CN113468765B - 部件寿命确定方法、系统和可读存储介质 - Google Patents
部件寿命确定方法、系统和可读存储介质 Download PDFInfo
- Publication number
- CN113468765B CN113468765B CN202110850882.0A CN202110850882A CN113468765B CN 113468765 B CN113468765 B CN 113468765B CN 202110850882 A CN202110850882 A CN 202110850882A CN 113468765 B CN113468765 B CN 113468765B
- Authority
- CN
- China
- Prior art keywords
- wind speed
- determining
- target component
- fan
- component
- 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
- 238000000034 method Methods 0.000 title claims abstract description 56
- 238000003860 storage Methods 0.000 title claims abstract description 20
- 238000009826 distribution Methods 0.000 claims abstract description 85
- 230000008569 process Effects 0.000 claims description 12
- 238000012937 correction Methods 0.000 claims description 4
- 238000004088 simulation Methods 0.000 claims description 3
- 238000012423 maintenance Methods 0.000 abstract description 7
- 238000005070 sampling Methods 0.000 description 21
- 230000001186 cumulative effect Effects 0.000 description 9
- 238000004364 calculation method Methods 0.000 description 8
- 230000007613 environmental effect Effects 0.000 description 6
- 238000013461 design Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000005520 cutting process Methods 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000013398 bayesian method Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004590 computer program Methods 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
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 108010040933 progressin Proteins 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/20—Administration of product repair or maintenance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas or water supply
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/08—Probabilistic or stochastic CAD
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/04—Power grid distribution networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/06—Wind turbines or wind farms
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/08—Fluids
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/04—Ageing analysis or optimisation against ageing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
-
- 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
-
- 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
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Abstract
本申请提供一种部件寿命确定方法、系统和可读存储介质。部件寿命确定方法包括确定在多个风速区间的风机的工况概率分布;根据所述工况概率分布,确定所述风机的目标部件在多个风速区间的损伤值;确定在所述目标部件的预设寿命周期内,所述风机所在环境的风速概率分布;及根据所述目标部件的预设寿命周期、所述风速概率分布和所述目标部件在多个风速区间的所述损伤值,确定所述目标部件的剩余寿命周期。可以降低风机运维质量。
Description
技术领域
本发明涉及风电领域,尤其涉及一种部件寿命确定方法、系统和可读存储介质。
背景技术
海上风电场具有转向风速大、利用时间长、风资源稳定等优势,已经逐步成为我国风电发展的一个重要方向。但是,海上风电场的风速、湍流强度、海浪高度、海浪周期等具有随机性和不确定性,且这些因素之间具有耦合性,使得风机的运行环境较为复杂,同时,风机自身不同的运行状态对风机部件的损伤程度也不同。复杂恶劣的运行环境以及风机具有不同的运行状态,使得风机部件的风机部件的劣化过程较为复杂,无法评估风机部件可能发生故障的时间,导致现在风机的运维质量不高。
发明内容
本申请提供一种风机的部件寿命确定方法、系统和可读存储介质,可以提高风机的运维质量。
本申请提供一种风机的部件寿命确定方法,所述风机的部件寿命确定方法包括:
确定在多个风速区间的风机的工况概率分布;
根据所述工况概率分布,确定所述风机的目标部件在多个风速区间的损伤值;
确定在所述目标部件的预设寿命周期内,所述风机所在环境的风速概率分布;及根据所述目标部件的预设寿命周期、所述风速概率分布和所述目标部件在多个风速区间的所述损伤值,确定所述目标部件的剩余寿命周期。
本申请提供一种部件寿命确定系统,包括一个或多个处理器,用于实现如上任一项所述的部件寿命确定方法。
本申请提供一种可读存储介质,其上存储有程序,该程序被处理器执行时,实现如上任一项所述的部件寿命确定方法。
在本申请的一些实施例中,部件寿命确定方法根据确定的多个风速区间的风机的工况概率分布、目标部件的预设寿命周期内风机所在环境的风速概率分布以及风机的目标部件的在多个风速区间的损伤值,可以确定目标部件的剩余寿命周期,从而可以基于目标部件的剩余寿命周期,制定合理可行的运维政策,有效提高风机的运维质量。
附图说明
图1是本申请的一个实施例提供的风机运行环境的示意图;
图2是本申请的一个实施例提供的部件寿命确定方法的流程图;
图3是图2中的步骤S22的一个实施例的子流程图;
图4是图2中的步骤S23的一个实施例的子流程图;
图5是图2中的子步骤S24的一个实施例的子流程图;
图6是图2中的子步骤S24的另一个实施例的子流程图;
图7是本申请一个实施例提供的部件寿命确定系统的模块框图。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施例并不代表与本说明书一个或多个实施例相一致的所有实施例。相反,它们仅是与如所附权利要求书中所详述的、本说明书一个或多个实施例的一些方面相一致的装置和方法的例子。
需要说明的是:在其他实施例中并不一定按照本说明书示出和描述的顺序来执行相应方法的步骤。在一些其他实施例中,其方法所包括的步骤可以比本说明书所描述的更多或更少。此外,本说明书中所描述的单个步骤,在其他实施例中可能被分解为多个步骤进行描述;而本说明书中所描述的多个步骤,在其他实施例中也可能被合并为单个步骤进行描述。
图1是本申请的一个实施例提供的风机100运行环境的示意图。
参见图1,风机100为风力发电机,或称作风力涡轮机。风机100包括塔架11、安装在塔架11上的机舱12和连接至机舱12的转子13。转子13包括联接至机舱12的可旋转的轮毂131和联接至轮毂131并且从轮毂131向外延伸的至少一个转子叶片132。
在一些实施例中,若转子13包括多个转子叶片132,转子叶片132围绕轮毂131间隔排布,以有利于转子13的旋转,从而使得动能能够从风能转化为可用机械能,并且随后转化为电能。
本实施例中,转子13包括三个转子叶片132。
其他一些实施例中,转子13可以包括多于或少于三个的转子叶片132。
在一些实施例中,机舱12包括转子轴122(也被称为主轴或低速轴)、齿轮箱123和电机126。转子叶片132带动轮毂131的旋转,驱动转子轴122旋转,转子轴122的旋转驱动齿轮箱123,进而驱动发电机126发电。如此,实现从风能到机械能,再到电能的转换。
可以理解的是,风机100自装机后,各个风机部件会因疲劳损伤等原因,具有相应的寿命周期,且各个风机部件的寿命周期因疲劳损伤的程度不同而不同。
在一些实施例中,风机100在不同的运行环境中,环境因素不同,风机部件的疲劳损伤程度不同。环境因素指在风机100的运行环境中,会对风机部件产生疲劳损伤影响的因素。比如假设风机100建立在海上,风机100所在环境的环境因素包括但不限于风机100所在位置的湍流强度TI(Turbulence Intensity,湍流强度)、风速V、海浪高度Hsea、海浪周期fsea等。以不同的海浪高度Hsea和不同的海浪周期fsea对塔架11的寿命周期影响为例。不同的海浪高度Hsea,海浪拍打至塔架11的最大高度不同;不同的海浪周期fsea,海浪拍打塔架11的频率不同。在不同的海浪高度Hsea和海浪周期fsea下,风机100的塔架11受海浪拍打的力度以及频率不同,从而使得塔架11在不同的海浪高度Hsea和海浪周期fsea下,疲劳损伤的程度不同,进而寿命周期不同。
在一些实施例中,风机100在不同的运行状态下,风机100的部件损伤程度可能也会不同。风机100的运行状态包括但不限于风机100运行过程中的桨距角β、电机转速wg、偏航角度θyaw、有功功率输出P和需要进行寿命确定的风机部件的部件温度Tcomponent。以风机100的偏航角度θyaw为例。风机100的偏航角度θyaw控制的实现方式是:风机100包括设置在塔架11和机舱12之间的偏航轴承111,控制机舱12通过偏航轴承111围绕塔架11转动的角度,可以控制风机100的偏航角度。风机100的偏航角度θyaw不同,偏航轴承111的疲劳损伤不同,进而偏航轴承111的寿命周期不同。
图2是本申请的一个实施例提供的部件寿命确定方法的流程图。
部件寿命确定方法可用于确定图1中的风机100的部件的剩余寿命周期。在一些实施例中,风机100的部件可以包括风机100的叶片132、塔架11、毂131、偏航轴承111、齿轮箱123和转子轴122。
本申请以风机100建立在海上为例进行说明。部件寿命确定方法包括步骤S21至步骤S24。
步骤S21,确定在多个风速区间的风机100的工况概率分布。
在一些实施例中,风速区间是指将风机100所在环境的风速按照风速大小划分得到的多个区间。例如假设每隔0.2m/s设置为一个风速区间,若风机100所在环境的风速为[3m/s,25m/s],则可以设置110个风速区间。
在一些实施例中,风机100的工况包括风机100所在环境的环境因素和风机100的运行状态。风机100的工况概率分布表示风机100的环境因素与运行状态在不同组合下的概率分布。在不同的风速区间,风机100的工况概率分布可以不相同。为便于理解,假设风机100所在环境的环境因素包括海浪高度Hsea和海浪周期fsea,风机100的运行状态包括风机100的偏航角度θyaw大小,以下示例性的给出了15m/s所在的风速区间,风机100的部分工况概率分布:
湍流强度0.15、海浪高度Hsea为1米、海浪周期fsea为10秒、发电机转速7.56rpm、变桨角度10°、偏航角度θyaw为10°的工况概率为10%;
湍流强度0.18、海浪高度Hsea为0.8米、海浪周期fsea为8秒、发电机转速7.56rpm、变桨角度11°、偏航角度θyaw为0°的工况概率为15%;
湍流强度0.20、海浪高度Hsea为0.7米、海浪周期fsea为5秒、发电机转速7.56rpm、变桨角度9°、偏航角度θyaw为0°的工况概率为13%。
在一些实施例中,可以基于高斯过程方法,对风机100的历史运行数据进行分析,来建立风机100在多个风速区间的工况概率分布。风机100的历史运行数据可以包括风机100自装机后多个采样周期的运行数据。运行数据包括风电机组自身运行特征参数(如风电机组的变桨角度、转子转速、偏航速率等)以及风电机组在运行过程中的外部环境参数(如风速、湍流强度、洋流速率、浪高、浪周期等)。其中,一个采样周期可以为预设时长,比如10分钟。可以在每个采样周期内,设置多个采样时间点,在每个采样时间点(比如每隔1秒),采集风机100所在环境的风速、海浪高度、海浪周期,以及风机100的桨距角、电机转速、偏航角度、有功功率输出和需要进行寿命确定的风机部件的部件温度。再基于风机100在每个采样周期内多个采样时间点采集到的风机100的运行数据,确定并存储风机100在相应采样周期的一组运行数据。比如以风速为例,可以对该采样周期内的多个采样时间点的风速求平均值,将风速平均值作为该采样周期的风速V。又比如,基于该采样周期内多个采样时间点的风速,可以得到风机100在该采样周期的湍流强度TI。其中,湍流强度的计算公式可以表达为表达式(1):
TI=σv/V1 (1)
其中,σv表示风机100在该采样周期内多个采样时间点的风速标准差;
V1表示风机100在该采样周期内多个采样时间点的平均风速。
在本实施例中,与每个采样周期对应存储的一组运行数据,包括相应采样周期内风机100所在环境的湍流强度TI、风速V、海浪高度Hsea、海浪周期fsea、桨距角β、电机转速wg、偏航角度θyaw、有功功率P和需要进行寿命确定的风机部件的部件温度Tcomponent。表格1示例性的给出了风机100在三个采样周期的运行数据的存储格式。
表格1
在一些实施例中,基于高斯过程方法,可以对风机100的历史运行数据进行分析,比如分析各个风速区间可能对应的风机工况,以及不同的风机工况可能的概率。通过对历史运行数据进行分析,可以建立风机100在不同风速区间的工况概率分布。基于工况概率分布,可以对后续不同风速区间的风机工况进行预测。以第i个风速区间为例,风机100在第i个风速区间的工况xi的概率分布可以表达为表达式(2):
p(xi|Vi)=GP(m(xi),k(xi,x'i) (2)
其中,GP(m(xi),k(xi,x'i)为高斯过程函数;
m(xi)=E[P(xi)],表示高斯过程的平均方程函数;
k(xi,x'i)=E[(P(xi)-m(xi))(P(x'i)-m(xi))(x'i)T]为高斯过程的协方差函数;
Vi表示第i个风速区间;
xi=[TI,Hsea,fsea,β,wg,θyaw,P,Tcomponent]T,表示风机100在第i个风速区间的工况xi下的湍流强度TI、海浪高度Hsea、海浪周期fsea、桨距角β、电机转速wg、偏航角度θyaw、有功功率P、部件温度Tcomponent,其中,xi可以表示风机100的历史运行数据;
p(xi|Vi)表示在风速区间Vi下工况xi的概率。
相对其他方法(比如贝叶斯方法)来确定风机100在多个风速区间的工况概率分布,本申请基于高斯过程方法来确定风机100在多个风速区间的工况概率分布,在数值分析方面,具有数量处理量较小的优势,且基于高斯过程方法确定的数据概率分布更加可靠。
步骤S22,根据工况概率分布,确定风机100的目标部件在多个风速区间的损伤值。
结合参考图3,图3是图2中的步骤S22的一个实施例的子流程图。在一些实施例中,根据工况概率分布,确定风机100的目标部件在多个风速区间的损伤值,可以包括图3中的步骤S31和步骤S32。
步骤S31,对于任一风速区间,确定风机100在该风速区间的多个工况下分别运行第一预设时长△t时,目标部件分别对应的单工况损伤值。
在一些实施例中,可以仿真风机100在该风速区间的多个工况下分别运行第一预设时长Δt,再基于仿真结果,确定目标部件在多个工况分别对应的单工况损伤值。通过仿真的方式来确定多个工况分别对应的单工况损伤值,可实施性较高。原因在于,风机100的实际工况(比如风机100所在环境的风速等)通常不是人为因素可以改变的,要获取风机100在该风速区间的多个工况下分别运行第一预设时长△t时的数据,存在难度。
在一些实施例中,对于风机100在该风速区间的任一工况,可以获取风机100在该工况下运行第一预设时长△t时,目标部件的力矩信号。再根据力矩信号,确定目标部件在该第一预设时长△t内的应力大小分布、各应力大小对应的应力单循环次数以及所有应力大小对应的应力总循环次数,然后根据应力大小分布、各应力大小对应的应力单循环次数以及所有应力大小对应的应力总循环次数,确定目标部件在该工况下对应的单工况损伤值。以风机100运行在第i个风速区间的第j个工况为例,目标部件在第i个风速区间的第j个工况下运行△t时长后,目标部件的单工况损伤值的计算公式可以表达为表达式(3):
其中,表示目标部件在第i个风速区间的第j个工况下运行△t时长后,目标部件的单工况损伤值;
表示目标部件在△t时间内的应力大小分布;
表示目标部件在△t时间内的各应力大小分别对应的循环次数;
表示目标部件在△t时间内的所有应力大小的总循环次数;
KC与m表示目标部件的材料特征值。
步骤S32,根据目标部件在该风速区间的单工况损伤值,以及风机100在该风速区间的工况概率分布,确定第一预设时长△t内目标部件在该风速区间的损伤值。
在一些实施例中,可以将第i个风速区间内每种可能发生的工况的概率作为权重系数,然后根据每个工况对应的单工况损伤值,计算得到目标部件在该风速区间运行△t时长后的损伤值。损伤值的计算公式可以表达为表达式(4):
其中,D(Vi)表示目标部件在第i个风速区间运行△t时长后的损伤值;
表示目标部件在第i个风速区间的工况概率分布;
表示目标部件在第i个风速区间的多个工况下分别运行△t时长后,目标部件在多个工况下分别对应的单工况损伤值;
q表示目标部件在第i个风速区间的工况数量。
在一些实施例中,对于任一风速区间,先确定目标部件在该风速区间的多个工况下分别运行△t时长后对应的单工况损伤值,再根据目标部件在该风速区间的工况概率分布以及单工况损伤值,确定目标部件在该风速区间运行△t时长后的损伤值,计算方法简单。
继续参见图1,在执行步骤S21、步骤S22之前或之后,可以执行步骤S23。
步骤S23,确定在目标部件的预设寿命周期Tlife内,风机100所在环境的风速概率分布。
在一些实施例中,目标部件的预设寿命周期Tlife可以是目标部件出厂时指定的设计寿命周期,比如20年。
在一些实施例中,目标部件的预设寿命周期Tlife也可以是根据人为经验确定的目标部件的实际寿命周期。比如一些目标部件在出厂时,虽然指定该目标部件的设计寿命周期为20年,但可能目标部件在运行过程中,损伤较小,从而使得目标部件的实际寿命周期会超过设计寿命周期,比如实际寿命周期可能会达到22年。
可以理解的是,目标部件的预设寿命周期Tlife包括目标部件的已运行周期Tuse和未运行周期Tfuture。比如目标部件的预设寿命周期Tlife为20年,目标部件已设置到风机100的时间为5年,则目标部件的已运行周期Tuse为5年,目标部件的未运行周期Tfuture为15年。
在一些实施例中,确定在目标部件的预设寿命周期Tlife内,风机100所在环境的风速概率分布,可以分别确定目标部件已运行周期Tuse内的风速概率分布和目标部件未运行周期Tfuture内的风速概率分布。结合参考图4,图4是图2中的步骤S23的一个实施例的子流程图。在一些实施例中,确定在目标部件的预设寿命周期Tlife内,风机100所在环境的风速概率分布,包括图4中的步骤S41至步骤S43。
步骤S41,确定在目标部件的已运行周期Tuse内,风机100所在环境每第二预设时长内的平均风速的历史韦布尔分布以及各历史韦布尔分布的历史风速比例参数λ和历史风速形状参数k。
在本实施例中,第二预设时长为1年。即在目标部件的已运行周期内,确定风机100所在环境历史每年的平均风速的历史韦布尔分布,以及历史每年的历史韦布尔分布的历史风速比例参数λ和历史风速形状参数k。可以理解的是,历史每年的平均风速的历史韦布尔分布、以及历史每年的历史韦布尔分布的历史风速比例参数λ和历史风速形状参数k可以是不完全相同的。比如假设目标部件的已运行5年,则可以根据风机100在这5年里每1年的历史运行数据,分别确定5个不完全相同的平均风速的历史韦布尔分布以及5个不完全相同的历史风速比例参数λ和5个不完全相同的历史风速形状参数k。
在一些实施例中,以目标部件已运行周期内的其中一个第二预设时长为例(比如其中一年),风机100所在环境在该第二预设时长内的平均风速的历史韦布尔分布可以表达为表达式(5):
其中,f(V|k,λ)表示风机100所在环境在该第二预设时长内的平均风速的历史韦布尔分布;
k表示在该第二预设时长内风速的形状参数;
λ表示在该第二预设时长内风速的比例参数;
·表示乘号。
步骤S42,基于历史风速比例参数λ和历史风速形状参数k,确定在目标部件的未运行周期Tfuture内,风机所在环境每第二预设时长的平均风速的未来韦布尔分布对应的未来风速比例参数λ*和未来风速形状参数k*。
在一些实施例中,步骤S41中确定的历史风速比例参数λ和历史风速形状参数k可以分别组成两个时间序列,基于得到的时间序列,可以预测得到目标部件的未运行周期Tfuture内,每第二预设时长的平均风速的未来韦布尔分布对应的未来风速比例参数λ*和未来风速形状参数k*。比如假设目标部件已运行5年,目标部件的预设寿命周期Tlife为21年,则可以根据风机100在过去5年的历史运行数据,得到包括5个历史风速比例参数λ的第一时间序列和包括5个历史风速形状参数k的第二时间序列。基于第一时间序列和第二时间序列,可以预测得到未来16年内(目标部件的未运行周期Tfuture内),每一年的平均风速的未来韦布尔分布对应的未来风速比例参数λ*和未来风速形状参数k*。与步骤S41同理,预测得到的16个未来风速比例参数λ*可以是不完全相同的,预测得到的16个未来风速形状参数k*也可以是不完全相同的。
步骤S43,基于未来风速比例参数λ*和未来风速形状参数k*,确定在目标部件的未运行周期Tfuture内,风机100所在环境每第二预设时长的平均风速的未来韦布尔分布。基于步骤S42中的假设,在步骤S43中,可以确定在未来16年内,风机100所在环境每一年的平均风速的未来韦布尔分布。
在一些实施例中,以目标部件在未运行周期内的其中一个第二预设时长为例(比如其中一年),风机100所在环境在该第二预设时长内的平均风速的历史韦布尔分布可以表达为表达式(6):
其中,f(V|k*,λ*)表示风机100所在环境在该第二预设时长内的平均风速的历史韦布尔分布;
k*表示在该第二预设时长内风速的形状参数;
λ*表示在该第二预设时长内风速的比例参数;
·表示乘号。
需要说明的是,在其他一些实施例中,第二预设时长也可以为其他值,比如为一个月。通常来说,第二预设时长的时长越短,预测的未来韦布尔分布越准确。
继续参见图1。在确定目标部件在多个风速区间的损伤值和以及目标部件的预设寿命周期Tlife内,风机100所在环境的风速概率分布后,可以继续执行步骤S24。
步骤S24,根据目标部件的预设寿命周期Tlife、风速概率分布和目标部件在多个风速区间的损伤值,确定目标部件的剩余寿命周期。
结合参考图5。图5是图2中的子步骤S24的一个实施例的子流程图。在一些实施例中,根据目标部件的预设寿命周期Tlife、风速概率分布和目标部件在多个风速区间的损伤值,确定目标部件的剩余寿命周期,包括步骤S51至步骤S52。
步骤S51,根据目标部件在多个风速区间分别运行第一预设时长的损伤值D(Vi)、风机100所在环境的平均风速的历史韦布尔分布f(V|k,λ)以及未来韦布尔分布f(V|k*,λ*),确定目标部件在预设寿命周期Tlife内的累积损伤值
在一些实施例中,目标部件在预设寿命周期Tlife内的累积损伤值可以表达为表达式(7):
其中,Vcut_in表示表示风机100切入电网的风速;
Vcut_out示风机100切出电网的风速;
表示在目标部件的未运行周期Tfuture内,根据风机100所在环境的平均风速的未来韦布尔分布f(V|k*,λ*)以及未运行周期的时长,在风机100的切入风速到切出风速之间的风速区间内,得到该时长内各个风速的时长,然后根据目标部件在不同风速区间分别运行第一预设时长的损伤值D(Vi),通过积分得到目标部件在该时长内的累积损伤值;
表示目标部件的已运行周期Tuse内,根据风机100所在环境的平均风速的历史韦布尔分布f(V|k,λ),在风机100接入电网的风速范围内,得到该时长内各个风速的时长,然后根据目标部件在不同风速区间分别运行第一预设时长的损伤值D(Vi),通过积分得到目标部件在该时长内的累积损伤值;
·表示乘号。
步骤S52,根据累积损伤值以及目标部件的预设寿命周期Tlife,确定目标部件的剩余寿命周期Tre。
在一些实施例中,目标部件的剩余寿命周期Tre的计算公式可以表达为表达式(8):
其中,Fsafe表示安全因子;
Tre表示目标部件的剩余寿命周期;
·表示乘号。
可以理解的是,目标部件的损伤程度超过安全阈值后,再使用目标部件,则会存在安全风险,因此,需要在目标部件的损伤程度达到安全阈值之前,对目标部件进行替换或维修。目标部件的实际寿命周期则可以是从目标部件投入使用到目标部件的损伤程度达到安全阈值时所经历的时长。在表达式(8)中,可以是假设目标部件的实际寿命周期为预设寿命周期Tlife,然后通过上述步骤S51计算出在预设寿命周期Tlife内目标部件的累积损伤值然后基于安全因子,对目标部件的剩余寿命周期Tre进行计算。
若目标部件在预设寿命周期Tlife内的累积损伤值还未使目标部件的损伤程度达到安全阈值,表示目标部件在运行了预设寿命周期Tlife的时长之后,目标部件还可以继续使用,目标部件的实际寿命周期大于预设寿命周期Tlife,此时剩余寿命周期Tre应该为正数,表示目标部件还可以继续使用的时间;
若目标部件在预设寿命周期Tlife内的累积损伤值正好使目标部件的损伤程度正好到安全阈值,表示目标部件的实际寿命周期为预设寿命周期Tlife;
若目标部件在预设寿命周期Tlife内的累积损伤值还使目标部件的损伤程度达到或超过安全阈值,表示目标部件在还未运行预设寿命周期Tlife的时长时,目标部件便已损坏,目标部件的实际寿命周期小于预设寿命周期Tlife,此时剩余寿命周期Tre应该为负数。
在一些实施例中,本申请的部件寿命确定方法还包括:确定目标部件的材料特性温度漂移修正系数Fmodify(t)。
结合参考图6。图6是图2中的子步骤S24的另一个实施例的子流程图。在一些实施例中,根据目标部件的预设寿命周期Tlife、风速概率分布和目标部件在多个风速区间的损伤值,确定目标部件的剩余寿命周期,包括步骤S61至步骤S62。
步骤S61,根据材料特性温度漂移修正系数Fmodify(t)、目标部件在多个风速区间分别运行第一预设时长的损伤值D(Vi)、风机所在环境的平均风速的历史韦布尔分布f(V|k,λ)以及未来韦布尔分布f(V|k*,λ*),确定目标部件在预设寿命周期Tlife内的累积损伤值
在一些实施例中,目标部件在预设寿命周期Tlife内的累积损伤值可以表达为表达式(9):
表达式(9)与表达式(7)基本类似,主要区别在于,在进行累积损伤值计算时,考虑了目标部件的材料特性温度漂移修正系数Fmodify(t),如此,可以使计算结果更加准确。
步骤S62,根据累积损伤值以及目标部件的预设寿命周期,确定目标部件的剩余寿命周期。步骤S62与上述步骤S52类似,具体可参见步骤S52相关描述,此处不赘述。
基于以上描述可知,在本申请的一些实施例中,根据确定的多个风速区间的风机的工况概率分布、目标部件的预设寿命周期内风机所在环境的风速概率分布以及风机的目标部件的在多个风速区间的损伤值,可以确定目标部件的剩余寿命周期,从而可以基于目标部件的剩余寿命周期,预判风机可能发生的故障,提供可持续的解决方案,制定合理可行的运维政策,有效提高风机的运维质量,降低风电场的度电成本和运维成本。另外,本申请基于概率统计的方法,确定了目标部件的工况对目标部件的寿命的影响,基于此,可以为风机在不同工况下的运行优化策略提供参考。
图7是本申请一个实施例提供的部件寿命确定系统700的模块框图。
部件寿命确定系统700包括一个或多个处理器701,用于实现如上描述的部件寿命确定方法。在一些实施例中,部件寿命确定系统700可以包括可读存储介质709,可读存储介质709可以存储有可被处理器701调用的程序,可以包括非易失性存储介质。
在一些实施例中,部件寿命确定系统700可以包括内存708和接口707。
在一些实施例中,部件寿命确定系统700还可以根据实际应用包括其他硬件。
本申请实施例的可读存储介质709,其上存储有程序,该程序被处理器701执行时,用于实现如上描述的部件寿命确定方法。
本申请可采用在一个或多个其中包含有程序代码的可读存储介质709(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。可读存储介质709包括永久性和非永久性、可移动和非可移动媒体,可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。可读存储介质709的例子包括但不限于:相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。
以上所述仅为本说明书的较佳实施例而已,并不用以限制本说明书,凡在本说明书的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本说明书保护的范围之内。
以上所述仅为本说明书的较佳实施例而已,并不用以限制本说明书,凡在本说明书的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本说明书保护的范围之内。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
Claims (9)
1.一种部件寿命确定方法,其特征在于,所述部件寿命确定方法包括:
确定在多个风速区间的风机的工况概率分布;
根据所述工况概率分布,确定所述风机的目标部件在多个风速区间的损伤值;
确定在所述目标部件的预设寿命周期内,所述风机所在环境的风速概率分布;及
根据所述目标部件的预设寿命周期、所述风速概率分布和所述目标部件在多个风速区间的所述损伤值,确定所述目标部件的剩余寿命周期;
所述确定在所述目标部件的预设寿命周期内,所述风机所在环境的风速概率分布,包括:
确定在所述目标部件的已运行周期内,所述风机所在环境每第二预设时长内的平均风速的历史韦布尔分布以及各所述历史韦布尔分布的历史风速比例参数和历史风速形状参数;
基于所述历史风速比例参数和所述历史风速形状参数,确定在所述目标部件的未运行周期内,所述风机所在环境每第二预设时长的平均风速的未来韦布尔分布对应的未来风速比例参数和未来风速形状参数;
基于所述未来风速比例参数和所述未来风速形状参数,确定在所述目标部件的所述未运行周期内,所述风机所在环境每第二预设时长的平均风速的未来韦布尔分布。
2.如权利要求1所述的部件寿命确定方法,其特征在于,所述确定在不同风速区间,风机的工况概率分布,包括:
基于高斯过程方法和所述风机的历史运行数据,确定所述工况概率分布。
3.如权利要求1所述的部件寿命确定方法,其特征在于,所述根据所述工况概率分布,确定所述风机的目标部件在不同风速区间的损伤值,包括:
对于任一风速区间,确定所述风机在该风速区间的多个工况下分别运行第一预设时长时,所述目标部件分别对应的单工况损伤值;
根据所述目标部件在该风速区间的所述单工况损伤值,以及所述风机在该风速区间的所述工况概率分布,确定所述第一预设时长内所述目标部件在该风速区间的损伤值。
4.如权利要求3所述的部件寿命确定方法,其特征在于,所述确定所述风机在该风速区间的不同工况下分别运行第一预设时长时,所述目标部件分别对应的单工况损伤值,包括:
仿真所述风机在该风速区间的多个工况下分别运行所述第一预设时长;
基于仿真结果,确定所述目标部件在所述多个工况下分别对应的所述单工况损伤值。
5.如权利要求3所述的部件寿命确定方法,其特征在于,所述确定所述风机在该风速区间的不同工况下分别运行第一预设时长时,所述目标部件分别对应的单工况损伤值,包括:
对于所述风机在该风速区间的任一工况,获取所述风机在该工况下运行第一预设时长时,所述目标部件的力矩信号;
根据所述力矩信号,确定所述目标部件在该第一预设时长内的应力大小分布、各应力大小对应的应力单循环次数以及所有应力大小对应的应力总循环次数;
根据所述应力大小分布、各应力大小对应的应力单循环次数以及所有应力大小对应的应力总循环次数,确定所述目标部件在该工况下对应的单工况损伤值。
6.如权利要求3所述的部件寿命确定方法,其特征在于,所述根据所述目标部件的预设寿命周期、所述风速概率分布和所述目标部件在不同风速区间的所述损伤值,确定所述目标部件的剩余寿命周期,包括:
根据所述目标部件在多个风速区间分别运行所述第一预设时长的所述损伤值、所述风机所在环境的平均风速的所述历史韦布尔分布以及所述未来韦布尔分布,确定所述目标部件在所述预设寿命周期内的累积损伤值;
根据所述累积损伤值以及所述目标部件的预设寿命周期,确定所述目标部件的剩余寿命周期。
7.如权利要求3所述的部件寿命确定方法,其特征在于,所述部件寿命确定方法还包括:确定所述目标部件的材料特性温度漂移修正系数;
所述根据所述目标部件的预设寿命周期、所述风速概率分布和所述目标部件在多个风速区间的所述损伤值,确定所述目标部件的剩余寿命周期,包括:
根据所述材料特性温度漂移修正系数、所述目标部件在多个风速区间分别运行所述第一预设时长的所述损伤值、所述风机所在环境的平均风速的所述历史韦布尔分布以及所述未来韦布尔分布,确定所述目标部件在所述预设寿命周期内的累积损伤值;
根据所述累积损伤值以及所述目标部件的预设寿命周期,确定所述目标部件的剩余寿命周期。
8.一种部件寿命确定系统,其特征在于,包括一个或多个处理器,用于实现如权利要求1-7中任一项所述的部件寿命确定方法。
9.一种可读存储介质,其特征在于,其上存储有程序,该程序被处理器执行时,实现如权利要求1-7中任一项所述的部件寿命确定方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110850882.0A CN113468765B (zh) | 2021-07-27 | 2021-07-27 | 部件寿命确定方法、系统和可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110850882.0A CN113468765B (zh) | 2021-07-27 | 2021-07-27 | 部件寿命确定方法、系统和可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113468765A CN113468765A (zh) | 2021-10-01 |
CN113468765B true CN113468765B (zh) | 2024-03-26 |
Family
ID=77882774
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110850882.0A Active CN113468765B (zh) | 2021-07-27 | 2021-07-27 | 部件寿命确定方法、系统和可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113468765B (zh) |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107341349A (zh) * | 2017-06-30 | 2017-11-10 | 上海交通大学 | 风机健康评估的方法、系统、存储器及控制器 |
-
2021
- 2021-07-27 CN CN202110850882.0A patent/CN113468765B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107341349A (zh) * | 2017-06-30 | 2017-11-10 | 上海交通大学 | 风机健康评估的方法、系统、存储器及控制器 |
Non-Patent Citations (1)
Title |
---|
风速风向对风机塔筒结构动力响应和疲劳寿命的影响;霍涛;《建筑结构》;正文第1-3章 * |
Also Published As
Publication number | Publication date |
---|---|
CN113468765A (zh) | 2021-10-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10253758B2 (en) | System and method for optimizing wind farm performance | |
EP2644888A2 (en) | Control system and method for avoiding overspeed of a wind turbine | |
DK2799711T3 (en) | Method of operating a wind turbine | |
US10385829B2 (en) | System and method for validating optimization of a wind farm | |
US10100812B2 (en) | Methods and systems to operate a wind turbine system | |
EP3263890B1 (en) | Methods and systems for feedforward control of wind turbines | |
CN113591359B (zh) | 一种风电机组切入/切出风速调优方法、系统及设备介质 | |
CN110017249A (zh) | 运行风力涡轮的方法 | |
Perez-Becker et al. | Is the Blade Element Momentum theory overestimating wind turbine loads?–An aeroelastic comparison between OpenFAST's AeroDyn and QBlade's Lifting-Line Free Vortex Wake method | |
CN111287911A (zh) | 一种风电机组疲劳载荷的预警方法和系统 | |
EP3249218A1 (en) | System and method for micrositing a wind farm for loads optimization | |
CN110761958B (zh) | 风力发电机组的叶片失速诊断方法及装置 | |
EP3702613B1 (en) | System and method for predicting wind turbine shutdowns due to excessive vibration | |
CN113685314B (zh) | 变桨控制方法、系统和可读存储介质 | |
CN113468765B (zh) | 部件寿命确定方法、系统和可读存储介质 | |
CN112555101B (zh) | 识别风力发电机组的叶轮气动状态的方法及装置 | |
CN114341489A (zh) | 基于强化学习的风力涡轮机控制 | |
JP2014202190A (ja) | 制御装置、制御方法及びプログラム | |
EP4060430A1 (en) | Systems and methods for operating power generating assets | |
US11739734B2 (en) | Fatigue loads in wind turbines and use of operational metadata | |
CN113107770B (zh) | 风机偏航控制方法、系统、风机和可读存储介质 | |
JP6865672B2 (ja) | 風力発電装置の評価方法および設計方法 | |
Cavazzini et al. | Machine learning-aided assessment of wind turbine energy losses due to blade leading edge damage | |
CN113137335A (zh) | 用于使用改进的功率曲线来操作风力涡轮的系统和方法 | |
da Rosa et al. | Wind Turbine Blade Mass Imbalance Detection Using Artificial Intelligence |
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 |