CN114778116A - 一种风力发电机组变桨轴承故障预警方法及系统 - Google Patents
一种风力发电机组变桨轴承故障预警方法及系统 Download PDFInfo
- Publication number
- CN114778116A CN114778116A CN202210462541.0A CN202210462541A CN114778116A CN 114778116 A CN114778116 A CN 114778116A CN 202210462541 A CN202210462541 A CN 202210462541A CN 114778116 A CN114778116 A CN 114778116A
- Authority
- CN
- China
- Prior art keywords
- pitch bearing
- working condition
- slope
- vibration
- early warning
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000004364 calculation method Methods 0.000 claims description 14
- 230000002159 abnormal effect Effects 0.000 claims description 3
- 238000004590 computer program Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 8
- 238000012545 processing Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 230000007547 defect Effects 0.000 description 2
- 238000010521 absorption reaction Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
Images
Classifications
-
- 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
- G01M13/04—Bearings
- G01M13/045—Acoustic or vibration analysis
Landscapes
- Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- General Physics & Mathematics (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本发明提供的一种风力发电机组变桨轴承故障预警方法及系统,包括以下步骤:步骤1,获取所有变桨轴承的原始振动数据;步骤2,将得到的原始振动数据根据工况进行分仓,得到多个工况区间;步骤3,计算每个工况区间内每个变桨轴承对应的振动特征值,得到每个工况区间内对应的三个振动特征值;步骤4,计算每个工况区间对应的振动特征值变异系数;步骤5,根据得到的变异系数判断系统的运行状态,其中,当运行状态正常时,则返回步骤1;否则,进入步骤6;步骤6,计算该工况区间内每个变桨轴承对应的拟合斜率增量;步骤7,根据的三个拟合斜率增量对变桨轴承的故障进行判断并预警;本发明能够及时、准确诊断风机变桨轴承的运行状态。
Description
技术领域
本发明属于风电领域,具体涉及一种风力发电机组变桨轴承故障预警方法及系统。
背景技术
近些年,随着国家对新能源领域的重视,风电行业得到长足的发展。风力发电机是捕获风能,通过传动部件,最终将其转换为电能的电力设备。变桨系统是其重要的组成部分,变桨系统通过控制变桨驱动电机带动变桨轴承转动从而调节叶片的桨距角,改变气流对叶片的攻角,进而更好的捕获风能。由于变桨轴承运行工况复杂,极易发生损伤,处理不及时就会带来重大的损失及人员伤亡。变桨轴承失效预警就显得尤为重要。通常可以通过检测仪获取变桨过程中5度接近开关值的变化趋势,判断变桨轴承是否存在异常。但该变化值极小,要求检测的精度较高,从而该方法成本太高。振动监测在变桨轴承监测方面的应用越来越广泛,振动分析工程师通过分析谱图,可以判断轴承损伤情况。该方法成本也较高,且不能及时反应变桨轴承情况。由此,业界亟需一种成本低、及时且有效的预警模型。
发明内容
本发明的目的在于提供一种风力发电机组变桨轴承故障预警方法及系统,解决了现有技术中存在的上述不足。
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力发电机组变桨轴承故障预警方法,包括以下步骤:
步骤1,获取所有变桨轴承的原始振动数据;
步骤2,将得到的原始振动数据根据工况进行分仓,得到多个工况区间;
步骤3,计算每个工况区间内每个变桨轴承对应的振动特征值,得到每个工况区间内对应的三个振动特征值;
步骤4,计算每个工况区间对应的振动特征值变异系数;
步骤5,根据得到的变异系数判断系统的运行状态,其中,当运行状态正常时,则返回步骤1;否则,进入步骤6;
步骤6,计算该工况区间内每个变桨轴承对应的拟合斜率增量;
步骤7,根据的三个拟合斜率增量对变桨轴承的故障进行判断并预警。
优选地,步骤4中,计算每个工况区间对应的振动特征值变异系数,具体方法是:
计算每个工况区间对应振动特征值的均值和标准差;
计算标准差和均值的比值,将该比值作为每个工况区间对应的振动特征值变异系数。
优选地,步骤5中,根据得到的变异系数判断系统的运行状态,具体方法是:
当变异系数大于等于预设阈值时,则判定风力发电机组变桨轴承的运行正常;否则风力发电机组变桨轴承的运行异常。
优选地,步骤6中,利用最小二乘法将当前时刻每个变桨轴承对应的振动数据和上一时刻每个变桨轴承对应的振动数据分别与历史振动特征值数据进行拟合,分别得到当前时刻对应的直线斜率和上一时刻对应的直线斜率。
优选地,步骤6中,计算该工况区间内每个变桨轴承对应的拟合斜率增量,具体方法是:
分别获取当前时刻每个变桨轴承对应的振动数据、上一时刻每个变桨轴承对应的振动数据,以及该变异系数对应工况区间所对应的历史振动特征值数据;
将当前时刻每个变桨轴承对应的振动数据和上一时刻每个变桨轴承对应的振动数据分别与历史振动特征值数据进行拟合,分别得到当前时刻对应的直线斜率和上一时刻对应的直线斜率;
利用得到的当前时刻对应的直线斜率和上一时刻对应的直线斜率计算得到每个变桨轴承对应的拟合斜率增量。
优选地,利用下式计算该工况区间三个变桨轴承对应的斜率增量:
ΔKij=Kij1-Kij2
其中,ΔKij为第i个工况区间内第j个变桨轴承对应的斜率增量;Kij1为第i个工况区间内第j个变桨轴承当前时刻对应的直线斜率;Kij2为第i个工况区间内第j个变桨轴承上一时刻对应的直线斜率。
优选地,步骤8中,根据的三个斜率增量对变桨轴承的故障进行判断并预警,具体方法是:
将得到的该工况区间对应的三个斜率增量进行比较,得到最大斜率增量对应的变桨轴承;
获取该变桨轴承对应的振动有效值;
将得到的振动有效值与预设阈值进行比较,其中:
若得到的振动有效值小于预设阈值时,则进行预警,并输出该变桨轴承的编号;
若得到的振动有效值大于等于预设阈值时,则进行报警,并输出该变桨轴承编号。
一种风力发电机组变桨轴承故障预警系统,包括:
数据采集单元,用于获取所有变桨轴承的原始振动数据;
斜率增量拟合单元,用于根据原始振动数据计算每个变桨轴承对应的拟合斜率增量;
判断预警单元,用于根据得到的三个斜率增量对变桨轴承的故障进行判断并预警。
优选地,所述斜率增量拟合单元包括:
分仓模块,用于将得到的原始振动数据根据工况进行分仓,得到多个工况区间;
特征值计算模块,用于计算每个工况区间内每个变桨轴承对应的振动特征值,得到每个工况区间内对应的三个振动特征值;
变异系数计算模块,用于计算每个工况区间对应的振动特征值变异系数;
状态判断模块,用于根据得到的变异系数判断系统的运行状态,其中,当运行状态正常时,则返回数据采集单元;否则,进入拟合单元;
拟合模块,用于计算该工况区间内每个变桨轴承对应的拟合斜率增量。
一种风力发电机组变桨轴承故障预警设备,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力发电机组变桨轴承故障预警方法,通过横向计算三个变桨轴承振动特征值的变异系数,纵向计算单个变桨轴承振动特征值拟合斜率增量,并考虑到多个振动特征值;从而能够及时、准确诊断风机变桨轴承的运行状态;本发明弥补了现有风机变桨轴承预警成本较高且不能及时、有效预警的不足。
附图说明
图1是本发明的流程示意图;
图2是风电机组各阶段运行状态图;
图3是本发明的系统结构图。
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至图3所示,本发明提供的一种风力发电机组变桨轴承故障预警方法,包括以下步骤:
步骤1,基于风电机组已有的CMS监测系统,实时获取风力发电机组所有变桨轴承对应的原始振动数据,并从SCADA系统实时获取对应的风速和功率。
步骤2,根据工况将原始振动数据进行分仓,得到多个工况区间;实时计算每个工况区间对应的三个变桨轴承的振动特征值,计算的特征值包括但不限于:平均值、均方值、有效值、峰值、裕度、歪度及峭度等。
工况划分是根据风力发电机的输出功率曲线,依照风速的大小,将风力发电机的运行工况分为5个:当v<vA时,风速过小,风力发电机处于待机状态。当vA<v<vB时,风力发电机开始工作,但是低于额定功率。当vB<v<vC时,风力发电机处于最大功率点跟踪控制阶段,通过改变叶轮角度,最大程度的捕获风能。当vC<v<vD时,风力发电机通过增加变桨角度来控制功率,以减少风能的吸收,确保风力发电机的输出功率不会过大。当v>vD时,风速过大,为了保护风力发电机不受损坏,系统收桨,机器关闭。风电机组各阶段运行状态如图2所示。
根据工况将原始振动数据进行分仓,就是将CMS采集到的振动数据与SCADA采集到的工况数据(风速、功率)按照采集时间进行对应,然后按照工况划分为5个部分;分仓的目的是在同一工况下,对特征值进行分析。减少不同工况因素对系统状态判断的影响。一般可以认为,转速、功率越大,振动值越大。
计算结果标记为:1#变桨轴承Ai1,2#变桨轴承Ai2,3#变桨轴承Ai3,其中,i表示不同的工况区间。
步骤3,将计算的各特征值及对应工况存入指定的数据库。
将每个工况区间三个变桨轴承对应的振动特征值数据进行存储,得到每个工况区间对应的振动特征值数据。
存入数据库的目的在于:振动特征值为CMS振动数据的计算数据,不能直接获得,如果不进行存储,后面需要重复计算,浪费计算资源。同时特征值本身不带有工况信息,需要将其与SCADA对应的工况信息存储,以便后面的计算。
步骤4,根据步骤2得到的计算结果,按照下式计算每个工况区间内所有变桨轴承振动特征值对应的均值及标准差:
步骤5,根据计算结果,将每个工况区间振动特征值对应的标准差与均值之比定义为该工况区间振动特征值对应的变异系数,计算公式如下:
步骤6,判断变异系数αi是否有超过设定的对应特征值的变异系数阈值,其中:
判断的目的:未超过表示风力发电机组变桨轴承运行暂时正常,超过表示风力发电机组变桨轴承运行可能存在异常,并预警。
未超过时,返回步骤1,对三个变桨轴承不同工况区间对应的变异系数进行重新计算。
超过时,则进入下一步。
步骤7,获取该变异系数对应工况区间所对应的历史振动特征值数据,该历史振动特征值数据的获取方法是:
从步骤3中该工况区间对应的振动特征值数据中取一段时间T内连续不同时刻t对应的n个振动特征值,得到历史振动特征值数据。
具体时间段T可根据需要进行设定,其中,n不小于10。
取值结果标记为:1#变桨轴承Ai1t,2#变桨轴承Ai2t,3#变桨轴承Ai3t;t∈(1,2,3,…,n)。
步骤8,通过获取的历史振动特征值数据,进行最小二乘法一元线性拟合,具体地:
获取当前时刻每个变桨轴承对应的振动数据,以及上一时刻每个变桨轴承对应的振动数据;
利用当前时刻每个变桨轴承对应的振动数据与历史振动特征值数据中该变桨轴承对应的当前时刻之前的n-1个数据(Aij2,Aij3,…,Aijn)进行拟合,得到当前时刻直线斜率Kij1;
利用上一时刻每个变桨轴承对应的振动数据与历史振动特征值数据中该变桨轴承对应上一时刻之前的n-1个数据(Aij1,Aij1,…,Aij(n-1))进行拟合,得到直线斜率Kij2,其中,j代表变桨轴承标号,j∈(1,2,3)。
步骤9,计算每个变桨轴承对应的斜率增量,斜率的增量代表每个变桨轴承振动特征值的变化趋势,其中,斜率增量计算公式如下:
ΔKij=Kij1-Kij2,j∈(1,2,3)
其中,ΔKij为第i个工况区间内第j个变桨轴承对应的斜率增量;Kij1为第i个工况区间内第j个变桨轴承当前时刻对应的直线斜率;Kij2为第i个工况区间内第j个变桨轴承上一时刻对应的直线斜率。
步骤10,将得到的该工况区间对应的三个斜率增量进行比较,得到最大斜率增量对应的变桨轴承;
获取该变桨轴承对应的振动有效值;
将得到的振动有效值与预设阈值进行比较,其中:
若得到的振动有效值小于预设阈值时,则进行预警,输出斜率增量最大的变桨轴承编号;
若得到的振动有效值大于等于预设阈值时,则进行报警,输出斜率增量最大的变桨轴承编号。
变桨轴承的振动有效值预设阈值没有明确的标准,一般延用VDI3834的标准,一级报警线0.3m/s2,二级报警线0.5m/s2。
本发明提供的一种风力发电机组变桨轴承故障预警系统,包括:
数据采集单元,用于获取所有变桨轴承的原始振动数据;
斜率增量拟合单元,用于根据原始振动数据计算每个变桨轴承对应的拟合斜率增量;
判断预警单元,用于根据的三个斜率增量对变桨轴承的故障进行判断并预警。
所述斜率增量拟合单元包括:
分仓模块,用于将得到的原始振动数据根据工况进行分仓,得到多个工况区间;
特征值计算模块,用于计算每个工况区间内每个变桨轴承对应的振动特征值,得到每个工况区间内对应的三个振动特征值;
变异系数计算模块,用于计算每个工况区间对应的振动特征值变异系数;
状态判断模块,用于根据得到的变异系数判断系统的运行状态,其中,当运行状态正常时,则返回数据采集单元;否则,进入拟合单元;
拟合模块,用于计算该工况区间内每个变桨轴承对应的拟合斜率增量
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力发电机组变桨轴承故障预警方法。
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力发电机组变桨轴承故障预警方法。
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。
Claims (10)
1.一种风力发电机组变桨轴承故障预警方法,其特征在于,包括以下步骤:
步骤1,获取所有变桨轴承的原始振动数据;
步骤2,将得到的原始振动数据根据工况进行分仓,得到多个工况区间;
步骤3,计算每个工况区间内每个变桨轴承对应的振动特征值,得到每个工况区间内对应的三个振动特征值;
步骤4,计算每个工况区间对应的振动特征值变异系数;
步骤5,根据得到的变异系数判断系统的运行状态,其中,当运行状态正常时,则返回步骤1;否则,进入步骤6;
步骤6,计算该工况区间内每个变桨轴承对应的拟合斜率增量;
步骤7,根据的三个拟合斜率增量对变桨轴承的故障进行判断并预警。
2.根据权利要求1所述的一种风力发电机组变桨轴承故障预警方法,其特征在于,步骤4中,计算每个工况区间对应的振动特征值变异系数,具体方法是:
计算每个工况区间对应振动特征值的均值和标准差;
计算标准差和均值的比值,将该比值作为每个工况区间对应的振动特征值变异系数。
3.根据权利要求1所述的一种风力发电机组变桨轴承故障预警方法,其特征在于,步骤5中,根据得到的变异系数判断系统的运行状态,具体方法是:
当变异系数大于等于预设阈值时,则判定风力发电机组变桨轴承的运行正常;否则风力发电机组变桨轴承的运行异常。
4.根据权利要求1所述的一种风力发电机组变桨轴承故障预警方法,其特征在于,步骤6中,利用最小二乘法将当前时刻每个变桨轴承对应的振动数据和上一时刻每个变桨轴承对应的振动数据分别与历史振动特征值数据进行拟合,分别得到当前时刻对应的直线斜率和上一时刻对应的直线斜率。
5.根据权利要求1所述的一种风力发电机组变桨轴承故障预警方法,其特征在于,步骤6中,计算该工况区间内每个变桨轴承对应的拟合斜率增量,具体方法是:
分别获取当前时刻每个变桨轴承对应的振动数据、上一时刻每个变桨轴承对应的振动数据,以及该变异系数对应工况区间所对应的历史振动特征值数据;
将当前时刻每个变桨轴承对应的振动数据和上一时刻每个变桨轴承对应的振动数据分别与历史振动特征值数据进行拟合,分别得到当前时刻对应的直线斜率和上一时刻对应的直线斜率;
利用得到的当前时刻对应的直线斜率和上一时刻对应的直线斜率计算得到每个变桨轴承对应的拟合斜率增量。
6.根据权利要求5所述的一种风力发电机组变桨轴承故障预警方法,其特征在于,利用下式计算该工况区间三个变桨轴承对应的斜率增量:
ΔKij=Kij1-Kij2
其中,ΔKij为第i个工况区间内第j个变桨轴承对应的斜率增量;Kij1为第i个工况区间内第j个变桨轴承当前时刻对应的直线斜率;Kij2为第i个工况区间内第j个变桨轴承上一时刻对应的直线斜率。
7.根据权利要求1所述的一种风力发电机组变桨轴承故障预警方法,其特征在于,步骤7中,根据的三个斜率增量对变桨轴承的故障进行判断并预警,具体方法是:
将得到的该工况区间对应的三个斜率增量进行比较,得到最大斜率增量对应的变桨轴承;
获取该变桨轴承对应的振动有效值;
将得到的振动有效值与预设阈值进行比较,其中:
若得到的振动有效值小于预设阈值时,则进行预警,并输出该变桨轴承的编号;
若得到的振动有效值大于等于预设阈值时,则进行报警,并输出该变桨轴承编号。
8.一种风力发电机组变桨轴承故障预警系统,其特征在于,包括:
数据获取单元,用于获取所有变桨轴承的原始振动数据;
斜率增量拟合单元,用于根据原始振动数据计算每个变桨轴承对应的拟合斜率增量;
判断预警单元,用于根据得到的三个拟合斜率增量对变桨轴承的故障进行判断并预警。
9.根据权利要求8所述的一种风力发电机组变桨轴承故障预警系统,其特征在于,所述斜率增量拟合单元包括:
分仓模块,用于将得到的原始振动数据根据工况进行分仓,得到多个工况区间;
特征值计算模块,用于计算每个工况区间内每个变桨轴承对应的振动特征值,得到每个工况区间内对应的三个振动特征值;
变异系数计算模块,用于计算每个工况区间对应的振动特征值变异系数;
状态判断模块,用于根据得到的变异系数判断系统的运行状态,其中,当运行状态正常时,则返回数据采集单元;否则,进入拟合单元;
拟合模块,用于计算该工况区间内每个变桨轴承对应的拟合斜率增量。
10.一种风力发电机组变桨轴承故障预警设备,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7所述的方法中的任一方法的指令。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210462541.0A CN114778116A (zh) | 2022-04-28 | 2022-04-28 | 一种风力发电机组变桨轴承故障预警方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210462541.0A CN114778116A (zh) | 2022-04-28 | 2022-04-28 | 一种风力发电机组变桨轴承故障预警方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114778116A true CN114778116A (zh) | 2022-07-22 |
Family
ID=82435440
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210462541.0A Pending CN114778116A (zh) | 2022-04-28 | 2022-04-28 | 一种风力发电机组变桨轴承故障预警方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114778116A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115450853A (zh) * | 2022-08-26 | 2022-12-09 | 西安热工研究院有限公司 | 一种基于离散率的变桨电机温度异常预警方法及系统 |
CN117705448A (zh) * | 2024-02-05 | 2024-03-15 | 南京凯奥思数据技术有限公司 | 基于滑动平均与3σ准则相融合的轴承故障劣化趋势阈值预警方法及系统 |
-
2022
- 2022-04-28 CN CN202210462541.0A patent/CN114778116A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115450853A (zh) * | 2022-08-26 | 2022-12-09 | 西安热工研究院有限公司 | 一种基于离散率的变桨电机温度异常预警方法及系统 |
CN117705448A (zh) * | 2024-02-05 | 2024-03-15 | 南京凯奥思数据技术有限公司 | 基于滑动平均与3σ准则相融合的轴承故障劣化趋势阈值预警方法及系统 |
CN117705448B (zh) * | 2024-02-05 | 2024-05-07 | 南京凯奥思数据技术有限公司 | 基于滑动平均与3σ准则相融合的轴承故障劣化趋势阈值预警方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108087210B (zh) | 风力发电机组叶片异常识别方法及装置 | |
CN114778116A (zh) | 一种风力发电机组变桨轴承故障预警方法及系统 | |
CN105134510A (zh) | 一种风力发电机组变桨系统的状态监测和故障诊断方法 | |
CN106815771B (zh) | 一种风电场载荷的长期评估方法 | |
CN108932580A (zh) | 基于数据建模的风电机组变桨轴承磨损监测和预警方法 | |
CN110067708B (zh) | 一种使用功率曲线识别偏航对风不正的方法 | |
CN108072524B (zh) | 一种风电机组齿轮箱轴承故障预警方法 | |
CN113027695B (zh) | 风力发电机组的桨距角异常的检测方法及装置 | |
CN110552832A (zh) | 水轮机组故障诊断及健康状态评估方法 | |
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 | |
CN111622898A (zh) | 用于预测由于过度振动造成风力涡轮停机的系统和方法 | |
CN112228290A (zh) | 一种风力机变桨系统故障智能预警方法 | |
CN114623051A (zh) | 一种风电叶片覆冰状态智能识别及预警方法 | |
CN115929569B (zh) | 一种风电机组变桨系统故障诊断方法 | |
CN116857131A (zh) | 一种风电机组变桨距系统故障诊断方法、系统及设备 | |
CN116879735A (zh) | 一种风电机组变桨电机温度故障识别方法及系统 | |
KR101468627B1 (ko) | 풍력발전기 데이터 분류 시스템 | |
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 | |
CN115829411A (zh) | 一种海上风电机组运行状态评估方法及评估系统 | |
US11739734B2 (en) | Fatigue loads in wind turbines and use of operational metadata | |
Liu et al. | Data-driven fault identification of ageing wind turbine | |
CN113494428B (zh) | 风力发电机组的故障检测方法和装置 | |
CN115828439A (zh) | 风力发电机组异常损耗的识别方法及装置 | |
CN114151147A (zh) | 汽轮机转速异常的故障预警方法、系统、设备及介质 | |
Yang et al. | Fault warning of pitch system of wind turbine based on kernel density estimation |
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 |