CN111125895B - 一种风力发电机整机服役功率特性在线评估方法 - Google Patents
一种风力发电机整机服役功率特性在线评估方法 Download PDFInfo
- Publication number
- CN111125895B CN111125895B CN201911284181.4A CN201911284181A CN111125895B CN 111125895 B CN111125895 B CN 111125895B CN 201911284181 A CN201911284181 A CN 201911284181A CN 111125895 B CN111125895 B CN 111125895B
- Authority
- CN
- China
- Prior art keywords
- wind speed
- power
- data
- wind
- data set
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 40
- 238000011156 evaluation Methods 0.000 claims abstract description 70
- 230000001186 cumulative effect Effects 0.000 claims abstract description 18
- 238000005315 distribution function Methods 0.000 claims description 14
- 230000002159 abnormal effect Effects 0.000 claims description 7
- 238000005520 cutting process Methods 0.000 claims description 6
- 238000003745 diagnosis Methods 0.000 claims description 5
- 238000007621 cluster analysis Methods 0.000 claims description 3
- 239000006185 dispersion Substances 0.000 abstract description 7
- 238000009826 distribution Methods 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 3
- 238000012423 maintenance Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Landscapes
- Wind Motors (AREA)
Abstract
本发明的一种风力发电机整机服役功率特性在线评估方法，所述方法包括以下步骤：S1：建立标准数据集；S2：将标准数据集划分为两个区域；S3：划分标准数据集的最大风能捕获区域的风速区间；S4：利用标准功率曲线的数据计算S3中的风速区间的权值；S5：建立评估数据集；S6：将评估数据集划分为两个区域；S7：划分评估数据集的最大风能捕获区域的风速区间。本发明提供了一种风力发电机整机服役功率特性在线评估方法，用于评估的风速功率散点与标准的风速功率散点的偏差，根据面积法，利用整个评估数据的累积分布之间的面积来衡量两组数据的模型之间的误差，没有将其转换为功率曲线与标准功率曲线进行比较，减少了功率曲线建模的误差。
Description
【技术领域】
本发明涉及大型风力发电机状态在线智能评估领域，具体为一种风力发电机整机服役功率特性在线评估方法。
【背景技术】
随着风力发电机装机容量的逐年增加，高效运行和维护成为风电行业关注的问题。为了监控风力发电机的实时运行状态，通常安装了 SCADA(Supervisory Control AndData Acquisition)系统，即数据采集与监视控制系统。通过SCADA系统可以采集风速、功率、转速和温度等大量运行数据。对运行数据进行挖掘分析，可以实现状态评估、故障诊断和故障预测等功能。风速功率曲线是反映输入风速下输出功率的特征曲线，它通常作为分析和衡量风力发电机组整机发电性能的重要指标。实际运行中，通常利用监测SCADA数据与标准的功率曲线的偏差衡量风力发电机的性能。由于影响风速功率曲线的因素众多，难以获得准确的风速功率数据，对风速功率偏差分析造成较大影响，难以获取准确的偏差值。
【发明内容】
本发明要解决难以获取准确的偏差值的技术问题，本发明提供了一种风力发电机整机服役功率特性在线评估方法。
本发明的技术方案如下：
一种风力发电机整机服役功率特性在线评估方法，所述方法包括以下步骤：
S1：建立标准数据集，提取运行风机SCADA系统中的风速功率数据,作为标准数据集；
S2：将标准数据集划分为两个区域，其中标准数据集中的风速功率数据包括切入风速vin，额定风速vrate，以及切出风速vout，根据额定风速将标准数据集划分为以下两个区域，切入风速与额定风速之间的风速功率数据[vin，vrate)为最大风能捕获区域，额定风速与切出风速之间的风速功率数据[vrate，vout)为额定功率区域；
S3：划分标准数据集的最大风能捕获区域的风速区间，其中设定区间风速δ，将最大风能捕获区域内的数据，根据δ将风速划分为t 个区间；
S4：利用标准功率曲线的数据计算S3中的风速区间的权值；
S5：建立评估数据集，其中设定需要进行分析的时间区间I，确定需要评估的风速功率数据；
S6：将评估数据集划分为两个区域，评估数据集中的风速功率数据包括切入风速vin，额定风速vrate，以及切出风速，vout根据额定风速将评估数据集划分为两个区域，切入风速与额定风速之间的风速功率数据[vin，vrate)为最大风能捕获区域，额定风速与切出风速之间的风速功率数据[vrate，vout)为额定功率区域；
S7：划分评估数据集的最大风能捕获区域的风速区间，其中，将评估数据集的最大风能捕获区域内的数据，根据S3中设定的δ将风速划分为t个区间；
S8：利用面积法计算i区间内标准数据和评估数据的累积分布函数之间的面积求出偏差；
S9：计算评估数据集的最大风能捕获区域内总偏差γ1，其中γ1＝κ1M1+κ2M2+……+κtMt；
S10：计算额定功率区域内的总偏差值γ2；
S11：更新评估数据集，获取新的评估数据集，返回S5重新进行计算或进入下一步；
S12:状态评估和故障诊断。
如上所述的一种风力发电机整机服役功率特性在线评估方法，在 S1中，利用DBSCAN聚类方法进行将标准数据集的异常点进行删除，DBSCAN聚类方法包括Eps和Minpts2个参数，Eps表示半径，Minpts 表示核心点在Eps半径范围内至少应该含有的点的数量，设定Minpts 数值，通过以下公式计算Eps,
其中m为聚类分析风速功率数据的个数,n是指数据维数,γ (0.5*n+1)表示行程函数，V为聚类半径系数，π为圆周率。
如上所述的一种风力发电机整机服役功率特性在线评估方法，在 S3中，第i个风速区间可以表示为
其中
为区间中间点风速，区间风速δ，标准数据的风速功率点表示为
在i个风速区间内标准数据的点集表示为
其中第j个元素表示为
如上所述的一种风力发电机整机服役功率特性在线评估方法，在 S4中，标准功率曲线表示为P＝g(v)，在第i个风速区间均值点的功率为
在i个区间内的权值κi为
其中t表示划分的区间数量。
如上所述的一种风力发电机整机服役功率特性在线评估方法，在 S5中，利用DBSCAN聚类方法进行将评估数据集的异常点进行删除， DBSCAN聚类方法包括Eps和Minpts2个参数，Eps表示半径，Minpts 表示核心点在Eps半径范围内至少应该含有的点的数量，设定Minpts 数值，通过以下公式计算Eps,
其中m为聚类分析风速功率数据的个数,n是指数据维数,γ (0.5*n+1)表示行程函数，V为聚类半径系数，π为圆周率。
如上所述的一种风力发电机整机服役功率特性在线评估方法，在 S7中，第i个风速区间可以表示为
其中
为区间中间点风速，区间风速δ，将评估的数据点表示为 {(v1,P1),(v2,P2),……,(vn,Pn)}，落在第i个风速区间内的点集表示为Ci，其中第j个元素表示为(vi,j,Pi,j)(j＝1,2,……,pi)。
如上所述的一种风力发电机整机服役功率特性在线评估方法，在 S8中，包括以下步骤：
S801：利用下式计算i区间内标准数据的累积分布函数
和评估数据的累积分布函数
其中m为聚类分析风速功率数据的个数，k为权值；
S802：利用下式计算第i个区间标准数据与评估数据的偏差，
其中为第i个风速区间内功率的平均值。
如上所述的一种风力发电机整机服役功率特性在线评估方法，在 S10中，评估数据集中额定功率区域的数据集定义为Cr，其中数据点为(vi,Pi r)(i＝1,2,……,s)，其中功率与额定功率Prate的偏差可以通过下式计算：△pi＝Pi r-Prate,标准数据集中功率与额定功率Prate的偏差用
表示；额定功率区域的评估指标可以表示为：
其中
为
的平均值，其中γ2额定功率区域的总偏差。
如上所述的一种风力发电机整机服役功率特性在线评估方法，在 S11中，利用时间滑动方法，得出标准偏差指标
和额定功率区域偏差指标
其中I为分析的时间区间，滑动步长为△T，γ2为额定功率区域的总偏差，γ1为评估数据集的最大风能捕获区域内总偏差。
本发明提供了一种风力发电机整机服役功率特性在线评估方法，用于评估的风速功率散点与标准的风速功率散点的偏差，根据面积法，利用整个评估数据的累积分布之间的面积来衡量两组数据的模型之间的误差，没有将其转换为功率曲线与标准功率曲线进行比较，减少了功率曲线建模的误差。
【附图说明】
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述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是本发明的步骤流程图；
图2是使用DBSCAN聚类方法对异常点识别的效果图；
图3是划分风速区间示意图；
图4是评估风速功率散点、标准风速功率散点和标准功率曲线示意图；
图5是累积分布函数面积准则示意图；
图6是最大风能捕获区域的偏差时间序列示意图；
图7是额定功率区域的偏差时间序列示意图；
图8是评估数据的滑动步长示意图。
【具体实施方式】
为了使本发明所解决的技术问题、技术方案及有益效果更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本发明实施例中的步骤标号“S”为“Step”的缩写，作为步骤的简称。本发明实施例中的步骤顺序为示例性的，并不用于限制步骤间的逻辑关系。
一种风力发电机整机服役功率特性在线评估方法，所述方法包括以下步骤：
S1：建立标准数据集，提取运行风机SCADA系统中的风速功率数据,作为标准数据集；标准数据集为实际运行风机SCADA系统提取的数据，主要来源于早期运行状态良好风机的风速功率数据，数据代表风机运行最佳状态，这部分可以通过调出整个风场风机维护日志和运行状态数据进行综合分析获得。
在S1中，利用DBSCAN聚类方法进行将标准数据集的异常点进行删除，DBSCAN聚类方法包括Eps和Minpts 2个参数，Eps表示半径， Minpts表示核心点在Eps半径范围内至少应该含有的点的数量，设定Minpts数值，本实施例中Minpts＝4，通过以下公式计算Eps,
其中m为聚类分析风速功率数据的个数,n是指数据维数,γ (0.5*n+1)表示行程函数，V为聚类半径系数，π为圆周率。利用 SCADA系统得出的风速功率数据计算。通过异常点识别的效果如图1 所示，黑点为初始的风速功率散点，黑色的圈为识别的异常点。
S2：将标准数据集划分为两个区域，其中标准数据集中的风速功率数据包括切入风速vin，额定风速vrate，以及切出风速vout，根据额定风速将标准数据集划分为以下两个区域，切入风速与额定风速之间的风速功率数据[vin，vrate)为最大风能捕获区域，额定风速与切出风速之间的风速功率数据[vrate，vout)为额定功率区域；本步骤主要是利用切入风速、额定风速和切出风速，对标准数据集进行分区。由风力发电机理论功率曲线可知，大型风力发电机包括几个关键的运行阶段，在切入到额定风速区间被称为最大风能捕获区域。在额定风速阶段，风力发电机处于额定功率阶段。
S3：划分标准数据集的最大风能捕获区域的风速区间，其中设定区间风速δ，将最大风能捕获区域内的数据，根据δ将风速划分为t 个区间；
在S3中，第i个风速区间可以表示为
其中
为区间中间点风速，区间风速δ，标准数据的风速功率点表示为
在i个风速区间内标准数据的点集表示为
其中第j个元素表示为
如图2所示，本实施例中，δ为 0.5m/s，将风速划分为6个区间。
S4：利用标准功率曲线的数据计算S3中的风速区间的权值；
在S4中，标准功率曲线表示为P＝g(v)，在第i个风速区间均值点的功率为
在i个区间内的权值κi为
其中t表示划分的区间数量。标准功率曲线如图3所示。
S5：建立评估数据集，其中设定需要进行分析的时间区间I，确定需要评估的风速功率数据；设定需要进行评估的时间，如图5、图 6所示，本实施例中选择的时间为2015年02月12日至2017年01 月11日，提取运行风机SCADA系统中的风速功率数据,建立评估数据集；
在S5中，利用DBSCAN聚类方法进行将评估数据集的异常点进行删除，DBSCAN聚类方法包括Eps和Minpts 2个参数，Eps表示半径， Minpts表示核心点在Eps半径范围内至少应该含有的点的数量，设定Minpts数值，本实施例中Minpts＝4，通过以下公式计算Eps,
其中m为聚类分析风速功率数据的个数,n是指数据维数,γ (0.5*n+1)表示行程函数，V为聚类半径系数，π为圆周率。利用 SCADA系统得出的风速功率数据计算。
S6：将评估数据集划分为两个区域，标准数据集中的风速功率数据包括切入风速vin，额定风速vrate，以及切出风速vout，根据额定风速将评估数据集划分为两个区域，切入风速与额定风速之间的风速功率数据[vin，vrate)为最大风能捕获区域，额定风速与切出风速之间的风速功率数据[vrate，vout)为额定功率区域。
S7：划分评估数据集的最大风能捕获区域的风速区间，其中，将评估数据集的最大风能捕获区域内的数据，根据S3中设定的δ将风速划分为t个区间；
在S7中，第i个风速区间可以表示为
其中
为区间中间点风速，将评估的数据点表示为{(v1,P1),(v2,P2),……,(vn,Pn)}，落在第i个风速区间内的点集表示为Ci，其中第j个元素表示为 (vi,j,Pi,j)(j＝1,2,……,pi)，其中第一个小标i为区间编号，第二个小标j 表示在该区间内的数目为pi。
S8：利用面积法计算i区间内标准数据和评估数据的累积分布函数之间的面积求出偏差，包括以下步骤：
S801：利用下式计算i区间内标准数据的累积分布函数
和评估数据的累积分布函数
其中m为聚类分析风速功率数据的个数，k为权值；
S802：利用下式计算第i个区间标准数据与评估数据的偏差Mi，
其中
为第i个风速区间内功率的平均值；如图4所示，本步骤中，采用了面积法计算标准数据与评估数据的偏差，利用公式
得出标准数据的累积分布函数图像，利用公式
得出评估数据的累积分布函数图像，再利用公式
得出在第i区间内标准数据累积分布函数与评估数据累积分布函数之间的面积作标准数据与评估数据的偏差Mi，如图4所示，面积方法主要是利用整个评估数据的累积分布之间的面积来衡量两组数据的模型之间的误差。它关键点是利用模型与模型比，而不是目前大量方法运用的均值比较方法，它能更加全面客观的反映两组数据之间的偏差。
S9：计算评估数据集的最大风能捕获区域内总偏差γ1，其中γ1＝κ1M1+κ2M2+……+κtMt；
S10：计算额定功率区域内的总偏差值γ2；在本步骤中，评估数据集中额定功率区域的数据集定义为Cr，其中数据点为 (vi,Pi r)(i＝1,2,……,s)，其中功率与额定功率Prate的偏差可以通过下式计算：△pi＝Pi r-Prate,标准数据集中功率与额定功率Prate的偏差用
表示；额定功率区域的评估指标可以表示为：
S11：更新评估数据集，获取新的评估数据集，返回S5重新进行计算或进入下一步；
在S11中，利用时间滑动方法，得出标准偏差指标
和额定功率区域偏差指标
其中I为分析的时间区间，滑动步长为△T，γ2为额定功率区域的总偏差，γ1为评估数据集的最大风能捕获区域内总偏差。评估数据的滑动步长如图7所示。
S12:状态评估和故障诊断。将得到的数据进行对比，得出风力发电机整机服役功率特性，从而进行状态评估和故障诊断。
本发明提供了一种风力发电机整机服役功率特性在线评估方法，用于评估的风速功率散点与标准的风速功率散点的偏差，根据面积法，利用整个评估数据的累积分布之间的面积来衡量两组数据的模型之间的误差，没有将其转换为功率曲线与标准功率曲线进行比较，减少了功率曲线建模的误差。
如上所述是结合具体内容提供的实施方式，并不认定本申请的具体实施只局限于这些说明。凡与本申请的方法、结构等近似、雷同，或是对于本申请构思前提下做出若干技术推演或替换，都应当视为本申请的保护范围。
Claims (7)
1.一种风力发电机整机服役功率特性在线评估方法，其特征在于，所述方法包括以下步骤：
S1：建立标准数据集，提取运行风机SCADA系统中的风速功率数据,作为标准数据集；
S2：将标准数据集划分为两个区域，其中标准数据集中的风速功率数据包括切入风速vin，额定风速vrate，以及切出风速vout，根据额定风速将标准数据集划分为以下两个区域，切入风速与额定风速之间的风速功率数据[vin，vrate)为最大风能捕获区域，额定风速与切出风速之间的风速功率数据[vrate，vout)为额定功率区域；
S3：划分标准数据集的最大风能捕获区域的风速区间，其中设定区间风速δ，将最大风能捕获区域内的数据，根据δ将风速划分为t个区间；
S4：利用标准功率曲线的数据计算S3中的风速区间的权值；
S5：建立评估数据集，其中设定需要进行分析的时间区间I，确定需要评估的风速功率数据；
S6：将评估数据集划分为两个区域，评估数据集中的风速功率数据包括切入风速vin，额定风速vrate，以及切出风速vout，根据额定风速将评估数据集划分为两个区域，切入风速与额定风速之间的风速功率数据[vin，vrate)为最大风能捕获区域，额定风速与切出风速之间的风速功率数据[vrate，vout)为额定功率区域；
S7：划分评估数据集的最大风能捕获区域的风速区间，其中，将评估数据集的最大风能捕获区域内的数据，根据S3中设定的δ将风速划分为t个区间，第i个风速区间可以表示为
其中
为区间中间点风速，区间风速δ，将评估的数据点表示为{(v1,P1),(v2,P2),……,(vn,Pn)}，落在第i个风速区间内的点集表示为Ci，其中第j个元素表示为(vi,j,Pi,j)(j＝1,2,……,pi)；
S8：利用面积法计算i区间内标准数据和评估数据的累积分布函数之间的面积求出偏差，面积法包括以下步骤：
S801：利用下式计算i区间内标准数据的累积分布函数
和评估数据的累积分布函数
其中m为聚类分析风速功率数据的个数，k为权值；
S802：利用下式计算第i个区间标准数据与评估数据的偏差Mi，
其中
为第i个风速区间内功率的平均值；
S9：计算评估数据集的最大风能捕获区域内总偏差γ1，其中γ1＝κ1M1+κ2M2+……+κtMt；
S10：计算额定功率区域内的总偏差值γ2；
S11：更新评估数据集，获取新的评估数据集，返回S5重新进行计算或进入下一步；
S12:状态评估和故障诊断。
2.根据权利要求1所述的一种风力发电机整机服役功率特性在线评估方法，其特征在于：
在S1中，利用DBSCAN聚类方法进行将标准数据集的异常点进行删除，DBSCAN聚类方法包括Eps和Minpts 2个参数，Eps表示半径，Minpts表示核心点在Eps半径范围内至少应该含有的点的数量，设定Minpts数值，通过以下公式计算Eps,
其中m为聚类分析风速功率数据的个数,n是指数据维数,γ(0.5*n+1)表示行程函数，V为聚类半径系数，π为圆周率。
3.根据权利要求1所述的一种风力发电机整机服役功率特性在线评估方法，其特征在于：
在S3中，第i个风速区间可以表示为
其中
为区间中间点风速，区间风速δ，标准数据的风速功率点表示为
在i个风速区间内标准数据的点集表示为
其中第j个元素表示为
4.根据权利要求3所述的一种风力发电机整机服役功率特性在线评估方法，其特征在于：
在S4中，标准功率曲线表示为P＝g(v)，在第i个风速区间均值点的功率为
在i个区间内的权值κi为
其中t表示划分的区间数量。
5.根据权利要求1所述的一种风力发电机整机服役功率特性在线评估方法，其特征在于：
在S5中，利用DBSCAN聚类方法进行将评估数据集的异常点进行删除，DBSCAN聚类方法包括Eps和Minpts 2个参数，Eps表示半径，Minpts表示核心点在Eps半径范围内至少应该含有的点的数量，设定Minpts数值，通过以下公式计算Eps,
其中m为聚类分析风速功率数据的个数,n是指数据维数,γ(0.5*n+1)表示行程函数，V为聚类半径系数，π为圆周率。
6.根据权利要求1所述的一种风力发电机整机服役功率特性在线评估方法，其特征在于：
在S10中，评估数据集中额定功率区域的数据集定义为Cr，其中数据点为(vi,Pi r)(i＝1,2,……,s)，其中功率与额定功率Prate的偏差可以通过下式计算：Δpi＝Pi r-Prate,标准数据集中功率与额定功率Prate的偏差用
表示；
额定功率区域的评估指标可以表示为：
7.根据权利要求6所述的一种风力发电机整机服役功率特性在线评估方法，其特征在于：
在S11中，利用时间滑动方法，得出标准偏差指标
和额定功率区域偏差指标
其中I为分析的时间区间，滑动步长为ΔT，γ2为额定功率区域的总偏差，γ1为评估数据集的最大风能捕获区域内总偏差。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911284181.4A CN111125895B (zh) | 2019-12-13 | 2019-12-13 | 一种风力发电机整机服役功率特性在线评估方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911284181.4A CN111125895B (zh) | 2019-12-13 | 2019-12-13 | 一种风力发电机整机服役功率特性在线评估方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111125895A CN111125895A (zh) | 2020-05-08 |
| CN111125895B true CN111125895B (zh) | 2020-11-24 |
Family
ID=70498758
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911284181.4A Active CN111125895B (zh) | 2019-12-13 | 2019-12-13 | 一种风力发电机整机服役功率特性在线评估方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111125895B (zh) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112632749B (zh) * | 2020-11-24 | 2023-08-15 | 华能国际电力股份有限公司 | 一种风力发电机发电性能的评价方法及装置 |
| CN112800103B (zh) * | 2020-12-09 | 2023-03-03 | 华能陕西发电有限公司 | 一种scada数据挖掘的风电机组功率曲线的获取系统及方法 |
| CN116611741B (zh) * | 2023-07-14 | 2024-06-14 | 湖南省计量检测研究院 | 基于风电设备的服役质量指数体系构建方法及系统 |
| CN116662829B (zh) * | 2023-07-28 | 2023-10-17 | 云南中广核能源服务有限公司 | 一种场群风机标准功率曲线定义规则和偏差验证方法 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8185331B2 (en) * | 2011-09-02 | 2012-05-22 | Onsemble LLC | Systems, methods and apparatus for indexing and predicting wind power output from virtual wind farms |
| CN108269197B (zh) * | 2016-12-30 | 2020-06-09 | 北京金风科创风电设备有限公司 | 风电机组功率特性评估方法及装置 |
| CN109800931A (zh) * | 2017-11-13 | 2019-05-24 | 北京普华亿能风电技术有限公司 | 基于风机scada数据的风电场发电量损失测量方法及系统 |
-
2019
- 2019-12-13 CN CN201911284181.4A patent/CN111125895B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN111125895A (zh) | 2020-05-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111125895B (zh) | 一种风力发电机整机服役功率特性在线评估方法 | |
| CN110926809B (zh) | 一种基于大数据分析的风电机组传动链故障预警方法 | |
| CN108375476B (zh) | 一种水电机组健康评估方法 | |
| US11761427B2 (en) | Method and system for building prescriptive analytics to prevent wind turbine failures | |
| CN107291991B (zh) | 一种基于动态网络标志的风电机组早期缺陷预警方法 | |
| CN109858140B (zh) | 一种基于信息熵离散型贝叶斯网络冷水机组故障诊断方法 | |
| CN111209934B (zh) | 风机故障预报警方法及系统 | |
| CN105003453A (zh) | 一种矿井风机在线监测与故障诊断系统 | |
| CN103150473A (zh) | 一种风电机组发电效率实时监控诊断方法及装置 | |
| CN105205569A (zh) | 风机齿轮箱状态在线评估模型建立方法及在线评估方法 | |
| CN204113701U (zh) | 一种矿井风机在线监测与故障诊断系统 | |
| CN116660672B (zh) | 基于大数据的电网设备故障诊断方法及系统 | |
| CN112861350B (zh) | 一种水冷式汽轮发电机定子绕组温度过热缺陷预警方法 | |
| CN103925155A (zh) | 一种风电机组输出功率异常的自适应检测方法 | |
| CN117454114B (zh) | 基于多点位分布的地铁隧道掘进爆破振动安全监测装置 | |
| CN117728587B (zh) | 一种新能源发电设备运行数据的实时监控系统及方法 | |
| Cevasco et al. | O&M cost-Based FMECA: Identification and ranking of the most critical components for 2-4 MW geared offshore wind turbines | |
| CN118309644A (zh) | 基于数字孪生的管道泵运行流量监测方法及系统 | |
| CN111563685A (zh) | 一种基于自联想核回归算法的发电设备状态预警方法 | |
| CN114320773B (zh) | 一种基于功率曲线分析与神经网络的风电机组故障预警方法 | |
| CN111794921B (zh) | 一种基于迁移成分分析的陆上风电机组叶片结冰诊断方法 | |
| CN114138915A (zh) | 一种基于滑窗的汽轮机运行工况划分的方法 | |
| CN113915078A (zh) | 光纤光栅式风电机组叶片工况智能识别方法及系统 | |
| CN104731955A (zh) | 风电机组油液监测诊断标准建立及智能诊断方法及系统 | |
| CN118229460B (zh) | 基于智慧物联网的综合电力能源分析预测方法及其系统 |
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 | ||
| EE01 | Entry into force of recordation of patent licensing contract |
Application publication date: 20200508 Assignee: HUNAN SHIYOU ELECTRIC PUBLIC Co.,Ltd. Assignor: HUNAN University OF SCIENCE AND TECHNOLOGY Contract record no.: X2023430000007 Denomination of invention: An online evaluation method for the power characteristics of wind turbines in service Granted publication date: 20201124 License type: Common License Record date: 20230424 |
|
| EE01 | Entry into force of recordation of patent licensing contract | ||
| EE01 | Entry into force of recordation of patent licensing contract |
Application publication date: 20200508 Assignee: Hebei zhenchuang Electronic Technology Co.,Ltd. Assignor: HUNAN University OF SCIENCE AND TECHNOLOGY Contract record no.: X2023980050418 Denomination of invention: An online evaluation method for the operational power characteristics of wind turbines Granted publication date: 20201124 License type: Common License Record date: 20231211 |
|
| EE01 | Entry into force of recordation of patent licensing contract |