时间段(Δt1’、Δt2’、Δt3’)执行的，所述将来的预测时间段最多与用于相应补偿计算的所采集的系统变量数据的部分时间段(Δt1、Δt2、Δt3)一样长，优选一样长。
7.根据前述权利要求中任一项所述的方法，
还包括：
根据相应的预测时间段(Δt1’、Δt2’、Δt3’)和/或根据相应的超过时间点(tso)和/或根据相应的预测曲线(N1、N2、N3)的相应的曲线轮廓来得出所述转子叶片(111、112)上是否会积聚最小冰量的可能性；和/或
根据相应的预测时间段(Δt1’、Δt2’、Δt3’)和/或根据相应的低出时间点(tsu)和/或根据相应的预测曲线(N1、N2、N3)的相应的曲线轮廓来得出是否会低于所述转子叶片(111、112)上的最大积冰量的可能性。
8.根据前述权利要求中任一项所述的方法，
还包括：
根据相应的预测时间段(Δt1’、Δt2’、Δt3’)和/或根据相应的超过时间点(tso)和/或根据相应的预测曲线(N1、N2、N3)的相应的曲线轮廓来得出预计积聚在所述转子叶片(111、112)上的冰的量。
9.根据前述权利要求中任一项所述的方法，
其中所述补偿计算中的至少一个是线性或平方回归，优选地，所有的补偿计算都是线性或平方回归。
10.根据前述权利要求中任一项所述的方法，
其中，所述部分时间段(Δt1、Δt2、Δt3)中的至少一个具有大约一小时或更长的长度，并且其中，优选地，执行至少三次补偿计算，并且其相应的部分时间段具有约1小时、约2小时或约4小时的长度。
11.根据前述权利要求中任一项所述的方法，
其中，预先定义相应的部分时间段(Δt1、Δt2、Δt3)的长度，优选地，根据所述风力涡轮机(100)的位置和/或根据气象支持数据来预先定义。
12.根据前述权利要求中任一项所述的方法，
其中，在所述风力涡轮机(100)的运行期间，根据所述风力涡轮机(100)的设备大小来调节相应的部分时间段(Δt1、Δt2、Δt3)的长度，优选地，根据所述风力涡轮机(100)的所述转子叶片(111、112)的转子叶片速度和/或根据气象支持数据来调节。
13.一种将根据权利要求1到12中任一项所述的方法应用于确定除冰过程所需的转子叶片除冰装置(130)的运行参数的用途。
CN201680076770.1A 2015-12-29 2016-12-05 用于预测风力涡轮机的转子叶片上的积冰的方法及其用途 Active CN108474355B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
DE102015122932.3 2015-12-29
DE102015122932.3A DE102015122932A1 (de) 2015-12-29 2015-12-29 Verfahren zum Prognostizieren der Anlagerung von Eis an einem Rotorblatt einer Windkraftanlage und dessen Verwendung
PCT/EP2016/079760 WO2017114639A1 (de) 2015-12-29 2016-12-05 Verfahren zum prognostizieren der anlagerung von eis an einem rotorblatt einer windkraftanlage und dessen verwendung

Publications (2)

Publication Number Publication Date
CN108474355A true CN108474355A (zh) 2018-08-31
CN108474355B CN108474355B (zh) 2020-04-24

Family

ID=57530656

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201680076770.1A Active CN108474355B (zh) 2015-12-29 2016-12-05 用于预测风力涡轮机的转子叶片上的积冰的方法及其用途

Country Status (6)

Country Link
US (1) US10718316B2 (zh)
EP (1) EP3397861B1 (zh)
CN (1) CN108474355B (zh)
CA (1) CA3007303C (zh)
DE (1) DE102015122932A1 (zh)
WO (1) WO2017114639A1 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109209790A (zh) * 2018-10-09 2019-01-15 浙江运达风电股份有限公司 一种基于数据建模的风电叶片结冰推测方法

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102017125457B4 (de) 2017-10-30 2023-02-23 fos4X GmbH Verfahren zum Bestimmen einer Wahrscheinlichkeit zu einem Drosseln und/oder einem Abschalten zumindest einer Windkraftanlage aufgrund von Eisansatz
CN108820227B (zh) * 2018-07-03 2021-12-03 上海工程技术大学 一种利用石墨烯加热膜的预测型防除冰的方法
WO2021094312A1 (en) 2019-11-11 2021-05-20 Janssen Pharmaceutica Nv Pyrrolidine and bicycloheteroaryl containing oga inhibitor compounds
WO2021110656A1 (en) 2019-12-02 2021-06-10 Janssen Pharmaceutica Nv Oga inhibitor compounds
IL293931A (en) 2019-12-18 2022-08-01 Janssen Pharmaceutica Nv oga inhibitor compounds
CA3160367A1 (en) 2019-12-18 2021-06-24 Jose Manuel Bartolome-Nebreda Oga inhibitor compounds
WO2021123291A1 (en) 2019-12-18 2021-06-24 Janssen Pharmaceutica Nv Oga inhibitor compounds
DE102021102659B3 (de) 2021-02-04 2022-02-17 Deutsches Zentrum für Luft- und Raumfahrt e.V. Verfahren zur Erkennung einer Ausbildung von Eis an einem rotierenden Rotorblatt und Rotorblatteinrichtung

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1707262A (zh) * 2004-06-10 2005-12-14 通用电气公司 转子叶片上冰的检测的方法和设备
CN101206161A (zh) * 2006-12-21 2008-06-25 通用电气公司 利用转子转速加速度检测非对称结冰的方法和系统
US20080152493A1 (en) * 2006-12-21 2008-06-26 General Electric Method and system for utilizing lateral tower acceleration to detect asymmetric icing
EP2511524A1 (de) * 2011-04-11 2012-10-17 Baumer Innotec AG Verfahren und Vorrichtung zum Überwachen eines Rotorblatts für eine Windkraftanlage
CN102834610A (zh) * 2010-04-12 2012-12-19 西门子公司 确定风力涡轮机的旋转叶片上的质量改变的方法和系统
DE102013223294A1 (de) * 2013-11-15 2015-05-21 Robert Bosch Gmbh Verfahren zur Erkennung einer Massen- oder Steifigkeitsveränderung einer Komponente einer Windenergieanlage

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8662842B2 (en) * 2010-06-28 2014-03-04 General Electric Company Method and system for utilizing rotorspeed acceleration to detect asymmetric icing
US9567869B2 (en) * 2010-06-30 2017-02-14 Vestas Wind Systems A/S Wind turbine system for detection of blade icing
EP2434146A1 (en) * 2010-09-24 2012-03-28 Siemens Aktiengesellschaft Method of and device for determining a mass condition of a rotor of a wind turbine, and method of operating a wind turbine
US20120226485A1 (en) * 2011-03-03 2012-09-06 Inventus Holdings, Llc Methods for predicting the formation of wind turbine blade ice
US8434360B2 (en) * 2011-07-22 2013-05-07 General Electric Company System and method for detecting ice on a wind turbine rotor blade

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1707262A (zh) * 2004-06-10 2005-12-14 通用电气公司 转子叶片上冰的检测的方法和设备
DE102005016524A1 (de) * 2004-06-10 2005-12-29 General Electric Company Verfahren und Vorrichtung zur Erkennung von Rotorblatteis
CN101206161A (zh) * 2006-12-21 2008-06-25 通用电气公司 利用转子转速加速度检测非对称结冰的方法和系统
US20080152493A1 (en) * 2006-12-21 2008-06-26 General Electric Method and system for utilizing lateral tower acceleration to detect asymmetric icing
CN102834610A (zh) * 2010-04-12 2012-12-19 西门子公司 确定风力涡轮机的旋转叶片上的质量改变的方法和系统
EP2511524A1 (de) * 2011-04-11 2012-10-17 Baumer Innotec AG Verfahren und Vorrichtung zum Überwachen eines Rotorblatts für eine Windkraftanlage
DE102013223294A1 (de) * 2013-11-15 2015-05-21 Robert Bosch Gmbh Verfahren zur Erkennung einer Massen- oder Steifigkeitsveränderung einer Komponente einer Windenergieanlage

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109209790A (zh) * 2018-10-09 2019-01-15 浙江运达风电股份有限公司 一种基于数据建模的风电叶片结冰推测方法

Also Published As

Publication number Publication date
US10718316B2 (en) 2020-07-21
US20190010932A1 (en) 2019-01-10
CN108474355B (zh) 2020-04-24
EP3397861B1 (de) 2019-11-13
DE102015122932A1 (de) 2017-06-29
EP3397861A1 (de) 2018-11-07
WO2017114639A1 (de) 2017-07-06
CA3007303C (en) 2023-10-17
CA3007303A1 (en) 2017-07-06

Similar Documents

Publication Publication Date Title
CN108474355A (zh) 用于预测风力涡轮机的转子叶片上的积冰的方法及其用途
Muñoz et al. Ice detection using thermal infrared radiometry on wind turbine blades
JP4762069B2 (ja) タービンエンジンの排気ガス温度のトレンドをみるためのシステム及び方法
CN102407942B (zh) 结冰条件探测器
US6560551B1 (en) Liquid water content measurement apparatus and method
US9567869B2 (en) Wind turbine system for detection of blade icing
DK2985454T3 (en) PROCEDURE TO TEST A ROTOR LEAF DETECTION SYSTEM AS WELL AS A ROTOR LEAF DETECTION SYSTEM AND WIND TURBINE FOR IMPLEMENTING THE PROCEDURE
US10221735B2 (en) Method of real-time oil consumption detection
EP3028076B1 (en) Active frost forecasting, detection and warning system and method
JP6592609B2 (ja) 風力発電設備のロータブレードにおける入射流の評価方法、風力発電設備の制御方法、および風力発電設備
DK200500492A (da) Fremgangsmåder og apparat til detektering af is på rotorblade
EP3009673A1 (en) Operating a wind turbine during standstill, involving particularly the detection of rotor blades icing
CA2927455C (en) Method and system for rotor blade deicing as well as computer program and wind power plant
Vey et al. Extracting quantitative data from tuft flow visualizations on utility scale wind turbines
EP2592003B1 (en) Fuel tank contaminant prediction
CN108474354A (zh) 用于确定风力涡轮机的至少一个转子叶片上的积冰量的值的方法及其用途
BR102015026105B1 (pt) método para monitorar uma condição de surgência, e, sistema de monitoramento de surgência de turbomáquina
KR20190024696A (ko) 자왜식 발진기 착빙 속도 센서 프로브를 만드는 방법
Rizk et al. Wind turbine ice detection using hyperspectral imaging
RU2341414C1 (ru) Способ обнаружения обледенения несущего винта вертолета
Shao et al. Nowcasts of temperature and ice on overhead railway transmission wires
CN107464024B (zh) 基于覆冰形状试验的架空输电线路舞动预测方法及系统
CN109597053A (zh) 传感器异常判定装置
Qiu et al. Real-Time, Automatic and Wireless Bridge Monitoring System Based on MEMS Technology
IT202100021041A1 (it) Sistema per la rilevazione di pericolo di formazione di ghiaccio su superfici

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
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right

Effective date of registration: 20231101

Address after: Denmark bramming

Patentee after: VC Eighth Technology Co.,Ltd.

Address before: Munich, Germany

Patentee before: FOS4X GmbH

TR01 Transfer of patent right