CN110309551A - 一种基于数据分析的风电机组发电机温度控制系统及方法 - Google Patents
一种基于数据分析的风电机组发电机温度控制系统及方法 Download PDFInfo
- Publication number
- CN110309551A CN110309551A CN201910496838.7A CN201910496838A CN110309551A CN 110309551 A CN110309551 A CN 110309551A CN 201910496838 A CN201910496838 A CN 201910496838A CN 110309551 A CN110309551 A CN 110309551A
- Authority
- CN
- China
- Prior art keywords
- wind turbines
- temperature
- generator
- life
- data
- 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
- 238000000034 method Methods 0.000 title claims abstract description 30
- 238000007405 data analysis Methods 0.000 title claims abstract description 18
- 238000012545 processing Methods 0.000 claims abstract description 20
- 238000011217 control strategy Methods 0.000 claims abstract description 17
- 238000001514 detection method Methods 0.000 claims abstract description 13
- 230000003862 health status Effects 0.000 claims abstract description 13
- 238000004804 winding Methods 0.000 claims description 15
- 239000011159 matrix material Substances 0.000 claims description 10
- 230000001052 transient effect Effects 0.000 claims description 8
- 230000036541 health Effects 0.000 claims description 6
- 230000033001 locomotion Effects 0.000 claims description 6
- 238000009792 diffusion process Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000005259 measurement Methods 0.000 claims description 3
- 230000005540 biological transmission Effects 0.000 claims description 2
- 238000004891 communication Methods 0.000 claims description 2
- 238000005457 optimization Methods 0.000 abstract description 6
- 230000008859 change Effects 0.000 abstract description 5
- 230000006870 function Effects 0.000 description 18
- 238000004458 analytical method Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- ZZUFCTLCJUWOSV-UHFFFAOYSA-N furosemide Chemical compound C1=C(Cl)C(S(=O)(=O)N)=CC(C(O)=O)=C1NCC1=CC=CO1 ZZUFCTLCJUWOSV-UHFFFAOYSA-N 0.000 description 3
- 230000005611 electricity Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000007792 addition Methods 0.000 description 1
- 230000007850 degeneration Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002045 lasting effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000011897 real-time detection Methods 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 230000000153 supplemental effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D23/00—Control of temperature
- G05D23/19—Control of temperature characterised by the use of electric means
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D23/00—Control of temperature
- G05D23/19—Control of temperature characterised by the use of electric means
- G05D23/1927—Control of temperature characterised by the use of electric means using a plurality of sensors
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/17—Mechanical parametric or variational design
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/04—Ageing analysis or optimisation against ageing
-
- 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
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Geometry (AREA)
- Automation & Control Theory (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Computational Mathematics (AREA)
- Wind Motors (AREA)
Abstract
本发明为一种基于数据分析的风电机组发电机温度控制系统及方法，包括传感器组、控制器、数据处理中心、历史数据上传中心、实时监控中心、实时轴承寿命分析中心、历史数据上传中心和参数估计定时器。基于该系统的动态风电机组发电机温度控制优化方法包括获取风电机组发电机组的实时数据和历史数据，对风电机组进行寿命预测，进行健康状态划分和采用不同的控制策略对风电机组进行控制。本发明的优点是：能够预测风电机组的剩余寿命，便于后期管理；根据风电机组剩余寿命进行策略控制的动态调整，能够使风电机的策略控制更适于该风电机，无需手动更改控制策略，减少人力投入。
Description
技术领域
本发明涉及风电机组控制领域，尤其涉及一种基于数据分析的风电机组发电机温度控制系统及方法。
背景技术
目前风机机组的控制策略大多数是一个静态的策略控制，并没有实时的根据当前发电机轴承的退化程度进行考虑，大多数风场的控制策略更改都是控制版本手动升级，在程序中修改参数值和参数策略对风电机组的发电机的风冷开关进行启停。采用静态的策略控制并不能精确匹配各个不同状态的风机机组，影响发电效率，同时采用控制版本手动升级更改控制策略需要投入大量的时间和精力。
发明内容
本发明主要解决了策略控制无法精确匹配不同状态风机，控制版本更改需要手动升级的问题，提供了一种实时检测风机寿命并能够自动选择相应的策略控制的基于数据分析的风电机组发电机温度控制系统及方法。
本发明解决其技术问题所采用的技术方案是,一种基于数据分析的风电机组发电机温度控制系统，包括：
传感器组，采集发电机组数据；
数据处理中心，存储发电机组轴承温度和转速信息，与控制器和实时监控中心通信；
寿命分析中心，对单台的风电机组进行实时动态寿命预测；
实时监控中心，根据风电机寿命情况划分健康区间，根据健康区间匹配最优温度控制策略；
控制器，根据最优温度控制策略对风电机组进行控制；
历史数据上传中心，接收并存储控制器发送的历史数据。
本发明关注于风电机组发电机中各个部位的温度的变化，利用风电机组温度和转速预测风电机剩余寿命并进行健康区域划分，根据风电机剩余寿命对发电机的风冷控制做实时的控制策略优化。
作为上述方案的一种优选方案，所述数据处理中心，历史数据上传中心，实时监控中心，实时轴承寿命分析中心都处于单独的服务器中。能够提高系统的稳定性。
作为上述方案的一种优选方案，所述传感器组、控制器、数据处理中心、实时监控中心和实时轴承寿命分析中心顺序相连。
作为上述方案的一种优选方案，还包括参数估计定时器，用于定时触发寿命分析中心对风电机组进行寿命预测。
作为上述方案的一种优选方案，所述发电机组数据包括发电机驱动端轴承温度，发电机非驱动端轴承温度，机舱温度，发电机转速，滑环室温度，发电机绕组L1温度，发电机绕组L2温度和发电机绕组L3温度。
本发明还提供一种基于数据分析的风电机组发电机温度控制方法，采用上述一种动态风电机组发电机温度控制优化系统进行优化，包括以下步骤：
S1：获取风电机组发电机组的实时数据和历史数据；
S2：对风电机组进行寿命预测；
S3：进行健康状态划分；
S4：采用不同的控制策略对风电机组进行控制。
作为上述方案的一种优选方案，所述寿命预测包括基于单维度多曲线的寿命预测方法和多维度综合性的寿命预测方法，所述基于单维度多曲线的寿命预测方法包括以下步骤：
S21：获取一段时间内的风电机组发电机组的各个部位的瞬时温度数据和瞬时转速数据；
S22：计算风电机组发电机的温度转速比并建立该段时间内的特征参数矩阵，特征参数矩阵如下，
对应的各个数据采集时间为t01、t02……tmn，温度转速比计算公式如下，
c＝T/r
C为温度转速比，T代表各个温度参量，r代表转速；
S23：根据布朗运动原理建立温度转速比c的预测模型，
c＝α+μt+σW(t)
α为初值，μ为漂移参数，σ为扩散参数，W(t)为标准的布朗过程，t为时间；
S24：因Δxi＝cji-cj(i-1)服从多维正态分布，j取值为0到m，建立似然函数，
Δxi～N(μΔti,σ2Δti)；
S25：建立单维度量的似然函数，
L(μ,σ)＝f(Δx1,Δx2,Δx3,......Δxn,)＝f(Δx1)f(Δx2)....f(Δxn)；
S26：对步骤S25中公式求偏微分得到，
S27：解步骤S26中公式得到，
S28：利用轴承剩余寿命的概率函数，获取最大概率的预测寿命值，概率函数如下：
其中，t为寿命预测值，R为轴承寿命失效阈值；
S29:对每一维度分别进行f(t)的计算，最终选择最小值的剩余寿命记为X1。
8.作为上述方案的一种优选方案，所述多维度综合性的寿命预测方法，包括以下步骤：
S31：获取一段时间内的风电机组发电机组的各个部位的瞬时温度数据和瞬时转速数据；
S32：计算风电机组发电机的温度转速比并建立该段时间内的特征参数矩阵
S33：因ΔXik＝cik-ci(k-1)服从多维正态分布，建立似然函数，
ΔXik～N(μΔtik,σ2Δtik)；
S34：基于多维度建立另一个综合性的似然函数，
S35：对上式求偏微分得到，
S36：利用轴承剩余寿命的概率函数，获取最大概率的预测寿命值，概率函数如下：
其中，t为寿命预测值，R为轴承寿命失效阈值；
S37：记预测寿命值为X2。
作为上述方案的一种优选方案，所述X1与X2的平均值X即为最终的寿命预测值。
作为上述方案的一种优选方案，所述步骤S3通过计算最终的寿命预测值与额定寿命比值将划分风电机组划分为健康、亚健康、退化三种健康状态。
本发明的优点是：能够预测风电机组的剩余寿命，便于后期管理；根据风电机组剩余寿命进行策略控制的动态调整，能够使风电机的策略控制更适于风电机组，无需手动更改控制策略，减少人力投入。
附图说明
图1为本发明动态风电机组发电机温度控制优化系统的一种结构框图。
图2为本发明动态风电机组发电机温度控制优化方法的一种流程示意图。
图3为本发明中基于单维度多曲线的寿命预测方法的一种流程示意图。
1-传感器组 2-控制器 3-数据处理中心 4-实时监控中心 5-实时轴承寿命分析中心 6-历史数据上传中心 7-参数估计定时器。
具体实施方式
下面通过实施例，并结合附图，对本发明的技术方案作进一步的说明。
实施例：
本实施例一种基于数据分析的风电机组发电机温度控制系统，如图1所示，包括传感器组1、控制器2、数据处理中心3、历史数据上传中心6、实时监控中心4、实时轴承寿命分析中心5、历史数据上传中心6和参数估计定时器7，数据处理中心，历史数据上传中心，实时监控中心，实时轴承寿命分析中心都处于单独的服务器中。传感器组、控制器、数据处理中心、实时监控中心和实时轴承寿命分析中心处于顺序的闭环中，历史数据上次中心6分别与控制器和实时轴承寿命分析中心5相连，实时轴承寿命分析中心5还与参数估计定时器7和数据处理中心3相连。传感器组1用于采集发电机组数据，发电机组数据包括发电机驱动端轴承温度，发电机非驱动端轴承温度，机舱温度，发电机转速，滑环室温度，发电机绕组L1温度，发电机绕组L2温度和发电机绕组L3温度。控制器采用MITA控制器，数据处理中心实时接收控制器的来源数据，并根据Mita的通讯协议解析报文，将Mita的实时数据秒级传送给实时监控中心。
历史数据上传中心接收控制器发送的历史数据，历史数据以文本形式存在，历史数据上传中心将大量的详细历史数据存储在服务器。数据处理中心的数据将一部分数据实时放入缓存中，一部分存储到数据库中，实时监控中心将读取缓存数据和数据库数据对风机的状态进行实时读取和显示。实时轴承寿命分析将读取数据处理中心放入缓存中的数据，并读取实时监控中心的基本数据，同时读取历史数据上传中心的服务器中的历史数据，实时轴承寿命分析中心将利用历史数据，实时数据，计算实时的寿命性能曲线反馈给实时监控中心，实时监控中心将显示实时的动态的轴承寿命曲线并划分健康区间，实时监控中心同时将根据策略匹配将更优的控制策略推送到数据处理中心，数据中心推送到控制器，控制器将依据最新的控制策略对风电机组的发电机温度控制更新实时的控制。数据处理中心直接解析控制器的报文，数据处理中心本身是一个驱动，通过与控制器进行网络数据传输，解析报文，将数据根据控制器的配置表进行点对点的解析。数据处理中心将各个风电数据点推送到实时监控中心的缓存服务中，实时监控中心通过软件架构的方法获取缓存中的数据，监控中心将发电机相关的数据推送给实时寿命分析中心。数据处理中心基于MODBUSTCP的协议从控制器中获取数据。实时监控数据与实时监测中心通过RPC服务进行数据通信。控制器的历史数据解析通过解析各个通道的数据，转化为文本格式，经过历时数据中心存储到服务器中。实时预测中心实时获得阶段性的实时数据和历史数据，将阶段性的实时连续的多参数数据进行缓存存储，当参数估计定时器触发时，将利用缓存中的阶段性的多参数数据进行参数估计计算获得漂移参数和扩散参数，将阶段性的漂移参数和扩散参数放入缓存中，此时，发电机轴承的剩余寿命的概率函数可进行更新，根据剩余寿命的概率函数可判断发电机轴承所在的健康状态，根据健康状态匹配对应的控制策略，匹配的过程由监控中心执行，将控制策略返回给控制器，控制器执行。
对应的本实施例还提出一种基于数据分析的风电机组发电机温度控制方法，采用本实施中的动态风电机组发电机温度控制优化系统，如图2所示，包括以下步骤：
S1：获取风电机组发电机组的实时数据和历史数据；
S2：对风电机组进行寿命预测，寿命预测包括基于单维度多曲线的寿命预测方法和多维度综合性的寿命预测方法；
如图3所示，单维度多曲线的寿命预测方法包括以下步骤：
S21：获取一段时间内的风电机组发电机组的各个部位的瞬时温度数据和瞬时转速数据；
S22：计算风电机组发电机的温度转速比并建立该段时间内的特征参数矩阵，特征参数矩阵如下，
对应的各个数据采集时间为t01、t02……tmn，温度转速比计算公式如下，
c＝T/r
C为温度转速比，T代表各个温度参量，r代表转速；
S23：根据布朗运动原理建立温度转速比c的预测模型，
c＝α+μt+σW(t)
α为初值，μ为漂移参数，σ为扩散参数，W(t)为标准的布朗过程，t为时间；
S24：因Δxi＝cji-cj(i-1)服从多维正态分布，j取值为0到m，建立似然函数，
Δxi～N(μΔti,σ2Δti)；
S25：建立单维度量的似然函数，
L(μ,σ)＝f(Δx1,Δx2,Δx3,......Δxn,)＝f(Δx1)f(Δx2)....f(Δxn)；
S26：对步骤S25中公式求偏微分得到，
S27：解步骤S26中公式得到，
S28：利用轴承剩余寿命的概率函数，获取最大概率的预测寿命值，概率函数如下：
其中，t为寿命预测值，R为轴承寿命失效阈值；
S29:对每一维度,即矩阵没一行分别进行f(t)的计算，最终选择最小值的剩余寿命记为X1。
多维度综合性的寿命预测方法，包括以下步骤：
S31：获取一段时间内的风电机组发电机组的各个部位的瞬时温度数据和瞬时转速数据；
S32：计算风电机组发电机的温度转速比并建立该段时间内的特征参数矩阵
S33：因ΔXik＝cik-ci(k-1)服从多维正态分布，建立似然函数，
ΔXik～N(μΔtik,σ2Δtik)；
S34：基于多维度建立另一个综合性的似然函数，
S35：对上式求偏微分得到，
S36：利用轴承剩余寿命的概率函数，获取最大概率的预测寿命值，概率函数如下：
其中，t为寿命预测值，R为轴承寿命失效阈值；
S37：记预测寿命值为X2。
计算X2和X1平均值X，X即为最终的寿命预测值
S3：进行健康状态划分，计算最终的寿命预测值X与额定寿命值的比值，当比值处于0.8-1.0内时则划分风电机组健康状态为健康，当比值处于0.2-0.8内时则划分风电机组健康状态为亚健康，当比值小于0.2时则划分风电机组健康状态为退化；
S4：采用不同的控制策略对风电机组进行控制，当风电机组处于健康状态时风电机风冷在发电机绕组温度>60度时开启，发电机绕组温度<50度时关闭；当风电机组处于亚健康状态时风电机风冷在发电机绕组温度>55度时开启，发电机绕组温度<45度时关闭；当风电机组处于退化状态时风电机风冷在发电机绕组温度>50度时开启，发电机绕组温度<40度时关闭。
本文中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。
Claims (10)
1.一种基于数据分析的风电机组发电机温度控制系统，其特征是：包括：
传感器组，采集发电机组数据；
数据处理中心，存储发电机组轴承温度和转速信息，与控制器和实时监控中心通信；
寿命分析中心，对单台的风电机组进行实时动态寿命预测；
实时监控中心，根据风电机寿命情况划分健康区间，根据健康区间匹配最优温度控制策略；
控制器，根据最优温度控制策略对风电机组进行控制；
历史数据上传中心，接收并存储控制器发送的历史数据。
2.根据权利要求1所述的一种基于数据分析的风电机组发电机温度控制系统，其特征是：所述数据处理中心，历史数据上传中心，实时监控中心，实时轴承寿命分析中心都处于单独的服务器中。
3.根据权利要求1或2所述的一种基于数据分析的风电机组发电机温度控制系统，其特征是：所述传感器组、控制器、数据处理中心、实时监控中心和实时轴承寿命分析中心顺序相连。
4.根据权利要求1所述的一种基于数据分析的风电机组发电机温度控制系统，其特征是：还包括参数估计定时器，用于定时触发寿命分析中心对风电机组进行寿命预测。
5.根据权利要求1所述的一种基于数据分析的风电机组发电机温度控制系统，其特征是：所述发电机组数据包括发电机驱动端轴承温度，发电机非驱动端轴承温度，机舱温度，发电机转速，滑环室温度，发电机绕组L1温度，发电机绕组L2温度和发电机绕组L3温度。
6.一种基于数据分析的风电机组发电机温度控制方法，采用权利要求1-5中任一项所述的系统，其特征是，包括以下步骤：
S1：获取风电机组发电机组的实时数据和历史数据；
S2：对风电机组进行寿命预测；
S3：进行健康状态划分；
S4：采用不同的控制策略对风电机组进行控制。
7.根据权利要求6所述的一种基于数据分析的风电机组发电机温度控制方法，其特征是:所述寿命预测包括基于单维度多曲线的寿命预测方法和多维度综合性的寿命预测方法，所述基于单维度多曲线的寿命预测方法包括以下步骤：
S21：获取一段时间内的风电机组发电机组的各个部位的瞬时温度数据和瞬时转速数据；
S22：计算风电机组发电机的温度转速比并建立该段时间内的特征参数矩阵，特征参数矩阵如下，
对应的各个数据采集时间为t01、t02……tmn，温度转速比计算公式如下，
c＝T/r
C为温度转速比，T代表各个温度参量，r代表转速；
S23：根据布朗运动原理建立温度转速比c的预测模型，
c＝α+μt+σW(t)
α为初值，μ为漂移参数，σ为扩散参数，W(t)为标准的布朗过程，t为时间；
S24：因Δxi＝cji-cj(i-1)服从多维正态分布，j取值为0到m，建立似然函数，
Δxi～N(μΔti,σ2Δti)；
S25：建立单维度量的似然函数，
L(μ,σ)＝f(Δx1,Δx2,Δx3,......Δxn,)＝f(Δx1)f(Δx2)....f(Δxn)；
S26：对步骤S25中公式求偏微分得到，
S27：解步骤S26中公式得到，
S28：利用轴承剩余寿命的概率函数，获取最大概率的预测寿命值，概率函数如下：
其中，t为寿命预测值，R为轴承寿命失效阈值；
S29:对每一维度分别进行f(t)的计算，最终选择最小值的剩余寿命记为X1。
8.根据权利要求7所述的一种基于数据分析的风电机组发电机温度控制方法，其特征是：所述多维度综合性的寿命预测方法，包括以下步骤：
S31：获取一段时间内的风电机组发电机组的各个部位的瞬时温度数据和瞬时转速数据；
S32：计算风电机组发电机的温度转速比并建立该段时间内的特征参数矩阵
S33：因ΔXik＝cik-ci(k-1)服从多维正态分布，建立似然函数，
ΔXik～N(μΔtik,σ2Δtik)；
S34：基于多维度建立另一个综合性的似然函数，
S35：对上式求偏微分得到，
S36：利用轴承剩余寿命的概率函数，获取最大概率的预测寿命值，概率函数如下：
其中，t为寿命预测值，R为轴承寿命失效阈值；
S37：记预测寿命值为X2。
9.根据权利要求7或8所述的一种基于数据分析的风电机组发电机温度控制方法，其特征是：所述X1与X2的平均值X即为最终的寿命预测值。
10.根据权利要求6所述的一种基于数据分析的风电机组发电机温度控制方法，其特征是：所述步骤S3通过计算最终的寿命预测值与额定寿命比值将划分风电机组划分为健康、亚健康、退化三种健康状态。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910496838.7A CN110309551B (zh) | 2019-06-10 | 2019-06-10 | 一种基于数据分析的风电机组发电机温度控制系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910496838.7A CN110309551B (zh) | 2019-06-10 | 2019-06-10 | 一种基于数据分析的风电机组发电机温度控制系统及方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110309551A true CN110309551A (zh) | 2019-10-08 |
| CN110309551B CN110309551B (zh) | 2023-11-07 |
Family
ID=68075900
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910496838.7A Active CN110309551B (zh) | 2019-06-10 | 2019-06-10 | 一种基于数据分析的风电机组发电机温度控制系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110309551B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113775484A (zh) * | 2021-10-14 | 2021-12-10 | 中国船舶重工集团海装风电股份有限公司 | 基于扭转滑环温度变化与机组功率的联合控制方法及装置 |
| CN114942952A (zh) * | 2022-07-21 | 2022-08-26 | 深圳海兰云数据中心科技有限公司 | 一种用于海底数据中心的设备状态监管系统及方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20140288855A1 (en) * | 2013-03-20 | 2014-09-25 | United Technologies Corporation | Temporary Uprating of Wind Turbines to Maximize Power Output |
| CN109118384A (zh) * | 2018-07-16 | 2019-01-01 | 湖南优利泰克自动化系统有限公司 | 一种风电机组健康预警方法 |
| JP2019008637A (ja) * | 2017-06-27 | 2019-01-17 | 日本電信電話株式会社 | パラメータ推定装置、機器故障予測装置、最適施策探索装置、方法、及びプログラム |
-
2019
- 2019-06-10 CN CN201910496838.7A patent/CN110309551B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20140288855A1 (en) * | 2013-03-20 | 2014-09-25 | United Technologies Corporation | Temporary Uprating of Wind Turbines to Maximize Power Output |
| JP2019008637A (ja) * | 2017-06-27 | 2019-01-17 | 日本電信電話株式会社 | パラメータ推定装置、機器故障予測装置、最適施策探索装置、方法、及びプログラム |
| CN109118384A (zh) * | 2018-07-16 | 2019-01-01 | 湖南优利泰克自动化系统有限公司 | 一种风电机组健康预警方法 |
Non-Patent Citations (6)
| Title |
|---|
| 刘敬智等: "风力发电机组故障预测技术研究", 《华北电力技术》 * |
| 张静等: "基于数据的风电机组发电机健康状况评估", 《信息与控制》 * |
| 肖运启: "基于风电机群健康状态优化的风电场功率调度控制", 《太阳能学报》 * |
| 胡姚刚等: "风电轴承性能退化建模及其实时剩余寿命预测", 《中国电机工程学报》 * |
| 金晓航: "风力发电机组故障诊断与预测技术研究综述", 《仪器仪表学报》 * |
| 黄猛: "基于大数据和机器学习模型的风力发电机组健康管理研究", 《机械制造》 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113775484A (zh) * | 2021-10-14 | 2021-12-10 | 中国船舶重工集团海装风电股份有限公司 | 基于扭转滑环温度变化与机组功率的联合控制方法及装置 |
| CN114942952A (zh) * | 2022-07-21 | 2022-08-26 | 深圳海兰云数据中心科技有限公司 | 一种用于海底数据中心的设备状态监管系统及方法 |
| CN114942952B (zh) * | 2022-07-21 | 2022-11-11 | 深圳海兰云数据中心科技有限公司 | 一种用于海底数据中心的设备状态监管系统及方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110309551B (zh) | 2023-11-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11809164B2 (en) | Integrating machine learning into control systems for industrial facilities | |
| CN107704933A (zh) | 风力发电机组故障诊断系统和方法 | |
| CN110131843B (zh) | 基于大数据的空调的智能调控方法及系统 | |
| CN110309551A (zh) | 一种基于数据分析的风电机组发电机温度控制系统及方法 | |
| CN112696798B (zh) | 空调的参数设置方法、空调设备以及计算机可读存储介质 | |
| CN106462117B (zh) | 控制目标系统 | |
| US12110867B2 (en) | Wind turbine control based on reinforcement learning | |
| CN107925678A (zh) | 从风能设备和风电厂到控制中心的数据传输 | |
| CN117273402B (zh) | 基于物联网技术的玻璃深加工生产线节能管理系统及方法 | |
| US10760549B2 (en) | Method and system for configuring wind turbines | |
| CN114238269A (zh) | 数据库参数调整方法、装置、电子设备和存储介质 | |
| CN111030850B (zh) | 一种scada系统数据采集周期控制方法及装置 | |
| US20210388815A1 (en) | Method of controlling a wind turbine | |
| CN112855460A (zh) | 风电机组轴系实时疲劳寿命预测方法、系统、介质及设备 | |
| Fan et al. | A particle-filtering approach for remaining useful life estimation of wind turbine gearbox | |
| CN107633306A (zh) | 一种风电运行维护系统及维护方法 | |
| US11365719B2 (en) | Power production forecasting for a wind turbine | |
| CN116857798A (zh) | 空调用电预测方法、电网负荷预测方法及其装置 | |
| CN111130122A (zh) | 一种风电场无功控制能力在线监测方法 | |
| CN202189272U (zh) | 火力发电机组监控诊断系统 | |
| CN112160750B (zh) | 采煤机状态控制、预测的系统及方法 | |
| CN115659595A (zh) | 基于人工智能的新能源场站的储能控制方法及装置 | |
| Trstenjak et al. | A Decision Support System for the Prediction of Wastewater Pumping Station Failures Based on CBR Continuous Learning Model. | |
| CN112366998B (zh) | 电机控制方法、装置及系统 | |
| CN206092193U (zh) | 发电机组操作风险预判装置 |
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 |