CN117646707A - 风机轮毂监测方法、装置、设备及存储介质 - Google Patents
风机轮毂监测方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN117646707A CN117646707A CN202410123552.5A CN202410123552A CN117646707A CN 117646707 A CN117646707 A CN 117646707A CN 202410123552 A CN202410123552 A CN 202410123552A CN 117646707 A CN117646707 A CN 117646707A
- Authority
- CN
- China
- Prior art keywords
- data
- blade
- index
- hub
- sensor
- 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
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 105
- 238000000034 method Methods 0.000 title claims abstract description 71
- 230000001360 synchronised effect Effects 0.000 claims abstract description 17
- 238000006073 displacement reaction Methods 0.000 claims description 35
- 230000004927 fusion Effects 0.000 claims description 14
- 238000012545 processing Methods 0.000 claims description 13
- 238000005096 rolling process Methods 0.000 claims description 11
- 238000012806 monitoring device Methods 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 4
- 238000003745 diagnosis Methods 0.000 abstract description 6
- 238000010248 power generation Methods 0.000 abstract description 2
- 230000008569 process Effects 0.000 description 26
- 238000004458 analytical method Methods 0.000 description 8
- 230000008859 change Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000002093 peripheral effect Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000007405 data analysis Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000005299 abrasion Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 239000003638 chemical reducing agent Substances 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000003331 infrared imaging Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000005461 lubrication Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 238000010408 sweeping Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
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
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)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
本申请提供一种风机轮毂监测方法、装置、设备及存储介质,涉及风力发电技术领域,该方法应用于监测系统,该监测系统安装在轮毂内;该方法包括:同步采集风机轮毂数据;其中,风机轮毂数据包括:叶片数据、变桨轴承振动数据以及叶根法兰数据;基于风机轮毂数据,计算部件指标;将部件指标与预设报警门限阈值进行比对,并根据比对的结果,分工况输出报警信号。通过对风机轮毂的叶片、变桨轴承、叶根法兰的多系统、不同数据类型的同步采集,以及多工况报警体系,提高了故障诊断能力和报警有效性,为风机多合一监测的智能诊断和智能报警提供了基础,提高了报警有效性,提高了轮毂监测的有效性。
Description
技术领域
本申请涉及风力发电技术领域,具体而言,涉及一种风机轮毂监测方法、装置、设备及存储介质。
背景技术
风力发电机变桨系统的所有部件都安装在轮毂上,风机正常运行时所有部件都随轮毂以一定的速度旋转,风机的叶片(根部)通过变桨轴承与轮毂相连,变桨系统通过控制叶片的角度来控制风轮的转速,进而控制风机的输出功率,并能够通过空气动力制动的方式使风机安全停机。轮毂内监测通过叶片监测可以有效地预防潜在故障,及时发现叶片磨损、变形、裂纹等问题,并提前计划维修和保养工作,以提高风力发电机的运行可靠性和持续稳定发电。
目前,轮毂内叶片、变桨轴承和叶根法兰的故障往往具有较强的关联性,如叶根螺栓松动、断裂等问题可能会导致叶片振动过大甚至其他继发性损伤;变桨轴承裂纹、断裂等问题可能会导致叶片脱离轮毂的危险。同时,系统的独立监测往往受到工况、设备运行特性等因素影响报警有效性不高,对于故障的定位和根源性分析存在一定难度。
发明内容
有鉴于此,本申请实施例的目的在于提供一种风机轮毂监测方法、装置、设备及存储介质,通过安装在轮毂内的监测系统,同步采集超低频/低频/高频振动数据(叶片数据)、超高频冲击脉冲数据(变桨轴承振动数据)和位移数据(叶根法兰数据)在内的全面数据类型进行分析,可实现轮毂内故障的根源性分析,提高了轮毂内不同部件的故障分析和故障定位能力,对于故障案例的捕获更加有效,从而解决上述技术问题。
第一方面,本申请实施例提供一种风机轮毂监测方法,所述方法应用于监测系统,所述监测系统安装在轮毂内;所述方法包括:同步采集风机轮毂数据;其中,所述风机轮毂数据包括:叶片数据、变桨轴承振动数据以及叶根法兰数据;基于所述风机轮毂数据,计算部件指标;将所述部件指标与预设报警门限阈值进行比对,并根据所述比对的结果,分工况输出报警信号。
在上述实现过程中,通过对风机轮毂的叶片、变桨轴承、叶根法兰的多系统、不同数据类型的同步采集,以及多工况报警体系,提高了故障诊断能力和报警有效性,为风机多合一监测的智能诊断和智能报警提供了基础,提高了轮毂监测的有效性。
可选地,所述监测系统包括:双轴低频振动传感器、转速传感器;所述双轴低频振动传感器安装在轮毂的每一只叶片位置处,所述双轴低频振动传感器的双轴方向对应叶片挥舞方向和叶片摆振方向;所述转速传感器安装在所述风机轮毂与主轴的连接位置;所述叶片数据包括:叶片低频振动数据、叶片超低频振动数据、叶片温度数据和叶片转速数据;
所述同步采集风机轮毂数据,包括:
通过所述转速传感器采集叶片转速数据;
当所述叶片转速数据满足预设转速工况条件,通过所述双轴低频振动传感器和转速传感器采集叶片数据,并同步采集叶根法兰数据。
在上述实现过程中,通过安装双轴低频振动传感器、转速传感器的监测系统同步采集叶片低频振动数据、叶片超低频振动数据、叶片温度数据和叶片转速数据,方便后续更全面计算相应的叶片指标,提高了轮毂监测的准确性和实时性。
可选地,所述叶片转速数据从风机SCADA系统获取,或基于所述叶片低频振动数据和叶片超低频振动数据计算获取。
在上述实现过程中,通过风机SCADA系统实时接入转速信息或自动计算出叶片的转速信息,提高了叶片转速的获取能力和获取效率。
可选地,所述监测系统包括:工况传感器、冲击振动传感器;所述工况传感器安装在变桨电机上,所述冲击振动传感器安装在变桨轴承的内圈和外圈上;
所述同步采集风机轮毂数据,包括:
通过所述工况传感器采集变桨电机的变桨工况数据;
当所述变桨工况数据满足预设变桨工况条件,通过所述冲击振动传感器采集变桨轴承振动数据,并同步采集叶片数据和叶根法兰数据。
在上述实现过程中,通过安装工况传感器、冲击振动传感器的监测系统同步采集变桨工况数据和变桨轴承振动数据,方便后续更全面计算相应的变桨轴承指标,提高了轮毂监测的准确性和实时性。
可选地,所述监测系统还包括:位移传感器;所述位移传感器安装在变桨轴承与叶片连接处法兰的上半部和下半部的间隙位置;
所述同步采集风机轮毂数据,还包括:
通过所述位移传感器采集叶根法兰数据,并通过所述双轴低频振动传感器和转速传感器采集叶片数据,通过所述冲击振动传感器采集变桨轴承振动数据。
在上述实现过程中,通过安装位移传感器、冲击振动传感器、双轴低频振动传感器和转速传感器的监测系统同步采集叶根法兰数据、叶片数据、变桨轴承振动数据,方便后续更全面计算相应的法兰指标、叶片指标、变桨轴承指标,提高了轮毂监测的准确性和实时性。
可选地,所述基于所述风机轮毂数据,计算部件指标,包括:
基于叶片数据,计算叶片的振动总值指标、波形冲击指标以及频段能量指标;
基于变桨轴承振动数据,计算变桨轴承的振动总值指标、滚动轴承指标以及冲击指标;
基于叶根法兰数据,计算叶根法兰的位移均值指标、峰峰值指标。
在上述实现过程中,通过根据相应的数据计算对应的部件指标,方便及时监测叶片、变桨轴承、叶根法兰等对应部件的运行情况,提高了轮毂内不同部件的故障分析和故障定位能力。
可选地,所述将所述部件指标与预设报警门限阈值进行比对,并根据所述比对的结果,分工况输出报警信号,包括:
若所述叶片的振动总值指标、波形冲击指标中任意一个指标,以及所述叶根法兰的位移均值指标以及峰峰值指标中任意一个指标超过预设报警门限阈值,融合后输出叶片工况故障报警信号;
和/或,若所述叶片的波形冲击指标,以及所述变桨轴承的振动总值指标、滚动轴承指标、冲击指标中任意一个指标超过预设报警门限阈值,融合后输出变桨轴承工况故障报警信号;
和/或,若所述叶根法兰的位移均值指标、峰峰值指标中任意一个指标,以及所述变桨轴承的振动总值指标超过预设报警门限阈值,融合后输出叶根螺栓工况故障报警信号。
在上述实现过程中,通过对叶片的振动总值指标、波形冲击指标,叶根法兰的位移均值指标以及峰峰值指标,变桨轴承的振动总值指标、滚动轴承指标、冲击指标进行比对,融合分析后分工况报警,避免了各部件同时报警的相互干扰,提高了报警的有效性。
第二方面,本申请实施例提供了一种风机轮毂监测装置,该方法应用于监测系统,监测系统安装在轮毂内;该装置包括采集模块和数据处理模块;
采集模块用于同步采集风机轮毂数据;其中,风机轮毂数据包括:叶片数据、变桨轴承振动数据以及叶根法兰数据;
数据处理模块用于基于风机轮毂数据,计算部件指标;
数据处理模块还用于将部件指标与预设报警门限阈值进行比对,并根据比对的结果,分工况输出报警信号。
第三方面,本申请实施例还提供一种电子设备,包括:处理器、存储器,所述存储器存储有所述处理器可执行的机器可读指令,当电子设备运行时,所述机器可读指令被所述处理器执行时执行上述的方法的步骤。
第四方面,本申请实施例提供一种存储介质,所述存储介质上存储有计算机程序,所述计算机程序被处理器运行时执行上述的方法的步骤。
为使本申请的上述目的、特征和优点能更明显易懂,下文特举实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对本申请实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1为本申请实施例提供的一种风机轮毂监测方法的流程图;
图2为本申请实施例提供的一种叶根法兰监测系统连接示意图;
图3为本申请实施例提供的风机轮毂监测装置的功能模块示意图;
图4为本申请实施例提供风机轮毂监测装置的电子设备的方框示意图。
图标:210-采集模块;220-数据处理模块;300-电子设备;311-存储器;312-存储控制器;313-处理器;314-外设接口;315-输入输出单元;316-显示单元。
具体实施方式
下面将结合本申请实施例中附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本申请保护的范围。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。术语“第一”、“第二”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
在介绍本申请实施例前,首先对本申请涉及的技术概念作简要介绍。
风机变桨系统运动规律:风机变桨结构主要为变桨轴承,其内外圈分别连接叶片叶根部位与轮毂,其作为一个连接件,连接叶片与轮毂。在变桨轴承内圈或者外圈增加动力驱动装置(变桨减速器或者皮带),驱动变桨轴承内圈或者外圈转动,从而使风机叶片转动一定角度,实现开顺桨。变桨轴承主要分为内圈转动、外圈固定和内圈固定、外圈转动两种运行方案,叶片存在开桨、顺桨两种状态,在两种状态的切换过程中,变桨轴承存在正反转,即开桨时,桨叶角度从90°变化至0°,顺桨时,桨叶角度从0°变化至90°。开桨与顺桨时间相差较大,而且风机运行时,开桨和顺桨状态具有随机性。叶片开桨和顺桨分别是风机启机和停机过程的重要步骤。
轮毂(gǔ):轮毂是用来将叶片连接到旋转主轴上的固定部件,它将叶片的载荷传递到风力发电机的支撑结构上,即最终传递到塔架上。轮毂根据直径、宽度、成型方式、材料不同种类繁多。
变桨轴承:旋转安装在轮毂上的叶片,其外圈通过螺栓与轮毂连接,内圈与叶片连接。当风速过高或过低时,通过调整桨叶桨距改变气流对叶片攻角,从而改变风力发电机组获得的空气动力转矩,使功率输出保持稳定。
本申请发明人注意到,叶片监测技术包括振动监测、光纤应变监测、声发射监测、超声波监测等;变桨轴承监测技术包括振温监测、电流监测、油润滑监测、声波监测等;叶根螺栓监测技术包括法兰间隙监测、超声监测、拉伸力监测、红外成像监测等。现有技术中提供了一种光纤光栅式风电机组变桨法兰、叶片智能诊断方法及系统,该方法包括:获取叶片的应力监测数据及变桨法兰的位移监测数据;根据获取到的应力监测数据对叶片进行故障诊断;对应力监测数据进行螺栓装填监测,判断当前变桨法兰螺栓是否出现松动或者断裂,仅能对法兰和叶片进行同步监测。目前,轮毂内监测多以单系统监测为主,虽然单个系统的监测具有较好的针对性,能够监测出叶片损伤、叶片不平衡、法兰螺栓松动、断裂等,但对于多个系统无法做到同步监测。单个系统的独立监测往往受到工况、设备运行特性等因素影响报警有效性不高,对于故障的定位和根源性分析存在一定难度。有鉴于此,本申请实施例提供了一种如下介绍的风机轮毂监测方法、装置、设备及存储介质。
请参阅图1,图1为本申请实施例提供的一种风机轮毂监测方法的流程图。下面对本申请实施例进行详细阐释。该方法应用于监测系统,监测系统安装在轮毂内。该方法包括:步骤100、步骤120和步骤140。
步骤100:同步采集风机轮毂数据;其中,风机轮毂数据包括:叶片数据、变桨轴承振动数据以及叶根法兰数据;
步骤120:基于风机轮毂数据,计算部件指标;
步骤140:将部件指标与预设报警门限阈值进行比对,并根据比对的结果,分工况输出报警信号。
示例性地,风机轮毂数据可以是:风机轮毂是连接叶片和主传动的关键部件,变桨轴承内圈(外圈)与叶片通过法兰连接,变桨轴承外圈(内圈)与轮毂通过法兰连接,并通过螺栓固定,这种连接方式可以提供足够的刚性和扭转刚度,保证了叶片与轮毂的稳固连接,以适应风力发电机工作时的动态负载;风机轮毂数据则是通过安装在轮毂内的监测系统监测轮毂内叶片、变桨轴承、叶根法兰等内部部件的运行数据。分工况输出报警信号可以是:根据轮毂内叶片、变桨轴承、叶根法兰等内部部件的运行数据计算对应指标,可设置不同的智能报警门限与计算指标进行比对,不同部件之间的报警可以相互融合,并分工况进行智能报警,报警的形式可以是LED灯闪烁、语音提示等。
可选地,风机轮毂监测包括叶片、变桨轴承、叶根法兰,监测系统可以包括用于分别监测叶片、变桨轴承、叶根法兰运行数据的传感器,在轮毂内安装一个有线监测采集站,实现对轮毂内不同部件(叶片、变桨轴承、叶根法兰)的数据同步采集及多部件的同时监控,在风机轮毂运行全过程进行运行数据的同步采集,包括轮毂启机过程、停机过程、高速/中速/低速阶段的运行数据;根据这些运行数据同步计算对应部件指标,不同工况下,指标趋势上会有明显的区分,例如:叶片在高转速和低转速时叶片与连接法兰的指标数据会呈现明显的数据分层,变桨轴承在开桨和顺桨时的指标数据也会呈现明显的数据分层;对不同工况下的指标趋势设置不同的报警门限,并分工况进行报警。
通过对风机轮毂在启机过程、停机过程、高速/中速/低速阶段运行全过程进行叶片、变桨轴承、叶根法兰数据同步采集,减少了由于工况因素或单部件局部故障对其余部件的报警干扰,提高了报警有效性,便于及时、准确地对风机轮毂各部件运行状态进行预警,提高了轮毂监测的有效性。
在一个实施例中,该监测系统包括:双轴低频振动传感器、转速传感器;双轴低频振动传感器安装在轮毂的每一只叶片位置处,双轴方向对应叶片挥舞方向和叶片摆振方向;转速传感器安装在风机轮毂与主轴的连接位置;叶片数据包括:叶片低频振动数据、叶片超低频振动数据、叶片温度数据和叶片转速数据;步骤100可以包括:步骤101、步骤102。
步骤101:通过转速传感器采集叶片转速数据;
步骤102:当叶片转速数据满足预设转速工况条件,通过双轴低频振动传感器和转速传感器采集叶片数据,并同步采集叶根法兰数据。
示例性地,该监测系统可包括用于监测叶片数据的双轴低频振动传感器、转速传感器等组成的叶片监测系统。每只叶片可各安装一个双轴低频振动传感器,传感器兼具测温功能,两根轴方向分别对应叶片的挥舞和摆振方向,可同时采集三只叶片低频、超低频振动数据,当叶片发生米级以上裂纹、断裂、扫塔等严重故障时,叶片在低频、超低频会产生显著的振动异常;当叶片表面覆冰时,叶片传感器会检测到叶片表面温度的变化,结合振动数据分析,可实现对叶片运行状态的预警。预设转速工况条件可以是:根据叶片运行转速可划分为高速、中速、低速三种工况。
可选地,在监测系统的采集周期内,当叶片转速满足预设的转速工况条件,如叶片转速符合高速、中速、低速中的任何一种工况时,采集站除保存当前的叶片数据,还同步采集连接法兰数据,并按照高速、中速、低速三种转速分工况进行保存;在监测系统的采集周期内,当叶片转速不满足预设的转速工况条件,如风机停机、叶片转速波动大时,采集站不采集叶片和连接法兰的数据。通过安装双轴低频振动传感器、转速传感器的监测系统同步采集叶片低频振动数据、叶片超低频振动数据、叶片温度数据和叶片转速数据,方便后续更全面计算相应的叶片指标,提高了轮毂监测的准确性和实时性。
在一个实施例中,叶片转速数据从风机SCADA系统获取,或基于叶片低频振动数据和叶片超低频振动数据计算获取。
示例性地,风机SCADA系统(ULI-SCADA)可以是:搭建的一个风电场各项监控、监测数据的信息共享、交换、传输平台;针对运营商、制造商以及技术研发单位,提供远程分布终端综合监测系统,创建风电场行业数据仓库,组建风资源前期规范及评估、产能预报、风电场运营管理等专家系统;风电场SCADA系统的功能包括风机实时监控、在线数据分析、离线数据存储与分析、报表生成等。可选地,除了在风机轮毂与主轴连接位置可安装转速传感器实时获取叶片的转速数据;还可从风机SCADA系统(风电场对风机进行远程监控和管理的自动化系统)接入转速信息,或者基于预设算法自识别叶片转速,并通过叶片低频振动数据、叶片超低频振动数据,算法自动计算出叶片的转速。通过风机SCADA系统实时接入转速信息或自动计算出叶片的转速信息,提高了叶片转速的获取能力和获取效率。
在一个实施例中,该监测系统包括:工况传感器、冲击振动传感器;该工况传感器安装在变桨电机上,冲击振动传感器安装在变桨轴承的内圈和外圈上;步骤100可以包括:步骤103和步骤104。
步骤103:通过工况传感器采集变桨电机的变桨工况数据;
步骤104:当变桨工况数据满足预设变桨工况条件,通过冲击振动传感器采集变桨轴承振动数据,并同步采集叶片数据和叶根法兰数据。
示例性地,该监测系统可包括用于监测变桨轴承数据的工况传感器、冲击振动传感器等组成的变桨轴承监测系统。变桨电机上安装工况传感器,变桨轴承内、外圈上安装冲击振动传感器,工况传感器可采集变桨电机的运行工况,冲击振动传感器可采集变桨轴承的超高频冲击脉冲信号和高频振动信号。当变桨电机的运行工况满足开桨、顺桨的变桨工况条件时,立即对符合开桨、顺桨的冲击振动数据进行保存,当变桨轴承产生故障时,通过冲击振动信号的高频及超高频响应能力,可有效地对变桨轴承故障进行识别。
可选地,当变桨电机的运行工况满足变桨工况(开桨、顺桨)条件,即变桨电机连续稳态运行时,采集站除了对符合开桨、顺桨的变桨轴承的冲击振动数据进行保存外,同步采集叶片数据和连接法兰数据。通过安装工况传感器、冲击振动传感器的监测系统同步采集变桨工况数据和变桨轴承振动数据,方便后续更全面计算相应的变桨轴承指标,提高了轮毂监测的准确性和实时性。
在一个实施例中,该监测系统还包括:位移传感器;位移传感器安装在变桨轴承与叶片连接处法兰的上半部和下半部的间隙位置;步骤100可以包括:步骤105。
步骤105:通过位移传感器采集叶根法兰数据,并通过双轴低频振动传感器和转速传感器采集叶片数据,通过冲击振动传感器采集变桨轴承振动数据。
示例性地,该监测系统可包括用于监测叶根法兰数据的位移传感器组成的叶根法兰监测系统。如图2所示,在变桨轴承与叶片的连接法兰上安装间隙位移传感器(测量装置),间隙位移监测传感器可由两部分组成,一部分装在法兰上部,另一部分装在法兰下部。当法兰螺栓松动后,会导致法兰间隙变大,带动传感器两部分间位移数据变化,由于交变载荷的影响,间隙的大小和位置会发生变化,通过监控间隙的变化即可反映整个法兰的螺栓松动情况。
可选地,当变桨电机的运行工况满足变桨工况(开桨、顺桨)条件,即变桨电机连续稳态运行时,采集站除了对符合开桨、顺桨条件的变桨轴承的冲击振动数据进行保存外,还同步采集叶片数据和连接法兰数据(叶根法兰数据)。通过安装位移传感器、冲击振动传感器、双轴低频振动传感器和转速传感器的监测系统同步采集叶根法兰连接数据叶根法兰数据、叶片数据、变桨轴承振动数据,方便后续更全面计算相应的法兰指标、叶片指标、变桨轴承指标,提高了轮毂监测的准确性和实时性。在一个实施例中,步骤120可以包括:步骤121、步骤122和步骤123。
步骤121:基于叶片数据,计算叶片的振动总值指标、波形冲击指标以及频段能量指标;
步骤122:基于变桨轴承振动数据,计算变桨轴承的振动总值指标、滚动轴承指标以及冲击指标;
步骤123:基于叶根法兰数据,计算叶根法兰的位移均值指标、峰峰值指标。
示例性地,当叶片、变桨轴承、叶根法兰满足叶片转速工况/变桨工况触发采集条件时,需要对相应的数据计算相关指标,对于叶片数据,可计算叶片的振动总值指标、波形冲击指标以及频段能量指标等相关指标;对于叶根法兰数据,可计算叶根法兰的位移均值、峰峰值等相关指标;对于变桨轴承振动数据,可计算变桨轴承的振动总值、滚动轴承、冲击等相关指标。根据不同部件计算的指标可设置不同的智能报警门限,不同部件之间的报警可以相互融合,并分工况进行智能报警。不同工况下,指标趋势上会有明显的区分,例如叶片在高转速和低转速时,叶片与连接法兰的指标数据会呈现明显的数据分层,变桨轴承在开桨和顺桨时的指标数据也会呈现明显的数据分层。对不同工况下的指标趋势设置不同的报警门限,并分工况进行报警。通过根据相应的数据计算对应的部件指标,方便及时监测叶片、变桨轴承、叶根法兰等对应部件的运行情况,提高了轮毂内不同部件的故障分析和故障定位能力。
在一个实施例中,步骤140可以包括:步骤141、步骤142和步骤143。
步骤141:若叶片的振动总值指标、波形冲击指标中任意一个指标,以及叶根法兰的位移均值指标以及峰峰值指标中任意一个指标超过预设报警门限阈值,融合后输出叶片工况故障报警信号;
步骤142:和/或,若叶片的波形冲击指标,以及变桨轴承的振动总值指标、滚动轴承指标、冲击指标中任意一个指标超过预设报警门限阈值,融合后输出变桨轴承工况故障报警信号;
步骤143:和/或,若叶根法兰的位移均值指标、峰峰值指标中任意一个指标,以及变桨轴承的振动总值指标超过预设报警门限阈值,融合后输出叶根螺栓工况故障报警信号。
示例性地,叶片、连接法兰、变桨轴承部件紧密连接,当风机偏航或受到风况等因素影响下,不同部件可能会产生同步性振动变化,当其中一个部件产生损伤时,另外两个部件可能会产生振动效应的传递。对于故障的报警大致可以分为以下集中情况:(1)当叶片发生故障时,叶片的振动总值、波形冲击等指标会产生明显的变化,此时连接法兰受振动传递其位移均值、峰峰值可能也会有变化,算法通过将叶片与连接法兰的指标报警进行比对和融合,若超过预设门限阈值,只推送叶片报警信号,不再对连接法兰推送报警。(2)当变桨轴承发生故障时会在运行期间即开桨、顺桨过程中产生明显的冲击现象,此时叶片的波形冲击指标可能也会有变化,自动识别算法通过将变桨轴承与叶片的工况进行关联,若超过预设门限阈值,即开桨、顺桨分别对应叶片的启机过程/停机过程,此时叶片的波形冲击特征应为工况变化或变桨轴承冲击能量传递导致,故只会给变桨轴承推送报警,不会给叶片推送报警。(3)当叶根螺栓松动时,连接法兰间隙变大,变桨轴承运行过程可能会出现振动增大的现象,通过将连接法兰与变桨轴承的相关指标进行比对和报警融合,若超过预设门限阈值,避免既给连接法兰推送报警,也给变桨轴承推送报警。
通过对叶片的振动总值指标、波形冲击指标,叶根法兰的位移均值指标以及峰峰值指标,变桨轴承的振动总值指标、滚动轴承指标、冲击指标进行比对,融合分析后分工况报警,避免了各部件同时报警的相互干扰,提高了报警的有效性。
请参阅图3,图3为本申请实施例提供的一种风机轮毂监测装置的功能模块示意图。该方法应用于监测系统,监测系统安装在轮毂内;该装置包括采集模块210和数据处理模块220;
采集模块210用于同步采集风机轮毂数据;其中,风机轮毂数据包括:叶片数据、变桨轴承振动数据以及叶根法兰数据;
数据处理模块220用于基于风机轮毂数据,计算部件指标;
数据处理模块220还用于将部件指标与预设报警门限阈值进行比对,并根据比对的结果,分工况输出报警信号。
可选地,所述监测系统包括:双轴低频振动传感器、转速传感器;所述双轴低频振动传感器安装在轮毂的每一只叶片位置处,所述双轴方向对应叶片挥舞方向和叶片摆振方向;所述转速传感器安装在所述风机轮毂与主轴的连接位置;所述叶片数据包括:叶片低频振动数据、叶片超低频振动数据、叶片温度数据和叶片转速数据;
所述同步采集风机轮毂数据,包括:
通过所述转速传感器采集叶片转速数据;
当所述叶片转速数据满足预设转速工况条件,通过所述双轴低频振动传感器和转速传感器采集叶片数据,并同步采集叶根法兰数据。
可选地,所述叶片转速数据从风机SCADA系统获取,或基于所述叶片低频振动数据和叶片超低频振动数据计算获取。
可选地,所述监测系统包括:工况传感器、冲击振动传感器;所述工况传感器安装在变桨电机上,所述冲击振动传感器安装在变桨轴承的内圈和外圈上;
所述同步采集风机轮毂数据,包括:
通过所述工况传感器采集变桨电机的变桨工况数据;
当所述变桨工况数据满足预设变桨工况条件,通过所述冲击振动传感器采集变桨轴承振动数据,并同步采集叶片数据和叶根法兰数据。
可选地,所述监测系统还包括:位移传感器;所述位移传感器安装在变桨轴承与叶片连接处法兰的上半部和下半部的间隙位置;
所述同步采集风机轮毂数据,还包括:
通过所述位移传感器采集叶根法兰数据,并通过所述双轴低频振动传感器和转速传感器采集叶片数据,通过所述冲击振动传感器采集变桨轴承振动数据。
可选地,所述基于所述风机轮毂数据,计算部件指标,包括:
基于叶片数据,计算叶片的振动总值指标、波形冲击指标以及频段能量指标;
基于变桨轴承振动数据,计算变桨轴承的振动总值指标、滚动轴承指标以及冲击指标;
基于叶根法兰数据,计算叶根法兰的位移均值指标、峰峰值指标。
可选地,所述将所述部件指标与预设报警门限阈值进行比对,并根据所述比对的结果,分工况输出报警信号,包括:
若所述叶片的振动总值指标、波形冲击指标中任意一个指标,以及所述叶根法兰的位移均值指标以及峰峰值指标中任意一个指标超过预设报警门限阈值,融合后输出叶片工况故障报警信号;
和/或,若所述叶片的波形冲击指标,以及所述变桨轴承的振动总值指标、滚动轴承指标、冲击指标中任意一个指标超过预设报警门限阈值,融合后输出变桨轴承工况故障报警信号;
和/或,若所述叶根法兰的位移均值指标、峰峰值指标中任意一个指标,以及所述变桨轴承的振动总值指标超过预设报警门限阈值,融合后输出叶根螺栓工况故障报警信号。
请参阅图4,图4是电子设备的方框示意图。电子设备300可以包括存储器311、存储控制器312、处理器313、外设接口314、输入输出单元315、显示单元316。本领域普通技术人员可以理解,图4所示的结构仅为示意,其并不对电子设备300的结构造成限定。例如,电子设备300还可包括比图4中所示更多或者更少的组件,或者具有与图4所示不同的配置。
上述的存储器311、存储控制器312、处理器313、外设接口314、输入输出单元315、显示单元316各元件相互之间直接或间接地电性连接,以实现数据的传输或交互。例如,这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。上述的处理器313用于执行存储器中存储的可执行模块。
其中,存储器311可以是,但不限于,随机存取存储器(Random Access Memory,简称RAM),只读存储器(Read Only Memory,简称ROM),可编程只读存储器(ProgrammableRead-Only Memory,简称PROM),可擦除只读存储器(Erasable Programmable Read-OnlyMemory,简称EPROM),电可擦除只读存储器(Electric Erasable Programmable Read-OnlyMemory,简称EEPROM)等。其中,存储器311用于存储程序,所述处理器313在接收到执行指令后,执行所述程序,本申请实施例任一实施例揭示的过程定义的电子设备300所执行的方法可以应用于处理器313中,或者由处理器313实现。
上述的处理器313可能是一种集成电路芯片,具有信号的处理能力。上述的处理器313可以是通用处理器,包括中央处理器(Central Processing Unit,简称CPU)、网络处理器(Network Processor,简称NP)等;还可以是数字信号处理器(digital signalprocessor,简称DSP)、专用集成电路(Application Specific Integrated Circuit,简称ASIC)、现场可编程门阵列(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。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
上述的外设接口314将各种输入/输出装置耦合至处理器313以及存储器311。在一些实施例中,外设接口314,处理器313以及存储控制器312可以在单个芯片中实现。在其他一些实例中,他们可以分别由独立的芯片实现。
上述的输入输出单元315用于提供给用户输入数据。所述输入输出单元315可以是,但不限于,鼠标和键盘等。
上述的显示单元316在电子设备300与用户之间提供一个交互界面(例如用户操作界面)给用户参考。在本实施例中,所述显示单元316可以是液晶显示器或触控显示器。液晶显示器或触控显示器可以对处理器执行所述程序的过程进行显示。
本实施例中的电子设备300可以用于执行本申请实施例提供的各个方法中的各个步骤。
此外,本申请实施例还提供一种存储介质,该存储介质上存储有计算机程序,该计算机程序被处理器运行时执行上述方法实施例中的步骤。
本申请实施例所提供的上述方法的计算机程序产品,包括存储了程序代码的存储介质,所述程序代码包括的指令可用于执行上述方法实施例中的步骤,具体可参见上述方法实施例,在此不再赘述。
在本申请所提供的实施例中,应该理解到,所揭露装置和方法,可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,所述模块的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,又例如,多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。在本申请实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
需要说明的是,功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read-Only Memory,ROM)随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。
以上所述仅为本申请的实施例而已,并不用于限制本申请的保护范围,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (10)
1.一种风机轮毂监测方法,其特征在于,所述方法应用于监测系统,所述监测系统安装在轮毂内;所述方法包括:
同步采集风机轮毂数据;其中,所述风机轮毂数据包括:叶片数据、变桨轴承振动数据以及叶根法兰数据;
基于所述风机轮毂数据,计算部件指标;
将所述部件指标与预设报警门限阈值进行比对,并根据所述比对的结果,分工况输出报警信号。
2.根据权利要求1所述的方法,其特征在于,其中,所述监测系统包括:双轴低频振动传感器、转速传感器;所述双轴低频振动传感器安装在轮毂的每一只叶片位置处,所述双轴低频振动传感器的双轴方向对应叶片挥舞方向和叶片摆振方向;所述转速传感器安装在所述风机轮毂与主轴的连接位置;所述叶片数据包括:叶片低频振动数据、叶片超低频振动数据、叶片温度数据和叶片转速数据;
所述同步采集风机轮毂数据,包括:
通过所述转速传感器采集叶片转速数据;
当所述叶片转速数据满足预设转速工况条件,通过所述双轴低频振动传感器和转速传感器采集叶片数据,并同步采集叶根法兰数据。
3.根据权利要求2所述的方法,其特征在于,其中,所述叶片转速数据从风机SCADA系统获取,或基于所述叶片低频振动数据和叶片超低频振动数据计算获取。
4.根据权利要求1所述的方法,其特征在于,其中,所述监测系统包括:工况传感器、冲击振动传感器;所述工况传感器安装在变桨电机上,所述冲击振动传感器安装在变桨轴承的内圈和外圈上;
所述同步采集风机轮毂数据,包括:
通过所述工况传感器采集变桨电机的变桨工况数据;
当所述变桨工况数据满足预设变桨工况条件,通过所述冲击振动传感器采集变桨轴承振动数据,并同步采集叶片数据和叶根法兰数据。
5.根据权利要求2-4任一所述的方法,其特征在于,其中,所述监测系统还包括:位移传感器;所述位移传感器安装在变桨轴承与叶片连接处法兰的上半部和下半部的间隙位置;
所述同步采集风机轮毂数据,还包括:
通过所述位移传感器采集叶根法兰数据,并通过双轴低频振动传感器和转速传感器采集叶片数据,通过冲击振动传感器采集变桨轴承振动数据。
6.根据权利要求1所述的方法,其特征在于,所述基于所述风机轮毂数据,计算部件指标,包括:
基于叶片数据,计算叶片的振动总值指标、波形冲击指标以及频段能量指标;
基于变桨轴承振动数据,计算变桨轴承的振动总值指标、滚动轴承指标以及冲击指标;
基于叶根法兰数据,计算叶根法兰的位移均值指标、峰峰值指标。
7.根据权利要求6所述的方法,其特征在于,所述将所述部件指标与预设报警门限阈值进行比对,并根据所述比对的结果,分工况输出报警信号,包括:
若所述叶片的振动总值指标、波形冲击指标中任意一个指标,以及所述叶根法兰的位移均值指标以及峰峰值指标中任意一个指标超过预设报警门限阈值,融合后输出叶片工况故障报警信号;
和/或,若所述叶片的波形冲击指标,以及所述变桨轴承的振动总值指标、滚动轴承指标、冲击指标中任意一个指标超过预设报警门限阈值,融合后输出变桨轴承工况故障报警信号;
和/或,若所述叶根法兰的位移均值指标、峰峰值指标中任意一个指标,以及所述变桨轴承的振动总值指标超过预设报警门限阈值,融合后输出叶根螺栓工况故障报警信号。
8.一种风机轮毂监测装置,其特征在于,所述装置应用于监测系统,所述监测系统安装在轮毂内;所述装置包括采集模块和数据处理模块;
所述采集模块用于同步采集风机轮毂数据;其中,所述风机轮毂数据包括:叶片数据、变桨轴承振动数据以及叶根法兰数据;
所述数据处理模块用于基于所述风机轮毂数据,计算部件指标;
所述数据处理模块还用于将所述部件指标与预设报警门限阈值进行比对,并根据所述比对的结果,分工况输出报警信号。
9.一种电子设备,其特征在于,包括:处理器、存储器,所述存储器存储有所述处理器可执行的机器可读指令,当电子设备运行时,所述机器可读指令被所述处理器执行时执行如权利要求1至7任一所述的方法的步骤。
10.一种存储介质,其特征在于,所述存储介质上存储有计算机程序,所述计算机程序被处理器运行时执行如权利要求1至7任一所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410123552.5A CN117646707B (zh) | 2024-01-30 | 2024-01-30 | 风机轮毂监测方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410123552.5A CN117646707B (zh) | 2024-01-30 | 2024-01-30 | 风机轮毂监测方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117646707A true CN117646707A (zh) | 2024-03-05 |
CN117646707B CN117646707B (zh) | 2024-04-19 |
Family
ID=90045538
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410123552.5A Active CN117646707B (zh) | 2024-01-30 | 2024-01-30 | 风机轮毂监测方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117646707B (zh) |
Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100954090B1 (ko) * | 2009-10-27 | 2010-04-23 | 주식회사 위다스 | 풍력발전설비 상태감시시스템 |
US20100250013A1 (en) * | 2007-10-09 | 2010-09-30 | Bo Birkemose | Monitoring of Blade Frequencies of a Wind Turbine |
CN203879692U (zh) * | 2014-06-18 | 2014-10-15 | 北京金风科创风电设备有限公司 | 一种叶轮状态监测系统 |
CN107781118A (zh) * | 2017-10-25 | 2018-03-09 | 西安锐益达风电技术有限公司 | 基于多元传感信息的风力发电机叶片健康状态监测系统 |
CN107829885A (zh) * | 2017-10-25 | 2018-03-23 | 西安锐益达风电技术有限公司 | 一种考虑环境参数修正的风力发电机叶片振动监测及系统 |
CN111156136A (zh) * | 2019-01-22 | 2020-05-15 | 浙江中自庆安新能源技术有限公司 | 一种风力发电机变桨轴承及连接螺栓状态监测方法及系统 |
CN112855465A (zh) * | 2021-01-29 | 2021-05-28 | 陕西中科启航科技有限公司 | 一种基于法兰间隙传感器的叶轮转速容错监测方法和系统 |
CN113027699A (zh) * | 2019-12-25 | 2021-06-25 | 新疆金风科技股份有限公司 | 风力发电机组的监测方法、装置和系统 |
CN213928639U (zh) * | 2020-12-28 | 2021-08-10 | 西安热工研究院有限公司 | 风电机组多参量数据采集装置 |
CN215370120U (zh) * | 2021-04-08 | 2021-12-31 | 明阳智慧能源集团股份公司 | 一种海上风电机组智能综合状态监测系统 |
CN115306655A (zh) * | 2022-08-24 | 2022-11-08 | 北京鼎好鑫源科技有限公司 | 一种叶片物联网无线监测装置及预警方法 |
CN115750229A (zh) * | 2022-11-10 | 2023-03-07 | 中国华能集团清洁能源技术研究院有限公司 | 一种基于多源传感的风电机组全状态监测系统 |
CN116398378A (zh) * | 2023-04-18 | 2023-07-07 | 中国长江三峡集团有限公司 | 一种风电机组叶片多维状态监测装置及方法 |
CN116428130A (zh) * | 2023-06-13 | 2023-07-14 | 安徽容知日新科技股份有限公司 | 风机变桨系统监测方法、监测设备及存储介质 |
US20230273093A1 (en) * | 2022-02-28 | 2023-08-31 | Zhejiang University | Method and device for fault diagnosis of wind turbine pitch bearing based on neural network |
CN219622810U (zh) * | 2023-03-22 | 2023-09-01 | 国电联合动力技术有限公司 | 风电机组运行监测系统 |
CN219911039U (zh) * | 2023-06-21 | 2023-10-27 | 西安锐益达风电技术有限公司 | 一种风电机组变桨轴承在线监测装置 |
CN116988941A (zh) * | 2023-06-21 | 2023-11-03 | 西安锐益达风电技术有限公司 | 一种风电机组变桨轴承在线监测装置及检测方法 |
-
2024
- 2024-01-30 CN CN202410123552.5A patent/CN117646707B/zh active Active
Patent Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100250013A1 (en) * | 2007-10-09 | 2010-09-30 | Bo Birkemose | Monitoring of Blade Frequencies of a Wind Turbine |
KR100954090B1 (ko) * | 2009-10-27 | 2010-04-23 | 주식회사 위다스 | 풍력발전설비 상태감시시스템 |
CN203879692U (zh) * | 2014-06-18 | 2014-10-15 | 北京金风科创风电设备有限公司 | 一种叶轮状态监测系统 |
CN107781118A (zh) * | 2017-10-25 | 2018-03-09 | 西安锐益达风电技术有限公司 | 基于多元传感信息的风力发电机叶片健康状态监测系统 |
CN107829885A (zh) * | 2017-10-25 | 2018-03-23 | 西安锐益达风电技术有限公司 | 一种考虑环境参数修正的风力发电机叶片振动监测及系统 |
CN111156136A (zh) * | 2019-01-22 | 2020-05-15 | 浙江中自庆安新能源技术有限公司 | 一种风力发电机变桨轴承及连接螺栓状态监测方法及系统 |
CN113027699A (zh) * | 2019-12-25 | 2021-06-25 | 新疆金风科技股份有限公司 | 风力发电机组的监测方法、装置和系统 |
CN213928639U (zh) * | 2020-12-28 | 2021-08-10 | 西安热工研究院有限公司 | 风电机组多参量数据采集装置 |
CN112855465A (zh) * | 2021-01-29 | 2021-05-28 | 陕西中科启航科技有限公司 | 一种基于法兰间隙传感器的叶轮转速容错监测方法和系统 |
CN215370120U (zh) * | 2021-04-08 | 2021-12-31 | 明阳智慧能源集团股份公司 | 一种海上风电机组智能综合状态监测系统 |
US20230273093A1 (en) * | 2022-02-28 | 2023-08-31 | Zhejiang University | Method and device for fault diagnosis of wind turbine pitch bearing based on neural network |
CN115306655A (zh) * | 2022-08-24 | 2022-11-08 | 北京鼎好鑫源科技有限公司 | 一种叶片物联网无线监测装置及预警方法 |
CN115750229A (zh) * | 2022-11-10 | 2023-03-07 | 中国华能集团清洁能源技术研究院有限公司 | 一种基于多源传感的风电机组全状态监测系统 |
CN219622810U (zh) * | 2023-03-22 | 2023-09-01 | 国电联合动力技术有限公司 | 风电机组运行监测系统 |
CN116398378A (zh) * | 2023-04-18 | 2023-07-07 | 中国长江三峡集团有限公司 | 一种风电机组叶片多维状态监测装置及方法 |
CN116428130A (zh) * | 2023-06-13 | 2023-07-14 | 安徽容知日新科技股份有限公司 | 风机变桨系统监测方法、监测设备及存储介质 |
CN219911039U (zh) * | 2023-06-21 | 2023-10-27 | 西安锐益达风电技术有限公司 | 一种风电机组变桨轴承在线监测装置 |
CN116988941A (zh) * | 2023-06-21 | 2023-11-03 | 西安锐益达风电技术有限公司 | 一种风电机组变桨轴承在线监测装置及检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN117646707B (zh) | 2024-04-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3514376B1 (en) | System and method for monitoring a wind turbine pitch bearing | |
CN110005580B (zh) | 一种风电机组运行状态监测方法 | |
CN104019000B (zh) | 风力发电机组的载荷谱测定与前瞻性维护系统 | |
Fischer et al. | Condition monitoring of wind turbines: State of the art, user experience and recommendations | |
DK177922B1 (en) | Method and system for monitoring wind turbine | |
Wang et al. | SCADA data based condition monitoring of wind turbines | |
CN101672723A (zh) | 一种风电机组振动分析故障诊断方法和系统 | |
JP6783110B2 (ja) | 予兆診断装置及びそれを有する発電装置制御システム | |
CN116428130B (zh) | 风机变桨系统监测方法、监测设备及存储介质 | |
CN114787505A (zh) | 用于监测风力涡轮的转子叶片健康的系统和方法 | |
CN116717434A (zh) | 风力发电系统及其风电机组的预警方法、及可读存储介质 | |
Merizalde et al. | Diagnosis of wind turbine faults using generator current signature analysis: A review | |
Wiggelinkhuizen et al. | CONMOW: Condition monitoring for offshore wind farms | |
CN111927717A (zh) | 一种风机机舱传动链噪声在线监测系统及方法 | |
WO2019230191A1 (ja) | 風力発電システム | |
CN117646707B (zh) | 风机轮毂监测方法、装置、设备及存储介质 | |
CN116717436A (zh) | 一种变桨系统故障预警方法及系统 | |
CN116892489A (zh) | 一种基于声发射及振动的风机传动链状态监测方法及系统 | |
CN113565699B (zh) | 风力发电机组的桨距角的检测方法、装置及系统 | |
Kuseyri | Condition monitoring of wind turbines: Challenges and opportunities | |
EP4332374A1 (en) | System and method for detecting and responding to rotor blade damage in a wind turbine | |
CN219865347U (zh) | 一种风电机组塔筒及叶片监测系统 | |
Wang et al. | A diagnostic knowledge model of wind turbine fault | |
CN112360702B (zh) | 一种振动数据的集中监测方法及装置 | |
Wang et al. | Human-computer Interaction Perspectives on Condition Monitoring and Fault Diagnosis of Gearbox in Doubly-Fed Wind Turbines: An Exploration with Artificial Intelligence Technology |
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 |