CN113027695A - 风力发电机组的桨距角异常的检测方法及装置 - Google Patents
风力发电机组的桨距角异常的检测方法及装置 Download PDFInfo
- Publication number
- CN113027695A CN113027695A CN201911346141.8A CN201911346141A CN113027695A CN 113027695 A CN113027695 A CN 113027695A CN 201911346141 A CN201911346141 A CN 201911346141A CN 113027695 A CN113027695 A CN 113027695A
- Authority
- CN
- China
- Prior art keywords
- pitch angle
- actual
- output power
- wind
- wind speed
- 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
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
-
- 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)
- Life Sciences & Earth Sciences (AREA)
- Sustainable Development (AREA)
- Sustainable Energy (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Wind Motors (AREA)
Abstract
本发明提供一种风力发电机组的桨距角异常的检测方法及装置，所述方法包括：获取预定时间段内的每个采样时刻的风力发电机组的实际风速、实际输出功率以及实际桨距角；基于每个采样时刻的实际风速、实际输出功率确定每个采样时刻的理论桨距角；基于每个采样时刻的实际桨距角与对应的理论桨距角计算评价指标，评价指标反映实际桨距角与理论桨距角的差异；基于预定时间段内的所有采样时刻的评价指标确定所述风力发电机组的桨距角是否异常。通过本发明实施例的方法及装置，能够准确识别风力发电机组的桨距角是否处于异常状态。
Description
技术领域
本发明总体说来涉及风力发电技术领域，更具体地讲，涉及一种风力发电机组的桨距角异常的检测方法和装置。
背景技术
叶片的气动性能是影响风力发电机组出力的关键因素，而桨距角是影响叶片气动性能的重要参数之一。准确识别桨距角异常不但能够提高风力发电机组的出力，同时还能够避免由于桨距角异常带来的气动载荷增大，导致叶片破损的风险。
目前针对桨距角的异常检测大多基于针对变桨信号(例如，变桨速度信号或者桨距角信号)在时域或频域上的分析进行，这些分析工作的基础数据来自于故障文件或者故障文件发生前后一段时间的数据。因此，这些分析往往是针对某些特定故障的分析。然而，在实际场景中存在大量未知的因素导致叶片的气动性能发生变化，从而使得变桨后的效果未能达到预期，这些异常的情况并不能从针对某些故障的定性分析中进行识别。
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桨距角异常的方法及装置。至少解决上述技术问题和上文未提及的其它技术问题，并且提供下述的有益效果。
本发明的一方面在于提供一种检测风力发电机组的桨距角异常的方法，方法可以包括：获取预定时间段内的每个采样时刻的风力发电机组的实际风速、实际输出功率以及实际桨距角；基于每个采样时刻的实际风速、实际输出功率确定每个采样时刻的理论桨距角；基于每个采样时刻的实际桨距角与对应的理论桨距角计算评价指标，评价指标反映实际桨距角与理论桨距角的差异；基于预定时间段内的所有采样时刻的评价指标确定风力发电机组的桨距角是否异常。
本发明的另一方面在于提供一种检测风力发电机组桨距角异常的装置，装置可以包括：采样模块、理论桨距角确定模块、评价指标计算模块以及异常检测模块；其中，采样模块，用于获取预定时间段内的每个采样时刻的风力发电机组的实际风速、实际输出功率以及实际桨距角；理论桨距角确定模块，用于基于每个采样时刻的实际风速、实际输出功率确定每个采样时刻的理论桨距角；评价指标计算模块，用于基于每个采样时刻的实际桨距角与对应的理论桨距角计算评价指标，评价指标反映实际桨距角与理论桨距角的差异；异常检测模块，用于基于预定时间段内的所有采样时刻的评价指标确定风力发电机组的桨距角是否异常。
本发明的另一方面在于提供一种控制器，控制器包括：处理器以及存储器；其中，存储器中存储有计算机程序，当计算机程序被处理器执行时，实现上述的检测风力发电机组桨距角异常的方法。
本发明的另一方面在于提供一种计算机存储介质，当所述计算机程序在被处理器执行时实现上述的检测风力发电机组桨距角异常的方法。
通过本发明实施例的方法及装置，能够准确识别风力发电机组的桨距角是否处于异常状态，并能够基于此识别进一步判断叶片的气动性能是否正常，从而保证风力发电机组的正常运行。
附图说明
通过下面结合示例性地示出一例的附图进行的描述，本发明的上述和其他目的和特点将会变得更加清楚，其中：
图1是根据本发明的示例性实施例的检测风力发电机组桨距角异常的方法流程图；
图2是根据本发明的示例性实施例的建立查询模型的方法流程图；
图3是根据本发明的示例性实施例的检测风力发电机组桨距角异常的装置的框图；
图4是根据本发明的示例性实施例的控制器的框图。
具体实施方式
提供参照附图的以下描述以帮助对由权利要求及其等同物限定的本公开的实施例的全面理解。包括各种特定细节以帮助理解，但这些细节仅被视为是示例性的。因此，本领域的普通技术人员将认识到在不脱离本公开的范围和精神的情况下，可对描述于此的实施例进行各种改变和修改。此外，为了清楚和简洁，省略对公知的功能和结构的描述。
以下，参照附图来详细说明本发明的实施例。
图1是根据本发明的示例性实施例的检测风力发电机组桨距角异常的方法流程图。
参照图1，在步骤S101中，获取预定时间段内的每个采样时刻的所述风力发电机组的实际风速、实际输出功率以及实际桨距角。
具体地，风力发电机组在运行过程中，可以实时采集相关数据，以确保风力发电机组在健康状态下运行，同时对实时采集的数据进行及时分析，可以尽早发现问题并提前解决，以防造成更严重的故障，导致重大损失。通常来说，实时采集的数据可以包括环境数据，例如，风速、温度、湿度及空气密度等，也可以包括风力发电机组的运行数据，例如，输出功率、桨距角、转速及扭矩等。采集数据一般可以按照例如7秒、20秒、1分钟或者10分钟等不同的采样频率进行，根据不同数据分析需求以及数据处理能力可以自由设定。通常，采样的数据存储在风力发电机组的控制器或者被传输至风电场监控系统中，同一时刻采集的数据一般被作为一条数据进行存储。举例来说，第一采样时刻采集了多种数据，包括前述的环境数据以及运行数据中的任意多种，那么这些数据将作为一条数据被集中存储。通过这种方式，能够查询某一时刻的多种风机相关数据信息，便于进行数据间的相关性分析，同时也便于通过对连续多个采样时刻的数据进行收集并分析，在相关性分析的基础上能够更深入的挖掘数据间的内在联系，从而对风机运行状态进行准确识别。
在本实施例中，采样预定时间段内的多个采样时刻的风力发电机组相关数据。示例性地，采样数据包括实际风速、实际输出功率以及实际桨距角。对于某一采样时刻来说，可以知道在当前采样时刻的风速下，风力发电机组的输出功率是多少，并且当前的桨距角是多少度。可以理解的是，在下一个采样时刻，风速可能会发生变化，这会导致输出功率发生变化，与此同时，为了将输出功率维持在前一采样时刻的水平，可能会通过改变桨距角来抵消风速变化对输出功率带来的影响。
在步骤S102中，基于每个采样时刻的所述实际风速、所述实际输出功率确定每个采样时刻的理论桨距角。
一般来说，风力发电机组的桨距角在0度到90度之间。当桨距角处于0度时，叶片着风面积最大，此时风力发电机组吸收风能的能力最大。当桨距角处于90度时，叶片着风面积最小，此时风力发电机组吸收风能的能力最小。为了风力发电机组能够按照预定的目标功率进行输出，通常需要通过改变桨距角来调整风力发电机组的输出功率。为了准确判断桨距角是否异常，可以建立桨距角与输出功率之间的对应关系。也就是说，需要准确获知在特定风速下的每一个特定输出功率所对应的理论桨距角。
在一个示例性的实施例中，通过建立桨距角查询模型实现特定风速下的特定输出功率对应的理论桨距角的查询。在此基础上，可以通过将所述每个采样时刻的实际风速、所述实际输出功率输入所述桨距角查询模型以确定所述每个采样时刻的理论桨距角。具体地，图2是根据本发明的示例性实施例的建立查询模型的方法流程图。下面将参考图2进一步说明建立桨距角查询模型的过程。
参见图2，在步骤S1021中，获取风力发电机组运行的历史数据和/或者仿真数据。
具体地，历史数据和/或仿真数据包括预定时间段内的风速、输出功率以及桨距角。以仿真数据为例，可以利用仿真工具计算出不同输出功率条件下，不同风速与桨距角的对应关系。可以理解的是，为了使得数据更符合实际情况，优先考虑使用历史数据。无论是历史数据还是仿真数据，作为建立模型的基础数据均需要满足一定量的要求，否则会影响模型的精度。因此，当历史数据不足时，可以通过利用仿真数据来补充。
在步骤S1022中，将所述历史数据和/或仿真数据中的输出功率划分为多个输出功率区间，每一个输出功率区间对应一个代表输出功率。
在一个示例性实施例中，首先对输出功率按照一定的步长划分区间。示例性地，可将功率区间长度设定为50kw，以额定功率为2MW的机组为例，按照50kw步长可以得到40个数据区间，第一个区间是【0～50kw】，第二个区间是【50～100kw】，以此类推。针对每一个区间，需要确定一个代表输出功率。例如，【0～50kw】的代表输出功率为25kw，【50～100kw】的代表输出功率为75kw。具体地，可以考虑对单个区间内所有的输出功率进行统计并求平均值，并将该平均值作为代表输出功率。本发明中，除了示例性的求平均以外，还可以采用其他的更加准确的数据分析方法确定代表输出功率。
可以理解的是，步长越小，划分的区间数量越多，识别异常的准确性也越高。但是由于每个风力发电机组所在的点位的风况差异较大，可以根据风力发电机组在不同功率段运行的时间占比确定步长的大小，以便对不同的机组设置不同的步长，以求获得更加准确、合理的异常识别结果。
在步骤S1023中，针对每一个输出功率区间进行风速分仓，使得所述每一个输出功率区间对应多个不同的风速区间，所述每个风速区间对应一个代表风速。
在步骤S1022的基础上，需要进一步对每个输出功率区间所对应的预定风速范围进行划分。类似地，按照一定的步长，例如，0.5m/s，将每个输出功率区间对应的风速范围划分为若干个风速区间。
优选地，由于变桨动作一般发生在风力发电机组运行在额定风速以上，因此可仅针对额定风速到切出风速的预定风速范围进行风速分仓，以减少对桨距角查询模型建立的时间。
优选地，当风力发电机组响应来自外部或者内部的限功率需求时，变桨动作可能发生在任意风速下。如果仅针对额定风速到切出风速的预定风速范围进行风速分仓，那么在限功率的情形下，如果风速足够大，则无法准确识别桨距角的异常。以2MW机组为例，假设满发时风力发电机组运行在额定风速，此时输出功率为2000kw。当风力发电机组接收到来自电网的限功率指令，要求将输出功率降低至800kw时，风力发电机组开始变桨，桨距角由0度开始增大，以减少对风能的吸收，使得输出功率降低。如果此时风速足够大，能够满足以800kw输出功率运行，正常情况下桨距角应该增加到5°，但此时叶片的气动性能存在问题，那么有可能桨距角需要维持到2°才能使得风力发电机组以800kw的输出功率运行。很明显，此时的桨距角是偏离正常值的，但由于风力发电机组仍然按照指令运行，因此可能无法识别出桨距角的异常。为了解决这个问题，可针对切入风速到切出风速全风速段的预定风速范围进行风速分仓，使得在限功率状态下能够准确识别当前的桨距角是否异常。
在步骤S1024中，确定每个输出功率区间的代表输出功率在每个风速区间的代表风速下的桨距角，将确定的桨距角作为输出功率区间的代表输出功率在不同风速下的理论桨距角。
具体的，首先找到历史数据或仿真数据中的输出功率以及对应的风速、桨距角，接着根据找到的输出功率确定与其对应的代表输出功率，再将相应的风速与确定的代表输出功率所在区间的相应风速进行对应，并将相应的桨距角作为该代表输出功率在相应风速下的理论桨距角。示例性的，历史数据或仿真数据包括预定时间段的m个采样时刻的输出功率、风速以及桨距角，表示为【L1、L2、…Lm】，其中，作为示例，L1包括第一采样时刻的输出功率P1、风速V1以及桨距角θ1。以历史数据或仿真数据中的L1为例，先找到与P1对应的代表输出功率，接着在该代表输出功率所在区间的各风速区间中确定与V1对应的代表风速，并将作为该代表输出功率在该代表风速下的理论桨距角。按照此方式，可以确定所有代表输出功率在不同风速下的理论桨距角，进而完成桨距角查询模型的建立。
返回图1，在步骤S103中，基于每个采样时刻的所述实际桨距角与对应的理论桨距角计算评价指标，所述评价指标反映所述实际桨距角与理论桨距角的差异。
具体地，获取预定时间段内多个采样时刻的实际风速、实际输出功率以及实际桨距角，将每个采样时刻的实际风速、实际输出功率输入桨距角查询模型以确定所述每个采样时刻的理论桨距角。针对每个采样时刻，计算每个采样时刻的实际桨距角与对应的理论桨距角的差值，从而得到每个采样时刻的评价指标。作为示例，可以通过占比法来计算所述差值与理论桨距角的比值，并将所述比值作为对应采样时刻的评价指标。即，输出计算结果Per＝ABS((θa-θ)/θ)，其中Per为评价指标，θa为实际桨距角，θ为理论桨距角。可以理解的是，还可以通过拟合法、标准差法等其他方法来计算评价指标。
在步骤S104中，基于所述预定时间段内的所有采样时刻的评价指标确定所述风力发电机组的桨距角是否异常。
具体地，针对所述预定时间段内的所有采样时刻的评价指标进行统计计算，当计算结果超出阈值则确定所述风力发电机组的桨距角出现异常。作为示例，统计所述预定时间段内所有采样时刻的评价指标的平均值，并将所述平均值与预定的阈值进行比较，如果平均值超出了阈值，则说明风力发电机组在预定时间段内，实际桨距角持续地偏离理论桨距角过多，存在异常情况。
在此基础上，基于与阈值比较的结果，可以进行异常的根因分析。作为示例，确定所述计算结果超出阈值的比例，并基于超出阈值的比例确定造成异常的原因。例如，当超出阈值第一比例时，获取所述预定时间段内的环境数据，当所述环境数据符合第一预定条件时，确定所述风力发电机组的叶片结冰；当超出阈值第二比例时，获取所述预定时间段内的叶片振动数据，当所述振动数据符合第二预定条件时，确定所述风力发电机组的叶片出现开裂或鼓包。由此能够进一步根据确定的根因对风力发电机组采取相应的措施，以消除所述异常。
本实施例的方法能够准确识别桨距角异常情况，不论风力发电机组运行在特殊状态下时，还是正常运行时，都能够对桨距角进行检测。同时，利用检测的结果能够进行有效的根因分析，反推叶片的状态，从而为风力发电机组的运维提供有效支撑。
图3示出根据本发明的示例性实施例的检测风力发电机组桨距角异常的装置的框图。
如图3所示，检测风力发电机组桨距角异常的装置3包括：采样模块301、理论桨距角确定模块302、评价指标计算模块303以及异常检测模块304。
其中，采样模块301用于获取预定时间段内的每个采样时刻的所述风力发电机组的实际风速、实际输出功率以及实际桨距角；
理论桨距角确定模块302用于基于每个采样时刻的所述实际风速、所述实际输出功率确定每个采样时刻的理论桨距角；
评价指标计算模块303用于基于每个采样时刻的所述实际桨距角与对应的理论桨距角计算评价指标，所述评价指标反映所述实际桨距角与理论桨距角的差异；
异常检测模块304用于基于所述预定时间段内的所有采样时刻的评价指标确定所述风力发电机组的桨距角是否异常。
具体地，理论桨距角确定模块302将所述历史数据和/或仿真数据中的输出功率划分为多个输出功率区间，每一个输出功率区间对应一个代表输出功率，针对每一个输出功率区间进行风速分仓，使得所述每一个输出功率区间对应多个不同的风速区间，所述每个风速区间对应一个代表风速；确定每个输出功率区间的代表输出功率在每个风速区间的代表风速下的桨距角，将确定的桨距角作为输出功率区间的代表输出功率在不同风速下的理论桨距角。
具体地，评价指标计算模块303针对的获取预定时间段内多个采样时刻的实际风速、实际输出功率以及实际桨距角，将每个采样时刻的实际风速、实际输出功率输入桨距角查询模型以确定所述每个采样时刻的理论桨距角。针对每个采样时刻，计算每个采样时刻的实际桨距角与对应的理论桨距角的差值，从而得到每个采样时刻的评价指标。
具体地，异常检测模块304针对所述预定时间段内的所有采样时刻的评价指标进行统计计算，当计算结果超出阈值则确定所述风力发电机组的桨距角出现异常。作为示例，统计所述预定时间段内所有采样时刻的评价指标的平均值，并将所述平均值与预定的阈值进行比较，如果平均值超出了阈值，则说明风力发电机组在预定时间段内，实际桨距角持续地偏离理论桨距角过多，存在异常情况。
图4示出根据本发明的示例性实施例的控制器的框图。
如图4所示，控制器4包括处理器401以及存储器402。具体说来，存储器402用于存储计算机程序，所述计算机程序在被所述处理器401执行时实现上述的检测风力发电机组的桨距角异常的方法。
作为示例，控制器4可以是部署在风力发电机组内的主控制器或者是与主控制器进行交互的子控制器。
作为示例，处理器401可由数字信号处理器、现场可编程门阵列等通用硬件处理器来实现，也可通过专用芯片等专用硬件处理器来实现。
根据本发明的示例性实施例还提供一种存储有计算机程序的计算机可读存储介质。该计算机可读存储介质存储有当被处理器执行时使得处理器执行上述检测风力发电机组的桨距角异常的方法的计算机程序。该计算机可读记录介质是可存储由计算机系统读出的数据的任意数据存储装置。计算机可读记录介质的示例包括：只读存储器、随机存取存储器、只读光盘、磁带、软盘、光数据存储装置和载波(诸如经有线或无线传输路径通过互联网的数据传输)。
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 (9)
1.一种检测风力发电机组的桨距角异常的方法，其特征在于，所述方法包括：
获取预定时间段内的每个采样时刻的所述风力发电机组的实际风速、实际输出功率以及实际桨距角；
基于每个采样时刻的所述实际风速、所述实际输出功率确定每个采样时刻的理论桨距角；
基于每个采样时刻的所述实际桨距角与对应的理论桨距角计算评价指标，所述评价指标反映所述实际桨距角与理论桨距角的差异；
基于所述预定时间段内的所有采样时刻的评价指标确定所述风力发电机组的桨距角是否异常。
2.根据权利要求1所述的方法，其特征在于，所述基于每个采样时刻的所述实际风速、所述实际输出功率确定每个采样时刻的理论桨距角的步骤包括：
预先建立桨距角查询模型，将所述每个采样时刻的实际风速、所述实际输出功率输入所述桨距角查询模型以确定所述每个采样时刻的理论桨距角。
3.根据权利要求2所述的方法，其特征在于，所述预先建立桨距角查询模型的步骤包括：
获取风力发电机组运行的历史数据和/或者仿真数据；
将所述历史数据和/或仿真数据中的输出功率划分为多个输出功率区间，每一个输出功率区间对应一个代表输出功率；
针对每一个输出功率区间进行风速分仓，使得所述每一个输出功率区间对应多个不同的风速区间，所述每个风速区间对应一个代表风速；
确定每个输出功率区间的代表输出功率在每个风速区间的代表风速下的桨距角，将确定的桨距角作为输出功率区间的代表输出功率在不同风速下的理论桨距角。
4.根据权利要求1所述的方法，其特征在于，所述基于每个采样时刻的所述实际桨距角与对应的理论桨距角计算评价指标的步骤包括：
计算每个采样时刻的实际桨距角与对应的理论桨距角的差值；
计算所述差值与理论桨距角的比值，并将所述比值作为对应采样时刻的评价指标。
5.根据权利要求1-4任意一项所述的方法，其特征在于，基于所述预定时间段内的所有采样时刻的评价指标确定所述风力发电机组的桨距角是否异常的步骤包括：
针对所述预定时间段内的所有采样时刻的评价指标进行统计计算，当计算结果超出阈值则确定所述风力发电机组的桨距角出现异常。
6.根据权利要求5所述的方法，其特征在于，所述方法还包括：
当所述风力发电机组的桨距角出现异常时进行根因分析；
其中，根因分析包括：
确定所述计算结果超出阈值的比例；
当超出阈值第一比例时，获取所述预定时间段内的环境数据，当所述环境数据符合第一预定条件时，确定所述风力发电机组的叶片结冰；
当超出阈值第二比例时，获取所述预定时间段内的叶片振动数据，当所述振动数据符合第二预定条件时，确定所述风力发电机组的叶片出现开裂或鼓包。
7.一种检测风力发电机组桨距角异常的装置，其特征在于，所述装置包括：
采样模块，用于获取预定时间段内的每个采样时刻的所述风力发电机组的实际风速、实际输出功率以及实际桨距角；
理论桨距角确定模块，用于基于每个采样时刻的所述实际风速、所述实际输出功率确定每个采样时刻的理论桨距角；
评价指标计算模块，用于基于每个采样时刻的所述实际桨距角与对应的理论桨距角计算评价指标，所述评价指标反映所述实际桨距角与理论桨距角的差异；
异常检测模块，用于基于所述预定时间段内的所有采样时刻的评价指标确定所述风力发电机组的桨距角是否异常。
8.一种控制器，其特征在于，所述控制器包括：
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，实现如权利要求1至6中任意一项所述的检测风力发电机组桨距角异常的方法。
9.一种计算机存储介质，其特征在于，当所述计算机程序在被处理器执行时实现如权利要求1至6中任意一项所述的检测风力发电机组桨距角异常的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911346141.8A CN113027695B (zh) | 2019-12-24 | 2019-12-24 | 风力发电机组的桨距角异常的检测方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911346141.8A CN113027695B (zh) | 2019-12-24 | 2019-12-24 | 风力发电机组的桨距角异常的检测方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113027695A true CN113027695A (zh) | 2021-06-25 |
| CN113027695B CN113027695B (zh) | 2022-07-12 |
Family
ID=76451592
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911346141.8A Active CN113027695B (zh) | 2019-12-24 | 2019-12-24 | 风力发电机组的桨距角异常的检测方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113027695B (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113565699A (zh) * | 2021-08-13 | 2021-10-29 | 远景智能国际私人投资有限公司 | 风力发电机组的桨距角的检测方法、装置及系统 |
| CN116581891A (zh) * | 2023-07-14 | 2023-08-11 | 中能聚创(杭州)能源科技有限公司 | 一种电力数据采集方法及系统 |
| WO2024045413A1 (zh) * | 2022-08-31 | 2024-03-07 | 北京金风慧能技术有限公司 | 风力发电机组的变桨故障预测方法和装置 |
| WO2024148783A1 (zh) * | 2023-01-12 | 2024-07-18 | 北京金风科创风电设备有限公司 | 风力发电机组的变桨距控制方法及装置 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP1273389A1 (en) * | 2001-07-04 | 2003-01-08 | Eastman Kodak Company | Grinding process for a knife shaft |
| CN108343566A (zh) * | 2018-03-28 | 2018-07-31 | 长沙理工大学 | 一种基于风电机组运行状态的叶片覆冰故障在线监测方法及系统 |
| CN109826758A (zh) * | 2017-11-23 | 2019-05-31 | 北京金风科创风电设备有限公司 | 确定风机变桨异常的方法和装置、及风机控制系统 |
-
2019
- 2019-12-24 CN CN201911346141.8A patent/CN113027695B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP1273389A1 (en) * | 2001-07-04 | 2003-01-08 | Eastman Kodak Company | Grinding process for a knife shaft |
| CN109826758A (zh) * | 2017-11-23 | 2019-05-31 | 北京金风科创风电设备有限公司 | 确定风机变桨异常的方法和装置、及风机控制系统 |
| CN108343566A (zh) * | 2018-03-28 | 2018-07-31 | 长沙理工大学 | 一种基于风电机组运行状态的叶片覆冰故障在线监测方法及系统 |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113565699A (zh) * | 2021-08-13 | 2021-10-29 | 远景智能国际私人投资有限公司 | 风力发电机组的桨距角的检测方法、装置及系统 |
| WO2023018370A3 (en) * | 2021-08-13 | 2023-03-30 | Envision Digital International Pte. Ltd. | Method, device, and system for detecting pitch angle of wind turbine generator set |
| CN113565699B (zh) * | 2021-08-13 | 2023-09-12 | 远景智能国际私人投资有限公司 | 风力发电机组的桨距角的检测方法、装置及系统 |
| WO2024045413A1 (zh) * | 2022-08-31 | 2024-03-07 | 北京金风慧能技术有限公司 | 风力发电机组的变桨故障预测方法和装置 |
| WO2024148783A1 (zh) * | 2023-01-12 | 2024-07-18 | 北京金风科创风电设备有限公司 | 风力发电机组的变桨距控制方法及装置 |
| CN116581891A (zh) * | 2023-07-14 | 2023-08-11 | 中能聚创(杭州)能源科技有限公司 | 一种电力数据采集方法及系统 |
| CN116581891B (zh) * | 2023-07-14 | 2023-09-19 | 中能聚创(杭州)能源科技有限公司 | 一种电力数据采集方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113027695B (zh) | 2022-07-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113027695B (zh) | 风力发电机组的桨距角异常的检测方法及装置 | |
| KR20220116051A (ko) | 풍력 터빈 블레이드를 검사하는 방법 및 기기, 및 그 장치 및 저장 매체 | |
| US20160084224A1 (en) | System and method for optimizing wind farm performance | |
| CN110761958B (zh) | 风力发电机组的叶片失速诊断方法及装置 | |
| CN111997831B (zh) | 风电机组的载荷控制方法和装置 | |
| US10724499B2 (en) | Controlling wind turbines according to reliability estimates | |
| KR20140036813A (ko) | 풍력터빈의 파워커브 모니터링을 위한 파워커브 리미트 자동 산출 방법 | |
| CN109723609B (zh) | 一种风电机组变桨系统的故障预警方法及系统 | |
| WO2018059259A1 (en) | Method and system of yaw control of wind turbines in a wind turbine farm | |
| CN114061743A (zh) | 风力发电机组的振动监测方法、装置、设备及介质 | |
| US20210148336A1 (en) | A method for determining wind turbine blade edgewise load recurrence | |
| CN114778116A (zh) | 一种风力发电机组变桨轴承故障预警方法及系统 | |
| CN108204342B (zh) | 风力发电机的叶片结冰识别方法和装置 | |
| CN110578659B (zh) | 一种用于对风电机组scada数据进行处理的系统和方法 | |
| CN114593020A (zh) | 风电机组叶片结冰监测预警方法、装置及电子设备 | |
| CN117872328A (zh) | 用于3d激光测风雷达的智能化故障检测及测风系统 | |
| CN117708637A (zh) | 基于改进k均值聚类分析的风电机组叶片故障诊断方法 | |
| CN111164304A (zh) | 评估风力涡轮机软件升级的方法 | |
| CN111400959B (zh) | 风力发电机组的叶片故障诊断方法及装置 | |
| CN116292133B (zh) | 风力发电机组的净空异常检测方法及装置 | |
| CN110985315A (zh) | 一种检测风机叶片结冰的早期预测方法 | |
| CN116205631A (zh) | 基于蜻蜓算法的vmd-ceemd风电机组齿轮箱振动故障解析方法 | |
| KR101468627B1 (ko) | 풍력발전기 데이터 분류 시스템 | |
| CN108825452B (zh) | 确定风力发电机组叶片结冰的方法和装置 | |
| CN109669351B (zh) | 风电机组多模自适应控制方法、装置及计算机存储介质 |
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 | ||
| CP01 | Change in the name or title of a patent holder |
Address after: 830026 No. 107, Shanghai Road, Urumqi economic and Technological Development Zone, the Xinjiang Uygur Autonomous Region Patentee after: Jinfeng Technology Co.,Ltd. Address before: 830026 No. 107, Shanghai Road, Urumqi economic and Technological Development Zone, the Xinjiang Uygur Autonomous Region Patentee before: XINJIANG GOLDWIND SCIENCE & TECHNOLOGY Co.,Ltd. |
|
| CP01 | Change in the name or title of a patent holder |