CN114810514A - 风电机组叶尖净空距离测量方法、装置、设备及存储介质 - Google Patents
风电机组叶尖净空距离测量方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN114810514A CN114810514A CN202210732634.0A CN202210732634A CN114810514A CN 114810514 A CN114810514 A CN 114810514A CN 202210732634 A CN202210732634 A CN 202210732634A CN 114810514 A CN114810514 A CN 114810514A
- Authority
- CN
- China
- Prior art keywords
- blade
- clearance
- distance
- preset position
- tip
- 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 63
- 238000003860 storage Methods 0.000 title claims abstract description 17
- 238000005452 bending Methods 0.000 claims abstract description 95
- 238000006073 displacement reaction Methods 0.000 claims abstract description 31
- 238000012937 correction Methods 0.000 claims abstract description 30
- 238000005259 measurement Methods 0.000 claims abstract description 13
- 230000015654 memory Effects 0.000 claims description 16
- 230000003068 static effect Effects 0.000 claims description 15
- 230000008569 process Effects 0.000 claims description 11
- 238000004422 calculation algorithm Methods 0.000 claims description 9
- 238000005457 optimization Methods 0.000 claims description 9
- 238000004088 simulation Methods 0.000 claims description 9
- 238000000691 measurement method Methods 0.000 claims description 8
- 238000010801 machine learning Methods 0.000 claims description 6
- 238000012549 training Methods 0.000 claims description 6
- 238000010248 power generation Methods 0.000 abstract description 17
- 238000004364 calculation method Methods 0.000 abstract description 14
- 230000002035 prolonged effect Effects 0.000 abstract description 5
- 238000004891 communication Methods 0.000 description 16
- 238000012545 processing Methods 0.000 description 9
- 238000011161 development Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 6
- 230000002093 peripheral effect Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 3
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 2
- 241000282414 Homo sapiens Species 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000011900 installation process Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 229910002092 carbon dioxide Inorganic materials 0.000 description 1
- 239000001569 carbon dioxide Substances 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 238000010408 sweeping Methods 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
-
- 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
- F03D7/00—Controlling wind motors
- F03D7/02—Controlling wind motors the wind motors having rotation axis substantially parallel to the air flow entering the rotor
- F03D7/04—Automatic control; Regulation
- F03D7/042—Automatic control; Regulation by means of an electrical or electronic controller
- F03D7/043—Automatic control; Regulation by means of an electrical or electronic controller characterised by the type of control logic
- F03D7/045—Automatic control; Regulation by means of an electrical or electronic controller characterised by the type of control logic with model-based controls
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- 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
-
- 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
-
- 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
Abstract
本发明公开了一种风电机组叶尖净空距离测量方法、装置、设备及存储介质,该方法包括获取塔筒晃动的位移量,根据叶片预设位置的轨迹信息,获取叶片预设位置的净空距离,利用位移量对其修正;获取目标时段内的风速,并根据所述风速,确定目标时段下叶片预设位置和叶尖的弯曲距离;根据所述弯曲距离和叶片预设位置的净空距离修正值,获得叶尖的净空距离。本发明通过叶片预设位置的净空距离修正值和叶片预设位置与叶尖的弯曲距离,利用几何结构计算模型,完成叶尖净空距离的测量或预测,基于该叶尖净空距离,调整风电机组的运行状态,可在保证叶片安全情况下,平衡发电效能和延长叶片运行寿命,让机组运行在最佳状态。
Description
技术领域
本发明涉及风电技术领域,尤其涉及到一种风电机组叶尖净空距离测量方法、装置、设备及存储介质。
背景技术
能源是现今社会经济发展的基础,也是人类生活的基础,是促进我国经济发展的主要物资。但随着人类对能源的过度开采和使用,造成了不可再生能源的短缺,并且给环境带来很大的污染,所以开发新能源是现今最主要的问题,也是我国最主要的任务。风能是重要的能源,风力发电可以有效解决我国的能源供应问题,并且风力发电可以有效减少环境污染和对二氧化碳的排放,促进我国的可持续发展进程。
风电,资源无尽,成本低廉。风力发电是目前再生能源可用中技术最成熟,最具规模开发条件,发展前景看好的发电方式。世界各国尤其是发达国家,对风电发展高度重视,把开发风电作为调整能源结构、保护环境、合理利用资源、实现可持续发展的重要措施。虽然近些年来我国一直在从事风力发电,但无论是从发电装置上还是从制造水平上,我国的风力发电技术还有很多问题需要改进。
由于塔筒存在晃动,叶片到塔筒的距离也在跟随风机状态发生变化,测量难度大,同时,由于风力发电机组叶片本身结构复杂,要在叶片内叶尖位置安装相关测量传感器,从安装工艺上比较复杂,同时由于越靠近叶尖位置更容易引雷。综合考虑,叶片叶尖位置测量GPS定位天线安装于叶片1/4靠近叶尖位置,但当前位置只能实时定位出GPS定位天线的坐标位置,无法直接测量出叶片叶尖的位置。然而风电机组在运行过程中,最容易触碰塔筒的位置是叶片叶尖位置。风力发电机组叶片在满发状态叶尖到塔筒距离最短,最容易触碰塔筒。同时数据传输延时性是必然存在,如果通过实时推算出的叶尖到塔筒距离,再经过数据传输完成整个控制动作流程,必将引起控制延迟风险。
目前行业内无任何一种方式可预测风力发电机组的叶尖净空距离。因此,如何提供一种风力发电机组的叶尖净空距离预测方法,以平衡叶片安全、载荷(寿命)、发电量,实现发电量保证安全情况下尽可能提高机组发电量和延长叶片使用寿命,是一个亟需解决的技术问题。
上述内容仅用于辅助理解本发明的技术方案,并不代表承认上述内容是现有技术。
发明内容
本发明的主要目的在于提供一种风电机组叶尖净空距离测量方法、装置、设备及存储介质,旨在解决目前行业内无任何一种方式可测量或预测风力发电机组的叶尖净空距离的技术问题。
为实现上述目的,本发明提供一种风电机组叶尖净空距离测量方法,所述方法包括以下步骤:
获取叶片静止时叶片预设位置到塔筒的净空距离;
利用机组运行中测量的叶片预设位置的轨迹信息,对比由历史数据得到的轨迹圆,得到当前塔筒晃动的位移量;
根据叶片预设位置的轨迹信息,测量叶片预设位置的净空距离,并利用所述位移量对所述净空距离进行修正,获得净空距离修正值;
获取目标时段的风速,并根据所述风速,确定目标时段下叶片预设位置的弯曲距离和叶尖的弯曲距离;
根据所述叶片预设位置的弯曲距离、叶尖的弯曲距离和叶片预设位置的净空距离修正值,获得叶尖的净空距离。
可选的,所述根据所述风速,确定目标时段下叶尖的弯曲距离步骤,具体包括:
获取数据库中预存的叶片模型在不同风速下叶片弯曲距离和叶片位置的关系模型,并根据所述风速,匹配所述风速对应的叶片弯曲距离和叶片位置的目标关系模型;
利用所述目标关系模型,确定目标时段的风速对应的叶片预设位置的弯曲距离和叶尖的弯曲距离。
可选的,所述根据所述风速,确定目标时段下叶片预设位置的弯曲距离和叶尖的弯曲距离步骤之前,所述方法还包括:
建立叶片模型,对叶片模型在不同风速下进行仿真,获得叶片模型在不同位置的仿真数据;
基于所述仿真数据,采用回归算法模型进行插值拟合,获得不同风速下叶片弯曲距离和叶片位置的关系模型。
可选的,所述根据所述叶片预设位置的弯曲距离、叶尖的弯曲距离和叶片预设位置的净空距离修正值,获得叶尖的净空距离步骤中,所述叶尖的净空距离的表达式为:
y=a+x-b;
x=x’+s;
其中,y为叶尖的净空距离,a为叶片预设位置的弯曲距离,b为叶尖的弯曲距离,x为叶片预设位置的净空距离修正值,s为位移量,x’为叶片预设位置的净空距离。
可选的,所述方法还包括:
根据叶片预设位置的轨迹信息,测量叶片预设位置的预测净空距离,并利用所述位移量对所述预测净空距离进行修正,获得预测净空距离修正值;
获取目标时段的预测风速,并根据所述预测风速,确定目标时段下叶片预设位置的预测弯曲距离和叶尖的预测弯曲距离;
根据所述叶片预设位置的预测弯曲距离、叶尖的预测弯曲距离和叶片预设位置的预测净空距离修正值,获得叶尖的预测净空距离。
可选的,所述根据叶片预设位置的轨迹信息,测量叶片预设位置的预测净空距离步骤,具体包括:
获取历史叶片预设位置的净空距离和风电机组的状态数据;
利用机器学习方法对所述净空距离和所述状态数据进行预测模型建模和训练优化,以获得基于风电机组状态数据的叶片预设位置的净空距离预测模型;
根据叶片预设位置的轨迹信息,确定叶片预设位置的净空距离;
将所述叶片预设位置净空距离和风电机组状态数据输入净空距离预测模型,获取叶片预设位置的预测净空距离。
可选的,所述获取目标时段的预测风速步骤,具体包括:
获取历史风速和历史风速预测参数,利用机器学习方法对所述历史风速和所述历史风速预测参数进行预测模型建模和训练优化,以获得基于风速预测参数的风速预测模型;
利用测风设备获取实时风速,基于所述实时风速和预测风速,对所述风速预测模型进行修正;
获取当前风速预测参数和当前风速,将所述当前风速预测参数和当前风速输入风速预测模型,获取目标时段内的预测风速;
其中,所述风速预测参数包括气压、温度和空气密度中的一种或多种。
此外,为了实现上述目的,本发明还提供了一种风电机组叶尖净空距离测量装置,所述风电机组叶尖净空距离测量装置包括:
静止净空距离获取模块,用于获取叶片静止时叶片预设位置到塔筒的净空距离;
塔筒位移量获取模块,用于利用机组运行中测量的叶片预设位置的轨迹信息,对比由历史数据得到的轨迹圆,得到当前塔筒晃动的位移量;
净空距离获取模块,用于根据叶片预设位置的轨迹信息,测量叶片预设位置的净空距离,并利用所述位移量对所述净空距离进行修正,获得净空距离修正值;
弯曲距离确定模块,用于获取目标时段的风速,并根据所述风速,确定目标时段下叶片预设位置的弯曲距离和叶尖的弯曲距离;
叶尖净空距离测量模块,用于根据所述叶片预设位置的弯曲距离、叶尖的弯曲距离和叶片预设位置的净空距离修正值,获得叶尖的净空距离。
此外,为了实现上述目的,本发明还提供了一种风电机组叶尖净空距离测量设备,所述设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的风电机组叶尖净空距离测量方法程序,所述风电机组叶尖净空距离测量方法程序被所述处理器执行时实现上述的风电机组叶尖净空距离测量方法的步骤。
此外,为了实现上述目的,本发明还提供了一种存储介质,所述存储介质上存储有风电机组叶尖净空距离测量方法程序,所述风电机组叶尖净空距离测量方法程序被处理器执行时实现上述的风电机组叶尖净空距离测量方法的步骤。
本发明实施例提出的一种风电机组叶尖净空距离测量方法、装置、设备及存储介质,该方法包括根据叶片预设位置的轨迹信息,获取叶片预设位置的净空距离修正值,获取目标时段内的风速,并根据所述风速,确定目标时段下叶片预设位置和叶尖的弯曲距离,根据所述弯曲距离和叶片预设位置的净空距离修正值,获得叶尖的净空距离。本发明通过叶片预设位置的净空距离修正值和叶片预设位置与叶尖的弯曲距离,利用几何结构计算模型,完成叶尖净空距离的测量或预测,基于该叶尖净空距离,调整风电机组的运行状态,可在保证叶片安全情况下,平衡发电效能和延长叶片运行寿命,让机组运行在最佳状态。
附图说明
图1为本发明一种风电机组叶尖净空距离测量设备的结构示意图;
图2为本发明一种风电机组叶尖净空距离测量方法的流程示意图;
图3为叶片模型中风速为13m/s时“弯曲距离-叶片长度”的关系曲线示意图;
图4为叶尖预测净空距离计算的几何结构计算模型的示意图;
图5为本发明一种风电机组叶尖净空距离测量装置的结构框图。
附图标记:
10-静止净空距离获取模块;20-塔筒位移量获取模块;30-净空距离获取模块;40-弯曲距离确定模块;50-叶尖净空距离测量模块;301-处理器;302-存储器;303-通信接口;304-射频电路;305-显示屏;306-电源。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
目前,在相关技术领域,目前行业内无任何一种方式可测量或预测风力发电机组的叶尖净空距离,以平衡叶片安全、载荷(寿命)、发电量,实现发电量保证安全情况下尽可能提高机组发电量和延长叶片使用寿命。
为了解决这一问题,提出本发明的风电机组叶尖净空距离测量方法的各个实施例。本发明提供的风电机组叶尖净空距离测量方法通过叶片预设位置的预测净空距离修正值和叶片预设位置与叶尖的预测弯曲距离,利用几何结构计算模型,完成叶尖净空距离的测量或预测,基于该叶尖净空距离的预测值,调整风电机组的运行状态,可在保证叶片安全情况下,平衡发电效能和延长叶片运行寿命,让机组运行在最佳状态。
参照图1,图1为本发明实施例方案涉及的风电机组叶尖净空距离测量设备的结构示意图。
设备可以是移动电话、智能电话、笔记本电脑、数字广播接收器、个人数字助理(PDA)、平板电脑(PAD)等用户设备(User Equipment,UE)、手持设备、车载设备、可穿戴设备、计算设备或连接到无线调制解调器的其它处理设备、移动台(Mobile station,MS)等。设备可能被称为用户终端、便携式终端、台式终端等。
通常,设备包括:至少一个处理器301、存储器302以及存储在所述存储器上并可在所述处理器上运行的风电机组叶尖净空距离测量方法程序,所述风电机组叶尖净空距离测量方法程序配置为实现如前所述的风电机组叶尖净空距离测量方法的步骤。
处理器301可以包括一个或多个处理核心,比如4核心处理器、8核心处理器等。处理器301可以采用DSP(Digital Signal Processing,数字信号处理)、FPGA(Field-Programmable Gate Array,现场可编程门阵列)、PLA(Programmable Logic Array,可编程逻辑阵列)中的至少一种硬件形式来实现。处理器301也可以包括主处理器和协处理器,主处理器是用于对在唤醒状态下的数据进行处理的处理器,也称CPU(CentralProcessingUnit,中央处理器);协处理器是用于对在待机状态下的数据进行处理的低功耗处理器。在一些实施例中,处理器301可以在集成有GPU(Graphics Processing Unit,图像处理器),GPU用于负责显示屏所需要显示的内容的渲染和绘制。处理器301还可以包括AI(Artificial Intelligence,人工智能)处理器,该AI处理器用于处理有关风电机组叶尖净空距离测量方法操作,使得风电机组叶尖净空距离测量方法模型可以自主训练学习,提高效率和准确度。
存储器302可以包括一个或多个计算机可读存储介质,该计算机可读存储介质可以是非暂态的。存储器302还可包括高速随机存取存储器,以及非易失性存储器,比如一个或多个磁盘存储设备、闪存存储设备。在一些实施例中,存储器302中的非暂态的计算机可读存储介质用于存储至少一个指令,该至少一个指令用于被处理器301所执行以实现本申请中方法实施例提供的风电机组叶尖净空距离测量方法。
在一些实施例中,终端还可选包括有:通信接口303和至少一个外围设备。处理器301、存储器302和通信接口303之间可以通过总线或信号线相连。各个外围设备可以通过总线、信号线或电路板与通信接口303相连。具体地,外围设备包括:射频电路304、显示屏305和电源306中的至少一种。
通信接口303可被用于将I/O(Input/Output,输入/输出)相关的至少一个外围设备连接到处理器301和存储器302。通信接口303通过外围设备用于接收用户上传的多个移动终端的移动轨迹以及其他数据。在一些实施例中,处理器301、存储器302和通信接口303被集成在同一芯片或电路板上;在一些其他实施例中,处理器301、存储器302和通信接口303中的任意一个或两个可以在单独的芯片或电路板上实现,本实施例对此不加以限定。
射频电路304用于接收和发射RF(Radio Frequency,射频)信号,也称电磁信号。射频电路304通过电磁信号与通信网络以及其他通信设备进行通信,从而可获取多个移动终端的移动轨迹以及其他数据。射频电路304将电信号转换为电磁信号进行发送,或者,将接收到的电磁信号转换为电信号。可选地,射频电路304包括:天线系统、RF收发器、一个或多个放大器、调谐器、振荡器、数字信号处理器、编解码芯片组、用户身份模块卡等等。射频电路304可以通过至少一种无线通信协议来与其它终端进行通信。该无线通信协议包括但不限于:城域网、各代移动通信网络(2G、3G、4G及5G)、无线局域网和/或WiFi(WirelessFidelity,无线保真)网络。在一些实施例中,射频电路304还可以包括NFC(Near FieldCommunication,近距离无线通信)有关的电路,本申请对此不加以限定。
显示屏305用于显示UI(User Interface,用户界面)。该UI可以包括图形、文本、图标、视频及其它们的任意组合。当显示屏305是触摸显示屏时,显示屏305还具有采集在显示屏305的表面或表面上方的触摸信号的能力。该触摸信号可以作为控制信号输入至处理器301进行处理。此时,显示屏305还可以用于提供虚拟按钮和/或虚拟键盘,也称软按钮和/或软键盘。在一些实施例中,显示屏305可以为一个,电子设备的前面板;在另一些实施例中,显示屏305可以为至少两个,分别设置在电子设备的不同表面或呈折叠设计;在再一些实施例中,显示屏305可以是柔性显示屏,设置在电子设备的弯曲表面上或折叠面上。甚至,显示屏305还可以设置成非矩形的不规则图形,也即异形屏。显示屏305可以采用LCD(LiquidCrystal Display,液晶显示屏)、OLED(Organic Light-Emitting Diode,有机发光二极管)等材质制备。
电源306用于为电子设备中的各个组件进行供电。电源306可以是交流电、直流电、一次性电池或可充电电池。当电源306包括可充电电池时,该可充电电池可以支持有线充电或无线充电。该可充电电池还可以用于支持快充技术。
本领域技术人员可以理解,图1中示出的结构并不构成对风电机组叶尖净空距离测量设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
本发明实施例提供了一种风电机组叶尖净空距离测量方法,参照图2,图2为本发明风电机组叶尖净空距离测量方法实施例的流程示意图。
本实施例中,所述风电机组叶尖净空距离测量方法包括以下步骤:
步骤S100,获取叶片静止时叶片预设位置到塔筒的净空距离。
具体而言,由于塔筒存在晃动,中心点也在跟随风机状态发生变化。因此,在对风电机组叶尖净空距离进行测量或预测时,需要获取叶片静止时叶片预设位置到塔筒的净空距离,以此计算塔筒在当前风机状态下的偏移量,进而对预设位置的净空距离进行修正。
在本实施例中,获取叶片静止时叶片预设位置到塔筒的净空距离,可以通过实时获取设置于叶片预设位置的GPS定位天线采集的坐标位置以及塔筒在正常静止状态下的坐标位置,进行净空距离的计算。
步骤S200,利用机组运行中测量的叶片预设位置数据,对比由历史数据得到的轨迹圆,得到当前塔筒晃动的位移量。
具体而言,在机组运行时,可通过设置于叶片预设位置的GPS定位天线再次采集当前的坐标位置,再通过历史数据记录的叶片在机组静止时的轨迹圆对应的坐标位置,来计算当前塔筒晃动的位移量。
步骤S300,根据叶片预设位置的轨迹信息,获取叶片预设位置的净空距离,并利用所述位移量对所述净空距离进行修正,获得净空距离修正值。
具体而言,在计算叶片预设位置的净空距离之前,需要先获取叶片预设位置的轨迹信息,本实施例中,获取叶片预设位置的轨迹信息,通过实时获取设置于叶片预设位置的GPS定位天线采集的坐标位置,并根据坐标位置获得叶片预设位置的轨迹信息。
需要说明的是,由于风力发电机组叶片本身结构复杂,要在叶片内叶尖位置安装相关测量传感器,从安装工艺上比较复杂,同时由于越靠近叶尖位置更容易引雷。综合考虑,叶片叶尖位置测量GPS定位天线安装于叶片1/4靠近叶尖位置,即叶片预设位置设置为叶片1/4靠近叶尖位置。
在获得叶片预设位置的轨迹信息之后,可根据叶片预设位置的轨迹信息,确定叶片预设位置的当前净空距离。
在此之后,利用所述位移量对所述净空距离进行修正,获得净空距离修正值。其计算表达式,具体为:
x=x’+s;
x为叶片预设位置的净空距离修正值,s为位移量,x’为叶片预设位置的净空距离。
步骤S400,获取目标时段内的风速,并根据所述风速,确定目标时段下叶片预设位置的弯曲距离和叶尖的弯曲距离。
具体而言,可先建立叶片模型,对叶片模型在不同风速下进行仿真,获得叶片模型在不同位置的仿真数据;基于所述仿真数据,采用回归算法模型进行插值拟合,获得不同风速下叶片弯曲距离和叶片位置的关系模型。
在此之后,获取数据库中预存的叶片模型在不同风速下叶片弯曲距离和叶片位置的关系模型,并根据所述风速,匹配所述风速对应的叶片弯曲距离和叶片位置的目标关系模型;利用所述目标关系模型,确定目标时段的风速对应的叶片预设位置的弯曲距离和叶尖的弯曲距离。
如图3所示,为叶片模型中风速为13m/s时“弯曲距离-叶片长度”的关系曲线示意图。
步骤S500,根据所述叶片预设位置的弯曲距离、叶尖的弯曲距离和叶片预设位置的预测净空距离修正值,获得叶尖的预测净空距离。
如图4所示,为叶尖预测净空距离计算的几何结构计算模型。
具体而言,本实施例根据几何结构计算模型,通过叶片1/4靠近叶尖位置(即叶片预设位置)的预测净空距离,推算出叶尖的预测净空距离。叶尖的预测净空距离的表达式为:
y=a+x-b;
x=x’+s;
其中,y为叶尖的预测净空距离,a为叶片预设位置的预测弯曲距离,b为叶尖的预测弯曲距离,x为叶片预设位置的预测净空距离修正值,s为位移量,x’为叶片预设位置的预测净空距离。
容易理解的,叶尖位置对应的塔筒位置由于靠近塔筒底部,其受风力导致的偏移量可忽略不计。
需要说明的是,在获得叶尖的预测净空距离值之后,风电机组控制系统实时同步采集叶尖净空距离预测值、风电机组实时状态数据、预警模型的预测状态等数据,利用寻优算法平衡叶片安全、载荷(寿命)、发电量,实现发电量保证安全情况下尽可能提高机组发电量和延长叶片使用寿命。
本实施例提供一种风电机组叶尖净空距离测量方法,通过叶片预设位置的预测净空距离和叶片预设位置与叶尖的预测弯曲距离,利用几何结构计算模型,完成叶尖净空距离的测量或预测,基于该叶尖净空距离的预测值,调整风电机组的运行状态,可在保证叶片安全情况下,平衡发电效能和延长叶片运行寿命,让机组运行在最佳状态。
需要说明的是,在本实施例中,还可利用风电机组叶尖净空距离测量方法实现风电机组叶尖净空距离的预测。
具体而言,风电机组叶尖净空距离的预测方法包括:
根据叶片预设位置的轨迹信息,测量叶片预设位置的预测净空距离,并利用所述位移量对所述预测净空距离进行修正,获得预测净空距离修正值;获取目标时段的预测风速,并根据所述预测风速,确定目标时段下叶片预设位置的预测弯曲距离和叶尖的预测弯曲距离;根据所述叶片预设位置的预测弯曲距离、叶尖的预测弯曲距离和叶片预设位置的预测净空距离修正值,获得叶尖的预测净空距离。
在优选的实施例中,所述根据叶片预设位置的轨迹信息,测量叶片预设位置的预测净空距离步骤,具体包括:
获取历史叶片预设位置的净空距离和风电机组的状态数据;利用机器学习方法对所述净空距离和所述状态数据进行预测模型建模和训练优化,以获得基于风电机组状态数据的叶片预设位置的净空距离预测模型;根据叶片预设位置的轨迹信息,确定叶片预设位置的净空距离;将所述叶片预设位置净空距离和风电机组状态数据输入净空距离预测模型,获取叶片预设位置的预测净空距离。
在优选的实施例中,所述获取目标时段的预测风速步骤,具体包括:
获取历史风速和历史风速预测参数,利用机器学习方法对所述历史风速和所述历史风速预测参数进行预测模型建模和训练优化,以获得基于风速预测参数的风速预测模型;利用测风设备获取实时风速,基于所述实时风速和预测风速,对所述风速预测模型进行修正;获取当前风速预测参数和当前风速,将所述当前风速预测参数和当前风速输入风速预测模型,获取目标时段内的预测风速;其中,所述风速预测参数包括气压、温度和空气密度中的一种或多种。
为了更清楚的解释本申请,提出一种风电机组叶尖净空距离测量方法的具体实例。
在本实施例中,一种风电机组叶尖净空距离测量方法的实例步骤如下:
S1:获取叶片静止时叶片预设位置到塔筒的净空距离。
S2:利用机组运行中测量的叶片预设位置数据,对比由历史数据得到的轨迹圆,得到当前塔筒晃动的位移量。
S3:实时读取GPS叶片轨迹预测叶片1/4靠近叶尖位置的净空距离,并利用位移量对预测净空距离进行修正,获得预测净空距离修正值。
S4:提取该台单机的高精度风功率预测系统,实时提取出当前时间后15min时间段内的预测风速。
S5:在库中取出该叶片对应的blade模型“弯曲距离-叶片长度”关系曲线,通过预测的风速段,分别识别出对应时间段下的叶片1/4靠近叶尖位置和叶片叶尖位置的弯曲距离值。
S6:根据已有叶片轨迹监测系统预测出的叶片1/4靠近叶尖位置的净空距离,根据当台风电机组风机号/IP地址连接该台机组的单机高精度风功率预测系统,并从模型结果中取出当前时间后15min时间段内的预测风速。
S7:针对该台风机属性提前在系统库里导入blade模型“弯曲距离-叶片长度”关系曲线,预测风速作为参数输入,通过插值算法计算出叶片1/4靠近叶尖位置和叶尖位置的弯曲距离,该弯曲距离也是预测下一时刻的弯曲距离。
其中,blade模型“弯曲距离-叶片长度”关系曲线的构建方法如下:
建立叶片模型,对叶片模型在不同风速下进行仿真,获得叶片模型在不同位置的仿真数据;基于所述仿真数据,采用回归算法模型进行插值拟合,获得不同风速下叶片弯曲距离和叶片位置的关系模型。
在此之后,还可根据叶片实际风速下的空间位置测量,对仿真模型进行参数优化,得到叶片弯曲模型,利用此模型可实时利用当前的叶片空间位置推算叶尖部分空间位置。
S8:实时对比预测15min风速正确性,实时修正单机风功率预测模型。单机风功率预测模型依赖外部数据比较多,包括风速预测、气压、温度、空气密度等参数。通过实时采集现场激光雷达测风设备的风速,实时对比预测风速,根据两个风速对比,及时修正模型,让单机预测风速更准确,从而预测出更准确的叶尖净空距离。
S9:根据几何关系通过叶片1/4靠近叶尖位置的预测净空距离修正值,推算出叶尖的净空距离预测值。
根据已经预测得到的叶片1/4靠近叶尖位置的净空距离,假设为:x’;叶片1/4靠近叶尖位置的预测净空距离修正值,假设为x;预测的叶片1/4靠近叶尖位置弯曲距离,假设为:a;预测的叶尖位置的弯曲距离,假设为:b;塔筒位移量,假设为s;根据几何结构计算预测的叶尖净空距离,假设为:y。则计算公式如下:
y=a+x-b;
x=x’+s。
S10:风电机组控制系统实时同步采集叶尖净空距离预测值、风电机组实时状态数据、预警模型的预测状态等数据,平衡叶片安全、载荷(寿命)、发电量,实现发电量保证安全情况下尽可能提高机组发电量和延长叶片使用寿命。预测出的叶尖净空距离进入主控系统,由主控系统同步采集其他状态数据,包括实时状态、预测状态,并将叶片载荷数据、叶片剩余寿命、发电量、风电机组状态数据作为算法输入参数,通过寻找最优解,在保证风电机组叶片安全的情况下,提高机组发电量。
寻找最优解,主要通过寻优算法寻找到针对风电机组叶片使用寿命、安全性能、发电量的最优权重,从而让风电机组处于最优状态并极限利用。
具体而言,一旦叶尖净空距离处于危险状态及等级,机组通过降低转速、变桨等降载控制策略避免叶片扫塔,从而保证叶片和塔筒安全,提高机组安全性能;通过当前和预知叶尖净空距离及风机当前运行状态结合规则抽象法发现当前机组安全状态,若机组回归安全状态,则脱离降载控制,正常发电,保障机组的发电量,整体上提升安全防护性能。
本实施例提供一种风电机组叶尖净空距离测量方法,根据以叶片运行轨迹计算净空距离的方法,通过预测模型预测出未来时刻的叶片1/4靠近叶尖位置的净空距离,并利用位移量对其修正。通过高精度单机风功率预测系统,实时查询当前时间到当前时间后的15分钟内的预测风速。并根据预测风速实时查询blade模型中的有关“弯曲距离-叶片长度”曲线,寻找曲线中的叶片1/4靠近叶尖位置的弯曲距离和叶尖弯曲距离,通过几何结构计算,完成叶尖净空距离预测值推算。
通过对叶尖净空距离的预测推算,可真正意义上实现叶尖净空距离计算。可通过精准阈值控制,在保证叶片安全情况下,尽可能多争取发电量。同时,实时感知当前叶尖距离塔筒位置,根据实际情况,控制系统及时参与控制,降低机组运行载荷,保证机组处于安全状态,同时通过算法平衡发电效能和延长叶片运行寿命,让机组运行在最佳状态。
参照图5,图5为本发明风电机组叶尖净空距离测量装置实施例的结构框图。
如图5所示,本发明实施例提出的风电机组叶尖净空距离测量装置包括:
静止净空距离获取模块10,用于获取叶片静止时叶片预设位置到塔筒的净空距离;
塔筒位移量获取模块20,用于利用机组运行中测量的叶片预设位置的轨迹信息,对比由历史数据得到的轨迹圆,得到当前塔筒晃动的位移量;
净空距离获取模块30,用于根据叶片预设位置的轨迹信息,测量叶片预设位置的净空距离,并利用所述位移量对所述净空距离进行修正,获得净空距离修正值;
弯曲距离确定模块40,用于获取目标时段的风速,并根据所述风速,确定目标时段下叶片预设位置的弯曲距离和叶尖的弯曲距离;
叶尖净空距离测量模块50,用于根据所述叶片预设位置的弯曲距离、叶尖的弯曲距离和叶片预设位置的净空距离修正值,获得叶尖的净空距离。
本发明风电机组叶尖净空距离测量装置的其他实施例或具体实现方式可参照上述各方法实施例,此处不再赘述。
此外,本发明实施例还提出一种存储介质,所述存储介质上存储有风电机组叶尖净空距离测量方法程序,所述风电机组叶尖净空距离测量方法程序被处理器执行时实现如上文所述的风电机组叶尖净空距离测量方法的步骤。因此,这里将不再进行赘述。另外,对采用相同方法的有益效果描述,也不再进行赘述。对于本申请所涉及的计算机可读存储介质实施例中未披露的技术细节,请参照本申请方法实施例的描述。确定为示例,程序指令可被部署为在一个计算设备上执行,或者在位于一个地点的多个计算设备上执行,又或者,在分布在多个地点且通过通信网络互连的多个计算设备上执行。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,上述的程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,上述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)或随机存储记忆体(Random AccessMemory,RAM)等。
另外需说明的是,以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。另外,本发明提供的装置实施例附图中,模块之间的连接关系表示它们之间具有通信连接,具体可以实现为一条或多条通信总线或信号线。本领域普通技术人员在不付出创造性劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,所属领域的技术人员可以清楚地了解到本发明可借助软件加必需的通用硬件的方式来实现,当然也可以通过专用硬件包括专用集成电路、专用CPU、专用存储器、专用元器件等来实现。一般情况下,凡由计算机程序完成的功能都可以很容易地用相应的硬件来实现,而且,用来实现同一功能的具体硬件结构也可以是多种多样的,例如模拟电路、数字电路或专用电路等。但是,对本发明而言更多情况下软件程序实现是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在可读取的存储介质中,如计算机的软盘、U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述的方法。
Claims (10)
1.一种风电机组叶尖净空距离测量方法,其特征在于,所述方法包括以下步骤:
获取叶片静止时叶片预设位置到塔筒的净空距离;
利用机组运行中测量的叶片预设位置的轨迹信息,对比由历史数据得到的轨迹圆,得到当前塔筒晃动的位移量;
根据叶片预设位置的轨迹信息,测量叶片预设位置的净空距离,并利用所述位移量对所述净空距离进行修正,获得净空距离修正值;
获取目标时段的风速,并根据所述风速,确定目标时段下叶片预设位置的弯曲距离和叶尖的弯曲距离;
根据所述叶片预设位置的弯曲距离、叶尖的弯曲距离和叶片预设位置的净空距离修正值,获得叶尖的净空距离。
2.如权利要求1所述的风电机组叶尖净空距离测量方法,其特征在于,所述根据所述风速,确定目标时段下叶尖的弯曲距离步骤,具体包括:
获取数据库中预存的叶片模型在不同风速下叶片弯曲距离和叶片位置的关系模型,并根据所述风速,匹配所述风速对应的叶片弯曲距离和叶片位置的目标关系模型;
利用所述目标关系模型,确定目标时段的风速对应的叶片预设位置的弯曲距离和叶尖的弯曲距离。
3.如权利要求2所述的风电机组叶尖净空距离测量方法,其特征在于,所述根据所述风速,确定目标时段下叶片预设位置的弯曲距离和叶尖的弯曲距离步骤之前,所述方法还包括:
建立叶片模型,对叶片模型在不同风速下进行仿真,获得叶片模型在不同位置的仿真数据;
基于所述仿真数据,采用回归算法模型进行插值拟合,获得不同风速下叶片弯曲距离和叶片位置的关系模型。
4.如权利要求1所述的风电机组叶尖净空距离测量方法,其特征在于,所述根据所述叶片预设位置的弯曲距离、叶尖的弯曲距离和叶片预设位置的净空距离修正值,获得叶尖的净空距离步骤中,所述叶尖的净空距离的表达式为:
y=a+x-b;
x=x’+s;
其中,y为叶尖的净空距离,a为叶片预设位置的弯曲距离,b为叶尖的弯曲距离,x为叶片预设位置的净空距离修正值,s为位移量,x’为叶片预设位置的净空距离。
5.如权利要求1所述的风电机组叶尖净空距离测量方法,其特征在于,所述方法还包括:
根据叶片预设位置的轨迹信息,测量叶片预设位置的预测净空距离,并利用所述位移量对所述预测净空距离进行修正,获得预测净空距离修正值;
获取目标时段的预测风速,并根据所述预测风速,确定目标时段下叶片预设位置的预测弯曲距离和叶尖的预测弯曲距离;
根据所述叶片预设位置的预测弯曲距离、叶尖的预测弯曲距离和叶片预设位置的预测净空距离修正值,获得叶尖的预测净空距离。
6.如权利要求5所述的风电机组叶尖净空距离测量方法,其特征在于,所述根据叶片预设位置的轨迹信息,测量叶片预设位置的预测净空距离步骤,具体包括:
获取历史叶片预设位置的净空距离和风电机组的状态数据;
利用机器学习方法对所述净空距离和所述状态数据进行预测模型建模和训练优化,以获得基于风电机组状态数据的叶片预设位置的净空距离预测模型;
根据叶片预设位置的轨迹信息,确定叶片预设位置的净空距离;
将所述叶片预设位置净空距离和风电机组状态数据输入净空距离预测模型,获取叶片预设位置的预测净空距离。
7.如权利要求5所述的风电机组叶尖净空距离测量方法,其特征在于,所述获取目标时段的预测风速步骤,具体包括:
获取历史风速和历史风速预测参数,利用机器学习方法对所述历史风速和所述历史风速预测参数进行预测模型建模和训练优化,以获得基于风速预测参数的风速预测模型;
利用测风设备获取实时风速,基于所述实时风速和预测风速,对所述风速预测模型进行修正;
获取当前风速预测参数和当前风速,将所述当前风速预测参数和当前风速输入风速预测模型,获取目标时段内的预测风速;
其中,所述风速预测参数包括气压、温度和空气密度中的一种或多种。
8.一种风电机组叶尖净空距离测量装置,其特征在于,所述风电机组叶尖净空距离测量装置包括:
静止净空距离获取模块,用于获取叶片静止时叶片预设位置到塔筒的净空距离;
塔筒位移量获取模块,用于利用机组运行中测量的叶片预设位置的轨迹信息,对比由历史数据得到的轨迹圆,得到当前塔筒晃动的位移量;
净空距离获取模块,用于根据叶片预设位置的轨迹信息,测量叶片预设位置的净空距离,并利用所述位移量对所述净空距离进行修正,获得净空距离修正值;
弯曲距离确定模块,用于获取目标时段的风速,并根据所述风速,确定目标时段下叶片预设位置的弯曲距离和叶尖的弯曲距离;
叶尖净空距离测量模块,用于根据所述叶片预设位置的弯曲距离、叶尖的弯曲距离和叶片预设位置的净空距离修正值,获得叶尖的净空距离。
9.一种风电机组叶尖净空距离测量设备,其特征在于,所述风电机组叶尖净空距离测量设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的风电机组叶尖净空距离测量方法程序,所述风电机组叶尖净空距离测量方法程序被所述处理器执行时实现如权利要求1至7中任一项所述的风电机组叶尖净空距离测量方法的步骤。
10.一种存储介质,其特征在于,所述存储介质上存储有风电机组叶尖净空距离测量方法程序,所述风电机组叶尖净空距离测量方法程序被处理器执行时实现如权利要求1至7中任一项所述的风电机组叶尖净空距离测量方法的步骤。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210732634.0A CN114810514A (zh) | 2022-06-27 | 2022-06-27 | 风电机组叶尖净空距离测量方法、装置、设备及存储介质 |
CN202211724540.5A CN116241419A (zh) | 2022-06-27 | 2022-12-30 | 风电机组叶尖净空距离预测方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210732634.0A CN114810514A (zh) | 2022-06-27 | 2022-06-27 | 风电机组叶尖净空距离测量方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114810514A true CN114810514A (zh) | 2022-07-29 |
Family
ID=82520960
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210732634.0A Pending CN114810514A (zh) | 2022-06-27 | 2022-06-27 | 风电机组叶尖净空距离测量方法、装置、设备及存储介质 |
CN202211724540.5A Pending CN116241419A (zh) | 2022-06-27 | 2022-12-30 | 风电机组叶尖净空距离预测方法、装置、设备及存储介质 |
Family Applications After (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211724540.5A Pending CN116241419A (zh) | 2022-06-27 | 2022-12-30 | 风电机组叶尖净空距离预测方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (2) | CN114810514A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115856858A (zh) * | 2023-02-21 | 2023-03-28 | 湖南联智监测科技有限公司 | 一种基于雷达的风机叶片净空距离计算方法 |
CN117469085A (zh) * | 2023-11-24 | 2024-01-30 | 广东中兴液力传动有限公司 | 基于历史运行数据的液力离合控制方法及装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102005048805A1 (de) * | 2005-10-10 | 2007-04-12 | Daubner & Stommel GbR Bau-Werk-Planung (vertretungsberechtigter Gesellschafter: Matthias Stommel, 27777 Ganderkesee) | Verfahren zum Betreiben einer Windenergieanlage |
CN101469665A (zh) * | 2007-12-27 | 2009-07-01 | 通用电气公司 | 向前倾斜的塔架顶部部分 |
JP2017090145A (ja) * | 2015-11-06 | 2017-05-25 | 株式会社日立製作所 | 風車ブレード変形計測装置及び風車ブレード変形評価システム |
CN112502911A (zh) * | 2020-11-30 | 2021-03-16 | 东方电气风电有限公司 | 一种实时预测叶片通过塔筒时扫塔风险的方法 |
EP3855018A1 (en) * | 2020-01-22 | 2021-07-28 | Siemens Gamesa Renewable Energy A/S | A method for computer-implemented monitoring of a wind turbine |
-
2022
- 2022-06-27 CN CN202210732634.0A patent/CN114810514A/zh active Pending
- 2022-12-30 CN CN202211724540.5A patent/CN116241419A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102005048805A1 (de) * | 2005-10-10 | 2007-04-12 | Daubner & Stommel GbR Bau-Werk-Planung (vertretungsberechtigter Gesellschafter: Matthias Stommel, 27777 Ganderkesee) | Verfahren zum Betreiben einer Windenergieanlage |
CN101469665A (zh) * | 2007-12-27 | 2009-07-01 | 通用电气公司 | 向前倾斜的塔架顶部部分 |
JP2017090145A (ja) * | 2015-11-06 | 2017-05-25 | 株式会社日立製作所 | 風車ブレード変形計測装置及び風車ブレード変形評価システム |
EP3855018A1 (en) * | 2020-01-22 | 2021-07-28 | Siemens Gamesa Renewable Energy A/S | A method for computer-implemented monitoring of a wind turbine |
CN112502911A (zh) * | 2020-11-30 | 2021-03-16 | 东方电气风电有限公司 | 一种实时预测叶片通过塔筒时扫塔风险的方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115856858A (zh) * | 2023-02-21 | 2023-03-28 | 湖南联智监测科技有限公司 | 一种基于雷达的风机叶片净空距离计算方法 |
CN117469085A (zh) * | 2023-11-24 | 2024-01-30 | 广东中兴液力传动有限公司 | 基于历史运行数据的液力离合控制方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN116241419A (zh) | 2023-06-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114810514A (zh) | 风电机组叶尖净空距离测量方法、装置、设备及存储介质 | |
CN204758021U (zh) | 建筑支模体系施工安全的无线智能监测仪及其系统 | |
CN114881379B (zh) | 风电场应发电量估测方法、装置、设备及存储介质 | |
CN104198829A (zh) | 基于arm带温湿度自修正的电磁辐射测量装置及测量方法 | |
CN211375602U (zh) | 一种变电站移动式智能噪声实景云图建模系统 | |
CN115758893A (zh) | 架空覆冰导线气动系数预测方法、装置、设备及存储介质 | |
CN115420943A (zh) | 基于大数据的窃电检测方法、装置、设备及存储介质 | |
CN201521304U (zh) | 一种全自动化的盾构自动导向系统 | |
CN206311095U (zh) | 一种全站仪远程控制系统 | |
CN112212936A (zh) | 一体化电缆井积水深度在线监测装置、设备及方法 | |
CN105806304A (zh) | 天线方向角测量方法及装置 | |
CN114444333B (zh) | 生态水位分析方法、装置、电子设备及存储介质 | |
CN115566296B (zh) | 电池电量显示方法、电子设备、程序产品及介质 | |
CN114510679B (zh) | 设备位置信息的获得方法、装置、终端设备以及存储介质 | |
CN114252100A (zh) | 传感器在线标定方法、装置、设备及存储介质 | |
CN202693122U (zh) | 传感器具有三轴数字陀螺仪定向功能的爆破记录仪 | |
CN114493119A (zh) | 制造执行系统的生产调度方法、装置、设备及存储介质 | |
CN113741215B (zh) | 基于关联特征数据的设备控制方法及装置 | |
CN104197903A (zh) | 激光海上验潮仪及其验潮方法 | |
CN112526878A (zh) | 火电机组控制方法、系统、终端和计算机可读存储介质 | |
CN113259947B (zh) | 网络覆盖数据确定方法、装置、设备、介质及产品 | |
CN117081088B (zh) | 电网负荷调度控制方法、装置、计算机设备及存储介质 | |
Zhang et al. | Design of Mobile Monitoring System for Tower Crane in Assembly Construction Based on Internet of Things Technology | |
CN110518578B (zh) | 一种母线负荷预测的方法、装置、终端设备及存储介质 | |
CN113778063B (zh) | 基于纵向特征数据的设备控制方法及装置 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20220729 |
|
RJ01 | Rejection of invention patent application after publication |