CN116292133A - 风力发电机组的净空异常检测方法及装置 - Google Patents

风力发电机组的净空异常检测方法及装置 Download PDF

Info

Publication number
CN116292133A
CN116292133A CN202211734407.8A CN202211734407A CN116292133A CN 116292133 A CN116292133 A CN 116292133A CN 202211734407 A CN202211734407 A CN 202211734407A CN 116292133 A CN116292133 A CN 116292133A
Authority
CN
China
Prior art keywords
operation data
clearance
value
preset
headroom
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.)
Granted
Application number
CN202211734407.8A
Other languages
English (en)
Other versions
CN116292133B (zh
Inventor
苏素平
张文磊
李佳盈
房海涛
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 CN202211734407.8A priority Critical patent/CN116292133B/zh
Publication of CN116292133A publication Critical patent/CN116292133A/zh
Application granted granted Critical
Publication of CN116292133B publication Critical patent/CN116292133B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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

公开了一种风力发电机组的净空异常检测方法及装置，所述净空异常检测方法包括：获取预定时间内风力发电机组的运行数据；从运行数据中，获取风速在预定风速范围内且功率在预定功率范围内的第一运行数据；将第一运行数据划分为多个运行数据片段；对于每个运行数据片段，在运行数据片段内第一指定净空值小于第一预设值且运行数据片段满足预设条件的情况下，将运行数据片段确定为净空异常片段，其中，预设条件与运行数据片段内净空值小于第一预设值的运行数据的条数相关联；根据净空异常片段确定风力发电机组的净空异常。

Description

风力发电机组的净空异常检测方法及装置
技术领域
本公开总体说来涉及风力发电技术领域，更具体地讲，涉及风力发电机组的净空异常检测方法及装置。
背景技术
叶片的轻量化设计是降低叶片成本的有效措施，由此带来的刚度的下降可能使净空达不到标准，增加叶片扫塔的风险。而且部分风场风况复杂，由于叶片工作状态难以确定，导致在役机型扫塔问题频发，潜在扫塔风险的风力发电机组数量也多。基于以上安全风险，部分风力发电机组尤其大叶轮及复杂地形的风力发电机组安装了塔架净空监测设备，来保障风力发电机组正常运行，避免发生叶片扫塔事件。
目前，风力发电机组主要是基于净空监测设备实时监测到的净空数值进行净空异常检测，主要用于风力发电机组的控制安全保护，该方案着重于风力发电机组的实时检测，无法提前预知风力发电机组的净空风险。
发明内容
本公开的实施例提供一种风力发电机组的净空异常检测方法及装置，能够有效解决现有技术无法提前预知风力发电机组的净空风险的问题。
在一个总的方面，提供一种风力发电机组的净空异常检测方法，包括：获取预定时间内风力发电机组的运行数据；从运行数据中，获取风速在预定风速范围内且功率在预定功率范围内的第一运行数据；将第一运行数据划分为多个运行数据片段；对于每个运行数据片段，在运行数据片段内第一指定净空值小于第一预设值且运行数据片段满足预设条件的情况下，将运行数据片段确定为净空异常片段，其中，预设条件与运行数据片段内净空值小于第一预设值的运行数据的条数相关联；根据净空异常片段确定风力发电机组的净空异常。
可选地，预设条件包括以下之一：运行数据片段内净空值小于第一预设值的运行数据的条数大于第二预设值；运行数据片段内净空值小于第一预设值的运行数据的条数与运行数据片段内运行数据总条数的比例达到第一预定比例。
可选地，根据净空异常片段确定风力发电机组的净空异常，包括：响应于预定时间内净空异常片段的数量大于第三预设值，确定风力发电机组的净空异常。
可选地，在从运行数据中，获取风速在预定风速范围内且功率在预定功率范围内的第一运行数据之前，还包括：对运行数据进行功率分仓，以将运行数据划分到多个功率区间并且获取每个功率区间内运行数据的第二指定净空值；响应于在预定功率范围内，第二指定净空值在第一预定范围内的功率区间的数量与预定功率范围内功率区间的总数量的比例达到第二预定比例，确定第一净空检测设备标志位指示净空检测设备校准无异常。
可选地，在从运行数据中，获取风速在预定风速范围内且功率在预定功率范围内的第一运行数据之前，还包括：对运行数据进行角度分仓，以将运行数据划分到多个桨距角区间，并获取每个桨距角区间内运行数据的第二指定净空值；响应于在最小桨距角至预定度数的范围内，第二指定净空值在第一预定范围内的桨距角区间的数量与最小桨距角至预定度数的范围内桨距角区间的总数量的比例达到第二预定比例，确定第二净空检测设备标志位指示净空检测设备校准无异常。
可选地，响应于第一净空检测设备标志位和第二净空检测设备标志位均指示净空检测设备校准无异常，确定净空检测设备校准无异常。
可选地，响应于净空检测设备校准异常，获取每个功率区间内运行数据的第一指定净空值；响应于在预定功率范围内，第一指定净空值在第二预定范围内的功率区间的数量与预定功率范围内功率区间的总数量的比例达到第三预定比例，确定第一净空值标志位指示净空值无异常，否则确定风力发电机组预测出现低净空风险并发出立即校准净空检测设备的提示信息。
可选地，响应于净空检测设备校准异常，获取每个桨距角区间内运行数据的第一指定净空值；响应于在最小桨距角至预定度数的范围内，第一指定净空值在第二预定范围内的桨距角区间的数量与最小桨距角至预定度数的范围内桨距角区间的总数量的比例达到第三预定比例，确定第二净空值标志位指示净空值无异常，否则确定风力发电机组预测出现低净空风险并发出立即校准净空检测设备的提示信息。
可选地，响应于第一净空值标志位和第二净空值标志位均指示净空值无异常，确定净空值无异常，否则确定风力发电机组预测出现低净空风险并发出立即校准净空检测设备的提示信息。
可选地，从运行数据中，获取风速在预定风速范围内且功率在预定功率范围内的第一运行数据，包括：从运行数据中，获取净空值在第三预定范围内的第二运行数据；获取第二运行数据中每条运行数据的时长之和，作为第一时长；获取运行数据的起始时间至结束时间之间的时长，作为第二时长；响应于第一时长和第二时长满足完整性条件，从运行数据中，获取风速在预定风速范围内且功率在预定功率范围内的第一运行数据。
可选地，从运行数据中，获取风速在预定风速范围内且功率在预定功率范围内的第一运行数据，包括：从运行数据中，获取处于并网状态下、净空值大于第四预设值且小于第五预设值的第三运行数据；第三运行数据中每条运行数据的时长之和，作为第三时长；获取运行数据的起始时间至结束时间之间的时长，作为第二时长，其中，第二运行数据是运行数据中净空值在第三预定范围内的运行数据；响应于第三时长和第二时长满足有效性条件，从运行数据中，获取风速在预定风速范围内且功率在预定功率范围内的第一运行数据。
可选地，对于每个运行数据片段，获取运行数据片段的起始时间至结束时间之间的时长，作为运行数据片段的时长；在连续的预定数量的运行数据片段的时长之和小于预定时长的情况下，合并预定数量的运行数据片段，并使用合并后的运行数据片段替换预定数量的运行数据片段。
可选地，针对包括风力发电机组的风电场内的每个风力发电机组，基于每个功率区间内运行数据的净空预定值，获取相应风力发电机组的第一净空预定值曲线，并且基于每个桨距角区间内运行数据的净空预定值，获取相应风力发电机组的第二净空预定值曲线，其中，净空预定值为第二指定净空值、第一指定净空值或净空平均值；基于所有风力发电机组的第一净空预定值曲线和/或第二净空预定值曲线，确定风力发电机组是否离群。
可选地，基于所有风力发电机组的第一净空预定值曲线和/或第二净空预定值曲线，确定风力发电机组是否离群，包括：对于每种净空预定值曲线，基于所有风力发电机组的净空预定值曲线，确定风电场内其他风力发电机组与风力发电机组的距离；基于风电场内其他风力发电机组与风力发电机组的距离，确定风力发电机组是否离群。
可选地，基于风电场内其他风力发电机组与风力发电机组的距离，确定风力发电机组是否离群，包括：获取预定风力发电机组与风力发电机组的距离的平均值，其中，预定风力发电机组为其他风力发电机组中，按与风力发电机组的距离排序后，在预定名次之前的风力发电机组；基于平均值的关联数据，得到风力发电机组的局部可达密度；基于风力发电机组的局部可达密度和预定风力发电机组的局部可达密度，确定风力发电机组是否离群。
可选地，基于风力发电机组的局部可达密度和预定风力发电机组的局部可达密度，确定风力发电机组是否离群，包括：获取预定风力发电机组的局部可达密度；基于风力发电机组的局部可达密度和预定风力发电机组的局部可达密度，得到风力发电机组的局部异常因子；响应于局部异常因子与第六预设值的差值超过预设阈值，确定风力发电机组离群。
在另一总的方面，提供了一种风力发电机组的净空异常检测装置，包括：第一获取单元，被配置为获取预定时间内风力发电机组的运行数据；第二获取单元，被配置为从运行数据中，获取风速在预定风速范围内且功率在预定功率范围内的第一运行数据；分组单元，被配置为将第一运行数据划分为个运行数据片段；第一确定单元，被配置为对于每个运行数据片段，在运行数据片段内第一指定净空值小于第一预设值且运行数据片段满足预设条件的情况下，将运行数据片段确定为净空异常片段，其中，预设条件与运行数据片段内净空值小于第一预设值的运行数据的条数相关联；第二确定单元，被配置为根据净空异常片段确定风力发电机组的净空异常。
可选地，预设条件包括以下之一：运行数据片段内净空值小于第一预设值的运行数据的条数大于第二预设值；运行数据片段内净空值小于第一预设值的运行数据的条数与运行数据片段内运行数据总条数的比例达到第一预定比例。
可选地，第二确定单元，还被配置为响应于预定时间内净空异常片段的数量大于第三预设值，确定风力发电机组的净空异常。
可选地，第二获取单元，还被配置为在从运行数据中，获取风速在预定风速范围内且功率在预定功率范围内的第一运行数据之前，对运行数据进行功率分仓，以将运行数据划分到多个功率区间并且获取每个功率区间内运行数据的第二指定净空值；响应于在预定功率范围内，第二指定净空值在第一预定范围内的功率区间的数量与预定功率范围内功率区间的总数量的比例达到第二预定比例，确定第一净空检测设备标志位指示净空检测设备校准无异常。
可选地，第二获取单元，还被配置为在从运行数据中，获取风速在预定风速范围内且功率在预定功率范围内的第一运行数据之前，对运行数据进行角度分仓，以将运行数据划分到多个桨距角区间，并获取每个桨距角区间内运行数据的第二指定净空值；响应于在最小桨距角至预定度数的范围内，第二指定净空值在第一预定范围内的桨距角区间的数量与最小桨距角至预定度数的范围内桨距角区间的总数量的比例达到第二预定比例，确定第二净空检测设备标志位指示净空检测设备校准无异常。
可选地，第二获取单元，还被配置为响应于第一净空检测设备标志位和第二净空检测设备标志位均指示净空检测设备校准无异常，确定净空检测设备校准无异常。
可选地，第二获取单元，还被配置为响应于净空检测设备校准异常，获取每个功率区间内运行数据的第一指定净空值；响应于在预定功率范围内，第一指定净空值在第二预定范围内的功率区间的数量与预定功率范围内功率区间的总数量的比例达到第三预定比例，确定第一净空值标志位指示净空值无异常，否则确定风力发电机组预测出现低净空风险并发出立即校准净空检测设备的提示信息。
可选地，第二获取单元，还被配置为响应于净空检测设备校准异常，获取每个桨距角区间内运行数据的第一指定净空值；响应于在最小桨距角至预定度数的范围内，第一指定净空值在第二预定范围内的桨距角区间的数量与最小桨距角至预定度数的范围内桨距角区间的总数量的比例达到第三预定比例，确定第二净空值标志位指示净空值无异常，否则确定风力发电机组预测出现低净空风险并发出立即校准净空检测设备的提示信息。
可选地，第二获取单元，还被配置为响应于第一净空值标志位和第二净空值标志位均指示净空值无异常，确定净空值无异常，否则确定风力发电机组预测出现低净空风险并发出立即校准净空检测设备的提示信息。
可选地，第二获取单元，还被配置为从运行数据中，获取净空值在第三预定范围内的第二运行数据；获取第二运行数据中每条运行数据的时长之和，作为第一时长；获取运行数据的起始时间至结束时间之间的时长，作为第二时长；响应于第一时长和第二时长满足完整性条件，从运行数据中，获取风速在预定风速范围内且功率在预定功率范围内的第一运行数据。
可选地，第二获取单元，还被配置为从运行数据中，获取处于并网状态下、净空值大于第四预设值且小于第五预设值的第三运行数据；第三运行数据中每条运行数据的时长之和，作为第三时长；获取运行数据的起始时间至结束时间之间的时长，作为第二时长，其中，第二运行数据是运行数据中净空值在第三预定范围内的运行数据；响应于第三时长和第二时长满足有效性条件，从运行数据中，获取风速在预定风速范围内且功率在预定功率范围内的第一运行数据。
可选地，分组单元，还被配置为对于每个运行数据片段，获取运行数据片段的起始时间至结束时间之间的时长，作为运行数据片段的时长；在连续的预定数量的运行数据片段的时长之和小于预定时长的情况下，合并预定数量的运行数据片段，并使用合并后的运行数据片段替换预定数量的运行数据片段。
可选地，离群确定单元，被配置为针对包括风力发电机组的风电场内的每个风力发电机组，基于每个功率区间内运行数据的净空预定值，获取相应风力发电机组的第一净空预定值曲线，并且基于每个桨距角区间内运行数据的净空预定值，获取相应风力发电机组的第二净空预定值曲线，其中，净空预定值为第二指定净空值、第一指定净空值或净空平均值；基于所有风力发电机组的第一净空预定值曲线和/或第二净空预定值曲线，确定风力发电机组是否离群。
可选地，离群确定单元，还被配置为对于每种净空预定值曲线，基于所有风力发电机组的净空预定值曲线，确定风电场内其他风力发电机组与风力发电机组的距离；基于风电场内其他风力发电机组与风力发电机组的距离，确定风力发电机组是否离群。
可选地，离群确定单元，还被配置为获取预定风力发电机组与风力发电机组的距离的平均值，其中，预定风力发电机组为其他风力发电机组中，按与风力发电机组的距离排序后，在预定名次之前的风力发电机组；基于平均值的关联数据，得到风力发电机组的局部可达密度；基于风力发电机组的局部可达密度和预定风力发电机组的局部可达密度，确定风力发电机组是否离群。
可选地，离群确定单元，还被配置为获取预定风力发电机组的局部可达密度；基于风力发电机组的局部可达密度和预定风力发电机组的局部可达密度，得到风力发电机组的局部异常因子；响应于局部异常因子与第六预设值的差值超过预设阈值，确定风力发电机组离群。
在另一总的方面，提供了一种存储指令的计算机可读存储介质，其中，当指令被至少一个计算装置运行时，促使至少一个计算装置执行如上述任一风力发电机组的净空异常检测方法。
在另一总的方面，提供了一种包括至少一个计算装置和至少一个存储指令的存储装置的系统，其中，指令在被至少一个计算装置运行时，促使至少一个计算装置执行如上述任一风力发电机组的净空异常检测方法。
在另一总的方面，提供了一种风力发电机组，包括如上述的风力发电机组的净空异常检测装置。
根据本公开的实施例的风力发电机组的净空异常检测方法及装置，将符合条件的运行数据进行分组，基于分组后的运行数据片段中的净空值进行相关分析确定出净空异常片段，再基于净空异常片段确定风力发电机组的净空是否异常，使得可以在净空异常时提前预知风力发电机组的净空风险，无需等到存在净空风险的时候才知晓，从而可以在风力发电机组净空异常时，及时的调整风力发电机组避免发生扫塔事件。因此，通过本公开，能够有效解决现有技术无法提前预知风力发电机组的净空风险的问题。
将在接下来的描述中部分阐述本公开总体构思另外的方面和/或优点，还有一部分通过描述将是清楚的，或者可以经过本公开总体构思的实施而得知。
附图说明
通过下面结合示出实施例的附图进行的描述，本公开的实施例的上述和其他目的和特点将会变得更加清楚，其中：
图1是示出本公开的实施例的风力发电机组的净空异常检测方法的流程图；
图2是示出本公开的实施例的净空异常片段前后十分钟的时序图；
图3是示出本公开的实施例的净空异常检测完整流程图；
图4是示出本公开的实施例的不同功率仓对应的净空最小值曲线、净空最大值曲线或净空平均值曲线；
图5是示出本公开的实施例的不同桨距角仓对应的净空最小值曲线、净空最大值曲线或净空平均值曲线；
图6是示出本公开的实施例的净空最小值曲线示意图；
图7是示出本公开的实施例的风力发电机组的位置示意图；
图8是示出本公开的实施例的风力发电机组的K-邻近距离示意图；
图9是示出本公开的实施例的风力发电机组的局部可达密度示意图；
图10是示出本公开的实施例的局部异常因子所用风力发电机组的示意图；
图11是示出本公开的实施例的局部异常因子结果示意图；
图12是示出本公开的实施例的局部异常因子结果的折线示意图；
图13是示出本公开的实施例的离群识别完整流程图；
图14是示出本公开的风力发电机组的净空异常检测装置的框图。
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。
本公开提供了一种风力发电机组的净空异常检测方法及装置，能够提前预知风力发电机组的净空风险，本公开的风力发电机组的提前预知风力发电机组的净空风险可以应用在服务器上，也可以应用在单个风力发电机的控制器上，还可以应用在风电场的总控制器上，对此本公开并不进行限定，服务器、控制器与风力发电机组可以通过无线连接也可以通过有线连接，此处不做限定。上述服务器可以是一个服务器，也可以是若干个服务器组成的服务器集群，还可以是云计算平台或虚拟化中心，下面以服务器为例进行说明。
服务器获取预定时间内风力发电机组的运行数据；从运行数据中，获取风速在预定风速范围内且功率在预定功率范围内的第一运行数据；将第一运行数据划分为多个运行数据片段，对于每个运行数据片段，在运行数据片段内第一指定净空值小于第一预设值且运行数据片段满足预设条件的情况下，将运行数据片段确定为净空异常片段，其中，预设条件与运行数据片段内净空值小于第一预设值的运行数据的条数相关联；根据净空异常片段确定风力发电机组的净空异常，使得可以在净空异常时提前预知风力发电机组的净空风险，无需等到存在净空风险的时候才知晓，从而可以在风力发电机组净空异常时，及时的调整风力发电机组避免发生扫塔事件。
下面结合附图对本公开的风力发电机组的净空异常检测方法及装置进行详细描述。
本公开提出了一种风力发电机组的净空异常检测方法，图1是示出本公开的实施例的风力发电机组的净空异常检测方法的流程图。参照图1，所述风力发电机组的净空异常检测方法包括以下步骤：
在步骤S101中，获取预定时间内风力发电机组的运行数据。本步骤中的预定时间可以根据需要设定，本公开并不进行限定；本步骤的运行数据可以包括风力发电机组的网侧有功功率、叶片桨距角、净空值、风速等变量，当然也可以包括其他数据，具体可以根据需要设定，本公开同样不进行限定。本公开中后面的功率即为网侧有功功率。
在步骤S102中，从运行数据中，获取风速在预定风速范围内且功率在预定功率范围内的第一运行数据。本步骤的预定风速范围和预定功率范围可以是额定风速和额定功率附近，例如，预定风速范围可以是额定风速*80％～额定风速*110％区间(如8～13m/s区间)且预定功率范围可以是额定功率*80％～额定功率*110％区间，当然预定风速范围和预定功率范围也可以是其它风速段和其它功率段的数据，需要说明的是，如果预定风速范围是额定风速附近，预定功率范围也需要选择额定功率附近；如果预定风速范围选择其他风速段，预定功率范围也需要选择其他功率段。
根据本公开的实施例，在从运行数据中，获取风速在预定风速范围内且功率在预定功率范围内的第一运行数据之前，净空异常检测方法还可包括以下步骤：对运行数据进行功率分仓，以将运行数据划分到多个功率区间并且获取每个功率区间内运行数据的第二指定净空值；响应于在预定功率范围内，第二指定净空值在第一预定范围内的功率区间的数量与预定功率范围内功率区间的总数量的比例达到第二预定比例，确定第一净空检测设备标志位指示净空检测设备校准无异常。根据本实施例，通过净空值与功率等变量进行相关性分析，可以方便且准确的判断净空检测设备校准是否异常。
具体地，如果预定风速范围和预定功率范围可以是额定风速和额定功率附近，则上述第二指定净空值可以是净空最大值，当然也可以是其他指定净空值，本公开并不进行限定；上述第一预定范围可以是8～12m，也可以是其他范围，对此本公开并不进行限定；上述第二预定比例可以是80％，也可以是其他比例，对此本公开同样不进行限定。例如，以第二指定净空值是净空最大值、第一预定范围是8～12m、第二预定比例是80％为例，可以统计所有运行数据的网侧功率，并且可以按200KW的网侧功率为一个功率区间对运行数据进行功率分仓，得到多个功率区间，然后，在额定功率*80％～额定功率*110％区间(即上述预定功率范围)内，如果80％的功率区间内的净空最大值均在8～12m之间，则输出第一净空检测设备标志位＝1，否则输出第一净空检测设备标志位＝0。
根据本公开的实施例，在从运行数据中，获取风速在预定风速范围内且功率在预定功率范围内的第一运行数据之前，净空异常检测方法还可包括以下步骤：对运行数据进行角度分仓，以将运行数据划分到多个桨距角区间，并获取每个桨距角区间内运行数据的第二指定净空值；响应于在最小桨距角至预定度数的范围内，第二指定净空值在第一预定范围内的桨距角区间的数量与最小桨距角至预定度数的范围内桨距角区间的总数量的比例达到第二预定比例，确定第二净空检测设备标志位指示净空检测设备校准无异常。根据本实施例，通过净空值与桨距角等变量进行相关性分析，也可以方便且准确的判断净空检测设备校准是否异常。
具体地，如果预定风速范围和预定功率范围可以是额定风速和额定功率附近，则上述第二指定净空值可以是净空最大值，当然也可以是其他指定净空值，本公开并不进行限定；上述第一预定范围可以是8～12m，也可以是其他范围，对此本公开并不进行限定；上述第二预定比例可以是80％，也可以是其他比例，对此本公开同样不进行限定；上述预定度数可以根据需要设定，但是一般大于分仓角度。例如，以第二指定净空值是净空最大值、第一预定范围是8～12m、第二预定比例是80％、预定角度为5度为例，可以统计所有运行数据的桨距角，并且可以按1度的桨距角为一个桨距角区间对运行数据进行桨距角分仓，得到多个桨距角区间，然后，在最小桨距角～5度区间内，如果80％的功率区间内的净空最大值均在8～12m之间，则输出第二净空检测设备标志位＝1，否则输出第二净空检测设备标志位＝0。
根据本公开的实施例，响应于第一净空检测设备标志位和第二净空检测设备标志位均指示净空检测设备校准无异常，确定净空检测设备校准无异常。根据本实施例，当第一净空检测设备标志位和第二净空检测设备标志位均指示净空检测设备校准无异常，才确定净空检测设备无异常，可以更加精准的判断净空检测设备的校准情况。
具体地，在第一净空检测设备标志位和第二净空检测设备标志位均指示净空检测设备校准无异常，才确定净空检测设备无异常，也即才确定获取的运行数据是有效的，此时才继续从有效的运行数据中，获取风速在预定风速范围内且功率在预定功率范围内的第一运行数据。
根据本公开的实施例，净空异常检测方法还可包括以下步骤：响应于净空检测设备校准异常，获取每个功率区间内运行数据的第一指定净空值；响应于在预定功率范围内，第一指定净空值在第二预定范围内的功率区间的数量与预定功率范围内功率区间的总数量的比例达到第三预定比例，确定第一净空值标志位指示净空值无异常，否则确定风力发电机组预测出现低净空风险并发出立即校准净空检测设备的提示信息。根据本实施例，在净空检测设备校准异常的情况下，可以进一步通过净空值与功率等变量进行相关性分析，来判断此时净空值是否明显异常，如果明显异常，则可以立即进行净空检测设备的校验，以便可以尽快获取准确的净空值，并及时进行净空异常检测。
具体地，如果预定风速范围和预定功率范围可以是额定风速和额定功率附近，则上述第一指定净空值可以是净空最小值，当然也可以是其他指定净空值，本公开并不进行限定；上述第二预定范围可以是5～8m，也可以是其他范围，对此本公开并不进行限定；上述第三预定比例可以是80％，也可以是其他比例，对此本公开同样不进行限定。例如，以第一指定净空值是净空最小值、第二预定范围是5～8m、第三预定比例是80％为例，可以统计所有运行数据的网侧功率，并且可以按200KW的网侧功率为一个功率区间对运行数据进行功率分仓，得到多个功率区间，然后，在额定功率*80％～额定功率*110％区间(即上述预定功率范围)内，如果80％的功率区间内的净空最小值均在5～8m之间，则输出第一净空值标志位＝1，否则输出第一净空值标志位＝0。
根据本公开的实施例，净空异常检测方法还可包括以下步骤：响应于净空检测设备校准异常，获取每个桨距角区间内运行数据的第一指定净空值；响应于在最小桨距角至预定度数的范围内，第一指定净空值在第二预定范围内的桨距角区间的数量与最小桨距角至预定度数的范围内桨距角区间的总数量的比例达到第三预定比例，确定第二净空值标志位指示净空值无异常，否则确定风力发电机组预测出现低净空风险并发出立即校准净空检测设备的提示信息。根据本实施例，在净空检测设备校准异常的情况下，可以进一步通过净空值与桨距角等变量相关性分析，来判断净空值是否明显异常，如果明显异常，则可以需要立即进行净空检测设备的校验，以便可以获取准确的净空值及时进行净空异常检测。
具体地，如果预定风速范围和预定功率范围可以是额定风速和额定功率附近，则上述第一指定净空值可以是净空最小值，当然也可以是其他指定净空值，本公开并不进行限定；上述第二预定范围可以是5～8m，也可以是其他范围，对此本公开并不进行限定；上述第三预定比例可以是80％，也可以是其他比例，对此本公开同样不进行限定；上述预定度数可以根据需要设定，但是一般大于分仓角度。例如，以第一指定净空值是净空最小值、第二预定范围是5～8m、第三预定比例是80％、预定角度为5度为例，可以统计所有运行数据的桨距角，并且可以按1度的桨距角为一个桨距角区间对运行数据进行桨距角分仓，得到多个桨距角区间，然后，在最小桨距角～5度区间内，如果80％的功率区间内的净空最小值均在5～8m之间，则输出第一净空值标志位＝1，否则输出第一净空值标志位＝0。
根据本公开的实施例，净空异常检测方法还可包括以下步骤：响应于第一净空值标志位和第二净空值标志位均指示净空值无异常，确定净空值无异常，否则确定风力发电机组预测出现低净空风险并发出立即校准净空检测设备的提示信息。根据本实施例，当第一净空值标志位和第二净空值标志位均指示净空值无异常，才确定净空值无异常，即只要有一个净空值标志位指示净空值异常，则立即校准净空检测设备，保证净空校准设备可以及时的被重新校准。
具体地，在第一净空值标志位和第二净空值标志位均指示净空值无异常，才确定净空值无异常，只有此时无需立即校准净空检测设备的提示信息，即一旦任意一个净空值标志位指示净空值异常，都需要发送立即校准净空检测设备的提示信息，以保证净空校准设备可以及时的被重新校准。
根据本公开的实施例，从运行数据中，获取风速在预定风速范围内且功率在预定功率范围内的第一运行数据，可以包括：从运行数据中，获取净空值在第三预定范围内的第二运行数据；获取第二运行数据中每条运行数据的时长之和，作为第一时长；获取运行数据的起始时间至结束时间之间的时长，作为第二时长；响应于第一时长和第二时长满足完整性条件，从运行数据中，获取风速在预定风速范围内且功率在预定功率范围内的第一运行数据。根据本实施例，可以保证预定时间内采集的运行数据是充足的，避免采集的运行数据过少，导致获取到的第一运行数据无法很好用于后续的净空分析。
具体地，上述完整性条件可以是第一时长和第二时长的比值大于第一预设阈值，该第一预设阈值可以根据需要设定，本公开并不进行限定。上述第三预定范围可以是开集合(0，100)，即当净空值在(0，100)以内，标识对应的运行数据是存在净空值得，当然不同场景，第三预定范围可以根据需要设定，对此本公开并不进行限定。需要说明的是，在获取运行数据后，还需要判断风力发电机组是否安装了净空检测设备或者净空检测设备是否开启，以便预先判断获取的运行数据是否有效，具体判断方式可以如下：识别获取的每条运行数据对应的净空值，如果所有运行数据的净空值都是100(根据不同风力发机电机组设定不同值)，说明风力发电机组未安装净空检测设备或净空检测设备未开启或净空检测设备未运行等问题，此时可以输出“净空检测设备未安装或未开启”，当然输出的内容可以保存，如以数据表的形式存储；如果所有运行数据的净空值中有在0～100范围内的数值，说明净空检测设备已安装切正常开启，此时可以输出“净空检测设备已安装且正常开启”，当然输出的内容也可以保存，如以数据表的形式存储。
例如，以完整性条件为第一时长和第二时长的比值大于第一预设阈值、第三预设范围是开集合(0，100)为例，首先，从运行数据中获取净空值在开集合(0，100)内的第二运行数据；其次，获取每条第二运行数据的时长，如果在获取每条第二运行数据的时长时，发现某条第二运行数据的时长超过所有第二运行数据的时长的均值的2倍以上，则将该条第二运行数据的时长重新定义为所有第二运行数据的时长的均值，需要说明的是，上述均值的2倍可以根据需要设定为其他值，本公开并不进行限定；再有，获取所有第二运行数据的时长的和为t1，同时，获取所有运行数据的起始时间至结束时间之间的时长为t2；最后，计算t1/t2，当该比值大于第一预设阈值的时候，确定运行数据是完整的，可以进行后续的净空分析；此时可以输出每台风力发电机组的完整性信息至数据表，即保存起来并展示。
根据本公开的实施例，从运行数据中，获取风速在预定风速范围内且功率在预定功率范围内的第一运行数据，可以包括：从运行数据中，获取处于并网状态下、净空值大于第四预设值且小于第五预设值的第三运行数据；第三运行数据中每条运行数据的时长之和，作为第三时长；获取运行数据的起始时间至结束时间之间的时长，作为第二时长，其中，第二运行数据是运行数据中净空值在第三预定范围内的运行数据；响应于第三时长和第二时长满足有效性条件，从运行数据中，获取风速在预定风速范围内且功率在预定功率范围内的第一运行数据。根据本实施例，可以保证预定时间内采集的运行数据是有效的，避免采集的运行数据中净空值过小或者过大，导致获取到的第一运行数据无法很好用于后续的净空分析。
具体地，上述第四预设值和第五预设值可以根据需要设定，例如第四预设值可以设定为0，第五预设值可以设定为20，本公开对此并不进行限定。上述有效性条件可以是第三时长和第二时长的比值大于第二预设阈值，该第二预设阈值可以根据需要设定，本公开并不进行限定。
例如，以有效性条件为第三时长和第二时长的比值大于第二预设阈值、第四预设值可以设定为0、第五预设值可以设定为20为例，首先，从运行数据中，筛选并网状态下，净空值大于0小于20的第三运行数据；其次，获取每条第三运行数据计算上述每条数据的时长，如果在获取每条第二运行数据的时长时，发现某条第二运行数据的时长超过所有第二运行数据的时长的均值的2倍以上，则将该条第二运行数据的时长重新定义为所有第二运行数据的时长的均值，需要说明的是，上述均值的2倍可以根据需要设定为其他值，本公开并不进行限定；再有，获取所有第三运行数据的时长的和为t3；同时获取所有运行数据的起始时间至结束时间之间的时长为t2；最后，计算t3/t2，当该比值大于第二预设阈值的时候，确定获取的运行数据是有效的，可以进行后续的净空分析，此时可以输出每台风力发电机组的完整性信息至数据表，即保存起来并展示。
在步骤S103中，将第一运行数据划分为多个运行数据片段。本步骤中的每个运行数据片中运行数据的采样时间是连续的，当然本公开对此并不进行限定。例如，获取的预定时间内风力发电机组的运行数据中每条运行数据都对应有自己索引值，可以通过索引值是否连续进行运行数据划分，即划分得到的每个运行数据片段里的索引值都是连续的。
根据本公开的实施例，对于每个运行数据片段，获取运行数据片段的起始时间至结束时间之间的时长，作为运行数据片段的时长；在连续的预定数量的运行数据片段的时长之和小于预定时长的情况下，合并预定数量的运行数据片段，并使用合并后的运行数据片段替换预定数量的运行数据片段。根据本实施例，当单个运行数据片段较短时，可以合并多个运行数据片段，以减少对运行数据片段处理的工作量。
具体地，在划分得到多个运行数据片段后，可以获取每个运行数据片段的起始时间至结束时间，起始时间至结束时间之间时间即为运行数据片段的时长，需要注意的是，划分后的某个运行数据片段可以能仅包括一条运行数据，此时的运行数据片段一般时间都不会超过60s，因此，在该条运行数据片段前面和/或后面的运行数据片段也没有超过60s的时候，可以考虑将该条运行数据片段与其前面和/或后面的运行数据片段进行合并，以减少运行数据片段的数量。需要说明的是，上述60s也可以是50s，还可以是70s，具体可以根据需要设定，本公开并不进行限定。
在步骤S104中，对于每个运行数据片段，在运行数据片段内第一指定净空值小于第一预设值且运行数据片段满足预设条件的情况下，将运行数据片段确定为净空异常片段，其中，预设条件与运行数据片段内净空值小于第一预设值的运行数据的条数相关联。在本步骤中的第一指定净空值可以是净空最小值，当然也可以是其他指定净空值，对此本公开并不进行限定。对于本步骤中的第一预设值，在预定风速范围和预定功率范围对应的是额定风速和额定功率附近的时候，可以考虑取5m作为第一预设值，当然也可以选择其他值，本公开并不进行限定。本步骤的预设条件可以是运行数据片段内净空值小于第一预设值的运行数据的条数达到一定数量，该数量可以根据用户需要设定，也可以根据运行数据片段内运行数据的总条数来确定，对此本公开并不进行限定。
例如，以第一预设值为5m、第一指定净空值为净空最小值为例，对于每个运行数据片段，如果运行数据片段内净空最小值大于等于5m，则该运行数据片段无异常，如果运行数据片段内净空最小值小于5m且运行数据片段满足预设条件的时候，则该运行数据片段则为净空异常片段，如果运行数据片段内净空最小值小于5m且运行数据片段不满足预设条件的时候，则该运行数据片段无异常。
根据本公开的实施例，预设条件可以包括以下之一：运行数据片段内净空值小于第一预设值的运行数据的条数大于第二预设值；运行数据片段内净空值小于第一预设值的运行数据的条数与运行数据片段内运行数据总条数的比例达到第一预定比例。通过本实施例，可以根据需要设定第二预设值来确定预设条件，也可以根据每个运行数据片段内运行数据的总条数来确定预设条件，使得预设条件可以准确确定出净空异常片段的同时被灵活的设定。
具体地，上述第二预设值可以根据需要设定，例如，可以设定为10，也可以设定为9，还可以设定为11，对此本公开并不进行限定。上述第一预定比例也可以根据需要设定，例如，可以是50％，也可以是45％，还可以是55％，对此本公开同样不进行限定。例如上述预设条件可以为运行数据片段内净空值小于5m的运行数据的条数大于10，还可以为运行数据片段内净空值小于5m的运行数据的条数与运行数据片段内运行数据总条数的比例达到50％。
需要说明的是，在确定出净空异常片段后，可以输出该净空异常片段前后十分钟的时序图，如图2所示，可以含风速、功率、三个叶片中每个叶片的桨距角、对风角度、风力发电机组的状态、净空值，同时可以在数据表中输出该净空异常片段的起始时间和结束时间，持续时长，净空值小于5m的运行数据的条数，净空异常片段内运行数据的总条数，净空异常片段内净空最小值、净空最大值、净空平均值，净空异常片段内平均风速，平均功率，三个叶片的桨距角平均值等等，还可以展示或者输出其他数据，对此本公开并不进行限定，只要是用户所需要展示和输出的数据即可，以便用户可以基于此识别是否是真的异常，对净空异常片段可以进一步的验证。
在步骤S105中，根据净空异常片段确定风力发电机组的净空异常。例如，可以通过预定时间内净空异常片段的数量，来确定风力发电机组的净空是否异常，对此本公开并不进行限定。
根据本公开的实施例，根据净空异常片段确定风力发电机组的净空异常，可以包括：响应于预定时间内净空异常片段的数量大于第三预设值，确定风力发电机组的净空异常。根据本实施例，通过净空异常片段的数量，可以方便快速的确定风力发电机组的净空是否异常。
具体地，上述第三预设值可以根据需要设定，例如，可以设定为10，也可以设定其他数值，对此本公开并不进行限定。例如，以第三预设值设定为10为例，可以统计预定时间内净空异常片段出现的次数，也即净空异常片段的数量，如果净空异常片段的数量大于10，则输出预警标志位为1，即指示风力发电机组的净空异常。
需要说明的是，如果将本公开的方法搭建成模型，至此净空异常诊断模型搭建完毕，该模型可部署至某预警平台用于实时异常净空诊断预警，在接收到预警信息(即输出预警标志位为1)后，风力发电机组可做相应的保护动作比如提高桨距角，项目工作人员也可提前做扫塔风险排查，或用于公司内部做风险机位识别，对此本公开并不进行限定。
为例方便理解上述实施例，下面结合图3系统的进行说明，图3是示出本公开的实施例的净空异常检测完整流程图，如图3所示，获取预定时间内的原始运行数据，基于原始运行数据的净空值进行完整性和有效性分析，将分析结果输出，如输出到数据表中，如果原始运行数据完整且有效，则进行净空数据相关性分析，否则结束该检测流程。净空数据相关性分析，具体分析结果见上述实施例，此处不在展开论述，根据分析结果判断净空检测设备校准是否准确，如果净空检测设备校准准确直接进行下一步，即异常净空诊断，如果净空检测设备校准不准确，即校准异常，则结束该检测流程。在异常净空诊断的时候，首先从原始运行数据中筛选风速在8～13m/s区间且功率在额定功率*80％～额定功率*110％区间的运行数据，即上述实施例的第一运行数据，在获取到第一运行数据后，识别运行数据中的连续片段，即得到多个运行数据片段，得到多个运行数据片段后，合并时长在60s以内的运行数据片段，统计合并处理后的每个运行数据片段的净空最小值，判断运行数据片段是否满足如下条件：净空最小值小于5m且满足预设条件，如果满足则该运行数据片段则为净空异常片段，预设条件见上述实施例，此处不在展开论述。在确定该运行数据片段为净空异常片段时，输出净空异常片段的时序图和统计表，判断净空异常片段在预定时间的出现次数是否大于10，如果大于10，则输出预警标志符为是，同时输出相应的预警信息，否则输出预警标识符为否。至此，净空检测流程结束。
根据本公开的实施例，净空异常检测方法还可包括以下步骤：针对包括风力发电机组的风电场内的每个风力发电机组，基于每个功率区间内运行数据的净空预定值，获取相应风力发电机组的第一净空预定值曲线，并且基于每个桨距角区间内运行数据的净空预定值，获取相应风力发电机组的第二净空预定值曲线，其中，净空预定值为第二指定净空值、第一指定净空值或净空平均值；基于所有风力发电机组的第一净空预定值曲线和/或第二净空预定值曲线，确定风力发电机组是否离群。根据本实施例，通过净空值与功率、桨距角等变量进行相关性分析，来判断风力发电机组是否离群。
具体地，根据上述实施例得到的每台风力发电机组在不同功率仓/不同桨距角仓下的净空最小值、净空最大值或净空平均值，可以确定风力发电机组是否离群，当然本公开并不局限于净空最小值、净空最大值或净空平均值，还可以是其他净空相关值。例如，以净空最小值、净空最大值或净空平均值为例，在进行功率分仓和/或桨距角分仓后，可以获取各个风力发电机组的不同功率仓/不同桨距角仓对应的净空最小值曲线、净空最大值曲线或净空平均值曲线，例如，如图4所示的某个风力发电机组的不同功率仓对应的净空最小值曲线(min)、净空最大值曲线(max)或净空平均值曲线(mean)，如图5所示的某个风力发电机组的不同桨距角仓对应的净空最小值曲线(min)、净空最大值曲线(max)或净空平均值曲线(mean)。可以对其中任意一种曲线进行分析可以知晓风力发电机组是否离群，也可以对上述多种曲线同时进行分析，确定风力发电机组是否离群，对此本公开并不进行限定。对于任一种曲线的分析可以采用局部异常因子算法(Local Outlier Factor，缩写为LOF)，当然也可以是其他算法，本公开对此并不进行限定。
需要说明的是，风力发电机组离群表示对应的净空预定值曲线与其他风力发电机组的净空预定值曲线的规律不同，但是并不代表一定是异常的，所以一般情况下，需要对该风力发电机组重点关注，查验离群的原因即可。如果确定一个风力发电机组离群了，可以基于离群识别结果触发风电场内该风力发电机组的低净空离群预警或高净空离群预警。一般情况下，识别出的低净空离群的风力发电机组，可能由地形因素导致，也可能由叶片损伤导致，需引起更多关注，否则可能存在扫塔或部件严重损伤风险；识别出的高净空离群的风力发电机组，可能与安净空检测设备的安装或校准有关，如不及时纠正可能影响正常的净空值测量。
根据本公开的实施例，基于所有风力发电机组的第一净空预定值曲线和/或第二净空预定值曲线，确定风力发电机组是否离群，可以包括：对于每种净空预定值曲线，基于所有风力发电机组的净空预定值曲线，确定风电场内其他风力发电机组与风力发电机组的距离；基于风电场内其他风力发电机组与风力发电机组的距离，确定风力发电机组是否离群。根据本实施例，通过净空预定值曲线，确定风电场内其他风力发电机组与风力发电机组的距离，从而基于该距离可以方便、快速的确定风力发电机组是否离群点。
例如，以功率分仓后的净空最小值曲线为例，图6是示出本公开的实施例的净空最小值曲线示意图，如图6所示，横轴表示功率，纵轴表示净空值，其中，最下面的一条曲线为上述实施例的风力发电机组的净空最小值曲线，其他曲线为风电场内其他风力发电机组的净空最小值曲线。在获取到风电场内每个风力发电机组的净空最小值曲线后，可以通过如下公式计算任一其他风力发电机组与上述实施例的风力发电机组的距离Ki：
Figure BDA0004031891290000201
其中，x表示风力发电机组的纵坐标，y表示其他风力发电机组的纵坐标。需要说明的是，如果一条曲线上有多个净空值的情况下，可以取净空值的平均值，将该平均值作为该条曲线对应的风力发电机组的纵坐标，如图7所示，其中点P表示风力发电机组的净空平均值，也即风力发电机组的纵坐标，点Oi表示其他风力发电机组的净空平均值，也即其他风力发电机组的纵坐标。当然还可以采用其他方式，具体地，假设一条曲线中有3个净空值，此时可以分别求取3个净空值对应的距离，然后将获取的3个距离取平均值，作为其他风力发电机组与上述实施例的风力发电机组的距离，对此本公开并不进行限定。
在得到其他风力发电机组与上述实施例的风力发电机组的距离后，还可以知晓其他风力发电机组的彼此之间的距离，并得到相应的距离集合，当上述实施例的风力发电机组的距离在距离集合中与其他距离不聚合，如上述实施例的风力发电机组的距离超过了距离集合中的大部分距离太多，则可以判断上述实施例中的风力发电机组离群。
根据本公开的实施例，基于风电场内其他风力发电机组与风力发电机组的距离，确定风力发电机组是否离群，可以包括：获取预定风力发电机组与风力发电机组的距离的平均值，其中，预定风力发电机组为其他风力发电机组中，按与风力发电机组的距离排序后，在预定名次之前的风力发电机组；基于平均值的关联数据，得到风力发电机组的局部可达密度；基于风力发电机组的局部可达密度和预定风力发电机组的局部可达密度，确定风力发电机组是否离群。根据本实施例，通过其他风力发电机组与风力发电机组的距离，进一步的获取每个风力发电机组的局部可达密度，基于该局部可达密度，可以相对准确的知晓风力发电机组是否离群。
例如，仍以功率分仓后的净空最小值曲线为例，首先定义点P与邻近点的平均可达距离的倒数为局部可达密度，可以记为lrd(p)，此时为了得到点P以及其他点Oi的局部可达密度，需要获取每个点的K-邻近距离，以点P为例，假设K＝3，此时需要获取第3个距离点P最近的点与点P之间的距离，即点P的K-邻近距离，可以记为k-distance(p)，如图8所示。在得到k-distance(p)后，如图9所示，可以获取点P的局部可达密度lrd(p)：
Figure BDA0004031891290000211
在得到上述实施例的风力发电机组的局部可达密度，即点P的局部可达密度，可以采用相类似的方法，获取到上述实施例中预定风力发电机组的局部可达密度，当点P的局部可达密度小于预定风力发电机组的局部可达密度一定值时，可以确定点P对应的风力发电机组是离群的。当然，还可以获取所有其他风力发电机组的局部可达密度，此时，当点P的局部可达密度小于所有其他风力发电机组的局部可达密度一定值时，可以确定点P对应的风力发电机组是离群的。
根据本公开的实施例，基于风力发电机组的局部可达密度和预定风力发电机组的局部可达密度，确定风力发电机组是否离群，可以包括：获取预定风力发电机组的局部可达密度；基于风力发电机组的局部可达密度和预定风力发电机组的局部可达密度，得到风力发电机组的局部异常因子；响应于局部异常因子与第六预设值的差值超过预设阈值，确定风力发电机组离群。根据本实施例，在获取到局部可达密度的基础上，进一步基于局部可达密度，求取风力发电机组的局部异常因子，从而可以更加准确确定风力发电机组是否离群。
例如，仍以功率分仓后的净空最小值曲线为例，首先定义点P的邻近点平均局部可达密度与点P的局部可达密度之比为点P的局部异常因子，即为LOF(P)，假设点P的邻近点为O1、O2和O3，此时，如图10所示，点P的局部异常因子为LOF(P)：
Figure BDA0004031891290000221
在获取到点P的局部异常因子LOF(P)后，如果LOF(P)接近1，则说明点P对应的风力发电机组与邻近区域很接近；如果LOF(P)小于1，则说明点P对应的风力发电机组处于一个相对密集的区域，离群可能性较小；如果LOF(P)远远大于1，则说明点P对应的风力发电机组离其他风力发电机组较远，离群的可能性很大，具体如图11所示和图12所示。
为例方便理解上述实施例，下面结合图13系统的进行说明，图13是示出本公开的实施例的离群识别完整流程图，如图13所示，对每台风力发电机组进行净空数据相关性分析，具体见上述实施例，此处不在展开论述。通过净空数据相关性分析后，可以获取到每台风力发电机组在不同功率仓下的净空最小值/最大值曲线，或每台风力发电机组在不同桨距角仓下的净空最小值/最大值曲线，通过LOF算法进行离群分析，根据分析结果判断是否存在离群的风力发电机组，可以是任一种曲线判定出离群，则确定存在离群机组，也可以多种曲线同时判定离群，才确定存在离群机组，如果确定存在离群机组，则输出离群预警，如果确定不存在离群机组，则结束该流程。
综上，本公开可以结合一段时间内的时序数据(即预定时间内的运行数据)的净空值与关键变量的相关性分析得到净空分布规律以及净空变化趋势，因此可以知晓出现净空异常的时间，进而在出现净空异常时，提前预知净空风险。本公开的成果模型，可部署至场群监控系统或其他与风力发电机组具有通讯的系统中，用于实时异常净空诊断和场级净空离群识别，风力发电机组在接收到预警信息后可做相应的保护动作比如抬桨距角，或大部件和净空设备预防性排查。本公开的成果模型，还可部署至预警平台，用于单机异常净空诊断预警和场群净空离群识别预警，项目工作人员在接收到预警信息后可提前做扫塔风险或大部件风险排查。本公开的成果模型，还可部署至大数据平台用于风险机位摸底排查，形成内容包括但不限于风险工况、风险机组、风险地形的风险机组台账，以便提前部署预防风险、避免造成更大的经济损失。
图14是示出本公开的风力发电机组的净空异常检测装置的框图，如图14所示，该装置包括第一获取单元140、第二获取单元142、分组单元144、第一确定单元146和第二确定单元148。
第一获取单元140，被配置为获取预定时间内风力发电机组的运行数据；第二获取单元142，被配置为从运行数据中，获取风速在预定风速范围内且功率在预定功率范围内的第一运行数据；分组单元144，被配置为将第一运行数据划分为个运行数据片段；第一确定单元146，被配置为对于每个运行数据片段，在运行数据片段内第一指定净空值小于第一预设值且运行数据片段满足预设条件的情况下，将运行数据片段确定为净空异常片段，其中，预设条件与运行数据片段内净空值小于第一预设值的运行数据的条数相关联；第二确定单元148，被配置为根据净空异常片段确定风力发电机组的净空异常。
根据本公开的实施例，预设条件包括以下之一：运行数据片段内净空值小于第一预设值的运行数据的条数大于第二预设值；运行数据片段内净空值小于第一预设值的运行数据的条数与运行数据片段内运行数据总条数的比例达到第一预定比例。
根据本公开的实施例，第二确定单元148，还被配置为响应于预定时间内净空异常片段的数量大于第三预设值，确定风力发电机组的净空异常。
根据本公开的实施例，第二获取单元142，还被配置为在从运行数据中，获取风速在预定风速范围内且功率在预定功率范围内的第一运行数据之前，对运行数据进行功率分仓，以将运行数据划分到多个功率区间并且获取每个功率区间内运行数据的第二指定净空值；响应于在预定功率范围内，第二指定净空值在第一预定范围内的功率区间的数量与预定功率范围内功率区间的总数量的比例达到第二预定比例，确定第一净空检测设备标志位指示净空检测设备校准无异常。
根据本公开的实施例，第二获取单元142，还被配置为在从运行数据中，获取风速在预定风速范围内且功率在预定功率范围内的第一运行数据之前，对运行数据进行角度分仓，以将运行数据划分到多个桨距角区间，并获取每个桨距角区间内运行数据的第二指定净空值；响应于在最小桨距角至预定度数的范围内，第二指定净空值在第一预定范围内的桨距角区间的数量与最小桨距角至预定度数的范围内桨距角区间的总数量的比例达到第二预定比例，确定第二净空检测设备标志位指示净空检测设备校准无异常。
根据本公开的实施例，第二获取单元142，还被配置为响应于第一净空检测设备标志位和第二净空检测设备标志位均指示净空检测设备校准无异常，确定净空检测设备校准无异常。
根据本公开的实施例，第二获取单元142，还被配置为响应于净空检测设备校准异常，获取每个功率区间内运行数据的第一指定净空值；响应于在预定功率范围内，第一指定净空值在第二预定范围内的功率区间的数量与预定功率范围内功率区间的总数量的比例达到第三预定比例，确定第一净空值标志位指示净空值无异常，否则确定风力发电机组预测出现低净空风险并发出立即校准净空检测设备的提示信息。
根据本公开的实施例，第二获取单元142，还被配置为响应于净空检测设备校准异常，获取每个桨距角区间内运行数据的第一指定净空值；响应于在最小桨距角至预定度数的范围内，第一指定净空值在第二预定范围内的桨距角区间的数量与最小桨距角至预定度数的范围内桨距角区间的总数量的比例达到第三预定比例，确定第二净空值标志位指示净空值无异常，否则确定风力发电机组预测出现低净空风险并发出立即校准净空检测设备的提示信息。
根据本公开的实施例，第二获取单元142，还被配置为响应于第一净空值标志位和第二净空值标志位均指示净空值无异常，确定净空值无异常，否则确定风力发电机组预测出现低净空风险并发出立即校准净空检测设备的提示信息。
根据本公开的实施例，第二获取单元142，还被配置为从运行数据中，获取净空值在第三预定范围内的第二运行数据；获取第二运行数据中每条运行数据的时长之和，作为第一时长；获取运行数据的起始时间至结束时间之间的时长，作为第二时长；响应于第一时长和第二时长满足完整性条件，从运行数据中，获取风速在预定风速范围内且功率在预定功率范围内的第一运行数据。
根据本公开的实施例，第二获取单元142，还被配置为从运行数据中，获取处于并网状态下、净空值大于第四预设值且小于第五预设值的第三运行数据；第三运行数据中每条运行数据的时长之和，作为第三时长；获取运行数据的起始时间至结束时间之间的时长，作为第二时长，其中，第二运行数据是运行数据中净空值在第三预定范围内的运行数据；响应于第三时长和第二时长满足有效性条件，从运行数据中，获取风速在预定风速范围内且功率在预定功率范围内的第一运行数据。
根据本公开的实施例，分组单元144，还被配置为对于每个运行数据片段，获取运行数据片段的起始时间至结束时间之间的时长，作为运行数据片段的时长；在连续的预定数量的运行数据片段的时长之和小于预定时长的情况下，合并预定数量的运行数据片段，并使用合并后的运行数据片段替换预定数量的运行数据片段。
根据本公开的实施例，离群确定单元，被配置为针对包括风力发电机组的风电场内的每个风力发电机组，基于每个功率区间内运行数据的净空预定值，获取相应风力发电机组的第一净空预定值曲线，并且基于每个桨距角区间内运行数据的净空预定值，获取相应风力发电机组的第二净空预定值曲线，其中，净空预定值为第二指定净空值、第一指定净空值或净空平均值；基于所有风力发电机组的第一净空预定值曲线和/或第二净空预定值曲线，确定风力发电机组是否离群。
根据本公开的实施例，离群确定单元，还被配置为对于每种净空预定值曲线，基于所有风力发电机组的净空预定值曲线，确定风电场内其他风力发电机组与风力发电机组的距离；基于风电场内其他风力发电机组与风力发电机组的距离，确定风力发电机组是否离群。
根据本公开的实施例，离群确定单元，还被配置为获取预定风力发电机组与风力发电机组的距离的平均值，其中，预定风力发电机组为其他风力发电机组中，按与风力发电机组的距离排序后，在预定名次之前的风力发电机组；基于平均值的关联数据，得到风力发电机组的局部可达密度；基于风力发电机组的局部可达密度和预定风力发电机组的局部可达密度，确定风力发电机组是否离群。
根据本公开的实施例，离群确定单元，还被配置为获取预定风力发电机组的局部可达密度；基于风力发电机组的局部可达密度和预定风力发电机组的局部可达密度，得到风力发电机组的局部异常因子；响应于局部异常因子与第六预设值的差值超过预设阈值，确定风力发电机组离群。
根据本公开的实施例，提供了一种存储指令的计算机可读存储介质，其中，当指令被至少一个计算装置运行时，促使至少一个计算装置执行如上述任一实施例的风力发电机组的净空异常检测方法。
根据本公开的实施例，提供了一种包括至少一个计算装置和至少一个存储指令的存储装置的系统，其中，指令在被至少一个计算装置运行时，促使至少一个计算装置执行如上述任一实施例的风力发电机组的净空异常检测方法。
在另一总的方面，提供了一种风力发电机组，包括如上述的风力发电机组的净空异常检测装置。
虽然已表示和描述了本公开的一些实施例，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，可以对这些实施例进行修改。

Claims (20)

1.一种风力发电机组的净空异常检测方法，其特征在于，包括：
获取预定时间内风力发电机组的运行数据；
从所述运行数据中，获取风速在预定风速范围内且功率在预定功率范围内的第一运行数据；
将所述第一运行数据划分为多个运行数据片段；
对于每个运行数据片段，在所述运行数据片段内第一指定净空值小于第一预设值且所述运行数据片段满足预设条件的情况下，将所述运行数据片段确定为净空异常片段，其中，所述预设条件与所述运行数据片段内净空值小于所述第一预设值的运行数据的条数相关联；
根据所述净空异常片段确定所述风力发电机组的净空异常。
2.如权利要求1所述的净空异常检测方法，其特征在于，所述预设条件包括以下之一：
所述运行数据片段内净空值小于所述第一预设值的运行数据的条数大于第二预设值；
所述运行数据片段内净空值小于所述第一预设值的运行数据的条数与所述运行数据片段内运行数据总条数的比例达到第一预定比例。
3.如权利要求1所述的净空异常检测方法，其特征在于，根据所述净空异常片段确定所述风力发电机组的净空异常，包括：
响应于所述预定时间内净空异常片段的数量大于第三预设值，确定所述风力发电机组的净空异常。
4.如权利要求1所述的净空异常检测方法，其特征在于，在所述从所述运行数据中，获取风速在预定风速范围内且功率在预定功率范围内的第一运行数据之前，还包括：
对所述运行数据进行功率分仓，以将所述运行数据划分到多个功率区间并且获取每个功率区间内所述运行数据的第二指定净空值；
响应于在所述预定功率范围内，第二指定净空值在第一预定范围内的功率区间的数量与所述预定功率范围内功率区间的总数量的比例达到第二预定比例，确定第一净空检测设备标志位指示净空检测设备校准无异常。
5.如权利要求1所述的净空异常检测方法，其特征在于，在所述从所述运行数据中，获取风速在预定风速范围内且功率在预定功率范围内的第一运行数据之前，还包括：
对所述运行数据进行角度分仓，以将所述运行数据划分到多个桨距角区间，并获取每个桨距角区间内所述运行数据的第二指定净空值；
响应于在最小桨距角至预定度数的范围内，第二指定净空值在第一预定范围内的桨距角区间的数量与所述最小桨距角至预定度数的范围内桨距角区间的总数量的比例达到第二预定比例，确定第二净空检测设备标志位指示所述净空检测设备校准无异常。
6.如权利要求4或5所述的净空异常检测方法，其特征在于，还包括：
响应于第一净空检测设备标志位和第二净空检测设备标志位均指示所述净空检测设备校准无异常，确定所述净空检测设备校准无异常。
7.如权利要求1所述的净空异常检测方法，其特征在于，还包括：
响应于所述净空检测设备校准异常，获取每个功率区间内所述运行数据的第一指定净空值；
响应于在所述预定功率范围内，第一指定净空值在第二预定范围内的功率区间的数量与所述预定功率范围内功率区间的总数量的比例达到第三预定比例，确定第一净空值标志位指示净空值无异常，否则确定所述风力发电机组预测出现低净空风险并发出立即校准所述净空检测设备的提示信息。
8.如权利要求1所述的净空异常检测方法，其特征在于，还包括：
响应于所述净空检测设备校准异常，获取每个桨距角区间内所述运行数据的第一指定净空值；
响应于在最小桨距角至预定度数的范围内，第一指定净空值在第二预定范围内的桨距角区间的数量与所述最小桨距角至预定度数的范围内桨距角区间的总数量的比例达到第三预定比例，确定第二净空值标志位指示所述净空值无异常，否则确定所述风力发电机组预测出现低净空风险并发出立即校准所述净空检测设备的提示信息。
9.如权利要求7或8所述的净空异常检测方法，其特征在于，还包括：
响应于第一净空值标志位和第二净空值标志位均指示所述净空值无异常，确定所述净空值无异常，否则确定所述风力发电机组预测出现低净空风险并发出立即校准所述净空检测设备的提示信息。
10.如权利要求1所述的净空异常检测方法，其特征在于，所述从所述运行数据中，获取风速在预定风速范围内且功率在预定功率范围内的第一运行数据，包括：
从所述运行数据中，获取净空值在第三预定范围内的第二运行数据；
获取所述第二运行数据中每条运行数据的时长之和，作为第一时长；
获取所述运行数据的起始时间至结束时间之间的时长，作为第二时长；
响应于所述第一时长和所述第二时长满足完整性条件，从所述运行数据中，获取风速在预定风速范围内且功率在预定功率范围内的第一运行数据。
11.如权利要求1所述的净空异常检测方法，其特征在于，所述从所述运行数据中，获取风速在预定风速范围内且功率在预定功率范围内的第一运行数据，包括：
从所述运行数据中，获取处于并网状态下、净空值大于第四预设值且小于第五预设值的第三运行数据；
所述第三运行数据中每条运行数据的时长之和，作为第三时长；
获取所述运行数据的起始时间至结束时间之间的时长，作为第二时长；
响应于所述第三时长和所述第二时长满足有效性条件，从所述运行数据中，获取风速在预定风速范围内且功率在预定功率范围内的第一运行数据。
12.如权利要求1所述的净空异常检测方法，其特征在于，还包括：
对于每个运行数据片段，获取所述运行数据片段的起始时间至结束时间之间的时长，作为所述运行数据片段的时长；
在连续的预定数量的运行数据片段的时长之和小于预定时长的情况下，合并所述预定数量的运行数据片段，并使用合并后的运行数据片段替换所述预定数量的运行数据片段。
13.如权利要求6所述的净空异常检测方法，其特征在于，还包括：
针对包括所述风力发电机组的风电场内的每个风力发电机组，基于每个功率区间内运行数据的净空预定值，获取相应风力发电机组的第一净空预定值曲线，并且基于每个桨距角区间内运行数据的净空预定值，获取相应风力发电机组的第二净空预定值曲线，其中，所述净空预定值为所述第二指定净空值、所述第一指定净空值或净空平均值；
基于所有风力发电机组的第一净空预定值曲线和/或第二净空预定值曲线，确定所述风力发电机组是否离群。
14.如权利要求13所述的净空异常检测方法，其特征在于，所述基于所有风力发电机组的第一净空预定值曲线和/或第二净空预定值曲线，确定所述风力发电机组是否离群，包括：
对于每种净空预定值曲线，基于所有风力发电机组的所述净空预定值曲线，确定所述风电场内其他风力发电机组与所述风力发电机组的距离；
基于所述风电场内其他风力发电机组与所述风力发电机组的距离，确定所述风力发电机组是否离群。
15.如权利要求14所述的净空异常检测方法，其特征在于，所述基于所述风电场内其他风力发电机组与所述风力发电机组的距离，确定所述风力发电机组是否离群，包括：
获取预定风力发电机组与所述风力发电机组的距离的平均值，其中，所述预定风力发电机组为所述其他风力发电机组中，按与所述风力发电机组的距离排序后，在预定名次之前的风力发电机组；
基于所述平均值的关联数据，得到所述风力发电机组的局部可达密度；
基于所述风力发电机组的局部可达密度和所述预定风力发电机组的局部可达密度，确定所述风力发电机组是否离群。
16.如权利要求15所述的净空异常检测方法，其特征在于，所述基于所述风力发电机组的局部可达密度和所述预定风力发电机组的局部可达密度，确定所述风力发电机组是否离群，包括：
获取所述预定风力发电机组的局部可达密度；
基于所述风力发电机组的局部可达密度和所述预定风力发电机组的局部可达密度，得到所述风力发电机组的局部异常因子；
响应于所述局部异常因子与第六预设值的差值超过预设阈值，确定所述风力发电机组离群。
17.一种风力发电机组的净空异常检测装置，其特征在于，包括：
第一获取单元，被配置为获取预定时间内风力发电机组的运行数据；
第二获取单元，被配置为从所述运行数据中，获取风速在预定风速范围内且功率在预定功率范围内的第一运行数据；
分组单元，被配置为将所述第一运行数据划分为个运行数据片段；
第一确定单元，被配置为对于每个运行数据片段，在所述运行数据片段内第一指定净空值小于第一预设值且所述运行数据片段满足预设条件的情况下，将所述运行数据片段确定为净空异常片段，其中，所述预设条件与所述运行数据片段内净空值小于所述第一预设值的运行数据的条数相关联；
第二确定单元，被配置为根据所述净空异常片段确定所述风力发电机组的净空异常。
18.一种存储指令的计算机可读存储介质，其特征在于，当所述指令被至少一个计算装置运行时，促使所述至少一个计算装置执行如权利要求1至16中的任一权利要求所述的风力发电机组的净空异常检测方法。
19.一种包括至少一个计算装置和至少一个存储指令的存储装置的系统，其特征在于，所述指令在被所述至少一个计算装置运行时，促使所述至少一个计算装置执行如权利要求1至16中的任一权利要求所述的风力发电机组的净空异常检测方法。
20.一种风力发电机组，其特征在于，包括如权利要求17所述的净空异常检测装置。
CN202211734407.8A 2022-12-30 2022-12-30 风力发电机组的净空异常检测方法及装置 Active CN116292133B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211734407.8A CN116292133B (zh) 2022-12-30 2022-12-30 风力发电机组的净空异常检测方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211734407.8A CN116292133B (zh) 2022-12-30 2022-12-30 风力发电机组的净空异常检测方法及装置

Publications (2)

Publication Number Publication Date
CN116292133A true CN116292133A (zh) 2023-06-23
CN116292133B CN116292133B (zh) 2023-11-17

Family

ID=86817510

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211734407.8A Active CN116292133B (zh) 2022-12-30 2022-12-30 风力发电机组的净空异常检测方法及装置

Country Status (1)

Country Link
CN (1) CN116292133B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108087210A (zh) * 2017-12-19 2018-05-29 北京金风科创风电设备有限公司 风力发电机组叶片异常识别方法及装置
WO2019110624A1 (en) * 2017-12-04 2019-06-13 Nidec Ssb Wind Systems Gmbh Wind-turbine tower to blade-tip measuring system
CN110886679A (zh) * 2019-11-20 2020-03-17 明阳智慧能源集团股份公司 一种用于风力发电机组主动控制叶片净空的方法
CN112901426A (zh) * 2021-02-26 2021-06-04 中国华能集团清洁能源技术研究院有限公司 风电机组叶片净空监测装置、方法、系统、设备及介质
CN114692481A (zh) * 2020-12-30 2022-07-01 新疆金风科技股份有限公司 扫塔风险预警方法、装置、系统、设备及介质
CN115807739A (zh) * 2021-09-13 2023-03-17 北京金风科创风电设备有限公司 风力发电机组的叶片失速确定方法及装置

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2019110624A1 (en) * 2017-12-04 2019-06-13 Nidec Ssb Wind Systems Gmbh Wind-turbine tower to blade-tip measuring system
CN108087210A (zh) * 2017-12-19 2018-05-29 北京金风科创风电设备有限公司 风力发电机组叶片异常识别方法及装置
CN110886679A (zh) * 2019-11-20 2020-03-17 明阳智慧能源集团股份公司 一种用于风力发电机组主动控制叶片净空的方法
CN114692481A (zh) * 2020-12-30 2022-07-01 新疆金风科技股份有限公司 扫塔风险预警方法、装置、系统、设备及介质
CN112901426A (zh) * 2021-02-26 2021-06-04 中国华能集团清洁能源技术研究院有限公司 风电机组叶片净空监测装置、方法、系统、设备及介质
CN115807739A (zh) * 2021-09-13 2023-03-17 北京金风科创风电设备有限公司 风力发电机组的叶片失速确定方法及装置

Also Published As

Publication number Publication date
CN116292133B (zh) 2023-11-17

Similar Documents

Publication Publication Date Title
CN110414155B (zh) 一种带有单测点的风机部件温度异常检测和报警方法
CN108376298B (zh) 一种风电机组发动机温度故障预警诊断方法
CN111598438B (zh) 基于分段拟合分析及评估的民航发动机气路异常检测方法
US8326577B2 (en) System and method for predicting wind turbine component failures
CN101135614B (zh) 异常监控设备和方法
CN110414154B (zh) 一种带有双测点的风机部件温度异常检测和报警方法
CN110688617B (zh) 风机振动异常检测方法及装置
CN107291991B (zh) 一种基于动态网络标志的风电机组早期缺陷预警方法
CN110378042B (zh) 基于scada数据的风电机组齿轮箱油温异常检测方法及系统
CN110689141B (zh) 风力发电机组的故障诊断方法及设备
CN104953583B (zh) 基于变点探测和Prony方法相结合的电力系统低频振荡在线监测方法
CN113847216B (zh) 风机叶片的状态预测方法、装置、设备及存储介质
CN111125895B (zh) 一种风力发电机整机服役功率特性在线评估方法
CN114215705B (zh) 风电机组故障预警方法和系统
CN111997831A (zh) 风电机组的载荷控制方法和装置
de Andrade Vieira et al. Wind turbine condition assessment based on changes observed in its power curve
CN116050599A (zh) 一种线路覆冰故障预测方法、系统、存储介质及设备
CN114061743A (zh) 风力发电机组的振动监测方法、装置、设备及介质
CN116292133B (zh) 风力发电机组的净空异常检测方法及装置
CN112016739B (zh) 故障检测方法、装置、电子设备及存储介质
CN109635430A (zh) 电网输电线路暂态信号监测方法和系统
CN117365869A (zh) 一种风电机组桨叶扫塔故障的自适应预警策略设计方法
CN111314110B (zh) 一种用于分布式系统的故障预警方法
CN112949181A (zh) 一种多源关联数据的预警预测方法、存储介质及电子设备
CN115828439B (zh) 风力发电机组异常损耗的识别方法及装置

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
GR01 Patent grant
GR01 Patent grant