CN116644618B - 一种风电机组的疲劳寿命评估方法、系统、设备及介质 - Google Patents
一种风电机组的疲劳寿命评估方法、系统、设备及介质 Download PDFInfo
- Publication number
- CN116644618B CN116644618B CN202310926769.5A CN202310926769A CN116644618B CN 116644618 B CN116644618 B CN 116644618B CN 202310926769 A CN202310926769 A CN 202310926769A CN 116644618 B CN116644618 B CN 116644618B
- Authority
- CN
- China
- Prior art keywords
- load
- wind speed
- amplitude
- interval
- wind turbine
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 106
- 238000004364 calculation method Methods 0.000 claims abstract description 93
- 238000001228 spectrum Methods 0.000 claims abstract description 45
- 238000010248 power generation Methods 0.000 claims abstract description 36
- 238000009826 distribution Methods 0.000 claims abstract description 32
- 238000013213 extrapolation Methods 0.000 claims abstract description 31
- 238000004088 simulation Methods 0.000 claims abstract description 27
- 238000003860 storage Methods 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 14
- 239000011159 matrix material Substances 0.000 claims description 10
- 238000009825 accumulation Methods 0.000 claims description 9
- 238000011156 evaluation Methods 0.000 claims description 6
- 239000000463 material Substances 0.000 claims description 6
- 230000000737 periodic effect Effects 0.000 claims description 6
- 238000005070 sampling Methods 0.000 claims description 6
- 238000012544 monitoring process Methods 0.000 claims description 3
- 238000004458 analytical method Methods 0.000 abstract description 7
- 230000006870 function Effects 0.000 description 17
- 238000010586 diagram Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 238000012360 testing method Methods 0.000 description 5
- 125000004122 cyclic group Chemical group 0.000 description 4
- 238000011217 control strategy Methods 0.000 description 2
- 230000001186 cumulative effect Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000010977 unit operation Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005315 distribution function Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 238000002407 reforming Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000010008 shearing Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/08—Probabilistic or stochastic CAD
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/06—Wind turbines or wind farms
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/04—Ageing analysis or optimisation against ageing
-
- 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)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Wind Motors (AREA)
Abstract
一种风电机组的疲劳寿命评估方法、系统、设备及介质，包括：基于获取的风电场外部气象参数和在役风电机组实际运行状态进行仿真计算，得到在役风电机组各运行状态下各风速区间内第一单位时长的载荷时序值；基于所述在役风电机组各运行状态下各风速区间内第一单位时长的载荷时序值利用统计外推法计算得到计算周期的疲劳载荷谱；基于所述计算周期的疲劳载荷谱结合S‑N曲线进行评估得到在役风电机组的剩余疲劳寿命；本发明考虑了风电机组实际运行外部环境条件和实际运行状态，准确的还原了在役风电机组实际疲劳载荷单位时长的时间历程；本法利用统计外推法准确描述了载荷分布的变化趋势并填补了数据库的空缺，减小疲劳分析过程产生的误差和难度。
Description
技术领域
本发明涉及风力发电机组发电技术领域，具体涉及一种风电机组的疲劳寿命评估方法、系统、设备及介质。
背景技术
随着风电行业的发展，机组功率等级和尺寸的加大对风电机组整体性能和机组安全性的要求也越来越高，其中风电机组的疲劳寿命就是机组重要的安全性指标。目前风电机组的疲劳寿命通过机器学习方法预测得到或通过仿真计算得到。
现有技术中申请号为CN2020102580882,名称为《一种风电叶片剩余疲劳寿命评估方法》的专利申请文件公开内容如图1所示，主要应用于在役机组叶片技改项目，通过评估技改前后的疲劳损伤验证技改后延长了叶片的剩余疲劳寿命。主要是针对已知叶片疲劳损伤过大后通过优化控制策略对叶片进行控制改造，是一种验证方法，对于原叶片已经造成的疲劳损伤并未明确方法；并且控制策略的改变可能增加机组其他部件的疲劳损伤。该发明使用的是仿真计算与有限单元法相结合的方法计算疲劳损伤，计算量过大才能完全覆盖机组实际状态。
现有技术中申请号为CN2020100786467,名称为《一种风电机组疲劳寿命的快速预测的方法》的专利申请文件公开内容如图2所示，主要是应用机器学习方法预测风电机组疲劳寿命，通过对雨流计算的疲劳损伤数据集训练、验证与测试，得到疲劳损伤的机器模型。该方法虽然无需耗费大量的计算资源及时间，但受限于机器计算模型与特征量的选取，预测结果随机性比较强。
近年来随着装机容量的不断增大，风电机组关键部件，如叶片、塔筒、传动链等所承受的载荷范围越来越大，机组倒塔、叶片折断等安全事故率也逐渐增加， 风力发电机组的寿命与安全问题日益凸显。风电机组疲劳载荷的数据主要来源于试验测试和仿真计算两种方法，但因为机组的设计寿命一般为20年，而测试和仿真计算采样时间短，通过此两种方法所获取的载荷数据直接用于疲劳分析会出现较大的分析误差和无法预计的困难。
发明内容
为了解决现有技术中由于试验测试和仿真计算的采样时间短以及外部环境条件限制导致获取的载荷数据用于疲劳分析会出现较大的分析误差和困难的问题，本发明提出了一种风电机组的疲劳寿命评估方法，包括：
基于获取的风电场外部气象参数和在役风电机组实际运行状态进行仿真计算，得到在役风电机组各运行状态下各风速区间内第一单位时长的载荷时序值；
基于所述在役风电机组各运行状态下各风速区间内第一单位时长的载荷时序值利用统计外推法计算得到计算周期的疲劳载荷谱；
基于所述计算周期的疲劳载荷谱结合S-N曲线进行评估得到在役风电机组的剩余疲劳寿命。
优选的，所述基于获取的风电场外部气象参数和在役风电机组实际运行状态进行仿真计算，得到在役风电机组各运行状态下各风速区间内第一单位时长的载荷时序值，包括：
基于所述在役风电机组的运行状态进行区间划分，得到各运行状态下的各风速区间；
基于所述各运行状态下的各风速区间对所述风电场外部气象参数进行采样，得到各运行状态下各风速区间内的载荷样本；
基于所述各运行状态下各风速区间内的载荷样本进行仿真计算，得到各运行状态下各风速区间内第一单位时长的载荷时序值；
其中，所述在役风电机组的运行状态包括：正常发电状态、停机状态和启停机制动状态。
优选的，所述基于所述在役风电机组的运行状态进行区间划分，得到各风速区间，包括：
当在役风电机组的运行状态为正常发电状态时，基于风电机组的切入风速以设定间隔等间隔递增至切出风速进行区间划分，得到正常发电状态下的各风速区间；
当在役风电机组的运行状态为停机状态时，基于初始风速以设定间隔等间隔递增至目标风速进行区间划分，得到停机状态下的各风速区间；
当在役风电机组的运行状态为启停机制动状态时，基于初始风速以设定间隔等间隔递增至目标风速进行区间划分，得到启停机制动状态下的各风速区间。
优选的，所述基于所述在役风电机组各运行状态下各风速区间内第一单位时长的载荷时序值利用统计外推法计算得到计算周期的疲劳载荷谱，包括：
基于所述在役风电机组各运行状态下各风速区间内第一单位时长的载荷时序值进行雨流计算，得到载荷幅值、载荷幅值极大值和载荷幅值极小值；
基于在役风电机组计算周期内第二单位时长的平均风速频率分布结合各幅值区间，得到各风速区间内第一单位时长内各幅值区间的循环作用次数；
基于所述各风速区间内第一单位时长内各幅值区间的循环作用次数结合所述载荷幅值得到第一单位时长疲劳载荷谱；
基于在役风电机组计算周期内第二单位时长的平均风速频率分布计算得到各风速区间内计算周期内各幅值区间的循环作用次数；
基于所述载荷幅值结合所述各风速区间内计算周期内各幅值区间的循环作用次数得到计算周期疲劳载荷谱；
其中，所述各幅值区间是基于载荷幅值极大值和载荷幅值极小值进行区间划分得到的。
优选的，所述载荷幅值极大值按下述方法得到，包括：
基于在役风电机组各运行状态下各风速区间内第一单位时长的载荷时序值进行雨流计算，得到各运行状态下各风速区间内的载荷幅值、载荷均值以及相应的循环作用次数和雨流矩阵；
基于所述雨流矩阵中的载荷幅值做双参数威尔布分布，得到载荷幅值的概率密度函数；
基于所述载荷幅值的概率密度函数进行积分得到载荷幅值累积频率；
基于所述载荷幅值累积频率得到载荷幅值的极大值。
优选的，所述载荷幅值极小值按下述方法得到，包括：
基于所述载荷幅值和所述相应的循环作用次数得到S-N曲线，并基于所述载荷幅值划分为各个等级的载荷；
基于所述S-N曲线结合线性损伤理论，计算得到各个等级的载荷产生的疲劳损伤和各个等级的载荷产生的疲劳损伤密度；
基于所述各个等级的载荷产生的疲劳损伤和各个等级的载荷产生的疲劳损伤密度确定载荷幅值极小值。
优选的，所述各个等级的载荷产生的疲劳损伤的计算式如下所示：
式中，为载荷谱第k级载荷产生的疲劳损伤；/>为第k级载荷对应的循环次数；/>为第k级载荷；/>为与材料性质相关的拟合参数；/>为第k级载荷m次方。
优选的，所述各个等级的载荷产生的疲劳损伤密度的计算式如下所示：
式中，为载荷谱第k级载荷产生的疲劳损伤；/>为第k级载荷对应的循环次数；/>为第k级载荷产生的疲劳损伤密度；/>为第k级载荷；/>为第k级载荷m次方，/>为级数。
优选的，所述计算周期内各幅值区间的循环作用次数按下式计算：
式中，为载荷幅值/>对应的循环次数；/>为i区间风速的分布频率；为发电状态下i风速区间中载荷幅值/>对应的循环次数；/>为停机状态下i风速区间中载荷幅值/>对应的循环次数；/>为启停机制动状态下i风速区间中载荷幅值/>对应的循环次数；/>为正常发电状态的年频率；A为计算周期；B为第三单位时长；/>为风速区间i的风速；/>为区间序号。
优选的，所述运行状态的年频率是基于数据采集与监视控制系统的数据统计得到的。
优选的，所述风电场外部气象参数包括在役风电机组计算周期内的第二单位时长平均风速频率分布、第二单位时长湍流强度、平均温度、平均湿度、平均气压、平均风剪切、平均风转向和平均入流角。
基于同一发明构思，本发明还提出了一种风电机组的疲劳寿命评估系统，包括：
仿真计算模块，用于基于获取的风电场外部气象参数和在役风电机组实际运行状态进行仿真计算，得到在役风电机组各运行状态下各风速区间内第一单位时长的载荷时序值；
统计外推模块，用于基于所述在役风电机组各运行状态下各风速区间内第一单位时长的载荷时序值利用统计外推法计算得到计算周期的疲劳载荷谱；
寿命评估模块，用于基于所述计算周期的疲劳载荷谱结合S-N曲线进行评估得到在役风电机组的剩余疲劳寿命。
再一方面，本发明还提出了一种计算机设备，包括：
一个或多个处理器；
处理器，用于执行一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行时，实现上述的一种风电机组的疲劳寿命评估方法。
再一方面，本发明还提出了一种计算机可读存储介质，其上存有计算机程序，所述计算机程序被执行时，实现上述的一种风电机组的疲劳寿命评估方法。
与现有技术相比，本发明的有益效果为：
一种风电机组的疲劳寿命评估方法、系统、设备及介质，包括：基于获取的风电场外部气象参数和在役风电机组实际运行状态进行仿真计算，得到在役风电机组各运行状态下各风速区间内第一单位时长的载荷时序值；基于所述在役风电机组各运行状态下各风速区间内第一单位时长的载荷时序值利用统计外推法计算得到计算周期的疲劳载荷谱；基于所述计算周期的疲劳载荷谱结合S-N曲线进行评估得到在役风电机组的剩余疲劳寿命；本发明考虑了风电机组实际运行外部环境条件和实际运行状态，准确的还原了在役风电机组实际疲劳载荷单位时长的时间历程；本法利用统计外推法准确描述了载荷分布的变化趋势并填补了数据库的空缺，减小疲劳分析过程产生的误差和难度；
本发明无需高精度的传感器，只需要SCADA运行数据，使得更经济可靠。
附图说明
图1为现有技术的一种风电叶片剩余疲劳寿命评估方法流程图；
图2为现有技术的一种风电机组疲劳寿命的快速预测的方法流程图；
图3为本发明的一种风电机组的疲劳寿命评估方法流程图。
实施方式
为了解决由于测试或仿真时间短及外部环境条件限制所带来的问题，统计分析的方法被广泛应用于机组疲劳载荷分析研究中，我们称之为“统计外推法”。统计外推法是根据以往的经验以及对问题本身的认知程度，假设变量符合某一特定的函数，来估算总体的概率分布，由于分布函数的参数未知，因此要通过样本值来估计，样本值的选取具有随机性与普遍性。统计外推法不仅能够描述载荷分布的变化趋势，填补数据库的空缺，还能够基于样本对数据进行平滑的外推。本发明基于此法，对载荷雨流计数的幅值、均值和外部风速分布进行外推，获取在役风电机组的1h疲劳载荷谱和年疲劳载荷谱以评估在役机组的剩余疲劳寿命。为了更好地理解本发明，下面结合说明书附图和实施例对本发明的内容做进一步的说明。
实施例 1：
一种风电机组的疲劳寿命评估方法，具体过程如图3所示，包括：
步骤1，基于获取的风电场外部气象参数和在役风电机组实际运行状态进行仿真计算，得到在役风电机组各运行状态下各风速区间内第一单位时长的载荷时序值；
步骤2，基于所述在役风电机组各运行状态下各风速区间内第一单位时长的载荷时序值利用统计外推法计算得到计算周期的疲劳载荷谱；
步骤3，基于所述计算周期的疲劳载荷谱结合S-N曲线进行评估得到在役风电机组的剩余疲劳寿命。
本发明中计算周期、第一单位时长、第二单位时长和第三单位时长均为设定时长，且第一单位时长、第二单位时长和第三单位时长在计算周期范围内；本实施例以计算周期为一年，第一单位时长为1h，第二单位时长为10min，第三单位时长为24h为例进行介绍。
步骤1中的，基于获取的风电场外部气象参数和在役风电机组实际运行状态进行仿真计算，得到在役风电机组各运行状态下各风速区间内第一单位时长的载荷时序值，具体包括：
基于获取的风电场历史气象数据，统计出在役风电机组计算周期内第二单位时长的平均风速频率分布，并拟合成双参数威布尔分布；统计出在役机组计算周期内第二单位时长的湍流强度，并将湍流强度平均分成设定个数的等级，以备后续载荷仿真计算使用，本实施例中设定为6个等级；统计出在役机组计算周期内平均温度、湿度、气压、风剪切、风转向与入流角，以备后续载荷仿真计算使用。
将在役风电机组运行状态分为正常发电状态、停机状态和启停机制动状态，每种状态时间历程设置为第二单位时长。基于在役风电机组SCADA数据，统计出三种状态年频率，分别为正常发电状态年频率，停机状态年频率/>与启停机制动状态年频率/>，且。
基于在役风电机组的运行状态进行区间划分，得到各运行状态下的各风速区间：
当运行状态为正常发电状态时，根据风电机组切入风速、切出风速/>将风速以设定间隔进行区间划分，本实施例中设定间隔为0.5m/s，即划分为：{[/>+0.5)、[/>+0.5/>+1.0)、…[/>-0.5,/>)}；
当运行状态为停机状态或启停机制动状态时，基于初始风速以设定间隔等间隔递增至目标风速进行区间划分，本实施例中初始风速设定为0m/s，目标风速设定为50m/s，间隔设定为0.5m/s，即划分为：{[0 0.5)、[0.5 1.0)、…[49.5,50)}。
基于各运行状态下的各风速区间确定载荷样本：
载荷样本的采样时间为10min，采样频率为50Hz。由于风速波动大，应用仿真软件计算时，每个风速区间取6个样本，每个样本的平均风速为区间风速的中值，湍流强度分别为6个湍流强度等级，其余气象参数取自风电场历史气象数据统计的年平均值，
基于各运行状态下各风速区间内的载荷样本进行仿真计算，得到各运行状态下各风速区间内第一单位时长的载荷时序值。
本发明基于统计外推法考虑了影响风电机组疲劳载荷的风电场真实外部风参数与机组实际运行状态，准确地还原了在役机组实际疲劳载荷第一单位时长的时间历程，对特定场址的在役机组的疲劳寿命尤其精确。
步骤2中的，基于所述在役风电机组各运行状态下各风速区间内第一单位时长的载荷时序值利用统计外推法计算得到计算周期的疲劳载荷谱，具体包括：
对各运行状态下各风速区间的载荷时序值进行雨流计算，得到大小不同的疲劳载荷幅值X、载荷均值Y以及相应的循环作用次数n，从而得到雨流矩阵n（X,Y）。
根据三维雨流矩阵的幅值统计载荷做双参数威布尔分布,其概率密度函数的计算式如下所示：
式中，X为载荷幅值，f（X）为载荷幅值的概率密度函数，为形状参数，/>为尺度参数。
均值统计载荷做正态分布的统计，其概率密度函数的计算式如下所示：
式中，为载荷均值，/>为载荷均值的概率密度函数，/>为尺度参数，/>为位置参数。
对载荷幅值与载荷均值进行相关性分析，检验验证均幅值相互独立，其联合概率密度函数的计算式如下所示：
式中，X为载荷幅值，Y为载荷均值，为载荷幅值和载荷均值的联合概率密度函数，/>为形状参数，/>为尺度参数，/>为尺度参数，/>为位置参数。
载荷幅值的概率密度函数进行积分可得幅值累积频率，如下所示：
式中，P为载荷幅值的累计频率，X为载荷幅值，为形状参数，/>为尺度参数。
根据幅值累计频率可得到载荷幅值极大值如下所示：
式中，为载荷幅值极大值，/>为尺度参数，P为载荷幅值的累计频率,取99.5%。
由于风电机组载荷分布尾部较大的载荷对部件的疲劳损伤起主导作用，为使拟合的概率分布的尾部更接近实际载荷数据，根据载荷幅值和相应的循环作用次数得到S-N曲线，并将载荷幅值划分为各个等级的载荷。根据S-N曲线和线性损伤理论可得到各个等级的载荷产生的疲劳损伤和各个等级的载荷产生的疲劳损伤密度。
各个等级的载荷产生的疲劳损伤的计算式如下所示：
式中，为第k级载荷；/>为载荷谱第k级载荷产生的疲劳损伤；/>为第k级载荷对应的循环次数；n为循环次数；/>为第k级载荷m次方；/>为与材料性质相关的拟合参数。
各个等级的载荷产生的疲劳损伤密度的计算式如下所示：
式中，为第k级载荷；/>为第k级载荷产生的疲劳损伤密度；/>为载荷谱第k级载荷产生的疲劳损伤；/>为第k级载荷对应的循环次数；n为循环次数；/>为第k级载荷m次方；/>为级数。
工程应用中定义为，可得到载荷幅值极小值/>。因此仅对大于载荷幅值极小值/>的载荷幅值的雨流计数进行拟合。
根据载荷幅值极大值和载荷幅值极小值将载荷幅值划分100等分，载荷幅值范围为[ /> ]，/>取三种运行状态中的最小值，/>取三种运行状态中的最大值。根据幅值概率分布可得出各个风速区间内第一单位时长内各幅值区间的循环作用的次数，即可得出风电机组各运行状态下各风速区间内第一单位时长的疲劳载荷谱。
根据风电场年平均风速概率分布，计算周期内各幅值区间的循环作用次数按下式计算：
式中，为载荷幅值/>对应的循环次数；/>为i区间风速的分布频率；/>为风速区间i的风速；/>为发电状态下i风速区间中载荷幅值/>对应的循环次数；/>为停机状态下i风速区间中载荷幅值/>对应的循环次数；/>为启停机制动状态下i风速区间中载荷幅值/>对应的循环次数；/>为正常发电状态的年频率；A为计算周期；B为第三单位时长；/>为级数。
由载荷幅值与载荷幅值对应的循环次数/>可得到风电机组计算周期疲劳载荷谱。本发明基于基于在役机组实际疲劳载荷第一单位时长的时间历程外推至计算周期疲劳载荷谱；而且本发明无需增加高精度传感器，经济又可靠，外推方法简便，计算量少，可在风电场中大规模推行。
步骤3中的，基于所述计算周期的疲劳载荷谱结合S-N曲线进行评估得到在役风电机组的剩余疲劳寿命，包括：
基于计算周期的疲劳载荷谱结合材料的S-N曲线进行对比，即可得到剩余疲劳寿命。
具体包括：
材料的S-N曲线包括评估的疲劳载荷谱，证明在使用寿命期内；假设每年的气象、机组运行状态一致，年疲劳载荷谱中的循环数乘以机组运行年数即可得出机组当年的疲劳载荷谱。
本发明利用S-N曲线和Miner线性累计损伤理论从而估算出在役机组剩余疲劳寿命，进而保障风电机组安全运行，也为风电机组后评估提供可靠的新方法，对风电机组的延寿与技改具有指导意义；关键部件载荷包括叶片载荷、塔筒载荷与传动系统载荷。
准确的疲劳寿命评估对于风电机组部件结构设计及运行维护安全性至关重要。通过本发明准确评估机组各部件疲劳寿命，可在部件发生灾难性故障或失效前进行维修或更换，确保风电机组长期安全稳定运行。
实施例 2：
一种风电机组的疲劳寿命评估系统，包括：
仿真计算模块，用于基于获取的风电场外部气象参数和在役风电机组实际运行状态进行仿真计算，得到在役风电机组各运行状态下各风速区间内第一单位时长的载荷时序值；
统计外推模块，用于基于所述在役风电机组各运行状态下各风速区间内第一单位时长的载荷时序值利用统计外推法计算得到计算周期的疲劳载荷谱；
寿命评估模块，用于基于所述计算周期的疲劳载荷谱结合S-N曲线进行评估得到在役风电机组的剩余疲劳寿命。
仿真计算模块，包括：
风速区间子模块，用于基于所述在役风电机组的运行状态进行区间划分，得到各运行状态下的各风速区间；
载荷样本子模块，用于基于所述各运行状态下的各风速区间对所述风电场外部气象参数进行采样，得到各运行状态下各风速区间内的载荷样本；
载荷时序值子模块，用于基于所述各运行状态下各风速区间内的载荷样本进行仿真计算，得到各运行状态下各风速区间内第一单位时长的载荷时序值；
其中，所述在役风电机组的运行状态包括：正常发电状态、停机状态和启停机制动状态。
风速区间子模块，具体用于：
当在役风电机组的运行状态为正常发电状态时，基于风电机组的切入风速以设定间隔等间隔递增至切出风速进行区间划分，得到正常发电状态下的各风速区间；
当在役风电机组的运行状态为停机状态时，基于初始风速以设定间隔等间隔递增至目标风速进行区间划分，得到停机状态下的各风速区间；
当在役风电机组的运行状态为启停机制动状态时，基于初始风速以设定间隔等间隔递增至目标风速进行区间划分，得到启停机制动状态下的各风速区间。
统计外推模块，具体用于：
基于所述在役风电机组各运行状态下各风速区间内第一单位时长的载荷时序值进行雨流计算，得到载荷幅值、载荷幅值极大值和载荷幅值极小值；
基于在役风电机组计算周期内第二单位时长的平均风速频率分布结合各幅值区间，得到各风速区间内第一单位时长内各幅值区间的循环作用次数；
基于所述各风速区间内第一单位时长内各幅值区间的循环作用次数结合所述载荷幅值得到第一单位时长疲劳载荷谱；
基于在役风电机组计算周期内第二单位时长的平均风速频率分布计算得到各风速区间内计算周期内各幅值区间的循环作用次数；
基于所述载荷幅值结合所述各风速区间内计算周期内各幅值区间的循环作用次数得到计算周期疲劳载荷谱；
其中，所述各幅值区间是基于载荷幅值极大值和载荷幅值极小值进行区间划分得到的。
统计外推模块还包括载荷幅值极大值子模块，载荷幅值极大值子模块具体用于：
基于在役风电机组各运行状态下各风速区间内第一单位时长的载荷时序值进行雨流计算，得到各运行状态下各风速区间内的载荷幅值、载荷均值以及相应的循环作用次数和雨流矩阵；
基于所述雨流矩阵中的载荷幅值做双参数威尔布分布，得到载荷幅值的概率密度函数；
基于所述载荷幅值的概率密度函数进行积分得到载荷幅值累积频率；
基于所述载荷幅值累积频率得到载荷幅值的极大值。
统计外推模块还包括载荷幅值极小值子模块，载荷幅值极小值子模块具体用于：
基于所述载荷幅值和所述相应的循环作用次数得到S-N曲线，并基于所述载荷幅值划分为各个等级的载荷；
基于所述S-N曲线结合线性损伤理论，计算得到各个等级的载荷产生的疲劳损伤和各个等级的载荷产生的疲劳损伤密度；
基于所述各个等级的载荷产生的疲劳损伤和各个等级的载荷产生的疲劳损伤密度确定载荷幅值极小值。
载荷幅值极小值子模块中的各个等级的载荷产生的疲劳损伤的计算式如下所示：
式中，为载荷谱第k级载荷产生的疲劳损伤；/>为第k级载荷对应的循环次数；/>为第k级载荷；/>为第k级载荷m次方；/>为与材料性质相关的拟合参数。
载荷幅值极小值子模块中的各个等级的载荷产生的疲劳损伤密度的计算式如下所示：
式中，为载荷谱第k级载荷产生的疲劳损伤；/>为第k级载荷对应的循环次数；/>为第k级载荷产生的疲劳损伤密度；/>为第k级载荷；/>为第k级载荷m次方，/>为级数。
统计外推模块中的计算周期内各幅值区间的循环作用次数按下式计算：
式中，为载荷幅值/>对应的循环次数；/>为i区间风速的分布频率；为发电状态下i风速区间中载荷幅值/>对应的循环次数；/>为停机状态下i风速区间中载荷幅值/>对应的循环次数；/>为启停机制动状态下i风速区间中载荷幅值/>对应的循环次数；/>为正常发电状态的年频率；/>为运行状态的年频率；A为计算周期，设定为365；B为第三单位时长，设定为24；/>为风速区间i的风速；/>为区间序号。
统计外推模块中的运行状态的年频率是基于数据采集与监视控制系统的数据统计得到的。
风电场外部气象参数包括在役风电机组计算周期内的第二单位时长平均风速频率分布、第二单位时长湍流强度、平均温度、平均湿度、平均气压、平均风剪切、平均风转向和平均入流角。
实施例 3：
基于同一发明构思，本发明再一个实施例中，提供了一种计算机设备，该计算机设备包括处理器以及存储器，所述存储器用于存储计算机程序，所述计算机 程序包括程序指令，所述处理器用于执行所述计算机存储介质存储的程序指令。 处理器可能是中央处理单元(Central Processing Unit，CPU)，还可以是其他通 用处理器、数字信号处理器(Digital Signal Processor、DSP)、专用集成电路 (ApplicationSpecific IntegratedCircuit，ASIC)、现成可编程门阵列 (Field-Programmable GateArray，FPGA)或者其他可编程逻辑器件、分立门或者 晶体管逻辑器件、分立硬件组件等，其是终端的计算核心以及控制核心，其适于 实现一条或一条以上指令，具体适于加载并执行计算机存储介质内一条或一条以 上指令从而实现相应方法流程或相应功能；本发明实施例所述的处理器可以用于 执行一种风电机组的疲劳寿命评估方法的步骤。
实施例 4：
基于同一发明构思，本发明再一个实施例中，本发明还提供了一种存储介质， 具体为计算机可读存储介质（Memory），所述计算机可读存储介质是计算机设备 中的记忆设备，用于存放程序和数据。可以理解的是，此处的计算机可读存储介质既可以包括计算机设备中的内置存储介质，当然也可以包括计算机设备所支持 的扩展存储介质。计算机可读存储介质提供存储空间，该存储空间存储了终端的 操作系统。并且，在该存储空间中还存放了适于被处理器加载并执行的一条或一 条以上的指令，这些指令可以是一个或一个以上的计算机程序（包括程序代码）。 需要说明的是，此处的计算机可读存储介质可以是高速RAM 存储器，也可以是非不稳定的存储器(non-volatile memory)，例如至少一个磁盘存储器。可由处理 器加载并执行计算机可读存储介质中存放的一条或一条以上指令，以实现上述实施例中一种风电机组的疲劳寿命评估方法的相应步骤。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器、CD-ROM、光学存储器等）上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备（系统）、和计算机程序产品的流程图和／或方框图来描述的。应理解可由计算机程序指令实现流程图和／或方框图中的每一流程和／或方框、以及流程图和／或方框图中的流程和／或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的步骤。
以上仅为本发明的实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均包含在发明待批的本发明的权利要求范围之内。
Claims (11)
1.一种风电机组的疲劳寿命评估方法，其特征在于，包括：
基于获取的风电场外部气象参数和在役风电机组实际运行状态进行仿真计算，得到在役风电机组各运行状态下各风速区间内第一单位时长的载荷时序值；
基于所述在役风电机组各运行状态下各风速区间内第一单位时长的载荷时序值利用统计外推法计算得到计算周期的疲劳载荷谱；
基于所述计算周期的疲劳载荷谱结合S-N曲线进行评估得到在役风电机组的剩余疲劳寿命；
所述基于所述在役风电机组各运行状态下各风速区间内第一单位时长的载荷时序值利用统计外推法计算得到计算周期的疲劳载荷谱，包括：
基于所述在役风电机组各运行状态下各风速区间内第一单位时长的载荷时序值进行雨流计算，得到载荷幅值、载荷幅值极大值和载荷幅值极小值；
基于在役风电机组计算周期内第二单位时长的平均风速频率分布结合各幅值区间，得到各风速区间内第一单位时长内各幅值区间的循环作用次数；
基于所述各风速区间内第一单位时长内各幅值区间的循环作用次数结合所述载荷幅值得到第一单位时长疲劳载荷谱；
基于在役风电机组计算周期内第二单位时长的平均风速频率分布计算得到各风速区间内计算周期内各幅值区间的循环作用次数；
基于所述载荷幅值结合所述各风速区间内计算周期内各幅值区间的循环作用次数得到计算周期疲劳载荷谱；
其中，所述各幅值区间是基于载荷幅值极大值和载荷幅值极小值进行区间划分得到的；
所述载荷幅值极大值按下述方法得到，包括：
基于在役风电机组各运行状态下各风速区间内第一单位时长的载荷时序值进行雨流计算，得到各运行状态下各风速区间内的载荷幅值、载荷均值以及相应的循环作用次数和雨流矩阵；
基于所述雨流矩阵中的载荷幅值做双参数威尔布分布，得到载荷幅值的概率密度函数；
基于所述载荷幅值的概率密度函数进行积分得到载荷幅值累积频率；
基于所述载荷幅值累积频率得到载荷幅值的极大值；
所述载荷幅值极小值按下述方法得到，包括：
基于所述载荷幅值和所述相应的循环作用次数得到S-N曲线，并基于所述载荷幅值划分为各个等级的载荷；
基于所述S-N曲线结合线性损伤理论，计算得到各个等级的载荷产生的疲劳损伤和各个等级的载荷产生的疲劳损伤密度；
基于所述各个等级的载荷产生的疲劳损伤和各个等级的载荷产生的疲劳损伤密度确定载荷幅值极小值。
2.根据权利要求1所述方法，其特征在于，所述基于获取的风电场外部气象参数和在役风电机组实际运行状态进行仿真计算，得到在役风电机组各运行状态下各风速区间内第一单位时长的载荷时序值，包括：
基于所述在役风电机组的运行状态进行区间划分，得到各运行状态下的各风速区间；
基于所述各运行状态下的各风速区间对所述风电场外部气象参数进行采样，得到各运行状态下各风速区间内的载荷样本；
基于所述各运行状态下各风速区间内的载荷样本进行仿真计算，得到各运行状态下各风速区间内第一单位时长的载荷时序值；
其中，所述在役风电机组的运行状态包括：正常发电状态、停机状态和启停机制动状态。
3.根据权利要求2所述方法，其特征在于，所述基于所述在役风电机组的运行状态进行区间划分，得到各风速区间，包括：
当在役风电机组的运行状态为正常发电状态时，基于风电机组的切入风速以设定间隔等间隔递增至切出风速进行区间划分，得到正常发电状态下的各风速区间；
当在役风电机组的运行状态为停机状态时，基于初始风速以设定间隔等间隔递增至目标风速进行区间划分，得到停机状态下的各风速区间；
当在役风电机组的运行状态为启停机制动状态时，基于初始风速以设定间隔等间隔递增至目标风速进行区间划分，得到启停机制动状态下的各风速区间。
4.根据权利要求1所述方法，其特征在于，所述各个等级的载荷产生的疲劳损伤的计算式如下所示：
式中，为载荷谱第k级载荷产生的疲劳损伤；/>为第k级载荷对应的循环次数；为第k级载荷；/>为与材料性质相关的拟合参数；/>为第k级载荷m次方。
5.根据权利要求1所述方法，其特征在于，所述各个等级的载荷产生的疲劳损伤密度的计算式如下所示：
式中，为载荷谱第k级载荷产生的疲劳损伤；/>为第k级载荷对应的循环次数；为第k级载荷产生的疲劳损伤密度；/>为第k级载荷；/>为第k级载荷m次方，/>为级数。
6.根据权利要求1所述方法，其特征在于，所述计算周期内各幅值区间的循环作用次数按下式计算：
式中，为载荷幅值/>对应的循环次数；/>为i区间风速的分布频率；/>为发电状态下i风速区间中载荷幅值/>对应的循环次数；/>为停机状态下i风速区间中载荷幅值/>对应的循环次数；/>为启停机制动状态下i风速区间中载荷幅值/>对应的循环次数；/>为正常发电状态的年频率；A为计算周期；B为第三单位时长；/>为风速区间i的风速；/>为区间序号。
7.根据权利要求6所述方法，其特征在于，所述运行状态的年频率是基于数据采集与监视控制系统的数据统计得到的。
8.根据权利要求1所述方法，其特征在于，所述风电场外部气象参数包括在役风电机组计算周期内的第二单位时长平均风速频率分布、第二单位时长湍流强度、平均温度、平均湿度、平均气压、平均风剪切、平均风转向和平均入流角。
9.一种风电机组的疲劳寿命评估系统，其特征在于，包括：
仿真计算模块，用于基于获取的风电场外部气象参数和在役风电机组实际运行状态进行仿真计算，得到在役风电机组各运行状态下各风速区间内第一单位时长的载荷时序值；
统计外推模块，用于基于所述在役风电机组各运行状态下各风速区间内第一单位时长的载荷时序值利用统计外推法计算得到计算周期的疲劳载荷谱；
寿命评估模块，用于基于所述计算周期的疲劳载荷谱结合S-N曲线进行评估得到在役风电机组的剩余疲劳寿命；
统计外推模块，具体用于：
基于所述在役风电机组各运行状态下各风速区间内第一单位时长的载荷时序值进行雨流计算，得到载荷幅值、载荷幅值极大值和载荷幅值极小值；
基于在役风电机组计算周期内第二单位时长的平均风速频率分布结合各幅值区间，得到各风速区间内第一单位时长内各幅值区间的循环作用次数；
基于所述各风速区间内第一单位时长内各幅值区间的循环作用次数结合所述载荷幅值得到第一单位时长疲劳载荷谱；
基于在役风电机组计算周期内第二单位时长的平均风速频率分布计算得到各风速区间内计算周期内各幅值区间的循环作用次数；
基于所述载荷幅值结合所述各风速区间内计算周期内各幅值区间的循环作用次数得到计算周期疲劳载荷谱；
其中，所述各幅值区间是基于载荷幅值极大值和载荷幅值极小值进行区间划分得到的；
统计外推模块还包括载荷幅值极大值子模块，载荷幅值极大值子模块具体用于：
基于在役风电机组各运行状态下各风速区间内第一单位时长的载荷时序值进行雨流计算，得到各运行状态下各风速区间内的载荷幅值、载荷均值以及相应的循环作用次数和雨流矩阵；
基于所述雨流矩阵中的载荷幅值做双参数威尔布分布，得到载荷幅值的概率密度函数；
基于所述载荷幅值的概率密度函数进行积分得到载荷幅值累积频率；
基于所述载荷幅值累积频率得到载荷幅值的极大值；
统计外推模块还包括载荷幅值极小值子模块，载荷幅值极小值子模块具体用于：
基于所述载荷幅值和所述相应的循环作用次数得到S-N曲线，并基于所述载荷幅值划分为各个等级的载荷；
基于所述S-N曲线结合线性损伤理论，计算得到各个等级的载荷产生的疲劳损伤和各个等级的载荷产生的疲劳损伤密度；
基于所述各个等级的载荷产生的疲劳损伤和各个等级的载荷产生的疲劳损伤密度确定载荷幅值极小值。
10.一种计算机设备，其特征在于，包括：
一个或多个处理器；
处理器，用于执行一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行时，实现如权利要求求1至 8中任一所述的一种风电机组的疲劳寿命评估方法。
11.一种计算机可读存储介质，其特征在于，其上存有计算机程序，所述计算机程序被执行时，实现如权利要求 1 至 8 中任一所述的一种风电机组的疲劳寿命评估方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310926769.5A CN116644618B (zh) | 2023-07-27 | 2023-07-27 | 一种风电机组的疲劳寿命评估方法、系统、设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310926769.5A CN116644618B (zh) | 2023-07-27 | 2023-07-27 | 一种风电机组的疲劳寿命评估方法、系统、设备及介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116644618A CN116644618A (zh) | 2023-08-25 |
| CN116644618B true CN116644618B (zh) | 2023-11-14 |
Family
ID=87640390
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310926769.5A Active CN116644618B (zh) | 2023-07-27 | 2023-07-27 | 一种风电机组的疲劳寿命评估方法、系统、设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116644618B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117113710B (zh) * | 2023-09-06 | 2024-09-06 | 江苏中车电机有限公司 | 一种基于智能监测的风力发电机螺栓疲劳寿命预测方法 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108446483A (zh) * | 2018-03-16 | 2018-08-24 | 太原理工大学 | 计及风电机组传动系统疲劳的风电场可靠性评估方法 |
| CN110147624A (zh) * | 2019-05-24 | 2019-08-20 | 重庆大学 | 一种基于载荷谱的齿轮接触疲劳寿命预测方法 |
| CN111460718A (zh) * | 2020-04-03 | 2020-07-28 | 天津智惠未来科技有限责任公司 | 一种风电叶片剩余疲劳寿命评估方法 |
| CN111967131A (zh) * | 2020-07-08 | 2020-11-20 | 中国第一汽车股份有限公司 | 基于试验场耐久路实测载荷动力总成悬置载荷谱编制方法 |
| CN112115626A (zh) * | 2020-08-12 | 2020-12-22 | 中国电力科学研究院有限公司 | 一种风电机组叶片疲劳寿命预测方法和装置 |
| CN112906236A (zh) * | 2021-03-09 | 2021-06-04 | 龙源（北京）风电工程技术有限公司 | 风电机组关键结构位置剩余寿命预测方法及装置 |
| WO2022248164A1 (de) * | 2021-05-26 | 2022-12-01 | Rwe Renewables Gmbh | Verfahren zum trainieren eines machine-learning-modells verwendbar zum bestimmen einer restnutzungsdauer einer windkraftanlage |
-
2023
- 2023-07-27 CN CN202310926769.5A patent/CN116644618B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108446483A (zh) * | 2018-03-16 | 2018-08-24 | 太原理工大学 | 计及风电机组传动系统疲劳的风电场可靠性评估方法 |
| CN110147624A (zh) * | 2019-05-24 | 2019-08-20 | 重庆大学 | 一种基于载荷谱的齿轮接触疲劳寿命预测方法 |
| CN111460718A (zh) * | 2020-04-03 | 2020-07-28 | 天津智惠未来科技有限责任公司 | 一种风电叶片剩余疲劳寿命评估方法 |
| CN111967131A (zh) * | 2020-07-08 | 2020-11-20 | 中国第一汽车股份有限公司 | 基于试验场耐久路实测载荷动力总成悬置载荷谱编制方法 |
| CN112115626A (zh) * | 2020-08-12 | 2020-12-22 | 中国电力科学研究院有限公司 | 一种风电机组叶片疲劳寿命预测方法和装置 |
| CN112906236A (zh) * | 2021-03-09 | 2021-06-04 | 龙源（北京）风电工程技术有限公司 | 风电机组关键结构位置剩余寿命预测方法及装置 |
| WO2022248164A1 (de) * | 2021-05-26 | 2022-12-01 | Rwe Renewables Gmbh | Verfahren zum trainieren eines machine-learning-modells verwendbar zum bestimmen einer restnutzungsdauer einer windkraftanlage |
Non-Patent Citations (3)
| Title |
|---|
| Wind Turbine Load Optimization Control Strategy Based on LIDAR Feed-Forward Control for Primary Frequency Modulation Process with Pitch Angle Reservation;Deyi Fu;Energies;第16卷(第1期);1-14 * |
| Wind turbine mechanical load estimation based on adaptive network-based fuzzy inference system;Ran Bi;8th Renewable Power Generation Conference;1-6 * |
| 大型风力发电机组载荷测试研究;邵帅;中国优秀硕士学位论文全文数据库 大型风力发电机组载荷测试研究(工程科技Ⅱ辑);C042-62 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116644618A (zh) | 2023-08-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116644618B (zh) | 一种风电机组的疲劳寿命评估方法、系统、设备及介质 | |
| CN112084651B (zh) | 计及疲劳损伤的多尺度风电igbt可靠性评估方法及系统 | |
| CN106815771B (zh) | 一种风电场载荷的长期评估方法 | |
| CN113591359B (zh) | 一种风电机组切入/切出风速调优方法、系统及设备介质 | |
| Villanueva et al. | Normal-based model for true power curves of wind turbines | |
| CN109447441B (zh) | 一种考虑新能源机组不确定性的暂态稳定风险评估方法 | |
| Manuel et al. | Parametric models for estimating wind turbine fatigue loads for design | |
| CN116306798A (zh) | 一种超短时风速预测方法及系统 | |
| CN111997831B (zh) | 风电机组的载荷控制方法和装置 | |
| Caccia et al. | Numerical simulations of ice accretion on wind turbine blades: are performance losses due to ice shape or surface roughness? | |
| Noppe et al. | Modeling of quasi-static thrust load of wind turbines based on 1 s SCADA data | |
| CN114254904B (zh) | 一种风电机组机舱运行健康度评价方法及装置 | |
| Schwarz et al. | Wind turbine load dynamics in the context of turbulence intermittency | |
| Pandit et al. | Performance assessment of a wind turbine using SCADA based Gaussian Process model | |
| CN117350159A (zh) | 发电机散热性能预警方法、装置、设备及存储介质 | |
| CN103915855A (zh) | 一种降低风电机组机械损耗的风电场内优化调度方法 | |
| CN116292094B (zh) | 确定代表风力发电机组的方法和装置以及控制方法和装置 | |
| CN112598210A (zh) | 一种风电机组发电机性能评估及预警方法 | |
| CN110705581A (zh) | 一种基于改进的隐马尔可夫模型的变桨轴承故障识别方法 | |
| Berglind et al. | Fatigue estimation methods comparison for wind turbine control | |
| CN116247655A (zh) | 一种风电出力预测方法、系统、存储介质及设备 | |
| CN114320773B (zh) | 一种基于功率曲线分析与神经网络的风电机组故障预警方法 | |
| CN112287621B (zh) | 风电机组运行状态阈值曲线确定方法、评价方法及系统 | |
| Zhang et al. | Probability warning for wind turbine gearbox incipient faults based on SCADA data | |
| Kadhem et al. | Differential evolution optimization algorithm based on generation systems reliability assessment integrated with wind energy |
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 |