CN113464387A - 风力发电的水冷控制方法、计算机设备及其存储介质 - Google Patents

风力发电的水冷控制方法、计算机设备及其存储介质 Download PDF

Info

Publication number
CN113464387A
CN113464387A CN202110712482.3A CN202110712482A CN113464387A CN 113464387 A CN113464387 A CN 113464387A CN 202110712482 A CN202110712482 A CN 202110712482A CN 113464387 A CN113464387 A CN 113464387A
Authority
CN
China
Prior art keywords
temperature
value
abnormal
preset
power generation
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
CN202110712482.3A
Other languages
English (en)
Other versions
CN113464387B (zh
Inventor
胡贤
但小平
姚胡龙
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.)
Guangzhou Lirui Electrical Machinery Co ltd
Original Assignee
Guangzhou Lirui Electrical Machinery 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 Guangzhou Lirui Electrical Machinery Co ltd filed Critical Guangzhou Lirui Electrical Machinery Co ltd
Priority to CN202110712482.3A priority Critical patent/CN113464387B/zh
Publication of CN113464387A publication Critical patent/CN113464387A/zh
Application granted granted Critical
Publication of CN113464387B publication Critical patent/CN113464387B/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
    • F03D80/00—Details, components or accessories not provided for in groups F03D1/00 - F03D17/00
    • F03D80/60—Cooling or heating of wind motors
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02K—DYNAMO-ELECTRIC MACHINES
    • H02K9/00—Arrangements for cooling or ventilating
    • H02K9/19—Arrangements for cooling or ventilating for machines with closed casing and closed-circuit cooling using a liquid cooling medium, e.g. oil
    • 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

本申请涉及风电技术领域，尤其是涉及风力发电的水冷控制方法、计算机设备及其存储介质，其方法包括对室外空气散热器进行红外热成像，实时获取温度分布成像图；基于温度分布成像图读取室外空气散热器各区域的温度值，并定位温度值超过预设值的区域；获取此时室外的风向和风力值，对定位的区域进行温度异常情况预判，得到异常原因；基于异常原因和预设的数据列表，选取对应的降温措施；根据降温措施对区域进行降温，直至温度值等于或低于预设值。解决了现有的风力发电水冷控制方法散热效率时高时低,散热效果不稳定的问题。本申请具有提高风力发电水冷控制时的散热稳定性的效果。

Description

风力发电的水冷控制方法、计算机设备及其存储介质
技术领域
本发明涉及风电技术领域，尤其是涉及风力发电的水冷控制方法、计算机设备及其存储介质。
背景技术
目前，风电机组在发电过程中，一些器件如齿轮箱、发电机、控制变频器、刹车机构及调向装置等等都会产生热量，其热量大小取决于器件本身的功率。其中，发电机因功率大产生的热量多。当今的风电技术发展迅速，已由KW机组向MW机组转变,电子器件的体积越来越小,对电子器件的功能要求也越来越高，进而导致风电机组周围的热流密度越来越大。当热量过高时则会影响器件的可靠性。
为保证机组的正常运行，一般需要配置相应的水冷控制系统将多余的热量带走。具体地，恒定压力和恒定流速的冷却介质源源不断地流经风电机组带走热量，温升冷却介质由高压循环泵的进口经室外空气散热器与冷空气进行热交换。水冷控制系统采用单侧减压的方式使得冷空气与室外空气散热器进行散热交换。散热后冷却介质再循环进入风电机组，形成一个密闭式循环系统。
针对上述中的相关技术，发明人认为存在有现有的风力发电水冷控制方法受室外风力等影响，散热效率时高时低，导致散热效果不稳定的缺陷。
发明内容
为了提高风力发电水冷控制时的散热稳定性，本申请提供了风力发电的水冷控制方法、计算机设备及其存储介质。
第一方面，本申请提供风力发电的水冷控制方法，具有提高风力发电水冷控制时的散热稳定性的特点。
本申请是通过以下技术方案得以实现的：
风力发电的水冷控制方法，包括，
对室外空气散热器进行红外热成像，实时获取温度分布成像图；
基于所述温度分布成像图读取所述室外空气散热器各区域的温度值，并定位温度值超过预设值的区域；
获取此时室外的风向和风力值，对定位的所述区域进行温度异常情况预判，得到异常原因；
基于所述异常原因和预设的数据列表，选取对应的降温措施；
根据所述降温措施对所述区域进行降温，直至温度值等于或低于预设值。
通过采用上述技术方案，对室外空气散热器进行红外热成像，实时获取温度分布成像图，以实时了解室外空气散热器的温度情况；基于温度分布成像图读取室外空气散热器各区域的温度值，并定位温度值超过预设值的区域，以及时确定室外空气散热器的温度异常区域，利于尽快采取措施；对定位的区域进行温度异常情况预判，得到异常原因，以辅助工作人员更快地进行异常情况排查，利于尽快采取措施；基于异常原因和预设的数据列表，选取对应的降温措施，根据降温措施对定位区域进行降温，直至温度值等于或低于预设值，以实现自动对室外空气散热器的温度异常区域进行降温的目的，进而室外空气散热器能始终进行良好地散热，散热效果更稳定，提高了风力发电水冷控制方法的散热稳定性。
本申请在一较佳示例中可以进一步配置为：所述对所述区域进行温度异常情况预判，得到异常原因的步骤包括，
获取以往所述室外空气散热器的温度异常案例资料；
基于所述温度异常案例资料进行训练学习，获得温度异常原因与风向、风力值和室外温度值的映射关系；
基于所述映射关系和获取的所述风向、所述风力值，结合定位的所述区域的温度值，得到异常原因。
通过采用上述技术方案，基于大数据，对以往室外空气散热器的温度异常案例资料进行训练学习，得到温度异常原因与风向、风力值和室外温度值的映射关系，进而根据获取的风向、风力值，结合定位的区域的温度值，自动分析获得异常原因，设计智能化，有利于辅助工作人员更快地进行异常情况排查，尽快采取措施改善室外空气散热器的散热情况。
本申请在一较佳示例中可以进一步配置为：还包括，
定期更新所述室外空气散热器的温度异常案例资料；
基于更新的所述温度异常案例资料进行训练学习，修正映射关系，并对所述映射关系进行迭代更新。
通过采用上述技术方案，基于更新的温度异常案例资料进行训练学习，不断修正映射关系，定期对映射关系进行迭代更新，进而映射关系能更准确地反映温度异常原因与风向、风力值和室外温度值之间的关系，分析获得的异常原因更准确。
本申请在一较佳示例中可以进一步配置为：所述对定位的所述区域进行温度异常情况预判前，还包括获取此时的室外温度值；
计算定位的所述区域的温度值与所述室外温度值的差值，并判断温差是否小于预设预警值；
当所述温差小于预设预警值时，对定位的所述区域进行温度异常情况预判。
通过采用上述技术方案，对定位的区域进行温度异常情况预判前，获取此时的室外温度值，计算定位的区域的温度值与室外温度值的差值，并判断温差是否小于预设预警值，以验证定位区域的异常温度是否因室外温度变化引起；当温差小于预设预警值时，即定位区域的异常温度与室外温度变化无关，进一步对定位区域进行温度异常情况预判，降低了定位区域温度异常预判的复杂性。
本申请在一较佳示例中可以进一步配置为：所述定位温度值超过预设值的区域的步骤包括，
将所述室外空气散热器各区域的温度值转换成数字信号，并生成伪色彩热图；
使所述伪色彩热图的温度值与所述室外空气散热器温度正常时形成的预设伪色彩热图的温度值进行对比；
当伪色彩热图与预设伪色彩热图的比对结果不一致时，圈出所述伪色彩热图所在区域作为定位区域。
通过采用上述技术方案，使室外空气散热器各区域的温度值转换成数字信号，并生成伪色彩热图，以通过伪色彩热图直观了解室外空气散热器各区域的温度情况和差异情况；当伪色彩热图与预设伪色彩热图的比对结果不一致时，圈出伪色彩热图所在区域作为定位区域，有利于及时发现异常温度数据，协助进行散热控制。
本申请在一较佳示例中可以进一步配置为：所述使所述伪色彩热图的温度值与所述室外空气散热器温度正常时形成的预设伪色彩热图的温度值进行对比的步骤包括，
使所述伪色彩热图的温度值和预设伪色彩热图的温度值映射到sRGB颜色空间的坐标系中；
基于sRGB到Lab的转换公式，将sRGB颜色值转换为Lab值；
计算两个对比的Lab值的delta值，获得计算结果；
当计算结果位于预设数值范围之外时，伪色彩热图与预设伪色彩热图的比对结果不一致。
通过采用上述技术方案，使温度值映射到sRGB颜色空间的坐标系中，基于sRGB到Lab的转换公式，将sRGB颜色值转换为Lab值，计算两个对比的Lab值的delta值；当计算结果位于预设数值范围之外时，伪色彩热图与预设伪色彩热图的比对结果不一致，进而实现判断伪色彩热图与预设伪色彩热图是否一致的目的。
第二方面，本申请提供一种计算机设备，具有提高风力发电水冷控制时的散热稳定性的特点。
本申请是通过以下技术方案得以实现的：
一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述风力发电的水冷控制方法的步骤。
第三方面，本申请提供一种计算机可读存储介质，具有提高风力发电水冷控制时的散热稳定性的特点。
本申请是通过以下技术方案得以实现的：
一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述风力发电的水冷控制方法的步骤。
综上所述，本申请包括以下至少一种有益技术效果：
1、风力发电的水冷控制方法能定位温度值超过预设值的室外空气散热器区域,并进行温度异常情况预判，自动对室外空气散热器的温度异常区域进行降温，使得室外空气散热器能始终进行良好地散热，散热效果更稳定，提高了风力发电水冷控制方法的散热稳定性；
2、基于大数据，对以往室外空气散热器的温度异常案例资料进行训练学习，得到温度异常原因与风向、风力值和室外温度值的映射关系，以自动分析温度异常原因，设计智能化，有利于辅助工作人员更快地进行异常情况排查，尽快采取措施改善室外空气散热器的散热情况；
3、对定位的区域进行温度异常情况预判前，获取此时的室外温度值，以验证定位区域的异常温度是否因室外温度变化引起，进一步对定位区域进行温度异常情况预判，降低了定位区域温度异常预判的复杂性；
4、通过伪色彩热图直观了解室外空气散热器各区域的温度情况和差异情况，定位伪色彩热图中温度异常区域，有利于及时发现异常温度数据，协助进行散热控制；
5、使温度值映射到sRGB颜色空间的坐标系中，基于sRGB到Lab的转换公式，将sRGB颜色值转换为Lab值，计算两个对比的Lab值的delta值，实现判断伪色彩热图与预设伪色彩热图是否一致的目的。
附图说明
图1是本申请其中一实施例风力发电的水冷控制方法的流程示意图。
图2是定位温度值超过预设值的室外空气散热器区域的流程示意图。
具体实施方式
本具体实施例仅仅是对本申请的解释，其并不是对本申请的限制，本领域技术人员在阅读完本说明书后可以根据需要对本实施例做出没有创造性贡献的修改，但只要在本申请的权利要求范围内都受到专利法的保护。
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
另外，本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，如无特殊说明，一般表示前后关联对象是一种“或”的关系。
风力发电的水冷控制系统包括水管、循环水泵和导热板。
导热板形状与风电机组的发电机外壳形状相适应，导热板一表面与发电机外壳接触，另一表面与水管紧贴，导热板将发电机产生的热量传导至水管。
水管通过循环水泵连接有室外空气散热器，水管内设置有循环冷却水。
恒定压力和恒定流速的冷却水源源不断地流经水管，把风电机组发电机的热量带走，冷却水由循环水泵的进口进入水管，经室外空气散热器与冷空气进行热交换，散热后冷却水再循环流经水管。
本申请实施例提供风力发电的水冷控制方法，所述方法的主要步骤描述如下。
对室外空气散热器进行红外热成像，实时获取温度分布成像图。
基于温度分布成像图读取室外空气散热器各区域的温度值，并定位温度值超过预设值的区域。
获取此时室外的风向和风力值，对定位的区域进行温度异常情况预判，得到异常原因。
基于异常原因和预设的数据列表，选取对应的降温措施。
根据降温措施对定位区域进行降温，直至温度值等于或低于预设值。
下面结合说明书附图对本申请实施例作进一步详细描述。
参照图1，风力发电的水冷控制方法的步骤描述如下。
S1:对室外空气散热器进行红外热成像，实时获取温度分布成像图。具体地，通过热红外敏感CCD感光元件对室外空气散热器进行成像，获取温度分布成像图，以实时反映室外空气散热器表面的温度场，温度场随室外空气散热器的工作过程呈现特征性。当室外空气散热器的散热异常时，温度场中反映散热异常的区域的温度值偏高。
S2：基于温度分布成像图读取室外空气散热器各区域的温度值，并定位温度值超过预设值的区域。
S3:获取此时室外的风向、风力值和室外温度值，对定位的区域进行温度异常情况预判。具体地，可通过室外气象仪实时监测室外的风向、风力值和温度值。
可选的，对定位的区域进行温度异常情况预判前，先根据此时的室外温度值，计算已定位区域的温度值与室外温度值的差值，并判断温差是否小于预设预警值。
当温差小于预设预警值时，再对定位的区域进行温度异常情况预判；而当温差等于或大于预设预警值时，即确认是因室外温度变化引起了定位区域的温度异常；以事先验证定位区域的异常温度是否因室外温度变化引起，降低了定位区域温度异常预判情况的复杂性。
进一步地，对区域进行温度异常情况预判，得到异常原因的步骤包括，
S4:获取以往室外空气散热器的温度异常案例资料。
S5:基于温度异常案例资料进行训练学习，获得温度异常原因与风向、风力值和室外温度值的映射关系。具体地，基于开源的人工智能模型，使事先采集并经过人工手动分类的温度异常案例资料输入人工智能模型内，使人工智能模型学习归纳温度异常案例资料，获得温度异常原因与风向、风力值和室外温度值的映射关系，直至人工智能模型的分析结果的准确率达到预设值。本实施例中，预设值可以为90%。
可选的，定期更新室外空气散热器的温度异常案例资料。基于更新的温度异常案例资料进行训练学习，修正映射关系，并对映射关系进行迭代更新，进而映射关系能更准确地反映温度异常原因与风向、风力值和室外温度值之间的关系，使得分析获得的异常原因更准确。
S6:基于映射关系和获取的风向、风力值，结合定位的区域的温度值，得到异常原因。例如，当室外空气散热器的局部温度异常达65°，此时的室外温度值达29°，则先判断室外空气散热器的局部温度和此时室外温度值的温差是否小于预设预警值。当温差小于预设预警值时，且此时的风速大于12m/s，风向背对室外空气散热器，将获取的风速和风向输入人工智能模型内，输出是因风向原因引起室外空气散热器局部温度异常的温度异常原因。
S7:基于异常原因和预设的数据列表，选取对应的降温措施。本实施例中，预设的数据列表是根据以往的温度异常案例资料进行归纳分析，并结合人工经验，获得包含室外空气散热器异常原因与对应降温措施的数据列表。当获得异常原因后，输出数据列表中对应的降温措施，利于工作人员尽快采取措施改善室外空气散热器的散热情况。
S8:根据降温措施对定位区域进行降温，直至温度值等于或低于预设值。具体地，当获得异常原因后，在预设时间内无触发信号输入，则自动选取任一降温措施对室外空气散热器温度异常的局部进行降温，如外加风扇进行辅助散热，直至温度值等于或低于预设值。
参照图2，S2：定位温度值超过预设值的区域的步骤描述如下。
S21:将室外空气散热器各区域的温度值转换成数字信号，并生成伪色彩热图。具体地，使用applyColorMap对室外空气散热器各区域的温度进行伪彩色处理，生成伪色彩热图热力图。伪色彩热图含丰富的色彩变化和生动饱满的信息表达。通过伪色彩热图可以直观了解室外空气散热器各区域的温度情况和差异情况，协助进行散热控制。
使伪色彩热图的温度值与室外空气散热器温度正常时形成的预设伪色彩热图的温度值进行对比，主要步骤描述如下。
S22:使伪色彩热图的温度值和预设伪色彩热图的温度值映射到sRGB颜色空间的坐标系中。
S23:基于sRGB到Lab的转换公式，cform = makecform('srgb2lab');%rgb，lab_I= applycform(I,cform);%rgb，将sRGB颜色值转换为Lab值。
S24:计算两个对比的Lab值的delta值，delta=1/2*{[Lab1-（Lab1+Lab2）/2]^2+[Lab2-（Lab1+Lab2）/2]^2}，获得计算结果。
S25:当计算结果位于预设数值范围之外时，伪色彩热图与预设伪色彩热图的比对结果不一致，圈出伪色彩热图所在区域作为定位区域。
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储以往室外空气散热器的温度异常案例资料以及训练得到的反映温度异常原因与风向、风力值和室外温度值之间映射关系的异常原因分析模型。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现风力发电的水冷控制方法。
在一个实施例中，提供了一种计算机可读存储介质，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现以下步骤：
对室外空气散热器进行红外热成像，实时获取温度分布成像图。
基于温度分布成像图读取室外空气散热器各区域的温度值，并定位温度值超过预设值的区域。
获取此时室外的风向和风力值，对定位的区域进行温度异常情况预判，得到异常原因。
基于异常原因和预设的数据列表，选取对应的降温措施。
根据降温措施对定位区域进行降温，直至温度值等于或低于预设值。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器（ROM）、可编程ROM（PROM）、电可编程ROM（EPROM）、电可擦除可编程ROM（EEPROM）或闪存。易失性存储器可包括随机存取存储器（RAM）或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM（SRAM）、动态RAM（DRAM）、同步DRAM（SDRAM）、双数据率SDRAM（DDRSDRAM）、增强型SDRAM（ESDRAM）、同步链路（Synchlink） DRAM（SLDRAM）、存储器总线（Rambus）直接RAM（RDRAM）、直接存储器总线动态RAM（DRDRAM）、以及存储器总线动态RAM（RDRAM）等。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述系统的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。

Claims (8)

1.风力发电的水冷控制方法，其特征在于，包括，
对室外空气散热器进行红外热成像，实时获取温度分布成像图；
基于所述温度分布成像图读取所述室外空气散热器各区域的温度值，并定位温度值超过预设值的区域；
获取此时室外的风向和风力值，对定位的所述区域进行温度异常情况预判，得到异常原因；
基于所述异常原因和预设的数据列表，选取对应的降温措施；
根据所述降温措施对所述区域进行降温，直至温度值等于或低于预设值。
2.根据权利要求1所述的风力发电的水冷控制方法，其特征在于，所述对所述区域进行温度异常情况预判，得到异常原因的步骤包括，
获取以往所述室外空气散热器的温度异常案例资料；
基于所述温度异常案例资料进行训练学习，获得温度异常原因与风向、风力值和室外温度值的映射关系；
基于所述映射关系和获取的所述风向、所述风力值，结合定位的所述区域的温度值，得到异常原因。
3.根据权利要求2所述的风力发电的水冷控制方法，其特征在于，还包括，
定期更新所述室外空气散热器的温度异常案例资料；
基于更新的所述温度异常案例资料进行训练学习，修正映射关系，并对所述映射关系进行迭代更新。
4.根据权利要求1所述的风力发电的水冷控制方法，其特征在于，所述对定位的所述区域进行温度异常情况预判前，还包括获取此时的室外温度值；
计算定位的所述区域的温度值与所述室外温度值的差值，并判断温差是否小于预设预警值；
当所述温差小于预设预警值时，对定位的所述区域进行温度异常情况预判。
5.根据权利要求1所述的风力发电的水冷控制方法，其特征在于，所述定位温度值超过预设值的区域的步骤包括，
将所述室外空气散热器各区域的温度值转换成数字信号，并生成伪色彩热图；
使所述伪色彩热图的温度值与所述室外空气散热器温度正常时形成的预设伪色彩热图的温度值进行对比；
当伪色彩热图与预设伪色彩热图的比对结果不一致时，圈出所述伪色彩热图所在区域作为定位区域。
6.根据权利要求5所述的风力发电的水冷控制方法，其特征在于，所述使所述伪色彩热图的温度值与所述室外空气散热器温度正常时形成的预设伪色彩热图的温度值进行对比的步骤包括，
使所述伪色彩热图的温度值和预设伪色彩热图的温度值映射到sRGB颜色空间的坐标系中；
基于sRGB到Lab的转换公式，将sRGB颜色值转换为Lab值；
计算两个对比的Lab值的delta值，获得计算结果；
当计算结果位于预设数值范围之外时，伪色彩热图与预设伪色彩热图的比对结果不一致。
7.一种计算机设备，其特征在于，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现权利要求1-6任一项所述的风力发电的水冷控制方法的步骤。
8.一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存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1-6任一项所述的风力发电的水冷控制方法的步骤。
CN202110712482.3A 2021-06-25 2021-06-25 风力发电的水冷控制方法、计算机设备及其存储介质 Active CN113464387B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110712482.3A CN113464387B (zh) 2021-06-25 2021-06-25 风力发电的水冷控制方法、计算机设备及其存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110712482.3A CN113464387B (zh) 2021-06-25 2021-06-25 风力发电的水冷控制方法、计算机设备及其存储介质

Publications (2)

Publication Number Publication Date
CN113464387A true CN113464387A (zh) 2021-10-01
CN113464387B CN113464387B (zh) 2022-02-22

Family

ID=77873015

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110712482.3A Active CN113464387B (zh) 2021-06-25 2021-06-25 风力发电的水冷控制方法、计算机设备及其存储介质

Country Status (1)

Country Link
CN (1) CN113464387B (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102035357A (zh) * 2009-09-24 2011-04-27 通用电气公司 用于冷却功率转换系统的系统、方法及装置
CN204827816U (zh) * 2015-08-18 2015-12-02 沈阳华创风能有限公司 一种风力发电机组机舱散热装置
CN108167144A (zh) * 2017-12-28 2018-06-15 江苏金风科技有限公司 冷却系统、具有冷却系统的风力发电机组及其冷却方法
CN110318953A (zh) * 2018-03-30 2019-10-11 北京金风科创风电设备有限公司 风电机组电控系统的温度监控方法和设备
WO2020074681A1 (en) * 2018-10-12 2020-04-16 Nissens Cooling Solutions A/S A cooling system
CN112483336A (zh) * 2020-11-25 2021-03-12 江苏双瑞风电叶片有限公司 一种除冰风电叶片加热系统检测装置及方法
CN113178047A (zh) * 2021-04-21 2021-07-27 广东利盾电气消防检测有限公司 一种建筑消防设施气体灭火控制系统的检测方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102035357A (zh) * 2009-09-24 2011-04-27 通用电气公司 用于冷却功率转换系统的系统、方法及装置
CN204827816U (zh) * 2015-08-18 2015-12-02 沈阳华创风能有限公司 一种风力发电机组机舱散热装置
CN108167144A (zh) * 2017-12-28 2018-06-15 江苏金风科技有限公司 冷却系统、具有冷却系统的风力发电机组及其冷却方法
CN110318953A (zh) * 2018-03-30 2019-10-11 北京金风科创风电设备有限公司 风电机组电控系统的温度监控方法和设备
WO2020074681A1 (en) * 2018-10-12 2020-04-16 Nissens Cooling Solutions A/S A cooling system
CN112483336A (zh) * 2020-11-25 2021-03-12 江苏双瑞风电叶片有限公司 一种除冰风电叶片加热系统检测装置及方法
CN113178047A (zh) * 2021-04-21 2021-07-27 广东利盾电气消防检测有限公司 一种建筑消防设施气体灭火控制系统的检测方法

Also Published As

Publication number Publication date
CN113464387B (zh) 2022-02-22

Similar Documents

Publication Publication Date Title
US7953577B2 (en) Method and apparatus for improved fault detection in power generation equipment
US20190072075A1 (en) Method and device for detecting equivalent load of wind turbine
CN110909936B (zh) 预测负荷获取方法、装置、计算机设备和存储介质
CN113464387B (zh) 风力发电的水冷控制方法、计算机设备及其存储介质
CN115456112A (zh) 一种电气接头热缺陷预测方法、系统、设备及存储介质
CN109034507B (zh) 水电站发电量预测方法与装置、计算机设备和存储介质
CN113483896B (zh) 一种电力设备测温方法、装置、计算机设备及存储介质
JP6393076B2 (ja) 関数生成装置、熱源機器制御装置、空調システム、関数生成方法、および関数生成用プログラム
CN113240151A (zh) 直接空冷机组凝汽器性能参数的预测方法和装置
CN110544031B (zh) 电能表可靠度预计方法、装置、计算机设备和存储介质
KR20220110948A (ko) 디지털트윈 장치 및 디지털트윈 기반의 배터리 온도감시방법
CN113158589A (zh) 一种电池管理系统的仿真模型校准方法以及装置
CN108549348B (zh) 锅炉物理场运行信息获取方法、装置和计算机设备
CN110823355A (zh) 基于位移数据的地下电缆故障判断方法和装置
CN115467793A (zh) 风电机组风向预测、偏航控制方法、装置及风电机组
CN114970749A (zh) 用于获取电容器特征参数的方法、设备及可读存储介质
CN114050650A (zh) 一种基于输电线路区域自治系统架构的智能杆塔
CN110780157A (zh) 基于温度的地下电缆故障判断方法和装置
KR102568490B1 (ko) 목표 지점의 일사량을 추정하는 서버, 방법 및 컴퓨터 프로그램
CN111625753A (zh) 用于计算直燃机能效参数的方法、装置、设备及存储介质
KR101768533B1 (ko) 신뢰척도에 따른 레버리지 스테레오 매칭 방법, 장치 및 컴퓨터-판독가능 저장 매체
CN117094179B (zh) 用于高压开关柜的母排散热分析方法及系统
CN116502543B (zh) 风电机组对风偏差识别方法、装置、电子设备和存储介质
CN117724933A (zh) 一种数据中心通信热管理检测方法及系统
CN117313438B (zh) 一种三维工厂工具编辑优化方法及装置

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