CN116641850A - 风电系统故障检测方法、装置、介质、设备及风电系统 - Google Patents

风电系统故障检测方法、装置、介质、设备及风电系统 Download PDF

Info

Publication number
CN116641850A
CN116641850A CN202310418386.7A CN202310418386A CN116641850A CN 116641850 A CN116641850 A CN 116641850A CN 202310418386 A CN202310418386 A CN 202310418386A CN 116641850 A CN116641850 A CN 116641850A
Authority
CN
China
Prior art keywords
fans
unmanned aerial
aerial vehicle
fault
wind power
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
CN202310418386.7A
Other languages
English (en)
Inventor
王广群
李大钧
孙金龙
史明亮
祁伟
刘海龙
张欣
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.)
Guohua Energy Investment Co ltd
Zhongxin Hanchuang Beijing Technology Co Ltd
Original Assignee
Guohua Energy Investment Co ltd
Zhongxin Hanchuang Beijing Technology 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 Guohua Energy Investment Co ltd, Zhongxin Hanchuang Beijing Technology Co Ltd filed Critical Guohua Energy Investment Co ltd
Priority to CN202310418386.7A priority Critical patent/CN116641850A/zh
Publication of CN116641850A publication Critical patent/CN116641850A/zh
Pending legal-status Critical Current

Links

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
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B64—AIRCRAFT; AVIATION; COSMONAUTICS
    • B64U—UNMANNED AERIAL VEHICLES [UAV]; EQUIPMENT THEREFOR
    • B64U20/00—Constructional aspects of UAVs
    • B64U20/80—Arrangement of on-board electronics, e.g. avionics systems or wiring
    • 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
    • F03D7/0276—Controlling wind motors  the wind motors having rotation axis substantially parallel to the air flow entering the rotor controlling rotor speed, e.g. variable speed
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B64—AIRCRAFT; AVIATION; COSMONAUTICS
    • B64U—UNMANNED AERIAL VEHICLES [UAV]; EQUIPMENT THEREFOR
    • B64U2101/00—UAVs specially adapted for particular uses or applications
    • B64U2101/30—UAVs specially adapted for particular uses or applications for imaging, photography or videography
    • B64U2101/31—UAVs specially adapted for particular uses or applications for imaging, photography or videography for surveillance
    • 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)
  • Life Sciences & Earth Sciences (AREA)
  • Sustainable Development (AREA)
  • Sustainable Energy (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • General Engineering & Computer Science (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Remote Sensing (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Control Of Positive-Displacement Air Blowers (AREA)

Abstract

本公开涉及一种风电系统故障检测方法、装置、介质、设备及风电系统。所述方法包括：确定所述多个风机的转速；确定所述多个风机的转速平均值和转速最大值；确定转速不小于所述转速平均值的风机数量；根据所述多个风机的转速平均值、所述多个风机的转速最大值和转速不小于所述转速平均值的风机数量，确定所述多个风机是否发生故障。这样，能够精准、快速地确定出所述多个风机是否发生故障，节省了人工。

Description

风电系统故障检测方法、装置、介质、设备及风电系统
技术领域
本公开涉及风电运维领域，具体地，涉及一种风电系统故障检测方法、装置、介质、设备及风电系统。
背景技术
风电是一种清洁能源，在我国的西北地区得到了大力推广，是我国电力系统中不可或缺的一部分，而风机长时间暴露在自然环境中，常因自然因素发生受损现象从而对发电效率造成影响。
目前，风电系统中的风机铺设范围广，数量多。在相关技术中，通常通过人工判断风机是否发生故障，效率较低，准确率较低。
发明内容
本公开的目的是提供一种风电系统故障检测方法、装置、介质、设备及风电系统，能够精准、快速地确定出风机是否发生故障。
为了实现上述目的，本公开提供一种风电系统故障检测方法，所述风电系统包括多个风机，所述方法包括：
确定所述多个风机的转速；
确定所述多个风机的转速平均值和转速最大值；
确定转速不小于所述转速平均值的风机数量；
根据所述多个风机的转速平均值、所述多个风机的转速最大值和转速不小于所述转速平均值的风机数量，确定所述多个风机是否发生故障。
可选地，所述根据所述多个风机的转速平均值、所述多个风机的转速最大值和转速不小于所述转速平均值的风机数量，确定所述多个风机是否发生故障，包括：
根据以下公式计算转速阈值ω0：
其中，表示所述多个风机的转速平均值，ωmax表示所述多个风机的转速最大值，m表示所述多个风机的数量，n表示转速不小于所述转速平均值的风机数量；
将转速小于所述转速阈值的风机确定为故障风机。
可选地，所述方法还包括：
获取所述故障风机的叶片图像；
从预定的多个叶片图像中，确定出与所述故障风机的叶片图像相似度最高的图像，作为选定图像；
在预定的对应关系中查找出与所述选定图像对应的故障类型，作为所确定的故障类型，所述对应关系包括所述预定的多个叶片图像与故障类型之间的对应关系。
可选地，所述风电系统包括无人机巡检小组，所述无人机巡检小组包括统筹画面无人机和故障检测无人机；
所述确定所述多个风机的转速，包括：接收所述统筹画面无人机发送的所述多个风机的图像；根据所述多个风机的图像确定所述多个风机的转速；
所述获取所述故障风机的叶片图像，包括：接收所述故障检测无人机发送的所述故障风机的叶片图像；
所述方法还包括：
获取所述无人机巡检小组当前所处环境的风向和风力；
根据以下公式调整所述无人机巡检小组的飞行参数：
其中，α表示调整前的飞行方向与正东方向的夹角，β表示调整后的飞行方向与正东方向之间的夹角，θ表示风向与调整前的飞行方向法线的夹角，v表示所述无人机巡检小组的飞行速度的大小，F表示风力大小，k表示风力影响系数，t表示调整后的飞行时间，t′表示调整前的飞行时间。
可选地，所述方法还包括：
获取所述故障检测无人机在所述故障风机叶片旋转平面上的投影与旋转中心的距离和所述故障检测无人机在单位时间内相对于所述故障风机叶片的径向移动距离；
根据以下公式计算所述故障检测无人机从所述故障风机叶片内侧向外侧移动时的第一目标速度v1：
其中，Δd所述故障检测无人机在单位时间内相对于所述故障风机叶片的径向移动距离，ω表示所述故障风机的转速，d表示所述故障检测无人机在所述故障风机叶片旋转平面上的投影与旋转中心的距离；
控制所述故障检测无人机在从所述故障风机叶片内侧向外侧移动时以所述第一目标速度飞行。
可选地，所述方法还包括：
根据以下公式计算所述故障检测无人机从所述故障风机叶片外侧向内侧移动时的第二目标速度v2：
控制所述故障检测无人机在从所述故障风机叶片外侧向内侧移动时以所述第二目标速度飞行。
本公开还提供一种风电系统故障检测装置，所述风电系统包括多个风机，所述装置包括：
第一确定模块，用于确定所述多个风机的转速；
第二确定模块，用于确定所述多个风机的转速平均值和转速最大值；
第三确定模块，用于确定转速不小于所述转速平均值的风机数量；
第四确定模块，用于根据所述多个风机的转速平均值、所述多个风机的转速最大值和转速不小于所述转速平均值的风机数量，确定所述多个风机是否发生故障。
本公开还提供一种非临时性计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现权利要求上述的风电系统故障检测方法的步骤。
本公开还提供一种电子设备，包括：
存储器，其上存储有计算机程序；
处理器，用于执行所述存储器中的所述计算机程序，以实现上述的风电系统故障检测方法的步骤。
本公开还提供一种风电系统，包括；
多个风机；
上述的电子设备；
无人机巡检小组，包括：
风力检测无人机，用于检测环境的风向和风力；
统筹画面无人机，用于采集所述多个风机的图像；
故障检测无人机，用于采集所述故障风机的叶片图像；
安全控制无人机，用于确定所述故障检测无人机在所述故障风机叶片旋转平面上的投影与旋转中心的距离和所述故障检测无人机在单位时间内相对于所述故障风机叶片的径向移动距离。
通过上述技术方案，确定多个风机的转速，确定多个风机的转速平均值和转速最大值，确定转速不小于转速平均值的风机数量，根据多个风机的转速平均值、多个风机的转速最大值和转速不小于转速平均值的风机数量，确定多个风机是否发生故障。这样，能够精准、快速地确定出多个风机是否发生故障，节省了人工。
本公开的其他特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
附图是用来提供对本公开的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本公开，但并不构成对本公开的限制。在附图中：
图1是一示例性实施例提供的风电系统故障检测方法的流程图。
图2是一示例性实施例提供的无人机巡检小组飞行参数调整过程的示意图。
图3是一示例性实施例提供的故障检测无人机从故障风机叶片外侧向内侧移动的示意图。
图4是一示例性实施例提供的故障检测无人机从故障风机叶片内侧向内侧移动的示意图。
图5是一示例性实施例提供的风电系统故障检测装置的框图。
具体实施方式
以下结合附图对本公开的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本公开，并不用于限制本公开。
需要说明的是，本公开中所有获取信号、信息或数据的动作都是在遵照所在地国家相应的数据保护法规政策的前提下，并获得由相应装置所有者给予授权的情况下进行的。
图1是一示例性实施例提供的风电系统故障检测方法的流程图。如图1所示，风电系统包括多个风机，该方法包括以下步骤。
在步骤S101中，确定多个风机的转速。
风电系统的每个发电区域内通常设置多个风机。风机的转速与发电能力具有正相关的关系，风机的转速越快，发电能力越强。风机的转速与风机所布设的发电区域的风速有关，风速越快，风机的转速越快。可以通过相关技术中的方法确定多个风机的转速。
在步骤S102中，确定多个风机的转速平均值和转速最大值。
在获取多个风机的转速后，可以通过相关技术中的方法确定多个风机的转速平均值和转速最大值。
在步骤S103中，确定转速不小于转速平均值的风机数量。
在确定出转速平均值后，可以通过相关技术中的方法确定转速不小于转速平均值的风机数量。
在步骤S104中，根据多个风机的转速平均值、多个风机的转速最大值和转速不小于转速平均值的风机数量，确定多个风机是否发生故障。
布设于同一发电区域内的多个风机，每个风机所在位置的风速大小趋近于相同，在多个风机的型号相同的情况下，若多个风机均未发生故障，则多个风机的转速大小趋近于相同。若有风机发生故障，则故障风机的转速与未发生故障风机的转速可能会存在明显差异。可以在确定出风机的转速、多个风机的转速平均值、多个风机的转速最大值和转速不小于转速平均值的风机数量后，根据多个风机的转速平均值、多个风机的转速最大值和转速不小于转速平均值的风机数量，确定多个风机是否发生故障。
通过上述技术方案，确定多个风机的转速，确定多个风机的转速平均值和转速最大值，确定转速不小于转速平均值的风机数量，根据多个风机的转速平均值、多个风机的转速最大值和转速不小于转速平均值的风机数量，确定多个风机是否发生故障。这样，能够精准、快速地确定出多个风机是否发生故障，节省了人工。
在又一实施例中，上述根据多个风机的转速平均值、多个风机的转速最大值和转速不小于转速平均值的风机数量，确定多个风机是否发生故障，包括：
根据以下公式计算转速阈值ω0：
其中，表示多个风机的转速平均值，ωmax表示多个风机的转速最大值，m表示多个风机的数量，n表示转速不小于转速平均值的风机数量；
将转速小于转速阈值的风机确定为故障风机。
转速阈值表征在同一风速下，型号相同的多个风机正常工况下未发生故障时的最低转速，可以通过公式(1)计算转速阈值ω0。
当风机转速小于转速阈值时，风机的转速较低，与其它布设于同一区域的风机转速差异明显，可以确定风机发生故障。当风机转速不小于转速阈值时，风机的转速正常，可以确定风机未发生故障。
在该实施例中，根据上述公式(1)能够快速地计算出转速阈值ω0，并且能够简单地根据阈值比较结果确定出多个风机是否发生故障，方法简单，数据处理速度快。
在又一实施例中，上述方法还包括：
获取故障风机的叶片图像；
从预定的多个叶片图像中，确定出与故障风机的叶片图像相似度最高的图像，作为选定图像；
在预定的对应关系中查找出与选定图像对应的故障类型，作为所确定的故障类型，对应关系包括预定的多个叶片图像与故障类型之间的对应关系。
风机的故障类型包括雷击损伤、叶片结冰、前缘腐蚀、叶尖排水孔堵塞、边缘开裂、涂层脱落和螺栓断裂。在风机发生上述故障后，风机的叶片的外形会发生变化，因此，在确定出故障风机后，可以获取故障风机的叶片图像。
受环境因素和发生故障的严重程度的影响，不同故障类型风机的叶片图像并不相同，即使风机发生同一类型的故障(例如叶片结冰)，故障风机的叶片图像也不可能完全相同，因此，可以预先存储多个故障类型的叶片图像(标准图像)，将预定的多个叶片图像中与所获取的故障风机的叶片图像相似度最高的图像，作为选定图像。计算相似度可以利用本领域技术人员所公知的方法，其具体原理于此不再赘述。
在确定出选定图像后，可以在预定的对应关系中查找出与选定图像对应的故障类型，作为所确定的故障类型。例如，若选定图像对应的故障类型为涂层脱落，则将故障类型确定为涂层脱落。
在该实施例中，将与故障风机的叶片图像相似度最高的图像，作为选定图像，采用查表的方式，能够快速地确定出与选定图像对应的故障类型，方法简单，数据处理速度快。
在又一实施例中，风电系统包括无人机巡检模块、专家知识库模块和巡检数据分析模块。无人机巡检模块用于根据专家知识库模块的巡检方案数据分派无人机进行运维巡检。专家知识库模块用于存储巡检方案数据，巡检方案数据包括巡检时间数据、巡检区域数据、风机巡检流程数据和巡检小组构成数据。巡检时间数据用于控制无人机开始巡检的时间，巡检区域数据用于确定需要巡检的风机所在的区域，巡检区域数据中还配有无人机从起飞点到达对应巡检区域的飞行参数，无人机到达巡检区域后根据风机巡检流程数据对风机进行检查，巡检小组构成数据中包括所需的无人机数量以及对应的无人机类型，无人机巡检模块根据巡检小组构成数据来分派对应的无人机。巡检数据分析模块用于对无人机在巡检过程中获取的数据进行分析，以得到风机的运行情况。
在又一实施例中，风电系统包括无人机巡检小组，无人机巡检小组包括统筹画面无人机和故障检测无人机。
上述确定多个风机的转速，包括：接收统筹画面无人机发送的多个风机的图像；根据多个风机的图像确定多个风机的转速。
上述获取故障风机的叶片图像，包括：接收故障检测无人机发送的故障风机的叶片图像。
上述方法还包括：
获取无人机巡检小组当前所处环境的风向和风力；
根据以下公式调整无人机巡检小组的飞行参数：
其中，α表示调整前的飞行方向与正东方向的夹角，β表示调整后的飞行方向与正东方向之间的夹角，θ表示风向与调整前的飞行方向法线的夹角，v表示无人机巡检小组的飞行速度的大小，F表示风力大小，k表示风力影响系数，t表示调整后的飞行时间，t′表示调整前的飞行时间。飞行时间指无人机巡检小组飞至对应的巡检区域的时间。
风电系统的无人机巡检模块包括无人机巡检小组，无人机巡检小组可以包括统筹画面无人机、故障检测无人机。统筹画面无人机用于拍摄整个巡检区域中多个风机的图像。在统筹画面无人机拍摄多个风机的图像后，地面的电子设备可以接收统筹画面无人机发送的多个风机的图像，利用本领域技术人员所公知的方法根据多个风机的图像确定出多个风机的风速。故障检测无人机用于拍摄故障风机的叶片图像。示例性的，电子设备可以接收故障检测无人机拍摄的故障风机的叶片图像来获取故障风机的叶片图像。
无人机巡检小组还包括安全控制无人机，安全控制无人机用于控制故障检测无人机在拍摄故障风机的叶片图像过程中的移动，防止故障检测无人机与故障风机的叶片发生碰撞。
无人机巡检小组还包括风力检测无人机，风力检测无人机用于获取无人机巡检小组当前所在环境的风向和风力。
无人机巡检小组的巡检过程包括以下步骤：
S1、无人机巡检模块接收专家知识库模块发送的一个或多个巡检方案数据；
S2、当时间点达到其中一个巡检方案数据中的巡检时间数据时，无人机巡检模块根据对应的巡检方案数据中的巡检小组构成数据调用相应的无人机组成无人机巡检小组；
S3、无人机巡检小组根据巡检区域数据中的飞行参数飞至对应的巡检区域；
S4、无人机巡检小组根据风机巡检流程数据对风机进行检查作业；
S5、无人机巡检小组将采集的数据发送至巡检数据分析模块；
S6、无人机巡检小组根据巡检数据分析模块的反馈指令进行后续作业；
S7、无人机巡检小组完成巡检后根据飞行参数返回。
图2是一示例性实施例提供的无人机巡检小组飞行参数调整过程的示意图。如图2所示，在无人机巡检小组飞至对应的巡检区域的过程中，无人机巡检小组的飞行方向(β表示调整后的飞行方向与正东方向之间的夹角)在风速与风力的影响下，可能偏离预先设定的方向(α表示实际飞行方向(调整前的飞行方向)与正东方向的夹角)。因此，可以获取无人机巡检小组当前所处环境的风向和风力，根据上述公式(2)、(3)调整无人机巡检小组的飞行参数，调整后的飞行方向在风力和风向作用下的实际飞行方向等同于目标飞行方向(目的地为巡检区域的飞行方向)。上述公式(2)中的k值可以由设计人员根据试验预先设定。F·k表示单位时间内无人机在F风力作用下的偏移距离。
在该实施例中，考虑无人机巡检小组当前所处环境的风向和风力对无人机巡检小组飞行参数的影响，根据上述公式(2)、(3)能够快速地调整无人机巡检小组的飞行参数，提高了巡检效率。
在又一实施例中，无人机巡检小组飞至巡检区域后的工作过程包括以下步骤：
S31、统筹画面无人机拍摄多个风机的图像并发送给巡检数据分析模块，巡检数据分析模块返回故障风机数据；
S32、故障检测无人机和安全控制无人机飞至对应的故障风机附近；
S33、故障检测无人机在安全控制无人机的辅助下进行类螺旋运动(相对于地面)，类螺旋运动由多段直线运动(相对于风机叶片)构成，故障检测无人机相对风机叶片呈径向直线移动，拍摄故障风机的叶片图像并发送给巡检数据分析模块；
S34、故障检测无人机对步骤S32中的全部故障风机的叶片拍摄图像后，风力检测无人机带领整个无人机巡检小组飞回起飞点。
在又一实施例中，上述方法还包括：
获取故障检测无人机在故障风机叶片旋转平面上的投影与旋转中心的距离和故障检测无人机在单位时间内相对于故障风机叶片的径向移动距离；
根据以下公式计算故障检测无人机从故障风机叶片内侧向外侧移动时的第一目标速度v1：
其中，Δd故障检测无人机在单位时间内相对于故障风机叶片的径向移动距离，ω表示故障风机的转速，d表示故障检测无人机在故障风机叶片旋转平面上的投影与旋转中心的距离；
控制故障检测无人机在从故障风机叶片内侧向外侧移动时以第一目标速度飞行。
在故障检测无人机拍摄故障风机的叶片图像的过程中，故障检测无人机在安全控制无人机的辅助下进行类螺旋运动，类螺旋运动由多段直线运动构成，故障检测无人机相对风机叶片呈径向直线移动。
故障检测无人机从故障风机叶片内侧向外侧移动的过程包括以下步骤：
S21、故障检测无人机飞至故障风机叶片的旋转中心正前方，调整朝向并确定移动平面，移动平面与叶片的旋转平面平行；
S22、故障检测无人机接收安全控制无人机发送的故障风机的转速ω和故障检测无人机在故障风机叶片旋转平面上的投影与旋转中心的距离d；
S23、故障检测无人机以第一目标速度v1进行向外类螺旋运动，向外类螺旋运动由若干段直线运动构成。图3是一示例性实施例提供的故障检测无人机从故障风机叶片外侧向内侧移动的示意图。结合图3,根据上述公式(4)计算故障检测无人机从故障风机叶片内侧向外侧移动时的第一目标速度v1。
在该实施例中，根据上述公式(4)能够快速地计算出故障检测无人机从故障风机叶片内侧向外侧移动时的第一目标速度v1，方法简单，数据处理速度快。
在又一实施例中，上述方法还包括：
根据以下公式计算故障检测无人机从故障风机叶片外侧向内侧移动时的第二目标速度v2：
控制故障检测无人机在从故障风机叶片外侧向内侧移动时以第二目标速度飞行。
故障检测无人机从故障风机叶片外侧向内侧移动的过程包括以下步骤：
S24、故障检测无人机在移动至叶片的外端后，悬停并等待下一个叶片旋转至正前方；
S25、故障检测无人机以第二目标速度进行向内螺旋运动直至移动至叶片旋转中心的正前方，向内类螺旋运动由若干段直线运动构成。图4是一示例性实施例提供的故障检测无人机从故障风机叶片外侧向内侧移动的示意图。结合图4，可以根据上述公式(5)计算故障检测无人机从故障风机叶片外侧向内侧移动时的第二目标速度v2；
S26、重复步骤S23至步骤S25，直至所有叶片的同一侧面被检查完毕；
S27、故障检测无人机在安全控制无人机的指挥下移动至风机的另一侧面，重复步骤S23至步骤S26；
在步骤S23和步骤S25中，故障检测无人机越靠近旋转中心，Δd越大，表现出的径向移动速度越快，故障检测无人机越远离旋转中心，Δd越小，表现出的径向移动速度越慢。
在该实施例中，根据上述公式(5)能够快速地计算出故障检测无人机从故障风机叶片外侧向内侧移动时的第二目标速度v2，方法简单，数据处理速度快。
基于相同的发明构思，本公开还提供一种风电系统故障检测装置。图5是一示例性实施例提供的风电系统故障检测装置的框图。风电系统包括多个风机。如图5所示，风电系统故障检测装置200包括第一确定模块201、第二确定模块202、第三确定模块203和第四确定模块204。
第一确定模块201用于确定多个风机的转速。
第二确定模块202用于确定多个风机的转速平均值和转速最大值。
第三确定模块203用于确定转速不小于转速平均值的风机数量。
第四确定模块204用于根据多个风机的转速平均值、多个风机的转速最大值和转速不小于转速平均值的风机数量，确定多个风机是否发生故障。
可选地，第四确定模块204包括计算子模块和第一确定子模块。
计算子模块用于根据以下公式计算转速阈值ω0：
其中，表示多个风机的转速平均值，ωmax表示多个风机的转速最大值，m表示多个风机的数量，n表示转速不小于转速平均值的风机数量。
第一确定子模块用于将转速小于转速阈值的风机确定为故障风机。
可选地，风电系统故障检测装置200还包括第一获取模块、第五确定模块和查找模块。
第一获取模块用于获取故障风机的叶片图像。
第五确定模块用于从预定的多个叶片图像中，确定出与故障风机的叶片图像相似度最高的图像，作为选定图像。
查找模块用于在预定的对应关系中查找出与选定图像对应的故障类型，作为所确定的故障类型，对应关系包括预定的多个叶片图像与故障类型之间的对应关系。
可选地，风电系统包括无人机巡检小组，无人机巡检小组包括统筹画面无人机和故障检测无人机，第一确定模块201包括第一接收子模块和第二确定子模块。
第一接收子模块用于接收统筹画面无人机发送的多个风机的图像。
第二确定子模块用于根据多个风机的图像确定多个风机的转速。
第一获取模块包括第二接收子模块。
第二接收子模块用于接收故障检测无人机发送的故障风机的叶片图像。
风电系统故障检测装置200还包括第二获取模块和调整模块。
第二获取模块用于获取无人机巡检小组当前所处环境的风向和风力。
调整模块用于根据以下公式调整无人机巡检小组的飞行参数：
其中，α表示调整前的飞行方向与正东方向的夹角，β表示调整后的飞行方向与正东方向之间的夹角，θ表示风向与调整前的飞行方向法线的夹角，v表示无人机巡检小组的飞行速度的大小，F表示风力大小，k表示风力影响系数，t表示调整后的飞行时间，t′表示调整前的飞行时间。
可选地，风电系统故障检测装置200还包括第三获取模块、第一计算模块和第一控制模块。
第三获取模块用于获取故障检测无人机在故障风机叶片旋转平面上的投影与旋转中心的距离和故障检测无人机在单位时间内相对于故障风机叶片的径向移动距离。
第一计算模块用于根据以下公式计算故障检测无人机从故障风机叶片内侧向外侧移动时的第一目标速度v1：
其中，Δd故障检测无人机在单位时间内相对于故障风机叶片的径向移动距离，ω表示故障风机的转速，d表示故障检测无人机在故障风机叶片旋转平面上的投影与旋转中心的距离。
第一控制模块用于控制故障检测无人机在从故障风机叶片内侧向外侧移动时以第一目标速度飞行。
可选地，风电系统故障检测装置200还包括第二计算模块和第二控制模块。
第二计算模块用于根据以下公式计算故障检测无人机从故障风机叶片外侧向内侧移动时的第二目标速度v2：
第二控制模块用于控制故障检测无人机在从故障风机叶片外侧向内侧移动时以第二目标速度飞行。
关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
通过上述技术方案，确定多个风机的转速，确定多个风机的转速平均值和转速最大值，确定转速不小于转速平均值的风机数量，根据多个风机的转速平均值、多个风机的转速最大值和转速不小于转速平均值的风机数量，确定多个风机是否发生故障。这样，能够精准、快速地确定出多个风机是否发生故障，节省了人工。
本公开还提供一种非临时性计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述的风电系统故障检测方法的步骤。
本公开还提供一种电子设备，包括：
存储器，其上存储有计算机程序；
处理器，用于执行存储器中的计算机程序，以实现上述的风电系统故障检测方法的步骤。
本公开还提供一种风电系统，包括；
多个风机；
上述的电子设备；
无人机巡检小组，包括：
风力检测无人机，用于检测环境的风向和风力；
统筹画面无人机，用于采集多个风机的图像；
故障检测无人机，用于采集故障风机的叶片图像；
安全控制无人机，用于确定故障检测无人机在故障风机叶片旋转平面上的投影与旋转中心的距离和故障检测无人机在单位时间内相对于故障风机叶片的径向移动距离。
以上结合附图详细描述了本公开的优选实施方式，但是，本公开并不限于上述实施方式中的具体细节，在本公开的技术构思范围内，可以对本公开的技术方案进行多种简单变型，这些简单变型均属于本公开的保护范围。
另外需要说明的是，在上述具体实施方式中所描述的各个具体技术特征，在不矛盾的情况下，可以通过任何合适的方式进行组合。为了避免不必要的重复，本公开对各种可能的组合方式不再另行说明。
此外，本公开的各种不同的实施方式之间也可以进行任意组合，只要其不违背本公开的思想，其同样应当视为本公开所公开的内容。

Claims (10)

1.一种风电系统故障检测方法，其特征在于，所述风电系统包括多个风机，所述方法包括：
确定所述多个风机的转速；
确定所述多个风机的转速平均值和转速最大值；
确定转速不小于所述转速平均值的风机数量；
根据所述多个风机的转速平均值、所述多个风机的转速最大值和转速不小于所述转速平均值的风机数量，确定所述多个风机是否发生故障。
2.根据权利要求1所述的方法，其特征在于，所述根据所述多个风机的转速平均值、所述多个风机的转速最大值和转速不小于所述转速平均值的风机数量，确定所述多个风机是否发生故障，包括：
根据以下公式计算转速阈值ω0：
其中，表示所述多个风机的转速平均值，ωmax表示所述多个风机的转速最大值，m表示所述多个风机的数量，n表示转速不小于所述转速平均值的风机数量；
将转速小于所述转速阈值的风机确定为故障风机。
3.根据权利要求2所述的方法，其特征在于，所述方法还包括：
获取所述故障风机的叶片图像；
从预定的多个叶片图像中，确定出与所述故障风机的叶片图像相似度最高的图像，作为选定图像；
在预定的对应关系中查找出与所述选定图像对应的故障类型，作为所确定的故障类型，所述对应关系包括所述预定的多个叶片图像与故障类型之间的对应关系。
4.根据权利要求3所述的方法，其特征在于，所述风电系统包括无人机巡检小组，所述无人机巡检小组包括统筹画面无人机和故障检测无人机；
所述确定所述多个风机的转速，包括：接收所述统筹画面无人机发送的所述多个风机的图像；根据所述多个风机的图像确定所述多个风机的转速；
所述获取所述故障风机的叶片图像，包括：接收所述故障检测无人机发送的所述故障风机的叶片图像；
所述方法还包括：
获取所述无人机巡检小组当前所处环境的风向和风力；
根据以下公式调整所述无人机巡检小组的飞行参数：
其中，α表示调整前的飞行方向与正东方向的夹角，β表示调整后的飞行方向与正东方向之间的夹角，θ表示风向与调整前的飞行方向法线的夹角，v表示所述无人机巡检小组的飞行速度的大小，F表示风力大小，k表示风力影响系数，t表示调整后的飞行时间，t′表示调整前的飞行时间。
5.根据权利要求4所述的方法，其特征在于，所述方法还包括：
获取所述故障检测无人机在所述故障风机叶片旋转平面上的投影与旋转中心的距离和所述故障检测无人机在单位时间内相对于所述故障风机叶片的径向移动距离；
根据以下公式计算所述故障检测无人机从所述故障风机叶片内侧向外侧移动时的第一目标速度v1：
其中，Δd所述故障检测无人机在单位时间内相对于所述故障风机叶片的径向移动距离，ω表示所述故障风机的转速，d表示所述故障检测无人机在所述故障风机叶片旋转平面上的投影与旋转中心的距离；
控制所述故障检测无人机在从所述故障风机叶片内侧向外侧移动时以所述第一目标速度飞行。
6.根据权利要求5所述的方法，其特征在于，所述方法还包括：
根据以下公式计算所述故障检测无人机从所述故障风机叶片外侧向内侧移动时的第二目标速度v2：
控制所述故障检测无人机在从所述故障风机叶片外侧向内侧移动时以所述第二目标速度飞行。
7.一种风电系统故障检测装置，其特征在于，所述风电系统包括多个风机，所述装置包括：
第一确定模块，用于确定所述多个风机的转速；
第二确定模块，用于确定所述多个风机的转速平均值和转速最大值；
第三确定模块，用于确定转速不小于所述转速平均值的风机数量；
第四确定模块，用于根据所述多个风机的转速平均值、所述多个风机的转速最大值和转速不小于所述转速平均值的风机数量，确定所述多个风机是否发生故障。
8.一种非临时性计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1-6中任一项所述方法的步骤。
9.一种电子设备，其特征在于，包括：
存储器，其上存储有计算机程序；
处理器，用于执行所述存储器中的所述计算机程序，以实现权利要求1-6中任一项所述方法的步骤。
10.一种风电系统，其特征在于，包括；
多个风机；
权利要求9所述的电子设备；
无人机巡检小组，包括：
风力检测无人机，用于检测环境的风向和风力；
统筹画面无人机，用于采集所述多个风机的图像；
故障检测无人机，用于采集所述故障风机的叶片图像；
安全控制无人机，用于确定所述故障检测无人机在所述故障风机叶片旋转平面上的投影与旋转中心的距离和所述故障检测无人机在单位时间内相对于所述故障风机叶片的径向移动距离。
CN202310418386.7A 2023-04-18 2023-04-18 风电系统故障检测方法、装置、介质、设备及风电系统 Pending CN116641850A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310418386.7A CN116641850A (zh) 2023-04-18 2023-04-18 风电系统故障检测方法、装置、介质、设备及风电系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310418386.7A CN116641850A (zh) 2023-04-18 2023-04-18 风电系统故障检测方法、装置、介质、设备及风电系统

Publications (1)

Publication Number Publication Date
CN116641850A true CN116641850A (zh) 2023-08-25

Family

ID=87642426

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310418386.7A Pending CN116641850A (zh) 2023-04-18 2023-04-18 风电系统故障检测方法、装置、介质、设备及风电系统

Country Status (1)

Country Link
CN (1) CN116641850A (zh)

Similar Documents

Publication Publication Date Title
CN110908401A (zh) 一种针对未知杆塔结构的无人机自主巡检方法
EP3786450A1 (en) Method and system for monitoring blades of a wind turbine
CN105651780A (zh) 通过无人机检测风机叶片状态的方法、装置及系统
CN111038721B (zh) 一种基于图像识别的风力机叶片巡检无人机和巡检方法
CN115442532B (zh) 风机不停机巡检的方法、系统、设备及存储介质
CN106762451A (zh) 基于无人机的风机叶片损伤检测方法、装置及系统
KR101634937B1 (ko) 무인 비전 검사시스템 및 이를 이용한 무인 비전 검사방법
CN111859572B (zh) 风机叶片表面轮廓线拟合方法、系统、设备和存储介质
CN113359815A (zh) 基于rtk定位的风机叶片无人机自主避障巡检方法及系统
CN114511675B (zh) 一种基于实景三维数据制作的无人机摄像管控系统
WO2021185593A1 (en) Method of imaging a wind turbine rotor blade
US11421660B2 (en) Video monitoring method and system for wind turbine blade
Hao et al. Detection of bird nests on power line patrol using single shot detector
CN115326075A (zh) 一种基于无人机实现风场全域自动化巡检的路径规划方法
CN113326752B (zh) 一种基于无人机的光伏电站识别方法及系统
CN116641850A (zh) 风电系统故障检测方法、装置、介质、设备及风电系统
CN113256668A (zh) 图像分割方法以及装置
CN115661466B (zh) 一种基于深度学习图像分割的光伏板定位方法及装置
CN110857685B (zh) 一种风电机组叶片安装角偏差检测方法
CN114397910B (zh) 一种风力发电机无人机自动巡检方法及相关装置
CN114723184B (zh) 一种基于视觉感知的风力发电机测量方法、装置以及设备
CN113206951B (zh) 一种基于扑翼飞行系统的实时电子稳像方法
WO2021189429A1 (zh) 图像拍摄方法、装置、可移动平台和存储介质
CN117294820B (zh) 一种风力发电场无人机巡检系统
CN115480589B (zh) 基于无人机的风机巡检航线生成方法及系统

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