CN110617184A - 检测风力发电机组的叶片故障的方法和设备 - Google Patents

检测风力发电机组的叶片故障的方法和设备 Download PDF

Info

Publication number
CN110617184A
CN110617184A CN201810657628.7A CN201810657628A CN110617184A CN 110617184 A CN110617184 A CN 110617184A CN 201810657628 A CN201810657628 A CN 201810657628A CN 110617184 A CN110617184 A CN 110617184A
Authority
CN
China
Prior art keywords
blade
acceleration
impact
vibration energy
impact vibration
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
CN201810657628.7A
Other languages
English (en)
Other versions
CN110617184B (zh
Inventor
叶月光
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.)
Jiangsu Jinfeng Software Technology Co ltd
Qinghai Green Energy Data Co Ltd
Beijing Goldwind Smart Energy Service Co Ltd
Original Assignee
Beijing Gold Wind Technology Co Ltd Huineng
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 Beijing Gold Wind Technology Co Ltd Huineng filed Critical Beijing Gold Wind Technology Co Ltd Huineng
Priority to CN201810657628.7A priority Critical patent/CN110617184B/zh
Publication of CN110617184A publication Critical patent/CN110617184A/zh
Application granted granted Critical
Publication of CN110617184B publication Critical patent/CN110617184B/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
    • F03D17/00—Monitoring or testing of wind motors, e.g. diagnostics

Abstract

提供一种检测风力发电机组的叶片故障的方法和设备。所述方法包括：获取风力发电机组的机舱的预定时间段内的多个时间点的加速度数据；基于获取的加速度数据估计叶片承受的冲击性振动能量，其中，叶片承受的冲击性振动能量表示叶片受到冲击性振动时对叶片所产生的影响，冲击性振动表示叶片瞬间受到冲击载荷的作用引起振动加速度发生的突变；基于估计的冲击性振动能量确定叶片故障。根据本发明的检测风力发电机组的叶片故障的方法和设备，能够准确地实现叶片故障的检测。

Description

检测风力发电机组的叶片故障的方法和设备
技术领域
本发明涉及风力发电领域。更具体地讲，涉及一种检测风力发电机组的叶片故障的方法和设备。
背景技术
风能作为一种清洁的可再生能源，越来越受到重视，装机量也不断增加。随着风力发电技术的不断发展，风力发电机组的各种研究也日益深入。
风力发电机组的叶片是风力发电机组的关键部件之一，叶片的故障的检测对于风力发电机组的正常运行具有重大的影响。
当前的叶片的故障检测更多的是采用人工巡检、无人机巡检、在叶片上加装监测装置来实现，需要较高的设备成本和人力成本。
因此需要一种方便准确地检测风力发电机组的叶片故障的技术。
发明内容
本发明的目的在于提供一种检测风力发电机组的叶片故障的方法和设备。
本发明的一方面提供一种检测风力发电机组的叶片故障的方法，所述方法包括：获取风力发电机组的机舱的预定时间段内的多个时间点的加速度数据；基于获取的加速度数据估计叶片承受的冲击性振动能量，其中，叶片承受的冲击性振动能量表示叶片受到冲击性振动时对叶片所产生的影响，冲击性振动表示叶片瞬间受到冲击载荷的作用引起振动加速度发生的突变；基于估计的冲击性振动能量确定叶片故障。
可选地，通过加速度数据的峰标比来表示叶片承受的冲击性振动能量，其中，加速度数据的峰标比为获取的加速度数据的峰度与获取的加速度数据的标准差的比值。
可选地，叶片承受的冲击性振动能量为对多个方向的冲击性振动能量进行合并的融合结果。
可选地，叶片受到外部的载荷越大的方向，对融合结果的影响越大，其中，在融合结果中，对融合结果的影响大的方向的冲击性振动能量相对于对融合结果的影响小的方向的冲击性振动能量被放大。
可选地，通过对各个方向的冲击性振动能量的各自的特定数学表达形式进行合并运算，进行所述合并，其中，对融合结果的影响大的方向的冲击性振动能量通过自己的特定数学表达形式相对于对融合结果的影响小的方向的冲击性振动能量通过自己的特定数学表达形式被放大。
可选地，所述融合结果为多个方向的冲击性振动能量的平方和的平方根。
可选地，机舱的加速度数据包括作为机舱在第一方向的加速度的第一加速度和作为在第二方向的加速度的第二加速度，基于获取的加速度数据估计叶片承受的冲击性振动能量的步骤包括：计算叶片承受的第一方向的冲击性振动能量作为第一冲击性振动能量，计算叶片承受的第二方向的冲击性振动能量作为第二冲击性振动能量，其中，第一冲击性振动能量为第一加速度的峰标比，第二冲击性振动能量为第二加速度的峰标比；对第一冲击性振动能量和第二冲击性振动能量进行合并，将合并得到的融合结果作为冲击性振动能量，其中，第二冲击性振动能量在所述融合结果中的影响大于第一冲击性振动能量在所述融合结果中的影响。
可选地，风力发电机组处于运行状态时的第一冲击性振动能量在所述融合结果中的影响比风力发电机组处于非运行状态时的第一冲击性振动能量在所述融合结果中的影响小。
可选地，冲击性振动能量越大表示叶片出现故障的概率越高。
可选地，所述多个方向包括第一方向和第二方向，机舱的加速度数据包括作为机舱在第一方向的加速度的第一加速度和作为在第二方向的加速度的第二加速度，基于估计的冲击性振动能量确定叶片故障的步骤包括：当满足下述条件之一时，确定叶片发生开裂：第一高冲击加速度的数量大于第一预定数量并且小于预定时间间隔的采集时间相邻的第一高冲击加速度之间的采集时间间隔的数量大于第二预定数量，叶片承受的第二方向的冲击性振动能量大于第一预定能量阈值，第二加速度的峰度大于预定峰度阈值，其中，第一高冲击加速度表示第一加速度中的位于第一预定范围内的加速度；冲击性振动能量大于第二预定能量阈值，并且第二加速度的标准差大于预定标准差阈值。
可选地，第一方向为风力发电机组的叶轮主轴的轴向方向，第二方向为水平面上的与第一方向垂直的方向。
可选地，基于估计的冲击性振动能量确定叶片故障的步骤包括：基于冲击性振动能量确定叶片出现故障的概率，或者基于冲击性振动能量确定叶片故障的等级，其中，叶片故障包括多个等级，每个等级对应于一个冲击性振动能量区间，等级越高表示叶片出现故障的概率越高。
可选地，所述方法还包括：从获取的加速度数据中剔除不在第二预定范围内的加速度数据作为获取的加速度数据。
可选地，所述方法还包括：检测加速度数据的数据质量，其中，当满足下述条件时确定加速度数据的数据质量满足要求：获取的加速度数据中的唯一加速度数据的数量大于第三预定数量，在所述预定时间段期间获取的风速的唯一风速的最大值大于风力发电机组的切入风速，在风速大于切入风速时获取的加速度数据的数量大于第四预定数量，并且在风速大于预定风速阈值时获取的加速度数据的数量大于第五预定数量，其中，切入风速小于预定风速阈值，第四预定数量大于第五预定数量，其中，当加速度数据的数据质量满足要求时，基于获取的加速度数据估计叶片承受的冲击性振动能量。
本发明的另一方面提供一种检测风力发电机组的叶片故障的设备，所述设备包括：数据获取单元，获取风力发电机组的机舱的预定时间段内的多个时间点的加速度数据；能量估计单元，基于获取的加速度数据估计叶片承受的冲击性振动能量，其中，叶片承受的冲击性振动能量表示叶片受到冲击性振动时对叶片所产生的影响，冲击性振动表示叶片瞬间受到冲击载荷的作用引起振动加速度发生的突变；故障检测单元，基于估计的冲击性振动能量确定叶片故障。
可选地，通过加速度数据的峰标比来表示叶片承受的冲击性振动能量，其中，加速度数据的峰标比为获取的加速度数据的峰度与获取的加速度数据的标准差的比值。
可选地，叶片承受的冲击性振动能量为对多个方向的冲击性振动能量进行合并的融合结果。
可选地，叶片受到外部的载荷越大的方向，对融合结果的影响越大，其中，在融合结果中，对融合结果的影响大的方向的冲击性振动能量相对于对融合结果的影响小的方向的冲击性振动能量被放大。
可选地，通过对各个方向的冲击性振动能量的各自的特定数学表达形式进行合并运算，进行所述合并，其中，对融合结果的影响大的方向的冲击性振动能量通过自己的特定数学表达形式相对于对融合结果的影响小的方向的冲击性振动能量通过自己的特定数学表达形式被放大。
可选地，所述融合结果为多个方向的冲击性振动能量的平方和的平方根。
可选地，机舱的加速度数据包括作为机舱在第一方向的加速度的第一加速度和作为在第二方向的加速度的第二加速度，
能量估计单元基于获取的加速度数据估计叶片承受的冲击性振动能量的处理包括：计算叶片承受的第一方向的冲击性振动能量作为第一冲击性振动能量，计算叶片承受的第二方向的冲击性振动能量作为第二冲击性振动能量，其中，第一冲击性振动能量为第一加速度的峰标比，第二冲击性振动能量为第二加速度的峰标比；对第一冲击性振动能量和第二冲击性振动能量进行合并，将合并得到的融合结果作为冲击性振动能量，其中，第二冲击性振动能量在所述融合结果中的影响大于第一冲击性振动能量在所述融合结果中的影响。
可选地，风力发电机组处于运行状态时的第一冲击性振动能量在所述融合结果中的影响比风力发电机组处于非运行状态时的第一冲击性振动能量在所述融合结果中的影响小。
可选地，冲击性振动能量越大表示叶片出现故障的概率越高。
可选地，所述多个方向包括第一方向和第二方向，机舱的加速度数据包括作为机舱在第一方向的加速度的第一加速度和作为在第二方向的加速度的第二加速度，
当满足下述条件之一时，故障检测单元确定叶片发生开裂：第一高冲击加速度的数量大于第一预定数量并且小于预定时间间隔的采集时间相邻的第一高冲击加速度之间的采集时间间隔的数量大于第二预定数量，叶片承受的第二方向的冲击性振动能量大于第一预定能量阈值，第二加速度的峰度大于预定峰度阈值，其中，第一高冲击加速度表示第一加速度中的位于第一预定范围内的加速度；冲击性振动能量大于第二预定能量阈值，并且第二加速度的标准差大于预定标准差阈值。
可选地，第一方向为风力发电机组的叶轮主轴的轴向方向，第二方向为水平面上的与第一方向垂直的方向。
可选地，故障检测单元基于冲击性振动能量确定叶片出现故障的概率，或者基于冲击性振动能量确定叶片故障的等级，其中，叶片故障包括多个等级，每个等级对应于一个冲击性振动能量区间，等级越高表示叶片出现故障的概率越高。
可选地，所述设备还包括：预处理单元，从获取的加速度数据中剔除不在第二预定范围内的加速度数据作为获取的加速度数据。
可选地，所述设备还包括：数据质量检测单元，检测加速度数据的数据质量，其中，当满足下述条件时数据质量检测单元确定加速度数据的数据质量满足要求：获取的加速度数据中的唯一加速度数据的数量大于第三预定数量，在所述预定时间段期间获取的风速的唯一风速的最大值大于风力发电机组的切入风速，在风速大于切入风速时获取的加速度数据的数量大于第四预定数量，并且在风速大于预定风速阈值时获取的加速度数据的数量大于第五预定数量，其中，切入风速小于预定风速阈值，第四预定数量大于第五预定数量，其中，当加速度数据的数据质量满足要求时，能量估计单元基于获取的加速度数据估计叶片承受的冲击性振动能量。
本发明的另一方面提供一种检测风力发电机组的叶片故障的系统，所述系统包括：处理器；存储器，存储有计算机程序，当所述计算机程序被处理器执行时，执行上述方法。
本发明的另一方面提供一种其中存储有计算机程序的计算机可读存储介质，当所述计算机程序被执行时实现上述方法。
根据本发明的检测风力发电机组的叶片故障的方法和设备，能够准确地实现叶片故障的检测。此外，由于可以不需要额外的设备来获得检测所需的数据，因此可以降低故障检测的成本。
附图说明
通过下面结合附图进行的详细描述，本发明的上述和其它目的、特点和优点将会变得更加清楚，其中：
图1示出根据本发明的实施例的检测风力发电机组的叶片故障的方法的流程图。
图2示出根据本发明的实施例的检测风力发电机组的叶片故障的设备的框图。
具体实施方式
现在，将参照附图更充分地描述不同的示例实施例。
图1示出根据本发明的实施例的检测风力发电机组的叶片故障的方法的流程图。
参照图1，在步骤S110，获取风力发电机组的机舱的预定时间段内的多个时间点的加速度数据。
例如，可获取1天内按预定周期采集的风力发电机组的机舱的加速度数据。应该理解，本发明不限于此，可根据需要设定预定时间段的长度。
由于机舱的加速度数据属于风力发电机组的常规日常采集的数据，因此可不需要安装额外的设备来获取该数据。
在步骤S120，基于获取的加速度数据估计叶片承受的冲击性振动能量。
在本发明中，叶片承受的冲击性振动能量表示叶片受到冲击性振动时对叶片所产生的影响，冲击性振动表示叶片瞬间受到冲击载荷的作用引起振动加速度发生的突变。
在本发明中，通过加速度数据的峰标比来表示叶片承受的冲击性振动能量。加速度数据的峰标比为获取的加速度数据的峰度与获取的加速度数据的标准差的比值。峰度又称峰态系数，表征概率密度分布曲线在平均值处峰值高低的特征数。
此外，也可以通过本发明提出的峰标比之外的方式来表示冲击性振动能量，本发明不限于此。
叶片承受的冲击性振动能量为对多个方向的冲击性振动能量进行合并的融合结果。这里，每个加速度数据可包括多个方向的加速度，任一方向的冲击性振动能量为所述任一方向的加速度的峰标比。
在合并处理的一个实施例中，叶片受到外部的载荷越大的方向，对融合结果的影响越大。例如，风力发电机组的主轴的轴向方向对融合结果的影响小于风力发电机组的主轴的水平径向方向对融合结果的影响。
此时，在融合结果中，对融合结果的影响(或贡献)大的方向的冲击性振动能量相对于对融合结果的影响小的方向的冲击性振动能量被放大。应该理解，这里的放大是相对放大，例如，可以是前者(即，对融合结果的影响大的方向的冲击性振动能量)被放大，后者(即，对融合结果的影响小的方向的冲击性振动能量)被缩小或不变；也可以是前者被缩小，后者被更大倍数地缩小；或者也可以是前者不变，后者被缩小。
此外，这里的合并可以是各种合并方式，只要能够体现出各个方向的冲击性振动能量在融合结果中的影响即可，例如，加权后求和、加权后求和相乘、取指数(或对数)后求和、取指数(或对数)后相乘、以及上述结果的分数指数(例如，平方根)等。在上面的示例中，可以通过调整不同方向的冲击性振动能量的权重、指数、或对数来体现对融合结果的影响(或贡献)。
换言之，可通过对各个方向的冲击性振动能量的各自的特定数学表达形式进行合并运算，进行所述合并。这里，对融合结果的影响大的方向的冲击性振动能量通过自己的特定数学表达形式相对于对融合结果的影响小的方向的冲击性振动能量通过自己的特定数学表达形式被放大。
例如，假设第一方向的冲击性振动能量为E1，第二方向的冲击性振动能量为E2，第二方向的冲击性振动能量对融合结果E的影响较大，E＝aE1+bE2，a<b。此时，E1的特定数学表达形式为aE1，E2的特定数学表达形式为bE2，E2通过bE2相对于E1通过aE1被放大。再例如，在E＝E10.5+E22的情况下，E1的特定数学表达形式为E10.5，E2的特定数学表达形式为E22，E2通过E22相对于E1通过E10.5被放大。应该理解，上面示出的特定数学表达仅是示例性的，本发明不限于此。
由于考虑了外部载荷的影响情况，因此可以获得更准确的结果。
在合并处理的另一实施例中，不考虑外部载荷的影响情况。例如，所述融合结果为多个方向的冲击性振动能量的平方和的平方根。应该理解，本发明不限于此，融合结果只要能够体现出各个方向的冲击性振动能量在融合结果中的影响即可。
在一个实施例中，所述多个方向包括第一方向和第二方向，机舱的加速度数据可包括作为机舱在第一方向的加速度的第一加速度和作为在第二方向的加速度的第二加速度。例如，第一方向为风力发电机组的叶轮主轴的轴向方向，第二方向为水平面上的与第一方向垂直的方向。
在此情况下，基于获取的加速度数据估计叶片承受的冲击性振动能量的步骤包括：
首先，计算叶片承受的第一方向的冲击性振动能量作为第一冲击性振动能量，计算叶片承受的第二方向的冲击性振动能量作为第二冲击性振动能量。这里，第一冲击性振动能量为第一加速度的峰标比，第二冲击性振动能量为第二加速度的峰标比；
随后，对第一冲击性振动能量和第二冲击性振动能量进行合并，将合并得到的融合结果作为冲击性振动能量。这里，第二冲击性振动能量在所述融合结果中的影响大于第一冲击性振动能量在所述融合结果中的影响。
此外，还可进一步考虑风力发电机组的运行状态。风力发电机组处于运行状态时的第一冲击性振动能量在所述融合结果中的影响比风力发电机组处于非运行状态时的第一冲击性振动能量在所述融合结果中的影响小。
在步骤S130，基于估计的冲击性振动能量确定叶片故障。
冲击性振动能量越大表示叶片出现故障的概率越高。
在一个实施例中，可基于冲击性振动能量确定叶片出现故障的概率。
在另一个实施例中，可基于冲击性振动能量确定叶片故障的等级。叶片故障包括多个等级，每个等级对应于一个冲击性振动能量区间，等级越高表示叶片出现故障的概率越高。换言之，可确定冲击性振动能量所在的冲击性振动能量区间来确定叶片故障的等级。
在另外的实施例中，还可进一步结合其他数据来更准确地检测叶片故障。
在一个优选实施例中，当满足下面的条件时可确定叶片发生开裂：第一高冲击加速度的数量大于第一预定数量，并且小于预定时间间隔的采集时间相邻的第一高冲击加速度之间的采集时间间隔的数量大于第二预定数量，叶片承受的第二方向的冲击性振动能量大于第一预定能量阈值，第二加速度的峰度大于预定峰度阈值。这里，第一高冲击加速度表示第一加速度中的位于第一预定范围内的加速度。
应该理解，小于预定时间间隔的采集时间相邻的第一高冲击加速度之间的采集时间间隔的数量大于第二预定数量是指：对第一高冲击加速度按采集时间进行排序，确定每对采集时间相邻的第一高冲击加速度之间的采集时间间隔，从中找出小于预定时间间隔的采集时间间隔，找出的采集时间间隔大于第二预定数量。
在一个优选实施例中，当满足下面的条件时可确定叶片发生开裂：冲击性振动能量(即，第一和第二方向的冲击性振动能量的融合结果)大于第二预定能量阈值，并且第二加速度的标准差大于预定标准差阈值。
应该理解，考虑到检测的精度，这里确定出叶片发生开裂这样的结果可能与实际情况存在一定的误差。因此，这里确定出叶片发生开裂在于提示叶片可能实际发生了开裂或者存在非常高的可能性发生了开裂。
此外，在步骤S110获得加速度数据之后，还可首先对获取的加速度数据进行数据清洗，然后将清洗后的加速度数据用于后续处理。具体地说，从获取的加速度数据中剔除不在第二预定范围内的加速度数据作为最终获取的加速度数据，从而用于后续的处理。例如，当在任一时间点采集的加速度数据的任一方向的加速度不在第二预定范围内时，剔除该在任一时间点采集的加速度数据。
在一个实施例中，第二预定范围的上限等于第一预定范围的上限。此外，应该理解，第二预定范围的下限小于预定加速度阈值。
在一个实施例中，在步骤S110获得加速度数据之后或进行数据清洗之后，还可首先对加速度数据的数据质量进行判断，判断数据质量是否满足叶片故障的检测的要求。当数据质量满足要求时，才进一步执行后续处理，例如，执行步骤S120。
具体地说，当满足下述条件时确定加速度数据的数据质量满足要求：获取的加速度数据中的唯一加速度数据的数量大于第三预定数量，在所述预定时间段期间获取的风速的唯一风速的最大值大于风力发电机组的切入风速，在风速大于切入风速时获取的加速度数据的数量大于第四预定数量，并且在风速大于预定风速阈值时获取的加速度数据的数量大于第五预定数量，其中，切入风速小于预定风速阈值，第四预定数量大于第五预定数量。
这里，唯一加速度数据是指在获取的加速度数据中没有其他相同的加速度数据，仅出现一次，不多次出现。在一个实施例中，当任一方向的加速度的唯一加速度的数量大于第三预定数量时，获取的加速度数据中的唯一加速度数据的数量大于第三预定数量。
唯一风速是指在获取的风速中没有其他相同的风速，仅出现一次，不多次出现。在所述预定时间段期间获取的风速可以是风力发电机组获取的风速。由于风速属于风力发电机组的常规日常采集的数据，因此可不需要安装额外的设备来获取该数据。
应该理解，当数据质量不满足要求时，可继续获取加速度数据或获取下一预定时间段内的加速度数据用于叶片故障的检测。
图2示出根据本发明的实施例的检测风力发电机组的叶片故障的设备的框图。
参照图2，根据本发明的实施例的检测风力发电机组的叶片故障的设备200包括：数据获取单元210、能量估计单元220、故障检测单元230。
数据获取单元210获取风力发电机组的机舱的预定时间段内的多个时间点的加速度数据。
例如，数据获取单元210可获取1天内按预定周期采集的风力发电机组的机舱的加速度数据。应该理解，本发明不限于此，可根据需要设定预定时间段的长度。
由于机舱的加速度数据属于风力发电机组的常规日常采集的数据，因此可以不需要安装额外的设备来获取该数据。
能量估计单元220基于获取的加速度数据估计叶片承受的冲击性振动能量。
在本发明中，叶片承受的冲击性振动能量表示叶片受到冲击性振动时对叶片所产生的影响，冲击性振动表示叶片瞬间受到冲击载荷的作用引起振动加速度发生的突变。
在本发明中，通过加速度数据的峰标比来表示叶片承受的冲击性振动能量。加速度数据的峰标比为获取的加速度数据的峰度与获取的加速度数据的标准差的比值。峰度又称峰态系数，表征概率密度分布曲线在平均值处峰值高低的特征数。直观看来，峰度反映了峰部的尖度。
此外，也可以通过本发明提出的峰标比之外的方式来表示冲击性振动能量，本发明不限于此。
叶片承受的冲击性振动能量为对多个方向的冲击性振动能量进行合并的融合结果。这里，每个加速度数据可包括多个方向的加速度，任一方向的冲击性振动能量为所述任一方向的加速度的峰标比。
在合并处理的一个实施例中，叶片受到外部的载荷越大的方向，对融合结果的影响越大。例如，风力发电机组的主轴的轴向方向对融合结果的影响小于风力发电机组的主轴的水平径向方向对融合结果的影响。
此时，在融合结果中，对融合结果的影响(或贡献)大的方向的冲击性振动能量相对于对融合结果的影响小的方向的冲击性振动能量被放大。应该理解，这里的放大是相对放大，例如，可以是前者(即，对融合结果的影响大的方向的冲击性振动能量)被放大，后者(即，对融合结果的影响小的方向的冲击性振动能量)被缩小或不变；也可以是前者被缩小，后者被更大倍数地缩小；或者也可以是前者不变，后者被缩小。
此外，这里的合并可以是各种合并方式，只要能够体现出各个方向的冲击性振动能量在融合结果中的影响即可，例如，加权后求和、加权后求和相乘、取指数(或对数)后求和、取指数(或对数)后相乘、以及上述结果的分数指数(例如，平方根)等。在上面的示例中，可以通过调整不同方向的冲击性振动能量的权重、指数、或对数来体现对融合结果的影响(或贡献)。
换言之，可通过对各个方向的冲击性振动能量的各自的特定数学表达形式进行合并运算，进行所述合并。这里，对融合结果的影响大的方向的冲击性振动能量通过自己的特定数学表达形式相对于对融合结果的影响小的方向的冲击性振动能量通过自己的特定数学表达形式被放大。
例如，假设第一方向的冲击性振动能量为E1，第二方向的冲击性振动能量为E2，第二方向的冲击性振动能量对融合结果E的影响较大，E＝aE1+bE2，a<b。此时，E1的特定数学表达形式为aE1，E2的特定数学表达形式为bE2，E2通过bE2相对于E1通过aE1被放大。再例如，在E＝E10.5+E22的情况下，E1的特定数学表达形式为E10.5，E2的特定数学表达形式为E22，E2通过E22相对于E1通过E10.5被放大。应该理解，上面示出的特定数学表达仅是示例性的，本发明不限于此。
由于考虑了外部载荷的影响情况，因此可以获得更准确的结果。
在合并处理的另一实施例中，不考虑外部载荷的影响情况。例如，所述融合结果为多个方向的冲击性振动能量的平方和的平方根。应该理解，本发明不限于此，融合结果只要能够体现出各个方向的冲击性振动能量在融合结果中的影响即可。
在一个实施例中，所述多个方向包括第一方向和第二方向，机舱的加速度数据可包括作为机舱在第一方向的加速度的第一加速度和作为在第二方向的加速度的第二加速度。例如，第一方向为风力发电机组的叶轮主轴的轴向方向，第二方向为水平面上的与第一方向垂直的方向。
在此情况下，能量估计单元220基于获取的加速度数据估计叶片承受的冲击性振动能量的处理包括：
首先，计算叶片承受的第一方向的冲击性振动能量作为第一冲击性振动能量，计算叶片承受的第二方向的冲击性振动能量作为第二冲击性振动能量。这里，第一冲击性振动能量为第一加速度的峰标比，第二冲击性振动能量为第二加速度的峰标比；
随后，对第一冲击性振动能量和第二冲击性振动能量进行合并，将合并得到的融合结果作为冲击性振动能量。这里，第二冲击性振动能量在所述融合结果中的影响大于第一冲击性振动能量在所述融合结果中的影响。
此外，还可进一步考虑风力发电机组的运行状态。风力发电机组处于运行状态时的第一冲击性振动能量在所述融合结果中的影响比风力发电机组处于非运行状态时的第一冲击性振动能量在所述融合结果中的影响小。
故障检测单元230基于估计的冲击性振动能量确定叶片故障。
冲击性振动能量越大表示叶片出现故障的概率越高。
在一个实施例中，故障检测单元230可基于冲击性振动能量确定叶片出现故障的概率。
在另一个实施例中，故障检测单元230可基于冲击性振动能量确定叶片故障的等级。叶片故障包括多个等级，每个等级对应于一个冲击性振动能量区间，等级越高表示叶片出现故障的概率越高。换言之，故障检测单元230可确定冲击性振动能量所在的冲击性振动能量区间来确定叶片故障的等级。
在另外的实施例中，故障检测单元230还可进一步结合其他数据来更准确地检测叶片故障。
在一个优选实施例中，当满足下面的条件时故障检测单元230可确定叶片发生开裂：第一高冲击加速度的数量大于第一预定数量，并且小于预定时间间隔的采集时间相邻的第一高冲击加速度之间的采集时间间隔的数量大于第二预定数量，叶片承受的第二方向的冲击性振动能量大于第一预定能量阈值，第二加速度的峰度大于预定峰度阈值。这里，第一高冲击加速度表示第一加速度中的位于第一预定范围内的加速度。
应该理解，小于预定时间间隔的采集时间相邻的第一高冲击加速度之间的采集时间间隔的数量大于第二预定数量是指：对第一高冲击加速度按采集时间进行排序，确定每对采集时间相邻的第一高冲击加速度之间的采集时间间隔，从中找出小于预定时间间隔的采集时间间隔，找出的采集时间间隔大于第二预定数量。
在一个优选实施例中，当满足下面的条件时故障检测单元230可确定叶片发生开裂：冲击性振动能量(即，第一和第二方向的冲击性振动能量的融合结果)大于第二预定能量阈值，并且第二加速度的标准差大于预定标准差阈值。
此外，设备200还可包括预处理单元。在数据获取单元210获得加速度数据之后，还可首先由预处理单元对获取的加速度数据进行数据清洗，然后将清洗后的加速度数据用于其他模块的后续处理。具体地说，预处理单元从获取的加速度数据中剔除不在第二预定范围内的加速度数据作为最终获取的加速度数据，从而用于后续的处理。例如，当在任一时间点采集的加速度数据的任一方向的加速度不在第二预定范围内时，预处理单元剔除该在任一时间点采集的加速度数据。
在一个实施例中，第二预定范围的上限等于第一预定范围的上限。此外，应该理解，第二预定范围的下限小于预定加速度阈值。
在一个实施例中，设备200还可包括数据质量检测单元，检测加速度数据的数据质量。例如，在数据获取单元210获得加速度数据之后或预处理单元进行数据清洗之后，还可首先由数据质量检测单元对加速度数据的数据质量进行判断，判断数据质量是否满足叶片故障的检测。当加速度数据的数据质量满足要求时，才执行后续的处理，例如，能量估计单元220基于获取的加速度数据估计叶片承受的冲击性振动能量。
具体地说，当满足下述条件时数据质量检测单元确定加速度数据的数据质量满足要求：获取的加速度数据中的唯一加速度数据的数量大于第三预定数量，在所述预定时间段期间获取的风速的唯一风速的最大值大于风力发电机组的切入风速，在风速大于切入风速时获取的加速度数据的数量大于第四预定数量，并且在风速大于预定风速阈值时获取的加速度数据的数量大于第五预定数量，其中，切入风速小于预定风速阈值，第四预定数量大于第五预定数量。
这里，唯一加速度数据是指在获取的加速度数据中没有其他相同的加速度数据，仅出现一次，不多次出现。在一个实施例中，当任一方向的加速度的唯一加速度的数量大于第三预定数量时，获取的加速度数据中的唯一加速度数据的数量大于第三预定数量。
唯一风速是指在获取的风速中没有其他相同的风速，仅出现一次，不多次出现。在所述预定时间段期间获取的风速可以是风力发电机组获取的风速。由于风速属于风力发电机组的常规日常采集的数据，因此可不需要安装额外的设备来获取该数据。
应该理解，当不满足上述条件时，数据获取单元210可继续获取数据或获取下一预定时间段内的加速度数据用于叶片故障的检测。
根据本发明的检测风力发电机组的叶片故障的方法和设备，能够准确地实现叶片故障的检测。此外，由于可以不需要额外的设备来获得检测所需的数据，因此可以降低故障检测的成本。
根据本发明的一个实施例，本发明还提供一种检测风力发电机组的叶片故障的系统。所述系统包括：处理器和存储器。存储器存储有计算机程序，当所述计算机程序被处理器执行时，执行上面所示的检测风力发电机组的叶片故障的方法。
此外，应该理解，根据本发明示例性实施例的设备中的各个单元可被实现硬件组件和/或软件组件。本领域技术人员根据限定的各个单元所执行的处理，可以例如使用现场可编程门阵列(FPGA)或专用集成电路(ASIC)来实现各个单元。
此外，根据本发明示例性实施例的方法可以被实现为计算机可读记录介质中的计算机程序。本领域技术人员可以根据对上述方法的描述来实现所述计算机程序。当所述计算机程序在计算机中被执行时实现本发明的上述方法。
尽管已经参照其示例性实施例具体显示和描述了本发明，但是本领域的技术人员应该理解，在不脱离权利要求所限定的本发明的精神和范围的情况下，可以对其进行形式和细节上的各种改变。

Claims (30)

1.一种检测风力发电机组的叶片故障的方法，其特征在于，所述方法包括：
获取风力发电机组的机舱的预定时间段内的多个时间点的加速度数据；
基于获取的加速度数据估计叶片承受的冲击性振动能量，其中，叶片承受的冲击性振动能量表示叶片受到冲击性振动时对叶片所产生的影响，冲击性振动表示叶片瞬间受到冲击载荷的作用引起振动加速度发生的突变；
基于估计的冲击性振动能量确定叶片故障。
2.根据权利要求1所述的方法，其特征在于，通过加速度数据的峰标比来表示叶片承受的冲击性振动能量，其中，加速度数据的峰标比为获取的加速度数据的峰度与获取的加速度数据的标准差的比值。
3.根据权利要求1所述的方法，其特征在于，叶片承受的冲击性振动能量为对多个方向的冲击性振动能量进行合并的融合结果。
4.根据权利要求3所述的方法，其特征在于，所述融合结果为多个方向的冲击性振动能量的平方和的平方根。
5.根据权利要求3所述的方法，其特征在于，叶片受到外部的载荷越大的方向，对融合结果的影响越大，其中，在融合结果中，对融合结果的影响大的方向的冲击性振动能量相对于对融合结果的影响小的方向的冲击性振动能量被放大。
6.根据权利要求5所述的方法，其特征在于，通过对各个方向的冲击性振动能量的各自的特定数学表达形式进行合并运算，进行所述合并，其中，对融合结果的影响大的方向的冲击性振动能量通过自己的特定数学表达形式相对于对融合结果的影响小的方向的冲击性振动能量通过自己的特定数学表达形式被放大。
7.根据权利要求3或5所述的方法，其特征在于，所述多个方向包括第一方向和第二方向，机舱的加速度数据包括作为机舱在第一方向的加速度的第一加速度和作为在第二方向的加速度的第二加速度，
基于获取的加速度数据估计叶片承受的冲击性振动能量的步骤包括：
计算叶片承受的第一方向的冲击性振动能量作为第一冲击性振动能量，计算叶片承受的第二方向的冲击性振动能量作为第二冲击性振动能量，其中，第一冲击性振动能量为第一加速度的峰标比，第二冲击性振动能量为第二加速度的峰标比；
对第一冲击性振动能量和第二冲击性振动能量进行合并，将合并得到的融合结果作为冲击性振动能量，其中，第二冲击性振动能量在所述融合结果中的影响大于第一冲击性振动能量在所述融合结果中的影响。
8.根据权利要求7所述的方法，其特征在于，风力发电机组处于运行状态时的第一冲击性振动能量在所述融合结果中的影响比风力发电机组处于非运行状态时的第一冲击性振动能量在所述融合结果中的影响小。
9.根据权利要求1所述的方法，其特征在于，冲击性振动能量越大表示叶片出现故障的概率越高。
10.根据权利要求1所述的方法，其特征在于，机舱的加速度数据包括作为机舱在第一方向的加速度的第一加速度和作为在第二方向的加速度的第二加速度，
基于估计的冲击性振动能量确定叶片故障的步骤包括：当满足下述条件之一时，确定叶片发生开裂：
第一高冲击加速度的数量大于第一预定数量并且小于预定时间间隔的采集时间相邻的第一高冲击加速度之间的采集时间间隔的数量大于第二预定数量，叶片承受的第二方向的冲击性振动能量大于第一预定能量阈值，第二加速度的峰度大于预定峰度阈值，其中，第一高冲击加速度表示第一加速度中的位于第一预定范围内的加速度；和
冲击性振动能量大于第二预定能量阈值，并且第二加速度的标准差大于预定标准差阈值。
11.根据权利要求7或10所述的方法，其特征在于，第一方向为风力发电机组的叶轮主轴的轴向方向，第二方向为水平面上的与第一方向垂直的方向。
12.根据权利要求1所述的方法，其特征在于，基于估计的冲击性振动能量确定叶片故障的步骤包括：基于冲击性振动能量确定叶片出现故障的概率；或者基于冲击性振动能量确定叶片故障的等级，其中，叶片故障包括多个等级，每个等级对应于一个冲击性振动能量区间，等级越高表示叶片出现故障的概率越高。
13.根据权利要求1所述的方法，其特征在于，所述方法还包括：从获取的加速度数据中剔除不在第二预定范围内的加速度数据作为获取的加速度数据。
14.根据权利要求1或13所述的方法，其特征在于，所述方法还包括：检测加速度数据的数据质量，其中，当满足下述条件时确定加速度数据的数据质量满足要求：获取的加速度数据中的唯一加速度数据的数量大于第三预定数量，在所述预定时间段期间获取的风速的唯一风速的最大值大于风力发电机组的切入风速，在风速大于切入风速时获取的加速度数据的数量大于第四预定数量，并且在风速大于预定风速阈值时获取的加速度数据的数量大于第五预定数量，其中，切入风速小于预定风速阈值，第四预定数量大于第五预定数量，
其中，当加速度数据的数据质量满足要求时，基于获取的加速度数据估计叶片承受的冲击性振动能量。
15.一种检测风力发电机组的叶片故障的设备，其特征在于，所述设备包括：
数据获取单元，获取风力发电机组的机舱的预定时间段内的多个时间点的加速度数据；
能量估计单元，基于获取的加速度数据估计叶片承受的冲击性振动能量，其中，叶片承受的冲击性振动能量表示叶片受到冲击性振动时对叶片所产生的影响，冲击性振动表示叶片瞬间受到冲击载荷的作用引起振动加速度发生的突变；
故障检测单元，基于估计的冲击性振动能量确定叶片故障。
16.根据权利要求15所述的设备，其特征在于，通过加速度数据的峰标比来表示叶片承受的冲击性振动能量，其中，加速度数据的峰标比为获取的加速度数据的峰度与获取的加速度数据的标准差的比值。
17.根据权利要求15所述的设备，其特征在于，叶片承受的冲击性振动能量为对多个方向的冲击性振动能量进行合并的融合结果。
18.根据权利要求17所述的设备，其特征在于，所述融合结果为多个方向的冲击性振动能量的平方和的平方根。
19.根据权利要求17所述的设备，其特征在于，叶片受到外部的载荷越大的方向，对融合结果的影响越大，其中，在融合结果中，对融合结果的影响大的方向的冲击性振动能量相对于对融合结果的影响小的方向的冲击性振动能量被放大。
20.根据权利要求19所述的设备，其特征在于，通过对各个方向的冲击性振动能量的各自的特定数学表达形式进行合并运算，进行所述合并，其中，对融合结果的影响大的方向的冲击性振动能量通过自己的特定数学表达形式相对于对融合结果的影响小的方向的冲击性振动能量通过自己的特定数学表达形式被放大。
21.根据权利要求17或19所述的设备，其特征在于，所述多个方向包括第一方向和第二方向，机舱的加速度数据包括作为机舱在第一方向的加速度的第一加速度和作为在第二方向的加速度的第二加速度，
能量估计单元基于获取的加速度数据估计叶片承受的冲击性振动能量的处理包括：
计算叶片承受的第一方向的冲击性振动能量作为第一冲击性振动能量，计算叶片承受的第二方向的冲击性振动能量作为第二冲击性振动能量，其中，第一冲击性振动能量为第一加速度的峰标比，第二冲击性振动能量为第二加速度的峰标比；
对第一冲击性振动能量和第二冲击性振动能量进行合并，将合并得到的融合结果作为冲击性振动能量，其中，第二冲击性振动能量在所述融合结果中的影响大于第一冲击性振动能量在所述融合结果中的影响。
22.根据权利要求21所述的设备，其特征在于，风力发电机组处于运行状态时的第一冲击性振动能量在所述融合结果中的影响比风力发电机组处于非运行状态时的第一冲击性振动能量在所述融合结果中的影响小。
23.根据权利要求15所述的设备，其特征在于，冲击性振动能量越大表示叶片出现故障的概率越高。
24.根据权利要求15所述的设备，其特征在于，机舱的加速度数据包括作为机舱在第一方向的加速度的第一加速度和作为在第二方向的加速度的第二加速度，
当满足下述条件之一时，故障检测单元确定叶片发生开裂：
第一高冲击加速度的数量大于第一预定数量并且小于预定时间间隔的采集时间相邻的第一高冲击加速度之间的采集时间间隔的数量大于第二预定数量，叶片承受的第二方向的冲击性振动能量大于第一预定能量阈值，第二加速度的峰度大于预定峰度阈值，其中，第一高冲击加速度表示第一加速度中的位于第一预定范围内的加速度；和
冲击性振动能量大于第二预定能量阈值，并且第二加速度的标准差大于预定标准差阈值。
25.根据权利要求21或24所述的设备，其特征在于，第一方向为风力发电机组的叶轮主轴的轴向方向，第二方向为水平面上的与第一方向垂直的方向。
26.根据权利要求15所述的设备，其特征在于，故障检测单元基于冲击性振动能量确定叶片出现故障的概率，或者基于冲击性振动能量确定叶片故障的等级，其中，叶片故障包括多个等级，每个等级对应于一个冲击性振动能量区间，等级越高表示叶片出现故障的概率越高。
27.根据权利要求15所述的设备，其特征在于，所述设备还包括：预处理单元，从获取的加速度数据中剔除不在第二预定范围内的加速度数据作为获取的加速度数据。
28.根据权利要求15或27所述的设备，其特征在于，所述设备还包括：数据质量检测单元，检测加速度数据的数据质量，其中，当满足下述条件时数据质量检测单元确定加速度数据的数据质量满足要求：获取的加速度数据中的唯一加速度数据的数量大于第三预定数量，在所述预定时间段期间获取的风速的唯一风速的最大值大于风力发电机组的切入风速，在风速大于切入风速时获取的加速度数据的数量大于第四预定数量，并且在风速大于预定风速阈值时获取的加速度数据的数量大于第五预定数量，其中，切入风速小于预定风速阈值，第四预定数量大于第五预定数量，
其中，当加速度数据的数据质量满足要求时，能量估计单元基于获取的加速度数据估计叶片承受的冲击性振动能量。
29.一种检测风力发电机组的叶片故障的系统，其特征在于，所述系统包括：
处理器；
存储器，存储有计算机程序，当所述计算机程序被处理器执行时，执行权利要求1至14中的任一项所述的方法。
30.一种其中存储有计算机程序的计算机可读存储介质，当所述计算机程序被执行时实现权利要求1至14中的任一项所述的方法。
CN201810657628.7A 2018-06-20 2018-06-20 检测风力发电机组的叶片故障的方法和设备 Active CN110617184B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810657628.7A CN110617184B (zh) 2018-06-20 2018-06-20 检测风力发电机组的叶片故障的方法和设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810657628.7A CN110617184B (zh) 2018-06-20 2018-06-20 检测风力发电机组的叶片故障的方法和设备

Publications (2)

Publication Number Publication Date
CN110617184A true CN110617184A (zh) 2019-12-27
CN110617184B CN110617184B (zh) 2021-03-09

Family

ID=68920883

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810657628.7A Active CN110617184B (zh) 2018-06-20 2018-06-20 检测风力发电机组的叶片故障的方法和设备

Country Status (1)

Country Link
CN (1) CN110617184B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113357097A (zh) * 2020-03-02 2021-09-07 北京金风科创风电设备有限公司 风力发电机组的叶片卡桨检测方法和装置

Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
WO2010086688A1 (en) * 2009-01-28 2010-08-05 Clipper Windpower, Inc. Load peak mitigation method and control system for a wind turbine
CN102032112A (zh) * 2009-10-02 2011-04-27 通用电气公司 用于风力涡轮发电机的状态监测系统及其操作方法
CN102242695A (zh) * 2011-06-29 2011-11-16 西安交通大学 基于突变峰值指标风力发电机组异常状态预警方法
JP2011256881A (ja) * 2011-09-26 2011-12-22 Nabtesco Corp 風車用センサ機構及び風車の減振方法
CN102829977A (zh) * 2012-08-23 2012-12-19 天津瑞能电气有限公司 一种风力发电机组低频振动的监测方法
CN103185670A (zh) * 2011-12-28 2013-07-03 三菱重工业株式会社 风力发电用风车的冲击载荷监视系统及冲击载荷监视方法
CN103439109A (zh) * 2013-09-12 2013-12-11 华北电力大学（保定） 一种风力发电机组传动系统故障预警的方法
KR20150076714A (ko) * 2013-12-27 2015-07-07 삼성중공업 주식회사 풍력 터빈 제어 장치 및 그 제어 방법
CN105408625A (zh) * 2013-07-30 2016-03-16 维斯塔斯风力系统集团公司 基于叶片上测量的负荷和加速度的风力涡轮机的操作方法及装置
EP3056726A1 (en) * 2015-02-13 2016-08-17 General Electric Company System and method for operating a wind turbine based on rotor blade margin
CN107153006A (zh) * 2017-03-27 2017-09-12 上海交通大学 一种汽车受冲击信号检测方法和装置
WO2017163839A1 (ja) * 2016-03-22 2017-09-28 Ntn株式会社 状態監視装置およびそれを搭載する風力発電設備、ならびに電気的ノイズ除去方法
CN107269511A (zh) * 2017-07-03 2017-10-20 西南交通大学 一种隔膜泵单向阀实时故障检测方法及系统

Patent Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
WO2010086688A1 (en) * 2009-01-28 2010-08-05 Clipper Windpower, Inc. Load peak mitigation method and control system for a wind turbine
CN102032112A (zh) * 2009-10-02 2011-04-27 通用电气公司 用于风力涡轮发电机的状态监测系统及其操作方法
CN102242695A (zh) * 2011-06-29 2011-11-16 西安交通大学 基于突变峰值指标风力发电机组异常状态预警方法
JP2011256881A (ja) * 2011-09-26 2011-12-22 Nabtesco Corp 風車用センサ機構及び風車の減振方法
CN103185670A (zh) * 2011-12-28 2013-07-03 三菱重工业株式会社 风力发电用风车的冲击载荷监视系统及冲击载荷监视方法
CN102829977A (zh) * 2012-08-23 2012-12-19 天津瑞能电气有限公司 一种风力发电机组低频振动的监测方法
CN105408625A (zh) * 2013-07-30 2016-03-16 维斯塔斯风力系统集团公司 基于叶片上测量的负荷和加速度的风力涡轮机的操作方法及装置
CN103439109A (zh) * 2013-09-12 2013-12-11 华北电力大学（保定） 一种风力发电机组传动系统故障预警的方法
KR20150076714A (ko) * 2013-12-27 2015-07-07 삼성중공업 주식회사 풍력 터빈 제어 장치 및 그 제어 방법
EP3056726A1 (en) * 2015-02-13 2016-08-17 General Electric Company System and method for operating a wind turbine based on rotor blade margin
WO2017163839A1 (ja) * 2016-03-22 2017-09-28 Ntn株式会社 状態監視装置およびそれを搭載する風力発電設備、ならびに電気的ノイズ除去方法
CN107153006A (zh) * 2017-03-27 2017-09-12 上海交通大学 一种汽车受冲击信号检测方法和装置
CN107269511A (zh) * 2017-07-03 2017-10-20 西南交通大学 一种隔膜泵单向阀实时故障检测方法及系统

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113357097A (zh) * 2020-03-02 2021-09-07 北京金风科创风电设备有限公司 风力发电机组的叶片卡桨检测方法和装置
CN113357097B (zh) * 2020-03-02 2024-01-26 北京金风科创风电设备有限公司 风力发电机组的叶片卡桨检测方法和装置

Also Published As

Publication number Publication date
CN110617184B (zh) 2021-03-09

Similar Documents

Publication Publication Date Title
EP3364324B1 (en) Method and device for detecting equivalent load of wind turbine generator system
EP3431952B1 (en) Condition monitoring system and wind turbine generation apparatus
He et al. Data mining based full ceramic bearing fault diagnostic system using AE sensors
US9394899B2 (en) System and method for fault detection in an electrical device
CN104111154B (zh) 风力发电机组的振动趋势分析方法和振动趋势分析系统
JP2003526859A5 (zh)
CN109754406B (zh) 基于二维轮廓仪的锂电池极片毛刺检测装置及方法
CN107844680B (zh) 一种基于图像灰度叠加的水电机组综合振动区获取方法
JP2017173321A (ja) 状態監視システムおよび風力発電装置
CN105863970A (zh) 一种风机故障识别方法及装置
CN107391515A (zh) 基于关联规则分析的电力系统指标分析方法
CN110617184B (zh) 检测风力发电机组的叶片故障的方法和设备
CN110174261A (zh) 多退化量监测的齿轮实时剩余寿命预测方法
US20130173215A1 (en) Adaptive trend-change detection and function fitting system and method
TW201633025A (zh) 工具機主軸故障形式的診斷方法及其系統
CN105631238B (zh) 一种滚动轴承振动性能变异的检测方法及系统
JP2017181500A (ja) 状態監視システムおよび風力発電装置
CN101192253A (zh) 用于燃气轮机性能诊断的状态初始化
CN111120203B (zh) 确定风力发电机组的偏航对风偏差角度的方法及设备
KR101932286B1 (ko) 풍력 발전을 고려한 순간전압강하 평가 방법 및 장치
KR101838857B1 (ko) 열화 트랜드를 이용한 기계 열화 추이 추정 방법
JP2000032660A (ja) 電力系統事故の選択方法およびその装置
CN116596106A (zh) 风电场站的功率预测方法、装置、电子设备及存储介质
CN107798149B (zh) 一种飞机维修性评估方法
EP3521613A1 (en) Method and device for detecting active power of wind power generator set

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
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20200327

Address after: Room 209, 2nd floor, No. 1 Building, 19 Kangding Street, Beijing Economic and Technological Development Zone, Daxing District, Beijing, 100176

Applicant after: Beijing Goldwind Smart Energy Service Co.,Ltd.

Applicant after: Jiangsu Jinfeng Software Technology Co.,Ltd.

Applicant after: Qinghai green energy data Co., Ltd

Address before: Room 209, 2nd floor, No. 1 Building, 19 Kangding Street, Beijing Economic and Technological Development Zone, Daxing District, Beijing, 100176

Applicant before: Beijing Goldwind Smart Energy Service Co.,Ltd.

GR01 Patent grant
GR01 Patent grant