CN115306656A - 用于双馈风力发电机组的涡激振动抑制监测系统及方法 - Google Patents
用于双馈风力发电机组的涡激振动抑制监测系统及方法 Download PDFInfo
- Publication number
- CN115306656A CN115306656A CN202211031664.5A CN202211031664A CN115306656A CN 115306656 A CN115306656 A CN 115306656A CN 202211031664 A CN202211031664 A CN 202211031664A CN 115306656 A CN115306656 A CN 115306656A
- Authority
- CN
- China
- Prior art keywords
- vortex
- vibration
- wind
- induced vibration
- training
- 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
- 230000001629 suppression Effects 0.000 title claims abstract description 55
- 238000000034 method Methods 0.000 title claims abstract description 32
- 238000012544 monitoring process Methods 0.000 title claims abstract description 25
- 238000013528 artificial neural network Methods 0.000 claims abstract description 31
- 230000008569 process Effects 0.000 claims abstract description 12
- 230000000452 restraining effect Effects 0.000 claims abstract description 3
- 238000012549 training Methods 0.000 claims description 63
- 238000012795 verification Methods 0.000 claims description 15
- 238000012545 processing Methods 0.000 claims description 9
- 238000012423 maintenance Methods 0.000 claims description 6
- 238000012360 testing method Methods 0.000 claims description 6
- 239000003990 capacitor Substances 0.000 claims description 5
- 238000013527 convolutional neural network Methods 0.000 claims description 3
- 238000010248 power generation Methods 0.000 abstract description 3
- 238000004364 calculation method Methods 0.000 abstract description 2
- 238000010801 machine learning Methods 0.000 abstract description 2
- 230000004044 response Effects 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 3
- 239000012530 fluid Substances 0.000 description 3
- 230000002401 inhibitory effect Effects 0.000 description 3
- 230000005764 inhibitory process Effects 0.000 description 2
- 235000017166 Bambusa arundinacea Nutrition 0.000 description 1
- 235000017491 Bambusa tulda Nutrition 0.000 description 1
- 241001330002 Bambuseae Species 0.000 description 1
- 235000015334 Phyllostachys viridis Nutrition 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 239000011425 bamboo Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 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
- 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
- F03D7/0296—Controlling wind motors the wind motors having rotation axis substantially parallel to the air flow entering the rotor to prevent, counteract or reduce noise emissions
-
- 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
- F03D7/046—Automatic control; Regulation by means of an electrical or electronic controller characterised by the type of control logic with learning or adaptive control, e.g. self-tuning, fuzzy logic or neural network
-
- 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
- F03D7/022—Adjusting aerodynamic properties of the blades
- F03D7/0224—Adjusting blade pitch
-
- 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
- F03D7/022—Adjusting aerodynamic properties of the blades
- F03D7/0232—Adjusting aerodynamic properties of the blades with flaps or slats
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
- F05B—INDEXING SCHEME RELATING TO WIND, SPRING, WEIGHT, INERTIA OR LIKE MOTORS, TO MACHINES OR ENGINES FOR LIQUIDS COVERED BY SUBCLASSES F03B, F03D AND F03G
- F05B2260/00—Function
- F05B2260/82—Forecasts
- F05B2260/821—Parameter estimation or prediction
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
- F05B—INDEXING SCHEME RELATING TO WIND, SPRING, WEIGHT, INERTIA OR LIKE MOTORS, TO MACHINES OR ENGINES FOR LIQUIDS COVERED BY SUBCLASSES F03B, F03D AND F03G
- F05B2260/00—Function
- F05B2260/84—Modelling or simulation
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
- F05B—INDEXING SCHEME RELATING TO WIND, SPRING, WEIGHT, INERTIA OR LIKE MOTORS, TO MACHINES OR ENGINES FOR LIQUIDS COVERED BY SUBCLASSES F03B, F03D AND F03G
- F05B2260/00—Function
- F05B2260/96—Preventing, counteracting or reducing vibration or noise
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
- F05B—INDEXING SCHEME RELATING TO WIND, SPRING, WEIGHT, INERTIA OR LIKE MOTORS, TO MACHINES OR ENGINES FOR LIQUIDS COVERED BY SUBCLASSES F03B, F03D AND F03G
- F05B2270/00—Control
- F05B2270/30—Control parameters, e.g. input parameters
- F05B2270/32—Wind speeds
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
- F05B—INDEXING SCHEME RELATING TO WIND, SPRING, WEIGHT, INERTIA OR LIKE MOTORS, TO MACHINES OR ENGINES FOR LIQUIDS COVERED BY SUBCLASSES F03B, F03D AND F03G
- F05B2270/00—Control
- F05B2270/30—Control parameters, e.g. input parameters
- F05B2270/321—Wind directions
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
- F05B—INDEXING SCHEME RELATING TO WIND, SPRING, WEIGHT, INERTIA OR LIKE MOTORS, TO MACHINES OR ENGINES FOR LIQUIDS COVERED BY SUBCLASSES F03B, F03D AND F03G
- F05B2270/00—Control
- F05B2270/30—Control parameters, e.g. input parameters
- F05B2270/334—Vibration measurements
-
- 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)
- Mechanical Engineering (AREA)
- Sustainable Development (AREA)
- Sustainable Energy (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Wind Motors (AREA)
Abstract
本发明公开了一种用于双馈风力发电机组的涡激振动抑制监测系统及方法,涉及风力发电技术领域。步骤为:以一定的间隔频率采集一段时间内的风电机组的振动信号,和风电场的风速、风向信号;通过振动信号、风速、风向信号计算所采集时间段内的风电机组的振动峰值、振动有效值,以及平均风速和平均风向;将振动峰值、振动有效值、平均风速和平均风向输入基于BP神经网络的预测模型中判断风电机组是否发生涡激振动;在发生涡激振动时,则上传警报信息到云端服务器,并利用涡激振动抑制装置抑制涡激振动。本发明将机器学习算法应用于涡激振动响应预报问题中,简单高效,避免了复杂繁冗的计算过程,能够快速而又准确的实现涡激振动的预报监测。
Description
技术领域
本发明涉及风力发电技术领域,更具体的说是涉及一种用于双馈风力发电机组的涡激振动抑制监测系统及方法。
背景技术
风电技术现在已经成为全球日益增长的清洁电力市场的主要贡献。风力发电机在吊装过程中会出现很多严重的问题,风力发电机双馈机组采用圆柱状塔筒结构,且塔筒较高,机组固有频率较低,这种情况下可能发生涡激振动,将对机组造成较大的疲劳损伤,快速消耗塔架的寿命,甚至有可能超出机组的极限载荷,对机组造成严重的破坏,对人员的安全也存在一定的危险性。在现有技术中,通过偏航对风和调整叶片桨距角来抑制通电状态下的涡激振动,而在非通电状态下,广泛使用的是扰流装置,扰流装置的核心功能部件为扰流块或者扰流条,例如申请号为CN201821114263.5的中国专利公开了一种可抑制涡激振动的风力发电塔筒扰流条,然而就目前而言,根据现有技术的限制,没有较好的方法可以对涡激振动进行预报监测,在发生涡激振动时再进行相应的防御措施已为时已晚。
发明内容
有鉴于此,本发明提供了一种用于双馈风力发电机组的涡激振动抑制监测系统及方法,以解决背景技术中提出的问题。
为了实现上述目的,本发明采用如下技术方案:一种用于双馈风力发电机组的涡激振动抑制监测系统,包括依次连接的数据采集模块、数据处理模块、预测模块、抑制模块;其中,
所述数据采集模块,用于以一定的间隔频率采集一段时间内的风电机组的振动信号,和风电场的风速、风向信号;
所述数据处理模块,用于通过所述振动信号、风速、风向信号计算所采集时间段内的风电机组的振动峰值、振动有效值,以及平均风速和平均风向。
所述预测模块,用于将所述振动峰值、振动有效值、平均风速和平均风向输入基于BP神经网络的预测模型中判断风电机组是否发生涡激振动;
所述抑制模块,用于在发生涡激振动时,则上传警报信息到云端服务器,并利用涡激振动抑制装置抑制涡激振动。
可选的,所述数据采集模块包括振动传感器、风向传感器和风速传感器;其中,所述振动传感器,设置在风电机组的机舱或塔筒内部,用于实时检测所述风电机组的振动信号;所述风向传感器和风速传感器,设置在气象架上,用于实时检测风电场区域的风速、风向信号。
可选的,所述涡激振动抑制装置包括第一抑制单元和第二抑制单元,所述第一抑制单元与所述第二抑制单元并行连接,其中,所述第一抑制单元为扰流装置,所述第二抑制单元为变桨装置。
可选的,所述第一抑制单元包括柔性连接件和设置在所述柔性连接件上的扰流件,所述柔性连接件的两端一一对应地固定在防振塔筒段的上连接法兰和下连接法兰上。
可选的,所述第二抑制单元包括风机主控柜、叶片及其叶片驱动器、变桨电机,叶片驱动器分别连接一台变桨电机,每个所述叶片驱动器上均分别连接有存储能源的超级电容模组。
可选的,还包括在机舱柜上加装轮毂维护开关和继电器,根据所述轮毂维护开关的反馈信号控制所述变桨装置。
另一方面,提供一种用于双馈风力发电机组的涡激振动抑制监测方法,利用所述的一种用于双馈风力发电机组的涡激振动抑制监测系统进行监测,具体步骤包括如下:
以一定的间隔频率采集一段时间内的风电机组的振动信号,和风电场的风速、风向信号;
通过所述振动信号、风速、风向信号计算所采集时间段内的风电机组的振动峰值、振动有效值,以及平均风速和平均风向;
将所述振动峰值、振动有效值、平均风速和平均风向输入基于BP神经网络的预测模型中判断风电机组是否发生涡激振动;
在发生涡激振动时,则上传警报信息到云端服务器,并利用涡激振动抑制装置抑制涡激振动。
可选的,所述预测模型的训练过程为:
收集涡激振动预测所需原始数据,并对所述原始数据进行标准化处理和分类,以得到训练集、验证集、测试集;
初始化神经网络的参数,并搭建神经网络;其中,所述参数包括训练误差指标值、验证误差指标值、权值阈值;
利用所述训练集训练所述神经网络,并采用所述验证集验证所述神经网络,以生成训练误差小于训练误差指标值且验证误差小于验证误差指标值的非线性自回归神经网络;
将所述测试集输入所述非线性自回归神经网络,以输出最终预测值。
可选的,所述将训练集输入所述神经网络,每个训练通道独立训练直至满足各自的收敛条件,得到包含多个训练通道的卷积神经网络模型,包括:确定每个训练通道的参数;将训练集输入所述神经网络,得到每个训练通道对应的预测特征数据;针对每个训练通道,根据所述预测特征数据和真实特征数据确定预测误差;重新调整所述预测误差大于预设误差对应的训练通道的参数,继续重复所述对应的训练通道的训练过程,直至所述对应的训练通道的预测误差小于或等于所述预设误差,结束所述对应的训练通道的训练过程。
经由上述的技术方案可知,与现有技术相比,本发明公开提供了一种用于双馈风力发电机组的涡激振动抑制监测系统及方法,将人工智能中的机器学习算法应用于难以解决的涡激振动响应预报问题中,简单高效,不深入探究现象的内部机理,避免了复杂繁冗的计算过程,能够实现快速而又准确的预报,实现涡激振动的及时预报监测;将超级电容充电器应用于风电变桨电机备用超级电容电池充电,可以保证桨叶在断电等突发事故中能短时间工作,使桨叶受力最小,保证桨叶的安全。如果此时外部供电及电机抱闸失效,变桨系统存在安全锁保护系统,根据电机刹车的单向制动原理,叶片会自动被风吹到顺桨位置,能够有效降低风机在故障后对风能的吸收。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的实施例,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,还可以根据提供的附图获得其他的附图。
图1为本发明的系统结构图;
图2为本发明的数据采集模块结构图;
图3为本发明的涡激振动漩涡图;
图4为本发明的方法流程图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明实施例公开了一种用于双馈风力发电机组的涡激振动抑制监测系统,如图1所示,包括依次连接的数据采集模块、数据处理模块、预测模块、抑制模块;其中,
数据采集模块,用于以一定的间隔频率采集一段时间内的风电机组的振动信号,和风电场的风速、风向信号;
数据处理模块,用于通过所述振动信号、风速、风向信号计算所采集时间段内的风电机组的振动峰值、振动有效值,以及平均风速和平均风向。
预测模块,用于将所述振动峰值、振动有效值、平均风速和平均风向输入基于BP神经网络的预测模型中判断风电机组是否发生涡激振动;
抑制模块,用于在发生涡激振动时,则上传警报信息到云端服务器,并利用涡激振动抑制装置抑制涡激振动。
如图2所示,数据采集模块包括振动传感器、风向传感器和风速传感器;其中,振动传感器,设置在风电机组的机舱或塔筒内部,用于实时检测所述风电机组的振动信号;风向传感器和风速传感器,设置在气象架上,用于实时检测风电场区域的风速、风向信号。
在流体动力学中,涡激振动是物体与外部流体相互作用而在物体本身上诱发的运动,或者在该流体上产生的周期性不规则运动。当空气流场经过非流线型的钝体时,空气流场会受阻而产生改变并且在钝体后方的两侧周期性地产生交替的旋涡如图3所示,这一个现象也被称为卡门涡街。同时,旋涡的出现和脱落会导致空气流场中气压分布不均匀,从而在钝体的两侧会周期性的产生于空气流场方向垂直的压力,当钝体本身具有一定的弹性支撑,而非完全刚性时,压力会迫使钝体产生于空气流场方向垂直的振动,而这一振动称之为涡激振动。
在本实施例中,涡激振动抑制装置包括第一抑制单元和第二抑制单元,第一抑制单元与第二抑制单元并行连接,其中,第一抑制单元为扰流装置,第二抑制单元为变桨装置。
具体的,第一抑制单元包括柔性连接件和设置在柔性连接件上的扰流件,柔性连接件的两端一一对应地固定在防振塔筒段的上连接法兰和下连接法兰上。扰流件的截面形状为正多边形。即,各扰流块的横截面形状为正三角形、正四边形或正五边形等。由于柔性连接件通过安装通孔穿过其上的多个扰流块,因此扰流块能够相对柔性连接件转动,为了确保将扰流块固定在塔筒上之后其防止涡激振动的效果,将扰流块设置为正多边形。同时,这样也可以更加方便快速地将其固定在塔筒上。
第二抑制单元包括风机主控柜、叶片及其叶片驱动器、变桨电机,叶片驱动器分别连接一台变桨电机,每个叶片驱动器上均分别连接有存储能源的超级电容模组。
变桨电机为管状电机,在每一变桨电机的电机轴上还分别设置有在失电后电机单方向制动,使叶片自动回到顺桨位置的单向刹车装置。
还包括在机舱柜上加装轮毂维护开关和继电器,根据轮毂维护开关的反馈信号控制变桨装置。
本发明实施例2提供一种用于双馈风力发电机组的涡激振动抑制监测方法,利用一种用于双馈风力发电机组的涡激振动抑制监测系统进行监测,如图4所示,具体步骤包括如下:
S1、以一定的间隔频率采集一段时间内的风电机组的振动信号,和风电场的风速、风向信号;
S2、通过振动信号、风速、风向信号计算所采集时间段内的风电机组的振动峰值、振动有效值,以及平均风速和平均风向;
S3、将振动峰值、振动有效值、平均风速和平均风向输入基于BP神经网络的预测模型中判断风电机组是否发生涡激振动;
S4、在发生涡激振动时,则上传警报信息到云端服务器,并利用涡激振动抑制装置抑制涡激振动。
进一步的,预测模型的训练过程为:
收集涡激振动预测所需原始数据,并对原始数据进行标准化处理和分类,以得到训练集、验证集、测试集;
初始化神经网络的参数,并搭建神经网络;其中,参数包括训练误差指标值、验证误差指标值、权值阈值;
利用训练集训练所述神经网络,并采用验证集验证神经网络,以生成训练误差小于训练误差指标值且验证误差小于验证误差指标值的非线性自回归神经网络;
将测试集输入非线性自回归神经网络,以输出最终预测值。
更进一步的,将训练集输入神经网络,每个训练通道独立训练直至满足各自的收敛条件,得到包含多个训练通道的卷积神经网络模型,包括:确定每个训练通道的参数;将训练集输入所述神经网络,得到每个训练通道对应的预测特征数据;针对每个训练通道,根据预测特征数据和真实特征数据确定预测误差;重新调整预测误差大于预设误差对应的训练通道的参数,继续重复对应的训练通道的训练过程,直至对应的训练通道的预测误差小于或等于预设误差,结束对应的训练通道的训练过程。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (9)
1.一种用于双馈风力发电机组的涡激振动抑制监测系统,其特征在于,包括依次连接的数据采集模块、数据处理模块、预测模块、抑制模块;其中,
所述数据采集模块,用于以一定的间隔频率采集一段时间内的风电机组的振动信号,和风电场的风速、风向信号;
所述数据处理模块,用于通过所述振动信号、风速、风向信号计算所采集时间段内的风电机组的振动峰值、振动有效值,以及平均风速和平均风向;
所述预测模块,用于将所述振动峰值、振动有效值、平均风速和平均风向输入基于BP神经网络的预测模型中判断风电机组是否发生涡激振动;
所述抑制模块,用于在发生涡激振动时,则上传警报信息到云端服务器,并利用涡激振动抑制装置抑制涡激振动。
2.根据权利要求1所述的一种用于双馈风力发电机组的涡激振动抑制监测系统,其特征在于,所述数据采集模块包括振动传感器、风向传感器和风速传感器;其中,所述振动传感器,设置在风电机组的机舱或塔筒内部,用于实时检测所述风电机组的振动信号;所述风向传感器和风速传感器,设置在气象架上,用于实时检测风电场区域的风速、风向信号。
3.根据权利要求1所述的一种用于双馈风力发电机组的涡激振动抑制监测系统,其特征在于,所述涡激振动抑制装置包括第一抑制单元和第二抑制单元,所述第一抑制单元与所述第二抑制单元并行连接,其中,所述第一抑制单元为扰流装置,所述第二抑制单元为变桨装置。
4.根据权利要求3所述的一种用于双馈风力发电机组的涡激振动抑制监测系统,其特征在于,所述第一抑制单元包括柔性连接件和设置在所述柔性连接件上的扰流件,所述柔性连接件的两端一一对应地固定在防振塔筒段的上连接法兰和下连接法兰上。
5.根据权利要求3所述的一种用于双馈风力发电机组的涡激振动抑制监测系统,其特征在于,所述第二抑制单元包括风机主控柜、叶片及其叶片驱动器、变桨电机,叶片驱动器分别连接一台变桨电机,每个所述叶片驱动器上均分别连接有存储能源的超级电容模组。
6.根据权利要求3所述的一种用于双馈风力发电机组的涡激振动抑制监测系统,其特征在于,还包括在机舱柜上加装轮毂维护开关和继电器,根据所述轮毂维护开关的反馈信号控制所述变桨装置。
7.一种用于双馈风力发电机组的涡激振动抑制监测方法,其特征在于,利用权利要求1-6任一所述的一种用于双馈风力发电机组的涡激振动抑制监测系统进行监测,具体步骤包括如下:
以一定的间隔频率采集一段时间内的风电机组的振动信号,和风电场的风速、风向信号;
通过所述振动信号、风速、风向信号计算所采集时间段内的风电机组的振动峰值、振动有效值,以及平均风速和平均风向;
将所述振动峰值、振动有效值、平均风速和平均风向输入基于BP神经网络的预测模型中判断风电机组是否发生涡激振动;
在发生涡激振动时,则上传警报信息到云端服务器,并利用涡激振动抑制装置抑制涡激振动。
8.根据权利要求7所述的一种用于双馈风力发电机组的涡激振动抑制监测方法,其特征在于,所述预测模型的训练过程为:
收集涡激振动预测所需原始数据,并对所述原始数据进行标准化处理和分类,以得到训练集、验证集、测试集;
初始化神经网络的参数,并搭建神经网络;其中,所述参数包括训练误差指标值、验证误差指标值、权值阈值;
利用所述训练集训练所述神经网络,并采用所述验证集验证所述神经网络,以生成训练误差小于训练误差指标值且验证误差小于验证误差指标值的非线性自回归神经网络;
将所述测试集输入所述非线性自回归神经网络,以输出最终预测值。
9.根据权利要求8所述的一种用于双馈风力发电机组的涡激振动抑制监测方法,其特征在于,所述将训练集输入所述神经网络,每个训练通道独立训练直至满足各自的收敛条件,得到包含多个训练通道的卷积神经网络模型,包括:确定每个训练通道的参数;将训练集输入所述神经网络,得到每个训练通道对应的预测特征数据;针对每个训练通道,根据所述预测特征数据和真实特征数据确定预测误差;重新调整所述预测误差大于预设误差对应的训练通道的参数,继续重复所述对应的训练通道的训练过程,直至所述对应的训练通道的预测误差小于或等于所述预设误差,结束所述对应的训练通道的训练过程。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211031664.5A CN115306656A (zh) | 2022-08-26 | 2022-08-26 | 用于双馈风力发电机组的涡激振动抑制监测系统及方法 |
LU502837A LU502837B1 (en) | 2022-08-26 | 2022-09-26 | Vortex-induced vibration suppression monitoring system for doubly-fed wind turbine generator set and the method thereof |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211031664.5A CN115306656A (zh) | 2022-08-26 | 2022-08-26 | 用于双馈风力发电机组的涡激振动抑制监测系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115306656A true CN115306656A (zh) | 2022-11-08 |
Family
ID=83546827
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211031664.5A Pending CN115306656A (zh) | 2022-08-26 | 2022-08-26 | 用于双馈风力发电机组的涡激振动抑制监测系统及方法 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN115306656A (zh) |
LU (1) | LU502837B1 (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104329223A (zh) * | 2014-11-11 | 2015-02-04 | 沈阳华创风能有限公司 | 风力发电机组的变桨系统 |
CN104405582A (zh) * | 2014-11-13 | 2015-03-11 | 湖南世优电气股份有限公司 | 兆瓦级风力发电机组轮毂安全链及其控制方法 |
CN105927479A (zh) * | 2016-06-20 | 2016-09-07 | 新疆金风科技股份有限公司 | 风力发电机组的安装方法 |
CN108090629A (zh) * | 2018-01-16 | 2018-05-29 | 广州大学 | 基于非线性自回归神经网络的负荷预测方法与系统 |
CN110276345A (zh) * | 2019-06-05 | 2019-09-24 | 北京字节跳动网络技术有限公司 | 卷积神经网络模型训练方法、装置和计算机可读存储介质 |
CN111878324A (zh) * | 2020-08-28 | 2020-11-03 | 国电联合动力技术有限公司 | 一种风电场塔筒涡激振动预警方法及预警系统 |
CN112360684A (zh) * | 2020-10-27 | 2021-02-12 | 中车株洲电力机车研究所有限公司 | 抑制风机涡激振动的方法 |
CN215633528U (zh) * | 2021-06-29 | 2022-01-25 | 华能新能源股份有限公司 | 一种风电机组柔塔涡激振动的监测抑制系统 |
CN114776522A (zh) * | 2022-06-22 | 2022-07-22 | 华能酒泉风电有限责任公司 | 一种用于解决风电机组涡激振动的方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8441138B2 (en) * | 2009-05-07 | 2013-05-14 | Vestas Wind Systems A/S | Wind turbine |
US11261844B2 (en) * | 2019-02-28 | 2022-03-01 | General Electric Company | System and method for predicting wind turbine shutdowns due to excessive vibration |
CN112664411A (zh) * | 2021-01-22 | 2021-04-16 | 长沙理工大学 | 一种通过监测风速对风电机组共振控制方法 |
CN113642068A (zh) * | 2021-07-07 | 2021-11-12 | 哈尔滨工业大学 | 一种基于决策树和循环神经网络的桥梁涡激振动幅值预测方法 |
-
2022
- 2022-08-26 CN CN202211031664.5A patent/CN115306656A/zh active Pending
- 2022-09-26 LU LU502837A patent/LU502837B1/en active IP Right Grant
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104329223A (zh) * | 2014-11-11 | 2015-02-04 | 沈阳华创风能有限公司 | 风力发电机组的变桨系统 |
CN104405582A (zh) * | 2014-11-13 | 2015-03-11 | 湖南世优电气股份有限公司 | 兆瓦级风力发电机组轮毂安全链及其控制方法 |
CN105927479A (zh) * | 2016-06-20 | 2016-09-07 | 新疆金风科技股份有限公司 | 风力发电机组的安装方法 |
CN108090629A (zh) * | 2018-01-16 | 2018-05-29 | 广州大学 | 基于非线性自回归神经网络的负荷预测方法与系统 |
CN110276345A (zh) * | 2019-06-05 | 2019-09-24 | 北京字节跳动网络技术有限公司 | 卷积神经网络模型训练方法、装置和计算机可读存储介质 |
CN111878324A (zh) * | 2020-08-28 | 2020-11-03 | 国电联合动力技术有限公司 | 一种风电场塔筒涡激振动预警方法及预警系统 |
CN112360684A (zh) * | 2020-10-27 | 2021-02-12 | 中车株洲电力机车研究所有限公司 | 抑制风机涡激振动的方法 |
CN215633528U (zh) * | 2021-06-29 | 2022-01-25 | 华能新能源股份有限公司 | 一种风电机组柔塔涡激振动的监测抑制系统 |
CN114776522A (zh) * | 2022-06-22 | 2022-07-22 | 华能酒泉风电有限责任公司 | 一种用于解决风电机组涡激振动的方法 |
Also Published As
Publication number | Publication date |
---|---|
LU502837B1 (en) | 2024-02-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101298864B (zh) | 运行风力涡轮机的方法和风力涡轮机 | |
Peeters | Simulation of dynamic drive train loads in a wind turbine | |
EP3749853B1 (en) | Determining control settings for a wind turbine | |
EP2483555B1 (en) | Wind turbine stand still load reduction | |
CA2895386A1 (en) | Methods and systems to operate a wind turbine system using a non-linear damping model | |
CN103080540A (zh) | 风电场中风力涡轮机的控制 | |
CN106762415B (zh) | 一种降低风力发电机组叶轮不平衡极限载荷的方法 | |
JP6762170B2 (ja) | ウィンドファームまたはウィンドファームの制御方法 | |
WO2011128470A2 (es) | Metodos de monitorizacion de aerogeneradores | |
EP3263890A1 (en) | Methods and systems for feedforward control of wind turbines | |
Xie et al. | A novel folding blade of wind turbine rotor for effective power control | |
CN105909470A (zh) | 风力发电机组的自适应最大功率跟踪控制方法 | |
CN112260325A (zh) | 一种考虑风力发电机疲劳载荷的风电场有功功率控制方法 | |
US20220065222A1 (en) | Method for operating a wind turbine, a method for designing a wind turbine, and a wind turbine | |
CN112360684B (zh) | 抑制风机涡激振动的方法 | |
CN112031996A (zh) | 一种优化风电机组偏航运动时机舱振动超限的方法及系统 | |
CN106351792A (zh) | 一种风电机组的载荷降低系统及其工作方法 | |
CN115030866A (zh) | 一种风电场场群控制系统 | |
CN201671762U (zh) | 具有低电压穿越功能的液压驱动独立变桨冗余控制系统 | |
CN115306656A (zh) | 用于双馈风力发电机组的涡激振动抑制监测系统及方法 | |
CN202756176U (zh) | 一种风轮叶片可调速的垂直轴风力发电机 | |
CN111075649A (zh) | 一种基于外界风况的风力发电机组主动降载控制方法 | |
Yusong et al. | The control strategy and simulation of the yaw system for MW rated wind turbine | |
CN108879767B (zh) | 风力发电机组高电压穿越控制方法、装置及系统 | |
EP3406897B1 (en) | System and method for determining wind farm wake loss |
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 |