CN115898783A - 风力发电机的模拟分析方法、设备优化方法及相关装置 - Google Patents
风力发电机的模拟分析方法、设备优化方法及相关装置 Download PDFInfo
- Publication number
- CN115898783A CN115898783A CN202211392271.7A CN202211392271A CN115898783A CN 115898783 A CN115898783 A CN 115898783A CN 202211392271 A CN202211392271 A CN 202211392271A CN 115898783 A CN115898783 A CN 115898783A
- Authority
- CN
- China
- Prior art keywords
- stress
- simulation analysis
- modal
- driven generator
- wind
- 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
Images
Classifications
-
- 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
本申请公开了一种风力发电机的模拟分析方法、设备优化方法及相关装置,应用于风力发电技术领域,包括:获取风力发电机的受力数据;根据预设的多个模态区域,对受力数据进行模态识别,得到各模态区域对应的受力特征指标;根据各受力特征指标,对风力发电机进行模态跟踪,得到工况特征;将工况特征与预设的损伤特征进行匹配,得到预测的模拟分析结果。本申请根据多个模态区域对相应的受力数据进行模态识别,进而对风力发电机进行模态跟踪,得到风力发电机的工况特征,实现了风力发电机的模拟分析,提高了风力发电机的模拟分析效率,便于对风力发电机进行故障维修和设备优化,另外,该模拟分析过程全程不需要人工参与,降低了模拟分析的出错率。
Description
技术领域
本发明涉及风力发电技术领域,具体涉及一种风力发电机的模拟分析方法、设备优化方法及相关装置。
背景技术
风力发电作为一种绿色发电技术,其对应的风力发电机被广泛使用。但是实际应用中,为了保证风力发电机的持续可用,往往会对其进行模拟分析,以对其工作状态进行跟踪,对使得技术人员更好地得到风力发电机各种情况,同时便于进行检查维修和设备优化,然而传统的风力发电机模拟分析十分依赖于专家经验,其风力发电机模拟分析主要依赖于机械力学原理计算得到,因此,模拟分析得到的结果十分容易出错且效率低下。
发明内容
本申请提供一种风力发电机的模拟分析方法、设备优化方法及相关装置,能够提高风力发电机的分析效率,减少模拟分析的出错。
第一方面,本申请提供一种风力发电机的模拟分析方法,包括;
获取所述风力发电机的受力数据;
根据预设的多个模态区域,对所述受力数据进行模态识别,得到各所述模态区域对应的受力特征指标;
根据各所述受力特征指标,对所述风力发电机进行模态跟踪,得到工况特征;
将所述工况特征与预设的损伤特征进行匹配,得到预测的模拟分析结果。
根据本申请第一方面提供的风力发电机的模拟分析方法,至少具有如下有益效果:通过设置多个模态区域,并基于受力数据分别对多个模特区域的受力情况进行分析,得到各模态区域对应的受力特征指标,并根据各受力特征指标,得到用于表示风力发电机整体状态的工况特征,此时,基于工况特征与预设的损伤特征得到预测的模拟分析结果,实现了风力发电机的模拟分析,提高了风力发电机的模拟分析效率,便于对风力发电机进行故障维修和设备优化,另外,该模拟分析过程全程不需要人工参与,降低了模拟分析的出错率。
首先获取风力发电机的受力数据,其次,根据预设的多个模态区域,对受力数据进行模态识别,得到各模态区域对应的受力特征指标,接着,根据各受力特征指标,对风力发电机进行模态跟踪,得到工况特征,最后,将得到的工况特征和预设的损伤特征进行匹配,得到预测的模拟分析结果,本申请根据预设的多个模态区域对相应的受力数据进行模态识别,进而对风力发电机进行模态跟踪,得到风力发电机的工况特征,从而得到预测的模拟分析结果,实现了风力发电机的模拟分析,提高了风力发电机的模拟分析效率,便于对风力发电机进行故障维修和设备优化,另外,该模拟分析过程全程不需要人工参与,降低了模拟分析的出错率。
根据本申请的一些实施例,所述根据预设的多个模态区域,对所述受力数据进行模态识别,得到各所述模态区域对应的受力特征指标,包括:
将所述受力数据进行坐标轴转换,并将坐标轴转换得到的结果更新至所述受力数据;
获取各所述模态区域对应的受力计算公式集;
通过各所述受力计算公式集对应的所述受力模型分别对更新后的所述受力数据进行指标识别,得到各所述模态区域对应的受力特征指标。
根据本申请的一些实施例,所述获取各所述模态区域对应的受力计算公式集,包括:
确定各所述模态区域对应的风力装置;
获取所述风力装置分别在竖直方向和水平方向的动力公式、压力公式、力矩公式;
将各所述动力公式和对应的所述压力公式、所述力矩公式均作为对应的所述模态区域的受力计算公式集。
根据本申请的一些实施例,所述根据各所述受力特征指标,对所述风力发电机进行模态跟踪,得到工况特征,包括:
根据各所述受力特征指标,得到所述风力发电机对应的受力矩阵;
将所述受力矩阵与预设的多个参数矩阵进行笛卡尔积,得到特征模型数值矩阵,其中,每一所述参数矩阵对应所述风力发电机的一种参数;
对所述特征模型数值矩阵进行聚类分析,得到多个聚类数据集,并将所述聚类数据集作为工况特征。
根据本申请的一些实施例,所述损伤特征通过如下步骤生成:
获取所述风力发电机的设备异常数据,其中,所述设备异常数据包括故障类型和故障点位;
将所述设备异常数据输入至生成对抗网络,得到损伤特征。
根据本申请的一些实施例,所述将所述工况特征与预设的损伤特征进行匹配,得到预测的模拟分析结果之后,还包括:
当预测的所述模拟分析结果指示所述风力发电机存在故障时,根据所述模拟分析结果,得到对应的故障类型和故障点位;
获取所述风力发电机在所述故障点位对应的图像信息;
将所述图像信息和所述故障类型进行匹配,得到所述风力发电机的实际故障信息。
第二方面,本申请提供一种风力发电机的设备优化方法,包括:
根据第一方面任一项所述的风力发电机的模拟分析方法,得到所述风力发电机在不同条件下的模拟分析结果;
根据所述模拟分析结果,对所述风力发电机进行优化。
由于第二方面提供的风力发电机的设备优化方法应用第一方面任一项的风力发电机的模拟分析方法,因此具有本申请第一方面的所有有益效果。
第三方面,本申请提供一种提供的风力发电机的模拟分析装置,包括:
数据采集装置,所述数据采集装置用于获取所述风力发电机的受力数据;
模态识别装置,所述模态识别装置用于根据预设的多个模态区域,对所述受力数据进行模态识别,得到各所述模态区域对应的受力特征指标;
模态跟踪装置,所述模态跟踪装置用于根据各所述受力特征指标,对所述风力发电机进行模态跟踪,得到工况特征;
匹配分析装置,所述匹配分析装置用于将所述工况特征与预设的损伤特征进行匹配,得到模拟分析结果。
由于第三方面提供的风力发电机的模拟分析装置可执行第一方面任一项的风力发电机的模拟分析方法,因此具有本申请第一方面的所有有益效果。
第四方面,本申请提供一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时如第一方面任一项的风力发电机的模拟分析方法或第二方面的风力发电机的设备优化方法。
由于第四方面的处理器执行所述计算机程序时如第一方面任一项的风力发电机的模拟分析方法或第二方面的风力发电机的设备优化方法,因此具有本申请实施例第一方面的所有有益效果。
第五方面,本申请实施例提供一种计算机存储介质,包括存储有计算机可执行指令,所述计算机可执行指令用于如第一方面任一项的风力发电机的模拟分析方法或第二方面的风力发电机的设备优化方法。
由于第五方面的计算机存储介质可执行如第一方面任一项的风力发电机的模拟分析方法或第二方面的风力发电机的设备优化方法,因此具有本申请实施例第一方面的所有有益效果。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例或相关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申请实施例的一些实施例,对于本领域普通技术人员来说,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的风力发电机的模拟分析装置;
图2是本申请实施例提供的风力发电机的模拟分析方法的主要流程图;
图3是本申请实施例提供的风力发电机的模拟分析方法的模态识别的流程图;
图4是本申请实施例提供的风力发电机的模拟分析方法的计算公式集获取的流程图;
图5是本申请实施例提供的风力发电机的模拟分析方法的模态跟踪的流程图;
图6是本申请实施例提供的风力发电机的模拟分析方法的损伤特征生成的流程图;
图7是本申请实施例提供的风力发电机的模拟分析方法的远程看护的流程图;
图8是本申请实施例提供的风力发电机的设备优化方法的主要流程图;
图9是本申请实施例提供的用于风力发电机的模拟分析的系统架构平台的示意图;
图10为本申请实施例提供的风力发电机的示意图;
图11为本申请实施例提供的风力发电装置的塔筒受力分析示意图;
图12为本申请实施例提供的风力发电机的模拟分析方法的流程图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本申请实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本申请实施例。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本申请实施例的描述。
需要说明的是,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于流程图中的顺序执行所示出或描述的步骤。说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。
还应当理解,在本申请实施例说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本申请实施例的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此,在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例,而是意味着“一个或多个但不是所有的实施例”,除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”,除非是以其他方式另外特别强调。
风力发电作为一种绿色发电技术,其对应的风力发电机被广泛使用。但是实际应用中,为了保证风力发电机的持续可用,往往会对其进行模拟分析,以对其工作状态进行跟踪,对使得技术人员更好地得到风力发电机各种情况,同时便于进行检查维修和设备优化,然而传统的风力发电机模拟分析十分依赖于专家经验,其风力发电机模拟分析主要依赖于机械力学原理计算得到,因此,模拟分析得到的结果十分容易出错且效率低下。
基于此,本申请提供一种风力发电机的模拟分析方法、设备优化方法及相关装置,本申请实施例通过模态识别、模态跟踪实现风力发电机的模拟分析的智能化、程序化,提高风力发电机的模拟分析效率,减少模拟分析的出错。
下面结合附图,对本申请实施例作进一步阐述。
参照图1,图1是本申请实施例提供的风力发电机的模拟分析装置,在图1的示例中,模拟分析装置包括数据采集装置100、模态识别装置200、模态跟踪装置300和匹配分析装置400。
其中,数据采集装置100与模态识别装置200通信连接,数据采集装置100用于获取风力发电机的受力数据,并将受力数据发送至模态识别装置200。
模态识别装置200分别与数据采集装置100、模态跟踪装置300通信连接,模态识别装置200根据预设的多个模态区域,对接收到的受力数据进行模态识别,得到各模态区域对应的受力特征指标,并将受力特征指标发送至模态跟踪装置300。
模态跟踪装置300分别与模态识别装置200、匹配分析装置400通信连接,模态跟踪装置300用于根据各受力特征指标,对风力发电机进行模态跟踪,得到工况特征。
匹配分析装置400与模态跟踪装置300通信连接,匹配分析装置400用于将接收到的工况特征与预设的损伤特征进行匹配,得到模拟分析结果。
在本实施例中,数据采集装置100获取风力发电机受力数据,并将受力数据发送至模态识别装置200,模态识别装置200根据预设的多个模态区域和接收到的受力数据进行模态识别,得到各模态区域对应的受力特征指标,并将受力特征指标发送至模态跟踪装置300,模态跟踪装置300用于各受力特征指标,对风力发电机进行模态跟踪,得到工况特征,匹配分析装置400将来自于模态跟踪装置300的工况特征与预设的损伤特征进行匹配,得到模拟分析结果,实现了风力发电机的模拟分析。
本申请实施例描述的装置以及应用场景是为了更加清楚的说明本申请实施例的技术方案,并不构成对于本申请实施例提供的技术方案的限定,本领域技术人员可知,随着系统架构的演变和新应用场景的出现,本申请实施例提供的技术方案对于类似的技术问题,同样适用。
本领域技术人员可以理解的是,图1中示出的装置结构并不构成对本申请实施例的限定,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。
在图1所示的装置结构中,各个模块可以分别调用其储存的模拟分析程序,以执行目标跟踪方法。
基于上述装置,提出本申请实施例的风力发电机的模拟分析方法的各个实施例。
如图2所示,图2是本申请实施例提供的风力发电机的模拟分析方法的主要流程图。该方法可以应用于如图1所示的装置或者是其他结构的风力发电机,本申请实施例提供的风力发电机的模拟分析方法包括但不限于以下步骤:
步骤S100、获取风力发电机的受力数据。
需要说明的是,本申请实施例通过在风力发电机的各个预设点位安装传感器获取对应的受力数据,传感器的具体安装位置和数量可根据实际情况进行设置。
需要说明的是,受力数据包括但不限于对应点位的速度、角速度、位移等。
需要说明的是,参照图10,图10为本申请实施例提供的风力发电机的示意图。图10展示出了传感器安装至风力发电机的各个点位的位置,其中,1至6号为均对叶片的相关数据进行采集,例如,1号点位的传感器针对叶片进行数据采集,2号点位的传感器针对轮毂进行数据采集,3号点位的传感器用于采集周围风场的数据,7号点位对塔筒的数据进行检测。
在一实施例中,将传感器设置为每秒采集20次的频次将采集到的受力数据进行上传,即每秒采集20次的频次获取风力发电机的受力数据。
需要说明的是,本申请实施例获取的受力数据可转换为随时间变化的波形图,起哄波形图包括但不限于以下曲线:加速度-时间变化曲线、速度-时间变化曲线和位移-时间变化曲线。
步骤S200、根据预设的多个模态区域,对受力数据进行模态识别,得到各模态区域对应的受力特征指标。
需要说明的是,每一个模态区域对应于风力发电机上待受力分析的区域,受力数据为在各模态区域采集得到的数据。
需要说明的是,步骤S200得到风力发电机的多个模态区域特征相互独立,如果只将其进行简单罗列,并不能表征整个风力发电机的受力情况。
步骤S300、根据各受力特征指标,对风力发电机进行模态跟踪,得到工况特征。
需要说明的是,根据各受力特征指标,对风力发电机进行模态跟踪,得到风力发电机在当前条件下的各点位的受力数据,即工况特征。
需说明的是,工况特征是反映的风力发电机整体的受力情况,是各模态区域的受力分析的合集。
步骤S400、将工况特征与预设的损伤特征进行匹配,得到预测的模拟分析结果。
需要说明的是,将工况特征与预设的损伤特征进行匹配,得到预测的模拟分析结果,当风力发电机发生故障时,模拟分析结果包括风力发电机的故障类型和故障节点,其中,风力发电机可能多处发生故障,因此,预测的模拟分析结果可能包括多种故障类型和对应的故障节点。
需要说明的是,工况特征和损伤特征可以以数值形式显示,也可以以波形形式显示。
需说明的是,损伤特征是基于历史的异常数据通过预设的神经网络得到的。因此,当受力数据为实时采集时,将其对应的工况特征与损伤特征匹配,能反映真实环境下的风力发电机的状态,相对于纯机械力计算,其预测的模拟分析结果更加准确。
因此,上述实施例具有如下有益效果:本申请实施例提供的风力发电机的模拟分析方法首先获取风力发电机的受力数据,其次,根据预设的多个模态区域,对受力数据进行模态识别,得到各模态区域对应的受力特征指标,接着,根据各受力特征指标,对风力发电机进行模态跟踪,得到工况特征,最后,将得到的工况特征和预设的损伤特征进行匹配,得到预测的模拟分析结果,本申请通过设置多个模态区域,并基于受力数据分别对多个模特区域的受力情况进行分析,得到各模态区域对应的受力特征指标,并根据各受力特征指标,得到用于表示风力发电机整体状态的工况特征,此时,基于工况特征与预设的损伤特征得到预测的模拟分析结果,实现了风力发电机的模拟分析,提高了风力发电机的模拟分析效率,便于对风力发电机进行故障维修和设备优化,另外,该模拟分析过程全程不需要人工参与,降低了模拟分析的出错率。
可以理解的是,参照图3,图3是本申请实施例提供的风力发电机的模拟分析方法的模态识别的流程图。步骤S200包括但不限于以下步骤:
步骤S210、将受力数据进行坐标轴转换,并将坐标轴转换得到的结果更新至受力数据。
需要说明的是,坐标轴转换是用于将受力数据从数值形式转换为预期的表现形式,如波形图或几何图等。坐标轴转换可以包括傅里叶变换、电波信号转换等转换方法,从而使得模态识别是基于预期的表现形式进行分析的,进一步提升识别的精度。
步骤S220、获取各模态区域对应的受力计算公式集。
需要说明的是,模态区域对应的受力计算公式集,至少包括一个受力计算公式。
步骤S230、通过各受力计算公式集对应的受力模型分别对更新后的受力数据进行指标识别,得到各模态区域对应的受力特征指标。
需要说明的是,受力特征指标指的是模块去对应的受力分析。
在一实施例中,预期对风力发电机的传动装置的轴承轴颈偏心故障模态进行检测,则获取的预设模态区域为风力发电机的传动装置的轴承,获取其对应的轴向推力公式作为受力计算公式集,并将受力计算公式集作为该模态区域对应的受力模型,然后通过受力模型在风电传动轴承的轴向受力点采集到的数据进行指标识别,得到轴颈偏心率特征指标,即该模态区域对应的受力特征指标。
可以理解的是,参照图4,图4是本申请实施例提供的风力发电机的模拟分析方法的计算公式集获取的流程图。步骤S220包括但不限于以下步骤:
步骤S221、确定各模态区域对应的风力装置。
步骤S222、获取风力装置分别在竖直方向和水平方向的动力公式、压力公式、力矩公式。
步骤S223、将各动力公式和对应的压力公式、力矩公式均作为对应的模态区域的受力计算公式集。
需要说明的是,根据各模态区域对应的风力装置获取其分别在竖直方向和水平方向的动力公式、压力公式、力矩公式,并将得到的多个公式作为对应的模态区域的受力计算公式集。其中,受力计算公式集可在多个公式中进行选取,选取的公式包括但不限于以下公式:
作用在叶片上的脉动力:其中,FM为作用在叶片上的脉动力,ρ为空气密度,R为风力发电机的风叶所处风轮的半径,V1为风轮顶部的风速,V2为风轮底部的风速。空气推动力公式中的轴向推力可作为风力装置动力公式,其在水平方向和竖直方向都存在相关分量。
沿塔筒高度方向的压力:Fγ=G1+G2,其中,Fγ为沿塔筒高度方向的压力,G1为风轮的重力,G2为风力发电机的机舱的重力。沿塔筒高度方向的压力为风力装置在竖直方向的压力公式。
由风轮和机舱引起的俯仰力矩:MF1=(G1-G2)×h,其中,MF1是由风力发电机的风轮和机舱引起的俯仰力矩,G1为风轮的重力,G2为风力发电机的机舱的重力,h为塔筒的偏心距离。由风轮和机舱引起的俯仰力矩为可作为风力装置的力矩公式,其在水平方向和竖直方向都存在相关分量。
由梯度风引起的俯仰力矩:其中,MF2是由梯度风引起的俯仰力矩,ρ为空气密度,R为风力发电机的风叶所处风轮的半径,V1为风轮顶部的风速,V2为风轮底部的风速。由风轮和机舱引起的俯仰力矩可作为风力装置在水平方向上的力矩公式。
风轮转矩的计算包括气流诱导因素、叶片产生的转矩力和风力发电机的整个转子产生的总转矩。
气流诱导因素的计算公式包括和其中,a为气流诱导因数,a'为气流诱导因数的导数,σr为叶片半径r处的风力常量,Cy为气流影响常量的纵向分量,φ为叶片转动角度。气流诱导因素可用于计算叶片产生的转矩力和整个转子产生的总转矩。
叶片产生的转矩力为δQ=4πρU∞(Ωr)a'(1-a)r2δr,其中,δQ为展向长度为δr的叶片产生的转矩力,ρ为空气密度,U∞(Ωr)为半径为r的叶片趋近无穷大的扫略面积,a为气流诱导因数,a'为气流诱导因数的导数。叶片产生的转矩力可作为风力装置的力矩公式,其在水平方向和竖直方向都存在相关分量。
整个转子产生的总转矩为其中,Q为风力发电机的整个转子产生的总转矩,ρ为空气密度,U∞为叶片趋近无穷大的扫略面积,R为风力发电机的风叶所处风轮的半径,为进行开方后的收敛值,a为气流诱导因数,a'为气流诱导因数的导数,W为风力发电机的功率,N为叶片上的点位的受力大小,c为气流影响常量。整个转子产生的总转矩可作为风力装置的力矩公式,其在水平方向和竖直方向都存在相关分量。
需要说明的是,参照图11,图11为本申请实施例提供的风力发电装置的塔筒受力分析示意图,从图中可以看出,空气推动力公式中的轴向推力、作用在叶片上的脉动力、沿塔筒高度方向的压力、由风轮和机舱引起的俯仰力矩、沿塔筒高度方向风压以及整个转子产生的总转矩在塔筒上的大致分布图。
可以理解的是,参照图5,图5是本申请实施例提供的风力发电机的模拟分析方法的模态跟踪的流程图。步骤S300包括但不限于以下步骤:
步骤S310、根据各受力特征指标,得到风力发电机对应的受力矩阵。
需要说明的是,将得到的多个受力特征指标进行组合,得到一个矩阵,该矩阵为风力发电机对应的受力矩阵,
步骤S320、将受力矩阵与预设的多个参数矩阵进行笛卡尔积,得到特征模型数值矩阵。
需要说明的是,将受力矩阵与预设的多个参数矩阵进行笛卡尔积,得到特征模型数值矩阵,特征模型数值矩阵能够完整反映出风力发电机的受力情况。
需要说明的是,每一所述参数矩阵对应所述风力发电机的一种参数,例如:风力发电机的额定功率值、塔底基圆直径、最大抵抗风速、机舱风轮重量、风轮直径、风轮扫略面积、额定风速等值,可单独或组合作为参数矩阵,另外,风轮发电机各部位的材料许用应力等值作为参数矩阵。
步骤S330、对特征模型数值矩阵进行聚类分析,得到多个聚类数据集,并将聚类数据集作为工况特征。
需要说明的是,对特征模型数值矩阵中的各个参数进行聚类分析,得到多个聚类数据集,该聚类数据集表征了风力发电机各个部位的详细受力情况,可将聚类数据集作为工况特征。
需要说明的是,工况特征还包括典型工况特征,典型工况特征为风力发电机在多种典型工况下的受力情况,如极端天气下风力发电机的受力情况和损坏情况、额定风速工况下的风力发电机的受力情况、切出风速工况下的风力发电机的受力情况、抗最大风速工况下的风力发电机的受力情况。
可以理解的是,参照图6,图6是本申请实施例提供的风力发电机的模拟分析方法的损伤特征生成的流程图。损伤特征生成包括但不限于以下步骤:
步骤S510、获取风力发电机的设备异常数据,其中,设备异常数据包括故障类型和故障点位。
步骤S520、将设备异常数据输入至生成对抗网络,得到损伤特征。
需要说明的是,损伤特征为风力发电机的不同故障类型、故障节点所对应的各种参数。
需要说明的是,当风力发电机的故障数据较少或者故障数据的特征因噪声影响不明显而导致无法获取损伤特征时,获取风力发电机的设备异常数据,设备异常数据包括故障类型和故障点位,将设备异常数据输入至生成对抗网络,通过对抗网络对设备异常数据进行模拟强化,实现对噪声的过滤和数据的增强,并将模拟强化后的设备异常数据作为损伤特征,以与工况特征进行匹配对比,得到工况特征对应的模拟分析结果。
需要说明的是,损伤特征可以为数据形式,也可以为波形形式。当损伤特征和工况特征为数据形式时,直接将工况特征与损伤特征进行对比。当损伤特征和工况特征为波形时,采用差值法减去二者的差值,得到特征差,可根据特征差曲线的稳定程度和大小分析得到工况特征对应的模拟分析结果。
可以理解的是,参照图7,图7是本申请实施例提供的风力发电机的模拟分析方法的远程看护的流程图。该方法包括但不限于以下步骤:
步骤S610、当预测的模拟分析结果指示风力发电机存在故障时,根据模拟分析结果,得到对应的故障类型和故障点位。
步骤S620、获取风力发电机在故障点位对应的图像信息。
步骤S630、比较图像信息和故障类型,得到风力发电机的实际故障信息。
需要说明的是,通过步骤S100至步骤S400的模拟分析方法,能够实现对于风力发电机的模拟分析,实时获取风力发电机受力数据,得到模拟分析结果,根据模拟分析结果,能够判断当前风力发电机是否存在故障,当风力发电机存在故障时,根据模拟分析结果,得到风力发电机对应的故障类型和故障点位,获取风力发电机在故障点位对应的图像信息,并比较图像信息和故障类型,得到风力发电机的实际故障信息,实现了风力发电机的远程实时看护,有效减少运维人员的工作量。
需要说明的是,本申请实施例提供的风力发电机的模拟分析方法可通过远程控制无人机进行航拍的方法获取风力发电机在故障点位对应的图像信息。另外,也可以通过实时监控设备风力发电机在故障点位对应的图像信息。
需要说明的是,参照图12,图12为本申请实施例提供的风力发电机的模拟分析方法的流程图,本申请实施例提供的风力发电机的模拟分析方法首先获取风力发电机的受力数据,其次,根据预设的多个模态区域,通过多个模态区域对应的受力计算公式集得到各模态区域对应的受力特征指标,接着,根据各受力特征指标,对风力发电机进行模态跟踪,即笛卡尔积和聚类分析,得到工况特征,进而得到预测的模拟分析结果。
需要说明的是,本申请实施例提供的风力发电机的模拟分析方法首先获取风力发电机的受力数据,其次,根据预设的多个模态区域,对受力数据进行模态识别,得到各模态区域对应的受力特征指标,接着,根据各受力特征指标,对风力发电机进行模态跟踪,得到工况特征,最后,将得到的工况特征和预设的损伤特征进行匹配,得到预测的模拟分析结果,本申请根据预设的多个模态区域对相应的受力数据进行模态识别,进而对风力发电机进行模态跟踪,得到风力发电机的工况特征,从而得到预测的模拟分析结果,实现了风力发电机的模拟分析,提高了风力发电机的模拟分析效率,便于对风力发电机进行故障维修和设备优化,另外,该模拟分析过程全程不需要人工参与,降低了模拟分析的出错率。
另外,参照图8,本申请实施例还提供一种风力发电机的设备优化方法,该设备优化方法包括但不限于以下步骤:
步骤S710、根据上述的风力发电机的模拟分析方法,得到风力发电机在不同条件下的模拟分析结果。
步骤S720、根据模拟分析结果,对风力发电机进行优化。
在一实施例中,通过对风力发电机建立等比例缩小模型,并模拟天气环境状况对风力发电机的模拟分析结果进行预测。该方法以材料的许用应力为约束,对风力发电机的数据进行调整,并根据步骤S100至步骤S400的模拟分析方法,得到风力发电机在不同条件下的故障模拟结果,根据得到的模拟结果,对风力发电机的各项数据进行优化,提高风力发电机的性能。
需要说明的是,许用应力为机械设计或工程结构设计中允许零件或构件承受的最大应力值,判定零件或构件受载后的工作应力过高或过低,首先需要预先确定一个衡量的标准,这个标准就是许用应力。凡是零件或构件中的工作应力不超过许用应力时,这个零件或构件在运转中是安全的,否则就是不安全的。许用应力通常由材料本身的性质决定。
需要说明的是,根据步骤S100至步骤S400的模拟分析方法,可得到风力发电机在不同工况下的工况特征,例如,本申请实施例对额定风速、切出风速与抗最大风速工况下的塔筒进行模拟分析,根据工况特征可以得到该风力发电机的受力情况,另外,根据模拟分析结果不同工况下的风力发电机是否发生故障,最终,比较不同工况下的风力发电机的模拟分析结果和工况特征,得出在切出风速工况下对塔筒的受力与稳定性影响最大。因此,对风力发电机的设备优化中,可着重观察风力发电机在切出风速工况下的表现情况。
在一实施例中,设备优化方法以材料的许用应力为约束,以风力发电机的塔筒的体积为目标函数进行优化设计,得到风力发电机在不同的实验数据约束下对应的故障模拟结果,进而得到风力发电机对应的塔筒壁厚、风叶受力的较优值,并根据该较优值对风力发电机进行,塔筒优化的设计变量为塔筒塔顶和塔底的壁厚,塔筒的状态变量是以材料的屈服极限为基准的许用应力,材料的许用应力为500MPa。优化的目标是在56m/s的极端风速载荷作用下,塔筒的体积最小、质量最轻、塔筒变形产生的位移量处于安全值内,并且塔筒的最大应力小于材料的许用应力。优化后结果为如表1和表2塔筒优化前后的对比所示。
表1
塔底壁厚 | 塔顶壁厚 | 体积 | 质量 | |
优化前 | 23mm | 22mm | <![CDATA[12m<sup>3</sup>]]> | 90.1t |
优化后 | 20mm | 10mm | <![CDATA[9m<sup>3</sup>]]> | 70.3t |
表2
风速(m/s) | 位移 | 质量 | |
优化前 | 60 | 40mm | 90.1t |
优化后 | 60 | 34mm | 70.3t |
表1为塔筒优化前后的各项参数的对比,表2为分离发电机在一定风速下抗倒塌性能优化前后的对比,可以得出塔筒在其塔底壁厚、塔顶壁厚、体积以及质量明显减小的情况下,对于相同风速,其位移小于优化前的塔筒,则优化后的风力发电机的塔筒的抗倒塌性能更好。
另外,在设备的优化过程中,根据步骤S100至步骤S400的模拟分析方法,可得到风力发电机在不同工况下的工况特征,例如,本申请实施例对额定风速、切出风速与抗最大风速工况下的塔筒进行模拟分析,根据工况特征可以得到该风力发电机的塔筒的受力情况,具体受力情况如表3所示,另外,表4为风力发电机的塔筒的参数表,表5为作用于塔筒上的不同高度、不同工况的风压力的大小,将表3、4、5进行笛卡尔积并进一步进行聚类分析,进而得到模拟分析结果,另外,根据模拟分析结果不同工况下的风力发电机是否发生故障,最终,比较不同工况下的风力发电机的模拟分析结果和工况特征,得出在切出风速工况下对塔筒的受力与稳定性影响最大。因此,对风力发电机的设备优化中,可着重观察风力发电机在切出风速工况下的表现情况。
表3
表4
塔筒高度(m) | 额定风速工况 | 切出风速工况 | 抗最大风速工况 |
0 | 0.70 | 2.69 | 10.75 |
6 | 0.80 | 3.09 | 13.04 |
12 | 0.99 | 3.73 | 16.04 |
18 | 1.17 | 4.46 | 18.48 |
24 | 1.33 | 5.13 | 20.92 |
30 | 1.48 | 5.64 | 22.94 |
36 | 1.62 | 6.12 | 24.65 |
42 | 1.74 | 6.61 | 26.25 |
48 | 1.84 | 7.02 | 27.38 |
表5
可以理解的是,参照图1,模拟分析装置包括数据采集装置100、模态识别装置200、模态跟踪装置300和匹配分析装置400。
需要说明的是,模拟分析装置还包括故障预警装置和远程监护装置,其中,故障预警装置用于当预测的模拟分析结果指示风力发电机存在故障时提醒用户注意,远程监护装置用于当预测的模拟分析结果指示风力发电机存在故障时获取风力发电机在故障点位对应的图像信息,并比较图像信息和故障类型,得到风力发电机的实际故障信息。
另外,参照图9,图9是本申请实施例提供的用于风力发电机的模拟分析的系统架构平台的示意图。
本申请实施例的系统架构平台包括一个或多个处理器和存储器,图9中以一个处理器及一个存储器为例。
处理器和存储器可以通过总线或者其他方式连接,图9中以通过总线连接为例。
存储器作为一种非暂态计算机可读存储介质,可用于存储非暂态软件程序以及非暂态性计算机可执行程序。此外,存储器可以包括高速随机存取存储器,还可以包括非暂态存储器,例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施方式中,存储器可选包括相对于处理器远程设置的存储器,这些远程存储器可以通过网络连接至该系统架构平台。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
本领域技术人员可以理解的是,该系统架构平台可以应用于现有的通信网络系统以及后续演进的移动通信网络系统等,本实施例对此并不作具体限定。
本领域技术人员可以理解,图9中示出的装置结构并不构成对系统架构平台的限定,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。
系统架构平台可以是独立的系统架构平台,也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络、以及大数据和人工智能平台等基础云计算服务的云系统架构平台。
另外,本申请提供一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行计算机程序时如步骤S100至步骤S400的风力发电机的模拟分析方法或风力发电机的设备优化方法。
处理器和存储器可以通过总线或者其他方式连接。
存储器作为一种非暂态计算机可读存储介质,可用于存储非暂态软件程序以及非暂态性计算机可执行程序。此外,存储器可以包括高速随机存取存储器,还可以包括非暂态存储器,例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施方式中,存储器可选包括相对于处理器远程设置的存储器,这些远程存储器可以通过网络连接至该处理器。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
实现上述实施例的目标跟踪方法所需的非暂态软件程序以及指令存储在存储器中,当被处理器执行时,执行上述实施例中的风力发电机的模拟分析方法或风力发电机的设备优化方法,例如,执行以上描述的图2中的方法步骤S100至S600或图8中的方法步骤S710和步骤S720。
以上所描述的装置实施例仅仅是示意性的,其中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,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。
此外,本申请实施例的一个实施例还提供了一种计算机可读存储介质,该计算机可读存储介质存储有计算机可执行指令,该计算机可执行指令被一个处理器或控制器执行,可使得上述处理器执行上述实施例中的风力发电机的模拟分析方法或风力发电机的设备优化方法,例如,执行以上描述的图2中的方法步骤S100至S400、图3中的方法步骤210至S230、图4中的方法步骤S221至S223、图5中的方法步骤S310和S330、图6中的方法步骤S510至S520、图7中的方法步骤S610至S630,或者,执行以上描述的图8中的方法步骤S710和步骤S720。
本领域普通技术人员可以理解,上文中所公开方法中的全部或某些步骤、系统可以被实施为软件、固件、硬件及其适当的组合。某些物理组件或所有物理组件可以被实施为由处理器,如中央处理器、数字信号处理器或微处理器执行的软件,或者被实施为硬件,或者被实施为集成电路,如专用集成电路。这样的软件可以分布在计算机可读介质上,计算机可读介质可以包括计算机存储介质(或非暂时性介质)和通信介质(或暂时性介质)。如本领域普通技术人员公知的,术语计算机存储介质包括在用于存储信息(诸如计算机可读指令、数据结构、程序模块或其他数据)的任何方法或技术中实施的易失性和非易失性、可移除和不可移除介质。计算机存储介质包括但不限于RAM、ROM、EEPROM、闪存或其他存储器技术、CD-ROM、数字多功能盘(DVD)或其他光盘存储、磁盒、磁带、磁盘存储或其他磁存储装置、或者可以用于存储期望的信息并且可以被计算机访问的任何其他的介质。此外,本领域普通技术人员公知的是,通信介质通常包含计算机可读指令、数据结构、程序模块或者诸如载波或其他传输机制之类的调制数据信号中的其他数据,并且可包括任何信息递送介质。
以上是对本申请实施例的较佳实施进行了具体说明,但本申请实施例并不局限于上述实施方式,熟悉本领域的技术人员在不违背本申请实施例精神的前提下还可作出种种的等同变形或替换,这些等同的变形或替换均包含在本申请实施例权利要求所限定的范围内。
Claims (10)
1.一种风力发电机的模拟分析方法,其特征在于,包括:
获取所述风力发电机的受力数据;
根据预设的多个模态区域,对所述受力数据进行模态识别,得到各所述模态区域对应的受力特征指标;
根据各所述受力特征指标,对所述风力发电机进行模态跟踪,得到工况特征;
将所述工况特征与预设的损伤特征进行匹配,得到预测的模拟分析结果。
2.根据权利要求1所述的模拟分析方法,其特征在于,所述根据预设的多个模态区域,对所述受力数据进行模态识别,得到各所述模态区域对应的受力特征指标,包括:
将所述受力数据进行坐标轴转换,并将坐标轴转换得到的结果更新至所述受力数据;
获取各所述模态区域对应的受力计算公式集;
通过各所述受力计算公式集对应的所述受力模型分别对更新后的所述受力数据进行指标识别,得到各所述模态区域对应的受力特征指标。
3.根据权利要求2所述的模拟分析方法,其特征在于,所述获取各所述模态区域对应的受力计算公式集,包括:
确定各所述模态区域对应的风力装置;
获取所述风力装置分别在竖直方向和水平方向的动力公式、压力公式、力矩公式;
将各所述动力公式和对应的所述压力公式、所述力矩公式均作为对应的所述模态区域的受力计算公式集。
4.根据权利要求1所述的模拟分析方法,其特征在于,所述根据各所述受力特征指标,对所述风力发电机进行模态跟踪,得到工况特征,包括:
根据各所述受力特征指标,得到所述风力发电机对应的受力矩阵;
将所述受力矩阵与预设的多个参数矩阵进行笛卡尔积,得到特征模型数值矩阵,其中,每一所述参数矩阵对应所述风力发电机的一种参数;
对所述特征模型数值矩阵进行聚类分析,得到多个聚类数据集,并将所述聚类数据集作为工况特征。
5.根据权利要求1所述的模拟分析方法,其特征在于,所述损伤特征通过如下步骤生成:
获取所述风力发电机的设备异常数据,其中,所述设备异常数据包括故障类型和故障点位;
将所述设备异常数据输入至生成对抗网络,得到损伤特征。
6.根据权利要求1所述的模拟分析方法,其特征在于,所述将所述工况特征与预设的损伤特征进行匹配,得到预测的模拟分析结果之后,还包括:
当预测的所述模拟分析结果指示所述风力发电机存在故障时,根据所述模拟分析结果,得到对应的故障类型和故障点位;
获取所述风力发电机在所述故障点位对应的图像信息;
将所述图像信息和所述故障类型进行匹配,得到所述风力发电机的实际故障信息。
7.一种风力发电机的设备优化方法,其特征在于,包括:
根据权利要求1至6任一项所述的风力发电机的模拟分析方法,得到所述风力发电机在不同条件下的模拟分析结果;
根据所述模拟分析结果,对所述风力发电机进行优化。
8.一种风力发电机的模拟分析装置,其特征在于,包括:
数据采集装置,所述数据采集装置用于获取所述风力发电机的受力数据;
模态识别装置,所述模态识别装置用于根据预设的多个模态区域,对所述受力数据进行模态识别,得到各所述模态区域对应的受力特征指标;
模态跟踪装置,所述模态跟踪装置用于根据各所述受力特征指标,对所述风力发电机进行模态跟踪,得到工况特征;
匹配分析装置,所述匹配分析装置用于将所述工况特征与预设的损伤特征进行匹配,得到模拟分析结果。
9.一种电子设备,其特征在于,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时如权利要求1至6中任一项所述的风力发电机的模拟分析方法或如权利要求7所述的风力发电机的设备优化方法。
10.一种计算机存储介质,其特征在于,包括存储有计算机可执行指令,所述计算机可执行指令用于执行如权利要求1至6中任一项所述的风力发电机的模拟分析方法或如权利要求7所述的风力发电机的设备优化方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211392271.7A CN115898783A (zh) | 2022-11-08 | 2022-11-08 | 风力发电机的模拟分析方法、设备优化方法及相关装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211392271.7A CN115898783A (zh) | 2022-11-08 | 2022-11-08 | 风力发电机的模拟分析方法、设备优化方法及相关装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115898783A true CN115898783A (zh) | 2023-04-04 |
Family
ID=86471967
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211392271.7A Pending CN115898783A (zh) | 2022-11-08 | 2022-11-08 | 风力发电机的模拟分析方法、设备优化方法及相关装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115898783A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116701919A (zh) * | 2023-08-07 | 2023-09-05 | 德电北斗电动汽车有限公司 | 一种陀螺式氢燃料发电机的优化监测方法及系统 |
-
2022
- 2022-11-08 CN CN202211392271.7A patent/CN115898783A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116701919A (zh) * | 2023-08-07 | 2023-09-05 | 德电北斗电动汽车有限公司 | 一种陀螺式氢燃料发电机的优化监测方法及系统 |
CN116701919B (zh) * | 2023-08-07 | 2023-10-03 | 德电北斗电动汽车有限公司 | 一种陀螺式氢燃料发电机的优化监测方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110410282B (zh) | 基于som-mqe和sfcm的风电机组健康状态在线监测及故障诊断方法 | |
CN106907303B (zh) | 一种风力发电机组塔筒状态监测方法和系统 | |
CN106682814B (zh) | 一种基于故障知识库的风电机组故障智能诊断方法 | |
CN113236491B (zh) | 一种风力发电数字孪生系统 | |
CN104200396B (zh) | 一种风力发电机部件故障预警方法 | |
US8839656B2 (en) | Method of checking a wind turbine in a wind farm for a yaw misalignment, method of monitoring a wind turbine in a wind farm and monitoring apparatus | |
CN112304613A (zh) | 一种基于特征融合的风电机组发电机轴承预警方法 | |
CN107728059B (zh) | 一种变桨系统状态评估方法 | |
US10724499B2 (en) | Controlling wind turbines according to reliability estimates | |
CN112733283A (zh) | 一种风电机组部件故障预测方法 | |
CN115898783A (zh) | 风力发电机的模拟分析方法、设备优化方法及相关装置 | |
CN114165392A (zh) | 一种风电机组功率异常诊断方法、装置及存储介质 | |
CN111400961A (zh) | 风力发电机组叶片故障判断方法及装置 | |
AU2021335744A1 (en) | Load control method and apparatus for wind turbine generator system | |
CN112906236A (zh) | 风电机组关键结构位置剩余寿命预测方法及装置 | |
CN116771610A (zh) | 一种调整风电机组变桨系统故障评估值的方法 | |
TWI729349B (zh) | 風力發電裝置及風力發電系統 | |
CN117590027A (zh) | 一种风电机组测风仪亏损修正方法、系统及电子设备 | |
EP3859149A1 (en) | Turbulence intensity estimation | |
CN110188939B (zh) | 风电场的风功率的预测方法、系统、设备和存储介质 | |
CN108427013B (zh) | 一种机舱风速仪风速畸变函数的获取方法 | |
CN114677777B (zh) | 设备巡检方法、巡检系统及终端设备 | |
CN116557230A (zh) | 一种风电场机组功率异常在线评估方法及系统 | |
CN112816788B (zh) | 机车牵引变流器直流支撑电容器的容值估算方法及其应用系统 | |
CN114708718A (zh) | 风力发电机组温度集群管控方法、装置、设备及介质 |
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 |