CN110533092A - 一种基于运行工况的风力发电机组scada数据分类方法及应用 - Google Patents
一种基于运行工况的风力发电机组scada数据分类方法及应用 Download PDFInfo
- Publication number
- CN110533092A CN110533092A CN201910784635.8A CN201910784635A CN110533092A CN 110533092 A CN110533092 A CN 110533092A CN 201910784635 A CN201910784635 A CN 201910784635A CN 110533092 A CN110533092 A CN 110533092A
- Authority
- CN
- China
- Prior art keywords
- wind
- operating condition
- generating set
- scada data
- stage
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas or water supply
-
- 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
- Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
- Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
-
- 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
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Abstract
本发明公开了一种基于运行工况的风力发电机组SCADA数据分类方法及应用,包括:将风力发电机组运行工况分为停机状态、启动状态、恒转速阶段一、最佳叶尖速比阶段、恒转速阶段二、恒功率阶段和限功率发电状态;在不同的运行工况下,风力发电机组各个部件的动作状态信息不相同,各个工况之间的转换规律也有区别,分析动作状态信息和转换规律,以此作为数据分类的依据;结合对风电机组运行状态机的分析,基于运行工况进行风电SCADA数据的分类,为SCADA数据添加不同的工况标签,完成风电SCADA数据分类。本发明为解决风电SCADA数据受到机组不同工况影响的问题,提出了基于运行工况的风电SCADA数据分类方法,并在此基础上进行了机组发电量损失计算的应用。
Description
技术领域
本发明属于风力发电机组SCADA数据分类技术领域,特别涉及一种基于运行工况的风力发电机组SCADA数据分类方法及应用。
背景技术
目前我国的风力发电产业发展迅速,现已成为全球最大的风电市场,国内风电机组的累计装机数量和每年产生的运行数据量均居世界首位,但是迅猛发展的背后,大量机组的运维问题逐渐显现。作为应用最为普遍的风电监测系统,SCADA(Supervisory ControlAnd Data Acquisition,数据采集与监视控制系统)系统采集的数据最为全面,数据成本最低,是进行风电机组运维监测的主要数据来源。但是现有的SCADA系统对数据的利用率较低,导致采集到的大量低成本历史数据未能得到有效的利用。因此提高SCADA数据的利用率对风电运维监测工作具有重要工程实用价值。由于风电机组运行工况复杂,监测参数相互耦合,导致采集的SCADA数据中包含各种不同工况信息的数据,使得数据分析工作的难度增加;而不同工况下数据的特征规律不相同,对故障的敏感性也不一样,所以需要使用合适的分类方法进行数据类别的划分。解决风电机组SCADA数据的分类问题,是进行风电数据分析工作、提高风电数据利用率的基础。
综上,亟需一种新的风力发电机组SCADA数据分类方法。
发明内容
本发明的目的在于提供一种基于运行工况的风力发电机组SCADA数据分类方法及应用,以解决风电SCADA数据受到机组不同工况影响的问题。本发明的风电SCADA数据分类方法,在对风电机组运行工况进行分析的基础上,根据不同运行工况的数据特点进行SCADA数据分类,可提升系统对数据的利用率;分类之后的数据可用于计算机组发电量损失。
为达到上述目的,本发明采用以下技术方案:
本发明的一种基于运行工况的风力发电机组SCADA数据分类方法,包括以下步骤:
步骤1,将风力发电机组运行工况分为停机状态、启动状态、恒转速阶段一、最佳叶尖速比阶段、恒转速阶段二、恒功率阶段和限功率发电状态;
在不同的运行工况下,风力发电机组各个部件的动作状态信息不相同,各个工况之间的转换规律也有区别,分析动作状态信息和转换规律,以此作为数据分类的依据;
步骤2,结合步骤1中对风电机组运行状态机的分析,基于运行工况进行风电SCADA数据的分类,为SCADA数据添加不同的工况标签,完成风电SCADA数据分类。
本发明的进一步改进在于,步骤1中,根据风力发电机组控制策略的分析,分为七个工况。
本发明的进一步改进在于,步骤2具体包括:根据步骤1中各个运行工况下的机组动作状态信息,确定各个运行工况下对应的风速范围,以及机组各个部件相关监测参数的变化情况,建立不同运行工况的专家规则,根据专家规则进行SCADA数据的分类。
本发明的进一步改进在于,步骤2具体包括:根据风速范围对风电SCADA数据进行初步的划分,然后根据不同运行工况的专家规则,再次划分数据类别,最终将原始的SCADA数据划分为七个类别。
本发明的进一步改进在于,停机状态类别的数据根据SCADA系统中状态代码的不同,划分为正常停机、故障停机和运维停机三个类别。
本发明的进一步改进在于,
当风速小于切入风速时,机组处于停机状态;
当机组达到切入风速时,机组将进入启动状态;
随着风速的继续增加,机组将从启动状态依次进入恒转速阶段一、最佳叶尖速比阶段、恒转速阶段二,最终达到恒功率阶段运行;其中,恒转速阶段一、最佳叶尖速比阶段、恒转速阶段二和恒功率阶段属于风电机组正常发电状态的四个阶段;
当机组的控制系统发出限功率命令时,机组将从任意状态进入限功率发电状态;在不同条件下相邻两个状态之间能够相互转换;根据对风电机组工作状态机以及不同工况之间转换条件的分析,最终确定风电机组的典型运行状态。
本发明的进一步改进在于,最终确定的风电机组的典型运行状态如下表所示:
本发明的一种基于运行工况的风力发电机组SCADA数据分类方法的应用,用于发电量损失计算,还包括:
步骤3,完成风电SCADA数据分类后,选择恒转速阶段一、最佳叶尖速比阶段、恒转速阶段二和恒功率阶段的数据,构建标准功率曲线;
步骤4,获得当前风速下机组的标准功率大小,然后分别统计不同风速下机组的标准功率与真实功率之差,按照时间对不同工况的机组功率之差求积分,计算不同工况下的机组发电量损失。
本发明的进一步改进在于,步骤3具体包括:首先按照预给定的风速范围进行数据区间的划分;然后计算每个区间内所有数据点的风速和功率的平均值;最后对所有区间内风速和功率的平均值进行拟合,获得的曲线即为风电机组标准功率曲线。
本发明的进一步改进在于,步骤4中,计算公式为:
Qres=Qt-Qp
其中:Qres为损失的发电量,单位kW·h;Qt为理论计算的发电量,单位kW·h;Qp为真实的发电量,单位kW·h。
与现有技术相比,本发明具有以下有益效果:
本发明为解决风电SCADA数据受到机组不同工况影响的问题,提出了一种基于运行工况的风电SCADA数据分类方法,并在此基础上进行了机组发电量损失计算的应用。
本发明的分类方法是在对风电机组运行工况进行分析的基础上,根据不同运行工况的数据特点进行SCADA数据分类工作。由于风电机组运行工况受风速的影响,在一个工作循环内,机组可能经历几种不同的运行工作状态。不同运行工况下,机组各个部件的动作信息不相同,而且不同运行工况之间的转换规律也不相同,利用这些特征规律信息就可以实现对SCADA数据的分类,可提升系统对数据的利用率;分类之后的数据可用于计算机组发电量损失。
附图说明
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,下面对实施例或现有技术描述中所需要使用的附图做简单的介绍;显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来说,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例中,风电机组工作状态机示意图;
图2是本发明实施例中,数据分类算法流程示意图;
图3是本发明实施例中,SCADA数据分类识别结果示意图;图3(a)为风速-功率曲线示意图;图3(b)为风速-转速曲线示意图;图3(c)为风速-桨距角曲线示意图;图3(d)为转速-功率曲线示意图;
图4是本发明实施例中,发电量损失计算流程示意图;
图5是本发明实施例中,32台机组各个工况年发电量损失计算结果示意图。
具体实施方式
为使本发明实施例的目的、技术效果及技术方案更加清楚,下面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,所描述的实施例是本发明一部分实施例。基于本发明公开的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所获得的其它实施例,都应属于本发明保护的范围。
请参阅图1和图2,本发明实施例的一种基于运行工况的风力发电机组SCADA数据分类方法,主要包括以下步骤:
步骤一:风电机组运行状态机的构建。
风力发电机组运行工况的变化受到风速的影响,随着风速的增加,风力发电机组将从停机状态进入发电状态。根据对风力发电机组控制策略的分析研究,可以将其运行工况分为停机状态、启动状态、恒转速阶段一、最佳叶尖速比阶段、恒转速阶段二、恒功率阶段和限功率发电状态。这七个不同的运行工况下,机组各个部件的动作状态信息不相同,同时各个工况之间的转换规律也有区别,分析这些特征规律信息,并以此作为数据分类的依据。
步骤二:风电SCADA数据分类。
结合对风电机组运行状态机的分析,基于运行工况进行风电SCADA数据的分类,为SCADA数据添加不同的工况标签。根据步骤一中各个运行工况下的机组动作状态信息,详细确定各个运行工况下对应的风速范围,以及机组各个部件相关监测参数的变化情况,从而建立不同运行工况的专家规则,根据专家规则进行SCADA数据的分类。
首先,根据风速范围对风电SCADA数据进行初步的划分,然后根据不同运行工况的专家规则,进一步划分数据类别。最终将原始的SCADA数据划分为七个类别,其中停机状态类别的数据可以根据SCADA系统中状态代码的不同,进一步划分为正常停机、故障停机和运维停机三个类别。
步骤三:风电机组标准功率曲线的构建。
完成风电SCADA数据的分类后,选择恒转速阶段一、最佳叶尖速比阶段、恒转速阶段二、恒功率阶段这四个风电机组处于正常发电状态下的数据,用于标准功率曲线的构建。首先按照给定的风速范围(通常选择0.5m/s)进行数据区间的划分,然后计算每个区间内所有数据点的风速和功率的平均值,最后对所有区间内风速和功率的平均值进行拟合,获得的曲线即为风电机组标准功率曲线。
步骤四:风电机组发电量损失的计算。
机组不同工况下的发电量损失有所不同,特别当机组处于故障停机或者限功率运行时,造成的发电量损失更大。计算发电量损失的关键是获得当前风速下机组的标准功率大小,然后分别统计不同风速下机组的标准功率与真实功率之差,按照时间对不同工况的机组功率之差求积分,即可计算不同工况下的机组发电量损失。计算公式如下:
Qres=Qt-Qp
式中:Qres——损失的发电量,单位kW·h;Qt——理论计算的发电量,单位kW·h;Qp——真实的发电量,单位kW·h。
本发明为解决风电SCADA数据受到机组不同工况影响的问题,提出了一种基于运行工况的风电SCADA数据分类方法,并在此基础上进行了机组发电量损失计算的应用。该分类方法是在对风电机组运行工况进行分析的基础上,根据不同运行工况的数据特点进行SCADA数据分类工作。由于风电机组运行工况受风速的影响,在一个工作循环内,机组可能经历几种不同的运行工作状态。不同运行工况下,机组各个部件的动作信息不相同,而且不同运行工况之间的转换规律也不相同,利用这些特征规律信息就可以实现对SCADA数据的分类。
实施例
参阅附图1和表1,图1为风力发电机组工作状态机的示意图,表1为工作状态机中各个序号的含义。从图1中可以看出,当风速小于切入风速时,机组处于停机状态;当机组达到切入风速时,机组将进入启动状态;随着风速的继续增加,机组将从启动状态依次进入恒转速阶段一、最佳叶尖速比阶段、恒转速阶段二,最终达到恒功率阶段运行。其中恒转速阶段一、最佳叶尖速比阶段、恒转速阶段二和恒功率阶段属于风电机组正常发电状态的四个阶段;而当机组的控制系统发出限功率命令时,机组将从任意状态进入限功率发电状态。由于风速具有波动性,所以在不同条件下相邻两个状态之间可以相互转换,转换条件详见表1。根据对风电机组工作状态机以及不同工况之间转换条件的分析,可以最终确定风电机组的典型运行状态。
表1.风电机组工作状态机各序号含义解释
参阅表2和表3,表2和表3为最终确定的风电机组典型运行状态,以及每一个典型运行状态下对应的机组风速范围和部件的监测参数变化情况。由表2可以看出,最终确定的风电机组的典型运行状态为正常停机、故障停机、运维停机、启动状态、限功率发电状态以及正常发电状态的四个阶段,根据不同状态下各个监测参数的变化情况,可以确定相应的专家规则,对不同运行状态的SCADA数据进行分类。
表2.变桨距风电机组典型运行工况以及各个工况下的监测参数的变化
表3.各个监测参数缩写以及参数含义
参阅附图2。图2表示的是根据表2的机组不同运行状态的专家规则,确定的数据分类算法流程图。根据数据分类算法流程图,首先按照风速的范围进行数据的初步划分,然后按照不同运行状态的专家规则进一步划分数据类别,最终将SCADA数据分为正常停机、运维停机、故障停机、启动状态、限功率发电状态、恒转速阶段一、最佳叶尖速比阶段、恒转速阶段二、恒功率阶段总共九个类别的数据。
参阅附图3,图3表示使用SCADA数据分类算法分类后的可视化结果,分别从风速-功率、风速-转速、风速-桨距角、转速-功率四个维度对结果进行可视化,从中可以清楚的得知,各个类别的分类结果与相对应的专家规则较为一致,分类取得了较好的结果。
参阅附图4,图4表示风电机组发电量损失计算流程图。对数据进行分类的作用之一是可以用于不同工况类别的发电量损失的计算,这是风电场业主最为关心的问题之一。按照流程图的顺序,首先选择分类后数据中,正常发电状态类别的数据,然后划分风速区间并计算各区间的功率平均值,最后拟合获得标准功率曲线之后,就可以根据标准功率和真实功率之差,进行机组发电量损失的计算。
参阅附图5,图5表示使用的案例数据,按照图4流程计算得到的32台机组的发电量损失的计算结果。图5的结果以条形图的形式,表示出每一台机组在正常发电状态之外的,其余各个运行工况下的发电量损失大小。从中可以较为清晰的对比分析不同工况的发电量损失,具有工程应用价值。
以上实施例仅用以说明本发明的技术方案而非对其限制,尽管参照上述实施例对本发明进行了详细的说明,所属领域的普通技术人员依然可以对本发明的具体实施方式进行修改或者等同替换,这些未脱离本发明精神和范围的任何修改或者等同替换,均在申请待批的本发明的权利要求保护范围之内。
Claims (10)
1.一种基于运行工况的风力发电机组SCADA数据分类方法,其特征在于,包括以下步骤:
步骤1,将风力发电机组运行工况分为停机状态、启动状态、恒转速阶段一、最佳叶尖速比阶段、恒转速阶段二、恒功率阶段和限功率发电状态;
在不同的运行工况下,风力发电机组各个部件的动作状态信息不相同,各个工况之间的转换规律也有区别,分析动作状态信息和转换规律,以此作为数据分类的依据;
步骤2,结合步骤1中对风电机组运行状态机的分析,基于运行工况进行风电SCADA数据的分类,为SCADA数据添加不同的工况标签,完成风电SCADA数据分类。
2.根据权利要求1所述的一种基于运行工况的风力发电机组SCADA数据分类方法,其特征在于,步骤1中,根据风力发电机组控制策略的分析,分为七个工况。
3.根据权利要求1所述的一种基于运行工况的风力发电机组SCADA数据分类方法,其特征在于,步骤2具体包括:根据步骤1中各个运行工况下的机组动作状态信息,确定各个运行工况下对应的风速范围,以及机组各个部件相关监测参数的变化情况,建立不同运行工况的专家规则,根据专家规则进行SCADA数据的分类。
4.根据权利要求3所述的一种基于运行工况的风力发电机组SCADA数据分类方法,其特征在于,步骤2具体包括:根据风速范围对风电SCADA数据进行初步的划分,然后根据不同运行工况的专家规则,再次划分数据类别,最终将原始的SCADA数据划分为七个类别。
5.根据权利要求4所述的一种基于运行工况的风力发电机组SCADA数据分类方法,其特征在于,停机状态类别的数据根据SCADA系统中状态代码的不同,划分为正常停机、故障停机和运维停机三个类别。
6.根据权利要求1所述的一种基于运行工况的风力发电机组SCADA数据分类方法,其特征在于,
当风速小于切入风速时,机组处于停机状态;
当机组达到切入风速时,机组将进入启动状态;
随着风速的继续增加,机组将从启动状态依次进入恒转速阶段一、最佳叶尖速比阶段、恒转速阶段二,最终达到恒功率阶段运行;其中,恒转速阶段一、最佳叶尖速比阶段、恒转速阶段二和恒功率阶段属于风电机组正常发电状态的四个阶段;
当机组的控制系统发出限功率命令时,机组将从任意状态进入限功率发电状态;在不同条件下相邻两个状态之间能够相互转换;根据对风电机组工作状态机以及不同工况之间转换条件的分析,最终确定风电机组的典型运行状态。
7.根据权利要求6所述的一种基于运行工况的风力发电机组SCADA数据分类方法,其特征在于,最终确定的风电机组的典型运行状态如下表所示:
8.权利要求1至7中任一项所述一种基于运行工况的风力发电机组SCADA数据分类方法的应用,其特征在于,用于发电量损失计算,还包括:
步骤3,完成风电SCADA数据分类后,选择恒转速阶段一、最佳叶尖速比阶段、恒转速阶段二和恒功率阶段的数据,构建标准功率曲线;
步骤4,获得当前风速下机组的标准功率大小,然后分别统计不同风速下机组的标准功率与真实功率之差,按照时间对不同工况的机组功率之差求积分,计算不同工况下的机组发电量损失。
9.根据权利要求8所述的一种基于运行工况的风力发电机组SCADA数据分类方法的应用,其特征在于,步骤3具体包括:首先按照预给定的风速范围进行数据区间的划分;然后计算每个区间内所有数据点的风速和功率的平均值;最后对所有区间内风速和功率的平均值进行拟合,获得的曲线即为风电机组标准功率曲线。
10.根据权利要求8所述的一种基于运行工况的风力发电机组SCADA数据分类方法的应用,其特征在于,步骤4中,
计算公式为:
Qres=Qt-Qp
其中:Qres为损失的发电量,单位kW·h;Qt为理论计算的发电量,单位kW·h;Qp为真实的发电量,单位kW·h。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910784635.8A CN110533092B (zh) | 2019-08-23 | 2019-08-23 | 一种基于运行工况的风力发电机组scada数据分类方法及应用 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910784635.8A CN110533092B (zh) | 2019-08-23 | 2019-08-23 | 一种基于运行工况的风力发电机组scada数据分类方法及应用 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110533092A true CN110533092A (zh) | 2019-12-03 |
CN110533092B CN110533092B (zh) | 2022-04-22 |
Family
ID=68664179
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910784635.8A Active CN110533092B (zh) | 2019-08-23 | 2019-08-23 | 一种基于运行工况的风力发电机组scada数据分类方法及应用 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110533092B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111191881A (zh) * | 2019-12-13 | 2020-05-22 | 大唐东北电力试验研究院有限公司 | 一种基于大数据的火电机组工业设备状态监测方法 |
CN111199246A (zh) * | 2019-12-24 | 2020-05-26 | 泉州装备制造研究所 | 一种工况分类方法 |
CN112269813A (zh) * | 2020-10-22 | 2021-01-26 | 华能国际电力股份有限公司 | 一种离群风电机组智能判定方法 |
CN112964988A (zh) * | 2021-03-24 | 2021-06-15 | 河南中烟工业有限责任公司 | 电机工况的切分方法及系统 |
CN113339207A (zh) * | 2021-06-29 | 2021-09-03 | 浙江理工大学 | 一种风电机组主传动系统的运行工况划分方法及系统 |
CN113915078A (zh) * | 2021-11-26 | 2022-01-11 | 龙源(北京)风电工程技术有限公司 | 光纤光栅式风电机组叶片工况智能识别方法及系统 |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080093853A1 (en) * | 2006-10-20 | 2008-04-24 | Barker Sidney A | Method and apparatus for operating electrical machines |
CN101320953A (zh) * | 2007-06-05 | 2008-12-10 | 株式会社日立制作所 | 风力发电系统及其控制方法 |
US20100090464A1 (en) * | 2008-10-10 | 2010-04-15 | Per Egedal | Adaptive adjustment of the blade pitch angle of a wind turbine |
US20110313726A1 (en) * | 2009-03-05 | 2011-12-22 | Honeywell International Inc. | Condition-based maintenance system for wind turbines |
CN102709944A (zh) * | 2012-05-24 | 2012-10-03 | 浙江运达风电股份有限公司 | 基于dgnr变桨系统的风力发电机组低电压穿越控制方法 |
CN103384817A (zh) * | 2010-10-08 | 2013-11-06 | 劳斯莱斯公司 | 用于使用转矩振荡数据来探测传动系中的故障状态的系统及方法 |
CN103758696A (zh) * | 2014-01-09 | 2014-04-30 | 华北电力大学 | 基于scada温度参数的风电机组安全状况评价方法 |
CN106321368A (zh) * | 2016-08-12 | 2017-01-11 | 峰能斯格尔(北京)可再生能源科技有限公司 | 基于运营风机scada数据的海上风电场尾流损失测量方法 |
CN106815771A (zh) * | 2015-12-02 | 2017-06-09 | 中国电力科学研究院 | 一种风电场载荷的长期评估方法 |
US20170314534A1 (en) * | 2014-10-24 | 2017-11-02 | Vestas Wind Systems A/S | Method for operating a wind power plant in a weak grid environment and a wind power plant |
CN108154447A (zh) * | 2016-12-05 | 2018-06-12 | 北京金风科创风电设备有限公司 | 用于风力发电机系统的状态估计方法和系统 |
CN109798226A (zh) * | 2017-11-15 | 2019-05-24 | 中国电力科学研究院有限公司 | 一种风电机组塔筒载荷预测方法和系统 |
CN109854447A (zh) * | 2019-03-13 | 2019-06-07 | 国电联合动力技术有限公司 | 风电机组的高温智能运行控制系统及方法 |
CN110761947A (zh) * | 2019-11-15 | 2020-02-07 | 华北电力大学 | 一种风电机组偏航校准方法及系统 |
-
2019
- 2019-08-23 CN CN201910784635.8A patent/CN110533092B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080093853A1 (en) * | 2006-10-20 | 2008-04-24 | Barker Sidney A | Method and apparatus for operating electrical machines |
CN101320953A (zh) * | 2007-06-05 | 2008-12-10 | 株式会社日立制作所 | 风力发电系统及其控制方法 |
US20100090464A1 (en) * | 2008-10-10 | 2010-04-15 | Per Egedal | Adaptive adjustment of the blade pitch angle of a wind turbine |
US20110313726A1 (en) * | 2009-03-05 | 2011-12-22 | Honeywell International Inc. | Condition-based maintenance system for wind turbines |
CN103384817A (zh) * | 2010-10-08 | 2013-11-06 | 劳斯莱斯公司 | 用于使用转矩振荡数据来探测传动系中的故障状态的系统及方法 |
CN102709944A (zh) * | 2012-05-24 | 2012-10-03 | 浙江运达风电股份有限公司 | 基于dgnr变桨系统的风力发电机组低电压穿越控制方法 |
CN103758696A (zh) * | 2014-01-09 | 2014-04-30 | 华北电力大学 | 基于scada温度参数的风电机组安全状况评价方法 |
US20170314534A1 (en) * | 2014-10-24 | 2017-11-02 | Vestas Wind Systems A/S | Method for operating a wind power plant in a weak grid environment and a wind power plant |
CN106815771A (zh) * | 2015-12-02 | 2017-06-09 | 中国电力科学研究院 | 一种风电场载荷的长期评估方法 |
CN106321368A (zh) * | 2016-08-12 | 2017-01-11 | 峰能斯格尔(北京)可再生能源科技有限公司 | 基于运营风机scada数据的海上风电场尾流损失测量方法 |
CN108154447A (zh) * | 2016-12-05 | 2018-06-12 | 北京金风科创风电设备有限公司 | 用于风力发电机系统的状态估计方法和系统 |
CN109798226A (zh) * | 2017-11-15 | 2019-05-24 | 中国电力科学研究院有限公司 | 一种风电机组塔筒载荷预测方法和系统 |
CN109854447A (zh) * | 2019-03-13 | 2019-06-07 | 国电联合动力技术有限公司 | 风电机组的高温智能运行控制系统及方法 |
CN110761947A (zh) * | 2019-11-15 | 2020-02-07 | 华北电力大学 | 一种风电机组偏航校准方法及系统 |
Non-Patent Citations (3)
Title |
---|
YAN REN ET AL: "A universal modeling approach for wind turbine condition monitoring based on SCADA data", 《2017 6TH DATA DRIVEN CONTROL AND LEARNING SYSTEMS (DDCLS)》 * |
周丹 等: "基于额定风速以下的风力发电机扭矩控制", 《机床与液压》 * |
邱强杰: "基于有限状态机的风电机组状态监控系统设计", 《中国优秀博硕士学位论文全文数据库(硕士)工程科技Ⅱ辑》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111191881A (zh) * | 2019-12-13 | 2020-05-22 | 大唐东北电力试验研究院有限公司 | 一种基于大数据的火电机组工业设备状态监测方法 |
CN111199246A (zh) * | 2019-12-24 | 2020-05-26 | 泉州装备制造研究所 | 一种工况分类方法 |
CN111199246B (zh) * | 2019-12-24 | 2024-04-05 | 泉州装备制造研究所 | 一种工况分类方法 |
CN112269813A (zh) * | 2020-10-22 | 2021-01-26 | 华能国际电力股份有限公司 | 一种离群风电机组智能判定方法 |
CN112964988A (zh) * | 2021-03-24 | 2021-06-15 | 河南中烟工业有限责任公司 | 电机工况的切分方法及系统 |
CN113339207A (zh) * | 2021-06-29 | 2021-09-03 | 浙江理工大学 | 一种风电机组主传动系统的运行工况划分方法及系统 |
CN113915078A (zh) * | 2021-11-26 | 2022-01-11 | 龙源(北京)风电工程技术有限公司 | 光纤光栅式风电机组叶片工况智能识别方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN110533092B (zh) | 2022-04-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110533092A (zh) | 一种基于运行工况的风力发电机组scada数据分类方法及应用 | |
Wang et al. | Estimation methods review and analysis of offshore extreme wind speeds and wind energy resources | |
CN110569867A (zh) | 基于决策树算法的输电线路故障原因判别方法、介质及设备 | |
CN109751206A (zh) | 风机叶片结冰故障预测方法、装置及存储介质 | |
CN110210730A (zh) | 一种区域综合能源系统能效状态评价方法 | |
CN110889535B (zh) | 一种基于卷积循环神经网络的风电场内多点位风速预测方法 | |
CN105043770B (zh) | 一种风电机组振动异常的判断方法及其装置 | |
CN107103175A (zh) | 一种风力发电机组异常数据识别方法及装置 | |
CN108536958A (zh) | 一种基于功率曲线健康状态分级的风机实时评价方法 | |
CN108549962A (zh) | 基于历史分段序列搜索和时序稀疏化的风电功率预测方法 | |
CN102855592A (zh) | 多目标调峰优化方法和系统 | |
CN110533314A (zh) | 一种基于概率密度分布的风电场异常机组识别方法 | |
CN103225588A (zh) | 基于模式识别技术的风力发电功率曲线优化方法 | |
CN113555881A (zh) | 一种风电场调频风机排序方法 | |
CN114386718A (zh) | 一种结合粒子群神经网络的风电场输出功率短时预测算法 | |
CN109802634A (zh) | 一种基于大数据的光伏电站的智能运维方法及运维系统 | |
CN103473607B (zh) | 按轨迹特征优化和匹配外推模型的风电超短期预测方法 | |
CN108390403A (zh) | 基于多属性多目标综合评价指标的储能工况适用性对比项目后评价方法 | |
CN106503401B (zh) | 水平轴风力机叶片可适应性设计方法 | |
CN103186699A (zh) | 基于经济系数风力发电风资源选址方法 | |
CN110273818B (zh) | 一种基于轴变换粗细度分类的风机叶片结冰故障监测方法 | |
CN105649896A (zh) | 风电机组智能监控运行控制系统及其控制方法 | |
CN111414573B (zh) | 一种工程应用领域的输入输出数据处理方法和系统 | |
CN110083804A (zh) | 基于条件分布回归的风电场scada数据缺失的智能修复方法 | |
CN113688581A (zh) | 风电场有功出力优化控制的方法、装置、电子设备及介质 |
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 |