CN116204762A - 风力发电机组变桨轴承的寿命评估方法和装置 - Google Patents

风力发电机组变桨轴承的寿命评估方法和装置 Download PDF

Info

Publication number
CN116204762A
CN116204762A CN202111438432.7A CN202111438432A CN116204762A CN 116204762 A CN116204762 A CN 116204762A CN 202111438432 A CN202111438432 A CN 202111438432A CN 116204762 A CN116204762 A CN 116204762A
Authority
CN
China
Prior art keywords
pitch
estimated
determining
variable
life
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
Application number
CN202111438432.7A
Other languages
English (en)
Inventor
张鹏飞
苏慧丽
韩炜
赵世培
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Goldwind Science and Creation Windpower Equipment Co Ltd
Original Assignee
Beijing Goldwind Science and Creation Windpower Equipment Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Goldwind Science and Creation Windpower Equipment Co Ltd filed Critical Beijing Goldwind Science and Creation Windpower Equipment Co Ltd
Priority to CN202111438432.7A priority Critical patent/CN116204762A/zh
Priority to EP22899761.5A priority patent/EP4343587A1/en
Priority to PCT/CN2022/083377 priority patent/WO2023097938A1/zh
Priority to AU2022401404A priority patent/AU2022401404A1/en
Priority to KR1020247002597A priority patent/KR20240023651A/ko
Publication of CN116204762A publication Critical patent/CN116204762A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • 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
    • F03D15/00—Transmission of mechanical power
    • 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
    • F03D17/00—Monitoring or testing of wind motors, e.g. diagnostics
    • F03D17/005—Monitoring or testing of wind motors, e.g. diagnostics using computation methods, e.g. neural networks
    • F03D17/006—Estimation methods
    • 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
    • F03D17/009—Monitoring or testing of wind motors, e.g. diagnostics characterised by the purpose
    • F03D17/011—Monitoring or testing of wind motors, e.g. diagnostics characterised by the purpose for monitoring mechanical loads or assessing fatigue; for monitoring structural integrity
    • 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
    • F03D17/027—Monitoring or testing of wind motors, e.g. diagnostics characterised by the component being monitored or tested
    • F03D17/032—Bearings
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F16—ENGINEERING ELEMENTS AND UNITS; GENERAL MEASURES FOR PRODUCING AND MAINTAINING EFFECTIVE FUNCTIONING OF MACHINES OR INSTALLATIONS; THERMAL INSULATION IN GENERAL
    • F16C—SHAFTS; FLEXIBLE SHAFTS; ELEMENTS OR CRANKSHAFT MECHANISMS; ROTARY BODIES OTHER THAN GEARING ELEMENTS; BEARINGS
    • F16C19/00—Bearings with rolling contact, for exclusively rotary movement
    • 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
    • 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
    • G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
    • 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
    • F03D80/00—Details, components or accessories not provided for in groups F03D1/00 - F03D17/00
    • F03D80/70—Bearing or lubricating arrangements
    • F03D80/701—Pitch or yaw bearings
    • 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

本公开提供一种风力发电机组变桨轴承的寿命评估方法和装置。寿命评估方法包括：获取变桨驱动力矩在M个历史时段的概率密度，M为正整数；获取M个历史时段中各个历史时段内变桨角度的角度累积值；根据变桨驱动力矩及其在M个历史时段的概率密度、M个历史时段的角度累积值，确定变桨轴承的等效载荷；根据变桨轴承的等效载荷，确定变桨轴承的已消耗寿命。

Description

风力发电机组变桨轴承的寿命评估方法和装置
技术领域
本公开涉及风力发电领域，更具体地，涉及一种风力发电机组变桨轴承的寿命评估方法和装置。
背景技术
风力发电机组变桨轴承是连接叶片与轮毂的重要组件，还用于将叶片的载荷传递至轮毂上的变桨系统，而变桨系统是风力发电机组的重要安全系统，若发生故障，则有可能带来毁灭性的灾难。因此，在风力发电机组运行过程中，对变桨轴承的寿命评估变得尤为重要且关键。
在相关技术中，通常需要安装载荷传感器，通过载荷传感器采集的变桨轴承的载荷，基于此对在役风力发电机组的变桨轴承进行寿命评估，但此方案安装周期时间长，资金耗费大，对风电场中的各台机组实现全覆盖需要付出较大的资金成本及时间成本。
发明内容
因此，利用目前能够直接获取到的参数来合理估算变桨轴承的载荷，对于如何在低成本下实现变桨轴承的在线寿命评估至关重要。
在一个总的方面，提供一种风力发电机组变桨轴承的寿命评估方法，所述寿命评估方法包括：获取变桨驱动力矩在M个历史时段的概率密度，所述M为正整数；获取所述M个历史时段中各个历史时段内变桨角度的角度累积值；根据所述变桨驱动力矩及其在所述M个历史时段的概率密度、所述M个历史时段的角度累积值，确定变桨轴承的等效载荷；根据所述变桨轴承的等效载荷，确定所述变桨轴承的已消耗寿命。
可选地，所述获取变桨驱动力矩在M个历史时段的概率密度，包括：根据所述M个历史时段的运行数据，确定所述变桨驱动力矩在不同变桨运动状态下的出现频率及对应的分布参数，所述变桨运动状态包括正向状态、恒定状态、负向状态；根据所述频率及对应的分布参数，确定所述概率密度。
可选地，所述根据所述M个历史时段的运行数据，确定所述变桨驱动力矩在不同变桨运动状态下的出现频率及对应的分布参数，包括：对每个历史时段，确定相关系数矩阵、第一传递函数、运行数据列向量的乘积，得到第一列向量，其中，所述相关系数矩阵的行数等于所述出现频率及对应的分布参数的数量之和，所述运行数据列向量由多个运行数据构成；确定所述第一列向量与第一相关系数列向量之和，并与第二传递函数相乘，得到第二列向量；确定所述第二列向量与第二相关系数列向量之和，作为输出向量，所述输出向量包括所述出现频率及对应的分布参数，其中，所述相关系数矩阵、所述第一相关系数列向量、所述第二相关系数列向量、所述第一传递函数、所述第二传递函数通过测试或训练得到。
可选地，所述根据所述M个历史时段的运行数据，确定所述变桨驱动力矩在不同变桨运动状态下的出现频率及对应的分布参数之前，还包括：采集所述风力发电机组在所述M个历史时段的运行数据；其中，所述运行数据包括输出功率、叶轮转速、发电机扭矩、机舱加速度x方向分量、机舱加速度y方向分量、桨矩角。
可选地，所述变桨驱动力矩的数量为多个，其中，所述根据所述变桨驱动力矩及其在所述M个历史时段的概率密度、所述M个历史时段的角度累积值，确定变桨轴承的等效载荷，包括：对每个历史时段，确定每个所述变桨驱动力矩的m次幂、相应的所述变桨驱动力矩的概率密度、所述角度累积值的乘积，并对多个所述变桨驱动力矩各自对应的所述乘积求和，得到相应历史时段的参考载荷，其中，m是所述变桨轴承的材料沃尔系数；确定所述多个历史时段的参考载荷平均值；确定所述参考载荷平均值的1/m次幂，作为所述变桨轴承的等效载荷。
可选地，多个所述变桨驱动力矩通过以下步骤得到：对变桨驱动力矩变化区间，按照设定步长进行取值，得到多个所述变桨驱动力矩。
可选地，所述寿命评估方法还包括：获取目标未来时段的多个机位点的预估风资源参数，所述预估风资源参数包括预估风速；根据所述预估风资源参数，确定所述变桨驱动力矩在多个预估风速下的概率密度及所述目标未来时段内变桨角度的预估角度积累值；根据所述多个预估风速、所述变桨驱动力矩及其在所述多个预估风速下的概率密度、所述多个预估风速下的预估角度积累值，确定所述变桨轴承在所述目标未来时段的预估等效载荷；根据所述预估等效载荷，确定所述变桨轴承在所述目标未来时段的预估消耗寿命；根据所述变桨轴承的设计寿命、所述已消耗寿命、所述预估消耗寿命，确定所述变桨轴承的预估剩余寿命。
可选地，所述预估风资源参数还包括湍流强度、风切变、空气密度。
可选地，所述根据所述多个预估风速、所述变桨驱动力矩及其在所述多个预估风速下的概率密度、所述多个预估风速下的预估角度积累值，确定所述变桨轴承在所述目标未来时段的预估等效载荷，包括：确定所述多个预估风速的概率密度；对每个所述预估风速下的每个所述变桨驱动力矩，确定所述预估风速的概率密度、所述变桨驱动力矩的m次幂、所述变桨驱动力矩的概率密度、所述预估角度积累值的乘积，并对全部所述乘积求和，得到预估参考载荷，其中，m是所述变桨轴承的材料沃尔系数；确定所述预估参考载荷的1/m次幂，作为所述预估等效载荷。
在另一总的方面，提供一种风力发电机组变桨轴承的寿命评估装置，所述寿命评估装置包括：第一获取单元，被配置为：获取变桨驱动力矩在M个历史时段的概率密度，所述M为正整数；所述第一获取单元还被配置为获取所述M个历史时段中各个历史时段内变桨角度的角度累积值；等效单元，被配置为：根据所述变桨驱动力矩及其在所述M个历史时段的概率密度、所述M个历史时段的角度累积值，确定变桨轴承的等效载荷；第一计算单元，被配置为：根据所述变桨轴承的等效载荷，确定所述变桨轴承的已消耗寿命。
可选地，所述第一获取单元还被配置为：采集所述风力发电机组在所述M个历史时段的运行数据；根据所述M个历史时段的运行数据，确定所述变桨驱动力矩在不同变桨运动状态下的出现频率及对应的分布参数，所述变桨运动状态包括正向状态、恒定状态、负向状态；根据所述频率及对应的分布参数，确定所述概率密度。
可选地，所述第一获取单元还被配置为：对每个历史时段，确定相关系数矩阵、第一传递函数、运行数据列向量的乘积，得到第一列向量，其中，所述相关系数矩阵的行数等于所述出现频率及对应的分布参数的数量之和，所述运行数据列向量由多个运行数据构成；确定所述第一列向量与第一相关系数列向量之和，并与第二传递函数相乘，得到第二列向量；确定所述第二列向量与第二相关系数列向量之和，作为输出向量，所述输出向量包括所述出现频率及对应的分布参数，其中，所述相关系数矩阵、所述第一相关系数列向量、所述第二相关系数列向量、所述第一传递函数、所述第二传递函数通过测试或训练得到。
可选地，所述第一获取单元还被配置为：采集所述风力发电机组在所述M个历史时段的运行数据；其中，所述运行数据包括输出功率、叶轮转速、发电机扭矩、机舱加速度x方向分量、机舱加速度y方向分量、桨矩角。
可选地，所述变桨驱动力矩的数量为多个，所述等效单元还被配置为：对每个历史时段，确定每个所述变桨驱动力矩的m次幂、相应的所述变桨驱动力矩的概率密度、所述角度累积值的乘积，并对所述多个变桨驱动力矩各自对应的所述乘积求和，得到相应历史时段的参考载荷，其中，m是所述变桨轴承的材料沃尔系数；确定所述多个历史时段的参考载荷平均值；确定所述参考载荷平均值的1/m次幂，作为所述变桨轴承的等效载荷。
可选地，多个所述变桨驱动力矩通过以下步骤得到：对变桨驱动力矩变化区间，按照设定步长进行取值，得到多个变桨驱动力矩。
可选地，所述寿命评估装置还包括：第二获取单元，被配置为：获取目标未来时段的多个机位点的预估风资源参数，所述预估风资源参数包括预估风速；确定单元，被配置为：根据所述预估风资源参数，确定所述变桨驱动力矩在多个预估风速下的概率密度及所述目标未来时段内变桨角度的预估角度积累值；预估单元，被配置为：根据所述多个预估风速、所述变桨驱动力矩及其在所述多个预估风速下的概率密度、所述多个预估风速下的预估角度积累值，确定所述变桨轴承在所述目标未来时段的预估等效载荷；第二计算单元，被配置为：根据所述预估等效载荷，确定所述变桨轴承在所述目标未来时段的预估消耗寿命；所述第二计算单元还被配置为：根据所述变桨轴承的设计寿命、所述已消耗寿命、所述预估消耗寿命，确定所述变桨轴承的预估剩余寿命。
可选地，所述预估风资源参数还包括湍流强度、风切变、空气密度。
可选地，所述预估单元还被配置为：确定所述多个预估风速的概率密度；对每个所述预估风速下的每个所述变桨驱动力矩，确定所述预估风速的概率密度、所述变桨驱动力矩的m次幂、所述变桨驱动力矩的概率密度、所述预估角度积累值的乘积，并对全部所述乘积求和，得到预估参考载荷，其中，m是所述变桨轴承的材料沃尔系数；确定所述预估参考载荷的1/m次幂，作为所述预估等效载荷。
在另一总的方面，提供一种计算机可读存储介质，当所述计算机可读存储介质中的指令被至少一个处理器运行时，促使所述至少一个处理器执行如上所述的寿命评估方法。
在另一总的方面，提供一种计算机设备，包括：至少一个处理器；至少一个存储计算机可执行指令的存储器，其中，所述计算机可执行指令在被所述至少一个处理器运行时，促使所述至少一个处理器执行如上所述的寿命评估方法。
本公开利用机组运行过程中本身就会采集的运行数据来实现变桨轴承的寿命评估，不需要额外的数据采集，也就不必配置额外的数据采集传感器，可降低产品成本，并节约寿命评估的时间成本。本公开在精度可接受的范围内，实现了实时在线对已消耗寿命评估及未来的剩余寿命的预测，可以在保证风力发电机组安全运行的前提下，进行预测性运维及失效事件的预测，从而减少风力发电机组的非计划性停机时间，提高其经济效益。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。
附图说明
图1是示出根据本公开的实施例的风力发电机组变桨轴承的寿命评估方法的流程图。
图2是示出根据本公开的实施例的变桨轴承在线寿命评估系统的流程示意图。
图3是示出根据本公开的实施例的变桨轴承剩余寿命预测系统的流程示意图。
图4是示出根据本公开的一个实施例的风力发电机组变桨轴承的寿命评估装置的框图。
图5是示出根据本公开的另一个实施例的风力发电机组变桨轴承的寿命评估装置的框图。
图6是示出根据本公开的实施例的计算机设备的框图。
具体实施方式
提供下面的具体实施方式以帮助读者获得对在此描述的方法、设备和/或系统的全面理解。然而，在理解本申请的公开之后，在此描述的方法、设备和/或系统的各种改变、修改和等同物将是清楚的。例如，在此描述的操作的顺序仅是示例，并且不限于在此阐述的那些顺序，而是除了必须以特定的顺序发生的操作之外，可如在理解本申请的公开之后将是清楚的那样被改变。此外，为了更加清楚和简明，本领域已知的特征的描述可被省略。
在此描述的特征可以以不同的形式来实现，而不应被解释为限于在此描述的示例。相反，已提供在此描述的示例，以仅示出实现在此描述的方法、设备和/或系统的许多可行方式中的一些可行方式，所述许多可行方式在理解本申请的公开之后将是清楚的。
如在此使用的，术语“和/或”包括相关联的所列项中的任何一个以及任何两个或更多个的任何组合。
尽管在此可使用诸如“第一”、“第二”和“第三”的术语来描述各种构件、组件、区域、层或部分，但是这些构件、组件、区域、层或部分不应被这些术语所限制。相反，这些术语仅用于将一个构件、组件、区域、层或部分与另一构件、组件、区域、层或部分进行区分。因此，在不脱离示例的教导的情况下，在此描述的示例中所称的第一构件、第一组件、第一区域、第一层或第一部分也可被称为第二构件、第二组件、第二区域、第二层或第二部分。
在说明书中，当元件(诸如，层、区域或基底)被描述为“在”另一元件上、“连接到”或“结合到”另一元件时，该元件可直接“在”另一元件上、直接“连接到”或“结合到”另一元件，或者可存在介于其间的一个或多个其他元件。相反，当元件被描述为“直接在”另一元件上、“直接连接到”或“直接结合到”另一元件时，可不存在介于其间的其他元件。
在此使用的术语仅用于描述各种示例，并不将用于限制公开。除非上下文另外清楚地指示，否则单数形式也意在包括复数形式。术语“包含”、“包括”和“具有”说明存在叙述的特征、数量、操作、构件、元件和/或它们的组合，但不排除存在或添加一个或多个其他特征、数量、操作、构件、元件和/或它们的组合。
除非另有定义，否则在此使用的所有术语(包括技术术语和科学术语)具有与由本公开所属领域的普通技术人员在理解本公开之后通常理解的含义相同的含义。除非在此明确地如此定义，否则术语(诸如，在通用词典中定义的术语)应被解释为具有与它们在相关领域的上下文和本公开中的含义一致的含义，并且不应被理想化或过于形式化地解释。
此外，在示例的描述中，当认为公知的相关结构或功能的详细描述将引起对本公开的模糊解释时，将省略这样的详细描述。
图1是示出根据本公开的实施例的风力发电机组变桨轴承的寿命评估方法的流程图。寿命评估方法可依托于寿命评估系统来实现，寿命评估系统可进一步包括用于评估变桨轴承的已消耗寿命的在线寿命评估系统，以及用于评估变桨轴承未来预估剩余寿命的剩余寿命预测系统。图2是示出根据本公开的实施例的变桨轴承在线寿命评估系统的流程示意图。图3是示出根据本公开的实施例的变桨轴承剩余寿命预测系统的流程示意图。
参照图1，在步骤S101，获取变桨驱动力矩在M个历史时段的概率密度，其中，M为正整数。由于变桨驱动力矩会影响变桨轴承的损耗，因而选择该参数来实现变桨轴承的寿命评估。同时，风力发电机组的累积运行时长常常达到数年，通过将累积运行时长按照一定的步长(例如10分钟)划分为M个历史时段，可针对每个历史时段分别进行数据处理，以保证不同风力发电机组评估时使用的单个历史时段的时长一致，以确保策略的普适性。
可选地，变桨驱动力矩通常在一定区间内变化，例如额定容量小于5MW的风力发电机组，其变桨驱动力矩一般在[-200KNm，200KNm]区间内。可从中选取多个具体数值，例如按照设定步长取值，得到多个具体的变桨驱动力矩，也就是说，选取的多个变桨驱动力矩可构成等差数列，然后在步骤S101获取每个历史时段下每个变桨驱动力矩的概率密度。
参照图2，步骤S101具体包括：根据M个历史时段的运行数据，确定变桨驱动力矩在不同变桨运动状态下的出现频率及对应的分布参数(应理解，这里的对应是指分布参数与出现频率相对应，同时也是与变桨运动状态相对应)，变桨运动状态包括正向状态、恒定状态、负向状态；根据频率及对应的分布参数，确定概率密度。根据本公开的实施例，风力发电机组的运行数据由如图2所示的数据采集系统采集得到，相应地，在执行步骤S101之前，还包括采集风力发电机组在M个历史时段的运行数据的步骤。运行数据具体是SCADA(Supervisory Control And Data Acquisition，即数据采集与监视控制系统)数据，包括输出功率、叶轮转速、发电机扭矩、机舱加速度x方向分量、机舱加速度y方向分量、桨矩角，能够充分反映机组运行情况，而这些情况与变桨驱动力矩存在关联，所以如图2所示的变桨驱动力矩分布评估模块可以据此确定变桨驱动力矩的分布参数。此外，由于这些是机组运行过程中本身就会采集的数据，不需要额外的数据采集，也就不必配置额外的数据采集传感器，可降低产品成本，并节约寿命评估的时间成本，提升经济性能。
依据叶片变桨的正向、负向、恒定三种状态，可以得到三种不同的变桨运动状态，而在每个历史时段，变桨驱动力矩都有可能同时出现这三种状态，因此可确定出变桨驱动力矩在三种变桨运动状态下的出现频率及对应的分布参数，从而更准确地描述变桨驱动力矩。
作为示例，对于一个历史时段，变桨运动通常只上述三种状态，所以三者的出现频率之和为1，出现频率具体为：
Figure BDA0003382594030000081
基于此，可将变桨驱动力矩Li在某个历史时段t内的概率密度描述为：
pt(Li)＝f1,t*ft,1(Li)+(1-f1,t-f2,t)*ft,3(Li)+f2,t*ft,2(Li)
其中，ft,1(Li)、ft,3(Li)、ft,2(Li)分别为变桨驱动力矩Li在三种变桨运动状态下的概率密度。需说明的是，由于概率密度和出现频率都主要以字母f表示，此处为做区分，下标中的t分别置于了数字前方和数字后方。以概率密度服从正态分布为例，则概率密度可通过变量(此处为变桨驱动力矩Li)的数学期望μ和标准差σ来表示，也就是可表示为：
Figure BDA0003382594030000082
其中，
Figure BDA0003382594030000083
为历史时段t内，变桨驱动力矩Li在三种变桨运动状态下的分布参数，下标ft,1、ft,2、ft,3分别代表正向、负向、恒定三种状态。也就是说，在该示例中，变桨驱动力矩Li的概率密度pt(Li)可利用f1,t、f2,t、
Figure BDA0003382594030000084
这8个参数得到。
可选地，在根据运行数据确定变桨驱动力矩在不同变桨运动状态下的出现频率及对应的分布参数时，为便于进行数据计算，可以将采集到的每个历史时段的运行数据组成一个多维向量，记为运行数据列向量。例如对于前述的多个运行数据，输出功率Pwr、叶轮转速r、发电机扭矩T、机舱加速度x方向分量Ax、机舱加速度y方向分量Ay、桨矩角Pa，可组成6维向量[Pwrt,rt,Tt,Axt,Ayt,Pat]，其中的下标t代表某个历史时段。计算目标，即出现频率及分布参数，也可以组成一个多维向量，对于前述示例，就是
Figure BDA0003382594030000091
相应地，可利用如下等式确定上述出现频率及对应的分布参数。
Figure BDA0003382594030000092
具体来说，就是先对每个历史时段，确定相关系数矩阵ai,j、第一传递函数G0、运行数据列向量的乘积，得到第一列向量，其中，相关系数矩阵的行数等于出现频率及对应的分布参数的数量之和，运行数据列向量由多个运行数据构成。在该示例中，相关系数矩阵的行数可以为8。也就是说，可将相关系数矩阵ai,j中的一行系数和第一传递函数G0的乘积作为权重，来计算多个运行数据的加权和，从而将多个运行数据汇合为一个数据。最后要输出多少个参数，就得到多少个加权和。再确定第一列向量(由前述的多个加权和构成)与第一相关系数列向量bi之和，并与第二传递函数G1相乘，得到第二列向量。接下来，确定第二列向量与第二相关系数列向量ci之和，相当于对前述的加权和进行多次变化，作为输出向量，输出向量就包括出现频率及对应的分布参数，完成了数据转换。根据本公开的实施例，相关系数矩阵、第一相关系数列向量、第二相关系数列向量、第一传递函数、第二传递函数通过测试或训练得到。应理解，此处各相关系数的下标i代表具体系数的序号，与变桨驱动力矩的下标i无关。
返回参照图1，在步骤S102，获取M个历史时段中各个历史时段内变桨角度的角度累积值。角度累积值由如图2所示的变桨经历累积模块获得。变桨实质上就是在变桨驱动力矩的作用下，叶片转过一定的角度。因此，变桨驱动力矩在变桨角度的维度上积累，就能够全面体现变桨轴承所承受的载荷。通过获取上述的角度累积值，可作为变桨轴承的寿命评估依据。
可选地，在一个历史时段内，叶片可能先正向变桨、再负向变桨，造成变桨角度的抵消，因此可以按照设定频率逐步统计变桨角度的角度累积值。作为示例，可采用如下等式：
Figure BDA0003382594030000101
其中，i＝1,2,…，N，N＝600，表征数据的采样频率为1Hz，φi为历史时段内第i次的变桨角度。
在步骤S103，根据变桨驱动力矩及其在M个历史时段的概率密度、M个历史时段的角度累积值，确定变桨轴承的等效载荷。变桨轴承的等效载荷由如图2所示的变桨轴承已消耗寿命评估模块得到。如前所述，通过将变桨驱动力矩在变桨角度的维度上进行积累，就能够得到变桨轴承的等效载荷。
可选地，步骤S103具体包括：对每个历史时段，确定每个变桨驱动力矩的m次幂、相应的变桨驱动力矩的概率密度、角度累积值的乘积，并对多个变桨驱动力矩各自对应的乘积求和，得到相应历史时段的参考载荷，其中，m是变桨轴承的材料沃尔系数；确定多个历史时段的参考载荷平均值；确定参考载荷平均值的1/m次幂，作为变桨轴承的等效载荷。
对于已经经历过M个历史时段的在役运行机组的变桨系统，N个变桨驱动力矩的概率密度可以汇总得到如下的历程矩阵：
Figure BDA0003382594030000102
其中，以变桨驱动力矩L1为例，其下方的一列数据为变桨驱动力矩L1在每个历史时段的概率密度。
M个历史时段的变桨角度的角度累积值可以汇总得到如下的历程矩阵：
Figure BDA0003382594030000111
类似于上一个历程矩阵，以变桨驱动力矩L1为例，其下方的一列数据为变桨驱动力矩L1在每个历史时段对应的变桨角度的角度累积值。不同之处在于，由于在一个历史时段内，角度累积值的大小是固定的，不会随变桨驱动力矩变化，所有每一行(即每个历史时段)中的角度累积值相同。
变桨轴承的等效载荷为：
Figure BDA0003382594030000112
在步骤S104，根据变桨轴承的等效载荷，确定变桨轴承的已消耗寿命。已消耗寿命由如图2所示的变桨轴承已消耗寿命评估模块得到。具体地，可先确定变桨轴承的等效载荷与设计等效载荷的比值，再确定该比值与变桨轴承的设计寿命的乘积，作为变桨轴承的已消耗寿命。可表示为如下等式：
Figure BDA0003382594030000113
其中，
Figure BDA0003382594030000114
为变桨轴承的设计等效载荷，lifetimedesign为变桨轴承的设计寿命。
可选地，根据本公开的实施例的寿命评估方法还可包括：获取目标未来时段的多个机位点的预估风资源参数，预估风资源参数包括预估风速；根据预估风资源参数，确定变桨驱动力矩在多个预估风速下的概率密度及目标未来时段内变桨角度的预估角度积累值；根据多个预估风速、变桨驱动力矩及其在多个预估风速下的概率密度、多个预估风速下的预估角度积累值，确定变桨轴承在目标未来时段的预估等效载荷；根据预估等效载荷，确定变桨轴承在目标未来时段的预估消耗寿命；根据变桨轴承的设计寿命、已消耗寿命、预估消耗寿命，确定变桨轴承的预估剩余寿命。
对于已运行的风力发电机组的变桨轴承，通过如图2所示的变桨轴承在线寿命评估系统可以得到已消耗寿命，对于剩余寿命，虽无法提前获取风力发电机组在未来的运行数据，但机组后续的运行是受未来风电场的风资源条件的影响的。通过获取目标未来时段的多个机位点的预估风资源参数，就可基于此估算出变桨轴承在目标未来时段的预估等效载荷，进而完成在未来目标时段的消耗寿命的预估，最终将之与设计寿命、已消耗寿命相结合，即可得到变桨轴承在目标未来时段终点的预估剩余寿命。由于基于目前的风资源分析技术已经具备对未来几年的风资源参数进行预测的能力，可采用如图3所示的数据采集系统和风资源统计分析模块得到未来目标时段的预估风资源参数，因而同样不需要额外的数据采集，也就不必配置额外的数据采集传感器，可降低产品成本，并节约寿命评估的时间成本，提升经济性能。
具体地，变桨轴承剩余寿命预测系统可将预估风资源参数作为输入，先由如图3所示的变桨驱动力矩分布预估模块估算出变桨驱动力矩(可与步骤S101的变桨驱动力矩相同)在多个预估风速下的概率密度，并由如图3所示的变桨经历累积角度预测模块估算出目标未来时段内变桨角度的预估角度积累值，其估算方式可参考步骤S101，利用传递函数和相关系数实现。
作为示例，预估风速v为年平均风速。预估风资源参数还包括湍流强度ti、风切变α、空气密度ρ。对于一个风电场，每个预估风速v均有可能发生且带有不同的属性值(湍流强度ti、风切变α等)，变桨驱动力矩分布预估模块和变桨经历累积角度预测模块的输入(即预估风资源参数)为单个预估风速vk及其属性值，并将空气密度ρ作为恒定的属性值加入到预估风资源参数中，即[vk,tik,αk,ρk]为输入向量，这里下标k代表预估风速的序号。
对于变桨驱动力矩分布预估模块，单个预估风速下变桨运动状态的划分与前述一致，三种变桨运动状态根据叶片变桨的正向、负向、恒定三种状态进行划分。输出依然可为三个变桨运动状态的分布参数及分别对应的出现频率，进而利用变桨驱动力矩在预估风速下的分布参数及出现频率，确定变桨驱动力矩在预估风速下的概率密度分布。对于变桨驱动力矩Li在某预估风速v下的概率密度为：
pv(Li)＝f1,v*fv,1(Li)+(1-f1,v-f2,v)*fv,3(Li)+f2,v*fv,2(Li)
单个预估风速下的变桨驱动力矩均有可能同时出现三种状态，其对应的出现频率为f1,v、1-f1,v-f2,v、f2,v，三种状态下的变桨驱动力矩均有各自的概率密度，分别为fv,1(Li)、fv,3(Li)、fv,2(Li)。类似pt(Li)，由于概率密度和出现频率都主要以字母f表示，此处为做区分，下标中的v分别置于了数字前方和数字后方。此外，参考历史时段t内，变桨驱动力矩Li在三种变桨运动状态下的概率密度，此处在预估风速v下，变桨驱动力矩Li在三种变桨运动状态下的概率密度fv,1(Li)、fv,3(Li)、fv,2(Li)亦可服从正态分布，因而也可通过变桨驱动力矩Li的数学期望μ和标准差σ来表示，即分布参数为
Figure BDA0003382594030000131
可利用如下等式确定上述出现频率及对应的分布参数。
Figure BDA0003382594030000132
其中，F1,F0为传递函数，am,n,bm,cn为相关系数，传递函数及相关系数的获得可通过仿真的数据库训练获得。将得到的出现频率和分布参数代入前述pv(Li)的表达式，即可得到pv(Li)。
对于变桨经历累积角度预测模块，在对单个预估风速下的变桨角度的预估角度积累值进行预测时，其预测方程如下所示：
Figure BDA0003382594030000133
其中，Q1,Q0为传递函数，a1,a2,a3,a4,b1,c1为相关系数，传递函数及相关系数的获得可通过仿真的数据库训练获得。
确定变桨驱动力矩在多个预估风速下的分布参数及目标未来时段内变桨角度的预估角度积累值后，可采用与前述步骤S103类似的方式，由如图3所示的变桨轴承已消耗寿命评估模块估算出预估等效载荷和预估消耗寿命，最终由如图3所示的变桨轴承剩余寿命预测模块估算出预估剩余寿命。
可选地，逐步确定预估等效载荷、预估消耗寿命、预估剩余寿命的步骤包括：确定多个预估风速的概率密度；对每个预估风速下的每个变桨驱动力矩，确定预估风速的概率密度、变桨驱动力矩的m次幂、变桨驱动力矩的概率密度、预估角度积累值的乘积，并对全部乘积求和，得到预估参考载荷，其中，m是变桨轴承的材料沃尔系数；确定预估参考载荷的1/m次幂，作为预估等效载荷。
对于目标未来时段T的风力发电机组的变桨系统，将变桨驱动力矩划分为N个，变桨轴承的预估等效载荷为：
Figure BDA0003382594030000141
其中，f(v)为预估风速的概率密度，为瑞利分布，仅与年平均风速有关。
则变桨轴承在目标未来时段T的预估剩余寿命为：
lremain＝lifetimedesign-lcost-lpred
其中lcost为已消耗寿命，由前述步骤S104得到，lpred为目标未来时段T内的预估消耗寿命，满足：
Figure BDA0003382594030000142
根据本公开的实施例的风力发电机组变桨轴承的寿命评估方法，利用机组运行过程中本身就会采集的运行数据，以及基于目前技术可以预测到的预估风资源参数，来实现变桨轴承的寿命评估，不需要额外的数据采集，也就不必配置额外的数据采集传感器，可降低产品成本，并节约寿命评估的时间成本。本公开在精度可接受的范围内，实现了实时在线对已消耗寿命评估及未来的剩余寿命的预测，可以在保证风力发电机组安全运行的前提下，进行预测性运维及失效事件的预测，从而减少风力发电机组的非计划性停机时间，提高其经济效益。
图4是示出根据本公开的一个实施例的风力发电机组变桨轴承的寿命评估装置的框图。
参照图4，风力发电机组变桨轴承的寿命评估装置400包括第一获取单元401、等效单元402、第一计算单元403，对应于如图2所示的变桨轴承在线寿命评估系统。
第一获取单元401可获取变桨驱动力矩在M个历史时段的概率密度，其中，M为正整数。由于变桨驱动力矩会影响变桨轴承的损耗，因而选择该参数来实现变桨轴承的寿命评估。同时，风力发电机组的累积运行时长常常达到数年，通过将累积运行时长按照一定的步长划分为M个历史时段，可针对每个历史时段分别进行数据处理，以保证不同风力发电机组评估时使用的单个历史时段的时长一致，以确保策略的普适性。
可选地，变桨驱动力矩通常在一定区间内变化，可从中选取多个具体数值，例如按照设定步长取值，得到多个具体的变桨驱动力矩，也就是说，选取的多个变桨驱动力矩可构成等差数列，然后获取每个历史时段下每个变桨驱动力矩的概率密度。
参照图2，第一获取单元401具体可根据M个历史时段的运行数据，确定变桨驱动力矩在不同变桨运动状态下的出现频率及对应的分布参数(应理解，这里的对应是指分布参数与出现频率相对应，同时也是与变桨运动状态相对应)，变桨运动状态包括正向状态、恒定状态、负向状态；根据频率及对应的分布参数，确定概率密度。根据本公开的实施例，风力发电机组的运行数据由如图2所示的数据采集系统采集得到，相应地，在确定出现频率及对应的分布参数之前，第一获取单元401还可采集风力发电机组在M个历史时段的运行数据。运行数据具体是SCADA数据，包括输出功率、叶轮转速、发电机扭矩、机舱加速度x方向分量、机舱加速度y方向分量、桨矩角，能够充分反映机组运行情况，而这些情况与变桨驱动力矩存在关联，所以如图2所示的变桨驱动力矩分布评估模块可以据此确定变桨驱动力矩的分布参数。此外，由于这些是机组运行过程中本身就会采集的数据，不需要额外的数据采集，也就不必配置额外的数据采集传感器，可降低产品成本，并节约寿命评估的时间成本，提升经济性能。
依据叶片变桨的正向、负向、恒定三种状态，可以得到三种不同的变桨运动状态，而在每个历史时段，变桨驱动力矩都有可能同时出现这三种状态，因此可确定出变桨驱动力矩在三种变桨运动状态下的出现频率及对应的分布参数，从而更准确地描述变桨驱动力矩。
可选地，第一获取单元401可先对每个历史时段，确定相关系数矩阵、第一传递函数、运行数据列向量的乘积，得到第一列向量，其中，相关系数矩阵的行数等于出现频率及对应的分布参数的数量之和，运行数据列向量由多个运行数据构成。再确定第一列向量与第一相关系数列向量之和，并与第二传递函数相乘，得到第二列向量，确定第二列向量与第二相关系数列向量之和，相当于对前述的加权和进行多次变化，作为输出向量，输出向量就包括出现频率及对应的分布参数，完成了数据转换。根据本公开的实施例，相关系数矩阵、第一相关系数列向量、第二相关系数列向量、第一传递函数、第二传递函数通过测试或训练得到。
第一获取单元401还可获取M个历史时段中各个历史时段内变桨角度的角度累积值。角度累积值由如图2所示的变桨经历累积模块获得。变桨实质上就是在变桨驱动力矩的作用下，叶片转过一定的角度。因此，变桨驱动力矩在变桨角度的维度上积累，就能够全面体现变桨轴承所承受的载荷。通过获取上述的角度累积值，可作为变桨轴承的寿命评估依据。
等效单元402可根据变桨驱动力矩及其在M个历史时段的概率密度、M个历史时段的角度累积值，确定变桨轴承的等效载荷。变桨轴承的等效载荷由如图2所示的变桨轴承已消耗寿命评估模块得到。如前所述，通过将变桨驱动力矩在变桨角度的维度上进行积累，就能够得到变桨轴承的等效载荷。
可选地，等效单元402具体可执行为：对每个历史时段，确定每个变桨驱动力矩的m次幂、相应的变桨驱动力矩的概率密度、角度累积值的乘积，并对多个变桨驱动力矩各自对应的乘积求和，得到相应历史时段的参考载荷，其中，m是变桨轴承的材料沃尔系数；确定多个历史时段的参考载荷平均值；确定参考载荷平均值的1/m次幂，作为变桨轴承的等效载荷。
第一计算单元403可根据变桨轴承的等效载荷，确定变桨轴承的已消耗寿命。已消耗寿命由如图2所示的变桨轴承已消耗寿命评估模块得到。具体地，可先确定变桨轴承的等效载荷与设计等效载荷的比值，再确定该比值与变桨轴承的设计寿命的乘积，作为变桨轴承的已消耗寿命。
图5是示出根据本公开的另一个实施例的风力发电机组变桨轴承的寿命评估装置的框图。
参照图5，风力发电机组变桨轴承的寿命评估装置500包括第一获取单元501、等效单元502、第一计算单元503、第二获取单元504、确定单元505、预估单元506、第二计算单元507，其中，第一获取单元501、等效单元502、第一计算单元503对应于如图2所示的变桨轴承在线寿命评估系统，其执行动作与第一获取单元401、等效单元402、第一计算单元403一致，在此不再赘述。第二获取单元504、确定单元505、预估单元506、第二计算单元507对应于如图3所示的变桨轴承剩余寿命预测系统。
第二获取单元504可获取目标未来时段的多个机位点的预估风资源参数，预估风资源参数包括预估风速。作为示例，预估风速为年平均风速。预估风资源参数还包括湍流强度、风切变、空气密度。对于一个风电场，每个预估风速均有可能发生且带有不同的属性值(湍流强度、风切变等)，变桨驱动力矩分布预估模块和变桨经历累积角度预测模块的输入(即预估风资源参数)为单个预估风速及其属性值，并将空气密度作为恒定的属性值加入到预估风资源参数中。
确定单元505可根据预估风资源参数，确定变桨驱动力矩在多个预估风速下的概率密度及目标未来时段内变桨角度的预估角度积累值。其确定方式可参考第一获取单元501，利用传递函数和相关系数实现。
预估单元506可根据多个预估风速、变桨驱动力矩及其在多个预估风速下的概率密度、多个预估风速下的预估角度积累值，确定变桨轴承在目标未来时段的预估等效载荷。
可选地，预估单元506具体可执行：确定多个预估风速的概率密度；对每个预估风速下的每个变桨驱动力矩，确定预估风速的概率密度、变桨驱动力矩的m次幂、变桨驱动力矩的概率密度、预估角度积累值的乘积，并对全部乘积求和，得到预估参考载荷，其中，m是变桨轴承的材料沃尔系数；确定预估参考载荷的1/m次幂，作为预估等效载荷。
第二计算单元507可根据预估等效载荷，确定变桨轴承在目标未来时段的预估消耗寿命。其确定方式可参考第一计算单元503确定已消耗寿命的方式。
第二计算单元507还可根据变桨轴承的设计寿命、已消耗寿命、预估消耗寿命，确定变桨轴承的预估剩余寿命。这里，已消耗寿命由第一计算单元503得到。具体地，设计寿命减去已消耗寿命、预估消耗寿命所得的差值，即为预估剩余寿命。
对于已运行的风力发电机组的变桨轴承，通过如图2所示的变桨轴承在线寿命评估系统可以得到已消耗寿命，对于剩余寿命，虽无法提前获取风力发电机组在未来的运行数据，但机组后续的运行是受未来风电场的风资源条件的影响的。通过获取目标未来时段的多个机位点的预估风资源参数，就可基于此估算出变桨轴承在目标未来时段的预估等效载荷，进而完成在未来目标时段的消耗寿命的预估，最终将之与设计寿命、已消耗寿命相结合，即可得到变桨轴承在目标未来时段终点的预估剩余寿命。由于基于目前的风资源分析技术已经具备对未来几年的风资源参数进行预测的能力，可采用如图3所示的数据采集系统和风资源统计分析模块得到未来目标时段的预估风资源参数，因而同样不需要额外的数据采集，也就不必配置额外的数据采集传感器，可降低产品成本，并节约寿命评估的时间成本，提升经济性能。
根据本公开的实施例的风力发电机组变桨轴承的寿命评估方法可被编写为计算机程序并被存储在计算机可读存储介质上。当所述计算机程序对应的指令被处理器执行时，可实现如上所述的风力发电机组变桨轴承的寿命评估方法。计算机可读存储介质的示例包括：只读存储器(ROM)、随机存取可编程只读存储器(PROM)、电可擦除可编程只读存储器(EEPROM)、随机存取存储器(RAM)、动态随机存取存储器(DRAM)、静态随机存取存储器(SRAM)、闪存、非易失性存储器、CD-ROM、CD-R、CD+R、CD-RW、CD+RW、DVD-ROM、DVD-R、DVD+R、DVD-RW、DVD+RW、DVD-RAM、BD-ROM、BD-R、BD-R LTH、BD-RE、蓝光或光盘存储器、硬盘驱动器(HDD)、固态硬盘(SSD)、卡式存储器(诸如，多媒体卡、安全数字(SD)卡或极速数字(XD)卡)、磁带、软盘、磁光数据存储装置、光学数据存储装置、硬盘、固态盘以及任何其他装置，所述任何其他装置被配置为以非暂时性方式存储计算机程序以及任何相关联的数据、数据文件和数据结构并将所述计算机程序以及任何相关联的数据、数据文件和数据结构提供给处理器或计算机使得处理器或计算机能执行所述计算机程序。在一个示例中，计算机程序以及任何相关联的数据、数据文件和数据结构分布在联网的计算机系统上，使得计算机程序以及任何相关联的数据、数据文件和数据结构通过一个或多个处理器或计算机以分布式方式存储、访问和执行。
图6是示出根据本公开的实施例的计算机设备的框图。
参照图6，计算机设备600包括至少一个存储器601和至少一个处理器602，所述至少一个存储器601中存储有计算机可执行指令集合，当计算机可执行指令集合被至少一个处理器602执行时，执行根据本公开的示例性实施例的风力发电机组变桨轴承的寿命评估方法。
作为示例，计算机设备600可以是PC计算机、平板装置、个人数字助理、智能手机、或其他能够执行上述指令集合的装置。这里，计算机设备600并非必须是单个的电子设备，还可以是任何能够单独或联合执行上述指令(或指令集)的装置或电路的集合体。计算机设备600还可以是集成控制系统或系统管理器的一部分，或者可被配置为与本地或远程(例如，经由无线传输)以接口互联的便携式电子设备。
在计算机设备600中，处理器602可包括中央处理器(CPU)、图形处理器(GPU)、可编程逻辑装置、专用处理器系统、微控制器或微处理器。作为示例而非限制，处理器还可包括模拟处理器、数字处理器、微处理器、多核处理器、处理器阵列、网络处理器等。
处理器602可运行存储在存储器601中的指令或代码，其中，存储器601还可以存储数据。指令和数据还可经由网络接口装置而通过网络被发送和接收，其中，网络接口装置可采用任何已知的传输协议。
存储器601可与处理器602集成为一体，例如，将RAM或闪存布置在集成电路微处理器等之内。此外，存储器601可包括独立的装置，诸如，外部盘驱动、存储阵列或任何数据库系统可使用的其他存储装置。存储器601和处理器602可在操作上进行耦合，或者可例如通过I/O端口、网络连接等互相通信，使得处理器602能够读取存储在存储器中的文件。
此外，计算机设备600还可包括视频显示器(诸如，液晶显示器)和用户交互接口(诸如，键盘、鼠标、触摸输入装置等)。计算机设备600的所有组件可经由总线和/或网络而彼此连接。
本公开利用机组运行过程中本身就会采集的运行数据，以及基于目前技术可以预测到的预估风资源参数，来实现变桨轴承的寿命评估，不需要额外的数据采集，也就不必配置额外的数据采集传感器，可降低产品成本，并节约寿命评估的时间成本。本公开在精度可接受的范围内，实现了实时在线对已消耗寿命评估及未来的剩余寿命的预测，可以在保证风力发电机组安全运行的前提下，进行预测性运维及失效事件的预测，从而减少风力发电机组的非计划性停机时间，提高其经济效益。
以上对本公开的具体实施方式进行了详细描述，虽然已表示和描述了一些实施例，但本领域技术人员应该理解，在不脱离由权利要求及其等同物限定其范围的本公开的原理和精神的情况下，可对这些实施例进行修改和变型，这些修改和变型也应在本公开的权利要求的保护范围内。

Claims (20)

1.一种风力发电机组变桨轴承的寿命评估方法，其特征在于，所述寿命评估方法包括：
获取变桨驱动力矩在M个历史时段的概率密度，所述M为正整数；
获取所述M个历史时段中各个历史时段内变桨角度的角度累积值；
根据所述变桨驱动力矩及其在所述M个历史时段的概率密度、所述M个历史时段的角度累积值，确定变桨轴承的等效载荷；
根据所述变桨轴承的等效载荷，确定所述变桨轴承的已消耗寿命。
2.如权利要求1所述的寿命评估方法，其特征在于，所述获取变桨驱动力矩在M个历史时段的概率密度，包括：
根据所述M个历史时段的运行数据，确定所述变桨驱动力矩在不同变桨运动状态下的出现频率及对应的分布参数，所述变桨运动状态包括正向状态、恒定状态、负向状态；
根据所述频率及对应的分布参数，确定所述概率密度。
3.如权利要求2所述的寿命评估方法，其特征在于，所述根据所述M个历史时段的运行数据，确定所述变桨驱动力矩在不同变桨运动状态下的出现频率及对应的分布参数，包括：
对每个历史时段，确定相关系数矩阵、第一传递函数、运行数据列向量的乘积，得到第一列向量，其中，所述相关系数矩阵的行数等于所述出现频率及对应的分布参数的数量之和，所述运行数据列向量由多个运行数据构成；
确定所述第一列向量与第一相关系数列向量之和，并与第二传递函数相乘，得到第二列向量；
确定所述第二列向量与第二相关系数列向量之和，作为输出向量，所述输出向量包括所述出现频率及对应的分布参数，
其中，所述相关系数矩阵、所述第一相关系数列向量、所述第二相关系数列向量、所述第一传递函数、所述第二传递函数通过测试或训练得到。
4.如权利要求2所述的寿命评估方法，其特征在于，所述根据所述M个历史时段的运行数据，确定所述变桨驱动力矩在不同变桨运动状态下的出现频率及对应的分布参数之前，还包括：
采集所述风力发电机组在所述M个历史时段的运行数据；其中，所述运行数据包括输出功率、叶轮转速、发电机扭矩、机舱加速度x方向分量、机舱加速度y方向分量、桨矩角。
5.如权利要求1所述的寿命评估方法，其特征在于，所述变桨驱动力矩的数量为多个，其中，所述根据所述变桨驱动力矩及其在所述M个历史时段的概率密度、所述M个历史时段的角度累积值，确定变桨轴承的等效载荷，包括：
对每个历史时段，确定每个所述变桨驱动力矩的m次幂、相应的所述变桨驱动力矩的概率密度、所述角度累积值的乘积，并对多个所述变桨驱动力矩各自对应的所述乘积求和，得到相应历史时段的参考载荷，其中，m是所述变桨轴承的材料沃尔系数；
确定所述多个历史时段的参考载荷平均值；
确定所述参考载荷平均值的1/m次幂，作为所述变桨轴承的等效载荷。
6.如权利要求5所述的寿命评估方法，其特征在于，多个所述变桨驱动力矩通过以下步骤得到：
对变桨驱动力矩变化区间，按照设定步长进行取值，得到多个所述变桨驱动力矩。
7.如权利要求1至6中任一项所述的寿命评估方法，其特征在于，还包括：
获取目标未来时段的多个机位点的预估风资源参数，所述预估风资源参数包括预估风速；
根据所述预估风资源参数，确定所述变桨驱动力矩在多个预估风速下的概率密度及所述目标未来时段内变桨角度的预估角度积累值；
根据所述多个预估风速、所述变桨驱动力矩及其在所述多个预估风速下的概率密度、所述多个预估风速下的预估角度积累值，确定所述变桨轴承在所述目标未来时段的预估等效载荷；
根据所述预估等效载荷，确定所述变桨轴承在所述目标未来时段的预估消耗寿命；
根据所述变桨轴承的设计寿命、所述已消耗寿命、所述预估消耗寿命，确定所述变桨轴承的预估剩余寿命。
8.如权利要求7所述的寿命评估方法，其特征在于，所述预估风资源参数还包括湍流强度、风切变、空气密度。
9.如权利要求7所述的寿命评估方法，其特征在于，所述根据所述多个预估风速、所述变桨驱动力矩及其在所述多个预估风速下的概率密度、所述多个预估风速下的预估角度积累值，确定所述变桨轴承在所述目标未来时段的预估等效载荷，包括：
确定所述多个预估风速的概率密度；
对每个所述预估风速下的每个所述变桨驱动力矩，确定所述预估风速的概率密度、所述变桨驱动力矩的m次幂、所述变桨驱动力矩的概率密度、所述预估角度积累值的乘积，并对全部所述乘积求和，得到预估参考载荷，其中，m是所述变桨轴承的材料沃尔系数；
确定所述预估参考载荷的1/m次幂，作为所述预估等效载荷。
10.一种风力发电机组变桨轴承的寿命评估装置，其特征在于，所述寿命评估装置包括：
第一获取单元，被配置为：获取变桨驱动力矩在M个历史时段的概率密度，所述M为正整数；
所述第一获取单元还被配置为获取所述M个历史时段中各个历史时段内变桨角度的角度累积值；
等效单元，被配置为：根据所述变桨驱动力矩及其在所述M个历史时段的概率密度、所述M个历史时段的角度累积值，确定变桨轴承的等效载荷；
第一计算单元，被配置为：根据所述变桨轴承的等效载荷，确定所述变桨轴承的已消耗寿命。
11.如权利要求10所述的寿命评估装置，其特征在于，所述第一获取单元还被配置为：
根据所述M个历史时段的运行数据，确定所述变桨驱动力矩在不同变桨运动状态下的出现频率及对应的分布参数，所述变桨运动状态包括正向状态、恒定状态、负向状态；
根据所述频率及对应的分布参数，确定所述概率密度。
12.如权利要求11所述的寿命评估装置，其特征在于，所述第一获取单元还被配置为：
对每个历史时段，确定相关系数矩阵、第一传递函数、运行数据列向量的乘积，得到第一列向量，其中，所述相关系数矩阵的行数等于所述出现频率及对应的分布参数的数量之和，所述运行数据列向量由多个运行数据构成；
确定所述第一列向量与第一相关系数列向量之和，并与第二传递函数相乘，得到第二列向量；
确定所述第二列向量与第二相关系数列向量之和，作为输出向量，所述输出向量包括所述出现频率及对应的分布参数，
其中，所述相关系数矩阵、所述第一相关系数列向量、所述第二相关系数列向量、所述第一传递函数、所述第二传递函数通过测试或训练得到。
13.如权利要求11所述的寿命评估装置，其特征在于，所述第一获取单元还被配置为：
采集所述风力发电机组在所述M个历史时段的运行数据；其中，所述运行数据包括输出功率、叶轮转速、发电机扭矩、机舱加速度x方向分量、机舱加速度y方向分量、桨矩角。
14.如权利要求10所述的寿命评估装置，其特征在于，所述变桨驱动力矩的数量为多个，所述等效单元还被配置为：
对每个历史时段，确定每个所述变桨驱动力矩的m次幂、相应的所述变桨驱动力矩的概率密度、所述角度累积值的乘积，并对所述多个变桨驱动力矩各自对应的所述乘积求和，得到相应历史时段的参考载荷，其中，m是所述变桨轴承的材料沃尔系数；
确定所述多个历史时段的参考载荷平均值；
确定所述参考载荷平均值的1/m次幂，作为所述变桨轴承的等效载荷。
15.如权利要求14所述的寿命评估装置，其特征在于，多个所述变桨驱动力矩通过以下步骤得到：
对变桨驱动力矩变化区间，按照设定步长进行取值，得到多个变桨驱动力矩。
16.如权利要求10至15中任一项所述的寿命评估装置，其特征在于，还包括：
第二获取单元，被配置为：获取目标未来时段的多个机位点的预估风资源参数，所述预估风资源参数包括预估风速；
确定单元，被配置为：根据所述预估风资源参数，确定所述变桨驱动力矩在多个预估风速下的概率密度及所述目标未来时段内变桨角度的预估角度积累值；
预估单元，被配置为：根据所述多个预估风速、所述变桨驱动力矩及其在所述多个预估风速下的概率密度、所述多个预估风速下的预估角度积累值，确定所述变桨轴承在所述目标未来时段的预估等效载荷；
第二计算单元，被配置为：根据所述预估等效载荷，确定所述变桨轴承在所述目标未来时段的预估消耗寿命；
所述第二计算单元还被配置为：根据所述变桨轴承的设计寿命、所述已消耗寿命、所述预估消耗寿命，确定所述变桨轴承的预估剩余寿命。
17.如权利要求16所述的寿命评估装置，其特征在于，所述预估风资源参数还包括湍流强度、风切变、空气密度。
18.如权利要求16所述的寿命评估装置，其特征在于，所述预估单元还被配置为：
确定所述多个预估风速的概率密度；
对每个所述预估风速下的每个所述变桨驱动力矩，确定所述预估风速的概率密度、所述变桨驱动力矩的m次幂、所述变桨驱动力矩的概率密度、所述预估角度积累值的乘积，并对全部所述乘积求和，得到预估参考载荷，其中，m是所述变桨轴承的材料沃尔系数；
确定所述预估参考载荷的1/m次幂，作为所述预估等效载荷。
19.一种计算机可读存储介质，其特征在于，当所述计算机可读存储介质中的指令被至少一个处理器运行时，促使所述至少一个处理器执行如权利要求1到9中的任一权利要求所述的寿命评估方法。
20.一种计算机设备，其特征在于，包括：
至少一个处理器；
至少一个存储计算机可执行指令的存储器，
其中，所述计算机可执行指令在被所述至少一个处理器运行时，促使所述至少一个处理器执行如权利要求1到9中的任一权利要求所述的寿命评估方法。
CN202111438432.7A 2021-11-30 2021-11-30 风力发电机组变桨轴承的寿命评估方法和装置 Pending CN116204762A (zh)

Priority Applications (5)

Application Number Priority Date Filing Date Title
CN202111438432.7A CN116204762A (zh) 2021-11-30 2021-11-30 风力发电机组变桨轴承的寿命评估方法和装置
EP22899761.5A EP4343587A1 (en) 2021-11-30 2022-03-28 Method and device for evaluating service life of pitch bearing of wind turbine
PCT/CN2022/083377 WO2023097938A1 (zh) 2021-11-30 2022-03-28 风力发电机组变桨轴承的寿命评估方法和装置
AU2022401404A AU2022401404A1 (en) 2021-11-30 2022-03-28 Method and device for evaluating service life of pitch bearing of wind turbine
KR1020247002597A KR20240023651A (ko) 2021-11-30 2022-03-28 풍력 터빈의 피치 베어링의 수명을 평가하는 방법 및 디바이스

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111438432.7A CN116204762A (zh) 2021-11-30 2021-11-30 风力发电机组变桨轴承的寿命评估方法和装置

Publications (1)

Publication Number Publication Date
CN116204762A true CN116204762A (zh) 2023-06-02

Family

ID=86508115

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111438432.7A Pending CN116204762A (zh) 2021-11-30 2021-11-30 风力发电机组变桨轴承的寿命评估方法和装置

Country Status (5)

Country Link
EP (1) EP4343587A1 (zh)
KR (1) KR20240023651A (zh)
CN (1) CN116204762A (zh)
AU (1) AU2022401404A1 (zh)
WO (1) WO2023097938A1 (zh)

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100332153A1 (en) * 2007-12-14 2010-12-30 Reinder Hindrik Vegter Method of Determining Fatigue Life and Remaining Life
CN105134510A (zh) * 2015-09-18 2015-12-09 北京中恒博瑞数字电力科技有限公司 一种风力发电机组变桨系统的状态监测和故障诊断方法
CN107590356B (zh) * 2017-10-31 2020-04-28 国电联合动力技术有限公司 一种风力发电机组主轴轴承自动选型方法及存储设备
CN113623142B (zh) * 2021-09-15 2023-01-24 中国船舶重工集团海装风电股份有限公司 风力发电机组变桨轴承齿寿命评估方法

Also Published As

Publication number Publication date
EP4343587A1 (en) 2024-03-27
AU2022401404A1 (en) 2024-02-01
KR20240023651A (ko) 2024-02-22
WO2023097938A1 (zh) 2023-06-08

Similar Documents

Publication Publication Date Title
EP3524813B1 (en) Method and apparatus for predicting ice formation
Zhang et al. Monitoring wind turbine vibration based on SCADA data
EP3564526B1 (en) Method, electronic device and storage media for monitoring a fatigue damage of a blade of a wind turbine unit
EP3947961B1 (en) A method for estimating remaining useful life of components of an operational wind turbine
US20170193460A1 (en) Systems and methods for predicting asset specific service life in components
Moan et al. Recent advances in integrated response analysis of floating wind turbines in a reliability perspective
WO2023123685A1 (zh) 风力发电机组的寿命评估方法和装置
CN114742363A (zh) 风电机组的能效状态评价方法、系统及介质
Gu et al. Two improvements of similarity-based residual life prediction methods
Desavale et al. Dynamic response analysis of gearbox to improve fault detection using empirical mode decomposition and artificial neural network techniques
Biazar et al. Sensitivity analysis for evaluation of the effect of sensors error on the wind turbine variables using Monte Carlo simulation
CN116204762A (zh) 风力发电机组变桨轴承的寿命评估方法和装置
WO2019230191A1 (ja) 風力発電システム
Golestani et al. A system dynamics model of offshore wind farm degradation: Enabling operation and maintenance planning under foreseen asset management impacts
US20220327256A1 (en) Systems and methods for hybrid prognostics
CN114254904B (zh) 一种风电机组机舱运行健康度评价方法及装置
CN116191554A (zh) 风电场的功率控制方法和装置
Astolfi et al. Data-driven methods for the analysis of wind turbine yaw control optimization
Sun et al. A data-driven framework for tunnel infrastructure maintenance
CN116838547B (zh) 多转子风力发电机的监测方法及多转子风力发电机
Griffith Structural Health and Prognostics Management for Offshore Wind Plants
CN116842672A (zh) 风力发电机组的主轴承的预定载荷确定方法及装置
Hirvoas et al. Wind turbine quantification and reduction of uncertainties based on a data-driven data assimilation approach
Daems et al. Farm-wide dynamic event classification as load input for wind turbine drivetrain lifetime prognosis
da Rosa et al. Wind Turbine Blade Mass Imbalance Detection Using Artificial Intelligence

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