CN113357097B - 风力发电机组的叶片卡桨检测方法和装置 - Google Patents
风力发电机组的叶片卡桨检测方法和装置 Download PDFInfo
- Publication number
- CN113357097B CN113357097B CN202010135230.4A CN202010135230A CN113357097B CN 113357097 B CN113357097 B CN 113357097B CN 202010135230 A CN202010135230 A CN 202010135230A CN 113357097 B CN113357097 B CN 113357097B
- Authority
- CN
- China
- Prior art keywords
- value
- vibration acceleration
- blade
- generating set
- wind generating
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 48
- 230000001133 acceleration Effects 0.000 claims abstract description 162
- 230000006870 function Effects 0.000 claims description 48
- 230000005284 excitation Effects 0.000 claims description 19
- 238000005259 measurement Methods 0.000 claims description 18
- 230000002159 abnormal effect Effects 0.000 claims description 14
- 238000004458 analytical method Methods 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 9
- 238000010248 power generation Methods 0.000 claims description 8
- 230000001419 dependent effect Effects 0.000 claims description 6
- 238000003860 storage Methods 0.000 claims description 4
- 230000000903 blocking effect Effects 0.000 abstract description 4
- 238000000034 method Methods 0.000 description 10
- 238000004891 communication Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 8
- 230000005540 biological transmission Effects 0.000 description 7
- 230000008859 change Effects 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 238000001914 filtration Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000013016 damping Methods 0.000 description 3
- 230000028161 membrane depolarization Effects 0.000 description 3
- 241001442234 Cosa Species 0.000 description 2
- 244000089409 Erythrina poeppigiana Species 0.000 description 2
- 235000009776 Rathbunia alamosensis Nutrition 0.000 description 2
- 238000005452 bending Methods 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 238000009795 derivation Methods 0.000 description 2
- 238000004134 energy conservation Methods 0.000 description 2
- 230000001960 triggered effect Effects 0.000 description 2
- 230000002411 adverse Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000010287 polarization Effects 0.000 description 1
- 238000005381 potential energy Methods 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 230000000087 stabilizing effect Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
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
- F03D7/02—Controlling wind motors the wind motors having rotation axis substantially parallel to the air flow entering the rotor
- F03D7/022—Adjusting aerodynamic properties of the blades
- F03D7/0224—Adjusting blade pitch
-
- 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
Abstract
提供一种风力发电机组的叶片卡桨检测方法和装置，所述叶片卡桨检测方法包括：确定风力发电机组的叶片角度差值；确定风力发电机组的叶轮转速值；基于所确定的叶片角度差值和叶轮转速值以及预设的用于表征叶片卡桨时的叶片角度差值、叶轮转速值与风力发电机组的机舱振动加速度值之间的对应关系，确定风力发电机组的机舱振动加速度拟合值；基于所确定的机舱振动加速度拟合值以及实测的机舱振动加速度值，确定风力发电机组是否发生卡桨。采用上述风力发电机组的叶片卡桨检测方法和装置，能够对风力发电机组的卡桨状况进行准确识别，并有助于剖析风力发电机组的振动原因。
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叶片卡桨检测方法和装置。
背景技术
风力发电机组的载荷是风、空气动力学、波浪、结构动力学、传动系统、控制系统等复杂作用的结果，随着风力发电机组的容量、塔架高度、叶片长度的不断增大，风力发电机组受到的载荷冲击也随之增大，这给风力发电机组的安全性和塔筒强度及生产成本带来新的巨大挑战，因此风力发电机组的载荷控制显得越来越重要。风力发电机组载荷过大，会使风力发电机组长期工作于偏劳状态，降低风力发电机组的使用寿命，甚至危害风力发电机组的安全。
系统之所以会产生振动是因为它本身具有质量和弹性，阻尼则使振动受到抑制，质量可储存动能，弹性可储存势能，阻尼则消耗能量。当外界对系统做功时，系统的质量就吸收动能，使质量获得速度，弹簧获得变形能具有了使质量回到原来位置的能力。这种能量的不断转换就导致系统的振动，因此，质量、弹性和阻尼是振动系统的三要素。
对于风力发电机组来说，振动带来的是不良后果。由于振动，风力发电机组和塔架会受到反复作用的动载荷，会降低风力发电机组的使用寿命，甚至导致灾难性的破坏性事故。目前，兆瓦级风力发电机组在紧急停机时，通常会采取直接断开变频器并迅速收桨的停机方式，但此停机方式会导致叶片根部以及塔筒底部承受巨大的载荷冲击，在GL2010规范的DLC1.5、DLC1.6工况中叶根挥舞方向弯矩、塔筒前后方向弯矩经常出现极限载荷。
风力发电机组的载荷是多种复杂作用的结果，例如在如下工况下都会引起风力发电机组振动。
(1)风速突变。在正常风况下，风速变化值比较缓慢，或者风速波动周期较长，因此发电机转速上升或者下降也相对缓慢，通过转速—桨角的PID运算，可以实现自动调桨并稳定发电机转速的目的。然而在阵风风况下，由于风速在较短的时间内突然增大的较多，之后又突然下降，经常会导致调桨不及时。风速骤变会引起发电机转速的骤变，根据F＝ma(F为力的大小，m为物体的质量，a为加速度值)，因为速度变化快，导致加速度值a较大，所以F也会较大，由此会引起风力发电机组振动。
(2)叶片受力不平衡。风力发电机组主要通过调节叶片的桨距角来改变迎风面所受风力的大小，因此，如果三个叶片的桨距角不一致，会导致风力发电机组的叶轮在转动过程中产生偏振，从而引起风力发电机组振动。
(3)触发限位开关后变桨电机突然停止运行。限位开关是变桨系统顺桨时的硬件保护开关，一般安装于91度桨距角的位置，触发限位开关后，驱动器会断电而停止输出，导致变桨电机的转速会突然变为0，根据F＝ma，因为速度变化快，导致加速度值a较大，所以F也会较大，由此会引起风力发电机组振动。
(4)偏航速度过快或者偏航制动器松闸不良导致的振动。
(5)电磁转矩控制导致的振动。为了实现最大功率输出，发电机转速上升后，相应的转矩值也需要对应地增加，以使风力发电机组输出的功率值增加。对风力发电机组而言，风能为W1，风力发电机组发电运行时风能使发电机产生的旋转作用为W2，发电机的电磁扭矩为W3，根据能量守恒原理，并网后发电机的能量守恒公式为W1＝W2+W3，即，如果电机扭矩控制不稳定，也会引起转速的不稳定，从而引起风力发电机组振动。
由上述分析可知，导致风力发电机组振动的原因有很多种，甚至还可能是多种因素叠加的结果。由此会导致在分析风力发电机组振动的原因及工况识别时，较为复杂、繁琐，且需要由人员逐一核对识别。随着智能化风机、智慧风电场、智能运维时代的逐步到来，对风力发电运行数据分析的自动化也显得越来越重要而有意义，传统的人工统计方法，存在重复度高、繁琐、耗时长的缺点。
例如，对卡桨工况而言，三个叶片的桨距角不一致会引起风力发电机组的振动，然而在工况识别时，却不能直接根据桨距角判断卡桨及确定振动本因，其原因如下：
(1)由于叶片桨距角是由变桨系统采集后通过DP通信传输给主控系统，所以在判断叶片桨距角时，会受DP通信的影响，即，如果发生DP通信中断，会导致主控系统接收到的叶片桨距角数值为0，而叶片桨距角本身是正常的，三个叶片的实际角度值没有发生偏差。
(2)由于叶片桨距角是变桨系统通过旋转编码器采集的数值，所以在旋转编码器受到电磁干扰、线路断线、编码器故障的情况下，采集到的数值可能是异常的，而三个叶片的实际角度值没有发生偏差。
(3)驱动器故障或者控制刹车阀的电磁刹车继电器故障后，尽管可以通过驱动器故障字判断，但故障字也是通过通信进行数据传输的，因此在通信异常时，可能实际发生了故障，但采集到的故障字为0(0表示无故障)。甚至，个别情况下，驱动器发生了卡桨，但由于未达到驱动器报故障的触发条件，这种情况下驱动器故障字也会是0。
(4)三个叶片的角度值发生了偏差，但如果发电机转速较小，其引起的振动也不会很大。此外，针对不同风力发电机组、不同发动机转速时，桨距角差值判断阈值也较为困难，如三个叶片的角度偏差大于多少，则认为会导致振动。
(5)在变桨系统的传动装置出现异常时，如齿形带发生故障或者断裂的情况下，由于编码器安装于电机内部，所以会导致在一定时间内，叶片位置已经发生偏移，但编码器采集的角度值却是正常的，由此会造成振动漏判。
(6)风力发电机组的控制器所记录的故障文件，只有在触发故障后才能生成，且记录的时间只有1分钟，因此可能会记录不到故障数据，不便于进行数据分析。
发明内容
本发明的示例性实施例的目的在于提供一种风力发电机组的叶片卡桨检测方法和装置，以克服上述至少一种缺陷。
在一个总体方面，提供一种风力发电机组的叶片卡桨检测方法，所述叶片卡桨检测方法包括：确定风力发电机组的叶片角度差值；确定风力发电机组的叶轮转速值；基于拟合函数来根据所确定的叶片角度差值和叶轮转速值，确定风力发电机组的机舱振动加速度拟合值，其中，所述拟合函数用于表征叶片卡桨时的叶片角度差值、叶轮转速值与风力发电机组的机舱振动加速度值之间的对应关系；基于所确定的机舱振动加速度拟合值以及机舱振动加速度实测值，确定风力发电机组是否发生卡桨。
可选地，基于拟合函数来根据所确定的叶片角度差值和叶轮转速值，确定风力发电机组的机舱振动加速度拟合值的步骤可包括：通过将所确定的叶片角度差值和叶轮转速值输入偏心激振模型，来获得机舱振动加速度拟合值，其中，所述偏心激振模型建立了用于表征叶片卡桨时的叶片角度差值、叶轮转速值与风力发电机组的机舱振动加速度值之间的对应关系的拟合函数。
可选地，可通过以下方式来确定叶片卡桨时的叶片角度差值、叶轮转速值与风力发电机组的机舱振动加速度值之间的对应关系：确定在叶片卡桨时的多个时刻的叶轮转速值、叶片角度差值和机舱振动加速度值；确定多个机舱振动加速度值的绝对值；对所述多个机舱振动加速度值的绝对值进行包络检波分析，获得多个机舱振动加速度包络值；通过对多个叶片角度差值、多个叶轮转速值以及所述多个机舱振动加速度包络值进行拟合，来确定所述对应关系。
可选地，所述拟合函数的因变量可为机舱振动加速度拟合值，所述拟合函数的自变量可为叶轮转速值和叶片角度差值，所述拟合函数可包括叶轮转速对数项、叶片角度差对数项、叶轮角速度平方项、叶轮转速一次项、叶片角度差一次项和常数项。
可选地，基于所确定的机舱振动加速度拟合值以及机舱振动加速度实测值，确定风力发电机组是否发生卡桨的步骤可包括：将所确定的机舱振动加速度拟合值与机舱振动加速度实测值进行比较；如果机舱振动加速度拟合值与机舱振动加速度实测值一致，则确定风力发电机组发生卡桨状况，并确定风力发电机组当前的振动是由叶片卡桨引起的；如果机舱振动加速度拟合值与机舱振动加速度实测值不一致，则确定风力发电机组没有发生卡桨状况，并确定风力发电机组处于数据异常状态。
在另一总体方面，提供一种风力发电机组的叶片卡桨检测装置，所述叶片卡桨检测装置包括：叶片角度确定模块，确定风力发电机组的叶片角度差值；叶轮转速确定模块，确定风力发电机组的叶轮转速值；加速度拟合模块，基于拟合函数来根据所确定的叶片角度差值和叶轮转速值，确定风力发电机组的机舱振动加速度拟合值，其中，所述拟合函数用于表征叶片卡桨时的叶片角度差值、叶轮转速值与风力发电机组的机舱振动加速度值之间的对应关系；卡桨识别模块，基于所确定的机舱振动加速度拟合值以及机舱振动加速度实测值，确定风力发电机组是否发生卡桨。
可选地，加速度拟合模块可通过将所确定的叶片角度差值和叶轮转速值输入偏心激振模型，来获得机舱振动加速度拟合值，其中，所述偏心激振模型建立了用于表征叶片卡桨时的叶片角度差值、叶轮转速值与风力发电机组的机舱振动加速度值之间的对应关系的拟合函数。
可选地，加速度拟合模块可通过以下方式来确定叶片卡桨时的叶片角度差值、叶轮转速值与风力发电机组的机舱振动加速度值之间的对应关系：确定在叶片卡桨时的多个时刻的叶轮转速值、叶片角度差值和机舱振动加速度值；确定多个机舱振动加速度值的绝对值；对所述多个机舱振动加速度值的绝对值进行包络检波分析，获得多个机舱振动加速度包络值；通过对多个叶片角度差值、多个叶轮转速值以及所述多个机舱振动加速度包络值进行拟合，来确定所述对应关系。
可选地，卡桨识别模块可将所确定的机舱振动加速度拟合值与机舱振动加速度实测值进行比较，如果机舱振动加速度拟合值与机舱振动加速度实测值一致，则确定风力发电机组发生卡桨状况，并确定风力发电机组当前的振动是由叶片卡桨引起的；如果机舱振动加速度拟合值与机舱振动加速度实测值不一致，则卡桨识别模块可确定风力发电机组没有发生卡桨状况，并确定风力发电机组处于数据异常状态。
在另一总体方面，提供一种控制器，包括：处理器；存储器，用于存储计算机程序，所述计算机程序在被所述处理器执行时实现上述的风力发电机组的叶片卡桨检测方法。
在另一总体方面，提供一种存储有计算机程序的计算机可读存储介质，当所述计算机程序在被处理器执行时实现上述的风力发电机组的叶片卡桨检测方法。
采用上述风力发电机组的叶片卡桨检测方法和装置，能够对风力发电机组的卡桨状况进行准确识别，并有助于剖析风力发电机组的振动原因。
附图说明
通过下面结合示例性地示出实施例的附图进行的详细描述，本发明示例性实施例的上述和其它目的、特点和优点将会变得更加清楚。
图1示出根据本发明示例性实施例的风力发电机组的叶片卡桨检测方法的流程图；
图2示出根据本发明示例性实施例的风力发电机组的多个叶片的桨距角值的曲线示意图；
图3示出根据本发明示例性实施例的风力发电机组的卡桨振动曲线的示意图；
图4示出根据本发明示例性实施例的风力发电机组的叶片受力分析的示意图；
图5示出根据本发明示例性实施例的确定风力发电机组的叶片角度差值的步骤的流程图；
图6示出根据本发明示例性实施例的确定机舱振动加速度值与叶片角度差值、叶轮转速值之间的对应关系的步骤的流程图；
图7示出根据本发明示例性实施例的包络检波的效果示意图；
图8示出根据本发明示例性实施例的拟合函数的效果示意图；
图9示出根据本发明示例性实施例的风力发电机组的叶片卡桨检测装置的框图；
图10示出根据本发明示例性实施例的控制器的框图。
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，一些示例性实施例在附图中示出。
图1示出根据本发明示例性实施例的风力发电机组的叶片卡桨检测方法的流程图。
参照图1，在步骤S10中，确定风力发电机组的叶片角度差值。
这里，风力发电机组可包括多个叶片，在一优选示例中，风力发电机组包括三个叶片，下面以三个叶片为例来介绍针对叶片的受力分析，以及确定叶片角度差值的方式。
图2示出根据本发明示例性实施例的风力发电机组的多个叶片的桨距角值的曲线示意图。图3示出根据本发明示例性实施例的风力发电机组的卡桨振动曲线的示意图。
图2所示的为现场采集的风力发电机组的运行数据，横坐标为时间值，纵坐标为三个变桨轴的桨距角值，图中曲线1是卡桨轴(变桨轴1)的桨距角值，曲线2和曲线3是正常轴(变桨轴2和变桨轴3)的桨距角值。
在-50秒左右，变桨轴1发生开桨故障，在0秒时，变桨轴1与变桨轴2、变桨轴3的桨距角值发生较大的偏差值。图3示出的是风力发电机组对应的振动加速度曲线，在0时刻风力发电机组开始出现较大的振动，直到25秒左右，振动幅度开始减小。
图4示出根据本发明示例性实施例的风力发电机组的叶片受力分析的示意图。
如图4所示，风向301表示风向，风向301(设为F)可以分解为与叶片垂直的风向分力302以及与叶片平行的风向分力303，风向分力303又可以分解为与叶片转动方向垂直的升力304和与叶片转动方向平行的阻力305，风向分力302又可以分解为与叶片转动方向垂直的升力306和与叶片转动方向平行的阻力307。角度a为风力发电机组的机舱方向与风向的夹角值，即，风向传感器测得的风向值，角度b为叶片的桨距角值，最终可得叶片的升力(设为F1)和阻力(设为F2)大小分别为：
F1＝F×cosa×cosb-F×sina×cosb (1)
F2＝F×cosa×sinb+F×sina×sinb (2)
上述公式(1)和公式(2)为针对一个叶片的受力分析，由此可知，当三个叶片的桨距角值b不一致时，三个叶片所受的风力作用大小不同，就会导致风力发电机组的叶轮在转动过程中产生旋转激振力，激振力作用到塔基上，就会引起风力发电机组的振动。
通过上述分析可知，由于卡桨状况会造成风力发电机组的三个叶片的桨距角值出现偏差，进而导致风力发电机组出现较大的振动，基于此，在本发明示例性实施例中提出可以基于风力发电机组的叶片角度差值来对风力发电机组的卡桨进行检测，并进一步分析振动原因。
下面参照图5来介绍确定风力发电机组的叶片角度差值的过程。
图5示出根据本发明示例性实施例的确定风力发电机组的叶片角度差值的步骤的流程图。
参照图5，在步骤S101中，确定多个叶片中的每个叶片的桨距角值。
例如，可以通过各种方式来确定每个叶片的桨距角值，本发明对此部分不再赘述。
在步骤S102中，计算多个叶片中两两叶片之间的桨距角值的差值。
例如，可针对多个叶片中的每两个叶片，来计算该两个叶片的桨距角值的差值。以风力发电机组包括三个叶片，即，第一叶片、第二叶片和第三叶片为例，可以分别计算第一叶片的桨距角值与第二叶片的桨距角值的差值，第一叶片的桨距角值与第三叶片的桨距角值的差值，第二叶片的桨距角值与第三叶片的桨距角值的差值。
在步骤S103中，将计算得到的差值中的最大值确定为风力发电机组的叶片角度差值。
在一优选示例中，在计算得到上述各差值之后，求取各差值的绝对值，将差值的绝对值中的最大值确定为风力发电机组的叶片角度差值。
应理解，上述图5所示的确定风力发电机组的叶片角度差值的方式仅为一优选示例，本发明不限于此，还可以通过其他方式来确定风力发电机组的叶片角度差值，例如，可以将任意两个叶片的桨距角值的差值确定为叶片角度差值。
返回图1，在步骤S20中，确定风力发电机组的叶轮转速值。
例如，可以在风力发电机组设置测速传感器来检测风力发电机组的叶轮转速值，以从测速传感器来获取风力发电机组的叶轮转速值。但本发明不限于此，还可以通过其他方式来确定风力发电机组的叶轮转速值。
在步骤S30中，基于拟合函数来根据所确定的叶片角度差值和叶轮转速值，确定风力发电机组的机舱振动加速度拟合值。这里，拟合函数用于表征叶片卡桨时的叶片角度差值、叶轮转速值与风力发电机组的机舱振动加速度值之间的对应关系。
在本发明示例性实施例中，可基于偏心振动的激振力来构建上述拟合函数，从而建立了机舱振动加速度值、叶片角度差值、叶轮转速值之间的对应关系。
例如，偏心振动的激振力的公式可表示为：
f＝m×e×ω2(3)
公式(3)中，f表示偏心块产生的激振力，m表示偏心块的质量，e表示偏心块的偏心距，ω表示偏心块的转动角速度。
对于风力发电机组而言，f可以等效为对风力发电机组产生的振动力，ω可以等效为叶轮转动的叶轮角速度值，m可表示叶轮旋转的等效质量，与旋转体的密度分布有关，对风力发电机组而言，由于其所受的旋转力主要来自于叶片所受的风力大小，所以可以表征三个叶片的不平衡度，e可以等效为风力发电机组的叶片的长度的函数，可表示如下：
e＝0.4244(R3-r3)/(R3+r3)(4)
在公式(4)中，R表示是风力发电机组的叶片长度，r表示风力发电机组的叶轮的半径。
基于上述公式(3)和公式(4)可知，由于三个叶片不平衡导致的风力发电机组的振动力的大小，与叶轮旋转的叶轮角速度值的平方成正比。
此外，基于上述公式(1)和公式(2)可知，如果三个叶片的桨距角值存在差异，则会造成每个叶片的升力和阻力不同，进而导致风力发电机组出现振动，并且随着叶片角度差值的增大，风力发电机组的振动力也越大，即，风力发电机组的振动力的大小，与风力发电机组的叶片角度差值成正比。
由于叶轮旋转的等效质量、以及要计算公式(3)中的f作用于风力发电机组的塔基所产生的加速度值，根据f＝m0×a，又进一步需要知道风力发电机组的塔基的等效质量m0，其涉及的参数包括塔架材料、塔架刚度、塔架高度、机舱质量、机舱高度、塔架地基稳定度、平衡度等多种因素，因此进行公式推导十分复杂。基于此，在本发明示例性实施例中提出可以基于去极值滤波的包络检波功能以及曲线拟合功能，以此简便地求取风力发电机组的机舱振动加速度值与叶轮转速值、叶片角度差值之间的对应关系。
下面参照图6来介绍确定机舱振动加速度值与叶片角度差值、叶轮转速值之间的对应关系的步骤，应理解，图6所示的确定上述对应关系的方式仅为一优选示例，本发明不限于此，还可以通过其他方式来确定该对应关系。
图6示出根据本发明示例性实施例的确定机舱振动加速度拟合值与叶片角度差值、叶轮转速值之间的对应关系的步骤的流程图。
参照图6，在步骤S301中，确定在叶片卡桨时的多个时刻的叶轮转速值、叶片角度差值和机舱振动加速度值。
这里，在一个时刻对应一组叶轮转速值、叶片角度差值和机舱振动加速度值的数据，获取在叶片卡桨时的多个时刻的叶轮转速值、叶片角度差值和机舱振动加速度值。
在一优选示例中，可通过滑动去极值滤波器对多个时刻的叶轮转速值和叶片角度差值进行处理，其滤波处理的原理为：确定一滑动窗口，该滑动窗口中包含预定个数的数据，随着时间的推进，每次新输入一个数据，则将最早获得的一个数据移出，对该滑动窗口中包含的数据进行从小到大(也可从大到小)排序，以将跳变值排到最上面或者最下面，最终输出中间值。
在步骤S302中，确定多个机舱振动加速度值的绝对值。
在步骤S303中，对多个机舱振动加速度值的绝对值进行包络检波分析，获得多个机舱振动加速度包络值。
例如，可通过包络检波对多个机舱振动加速度值的绝对值进行滤波、包络检测。
图7示出根据本发明示例性实施例的包络检波的效果示意图。
如图7所示，粗实线表示使用包络检波分析获得的机舱振动加速度包络值的波动曲线(机舱振动加速度值的绝对值的包络检波曲线)，细实线表示风力发电机组的机舱振动加速度值的绝对值的波动曲线，从图7所示可以看出，实现了较好的包络检波效果。
在本发明示例性实施例中，通过求取机舱振动加速度值的绝对值，增大了正值数据的个数，例如，机舱振动加速度值-0.1会变成0.1，加上本来为正数的0.1，就得到两个0.1，因此可以提高曲线拟合的准确度，并且使用包络检波的方法，与原始的正弦式曲线相比，函数模型更简单。
返回图6，在步骤S304中，通过对多个叶片角度差值、多个叶轮转速值以及多个机舱振动加速度包络值进行拟合，来确定叶片角度差值、叶轮转速值与风力发电机组的机舱振动加速度值之间的对应关系。
这里，拟合函数的因变量为机舱振动加速度拟合值，拟合函数的自变量为叶轮转速值和叶片角度差值。在一优选示例中，拟合函数可包括但不限于叶轮转速对数项、叶片角度差对数项、叶轮角速度平方项、叶轮转速一次项、叶片角度差一次项和常数项。
例如，拟合函数的表达式可如下：
公式(5)中，a表示风力发电机组的机舱振动加速度拟合值，n表示风力发电机组的叶轮转速值，c表示风力发电机组的叶片角度差值，λ0～λ5为系数，n×6.28/60表示将叶轮转速值转换为叶轮角速度值。
例如，可通过将多个叶片角度差值、多个叶轮转速值以及多个机舱振动加速度包络值代入到上述公式(5)中，通过求解获得系数λ0～λ5的值，从而确定了确定叶片角度差值、叶轮转速值与风力发电机组的机舱振动加速度值之间的对应关系。
在上述公式(5)所示的拟合函数中，由于三叶片不平衡导致的风力发电机组的振动力大小，与叶片角度差值成正比，与叶轮旋转的叶轮角速度的平方成正比，基于此，在该拟合函数中构建了叶片角度差一次项和叶轮角速度平方项。
在上述拟合函数中加入了对数项是为了利用对数函数的斜率变化特点，即，当自变量x在0～1之间时，因变量y变化较快且为负数，当自变量x大于1时，因变量y变化较慢且为正数，对于风力发电机组而言，其用于描述特点是：当叶轮转速值n、叶片角度差值c较小时，产生的机舱振动加速度值较小，当叶轮转速值n、叶片角度差值c较大时，产生的机舱振动加速度值较大。
在一优选实施例中，可利用三叶片不平衡、叶轮旋转时导致风力发电机组振动的特性，建立偏心激振模型，并基于所建立的偏心激振模型来确定风力发电机组的机舱振动加速度拟合值。这里，该偏心激振模型建立了用于表征叶片角度差值、叶轮转速值与风力发电机组的机舱振动加速度值之间的对应关系的拟合函数。
例如，可通过以下方式来构建偏心激振模型：将叶片卡桨时的多个叶片角度差值和多个叶轮转速值作为偏心激振模型的输入，将叶片卡桨时的多个机舱振动加速度包络值作为偏心激振模型的输出，对偏心激振模型进行训练。
在建立偏心激振模型时，使用机舱振动加速度值的绝对值进行包络检波分析，增加正值数据的点数，以准确求取拟合曲线，并使用包络检测的方式，简化函数模型。
此外，由于叶轮转速值、叶片角度差值、机舱振动加速度值的同时刻对应关系，所以从SCADA(Supervisory Control And Data Acquisition，即，数据采集与监视控制系统)中获取的数据就能直接进行计算、识别，不需要风力发电机组故障文件的产生，不受数据滤波算法的影响。
此外，在建立偏心激振模型时，使用正向包络检测的方法，简化函数模型，与拟合正弦曲线相比，不需要进行负数值的曲线拟合，可以进一步提高计算的简便性和曲线拟合的准确度。
图8示出根据本发明示例性实施例的拟合函数的效果示意图。
在图8中，假设通过对多个叶片角度差值、多个叶轮转速值以及多个机舱振动加速度包络值进行拟合，获得公式(5)中的各系数λ0～λ5如下：λ0＝-1.16307153，λ1＝0.036457135，λ2＝0.013686255，λ3＝0.00432220，λ4＝0.281997827，λ5＝0.013470378。
图8中的细实线示出的风力发电机组的机舱振动加速度实测值，粗实线示出的是根据公式(5)以及上述系数计算得到的机舱振动加速度拟合值，从图中可以看出，机舱振动加速度拟合值的最大值与机舱振动加速度实测值的绝对值的最大值高度吻合。
返回图1，在步骤S40中，基于所确定的机舱振动加速度拟合值以及机舱振动加速度实测值，确定风力发电机组是否发生卡桨。
例如，可将所确定的机舱振动加速度拟合值与机舱振动加速度实测值进行比较，如果机舱振动加速度拟合值与机舱振动加速度实测值一致，则确定风力发电机组发生卡桨状况，并确定风力发电机组当前的振动是由叶片卡桨引起的。
如果机舱振动加速度拟合值与机舱振动加速度实测值不一致，则确定风力发电机组没有发生卡桨状况，并确定风力发电机组处于数据异常状态。
作为示例，数据异常状态可包括但不限于由于通信故障导致的桨距角数据传输异常，或者由于编码器故障导致的桨距角数据采集异常。
上述本发明示例性实施例的风力发电机组的叶片卡桨检测方法，可以有效涵盖通信故障导致的桨距角数据传输异常，或者编码器故障导致的桨距角数据采集异常，且可以对齿形带故障工况下的振动原因进行有效的分析。
在上述叶片卡桨检测方法中，可以自动检测出叶片实际位置是否发生了偏差，与判断各种工况相比，算法简便、准确，无需考虑复杂的工况条件，只需要检测三叶片的桨距角值即可。
图9示出根据本发明示例性实施例的风力发电机组的叶片卡桨检测装置的框图。
如图9所示，根据本发明示例性实施例的风力发电机组的叶片卡桨检测装置100包括：叶片角度确定模块101、叶轮转速确定模块102、加速度拟合模块103和卡桨识别模块104。
具体说来，叶片角度确定模块101确定风力发电机组的叶片角度差值。
这里，风力发电机组可包括多个叶片，叶片角度确定模块101确定多个叶片中的每个叶片的桨距角值，计算多个叶片中两两叶片之间的桨距角值的差值，将计算得到的差值中的最大值确定为风力发电机组的叶片角度差值。
叶轮转速确定模块102确定风力发电机组的叶轮转速值。
加速度拟合模块103基于拟合函数来根据所确定的叶片角度差值和叶轮转速值，确定风力发电机组的机舱振动加速度拟合值。这里，拟合函数用于表征叶片卡桨时的叶片角度差值、叶轮转速值与风力发电机组的机舱振动加速度值之间的对应关系。
在一优选示例中，加速度拟合模块103可通过以下方式来确定叶片卡桨时的机舱振动加速度值与叶片角度差值、叶轮转速值之间的对应关系。
例如，加速度拟合模块103确定在叶片卡桨时的多个时刻的叶轮转速值、叶片角度差值和机舱振动加速度值；确定多个机舱振动加速度值的绝对值，对多个机舱振动加速度值的绝对值进行包络检波分析，获得多个机舱振动加速度包络值；通过对多个叶片角度差值、多个叶轮转速值以及多个机舱振动加速度包络值进行拟合，来确定上述对应关系。
这里，拟合函数的因变量为机舱振动加速度拟合值，拟合函数的自变量为叶轮转速值和叶片角度差值。在一优选示例中，拟合函数可包括但不限于叶轮转速对数项、叶片角度差对数项、叶轮角速度平方项、叶轮转速一次项、叶片角度差一次项和常数项。
作为示例，拟合函数的表达式如上述公式(5)所示，本发明对此部分内容不再赘述。
卡桨识别模块104基于所确定的机舱振动加速度拟合值以及机舱振动加速度实测值，确定风力发电机组是否发生卡桨。
例如，卡桨识别模块104可将所确定的机舱振动加速度拟合值与机舱振动加速度实测值进行比较，如果机舱振动加速度拟合值与机舱振动加速度实测值一致，则卡桨识别模块104确定风力发电机组发生卡桨状况，并确定风力发电机组当前的振动是由叶片卡桨引起的。
如果机舱振动加速度拟合值与机舱振动加速度实测值不一致，则卡桨识别模块104确定风力发电机组没有发生卡桨状况，并确定风力发电机组处于数据异常状态。
作为示例，数据异常状态可包括但不限于由于通信故障导致的桨距角数据传输异常，或者由于编码器故障导致的桨距角数据采集异常。
图10示出根据本发明示例性实施例的控制器的框图。
如图10所示，根据本发明示例性实施例的控制器200包括：处理器201和存储器202。
具体说来，存储器202用于存储计算机程序，所述计算机程序在被所述处理器201执行时实现上述的风力发电机组的叶片卡桨检测方法。
这里，图1所示的风力发电机组的叶片卡桨检测方法可在图10所示的处理器201中执行。也就是说，图9所示的各模块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，还可完全通过计算机程序来以软件方式实现，例如，可被实现为图10中所示的处理器201中的各个模块。
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风力发电机组的叶片卡桨检测方法的计算机程序。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)。
由于直接分析机舱振动加速度值，所涉及的参数可能包括塔架材料、塔架刚度、塔架高度、机舱质量、机舱高度、塔架地基稳定度、平衡度等多种因素，因此进行公式推导十分复杂，基于此，根据本发明示例性实施例的叶片卡桨检测方法和装置，设计了基于去极值滤波的包络检波功能以及曲线拟合功能，以以简便地求取风力发电机组的机舱振动加速度值与叶轮转速值、叶片角度差值之间的对应关系。
此外，根据本发明示例性实施例的叶片卡桨检测方法和装置，与检测振动幅度以及求取振动频率的方法相比，算法简单，振动原因的可辨识度更高。这是因为对振动曲线求取频率值的问题在于，不同振动原因导致的振动值，其振动特性是一样的，即都是正弦波动的方式，因此判断频率值的可辨识度较低，即，无法准确区分振动原因。
在上述方法和装置中，所涉及的模型、算法简单，检测准确度高，相关系数值均为合理范围(大于0.01)，便于算法的准确实现。
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 (7)
1.一种风力发电机组的叶片卡桨检测方法，其特征在于，所述叶片卡桨检测方法包括：
确定风力发电机组的叶片角度差值，其中，所述叶片角度差值为多个叶片中两两叶片之间的桨距角值的差值中的最大值；
确定风力发电机组的叶轮转速值；
基于拟合函数来根据所确定的叶片角度差值和叶轮转速值，确定风力发电机组的机舱振动加速度拟合值，其中，所述拟合函数用于表征叶片卡桨时的叶片角度差值、叶轮转速值与风力发电机组的机舱振动加速度值之间的对应关系；
基于所确定的机舱振动加速度拟合值以及机舱振动加速度实测值，确定风力发电机组是否发生卡桨，
其中，基于拟合函数来根据所确定的叶片角度差值和叶轮转速值，确定风力发电机组的机舱振动加速度拟合值的步骤包括：
通过将所确定的叶片角度差值和叶轮转速值输入偏心激振模型，来获得机舱振动加速度拟合值，
其中，所述偏心激振模型建立了用于表征叶片卡桨时的叶片角度差值、叶轮转速值与风力发电机组的机舱振动加速度值之间的对应关系的拟合函数；
其中，通过以下方式来确定叶片卡桨时的叶片角度差值、叶轮转速值与风力发电机组的机舱振动加速度值之间的对应关系：
确定在叶片卡桨时的多个时刻的叶轮转速值、叶片角度差值和机舱振动加速度值；
确定多个机舱振动加速度值的绝对值；
对所述多个机舱振动加速度值的绝对值进行包络检波分析，获得多个机舱振动加速度包络值；
通过对多个叶片角度差值、多个叶轮转速值以及所述多个机舱振动加速度包络值进行拟合，来确定所述对应关系。
2.根据权利要求1所述的叶片卡桨检测方法，其特征在于，所述拟合函数的因变量为机舱振动加速度拟合值，所述拟合函数的自变量为叶轮转速值和叶片角度差值，所述拟合函数包括叶轮转速对数项、叶片角度差对数项、叶轮角速度平方项、叶轮转速一次项、叶片角度差一次项和常数项。
3.根据权利要求1所述的叶片卡桨检测方法，其特征在于，基于所确定的机舱振动加速度拟合值以及机舱振动加速度实测值，确定风力发电机组是否发生卡桨的步骤包括：
将所确定的机舱振动加速度拟合值与机舱振动加速度实测值进行比较；
如果机舱振动加速度拟合值与机舱振动加速度实测值一致，则确定风力发电机组发生卡桨，并确定风力发电机组当前的振动是由叶片卡桨引起的；
如果机舱振动加速度拟合值与机舱振动加速度实测值不一致，则确定风力发电机组没有发生卡桨状况，并确定风力发电机组处于数据异常状态。
4.一种风力发电机组的叶片卡桨检测装置，其特征在于，所述叶片卡桨检测装置包括：
叶片角度确定模块，确定风力发电机组的叶片角度差值，其中，所述叶片角度差值为多个叶片中两两叶片之间的桨距角值的差值中的最大值；
叶轮转速确定模块，确定风力发电机组的叶轮转速值；
加速度拟合模块，基于拟合函数来根据所确定的叶片角度差值和叶轮转速值，确定风力发电机组的机舱振动加速度拟合值，其中，所述拟合函数用于表征叶片卡桨时的叶片角度差值、叶轮转速值与风力发电机组的机舱振动加速度值之间的对应关系；
卡桨识别模块，基于所确定的机舱振动加速度拟合值以及机舱振动加速度实测值，确定风力发电机组是否发生卡桨，
其中，加速度拟合模块通过将所确定的叶片角度差值和叶轮转速值输入偏心激振模型，来获得机舱振动加速度拟合值，
其中，所述偏心激振模型建立了用于表征叶片卡桨时的叶片角度差值、叶轮转速值与风力发电机组的机舱振动加速度值之间的对应关系的拟合函数；
其中，加速度拟合模块通过以下方式来确定叶片卡桨时的叶片角度差值、叶轮转速值与风力发电机组的机舱振动加速度值之间的对应关系：
确定在叶片卡桨时的多个时刻的叶轮转速值、叶片角度差值和机舱振动加速度值；
确定多个机舱振动加速度值的绝对值；
对所述多个机舱振动加速度值的绝对值进行包络检波分析，获得多个机舱振动加速度包络值；
通过对多个叶片角度差值、多个叶轮转速值以及所述多个机舱振动加速度包络值进行拟合，来确定所述对应关系。
5.根据权利要求4所述的叶片卡桨检测装置，其特征在于，卡桨识别模块将所确定的机舱振动加速度拟合值与机舱振动加速度实测值进行比较，如果机舱振动加速度拟合值与机舱振动加速度实测值一致，则确定风力发电机组发生卡桨状况，并确定风力发电机组当前的振动是由叶片卡桨引起的；如果机舱振动加速度拟合值与机舱振动加速度实测值不一致，则卡桨识别模块确定风力发电机组没有发生卡桨状况，并确定风力发电机组处于数据异常状态。
6.一种控制器，其特征在于，包括：
处理器；
存储器，用于存储计算机程序，所述计算机程序在被所述处理器执行时实现如权利要求1至3中任意一项所述的风力发电机组的叶片卡桨检测方法。
7.一种存储有计算机程序的计算机可读存储介质，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3中任意一项所述的风力发电机组的叶片卡桨检测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010135230.4A CN113357097B (zh) | 2020-03-02 | 2020-03-02 | 风力发电机组的叶片卡桨检测方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010135230.4A CN113357097B (zh) | 2020-03-02 | 2020-03-02 | 风力发电机组的叶片卡桨检测方法和装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113357097A CN113357097A (zh) | 2021-09-07 |
| CN113357097B true CN113357097B (zh) | 2024-01-26 |
Family
ID=77523116
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010135230.4A Active CN113357097B (zh) | 2020-03-02 | 2020-03-02 | 风力发电机组的叶片卡桨检测方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113357097B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114412702B (zh) * | 2022-01-21 | 2023-04-18 | 中国华能集团清洁能源技术研究院有限公司 | 一种风电机组和应对变桨轴承卡桨的优化方法 |
| CN116358378B (zh) * | 2023-03-28 | 2024-01-05 | 徐州新兴达克罗科技有限公司 | 一种用于风力发电机机头装配的测量装置 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| TW200530504A (en) * | 2004-02-27 | 2005-09-16 | Mitsubishi Heavy Ind Ltd | Wind turbine generator, active vibration damping method for the same, and wind turbine tower |
| CN103266987A (zh) * | 2013-05-22 | 2013-08-28 | 北京金风科创风电设备有限公司 | 在单个桨叶卡桨工况下的风力发电机停机方法 |
| CN104792294A (zh) * | 2014-01-21 | 2015-07-22 | Ssb风系统两合公司 | 风轮机、用于风轮机的桨距角测量系统和方法 |
| CN105569932A (zh) * | 2016-01-08 | 2016-05-11 | 新疆金风科技股份有限公司 | 风电机组动态不平衡在线检测和故障辨识方法及系统 |
| CN107781104A (zh) * | 2016-08-30 | 2018-03-09 | 北京金风科创风电设备有限公司 | 收桨的控制方法及控制电路 |
| CN110388302A (zh) * | 2018-04-16 | 2019-10-29 | 新疆金风科技股份有限公司 | 风力发电机的数据异常检测方法和设备 |
| CN110414022A (zh) * | 2018-04-27 | 2019-11-05 | 新疆金风科技股份有限公司 | 一种风力发电机组叶片开裂的预警方法及系统 |
| CN110617184A (zh) * | 2018-06-20 | 2019-12-27 | 北京金风慧能技术有限公司 | 检测风力发电机组的叶片故障的方法和设备 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| ES2381094B1 (es) * | 2010-04-13 | 2013-04-23 | Gamesa Innovation & Technology, S.L. | Metodos de monitorizacion de aerogeneradores |
| US9366230B2 (en) * | 2013-03-14 | 2016-06-14 | General Electric Company | System and method for reducing loads acting on a wind turbine in response to transient wind conditions |
| CN105332855B (zh) * | 2014-06-11 | 2019-06-28 | 通用电气公司 | 用于风力涡轮机的控制方法和控制系统 |
| CN109563812A (zh) * | 2016-06-13 | 2019-04-02 | 维斯塔斯风力系统集团公司 | 沿边风力涡轮机叶片振动的减振 |
-
2020
- 2020-03-02 CN CN202010135230.4A patent/CN113357097B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| TW200530504A (en) * | 2004-02-27 | 2005-09-16 | Mitsubishi Heavy Ind Ltd | Wind turbine generator, active vibration damping method for the same, and wind turbine tower |
| CN103266987A (zh) * | 2013-05-22 | 2013-08-28 | 北京金风科创风电设备有限公司 | 在单个桨叶卡桨工况下的风力发电机停机方法 |
| CN104792294A (zh) * | 2014-01-21 | 2015-07-22 | Ssb风系统两合公司 | 风轮机、用于风轮机的桨距角测量系统和方法 |
| CN105569932A (zh) * | 2016-01-08 | 2016-05-11 | 新疆金风科技股份有限公司 | 风电机组动态不平衡在线检测和故障辨识方法及系统 |
| CN107781104A (zh) * | 2016-08-30 | 2018-03-09 | 北京金风科创风电设备有限公司 | 收桨的控制方法及控制电路 |
| CN110388302A (zh) * | 2018-04-16 | 2019-10-29 | 新疆金风科技股份有限公司 | 风力发电机的数据异常检测方法和设备 |
| CN110414022A (zh) * | 2018-04-27 | 2019-11-05 | 新疆金风科技股份有限公司 | 一种风力发电机组叶片开裂的预警方法及系统 |
| CN110617184A (zh) * | 2018-06-20 | 2019-12-27 | 北京金风慧能技术有限公司 | 检测风力发电机组的叶片故障的方法和设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113357097A (zh) | 2021-09-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| DK177769B1 (en) | Methods and apparatus for detecting ice on a rotor vane | |
| CN107223206B (zh) | 疲劳测试 | |
| EP3218600B1 (en) | System and method for estimating rotor blade loads of a wind turbine | |
| EP2886853B1 (en) | A monitoring system and a monitoring method for a wind turbine generator | |
| EP2588755B1 (en) | Calibration of wind turbine sensor | |
| US20130259686A1 (en) | System and method for controlling a wind turbine | |
| CN113357097B (zh) | 风力发电机组的叶片卡桨检测方法和装置 | |
| CN111794909B (zh) | 面向扇区调控的风电场级偏航动态优化方法和系统 | |
| EP3181897B1 (en) | Operating a wind turbine | |
| US20140003938A1 (en) | Stall detection of wind turbine blades | |
| EP2048562A1 (en) | Method and device for providing at least one input sensor signal for a control and/or monitoring application and control device | |
| CN102648345A (zh) | 风力涡轮机的控制方法 | |
| CN104728040A (zh) | 检测桨距角调整故障 | |
| JP6352778B2 (ja) | 浮体式風力発電装置及びその運転方法 | |
| US20140308125A1 (en) | Wind turbine | |
| US20210148336A1 (en) | A method for determining wind turbine blade edgewise load recurrence | |
| SE534957C2 (sv) | Metod för att bestämma ett balanserat läge hos en vindturbin | |
| WO2012136277A1 (en) | Proactive control of the operation of a wind turbine | |
| US11905927B2 (en) | Frequency content based monitoring of wind turbine blade pitch system | |
| CN112555101B (zh) | 识别风力发电机组的叶轮气动状态的方法及装置 | |
| CN113494429B (zh) | 一种风机叶片气动不平衡监测方法 | |
| US20230204010A1 (en) | Blade monitoring by actively promoting blade vibrations | |
| CN113738594B (zh) | 风力发电机组的风向偏差诊断系统和方法 | |
| CN113446149A (zh) | 风力发电机组的控制方法和装置 | |
| EP4050206A1 (en) | Controlling a wind turbine with respect to dynamic stability |
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 |