CN113915077B - 光纤光栅式风电机组变桨法兰、叶片智能诊断方法及系统 - Google Patents
光纤光栅式风电机组变桨法兰、叶片智能诊断方法及系统 Download PDFInfo
- Publication number
- CN113915077B CN113915077B CN202111421314.5A CN202111421314A CN113915077B CN 113915077 B CN113915077 B CN 113915077B CN 202111421314 A CN202111421314 A CN 202111421314A CN 113915077 B CN113915077 B CN 113915077B
- Authority
- CN
- China
- Prior art keywords
- blade
- calculating
- value
- index
- monitoring data
- 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
- 239000000835 fiber Substances 0.000 title claims abstract description 56
- 238000003745 diagnosis Methods 0.000 title claims abstract description 44
- 238000000034 method Methods 0.000 title claims abstract description 18
- 238000012544 monitoring process Methods 0.000 claims abstract description 58
- 238000006073 displacement reaction Methods 0.000 claims abstract description 17
- 230000006378 damage Effects 0.000 claims description 39
- 238000000605 extraction Methods 0.000 claims description 14
- 238000013461 design Methods 0.000 claims description 13
- 238000001228 spectrum Methods 0.000 claims description 7
- 230000001939 inductive effect Effects 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 abstract description 6
- 238000005070 sampling Methods 0.000 description 11
- 238000010248 power generation Methods 0.000 description 7
- 238000001514 detection method Methods 0.000 description 4
- 239000000284 extract Substances 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000012423 maintenance Methods 0.000 description 3
- 230000007797 corrosion Effects 0.000 description 2
- 238000005260 corrosion Methods 0.000 description 2
- 230000007547 defect Effects 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
- 238000011160 research Methods 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 150000003839 salts Chemical class 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 230000000007 visual effect 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
-
- 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)
Abstract
本发明提供了一种光纤光栅式风电机组变桨法兰、叶片智能诊断方法及系统。该方法包括:获取叶片的应力监测数据及变桨法兰的位移监测数据;根据获取到的应力监测数据对叶片进行故障诊断;对位移监测数据进行螺栓装填监测,判断当前变桨法兰螺栓是否出现松动或者断裂。本发明提供的光纤光栅式风电机组变桨法兰、叶片智能诊断方法及系统能够解决基于光纤光栅传感技术的变桨法兰、叶片故障诊断系统因故障诊断机理不明导致无法鉴别变桨法兰、叶片故障等难题。
Description
技术领域
本发明涉及风力发电技术领域,特别是涉及一种光纤光栅式风电机组变桨法兰、叶片智能诊断方法及系统。
背景技术
随着国家“双碳”目标的提出,各发电企业对新能源供电稳定性的要求越来越高,尤其是风力发电领域。然而,风力发电机作为将风能转化为电能的重要设备,其运行稳定性及安全性是保证电力稳定供给的关键。其中,风电机组变桨法兰螺栓作为机组叶片的重要连接件,不可避免的出现松动等异常,并且受风沙、雨水、台风、盐蚀等恶劣气候条件影响,叶片也会出现不平衡、损伤等故障,这类故障早期均可“带病”运行。但是,机组在长期运行过程中,这些故障会不断发展扩散,若不加以处理,将导致机组无法正常运行,甚至对机组产生严重危害,极大影响发电效率及经济社会收益。
目前,对于风电机组叶片、变桨法兰螺栓等诊断多基于叶片目视法检测、无损检测、定期维护等定期点巡检手段,这类手段虽可有效辨别机组变桨法兰螺栓缺陷、叶片点蚀及裂缝等严重缺陷,但是检测周期长、耗费人力及物理成本高,且无法在故障形成的早期对其监测维护及处理。基于此,市面上出现较多在线监测系统对其监测诊断,保证风电机组安全稳定运行,比较常见的为叶片振动故障诊断系统、光纤光栅传感原理的故障诊断系统等,但是由于目前对变桨法兰、叶片故障机理研究的限制,在故障机理研究尚未突破前,这类产品的实用性将大打折扣,加之投入产出比低下,导致工程应用不广泛。最近,学者及工程师们发现由光纤光栅传感技术发展而来的叶片故障诊断系统体积小、质量轻、成本低、传输便捷、数据构成简单、便于分析等一系列优点,逐渐成为炙手可热的研究对象。但是,目前基于光纤光栅传感原理的叶片故障诊断系统同样被变桨法兰、叶片故障发生机理不明确、故障损毁判定不清晰所困扰。
发明内容
本发明要解决的技术问题是提供一种光纤光栅式风电机组变桨法兰、叶片智能诊断方法及系统,能够解决基于光纤光栅传感技术的变桨法兰、叶片故障诊断系统因故障诊断机理不明导致无法鉴别变桨法兰、叶片故障等难题。
为解决上述技术问题,本发明提供了一种光纤光栅式风电机组变桨法兰、叶片智能诊断方法,所述方法包括:获取叶片的应力监测数据及变桨法兰的位移监测数据;根据获取到的应力监测数据对叶片进行故障诊断;对位移监测数据进行螺栓装填监测,判断当前变桨法兰螺栓是否出现松动或者断裂。
在一些实施方式中,根据获取到的应力监测数据对叶片进行故障诊断,包括:根据应力监测数据,执行叶片气动不平衡指标提取;根据应力监测数据,执行叶片质量不平衡指标提取;根据应力监测数据,执行叶片损伤鉴定。
在一些实施方式中,根据应力监测数据,执行叶片气动不平衡指标提取,包括:对三只叶片90°、270°方向的光纤光栅应变传感数据进行计算,进行叶片启动不平衡指标提取。
在一些实施方式中,对三只叶片90°、270°方向的光纤光栅应变传感数据进行计算,进行叶片启动不平衡指标提取,包括:计算一个方向的气动不平衡指标;计算另一方向的气动不平衡指标;对两个方向的气动不平衡指标取算术平均;将算术平均与气动不平衡指标越限阈值进行比较,判断叶片是否存在气动不平衡。
在一些实施方式中,计算一个方向的气动不平衡指标,包括:获取三只叶片某一方向光纤光栅应变传感数据;对光纤光栅应变传感数据取均方根值;对三只叶片的均方根值计算平均值,并根据平均值计算该方向的气动不平衡指标。
在一些实施方式中,对三只叶片90°、270°方向的光纤光栅应变传感数据进行计算,进行叶片启动不平衡指标提取,还包括:根据历史运行数据,统计归纳叶片气动不平衡指标越限阈值。
在一些实施方式中,根据应力监测数据,执行叶片质量不平衡指标提取,包括:获取三只叶片某一方向光纤光栅应变传感数据;计算光纤光栅应变传感数据的均方根值;计算均方根值的平均值,并提取叶片质量不平衡指标;计算另一方向叶片质量不平衡指标;对两个方向叶片质量不平衡指标取算术平均;根据历史运行数据,计算一段时间内的叶片质量不平衡的最大值的平均值,认为该指标即为叶片质量不平衡指标越限阈值;将算术平均与叶片质量不平衡指标越限阈值进行比较,判断是否存在叶片质量不平衡。
在一些实施方式中,根据应力监测数据,执行叶片损伤鉴定,包括:获取三只叶片光纤光栅某一方向应变传感数据;对应变传感数据进行快速傅里叶变换,得到三只叶片监测数据的频谱;根据风电机组叶片损伤发生机理,分别计算0.5-1Hz叶片频谱能量总值,该能量定义为叶片损伤总畸变;计算另一方向的叶片损伤总畸变;根据历史运行数据,计算一段时间内的叶片损伤总畸变的最大值的平均值,认为该指标即为叶片损伤指标越限阈值;根据可靠性设计原则,若一个方向的叶片损伤总畸变大于或者等于越限阈值的1.5倍,则认为叶片存在损伤。
在一些实施方式中,对位移监测数据进行螺栓装填监测,判断当前变桨法兰螺栓是否出现松动或者断裂,包括:获取三个叶片变桨法兰0°、180°方向光纤光栅位移监测数据;根据历史观测数据,统计一段时间内的极大值a及极小值b,并计算其平均值,得到其基础越上限阈值及越下限阈值;根据可靠性设计原则,在设备稳定运行阶段,当极大值a大于越上限阈值的k1倍或者极小值a小于越下限阈值的k1倍,认为螺栓松动;当极大值a大于越上限阈值的k2倍或者极小值a小于越下限阈值的k2倍,认为螺栓断裂;获取三个叶片变桨法兰90°、270°方向光纤光栅位移监测数据;根据历史观测数据,统计一段时间内的平均值,得到90°、270°方向基础越限阈值;在设备稳定运行阶段,当90°方向均值λ大于越限阈值λ1的k1倍或者270°方向小于越限阈值λ2的k1倍,当90°方向均值λ大于越限阈值λ1的k2倍或者270°方向小于越限阈值λ2的k2倍,认为螺栓断裂。
此外,本发明还提供了一种光纤光栅式风电机组变桨法兰、叶片智能诊断系统,所述系统包括:一个或多个处理器;存储装置,用于存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现根据前文所述的光纤光栅式风电机组变桨法兰、叶片智能诊断方法。
采用这样的设计后,本发明至少具有以下优点:
(1)本发明根据风电机组变桨法兰、叶片运行特性以及光纤光栅应变和位移传感器监测数据,设计一种光纤光栅式变桨法兰、叶片智能诊断算法,该算法根据本发明所述叶片故障诊断算法、变桨法兰螺栓状态监测算法,实时分析判断风电机组变桨法兰螺栓松动和断裂、叶片气动不平衡、叶片质量不平衡、叶片损伤等故障状态,为基于光纤光栅传感技术的风电机组叶片故障诊断系统提供一种易于实现、功能可靠、诊断机理明确的故障诊断算法,提高这类系统的工程应用价值。
(2)本发明利用叶片光纤光栅应变传感器的90°、270°方向传感数据,设计一种叶片气动不平衡指标提取算法,该算法同时计算分析三个叶片同一方向数据,提取叶片气动不平衡指标,实时鉴别分析叶片气动不平衡状态。
(3)本发明利用叶片光纤光栅应变传感器的0°、180°传感数据,设计一种叶片质量不平衡指标提取算法,该算法实时处理三个叶片同一方向数据,并根据历史运行数据,提取叶片质量不平衡指标,实时鉴别分析叶片质量不平衡状态。
(4)本发明利用叶片光纤光栅应变传感器的0°、180°传感数据,并根据机组运行特性,判断叶片并网发电工况,设计一种叶片损伤鉴定算法。该算法利用数据正弦特性以及快速傅里叶变换算法,构建成为叶片损伤鉴定算法,并根据历史运行数据提取叶片损伤鉴定指标,鉴别叶片损伤状态。
(5)本发明利用变桨法兰光纤光栅位移传感数据,并根据历史数据,设计一种变桨法兰螺栓状态监测算法,并设置二级越限阈值:一级松动越限阈值、二级断裂越限阈值,实时判断螺栓当前运行状态。
(6)本发明根据叶片故障诊断算法、变桨法兰螺栓状态监测算法,构建叶片故障诊断模块及变桨法兰螺栓状态监测模块。所述模块可单独作为一个系统应用于现场,也可嵌入与其他类似系统作为子模块应用,应用形式灵活,实现原理简单,并且这两个模块的应用可提高基于光纤光栅传感技术的故障诊断系统30%以上诊断精度,为风电场运维提供更为可靠的在线监测系统。
附图说明
上述仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,以下结合附图与具体实施方式对本发明作进一步的详细说明。
图1是叶片气动不平衡指标提取算法;
图2是叶片质量不平衡指标提取算法;
图3是叶片损伤鉴定算法;
图4是变桨法兰螺栓状态监测算法;
图5是风电机组变桨法兰、螺栓智能诊断系统。
附图标记说明:δ1-正常发电阈值下限;δ2-正常发电阈值上限;α-启动阈值;β-时间阈值;ε-温度阈值。
具体实施方式
以下结合附图对本发明的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本发明,并不用于限定本发明。
实施例1一种风电机组变桨法兰螺栓、叶片智能诊断方法
如图1-4所示,一种光纤光栅式风电机组变桨法兰、叶片智能诊断方法,包括叶片故障诊断算法及其如图1所示叶片气动不平衡指标提取算法、图2所示的叶片质量不平衡指标提取算法和图3所示的叶片损伤鉴定算法,实时鉴别叶片气动不平衡、质量不平衡、叶片损伤等故障;包含如图4所示的变桨法兰螺栓状态监测算法及其二级越限阈值,实时判断螺栓松动、断裂等故障。
如图1所述风电机组叶片气动不平衡指标提取算法,对三只叶片90°、270°方向的光纤光栅应变传感数据进行计算,具体包含以下步骤:
(1.1)获取三只叶片某一方向光纤光栅应变传感数据,采样频率Fs不低于4Hz,数据采样点数N不低于2400点,分别记作:S1、S2、S3;
(1.2)分别计算S1、S2、S3均方根值,得到三只叶片应变监测数据的均方根值,记作Y1、Y2、Y3,公式如下:
式中:i=1,2,3;N为采样点数;k=1,2,3...N。
(1.3)根据Y1、Y2、Y3,计算其平均值,记作Yarg,并根据下式提取某一方向叶片气动不平衡指标δ1,公式如下:
同理,根据上述(1.1)-(1.3)中的公式(I)、(II)所述步骤计算,计算另一方向叶片气动不平衡指标δ2,那么所述叶片气动不平衡指标δ为:
根据历史运行数据,统计归纳叶片气动不平衡指标越限阈值,具体做法是统计一段时间内叶片气动不平衡指标最大值,并计算这些最大值的平均值,认为该指标即为叶片气动不平衡指标越限阈值,公式如下:
式中:maxi为样本元素,N1为样本数量。
那么,根据可靠性设计原则,若δ大于或者等于越限阈值的1.5倍,则认为叶片存在气动不平衡。
如图2所述风电机组叶片质量不平衡指标提取算法,对三只叶片0°、180°方向的光纤光栅应变传感数据进行计算,具体包含以下步骤:
(2.1)获取三只叶片某一方向光纤光栅应变传感数据,采样频率Fs不低于4Hz,数据采样点数N不低于2400点,分别记作:Q1、Q2、Q3;
(2.2)分别计算Q1、Q2、Q3均方根值,得到三只叶片应变监测数据的均方根值,记作A1、A2、A3,公式如下:
式中:i=1,2,3;N为采样点数;k=1,2,3...N。
(2.3)根据A1、A2、A3,计算其平均值,记作Aarg,并根据下式提取某一方向叶片质量不平衡指标α1,公式如下:
(2.4)同理,根据(2.1)-(2.3)中的公式(V)、(VI)所述步骤计算,计算另一方向叶片质量不平衡指标α2,那么所述叶片质量不平衡指标α为:
(2.5)根据历史运行数据,计算一段时间内的叶片质量不平衡的最大值的平均值,认为该指标即为叶片质量不平衡指标越限阈值,公式如下:
式中:maxi为样本元素,N1为样本数量。
(2.6)那么,根据可靠性设计原则,若α大于或者等于越限阈值的1.5倍,则认为叶片存在质量不平衡。
如图3所述叶片损伤鉴定算法,利用0°、180°光纤光栅应变传感数据以及快速傅里叶算法,计算1Hz以内叶片应变能量值,进而归纳统计出叶片损伤鉴定阈值,具有以下步骤:
(3.1)获取三只叶片光纤光栅某一方向应变传感数据,采样频率Fs不低于4Hz,数据采样点数N不低于120点,分别记作:H1、H2、H3;
(3.2)分别对H1、H2、H3进行快速傅里叶变换,得到三只叶片监测数据的频谱,并将频谱幅值记作Y1n、Y2n、Y3n,频率f记作F1n、F2n、F3n,其中n=1,2,3,...,N/2;
(3.3)根据风电机组叶片损伤发生机理,分别计算0.5-1Hz叶片频谱能量总值,该能量定义为叶片损伤总畸变P,公式如下:
式中:i=1,2,3,n=1,2,3,...,N/2;
(3.4)同理,根据(3.1)-(3.3)计算另一方向的叶片损伤总畸变G,并将同一叶片不同方向的叶片损伤总畸变取其平均数,得到叶片损伤总畸变P。
(3.5)根据历史运行数据,计算一段时间内的叶片损伤总畸变的最大值的平均值,认为该指标即为叶片损伤指标越限阈值,公式如下:
式中:maxi为样本元素,N1为样本数量。
(3.6)那么,根据可靠性设计原则,若P大于或者等于越限阈值的1.5倍,则认为叶片存在损伤。
如图4所述变桨法兰螺栓状态监测算法利用光纤光栅位移监测数据,且根据其监测历史数据,设置两级越限阈值,构建变桨法兰螺栓状态监测算法,具有包含以下步骤:
(4.1)获取三个叶片变桨法兰0°、180°方向光纤光栅位移监测数据,分别定义为U1、U2、U3;
(4.2)根据历史观测数据,统计一段时间内的极大值a及极小值b,并计算其平均值,得到其基础越上限阈值β1及越下限阈值β2,具体公式如下:
式中,i=1,2,3...N,k=1,2,3,...,N1,N为总观测数据,N1为总观测数据内极大值或者极小值总数。
(4.3)根据可靠性设计原则,在设备稳定运行阶段,当极大值a大于越上限阈值的k1倍或者极小值a小于越下限阈值的k1倍,认为螺栓松动;当极大值a大于越上限阈值的k2倍或者极小值a小于越下限阈值的k2倍,认为螺栓断裂。
(4.4)获取三个叶片变桨法兰90°、270°方向光纤光栅位移监测数据,分别定义为T1、T2、T3;
(4.5)根据历史观测数据,统计一段时间内的平均值λ,得到90°、270°方向基础越限阈值λ1、λ2,具体公式如下:
式中,N为总观测数据。
(4.6)根据可靠性设计原则,在设备稳定运行阶段,当90°方向均值λ大于越限阈值λ1的k1倍或者270°方向小于越限阈值λ2的k1倍;当90°方向均值λ大于越限阈值λ1的k2倍或者270°方向小于越限阈值λ2的k2倍,认为螺栓断裂。
(4.7)由于(4.3)、(4.6)所设定逻辑为初始阈值设置方法,该阈值在系统刚投运时需经过一段时间磨合,因此,该阈值需根据后期设备监测情况适当调整越限系数,直至报警信息准确、稳定。
实施例2一种风电机组变桨法兰、叶片智能诊断系统
本实施例提供了一种根据实施例1的用于风电机组变桨法兰、叶片的智能诊断系统,如图3所示,该系统包括以下模块:
叶片故障诊断模块:根据叶片故障诊断算法以及其下属的叶片气动不平衡指标提取算法、叶片质量不平衡指标提取算法、叶片损伤鉴定算法,构建叶片故障诊断模块,该模块实时接收叶片光纤光栅应变监测数据,分析诊断机组叶片当前故障状态,完成叶片故障判定。
变桨法兰螺栓状态监测模块:根据变桨法兰螺栓装填监测算法及其二级越限阈值,构建变桨法兰螺栓状态监测模块。该模块实时接收变桨法兰光纤光栅位移传感数据,分析诊断机组变桨法兰当前状态,完成变桨法兰松动、断裂状态。
以上所述,仅是本发明的较佳实施例而已,并非对本发明作任何形式上的限制,本领域技术人员利用上述揭示的技术内容做出些许简单修改、等同变化或修饰,均落在本发明的保护范围内。
Claims (2)
1.一种光纤光栅式风电机组变桨法兰、叶片智能诊断方法,其特征在于,包括:
获取叶片的应力监测数据及变桨法兰的位移监测数据;
根据获取到的应力监测数据对叶片进行故障诊断,包括根据应力监测数据,执行叶片气动不平衡指标提取;根据应力监测数据,执行叶片质量不平衡指标提取;根据应力监测数据,执行叶片损伤鉴定;
对位移监测数据进行螺栓装填监测,判断当前变桨法兰螺栓是否出现松动或者断裂;
所述根据应力监测数据,执行叶片气动不平衡指标提取,包括:对三只叶片90°、270°方向的光纤光栅应变传感数据进行计算;先计算一个方向的气动不平衡指标:获取三只叶片某一方向光纤光栅应变传感数据;对光纤光栅应变传感数据取均方根值;对三只叶片的均方根值计算平均值,并根据平均值计算该方向的气动不平衡指标;再计算另一方向的气动不平衡指标;对两个方向的气动不平衡指标取算术平均;根据历史运行数据,统计归纳叶片气动不平衡指标越限阈值;将算术平均与气动不平衡指标越限阈值进行比较,判断叶片是否存在气动不平衡;
根据应力监测数据,执行叶片质量不平衡指标提取,包括:对三只叶片0°、180°方向的光纤光栅应变传感数据进行计算;先计算一个方向的叶片质量不平衡指标:获取三只叶片某一方向光纤光栅应变传感数据;计算光纤光栅应变传感数据的均方根值;计算均方根值的平均值,并提取叶片质量不平衡指标;计算另一方向叶片质量不平衡指标;对两个方向叶片质量不平衡指标取算术平均;根据历史运行数据,计算一段时间内的叶片质量不平衡的最大值的平均值,认为该指标即为叶片质量不平衡指标越限阈值;将算术平均与叶片质量不平衡指标越限阈值进行比较,判断是否存在叶片质量不平衡;
根据应力监测数据,执行叶片损伤鉴定,包括:利用0°、180°光纤光栅应变传感数据进行计算;先计算一方向的叶片损伤总畸变:获取三只叶片光纤光栅某一方向应变传感数据;对应变传感数据进行快速傅里叶变换,得到三只叶片监测数据的频谱;根据风电机组叶片损伤发生机理,分别计算0.5-1Hz叶片频谱能量总值,该能量定义为叶片损伤总畸变;再计算另一方向的叶片损伤总畸变;根据历史运行数据,计算一段时间内的叶片损伤总畸变的最大值的平均值,认为该指标即为叶片损伤指标越限阈值;根据可靠性设计原则,若一个方向的叶片损伤总畸变大于或者等于越限阈值的1.5倍,则认为叶片存在损伤;
对位移监测数据进行螺栓装填监测,判断当前变桨法兰螺栓是否出现松动或者断裂,包括:获取三个叶片变桨法兰0°、180°方向光纤光栅位移监测数据;根据历史观测数据,统计一段时间内的极大值a及极小值b,并计算其平均值,得到其基础越上限阈值及越下限阈值;根据可靠性设计原则,在设备稳定运行阶段,当极大值a大于越上限阈值的k1倍或者极小值a小于越下限阈值的k1倍,认为螺栓松动;当极大值a大于越上限阈值的k2倍或者极小值a小于越下限阈值的k2倍,认为螺栓断裂;获取三个叶片变桨法兰90°、270°方向光纤光栅位移监测数据;根据历史观测数据,统计一段时间内的平均值,得到90°、270°方向基础越限阈值;在设备稳定运行阶段,当90°方向均值λ大于越限阈值λ1的k1倍或者270°方向小于越限阈值λ2的k1倍,当90°方向均值λ大于越限阈值λ1的k2倍或者270°方向小于越限阈值λ2的k2倍,认为螺栓断裂。
2.一种光纤光栅式风电机组变桨法兰、叶片智能诊断系统,其特征在于,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现根据权利要求1所述的光纤光栅式风电机组变桨法兰、叶片智能诊断方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111421314.5A CN113915077B (zh) | 2021-11-26 | 2021-11-26 | 光纤光栅式风电机组变桨法兰、叶片智能诊断方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111421314.5A CN113915077B (zh) | 2021-11-26 | 2021-11-26 | 光纤光栅式风电机组变桨法兰、叶片智能诊断方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113915077A CN113915077A (zh) | 2022-01-11 |
CN113915077B true CN113915077B (zh) | 2023-05-12 |
Family
ID=79248481
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111421314.5A Active CN113915077B (zh) | 2021-11-26 | 2021-11-26 | 光纤光栅式风电机组变桨法兰、叶片智能诊断方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113915077B (zh) |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE19754321A1 (de) * | 1997-12-08 | 1999-06-10 | Schenck Rotec Gmbh | Verfahren zur Unwuchtbestimmung und Unwuchtmeßeinrichtung |
CN105021351B (zh) * | 2015-08-16 | 2017-09-26 | 北京航空航天大学 | 一种基于光纤光栅振动传感系统的直升机桨叶质量不平衡检测方法 |
CN106704102B (zh) * | 2016-12-29 | 2019-10-15 | 北京金风科创风电设备有限公司 | 用于确定风力发电机组的叶片平衡状况的方法和系统 |
CN110080951B (zh) * | 2019-05-29 | 2020-04-21 | 曾杰 | 风电机组塔架、塔筒连接监测方法、终端及可读存储介质 |
CN111351423B (zh) * | 2020-03-19 | 2021-08-03 | 郑州爱因特电子科技有限公司 | 一种法兰连接螺栓松动监测方法 |
CN111306011B (zh) * | 2020-04-17 | 2020-09-29 | 北京天泽智云科技有限公司 | 监测风机叶片与变桨轴承螺栓连接件状态的方法及系统 |
CN214063213U (zh) * | 2020-10-19 | 2021-08-27 | 烟台光基物联网科技有限公司 | 一种基于分布式光纤传感器的风力发电机组在线监测系统 |
-
2021
- 2021-11-26 CN CN202111421314.5A patent/CN113915077B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN113915077A (zh) | 2022-01-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Oh et al. | A novel method and its field tests for monitoring and diagnosing blade health for wind turbines | |
CN103471841B (zh) | 一种旋转机械振动故障诊断方法 | |
US20090039650A1 (en) | Event monitoring via combination of signals | |
CN110005580B (zh) | 一种风电机组运行状态监测方法 | |
CN107192446B (zh) | 风力发电机组塔筒固有频率监测方法 | |
CN105424333B (zh) | 一种风力机叶片现场损伤监测与识别方法 | |
CN104677623A (zh) | 一种风力发电机叶片故障在位声学诊断方法及监测系统 | |
CN111415070A (zh) | 一种基于scada数据的风电机组齿轮箱油温过温故障预警方法 | |
CN103940611A (zh) | 一种风电机组变工况下滚动轴承自适应异常检测方法 | |
CN205260225U (zh) | 一种风机综合健康状态远程集中监测系统 | |
CN111931851A (zh) | 一种基于一维残差神经网络的风机叶片结冰故障诊断方法 | |
CN104122086A (zh) | 基于Kriging模型的风力机齿轮箱故障诊断方法 | |
CN103925155A (zh) | 一种风电机组输出功率异常的自适应检测方法 | |
CN111222205A (zh) | 一种桨叶开度监测管理系统及方法 | |
CN110544003A (zh) | 一种基于温度预测的风电场风电机组变频器状态评价方法 | |
CN111594392A (zh) | 一种风力发电塔筒螺栓在线监测方法 | |
CN113915077B (zh) | 光纤光栅式风电机组变桨法兰、叶片智能诊断方法及系统 | |
CN206369617U (zh) | 一种风力机叶片损伤主动自检装置 | |
Entezami et al. | Wind turbine condition monitoring system | |
CN115929569A (zh) | 一种风电机组变桨系统故障诊断方法 | |
CN111173687A (zh) | 一种风电风机叶片裂纹损伤在线监测装置及方法 | |
CN114295367A (zh) | 一种风电机组齿轮箱工况在线监测方法 | |
CN113431800A (zh) | 一种实时判别风机运行状态的方法 | |
CN114607571A (zh) | 一种运用润滑系统监测的海上风电齿轮箱故障识别方法及系统 | |
CN114758483A (zh) | 一种基于余弦相似性的电力设备动态智能预警方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CP03 | Change of name, title or address |
Address after: F17, Block C, International Investment Building, No. 6-9, Fuchengmen North Street, Xicheng District, Beijing 100,034 Patentee after: Longyuan (Beijing) New Energy Engineering Technology Co.,Ltd. Address before: 100034 11th floor, block C, international investment building, 6-9 Fuchengmen North Street, Xicheng District, Beijing Patentee before: LONGYUAN (BEIJING) WIND POWER ENGINEERING TECHNOLOGY Co.,Ltd. |
|
CP03 | Change of name, title or address |