CN105134510A - 一种风力发电机组变桨***的状态监测和故障诊断方法 - Google Patents
一种风力发电机组变桨***的状态监测和故障诊断方法 Download PDFInfo
- Publication number
- CN105134510A CN105134510A CN201510599702.0A CN201510599702A CN105134510A CN 105134510 A CN105134510 A CN 105134510A CN 201510599702 A CN201510599702 A CN 201510599702A CN 105134510 A CN105134510 A CN 105134510A
- Authority
- CN
- China
- Prior art keywords
- pitch
- data
- controlled system
- observation vector
- generating set
- 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
Links
Classifications
-
- Y02E10/722—
Landscapes
- Wind Motors (AREA)
Abstract
本发明公开了一种风力发电机组变桨***的状态监测和故障诊断方法,包括步骤:(1)数据采集:从风力发电机组SCADA***中提取出与变桨***运行状态相关的运行参数;(2)特征参数提取:利用Relief算法提取有效的变桨***特征参量;(3)数据分析预测:筛选变桨***正常运行期间的历史数据,建立风机的健康模型,计算实时信号的预测值,计算实际输出值与预测值的偏差;(4)诊断算法:根据步骤(3)传递过来的残差信息,判断风机的运行状态;按照相应的诊断规则以及残差贡献率,找到变桨***的主故障原因;(5)数据存储:对实时数据、预测数据及诊断结果进行存储,方便日后故障分析及为故障诊断规则的修改提供参考数据。
Description
技术领域
本发明属于兆瓦级风力发电技术在线监测分析的技术领域,具体地涉及一种风力发电机组变桨***的状态监测和故障诊断方法。
背景技术
大型兆瓦级风力发电机组的变速变桨控制算法复杂,是风力发电机组中故障率较高的子***。如果出现故障停机,从检修到恢复正常运行,需要较长的时间。如果在风速较好的时间段发生了故障停机,将大大影响风机的发电量,从而给企业造成巨大的经济损失。如果能在风机故障发生时,通过风电机组的状态监测技术,对变桨***的运行参数进行监测和分析后快速找到故障原因,确定检修方式,将会大大提高风机的可利用率。基于以上因素,对风力发电机组的故障原因进行快速准确的定位,形成故障诊断机制,对提高风电场运行的经济性和安全性有积极重要的意义。
目前,风电场常用的数据采集与监视控制(SupervisoryControlandDataAcquisition,SCADA)***,可以对现场的运行设备进行监视和控制,实现数据采集,设备控制,参数调节以及各类信号报警等功能。一旦风机故障停机,SCADA***将会显示出具体的故障信息,但是该故障信息往往包含多个故障原因,所以无法准确地定位故障类别和原因,导致检修时间较长,降低发电量。随着风力发电机组的装机容量的增加,风力发电公司对发电效率的要求越来越高,因此建立快速有效的故障诊断方法是必然之举。
发明内容
本发明的技术解决问题是:克服现有技术的不足,提供一种风力发电机组变桨***的状态监测和故障诊断方法,其在变桨***发生故障时能够更准确快速地找到主要故障,比已有的SCADA***提供更及时更准确的检修,从而提高了风机的利用率,使设备运行可靠性得到全面提升。
本发明的技术解决方案是:这种风力发电机组变桨***的状态监测和故障诊断方法,该方法包括以下步骤:
(1)数据采集:从风力发电机组SCADA***中提取出与变桨***运行状态相关的运行参数,该运行参数包括变桨电机的运行参数,叶片的变桨角度、变桨速度和变桨加速度,变桨电机驱动控制器IGBT的运行参数,风速,发电机转速、有功功率;
(2)特征参数提取:利用Relief算法提取有效的变桨***特征参量,提取出的与变桨***相关的特征参数包括:叶片的变桨角度,变桨电机驱动电流,发电机转速,转矩,变桨电机温度;
(3)数据分析预测:筛选变桨***正常运行期间的历史数据,建立风机的健康模型,计算实时信号的预测值,计算实际输出值与预测值的偏差;
(4)诊断算法:根据步骤(3)传递过来的残差信息,判断风机的运行状态;按照相应的诊断规则以及残差贡献率,找到变桨***的主故障原因;
(5)数据存储:对实时数据、预测数据及诊断结果进行存储,方便日后故障分析及为故障诊断规则的修改提供参考数据。
本发明利用先进的数据挖掘技术,从历史数据中提取出变桨***的特征参数,建立变桨***正常运行参数关联关系预测模型。在变桨***发生故障时更准确快速的找到主要故障,从而在变桨***发生故障时能够更准确快速地找到主要故障,比已有的SCADA***提供更及时更准确的检修,从而提高了风机的利用率,使设备运行可靠性得到全面提升。
附图说明
图1示出了根据本发明的风力发电机组变桨***的状态监测和故障诊断方法的流程图;
图2示出了根据本发明的步骤(3)和(4)的流程图。
具体实施方式
如图1所示,这种风力发电机组变桨***的状态监测和故障诊断方法,该方法包括以下步骤:
(1)数据采集:从风力发电机组SCADA***中提取出与变桨***运行状态相关的运行参数,该运行参数包括变桨电机的运行参数,叶片的变桨角度、变桨速度和变桨加速度,变桨电机驱动控制器IGBT的运行参数,风速,发电机转速、有功功率;
(2)特征参数提取:利用Relief算法提取有效的变桨***特征参量,提取出的与变桨***相关的特征参数包括:叶片的变桨角度,变桨电机驱动电流,发电机转速,转矩,变桨电机温度;
(3)数据分析预测:筛选变桨***正常运行期间的历史数据,建立风机的健康模型,计算实时信号的预测值,计算实际输出值与预测值的偏差;
(4)诊断算法:根据步骤(3)传递过来的残差信息,判断风机的运行状态;按照相应的诊断规则以及残差贡献率,找到变桨***的主故障原因;
(5)数据存储:对实时数据、预测数据及诊断结果进行存储,方便日后故障分析及为故障诊断规则的修改提供参考数据。
本发明利用先进的数据挖掘技术,从历史数据中提取出变桨***的特征参数,建立变桨***正常运行参数关联关系预测模型。在变桨***发生故障时更准确快速的找到主要故障,从而在变桨***发生故障时能够更准确快速地找到主要故障,比已有的SCADA***提供更及时更准确的检修,从而提高了风机的利用率,使设备运行可靠性得到全面提升。
优选地,如图2所示,所述步骤(3)中,首先选择变桨***处于不同运行状态下的正常运行数据作为训练样本集,然后基于非线性评估NSET的方法建立变桨***的健康模型,描述了正常运行状态下机组变桨***与特征参数之间的非线性隐形关系;最后根据当前运行数据输入模型后的残差和阈值的关系判断风机的状态,并寻找主要的故障原因。
更进一步地,所述步骤(3)中,设备共有n个相互关联的变量,设某一时刻i,采集的n个测点作为设备的一个工况,记为观测向量:X[i]=[x1(i),x2(i)......xn(i)]T
设备正常工作时间段内不同运行工况下的m个历史观测向量,组成记
忆矩阵D:D=[X(1)X(2).....X(m)]
过程记忆矩阵中的每一列观测向量代表设备的一个正常工作状态。经过合理选择的过程记忆矩阵中的m个历史观测向量所组成的子空间用D代表过程或设备正常运行的整个动态过程;
对于任何一组输入的观测向量Xobs,模型对应生成一个m维的权值向量W=[ω1ω2.....ωm]T,
所以模型的预测输出为:Xest=D·W=ω1·X(1)+ω2·X(2)+....+ωm·X(m),模型输入观测向量和预测输出向量的残差为:ε=Xobs-Xest,对残差进行极小化,求的权值向量W为:
其中的非线性运算采用欧氏距离:
优选地,如图2所示,所述步骤(4)中,当变桨***正常工作时,输入NSET模型的观测向量位于正常工作空间,该观测向量会有过程记忆矩阵D中的某些历时观测向量相似,此时NSET模型对变桨***具有很好的预测效果,所以产生残差会在阈值范围内;当变桨***出现异常时,其动态特性发生改变,观测向量偏离正常工作状态空间,无法被过程记忆矩阵D覆盖,所以新输入的每组观测向量与模型预测输出之间会产生残差,该残差会超越阈值。
以上所述,仅是本发明的较佳实施例,并非对本发明作任何形式上的限制,凡是依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与修饰,均仍属本发明技术方案的保护范围。
Claims (4)
1.一种风力发电机组变桨***的状态监测和故障诊断方法,其特征在于:该方法包括以下步骤:
(1)数据采集:从风力发电机组SCADA***中提取出与变桨***运行状态相关的运行参数,该运行参数包括变桨电机的运行参数,叶片的变桨角度、变桨速度和变桨加速度,变桨电机驱动控制器IGBT的运行参数,风速,发电机转速、有功功率;
(2)特征参数提取:利用Relief算法提取有效的变桨***特征参量,提取出的与变桨***相关的特征参数包括:叶片的变桨角度,变桨电机驱动电流,发电机转速,转矩,变桨电机温度;
(3)数据分析预测:筛选变桨***正常运行期间的历史数据,建立风机的健康模型,计算实时信号的预测值,计算实际输出值与预测值的偏差;
(4)诊断算法:根据步骤(3)传递过来的残差信息,判断风机的运行状态;按照相应的诊断规则以及残差贡献率,找到变桨***的主故障原因;
(5)数据存储:对实时数据、预测数据及诊断结果进行存储,方便日后故障分析及为故障诊断规则的修改提供参考数据。
2.根据权利要求1所述的风力发电机组变桨***的状态监测和故障诊断方法,其特征在于:所述步骤(3)中,首先选择变桨***处于不同运行状态下的正常运行数据作为训练样本集,然后基于非线性评估NSET的方法建立变桨***的健康模型,描述了正常运行状态下机组变桨***与特征参数之间的非线性隐形关系;最后根据当前运行数据输入模型后的残差和阈值的关系判断风机的状态,并寻找主要的故障原因。
3.根据权利要求2所述的风力发电机组变桨***的状态监测和故障诊断方法,其特征在于:所述步骤(3)中,设备共有n个相互关联的变量,设某一时刻i,采集的n个测点作为设备的一个工况,记为观测向量:X[i]=[x1(i),x2(i)......xn(i)]T
设备正常工作时间段内不同运行工况下的m个历史观测向量,组成记忆矩阵D:D=[X(1)X(2).....X(m)]
过程记忆矩阵中的每一列观测向量代表设备的一个正常工作状态。经过合理选择的过程记忆矩阵中的m个历史观测向量所组成的子空间用D代表过程或设备正常运行的整个动态过程;
对于任何一组输入的观测向量Xobs,模型对应生成一个m维的权值向量W=[ω1ω2.....ωm]T,
所以模型的预测输出为:Xest=D·W=ω1·X(1)+ω2·X(2)+....+ωm·X(m),模型输入观测向量和预测输出向量的残差为:ε=Xobs-Xest,对残差进行极小化,求的权值向量W为:其中的非线性运算采用欧氏距离:
4.根据权利要求3所述的风力发电机组变桨***的状态监测和故障诊断方法,其特征在于:所述步骤(4)中,当变桨***正常工作时,输入NSET模型的观测向量位于正常工作空间,该观测向量会有过程记忆矩阵D中的某些历时观测向量相似,此时NSET模型对变桨***具有很好的预测效果,所以产生残差会在阈值范围内;当变桨***出现异常时,其动态特性发生改变,观测向量偏离正常工作状态空间,无法被过程记忆矩阵D覆盖,所以新输入的每组观测向量与模型预测输出之间会产生残差,该残差会超越阈值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510599702.0A CN105134510A (zh) | 2015-09-18 | 2015-09-18 | 一种风力发电机组变桨***的状态监测和故障诊断方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510599702.0A CN105134510A (zh) | 2015-09-18 | 2015-09-18 | 一种风力发电机组变桨***的状态监测和故障诊断方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105134510A true CN105134510A (zh) | 2015-12-09 |
Family
ID=54720020
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510599702.0A Pending CN105134510A (zh) | 2015-09-18 | 2015-09-18 | 一种风力发电机组变桨***的状态监测和故障诊断方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105134510A (zh) |
Cited By (54)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105760617A (zh) * | 2016-03-07 | 2016-07-13 | 华北电力大学(保定) | 一种应用于风力发电机组的多参量故障预测判定指标的计算方法 |
CN106249728A (zh) * | 2016-09-28 | 2016-12-21 | 清华大学 | 一种基于部件特性的火力发电机组在线性能监测方法 |
CN106407589A (zh) * | 2016-09-29 | 2017-02-15 | 北京岳能科技股份有限公司 | 一种风机状态评估与预测方法及*** |
CN106936627A (zh) * | 2016-09-28 | 2017-07-07 | 清华大学 | 一种基于大数据分析挖掘的火电设备性能监测方法 |
CN107355342A (zh) * | 2017-06-30 | 2017-11-17 | 北京金风科创风电设备有限公司 | 风力发电机组变桨异常的识别方法及装置 |
CN107609574A (zh) * | 2017-08-18 | 2018-01-19 | 上海电力学院 | 基于数据挖掘的风电机组故障预警方法 |
CN107728059A (zh) * | 2017-10-20 | 2018-02-23 | 郭莹莹 | 一种变桨***状态评估方法 |
CN108564162A (zh) * | 2018-01-05 | 2018-09-21 | 广东电网有限责任公司电力科学研究院 | 一种设备故障预警模型记忆矩阵的构造方法及装置 |
CN108595381A (zh) * | 2018-04-27 | 2018-09-28 | 厦门尚为科技股份有限公司 | 健康状态评价方法、装置及可读存储介质 |
CN108760318A (zh) * | 2018-08-31 | 2018-11-06 | 西安热工研究院有限公司 | 一种风力机变桨轴承故障检测方法 |
CN108803554A (zh) * | 2017-05-04 | 2018-11-13 | 上海电气集团股份有限公司 | 一种发电机信号的智能诊断方法 |
CN108869174A (zh) * | 2018-06-15 | 2018-11-23 | 西安交通大学 | 一种非线性建模的风力发电机叶片固有频率工况补偿方法 |
CN109707566A (zh) * | 2018-08-14 | 2019-05-03 | 南京信息工程大学 | 一种基于57byg步进电机的变桨*** |
WO2019140613A1 (en) * | 2018-01-18 | 2019-07-25 | Abb Schweiz Ag | Method, apparatus and system for wind converter management |
CN110119339A (zh) * | 2019-05-07 | 2019-08-13 | 上海电气集团股份有限公司 | 工业设备的健康状态的评估方法、***、设备和存储介质 |
CN110222765A (zh) * | 2019-06-06 | 2019-09-10 | 中车株洲电力机车研究所有限公司 | 一种永磁同步电机健康状态监测方法及*** |
CN110262251A (zh) * | 2019-07-11 | 2019-09-20 | 电子科技大学 | 基于lstm神经网络的飞控***数据预测及辅助诊断方法 |
CN110309492A (zh) * | 2019-06-29 | 2019-10-08 | 河北工业大学 | 基于扩散图数据降维技术的风力发电机组健康度评估方法 |
CN110362048A (zh) * | 2019-07-12 | 2019-10-22 | 上海交通大学 | 风机关键部件状态监测方法及装置、存储介质和终端 |
CN110578659A (zh) * | 2018-06-07 | 2019-12-17 | 华北电力大学 | 一种用于对风电机组scada数据进行处理的***和方法 |
CN110703025A (zh) * | 2019-10-18 | 2020-01-17 | 重庆大学 | 一种风电变流器igbt功率模块健康状态异常识别方法 |
CN111287912A (zh) * | 2020-02-18 | 2020-06-16 | 广州特种承压设备检测研究院 | 风力发电机变桨***故障诊断方法 |
CN111381161A (zh) * | 2018-12-29 | 2020-07-07 | 中国葛洲坝集团装备工业有限公司 | 一种发电机组远程在线健康状态诊断方法 |
CN111812504A (zh) * | 2019-04-10 | 2020-10-23 | 北京金风科创风电设备有限公司 | 风力发电机组故障诊断方法及*** |
CN111913443A (zh) * | 2019-08-24 | 2020-11-10 | 南京鸿雁讯通信息科技有限公司 | 基于相似性的工业设备故障预警方法 |
CN112036089A (zh) * | 2020-09-03 | 2020-12-04 | 华能国际电力股份有限公司玉环电厂 | 一种基于dpc-mnd和多元状态估计的磨煤机故障预警方法 |
CN112328659A (zh) * | 2020-11-03 | 2021-02-05 | 中车株洲电力机车研究所有限公司 | 一种风力发电机组液压变桨***故障诊断方法 |
CN112613554A (zh) * | 2020-12-21 | 2021-04-06 | 国家电投集团江苏新能源有限公司 | 一种风力发电机变桨***故障预测方法和*** |
CN112879219A (zh) * | 2021-02-18 | 2021-06-01 | 中国华能集团清洁能源技术研究院有限公司 | 基于图像处理的风电机组变桨不同步故障识别方法及*** |
CN113027696A (zh) * | 2019-12-24 | 2021-06-25 | 新疆金风科技股份有限公司 | 液压变桨***的故障诊断方法和装置 |
CN113027698A (zh) * | 2019-12-25 | 2021-06-25 | 新疆金风科技股份有限公司 | 风力发电机组的变桨控制回路异常的检测方法和装置 |
CN113062878A (zh) * | 2019-12-27 | 2021-07-02 | 大唐环境产业集团股份有限公司 | 一种用于诊断火电脱硫装置氧化风机故障的*** |
CN113127237A (zh) * | 2019-12-27 | 2021-07-16 | 北京金风慧能技术有限公司 | 风力发电机组的主故障识别方法和*** |
CN113187674A (zh) * | 2021-06-22 | 2021-07-30 | 鲁能集团有限公司 | 一种风电机组变桨***的故障确定方法及*** |
CN113357098A (zh) * | 2021-05-31 | 2021-09-07 | 西安热工研究院有限公司 | 一种风机变桨子***故障预警方法 |
CN113361186A (zh) * | 2021-04-28 | 2021-09-07 | 山东大学 | 一种基于完全数据风电机组故障诊断方法 |
US11118566B2 (en) | 2018-07-03 | 2021-09-14 | Mitsubishi Heavy Industries, Ltd. | Method of diagnosing a wind turbine power generation facility and automatic diagnosis device for wind turbine power generation facility |
CN113433925A (zh) * | 2021-06-17 | 2021-09-24 | 三一重型装备有限公司 | 掘进机电机设备的预测性控制方法及装置 |
CN113431800A (zh) * | 2021-07-16 | 2021-09-24 | 西安热工研究院有限公司 | 一种实时判别风机运行状态的方法 |
CN113447813A (zh) * | 2020-09-03 | 2021-09-28 | 鲁能集团有限公司 | 海上风力发电机组的故障诊断方法及设备 |
CN113446156A (zh) * | 2020-03-27 | 2021-09-28 | 新疆金风科技股份有限公司 | 变桨***的状态监测方法、装置、设备及介质 |
CN113468728A (zh) * | 2021-06-11 | 2021-10-01 | 国电南京自动化股份有限公司 | 一种基于神经网络的变桨***故障预测方法 |
CN113484749A (zh) * | 2021-06-15 | 2021-10-08 | 国网山东省电力公司嘉祥县供电公司 | 发电机故障诊断及预测方法 |
CN113486473A (zh) * | 2021-07-27 | 2021-10-08 | 上海电气风电集团股份有限公司 | 风力发电机组的状态监测方法及其***及计算机可读存储介质 |
CN113744080A (zh) * | 2021-08-17 | 2021-12-03 | 武汉中元华电科技股份有限公司 | 基于多源数据的电力设备发电偏差的诊断方法及*** |
CN113934191A (zh) * | 2020-06-29 | 2022-01-14 | 青岛海信日立空调***有限公司 | 一种冷水机组故障诊断*** |
CN114109737A (zh) * | 2021-07-01 | 2022-03-01 | 国电电力宁夏新能源开发有限公司 | 风电机组液压站状态诊断***及方法 |
CN114237206A (zh) * | 2021-12-17 | 2022-03-25 | 沈阳工程学院 | 一种面向复杂运行工况的风电变桨***故障检测方法 |
CN114251238A (zh) * | 2021-11-30 | 2022-03-29 | 北京金风慧能技术有限公司 | 变桨电机温度异常检测方法及设备 |
US11629701B2 (en) | 2017-05-18 | 2023-04-18 | General Electric Company | System and method for estimating motor temperature of a pitch system of a wind turbine |
CN116226239A (zh) * | 2023-05-06 | 2023-06-06 | 成都瑞雪丰泰精密电子股份有限公司 | 一种基于数据驱动的加工中心主轴***状态监测方法 |
WO2023097938A1 (zh) * | 2021-11-30 | 2023-06-08 | 北京金风科创风电设备有限公司 | 风力发电机组变桨轴承的寿命评估方法和装置 |
US12012930B2 (en) | 2019-10-30 | 2024-06-18 | Ge Infrastructure Technology Llc | System and method for preventing pitch bearing failures in a wind turbine using pitch motor signals |
CN113744080B (zh) * | 2021-08-17 | 2024-07-12 | 武汉中元华电科技股份有限公司 | 基于多源数据的电力设备发电偏差的诊断方法及*** |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN201050444Y (zh) * | 2007-05-23 | 2008-04-23 | 连云港杰瑞电子有限公司 | 一种风力发电机变桨距控制*** |
US20110018727A1 (en) * | 2009-07-24 | 2011-01-27 | Honeywell International Inc. | Wind turbine generator fault diagnostic and prognostic device and method |
CN102352824A (zh) * | 2011-10-11 | 2012-02-15 | 苏州市思玛特电力科技有限公司 | 一种基于电气信息的风力发电机健康状态监测***和方法 |
WO2012097819A1 (en) * | 2011-01-20 | 2012-07-26 | Vestas Wind Systems A/S | A method for diagnostic monitoring of a wind turbine generator system |
CN103645052A (zh) * | 2013-12-11 | 2014-03-19 | 北京航空航天大学 | 一种风电机组齿轮箱远程在线状态监测及寿命评估方法 |
-
2015
- 2015-09-18 CN CN201510599702.0A patent/CN105134510A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN201050444Y (zh) * | 2007-05-23 | 2008-04-23 | 连云港杰瑞电子有限公司 | 一种风力发电机变桨距控制*** |
US20110018727A1 (en) * | 2009-07-24 | 2011-01-27 | Honeywell International Inc. | Wind turbine generator fault diagnostic and prognostic device and method |
WO2012097819A1 (en) * | 2011-01-20 | 2012-07-26 | Vestas Wind Systems A/S | A method for diagnostic monitoring of a wind turbine generator system |
CN102352824A (zh) * | 2011-10-11 | 2012-02-15 | 苏州市思玛特电力科技有限公司 | 一种基于电气信息的风力发电机健康状态监测***和方法 |
CN103645052A (zh) * | 2013-12-11 | 2014-03-19 | 北京航空航天大学 | 一种风电机组齿轮箱远程在线状态监测及寿命评估方法 |
Non-Patent Citations (4)
Title |
---|
尹诗等: "基于非线性状态估计的风电机组变桨控制***故障识别", 《中国电机工程学报》 * |
李学伟: "基于数据挖掘的风电机组状态预测及变桨***异常识别", 《中国优秀硕士学位论文信息科技辑》 * |
王志强等: "非线性状态估计法在风电齿轮箱故障预警中的应用", 《计算机测量与控制》 * |
王致杰等: "《大型风力发电机组状态监测与智能故障诊断》", 30 September 2013, 上海交通大学出版社 * |
Cited By (72)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105760617A (zh) * | 2016-03-07 | 2016-07-13 | 华北电力大学(保定) | 一种应用于风力发电机组的多参量故障预测判定指标的计算方法 |
CN106249728B (zh) * | 2016-09-28 | 2019-02-22 | 清华大学 | 一种基于部件特性的火力发电机组在线性能监测方法 |
CN106249728A (zh) * | 2016-09-28 | 2016-12-21 | 清华大学 | 一种基于部件特性的火力发电机组在线性能监测方法 |
CN106936627A (zh) * | 2016-09-28 | 2017-07-07 | 清华大学 | 一种基于大数据分析挖掘的火电设备性能监测方法 |
CN106936627B (zh) * | 2016-09-28 | 2020-05-22 | 清华大学 | 一种基于大数据分析挖掘的火电设备性能监测方法 |
CN106407589A (zh) * | 2016-09-29 | 2017-02-15 | 北京岳能科技股份有限公司 | 一种风机状态评估与预测方法及*** |
CN106407589B (zh) * | 2016-09-29 | 2020-01-21 | 北京岳能科技股份有限公司 | 一种风机状态评估与预测方法及*** |
CN108803554A (zh) * | 2017-05-04 | 2018-11-13 | 上海电气集团股份有限公司 | 一种发电机信号的智能诊断方法 |
US11629701B2 (en) | 2017-05-18 | 2023-04-18 | General Electric Company | System and method for estimating motor temperature of a pitch system of a wind turbine |
CN107355342A (zh) * | 2017-06-30 | 2017-11-17 | 北京金风科创风电设备有限公司 | 风力发电机组变桨异常的识别方法及装置 |
CN107355342B (zh) * | 2017-06-30 | 2019-04-23 | 北京金风科创风电设备有限公司 | 风力发电机组变桨异常的识别方法及装置 |
CN107609574A (zh) * | 2017-08-18 | 2018-01-19 | 上海电力学院 | 基于数据挖掘的风电机组故障预警方法 |
CN107728059A (zh) * | 2017-10-20 | 2018-02-23 | 郭莹莹 | 一种变桨***状态评估方法 |
CN108564162A (zh) * | 2018-01-05 | 2018-09-21 | 广东电网有限责任公司电力科学研究院 | 一种设备故障预警模型记忆矩阵的构造方法及装置 |
CN108564162B (zh) * | 2018-01-05 | 2020-08-14 | 广东电科院能源技术有限责任公司 | 一种设备故障预警模型记忆矩阵的构造方法及装置 |
WO2019140613A1 (en) * | 2018-01-18 | 2019-07-25 | Abb Schweiz Ag | Method, apparatus and system for wind converter management |
US11168669B2 (en) | 2018-01-18 | 2021-11-09 | Abb Schweiz Ag | Method, apparatus and system for wind converter management |
CN108595381A (zh) * | 2018-04-27 | 2018-09-28 | 厦门尚为科技股份有限公司 | 健康状态评价方法、装置及可读存储介质 |
CN110578659B (zh) * | 2018-06-07 | 2021-12-03 | 华北电力大学 | 一种用于对风电机组scada数据进行处理的***和方法 |
CN110578659A (zh) * | 2018-06-07 | 2019-12-17 | 华北电力大学 | 一种用于对风电机组scada数据进行处理的***和方法 |
CN108869174A (zh) * | 2018-06-15 | 2018-11-23 | 西安交通大学 | 一种非线性建模的风力发电机叶片固有频率工况补偿方法 |
US11118566B2 (en) | 2018-07-03 | 2021-09-14 | Mitsubishi Heavy Industries, Ltd. | Method of diagnosing a wind turbine power generation facility and automatic diagnosis device for wind turbine power generation facility |
CN109707566A (zh) * | 2018-08-14 | 2019-05-03 | 南京信息工程大学 | 一种基于57byg步进电机的变桨*** |
CN108760318A (zh) * | 2018-08-31 | 2018-11-06 | 西安热工研究院有限公司 | 一种风力机变桨轴承故障检测方法 |
CN111381161A (zh) * | 2018-12-29 | 2020-07-07 | 中国葛洲坝集团装备工业有限公司 | 一种发电机组远程在线健康状态诊断方法 |
CN111812504A (zh) * | 2019-04-10 | 2020-10-23 | 北京金风科创风电设备有限公司 | 风力发电机组故障诊断方法及*** |
CN110119339A (zh) * | 2019-05-07 | 2019-08-13 | 上海电气集团股份有限公司 | 工业设备的健康状态的评估方法、***、设备和存储介质 |
CN110222765A (zh) * | 2019-06-06 | 2019-09-10 | 中车株洲电力机车研究所有限公司 | 一种永磁同步电机健康状态监测方法及*** |
CN110222765B (zh) * | 2019-06-06 | 2022-12-27 | 中车株洲电力机车研究所有限公司 | 一种永磁同步电机健康状态监测方法及*** |
CN110309492A (zh) * | 2019-06-29 | 2019-10-08 | 河北工业大学 | 基于扩散图数据降维技术的风力发电机组健康度评估方法 |
CN110262251A (zh) * | 2019-07-11 | 2019-09-20 | 电子科技大学 | 基于lstm神经网络的飞控***数据预测及辅助诊断方法 |
CN110362048A (zh) * | 2019-07-12 | 2019-10-22 | 上海交通大学 | 风机关键部件状态监测方法及装置、存储介质和终端 |
CN111913443A (zh) * | 2019-08-24 | 2020-11-10 | 南京鸿雁讯通信息科技有限公司 | 基于相似性的工业设备故障预警方法 |
CN110703025A (zh) * | 2019-10-18 | 2020-01-17 | 重庆大学 | 一种风电变流器igbt功率模块健康状态异常识别方法 |
US12012930B2 (en) | 2019-10-30 | 2024-06-18 | Ge Infrastructure Technology Llc | System and method for preventing pitch bearing failures in a wind turbine using pitch motor signals |
CN113027696A (zh) * | 2019-12-24 | 2021-06-25 | 新疆金风科技股份有限公司 | 液压变桨***的故障诊断方法和装置 |
CN113027698B (zh) * | 2019-12-25 | 2022-07-12 | 新疆金风科技股份有限公司 | 风力发电机组的变桨控制回路异常的检测方法和装置 |
CN113027698A (zh) * | 2019-12-25 | 2021-06-25 | 新疆金风科技股份有限公司 | 风力发电机组的变桨控制回路异常的检测方法和装置 |
CN113062878A (zh) * | 2019-12-27 | 2021-07-02 | 大唐环境产业集团股份有限公司 | 一种用于诊断火电脱硫装置氧化风机故障的*** |
CN113127237A (zh) * | 2019-12-27 | 2021-07-16 | 北京金风慧能技术有限公司 | 风力发电机组的主故障识别方法和*** |
CN111287912A (zh) * | 2020-02-18 | 2020-06-16 | 广州特种承压设备检测研究院 | 风力发电机变桨***故障诊断方法 |
CN113446156A (zh) * | 2020-03-27 | 2021-09-28 | 新疆金风科技股份有限公司 | 变桨***的状态监测方法、装置、设备及介质 |
CN113446156B (zh) * | 2020-03-27 | 2023-07-11 | 新疆金风科技股份有限公司 | 变桨***的状态监测方法、装置、设备及介质 |
CN113934191A (zh) * | 2020-06-29 | 2022-01-14 | 青岛海信日立空调***有限公司 | 一种冷水机组故障诊断*** |
CN113447813B (zh) * | 2020-09-03 | 2022-09-13 | 中国绿发投资集团有限公司 | 海上风力发电机组的故障诊断方法及设备 |
CN113447813A (zh) * | 2020-09-03 | 2021-09-28 | 鲁能集团有限公司 | 海上风力发电机组的故障诊断方法及设备 |
CN112036089A (zh) * | 2020-09-03 | 2020-12-04 | 华能国际电力股份有限公司玉环电厂 | 一种基于dpc-mnd和多元状态估计的磨煤机故障预警方法 |
CN112328659B (zh) * | 2020-11-03 | 2024-04-05 | 中车株洲电力机车研究所有限公司 | 一种风力发电机组液压变桨***故障诊断方法 |
CN112328659A (zh) * | 2020-11-03 | 2021-02-05 | 中车株洲电力机车研究所有限公司 | 一种风力发电机组液压变桨***故障诊断方法 |
CN112613554B (zh) * | 2020-12-21 | 2024-03-22 | 国家电投集团江苏新能源有限公司 | 一种风力发电机变桨***故障预测方法和*** |
CN112613554A (zh) * | 2020-12-21 | 2021-04-06 | 国家电投集团江苏新能源有限公司 | 一种风力发电机变桨***故障预测方法和*** |
CN112879219A (zh) * | 2021-02-18 | 2021-06-01 | 中国华能集团清洁能源技术研究院有限公司 | 基于图像处理的风电机组变桨不同步故障识别方法及*** |
WO2022174566A1 (zh) * | 2021-02-18 | 2022-08-25 | 中国华能集团清洁能源技术研究院有限公司 | 基于图像处理的风电机组变桨不同步故障识别方法及*** |
CN113361186A (zh) * | 2021-04-28 | 2021-09-07 | 山东大学 | 一种基于完全数据风电机组故障诊断方法 |
CN113357098A (zh) * | 2021-05-31 | 2021-09-07 | 西安热工研究院有限公司 | 一种风机变桨子***故障预警方法 |
CN113468728A (zh) * | 2021-06-11 | 2021-10-01 | 国电南京自动化股份有限公司 | 一种基于神经网络的变桨***故障预测方法 |
CN113468728B (zh) * | 2021-06-11 | 2024-02-02 | 国电南京自动化股份有限公司 | 一种基于神经网络的变桨***故障预测方法 |
CN113484749A (zh) * | 2021-06-15 | 2021-10-08 | 国网山东省电力公司嘉祥县供电公司 | 发电机故障诊断及预测方法 |
CN113433925B (zh) * | 2021-06-17 | 2022-10-25 | 三一重型装备有限公司 | 掘进机电机设备的预测性控制方法及装置 |
CN113433925A (zh) * | 2021-06-17 | 2021-09-24 | 三一重型装备有限公司 | 掘进机电机设备的预测性控制方法及装置 |
CN113187674A (zh) * | 2021-06-22 | 2021-07-30 | 鲁能集团有限公司 | 一种风电机组变桨***的故障确定方法及*** |
CN114109737A (zh) * | 2021-07-01 | 2022-03-01 | 国电电力宁夏新能源开发有限公司 | 风电机组液压站状态诊断***及方法 |
CN114109737B (zh) * | 2021-07-01 | 2024-03-08 | 国电电力宁夏新能源开发有限公司 | 风电机组液压站状态诊断***及方法 |
CN113431800A (zh) * | 2021-07-16 | 2021-09-24 | 西安热工研究院有限公司 | 一种实时判别风机运行状态的方法 |
CN113486473A (zh) * | 2021-07-27 | 2021-10-08 | 上海电气风电集团股份有限公司 | 风力发电机组的状态监测方法及其***及计算机可读存储介质 |
CN113744080B (zh) * | 2021-08-17 | 2024-07-12 | 武汉中元华电科技股份有限公司 | 基于多源数据的电力设备发电偏差的诊断方法及*** |
CN113744080A (zh) * | 2021-08-17 | 2021-12-03 | 武汉中元华电科技股份有限公司 | 基于多源数据的电力设备发电偏差的诊断方法及*** |
CN114251238A (zh) * | 2021-11-30 | 2022-03-29 | 北京金风慧能技术有限公司 | 变桨电机温度异常检测方法及设备 |
WO2023097938A1 (zh) * | 2021-11-30 | 2023-06-08 | 北京金风科创风电设备有限公司 | 风力发电机组变桨轴承的寿命评估方法和装置 |
CN114237206A (zh) * | 2021-12-17 | 2022-03-25 | 沈阳工程学院 | 一种面向复杂运行工况的风电变桨***故障检测方法 |
CN116226239B (zh) * | 2023-05-06 | 2023-07-07 | 成都瑞雪丰泰精密电子股份有限公司 | 一种基于数据驱动的加工中心主轴***状态监测方法 |
CN116226239A (zh) * | 2023-05-06 | 2023-06-06 | 成都瑞雪丰泰精密电子股份有限公司 | 一种基于数据驱动的加工中心主轴***状态监测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105134510A (zh) | 一种风力发电机组变桨***的状态监测和故障诊断方法 | |
Park et al. | Development of a novel power curve monitoring method for wind turbines and its field tests | |
CN106815771B (zh) | 一种风电场载荷的长期评估方法 | |
CN103161668B (zh) | 智能风电机组工况辨识***及方法 | |
CN104807644A (zh) | 一种风电机组变桨***的故障预警方法及*** | |
CN112613554B (zh) | 一种风力发电机变桨***故障预测方法和*** | |
CN102915471A (zh) | 一种风电扰动在线安全预警的方法 | |
CN103439091A (zh) | 水轮机转轮叶片裂纹故障早期预警和诊断方法及*** | |
WO2022048228A1 (zh) | 风电机组的载荷控制方法和装置 | |
CN104963809A (zh) | 风力发电机组的转速保护方法和*** | |
CN103925155A (zh) | 一种风电机组输出功率异常的自适应检测方法 | |
CN110222393B (zh) | 基于细粒度风电发电状态划分的风机叶片结冰异常监测方法 | |
CN109236589A (zh) | 一种用于评估风机叶片除冰投资方案的方法及装置 | |
CN110608133B (zh) | 一种海上风力发电控制***及方法 | |
CN109578226B (zh) | 基于结冰探测器与场群互通的风电机组结冰状态检测方法 | |
CN111794921B (zh) | 一种基于迁移成分分析的陆上风电机组叶片结冰诊断方法 | |
CN105649896A (zh) | 风电机组智能监控运行控制***及其控制方法 | |
CN115450864A (zh) | 一种基于合成少数类样本的风电机组叶片结冰诊断方法 | |
Bao et al. | A data-driven approach for identification and compensation of wind turbine inherent yaw misalignment | |
CN114778116A (zh) | 一种风力发电机组变桨轴承故障预警方法及*** | |
Liu et al. | Data-driven fault identification of ageing wind turbine | |
CN114320773A (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 | |
CN114781259A (zh) | 一种风力发电机诊断方法及*** | |
CN114753980A (zh) | 一种风机叶片结冰监测方法及*** | |
Ye et al. | Using SCADA data fusion by swarm intelligence for wind turbine condition monitoring |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20151209 |