CN113819011B - 风力发电机组的叶轮状态检测方法、装置及系统 - Google Patents
风力发电机组的叶轮状态检测方法、装置及系统 Download PDFInfo
- Publication number
- CN113819011B CN113819011B CN202010567926.4A CN202010567926A CN113819011B CN 113819011 B CN113819011 B CN 113819011B CN 202010567926 A CN202010567926 A CN 202010567926A CN 113819011 B CN113819011 B CN 113819011B
- Authority
- CN
- China
- Prior art keywords
- impeller
- converter
- rotating speed
- determining
- speed signal
- 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 47
- 230000002159 abnormal effect Effects 0.000 claims abstract description 65
- 238000000034 method Methods 0.000 claims abstract description 31
- 239000006185 dispersion Substances 0.000 claims description 22
- 230000006698 induction Effects 0.000 claims description 16
- 230000005856 abnormality Effects 0.000 claims description 8
- 239000003550 marker Substances 0.000 claims description 4
- 238000004891 communication Methods 0.000 claims description 3
- 230000001939 inductive effect Effects 0.000 claims description 3
- 230000036541 health Effects 0.000 abstract description 11
- 238000012423 maintenance Methods 0.000 abstract description 7
- 238000010248 power generation Methods 0.000 abstract description 7
- 206010044565 Tremor Diseases 0.000 abstract description 6
- 230000001066 destructive effect Effects 0.000 abstract description 6
- 238000012545 processing Methods 0.000 abstract description 6
- 238000012544 monitoring process Methods 0.000 abstract description 4
- 230000008859 change Effects 0.000 description 8
- 230000033001 locomotion Effects 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000003068 static effect Effects 0.000 description 3
- 238000012790 confirmation Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000000737 periodic effect Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000005299 abrasion Methods 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 230000000739 chaotic effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F03—MACHINES OR ENGINES FOR LIQUIDS; WIND, SPRING, OR WEIGHT MOTORS; PRODUCING MECHANICAL POWER OR A REACTIVE PROPULSIVE THRUST, NOT OTHERWISE PROVIDED FOR
- F03D—WIND MOTORS
- F03D17/00—Monitoring or testing of wind motors, e.g. diagnostics
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F03—MACHINES OR ENGINES FOR LIQUIDS; WIND, SPRING, OR WEIGHT MOTORS; PRODUCING MECHANICAL POWER OR A REACTIVE PROPULSIVE THRUST, NOT OTHERWISE PROVIDED FOR
- F03D—WIND MOTORS
- F03D7/00—Controlling wind motors
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/70—Wind energy
- Y02E10/72—Wind turbines with rotation axis in wind direction
Landscapes
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Sustainable Development (AREA)
- Sustainable Energy (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Wind Motors (AREA)
- Control Of Eletrric Generators (AREA)
Abstract
本申请实施例提供了一种风力发电机组的叶轮状态检测方法、装置及系统,叶轮状态检测方法包括:获取风力发电机组叶轮的叶轮转速信号和变流器转速信号;基于叶轮转速信号和变流器转速信号之间的差异判断叶轮是否异常。本申请提供的风力发电机组的叶轮状态检测方法通过叶轮转速信号和变流器转速信号的比对处理,利用叶轮系统存在窜动或震颤的较早期失效特征,并根据叶轮转速信号和变流器转速信号之间的差异,实现叶轮系统的异常预警和健康状态监测。能够在叶轮系统出现破坏性故障之前判断出叶轮系统的健康状态,从而指导风力发电现场中的维护人员对风力发电机组进行预见性维护,提高风力发电机组的可靠性与使用效率。
Description
技术领域
本申请涉及风力发电设备技术领域,具体而言,本申请涉及一种风力 发电机组的叶轮状态检测方法、装置及系统。
背景技术
风力发电机组上叶轮系统是风能的接收部件,包括叶片、轮毂和传动 轴等零部件。由于风向和风速大小的复杂多变性,叶轮系统的工作环境较 为恶劣,需要持续不断地经受冲击,将叶轮系统旋转轴向上的风能转变为 叶轮旋转的机械能。叶轮系统与发电机的连接通常需要使用到螺栓。叶轮 系统的在风的作用下不稳定运行,容易发生发电机螺栓松动、发电机异常振动或主轴承失效等问题,可能会导致叶轮系统在运行过程中出现异响、振动异常或窜动等现象,存在很多安全隐患,例如会造成叶轮卡死、叶轮 飞车等,这些隐患很可能会对叶片、发电机和主轴承等风力发电机组的零 部件造成较为严重的损坏。
目前,主要从故障角度判断叶轮系统的健康状态是否出现了异常。例 如,当叶轮出现卡滞时,风力发电机组的风速、转速关系会出现异常,风 力发电机组会报出大风小转速的故障。现有风力发电机组的控制程序中对 叶轮系统的异常判断是故障级别的,即叶轮系统出现明确的故障特征时, 才执行故障停机。然而,采用这种叶轮状态检测方式检测到故障时,风力发电机组当中很可能已经发生了严重问题,其中的主轴承、发电机等关键 部件已经损坏。
发明内容
本申请针对现有方式的缺点,提出一种风力发电机组的叶轮状态检 测方法、装置及系统,用以解决现有技术存在的叶轮状态检测不及时, 无法预防叶轮故障发生的技术问题。
第一个方面,一种风力发电机组的叶轮状态检测方法,包括:
获取风力发电机组叶轮的叶轮转速信号和变流器转速信号;
基于叶轮转速信号和变流器转速信号之间的差异判断叶轮是否异常。
在第一个方面的某些实现方式中,基于叶轮转速信号和变流器转速信 号之间的差异判断叶轮是否异常的步骤之前,包括:根据变流器转速信号, 确定变流器的转速是否处于稳定状态。
结合第一个方面和上述实现方式,在第一个方面的某些实现方式中, 确定变流器的转速是否处于稳定状态的步骤,包括:
确定多个变流器转速信号对应的多个变流器转速的离散度;
若离散度小于或等于预设离散度阈值,则确定变流器的转速处于稳定 状态。
结合第一个方面和上述实现方式,在第一个方面的某些实现方式中, 确定多个变流器转速信号对应的多个变流器转速的离散度,包括:
确定多个变流器转速信号对应的多个变流器转速的转速极差和/或转 速变异系数。
结合第一个方面和上述实现方式,在第一个方面的某些实现方式中, 确定多个变流器转速信号对应的多个变流器转速的转速极差,包括:从多 个变流器转速中,确定出最大变流器转速和最小变流器转速;根据最大变 流器转速和最小变流器转速,确定转速极差。
结合第一个方面和上述实现方式,在第一个方面的某些实现方式中, 确定多个变流器转速信号对应的多个变流器转速的转速变异系数包括:确 定出多个变流器转速的平均值和标准差;
根据平均值和标准差,确定转速变异系数。
结合第一个方面和上述实现方式,在第一个方面的某些实现方式中, 基于叶轮转速信号和变流器转速信号之间的差异判断叶轮是否异常,包括:
确定出叶轮转速信号对应的频域特征数据;
确定出变流器转速信号对应的转速频率;
根据频域特征数据和转速频率之间的差异,确定叶轮是否异常。
结合第一个方面和上述实现方式,在第一个方面的某些实现方式中, 确定出叶轮转速信号对应的频域特征数据,包括:
将叶轮转速信号进行快速傅里叶变换,得到叶轮转速信号的多个频域 数据;
从叶轮转速信号的多个频域数据中,确定出振动幅值由大到小的至少 一个频域数据作为频域特征数据。
结合第一个方面和上述实现方式,在第一个方面的某些实现方式中, 从叶轮转速信号的多个频域数据中,确定出振动幅值由大到小的至少一个 频域数据作为频域特征数据,包括:
从叶轮转速信号的多个频域数据中,确定出振动幅值最大的频域数据, 将频率与振动幅值最大的频域数据邻近的至少一个频域数据的振动幅值 设置为零;
在设定后的叶轮转速信号的多个频域数据中,确定出振动幅值次大的 频域数据,将频率与振动幅值次大的频域数据邻近的至少一个频域数据的 振动幅值设置为零;
循环直至确定出的振动幅值由大到小的频域数据的数量达到设定数 量。
结合第一个方面和上述实现方式,在第一个方面的某些实现方式中, 确定出变流器转速信号对应的转速频率,包括:
根据变流器转速信号,确定预定时间段内的多个变流器转速,确定出 多个变流器转速的平均变流器转速;
根据平均变流器转速,确定变流器转速信号对应的转速频率。
结合第一个方面和上述实现方式,在第一个方面的某些实现方式中, 频域特征数据包括振动频率和振动幅值;
以及,根据频域特征数据和转速频率之间的差异,确定叶轮是否异常, 包括:
当变流器的转速处于稳定状态、且转速频率在预设频率区间内时,确 定振动幅值是否大于预设幅值阈值;预设频率区间是由频域特征数据中的 振动频率确定的;
当振动幅值大于预设幅值阈值时,确定叶轮状态异常,生成叶轮异常 信息。
结合第一个方面和上述实现方式,在第一个方面的某些实现方式中, 获取风力发电机组叶轮的叶轮转速信号的步骤,包括:
通过风力发电机组的机舱上的感应传感器采集叶轮上的若干个标记 块的每秒转动脉冲个数;
根据每秒转动脉冲个数,确定叶轮转速信号。
结合第一个方面和上述实现方式,在第一个方面的某些实现方式中, 基于叶轮转速信号与变流器转速信号之间的差异判断叶轮是否异常的步 骤之后,还包括:
若叶轮为异常状态,则生成与叶轮异常信息对应的预警信号;
或者,则生成和执行停机指令以控制风力发电机组停机。
第二个方面,本申请的实施例提供了一种风力发电机组的叶轮状态检 测装置,包括:
获取模块,用于获取风力发电机组叶轮的叶轮转速信号和变流器转速 信号;
确定模块,用于基于叶轮转速信号和变流器转速信号之间的差异判断 叶轮是否异常。
第三个方面,本申请的实施例提供了一种风力发电机组的叶轮状态检 测系统,包括:
处理器;
存储器,与处理器电连接;
采集脉冲信号的第一采集装置、采集变流器运行参数的第二采集装置, 第一采集装置和第二采集装置分别与处理器通信连接;
至少一个程序,被存储在存储器中并被配置为由处理器执行,至少一 个程序被配置用于:实现如本申请第一个方面描述的风力发电机组的叶轮 状态检测方法。
在第三个方面的某些实现方式中,第一采集装置为感应传感器;
感应传感器设置在风力发电机组的机舱上,用于获取风力发电机组的 叶轮上若干标记块的每秒转动脉冲个数。
结合第三个方面和上述实现方式,在第三个方面的某些实现方式中, 标记块为叶轮上的安装螺栓。
第四个方面,本申请提供了一种计算机可读存储介质,计算机可读存 储介质存储有至少一段程序,至少一段程序由处理器加载并执行以实现如 本申请第一个方面描述的风力发电机组的叶轮状态检测方法。
本申请实施例提供的技术方案带来的有益技术效果是:
本申请提供的风力发电机组的叶轮状态检测方法通过叶轮转速信号 和变流器转速信号的比对处理,利用叶轮系统存在窜动或震颤的较早期失 效特征,并根据叶轮转速信号和变流器转速信号之间的差异,实现叶轮系 统的异常预警和健康状态监测。能够在叶轮系统出现破坏性故障之前判断 出叶轮系统的健康状态,从而指导风力发电现场中的维护人员对风力发电机组进行预见性维护,提高风力发电机组的可靠性与使用效率。
本申请附加的方面和优点将在下面的描述中部分给出,这些将从下面 的描述中变得明显,或通过本申请的实践了解到。
附图说明
本申请上述的和/或附加的方面和优点从下面结合附图对实施例的描 述中将变得明显和容易理解,其中:
图1为本申请实施例提供的一种叶轮状态检测系统的框架结构示意 图;
图2为本申请实施例提供的一种风力发电机组的叶轮状态检测方法 的流程示意图;
图3为本申请实例提供的一种叶轮系统正常时的转速信号对比图,横 坐标为时间,纵坐标为转速;
图4为本申请实例提供的一种叶轮系统存在窜动时的转速信号对比 图,横坐标为时间,纵坐标为转速;
图5为本申请实施例中提供的获取风力发电机组叶轮的叶轮转速信 号的方法流程示意图;
图6为本申请实施例提供的基于叶轮转速信号和变流器转速信号之 间的差异判断叶轮是否异常的方法流程示意图;
图7为本申请实施例提供的确定出叶轮转速信号对应的频域特征数 据的方法流程示意图;
图8为本申请实施例提供的根据频域特征数据和转速频率之间的差 异,确定叶轮是否异常的方法流程示意图;
图9为本申请一实例中的叶轮状态检测流程示意图;
图10为本申请实施例提供的一种风力发电机组的叶轮状态检测装置 的框架结构示意图。
具体实施方式
下面详细描述本申请,本申请的实施例的示例在附图中示出,其中自 始至终相同或类似的标号表示相同或类似的部件或具有相同或类似功能 的部件。此外,如果已知技术的详细描述对于示出的本申请的特征是不必 要的,则将其省略。下面通过参考附图描述的实施例是示例性的,仅用于 解释本申请,而不能解释为对本申请的限制。
本技术领域技术人员可以理解,除非另外定义,这里使用的所有术语 (包括技术术语和科学术语),具有与本申请所属领域中的普通技术人员 的一般理解相同的意义。还应该理解的是,诸如通用字典中定义的那些术 语,应该被理解为具有与现有技术的上下文中的意义一致的意义,并且除 非像这里一样被特定定义,否则不会用理想化或过于正式的含义来解释。
本技术领域技术人员可以理解,除非特意声明,这里使用的单数形式 “一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是, 本申请的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操 作、元件和/或组件,但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。应该理解,当我们称元件 被“连接”或“耦接”到另一元件时,它可以直接连接或耦接到其他元件,或 者也可以存在中间元件。此外,这里使用的“连接”或“耦接”可以包括无线 连接或无线耦接。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的全部或任一单元和全部组合。
首先对本申请涉及的几个名词进行介绍和解释:
变流器转速:风力发电机组变流系统反馈的转速,能较为光滑地反映 发电机转子转动快慢的转速。
叶轮转速:通过固定在风力发电机组机舱以及叶轮上的传感器采集的 信号转化得到的,能够反映叶轮转动快慢及叶轮窜动或震颤的转速。
转动频率:变流器每分钟的转速与60秒的比值,简称为转频。
FFT(Fast Fourier Transformation,快速傅氏变换),是DFT(Discrete FourierTransform,离散傅氏变换)的快速算法,根据离散傅氏变换的奇、 偶、虚、实等特性,对离散傅立叶变换的算法进行改进获得的。
本申请的发明人考虑到通过现有技术检测到的叶轮状态,一旦检测到 叶轮存在异常,表明风力发电机组中已经存在严重故障,仍然不免需要进 行复杂的维护保养工作,因此现有技术中的叶轮状态检测方法无法真正避 免风力发电机组中重要部件损坏的发生。
本申请提供的风力发电机组的叶轮状态检测方法、装置及系统,旨在 解决现有技术的如上技术问题。
下面以具体地实施例对本申请的技术方案以及本申请的技术方案如 何解决上述技术问题进行详细说明。
本申请的实施例首先提供了一种风力发电机组的叶轮状态检测系统, 该叶轮状态检测系统包括:处理器、存储器以及采集脉冲信号的第一采集 装置、采集变流器运行参数的第二采集装置。其中,存储器与处理器电连 接,第一采集装置和第二采集装置分别与处理器通信连接。并且,上述叶 轮状态检测系统中还包括至少一个程序,被存储在存储器中并被配置为由处理器执行,至少一个程序被配置用于:实现本申请下述实施例中描述的风力发电机组的叶轮状态检测方法,即包括如下步骤的叶轮状态检测方法:
获取风力发电机组叶轮的叶轮转速信号和变流器转速信号;基于叶轮 转速信号和变流器转速信号之间的差异判断叶轮是否异常。
本申请提供的风力发电机组的叶轮状态检测系统能够在叶轮系统出 现破坏性故障之前判断出叶轮系统的健康状态,从而指导风力发电现场中 的维护人员对风力发电机组进行预见性维护,提高风力发电机组的可靠性 与使用效率。
本申请在一个可选实施例中提供了一种叶轮状态检测系统,如图1所 示,图1所示的叶轮状态检测系统1000包括:处理器1001和存储器1003。 其中,处理器1001和存储器1003相电连接,如通过总线1002相连。
处理器1001可以是CPU(Central Processing Unit,中央处理器), 通用处理器,DSP(Digital Signal Processor,数据信号处理器),ASIC(Application SpecificIntegrated Circuit,专用集成电路),FPGA(Field -Programmable Gate Array,现场可编程门阵列)或者其他可编程逻辑器 件、晶体管逻辑器件、硬件部件或者其任意组合。其可以实现或执行结合 本申请公开内容所描述的各种示例性的逻辑方框,模块和电路。处理器1001也可以是实现计算功能的组合,例如包含一个或多个微处理器组合, DSP和微处理器的组合等。
总线1002可包括一通路,在上述组件之间传送信息。总线1002可以 是PCI(Peripheral Component Interconnect,外设部件互连标准)总线或 EISA(ExtendedIndustry Standard Architecture,扩展工业标准结构)总线 等。总线1002可以分为地址总线、数据总线、控制总线等。为便于表示,图1中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
存储器1003可以是ROM(Read-Only Memory,只读存储器)或可存 储静态信息和指令的其他类型的静态存储设备,RAM(random access memory,随机存取存储器)或者可存储信息和指令的其他类型的动态存 储设备,也可以是EEPROM(Electrically ErasableProgrammable Read Only Memory,电可擦可编程只读存储器)、CD-ROM(Compact DiscRead-Only Memory,只读光盘)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储 设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代 码并能够由计算机存取的任何其他介质,但不限于此。
可选地,叶轮状态检测系统1000还可以包括收发器1004。收发器1004 可用于信号的接收和发送。收发器1004可以允许叶轮状态检测系统1000 与其他设备进行无线或有线通信以交换数据。需要说明的是,实际应用中 收发器1004不限于一个。
可选地,叶轮状态检测系统1000还可以包括输入单元1005。输入单 元1005可用于接收输入的数字、字符、图像和/或声音信息,或者产生与 叶轮状态检测系统1000的用户设置以及功能控制有关的键信号输入,第 一采集装置和第二采集装置均为输入单元1005中的一种。输入单元1005 可以包括但不限于触摸屏、物理键盘、功能键(比如音量控制按键、开关 按键等)、轨迹球、鼠标、操作杆、拍摄装置、拾音器等中的一种或多种。
可选地,叶轮状态检测系统1000还可以包括输出单元1006。输出单 元1006可用于输出或展示经过处理器1001处理的信息。输出单元1006 可以包括但不限于显示装置、扬声器、振动装置等中的一种或多种。
虽然图1示出了具有各种装置的叶轮状态检测系统1000,但是应理 解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更 多或更少的装置。
可选的,存储器1003用于存储执行本申请方案的应用程序代码,并 由处理器1001来控制执行。处理器1001用于执行存储器1003中存储的 应用程序代码,以实现本申请实施例提供的任一种叶轮状态检测方法。
可选的,第一采集装置为感应传感器;感应传感器设置在风力发电机 组的机舱上,用于获取风力发电机组的叶轮上若干标记块的每秒转动脉冲 个数。感应传感器与标记块相互配合实现叶轮上转动脉冲的收集,感应传 感器设置在机舱上的合适位置处,以不影响感应传感器的信号收集以及叶 轮的转动为准。感应传感器保持相对静止,而叶轮上的标记块则处于运动状态,当标记块经过感应传感器的探测区域时,感应传感器即接收到一个转动脉冲信号。
可选的,标记块为叶轮上的安装螺栓。标记块的选定较为灵活,可直 接选择叶轮上的特定固有零部件,例如用于安装叶轮的安装螺栓,该安装 螺栓一般都会突出安装面一部分,并且能够跟随叶轮一起转动。当然,也 可选择在叶轮上直接设置专用于起标记作用的零件,例如设置一个或多个 具有独特外形的能够被感应传感器识别的凸块。
本申请实施例的第二个方面提供一种风力发电机组的叶轮状态检测 方法,如图2所示,该检测方法具体包括如下的步骤:
S100:获取风力发电机组叶轮的叶轮转速信号和变流器转速信号。
S200:基于叶轮转速信号和变流器转速信号之间的差异判断叶轮是否 异常。
对于S100,风力发电机组的叶轮状态检测系统通过第一采集装置和 第二采集装置分别获取到风力发电机组叶轮的叶轮转速信号,以及风力发 电机组中电气系统的变流器转速信号,获取到能够反馈叶轮运转状态的原 始数据,以便于进行分析,确认叶轮是否发生了异常。
S200中对获取到的原始数据进行处理,当叶轮系统正常运行时,变 流器转速和叶轮转速都可正常反映叶轮转动快慢,二者之间无明显差异, 如图3所示,二者在多数情况下是几乎重合的。当叶轮系统存在裂纹、局部形变、存在异物、磨损等失效特征时,在叶轮转动过程中会出现周期性 窜动或震颤,导致感应传感器获取的脉冲信号存在周期性部分丢失,计算 得到的叶轮转速存在周期性异常,但此时位于电气系统的变流器转速不会 因为叶轮系统的窜动或震颤出现明显异常波动,如图4所示,这时变流器 转速与叶轮转速会存在明显的步调不一致。于是根据叶轮转速信号和变流器转速信号之间的差异就能够判断叶轮是否异常。
本申请提供的风力发电机组的叶轮状态检测方法通过叶轮转速信号 和变流器转速信号的比对处理,利用叶轮系统存在窜动或震颤的较早期失效特征,并根据叶轮转速信号和变流器转速信号之间的差异,实现叶轮系 统的异常预警和健康状态监测。能够在叶轮系统出现破坏性故障之前判断 出叶轮系统的健康状态,从而指导风力发电现场中的维护人员对风力发电 机组进行预见性维护,提高风力发电机组的可靠性与使用效率。
可选的,在本申请实施例的第二个方面提供的一种实现方式中,基于 叶轮转速信号和变流器转速信号之间的差异判断叶轮是否异常的步骤之 前,包括:根据变流器转速信号,确定变流器的转速是否处于稳定状态。
可选的,结合上述实现方式,在本申请实施例的第二个方面提供的一 种实现方式中,确定变流器的转速是否处于稳定状态的步骤,包括:
确定多个变流器转速信号对应的多个变流器转速的离散度。若离散度 小于或等于预设离散度阈值,则确定变流器的转速处于稳定状态。
风力发电机实质上由风驱动,将风能转化为电能,风的运动是杂乱无 章的,很难维持同一方向和速率大小,并且还存在陡变的可能。这些不稳 定因素是风自身的特点导致的,并不能说明叶轮本身状态出现问题,因此 需要将这些因为风的影响因素摒除。首先判断变流器的转速是否处于稳定 状态,能够为后续的差异判断更为简单高效。
尽管风始终处于变化当中,但出现陡变的情况也并不常见,多数情况 中,风的变化是较为平滑的,由此导致的变流器转速的变化也是平滑的, 反映在数据上,就可以通过对变流器转速的离散程度判断,来确定变流器 是否处于稳定状态。如果变流器转速不稳定,说明风的变化过于复杂,会 对叶轮状态的判断产生严重干扰,因此后续步骤不再执行,即不进行叶轮系统异常与否的判断。
可选的,结合上述实现方式,在一种具体的实施方式中,确定多个变 流器转速信号对应的多个变流器转速的离散度,包括:确定多个变流器转 速信号对应的多个变流器转速的转速极差和/或转速变异系数。通过统计 一定时间段内,多个变流器转速的转速极差、转速变异系数,来反映变流器转速的离散程度。变流器转速的离散程度即可单独采用转速极差,或者 单独采用转速变异系数来反映,也可同时通过以上两个方面同时考虑,确 保准确统计得到变流器转速的离散程度。离散程度越高,表明变流器转速 越不稳定,反之则越稳定。
可选的,确定多个变流器转速信号对应的多个变流器转速的转速极差, 包括:从多个变流器转速中,确定出最大变流器转速和最小变流器转速; 根据最大变流器转速和最小变流器转速,确定转速极差。即,可选用其变 流器转速极差进行判断,计算:
diff_gs=max(gs)-min(gs)………………(公式1)
公式1中diff_gs表示变流器转速极差,gs表示变流器转速,max表 示最大值,min表示最小值。当转速极差diff_gs小于预设离散度阈值中的 预设转速极差阈值时,认为变流器转速稳定,否则变流器转速不稳定,预 设转速极差阈值可采用字母a表示,a的典型值可取为1。
可选的,确定多个变流器转速信号对应的多个变流器转速的转速变 异系数包括:确定出多个变流器转速的平均值和标准差;根据平均值和 标准差,确定转速变异系数。即,还可以通过选择计算变流器转速的变 异系数描述变流器的转速离散程度,如下式:
公式3中μ表示变流器转速的平均值,σ表示变流器转速的标准差,Cv表 示变流器的转速离散程度。变流器转速的变异系数越大,表示其离散程 度的测度值越大,变流器转速越不稳定,反之越小,即变流器转速越稳 定。
可选的,在本申请第二个方面实施例的某些实现方式中,获取风力发 电机组叶轮的叶轮转速信号的步骤,如图5所示,包括:
S110:通过风力发电机组的机舱上的感应传感器采集叶轮上的若干个 标记块的每秒转动脉冲个数。
S120:根据每秒转动脉冲个数,确定叶轮转速信号。
通过叶轮状态检测系统上的感应传感器连续采集到因为叶轮转动产 生的转动脉冲,再将脉冲信号转化为叶轮转速信号。具体的计算方式如下:
公式3中rs表示叶轮转速,m表示标记块的个数,而n表示每秒钟 的转动脉冲个数,这里叶轮转速的单位是转/分钟。
可选的,在本申请第二个方面实施例的某些实现方式中,基于叶轮转 速信号和变流器转速信号之间的差异判断叶轮是否异常,如图6所示,包 括:
S210:确定出叶轮转速信号对应的频域特征数据,之后执行步骤S230。
S220:确定出变流器转速信号对应的转速频率。
S230:根据频域特征数据和转速频率之间的差异,确定叶轮是否异常。
将叶轮转速信号和变流器转速信号进行对比,能够根据二者的变化趋 势是否一致和/或差异度的大小,来判断叶轮正常与否。
可选的,结合上述实现方式,本申请实施例的一种实现方式中,S210: 确定出叶轮转速信号对应的频域特征数据,如图7所示,具体包括:
S211:将叶轮转速信号进行快速傅里叶变换,得到叶轮转速信号的多 个频域数据。
叶轮转速信号是一种时域信号,通过快速傅里叶变换,得到与之相对 应的频域信号,也即能够得到叶轮转速信号对应的频谱中的频率和振动幅 值。
S212:从叶轮转速信号的多个频域数据中,确定出振动幅值由大到小 的至少一个频域数据作为频域特征数据。
可选地,由于一段时间内的叶轮转速信号会对应有大量的频域数据, 从这些频域数据中确定出最大、次大以及再次大,如此等等的振动幅值的 频域数据,以表征这一段时间中叶轮的变化状态。当在风速恒定的理想状 态下,风速恒定时间段内的振动幅值为同样大小。
可选的,结合上述实现方式,在本申请实施例的一种具体的实施方式 中,S212:从叶轮转速信号的多个频域数据中,确定出振动幅值由大到小 的至少一个频域数据作为频域特征数据,如图8所示,包括:
S212a:从叶轮转速信号的多个频域数据中,确定出振动幅值最大的 频域数据,将频率与振动幅值最大的频域数据邻近的至少一个频域数据的 振动幅值设置为零。
S212b:在设定后的叶轮转速信号的多个频域数据中,确定出振动幅值次大的频域数据,将频率与振动幅值次大的频域数据邻近的至少一个频 域数据的振动幅值设置为零。
S212c:循环直至确定出的振动幅值由大到小的频域数据的数量达到 设定数量。
由于叶轮转速信号是一种具有周期性的信号,而随着风速的变化,某 一频率周围一定范围内很可能对应不同振动幅值大小的信号,然而实际上 这些可能是不同周期但属于同一大小的叶轮转速信号,这些信号会对数据 处理造成干扰,使得难以挑选到正确反映叶轮运动状态特征的叶轮转速信 号。因此,先找出叶轮转速信号经过转化后的对应的频谱图中最大振动幅值频域数据,将该最大振动幅值频域数据相邻的一定数量的频域数据的振动幅值设置为0,使其不参与接下来的振动幅值大小排列与挑选,如此, 就能够避免临近频率信号的干扰。
例如,先找出频谱图中振动幅值最大的A1,将A1左右10个领域内 的频域数据的振动幅值设置为0,在余下的频谱图中找到振动幅值最大的 频域数据A2,再将A2左右相邻10个领域内的频域数据的振动幅值设置 为0,继续在余下的频谱图中找到振动幅值最大的频域数据A3,依此类推, 直到找到若干个符合需求的频域数据。根据计算资源以及计算精确度的需 求,具体设置频域数据邻近的频域数据振动幅值为0的个数。
可选的,在本申请上述实施例的一种具体实施方式中,确定出变流器 转速信号对应的转速频率,包括:
根据变流器转速信号,确定预定时间段内的多个变流器转速,确定出 多个变流器转速的平均变流器转速。根据平均变流器转速,确定变流器转 速信号对应的转速频率。即,变流器的平均转速除以60得到的商,即为 变流器的转速频率,可采用如下公式计算:
公式4中,freqgs表示转速频率,gsk表示发电机的瞬时转速,n表示 60秒内瞬时转速的数据个数,转速频率的单位为转/s(转每秒)。
可选的,结合上述实现方式,在本申请实施例的一种实施方式中,频 域特征数据包括振动频率和振动幅值,以及,S200:根据频域特征数据和 转速频率之间的差异,确定叶轮是否异常,如图8所示,包括:
S200a:当变流器的转速处于稳定状态、且转速频率在预设频率区间 内时,确定振动幅值是否大于预设幅值阈值;预设频率区间是由频域特征 数据中的振动频率确定的。
S200b:当振动幅值大于预设幅值阈值时,确定叶轮状态异常,生成 叶轮异常信息。
本实施例中,首先判断变流器的转速是否稳定,也即判断风力发电机 是否处于较为混乱的大风环境中,如果是,则避免在此刻进行叶轮状态检 测,因为通常容易产生误判。如果变流器的转速稳定,则进一步判断该转 速对应的转速频率是否处于预设频率区间内,而该预设频率区间则根据叶 轮转速信号得到,也即由频域特征数据中的振动频率确定,更具体而言,是由频域特征数据中最大幅值对应的频率及分辨率确定的。当叶轮发生窜 动异常,通过上述的频域特征数据能够初步判断出来,但并不完全可靠, 还需要通过对振幅的判断进一步确认。因此当转速频率在预设频率区间内 时,就表明变流器同叶轮一样,反映出了一些风机运行异常,需要进一步 确认。
例如,若转速频率在叶轮转速频谱图中的振动幅值Ai对应的振动频 率Fi±ε的区间内,则幅值Ai对应的频率Fi即为跟转速一致的频率
Fi-ε<freqgs<Fi+ε………………(公式5)
公式5中,i可取1、2或3等数值,ε为频率Fi的误差范围,ε的 典型值可取0.03,ε的取值过大,会产生大量的状态误判,而取值过小, 则会导致异常信号的遗漏。如果Fi均不是跟转速频率一致的频率,也即 仅仅是叶轮上发生可能的窜动,但在变流器上并没有反映出异常,则很 可能叶轮上的窜动并不是因为叶轮本身的结构发生问题,后续步骤不需 要执行,即不进行系统异常与否的判断。
而如果转速频符合公式5表示的情形,则进一步对振动幅值大小进 行判断,设定振动幅值的阈值为bi,若叶轮的振动幅值Ai大于bi,即如 下公式6,其中bi的典型值可取0.2,则判断叶轮的运转状态存在异常。
Ai>bi………………(公式6);
公式6中,Ai对应的频率Fi满足公式5。换言之,i取1,2,3中的任 一值时,公式5和公式6若同时成立,则可判断叶轮系统存在异常,否 则不进行系统异常与否的判断。
可选的,基于叶轮转速信号与变流器转速信号之间的差异判断叶轮是 否异常的步骤之后,还包括:
若叶轮为异常状态,则生成与叶轮异常信息对应的预警信号;
或者,则生成和执行停机指令以控制风力发电机组停机。
也即,判断出叶轮的运行状态为异常状态后,则必须至少向有关人员 发出预警信号,告知有关人员叶轮存在异常,不可以继续运转,以避免造 成较大损失。或者可以直接采取停机的指令,使得风力发电机组直接停止 运转,直到有关人员对异常状态进行实际的检查确认,排除故障。
可选的,在一种对叶轮状态进行检测判断的实例中,可执行如下的完 整判断过程,如图9所示。首先对获取到的数据进行预处理,得到变流器 转速、叶轮转速等数据,然后判断变流器转速极差是否小于预设转速极差 阈值a,如果变流器转速极差大于或者等于a,则说明干扰较大,难以进 行准确判断,因此不做异常与否的判断。而当变流器转速稳定,则将变流 器转速转换为转速频率,与叶轮转速对应的频域图谱进行对比,其中频域 图谱是叶轮转速通过执行FFT变换得到。当转频符合振动频率以及振动幅值的设定要求,则说明系统存在异常,从而输出判断结果,通过发送预警 信号或者直接停机以结束叶轮状态检测的全过程。
本申请实施例的第三个方面中提供了一种风力发电机组的叶轮状态 检测装置,如图10所示,包括:获取模块11和确定模块12。
其中,获取模块11用于获取风力发电机组叶轮的叶轮转速信号和变 流器转速信号。确定模块12用于基于叶轮转速信号和变流器转速信号之 间的差异判断叶轮是否异常。
本申请提供的风力发电机组的叶轮状态检测装置通过叶轮转速信号 和变流器转速信号的比对处理,利用叶轮系统存在窜动或震颤的较早期失 效特征,并根据叶轮转速信号和变流器转速信号之间的差异,实现叶轮系 统的异常预警和健康状态监测。能够在叶轮系统出现破坏性故障之前判断 出叶轮系统的健康状态,从而指导风力发电现场中的维护人员对风力发电 机组进行预见性维护,提高风力发电机组的可靠性与使用效率
可选的,确定模块12基于叶轮转速信号和变流器转速信号之间的差 异判断叶轮是否异常的步骤之前,包括:根据变流器转速信号,确定变流 器的转速是否处于稳定状态。
可选的,确定模块12确定变流器的转速是否处于稳定状态的步骤, 包括:
确定多个变流器转速信号对应的多个变流器转速的离散度;
若离散度小于或等于预设离散度阈值,则确定变流器的转速处于稳定 状态。
可选的,确定模块12确定多个变流器转速信号对应的多个变流器转 速的离散度,包括:
确定多个变流器转速信号对应的多个变流器转速的转速极差和/或转 速变异系数。
可选的,确定模块12确定多个变流器转速信号对应的多个变流器转 速的转速极差,包括:从多个变流器转速中,确定出最大变流器转速和最 小变流器转速;根据最大变流器转速和最小变流器转速,确定转速极差。
可选的,确定模块确定多个变流器转速信号对应的多个变流器转速的 转速变异系数包括:确定出多个变流器转速的平均值和标准差;
根据平均值和标准差,确定转速变异系数。
可选的,确定模块12基于叶轮转速信号和变流器转速信号之间的差 异判断叶轮是否异常,包括:
确定出叶轮转速信号对应的频域特征数据;
确定出变流器转速信号对应的转速频率;
根据频域特征数据和转速频率之间的差异,确定叶轮是否异常。
可选的,确定模块12确定出叶轮转速信号对应的频域特征数据,包 括:
将叶轮转速信号进行快速傅里叶变换,得到叶轮转速信号的多个频域 数据;
从叶轮转速信号的多个频域数据中,确定出振动幅值由大到小的至少 一个频域数据作为频域特征数据。
可选的,确定模块12从叶轮转速信号的多个频域数据中,确定出振 动幅值由大到小的至少一个频域数据作为频域特征数据,包括:
从叶轮转速信号的多个频域数据中,确定出振动幅值最大的频域数据, 将频率与振动幅值最大的频域数据邻近的至少一个频域数据的振动幅值 设置为零;
在设定后的叶轮转速信号的多个频域数据中,确定出振动幅值次大的 频域数据,将频率与振动幅值次大的频域数据邻近的至少一个频域数据的 振动幅值设置为零;
循环直至确定出的振动幅值由大到小的频域数据的数量达到设定数 量。
可选的,确定模块12确定出变流器转速信号对应的转速频率,包括:
根据变流器转速信号,确定预定时间段内的多个变流器转速,确定出 多个变流器转速的平均变流器转速;
根据平均变流器转速,确定变流器转速信号对应的转速频率。
可选的,频域特征数据包括振动频率和振动幅值;以及,确定模块 12根据频域特征数据和转速频率之间的差异,确定叶轮是否异常,包括:
当变流器的转速处于稳定状态、且转速频率在预设频率区间内时,确 定振动幅值是否大于预设幅值阈值;预设频率区间是由频域特征数据中的 振动频率确定的;
当振动幅值大于预设幅值阈值时,确定叶轮状态异常,生成叶轮异常 信息。
可选的,获取模块11获取风力发电机组叶轮的叶轮转速信号的步骤, 包括:
通过风力发电机组的机舱上的感应传感器采集叶轮上的若干个标记 块的每秒转动脉冲个数;
根据每秒转动脉冲个数,确定叶轮转速信号。
可选的,确定模块12基于叶轮转速信号与变流器转速信号之间的差 异判断叶轮是否异常的步骤之后,还包括:
若叶轮为异常状态,则生成与叶轮异常信息对应的预警信号;
或者,则生成和执行停机指令以控制风力发电机组停机。
基于同一发明构思,本申请实施例提供了一种计算机可读存储介质, 计算机可读存储介质存储有至少一段程序,至少一段程序由处理器加载并 执行以实现如本申请实施例第二方面提供的任意一种风力发电机组的叶 轮状态检测方法。
本申请实施例提供了一种计算机可读存储介质,与现有技术相比,通 过执行本申请实施例提供的计算机可读存储介质存储的叶轮状态检测方 法,能够在叶轮系统出现破坏性故障之前判断出叶轮系统的健康状态,从 而指导风力发电现场中的维护人员对风力发电机组进行预见性维护,提高 风力发电机组的可靠性与使用效率
本技术领域技术人员可以理解,本申请中已经讨论过的各种操作、方 法、流程中的步骤、措施、方案可以被交替、更改、组合或删除。进一步 地,具有本申请中已经讨论过的各种操作、方法、流程中的其他步骤、措 施、方案也可以被交替、更改、重排、分解、组合或删除。进一步地,现 有技术中的具有与本申请中公开的各种操作、方法、流程中的步骤、措施、方案也可以被交替、更改、重排、分解、组合或删除。
术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示 相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、 “第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本申 请的描述中,除非另有说明,“多个”的含义是两个或两个以上。
在本说明书的描述中,具体特征、结构、材料或者特点可以在任何的 一个或多个实施例或示例中以合适的方式结合。
应该理解的是,虽然附图的流程图中的各个步骤按照箭头的指示依次 显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文 中有明确的说明,这些步骤的执行并没有严格的顺序限制,其可以以其他 的顺序执行。而且,附图的流程图中的至少一部分步骤可以包括多个子步 骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,其执行顺序也不必然是依次进行,而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替 地执行。
以上所述仅是本申请的部分实施方式,应当指出,对于本技术领域的 普通技术人员来说,在不脱离本申请原理的前提下,还可以做出若干改进 和润饰,这些改进和润饰也应视为本申请的保护范围。
Claims (16)
1.一种风力发电机组的叶轮状态检测方法,其特征在于,包括:
获取风力发电机组叶轮的叶轮转速信号和变流器转速信号;
确定多个变流器转速信号对应的多个变流器转速的离散度;
若所述离散度小于或等于预设离散度阈值,则确定所述变流器的转速处于稳定状态;
基于所述叶轮转速信号和所述变流器转速信号之间的差异判断叶轮是否异常。
2.根据权利要求1所述的叶轮状态检测方法,其特征在于,确定多个变流器转速信号对应的多个变流器转速的离散度,包括:
确定多个变流器转速信号对应的多个变流器转速的转速极差和/或转速变异系数。
3.根据权利要求2所述的叶轮状态检测方法,其特征在于,所述确定多个变流器转速信号对应的多个变流器转速的转速极差,包括:从多个所述变流器转速中,确定出最大变流器转速和最小变流器转速;根据所述最大变流器转速和最小变流器转速,确定所述转速极差。
4.根据权利要求2所述的叶轮状态检测方法,其特征在于,所述确定多个变流器转速信号对应的多个变流器转速的转速变异系数包括:确定出多个所述变流器转速的平均值和标准差;
根据所述平均值和所述标准差,确定所述转速变异系数。
5.根据权利要求1所述的叶轮状态检测方法,其特征在于,所述基于所述叶轮转速信号和所述变流器转速信号之间的差异判断叶轮是否异常,包括:
确定出所述叶轮转速信号对应的频域特征数据;
确定出所述变流器转速信号对应的转速频率;
根据所述频域特征数据和所述转速频率之间的差异,确定所述叶轮是否异常。
6.根据权利要求5所述的叶轮状态检测方法,其特征在于,所述确定出所述叶轮转速信号对应的频域特征数据,包括:
将所述叶轮转速信号进行快速傅里叶变换,得到所述叶轮转速信号的多个频域数据;
从所述叶轮转速信号的多个频域数据中,确定出振动幅值由大到小的至少一个频域数据作为所述频域特征数据。
7.根据权利要求6所述的叶轮状态检测方法,其特征在于,所述从所述叶轮转速信号的多个频域数据中,确定出所述振动幅值由大到小的至少一个频域数据作为所述频域特征数据,包括:
从所述叶轮转速信号的多个频域数据中,确定出所述振动幅值最大的频域数据,将频率与所述振动幅值最大的所述频域数据邻近的至少一个频域数据的振动幅值设置为零;
在设定后的所述叶轮转速信号的多个频域数据中,确定出所述振动幅值次大的频域数据,将频率与所述振动幅值次大的所述频域数据邻近的至少一个频域数据的振动幅值设置为零;
循环直至确定出的所述振动幅值由大到小的频域数据的数量达到设定数量。
8.根据权利要求5所述的叶轮状态检测方法,其特征在于,所述确定出所述变流器转速信号对应的转速频率,包括:
根据所述变流器转速信号,确定预定时间段内的多个变流器转速,确定出多个所述变流器转速的平均变流器转速;
根据所述平均变流器转速,确定所述变流器转速信号对应的转速频率。
9.根据权利要求5所述的叶轮状态检测方法,其特征在于,所述频域特征数据包括振动频率和振动幅值;
以及,所述根据所述频域特征数据和所述转速频率之间的差异,确定所述叶轮是否异常,包括:
当所述变流器的转速处于稳定状态、且所述转速频率在预设频率区间内时,确定所述振动幅值是否大于预设幅值阈值;所述预设频率区间是由所述频域特征数据中的所述振动频率确定的;
当所述振动幅值大于预设幅值阈值时,确定所述叶轮状态异常,生成叶轮异常信息。
10.根据权利要求1所述的叶轮状态检测方法,其特征在于,所述获取风力发电机组叶轮的叶轮转速信号的步骤,包括:
通过所述风力发电机组的机舱上的感应传感器采集所述叶轮上的若干个标记块的每秒转动脉冲个数;
根据所述每秒转动脉冲个数,确定所述叶轮转速信号。
11.根据权利要求1所述的叶轮状态检测方法,其特征在于,所述基于所述叶轮转速信号与变流器转速信号之间的差异判断叶轮是否异常的步骤之后,还包括:
若所述叶轮为异常状态,则生成与所述叶轮异常信息对应的预警信号;
或者,则生成和执行停机指令以控制所述风力发电机组停机。
12.一种风力发电机组的叶轮状态检测装置,其特征在于,包括:
获取模块,用于获取风力发电机组叶轮的叶轮转速信号和变流器转速信号;
确定模块,用于确定多个变流器转速信号对应的多个变流器转速的离散度;若所述离散度小于或等于预设离散度阈值,则确定所述变流器的转速处于稳定状态;基于所述叶轮转速信号和所述变流器转速信号之间的差异判断叶轮是否异常。
13.一种风力发电机组的叶轮状态检测系统,其特征在于,包括:
处理器;
存储器,与所述处理器电连接;
采集脉冲信号的第一采集装置、采集变流器运行参数的第二采集装置,所述第一采集装置和所述第二采集装置分别与所述处理器通信连接;
至少一个程序,被存储在所述存储器中并被配置为由所述处理器执行,所述至少一个程序被配置用于:实现如权利要求1~11中任一项所述的风力发电机组的叶轮状态检测方法。
14.根据权利要求13所述的叶轮状态检测系统,其特征在于,所述第一采集装置为感应传感器;
所述感应传感器设置在所述风力发电机组的机舱上,用于获取所述风力发电机组的叶轮上若干标记块的每秒转动脉冲个数。
15.根据权利要求14所述的叶轮状态检测系统,其特征在于,所述标记块为所述叶轮上的安装螺栓。
16.一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至少一段程序,所述至少一段程序由处理器加载并执行以实现如权利要求1~11中任一项所述的风力发电机组的叶轮状态检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010567926.4A CN113819011B (zh) | 2020-06-19 | 2020-06-19 | 风力发电机组的叶轮状态检测方法、装置及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010567926.4A CN113819011B (zh) | 2020-06-19 | 2020-06-19 | 风力发电机组的叶轮状态检测方法、装置及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113819011A CN113819011A (zh) | 2021-12-21 |
CN113819011B true CN113819011B (zh) | 2023-05-16 |
Family
ID=78912113
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010567926.4A Active CN113819011B (zh) | 2020-06-19 | 2020-06-19 | 风力发电机组的叶轮状态检测方法、装置及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113819011B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20240016353A (ko) * | 2022-01-30 | 2024-02-06 | 골드윈드 사이언스 앤 테크놀로지 컴퍼니 리미티드 | 풍력 발전기용 검출 방법 및 관련 기기 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105743118B (zh) * | 2014-12-10 | 2018-09-25 | 南车株洲电力机车研究所有限公司 | 变流器系统及其控制方法 |
DE102014225637A1 (de) * | 2014-12-12 | 2016-06-30 | Robert Bosch Gmbh | Verfahren und Vorrichtung zum Überwachen einer Windenergieanlage |
CN105179179B (zh) * | 2015-07-15 | 2018-09-04 | 北京汉能华科技股份有限公司 | 一种风力发电机组的全状态监测方法和系统 |
CN107013421B (zh) * | 2017-06-12 | 2023-11-14 | 国电联合动力技术有限公司 | 一种风力发电机组叶轮转速测量方法及系统 |
CN107559153A (zh) * | 2017-08-07 | 2018-01-09 | 浙江运达风电股份有限公司 | 一种双馈风电机组叶轮不平衡检测系统 |
EP3505754A1 (en) * | 2018-01-02 | 2019-07-03 | Siemens Gamesa Renewable Energy A/S | Detection of oscillating movement of a wind turbine |
CN110925137A (zh) * | 2019-12-13 | 2020-03-27 | 北京三力新能科技有限公司 | 一种大型风电机组出现叶片卡死故障的停机顺桨方法 |
-
2020
- 2020-06-19 CN CN202010567926.4A patent/CN113819011B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN113819011A (zh) | 2021-12-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108780025B (zh) | 状态监视系统和风力发电装置 | |
EP2743669B1 (en) | Fault detection system and associated method | |
US9645046B2 (en) | Fault detection system and associated method | |
US6774601B2 (en) | System and method for predicting mechanical failures in machinery driven by an induction motor | |
EP2665925B1 (en) | A method for diagnostic monitoring of a wind turbine generator system | |
JP2018179735A (ja) | 回転部品の異常診断方法及び異常診断装置 | |
US10895873B2 (en) | Machine health monitoring of rotating machinery | |
CN111247442A (zh) | 异常诊断装置、异常诊断方法及异常诊断系统 | |
US20220260985A1 (en) | System and method for automated failure mode detection of rotating machinery | |
CA2768566C (en) | Method and system of a sensor interface having dynamic automatic gain control | |
WO2018158910A1 (ja) | 診断装置および診断方法 | |
CN114216640A (zh) | 用于检测工业设备故障状态的方法、设备和介质 | |
CN113819011B (zh) | 风力发电机组的叶轮状态检测方法、装置及系统 | |
DK2492694T3 (en) | A method and system for a sensor interface having a dynamic automatic gain control depending on the speed | |
KR102226971B1 (ko) | 복합 조건을 고려한 진동 기반 고장 진단 방법 및 이러한 방법을 수행하는 장치 | |
JP2017207435A (ja) | 異常診断方法 | |
JP2017181500A (ja) | 状態監視システムおよび風力発電装置 | |
CN111811845B (zh) | 诊断装置 | |
EP4239187A1 (en) | Method and device for identifying a dominant mode during operation of a wind turbine | |
JP3103193B2 (ja) | 回転機械の診断装置 | |
JP2019128179A (ja) | 振動センサの脱落検知方法及び異常診断装置 | |
Alekseev et al. | Data measurement system of compressor units defect diagnosis by vibration value | |
JP6962261B2 (ja) | 機械装置の異常診断方法及び異常診断装置 | |
CN117146980A (zh) | 直驱式永磁风力发电机定子绕组温度的测量方法及装置 | |
JP6619908B1 (ja) | 診断装置、診断方法および診断プログラム |
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 |