CN117759487B - 基于挂片测试的叶片防覆冰性能检测方法及系统 - Google Patents
基于挂片测试的叶片防覆冰性能检测方法及系统 Download PDFInfo
- Publication number
- CN117759487B CN117759487B CN202311560355.1A CN202311560355A CN117759487B CN 117759487 B CN117759487 B CN 117759487B CN 202311560355 A CN202311560355 A CN 202311560355A CN 117759487 B CN117759487 B CN 117759487B
- Authority
- CN
- China
- Prior art keywords
- test
- image
- icing
- test sample
- result
- 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
- 238000012360 testing method Methods 0.000 title claims abstract description 271
- 238000001514 detection method Methods 0.000 title claims abstract description 70
- 238000000034 method Methods 0.000 claims abstract description 23
- 238000004458 analytical method Methods 0.000 claims abstract description 22
- 238000002844 melting Methods 0.000 claims description 52
- 230000008018 melting Effects 0.000 claims description 51
- 238000011156 evaluation Methods 0.000 claims description 24
- 230000011218 segmentation Effects 0.000 claims description 19
- 238000009825 accumulation Methods 0.000 claims description 18
- 230000002159 abnormal effect Effects 0.000 claims description 17
- 238000010438 heat treatment Methods 0.000 claims description 17
- 239000011248 coating agent Substances 0.000 claims description 10
- 238000000576 coating method Methods 0.000 claims description 10
- 230000002265 prevention Effects 0.000 claims description 9
- 238000011056 performance test Methods 0.000 claims description 7
- 238000010248 power generation Methods 0.000 abstract description 10
- 230000000694 effects Effects 0.000 abstract description 4
- 239000011162 core material Substances 0.000 description 4
- 239000011159 matrix material Substances 0.000 description 4
- 230000007613 environmental effect Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 239000003973 paint Substances 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000010076 replication Effects 0.000 description 1
- 238000013215 result calculation Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- 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
- Investigating Or Analyzing Materials Using Thermal Means (AREA)
Abstract
本公开提供了基于挂片测试的叶片防覆冰性能检测方法及系统，涉及性能检测技术领域，该方法包括：建立测试样本集；依据测试需求配置测试周期；配置图像采集装置；对图像集合中的标准比对样本进行覆冰分析，依据覆冰分析结果和测试节点的时间间隔重构测试环境数据；以图像集合中的标准比对样本作为基准图像，执行每一测试节点下的测试样本集图像比对；根据图像特征比对结果和重构后的测试环境数据输出叶片防覆冰性能检测结果，通过本公开可以解决现有技术中存在由于风电机组的风机叶片的防覆冰效率较低，导致风机叶片的发电质量较低的技术问题，实现提高风机叶片的防覆冰效率的目标，达到提高风机叶片的发电质量的技术效果。
Description
技术领域
本公开涉及性能检测技术领域，具体涉及基于挂片测试的叶片防覆冰性能检测方法及系统。
背景技术
风能作为一种清洁能源，其开发越来越受到各界的关注。然而大部分风资源丰富的地方在温度较低的北方、湿气非常大的沿海地区和高原、山区等，这些地区冬季通常温度低、湿度大，风力发电机在零下以及零度运行时，如遇到潮湿的寒冷空气、冰雪、雨水和雾等，风力发电机组易发生结冰现象。因此，风机叶片能否有效地防覆冰或除冰，成为了目前亟须解决的重要问题。风机叶片防覆冰和除冰技术不仅能保证机组在低温、高湿等环境下安全运行，也可以减少因覆冰导致的发电效率和发电量的降低。
综上所述，现有技术中存在由于风电机组的风机叶片的防覆冰效率较低，导致风机叶片的发电质量较低的技术问题。
发明内容
本公开提供了基于挂片测试的叶片防覆冰性能检测方法及系统，用以解决现有技术中存在由于风电机组的风机叶片的防覆冰效率较低，导致风机叶片的发电质量较低的技术问题。
根据本公开的第一方面，提供了基于挂片测试的叶片防覆冰性能检测方法，包括：建立测试样本集，所述测试样本集中每个测试样本均具有样本特征标识，且所述测试样本集中包括一标准比对样本；将所述测试样本集置入测试环境，并读取所述测试环境的环境数据，依据测试需求配置测试周期；配置图像采集装置，其中，所述图像采集装置带有自加热单元，在测试节点控制自加热单元加热后，通过所述图像采集装置完成测试样本集的图像采集，所述测试节点为依据测试周期分布的样本采集节点；对图像集合中的标准比对样本进行覆冰分析，依据覆冰分析结果和测试节点的时间间隔重构测试环境数据；以图像集合中的标准比对样本作为基准图像，执行每一测试节点下的测试样本集图像比对；根据图像特征比对结果和重构后的测试环境数据输出叶片防覆冰性能检测结果。
根据本公开的第二方面，提供了基于挂片测试的叶片防覆冰性能检测系统，包括：测试样本集建立模块，所述测试样本集建立模块用于建立测试样本集，所述测试样本集中每个测试样本均具有样本特征标识，且所述测试样本集中包括一标准比对样本；测试周期配置模块，所述测试周期配置模块用于将所述测试样本集置入测试环境，并读取所述测试环境的环境数据，依据测试需求配置测试周期；图像采集装置配置模块，所述图像采集装置配置模块用于配置图像采集装置，其中，所述图像采集装置带有自加热单元，在测试节点控制自加热单元加热后，通过所述图像采集装置完成测试样本集的图像采集，所述测试节点为依据测试周期分布的样本采集节点；测试环境数据重构模块，所述测试环境数据重构模块用于对图像集合中的标准比对样本进行覆冰分析，依据覆冰分析结果和测试节点的时间间隔重构测试环境数据；测试样本集图像比对模块，所述测试样本集图像比对模块用于以图像集合中的标准比对样本作为基准图像，执行每一测试节点下的测试样本集图像比对；叶片防覆冰性能检测结果输出模块，所述叶片防覆冰性能检测结果输出模块用于根据图像特征比对结果和重构后的测试环境数据输出叶片防覆冰性能检测结果。
本公开中提供的一个或多个技术方案，至少具有如下技术效果或优点：根据本公开采用的通过建立测试样本集，所述测试样本集中每个测试样本均具有样本特征标识，且所述测试样本集中包括一标准比对样本；将所述测试样本集置入测试环境，并读取所述测试环境的环境数据，依据测试需求配置测试周期；配置图像采集装置，其中，所述图像采集装置带有自加热单元，在测试节点控制自加热单元加热后，通过所述图像采集装置完成测试样本集的图像采集，所述测试节点为依据测试周期分布的样本采集节点；对图像集合中的标准比对样本进行覆冰分析，依据覆冰分析结果和测试节点的时间间隔重构测试环境数据；以图像集合中的标准比对样本作为基准图像，执行每一测试节点下的测试样本集图像比对；根据图像特征比对结果和重构后的测试环境数据输出叶片防覆冰性能检测结果，解决了现有技术中存在由于风电机组的风机叶片的防覆冰效率较低，导致风机叶片的发电质量较低的技术问题，实现提高风机叶片的防覆冰效率的目标，达到提高风机叶片的发电质量的技术效果。
应当理解，本部分所描述的内容并非旨在标示本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其他特征将通过以下的说明书而变得容易理解。
附图说明
为了更清楚地说明本公开或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是示例性的，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，还可以根据提供的附图获得其他的附图。
图1为本公开实施例提供的基于挂片测试的叶片防覆冰性能检测方法的流程示意图；
图2为本公开实施例基于挂片测试的叶片防覆冰性能检测方法中基于图像特征比对结果中的位置特征差值累计输出叶片防覆冰性能检测结果的逻辑示意图；
图3为本公开实施例提供的基于挂片测试的叶片防覆冰性能检测系统的结构示意图。
附图标记说明：测试样本集建立模块11，测试周期配置模块12，图像采集装置配置模块13，测试环境数据重构模块14，测试样本集图像比对模块15，叶片防覆冰性能检测结果输出模块16。
具体实施方式
以下结合附图对本公开的示范性实施例作出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
实施例一
本公开实施例提供的基于挂片测试的叶片防覆冰性能检测方法，兹参照图1及图2作说明，所述方法包括：
建立测试样本集，所述测试样本集中每个测试样本均具有样本特征标识，且所述测试样本集中包括一标准比对样本；
具体地，建立挂片测试的测试样本集，其中，测试样本集为涂覆涂料的风机叶片。进一步地，测试样本集中每个测试样本均具有样本特征标识，其中，每个测试样本的样本不同，即涂料不同，导致涂覆涂料的风机叶片的测试结果不同。且测试样本集中包括一标准比对样本，其中，标准比对样本为无涂料的空白风机叶片。
将所述测试样本集置入测试环境，并读取所述测试环境的环境数据，依据测试需求配置测试周期；
具体地，将测试样本集置入测试环境，其中，测试环境为风机塔筒门扶梯，将涂覆涂料的风机叶片安装至风机塔筒门扶梯。进一步地，读取测试环境的环境数据，其中，环境数据包括温度数据。例如，通过温度传感器读取测试环境的温度数据。进一步地，测试需求为测试结冰周期，在结冰周期内判断。其中，依据测试需求配置测试周期，即当满足测试需求时停止测试。
配置图像采集装置，其中，所述图像采集装置带有自加热单元，在测试节点控制自加热单元加热后，通过所述图像采集装置完成测试样本集的图像采集，所述测试节点为依据测试周期分布的样本采集节点；
具体地，在测试环境配置图像采集装置，其中，图像采集装置带有自加热单元，在测试节点控制自加热单元加热后，测试环境和测试样本集的温度升高，通过图像采集装置完成测试样本集的图像采集，测试节点为依据测试周期分布的样本采集节点。例如，当测试周期为15日时，分布获得样本采集节点为15日的每日。
对图像集合中的标准比对样本进行覆冰分析，依据覆冰分析结果和测试节点的时间间隔重构测试环境数据；
具体地，对图像集合中的标准比对样本进行覆冰分析，分析过程中，在测试周期内，依据测试节点中标准比对样本的图像采集，计算结冰面积，获得结冰程度，获得覆冰分析结果。进一步地，由于测试环境的环境数据不准确，依据标准样本的覆冰情况来统一环境数据的标准。依据覆冰分析结果和测试节点的时间间隔重构测试环境数据。例如，覆冰分析结果为7日开始结冰，15日完全结冰，则对7日的测试节点改变测试环境数据，控制自加热单元进行加热。
以图像集合中的标准比对样本作为基准图像，执行每一测试节点下的测试样本集图像比对；
具体地，以图像集合中的标准比对样本作为基准图像，对标准比对样本的覆冰分析结果执行在每一测试节点下的与图像集合中测试样本集的覆冰情况进行比对，获得测试样本集图像比对。
根据图像特征比对结果和重构后的测试环境数据输出叶片防覆冰性能检测结果。
具体地，根据重构后的测试环境数据在融冰时长累计结果内，获得测试样本集图像进行比对的图像特征比对结果输出为叶片防覆冰性能检测结果。
其中，通过本实施例可以解决现有技术中存在由于风电机组的风机叶片的防覆冰效率较低，导致风机叶片的发电质量较低的技术问题，实现提高风机叶片的防覆冰效率的目标，达到提高风机叶片的发电质量的技术效果。
本公开实施例提供的方法中还包括：
配置同位置特征点；
在进行测试样本集图像比对前，对图像集合的全部图像执行同位置特征点识别，完成图像集合内的图像定位；
基于图像定位结果执行逐个位置的图像特征比对；
基于图像特征比对结果中的位置特征差值累计输出叶片防覆冰性能检测结果。
具体地，配置测试样本集的同位置特征点。其中，在进行测试样本集图像比对前，对图像集合的全部图像执行同位置特征点识别，完成图像集合内的图像定位。其中，对图像集合中风机叶片的大梁、腹板、芯材和基体进行同位置特征点识别，完成图像集合内风机叶片的大梁、腹板、芯材和基体的图像定位。
进一步地，基于图像定位结果执行逐个位置的图像特征比对。基于图像特征比对结果中的测试样本集与标准比对样本的位置特征差值，对逐个位置的位置特征差值进行累计，输出叶片防覆冰性能检测结果。
其中，配置同位置特征点可以提高叶片防覆冰性能检测的精确度。
本公开实施例提供的方法中还包括：
以所述标准比对样本对应的节点图像为基准图像，执行基准图像的网格分割，其中，网格分割的粒度依据性能测试精度设定；
将网格分割结果内的冰层特征识别为均衡特征后，执行网格分割结果内的均衡特征比对；
将均衡特征比对结果作为图像特征比对结果。
具体地，在测试节点对标准比对样本进行图像采集获取节点图像。以标准比对样本对应的节点图像为基准图像，执行基准图像的网格分割，其中，网格分割的粒度依据性能测试精度设定。其中，当性能测试精度越高，则网格分割的粒度越细。例如，当性能测试精度为大梁、腹板、芯材和基体等基准结构时，网格分割的粒度是每个分割的网格包括大梁、腹板、芯材和基体等基准结构。当性能测试精度越精细时，网格分割的粒度越精细。
进一步地，将网格分割结果内的冰层特征识别为均衡特征后，执行网格分割结果内的依据不同测试节点中节点图像之间的均衡特征比对，获得均衡特征比对结果。进一步地，将均衡特征比对结果作为图像特征比对结果中基准图像。
其中，获得均衡特征比对结果以提高检测效率。
本公开实施例提供的方法中还包括：
配置融冰环境特征，以所述融冰环境特征建立融冰场景；
将覆冰后的测试样本集置入所述融冰场景，并设置完全融化特征；
依据所述完全融化特征进行测试样本集的融冰时长累计；
根据融冰时长累计结果、图像特征比对结果和重构后的测试环境数据输出叶片防覆冰性能检测结果。
具体地，配置融冰环境特征，以融冰环境特征建立融冰场景。其中，融冰环境特征包括温度升高。建立获得融冰场景为温度升高的环境下的结冰融化的场景。
进一步地，将覆冰后的测试样本集置入融冰场景，进行测试样本集的融冰，并设置完全融化特征。其中，完全融化特征为风机叶片的结冰完全融化的特征。
进一步地，依据完全融化特征进行测试样本集的融冰时长累计，计算从开始融化至完全融化的时长，获得融冰时长累计结果。
进一步地，根据重构后的测试环境数据在融冰时长累计结果内，获得测试样本集图像进行比对的图像特征比对结果输出为叶片防覆冰性能检测结果。
其中，根据融冰时长累计结果、图像特征比对结果和重构后的测试环境数据输出叶片防覆冰性能检测结果以提高检测效率。
本公开实施例提供的方法中还包括：
通过公式进行叶片防覆冰性能检测结果计算，公式如下：
其中，Kj为第j个测试样本的叶片防覆冰性能检测结果，∈1和∈2为图像特征比对结果和融冰时长累计结果的归一化权重，n为测试节点数量，ζi为第i个节点的重要程度，kji为第j个测试样本第i个节点的图像特征比对结果，tj为第j个测试样本的融冰时长累计结果。
具体地，通过公式进行叶片防覆冰性能检测结果计算，公式如下：
其中，Kj为第j个测试样本的叶片防覆冰性能检测结果，ω1和ω2为图像特征比对结果和融冰时长累计结果的归一化权重，n为测试节点数量，ζi为第i个节点的重要程度，kji为第j个测试样本第i个节点的图像特征比对结果，tj为第j个测试样本的融冰时长累计结果。进一步地，当测试样本集的图像特征比对结果的特征差值越小，则图像特征比对结果越小，叶片防覆冰性能检测结果的值越小，叶片防覆冰性能检测结果越优。反之，叶片防覆冰性能检测结果则越差。进一步地，当融冰时长累计结果的值越小，则叶片防覆冰性能检测结果越优。反之，则越差。
其中，通过公式进行叶片防覆冰性能检测结果计算以提高检测效率。
本公开实施例提供的方法中还包括：
设立测试样本集的复现样本，并依据复现样本的测试结果生成复现评估值；
判断所述复现评估值是否满足预设异常阈值；
若复现评估值不能满足所述预设异常阈值，则执行对应测试样本的异常标识，并基于复现评估值对满足所述预设异常阈值的测试样本的叶片防覆冰性能检测结果补偿。
具体地，设立测试样本集的复现样本，并依据复现样本的测试结果生成复现评估值。其中，复现评估值为对复现样本的叶片防覆冰性能检测结果的评估结果值。例如，复现样本可以为对测试样本集进行复制的值。
进一步地，判断复现评估值是否满足预设异常阈值。其中，预设异常阈值由本领域技术人员根据实际情况进行自定义设置获得。
进一步地，若复现评估值不能满足预设异常阈值，表示复现评估值对应的复现样本存在异常，则测试样本集中测试样本存在异常，则执行对应测试样本的异常标识，并基于复现评估值对满足预设异常阈值的测试样本的叶片防覆冰性能检测结果补偿。其中，当复现评估值满足预设异常阈值时，表示对应的测试样本正常，进行测试样本的精确检测。
其中，判断测试样本集的复现获得复现评估值是否满足预设异常阈值以提高检测效率。
实施例二
基于与前述实施例中基于挂片测试的叶片防覆冰性能检测方法同样的发明构思，如图3所示，本公开还提供了基于挂片测试的叶片防覆冰性能检测系统，所述系统包括：
测试样本集建立模块11，所述测试样本集建立模块11用于建立测试样本集，所述测试样本集中每个测试样本均具有样本特征标识，且所述测试样本集中包括一标准比对样本；
测试周期配置模块12，所述测试周期配置模块12用于将所述测试样本集置入测试环境，并读取所述测试环境的环境数据，依据测试需求配置测试周期；
图像采集装置配置模块13，所述图像采集装置配置模块13用于配置图像采集装置，其中，所述图像采集装置带有自加热单元，在测试节点控制自加热单元加热后，通过所述图像采集装置完成测试样本集的图像采集，所述测试节点为依据测试周期分布的样本采集节点；
测试环境数据重构模块14，所述测试环境数据重构模块14用于对图像集合中的标准比对样本进行覆冰分析，依据覆冰分析结果和测试节点的时间间隔重构测试环境数据；
测试样本集图像比对模块15，所述测试样本集图像比对模块15用于以图像集合中的标准比对样本作为基准图像，执行每一测试节点下的测试样本集图像比对；
叶片防覆冰性能检测结果输出模块16，所述叶片防覆冰性能检测结果输出模块16用于根据图像特征比对结果和重构后的测试环境数据输出叶片防覆冰性能检测结果。
进一步地，所述系统还包括：
同位置特征点配置模块，所述同位置特征点配置模块用于配置同位置特征点；
图像集合内的图像定位模块，所述图像集合内的图像定位模块用于在进行测试样本集图像比对前，对图像集合的全部图像执行同位置特征点识别，完成图像集合内的图像定位；
逐个位置的图像特征比对模块，所述逐个位置的图像特征比对模块用于基于图像定位结果执行逐个位置的图像特征比对；
叶片防覆冰性能检测结果获得模块，所述叶片防覆冰性能检测结果获得模块用于基于图像特征比对结果中的位置特征差值累计输出叶片防覆冰性能检测结果。
进一步地，所述系统还包括：
网格分割模块，所述网格分割模块用于以所述标准比对样本对应的节点图像为基准图像，执行基准图像的网格分割，其中，网格分割的粒度依据性能测试精度设定；
均衡特征比对模块，所述均衡特征比对模块用于将网格分割结果内的冰层特征识别为均衡特征后，执行网格分割结果内的均衡特征比对；
图像特征比对结果获得模块，所述图像特征比对结果获得模块用于将均衡特征比对结果作为图像特征比对结果。
进一步地，所述系统还包括：
融冰场景建立模块，所述融冰场景建立模块用于配置融冰环境特征，以所述融冰环境特征建立融冰场景；
完全融化特征获得模块，所述完全融化特征获得模块用于将覆冰后的测试样本集置入所述融冰场景，并设置完全融化特征；
融冰时长累计模块，所述融冰时长累计模块用于依据所述完全融化特征进行测试样本集的融冰时长累计；
性能检测结果获得模块，所述性能检测结果获得模块用于根据融冰时长累计结果、图像特征比对结果和重构后的测试环境数据输出叶片防覆冰性能检测结果。
进一步地，所述系统还包括：
公式获得模块，所述公式获得模块用于通过公式进行叶片防覆冰性能检测结果计算，公式如下：
公式处理模块，所述公式处理模块用于其中，Kj为第j个测试样本的叶片防覆冰性能检测结果，ω1和ω2为图像特征比对结果和融冰时长累计结果的归一化权重，n为测试节点数量，ζi为第i个节点的重要程度，kji为第j个测试样本第i个节点的图像特征比对结果，tj为第j个测试样本的融冰时长累计结果。
进一步地，所述系统还包括：
复现评估值获得模块，所述复现评估值获得模块用于设立测试样本集的复现样本，并依据复现样本的测试结果生成复现评估值；
复现评估值判断模块，所述复现评估值判断模块用于判断所述复现评估值是否满足预设异常阈值；
叶片防覆冰性能检测结果补偿模块，所述叶片防覆冰性能检测结果补偿模块用于若复现评估值不能满足所述预设异常阈值，则执行对应测试样本的异常标识，并基于复现评估值对满足所述预设异常阈值的测试样本的叶片防覆冰性能检测结果补偿。
前述实施例一中的基于挂片测试的叶片防覆冰性能检测方法具体实例同样适用于本实施例的基于挂片测试的叶片防覆冰性能检测系统，通过前述对基于挂片测试的叶片防覆冰性能检测方法的详细描述，本领域技术人员可以清楚地知道本实施例中基于挂片测试的叶片防覆冰性能检测系统，所以为了说明书的简洁，在此不再详述。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述得比较简单，相关之处参见方法部分说明即可。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合和替代。任何在本公开的精神和原则之内所做的修改、等同替换和改进等，均应包含在本公开保护范围之内。
Claims (7)
1.基于挂片测试的叶片防覆冰性能检测方法，其特征在于，所述方法包括：
建立测试样本集，所述测试样本集中每个测试样本均具有样本特征标识，且所述测试样本集中包括一标准比对样本；
将所述测试样本集置入测试环境，并读取所述测试环境的环境数据，依据测试需求配置测试周期；
配置图像采集装置，其中，所述图像采集装置带有自加热单元，在测试节点控制自加热单元加热后，通过所述图像采集装置完成测试样本集的图像采集，所述测试节点为依据测试周期分布的样本采集节点；
对图像集合中的标准比对样本进行覆冰分析，依据覆冰分析结果和测试节点的时间间隔重构测试环境数据；
以图像集合中的标准比对样本作为基准图像，执行每一测试节点下的测试样本集图像比对；
根据图像特征比对结果和重构后的测试环境数据输出叶片防覆冰性能检测结果。
2.如权利要求1所述的方法，其特征在于，所述方法还包括：
配置同位置特征点；
在进行测试样本集图像比对前，对图像集合的全部图像执行同位置特征点识别，完成图像集合内的图像定位；
基于图像定位结果执行逐个位置的图像特征比对；
基于图像特征比对结果中的位置特征差值累计输出叶片防覆冰性能检测结果。
3.如权利要求2所述的方法，其特征在于，所述方法还包括：
以所述标准比对样本对应的节点图像为基准图像，执行基准图像的网格分割，其中，网格分割的粒度依据性能测试精度设定；
将网格分割结果内的冰层特征识别为均衡特征后，执行网格分割结果内的均衡特征比对；
将均衡特征比对结果作为图像特征比对结果。
4.如权利要求1所述的方法，其特征在于，所述方法还包括：
配置融冰环境特征，以所述融冰环境特征建立融冰场景；
将覆冰后的测试样本集置入所述融冰场景，并设置完全融化特征；
依据所述完全融化特征进行测试样本集的融冰时长累计；
根据融冰时长累计结果、图像特征比对结果和重构后的测试环境数据输出叶片防覆冰性能检测结果。
5.如权利要求4所述的方法，其特征在于，所述方法还包括：
通过公式进行叶片防覆冰性能检测结果计算，公式如下：
其中，Kj为第j个测试样本的叶片防覆冰性能检测结果，ω1和ω2为图像特征比对结果和融冰时长累计结果的归一化权重，n为测试节点数量，ζi为第i个节点的重要程度，kji为第j个测试样本第i个节点的图像特征比对结果，tj为第j个测试样本的融冰时长累计结果。
6.如权利要求1所述的方法，其特征在于，所述方法还包括：
设立测试样本集的复现样本，并依据复现样本的测试结果生成复现评估值；
判断所述复现评估值是否满足预设异常阈值；
若复现评估值不能满足所述预设异常阈值，则执行对应测试样本的异常标识，并基于复现评估值对满足所述预设异常阈值的测试样本的叶片防覆冰性能检测结果补偿。
7.基于挂片测试的叶片防覆冰性能检测系统，其特征在于，用于实施权利要求1-6中任意一项所述的基于挂片测试的叶片防覆冰性能检测方法，所述系统包括：
测试样本集建立模块，所述测试样本集建立模块用于建立测试样本集，所述测试样本集中每个测试样本均具有样本特征标识，且所述测试样本集中包括一标准比对样本；
测试周期配置模块，所述测试周期配置模块用于将所述测试样本集置入测试环境，并读取所述测试环境的环境数据，依据测试需求配置测试周期；
图像采集装置配置模块，所述图像采集装置配置模块用于配置图像采集装置，其中，所述图像采集装置带有自加热单元，在测试节点控制自加热单元加热后，通过所述图像采集装置完成测试样本集的图像采集，所述测试节点为依据测试周期分布的样本采集节点；
测试环境数据重构模块，所述测试环境数据重构模块用于对图像集合中的标准比对样本进行覆冰分析，依据覆冰分析结果和测试节点的时间间隔重构测试环境数据；
测试样本集图像比对模块，所述测试样本集图像比对模块用于以图像集合中的标准比对样本作为基准图像，执行每一测试节点下的测试样本集图像比对；
叶片防覆冰性能检测结果输出模块，所述叶片防覆冰性能检测结果输出模块用于根据图像特征比对结果和重构后的测试环境数据输出叶片防覆冰性能检测结果。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311560355.1A CN117759487B (zh) | 2023-11-20 | 2023-11-20 | 基于挂片测试的叶片防覆冰性能检测方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311560355.1A CN117759487B (zh) | 2023-11-20 | 2023-11-20 | 基于挂片测试的叶片防覆冰性能检测方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117759487A CN117759487A (zh) | 2024-03-26 |
| CN117759487B true CN117759487B (zh) | 2024-05-24 |
Family
ID=90311293
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311560355.1A Active CN117759487B (zh) | 2023-11-20 | 2023-11-20 | 基于挂片测试的叶片防覆冰性能检测方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117759487B (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112836424A (zh) * | 2021-01-08 | 2021-05-25 | 上海电机学院 | 一种风机叶片早期结冰故障预测方法 |
| CN114593020A (zh) * | 2022-01-24 | 2022-06-07 | 国电联合动力技术有限公司 | 风电机组叶片结冰监测预警方法、装置及电子设备 |
| CN116628570A (zh) * | 2023-05-12 | 2023-08-22 | 云南大学 | 风机叶片覆冰失效检测方法、装置、存储介质和设备 |
| CN116881662A (zh) * | 2023-07-26 | 2023-10-13 | 石河子大学 | 一种旋转风电叶片覆冰灾害预测方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102902289A (zh) * | 2011-07-29 | 2013-01-30 | 富泰华工业（深圳）有限公司 | 测试系统以及测试方法 |
-
2023
- 2023-11-20 CN CN202311560355.1A patent/CN117759487B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112836424A (zh) * | 2021-01-08 | 2021-05-25 | 上海电机学院 | 一种风机叶片早期结冰故障预测方法 |
| CN114593020A (zh) * | 2022-01-24 | 2022-06-07 | 国电联合动力技术有限公司 | 风电机组叶片结冰监测预警方法、装置及电子设备 |
| CN116628570A (zh) * | 2023-05-12 | 2023-08-22 | 云南大学 | 风机叶片覆冰失效检测方法、装置、存储介质和设备 |
| CN116881662A (zh) * | 2023-07-26 | 2023-10-13 | 石河子大学 | 一种旋转风电叶片覆冰灾害预测方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117759487A (zh) | 2024-03-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Barthelmie et al. | Quantifying the impact of wind turbine wakes on power output at offshore wind farms | |
| CN105508152B (zh) | 叶片结冰模型的构建方法、结冰状态的监测方法和装置 | |
| Klink | Atmospheric circulation effects on wind speed variability at turbine height | |
| Shankar Verma et al. | A probabilistic long‐term framework for site‐specific erosion analysis of wind turbine blades: A case study of 31 Dutch sites | |
| Clifton et al. | Turbine inflow characterization at the national wind technology center | |
| Veldhuis et al. | An empirical model for rack-mounted PV module temperatures for Southeast Asian locations evaluated for minute time scales | |
| Anuradha et al. | Analysis of solar power generation forecasting using machine learning techniques | |
| Wellby et al. | Categorizing the meteorological origins of critical ramp events in collective photovoltaic array output | |
| Park et al. | Photovoltaic power data analysis using hierarchical clustering | |
| CN104579168A (zh) | 一种光伏组件户外暴露试验方法 | |
| Bilbao et al. | Air temperature model evaluation in the north Mediterranean belt area | |
| Serrano-Luján et al. | Case of study: Photovoltaic faults recognition method based on data mining techniques | |
| Gupta et al. | Performance Analysis of Solar PV system using Customize wireless data acquisition system and novel cleaning technique | |
| CN117759487B (zh) | 基于挂片测试的叶片防覆冰性能检测方法及系统 | |
| Panthi et al. | Quantification of wind turbine energy loss due to leading‐edge erosion through infrared‐camera imaging, numerical simulations, and assessment against SCADA and meteorological data | |
| KR102192067B1 (ko) | 태양광 발전기의 발전량 예측 장치 및 방법 | |
| Denoix et al. | Experimental comparison of photovoltaic panel operating cell temperature models | |
| CN107329022A (zh) | 一种输电线路热载荷能力分析方法 | |
| Salmun et al. | Statistical prediction of the storm surge associated with cool-weather storms at the Battery, New York | |
| CN109829572B (zh) | 雷电气候下的光伏发电功率预测方法 | |
| Zafarani et al. | Assessing the utility of weather data for photovoltaic power prediction | |
| Ya'acob et al. | Modelling of photovoltaic array temperature in a tropical site using generalized extreme value distribution | |
| Mdee | Performance evaluation of Weibull analytical methods using several empirical methods for predicting wind speed distribution | |
| JP2019211922A5 (zh) | ||
| Catalano et al. | An approach to the cell-level diagnosis of malfunctioning events in PV panels from aerial thermal maps |
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 |