CN103759891A - 一种双馈风力发电机叶片不平衡在线故障诊断方法 - Google Patents
一种双馈风力发电机叶片不平衡在线故障诊断方法 Download PDFInfo
- Publication number
- CN103759891A CN103759891A CN201410030611.0A CN201410030611A CN103759891A CN 103759891 A CN103759891 A CN 103759891A CN 201410030611 A CN201410030611 A CN 201410030611A CN 103759891 A CN103759891 A CN 103759891A
- Authority
- CN
- China
- Prior art keywords
- generator
- double
- sampling
- power
- fed wind
- 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
Images
Landscapes
- Wind Motors (AREA)
Abstract
本发明提供属于风力发电技术领域中的一种双馈风力发电机叶片不平衡在线故障诊断方法。该方法同步采样双馈发电机的转速及发电机输出的功率信号P;根据风机轮毂转动惯量J和采样周期内同步采样得到的发电机输出功率与转速,估计风机轮毂的输入气动转矩T;阶比分析得到重新采样气动转矩Ta,消除转速变化带来的频率模糊现象;对阶比分析重构后的信号进行功率谱分析,进行特征提取;比较1倍频功率谱幅值Q(1)与3倍频功率谱幅值Q(3),若Q(1)大于Q(3),判断不平衡故障发生。本发明根据同步采样的双馈风力发电机转速、电压、电流信号快速诊断风电机组叶片不平衡故障,为风力发电机组的安全正常工作提供保障。使用的传感器简单、安装方便,很适合于现场使用。
Description
技术领域
本发明涉及一种双馈风力发电机叶片不平衡在线故障诊断方法,属于风力发电技术领域。
背景技术
风电的意义——风力发电是国家提倡大力发展的一种可再生绿色能源,能有效地节约水、煤资源,减轻大气污染,并对保护生态环境有着深远的意义。我国有丰富的风力资源,政府已经将风力发电作为改善能源结构,应对气候变化,提高能源安全的主要替代能源技术之一。有资料估计到2020年,全球将有超过10%的电力供应来源于风力。风力发电与火电、核电相比单机容量小,占地面积广,风力发电场通常地处边远地区,技术条件、运行条件一般较差,因此风力发电***的可靠性和安全性至关重要。叶片作为风机捕捉风能的关键部件,其性能直接影响风机的整机性能和发电质量。由于叶片长期暴露于恶劣的气候环境下,易受到狂风,闪电,冰雪的袭击;同时,长期工作在负荷大范围波动的条件下,极易导致裂纹,破损,覆冰,螺栓松动等各种故障的发生。当叶片结构性能下降或发生轻微故障时,目前风电场SCADA***因缺乏对叶片的必要监控而无法及时发现并采取恰当的应对措施。有研究报告对1995年-2010年德国和丹麦发生的各种风机事故做了统计分析,发现由于风机叶片故障导致或与之直接相关的事故数量最多。
由于绝大多数的叶片故障如:破损、覆冰、雷击、叶片安装误差等故障都将表现为质量或气动不平衡,如能准确及时检测叶片运行期间的不平衡故障,对各种叶片故障的早期发现和状态检测尤为重要,可以很大程度上防止故障扩散避免大的损失。
近些年国外有一些研究机构和公司相继开发了一些风电场叶片监控设备,主要有:红外成像分析,声学分析,视频分析等;也有风机生产厂家在生产叶片的时候预埋光纤传感器,以获得叶片的运行状态信息。目前,绝大多数检测手段不但价格昂贵而且安装复杂,难以推广应用;特别是像光纤传感器这样检测手段难以应用于已经投入运行的风机,不能满足对整个风电场叶片运行状况的监控。
为了解决在线风机叶片故障诊断与状态监控关键技术,国内许多研究机构与风机生产商也开展了针对叶片故障诊断和状态监控的相关研究,最近也公布了一些针对风机叶片在线监控的专利:如“风力发电电机及叶片状态在线监测仪”(CN202305007U)、“风力发电机组叶片实时状态监测与故障诊断***及方法”(CN102539438A)、“一种风力发电机叶片裂纹自动检测报警***”(CN202533424U)。上述专利中基本采用视频,应变片,声音等方式检测叶片是否发生严重故障,这些方式要么安装复杂不适合在线故障诊断,要么检测准确度不高,难以检测叶片非严重故障。“基于电流信号的风电机组的叶片不平衡故障诊断方法”(201210396295.X)利用发电机的三相电流信号,提取其中的波动频率信号进行叶片不平衡故障诊断,该方法可以较好的解决直驱风机叶片不平衡故障,但是对于双馈机组由于存在励磁控制,发电机的输出信号波动将大为减小,很难直接利用该信号进行故障诊断。
发明内容
针对上述问题,本发明开发了一种双馈风力发电机叶片不平衡在线故障诊断方法,结合叶轮转速及发电机输出,在线进行叶片不平衡故障诊断。
本发明的技术方案是,
一种双馈风力发电机叶片不平衡在线故障诊断方法,该方法步骤如下:
1、同步采样双馈发电机的转速(ω)及发电机输出的功率信号P。由于双馈风力发电机组是变速恒频运行,所以其发电机输出是非平稳信号,为了解决非平稳问题,本发明使用的数据采取利用同步采样器进行采样。
2、根据风机轮毂转动惯量J和采样周期内同步采样得到的发电机输出功率与转速,估计风机轮毂的输入气动转矩T。
风机轮毂的输入气动转矩T估计方法为:
因此,在某个采样时刻i,同步采样得到发电机输出瞬时功率Pi,该时刻的齿轮箱高速轴转速ωi,则该时刻的风机输入气动转矩Ti为:
Ti=(Pi×r)/(ωi×η)+J×(ωi-ωi-1)/r, (2)
3、对采样周期内估计得到的气动转矩数据根据转速数据进行阶比分析得到重新采样气动转矩Tak,消除转速变化带来的频率模糊现象;
所述阶比分析方法为:
测量发动机转速,得到转速脉冲信号;假设某个脉冲时刻为t0,发动机转过一周后在同位置采集到脉冲的时刻为t1,此时转过角度为2π;转过两周后在同位置采集到脉冲的时刻为t2,此时转过角度为4π;这里,假定角加速度为0;即,
θ(t)=b0+b1t+b2t2, (3)
系数可解为:
阶比分析要求等角度采样,需要计算发电机每转过指定角度Δθ的输出值;
假设在采样时间内,发电机转过的总角度为Φ,则可以得到采样时间内发电机转过任意k·Δθ角度的时间为:
k·Δθ为指定角度Δθ的k倍角度,k=1...M,且M·Δθ≤Φ;
重构后的信号为:
其中:Ts为采样时间间隔,N为采样的点数,ωc为根据需要设定的低通滤波器截止频率;tk为指定角度的采样时间;
4、对阶比分析重构后的信号进行功率谱计算,并进行特征提取。
所述功率谱计算方法为:
首先对Tak进行离散傅里叶变换,
其中:0≤m≤M-1,j表示取虚数。
为了突出信号中的主要频率部分,使用功率谱,
Q(m)=y(m)·conj(y(m)) (8)
其中,conj(y(m))为y(m)的共轭;
提取功率谱中1倍频Q(1)和3倍频Q(3)幅值作为特征信号。
为了提高故障诊断鲁棒性,Q(1)可取以1倍频为中心,以指定半径区域σ内功率谱的最大幅值。Q(3)可取以3倍频为中心,以指定半径区域σ内功率谱的最大幅值。一般情况下σ取0.1。
Q(1)=MAX[Q(1-σ),Q(1+σ)], (9)
Q(3)=MAX[Q(3-σ),Q(3+σ)], (10)
5、比较正常状态下的特征与故障状态下的特征,获得诊断结果;
正常工况下Q(1)<Q(3),而在不平衡故障下Q(1)远远大于Q(3),本发明利用Q(1)是否大于Q(3)作为判断不平衡故障是否发生的标志,即比较1倍频功率谱幅值Q(1)与3倍频功率谱幅值Q(3),若Q(1)大于Q(3),判断不平衡故障发生。
发明的有益效果为:
1.本发明能够根据同步采样的双馈风力发电机转速、电压、电流信号快速诊断风电机叶片不平衡故障,为风力发电机组的安全正常工作提供保障。
2.本发明使用的传感器简单、安装方便,很适合于现场使用。
附图说明
图1为本发明流程图。
图2为阶比分析信号重构流程图。
图3为正常工况下机组转速及发电机输出功率时域图。
图4为单片叶片覆冰工况下机组转速及发电机输出功率时域图。
图5为双片叶片覆冰工况下机组转速及发电机输出功率时域图。
图6为正常工况下机组气动输出转矩时域图。
图7为单片覆冰工况下机组气动输出转矩时域图。
图8为双片覆冰工况下机组气动输出转矩时域图。
图9为正常工况下机组气动输出转矩阶比功率谱图。
图10为单片覆冰工况下机组气动输出转矩阶比功率谱图。
图11为双片覆冰工况下机组气动输出转矩阶比功率谱图。
具体实施方式
下面结合附图,通过具体实例对本发明做进一步详细叙述。应该强调的是,下述说明仅仅是示例性的,而不是为了限制本发明的范围及其应用。
图1为本发明流程图。一种双馈风力发电机叶片不平衡在线故障诊断方法,该方法步骤如下:
(1)同步采样双馈发电机的转速ω及发电机输出的功率信号P;
(2)根据风机轮毂转动惯量J和采样周期内同步采样得到的发电机输出功率与转速,估计风机轮毂的输入气动转矩T;
风机轮毂的输入气动转矩T估计方法为:
因此,在某个采样时刻i,同步采样得到发电机输出瞬时功率Pi,该时刻的齿轮箱高速轴转速ωi,则该时刻的风机输入气动转矩Ti为:
Ti=(Pi×r)/(ωi×η)+J×(ωi-ωi-1)/r, (2)
(3)对采样周期内估计得到的气动转矩数据根据转速数据进行阶比分析得到重新采样气动转矩Tak,消除转速变化带来的频率模糊现象;
所述阶比分析方法为:
测量发动机转速,得到转速脉冲信号;假设某个脉冲时刻为t0,发动机转过一周后在同位置采集到脉冲的时刻为t1,此时转过角度为2π;转过两周后在同位置采集到脉冲的时刻为t2,此时转过角度为4π;这里,假定角加速度为0;即,
θ(t)=b0+b1t+b2t2, (3)
系数可解为:
阶比分析要求等角度采样,需要计算发电机每转过指定角度Δθ的输出值;
假设在采样时间内,发电机转过的总角度为Φ,则可以得到采样时间内发电机转过任意k·Δθ角度的时间为:
k·Δθ为指定角度Δθ的k倍角度,k=1...M,且M·Δθ≤Φ。
重构后的信号为:
其中:Ts为采样时间间隔,N为采样的点数,ωc为根据需要设定的低通滤波器截止频率;tk为指定角度的采样时间;
(4)对阶比分析重构后的信号进行功率谱计算,并进行特征提取;
所述功率谱计算方法为:
首先对Tak进行离散傅里叶变换,
其中:0≤m≤M-1,j表示取虚数。
为了突出信号中的主要频率部分,使用功率谱,
Q(m)=y(m)·conj(y(m)), (8)
其中,conj(y(m))为y(m)的共轭;
提取功率谱中1倍频Q(1)和3倍频Q(3)幅值作为特征信号。
(5)比较正常状态下的特征与故障状态下的特征,获得诊断结果;
比较1倍频功率谱幅值Q(1)与3倍频功率谱幅值Q(3),若Q(1)大于Q(3),判断不平衡故障发生。
所述同步采样为利用同步采样器进行采样。
以某2MW双馈风力发电机为研究对象,其轮毂转动惯量J=4.15×108Kgm2,齿轮箱升速比为r=83.3,发电机转换效率η=95%。同步采样机组运行过程中的转速和发电机输出,采样频率为250Hz,采样时间为180秒。实验在风速8米左右,分别进行了三种状况下的实验,分别为正常运行实验,单片覆冰170Kg不平衡运行实验,双片覆冰170Kg不平衡运行实验。
图3为正常工况下的转速和功率输出时域信号,图4为单片覆冰工况下的转速和功率输出时域信号,图5为双片覆冰工况下的转速和功率输出时域信号。从图上可以看出,几种工况下的运行曲线相似,难以直接区分是否出现不平衡故障。
利用Ti=(Pi×r)/(ωi×η)+J×(ωi-ωi-1)/r估计在每一个采样时刻下的气动输入转矩。图6为正常工况下气动输入转矩时域图,可以看出,由于塔影效应,气动输入转矩出现了周期性的波动。图7为单片覆冰工况下气动输入转矩时域图,由于塔影效应及不平衡故障影响,气动输入转矩出现了周期性的波动。图8为双片覆冰工况下气动输入转矩时域图,由于塔影效应及不平衡故障影响,气动输入转矩出现了周期性的波动。可以看出,几种工况下气动输入转矩出现的周期性有所不同。塔影效应造成的输入转矩周期性的波动与转速密切相关,而由于时域信号是等采样周期采样,其频谱图会出现频率模糊的现象。
分别对三种工况下的气动输入转矩时域信号进行阶比分析,图2为阶比分析信号重构流程图,得到重构信号。一般来讲,风机有三个叶片,由于塔影效应会在输入气动转矩上造成3倍于转速的波动,这是气动输入转矩的主要频率成分,其他成分的频率幅值将远远小于该频率。为了突出输入转矩的主要频率成分,对重构信号气动输入转矩进行功率谱计算。
图9为正常工况下气动输入转矩功率谱图,可以看出,由于塔影效应,在3倍频附近出现了较大幅值的频率成分,其他倍频附近频率成分幅值都较小。图10为单片覆冰工况下气动输入转矩时域图,由于塔影效应及不平衡故障影响,在1倍频和3倍频附近出现了较大幅值的频率成分,且1倍频幅值成分尤其大,其他倍频附近频率成分幅值都较小。图11为双片覆冰工况下气动输入转矩时域图,由于塔影效应及不平衡故障影响,在1倍频和3倍频附近出现了较大幅值的频率成分,且1倍频幅值成分尤其大,其他倍频附近频率成分幅值都较小。因此,判断功率谱1倍频附近的幅值大小是判断风力发电机组是否出现故障的重要标志。
根据功率谱按式(9)和式(10)获得Q(1)和Q(3)。经过大量实验,正常工况下Q(1)<Q(3),而在不平衡故障下Q(1)远远大于Q(3)。本实施例中,图10和图11所反映的不平衡故障在1倍频的功率谱幅值Q(1)都是大于3倍频的功率谱幅值Q(3)的。本发明利用Q(1)是否大于Q(3)作为判断不平衡故障是否发生的标志,即比较1倍频功率谱幅值Q(1)与3倍频功率谱幅值Q(3),若Q(1)大于Q(3),判断不平衡故障发生。
本发明利用双馈机组转速和发电机输出信号进行风力发电机叶片不平衡故障诊断,准确率高,简单易行,是一种可靠高效的双馈风力发电机叶片故障诊断方法。
Claims (4)
1.一种双馈风力发电机叶片不平衡在线故障诊断方法,其特征在于,该方法步骤如下:
(1)同步采样双馈发电机的转速ω及发电机输出瞬时功率P;
(2)根据风机轮毂转动惯量J和采样周期内同步采样得到的发电机输出功率与转速,估计风机轮毂的输入气动转矩T;
风机轮毂的输入气动转矩T估计方法为:
其中,P为发电机输出瞬时功率,ω为双馈发电机的转速,r为齿轮箱升速比,J为叶轮转动惯量,为发电机角加速度,η为发电机转换效率;
因此,在某个采样时刻i,同步采样得到发电机输出瞬时功率Pi,该时刻的齿轮箱高速轴转速ωi,则该时刻的风机输入气动转矩Ti为:
Ti=(Pi×r)/(ωi×η)+J×(ωi-ωi-1)/r, (2)
(3)对采样时间内估计得到的气动转矩数据根据转速数据进行阶比分析得到重新采样的气动转矩Tak,消除转速变化带来的频率模糊现象;
所述阶比分析方法为:
测量发动机转速,得到转速脉冲信号;假设某个脉冲时刻为t0,发动机转过一周后在同位置采集到脉冲的时刻为t1,此时转过角度为2π;转过两周后在同位置采集到脉冲的时刻为t2,此时转过角度为4π;这里,假定角加速度为0;即,
θ(t)=b0+b1t+b2t2, (3)
系数解为:
阶比分析要求等角度采样,需要计算发电机每转过指定角度Δθ的输出值;
假设在采样时间内,发电机转过的总角度为Φ,则得到采样时间内发电机转过任意k·Δθ角度的时间为:
其中,k·Δθ为指定角度Δθ的k倍角度,k=1...M,且M·Δθ≤Φ;
重构后的信号为:
其中:Ts为采样时间间隔,N为采样的点数,ωc为根据需要设定的低通滤波器截止频率;tk为指定角度的采样时间;
(4)对阶比分析重构后的信号进行功率谱计算,并进行特征提取;
所述功率谱计算方法为:
首先对Tak进行离散傅里叶变换,
其中:0≤m≤M-1,j表示取虚数;
为了突出信号中的主要频率部分,使用功率谱,
Q(m)=y(m)·conj(y(m)), (8)
其中,conj(y(m))为y(m)的共轭;
提取功率谱中1倍频功率谱幅值Q(1)和3倍频功率谱幅值Q(3)作为特征信号;
(5)比较正常状态下的特征与故障状态下的特征,获得诊断结果;
比较1倍频功率谱幅值Q(1)与3倍频功率谱幅值Q(3),若Q(1)大于Q(3),判断不平衡故障发生。
2.根据权利要求1所述的一种双馈风力发电机叶片不平衡在线故障诊断方法,其特征在于,所述同步采样为利用同步采样器进行采样。
3.根据权利要求1所述的一种双馈风力发电机叶片不平衡在线故障诊断方法,其特征在于,为了提高故障诊断鲁棒性,Q(1)取以1倍频为中心,以指定半径σ区域内功率谱的最大幅值;Q(3)取以3倍频为中心,以指定半径区域σ内功率谱的最大幅值;
Q(1)=MAX[Q(1-σ),Q(1+σ)], (9)
Q(3)=MAX[Q(3-σ),Q(3+σ)], (10)。
4.根据权利要求3所述的一种双馈风力发电机叶片不平衡在线故障诊断方法,其特征在于,所述σ取0.1。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410030611.0A CN103759891B (zh) | 2014-01-22 | 2014-01-22 | 一种双馈风力发电机叶片不平衡在线故障诊断方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410030611.0A CN103759891B (zh) | 2014-01-22 | 2014-01-22 | 一种双馈风力发电机叶片不平衡在线故障诊断方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103759891A true CN103759891A (zh) | 2014-04-30 |
CN103759891B CN103759891B (zh) | 2016-04-20 |
Family
ID=50527166
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410030611.0A Expired - Fee Related CN103759891B (zh) | 2014-01-22 | 2014-01-22 | 一种双馈风力发电机叶片不平衡在线故障诊断方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103759891B (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104184383A (zh) * | 2014-09-17 | 2014-12-03 | 重庆大学 | 叶轮不平衡故障的双馈风力发电机定子电流诊断方法 |
CN104515677A (zh) * | 2015-01-12 | 2015-04-15 | 华北电力大学 | 风电机组叶片故障诊断与状态监控*** |
CN105756864A (zh) * | 2016-04-15 | 2016-07-13 | 浙江运达风电股份有限公司 | 基于双馈风力发电机组定子电流的桨叶不平衡故障诊断方法 |
CN106052957A (zh) * | 2016-05-10 | 2016-10-26 | 深圳市禾望电气股份有限公司 | 风力发电机组叶片不平衡监测方法及装置 |
CN106523299A (zh) * | 2016-12-13 | 2017-03-22 | 浙江运达风电股份有限公司 | 基于定子电流数据驱动的双馈风电机组桨叶不平衡检测方法 |
CN107575346A (zh) * | 2017-09-07 | 2018-01-12 | 许继集团有限公司 | 一种风力发电机组风轮气动不平衡检测方法和装置 |
CN109470409A (zh) * | 2018-10-29 | 2019-03-15 | 青岛海信日立空调***有限公司 | 一种风机扇叶损坏的检测装置和方法 |
CN110319798A (zh) * | 2019-07-02 | 2019-10-11 | 哈尔滨工业大学 | 用于检测电机安装故障的方法及装置 |
CN110988472A (zh) * | 2019-12-17 | 2020-04-10 | 清华大学 | 基于电流信号的风力发电机变桨传动齿轮故障诊断方法 |
CN113435395A (zh) * | 2021-07-13 | 2021-09-24 | 重庆大学 | 基于自适应卡尔曼滤波器的风轮故障自适应诊断方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004361280A (ja) * | 2003-06-05 | 2004-12-24 | Advics:Kk | スタンディングウェーブ検出装置 |
CN103234702A (zh) * | 2013-04-11 | 2013-08-07 | 东南大学 | 一种叶片不平衡故障诊断方法 |
CN103335785A (zh) * | 2013-06-24 | 2013-10-02 | 西安交通大学 | 一种基于阶比-全息谱原理的非稳态动平衡方法 |
-
2014
- 2014-01-22 CN CN201410030611.0A patent/CN103759891B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004361280A (ja) * | 2003-06-05 | 2004-12-24 | Advics:Kk | スタンディングウェーブ検出装置 |
CN103234702A (zh) * | 2013-04-11 | 2013-08-07 | 东南大学 | 一种叶片不平衡故障诊断方法 |
CN103335785A (zh) * | 2013-06-24 | 2013-10-02 | 西安交通大学 | 一种基于阶比-全息谱原理的非稳态动平衡方法 |
Non-Patent Citations (2)
Title |
---|
贾继德: "基于阶比双谱分析的发动机故障特征提取", 《内燃机学报》, vol. 22, no. 5, 30 September 2004 (2004-09-30), pages 462 - 469 * |
韩捷: "阶比双谱及其在旋转机械故障诊断中的应用", 《机械强度》, vol. 28, no. 6, 31 December 2006 (2006-12-31), pages 791 - 795 * |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104184383A (zh) * | 2014-09-17 | 2014-12-03 | 重庆大学 | 叶轮不平衡故障的双馈风力发电机定子电流诊断方法 |
CN104515677A (zh) * | 2015-01-12 | 2015-04-15 | 华北电力大学 | 风电机组叶片故障诊断与状态监控*** |
CN105756864A (zh) * | 2016-04-15 | 2016-07-13 | 浙江运达风电股份有限公司 | 基于双馈风力发电机组定子电流的桨叶不平衡故障诊断方法 |
CN106052957A (zh) * | 2016-05-10 | 2016-10-26 | 深圳市禾望电气股份有限公司 | 风力发电机组叶片不平衡监测方法及装置 |
WO2018107726A1 (zh) * | 2016-12-13 | 2018-06-21 | 浙江运达风电股份有限公司 | 基于定子电流数据驱动的双馈风电机组桨叶不平衡检测方法 |
CN106523299A (zh) * | 2016-12-13 | 2017-03-22 | 浙江运达风电股份有限公司 | 基于定子电流数据驱动的双馈风电机组桨叶不平衡检测方法 |
CN106523299B (zh) * | 2016-12-13 | 2019-01-04 | 浙江运达风电股份有限公司 | 基于定子电流数据驱动的双馈风电机组桨叶不平衡检测方法 |
CN107575346A (zh) * | 2017-09-07 | 2018-01-12 | 许继集团有限公司 | 一种风力发电机组风轮气动不平衡检测方法和装置 |
CN107575346B (zh) * | 2017-09-07 | 2019-08-13 | 许继集团有限公司 | 一种风力发电机组风轮气动不平衡检测方法和装置 |
CN109470409A (zh) * | 2018-10-29 | 2019-03-15 | 青岛海信日立空调***有限公司 | 一种风机扇叶损坏的检测装置和方法 |
CN110319798A (zh) * | 2019-07-02 | 2019-10-11 | 哈尔滨工业大学 | 用于检测电机安装故障的方法及装置 |
CN110988472A (zh) * | 2019-12-17 | 2020-04-10 | 清华大学 | 基于电流信号的风力发电机变桨传动齿轮故障诊断方法 |
CN113435395A (zh) * | 2021-07-13 | 2021-09-24 | 重庆大学 | 基于自适应卡尔曼滤波器的风轮故障自适应诊断方法 |
CN113435395B (zh) * | 2021-07-13 | 2023-04-07 | 重庆大学 | 基于自适应卡尔曼滤波器的风轮故障自适应诊断方法 |
Also Published As
Publication number | Publication date |
---|---|
CN103759891B (zh) | 2016-04-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103759891B (zh) | 一种双馈风力发电机叶片不平衡在线故障诊断方法 | |
CN102954857B (zh) | 基于电流信号的风电机组的叶片不平衡故障诊断方法 | |
Wilkinson et al. | Condition monitoring of generators & other subassemblies in wind turbine drive trains | |
Lu et al. | A review of recent advances in wind turbine condition monitoring and fault diagnosis | |
CN104392082A (zh) | 一种基于振动监测的风力发电机组齿轮箱早期故障诊断方法 | |
CN103234702B (zh) | 一种叶片不平衡故障诊断方法 | |
CN104515677A (zh) | 风电机组叶片故障诊断与状态监控*** | |
CN102352824B (zh) | 一种基于电气信息的风力发电机健康状态监测***和方法 | |
Li et al. | Imbalance fault detection based on the integrated analysis strategy for variable-speed wind turbines | |
CN103744023A (zh) | 一种双馈风力发电机定子绕组不对称故障检测方法 | |
CN107524572A (zh) | 一种风力发电机组在线状态监测和故障诊断方法 | |
Jun et al. | An overview of condition monitoring and fault diagnostic for wind energy conversion system | |
CN105548595A (zh) | 一种提取风电齿轮箱各级轴转速检测方法 | |
CN104792520A (zh) | 风力发电机组齿轮箱故障诊断方法 | |
CN108278184A (zh) | 基于经验模态分解的风电机组叶轮不平衡监测方法 | |
Shahriar et al. | Speed-based diagnostics of aerodynamic and mass imbalance in large wind turbines | |
CN202453182U (zh) | 一种风电机组齿轮箱故障诊断装置 | |
Yang | Condition monitoring the drive train of a direct drive permanent magnet wind turbine using generator electrical signals | |
Wang et al. | Dynamic characteristics of the planetary gear train excited by time-varying meshing stiffness in the wind turbine | |
Wilkinson et al. | Extracting condition monitoring information from a wind turbine drive train | |
Zheng et al. | Variational mode decomposition applied to offshore wind turbine rolling bearing fault diagnosis | |
Jiang et al. | Theoretical and experimental study on wind wheel unbalance for a wind turbine | |
CN104989602A (zh) | 一种风力发电机状态远程监测装置 | |
Costinas et al. | Wind power plant condition monitoring | |
Cohal et al. | Fault Detection and Isolation of a Wind Turbine |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20160420 Termination date: 20170122 |
|
CF01 | Termination of patent right due to non-payment of annual fee |