CN113447733A - 风力发电机组变桨系统超级电容的故障检测设备和方法 - Google Patents
风力发电机组变桨系统超级电容的故障检测设备和方法 Download PDFInfo
- Publication number
- CN113447733A CN113447733A CN202010215181.5A CN202010215181A CN113447733A CN 113447733 A CN113447733 A CN 113447733A CN 202010215181 A CN202010215181 A CN 202010215181A CN 113447733 A CN113447733 A CN 113447733A
- Authority
- CN
- China
- Prior art keywords
- super capacitor
- quantiles
- voltage
- supercapacitor
- pitch
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 55
- 238000000034 method Methods 0.000 title claims abstract description 38
- 239000003990 capacitor Substances 0.000 claims abstract description 171
- 230000002159 abnormal effect Effects 0.000 claims abstract description 63
- 230000008569 process Effects 0.000 claims abstract description 13
- 238000012163 sequencing technique Methods 0.000 claims abstract description 6
- 238000004590 computer program Methods 0.000 claims description 11
- 238000010248 power generation Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 18
- 238000004891 communication Methods 0.000 description 12
- 230000007704 transition Effects 0.000 description 10
- 230000008859 change Effects 0.000 description 5
- 230000015556 catabolic process Effects 0.000 description 4
- 238000000354 decomposition reaction Methods 0.000 description 4
- 238000006731 degradation reaction Methods 0.000 description 4
- 239000003792 electrolyte Substances 0.000 description 4
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000005265 energy consumption Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 210000003746 feather Anatomy 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000012535 impurity Substances 0.000 description 1
- 150000002500 ions Chemical class 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R19/00—Arrangements for measuring currents or voltages or for indicating presence or sign thereof
- G01R19/25—Arrangements for measuring currents or voltages or for indicating presence or sign thereof using digital measurement techniques
- G01R19/2503—Arrangements for measuring currents or voltages or for indicating presence or sign thereof using digital measurement techniques for measuring voltage only, e.g. digital volt meters (DVM's)
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R27/00—Arrangements for measuring resistance, reactance, impedance, or electric characteristics derived therefrom
- G01R27/02—Measuring real or complex resistance, reactance, impedance, or other two-pole characteristics derived therefrom, e.g. time constant
- G01R27/26—Measuring inductance or capacitance; Measuring quality factor, e.g. by using the resonance method; Measuring loss factor; Measuring dielectric constants ; Measuring impedance or related variables
- G01R27/2605—Measuring capacitance
-
- 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
本申请提供了一种风力发电机组变桨系统超级电容的故障检测设备和方法,涉及风力发电技术领域。在变桨电机启动至停止的持续工作过程中,超级电容与变桨电机进行能量交换,该方法包括:采集变桨电机持续工作时间段中超级电容输出的多个电压值,并对多个电压值进行排序;获取排序后的多个电压值的N分位数;根据两个目标N分位数或两个目标N分位数之间的电压值的分布情况,确定超级电容的输出电压发生异常跳变,目标N分位数为N分位数中的任意一个;基于异常跳变确定超级电容发生故障。利用本申请的技术方案能够准确地检测到超级电容发生故障。
Description
技术领域
本申请属于风力发电技术领域,尤其涉及一种风力发电机组变桨系统超级电容的故障检测设备和方法。
背景技术
图1是现有技术中风力发电机组变桨系统的结构示意图。该变桨系统可以为使用直流变频器的变桨系统,包括超级电容101、变桨电机102、变频器103、充电器104、电网输入105和控制器106。
变频器103用于控制变桨电机102运行。充电器104用于在电网输入105正常时,为超级电容充电。控制器106用于控制变桨系统运行,并控制变频器103运行。如图1所示,超级电容101通过变频器103与变桨电机102连接。充电器104的输出的“+”端与超级电容101的“+”端、变频器103的“+”端电连接。充电器104的输出的“-”端与超级电容101的“-”端、变频器103的“-”端电连接。
其中,超级电容101可作为变桨系统的备用电源。充电器实时监测超级电容101的电压值,并与预设的电压值进行比较。当变桨系统调桨时,即变桨电机102运转带动叶片变桨,由于变桨电机102的耗能,超级电容的电压值下降,充电器104开始为超级电容101充电,并为变桨电机102提供电能。当电网发生故障使电网输入105无电压时,由超级电容101为变桨电机102、变频器103提供电能,驱动叶片顺桨到安全位置。
现阶段往往采用设置超级电容输出电压的最低门限值或最高门限值,来判断超级电容是否发生故障,这种方式无法检测到超级电容输出电压的异常跳变。
比如,图2为变桨系统中超级电容的输出电压的曲线示意图。如图2所示,横坐标为时间,纵坐标为输出电压。在风力发电机组进行调桨的过程中,超级电容的输出电压发生了剧烈波动。在这种情况下,超级电容已经发生了故障,但利用超级电容电压的最低门限值只能在故障发生较长时间后才能够检测到该故障,并不能检测到超级电容的电压的异常跳变所引起的故障。
发明内容
本申请实施例提供了一种风力发电机组变桨系统超级电容的故障检测设备和方法,能够准确地检测到超级电容发生故障。
第一方面,本申请实施例提供一种风力发电机组变桨系统超级电容的故障检测方法,变桨系统包括超级电容和变桨电机,在变桨电机启动至停止的持续工作过程中,超级电容与变桨电机进行能量交换;该风力发电机组变桨系统超级电容的故障检测方法包括:采集变桨电机持续工作时间段中超级电容输出的多个电压值,并对多个电压值进行排序;获取排序后的多个电压值的N分位数;根据两个目标N分位数或两个目标N分位数之间的电压值的分布情况,确定超级电容的输出电压发生异常跳变,目标N分位数为N分位数中的任意一个;基于异常跳变确定超级电容发生故障。
在一些可能的实施例中,在变桨电机启动阶段,超级电容向变桨电机提供电能,超级电容的输出电压正常向下跳变;在变桨电机停止阶段,超级电容从变桨电机吸收电能,超级电容的输出电压正常向上跳变。
在一些可能的实施例中,电压值跳变持续时间在20毫秒至1秒之间;变桨电机启动阶段持续时间大于2秒,变桨电机停止阶段持续时间大于2秒。
在一些可能的实施例中,根据两个目标N分位数或两个目标N分位数之间的电压值的分布情况,确定超级电容的输出电压发生异常跳变,包括:计算两个目标N分位数的差值;在差值超出正常差值阈值范围的情况下,确定超级电容的输出电压发生异常跳变。
在一些可能的实施例中,根据两个目标N分位数或两个目标N分位数之间的电压值的分布情况,确定超级电容的输出电压发生异常跳变,包括:计算两个目标N分位数之间的电压值在多个电压值中的概率密度;在概率密度小于正常概率密度阈值的情况下,确定超级电容的输出电压发生异常跳变。
在一些可能的实施例中,该风力发电机组变桨系统超级电容的故障检测方法还包括:计算多个电压值在N分位数形成的电压值段中的概率密度分布;根据概率密度分布,确定异常跳变对应的故障类型。
第二方面,本申请实施例提供一种风力发电机组变桨系统超级电容的故障检测装置,变桨系统包括超级电容和变桨电机,在变桨电机启动至停止的持续工作过程中,超级电容与变桨电机进行能量交换;该风力发电机组变桨系统超级电容的故障检测装置包括:采集模块,用于采集变桨电机持续工作时间段中超级电容输出的多个电压值,并对多个电压值进行排序;获取模块,用于获取排序后的多个电压值的N分位数;异常跳变确定模块,用于根据两个目标N分位数或两个目标N分位数之间的电压值的分布情况,确定超级电容输出的电压发生异常跳变,目标N分位数为N分位数中的任意一个;故障确定模块,用于基于异常跳变确定超级电容发生故障。
在一些可能的实施例中,在变桨电机启动阶段,超级电容向变桨电机提供电能,超级电容的输出电压正常向下跳变;在变桨电机停止阶段,超级电容从变桨电机吸收电能,超级电容的输出电压正常向上跳变。
在一些可能的实施例中,电压值跳变持续时间在20毫秒至1秒之间;变桨电机启动阶段持续时间大于2秒,变桨电机停止阶段持续时间大于2秒。
在一些可能的实施例中,异常跳变确定模块具体用于:计算两个目标N分位数的差值;在差值超出正常差值阈值范围的情况下,确定超级电容的输出电压发生异常跳变。
在一些可能的实施例中,异常跳变确定模块具体用于:计算两个目标N分位数之间的电压值在多个电压值中的概率密度;在概率密度小于正常概率密度阈值的情况下,确定超级电容的输出电压发生异常跳变。
在一些可能的实施例中,该风力发电机组变桨系统超级电容的故障检测装置还包括:计算模块,用于计算多个电压值在N分位数形成的电压值段中的概率密度分布;故障类型确定模块,用于根据概率密度分布,确定异常跳变对应的故障类型。
第三方面,本申请实施例提供一种风力发电机组变桨系统超级电容的故障检测设备,包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述计算机程序被所述处理器执行时实现第一方面的技术方案中的风力发电机组变桨系统超级电容的故障检测方法。
第四方面,本申请实施例提供一种计算机可读存储介质,所述计算机可读存储介质上存储计算机程序,所述计算机程序被处理器执行时实现第一方面的技术方案中的风力发电机组变桨系统超级电容的故障检测方法。
本申请实施例提供一种风力发电机组变桨系统超级电容的故障检测设备和方法。通过在变桨电机启动至停止的持续工作时间段内对超级电容输出的电压的多次采集,得到该超级电容的多个输出电压值。根据排序后的多个电压值的N分位数中的两个N分位数或两个N分位数之间的电压值的分布情况,确定超级电容的电压是否发生异常跳变。其中,两个N分位数、两个N分位数之间的电压值的分布情况均可体现采集的超级电容的电压值的在不同电压区间的分布密度。利用电压值的分布密度,即可从输出电压的正常跳动数值中确定出输出电压的异常跳变,从而准确地检测到超级电容的故障。
附图说明
从下面结合附图对本申请的具体实施方式的描述中可以更好地理解本申请。其中,相同或相似的附图标记表示相同或相似的特征。
图1为现有技术中风力发电机组变桨系统的结构示意图;
图2为变桨系统中超级电容的输出电压的曲线示意图;
图3为超级电容的输出电压正常向下跳变的示意图;
图4为超级电容的输出电压正常向上跳变的示意图;
图5为本申请实施例提供的一种风力发电机组变桨系统超级电容的故障检测方法的流程图;
图6为本申请实施例提供的一种采集的超级电容输出的电压值的示意图;
图7为本申请实施例提供的一种电压值分布示意图;
图8为本申请实施例提供的另一种电压值分布示意图;
图9为本申请另一实施例提供的一种风力发电机组变桨系统超级电容的故障检测方法的流程图;
图10为本申请又一实施例提供的一种风力发电机组变桨系统超级电容的故障检测方法的流程图;
图11为本申请实施例提供的一种风力发电机组变桨系统超级电容的故障检测装置的结构示意图;
图12为本申请另一实施例提供的一种风力发电机组变桨系统超级电容的故障检测装置的结构示意图;
图13为本申请实施例中一种风力发电机组变桨系统超级电容的故障检测设备的结构示意图。
具体实施方式
下面将详细描述本申请的各个方面的特征和示例性实施例。在下面的详细描述中,提出了许多具体细节,以便提供对本申请的全面理解。但是,对于本领域技术人员来说很明显的是,本申请可以在不需要这些具体细节中的一些细节的情况下实施。下面对实施例的描述仅仅是为了通过示出本申请的示例来提供对本申请的更好的理解。本申请决不限于下面所提出的任何具体配置和算法,而是在不脱离本申请的精神的前提下覆盖了元素、部件和算法的任何修改、替换和改进。在附图和下面的描述中,没有示出公知的结构和技术,以便避免对本申请造成不必要的模糊。
本申请实施例提供一种风力发电机组变桨系统超级电容的故障检测方法、装置、设备及存储介质,可应用于对风力发电机组变桨系统的备用电源中的超级电容进行监测的场景中,在此并不限定。
由于超级电容的封闭壳体内因水分解的气体积聚使内部压力积聚,极端情况下会导致超级电容器壳体结构损坏。即使安装有用于减压的压阀的超级电容,在压阀打开后容值下降与等效串联电阻(EquivalentSeries Resistance,ESR)增大速率将明显增加,导致漏电流可能数量级上升,同时低沸点电解液在较高温度下也将加速挥发。超级电容还有可能由于多孔活性碳电极的劣化导致超级电容性能衰减,或者超级电容的接线松动。超级电容的电解液不可逆分解,生成的气体增加容器内部压力,分解产生的杂质降低离子对孔可达能力,使ESR上升。上述情况均会使超级电容的输出电压发生异常跳变。
然而,如图1所示,在变桨电机102从启动到停止的持续工作过程中,由于超级电容101与变桨电机102之间的能量交换并非恒定功率,在能量交换较高时超级电容101的输出电压会产生正常跳变,表现为超级电容101的输出电压的电压值发生正常跳变。在能量交换较低时,输出电压的电压值仅会产生小幅波动,这些电压值变化均属于正常情况。在变桨电机102从启动到停止的持续工作过程中,在超级电容输出电压的电压值存在正常跳变的前提下,超级电容自身故障会引发异常跳变。利用本申请实施例中的风力发电机组变桨系统超级电容的故障检测方法能够检测到该异常跳变,从而检测到超级电容发生的故障。
本申请实施例中的电压值跳变是指瞬间发生的电压值的变化,例如该电压值跳变可以为持续时间在20毫秒至1秒之间的电压值的突变。在另一些示例中,该电压值跳变的持续时间也可以低于20毫秒,即电压值跳变也可以为持续时间低于20毫秒的电压值的突变。
图3为超级电容的输出电压正常向下跳变的示意图。如图3所示,在变桨电机启动阶段,由于电机能耗瞬间增大,超级电容的输出电压的电压值发生正常的向下跳变。例如,超级电容的输出电压的正常电压值为85.1V,向下跳变幅值最低达到84.74V。电压值跳变持续时间在20毫秒至1秒之间,变桨电机启动阶段持续时间大于2秒。在变桨电机启动完成后,超级电容的输出电压的电压值恢复正常。
图4为超级电容的输出电压正常向上跳变的示意图。如图4所示,在变桨电机停止阶段,由于电机减速,超级电容需要吸收反灌电压,超级电容的输出电压的电压值发生正常的向上跳变。例如,超级电容的输出电压的正常电压值为100V,向上跳变幅值最高达到117V。电压值跳变持续时间在20毫秒至1秒之间,变桨电机停止阶段持续时间大于2秒。在变桨电机停止完成后,输出电压的电压值恢复正常。
综上所述,可以得到,对超级电容的输出电压的异常跳变的检测存在技术困难。
本申请实施例中的风力发电机组变桨系统超级电容的故障检测方法具体可由风力发电机组变桨系统超级电容的故障检测装置或设备执行,该风力发电机组变桨系统超级电容故障检测装置或设备可设置于风力发电机组中,在此并不限定。本申请实施例提供的风力发电机组变桨系统超级电容的故障检测方法能够及时准确地检测到超级电容的输出电压的异常跳变,从而准确地检测到超级电容的故障。
本申请实施例提供一种风力发电机组边境系统超级电容的故障检测方法。变桨系统包括超级电容和变桨电机。在变桨电机启动至停止的持续工作过程中,超级电容与变桨电机进行能量交换。在变桨电机启动阶段,超级电容向变桨电机提供电能,超级电容的输出电压正常向下跳变;在变桨电机停止阶段,超级电容从变桨电机吸收电能,超级电容的输出电压正常向上跳变,具体内容可参见上述说明,在此不再赘述。
图5为本申请实施例提供的一种风力发电机组变桨系统超级电容的故障检测方法的流程图。如图5所示,该风力发电机组变桨系统超级电容的故障检测方法可包括步骤S201至步骤S203。
在步骤S201中,采集变桨电机持续工作时间段中超级电容输出的多个电压值,并对多个电压值进行排序。
其中,变桨电机持续工作时间段包括从变桨电机启动到停止的完整持续工作过程占用的时间段。变桨电机持续工作时间段可根据变桨电机具体的工作场景和工作需求设定,在此并不限定。在变桨电机持续工作时间段中采集超级电容输出的电压值的时间间隔也可根据具体工作场景和工作需求设定,在此并不限定。比如,变桨电机持续工作时间段可为3小时,可每隔5分钟采集一次超级电容输出的电压值。在变桨电机持续工作时间段中对超级电容输出的电压值进行多次采集,得到多个电压值。可按照由大到小或由小到大的顺序,对采集的多个电压值进行排序。
在步骤S202中,获取排序后的多个电压值的N分位数。
分位数指将一个随机变量的概率分布范围分为几个等份的数值点。N分位数指将多个数值由小到大排列或由大到小排列并分成N等份,处于N-1个分割点位置的数值就是N分位数。其中,N为正整数且N≥3。在一些示例中,3≤N≤15。在另一些示例中,N也可取值其他范围的数值,在此并不限定。比如,N=4,则四分位数的个数为3个,分别为第一四分位数、第二四分位数和第三四分位数。又比如,N=3,则三分位数的个数为2个,分别为第一三分位数和第二三分位数。还比如,N=15,则十五分位数的个数为14个,分别为第一十五分位数至第十四十五分位数。
例如,图6为本申请实施例提供的一种采集的超级电容输出的电压值的示意图。其中,横坐标表示采集次数,纵坐标表示电压值。表一示出了图6中采集的超级电容输出的电压值。N=4,对应地,如表一所示,两个四分位数分别为75和81。
表一
采集的电压值 | 排序后电压值 | 四分位数 |
80 | 71 | |
80 | 72 | |
91 | 75 | 25%(第一四分位数) |
71 | 75 | |
92 | 80 | |
72 | 80 | 50%(第二四分位数) |
75 | 80 | |
80 | 80 | |
80 | 81 | 75%(第三四分位数) |
81 | 81 | |
80 | 91 | |
81 | 92 |
在步骤S203中,根据两个目标N分位数或两个目标N分位数之间的电压值的分布情况,确定超级电容的输出电压发生异常跳变。
其中,目标N分位数为N分位数中的任意一个。两个目标N分位数为N分位数中的任意两个。比如,若N=3,则三分位数只有两个,两个目标三分位数即为这两个三分位数。又比如,若N=4,则四分位数有三个,两个目标四分位数可选择三个四分位数中的两个,如选择第一四分位数和第三四分位数,也可选择第一四分位数和第二四分位数,在此并不限定。又比如,若N=15,则十五分位数有十四个,两个目标十五分位数可选择十四个十五分位数中的两个,如选择第五十五分位数和第十十五分位数,也可选择第六十五分位数和第十一十五分位数,在此并不限定。
两个目标N分位数、两个目标N分位数之间的电压值的分布情况均可体现采集的超级电容输出的电压值的分布密度,从而可根据电压值的分布密度来确定超级电容的输出电压是否发生跳变,以及发生的跳变是否为异常跳变。大量电压值偏离正常区间的电压值跳变即为异常跳变。
在步骤S204中,基于异常跳变确定超级电容发生故障.
若超级电容的输出电压发生异常跳变,可确定超级电容或超级电容所在的风力发电机组出现故障。
比如,图7为本申请实施例提供的一种电压值分布示意图。其中的圆点表示电压值数据。如图7所示,水平线对应的正常电压值区间约为84至85.5。位于图7中水平线之外的电压值数量非常多,说明超级电容的电压频繁跳变,可确定超级电容的输出电压发生异常跳变。
又比如,图8为本申请实施例提供的另一种电压值分布示意图。如图8所示,水平线对应的正常电压值区间约为84.8至85.1。位于图8中水平线之外的电压值数量非常少,说明超级电容的输出电压发生了偶尔的跳变,但并不是异常跳变,可确定超级电容的输出电压未发生异常跳变。
在确定超级电容的输出电压发生异常跳变的情况下,可及时判断超级电容发生如壳体损坏、电极劣化、接线松动、电解液分解等引起的超级电容性能故障,或者如电网掉电、通信中断故障等风力发电机组发生的故障。可在故障引发更大的不良影响前及时地确定故障。
在本申请实施例中,通过在变桨电机启动至停止的持续工作时间段内对超级电容输出的电压的多次采集,得到该超级电容的多个输出电压值。根据排序后的多个电压值的N分位数中的两个N分位数或两个N分位数之间的电压值的分布情况,确定超级电容的电压是否发生异常跳变。其中,两个N分位数、两个N分位数之间的电压值的分布情况均可体现采集的超级电容的电压值的在不同电压区间的分布密度。利用电压值的分布密度,即可从输出电压的正常跳动数值中确定出输出电压的异常跳变,从而准确地检测到超级电容的故障。
由于获取的是排序后的电压值的N分位数,两个N分位数、两个N分位数之间的电压值的分布情况均可体现采集的超级电容的多个电压值的在不同电压区间的分布密度,因此,本申请实施例中对于不同电压等级如60V、80V、100V、130V等的额定电压的超级电容均适用,不需要针对不同电压等级的额定电压的超级电容设置不同的安全电压区域,本申请实施例中的风力发电机组变桨系统超级电容的故障检测方法可自动匹配得到采集的电压值的集中范围电压区域,以判断超级电容的电容是否发生异常跳变,适用性更强。
而且,本申请实施例中的风力发电机组变桨系统超级电容的故障检测方法还可区分超级电容的输出电压的偶然跳变和异常跳变,从而减小了异常跳变以及故障判断误判的可能性,提高了异常跳变以及故障判断的准确性。
图9为本申请另一实施例提供的一种风力发电机组变桨系统超级电容的故障检测方法的流程图。图9与图5的不同之处在于,图5中的步骤S201可具体细化为图9中的步骤S2011至步骤S2015;图5中的步骤S203可具体细化为图9中的步骤S2031和步骤S2032,或者,图5中的步骤S203可具体细化为图9中的步骤S2033和步骤S2034。
在步骤S2011中,在变桨电机持续工作时间段中,每采集超级电容输出的一个电压值,采集计数值加一。
在本申请实施例中,可设置采集计数值,已确定在变桨电机持续工作时间段内的一时刻已经进行的电压值的采集的次数。采集计数值初始值可设为0,在变桨电机持续工作时间段中,第一次采集超级电容输出的电压值时,采集计数值加一,采集计数值记为1;下一次采集超级电容输出的电压值时,采集计数值再加一,采集计数值记为2;以此类推,直至变桨电机持续工作时间段结束,或者,直至采集计数值满足截止条件,停止采集超级电容输出的电压值。
在步骤S2012中,在采集计数值大于或等于预设采集数目值的初始值的情况下,停止采集电压值。
预设采集数目值的初始值为预设的采集电压值数目。比如,预设采集数目值的初始值可为50,表示在变桨电机持续工作时间段内,预期采集超级电容的50个电压值。
采集计数值大于或等于预设采集数目值的初始值,表示采集的超级电容输出的电压值已经足够进行本次输出电压跳变的检测,可停止采集电压值。
在步骤S2013中,在采集计数值小于预设采集数目值的初始值的情况下,将采集的超级电容输出的一个电压值存储入存储队列中处于空闲的地址中的顶部地址中,预设采集数目值减一。
采集计数值小于预设采集数目值的初始值,表示采集的超级电容输出的电压值还不足够进行本次输出电压跳变的检测,需要继续进行采集。在本申请实施例中,用于存储电压值的存储队列具体可为先进先出(First InputFirstOutput,FIFO)队列,按照采集顺序,将采集的电压值存储入存储队列的地址中。每次采集的电压值可存储入存储队列中处于空闲的地址中的顶部地址中,同时预设采集数目值减一,以标示存储队列中还可存储的电压值的数目,即进行本次输出电压跳变的检测还需要采集的电压值的数目。
在步骤S2014中,对存储入存储队列中的电压值按照由小到大或由大到小的顺序排序。
在一些示例中,可将电压值全部存储入存储队列中,再进行排序。
在另一些示例中,可在每个电压值存储入存储队列时,对已经存储入的电压值进行排序。
利用FIFO方式存储采集的电压值,可更方便对数据进行排序处理。利用排序后的电压值,也更方便读取多个电压值中的N分位数。
在步骤S2015中,在预设采集数目值小于1的情况下,停止采集电压值。
随着存储队列中存储的电压值数目的争夺,预设采集数目越来越小。预设采集数目值小于1,表示存储队列中还可存储的电压值的数目为0,即进行本次输出电压跳变的检测已不需要继续采集电压值。因此,在预设采集数目值小于1的情况下,停止采集电压值。
在一些示例中,可为存储队列设置使能标识。在采集计数值小于预设采集数目值的初始值的情况下,使能标识为第一标识。在采集计数值大于或等于预设采集数目值的初始值的情况下,或,在预设采集数目值小于1的情况下,使能标识为第二标识。第一标识和第二标识不同,具体可为数字、字母或其他标识,在此并不限定。比如,第一标识为1,第二标识为0。
在步骤S2031中,计算两个目标N分位数的差值。
两个目标N分位数体现了分布较为密集的电压值的大小。两个目标N分位数的差值可体现采集的多个电压值中大部分电压值大小之间的差距。
比如,预设时间段内采集的超级电容输出的多个电压值如上述实施例中的表一所示,则可选取第一四分位数75为其中一个目标四分位数,选取第三四分位数81为其中另一个目标四分位数。计算得到两个目标四分位数的差值81-75=6。
在步骤S2032中,在差值超出正常差值阈值范围的情况下,确定超级电容的输出电压发生异常跳变。
其中,正常差值阈值范围可根据具体工作场景和工作需求设定,在此并不限定。两个目标N分位数的差值超出正常差值阈值范围,则两个目标N分位数所形成的电压值区间之外的电压值的差值会更大,表示采集的多个电压值中的大部分电压值均超出了正常电压值区间,可确定超级电容的输出电压发生异常跳变。其中,异常跳变包括幅值的异常跳变情况。
比如,正常差值阈值范围可设置为[-3,3]。若两个目标N分位数的差值如步骤S2031中的举例为81-75=6,可得到差值6超出了正常差值阈值范围[-3,3],则可确定超级电容的输出电压发生异常跳变。
在差值处于正常差值阈值范围内的情况下,确定超级电容的输出电压未发生异常跳变。
若超级电容的电压发生了偶然跳变,则该偶然跳变产生的电压值往往是极大值或极小值,并不会影响目标N分位数的大小,也不会影响两个目标N分位数的差值,从而避免了将偶然跳变的情况误判为异常跳变的情况,提高了异常跳变以及故障判断的准确性。
在步骤S2033中,计算两个目标N分位数之间的电压值在多个电压值中的概率密度。
两个目标N分位数之间的电压值为属于正常电压值区间的电压值。两个目标N分位数之间的电压值在多个电压值中的概率密度可表示采集的多个电压值中属于正常电压值区间的电压值占采集的多个电压值的比例。该概率密度越大,表示正常电压值区间外的电压值数量越少;该概率密度越小,表示正常电压值区间外的电压值数量越多。
在步骤S2034中,在概率密度小于正常概率密度阈值的情况下,确定超级电容的输出电压发生异常跳变。
其中,正常概率密度阈值具体可根据具体工作场景和工作需求设定,在此并不限定。比如,正常概率密度阈值可为0.95。概率密度小于正常概率密度阈值,表示处于正常电压值区间内的电压值数量较少,超出正常电压值区间的电压值数量较多;概率密度大于或等于正常概率密度阈值,表示处于正常电压值区间内的电压值数量较多,超出正常电压值区间的电压值数量较少。因此,在概率密度小于正常概率密度阈值的情况下,确定超级电容的输出电压发生异常跳变。在概率密度大于或等于正常概率密度阈值的情况下,确定超级电容的输出电压未发生异常跳变。
若超级电容的输出电压发生了偶然跳变,则该偶然跳变产生的电压值的数量比较少,并不会影响两个目标N分位数之间的电压值在多个电压值中的概率密度,从而避免了将偶然跳变的情况误判为异常跳变的情况,提高了异常跳变以及故障判断的准确性。
在上述实施例中,其中的一个目标N分位数为第M1N分位数,其中的另一个目标N分位数为第M2N分位数。为了进一步提高对异常跳变以及故障判断的准确性,可设定选取的两个目标N分位数在所有N分位数中处于对称位。具体地,M1≤N/2≤M2<N,且N/2-M1=M2-N/2,M1和M2均为正整数。
比如,在N=4的情况下,相对于选取第一四分位数和第二四分位数作为两个目标四分位数,更趋向于选取第一四分位数和第三四分位数作为两个目标四分位数。又比如,在N=8的情况下,相对于选取第一八分位数和第五八分位数作为两个目标八分位数,更趋向于选取第二八分位数和第六八分位数作为两个目标八分位数。再比如,在N=15的情况下,相对于选取第三十五分位数和第八十五分位数作为两个目标十五分位数,更趋向于选取第五十五分位数和第十十五分位数作为两个目标十五分位数。
在一些示例中,为了进一步提高对超级电容的电压的异常跳变检测的准确性,N的范围可适当进一步调整。比如,3≤N≤8。
图10为本申请又一实施例提供的一种风力发电机组变桨系统超级电容的故障检测方法的流程图。图10与图5的不同之处在于,图10所示的风力发电机组变桨系统超级电容的故障检测方法还可包括步骤S204和步骤S205。
在步骤S204中,计算多个电压值在N分位数形成的电压值段中的概率密度分布。
其中,任意两个N分位数即可形成一个电压值段,具体选取的电压值段可根据具体工作场景和工作需求设定,在此并不确定。异常跳变可能是不同类型的故障引起的,不同类型故障体现在超级电容的输出电压的跳变的表现也是不同的。比如,在发生电网掉电或通信中断故障的情况下,超级电容的输出电压会缓慢下降至接近0V,采集到的电压值的分布范围会被拉大。在本申请实施例中可利用多个电压值在N分位数形成的电压值段中的概率密度分布来确定异常跳变对应的故障类型。
在步骤S205中,根据概率密度分布,确定异常跳变对应的故障类型。
在一些示例中,在确定超级电容的输出电压发生异常跳变的情况下,若第一概率密度与第二概率密度的差值处于预设概率密度差值阈值范围内,确定异常跳变对应的故障类型为第一故障类型。预设概率密度差值阈值范围可根据具体工作场景和工作需求设定,在此并不限定。
在另一些示例中,在确定超级电容的输出电压发生异常跳变的情况下,若第二概率密度与第一概率密度的差值大于预设概率密度差值阈值,确定异常跳变对应的故障类型为第二故障类型。预设概率密度差值阈值大于0,具体可根据工作场景和工作需求设定,在此并不限定。
其中,第一概率密度为多个电压值在正常电压值区间的上限值以上的区间的概率密度。第二概率密度为多个电压值在正常电压值区间的下限值以下的区间的概率密度。
第一故障类型的故障可包括但不限于壳体损坏、电极劣化、接线松动、电解液分解等引起的超级电容性能故障。第二故障类型的故障可包括但不限于电网掉电、通信中断故障等风力发电机组发生的故障。其中,通信中断故障可具体为分布式外围设备(Decentralized Periphery,DP)通信中断故障,在此并不限定。
本申请实施例中的风力发电机组变桨系统超级电容的故障检测方法还可区分通信中断故障、电网掉电等类型的故障和超级电容本身故障,便于后续采取对应措施。
本申请实施例还提供一种风力发电机组变桨系统超级电容的故障检测装置。变桨系统包括超级电容和变桨电机,在变桨电机启动至停止的持续工作过程中,超级电容与变桨电机进行能量交换。图11为本申请实施例提供的一种风力发电机组变桨系统超级电容的故障检测装置的结构示意图。如图11所示,该风力发电机组变桨系统超级电容的故障检测装置300可包括采集模块301、获取模块302、异常跳变确定模块303和故障确定模块304。
采集模块301用于采集变桨电机持续工作时间段中超级电容输出的多个电压值,并对多个电压值进行排序。
获取模块302用于获取排序后的多个电压值的N分位数。
其中,N为正整数且N≥3。在一些示例中,3≤N≤15。
异常跳变确定模块303用于根据两个目标N分位数或两个目标N分位数之间的电压值的分布情况,确定超级电容输出的电压发生异常跳变。目标N分位数为N分位数中的任意一个。
故障确定模块304用于基于异常跳变确定超级电容发生故障
在本申请实施例中,通过在变桨电机启动至停止的持续工作时间段内对超级电容输出的电压的多次采集,得到该超级电容的多个输出电压值。根据排序后的多个电压值的N分位数中的两个N分位数或两个N分位数之间的电压值的分布情况,确定超级电容的电压是否发生异常跳变。其中,两个N分位数、两个N分位数之间的电压值的分布情况均可体现采集的超级电容的电压值的在不同电压区间的分布密度。利用电压值的分布密度,即可从输出电压的正常跳动数值中确定出输出电压的异常跳变,从而准确地检测到超级电容的故障。
由于获取的是排序后的电压值的N分位数,两个N分位数、两个N分位数之间的电压值的分布情况均可体现采集的超级电容输出的多个电压值的在不同电压区间的分布密度,因此,本申请实施例中对于不同电压等级如60V、80V、100V、130V等的额定电压的超级电容均适用,不需要针对不同电压等级的额定电压的超级电容设置不同的安全电压区域,本申请实施例中的风力发电机组变桨系统超级电容的故障检测方法可自动匹配得到采集的电压值的集中范围电压区域,以判断超级电容的输出电压是否发生异常跳变,适用性更强。
而且,本申请实施例中的风力发电机组变桨系统超级电容的故障检测装置300还可区分超级电容的输出电压的偶然跳变和异常跳变,从而减小了异常跳变以及故障判断误判的可能性,提高了异常跳变以及故障判断的准确性。
在一些示例中,在变桨电机启动阶段,超级电容向变桨电机提供电能,超级电容的输出电压正常向下跳变。在变桨电机停止阶段,超级电容从变桨电机吸收电能,超级电容的输出电压正常向上跳变。
在一些示例中,电压值跳变持续时间在20毫秒至1秒之间。变桨电机启动阶段持续时间大于2秒,变桨电机停止阶段持续时间大于2秒。
在一些示例中,上述实施例中的异常跳变确定模块303可具体用于:计算两个目标N分位数的差值;在差值超出正常差值阈值范围的情况下,确定超级电容的输出电压发生异常跳变。
在另一些示例中,上述实施例中的异常跳变确定模块303可具体用于:计算两个目标N分位数之间的电压值在多个电压值中的概率密度;在概率密度小于正常概率密度阈值的情况下,确定超级电容的输出电压发生异常跳变。
在一些示例中,上述实施例中的其中一个目标N分位数为第M1N分位数,其中另一个目标N分位数为第M2N分位数。其中,M1≤N/2≤M2<N,且N/2-M1=M2-N/2,M1和M2均为正整数。
进一步地,可缩小N的取值范围,比如,3≤N≤8。
在一些示例中,上述实施例中的采集模块301可具体用于:在变桨电机持续工作时间段中,每采集超级电容输出的一个电压值,采集计数值加一;在采集计数值大于或等于预设采集数目值的初始值的情况下,停止采集电压值;在采集计数值小于预设采集数目值的初始值的情况下,将采集的超级电容输出的一个电压值存储入存储队列中处于空闲的地址中的顶部地址中,预设采集数目值减一;对存储入存储队列中的电压值按照由小到大或由大到小的顺序排序;在预设采集数目值小于1的情况下,停止采集电压值。
图12为本申请另一实施例提供的一种风力发电机组变桨系统超级电容的故障检测装置的结构示意图。图12与图11的不同之处在于,图12所示的风力发电机组变桨系统超级电容的故障检测装置300还可包括计算模块305和故障类型确定模块306。
计算模块305可用于计算多个电压值在N分位数形成的电压值段中的概率密度分布。
故障类型确定模块306可用于根据概率密度分布,确定异常跳变对应的故障类型。
在一些示例中,该风力发电机组变桨系统超级电容的故障检测装置300具体可集成于风力发电机组的变桨控制器或主控制器。
图13为本申请实施例中一种风力发电机组变桨系统超级电容的故障检测设备的结构示意图。如图13所示,风力发电机组变桨系统超级电容的故障检测设备400包括存储器401、处理器402及存储在存储器401上并可在处理器402上运行的计算机程序。
在一个示例中,上述处理器402可以包括中央处理器(CPU),或者特定集成电路(ASIC),或者可以被配置成实施本申请实施例的一个或多个集成电路。
存储器401可以包括用于数据或指令的大容量存储器。举例来说而非限制,存储器401可包括HDD、软盘驱动器、闪存、光盘、磁光盘、磁带或通用串行总线(USB)驱动器或者两个或更多个以上这些的组合。在合适的情况下,存储器401可包括可移除或不可移除(或固定)的介质。在合适的情况下,存储器401可在终端热点开启风力发电机组变桨系统超级电容的故障检测设备400的内部或外部。在特定实施例中,存储器401是非易失性固态存储器。在特定实施例中,存储器401包括只读存储器(ROM)。在合适的情况下,该ROM可以是掩模编程的ROM、可编程ROM(PROM)、可擦除PROM(EPROM)、电可擦除PROM(EEPROM)、电可改写ROM(EAROM)或闪存或者两个或更多个以上这些的组合。
处理器402通过读取存储器401中存储的可执行程序代码来运行与可执行程序代码对应的计算机程序,以用于实现上述实施例中的风力发电机组变桨系统超级电容的故障检测方法。
在一个示例中,风力发电机组变桨系统超级电容的故障检测设备400还可包括通信接口403和总线404。其中,如图13所示,存储器401、处理器402、通信接口403通过总线404连接并完成相互间的通信。
通信接口403,主要用于实现本申请实施例中各模块、装置、单元和/或设备之间的通信。也可通过通信接口403接入输入设备和/或输出设备。
总线404包括硬件、软件或两者,将风力发电机组变桨系统超级电容的故障检测设备400的部件彼此耦接在一起。举例来说而非限制,总线404可包括加速图形端口(AGP)或其他图形总线、增强工业标准架构(EISA)总线、前端总线(FSB)、超传输(HT)互连、工业标准架构(ISA)总线、无限带宽互连、低引脚数(LPC)总线、存储器总线、微信道架构(MCA)总线、外围组件互连(PCI)总线、PCI-Express(PCI-X)总线、串行高级技术附件(SATA)总线、视频电子标准协会局部(VLB)总线或其他合适的总线或者两个或更多个以上这些的组合。在合适的情况下,总线404可包括一个或多个总线。尽管本申请实施例描述和示出了特定的总线,但本申请考虑任何合适的总线或互连。
在一些示例中,该风力发电机组变桨系统超级电容的故障检测设备400具体可集成于风力发电机组的变桨控制器或主控制器。
本申请一实施例还提供一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,该计算机程序被处理器执行时可实现上述实施例中的风力发电机组变桨系统超级电容的故障检测方法。
需要明确的是,本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同或相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。对于装置实施例、设备实施例和计算机可读存储介质实施例而言,相关之处可以参见方法实施例的说明部分。本申请并不局限于上文所描述并在图中示出的特定步骤和结构。本领域的技术人员可以在领会本申请的精神之后,作出各种改变、修改和添加,或者改变步骤之间的顺序。并且,为了简明起见,这里省略对已知方法技术的详细描述。
本领域技术人员应能理解,上述实施例均是示例性而非限制性的。在不同实施例中出现的不同技术特征可以进行组合,以取得有益效果。本领域技术人员在研究附图、说明书及权利要求书的基础上,应能理解并实现所揭示的实施例的其他变化的实施例。在权利要求书中,术语“包括”并不排除其他装置或步骤;不定冠词“一个”不排除多个;术语“第一”、“第二”用于标示名称而非用于表示任何特定的顺序。权利要求中的任何附图标记均不应被理解为对保护范围的限制。权利要求中出现的多个部分的功能可以由一个单独的硬件或软件模块来实现。某些技术特征出现在不同的从属权利要求中并不意味着不能将这些技术特征进行组合以取得有益效果。
Claims (10)
1.一种风力发电机组变桨系统超级电容的故障检测方法,所述变桨系统包括超级电容和变桨电机,其特征在于,在所述变桨电机启动至停止的持续工作过程中,所述超级电容与所述变桨电机进行能量交换;
所述方法包括:
采集所述变桨电机持续工作时间段中所述超级电容输出的多个电压值,并对所述多个电压值进行排序;
获取排序后的所述多个电压值的N分位数;
根据两个目标N分位数或两个所述目标N分位数之间的电压值的分布情况,确定所述超级电容的输出电压发生异常跳变,所述目标N分位数为所述N分位数中的任意一个;
基于所述异常跳变确定所述超级电容发生故障。
2.根据权利要求1所述的方法,其特征在于,
在所述变桨电机启动阶段,所述超级电容向所述变桨电机提供电能,所述超级电容的输出电压正常向下跳变;
在所述变桨电机停止阶段,所述超级电容从所述变桨电机吸收电能,所述超级电容的输出电压正常向上跳变。
3.根据权利要求2所述的方法,其特征在于,
所述电压值跳变持续时间在20毫秒至1秒之间;
所述变桨电机启动阶段持续时间大于2秒,所述变桨电机停止阶段持续时间大于2秒。
4.根据权利要求2所述的方法,其特征在于,所述根据两个目标N分位数或两个所述目标N分位数之间的电压值的分布情况,确定所述超级电容的输出电压发生异常跳变,包括:
计算两个所述目标N分位数的差值;
在所述差值超出正常差值阈值范围的情况下,确定所述超级电容的输出电压发生异常跳变。
5.根据权利要求2所述的方法,其特征在于,所述根据两个目标N分位数或两个所述目标N分位数之间的电压值的分布情况,确定所述超级电容的输出电压发生异常跳变,包括:
计算两个所述目标N分位数之间的电压值在所述多个电压值中的概率密度;
在所述概率密度小于正常概率密度阈值的情况下,确定所述超级电容的输出电压发生异常跳变。
6.根据权利要求2所述的方法,其特征在于,还包括:
计算所述多个电压值在所述N分位数形成的电压值段中的概率密度分布;
根据所述概率密度分布,确定所述异常跳变对应的故障类型。
7.一种风力发电机组变桨系统超级电容的故障检测装置,所述变桨系统包括超级电容和变桨电机,其特征在于,在所述变桨电机启动至停止的持续工作过程中,所述超级电容与所述变桨电机进行能量交换;
所述检测装置包括:
采集模块,用于采集所述变桨电机持续工作时间段中所述超级电容输出的多个电压值,并对所述多个电压值进行排序;
获取模块,用于获取排序后的所述多个电压值的N分位数;
异常跳变确定模块,用于根据两个目标N分位数或两个所述目标N分位数之间的电压值的分布情况,确定所述超级电容输出的电压发生异常跳变,所述目标N分位数为所述N分位数中的任意一个;
故障确定模块,用于基于所述异常跳变确定所述超级电容发生故障。
8.根据权利要求7所述的故障检测装置,其特征在于,
在所述变桨电机启动阶段,所述超级电容向所述变桨电机提供电能,所述超级电容的输出电压正常向下跳变;
在所述变桨电机停止阶段,所述超级电容从所述变桨电机吸收电能,所述超级电容的输出电压正常向上跳变。
9.一种风力发电机组变桨系统超级电容的故障检测设备,所述变桨系统包括超级电容和变桨电机,其特征在于,在所述变桨电机启动至停止的持续工作过程中,所述超级电容与所述变桨电机进行能量交换;
所述检测设备包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述计算机程序被所述处理器执行时实现如权利要求1至6中任意一项所述的风力发电机组变桨系统超级电容的故障检测方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储计算机程序,所述计算机程序被处理器执行时实现如权利要求1至6中任意一项所述的风力发电机组变桨系统超级电容的故障检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010215181.5A CN113447733B (zh) | 2020-03-24 | 2020-03-24 | 风力发电机组变桨系统超级电容的故障检测设备和方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010215181.5A CN113447733B (zh) | 2020-03-24 | 2020-03-24 | 风力发电机组变桨系统超级电容的故障检测设备和方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113447733A true CN113447733A (zh) | 2021-09-28 |
CN113447733B CN113447733B (zh) | 2023-07-28 |
Family
ID=77806511
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010215181.5A Active CN113447733B (zh) | 2020-03-24 | 2020-03-24 | 风力发电机组变桨系统超级电容的故障检测设备和方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113447733B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116780914A (zh) * | 2023-06-19 | 2023-09-19 | 深圳市安科讯实业有限公司 | 一种混合型开关模式电源转换方法及装置 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120087792A1 (en) * | 2010-10-12 | 2012-04-12 | Clipper Windpower, Inc. | Emergency feather rate limit with proportionality to operating pitch angle and energy storage voltage |
CN102520277A (zh) * | 2011-12-01 | 2012-06-27 | 北京金风科创风电设备有限公司 | 风力发电机变桨系统的超级电容检测方法和检测系统 |
CN102566557A (zh) * | 2012-02-21 | 2012-07-11 | 成都阜特科技有限公司 | 一种超级电容监控系统 |
CN107607869A (zh) * | 2017-09-20 | 2018-01-19 | 新疆金风科技股份有限公司 | 风力发电机组变桨系统故障分析方法、装置及存储介质 |
CN108828387A (zh) * | 2018-06-11 | 2018-11-16 | 浙江大学 | 一种mmc子模块开路故障一体化诊断方法 |
CN109212321A (zh) * | 2018-08-30 | 2019-01-15 | 北京金风科创风电设备有限公司 | 超级电容容值检测方法和装置 |
CN110261809A (zh) * | 2019-06-27 | 2019-09-20 | 中国电力科学研究院有限公司 | 一种用于确定电容式电压互感器的运行状态的系统及方法 |
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 |
CN110389258A (zh) * | 2018-04-16 | 2019-10-29 | 新疆金风科技股份有限公司 | 超级电容容值检测方法和装置、风力发电机组 |
CN110580492A (zh) * | 2019-04-30 | 2019-12-17 | 上海铁大电信科技股份有限公司 | 一种基于小幅波动检测的轨道电路故障前兆发现方法 |
-
2020
- 2020-03-24 CN CN202010215181.5A patent/CN113447733B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120087792A1 (en) * | 2010-10-12 | 2012-04-12 | Clipper Windpower, Inc. | Emergency feather rate limit with proportionality to operating pitch angle and energy storage voltage |
CN102520277A (zh) * | 2011-12-01 | 2012-06-27 | 北京金风科创风电设备有限公司 | 风力发电机变桨系统的超级电容检测方法和检测系统 |
CN102566557A (zh) * | 2012-02-21 | 2012-07-11 | 成都阜特科技有限公司 | 一种超级电容监控系统 |
CN107607869A (zh) * | 2017-09-20 | 2018-01-19 | 新疆金风科技股份有限公司 | 风力发电机组变桨系统故障分析方法、装置及存储介质 |
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 |
CN110389258A (zh) * | 2018-04-16 | 2019-10-29 | 新疆金风科技股份有限公司 | 超级电容容值检测方法和装置、风力发电机组 |
CN108828387A (zh) * | 2018-06-11 | 2018-11-16 | 浙江大学 | 一种mmc子模块开路故障一体化诊断方法 |
CN109212321A (zh) * | 2018-08-30 | 2019-01-15 | 北京金风科创风电设备有限公司 | 超级电容容值检测方法和装置 |
CN110580492A (zh) * | 2019-04-30 | 2019-12-17 | 上海铁大电信科技股份有限公司 | 一种基于小幅波动检测的轨道电路故障前兆发现方法 |
CN110261809A (zh) * | 2019-06-27 | 2019-09-20 | 中国电力科学研究院有限公司 | 一种用于确定电容式电压互感器的运行状态的系统及方法 |
Non-Patent Citations (2)
Title |
---|
吴鹏;许明;卢晓光;: "大型风电机组变桨系统超级电容的选择及其自检策略的研究", 机械与电子, no. 04, pages 36 - 43 * |
王志强;: "超级电容在电动变桨型风力发电机组中的应用", 科技创新与应用, no. 34, pages 61 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116780914A (zh) * | 2023-06-19 | 2023-09-19 | 深圳市安科讯实业有限公司 | 一种混合型开关模式电源转换方法及装置 |
CN116780914B (zh) * | 2023-06-19 | 2024-02-27 | 深圳市安科讯实业有限公司 | 一种混合型开关模式电源转换方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN113447733B (zh) | 2023-07-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104391252B (zh) | 一种汽车铅酸蓄电池健康状态检测方法 | |
CN114430080B (zh) | 一种基于运行数据的动力电池电芯异常自放电的识别方法 | |
CN111751756B (zh) | 一种用累积动力电池温度曲线识别故障电池单体的方法 | |
KR101171584B1 (ko) | 전력변환기에 대한 직류링크 커패시터의 고장진단을 위한 간단한 용량 추정 시스템 | |
CN108802554B (zh) | 一种电容漏电异常检测方法及系统、计算机设备 | |
CN109991556B (zh) | 一种针对磷酸铁锂动力电池短期衰竭故障的诊断方法 | |
CN113625181B (zh) | 换电站内电池系统性能检测方法、电子设备及存储介质 | |
CN105242211B (zh) | 一种全钒液流电池故障快速检测定位方法 | |
CN110626210A (zh) | 锂电池微短路的识别方法及电池管理系统 | |
CN113866669A (zh) | 电芯内部短路故障的检测方法、装置、设备和介质 | |
CN113447733A (zh) | 风力发电机组变桨系统超级电容的故障检测设备和方法 | |
CN112986708B (zh) | 一种判断母线电容需要检修或更换的方法及装置 | |
CN113866641A (zh) | 一种锂离子电池的故障检测方法及装置 | |
CN109884534B (zh) | 动力电池包参数检测方法及检测装置 | |
CN111370786B (zh) | 一种动力电池许用功率的调节方法及装置、车辆、存储介质 | |
CN112731008A (zh) | 一种电容老化检测系统及方法 | |
CN113745672A (zh) | 电池自加热控制方法、电池自加热装置、系统和车辆 | |
CN108535653B (zh) | 一种蓄电池内阻估算方法及装置 | |
CN110824361A (zh) | 风电机组超级电容剩余寿命计算方法、装置、设备及介质 | |
JP2009146744A (ja) | 電池学習システム | |
US20110062918A1 (en) | Method and device for monitoring the operating state of a battery | |
US11592470B2 (en) | Insulation abnormality detection apparatus | |
CN113315364B (zh) | 一种供电系统及控制方法 | |
CN115774218A (zh) | 基于Spearman的直流充电桩整流器开路故障诊断方法 | |
CN112444677B (zh) | 超级电容寿命监测方法、装置及存储介质 |
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 |