CN113090474A - 一种基于数据分类标识的风电机组变桨异常监测方法 - Google Patents

一种基于数据分类标识的风电机组变桨异常监测方法 Download PDF

Info

Publication number
CN113090474A
CN113090474A CN202110424173.6A CN202110424173A CN113090474A CN 113090474 A CN113090474 A CN 113090474A CN 202110424173 A CN202110424173 A CN 202110424173A CN 113090474 A CN113090474 A CN 113090474A
Authority
CN
China
Prior art keywords
power
grid
pitch
pitch angle
band
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
CN202110424173.6A
Other languages
English (en)
Other versions
CN113090474B (zh
Inventor
卢鹏举
李清东
范翔民
孔德同
王志国
邢玉双
王明宇
曹力
潘巧波
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.)
Inner Mongolia Huadian Mengdong Energy Co ltd
Huadian Electric Power Research Institute Co Ltd
Original Assignee
Inner Mongolia Huadian Mengdong Energy Co ltd
Huadian Electric Power Research Institute Co Ltd
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 Inner Mongolia Huadian Mengdong Energy Co ltd, Huadian Electric Power Research Institute Co Ltd filed Critical Inner Mongolia Huadian Mengdong Energy Co ltd
Priority to CN202110424173.6A priority Critical patent/CN113090474B/zh
Publication of CN113090474A publication Critical patent/CN113090474A/zh
Application granted granted Critical
Publication of CN113090474B publication Critical patent/CN113090474B/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
    • F03D7/00—Controlling wind motors 
    • 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

本发明公开了一种基于数据分类标识的风电机组变桨异常监测方法，属于风电机组变桨系统监测领域，采用网格法对数据进行分类标识，通过绘制功率‑桨距角曲线判断机组是否有提前变桨的异常情况。采用数据分类标识法对调度限功率数据进行标识，排除因调度限功率导致主控系统控制桨距角提前变桨，对判断提前变桨故障造成干扰的情况。采用网格法确定桨距角主带，计算主带区间内桨距角平均值与功率平均值，绘制功率‑桨距角曲线。计算最小桨距角并通过线性插值计算变桨功率，当变桨功率小于设定阈值时，发出变桨异常报警。该发明用于分析变桨运行数据，准确地实现了风电机组变桨异常监测和故障报警的目的。实例分析验证了该发明的实用性和通用性。

Description

一种基于数据分类标识的风电机组变桨异常监测方法
技术领域
本发明属于风电机组变桨系统监测领域，具体涉及一种风电机组变桨异常监测方法。
背景技术
近年来，随着全球范围内新能源产业的快速发展，风电装机容量正在迅猛增长。但是风力发电机组却通常位于位置偏远、环境恶劣、工况复杂的地方，对风力发电机组实施常规计划性维护，将在很大程度上增加人力和财力投入。而分析机组运行数据，进行有效的远程监测诊断，将是风力发电行业亟待解决的一个新问题。
变桨控制系统作为风电机组的系统核心之一，其运行健康情况与整机的运转性能、发电效率和供电质量都有着直接的联系，同时也是大型风电机组故障率最多的系统之一。
变桨距机组的桨叶角度(即桨距角)通常在0～90°。当风速在额定风速以下时，变桨叶片保持最小的浆距角。当风速超过额定风速时，需要变桨和变速控制器的共同作用从而使得风电机组的发电机能够维持相对恒定的扭矩，机组也能保持恒定的输出功率。
目前已经应用的针对风力发电机组变桨系统的异常判断大都是故障级别的，即变桨系统运行参数超过事先设置的故障阈值时，执行故障停机。这种异常判断方法虽然能够对变桨设备起到一定的报警保护作用，但是无法识别机组提前变桨的异常情况。风电机组在未达到额定风速时提前变桨，会导致机组出力下降，降低利用小时数，甚至变桨电机等关键部件出现损坏。
发明内容
本发明的目的在于克服现有技术中存在的上述不足，而提供一种基于数据分类标识的风电机组变桨异常监测方法，采用网格法对数据进行分类标识，通过绘制功率-桨距角曲线判断机组提前变桨的异常情况。采用数据分类标识法对调度限功率数据进行标识，排除因调度限功率导致主控系统控制桨距角提前变桨，对判断提前变桨故障造成干扰的情况。采用网格法确定桨距角主带，计算主带区间内桨距角平均值与功率平均值，绘制功率-桨距角曲线。计算最小桨距角并通过线性插值计算变桨功率，当变桨功率小于设定阈值时，发出变桨异常报警。本发明用于分析变桨运行数据，准确地实现了风电机组变桨异常监测和故障报警的目的。
本发明解决上述问题所采用的技术方案是：一种基于数据分类标识的风电机组变桨异常监测方法，其特征在于：包括如下步骤：
步骤1，采用数据分类标识法对调度限功率数据进行标识。
由于调度限功率会导致主控系统控制桨距角提前变桨，对判断提前变桨故障造成干扰，因此，首先根据风速功率对调度限功率数据进行标识。
步骤1.1，清理通讯中断、超出范围的数据点。
获取风机的风速W、功率P、桨距角J三个参数一个月的运行数据，数据行数为N，对数据进行清理。首先筛除通讯中断的数据点，具体表现为风速、功率、桨距角在一定时间内不发生变化，设置滑动窗口Nw，若各参数序列同时满足如下条件，则说明为通讯中断的数据点，应该筛除。
Figure BDA0003029181800000021
其中：i—第i个样本，i∈[0,N-Nw]，std—标准差阈值。
根据各参数合理范围进行数据筛选：
Figure BDA0003029181800000022
步骤1.2，采用网格法处理风速功率散点。
网格的大小为功率(Y轴)方向25kw，风速(X轴)方向0.25m/s，网格的功率上限为额定功率Prated+100kw，网格的风速上限为切出风速Vcut_outm/s。统计各网格中数据点个数。计算每一个网格散点个数占该网格所在水平功率带散点个数总和的百分比，找到每一个水平功率带方向的百分比最大网格的位置及该网格的百分比。计算每一个网格散点个数占该网格所在垂直风速带散点个数总和的百分比，找到每一个垂直风速带方向的百分比最大网格的位置及该网格的百分比。
步骤1.3，确认功率主带并标识限功率数据点。
从某一水平功率带的最大百分比网格向左向右对称扩展，直到左右网格加最大百分比网格中数据点占该功率带总点数的65％，停止。此水平功率带65％的数据点集中在这几个网格中，这些网格中的数据点标记为功率主带点。
当限负荷很严重时，水平功率带的最大百分比网格会出现在限功率位置，而不在功率主带中，此时需要人为将其根据其相邻的下方功率带最大网格位置进行修正。对于某限功率的水平功率带，如果其最大百分比网格比其下相邻功率带的最大百分比网格之间的距离相差过大〉5，将该限功率水平功率带的最大百分比网格人工修整为比其下方的位置+1。
若从中心最大网格对称相加，左右分别加到六个网格仍没有达到85％的阈值，则判断该水平功率带为限功率带，标识主带右侧的点为限功率数据点。剔除限功率数据点，筛选后的点用于绘制功率-桨距角曲线。
步骤2，采用数据分类标识法绘制功率-桨距角曲线。
步骤2.1，采用网格法处理功率桨距角散点。
网格的大小为桨距角(Y轴)方向1°，功率(X轴)方向25kw，网格的桨距角的上限为90°，网格的功率的上限为额定功率Prated+100kw。统计各网格中数据点个数。计算每一个网格散点个数占该网格所在水平桨距角带散点个数总和的百分比，找到每一个水平桨距角带方向的百分比最大网格的位置及该网格的百分比。计算每一个网格散点个数占该网格所在垂直功率带散点个数总和的百分比，找到每一个垂直功率带方向的百分比最大网格的位置及该网格的百分比。
步骤2.2，确认桨距角主带并标识异常点。
从某一垂直功率带的最大百分比网格向上向下对称扩展，直到上下网格加最大百分比网格中数据点占该功率带总点数的85％，停止。此垂直功率带85％的数据点集中在这几个网格中，这些网格中的数据点标记为桨距角主带点。
如果总和超85％的宽度超过三个网格，则说明桨距角散点分布过散，认为是有异常点区域，标识主带上侧的点为异常数据点。对于异常点行，如果其最大百分比网格比其下相邻功率带的最大百分比网格之间的距离相差过大〉2，将该限垂直功率带的最大百分比网格人工修整为比其左方的位置+1。
步骤2.3，绘制桨距角主带。
设置桨距角主带宽度为最大百分比网格向上加2，向下加(下侧延伸网格数+1)。主带外的网格标识为异常网格，异常网格中的点标识为异常点。由于异常点标识和去除是以网格为单元的，因此会造成桨距角主带上侧出现锯齿不连续。因此需要平滑主带，方法为：在出现锯齿的地方，连接两个连续功率带的上侧边缘，形成矩形，并将位于矩形左上三角的散点补充回功率主带，标记其为正常点，平滑主带。
步骤2.4，绘制功率-桨距角曲线。
计算每个主带区间内桨距角平均值与功率平均值，绘制功率-桨距角曲线。
步骤3，计算最小桨距角和变桨功率。
最小桨距角MinPitch：0.4*额定功率～0.7*额定功率区间内桨距角平均值。
变桨功率MinPower：应用线性插值法计算MinPitch+1°对应的功率。选取功率-桨距角曲线上距离MinPitch+1°左右两侧最近的两个点，记为Pitch1，Pitch2，其对应功率分为Power1，Power2。按如下公式计算变桨功率：
Figure BDA0003029181800000041
步骤4，报警逻辑。
若变桨功率小于额定功率的80％，则报警。
本发明与现有技术相比，具有以下优点和效果：
1)本发明将数据分类标识方法应用于风电机组变桨异常监测，数据分类标识法可以有效对异常点进行标识，绘制出精确的桨距角-功率曲线；
2)采用网格法对调度限功率数据进行标识，排除因调度限功率导致主控系统控制桨距角提前变桨的情况，提高变桨异常报警准确率；
3)采用统计法计算最小桨距角并通过线性插值计算变桨功率，以此为依据设定合理阈值，能够及时准确发现变桨异常情况。
附图说明
图1为本发明方法的流程图。
图2为功率主带及限功率点标识图。
图3为桨距角主带及异常点标识图。
具体实施方式
下面结合附图并通过实施例对本发明作进一步的详细说明，以下实施例是对本发明的解释而本发明并不局限于以下实施例。
实施例
以某风电场单台1.5MW机组为研究对象，选取机组一个月的SCADA系统记录的风速、功率、桨距角运行数据，采样频率为1分钟。如图1所示，本实施例中基于数据分类标识的风电机组变桨异常监测方法包括如下步骤：
步骤1，清理通讯中断的数据，设置滑动窗口Ne＝6，std＝0.05，即每连续六个点的标准差小于0.05，则判断为通讯中断数据，筛选掉该数据。清理超范围数据，风速0m/s—25m/s，功率0KW—1800KW，桨距角0°--90°，筛选掉超出此范围的数据。
采用网格法确认功率主带，纵坐标为功率，横坐标为风速，网格的大小为功率方向25kw，风速方向0.25m/s，网格的功率上限为额定功率1600kw，网格的风速上限为25m/s。功率主带及限功率点标识如图2所示。
步骤2，选取功率主带点绘制功率-桨距角曲线图，纵坐标为桨距角，横坐标为功率，网格的大小为桨距角方向1°，功率方向25kw，网格的桨距角的上限为90°，网格的功率的上限为额定功率1600kw。采用数据分类标识法确定桨距角主带，计算主带区间内桨距角平均值与功率平均值，结果如表1所示。
表1：主带区间功率-桨距角平均值
Figure BDA0003029181800000051
桨距角主带及异常点标识如图3所示。
步骤3，计算最小桨距角和变桨功率。最小桨距角为600KW-1050KW区间内桨距角平均值，计算得出MinPitch＝0.0707°。变桨功率为应用线性插值法计算桨距角为1.0707°对应的功率，选取功率-桨距角曲线上距离1.0707°左右两侧最近的两个点，记为Pitch1＝0.991°，Pitch2＝1.461°，其对应功率分为Power1＝1413.05KW，Power2＝1437.49KW。按公式计算变桨功率MinPower＝1425.35KW。设定阈值为1200KW，由于变桨功率大于阈值，则此机组变桨正常。
本说明书中未作详细描述的内容均属于本领域专业技术人员公知的现有技术。
虽然本发明已以实施例公开如上，但其并非用以限定本发明的保护范围，任何熟悉该项技术的技术人员，在不脱离本发明的构思和范围内所作的更动与润饰，均应属于本发明的保护范围。

Claims (1)

1.一种基于数据分类标识的风电机组变桨异常监测方法，其特征在于：包括如下步骤：
步骤1，采用数据分类标识法对调度限功率数据进行标识；
首先根据风速功率对调度限功率数据进行标识；
步骤1.1，清理通讯中断、超出范围的数据点；
获取风机的风速W、功率P、桨距角J三个参数一个月的运行数据，数据行数为N，对数据进行清理；首先筛除通讯中断的数据点，具体表现为风速、功率、桨距角在一定时间内不发生变化，设置滑动窗口Nw，若各参数序列同时满足如下条件，则说明为通讯中断的数据点，应该筛除；
Figure FDA0003029181790000011
其中：i—第i个样本，i∈[0,N-Nw]，std—标准差阈值；
根据各参数合理范围进行数据筛选：
Figure FDA0003029181790000012
步骤1.2，采用网格法处理风速功率散点；
网格的大小为功率方向25kw，风速方向0.25m/s，网格的功率上限为额定功率Prated+100kw，网格的风速上限为切出风速Vcut_outm/s；统计各网格中数据点个数，计算每一个网格散点个数占该网格所在水平功率带散点个数总和的百分比，找到每一个水平功率带方向的百分比最大网格的位置及该网格的百分比，计算每一个网格散点个数占该网格所在垂直风速带散点个数总和的百分比，找到每一个垂直风速带方向的百分比最大网格的位置及该网格的百分比；
步骤1.3，确认功率主带并标识限功率数据点；
从某一水平功率带的最大百分比网格向左向右对称扩展，直到左右网格加最大百分比网格中数据点占该功率带总点数的65％，停止；此水平功率带65％的数据点集中在这几个网格中，这些网格中的数据点标记为功率主带点；
当限负荷很严重时，水平功率带的最大百分比网格会出现在限功率位置，而不在功率主带中，此时人为将其根据其相邻的下方功率带最大网格位置进行修正；对于某限功率的水平功率带，如果其最大百分比网格比其下相邻功率带的最大百分比网格之间的距离相差过大〉5，将该限功率水平功率带的最大百分比网格人工修整为比其下方的位置+1；
若从中心最大网格对称相加，左右分别加到六个网格仍没有达到85％的阈值，则判断该水平功率带为限功率带，标识主带右侧的点为限功率数据点；剔除限功率数据点，筛选后的点用于绘制功率-桨距角曲线；
步骤2，采用数据分类标识法绘制功率-桨距角曲线；
步骤2.1，采用网格法处理功率桨距角散点；
网格的大小为桨距角方向1°，功率方向25kw，网格的桨距角的上限为90°，网格的功率的上限为额定功率Prated+100kw；统计各网格中数据点个数，计算每一个网格散点个数占该网格所在水平桨距角带散点个数总和的百分比，找到每一个水平桨距角带方向的百分比最大网格的位置及该网格的百分比，计算每一个网格散点个数占该网格所在垂直功率带散点个数总和的百分比，找到每一个垂直功率带方向的百分比最大网格的位置及该网格的百分比；
步骤2.2，确认桨距角主带并标识异常点；
从某一垂直功率带的最大百分比网格向上向下对称扩展，直到上下网格加最大百分比网格中数据点占该功率带总点数的85％，停止；此垂直功率带85％的数据点集中在这几个网格中，这些网格中的数据点标记为桨距角主带点；
如果总和超85％的宽度超过三个网格，则说明桨距角散点分布过散，认为是有异常点区域，标识主带上侧的点为异常数据点；对于异常点行，如果其最大百分比网格比其下相邻功率带的最大百分比网格之间的距离相差过大〉2，将该限垂直功率带的最大百分比网格人工修整为比其左方的位置+1；
步骤2.3，绘制桨距角主带；
设置桨距角主带宽度为最大百分比网格向上加2，向下加下侧延伸网格数+1；主带外的网格标识为异常网格，异常网格中的点标识为异常点；由于异常点标识和去除是以网格为单元的，因此会造成桨距角主带上侧出现锯齿不连续；因此需要平滑主带，方法为：在出现锯齿的地方，连接两个连续功率带的上侧边缘，形成矩形，并将位于矩形左上三角的散点补充回功率主带，标记其为正常点，平滑主带；
步骤2.4，绘制功率-桨距角曲线；
计算每个主带区间内桨距角平均值与功率平均值，绘制功率-桨距角曲线；
步骤3，计算最小桨距角和变桨功率；
最小桨距角MinPitch：0.4*额定功率～0.7*额定功率区间内桨距角平均值；
变桨功率MinPower：应用线性插值法计算MinPitch+1°对应的功率；选取功率-桨距角曲线上距离MinPitch+1°左右两侧最近的两个点，记为Pitch1，Pitch2，其对应功率分为Power1，Power2；按如下公式计算变桨功率：
Figure FDA0003029181790000031
步骤4，报警逻辑；
若变桨功率小于额定功率的80％，则报警。
CN202110424173.6A 2021-04-20 2021-04-20 一种基于数据分类标识的风电机组变桨异常监测方法 Active CN113090474B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110424173.6A CN113090474B (zh) 2021-04-20 2021-04-20 一种基于数据分类标识的风电机组变桨异常监测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110424173.6A CN113090474B (zh) 2021-04-20 2021-04-20 一种基于数据分类标识的风电机组变桨异常监测方法

Publications (2)

Publication Number Publication Date
CN113090474A true CN113090474A (zh) 2021-07-09
CN113090474B CN113090474B (zh) 2022-02-18

Family

ID=76678898

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110424173.6A Active CN113090474B (zh) 2021-04-20 2021-04-20 一种基于数据分类标识的风电机组变桨异常监测方法

Country Status (1)

Country Link
CN (1) CN113090474B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
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
CN114638312A (zh) * 2022-03-24 2022-06-17 申能新能源(青海)有限公司 一种风电功率无监督式学习分类算法
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

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100140941A1 (en) * 2008-12-08 2010-06-10 Per Egedal Control of the rotational speed of a wind turbine which is impeded to export electrical power to an electricity network
CN107355342A (zh) * 2017-06-30 2017-11-17 北京金风科创风电设备有限公司 风力发电机组变桨异常的识别方法及装置
CN110939550A (zh) * 2019-12-13 2020-03-31 风脉能源（武汉）股份有限公司 变桨电机温度异常监测方法和预警方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100140941A1 (en) * 2008-12-08 2010-06-10 Per Egedal Control of the rotational speed of a wind turbine which is impeded to export electrical power to an electricity network
CN101749184A (zh) * 2008-12-08 2010-06-23 西门子公司 被阻碍向电网输出电力的风力涡轮机的旋转速度的控制
CN107355342A (zh) * 2017-06-30 2017-11-17 北京金风科创风电设备有限公司 风力发电机组变桨异常的识别方法及装置
CN110939550A (zh) * 2019-12-13 2020-03-31 风脉能源（武汉）股份有限公司 变桨电机温度异常监测方法和预警方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
樊帅，唐群先: "基于AdaBoost-SAMME的风力发电机组变桨异常识别系统", 《电力系统保护与控制》 *

Cited By (5)

* Cited by examiner, † Cited by third party
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
CN114638312A (zh) * 2022-03-24 2022-06-17 申能新能源(青海)有限公司 一种风电功率无监督式学习分类算法
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

Also Published As

Publication number Publication date
CN113090474B (zh) 2022-02-18

Similar Documents

Publication Publication Date Title
CN113090474B (zh) 一种基于数据分类标识的风电机组变桨异常监测方法
CN107194097B (zh) 基于风电场气动模拟和风速风向数据的分析方法
DK1132614T3 (en) A regulating system for a wind power plant
CN105275742B (zh) 一种风电机组自适应环境的控制方法
CN103080540A (zh) 风电场中风力涡轮机的控制
CN105894391B (zh) 基于scada运行数据提取的风电机组转矩控制性能评估方法
CN110067708B (zh) 一种使用功率曲线识别偏航对风不正的方法
CN110412966B (zh) 监测变桨电机温度异常的方法和装置
CN112228290B (zh) 一种风力机变桨系统故障智能预警方法
CN111260503A (zh) 一种基于聚类中心优化的风电机组功率曲线离群点检测方法
CN111522808B (zh) 一种风电机组异常运行数据处理方法
CN113847199B (zh) 一种基于机载雷达在线偏航系统的偏航优化控制方法
CN115263680A (zh) 一种结合tf-idf和lstm模型的变桨电机异常温升预警方法
CN117685177A (zh) 一种降低叶片雨蚀的方法及监测设备
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
CN114444291B (zh) 一种风机发电量损失精细化测算方法、系统、设备和介质
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
CN114396385B (zh) 一种基于泵站运行的调度控制方法
CN116146514A (zh) 基于轴流风机的流体动力状态调整方法
CN114936770A (zh) 一种风电机组能效分析方法
CN113761692A (zh) 一种基于迁移成分分析的多风电机组运行状态辨识方法
CN112348244A (zh) 一种基于风资源评估的风电场发电机组检修方法
WO2016157503A1 (ja) 風車および風車の疲労劣化診断方法、風車の運転制御方法
CN116292140B (zh) 一种风力发电机监测控制方法及监测控制装置
CN113586366B (zh) 一种风机变桨系统故障监测方法及系统

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