CN114777913B - 一种风机叶片状态监测的预警方法及系统 - Google Patents
一种风机叶片状态监测的预警方法及系统 Download PDFInfo
- Publication number
- CN114777913B CN114777913B CN202210462463.4A CN202210462463A CN114777913B CN 114777913 B CN114777913 B CN 114777913B CN 202210462463 A CN202210462463 A CN 202210462463A CN 114777913 B CN114777913 B CN 114777913B
- Authority
- CN
- China
- Prior art keywords
- blade
- natural frequency
- order natural
- data
- fan blade
- 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 43
- 238000012544 monitoring process Methods 0.000 title claims abstract description 30
- 238000004590 computer program Methods 0.000 claims description 14
- 238000004364 calculation method Methods 0.000 claims description 9
- 238000010586 diagram Methods 0.000 claims description 7
- 238000004140 cleaning Methods 0.000 claims description 4
- 230000007547 defect Effects 0.000 abstract description 4
- 238000003745 diagnosis Methods 0.000 abstract description 3
- 238000003860 storage Methods 0.000 description 14
- 230000006870 function Effects 0.000 description 5
- 230000002159 abnormal effect Effects 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 2
- 229910052799 carbon Inorganic materials 0.000 description 2
- 238000010248 power generation Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000002405 diagnostic procedure Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000006386 neutralization reaction Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005406 washing Methods 0.000 description 1
Classifications
-
- 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
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/21—Design, administration or maintenance of databases
- G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2462—Approximate or statistical queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2477—Temporal data queries
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Databases & Information Systems (AREA)
- Strategic Management (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Probability & Statistics with Applications (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- Entrepreneurship & Innovation (AREA)
- Fuzzy Systems (AREA)
- Combustion & Propulsion (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Chemical & Material Sciences (AREA)
- Mechanical Engineering (AREA)
- Sustainable Energy (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Sustainable Development (AREA)
- Life Sciences & Earth Sciences (AREA)
- Control Of Positive-Displacement Air Blowers (AREA)
Abstract
本发明提供的一种风机叶片状态监测的预警方法及系统,包括以下步骤:步骤1,获取风机叶片对应的原始振动数据;步骤2,从原始振动数据中分别获取前一日叶片一阶固有频率数据和当前实时叶片一阶固有频率数据;步骤3,根据得到的前一日叶片一阶固有频率数据计算各个风机叶片对应的一阶固有频率前一日均值;根据得到的当前实时叶片一阶固有频率数据计算叶片系统对应的变异系数;步骤4,根据得到的各个风机叶片对应的一阶固有频率前一日均值和叶片系统对应的变异系数对风机叶片状态进行监测预警;本发明弥补了现有风机叶片状态监测预警模型因只关注单一叶片固有频率变化造成的诊断结论不准确的不足。
Description
技术领域
本发明属于风电领域,具体涉及一种风机叶片状态监测的预警方法及系统。
背景技术
近年来,随着“碳中和”、“碳达峰”的提出,风能的利用愈发受到重视。为了提高单机发电量和能量转换效率,更大尺寸的叶片被应用于风力发电。由于风机叶片处于复杂的工作环境,极易发生损坏与故障。为了兼顾经济效益与安全生产的需要,现已发展出多种风机叶片状态监测的手段。研究风机叶片的固有频率变化规律,是判断叶片工作状态的一种有效的方法。现有的诊断方法多关注单一叶片固有频率的变化,如固有频率增大或减小,则判断叶片运行异常。在实际的工业生产中,叶轮转速、叶面载荷、工作温度、叶片扭向以及安装方式等都可能带来固有频率的变化。正常的风机叶片固有频率也处于一种波动的状态。现有的诊断方法存在明显的不足。
发明内容
本发明的目的在于提供一种风机叶片状态监测的预警方法及系统,解决了现有技术中风机叶片故障预测方法存在的准确率低的缺陷。
为了达到上述目的,本发明采用的技术方案是:
本发明提供的一种风机叶片状态监测的预警方法,包括以下步骤:
步骤1,获取风机叶片对应的原始振动数据;
步骤2,从原始振动数据中分别获取前一日叶片一阶固有频率数据和当前实时叶片一阶固有频率数据;
步骤3,根据得到的前一日叶片一阶固有频率数据计算各个风机叶片对应的一阶固有频率前一日均值;根据得到的当前实时叶片一阶固有频率数据计算叶片系统对应的变异系数;
步骤4,根据得到的各个风机叶片对应的一阶固有频率前一日均值和叶片系统对应的变异系数对风机叶片状态进行监测预警。
优选地,步骤2中,从原始振动数据中分别获取前一日叶片一阶固有频率数据和当前实时叶片一阶固有频率数据时,对原始振动数据进行处理,具体地:
根据该原始振动数据实时计算叶片一阶固有频率,得到固有频率集;
从得到的固有频率集中分别获取前一日叶片一阶固有频率数据和当前实时叶片一阶固有频率数据。
优选地,步骤3中,根据得到的前一日叶片一阶固有频率数据计算各个风机叶片对应的一阶固有频率前一日均值,具体方法是:
对获取的前一日叶片一阶固有频率数据进行清洗,得到清洗后的数据;
根据得到的清洗后的数据计算各风机叶片对应的一阶固有频率前一日均值。
优选地,利用箱线图法对获取的前一日叶片一阶固有频率数据进行清洗。
优选地,步骤3中,根据得到的当前实时叶片一阶固有频率数据计算叶片系统对应的变异系数,具体方法是:
根据获取的当前实时叶片一阶固有频率数据,计算得到叶片系统一阶固有频率对应的实时均值及实时标准差;
根据得到的实时均值及标准差,计算得到叶片系统对应的实时变异系数。
优选地,步骤4中,根据得到的各个风机叶片对应的一阶固有频率前一日均值和叶片系统对应的变异系数对风机叶片状态进行监测,具体方法是:
将得到的变异系数与预设阈值进行比较,其中:
若该变异系数小于预设阈值时,则返回步骤2,且从原始振动数据中获取当前实时叶片一阶固有频率数据,之后进入步骤3;
若该变异系数大于等于预设阈值时,则分别计算每个风机叶片对应的当前实时一阶固有频率值与对应的一阶固有频率前一日均值之间的变化量;
将最大变化量对应的风机叶片作为预警信息发出。
一种风机叶片状态监测的预警系统,包括:
原始数据获取单元,用于获取风机叶片对应的原始振动数据;
固有频率获取单元,用于从原始振动数据中分别获取前一日叶片一阶固有频率数据和当前实时叶片一阶固有频率数据;
计算单元,用于根据得到的前一日叶片一阶固有频率数据计算各个风机叶片对应的一阶固有频率前一日均值;根据得到的当前实时叶片一阶固有频率数据计算叶片系统对应的变异系数;
预警单元,用于根据得到的各个风机叶片对应的一阶固有频率前一日均值和叶片系统对应的变异系数对风机叶片状态进行监测预警。
一种风机叶片状态监测的预警设备,包括处理器,以及存储能够在处理器上运行的计算机程序的存储器,所述处理器执行所述计算机程序时实现所述方法。
一种计算设备,包括:
一个或多个处理器、存储器及一个或多个程序,其中一个或多个程序存储在所述存储器中并被配置为所述一个或多个处理器执行,所述一个或多个程序包括用于执行所述的方法中的任一方法的指令。
与现有技术相比,本发明的有益效果是:
本发明提供的一种风机叶片状态监测的预警方法及系统,针对现有评估方法的不足,为了能提高叶片状态监测的有效性,横向利用三个叶片的一阶固有频率实时数据计算叶片系统变异系数,剔除了干扰因素,准确判断系统状态;纵向利用三个叶片一阶固有频率实时值与前一日平均值计算量化量,定位产生问题的叶片标号编号,从而对叶片运行状态进行及时、有效预警;本发明弥补了现有风机叶片状态监测预警模型因只关注单一叶片固有频率变化造成的诊断结论不准确的不足。
附图说明
图1是本发明的流程示意图。
具体实施方式
下面结合附图,对本发明进一步详细说明。
如图1所示,本发明提供的一种风机叶片状态监测的预警方法,包括以下步骤:
步骤1,从叶片监测系统获取风机叶片对应的原始振动数据;
步骤2,根据该原始振动数据实时计算叶片一阶固有频率,得到固有频率集;
步骤3,从步骤2中得到的固有频率集中分别获取前一日叶片一阶固有频率数据和当前实时叶片一阶固有频率数据;
步骤4,根据步骤3中得到的前一日叶片一阶固有频率数据计算各个风机叶片对应的一阶固有频率前一日均值,具体地,以下计算每日进行一次:
S41,获取的前一日叶片一阶固有频率数据,其标记为:
1#叶片x1n、2#叶片x2n、3#叶片x3n,其中,n代表前一日共存在n条数据。
S42,对获取的前一日叶片一阶固有频率数据进行清洗,去除里面的异常值,得到清洗后的数据,清洗的具体方法是采用箱线图法去除异常数据,其步骤为:
首先,对前一日叶片一阶固有频率数据进行排序,找出数据的下四分位数Q1,中位数,上四分位数Q3;
然后,计算四分位距IQR=Q3-Q1;
最后,Q3+1.5IQR和Q1-1.5IQR为异常值截断点(即内限),超过内限的数据为异常值,予以去除。
清洗后的结果为:1#叶片x1i、2#叶片x2j、3#叶片x3k,其中,i、j、k代表三个叶片经过数据清洗后所剩的数据条数。
S43,根据S42得到的清洗后的数据计算各风机叶片对应的一阶固有频率前一日均值,计算公式为:
其中,i、j、k代表三个叶片经过数据清洗后所剩的数据条数。
S44,将得到的各个风机叶片对应的一阶固有频率前一日均值存入到指定数据库,将该数据库命名为“日均值数据库”。
步骤5,获取的当前实时叶片一阶固有频率数据主要用于实时判断叶片系统状态,以下计算实时进行,具体地:
S51,获取的当前实时叶片一阶固有频率数据标记为:1#叶片x1、2#叶片x2、3#叶片x3。
S52,根据获取的当前实时叶片一阶固有频率数据,计算叶片系统一阶固有频率对应的实时均值及实时标准差:
其中,为叶实时均值;σ为实时标准差。
S53,根据得到的实时均值及标准差,计算叶片系统对应的实时变异系数,计算公式为:
其中,为实时均值,σ为实时标准差,cv为变异系数。
S54,判断S53计算得到的叶片系统对应的变异系数是否超过设定阈值,其中:
未超过时,重新返回步骤3获取当前实时叶片一阶固有频率数据,并返回S51进行下一轮计算;
超过时,从日均值数据库中获取各风机叶片一阶固有频率前一日均值,即
S55,计算各风机叶片当前实时一阶固有频率值与各风机叶片一阶固有频率前一日均值之间的变化量,结果:
其中,x1为1#风机叶片对应的当前实时一阶固有频率值;x2为2#风机叶片对应的当前实时一阶固有频率值;x3为3#风机叶片对应的当前实时一阶固有频率值。
S56,将得到的变化量进行排序,将最大变化量对应的风机叶片编号进行输出预警信息,即max(|Δxnum|)中的num,其中,num为变化量最大的叶片编号。
一种风机叶片状态监测的预警系统,其特征在于,包括:
原始数据获取单元,用于获取风机叶片对应的原始振动数据;
固有频率获取单元,用于从原始振动数据中分别获取前一日叶片一阶固有频率数据和当前实时叶片一阶固有频率数据;
计算单元,用于根据得到的前一日叶片一阶固有频率数据计算各个风机叶片对应的一阶固有频率前一日均值;根据得到的当前实时叶片一阶固有频率数据计算叶片系统对应的变异系数;
预警单元,用于根据得到的各个风机叶片对应的一阶固有频率前一日均值和叶片系统对应的变异系数对风机叶片状态进行监测预警。
一种风机叶片状态监测的预警设备,包括处理器,以及存储能够在处理器上运行的计算机程序的存储器,所述处理器执行所述计算机程序时实现所述方法。
一种计算设备,包括:
一个或多个处理器、存储器及一个或多个程序,其中一个或多个程序存储在所述存储器中并被配置为所述一个或多个处理器执行,所述一个或多个程序包括用于执行任一方法的指令。
本发明再一个实施例中,提供了一种终端设备,该终端设备包括处理器以及存储器,所述存储器用于存储计算机程序,所述计算机程序包括程序指令,所述处理器用于执行所述计算机存储介质存储的程序指令。处理器可能是中央处理单元(Central ProcessingUnit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor、DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable GateArray,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等,其是终端的计算核心以及控制核心,其适于实现一条或一条以上指令,具体适于加载并执行一条或一条以上指令从而实现相应方法流程或相应功能;本发明实施例所述的处理器可以用于执行上述的一种风机叶片状态监测的预警方法。
本发明再一个实施例中,本发明还提供了一种存储介质,具体为计算机可读存储介质(Memory),所述计算机可读存储介质是终端设备中的记忆设备,用于存放程序和数据。可以理解的是,此处的计算机可读存储介质既可以包括终端设备中的内置存储介质,当然也可以包括终端设备所支持的扩展存储介质。计算机可读存储介质提供存储空间,该存储空间存储了终端的操作系统。并且,在该存储空间中还存放了适于被处理器加载并执行的一条或一条以上的指令,这些指令可以是一个或一个以上的计算机程序(包括程序代码)。需要说明的是,此处的计算机可读存储介质可以是高速RAM存储器,也可以是非不稳定的存储器(non-volatile memory),例如至少一个磁盘存储器。
可由处理器加载并执行计算机可读存储介质中存放的一条或一条以上指令,以实现上述实施例中有关电网中长期检修计划的校核方法的相应步骤;计算机可读存储介质中的一条或一条以上指令由处理器加载并执行上述的一种风机叶片状态监测的预警方法。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(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。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
传统利用一阶固有频率进行叶片状态判断,更多处于理论计算方式,比如利用有限元方法等。只关注单个叶片的一阶固有频率变化,如增大或减小则认为叶片存在问题。但是在实际的生产中,叶片一阶固有频率是处于波动的情况,即使运行正常,叶轮转速、叶面载荷、工作温度、叶片扭向以及安装方式等都可能带来固有频率的变化。所以传统的判断方法认为叶片一阶固有频率变化则叶片运行存在问题,实际上叶片一阶固有频率变化,不一定存在问题。
本发明利用变异系数去判断叶片状态,消除了叶轮转速、叶面载荷、工作温度、叶片扭向以及安装方式等的因素对判断的干扰。例如:理论上工作温度变化,三支叶片的一阶固有频率会有同样的变化(温度对材料刚度有影响)。此时单个叶片的固有频率发生变化,但三支叶片发生同等变化,变异系数没有明显变化。可以判断叶片状态正常。如果某工况下,变异系数增大且超过设定阈值,说明其中某一支叶片较另外两只产生了较大变化,故认为可能存在问题。所以利用变异系数判断叶片状态,更加准确,可靠。
Claims (6)
1.一种风机叶片状态监测的预警方法,其特征在于,包括以下步骤:
步骤1,获取风机叶片对应的原始振动数据;
步骤2,从原始振动数据中分别获取前一日叶片一阶固有频率数据和当前实时叶片一阶固有频率数据;
步骤3,根据得到的前一日叶片一阶固有频率数据计算各个风机叶片对应的一阶固有频率前一日均值;根据得到的当前实时叶片一阶固有频率数据计算叶片系统对应的变异系数;
步骤4,根据得到的各个风机叶片对应的一阶固有频率前一日均值和叶片系统对应的变异系数对风机叶片状态进行监测预警;
步骤2中,从原始振动数据中分别获取前一日叶片一阶固有频率数据和当前实时叶片一阶固有频率数据时,对原始振动数据进行处理,具体地:
根据该原始振动数据实时计算叶片一阶固有频率,得到固有频率集;
从得到的固有频率集中分别获取前一日叶片一阶固有频率数据和当前实时叶片一阶固有频率数据;
步骤3中,根据得到的当前实时叶片一阶固有频率数据计算叶片系统对应的变异系数,具体方法是:
根据获取的当前实时叶片一阶固有频率数据,计算得到叶片系统一阶固有频率对应的实时均值及实时标准差;
根据得到的实时均值及标准差,计算得到叶片系统对应的实时变异系数;
步骤4中,根据得到的各个风机叶片对应的一阶固有频率前一日均值和叶片系统对应的变异系数对风机叶片状态进行监测,具体方法是:
将得到的变异系数与预设阈值进行比较,其中:
若该变异系数小于预设阈值时,则返回步骤2,且从原始振动数据中获取当前实时叶片一阶固有频率数据,之后进入步骤3;
若该变异系数大于等于预设阈值时,则分别计算每个风机叶片对应的当前实时一阶固有频率值与对应的一阶固有频率前一日均值之间的变化量;
将最大变化量对应的风机叶片作为预警信息发出。
2.根据权利要求1所述的一种风机叶片状态监测的预警方法,其特征在于,步骤3中,根据得到的前一日叶片一阶固有频率数据计算各个风机叶片对应的一阶固有频率前一日均值,具体方法是:
对获取的前一日叶片一阶固有频率数据进行清洗,得到清洗后的数据;
根据得到的清洗后的数据计算各风机叶片对应的一阶固有频率前一日均值。
3.根据权利要求2所述的一种风机叶片状态监测的预警方法,其特征在于,利用箱线图法对获取的前一日叶片一阶固有频率数据进行清洗。
4.一种风机叶片状态监测的预警系统,其特征在于,该系统基于权利要求1-3中任一项所述的方法,包括:
原始数据获取单元,用于获取风机叶片对应的原始振动数据;
固有频率获取单元,用于从原始振动数据中分别获取前一日叶片一阶固有频率数据和当前实时叶片一阶固有频率数据;
计算单元,用于根据得到的前一日叶片一阶固有频率数据计算各个风机叶片对应的一阶固有频率前一日均值;根据得到的当前实时叶片一阶固有频率数据计算叶片系统对应的变异系数;
预警单元,用于根据得到的各个风机叶片对应的一阶固有频率前一日均值和叶片系统对应的变异系数对风机叶片状态进行监测预警。
5.一种风机叶片状态监测的预警设备,其特征在于,包括处理器,以及存储能够在处理器上运行的计算机程序的存储器,所述处理器执行所述计算机程序时实现如权利要求1-3中任一项所述方法。
6.一种计算设备,其特征在于,包括:
一个或多个处理器、存储器及一个或多个程序,其中一个或多个程序存储在所述存储器中并被配置为所述一个或多个处理器执行,所述一个或多个程序包括用于执行根据权利要求1至3所述的方法中的任一方法的指令。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210462463.4A CN114777913B (zh) | 2022-04-28 | 2022-04-28 | 一种风机叶片状态监测的预警方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210462463.4A CN114777913B (zh) | 2022-04-28 | 2022-04-28 | 一种风机叶片状态监测的预警方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114777913A CN114777913A (zh) | 2022-07-22 |
CN114777913B true CN114777913B (zh) | 2024-06-07 |
Family
ID=82434461
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210462463.4A Active CN114777913B (zh) | 2022-04-28 | 2022-04-28 | 一种风机叶片状态监测的预警方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114777913B (zh) |
Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000248901A (ja) * | 1999-02-26 | 2000-09-12 | Mitsubishi Heavy Ind Ltd | 中空ブレードおよびその固有振動数調整方法 |
DE10065314A1 (de) * | 2000-12-30 | 2002-07-18 | Igus Ingenieurgemeinschaft Umw | Verfahren und Einrichtung zur Überwachung des Zustandes von Rotorblättern an Windkraftanlagen |
CA2696189A1 (en) * | 2007-08-13 | 2009-02-19 | Siemens Aktiengesellschaft | Monitoring of blade frequencies of a wind turbine |
NZ583646A (en) * | 2007-10-09 | 2013-01-25 | Siemens Ag | Method and system for monitoring vibration frequencies in a wind turbine blade |
EP2565444A1 (de) * | 2011-08-31 | 2013-03-06 | Wölfel Beratende Ingenieure GmbH & Co. KG | Verfarhen und Vorrichtung zur Zustandsüberwachung von Rotorblättern |
CN103411659A (zh) * | 2013-08-12 | 2013-11-27 | 国电联合动力技术有限公司 | 一种风力发电机叶片与塔筒状态监测方法及系统 |
CN107782542A (zh) * | 2017-09-26 | 2018-03-09 | 国网江西省电力公司电力科学研究院 | 一种汽轮机动叶片无线测频装置 |
JP2018138909A (ja) * | 2017-02-24 | 2018-09-06 | 三菱重工業株式会社 | 翼振動監視装置および翼振動監視方法 |
CN110553716A (zh) * | 2019-10-12 | 2019-12-10 | 西安交通大学 | 一种基于计算机视觉的成圈叶片结构振动固有频率的测量方法 |
CN112727704A (zh) * | 2020-12-15 | 2021-04-30 | 北京天泽智云科技有限公司 | 一种叶片前缘腐蚀的监测方法及系统 |
CN112855461A (zh) * | 2019-11-28 | 2021-05-28 | 北京金风慧能技术有限公司 | 叶片振动监测方法及其装置 |
CN113298134A (zh) * | 2021-05-20 | 2021-08-24 | 华中科技大学 | 一种基于bpnn的风机叶片远程非接触健康监测系统和方法 |
CN113819011A (zh) * | 2020-06-19 | 2021-12-21 | 北京金风科创风电设备有限公司 | 风力发电机组的叶轮状态检测方法、装置及系统 |
CN113847212A (zh) * | 2021-10-29 | 2021-12-28 | 中国华能集团清洁能源技术研究院有限公司 | 一种风电机组叶片固有频率监测方法 |
CN114061934A (zh) * | 2021-11-25 | 2022-02-18 | 西安热工研究院有限公司 | 基于风力发电机组振动的叶片故障诊断方法及系统 |
CN114294183A (zh) * | 2021-12-29 | 2022-04-08 | 三一重能股份有限公司 | 一种风机叶片故障监测方法、装置及风机 |
-
2022
- 2022-04-28 CN CN202210462463.4A patent/CN114777913B/zh active Active
Patent Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000248901A (ja) * | 1999-02-26 | 2000-09-12 | Mitsubishi Heavy Ind Ltd | 中空ブレードおよびその固有振動数調整方法 |
DE10065314A1 (de) * | 2000-12-30 | 2002-07-18 | Igus Ingenieurgemeinschaft Umw | Verfahren und Einrichtung zur Überwachung des Zustandes von Rotorblättern an Windkraftanlagen |
CA2696189A1 (en) * | 2007-08-13 | 2009-02-19 | Siemens Aktiengesellschaft | Monitoring of blade frequencies of a wind turbine |
NZ583646A (en) * | 2007-10-09 | 2013-01-25 | Siemens Ag | Method and system for monitoring vibration frequencies in a wind turbine blade |
EP2565444A1 (de) * | 2011-08-31 | 2013-03-06 | Wölfel Beratende Ingenieure GmbH & Co. KG | Verfarhen und Vorrichtung zur Zustandsüberwachung von Rotorblättern |
CN103411659A (zh) * | 2013-08-12 | 2013-11-27 | 国电联合动力技术有限公司 | 一种风力发电机叶片与塔筒状态监测方法及系统 |
JP2018138909A (ja) * | 2017-02-24 | 2018-09-06 | 三菱重工業株式会社 | 翼振動監視装置および翼振動監視方法 |
CN107782542A (zh) * | 2017-09-26 | 2018-03-09 | 国网江西省电力公司电力科学研究院 | 一种汽轮机动叶片无线测频装置 |
CN110553716A (zh) * | 2019-10-12 | 2019-12-10 | 西安交通大学 | 一种基于计算机视觉的成圈叶片结构振动固有频率的测量方法 |
CN112855461A (zh) * | 2019-11-28 | 2021-05-28 | 北京金风慧能技术有限公司 | 叶片振动监测方法及其装置 |
CN113819011A (zh) * | 2020-06-19 | 2021-12-21 | 北京金风科创风电设备有限公司 | 风力发电机组的叶轮状态检测方法、装置及系统 |
CN112727704A (zh) * | 2020-12-15 | 2021-04-30 | 北京天泽智云科技有限公司 | 一种叶片前缘腐蚀的监测方法及系统 |
CN113298134A (zh) * | 2021-05-20 | 2021-08-24 | 华中科技大学 | 一种基于bpnn的风机叶片远程非接触健康监测系统和方法 |
CN113847212A (zh) * | 2021-10-29 | 2021-12-28 | 中国华能集团清洁能源技术研究院有限公司 | 一种风电机组叶片固有频率监测方法 |
CN114061934A (zh) * | 2021-11-25 | 2022-02-18 | 西安热工研究院有限公司 | 基于风力发电机组振动的叶片故障诊断方法及系统 |
CN114294183A (zh) * | 2021-12-29 | 2022-04-08 | 三一重能股份有限公司 | 一种风机叶片故障监测方法、装置及风机 |
Non-Patent Citations (3)
Title |
---|
The reliability analysis of blade to avoid resonance with fuzzy inherent frequency;Zhang Meng;Journal of Mechanical Strength;20141231;全文 * |
大型风力发电机叶片振动测试与分析;王博特;噪声与振动控制;20180815;全文 * |
非接触旋转叶片振动测量系统在转子叶片裂纹故障试验中的应用;刘美茹;朱靖;滕光蓉;李光辉;;燃气涡轮试验与研究;20150415(02);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN114777913A (zh) | 2022-07-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110991666B (zh) | 故障检测方法、模型的训练方法、装置、设备及存储介质 | |
CN108087210B (zh) | 风力发电机组叶片异常识别方法及装置 | |
CN107885959B (zh) | 一种基于置信等效功率曲线带的风电建模及性能评估方法 | |
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 | |
US20180324504A1 (en) | Intelligent monitoring method and apparatus | |
CN106570790B (zh) | 一种计及风速数据分段特性的风电场出力数据修复方法 | |
CN104198138A (zh) | 一种风力发电机组异常振动的预警方法及系统 | |
CN113626767B (zh) | 一种风机限电识别方法、系统、设备和存储介质 | |
JP6032486B2 (ja) | 電力管理システム、電力管理方法 | |
CN116593811A (zh) | 一种集成型变频器运行状态监测系统及监测方法 | |
CN115453356B (zh) | 一种动力设备运行状态监测分析方法、系统、终端及介质 | |
CN113742993A (zh) | 干式变压器寿命损失预测方法、装置、设备及存储介质 | |
CN115578084A (zh) | 基于深度卷积自编码器的风电机组变频器故障预警方法 | |
CN116771610A (zh) | 一种调整风电机组变桨系统故障评估值的方法 | |
CN110334562B (zh) | 轴承振动运行状态预测模型训练方法及预测方法、装置 | |
CN111340307A (zh) | 预测风机风力发电功率的方法以及相关装置 | |
McMillan et al. | Towards quantification of condition monitoring benefit for wind turbine generators | |
CN114777913B (zh) | 一种风机叶片状态监测的预警方法及系统 | |
CN108471137B (zh) | 一种风功率预测中风速功率概率性映射方法 | |
CN112632749B (zh) | 一种风力发电机发电性能的评价方法及装置 | |
Astolfi et al. | Long term wind turbine performance analysis through scada data: A case study | |
CN114444291B (zh) | 一种风机发电量损失精细化测算方法、系统、设备和介质 | |
CN117410961A (zh) | 风功率预测方法、装置、设备及存储介质 | |
CN111308016A (zh) | 一种齿轮箱故障诊断方法、系统、设备及存储介质 | |
CN115374653A (zh) | 基于nset模型的风力发电机温度预警方法及相关装置 |
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 |