CN113887108A - 一种大型风电机组轮毂疲劳寿命预测方法 - Google Patents

一种大型风电机组轮毂疲劳寿命预测方法 Download PDF

Info

Publication number
CN113887108A
CN113887108A CN202111218838.4A CN202111218838A CN113887108A CN 113887108 A CN113887108 A CN 113887108A CN 202111218838 A CN202111218838 A CN 202111218838A CN 113887108 A CN113887108 A CN 113887108A
Authority
CN
China
Prior art keywords
hub
fatigue
wind turbine
fatigue life
turbine generator
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.)
Pending
Application number
CN202111218838.4A
Other languages
English (en)
Inventor
李颖峰
韩斌
罗涛
赵勇
王新
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.)
Xian Thermal Power Research Institute Co Ltd
Original Assignee
Xian Thermal Power Research Institute 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 Xian Thermal Power Research Institute Co Ltd filed Critical Xian Thermal Power Research Institute Co Ltd
Priority to CN202111218838.4A priority Critical patent/CN113887108A/zh
Publication of CN113887108A publication Critical patent/CN113887108A/zh
Pending legal-status Critical Current

Links

Images

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
    • G06F30/23—Design optimisation, verification or simulation using finite element methods [FEM] or finite difference methods [FDM]
    • 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
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • 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—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply
    • 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
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/02—Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]
    • 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
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Economics (AREA)
  • Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • General Physics & Mathematics (AREA)
  • Marketing (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Health & Medical Sciences (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • Wind Motors (AREA)

Abstract

一种大型风电机组轮毂疲劳寿命预测方法，步骤为：利用有限元来计算轮毂疲劳损伤，建立有限元分析模型，通过疲劳软件计算得到轮毂疲劳损伤值D；应用疲劳载荷分量谱和单位载荷分量有限元静强度计算结果，进行线性插值和通道合并处理，得到应力谱；根据应力谱设置S－N曲线，通过S‑N曲线数据，评估风电机组轮毂的疲劳寿命，做出不同的响应；本发明对电机组轮毂的疲劳寿命状态和可靠性进行实时的评估，在电机组轮毂零部件达到安全使用寿命的极限之前对用户进行预测，提醒用户更换零件或者维修，该方法和系统是以疲劳寿命分析和可靠性分析为基础，融入了危险理论的模型，实现了疲劳寿命状态的实时预测。

Description

一种大型风电机组轮毂疲劳寿命预测方法
技术领域
本发明涉及轮毂疲劳寿命预测技术领域,尤其涉及一种大型风电机组轮毂疲劳寿命预测方法。
背景技术
多轴疲劳是指多向应力或应变作用下的疲劳，也称复合疲劳。在多轴疲劳研究中，目前多数做法是将多轴疲劳损伤等效成单轴损伤的形式，然后再应用单轴疲劳理论来计算复杂的多轴疲劳问题。按照这种思路，提出了常见的基于单轴疲劳理论的经验或半经验的多轴疲劳损伤模型，并根据具体的载荷情况确定合适的多轴疲劳损伤参数和模型，对承受复杂载荷工况的机械零部件的设计具有理论和实际意义。
风力发电机组大型铸件承受复杂的多轴比例与多轴非比例交互循环载荷的作用，例如：轮毂、机架、主轴承座等。其中轮毂最具有代表性，它直接与叶片相连接，其主要功能是将叶片产生的空气动力载荷传递给主轴和齿轮箱，最终使发电机发电。该零件还必须满足与机组相同的20年的使用寿命，是风电机组可靠性要求最高的关键部件之一。关于轮毂，由于直接承受最复杂的风力载荷，遭受周期性载荷和随机性载荷的综合作用，载荷具有复杂性；从结构方面看，对于现代的兆瓦级大型风电机组，需要安装3根长度超过40m、质量接近10t的叶片，还需要安装很多其他附件，具有结构的复杂性；再从工艺方面看，现代风电机组的轮毂一般是质量超过10t、外形尺寸接近4m的大型铸件，加上结构的复杂性就决定了其铸造工艺的复杂性，因此对于风电机组轮毂疲劳寿命的预测尤为重要。
发明内容
为了克服现有技术存在的缺点与不足,本发明的目的在于提供一种大型风电机组轮毂疲劳寿命预测方法，以疲劳寿命分析和可靠性分析为基础，融入了危险理论的模型，利用有限元来计算轮毂疲劳损伤，实现了疲劳寿命状态的实时预测。
为了达到上述目的，本发明的技术方案为：
一种大型风电机组轮毂疲劳寿命预测方法，包括以下步骤：
(1)利用有限元来计算轮毂疲劳损伤，建立有限元分析模型
在风力发电机叶根处建立叶根坐标系，在叶根中心建立节点并转换到对应叶根坐标系下，在各叶根节点上施加各叶根坐标系下各自由度方向上的单位载荷。
(2)疲劳载荷分析及单位载荷计算
叶片的叶根承受叶根坐标系下的力和力矩各个方向的载荷，应用单位载荷计算轮毂的应力结果，然后将其导入疲劳分析软件Fatigue，通过疲劳软件计算得到轮毂疲劳损伤值D。
(3)疲劳应力谱
应用疲劳载荷分量谱和单位载荷分量有限元静强度计算结果，进行线性插值和通道合并处理，得到应力谱，具体公式为：
Figure BDA0003311779690000021
式中：σij(t)是应力谱，k是载荷分量数，Pk(t)是载荷分量谱，σij,k,static是单位载荷分量静强度计算应力，Sf,k，Of,k，Df,k分别是比例因子、平移因子、缩放因子。
(4)S－N曲线设置
根据应力谱设置S－N曲线，S－N曲线的第1段曲线方程为：N＝ND(Δσ*A/Δσ)m，第2段方程为：N＝ND(Δσ*A/Δσ)2m-1。
(5)通过S-N曲线数据，评估风电机组轮毂的疲劳寿命
通过S-N曲线数据，划分危险区间情况：第一危险区间、第二危险区间、第三危险区间、正常工况；根据不同的危险区间做出不同的响应。
所述的四个危险区间有三个不同的响应，具体为：
1)
Figure BDA0003311779690000031
或
Figure BDA0003311779690000032
时，系统判定风电机组轮毂疲劳寿命状态位于第一危险区间，发出红色警报信号，并提醒用户及时的停机维修后者更换零部件；
2)当
Figure BDA0003311779690000033
或
Figure BDA0003311779690000034
时，风电机组轮毂的疲劳寿命状态位于第二危险区间，当
Figure BDA0003311779690000035
或
Figure BDA0003311779690000036
时，系统位于第三危险区间，当风电机组轮毂的疲劳寿命状态位于第二、第三危险区间的时候，系统会发出黄色警报信号，在继续下一轮的疲劳寿命状态判定的同时，会根据系统其他的板块对风电机组轮毂的运行状态进行进一步的判定，通过风电机组轮毂的振动、噪声、温度信息，如果判定风电机组轮毂处于异常的工作状态，则发出红色警报信号，提醒用户及时的维修，如果处于正常状态，则进行下一轮的判定；
3)当
Figure BDA0003311779690000037
或者
Figure BDA0003311779690000038
时，系统处于正常的工作状态，疲劳寿命预测系统对此状态耐受。
本发明的有益效果：
本发明对电机组轮毂的疲劳寿命状态和可靠性进行实时的评估，在电机组轮毂零部件达到安全使用寿命的极限之前对用户进行预测，提醒用户更换零件或者维修，该方法和系统是以疲劳寿命分析和可靠性分析为基础，融入了危险理论的模型，实现了疲劳寿命状态的实时预测。
附图说明
图1为本发明步骤(1)-(4)的流程图。
图2为本发明步骤(1)的评估预测流程图。
具体实施方式
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互结合,下面结合附图和有具体实施例对本申请作进一步详细说明。
如图1所示,一种大型风电机组轮毂疲劳寿命预测方法，包括以下步骤：
(1)利用有限元来计算轮毂疲劳损伤，建立有限元分析模型
在风力发电机3个叶根处建立叶根坐标系，在叶根中心建立节点并转换到对应叶根坐标系下，在各叶根节点上施加各叶根坐标系下各自由度方向上的单位载荷。
(2)疲劳载荷分析及单位载荷计算
疲劳载荷分析及单位载荷计算，3个叶片的叶根承受叶根坐标系下的力和力矩各3个方向的载荷，总共18个载荷分量，叶根坐标系下的Mx与Fy间、My与Fx间的比值接近常数，在施加疲劳载荷时，Fx与Fy不再单独施加，根据两者与My和Mx间的比值关系与My和Mx同时施加；应用单位载荷计算轮毂的应力结果，然后将其导入疲劳分析软件Fatigue，通过疲劳软件计算得到轮毂疲劳损伤值。
(3)疲劳应力谱
应用疲劳载荷分量谱和单位载荷分量有限元静强度计算结果，进行线性插值和通道合并处理，得到应力谱，具体公式为：
Figure BDA0003311779690000051
式中σij(t)是应力谱，k是载荷分量数，Pk(t)是载荷分量谱，σij,k,static是单位载荷分量静强度计算应力，Sf,k，Of,k，Df,k分别是比例因子、平移因子、缩放因子。
(4)S－N曲线设置
根据应力谱设置S－N曲线，S－N曲线的第1段曲线方程为：N＝ND(Δσ*A/Δσ)m，第2段方程为：N＝ND(Δσ*A/Δσ)2m-1。
(5)通过S-N曲线数据，评估风电机组轮毂的疲劳寿命
通过S-N曲线数据，划分危险区间情况：第一危险区间、第二危险区间、第三危险区间、正常工况；根据不同的危险区间做出不同的响应。
通过信号采集得到风电机组轮毂的应力-应变数据，系统信号处理系统的处理得到载荷谱，通过载荷谱和零件的S-N曲线数据，评估风电机组轮毂的疲劳寿命；由累积损伤的增长率、分布，通过可靠性的累积损伤模型和疲劳寿命的模型估算零件的可靠度；首先根据实际工作情况下风电机组轮毂受到的平均最大应力和设计许用应力的大小，划分了两个不同的判断流程：使用寿命和许用寿命的比较、实际寿命和许用寿命的比较；根据寿命条件的判定情况，结合可靠度给出危险区间的划分情况：第一危险区间、第二危险区间、第三危险区间、正常工况，然后系统根据不同的危险区间做出不同的响应。
如图2所示，所述的四个危险区间有三个不同的响应，具体为：
1)
Figure BDA0003311779690000061
或
Figure BDA0003311779690000062
时，系统判定风电机组轮毂疲劳寿命状态位于第一危险区间，发出红色警报信号，并提醒用户及时的停机维修后者更换零部件；
2)当
Figure BDA0003311779690000063
或
Figure BDA0003311779690000064
时，风电机组轮毂的疲劳寿命状态位于第二危险区间，当
Figure BDA0003311779690000065
或
Figure BDA0003311779690000066
时，系统位于第三危险区间，当风电机组轮毂的疲劳寿命状态位于第二、第三危险区间的时候，系统会发出黄色警报信号，在继续下一轮的疲劳寿命状态判定的同时，会根据系统其他的板块对风电机组轮毂的运行状态进行进一步的判定，通过风电机组轮毂的振动、噪声、温度信息，如果判定风电机组轮毂处于异常的工作状态，则发出红色警报信号，提醒用户及时的维修，如果处于正常状态，则进行下一轮的判定；
3)当
Figure BDA0003311779690000067
或者
Figure BDA0003311779690000068
时，系统处于正常的工作状态，疲劳寿命预测系统对此状态耐受。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解的是,在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种等效的变化、修改、替换和变型,本发明的范围由所附权利要求及其等同范围限定。

Claims (2)

1.一种大型风电机组轮毂疲劳寿命预测方法，其特征在于，包括以下步骤：
(1)利用有限元来计算轮毂疲劳损伤，建立有限元分析模型
在风力发电机叶根处建立叶根坐标系，在叶根中心建立节点并转换到对应叶根坐标系下，在各叶根节点上施加各叶根坐标系下各自由度方向上的单位载荷；
(2)疲劳载荷分析及单位载荷计算
叶片的叶根承受叶根坐标系下的力和力矩各方向的载荷，应用单位载荷计算轮毂的应力结果，然后将其导入疲劳分析软件Fatigue，通过疲劳软件计算得到轮毂疲劳损伤值D；
(3)疲劳应力谱
应用疲劳载荷分量谱和单位载荷分量有限元静强度计算结果，进行线性插值和通道合并处理，得到应力谱，具体公式为：
Figure FDA0003311779680000011
式中：σij(t)是应力谱，k是载荷分量数，Pk(t)是载荷分量谱，σij,k,static是单位载荷分量静强度计算应力，Sf,k，Of,k，Df,k分别是比例因子、平移因子、缩放因子；
(4)S－N曲线设置
根据应力谱设置S－N曲线，S－N曲线的第1段曲线方程为：N＝ND(Δσ*A/Δσ)m，第2段方程为：N＝ND(Δσ*A/Δσ)2m-1；
(5)通过S-N曲线数据，评估风电机组轮毂的疲劳寿命
通过S-N曲线数据，划分危险区间情况：第一危险区间、第二危险区间、第三危险区间、正常工况；根据不同的危险区间做出不同的响应。
2.根据权利要求1所述的一种大型风电机组轮毂疲劳寿命预测方法，其特征在于，所述的四个危险区间有三个不同的响应，具体为：
1)
Figure FDA0003311779680000021
或
Figure FDA0003311779680000022
时，系统判定风电机组轮毂疲劳寿命状态位于第一危险区间，发出红色警报信号，并提醒用户及时的停机维修后者更换零部件；
2)当
Figure FDA0003311779680000023
或
Figure FDA0003311779680000024
时，风电机组轮毂的疲劳寿命状态位于第二危险区间，当
Figure FDA0003311779680000025
或
Figure FDA0003311779680000026
时，系统位于第三危险区间，当风电机组轮毂的疲劳寿命状态位于第二、第三危险区间的时候，系统会发出黄色警报信号，在继续下一轮的疲劳寿命状态判定的同时，会根据系统其他的板块对风电机组轮毂的运行状态进行进一步的判定，通过风电机组轮毂的振动、噪声、温度信息，如果判定风电机组轮毂处于异常的工作状态，则发出红色警报信号，提醒用户及时的维修，如果处于正常状态，则进行下一轮的判定；
3)当
Figure FDA0003311779680000027
或者
Figure FDA0003311779680000028
时，系统处于正常的工作状态，疲劳寿命预测系统对此状态耐受。
CN202111218838.4A 2021-10-20 2021-10-20 一种大型风电机组轮毂疲劳寿命预测方法 Pending CN113887108A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111218838.4A CN113887108A (zh) 2021-10-20 2021-10-20 一种大型风电机组轮毂疲劳寿命预测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111218838.4A CN113887108A (zh) 2021-10-20 2021-10-20 一种大型风电机组轮毂疲劳寿命预测方法

Publications (1)

Publication Number Publication Date
CN113887108A true CN113887108A (zh) 2022-01-04

Family

ID=79003774

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111218838.4A Pending CN113887108A (zh) 2021-10-20 2021-10-20 一种大型风电机组轮毂疲劳寿命预测方法

Country Status (1)

Country Link
CN (1) CN113887108A (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090211366A1 (en) * 2003-05-12 2009-08-27 Nihon University Fatigue life estimating method for spot welded structure
CN103616179A (zh) * 2013-12-05 2014-03-05 广西大学 一种基于缺陷建模的传动齿轮疲劳寿命评估方法
CN104573172A (zh) * 2014-11-19 2015-04-29 新疆金风科技股份有限公司 风力发电机组中的结构件的疲劳分析方法和疲劳分析装置
CN109033709A (zh) * 2018-08-30 2018-12-18 电子科技大学 基于非线性疲劳损伤累积理论的构件疲劳寿命评估方法
CN109614640A (zh) * 2018-10-30 2019-04-12 中国电力科学研究院有限公司 一种大型风电机组轮毂疲劳寿命预测方法及系统
CN109726414A (zh) * 2017-10-30 2019-05-07 北京万源工业有限公司 一种风力发电机轮毂结构疲劳计算方法及疲劳分析装置

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090211366A1 (en) * 2003-05-12 2009-08-27 Nihon University Fatigue life estimating method for spot welded structure
CN103616179A (zh) * 2013-12-05 2014-03-05 广西大学 一种基于缺陷建模的传动齿轮疲劳寿命评估方法
CN104573172A (zh) * 2014-11-19 2015-04-29 新疆金风科技股份有限公司 风力发电机组中的结构件的疲劳分析方法和疲劳分析装置
CN109726414A (zh) * 2017-10-30 2019-05-07 北京万源工业有限公司 一种风力发电机轮毂结构疲劳计算方法及疲劳分析装置
CN109033709A (zh) * 2018-08-30 2018-12-18 电子科技大学 基于非线性疲劳损伤累积理论的构件疲劳寿命评估方法
CN109614640A (zh) * 2018-10-30 2019-04-12 中国电力科学研究院有限公司 一种大型风电机组轮毂疲劳寿命预测方法及系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
晏红文;田红旗;钟杰;吕杏梅;杨兆忠;: "风力发电机组大型铸件多轴疲劳计算", 机械设计, no. 09, 20 September 2015 (2015-09-20), pages 92 - 95 *

Similar Documents

Publication Publication Date Title
CN106815771B (zh) 一种风电场载荷的长期评估方法
KR101706508B1 (ko) 풍력 발전기의 피로 해석 및 등가하중 해석 시스템
CN104131950B (zh) 一种风电机组温度特征量的阈值分区确定方法
CN103150473A (zh) 一种风电机组发电效率实时监控诊断方法及装置
CN106650982A (zh) 一种基于多点nwp的深度学习功率预测方法
CN109543258B (zh) 一种基于模态叠加法的风电机组塔架应力状态计算方法
CN110080921B (zh) 一种抽水蓄能电站主进水阀在线监测评估方法和系统
CN107947228B (zh) 基于Markov理论的含风电电力系统随机稳定性分析方法
CN105065212A (zh) 一种风电场风电机组校验方法及系统
CN111878322B (zh) 风力发电机装置
CN106286151B (zh) 一种风电机组低速轴扭转载荷监测方法及载荷分析方法
CN109583075A (zh) 基于温度参数预测的永磁直驱风力机服役质量评价方法
CN113374652A (zh) 一种风力发电机组寿命评估方法
CN107036808A (zh) 基于支持向量机概率估计的风电机组齿轮箱复合故障诊断方法
CN109798226B (zh) 一种风电机组塔筒载荷预测方法和系统
CN103699804B (zh) 一种实时监测风电机组运行时的功率出力偏差的方法
CN105023099A (zh) 一种考虑湍流强度的风力发电机出力评估方法
GB2555010B (en) Determining loads on a wind turbine
CN114169718A (zh) 一种基于风电机组状态评估提高机组可靠性的方法
CN112283047B (zh) 一种基于风电机组净空监测的载荷监控方法及系统
CN113887108A (zh) 一种大型风电机组轮毂疲劳寿命预测方法
CN114320773B (zh) 一种基于功率曲线分析与神经网络的风电机组故障预警方法
Bechhoefer et al. Condition monitoring architecture: To reduce total cost of ownership
Shi et al. Research on fault classification of wind turbine based on IMF kurtosis and PSO-SOM-LVQ
CN113722977B (zh) 一种基于混合预测的燃气轮机转子故障预警方法

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