CN114962177A - 一种用于风力发电机组的状态监测方法及系统 - Google Patents
一种用于风力发电机组的状态监测方法及系统 Download PDFInfo
- Publication number
- CN114962177A CN114962177A CN202210697947.7A CN202210697947A CN114962177A CN 114962177 A CN114962177 A CN 114962177A CN 202210697947 A CN202210697947 A CN 202210697947A CN 114962177 A CN114962177 A CN 114962177A
- Authority
- CN
- China
- Prior art keywords
- monitoring
- state
- state information
- generating set
- wind generating
- 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.)
- Withdrawn
Links
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
本申请提出了一种用于风力发电机组的状态监测方法及系统,涉及风力发电监控领域。一种用于风力发电机组的状态监测方法包括:通过风力发电机组布置的多个传感器设备,采集风力发电机组的对应多个监测点的状态信息;将状态信息输入到状态监测预测模型中,以得到态监测预测模型输出的状态信息的预测值;基于状态信息和状态信息的预测值来监测风力发电机组的健康状态。能够多维度地分析风力发电机组的状态,为风力发电机组的安全运行提供了更可靠有效的数据支撑。此外本申请还提出了一种用于风力发电机组的状态监测系统,包括:状态采集模块、状态监测预测模型模块及监测模块。
Description
技术领域
本申请涉及风力发电监控领域,具体而言,涉及一种用于风力发电机组的状态监测方法及系统。
背景技术
风力发电走向规模化应用还是在20世纪90年代以后,风力发电的装机容量开始以每年平均20%以上的速度增长,已成为世界上各种能源中增长最快的一种。
风力发电场一般都处于高山,草原,戈壁,沿海等自然条件较恶劣的区域,风电机组又处于数十至百米高的塔筒上,其运行均是无人值守。风电机组的主轴承,齿轮箱,发电机,叶轮等任何部位产生故障,将会影响机组的出力及机组的安全运行。为此,给各个运行的风力发电机组配置在线状态监测系统是必须的。
风力发电机组的状态监测和故障诊断系统可以对风力发电机组的运行状态进行实时监测跟踪,并根据对监测跟踪得到的状态跟踪数据进行分析处理来预测风力发电机组的故障趋势,通过这种方式可以保证风力发电机组的安全运行。
现有风电机组的集中式状态监测系统,一般都有7—10个监测点,采用集中式数据采集方式,一旦风电机组的某个部份出现故障,将影响其他监测点的运行,进而影响整个监测系统的正常运行。
风力发电机组的状态监测和故障诊断系统可以对风力发电机组的运行状态进行实时监测跟踪,并根据对监测跟踪得到的状态跟踪数据进行分析处理来预测风力发电机组的故障趋势,通过这种方式可以保证风力发电机组的安全运行。
然而,风力发电机组的传统的状态监测系统仅能对传动链上各大部件的运行状态进行联合监测,而传动链外的大部件状态监测系统(例如,叶片状态监测系统、变桨轴承状态监测系统、塔筒状态监测系统和螺栓状态监测系统等)是相互独立的,各系统仅能对单一的变量特征进行采集和监测,相互之间的数据不共享,因此无法实现多维度的数据分析。
发明内容
本申请的目的在于提供一种用于风力发电机组的状态监测方法,其能够多维度地分析风力发电机组的状态,为风力发电机组的安全运行提供了更可靠有效的数据支撑。
本申请的另一目的在于提供一种用于风力发电机组的状态监测系统,其能够运行一种用于风力发电机组的状态监测方法。
本申请的实施例是这样实现的:
第一方面,本申请实施例提供一种用于风力发电机组的状态监测方法,其包括通过风力发电机组布置的多个传感器设备,采集风力发电机组的对应多个监测点的状态信息;将状态信息输入到状态监测预测模型中,以得到态监测预测模型输出的状态信息的预测值;基于状态信息和状态信息的预测值来监测风力发电机组的健康状态。
在本申请的一些实施例中,上述通过风力发电机组布置的多个传感器设备,采集风力发电机组的对应多个监测点的状态信息包括:传感器设备通过总线连接,接收每个传感器设备发送的对应监测点的状态信息,并根据状态信息判断监测点是否出现故障。
在本申请的一些实施例中,上述还包括:利用布置的多个传感器设备对风力发电机组运行过程中产生的动力学特性进行监测以及状态数据采集。
在本申请的一些实施例中,上述将状态信息输入到状态监测预测模型中,以得到态监测预测模型输出的状态信息的预测值包括:对状态信息进行标准化以得到标准化后的状态信息,然后对标准化后的状态信息进行去噪以得到去噪后的状态信息。
在本申请的一些实施例中,上述还包括:通过等间距间隔采样方法对状态信息进行采集,生成状态监测预测模型的训练集数据,用于训练状态监测预测模型。
在本申请的一些实施例中,上述基于状态信息和状态信息的预测值来监测风力发电机组的健康状态包括:将状态信息和状态信息的预测值之间的残差进行贝叶斯假设检验来获得贝叶斯因子和贝叶斯健康置信度,通过贝叶斯健康置信度得到风力发电机组的健康状态。
在本申请的一些实施例中,上述还包括:基于状态信息和状态信息的预测值来监测风力发电机组的健康状态,确定影响风力发电机组安全运行的预测结果,并将预测结果发送至风力发电机组的主控系统。
第二方面,本申请实施例提供一种用于风力发电机组的状态监测系统,其包括状态采集模块,用于通过风力发电机组布置的多个传感器设备,采集风力发电机组的对应多个监测点的状态信息;
状态监测预测模型模块,用于将状态信息输入到状态监测预测模型中,以得到态监测预测模型输出的状态信息的预测值;
监测模块,用于基于状态信息和状态信息的预测值来监测风力发电机组的健康状态。
在本申请的一些实施例中,上述包括:用于存储计算机指令的至少一个存储器;与上述存储器通讯的至少一个处理器,其中当上述至少一个处理器执行上述计算机指令时,上述至少一个处理器使上述系统执行:
第三方面,本申请实施例提供一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如一种用于风力发电机组的状态监测方法中任一项的方法。
相对于现有技术,本申请的实施例至少具有如下优点或有益效果:
通过多种状态监控数据可以多维度地分析风力发电机组的状态,最大化地协同风力发电机组主控的工况特征和各部件状态监测数据的应用效率,为风力发电机组的安全运行提供了更可靠有效的数据支撑,还可以提高模型的预测精度,一旦有任何一个监测点发生故障,将不会影响到其它监测点的正常运行。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,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相关的附图。
图1为本申请实施例提供的一种用于风力发电机组的状态监测方法步骤示意图;
图2为本申请实施例提供的一种用于风力发电机组的状态监测方法详细步骤示意图;
图3为本申请实施例提供的一种用于风力发电机组的状态监测系统模块示意图;
图4为本申请实施例提供的一种电子设备。
图标:10-状态采集模块;20-状态监测预测模型模块;30-监测模块;101-存储器;102-处理器;103-通信接口。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。
因此,以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
需要说明的是,术语“包括”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“包括一个……”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。
下面结合附图,对本申请的一些实施方式作详细说明。在不冲突的情况下,下述的各个实施例及实施例中的各个特征可以相互组合。
实施例1
请参阅图1,图1为本申请实施例提供的一种用于风力发电机组的状态监测方法步骤示意图,其如下所示:
步骤S100,通过风力发电机组布置的多个传感器设备,采集风力发电机组的对应多个监测点的状态信息;
在一些实施方式中,多个传感器设备通过总线连接,用于接收每个传感器设备发送的对应监测点的状态信息,并根据状态信息判断监测点是否出现故障。比如,由于风力发电机的塔架高为40米至60米,设于宽阔平原的高处,因此对风力发电机组进行远程实时监测,在风力发电机组的各个部分安装传感器设备,采用总线连接方式,各个传感器相互独立运行,互不干扰,数据管理器接收各个传感器将采集到的状态信息并进行监控。
步骤S110,将状态信息输入到状态监测预测模型中,以得到态监测预测模型输出的状态信息的预测值;
在一些实施方式中,将状态信息中的无穷值替换为空值,用中位数填充方法来填充空值。从状态信息中去除停机状态信息。如果发电机有功功率P≤0,则判定风力发电机组处于停机状态,因此,从状态信息中删除相应的无效状态信息。消除状态信息中的温度变量状态信息的季节性影响以得到新的温度变量状态信息。
在一些实施方式中,可以将状态信息中的除机舱温度之外的其他温度变量状态信息分别减去机舱温度的状态信息以得到新的温度变量状态信息。从而,可以用来消除季节性对温度变量的影响。
例如,针对状态信息中的发电机绕组温度、发电机驱动端轴承温度和发电机非驱动端轴承温度这些温度变量来说,可以分别用发电机绕组温度、发电机驱动端轴承温度和发电机非驱动端轴承温度这些温度变量的状态信息减去机舱温度的状态信息,从而可以得到消除季节性影响之后的新的发电机绕组温度、新的发电机驱动端轴承温度和新的发电机非驱动端轴承温度的状态信息。对状态信息进行状态信息标准化以得到标准化后的状态信息。
步骤S120,基于状态信息和状态信息的预测值来监测风力发电机组的健康状态。
在一些实施方式中,基于状态信息和状态信息的预测值、风力发电机组相关状态监测数据和叶轮相关状态监测数据确定影响风力发电机组安全运行的预测结果,并将预测结果发送至风力发电机组的主控系统。
实施例2
请参阅图2,图2为本申请实施例提供的一种用于风力发电机组的状态监测方法详细步骤示意图,其如下所示:
步骤S200,传感器设备通过总线连接,接收每个传感器设备发送的对应监测点的状态信息,并根据状态信息判断监测点是否出现故障。
步骤S210,利用布置的多个传感器设备对风力发电机组运行过程中产生的动力学特性进行监测以及状态数据采集。
步骤S220,对状态信息进行标准化以得到标准化后的状态信息,然后对标准化后的状态信息进行去噪以得到去噪后的状态信息。
步骤S230,通过等间距间隔采样方法对状态信息进行采集,生成状态监测预测模型的训练集数据,用于训练状态监测预测模型。
步骤S240,将状态信息和状态信息的预测值之间的残差进行贝叶斯假设检验来获得贝叶斯因子和贝叶斯健康置信度,通过贝叶斯健康置信度得到风力发电机组的健康状态。
步骤S250,基于状态信息和状态信息的预测值来监测风力发电机组的健康状态,确定影响风力发电机组安全运行的预测结果,并将预测结果发送至风力发电机组的主控系统。
在一些实施方式中,由于远距离无线电LoRa(Long Range Radio)通讯技术具有传输距离远、功耗低、抗干扰性强、数据传输可靠、组网灵活和容量大等优点,因此在本发明示例性实施例中,可应用于风力发电机组的状态监测系统中。例如,可包括机舱远距离无线电LoRa通信基站、可包括叶轮远距离无线电LoRa通信终端、可包括多个塔筒远距离无线电LoRa通信终端。
在一些实施方式中,作为示例,预定条件指示叶轮相关状态监测数据的更新频率高于频率阈值并且叶轮相关状态监测数据不影响风力发电机组安全运行。换言之,可将采集的叶轮相关状态监测数据中的更新频率高于频率阈值并且不影响风力发电机组安全运行的叶轮相关状态监测数据经由叶轮远距离无线通信模块发送至机舱远距离无线通信模块。
在一些实施方式中,作为示例,状态监测方法还包括以下:可将不满足预定条件的叶轮相关状态监测数据经由导电滑环发送至风力发电机组的主控系统。通过这种方式,可以对叶轮状态监测采集的叶轮相关状态监测数据进行分流处理,例如,将影响导电滑环数据传输流畅度和连续性的更新频率高于频率阈值并且不影响风力发电机组安全的叶轮相关状态监测数据(例如,不参与风力发电机组的安全控制的叶轮相关状态监测数据)经由远距离无线通信发送至机舱,并将不影响导电滑环数据传输流畅度和连续性的更新频率不高于频率阈值并且影响风力发电机组安全的叶轮相关状态监测数据(例如,参与风力发电机组的安全控制的叶轮相关状态监测数据)经由滑环通道直接进入风力发电机组的主控系统,这样不仅减轻滑环通道的数据传输压力,还可使得参与风力发电机组的安全控制的数据可以安全地经由有线连接的导电滑环发送至风力发电机组的主控系统,保证了了风力发电机组的安全运行。
实施例3
请参阅图3,图3为本申请实施例提供的一种用于风力发电机组的状态监测系统模块示意图,其如下所示:
状态采集模块10,用于通过风力发电机组布置的多个传感器设备,采集风力发电机组的对应多个监测点的状态信息;
状态监测预测模型模块20,用于将状态信息输入到状态监测预测模型中,以得到态监测预测模型输出的状态信息的预测值;
监测模块30,用于基于状态信息和状态信息的预测值来监测风力发电机组的健康状态。
如图4所示,本申请实施例提供一种电子设备,其包括存储器101,用于存储一个或多个程序;处理器102。当一个或多个程序被处理器102执行时,实现如上述第一方面中任一项的方法。
还包括通信接口103,该存储器101、处理器102和通信接口103相互之间直接或间接地电性连接,以实现数据的传输或交互。例如,这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。存储器101可用于存储软件程序及模块,处理器102通过执行存储在存储器101内的软件程序及模块,从而执行各种功能应用以及数据处理。该通信接口103可用于与其他节点设备进行信令或数据的通信。
其中,存储器101可以是但不限于,随机存取存储器101(Random Access Memory,RAM),只读存储器101(Read Only Memory,ROM),可编程只读存储器101(ProgrammableRead-Only Memory,PROM),可擦除只读存储器101(Erasable Programmable Read-OnlyMemory,EPROM),电可擦除只读存储器101(Electric Erasable Programmable Read-OnlyMemory,EEPROM)等。
处理器102可以是一种集成电路芯片,具有信号处理能力。该处理器102可以是通用处理器102,包括中央处理器102(Central Processing Unit,CPU)、网络处理器102(Network Processor,NP)等;还可以是数字信号处理器102(Digital Signal Processing,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,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。
在本申请所提供的实施例中,应该理解到,所揭露的方法及系统,也可以通过其它的方式实现。以上所描述的方法及系统实施例仅仅是示意性的,例如,附图中的流程图和框图显示了根据本申请的多个实施例的方法及系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现方式中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,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,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
另外,在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
另一方面,本申请实施例提供一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器102执行时实现如上述第一方面中任一项的方法。所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案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一个存储介质中,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)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器101(ROM,Read-Only Memory)、随机存取存储器101(RAM,RandomAccess Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
综上所述,本申请实施例提供的一种用于风力发电机组的状态监测方法及系统,通过多种状态监控数据可以多维度地分析风力发电机组的状态,最大化地协同风力发电机组主控的工况特征和各部件状态监测数据的应用效率,为风力发电机组的安全运行提供了更可靠有效的数据支撑,还可以提高模型的预测精度,一旦有任何一个监测点发生故障,将不会影响到其它监测点的正常运行。
以上仅为本申请的优选实施例而已,并不用于限制本申请,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
对于本领域技术人员而言,显然本申请不限于上述示范性实施例的细节,而且在不背离本申请的精神或基本特征的情况下,能够以其它的具体形式实现本申请。因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本申请的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本申请内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
Claims (10)
1.一种用于风力发电机组的状态监测方法,其特征在于,包括:
通过风力发电机组布置的多个传感器设备,采集风力发电机组的对应多个监测点的状态信息;
将状态信息输入到状态监测预测模型中,以得到态监测预测模型输出的状态信息的预测值;
基于状态信息和状态信息的预测值来监测风力发电机组的健康状态。
2.如权利要求1所述的一种用于风力发电机组的状态监测方法,其特征在于,所述通过风力发电机组布置的多个传感器设备,采集风力发电机组的对应多个监测点的状态信息包括:
传感器设备通过总线连接,接收每个传感器设备发送的对应监测点的状态信息,并根据状态信息判断监测点是否出现故障。
3.如权利要求2所述的一种用于风力发电机组的状态监测方法,其特征在于,还包括:
利用布置的多个传感器设备对风力发电机组运行过程中产生的动力学特性进行监测以及状态数据采集。
4.如权利要求1所述的一种用于风力发电机组的状态监测方法,其特征在于,所述将状态信息输入到状态监测预测模型中,以得到态监测预测模型输出的状态信息的预测值包括:
对状态信息进行标准化以得到标准化后的状态信息,然后对标准化后的状态信息进行去噪以得到去噪后的状态信息。
5.如权利要求4所述的一种用于风力发电机组的状态监测方法,其特征在于,还包括:
通过等间距间隔采样方法对状态信息进行采集,生成状态监测预测模型的训练集数据,用于训练状态监测预测模型。
6.如权利要求1所述的一种用于风力发电机组的状态监测方法,其特征在于,所述基于状态信息和状态信息的预测值来监测风力发电机组的健康状态包括:
将状态信息和状态信息的预测值之间的残差进行贝叶斯假设检验来获得贝叶斯因子和贝叶斯健康置信度,通过贝叶斯健康置信度得到风力发电机组的健康状态。
7.如权利要求6所述的一种用于风力发电机组的状态监测方法,其特征在于,还包括:
基于状态信息和状态信息的预测值来监测风力发电机组的健康状态,确定影响风力发电机组安全运行的预测结果,并将预测结果发送至风力发电机组的主控系统。
8.一种用于风力发电机组的状态监测系统,其特征在于,包括:
状态采集模块,用于通过风力发电机组布置的多个传感器设备,采集风力发电机组的对应多个监测点的状态信息;
状态监测预测模型模块,用于将状态信息输入到状态监测预测模型中,以得到态监测预测模型输出的状态信息的预测值;
监测模块,用于基于状态信息和状态信息的预测值来监测风力发电机组的健康状态。
9.如权利要求8所述的一种用于风力发电机组的状态监测系统,其特征在于,包括:
用于存储计算机指令的至少一个存储器;
与所述存储器通讯的至少一个处理器,其中当所述至少一个处理器执行所述计算机指令时,所述至少一个处理器使所述系统执行:状态采集模块、状态监测预测模型模块及监测模块。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现如权利要求1-7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210697947.7A CN114962177A (zh) | 2022-06-20 | 2022-06-20 | 一种用于风力发电机组的状态监测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210697947.7A CN114962177A (zh) | 2022-06-20 | 2022-06-20 | 一种用于风力发电机组的状态监测方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114962177A true CN114962177A (zh) | 2022-08-30 |
Family
ID=82971661
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210697947.7A Withdrawn CN114962177A (zh) | 2022-06-20 | 2022-06-20 | 一种用于风力发电机组的状态监测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114962177A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116517790A (zh) * | 2023-05-30 | 2023-08-01 | 广州穗泰岩土工程有限公司 | 一种风力发电机叶片用螺栓紧固监控方法及系统 |
-
2022
- 2022-06-20 CN CN202210697947.7A patent/CN114962177A/zh not_active Withdrawn
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116517790A (zh) * | 2023-05-30 | 2023-08-01 | 广州穗泰岩土工程有限公司 | 一种风力发电机叶片用螺栓紧固监控方法及系统 |
CN116517790B (zh) * | 2023-05-30 | 2024-01-26 | 广州穗泰岩土工程有限公司 | 一种风力发电机叶片用螺栓紧固监控方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3902992B1 (en) | Scalable system and engine for forecasting wind turbine failure | |
US11977375B2 (en) | Scalable systems and methods for assessing healthy condition scores in renewable asset management | |
US11493911B2 (en) | System and method for proactive handling of multiple faults and failure modes in an electrical network of energy assets | |
Teng et al. | DNN‐based approach for fault detection in a direct drive wind turbine<? show [AQ ID= Q1]?> | |
CN110991666A (zh) | 故障检测方法、模型的训练方法、装置、设备及存储介质 | |
CN116187593B (zh) | 一种配电网故障预测处理方法、装置、设备、存储介质 | |
CN106777392A (zh) | 基于流计算的风电机组scada数据的实时处理方法 | |
CN112462736A (zh) | 一种基于数据分析的风电机组故障诊断方法 | |
CN111669123A (zh) | 用于对光伏组串进行故障诊断的方法和装置 | |
Shi et al. | Study of wind turbine fault diagnosis and early warning based on SCADA data | |
CN114962177A (zh) | 一种用于风力发电机组的状态监测方法及系统 | |
CN112417612A (zh) | 风电齿轮箱退化状态跟踪与失效聚集风险评估方法 | |
CN116069095A (zh) | 一种机房环境调节方法、设备及介质 | |
CN117034194B (zh) | 基于人工智能的核电仪表设备运维管理系统、方法及设备 | |
Ferguson et al. | Standardisation of wind turbine SCADA data for gearbox fault detection | |
CN116205631A (zh) | 基于蜻蜓算法的vmd-ceemd风电机组齿轮箱振动故障解析方法 | |
CN115842408A (zh) | 基于scada的风电场运行状态检测系统及方法 | |
Li et al. | Research on digital twin and collaborative cloud and edge computing applied in operations and maintenance in wind turbines of wind power farm | |
CN114442543A (zh) | 一种适用于水电站故障预警的计算机监测方法 | |
CN114743703A (zh) | 核电站机组的可靠性分析方法、装置、设备和存储介质 | |
CN111639110A (zh) | 风电机组故障预警方法及装置 | |
CN116886735B (zh) | 一种基于双星型以太网结构的水电站运行监测系统 | |
Hu et al. | A health condition assessment method of wind turbine generator system based on multiple turbines cooperation | |
CN116229700B (zh) | 一种锂电池储能箱的监测数据误差分析方法及系统 | |
Hou et al. | A two-stage ensemble of diverse models for recognition of abnormal data in raw wind data |
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 | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20220830 |
|
WW01 | Invention patent application withdrawn after publication |