CN114739305B - 叶片扭转变形的确定方法、装置、系统、控制器及介质 - Google Patents
叶片扭转变形的确定方法、装置、系统、控制器及介质 Download PDFInfo
- Publication number
- CN114739305B CN114739305B CN202011552833.0A CN202011552833A CN114739305B CN 114739305 B CN114739305 B CN 114739305B CN 202011552833 A CN202011552833 A CN 202011552833A CN 114739305 B CN114739305 B CN 114739305B
- Authority
- CN
- China
- Prior art keywords
- parameter
- torsional deformation
- blade
- noise
- determining
- 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 59
- 230000007613 environmental effect Effects 0.000 claims description 14
- 238000010801 machine learning Methods 0.000 claims description 14
- 238000004088 simulation Methods 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 12
- 238000004422 calculation algorithm Methods 0.000 claims description 10
- 238000003860 storage Methods 0.000 claims description 10
- 238000004891 communication Methods 0.000 claims description 9
- 238000009434 installation Methods 0.000 abstract description 5
- 238000004519 manufacturing process Methods 0.000 abstract description 5
- 230000000875 corresponding effect Effects 0.000 description 66
- 230000008569 process Effects 0.000 description 11
- 230000014509 gene expression Effects 0.000 description 10
- 238000010586 diagram Methods 0.000 description 9
- 238000012544 monitoring process Methods 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 230000007423 decrease Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000010248 power generation Methods 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000007792 addition Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 230000002596 correlated effect Effects 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
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/16—Measuring arrangements characterised by the use of optical techniques for measuring the deformation in a solid, e.g. optical strain gauge
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
- G01H17/00—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves, not provided for in the preceding groups
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M13/00—Testing of machine parts
-
- 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
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Structures Of Non-Positive Displacement Pumps (AREA)
Abstract
本申请实施例提供了一种叶片扭转变形的确定方法、装置、系统、控制器及介质,方法包括:获取叶片在第一工况下的第一噪音参数;根据预先确定的所述叶片的扭转变形参数与噪音参数之间的第一对应关系,确定第一扭转变形参数对应的第二噪音参数;其中,所述第一扭转变形参数根据所述叶片的基准扭转变形参数确定;在所述第二噪音参数与所述第一噪音参数相匹配的情况下,确定所述第一扭转变形参数为所述叶片的目标扭转变形参数。本申请实施例在不增设额外硬件设备的情况下便可实现对于叶片的目标扭转变形参数的预测,能够降低风机的生产及安装成本。
Description
技术领域
本申请属于风电技术领域,尤其涉及一种叶片扭转变形的确定方法、装置、系统、控制器及介质。
背景技术
随着风电技术的发展和人们对新能源的重视程度的提高,风力发电已成为发电领域的重要组成部分。
对于风力发电机组而言,获取叶片的扭转变形参数,对于研究机组载荷和研究叶片出功等多个方面都起着关键作用。目前,为了获取叶片的扭转变形参数,现有方案通常是在叶片的叶根处安装额外的硬件设备来记录叶片上的预设标记的空间位置,之后通过空间位置分析得到叶片的扭转变形参数。由于现有方案需要在叶片上安装额外的硬件设备,涉及硬件设备的定位、固定、安装和维护等多个方面,因而存在生产及安装成本高的技术问题。
发明内容
本申请实施例提供一种叶片扭转变形的确定方法、装置、系统、控制器及介质,能够解决现有方案在获取叶片的扭转变形参数时,需要安装额外的硬件设备,成本高昂的技术问题。
第一方面,本申请实施例提供一种叶片扭转变形的确定方法,该方法包括:
获取叶片在第一工况下的第一噪音参数;
根据预先确定的叶片的扭转变形参数与噪音参数之间的第一对应关系,确定第一扭转变形参数对应的第二噪音参数;其中,第一扭转变形参数根据叶片的基准扭转变形参数确定;
在第二噪音参数与第一噪音参数相匹配的情况下,确定第一扭转变形参数为叶片的目标扭转变形参数。
在一些实施例中,在确定第一扭转变形参数对应的第二噪音参数之前,该方法还包括:
根据叶片在第一状态下的第一基准扭转变形参数和叶片在第二状态下的第二基准扭转变形参数,确定第一扭转变形参数。
在一些实施例中,根据叶片在第一状态下的第一基准扭转变形参数和叶片在第二状态下的第二基准扭转变形参数,确定第一扭转变形参数,具体包括:
根据第一对应关系,确定第一基准扭转变形参数对应的第一基准噪音参数,以及确定第二基准扭转变形参数对应的第二基准噪音参数;
根据第一噪音参数分别与第一基准噪音参数、第二基准噪音参数的大小关系,确定第一扭转变形参数与基准扭转变形参数之间的第二对应关系;
根据第二对应关系,确定第一扭转变形参数。
在一些实施例中,第一状态包括叶片在未发生扭转变形的情况下的状态,第二状态包括叶片在发生扭转变形的情况下的状态。
在一些实施例中,方法还包括:
在第二噪音参数与第一噪音参数不匹配的情况下,更新第二对应关系中的第一基准扭转变形参数的权重和第二基准扭转变形参数的权重;
利用更新权重后的第二对应关系,重新确定第一扭转变形参数。
在一些实施例中,噪音参数包括叶片产生的噪音的声压级。
在一些实施例中,在获取叶片在第一工况下的第一噪音参数之前,还包括:
采集叶片所在风力发电机组的环境参数和状态参数;
根据环境参数、状态参数和目标噪音算法,确定叶片的扭转变形参数与噪音参数之间的第一对应关系。
在一些实施例中,在获取叶片在第一工况下的第一噪音参数之前,该方法还包括:
获取训练好的机器学习模型;其中,机器学习模型是根据学习扭转变形参数与噪音参数的第一对应关系得到的;
根据预先确定的叶片的扭转变形参数与噪音参数之间的第一对应关系,确定第一扭转变形参数对应的第二噪音参数,具体包括:
根据训练好的机器学习模型和第一扭转变形参数,得到第一扭转变形参数对应的第二噪音参数。
第二方面,本申请实施例提供了一种叶片扭转变形的确定装置,装置包括:
获取模块,用于获取叶片在第一工况下的第一噪音参数;
第一确定模块,用于根据预先确定的叶片的扭转变形参数与噪音参数之间的第一对应关系,确定第一扭转变形参数对应的第二噪音参数;其中,第一扭转变形参数根据叶片的基准扭转变形参数确定;
第二确定模块,用于在第二噪音参数与第一噪音参数相匹配的情况下,确定第一扭转变形参数为叶片的目标扭转变形参数。
第三方面,本申请实施例提供了一种控制器,控制器包括:包括处理器、存储器及存储在存储器上并可在处理器上运行的计算机程序,计算机程序被处理器执行时实现如第一方面任一实施例提供的叶片扭转变形的确定方法的步骤。
第四方面,本申请实施例提供了一种叶片扭转变形的确定系统,该系统包括:
如第三方面的控制器;以及
噪音采集装置,噪音采集装置与控制器通信连接,用于采集叶片在第一工况下的第一噪音参数,以及将采集的第一噪音参数发送给控制器。
第五方面,本申请实施例提供了一种存储介质,存储介质上存储有计算机程序,计算机程序被处理器执行时实现如第一方面任一实施例提供的叶片扭转变形的确定方法的步骤。
本申请实施例的叶片扭转变形的确定方法、装置、系统、控制器及介质,首先获取叶片在第一工况下的第一噪音参数;然后根据预先确定的叶片的扭转变形参数与噪音参数之间的第一对应关系,确定第一扭转变形参数对应的第二噪音参数;其中,第一扭转变形参数根据叶片的基准扭转变形参数确定;在第二噪音参数与第一噪音参数相匹配的情况下,确定第一扭转变形参数为叶片的目标扭转变形参数。由于本申请实施例的叶片的目标扭转变形参数是通过叶片的扭转变形参数与噪音参数之间的第一对应关系、第一工况下的第一噪音参数来确定的,并且第一对应关系的确定和第一噪音参数的采集均不需要在风机上安装额外的硬件设备,因而本申请实施例在不增设额外硬件设备的情况下便实现了对于叶片的目标扭转变形参数的预测,从而降低了风机的生产及安装成本。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对本申请实施例中所需要使用的附图作简单的介绍,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1示意性示出了翼型的入流攻角与翼型所产生的噪音的声压级SPL的关系;
图2示出了仿真状态和实测状态下的叶片的噪音水平;
图3为本申请实施例提供的叶片扭转变形的确定方法的流程示意图;
图4示意性示出了第一扭转变形参数、第一基准扭转变形参数和第二基准扭转变形参数之间的关系;
图5为本申请实施例提供的叶片扭转变形的确定装置的结构示意图;
图6为本申请实施例提供的控制器的结构示意图;
图7为本申请实施例提供的叶片扭转变形的确定系统的结构示意图。
具体实施方式
下面将详细描述本申请的各个方面的特征和示例性实施例,为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及具体实施例,对本申请进行进一步详细描述。应理解,此处所描述的具体实施例仅意在解释本申请,而不是限定本申请。对于本领域技术人员来说,本申请可以在不需要这些具体细节中的一些细节的情况下实施。下面对实施例的描述仅仅是为了通过示出本申请的示例来提供对本申请更好的理解。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,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、物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、物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……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
在对本申请实施例进行说明之前,为了便于对本申请实施例理解,下面首先对于本申请实施例涉及到的技术名词进行解释。
声压(Sound pressure,SP):大气压受到声波扰动后产生的变化,即声扰动产生的逾量压强,它相当于在大气压强上的叠加一个声波扰动引起的压强变化。
声压级(Sound pressure level,SPL):将声压的有效值取对数来表示声音的强弱。
翼型(Airfoil profile):组成叶片主要外形的二维切面形状。
入流攻角(Angle of attack,AOA):也称迎角,表示翼型弦线方向与入流方向之间的夹角。
如前所述,为了获取叶片的扭转变形参数,现有方案通常是在叶片的叶根处安装额外的硬件设备来记录叶片上的预设标记的空间位置,之后通过空间位置分析得到叶片的扭转变形参数。其中,硬件设备通常是高清摄像机。具体地,通过设置在叶根处的高清摄像机来对叶片上的预设标记进行追踪,获取并记录预设标记的空间位置,之后通过空间位置分析得到叶片的扭转变形参数。由于需要在叶根安装高清摄像机等硬件设备,故涉及硬件设备的定位、固定、安装和维护等多个方面,使得风力发电机组(下文称“风机”)的生产及安装成本高昂。
除此之外,现有的这种方案还存在以下技术问题:1)高清摄像机的数据存取需要占用风机PLM传输数据通道,存在影响其他数据传输的问题;2)通常需要性能较佳的高清摄像机,进一步增加风机的成本;3)需要对叶片表面和内侧做特殊标记,施工难度较大;4)对于叶片扭转方向的变形监测能力偏弱;5)摄像质量受天气影响较大,比如雨、雪和雾等影响可视度的天气。
针对现有技术存在的上述技术问题,本申请的发明人考虑是否可以在不加装额外的高清摄像机等硬件设备的情况下就可以实现叶片的扭转变形参数的预测。最终,经过本发明人的研究发现,得到了一种不加装额外硬件设备就可以实现叶片的扭转变形参数的预测的技术方案。具体研究过程如下:
如图1所示,经本申请的发明人研究发现,对于同一个翼型而言,该翼型的噪声参数与该翼型的入流攻角成正相关。其中,翼型的入流攻角与叶片的扭转变形参数有关,通常翼型的入流攻角越大,说明叶片的扭转变形的程度越严重。在图1中,横坐标表示翼型的入流攻角(单位是度),纵坐标表示翼型所产生的噪音的声压级SPL(单位是分贝)。由图1可以看出,在入流攻角较小的状态下,噪音的声压级SPL随着入流攻角增大而增大,在到达某一角度(失速攻角)之后,由于翼型发生失速,噪音的声压级SPL会急速上升。而无论是在入流攻角较小的状态下,还是在入流攻角较大的状态下,噪音的声压级SPL与入流攻角之间均成单调递增的关系,由于翼型的入流攻角与叶片的扭转变形参数有关,也就说明噪音的声压级SPL与叶片的扭转变形参数之间存在相对关系。
图2示出了仿真状态和实测状态下的叶片的噪音水平。图2中,横坐标表示风速(单位米/每秒),纵坐标表示叶片所产生的噪音的声压级SPL(单位是分贝)。如图2所示,噪音的声压级SPL随着风速的增大先增大,在达到最大值后,随风速逐渐递减。在第一阶段,在最优增益控制策略Kopt控制下,叶片以最小桨距角运行,噪音的声压级SPL会随风速增大而迅速增大。到第二阶段,噪音的声压级SPL的增幅放缓,甚至保持基本不变,这是因为此时叶片受载或变形已临近极限,叶片的入流攻角的增幅放缓甚至不再变化。在第三阶段,噪音的声压级SPL随风速增大而减小,这个是由于恒功率控制,叶片向风变桨,叶片的入流攻角在逐渐减小或维持在一定水平。
通过对比图2中仿真状态下的叶片的噪音的声压级SPL曲线(下称第一SPL曲线)和实测状态下的叶片的噪音的声压级SPL曲线(下称第二SPL曲线)可以发现,在相同风速(受载相同)下,由于仿真出的叶片的扭转变形参数与实测的叶片的扭转变形参数的大小存在一定差异,导致第一SPL曲线与第二SPL曲线之间存在差异(两条曲线没有重合)。但是,这两条曲线的整体趋势是相同的,或者说通过“向上”平移第一SPL曲线便可使得第一SPL曲线与第二SPL曲线重合。也就是说,如果第一SPL曲线对应的扭转变形参数与第二SPL曲线对应的扭转变形参数相同的话,那么第一SPL曲线与第二SPL曲线是重合的。基于此发现的仿真与实测之间的关系,便可以通过仿真的扭转变形参数与实测的噪音参数相结合得到最终的叶片实际工况下的扭转变形参数。
基于上述研究发现,本申请实施例提供了一种叶片扭转变形的确定方法、装置、系统、控制器及介质,以解决上文中提到的风机的成本高昂等技术问题。
本申请实施例的技术构思在于:首先获取叶片在实际工况下的第一噪音参数;然后,仿真得到第一扭转变形参数TN;接下来,根据预先确定的扭转变形参数与噪音参数之间的对应关系,确定第一扭转变形参数TN对应的第二噪音参数;当第二噪音参数与实际测得的第一噪音参数匹配时,确定第一扭转变形参数TN即为最终想要获得目标扭转变形参数。
这样,由于本申请实施例的叶片的目标扭转变形参数是通过叶片的扭转变形参数与噪音参数之间的第一对应关系、实际工况下的第一噪音参数来确定的,并且第一对应关系的确定和第一噪音参数的采集均不需要在风机上安装额外的硬件设备,因而本申请实施例在不增设额外硬件设备的情况下便实现了对于叶片的目标扭转变形参数的预测,从而降低了风机的生产及安装成本。
下面首先对本申请实施例所提供的叶片扭转变形的确定方法进行介绍。
图3为本申请实施例提供的叶片扭转变形的确定方法的流程示意图。如图3所示,该方法可以包括以下步骤:
S101、获取叶片在第一工况下的第一噪音参数。
在本申请实施例中,第一工况可以理解为实际工况,即获取实际工况下的叶片的第一噪音参数。噪音参数即能够反映叶片所产生的噪音的大小的参数,可以理解的是,噪音参数包括但不限于叶片产生的噪音的声压级SPL,也可以是其他能够反映叶片所产生的噪音的大小的参数,本申请不限于此。
在实际应用中,例如测试人员可以通过携带的噪音采集设备采集实际工况下的叶片的第一噪音参数。即,无需在风机上安装噪音采集设备,通过便携的噪音采集设备便可采集叶片的第一噪音参数。具体地,在一些实施例中,在相距风机叶片的预设位置处,通过噪音采集设备采集叶片所产生的噪音的声压级,为了便于区分,可称作第一声压级。
S102、根据预先确定的叶片的扭转变形参数与噪音参数之间的第一对应关系,确定第一扭转变形参数对应的第二噪音参数。
在本申请实施例中,扭转变形参数可以看作是包含叶片各个切面(翼型)扭转变形的角度的集合,宏观上可以看作是叶片从叶根至叶尖的扭转变形曲线。
为了保证最终得到的目标扭转变形参数的准确性及减少整个过程的计算量,在一些实施例中,第一扭转变形参数可以是根据每个叶片的基准扭转变形参数确定的,即通过每个叶片的基准扭转变形参数来确定第一扭转变形参数。这种方式得到的第一扭转变形参数与每个叶片的实际的扭转变形情况是相符的,或者说这种方式得到的第一扭转变形参数与最终想要得到的目标扭转变形参数是接近的,一方面能够减少整个过程的计算量,另一方面能够保证最终得到的目标扭转变形参数的准确性。
在一些实施例中,基准扭转变形参数可以仿真得到的,它可以是叶片在任意一个或多个扭转变形状态下对应的扭转变形参数。例如,可以通过目标仿真应用程序仿真叶片在不同风速下的扭转变形状态,从而得到不同扭转变形状态下的扭转变形参数。其中,目标仿真应用程序可以包括Bladed应用程序、Hawc2应用程序或Openfast应用程序。
为了保证最终得到的目标扭转变形参数的准确性,本申请实施例在仿真时尽可能还原叶片的实际状况。具体地,可以先采集叶片所在风力发电机组的环境参数和状态参数,然后根据采集的风力发电机组的环境参数和状态参数设定目标仿真应用程序中对应的参数,使得仿真中的叶片所处的环境参数和状态参数与实际工况下的叶片所处的环境参数和状态参数一致,这样仿真得到的基准扭转变形参数与实际工况下的叶片的扭转变形参数是相符的,从而保证最终得到的目标扭转变形参数的准确性。
在一些实施例中,风力发电机组的环境参数可以包括以下项中的至少一种:当地空气密度、来流风速和湍流度。风力发电机组的环境参数可以包括以下项中的至少一种:机组转速、机组容量、机组锥仰角和叶片外形分布。在实际应用中,风力发电机组的环境参数和状态参数可以通过风力发电机组上的原装监测设备或监测系统采集获得。在一些实施例中,原装监测设备或监测系统例如可以包括:安装于风力发电机组中的数据采集与监视控制系统(Supervisory Control And Data Acquisition System,SCADA系统)。
在得到叶片的基准扭转变形参数之后,便可以根据叶片的基准扭转变形参数来确定第一扭转变形参数。
为了快速且较为准确地确定出第一扭转变形参数,可以通过两个基准扭转变形参数来确定第一扭转变形参数。具体地,在S102之前,作为一种示例,本申请实施例所提供的叶片扭转变形的确定方法还可以包括以下步骤:根据叶片在第一状态下的第一基准扭转变形参数和叶片在第二状态下的第二基准扭转变形参数,确定第一扭转变形参数。这里,需要说明的是第一状态和第二状态均可以是任意风速下的扭转变形状态。为了便于确定叶片的噪音极限和扭转变形极限,第一状态可以包括叶片在未发生扭转变形的情况下的状态,第二状态可以包括叶片在发生扭转变形的情况下的状态。
其中,根据叶片在第一状态下的第一基准扭转变形参数和叶片在第二状态下的第二基准扭转变形参数,确定第一扭转变形参数可以包括以下步骤:
S11、根据第一对应关系,确定第一基准扭转变形参数对应的第一基准噪音参数,以及确定第二基准扭转变形参数对应的第二基准噪音参数。具体地,可以根据预先确定的叶片的扭转变形参数与噪音参数之间的第一对应关系和仿真得到的第一基准扭转变形参数,确定第一基准扭转变形参数对应的第一基准噪音参数。类似地,可以根据预先确定的叶片的扭转变形参数与噪音参数之间的第一对应关系和仿真得到的第二基准扭转变形参数,确定第二基准扭转变形参数对应的第二基准噪音参数。
S12、根据第一噪音参数分别与第一基准噪音参数、第二基准噪音参数的大小关系,确定第一扭转变形参数与基准扭转变形参数之间的第二对应关系。
其中,第二对应关系可以为第一扭转变形参数、第一基准扭转变形参数和第二基准扭转变形参数之间的对应关系。作为一种示例,第二对应关系的表达式如下:
T_new=f*T1+(1-f)*T2
其中,T_new表示第一扭转变形参数;T1表示第一基准扭转变形参数;T2表示第二基准扭转变形参数;f为权重,也称比例因子,0≤f≤1。
如图4所示,图4中横坐标表示叶片从叶根至叶尖的展向位置,纵坐标表示扭曲变形参数(单位为度),第一扭转变形参数T_new介于第一基准扭转变形参数T1与第二基准扭转变形参数T2之间。在S12中,可以根据第一噪音参数分别与第一基准噪音参数、第二基准噪音参数的大小关系,调整权重f的大小。例如,当第一噪音参数越接近第一基准噪音参数时,权重f的值可以越大;当第一噪音参数越接近第二基准噪音参数时,权重f的值可以越小。
在实际应用中,可以通过仿真获得多个扭转变形状态下的基准扭转变形参数,在S12中,可以从多个基准扭转变形参数中选取基准噪音参数与第一噪音参数最接近的两个基准扭转变形参数,分别作为第一基准噪音参数和第二基准噪音参数。这样,第一基准噪音参数和第二基准噪音参数与第一扭转变形参数最为接近,确定出的第一扭转变形参数也较为准确,减少整个过程的计算量。
S13、根据第二对应关系,确定第一扭转变形参数。
在确定权重f之后,第二对应关系便可以确定。根据第二对应关系,便可得到第一扭转变形参数。
在得到第一扭转变形参数之后,便可以根据预先确定的叶片的扭转变形参数与噪音参数之间的第一对应关系,确定出第一扭转变形参数对应的第二噪音参数。
这里,需要说明的是,叶片的扭转变形参数与噪音参数之间的第一对应关系可以是目标噪音算法得到的,也可以是机器学习算法得到的,还可以是通过实验得到的,本申请不限于此。
以目标噪音算法为例,在S101之前,本申请实施例提供的叶片扭转变形的确定方法还可以包括以下步骤:
根据风机的环境参数、风机的状态参数和目标噪音算法,确定叶片的扭转变形参数与噪音参数之间的第一对应关系。
其中,例如目标噪音算法可以包括工程算法、BPM计算方法或气动声学计算方法。风机的环境参数和状态参数可以是上文提到的当地空气密度、来流风速、湍流度和机组转速等,当然也可以包括其他参数,例如叶尖速度、风轮直径和风机的额定功率。
示例性地,第一对应关系的表达式如下:
LWA=10log10PWT+50 (1)
LWA=22log10D+72 (2)
LWA=50log10Vtip+10log10D-4 (3)
其中,LWA表示叶片产生噪音的声压级;PWT表示风机的额定功率;Vtip表示叶尖速度;D表示风轮直径。
需要说明的是,第一对应关系的表达式可以是表达式(1)、表达式(2)和表达式(3)中的任意一个,当然也可以是除示例性的表达式(1)、表达式(2)和表达式(3)之外的其他表达式,本申请不限于此。
再以机器学习算法为例,在S101之前,本申请实施例提供的叶片扭转变形的确定方法还可以包括以下步骤:
获取训练好的机器学习模型。其中,机器学习模型是根据学习扭转变形参数与噪音参数的第一对应关系得到的。
在S102中,具体可以根据训练好的机器学习模型和第一扭转变形参数,得到第一扭转变形参数对应的第二噪音参数。
此外,叶片的扭转变形参数与噪音参数之间的第一对应关系还可以通过实验或者风洞测试等方式确定,本申请不限于此。
S103、在第二噪音参数与第一噪音参数相匹配的情况下,确定第一扭转变形参数为叶片的目标扭转变形参数。
具体地,当第二噪音参数与第一噪音参数相匹配时,说明第一扭转变形参数即为叶片的实际工况下的目标扭转变形参数。
这里,着重强调的是,在第二噪音参数与第一噪音参数不匹配的情况下,则更新第二对应关系中的第一基准扭转变形参数的权重和第二基准扭转变形参数的权重;然后,再利用更新权重后的第二对应关系,重新确定第一扭转变形参数。在重新确定第一扭转变形参数之后,再根据预先确定的叶片的扭转变形参数与噪音参数之间的第一对应关系,确定出更新后的第一扭转变形参数对应的第二噪音参数,直至最终更新后的第一扭转变形参数对应的第二噪音参数与第一噪音参数相匹配,结束。
基于上述实施例提供的叶片扭转变形的确定方法,相应地,本申请还提供了叶片扭转变形的确定装置的具体实现方式。请参见以下实施例。
首先参见图5,本申请实施例提供的叶片扭转变形的确定装置500可以包括以下模块:
获取模块501,用于获取叶片在第一工况下的第一噪音参数;
第一确定模块502,用于根据预先确定的叶片的扭转变形参数与噪音参数之间的第一对应关系,确定第一扭转变形参数对应的第二噪音参数;其中,第一扭转变形参数根据叶片的基准扭转变形参数确定;
第二确定模块503,用于在第二噪音参数与第一噪音参数相匹配的情况下,确定第一扭转变形参数为叶片的目标扭转变形参数。
本申请实施例的叶片扭转变形的确定装置,获取模块用于获取叶片在第一工况下的第一噪音参数;第一确定模块用于根据预先确定的叶片的扭转变形参数与噪音参数之间的第一对应关系,确定第一扭转变形参数对应的第二噪音参数;其中,第一扭转变形参数根据叶片的基准扭转变形参数确定;第二确定模块用于在第二噪音参数与第一噪音参数相匹配的情况下,确定第一扭转变形参数为叶片的目标扭转变形参数。由于本申请实施例的叶片的目标扭转变形参数是通过叶片的扭转变形参数与噪音参数之间的第一对应关系、第一工况下的第一噪音参数来确定的,并且第一对应关系的确定和第一噪音参数的采集均不需要在风机上安装额外的硬件设备,因而本申请实施例在不增设额外硬件设备的情况下便实现了对于叶片的目标扭转变形参数的预测,从而降低了风机的生产及安装成本。
在一些实施例中,本申请实施例提供的叶片扭转变形的确定装置500还可以包括第三确定模块,第三确定模块用于根据叶片在第一状态下的第一基准扭转变形参数和叶片在第二状态下的第二基准扭转变形参数,确定第一扭转变形参数。
在一些实施例中,第三确定模块具体用于根据第一对应关系,确定第一基准扭转变形参数对应的第一基准噪音参数,以及确定第二基准扭转变形参数对应的第二基准噪音参数;根据第一噪音参数分别与第一基准噪音参数、第二基准噪音参数的大小关系,确定第一扭转变形参数与基准扭转变形参数之间的第二对应关系;根据第二对应关系,确定第一扭转变形参数。
在一些实施例中,第一状态包括叶片在未发生扭转变形的情况下的状态,第二状态包括叶片在发生扭转变形的情况下的状态。
在一些实施例中,本申请实施例提供的叶片扭转变形的确定装置500还可以包括更新模块,更新模块用于在第二噪音参数与第一噪音参数不匹配的情况下,更新第二对应关系中的第一基准扭转变形参数的权重和第二基准扭转变形参数的权重;利用更新权重后的第二对应关系,重新确定第一扭转变形参数。
在一些实施例中,噪音参数包括叶片产生的噪音的声压级。
在一些实施例中,本申请实施例提供的叶片扭转变形的确定装置500还可以包括第四确定模块,第四确定模块用于采集叶片所在风力发电机组的环境参数和状态参数;根据环境参数、状态参数和目标噪音算法,确定叶片的扭转变形参数与噪音参数之间的第一对应关系。
在一些实施例中,本申请实施例提供的叶片扭转变形的确定装置500还可以包括第五确定模块,第五确定模块用于:获取训练好的机器学习模型;其中,机器学习模型是根据学习扭转变形参数与噪音参数的第一对应关系得到的。第一确定模块502具体用于根据训练好的机器学习模型和第一扭转变形参数,得到第一扭转变形参数对应的第二噪音参数。
图5所示装置中的各个模块/单元具有实现图3中各个步骤的功能,并能达到其相应的技术效果,为简洁描述,在此不再赘述。
基于上述实施例提供的叶片扭转变形的确定方法,相应地,本申请还提供了控制器的具体实现方式。请参见以下实施例。
图6为本申请实施例提供的控制器的硬件结构示意图。
控制器可以包括处理器601以及存储有计算机程序指令的存储器602。
具体地,上述处理器601可以包括中央处理器(Central Processing Unit,CPU),或者特定集成电路(Application Specific Integrated Circuit,ASIC),或者可以被配置成实施本申请实施例的一个或多个集成电路。
存储器602可以包括用于数据或指令的大容量存储器。举例来说而非限制,存储器602可包括硬盘驱动器(Hard Disk Drive,HDD)、软盘驱动器、闪存、光盘、磁光盘、磁带或通用串行总线(Universal Serial Bus,USB)驱动器或者两个或更多个以上这些的组合。在一个实例中,存储器602可以包括可移除或不可移除(或固定)的介质,或者存储器602是非易失性固态存储器。存储器602可在综合网关容灾设备的内部或外部。
在一个实例中,存储器602可以是只读存储器(Read Only Memory,ROM)。在一个实例中,该ROM可以是掩模编程的ROM、可编程ROM(PROM)、可擦除PROM(EPROM)、电可擦除PROM(EEPROM)、电可改写ROM(EAROM)或闪存或者两个或更多个以上这些的组合。
存储器602可以包括只读存储器(ROM),随机存取存储器(RAM),磁盘存储介质设备,光存储介质设备,闪存设备,电气、光学或其他物理/有形的存储器存储设备。因此,通常,存储器包括一个或多个编码有包括计算机可执行指令的软件的有形(非暂态)计算机可读存储介质(例如,存储器设备),并且当该软件被执行(例如,由一个或多个处理器)时,其可操作来执行参考根据本申请的一方面的方法所描述的操作。
处理器601通过读取并执行存储器602中存储的计算机程序指令,以实现图3所示实施例中的方法/步骤S101至S103,并达到图3所示实例执行其方法/步骤达到的相应技术效果,为简洁描述在此不再赘述。
在一个示例中,控制器还可包括通信接口603和总线610。其中,如图6所示,处理器601、存储器602、通信接口603通过总线610连接并完成相互间的通信。
通信接口603,主要用于实现本申请实施例中各模块、装置、单元和/或设备之间的通信。
总线610包括硬件、软件或两者,将控制器的部件彼此耦接在一起。举例来说而非限制,总线可包括加速图形端口(Accelerated Graphics Port,AGP)或其他图形总线、增强工业标准架构(Extended Industry Standard Architecture,EISA)总线、前端总线(FrontSide Bus,FSB)、超传输(Hyper Transport,HT)互连、工业标准架构(Industry StandardArchitecture,ISA)总线、无限带宽互连、低引脚数(LPC)总线、存储器总线、微信道架构(MCA)总线、外围组件互连(PCI)总线、PCI-Express(PCI-X)总线、串行高级技术附件(SATA)总线、视频电子标准协会局部(VLB)总线或其他合适的总线或者两个或更多个以上这些的组合。在合适的情况下,总线610可包括一个或多个总线。尽管本申请实施例描述和示出了特定的总线,但本申请考虑任何合适的总线或互连。
基于上述实施例提供的叶片扭转变形的确定方法和控制器,相应地,本申请还提供了叶片扭转变形的确定系统的具体实现方式。
如图7所示,叶片扭转变形的确定系统700包括:
上述的控制器701;以及
噪音采集装置702,噪音采集装置702与控制器701通信连接,用于采集叶片在第一工况下的第一噪音参数,以及将采集的第一噪音参数发送给控制器701。
另外,结合上述实施例中的叶片扭转变形的确定方法,本申请实施例可提供一种计算机存储介质来实现。该计算机存储介质上存储有计算机程序指令;该计算机程序指令被处理器执行时实现上述实施例中的任意一种叶片扭转变形的确定方法。计算机存储介质的示例包括非暂态计算机存储介质,如电子电路、半导体存储器设备、ROM、随机存取存储器、闪存、可擦除ROM(EROM)、软盘、CD-ROM、光盘、硬盘。
需要明确的是,本申请并不局限于上文所描述并在图中示出的特定配置和处理。为了简明起见,这里省略了对已知方法的详细描述。在上述实施例中,描述和示出了若干具体的步骤作为示例。但是,本申请的方法过程并不限于所描述和示出的具体步骤,本领域的技术人员可以在领会本申请的精神后,作出各种改变、修改和添加,或者改变步骤之间的顺序。
以上所述的结构框图中所示的功能块可以实现为硬件、软件、固件或者它们的组合。当以硬件方式实现时,其可以例如是电子电路、专用集成电路(Application SpecificIntegrated Circuit,ASIC)、适当的固件、插件、功能卡等等。当以软件方式实现时,本申请的元素是被用于执行所需任务的程序或者代码段。程序或者代码段可以存储在机器可读介质中,或者通过载波中携带的数据信号在传输介质或者通信链路上传送。“机器可读介质”可以包括能够存储或传输信息的任何介质。机器可读介质的例子包括电子电路、半导体存储器设备、ROM、闪存、可擦除ROM(EROM)、软盘、CD-ROM、光盘、硬盘、光纤介质、射频(RadioFrequency,RF)链路,等等。代码段可以经由诸如因特网、内联网等的计算机网络被下载。
还需要说明的是,本申请中提及的示例性实施例,基于一系列的步骤或者装置描述一些方法或系统。但是,本申请不局限于上述步骤的顺序,也就是说,可以按照实施例中提及的顺序执行步骤,也可以不同于实施例中的顺序,或者若干步骤同时执行。
上面参考根据本申请的实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本申请的各方面。应当理解,流程图和/或框图中的每个方框以及流程图和/或框图中各方框的组合可以由计算机程序指令实现。这些计算机程序指令可被提供给通用计算机、专用计算机、或其它可编程数据处理装置的处理器,以产生一种机器,使得经由计算机或其它可编程数据处理装置的处理器执行的这些指令使能对流程图和/或框图的一个或多个方框中指定的功能/动作的实现。这种处理器可以是但不限于是通用处理器、专用处理器、特殊应用处理器或者现场可编程逻辑电路。还可理解,框图和/或流程图中的每个方框以及框图和/或流程图中的方框的组合,也可以由执行指定的功能或动作的专用硬件来实现,或可由专用硬件和计算机指令的组合来实现。
以上所述,仅为本申请的具体实施方式,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,上述描述的系统、模块和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。应理解,本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本申请的保护范围之内。
Claims (9)
1.一种叶片扭转变形的确定方法,其特征在于,包括:
获取叶片在第一工况下的第一噪音参数;
根据预先确定的所述叶片的扭转变形参数与噪音参数之间的第一对应关系,确定第一扭转变形参数对应的第二噪音参数;其中,所述第一扭转变形参数根据所述叶片的基准扭转变形参数确定;
在所述第二噪音参数与所述第一噪音参数相匹配的情况下,确定所述第一扭转变形参数为所述叶片的目标扭转变形参数;
在所述确定第一扭转变形参数对应的第二噪音参数之前,还包括:
根据所述叶片在第一状态下的第一基准扭转变形参数和所述叶片在第二状态下的第二基准扭转变形参数,确定所述第一扭转变形参数;
所述根据所述叶片在第一状态下的第一基准扭转变形参数和所述叶片在第二状态下的第二基准扭转变形参数,确定所述第一扭转变形参数,具体包括:
根据所述第一对应关系,确定所述第一基准扭转变形参数对应的第一基准噪音参数,以及确定所述第二基准扭转变形参数对应的第二基准噪音参数;
根据所述第一噪音参数分别与所述第一基准噪音参数、所述第二基准噪音参数的大小关系,确定所述第一扭转变形参数与所述基准扭转变形参数之间的第二对应关系,所述第二对应关系中所述第一基准噪音参数的权重和所述第二基准噪音参数的权重相加等于1;
根据所述第二对应关系,确定所述第一扭转变形参数;
所述第一状态包括所述叶片在未发生扭转变形的情况下的状态,所述第二状态包括所述叶片在发生扭转变形的情况下的状态;
所述第一基准扭转变形参数和所述第二基准噪音参数为通过仿真得到的。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
在所述第二噪音参数与所述第一噪音参数不匹配的情况下,更新所述第二对应关系中的所述第一基准扭转变形参数的权重和所述第二基准扭转变形参数的权重;
利用更新权重后的所述第二对应关系,重新确定所述第一扭转变形参数。
3.根据权利要求1所述的方法,其特征在于,所述噪音参数包括所述叶片产生的噪音的声压级。
4.根据权利要求1所述的方法,其特征在于,在所述获取叶片在第一工况下的第一噪音参数之前,还包括:
采集所述叶片所在风力发电机组的环境参数和状态参数;
根据所述环境参数、所述状态参数和目标噪音算法,确定所述叶片的扭转变形参数与噪音参数之间的第一对应关系。
5.根据权利要求1所述的方法,其特征在于,在所述获取叶片在第一工况下的第一噪音参数之前,还包括:
获取训练好的机器学习模型;其中,所述机器学习模型是根据学习所述扭转变形参数与所述噪音参数的第一对应关系得到的;
所述根据预先确定的所述叶片的扭转变形参数与噪音参数之间的第一对应关系,确定第一扭转变形参数对应的第二噪音参数,具体包括:
根据训练好的所述机器学习模型和所述第一扭转变形参数,得到所述第一扭转变形参数对应的所述第二噪音参数。
6.一种叶片扭转变形的确定装置,其特征在于,包括:
获取模块,用于获取叶片在第一工况下的第一噪音参数;
第一确定模块,用于根据预先确定的所述叶片的扭转变形参数与噪音参数之间的第一对应关系,确定第一扭转变形参数对应的第二噪音参数;其中,所述第一扭转变形参数根据所述叶片的基准扭转变形参数确定;
第二确定模块,用于在所述第二噪音参数与所述第一噪音参数相匹配的情况下,确定所述第一扭转变形参数为所述叶片的目标扭转变形参数;
所述叶片扭转变形的确定装置还包括:
第三确定模块,用于根据所述叶片在第一状态下的第一基准扭转变形参数和所述叶片在第二状态下的第二基准扭转变形参数,确定所述第一扭转变形参数;所述根据所述叶片在第一状态下的第一基准扭转变形参数和所述叶片在第二状态下的第二基准扭转变形参数,确定所述第一扭转变形参数,具体包括:
所述第三确定模块具体用于根据所述第一对应关系,确定所述第一基准扭转变形参数对应的第一基准噪音参数,以及确定所述第二基准扭转变形参数对应的第二基准噪音参数;根据所述第一噪音参数分别与所述第一基准噪音参数、所述第二基准噪音参数的大小关系,确定所述第一扭转变形参数与所述基准扭转变形参数之间的第二对应关系,所述第二对应关系中所述第一基准噪音参数的权重和所述第二基准噪音参数的权重相加等于1;根据所述第二对应关系,确定所述第一扭转变形参数;
所述第一状态包括所述叶片在未发生扭转变形的情况下的状态,所述第二状态包括所述叶片在发生扭转变形的情况下的状态;
所述第一基准扭转变形参数和所述第二基准噪音参数为通过仿真得到的。
7.一种控制器,其特征在于,所述控制器包括:包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述计算机程序被所述处理器执行时实现如权利要求1至5中任一项所述的叶片扭转变形的确定方法的步骤。
8.一种叶片扭转变形的确定系统,其特征在于,包括:
如权利要求7所述的控制器;以及
噪音采集装置,所述噪音采集装置与所述控制器通信连接,用于采集叶片在第一工况下的第一噪音参数,以及将采集的所述第一噪音参数发送给所述控制器。
9.一种存储介质,其特征在于,所述存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至5中任一项所述的叶片扭转变形的确定方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011552833.0A CN114739305B (zh) | 2020-12-24 | 2020-12-24 | 叶片扭转变形的确定方法、装置、系统、控制器及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011552833.0A CN114739305B (zh) | 2020-12-24 | 2020-12-24 | 叶片扭转变形的确定方法、装置、系统、控制器及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114739305A CN114739305A (zh) | 2022-07-12 |
CN114739305B true CN114739305B (zh) | 2024-02-23 |
Family
ID=82273923
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011552833.0A Active CN114739305B (zh) | 2020-12-24 | 2020-12-24 | 叶片扭转变形的确定方法、装置、系统、控制器及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114739305B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101680429A (zh) * | 2007-04-30 | 2010-03-24 | Lm玻璃纤维有限公司 | 风轮机叶片的几何参数的测量 |
FR2956734A1 (fr) * | 2010-02-22 | 2011-08-26 | Snecma | Identification du niveau de deformation dynamique d'une piece |
CN102589512A (zh) * | 2011-12-31 | 2012-07-18 | 赤峰百润科技有限公司 | 风电机组塔筒倾斜变形测量方法、装置和系统 |
US8511177B1 (en) * | 2011-12-15 | 2013-08-20 | Shaw Shahriar Makaremi | Blade condition monitoring system |
CN105352713A (zh) * | 2015-11-20 | 2016-02-24 | 天津大学 | 通过检测叶片静位移实现检测叶片疲劳裂纹的方法 |
KR20180028238A (ko) * | 2016-09-08 | 2018-03-16 | 주식회사 티에스윈드 | 풍력발전기용 블레이드의 변형 측정 시스템 |
CN108150344A (zh) * | 2017-12-25 | 2018-06-12 | 江苏金风科技有限公司 | 用于风力发电机组叶片的降噪结构、叶片和风力发电机组 |
CN109084891A (zh) * | 2018-10-25 | 2018-12-25 | 赛腾机电科技(常州)有限公司 | 一种基于受力变化的旋转体噪声测试系统及测试方法 |
CN109653963A (zh) * | 2018-12-26 | 2019-04-19 | 三重能有限公司 | 叶片动平衡评估方法、装置及系统 |
CN109900712A (zh) * | 2019-04-17 | 2019-06-18 | 中国人民解放军国防科技大学 | 基于摄像测量的风电叶片机械故障在线检测系统及其方法 |
-
2020
- 2020-12-24 CN CN202011552833.0A patent/CN114739305B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101680429A (zh) * | 2007-04-30 | 2010-03-24 | Lm玻璃纤维有限公司 | 风轮机叶片的几何参数的测量 |
FR2956734A1 (fr) * | 2010-02-22 | 2011-08-26 | Snecma | Identification du niveau de deformation dynamique d'une piece |
US8511177B1 (en) * | 2011-12-15 | 2013-08-20 | Shaw Shahriar Makaremi | Blade condition monitoring system |
CN102589512A (zh) * | 2011-12-31 | 2012-07-18 | 赤峰百润科技有限公司 | 风电机组塔筒倾斜变形测量方法、装置和系统 |
CN105352713A (zh) * | 2015-11-20 | 2016-02-24 | 天津大学 | 通过检测叶片静位移实现检测叶片疲劳裂纹的方法 |
KR20180028238A (ko) * | 2016-09-08 | 2018-03-16 | 주식회사 티에스윈드 | 풍력발전기용 블레이드의 변형 측정 시스템 |
CN108150344A (zh) * | 2017-12-25 | 2018-06-12 | 江苏金风科技有限公司 | 用于风力发电机组叶片的降噪结构、叶片和风力发电机组 |
CN109084891A (zh) * | 2018-10-25 | 2018-12-25 | 赛腾机电科技(常州)有限公司 | 一种基于受力变化的旋转体噪声测试系统及测试方法 |
CN109653963A (zh) * | 2018-12-26 | 2019-04-19 | 三重能有限公司 | 叶片动平衡评估方法、装置及系统 |
CN109900712A (zh) * | 2019-04-17 | 2019-06-18 | 中国人民解放军国防科技大学 | 基于摄像测量的风电叶片机械故障在线检测系统及其方法 |
Non-Patent Citations (1)
Title |
---|
面向叶片弯扭变形分析的测量采样方法;程云勇;朱真真;李维亮;张定华;;计算机集成制造系统(06);167-173 * |
Also Published As
Publication number | Publication date |
---|---|
CN114739305A (zh) | 2022-07-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102454544B (zh) | 调整风力涡轮机功率参数的系统和方法 | |
US11441542B2 (en) | Operating a wind turbine using estimated wind speed while accounting for blade torsion | |
US10331810B2 (en) | Method for determining a model of an output quantity of a technical system | |
CN108431404B (zh) | 用于控制多个风力涡轮机的方法和系统 | |
KR20180075432A (ko) | 풍력 발전기 블레이드 결빙 상태 식별 방법 및 장치 | |
CN110761958B (zh) | 风力发电机组的叶片失速诊断方法及装置 | |
WO2019145205A1 (en) | Method and apparatus for cooperative controlling wind turbines of a wind farm | |
US11422052B2 (en) | System and method for diagnosing a rotor unbalance of a wind turbine | |
CN109779848B (zh) | 全场风速修正函数的获得方法、装置及风电场 | |
CN115796059B (zh) | 一种基于深度学习的电气设备寿命预测方法及系统 | |
CN111080039B (zh) | 一种风机集群故障预测方法及系统 | |
WO2022048228A1 (zh) | 风电机组的载荷控制方法和装置 | |
CN112746929B (zh) | 叶片失速监控方法、装置、设备及存储介质 | |
CN116357519A (zh) | 风电场噪声控制方法、装置及电子设备 | |
CN114739305B (zh) | 叶片扭转变形的确定方法、装置、系统、控制器及介质 | |
CN112329196A (zh) | 翼型的结构几何参数确定方法、装置、设备及存储介质 | |
CN111980853B (zh) | 变桨控制方法、装置及计算机可读存储介质 | |
CN111310959A (zh) | 风力发电机组损坏预测分析方法、装置、设备及存储介质 | |
CN109681380B (zh) | 用于调整最小桨距角位置的方法及装置 | |
CN116412085A (zh) | 塔架净空传感器异常检测方法及相关设备 | |
CN111120221B (zh) | 风力发电机组的发电性能评估的方法及设备 | |
CN114692481A (zh) | 扫塔风险预警方法、装置、系统、设备及介质 | |
CN109944749B (zh) | 极端湍流的识别方法、装置、设备及计算机可读存储介质 | |
CN113848346B (zh) | 风电机组的极端风况条件的预测方法、装置及设备 | |
CN118134233A (zh) | 风力发电机组的风险评估模型构建方法、装置和电子设备 |
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 |