CN110005580A - 一种风电机组运行状态监测方法 - Google Patents
一种风电机组运行状态监测方法 Download PDFInfo
- Publication number
- CN110005580A CN110005580A CN201910371231.6A CN201910371231A CN110005580A CN 110005580 A CN110005580 A CN 110005580A CN 201910371231 A CN201910371231 A CN 201910371231A CN 110005580 A CN110005580 A CN 110005580A
- Authority
- CN
- China
- Prior art keywords
- power
- wind
- signal
- revolving speed
- speed
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 148
- 238000000034 method Methods 0.000 title claims abstract description 53
- 238000001228 spectrum Methods 0.000 claims abstract description 120
- 238000010586 diagram Methods 0.000 claims description 28
- 238000013016 damping Methods 0.000 claims description 21
- 230000006378 damage Effects 0.000 claims description 11
- 238000010183 spectrum analysis Methods 0.000 claims description 8
- 238000004519 manufacturing process Methods 0.000 claims description 7
- 230000009466 transformation Effects 0.000 claims description 7
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 230000008859 change Effects 0.000 claims description 5
- 238000010276 construction Methods 0.000 claims description 3
- 230000005611 electricity Effects 0.000 claims description 3
- 238000007689 inspection Methods 0.000 claims description 3
- 230000003595 spectral effect Effects 0.000 claims description 3
- 235000013399 edible fruits Nutrition 0.000 claims 1
- 239000007789 gas Substances 0.000 claims 1
- 238000012423 maintenance Methods 0.000 abstract description 13
- 238000005516 engineering process Methods 0.000 description 7
- 239000000306 component Substances 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 5
- 238000013461 design Methods 0.000 description 5
- 238000012360 testing method Methods 0.000 description 4
- 238000013459 approach Methods 0.000 description 3
- 238000012886 linear function Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000012806 monitoring device Methods 0.000 description 2
- 238000010248 power generation Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000003466 anti-cipated effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000007664 blowing Methods 0.000 description 1
- 239000003245 coal Substances 0.000 description 1
- 239000008358 core component Substances 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000012938 design process Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000010977 unit operation Methods 0.000 description 1
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
- 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
- F03D7/00—Controlling wind motors
-
- 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
-
- 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
本发明公开了一种风电机组运行状态监测方法。该方法包括：获取风电机组历史运行的传感器数据，所述传感器数据包括风速信号、转速信号、变桨角信号、功率信号、应变信号和振动信号；根据风速信号、转速信号、变桨角信号、功率信号、应变信号和振动信号分别构建风速、转速、变桨角、功率匹配性监测模型和转速、功率、应变、振动频谱监测模型；采集风电机组的实时运行数据，将所述风电机组的实时运行数据分别与所述风速、转速、变桨角、功率匹配性监测模型、转速、功率、应变、振动频谱监测模型进行对比，确定所述风电机组的当前运行状态。本发明提供的风电机组运行状态监测方法，既能减少风电场的维护成本，又能及时发现故障或提前预测故障。
Description
技术领域
本发明涉及风能发电技术领域，特别是涉及一种风电机组运行状态监测方法。
背景技术
随着全球经济的发展，风能市场也迅速发展起来。随着技术进步和环保事业的发展，风能发电在商业上将完全可以与燃煤发电竞争。风力发电机组单机容量也由kW级别迅速增加到MW级别，近几年由1.5MW发展到3MW、6MW、8MW，目前单机容量还有扩大趋势。随着电厂自动化程度的增加，提高关键设备的有效性运行和可维护性也变得非常重要。传统的设备检修方式日益暴露出其局限性，设备故障带来的经济损失也日益受到发电企业的重视和关注。目前的监测主要是风机制造厂家增加的振动监测，功率超发监测等合成到机组安全系统中，后期的改造中，对叶片等大型部件粘贴传感器来监测其运行状态。
在单机容量迅速扩展进程中，一些核心部件如电机、变流器、叶片等的技术可能存在一部分缺陷，而这些缺陷是由新产品在实际应用过程中发现的，这样增加了发电厂的维护成本。这一方面是由于产品质量不过关，另一方面是人们对自然界风况以及风作用于机组上的载荷的复杂性理解不深入。
电厂生产过程的任何故障不仅直接影响电能产量和电能质量，而且还可能造成设备损毁和人身事故。要使发电机组设备能够安全、可靠、有效的运行，使其充分发挥作用，发展设备状态监控和故障预警技术是必经之路。
发明内容
本发明提供一种风电机组运行状态监测方法，既能减少风电场的维护成本，又能及时发现故障或提前预测故障。
为实现上述目的，本发明提供了如下方案：
一种风电机组运行状态监测方法，所述方法包括：
获取风电机组历史运行的传感器数据，所述传感器数据包括风速信号、转速信号、变桨角信号、功率信号、应变信号和振动信号；
根据风速信号、转速信号、变桨角信号、功率信号、应变信号和振动信号分别构建风速、转速、变桨角、功率匹配性监测模型和转速、功率、应变、振动频谱监测模型；
采集风电机组的实时运行数据，将所述风电机组的实时运行数据分别与所述风速、转速、变桨角、功率匹配性监测模型、转速、功率、应变、振动频谱监测模型进行对比，确定所述风电机组的当前运行状态。
可选的，所述风速、转速、变桨角、功率匹配性监测模型还用于对气动阻尼进行监测，具体包括：
利用实时采集风电机组的转速和风速，计算风电机组的叶尖速比；
根据计算的风电机组的叶尖速比评估叶片失速状态；
根据叶片失速状态系数和实时采集风速计算当前状态的气动阻尼；
根据当前状态的气动阻尼与所述风速、转速、变桨角、功率匹配性监测模型中的标准气动阻尼进行对比，对风电机组的振动损伤进行评估。
可选的，所述转速、功率、应变、振动频谱监测模型还用于调节机组载荷和功率，具体包括：
步骤1：对风电机组的转速、功率、应变和振动信号进行实时采集，并将采集到的转速、功率、应变和振动信号进行第一次频谱转化；
步骤2：将第一次频谱转化的结果输入至转速、功率、应变、振动频谱监测模型，根据监测结果调整风轮中至少一个叶片的变桨角；
步骤3：对调整后的风电机组的转速、功率、应变和振动信号进行实时采集，并将采集到的转速、功率、应变和振动信号进行第二次频谱转化；
步骤4：将第二次频谱转化的结果与第一次频谱转化的结果进行比较，如果频谱密度降低、功率增加，则转向步骤5，否则，转向步骤2；
步骤5：继续调整风轮中至少一个叶片的变桨角；
步骤6：对调整后的风电机组的转速、功率、应变和振动信号进行实时采集，并将采集到的转速、功率、应变和振动信号进行若干次频谱转化；
步骤7：将若干次频谱转化的结果与第二次频谱转化的结果进行比较，如果频谱密度降低、功率增加，则转向步骤8，否则，转向步骤5；
步骤8：监测结束。
可选的，所述构建风速、转速、变桨角、功率匹配性监测模型，具体包括：
利用最小二乘线性拟合法，将风电机组的转速、风速、变桨角、功率进行拟合，生成转速、风速、变桨角、功率相关的若干曲线；
根据生成转速、风速、变桨角、功率相关的若干曲线建立风速、转速、变桨角、功率匹配性监测模型。
可选的，所述建构转速、功率、应变、振动频谱监测模型，具体包括：
根据所述风电机组的转速信号、功率信号、应变信号和振动信号随时间的变化分别绘制出风电机组的转速时序图、功率时序图、应变时序图和振动时序图；
将所述风电机组的转速时序图、功率时序图、应变时序图和振动时序图分别经过傅里叶变换后得到转速频谱图、功率频谱图、应变频谱图和振动频谱图；
根据所述转速频谱图、功率频谱图、应变频谱图和振动频谱图建立转速、功率、应变、振动频谱监测模型。
可选的，所述采集风电机组的实时运行数据，将所述风电机组的实时运行数据分别与所述风速、转速、变桨角、功率匹配性监测模型、转速、功率、应变、振动频谱监测模型进行对比，确定所述风电机组的当前运行状态，具体包括：
利用传感器实时采集风电机组的风速信号、转速信号、变桨角信号、功率信号、应变信号和振动信号；
将所述实时采集的风速信号、转速信号、变桨角信号、功率信号与所述风速、转速、变桨角、功率匹配性监测模型的标准风速、转速、变桨角、功率进行对比和将所述实时采集的转速信号、功率信号、应变信号、振动信号经过频谱分析后与所述转速、功率、应变、振动频谱监测模型的标准转速频谱图、功率频谱图、应变频谱图和振动频谱图进行对比，对所述风电机组进行提示、报警或停机检查。
一种风电机组运行状态监测方法的控制系统，包括第一数据采集模块、第二数据采集模块、第一提示装置、第一报警装置、第一停机装置、第二提示装置、第二报警装置、第二停机装置、风速、转速、变桨角、功率匹配性监测模型和转速、功率、应变、振动频谱监测模型，所述风速、转速、变桨角、功率匹配性监测模型包括第一控制器，所述转速、功率、应变、振动频谱监测模型包括第二控制器，所述第一数据采集模块、第二数据采集模块分别与所述第一控制器、第二控制器的输入端相连接，所述第一控制器的输出端分别与所述第一提示装置、第一报警装置、第一停机装置相连接，所述第二控制器的输出端分别与所述第二提示装置、第二报警装置、第二停机装置相连接。
可选的，根据所述第一采集模块实时采集的风速、转速、变桨角、功率信号值与所述转速、功率、应变、振动频谱监测模型中的标准风速、转速、变桨角、功率信号值进行对比，当所述实时采集的风速、转速、变桨角、功率信号值与标准风速、转速、变桨角、功率信号值之间的偏差值大于第一设定值时，对所述风电机组发出提示信号；当所述实时采集的风速、转速、变桨角、功率信号值与标准风速、转速、变桨角、功率信号值之间的偏差值大于第二设定值时，对所述风电机组发出报警信号；当所述实时采集的风速、转速、变桨角、功率信号值与标准风速、转速、变桨角、功率信号值之间的偏差值大于第三设定值时，对所述风电机组发出停机信号。
可选的，所述第一控制器包括第一设定值、第二设定值和第三设定值，所述第一设定值为5％，第二设定值为10％，第三设定值为20％。
可选的，将所述第二采集模块实时采集的风速、转速、变桨角、功率信号值经过频谱分析后与所述转速、功率、应变、振动频谱监测模型的标准转速频谱图、功率频谱图、应变频谱图和振动频谱图进行比对，当对比结果是原频谱能量增加时，对所述风电机组发出提示、报警、停机信号；当对比结果是新频谱能量产生时，对所述风电机组发出提示、报警、停机报警信号；当对比结果是产生频谱偏移时，对所述风电机组发出提示、报警、停机信号。
技术与现有技术相比，具有如下有益效果：
本发明提供的一种风电机组运行状态监测方法，本发明主要是增加了风速的监测，转速的不稳定监测，功率不稳定监测，载荷估算监测，载荷提前估算监测等。主要是，为了减少风电场维护成本，应用多且可靠的监测设备进行运行状态监测，及时发现故障或者提前预测故障。故障预警技术的基本思想是实时监测设备的运行状态，在设备故障产生初期，即设备当前运行状态与正常状态偏差较小时，给出准确的、快速的诊断结果，为检修和运行人员争取更多的故障处理时间与主动性，提高机组设备的可靠性，降低维修成本，减少经济损失。电厂设备在线监测与故障预警系统，针对电力行业发电机组中重要的设备设计并研发的一款智能分析系统，为发电机组的设备监控、预警、检修、辅助决策等提供整体的解决方案。
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例风电机组运行状态监测方法的流程示意图；
图2为本发明实施例阵风幅度大于标准阵风的示例图；
图3为本发明实施例信号处理流程图；
图4为本发明实施例功率随风速的正常变化图；
图5为本发明实施例风轮转速随风速的正常变化图；
图6为本发明实施例变桨角随风速的正常变化图；
图7为本发明实施例功率随风速的实际运行数据及拟合曲线；
图8为本发明实施例变桨角随风速的实际运行数据及拟合曲线；
图9为本发明实施例风轮转速碎风速的实际运行数据及拟合曲线；
图10为本发明实施例理论与实时数据评估监测流程图；
图11为本发明实施例根据实际拟合结果与实时数据评估监测流程图；
图12为本发明实施例根据实时数据评估气动阻尼监测流程图；
图13为本发明实施例风轮转速随时间的变化图；
图14为本发明实施例风轮转速时序变化转换为频率密度图；
图15为本发明实施例原频谱能量增加图；
图16为本发明实施例新频谱能量产生图；
图17为本发明实施例频谱偏移图；
图18为本发明实施例依据理论计算的频谱监测图；
图19为本发明实施例另一个转速变化的趋势图；
图20为本发明实施例经过傅里叶变换后的频谱图；
图21为本发明实施例依据风场历史数据的频谱监测图；
图22为本发明实施例通过频谱分析增功降载的监测图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明提供一种风电机组运行状态监测方法，既能减少风电场的维护成本，又能及时发现故障或提前预测故障。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
图1为本发明实施例风电机组运行状态监测方法的流程示意图，如图1所示，一种风电机组运行状态监测方法，所述方法包括：
获取风电机组历史运行的传感器数据，所述传感器数据包括风速信号、转速信号、变桨角信号、功率信号、应变信号和振动信号；
根据风速信号、转速信号、变桨角信号、功率信号、应变信号和振动信号分别构建风速、转速、变桨角、功率匹配性监测模型和转速、功率、应变、振动频谱监测模型；
采集风电机组的实时运行数据，将所述风电机组的实时运行数据分别与所述风速、转速、变桨角、功率匹配性监测模型、转速、功率、应变、振动频谱监测模型进行对比，确定所述风电机组的当前运行状态。
所述风速、转速、变桨角、功率匹配性监测模型还用于对气动阻尼进行监测，具体包括：
利用实时采集风电机组的转速和风速，计算风电机组的叶尖速比；
根据计算的风电机组的叶尖速比评估叶片失速状态；
根据叶片失速状态系数和实时采集风速计算当前状态的气动阻尼；
根据当前状态的气动阻尼与所述风速、转速、变桨角、功率匹配性监测模型中的标准气动阻尼进行对比，对风电机组的振动损伤进行评估。
所述转速、功率、应变、振动频谱监测模型还用于调节机组载荷和功率，具体包括：
步骤1：对风电机组的转速、功率、应变和振动信号进行实时采集，并将采集到的转速、功率、应变和振动信号进行第一次频谱转化；
步骤2：将第一次频谱转化的结果输入至转速、功率、应变、振动频谱监测模型，根据监测结果调整风轮中至少一个叶片的变桨角；
步骤3：对调整后的风电机组的转速、功率、应变和振动信号进行实时采集，并将采集到的转速、功率、应变和振动信号进行第二次频谱转化；
步骤4：将第二次频谱转化的结果与第一次频谱转化的结果进行比较，如果频谱密度降低、功率增加，则转向步骤5，否则，转向步骤2；
步骤5：继续调整风轮中至少一个叶片的变桨角；
步骤6：对调整后的风电机组的转速、功率、应变和振动信号进行实时采集，并将采集到的转速、功率、应变和振动信号进行若干次频谱转化；
步骤7：将若干次频谱转化的结果与第二次频谱转化的结果进行比较，如果频谱密度降低、功率增加，则转向步骤8，否则，转向步骤5；
步骤8：监测结束。
所述构建风速、转速、变桨角、功率匹配性监测模型，具体包括：
利用最小二乘线性拟合法，将风电机组的转速、风速、变桨角、功率进行拟合，生成转速、风速、变桨角、功率相关的若干曲线；
根据生成转速、风速、变桨角、功率相关的若干曲线建立风速、转速、变桨角、功率匹配性监测模型。
基于风速的拟合曲线是设计中惯用的方法，所述构建风速、转速、变桨角、功率匹配性监测模型，具体包括：
利用最小二乘线性拟合法，将不同的风速值分别与风电机组历史运行的转速进行拟合，获得所述风电机组转速和风速的若干拟合曲线；
利用最小二乘线性拟合法，将不同的风速值分别与风电机组历史运行的变桨角进行拟合，获得所述风电机组变桨角和风速的若干拟合曲线；
利用最小二乘线性拟合法，将不同的风速值分别与风电机组历史运行的功率进行拟合，获得所述风电机组功率和风速的若干拟合曲线；
根据所述风电机组转速和风速的若干拟合曲线、风电机组变桨角和风速的若干拟合曲线、所述风电机组功率和风速的若干拟合曲线建立风速、转速、变桨角、功率匹配性监测模型。
基于风速的拟合曲线是设计中惯用的方法，但是由于风速存在不确定性，风速传感器监测结果较转速、功率、应变和振动等监测结果误差较大，但是转速比较稳定时，就可以：
利用最小二乘线性拟合法，将不同的转速值分别与风电机组历史运行的风速进行拟合，获得所述风电机组风速和转速的若干拟合曲线；
利用最小二乘线性拟合法，将不同的转速值分别与风电机组历史运行的变桨角进行拟合，获得所述风电机组变桨角和转速的若干拟合曲线；
利用最小二乘线性拟合法，将不同的转速值分别与风电机组历史运行的功率进行拟合，获得所述风电机组功率和转速的若干拟合曲线；
根据所述风电机组风速和转速的若干拟合曲线、风电机组变桨角和转速的若干拟合曲线、所述风电机组功率和转速的若干拟合曲线建立风速、转速、变桨角、功率匹配性监测模型。
基于风速的拟合曲线是设计中惯用的方法，但是由于风速存在不确定性，风速传感器监测结果较转速、功率、应变和振动等监测结果误差较大，但是变桨角比较稳定时，就可以：
利用最小二乘线性拟合法，将不同的变桨角值分别与风电机组历史运行的风速进行拟合，获得所述风电机组风速和变桨角的若干拟合曲线；
利用最小二乘线性拟合法，将不同的变桨角值分别与风电机组历史运行的转速进行拟合，获得所述风电机组转速和变桨角的若干拟合曲线；
利用最小二乘线性拟合法，将不同的变桨角值分别与风电机组历史运行的功率进行拟合，获得所述风电机组功率和变桨角的若干拟合曲线；
根据所述风电机组风速和变桨角的若干拟合曲线、风电机组转速和变桨角的若干拟合曲线、所述风电机组功率和变桨角的若干拟合曲线建立风速、转速、变桨角、功率匹配性监测模型。
基于风速的拟合曲线是设计中惯用的方法，但是由于风速存在不确定性，风速传感器监测结果较转速、功率、应变和振动等监测结果误差较大，但是功率比较稳定时，就可以：
利用最小二乘线性拟合法，将不同的功率值分别与风电机组历史运行的风速进行拟合，获得所述风电机组风速和功率的若干拟合曲线；
利用最小二乘线性拟合法，将不同的功率值分别与风电机组历史运行的转速进行拟合，获得所述风电机组转速和功率的若干拟合曲线；
利用最小二乘线性拟合法，将不同的变桨角值分别与风电机组历史运行的功率进行拟合，获得所述风电机组变桨角和功率的若干拟合曲线；
根据所述风电机组风速和功率的若干拟合曲线、风电机组转速和功率的若干拟合曲线、所述风电机组变桨角和功率的若干拟合曲线建立风速、转速、变桨角、功率匹配性监测模型。
利用最小二乘法的拟合时候，曲线不是标准的某一个多项式，在某一个小的范围内，比如风速是3～5m/s时候用一个最小二乘法拟合一个曲线，然后5～9m/s时候再拟合一段曲线，以此类推。
所述建构转速、功率、应变、振动频谱监测模型，具体包括：
根据所述风电机组的转速信号、功率信号、应变信号和振动信号随时间的变化分别绘制出风电机组的转速时序图、功率时序图、应变时序图和振动时序图；
将所述风电机组的转速时序图、功率时序图、应变时序图和振动时序图分别经过傅里叶变换后得到转速频谱图、功率频谱图、应变频谱图和振动频谱图；
根据所述转速频谱图、功率频谱图、应变频谱图和振动频谱图建立转速、功率、应变、振动频谱监测模型。
所述采集风电机组的实时运行数据，将所述风电机组的实时运行数据分别与所述风速、转速、变桨角、功率匹配性监测模型、转速、功率、应变、振动频谱监测模型进行对比，确定所述风电机组的当前运行状态，具体包括：
利用传感器实时采集风电机组的风速信号、转速信号、变桨角信号、功率信号、应变信号和振动信号；
将所述实时采集的风速信号、转速信号、变桨角信号、功率信号与所述风速、转速、变桨角、功率匹配性监测模型的标准风速、转速、变桨角、功率进行对比和将所述实时采集的转速信号、功率信号、应变信号、振动信号经过频谱分析后与所述转速、功率、应变、振动频谱监测模型的标准转速频谱图、功率频谱图、应变频谱图和振动频谱图进行对比，对所述风电机组进行提示、报警或停机检查。
一种风电机组运行状态监测方法的控制系统，包括第一数据采集模块、第二数据采集模块、第一提示装置、第一报警装置、第一停机装置、第二提示装置、第二报警装置、第二停机装置、风速、转速、变桨角、功率匹配性监测模型和转速、功率、应变、振动频谱监测模型，所述风速、转速、变桨角、功率匹配性监测模型包括第一控制器，所述转速、功率、应变、振动频谱监测模型包括第二控制器，所述第一数据采集模块、第二数据采集模块分别与所述第一控制器、第二控制器的输入端相连接，所述第一控制器的输出端分别与所述第一提示装置、第一报警装置、第一停机装置相连接，所述第二控制器的输出端分别与所述第二提示装置、第二报警装置、第二停机装置相连接。
根据所述第一采集模块实时采集的风速、转速、变桨角、功率信号值与所述转速、功率、应变、振动频谱监测模型中的标准风速、转速、变桨角、功率信号值进行对比，当所述实时采集的风速、转速、变桨角、功率信号值与标准风速、转速、变桨角、功率信号值之间的偏差值大于第一设定值时，对所述风电机组发出提示信号；当所述实时采集的风速、转速、变桨角、功率信号值与标准风速、转速、变桨角、功率信号值之间的偏差值大于第二设定值时，对所述风电机组发出报警信号；当所述实时采集的风速、转速、变桨角、功率信号值与标准风速、转速、变桨角、功率信号值之间的偏差值大于第三设定值时，对所述风电机组发出停机信号。
所述第一控制器包括第一设定值、第二设定值和第三设定值，所述第一设定值为5％，第二设定值为10％，第三设定值为20％。
将所述第二采集模块实时采集的风速、转速、变桨角、功率信号值经过频谱分析后与所述转速、功率、应变、振动频谱监测模型的标准转速频谱图、功率频谱图、应变频谱图和振动频谱图进行比对，当对比结果是原频谱能量增加时，对所述风电机组发出提示、报警、停机信号；当对比结果是新频谱能量产生时，对所述风电机组发出提示、报警、停机报警信号；当对比结果是产生频谱偏移时，对所述风电机组发出提示、报警、停机信号。
阵风要求风机有快速的变桨响应，如果变桨机构不能及时响应，随着风速的增加，叶片攻角增加，严重时候会造成叶片部分截面失速，引起负的气动阻尼，载荷迅速增加。超出规定风况标准的阵风监测，通过与业内制定的标准风况进行对比，识别超出标准风况的情况，这些情形在设计过程中是欠缺考虑的。以下三个图示介绍了三种超出标准风况的案例，实际阵风幅度均大于标准，也就是说实际的受力情况较设计严重。
因此，当阵风幅度大于标准阵风，进行提示，如图2所示，一般地，阵风幅度大于5％均进行提示，也可以在5～20％；当阵风大于10％进行报警，也可以在10～30％；当阵风大于15％进行停机，这一数值也可以在标准数值的15％以上。
风速、转速、变桨角与功率匹配状态监测：当转速、变桨角和功率的偏差大于5％均进行提示，也可以在5～20％；当偏差大于10％进行报警，也可以在10～30％；当偏差大于20％进行停机，这一数值也可以在标准数值的20％以上。而风速的评估是存在误差的，这样我们可以将转速或者变桨角、功率等进行匹配，来分析偏差存在。两者或者三者以上耦合匹配，监测某一变量，超出规定范围进行相应的调整。匹配是在一个连续的时间段内或者相差不多的时间段内，比如30s，也可以是10s、60s、10min，根据我们预先得到的风机运行规律，自动寻找这些参数的偏差。当然，由于风速的波动性，偏差是时时刻刻存在的，也存在一些突变，所以将很多的数据点进行综合比对，来分析这些偏差是否能够影响机组寿命，这种分析手段是没有函数的，就是在前面所述的30s内，这种偏差是一直存在的，我们就认为机组是不正常运行的。
一般情况下，风速、转速、变桨角和功率是存在一定对应关系的，关于耦合评估，我们认为上述四个变量是存在对应关系的，如图4、5、6，都是关于风速的变化曲线。因为由于风流，引起机组的转动、变桨、产出能源，所以一般以风速为横坐标。如上所述，风速在监测时，误差是比较大的，但是在某一特定风速下，机组的转速、变桨角、功率都是一定的，如图4、5、6所述的某一型号机组来说，当风速是6m/s时候，转速约12rpm，功率约250kW，变桨角约0°。也就是说，在转速是12rpm时候，功率是250kW，变桨角是0°，这三个参数的监测误差是很小的。
对于三者耦合监测，是当我们监测功率与转速的偏差时候，根据对应关系，功率在900kW～2000kW，机组的转速是18rpm，这时候我们无法得到机组是否出现了问题，这时候我们就把变桨角拿进来一起监测，因为在功率是900kW～2000kW时候，它的变桨角是存在一些变化的，而变桨角在900kW～1900kW也一直是0°，这样我们要把风速拿进来一起监测。当然，这个只是一种举例，我们把变桨角和转速一起监测时候，当无法确认是否出现问题时候，把功率拿进来监测，然后再把风速拿进来监测，这样得到机组是否出现了问题。
具体监测的方法，就是与既定的数值的偏差来确认。这个在理论中是能够得到的，如图4、5、6，某风机转速、变桨角和功率随风速呈合理趋势变化。这种合理趋势是理论计算的，与实际可能有误差，我们可以根据风场的运行数据，拟合出风机的风速、转速、变桨角与功率运行曲线，如图7、8、9所示，这种拟合方式是根据运行的大数据结果，首先可以把异常的点剔除完成后进行。这些实际运行数据也是存在一定合理关系的，也就是大致与理论计算结果近似。拟合方式首选是功率为三次加一次方程，转速是多个一次方程，变桨角是三次加一次方程。但是并不局限于这种拟合方式，可以为其他多项式，样条曲线、趋势线等。然后以此为依据进行判定风机是否正常，如图10和11所示。
正常运行风况对机组运行基本是安全的。而在多种情况下，载荷是不确定甚至大于机组承受载荷，比如风轮超速、叶片长时间处于失速运行、超强台风。当风轮超速，已经有成熟的监测方法来避免风险，在超强台风下，也有控制或者加强方法来规避或减弱。
本发明主要是通过叶片进入失速状态来评测机组是否出现问题，这个是基于气动阻尼来评测机组发生振动损伤的风险，如图12所示，这种情况下气动阻尼一般为负值，当阻尼值达到某个限定状态后，发生载荷扩散，直至部件产生损伤。当气动阻尼小于-0.002时提示，小于-0.005时报警，小于-0.007时停机，当然这是推荐的数值，可以进行调整。我们在监测时候，根据转速和风速评定。而转速与风速的比值即为叶尖速比，来评估叶片失速状态，就是如果转速不变，风速增加，叶片攻角增加，此时叶尖速比减小，而当风速增加到一定程度，攻角进入失速状态。再把风速考虑进去，来评估这种状态下的气动阻尼。也就是说，当失速状态系数*风速即与气动阻尼呈一定比值关系。
由于功率和风速的波动，气动阻尼的监测是在10s或者更多的时间段内，比方说20s、30s、10min等。如果在某一个时间段内连续出现气动阻尼为负值，或者这个时间段内，大部分气动阻尼出现不寻常，我们认为机组可能出现问题。
频谱监测是在理论计算时候得到机组的频谱，如图18所示，这些数据是不需要拟合的，振动的频谱曲线的趋势与理论计算的基本一致，如图19和20，因为同样是应用时序的运行数据来通过变换得到的，如图13、14所示，不会出现更多的数据点。在上面只是举例了一个转速的频谱图，这是在某一风速下得到的，在其他风速，不同的湍流强度，也会产生有些差异的频谱图。所以，进行比较时候我们会针对某一个变量不产生变化时候，来分析这个频谱是否有问题，然后与实际机组的转速、功率、应变、振动等的频谱进行比对，查看是否有不正常频谱发生。1、当某个谱密度增加，可能产生了振动，当增加10％以上时候，就可能造成损伤，如图15所示；当然这个10％是可以调整的，比方是10％～100％或者更大。2、当出现了一个新的谱密度能量，由于作用于叶片上的气流脱落涡产生了振动，或者机组某些部件松动或者损伤产生了新的频谱，如图16所示；3、当频谱出现了偏移，如图17所示，这样部件出现了问题，可能是轻微损伤也可能是连接问题。这个时候是问题监测，不能达到预防的目的。
根据运行参数随时间的变化，通过傅里叶等变换得到频谱，如图21所示。理论计算与实际运行机组也存在差异，也可以根据特定机组的历史运行数据，得到该机组转速和功率等的频谱，以此为参考，再来监测未来机组运行情况。当存在一个新的频率产生了较大的密度，或者原来的频谱密度增加很大。
采用转速、功率、应变、振动频谱监测模型能够使机组降载，如图22所示。当风机运行较长时间后，叶片出现外形变化或者变桨轴承出现位移。这样都会使机组载荷增加，也可能引起功率下降。所以提供了通过频谱分析的方法，来改善机组载荷和功率。主要是通过监测风轮的转速来实现的，也可以进行对功率、变桨角、振动等其他输出信号进行监测。这样通过调整一个风轮中某一个或者一个以上叶片的变桨角，来使频率密度降低，使功率增加或者保持不变。从而，调整叶片的变桨角可以是一个叶片，也可以是两个及以上，最终达到我们预期。当然，我们的预期是频率密度降低，功率增加，所以，当预期达到时候，我们也可以进行再循环，直到频率密度最低，功率最佳。
覆冰或雪的监测：当叶片表面有积雪或者冰时，一个风轮的叶片的表面覆冰或雪不会完全一致，这样会出现不同的重力矩。在更多情况下，叶片表面的冰雪使气动外形出现变化，不仅仅会出现重力矩不平衡，也会使气动力矩不平衡，这就导致了作用于风轮或其他部件的波动性增加。而另一方面，由于气动外形出现了变化，引起了功率不会与预想的一致。
产生不平衡的波动，采用转速、功率、应变、振动频谱监测模型中的频谱监测来获得，如果把冰雪与叶片看做一体，这个也可以定性的认为机组出现了损伤或者部件出现了问题。
当气动外形出现变化，会引起功率、转速、风速、变桨角出现偏差，这个可以通过的风速、转速、变桨角与功率匹配性监测模型来进行监测。所以，覆冰雪最终会引起频谱和匹配状态的双重偏差。监测结果可以与应变、振动和载荷等的监测组成一个系统，反馈给主控平台。机组存在应变测试、振动位移加速度测试和载荷测量等时，与这些结果一起进行分析，评测机组运行状态。可以使用其中一种或者多种监测和评估方法。
本发明提供的一种风电机组运行状态监测方法，本发明主要是增加了风速的监测，转速的不稳定监测，功率不稳定监测，载荷估算监测，载荷提前估算监测等。主要是，为了减少风电场维护成本，应用多且可靠的监测设备进行运行状态监测，及时发现故障或者提前预测故障。故障预警技术的基本思想是实时监测设备的运行状态，在设备故障产生初期，即设备当前运行状态与正常状态偏差较小时，给出准确的、快速的诊断结果，为检修和运行人员争取更多的故障处理时间与主动性，提高机组设备的可靠性，降低维修成本，减少经济损失。电厂设备在线监测与故障预警系统，针对电力行业发电机组中重要的设备设计并研发的一款智能分析系统，为发电机组的设备监控、预警、检修、辅助决策等提供整体的解决方案。本发明提供一种风电机组运行状态监测方法，既能减少风电场的维护成本，又能及时发现故障或提前预测故障。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种风电机组运行状态监测方法，其特征在于，所述方法包括：
获取风电机组历史运行的传感器数据，所述传感器数据包括风速信号、转速信号、变桨角信号、功率信号、应变信号和振动信号；
根据风速信号、转速信号、变桨角信号、功率信号、应变信号和振动信号分别构建风速、转速、变桨角、功率匹配性监测模型和转速、功率、应变、振动频谱监测模型；
采集风电机组的实时运行数据，将所述风电机组的实时运行数据分别与所述风速、转速、变桨角、功率匹配性监测模型、转速、功率、应变、振动频谱监测模型进行对比，确定所述风电机组的当前运行状态。
2.根据权利要求1所述的风电机组运行状态监测方法，其特征在于，所述风速、转速、变桨角、功率匹配性监测模型还用于对气动阻尼进行监测，具体包括：
利用实时采集风电机组的转速和风速，计算风电机组的叶尖速比；
根据计算的风电机组的叶尖速比评估叶片失速状态；
根据叶片失速状态系数和实时采集风速计算当前状态的气动阻尼；
根据当前状态的气动阻尼与所述风速、转速、变桨角、功率匹配性监测模型中的标准气动阻尼进行对比，对风电机组的振动损伤进行评估。
3.根据权利要求1所述的风电机组运行状态监测方法，其特征在于，所述转速、功率、应变、振动频谱监测模型还用于调节机组载荷和功率，具体包括：
步骤1：对风电机组的转速、功率、应变和振动信号进行实时采集，并将采集到的转速、功率、应变和振动信号进行第一次频谱转化；
步骤2：将第一次频谱转化的结果输入至转速、功率、应变、振动频谱监测模型，根据监测结果调整风轮中至少一个叶片的变桨角；
步骤3：对调整后的风电机组的转速、功率、应变和振动信号进行实时采集，并将采集到的转速、功率、应变和振动信号进行第二次频谱转化；
步骤4：将第二次频谱转化的结果与第一次频谱转化的结果进行比较，如果频谱密度降低、功率增加，则转向步骤5，否则，转向步骤2；
步骤5：继续调整风轮中至少一个叶片的变桨角；
步骤6：对调整后的风电机组的转速、功率、应变和振动信号进行实时采集，并将采集到的转速、功率、应变和振动信号进行若干次频谱转化；
步骤7：将若干次频谱转化的结果与第二次频谱转化的结果进行比较，如果频谱密度降低、功率增加，则转向步骤8，否则，转向步骤5；
步骤8：监测结束。
4.根据权利要求1所述的风电机组运行状态监测方法，其特征在于，所述构建风速、转速、变桨角、功率匹配性监测模型，具体包括：
利用最小二乘线性拟合法，将风电机组的转速、风速、变桨角、功率进行拟合，生成转速、风速、变桨角、功率相关的若干曲线；
根据生成转速、风速、变桨角、功率相关的若干曲线建立风速、转速、变桨角、功率匹配性监测模型。
5.根据权利要求1所述的风电机组运行状态监测方法，其特征在于，所述建构转速、功率、应变、振动频谱监测模型，具体包括：
根据所述风电机组的转速信号、功率信号、应变信号和振动信号随时间的变化分别绘制出风电机组的转速时序图、功率时序图、应变时序图和振动时序图；
将所述风电机组的转速时序图、功率时序图、应变时序图和振动时序图分别经过傅里叶变换后得到转速频谱图、功率频谱图、应变频谱图和振动频谱图；
根据所述转速频谱图、功率频谱图、应变频谱图和振动频谱图建立转速、功率、应变、振动频谱监测模型。
6.根据权利要求1所述的风电机组运行状态监测方法，其特征在于，所述采集风电机组的实时运行数据，将所述风电机组的实时运行数据分别与所述风速、转速、变桨角、功率匹配性监测模型、转速、功率、应变、振动频谱监测模型进行对比，确定所述风电机组的当前运行状态，具体包括：
利用传感器实时采集风电机组的风速信号、转速信号、变桨角信号、功率信号、应变信号和振动信号；
将所述实时采集的风速信号、转速信号、变桨角信号、功率信号与所述风速、转速、变桨角、功率匹配性监测模型的标准风速、转速、变桨角、功率进行对比和将所述实时采集的转速信号、功率信号、应变信号、振动信号经过频谱分析后与所述转速、功率、应变、振动频谱监测模型的标准转速频谱图、功率频谱图、应变频谱图和振动频谱图进行对比，对所述风电机组进行提示、报警或停机检查。
7.一种基于权力要求1所述的风电机组运行状态监测方法的控制系统，其特征在于，包括第一数据采集模块、第二数据采集模块、第一提示装置、第一报警装置、第一停机装置、第二提示装置、第二报警装置、第二停机装置、风速、转速、变桨角、功率匹配性监测模型和转速、功率、应变、振动频谱监测模型，所述风速、转速、变桨角、功率匹配性监测模型包括第一控制器，所述转速、功率、应变、振动频谱监测模型包括第二控制器，所述第一数据采集模块、第二数据采集模块分别与所述第一控制器、第二控制器的输入端相连接，所述第一控制器的输出端分别与所述第一提示装置、第一报警装置、第一停机装置相连接，所述第二控制器的输出端分别与所述第二提示装置、第二报警装置、第二停机装置相连接。
8.根据权利要求7所述的风电机组运行状态监测方法的控制系统，其特征在于，根据所述第一采集模块实时采集的风速、转速、变桨角、功率信号值与所述转速、功率、应变、振动频谱监测模型中的标准风速、转速、变桨角、功率信号值进行对比，当所述实时采集的风速、转速、变桨角、功率信号值与标准风速、转速、变桨角、功率信号值之间的偏差值大于第一设定值时，对所述风电机组发出提示信号；当所述实时采集的风速、转速、变桨角、功率信号值与标准风速、转速、变桨角、功率信号值之间的偏差值大于第二设定值时，对所述风电机组发出报警信号；当所述实时采集的风速、转速、变桨角、功率信号值与标准风速、转速、变桨角、功率信号值之间的偏差值大于第三设定值时，对所述风电机组发出停机信号。
9.根据权利要求8所述的风电机组运行状态监测方法的控制系统，其特征在于，所述第一控制器包括第一设定值、第二设定值和第三设定值，所述第一设定值为5％，第二设定值为10％，第三设定值为20％。
10.根据权利要求7所述的风电机组运行状态监测方法的控制系统，其特征在于，将所述第二采集模块实时采集的风速、转速、变桨角、功率信号值经过频谱分析后与所述转速、功率、应变、振动频谱监测模型的标准转速频谱图、功率频谱图、应变频谱图和振动频谱图进行比对，当对比结果是原频谱能量增加时，对所述风电机组发出提示、报警、停机信号；当对比结果是新频谱能量产生时，对所述风电机组发出提示、报警、停机报警信号；当对比结果是产生频谱偏移时，对所述风电机组发出提示、报警、停机信号。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910371231.6A CN110005580B (zh) | 2019-05-06 | 2019-05-06 | 一种风电机组运行状态监测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910371231.6A CN110005580B (zh) | 2019-05-06 | 2019-05-06 | 一种风电机组运行状态监测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110005580A true CN110005580A (zh) | 2019-07-12 |
| CN110005580B CN110005580B (zh) | 2020-06-02 |
Family
ID=67175745
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910371231.6A Active CN110005580B (zh) | 2019-05-06 | 2019-05-06 | 一种风电机组运行状态监测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110005580B (zh) |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110863945A (zh) * | 2019-12-03 | 2020-03-06 | 中国船舶重工集团海装风电股份有限公司 | 一种叶片控制系统、方法、装置及可读存储介质 |
| CN112065668A (zh) * | 2020-09-08 | 2020-12-11 | 沈阳工业大学 | 一种风电机组状态异常评估方法及系统 |
| CN112177861A (zh) * | 2020-08-28 | 2021-01-05 | 盐城工学院 | 一种风力发电机运维系统 |
| CN112177862A (zh) * | 2020-08-28 | 2021-01-05 | 盐城工学院 | 一种风力发电机运维系统的运维方法 |
| CN113565700A (zh) * | 2021-08-17 | 2021-10-29 | 国能信控互联技术(河北)有限公司 | 基于变桨系统的风机叶片状态在线监测装置及方法 |
| CN113565699A (zh) * | 2021-08-13 | 2021-10-29 | 远景智能国际私人投资有限公司 | 风力发电机组的桨距角的检测方法、装置及系统 |
| CN114135449A (zh) * | 2021-12-09 | 2022-03-04 | 哈电风能有限公司 | 风电机组叶片故障预警方法 |
| CN115478992A (zh) * | 2022-09-22 | 2022-12-16 | 贵州粤电从江风能有限公司 | 风力发电机监测方法及相关设备 |
| CN117738844A (zh) * | 2024-02-20 | 2024-03-22 | 威海亨策新能源科技有限公司 | 一种农业新能源风力发电控制系统及控制方法 |
| CN118462507A (zh) * | 2024-07-09 | 2024-08-09 | 华能信息技术有限公司 | 一种用于风电机组的振动分析方法 |
Citations (19)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101539113A (zh) * | 2008-03-17 | 2009-09-23 | 西门子公司 | 确定风力涡轮机塔架的谐振频率的装置和方法 |
| CN101713997A (zh) * | 2008-10-01 | 2010-05-26 | 西门子公司 | 风力涡轮机的状态监测方法和系统 |
| CN102270271A (zh) * | 2011-05-03 | 2011-12-07 | 北京中瑞泰科技有限公司 | 基于相似度曲线的设备故障早期预警及优化的方法和系统 |
| CN103150473A (zh) * | 2013-03-01 | 2013-06-12 | 风脉（武汉）可再生能源技术有限责任公司 | 一种风电机组发电效率实时监控诊断方法及装置 |
| CN103226651A (zh) * | 2013-03-23 | 2013-07-31 | 中国水利电力物资有限公司 | 基于相似度统计的风电机组状态评估预警方法和系统 |
| CN103234753A (zh) * | 2013-04-11 | 2013-08-07 | 华北电力大学 | 基于高斯过程建模的风电机组轴系状态监测方法 |
| CN103294891A (zh) * | 2013-03-23 | 2013-09-11 | 中国水利电力物资有限公司 | 一种基于历史故障数据的风电机组状态评估方法和系统 |
| CN103362756A (zh) * | 2012-07-09 | 2013-10-23 | Sm器械株式会社 | 风力发电机状态监视系统报警生成方法 |
| CN104019000A (zh) * | 2014-06-23 | 2014-09-03 | 宁夏银星能源股份有限公司 | 风力发电机组的载荷谱测定与前瞻性维护系统 |
| CN104329222A (zh) * | 2014-10-09 | 2015-02-04 | 国电南瑞科技股份有限公司 | 一种集成于风机主控系统内的在线状态监测与故障诊断方法 |
| US20160033580A1 (en) * | 2012-05-29 | 2016-02-04 | Board Of Regents Of The University Of Nebraska | Detecting Faults in Turbine Generators |
| CN105569932A (zh) * | 2016-01-08 | 2016-05-11 | 新疆金风科技股份有限公司 | 风电机组动态不平衡在线检测和故障辨识方法及系统 |
| CN105673356A (zh) * | 2016-02-29 | 2016-06-15 | 新疆金风科技股份有限公司 | 监测风电机组偏航制动系统运行状态的方法、装置及系统 |
| CN105756864A (zh) * | 2016-04-15 | 2016-07-13 | 浙江运达风电股份有限公司 | 基于双馈风力发电机组定子电流的桨叶不平衡故障诊断方法 |
| CN106438198A (zh) * | 2016-09-22 | 2017-02-22 | 浙江运达风电股份有限公司 | 一种基于大数据的风电机组自动对风方法及系统 |
| CN106468244A (zh) * | 2015-08-21 | 2017-03-01 | 王昭男 | 风力发电机的叶片检测方法与装置 |
| CN107676230A (zh) * | 2017-10-12 | 2018-02-09 | 佛山伊贝尔科技有限公司 | 一种涡轮机性能监测方法 |
| CN108488038A (zh) * | 2018-03-27 | 2018-09-04 | 中南大学 | 一种风力发电机组的偏航控制方法 |
| CN109209786A (zh) * | 2018-11-29 | 2019-01-15 | 王壮 | 一种风力发电机组故障检测方法 |
-
2019
- 2019-05-06 CN CN201910371231.6A patent/CN110005580B/zh active Active
Patent Citations (19)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101539113A (zh) * | 2008-03-17 | 2009-09-23 | 西门子公司 | 确定风力涡轮机塔架的谐振频率的装置和方法 |
| CN101713997A (zh) * | 2008-10-01 | 2010-05-26 | 西门子公司 | 风力涡轮机的状态监测方法和系统 |
| CN102270271A (zh) * | 2011-05-03 | 2011-12-07 | 北京中瑞泰科技有限公司 | 基于相似度曲线的设备故障早期预警及优化的方法和系统 |
| US20160033580A1 (en) * | 2012-05-29 | 2016-02-04 | Board Of Regents Of The University Of Nebraska | Detecting Faults in Turbine Generators |
| CN103362756A (zh) * | 2012-07-09 | 2013-10-23 | Sm器械株式会社 | 风力发电机状态监视系统报警生成方法 |
| CN103150473A (zh) * | 2013-03-01 | 2013-06-12 | 风脉（武汉）可再生能源技术有限责任公司 | 一种风电机组发电效率实时监控诊断方法及装置 |
| CN103226651A (zh) * | 2013-03-23 | 2013-07-31 | 中国水利电力物资有限公司 | 基于相似度统计的风电机组状态评估预警方法和系统 |
| CN103294891A (zh) * | 2013-03-23 | 2013-09-11 | 中国水利电力物资有限公司 | 一种基于历史故障数据的风电机组状态评估方法和系统 |
| CN103234753A (zh) * | 2013-04-11 | 2013-08-07 | 华北电力大学 | 基于高斯过程建模的风电机组轴系状态监测方法 |
| CN104019000A (zh) * | 2014-06-23 | 2014-09-03 | 宁夏银星能源股份有限公司 | 风力发电机组的载荷谱测定与前瞻性维护系统 |
| CN104329222A (zh) * | 2014-10-09 | 2015-02-04 | 国电南瑞科技股份有限公司 | 一种集成于风机主控系统内的在线状态监测与故障诊断方法 |
| CN106468244A (zh) * | 2015-08-21 | 2017-03-01 | 王昭男 | 风力发电机的叶片检测方法与装置 |
| CN105569932A (zh) * | 2016-01-08 | 2016-05-11 | 新疆金风科技股份有限公司 | 风电机组动态不平衡在线检测和故障辨识方法及系统 |
| CN105673356A (zh) * | 2016-02-29 | 2016-06-15 | 新疆金风科技股份有限公司 | 监测风电机组偏航制动系统运行状态的方法、装置及系统 |
| CN105756864A (zh) * | 2016-04-15 | 2016-07-13 | 浙江运达风电股份有限公司 | 基于双馈风力发电机组定子电流的桨叶不平衡故障诊断方法 |
| CN106438198A (zh) * | 2016-09-22 | 2017-02-22 | 浙江运达风电股份有限公司 | 一种基于大数据的风电机组自动对风方法及系统 |
| CN107676230A (zh) * | 2017-10-12 | 2018-02-09 | 佛山伊贝尔科技有限公司 | 一种涡轮机性能监测方法 |
| CN108488038A (zh) * | 2018-03-27 | 2018-09-04 | 中南大学 | 一种风力发电机组的偏航控制方法 |
| CN109209786A (zh) * | 2018-11-29 | 2019-01-15 | 王壮 | 一种风力发电机组故障检测方法 |
Cited By (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110863945A (zh) * | 2019-12-03 | 2020-03-06 | 中国船舶重工集团海装风电股份有限公司 | 一种叶片控制系统、方法、装置及可读存储介质 |
| CN112177861A (zh) * | 2020-08-28 | 2021-01-05 | 盐城工学院 | 一种风力发电机运维系统 |
| CN112177862A (zh) * | 2020-08-28 | 2021-01-05 | 盐城工学院 | 一种风力发电机运维系统的运维方法 |
| CN112065668A (zh) * | 2020-09-08 | 2020-12-11 | 沈阳工业大学 | 一种风电机组状态异常评估方法及系统 |
| CN113565699B (zh) * | 2021-08-13 | 2023-09-12 | 远景智能国际私人投资有限公司 | 风力发电机组的桨距角的检测方法、装置及系统 |
| CN113565699A (zh) * | 2021-08-13 | 2021-10-29 | 远景智能国际私人投资有限公司 | 风力发电机组的桨距角的检测方法、装置及系统 |
| CN113565700A (zh) * | 2021-08-17 | 2021-10-29 | 国能信控互联技术(河北)有限公司 | 基于变桨系统的风机叶片状态在线监测装置及方法 |
| CN114135449A (zh) * | 2021-12-09 | 2022-03-04 | 哈电风能有限公司 | 风电机组叶片故障预警方法 |
| CN114135449B (zh) * | 2021-12-09 | 2024-03-26 | 哈电风能有限公司 | 风电机组叶片故障预警方法 |
| CN115478992A (zh) * | 2022-09-22 | 2022-12-16 | 贵州粤电从江风能有限公司 | 风力发电机监测方法及相关设备 |
| CN117738844A (zh) * | 2024-02-20 | 2024-03-22 | 威海亨策新能源科技有限公司 | 一种农业新能源风力发电控制系统及控制方法 |
| CN117738844B (zh) * | 2024-02-20 | 2024-04-30 | 威海亨策新能源科技有限公司 | 一种农业新能源风力发电控制系统及控制方法 |
| CN118462507A (zh) * | 2024-07-09 | 2024-08-09 | 华能信息技术有限公司 | 一种用于风电机组的振动分析方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110005580B (zh) | 2020-06-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110005580A (zh) | 一种风电机组运行状态监测方法 | |
| US7895018B2 (en) | Event monitoring via combination of signals | |
| CN107192446B (zh) | 风力发电机组塔筒固有频率监测方法 | |
| CN105760617A (zh) | 一种应用于风力发电机组的多参量故障预测判定指标的计算方法 | |
| CN103234753A (zh) | 基于高斯过程建模的风电机组轴系状态监测方法 | |
| CN104019000A (zh) | 风力发电机组的载荷谱测定与前瞻性维护系统 | |
| CN102678453A (zh) | 检测风力涡轮机转叶系统叶片桨距角失衡的方法和装置 | |
| CN102022263A (zh) | 用以调节风轮机中部件警报水平的方法和系统 | |
| CN106704103B (zh) | 一种基于叶片参数自学习的风电机组功率曲线获取方法 | |
| Li et al. | Imbalance fault detection based on the integrated analysis strategy for variable-speed wind turbines | |
| CN103940611A (zh) | 一种风电机组变工况下滚动轴承自适应异常检测方法 | |
| KR101358397B1 (ko) | 가속도 센서 및 출력 전력에 기반하는 풍력 발전기의 고장진단장치 및 고장 진단 방법 | |
| Przysowa | Blade vibration monitoring in a low-pressure steam turbine | |
| Wiggelinkhuizen et al. | CONMOW: Condition monitoring for offshore wind farms | |
| CN105332862B (zh) | 用于检测风力发电机组工作状态的方法、装置和系统 | |
| CN108760037B (zh) | 一种基于频谱分析的风力发电机叶片结构损伤检测方法 | |
| CN111103136A (zh) | 基于scada数据分析的风机齿轮箱故障检测方法 | |
| CN104061122B (zh) | 一种皮带张力自动监测系统和监测方法及风电机变桨系统 | |
| Wang et al. | Dynamic characteristics of the planetary gear train excited by time-varying meshing stiffness in the wind turbine | |
| CN116398378B (zh) | 一种风电机组叶片多维状态监测装置及方法 | |
| Liu et al. | Data-driven fault identification of ageing wind turbine | |
| CN115929569A (zh) | 一种风电机组变桨系统故障诊断方法 | |
| Martin | KAStrion project: a new concept for the condition monitoring of wind turbines | |
| CN115573865A (zh) | 一种设备温度远程监控预警分析系统 | |
| US20220291084A1 (en) | System and method for detecting actual slip in a coupling of a rotary shaft |
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 | ||
| CP02 | Change in the address of a patent holder |
Address after: 071000 No. 101-19, building 3, Aidi Zhongchuang space, No. 388, Yufeng Road, Baoding City, Hebei Province Patentee after: Baoding Green Power Wind Power Equipment Technology Co.,Ltd. Address before: 071000 No. 402, unit 2, building 15, ICBC dormitory, No. 112, Renhui street, xinshichang sub district office, Jingxiu District, Baoding City, Hebei Province Patentee before: Baoding Green Power Wind Power Equipment Technology Co.,Ltd. |
|
| CP02 | Change in the address of a patent holder |