CN112855467A - 一种风力发电机基准工况转换方法 - Google Patents

一种风力发电机基准工况转换方法 Download PDF

Info

Publication number
CN112855467A
CN112855467A CN202110303598.1A CN202110303598A CN112855467A CN 112855467 A CN112855467 A CN 112855467A CN 202110303598 A CN202110303598 A CN 202110303598A CN 112855467 A CN112855467 A CN 112855467A
Authority
CN
China
Prior art keywords
value
observation value
rotating speed
fan
observation
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
CN202110303598.1A
Other languages
English (en)
Other versions
CN112855467B (zh
Inventor
雷亚国
蔡潇
李乃鹏
徐鹏程
刘晓飞
赵军
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.)
Xian Jiaotong University
Original Assignee
Xian Jiaotong University
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 Xian Jiaotong University filed Critical Xian Jiaotong University
Priority to CN202110303598.1A priority Critical patent/CN112855467B/zh
Publication of CN112855467A publication Critical patent/CN112855467A/zh
Application granted granted Critical
Publication of CN112855467B publication Critical patent/CN112855467B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • F03D9/00—Adaptations of wind motors for special use; Combinations of wind motors with apparatus driven thereby; Wind motors specially adapted for installation in particular locations
    • F03D9/20—Wind motors characterised by the driven apparatus
    • F03D9/25—Wind motors characterised by the driven apparatus the apparatus being an electrical generator
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • 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—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy 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
    • 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)
  • General Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • Health & Medical Sciences (AREA)
  • Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Sustainable Development (AREA)
  • Sustainable Energy (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • General Health & Medical Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Power Engineering (AREA)
  • Geometry (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • Computer Hardware Design (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Primary Health Care (AREA)
  • Marketing (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Wind Motors (AREA)

Abstract

一种风力发电机基准工况转换方法，先建立基准工况转换模型，表示风机任意转速下的原始健康状态观测值和基准观测值之间的映射关系；然后以基准转速观测值的线性插值来近似任意转速转换后的基准观测值，并基于插值误差最小化估计准则，利用最小二乘法估计转换模型的最优参数；最后根据计算出的最优模型参数，将任意转速观测值转换为基准观测值，实现基准工况转换；本发明克服了转速波动所引发的不稳定工况对风机健康状态监测信号的影响，将任意转速下的原始健康状态观测值转换为基准观测值，从而提高风力发电机剩余寿命预测的精度。

Description

一种风力发电机基准工况转换方法
技术领域：
本发明属于风力发电机剩余寿命预测与健康管理技术领域，具体涉及一种风力发电机基准工况转换方法。
背景技术：
化石资源的过度开采和使用引发了一系列的能源危机和环境污染问题，严重影响人类社会的可持续健康发展，因此以风力发电为代表的可再生能源的开发成为了今后发展的主流趋势，逐渐受到人们的重视和关注。目前，全球风电产业迅猛发展，装机量也在飞速增加，庞大的机组数量带来技术积淀和进步革新的同时，也带来了新的问题和挑战。随着服役时间的增长，一些前期投入运行的机组已经超出厂家质保期，开始频繁发生故障事故，引发巨大的经济损失甚至人员伤亡，亟需制定有效可靠的风机运行维护策略。
近年来，人们逐渐采用预测性维护的方式来监测风机健康状态，提前预警风机故障以防患于未然。该维护方式的核心在于对风力发电机剩余寿命的准确预测，现有方法往往是根据传感器采集到的监测信号直接进行预测，十分依赖原始数据的质量，对风力发电机所处工况的稳定性有很高的要求。而在风机实际运行过程中，其转速和振动会随着风速的变化而改变，工况极不稳定，严重影响预测结果的准确性，容易造成误判。因此，通过工况转换的方法将监测信号转换为基准工况下的观测值，来提高风力发电机剩余寿命预测精度具有十分重要的意义。
发明内容：
为了克服上述现有技术存在的缺点，本发明的目的在于提供了一种风力发电机基准工况转换方法，提高风力发电机剩余寿命预测的精度。
为达到上述目的，本发明采取的技术方案如下：
一种风力发电机基准工况转换方法，通过一个基准工况转换模型来表示风机任意转速下的原始健康状态观测值和基准观测值之间的映射关系，以基准转速观测值的线性插值来近似任意转速转换后的基准观测值，并基于插值误差最小化估计准则，利用最小二乘法估计基准工况转换模型的最优参数，将任意转速下的原始健康状态观测值转换为基准观测值，最终实现基准工况转换，克服转速波动所引发的不稳定工况对风机健康状态监测信号的影响。
一种风力发电机基准工况转换方法，包括以下步骤：
1)建立基准工况转换模型：
明确四个概念：①基准转速观测值：真实值，指当风机转速等于基准转速时的风机健康状态观测值；②原始健康状态观测值：真实值，指在任意转速下的风机健康状态观测值；③基准观测值插值：虚拟值，指任意转速转换为基准转速时，基准转速观测值的线性插值，用来近似基准观测值；④基准观测值：估计值，指根据转换模型计算出的实际风机健康状态转换值；
建立原始健康状态观测值和基准观测值之间的映射关系，如式(1)所示
Figure BDA0002987244010000021
其中，y(t)表示t时刻的原始健康状态观测值，yB(t)表示t时刻的基准观测值，s(t)表示t时刻的风机转速，sB表示风机基准转速，a为比例参数，b为截距参数；
假定风机状态监测系统记录了某个风机在离散时间序列(t1,t2,…,ti,...,tN)下的状态监测数据，对应的原始健康状态观测值为(y1,y2,...,yi,...,yN)，对应的离散转速序列为(s1,s2,...,si,...,sN)，其中N为原始健康状态观测值总个数，对式(1)进行离散化处理，得到离散形式的转换方程：
Figure BDA0002987244010000022
其中，ti表示离散时间序列中的第i个时刻，i＝1,2,...,N，yi表示ti时刻风力发电机的原始健康状态观测值，
Figure BDA0002987244010000023
表示ti时刻的基准观测值，si表示ti时刻的风机转速；
估计出比例参数a和截距参数b的值后，根据式(3)所示的反函数将原始健康状态观测值转换为基准观测值，
Figure BDA0002987244010000031
2)估计转换模型参数：
当风机转速si等于基准转速sB时，原始健康状态观测值即为基准转速观测值，使用基准转速观测值在时间ti处的插值来近似其对应的基准观测值，计算方法如式(4)所示：
Figure BDA0002987244010000032
其中，tk和tk+1分别表示第k个和第k+1个基准转速观测值所处的时刻，且满足tk≤ti＜tk+1，k＝1,2,...,N-1，yk表示tk时刻下的原始健康状态观测值，
Figure BDA0002987244010000033
表示ti时刻下的基准观测值插值；
利用最小二乘法，通过最小化基准观测值插值
Figure BDA0002987244010000034
和基准观测值
Figure BDA0002987244010000035
之间的平方误差和来估计模型比例参数a和截距参数b，目标方程如式(5)所示；
Figure BDA0002987244010000036
将式(3)代入式(5)，得
Figure BDA0002987244010000037
3)风机基准工况转换：
首先，将离散时间序列(t1,t2,…,ti,...,tN)下的原始健康状态观测值(y1,y2,…,yi,...,yN)，离散转速序列(s1,s2,…,si,...,sN)，基准转速sB输入模型中；然后，根据步骤2)中式(6)计算得到最优比例参数a和截距参数b；最后，使用步骤1)中式(2)计算得到转换之后的基准观测值，实现风电基准工况的转换。
本发明的有益效果为：
本发明针对风力发电机，提出一种风机健康状态基准工况转换方法，通过基准工况转换模型表示在风机任意转速下的原始健康状态观测值和基准观测值之间的映射关系，利用最小二乘法估计转换模型的最优参数，将任意转速下的观测值转换为基准观测值实现基准工况转换，从而克服转速波动所引发的不稳定工况对风机健康状态监测信号的影响，提高风力发电机剩余寿命预测的精度。
附图说明
图1为本发明的流程图。
图2为仿真数据工况转换前后波形对比图。
图3为某风机实际工程数据工况转换前后波形对比图。
具体实施方式
下面结合附图和实施例对本发明做进一步阐述。
参照图1，一种风力发电机基准工况转换方法，包括以下步骤：
1)建立基准工况转换模型：
明确四个概念：①基准转速观测值：真实值，指当风机转速等于基准转速时的风机健康状态观测值；②原始健康状态观测值：真实值，指在任意转速下的风机健康状态观测值；③基准观测值插值：虚拟值，指任意转速转换为基准转速时，基准转速观测值的线性插值，用来近似基准观测值；④基准观测值：估计值，指根据转换模型计算出的实际风机健康状态转换值；
建立原始健康状态观测值和基准观测值之间的映射关系，如式(1)所示
Figure BDA0002987244010000041
其中，y(t)表示t时刻的原始健康状态观测值，yB(t)表示t时刻的基准观测值，s(t)表示t时刻的风机转速，sB表示风机基准转速，a为比例参数，b为截距参数；
假定风机状态监测系统记录了某个风机在离散时间序列(t1,t2,…,ti,...,tN)下的状态监测数据，对应的原始健康状态观测值为(y1,y2,...,yi,...,yN)，对应的离散转速序列为(s1,s2,...,si,...,sN)，其中N为原始健康状态观测值总个数，对式(1)进行离散化处理，得到离散形式的转换方程：
Figure BDA0002987244010000051
其中，ti表示离散时间序列中的第i个时刻，i＝1,2,...,N，yi表示ti时刻风力发电机的原始健康状态观测值，
Figure BDA0002987244010000052
表示ti时刻的基准观测值，si表示ti时刻的风机转速；
估计出比例参数a和截距参数b的值后，根据式(3)所示的反函数将原始健康状态观测值转换为基准观测值，
Figure BDA0002987244010000053
2)估计转换模型参数：
当风机转速si等于基准转速sB时，原始健康状态观测值即为基准转速观测值，使用基准转速观测值在时间ti处的插值来近似其对应的基准观测值，计算方法如式(4)所示：
Figure BDA0002987244010000054
其中，tk和tk+1分别表示第k个和第k+1个基准转速观测值所处的时刻，且满足tk≤ti＜tk+1，k＝1,2,...,N-1，yk表示tk时刻下的原始健康状态观测值，
Figure BDA0002987244010000055
表示ti时刻下的基准观测值插值；
利用最小二乘法，通过最小化基准观测值插值
Figure BDA0002987244010000056
和基准观测值
Figure BDA0002987244010000057
之间的平方误差和来估计模型比例参数a和截距参数b，目标方程如式(5)所示；
Figure BDA0002987244010000058
将式(3)代入式(5)，得
Figure BDA0002987244010000061
3)风机基准工况转换：
首先，将离散时间序列(t1,t2,…,ti,...,tN)下的原始健康状态观测值(y1,y2,…,yi,...,yN)，离散转速序列(s1,s2,…,si,...,sN)，基准转速sB输入模型中；然后，根据步骤2)中式(6)计算得到最优比例参数a和截距参数b；最后，使用步骤1)中式(2)计算得到转换之后的基准观测值，实现风电基准工况的转换。
下面使用仿真数据对本发明方法进行验证：利用指数函数模拟风力发电机的退化轨迹，利用正弦函数模拟风力发电机在区间[1200rpm,1800rpm]的转速波动，模拟转速如式(7)所示，单位为千转每分钟；
Figure BDA0002987244010000062
为了模拟风力发电机的两阶段退化过程，将健康状态退化过程表述为分段函数：
Figure BDA0002987244010000063
其中，x(t)表示风力发电机在t时刻的健康状态；x0表示风机的初始健康状态，取x0＝5m/s2；tD表示风机开始出现退化的时刻，取tD＝100天；α(exp(β(r(t)-r(tD))-1)为风机损伤增量函数，α和β为损伤增量函数的参数，取α＝5，β＝0.8；
Figure BDA0002987244010000064
表示风机在t时刻的累积转数，单位为百亿转；
由于环境噪声和测量系统噪声的干扰，使用以下添加随机噪声的测量函数表示基准观测值：
yB(t)＝x(t)+ωx(t) (9)
其中，ω为服从正态分布的随机变量，ω～N(0,σ2)，取σ2＝5e-3；
由式(1)建立原始健康状态观测值和基准观测值之间的映射关系，取比例参数a＝2，截距参数b＝3，给定基准转速sB＝1200rpm；
得到仿真数据原始健康状态观测值和基准转速观测值的波形图，应用本发明方法对原始健康状态观测值进行转换，得到基准观测值波形图，三种波形对比如图2所示，从图中可以看出，转速的周期性正弦变化会在原始观测结果中引起同步波动，随着有效值幅度的增加，波动变得更严重；使用本发明方法将原始健康状态观测值转换为基准观测值，转换后的观测值能够克服因时变速度而引起的波动，并且转换后的基准观测值与仿真的基准转速观测值高度匹配，从而证明了本发明方法的有效性和准确性。
下面使用工程案例进行验证：本案例来自中国宁夏某个风电场，风机额定功率为1.5MW。某集团公司的状态监测系统记录了该风机运行过程中的振动及转速信号，如图3所示，从图中可以看出，原始健康状态观测值在风机整个生命周期中呈现两阶段退化过程，与仿真数据一致。风机转速在[1100rpm,1800rpm]区间内随机变化，导致观测值出现严重波动，从而影响风机剩余寿命预测结果。使用本发明方法对原始健康状态观测值进行转换，结果如图3所示，从图中可以看出，转换后的基准观测值波动明显减少，从而能够实现在恒定转速下对风机退化严重性的评估，这意味着本发明方法减少了转速波动所引发的不稳定工况对风机健康状态监测信号的影响。
本发明方法适用于各类风力发电机的基准工况转换，在实际应用中，实施者可以利用本方法将任意转速下的原始健康状态观测值转换为基准工况下的基准观测值，有助于提高风力发电机状态估计和剩余寿命预测的精度。应当指出，在不脱离本发明构想的前提下，对本发明方法所做的调整和变形，也应视为本发明的保护范围。

Claims (2)

1.一种风力发电机基准工况转换方法，其特征在于：通过一个基准工况转换模型来表示风机任意转速下的原始健康状态观测值和基准观测值之间的映射关系，以基准转速观测值的线性插值来近似任意转速转换后的基准观测值，并基于插值误差最小化估计准则，利用最小二乘法估计基准工况转换模型的最优参数，将任意转速下的原始健康状态观测值转换为基准观测值，最终实现基准工况转换，克服转速波动所引发的不稳定工况对风机健康状态监测信号的影响。
2.一种风力发电机基准工况转换方法，其特征在于，包括以下步骤：
1)建立基准工况转换模型：
明确四个概念：①基准转速观测值：真实值，指当风机转速等于基准转速时的风机健康状态观测值；②原始健康状态观测值：真实值，指在任意转速下的风机健康状态观测值；③基准观测值插值：虚拟值，指任意转速转换为基准转速时，基准转速观测值的线性插值，用来近似基准观测值；④基准观测值：估计值，指根据转换模型计算出的实际风机健康状态转换值；
建立原始健康状态观测值和基准观测值之间的映射关系，如式(1)所示
Figure FDA0002987243000000011
其中，y(t)表示t时刻的原始健康状态观测值，yB(t)表示t时刻的基准观测值，s(t)表示t时刻的风机转速，sB表示风机基准转速，a为比例参数，b为截距参数；
假定风机状态监测系统记录了某个风机在离散时间序列(t1,t2,...,ti,...,tN)下的状态监测数据，对应的原始健康状态观测值为(y1,y2,...,yi,...,yN)，对应的离散转速序列为(s1,s2,...,si,...,sN)，其中N为原始健康状态观测值总个数，对式(1)进行离散化处理，得到离散形式的转换方程：
Figure FDA0002987243000000012
其中，ti表示离散时间序列中的第i个时刻，i＝1,2,...,N，yi表示ti时刻风力发电机的原始健康状态观测值，
Figure FDA0002987243000000021
表示ti时刻的基准观测值，si表示ti时刻的风机转速；
估计出比例参数a和截距参数b的值后，根据式(3)所示的反函数将原始健康状态观测值转换为基准观测值，
Figure FDA0002987243000000022
2)估计转换模型参数：
当风机转速si等于基准转速sB时，原始健康状态观测值即为基准转速观测值，使用基准转速观测值在时间ti处的插值来近似其对应的基准观测值，计算方法如式(4)所示：
Figure FDA0002987243000000023
其中，tk和tk+1分别表示第k个和第k+1个基准转速观测值所处的时刻，且满足tk≤ti＜tk+1，k＝1,2,...,N-1，yk表示tk时刻下的原始健康状态观测值，
Figure FDA0002987243000000024
表示ti时刻下的基准观测值插值；
利用最小二乘法，通过最小化基准观测值插值
Figure FDA0002987243000000025
和基准观测值
Figure FDA0002987243000000026
之间的平方误差和来估计模型比例参数a和截距参数b，目标方程如式(5)所示；
Figure FDA0002987243000000027
将式(3)代入式(5)，得
Figure FDA0002987243000000028
3)风机基准工况转换：
首先，将离散时间序列(t1,t2,...,ti,...,tN)下的原始健康状态观测值(y1,y2,...,yi,...,yN)，离散转速序列(s1,s2,...,si,...,sN)，基准转速sB输入模型中；然后，根据步骤2)中式(6)计算得到最优比例参数a和截距参数b；最后，使用步骤1)中式(2)计算得到转换之后的基准观测值，实现风电基准工况的转换。
CN202110303598.1A 2021-03-22 2021-03-22 一种风力发电机基准工况转换方法 Active CN112855467B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110303598.1A CN112855467B (zh) 2021-03-22 2021-03-22 一种风力发电机基准工况转换方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110303598.1A CN112855467B (zh) 2021-03-22 2021-03-22 一种风力发电机基准工况转换方法

Publications (2)

Publication Number Publication Date
CN112855467A true CN112855467A (zh) 2021-05-28
CN112855467B CN112855467B (zh) 2022-01-11

Family

ID=75991886

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110303598.1A Active CN112855467B (zh) 2021-03-22 2021-03-22 一种风力发电机基准工况转换方法

Country Status (1)

Country Link
CN (1) CN112855467B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101688518A (zh) * 2007-05-31 2010-03-31 维斯塔斯风力系统有限公司 可变速度风力涡轮机、谐振控制系统、运行可变速度风力涡轮机的方法、可变速度风力涡轮机中方法的使用以及谐振控制系统的使用
US20160076517A1 (en) * 2014-09-12 2016-03-17 Frontier Wind, Llc Wind Turbine Air Deflector System Control
CN109212966A (zh) * 2018-08-14 2019-01-15 西安交通大学 一种多工况动态基准化的机械设备剩余寿命预测方法
CN110552850A (zh) * 2019-09-09 2019-12-10 中南大学 一种基于风速提前测量的风电机组有功调节方法及装置
CN111143990A (zh) * 2019-12-25 2020-05-12 西安交通大学 一种敏感测点选择及融合的机床铣刀剩余寿命预测方法
CN111577552A (zh) * 2020-03-31 2020-08-25 华电电力科学研究院有限公司 一种高低速插值拟合的风电机组振动信号归一化方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101688518A (zh) * 2007-05-31 2010-03-31 维斯塔斯风力系统有限公司 可变速度风力涡轮机、谐振控制系统、运行可变速度风力涡轮机的方法、可变速度风力涡轮机中方法的使用以及谐振控制系统的使用
US20160076517A1 (en) * 2014-09-12 2016-03-17 Frontier Wind, Llc Wind Turbine Air Deflector System Control
CN109212966A (zh) * 2018-08-14 2019-01-15 西安交通大学 一种多工况动态基准化的机械设备剩余寿命预测方法
CN110552850A (zh) * 2019-09-09 2019-12-10 中南大学 一种基于风速提前测量的风电机组有功调节方法及装置
CN111143990A (zh) * 2019-12-25 2020-05-12 西安交通大学 一种敏感测点选择及融合的机床铣刀剩余寿命预测方法
CN111577552A (zh) * 2020-03-31 2020-08-25 华电电力科学研究院有限公司 一种高低速插值拟合的风电机组振动信号归一化方法

Also Published As

Publication number Publication date
CN112855467B (zh) 2022-01-11

Similar Documents

Publication Publication Date Title
US11041483B2 (en) Methods of operating a wind turbine
CN108869174B (zh) 一种非线性建模的风力发电机叶片固有频率工况补偿方法
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
CN110761958B (zh) 风力发电机组的叶片失速诊断方法及装置
WO2020200421A1 (en) A method for estimating remaining useful life of components of an operational wind turbine
CN111878322A (zh) 风力发电机装置
CN112855467B (zh) 一种风力发电机基准工况转换方法
CN105604805B (zh) 风力发电机组偏航角度的测量方法和装置
Wilson et al. Modeling the relationship between wind turbine failure modes and the environment
CN113187674A (zh) 一种风电机组变桨系统的故障确定方法及系统
CN111814849A (zh) 一种基于da-rnn的风电机组关键组件故障预警方法
CN115929569A (zh) 一种风电机组变桨系统故障诊断方法
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
CN115561575A (zh) 基于多维矩阵轮廓的海上风电场电气异常状态辨别方法
CN115450864A (zh) 一种基于合成少数类样本的风电机组叶片结冰诊断方法
CN114295367A (zh) 一种风电机组齿轮箱工况在线监测方法
CN114294172A (zh) 风电机组塔架一阶频率测量方法及装置
CN110943485A (zh) 双馈风电场等值模型仿真可信度的指标评价方法
CN111639110A (zh) 风电机组故障预警方法及装置
Maaref et al. A reliability model for a doubly fed induction generator based wind turbine unit considering auxiliary components
CN112749820A (zh) 一种风电功率预测方法及系统
Yan et al. Condition based maintenance of the yaw motor in a wind turbine using an indirect indicator: A case study
CN116757101B (zh) 一种基于机理模型和神经网络的机舱风速修正方法和系统
CN117559515A (zh) 一种风电机组发电量可利用率评价方法及装置
CN115842335A (zh) 基于量测的新能源电力系统暂态频率最大偏差预测方法

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