CN106837704A - 一种中型低速永磁直驱风电机组及其参数自学习控制方法 - Google Patents
一种中型低速永磁直驱风电机组及其参数自学习控制方法 Download PDFInfo
- Publication number
- CN106837704A CN106837704A CN201710247830.8A CN201710247830A CN106837704A CN 106837704 A CN106837704 A CN 106837704A CN 201710247830 A CN201710247830 A CN 201710247830A CN 106837704 A CN106837704 A CN 106837704A
- Authority
- CN
- China
- Prior art keywords
- speed
- control
- parameter
- wind turbines
- main shaft
- 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
- 238000000034 method Methods 0.000 title claims abstract description 8
- 230000008859 change Effects 0.000 claims abstract description 8
- 230000005611 electricity Effects 0.000 claims abstract description 6
- 238000013528 artificial neural network Methods 0.000 claims abstract description 5
- 238000003466 welding Methods 0.000 claims abstract description 5
- 238000005452 bending Methods 0.000 claims abstract description 3
- 230000008569 process Effects 0.000 claims description 5
- 229910000831 Steel Inorganic materials 0.000 claims description 4
- 239000010959 steel Substances 0.000 claims description 4
- 238000009434 installation Methods 0.000 claims description 3
- 241001269238 Data Species 0.000 claims description 2
- 229910000870 Weathering steel Inorganic materials 0.000 claims description 2
- 230000009471 action Effects 0.000 claims description 2
- 238000004458 analytical method Methods 0.000 claims description 2
- 238000005266 casting Methods 0.000 claims description 2
- 238000011217 control strategy Methods 0.000 claims description 2
- 230000005284 excitation Effects 0.000 claims description 2
- 230000005484 gravity Effects 0.000 claims description 2
- 230000005389 magnetism Effects 0.000 claims description 2
- 238000012545 processing Methods 0.000 claims description 2
- 230000004044 response Effects 0.000 claims description 2
- 230000001360 synchronised effect Effects 0.000 claims description 2
- 238000012795 verification Methods 0.000 claims 1
- 230000005347 demagnetization Effects 0.000 abstract description 4
- 238000004519 manufacturing process Methods 0.000 abstract description 4
- 238000012423 maintenance Methods 0.000 abstract description 3
- 238000010248 power generation Methods 0.000 abstract description 2
- 238000001816 cooling Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 239000003921 oil Substances 0.000 description 3
- 238000013016 damping Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 238000010923 batch production Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000005684 electric field Effects 0.000 description 1
- 230000017525 heat dissipation Effects 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 229910001338 liquidmetal Inorganic materials 0.000 description 1
- 239000010687 lubricating oil Substances 0.000 description 1
- 238000005461 lubrication Methods 0.000 description 1
- 230000035800 maturation Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 150000003839 salts Chemical class 0.000 description 1
- 230000035939 shock Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 239000000725 suspension Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 239000002699 waste material Substances 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
- F03D7/00—Controlling wind motors
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
- F05B—INDEXING SCHEME RELATING TO WIND, SPRING, WEIGHT, INERTIA OR LIKE MOTORS, TO MACHINES OR ENGINES FOR LIQUIDS COVERED BY SUBCLASSES F03B, F03D AND F03G
- F05B2270/00—Control
- F05B2270/30—Control parameters, e.g. input parameters
- F05B2270/328—Blade pitch angle
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
- F05B—INDEXING SCHEME RELATING TO WIND, SPRING, WEIGHT, INERTIA OR LIKE MOTORS, TO MACHINES OR ENGINES FOR LIQUIDS COVERED BY SUBCLASSES F03B, F03D AND F03G
- F05B2270/00—Control
- F05B2270/30—Control parameters, e.g. input parameters
- F05B2270/329—Azimuth or yaw angle
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
- F05B—INDEXING SCHEME RELATING TO WIND, SPRING, WEIGHT, INERTIA OR LIKE MOTORS, TO MACHINES OR ENGINES FOR LIQUIDS COVERED BY SUBCLASSES F03B, F03D AND F03G
- F05B2270/00—Control
- F05B2270/40—Type of control system
- F05B2270/404—Type of control system active, predictive, or anticipative
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
- F05B—INDEXING SCHEME RELATING TO WIND, SPRING, WEIGHT, INERTIA OR LIKE MOTORS, TO MACHINES OR ENGINES FOR LIQUIDS COVERED BY SUBCLASSES F03B, F03D AND F03G
- F05B2270/00—Control
- F05B2270/70—Type of control algorithm
- F05B2270/709—Type of control algorithm with neural networks
-
- 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
-
- 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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P70/00—Climate change mitigation technologies in the production process for final industrial or consumer products
- Y02P70/50—Manufacturing or production processes characterised by the final manufactured product
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)
- Wind Motors (AREA)
Abstract
本发明提出一种中型低速永磁直驱风电机组及其参数自学习控制方法，属风力发电技术领域。低速永磁直驱风电机组的结构(如图1所示)包括风轮‑1、主轴‑2、主轴承座‑3、主机架‑4、低速盘式永磁电机‑5、低速轴刹车‑6、变桨拖动***‑7、偏航拖动***‑8、机舱罩‑9。风电机组控制运行采用参数自学习算法，运用BP神经网络对控制***的控制参数桨距角β、转速ω、转矩q和功率p进行预测，通过预测值确定控制目标，完成变速和变矩控制。本发明相比于传统低速盘式永磁风电机组，降低了永磁电机受震动引起消磁造成发电量下滑甚至无法发电的风险、减少了主轴等承重部件，主机架可以采用轻型焊接结构，从而降低生产成本，维护简便。
Description
技术领域
本发明属于风力发电技术领域，特别涉及一种低速盘式永磁电机安装于机舱内部的中型低速永磁直驱风力发电机组。
背景技术
低速永磁直驱风力发电机组，相比已广泛使用的双馈型、交流异步型、半直驱型风力发电机组，省去了齿轮箱增速***及为齿轮箱配套使用的齿轮箱润滑油泵***、润滑油冷却、加热***、油温、油质检测***，提高了整个机组的可靠性，减少了维护工作量。同时由于磁钢材料、设计、生产技术的进一步成熟，采用低速盘式永磁发电机的风电机组所占风电机组比例呈上升趋势。
永磁电机有受震动引起消磁从而造成发电量下滑甚至无法发电的风险。目前兆瓦级及多兆瓦级低速永磁直驱风电机组的电机结构形式有单轴承内转子、单轴承外转子、双轴承内转子、双轴承外转子等形式；同时由于电机尺寸、散热等原因都将电机布置在机舱外部前端；但无论采用如上哪种形式的低速盘式永磁电机，由于风轮直接连接在电机的转子上，由阵风带动风轮叶片引起的周向震动、沿风轮轴的轴向震动，以及三个叶片的重量和重心不对称引起的径向震动都会直接作用于发电机的转子上并同时传导至定子。
永磁材料有高温消磁的缺点，这也是通常将永磁电机悬挂于机舱外部的一个原因。通常认为将永磁悬挂于机舱外部，当发电机功率较大时也恰好是风速较高的阶段，靠自然风冷对发电机进行扇热。某些采用外挂式的传统低速永磁盘式风电机组在风况较好的情况下连续运行两日后由于自然风冷的散热无法达标造成发电机磁钢温度告警，不得不将机组限制功率或停机，造成大量能源浪费；即使经改造加装强制风冷也不能完全满足发电机散热要求。
传统型盘式低速永磁发电机内、外转子被连接在悬臂芯轴上，而且电机前端还要承受叶片、风轮的重量。因此一般芯轴都非常粗壮以满足结构强度要求，并且主机架多为厚重的铸造结构(由于液态金属的流动性制约，类似尺寸的铸件，不宜制成薄壁结构)而这样的结构用在中小批量(如十几台或几十台)生产的中型风电机组(100KW～500KW)中将无法满足成本控制要求。
传统盘式低速永磁发电机暴漏在机舱外部，直接承受风吹、日晒、雨淋、化学腐蚀，对电机的防护性能要求很高，增大了发电机的生产成本。
传统盘式低速永磁风力发电机组一般是将机舱、发电机、风轮、叶片分别运输至风电场，然后按机舱、发电机、风轮的顺序依次吊装。
发明内容
为克服现有低速盘式永磁风电机组如上的缺陷与不足，本发明提出一种适合中型低速永磁直驱风力发电机组的结构。
其结构特点及有益效果在于：
(1)区别于传统的低速永磁发电机的安装固定方式，本低速永磁风电机组风轮所受径向、轴向不平衡力和震动经主轴、主轴承、轴承座直接传导给主机架然后由塔筒和地基吸收，而不是直接加载在电机转子或定子上；本低速永磁电机与主机架的轴向连接采用柔性连接，减少电机在运行过程中的周向震动；
(2)专门设计的内外循环风道有利于电机的散热；
(3)本机组由于不再将电机悬挂于机舱外部，减少了主轴等承重部件，并且主机架可以采用轻型焊接结构；从而降低了中小批量生产的中型低速永磁直驱风力发电机组的生产成本；
(4)低速永磁电机被安装于机舱内部，减少了永磁发电机暴漏在自然环境中受风吹、日晒、海边盐雾的腐蚀；
(5)与将永磁电机挂接在机舱造外部的结构形式相比，由于发电机安装于机舱罩内部，本机组的结构形式中永磁电机的维护更方便；
(6)由于永磁发电机出厂时已安装在机舱罩内部，不需考虑对永磁发电机单独运输、单独吊装，节约吊装成本。
(7)所述低速永磁风力发电机为内转子、空心轴，带专用阻尼减震支座。
(8)图1风电机组控制运行所采用的参数自学习算法由图6所示：运用BP神经网络对控制***的控制参数桨距角β、转速、转矩q和功率p进行预测，通过预测值确定控制目标，由图6(a)的控制框图，完成变速和变矩控制。实现参数自学习步骤如下：
1)首先，让风电机组在原有控制策略下运行一段时间，得到一系列SCADA数据。
2)将这些数据作为BP神经网络输入信号，进行训练，预测一定时间后的风电机组参数在原来参数的基础上给控制器一个新的激励，***响应得到很多组数据。
3)当对参数进行训练分析，当达到一定时间后，使得变桨和变速控制参数发生变化，生成一组新的控制参数。
4)再过一段时间后，再对新一组的SCADA数据进行收集，此过程不断循环，值到校验满足控制要求为止，参数自学习过程完成。
附图说明
图1为本机组的总体结构形式
图2为本机组的低速永磁电机结构形式
图3为本机组的低速永磁电机柔性连接结构形式
图4为本机组的散热风道
图5为本机组的轻型焊接结构主机架
图6为本机控制参数自学习算法实现框图
具体实施方式
如图1所述风力发电机组包括风轮(1)、主轴(2)、主轴承座(3)、主机架(4)、低速盘式永磁电机(5)、低速轴刹车(6)、变桨拖动***(7)、偏航拖动***(8)、机舱罩(9)。
风轮(1)以高强螺栓连接在主轴(2)前端；主轴(2)通过轴承座(3)内的轴承与轴承座(3)连接；风轮(1)由风带动，并且除绕主轴(2)的扭矩载荷直接作用于发电机(5)的转子上用于发电外，其它各项载荷都通过轴承座(3)传递给主机架(4)。
所述永磁发电机(5)的轴为空心形式，套在主轴(2)的外侧，发电机转子和主轴(2)可以同步旋转，并且发电机的重力由主轴(2)承担。
发电机(5)的外形如图3所示。
发电机外壳留有与主机架(4)进行柔性连接的安装座脚。发电机(5)的外壳与主机架(4)的柔性连接如图3所示。风轮带动电机转子转动进行发电时引起的发电机(5)绕主轴(2)的轴向震动被安装于电机(5)座脚与主机架(4)之间的阻尼吸震装置吸收，从而有效减小发电机的周向震动。降低发电机由震动引起的退磁风险。
变桨拖动装置(7)穿过空心主轴拖动风轮(1)上的桨叶实现变桨动作。
偏航拖动装置(8)拖动机舱旋转实现偏航对风动作。
机舱罩(9)实现对发电机(5)及各部件的保护，避免发电机受风吹、日晒。
机舱的风道如图4所示。迎风发电时，空气通过机舱(9)上部的进风道A及塔筒内部风道B被吸入，空气由机舱尾部的出风口C排出。
所述风道包括但并不局限于上述形式。也可以按如下方式布置：为实现防雨功能A口也可以将开口方向朝向机舱尾侧,同时在A口处增加通风扇将空气由机舱外部强行吸入机舱内部，同时C口处还可以整天排风扇来增加机舱内的空气流动速度。
主机架(4)的焊接结构如图5所示，由厚度12mm-15mm的高强耐候钢板或钢板+矩形管型材焊接而成，经强度校核后证明满足结构强度要求。相比壁厚30～50的铸造结构，降低了主机架的重量、减少加工量的同时有更好的经济性。
Claims (5)
1.一种中型低速永磁直驱风力发电机组，其特征在于：包括风轮-1、主轴-2、主轴承座-3、主机架-4、低速盘式永磁电机-5、低速轴刹车-6、变桨拖动***-7、偏航拖动***-8、机舱罩-9。
2.风电机组控制运行所采用的参数自学习算法，其特征在于运用BP神经网络对控制***的控制参数桨距角β、转速ω、转矩q和功率p进行预测，通过预测值确定控制目标，完成变速和变矩优化控制；实现参数自学习步骤如下：
①首先，让风电机组在原有控制策略下运行一段时间，得到一系列SCADA数据；
②将这些数据作为BP神经网络输入信号，进行训练，预测一定时间后的风电机组参数在原来参数的基础上给控制器一个新的激励，***响应得到很多组数据；
③当对参数进行训练分析，当达到一定时间后，使得变桨和变速控制参数发生变化，生成一组新的控制参数；
④再过一段时间后，再对新一组的SCADA数据进行收集，此过程不断循环，值到校验满足控制要求为止，参数自学习过程完成。
3.根据权利要求1所诉的中型低速永磁直驱风力发电机组，风轮(1)以高强螺栓连接在主轴(2)前端；主轴(2)通过轴承座(3)内的轴承与轴承座(3)连接；根据权利要求1所述永磁发电机(5)的轴为空心形式，套在主轴(2)的外侧，发电机转子和主轴(2)可以同步旋转，并且发电机的重力由主轴(2)承担；发电机外壳留有与主机架(4)进行柔性连接的安装座脚；变桨拖动装置(7)穿过空心主轴拖动风轮(1)上的桨叶实现变桨动作。
4.根据权利要求1所诉的主机架(4)的焊接结构，由厚度12mm-15mm的高强耐候钢板或钢板+矩形管型材焊接而成，经强度校核后证明满足结构强度要求；相比壁厚30～50的铸造结构，降低了主机架的重量、减少加工量的同时有更好的经济性。
5.根据权利要求1所诉的机舱的风道：迎风发电时，空气通过机舱(9)上部的进风道A及塔筒内部风道B被吸入，空气由机舱尾部的出风口C排出；所述风道包括但并不局限于上述形式，也可以按如下方式布置：为实现防雨功能A口也可以将开口方向朝向机舱尾侧，同时在A口处增加通风扇将空气由机舱外部强行吸入机舱内部，同时C口处还可以整天排风扇来增加机舱内的空气流动速度。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710247830.8A CN106837704A (zh) | 2017-04-17 | 2017-04-17 | 一种中型低速永磁直驱风电机组及其参数自学习控制方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710247830.8A CN106837704A (zh) | 2017-04-17 | 2017-04-17 | 一种中型低速永磁直驱风电机组及其参数自学习控制方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN106837704A true CN106837704A (zh) | 2017-06-13 |
Family
ID=59147795
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710247830.8A Pending CN106837704A (zh) | 2017-04-17 | 2017-04-17 | 一种中型低速永磁直驱风电机组及其参数自学习控制方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106837704A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108052724A (zh) * | 2017-12-08 | 2018-05-18 | 长沙学院 | 一种永磁风力发电机的单位成本年发电量优化方法 |
| CN115580082A (zh) * | 2022-10-24 | 2023-01-06 | 江阴市海达电机冲片有限公司 | 风电机组变桨伺服电机铁芯散热处理***及方法 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20020084655A1 (en) * | 2000-12-29 | 2002-07-04 | Abb Research Ltd. | System, method and computer program product for enhancing commercial value of electrical power produced from a renewable energy power production facility |
| JP2007056686A (ja) * | 2005-08-22 | 2007-03-08 | Univ Of Ryukyus | 風速予測に基づく風力発電機の数時間先発電電力予測装置 |
| EP2541052A1 (en) * | 2011-06-30 | 2013-01-02 | Siemens Aktiengesellschaft | Controlling a wind turbine using a neural network function |
| CN102889176A (zh) * | 2011-07-19 | 2013-01-23 | 西门子公司 | 风力涡轮机的控制、转子叶片以及风力涡轮机 |
| CN103485977A (zh) * | 2013-09-06 | 2014-01-01 | 河海大学 | 风力发电***实时功率预测的修正方法 |
| CN203948227U (zh) * | 2014-06-27 | 2014-11-19 | 沈阳工业大学自控技术研究所 | 一种中型低速永磁直驱风力发电机组 |
| CN104454346A (zh) * | 2014-11-09 | 2015-03-25 | 华北电力大学（保定） | 一种小型永磁直驱风力发电***最大功率跟踪控制方法 |
| CN104564519A (zh) * | 2013-10-22 | 2015-04-29 | 同济大学 | 桨距角控制与超级电容相结合的风电入网功率控制方法 |
-
2017
- 2017-04-17 CN CN201710247830.8A patent/CN106837704A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20020084655A1 (en) * | 2000-12-29 | 2002-07-04 | Abb Research Ltd. | System, method and computer program product for enhancing commercial value of electrical power produced from a renewable energy power production facility |
| JP2007056686A (ja) * | 2005-08-22 | 2007-03-08 | Univ Of Ryukyus | 風速予測に基づく風力発電機の数時間先発電電力予測装置 |
| EP2541052A1 (en) * | 2011-06-30 | 2013-01-02 | Siemens Aktiengesellschaft | Controlling a wind turbine using a neural network function |
| CN102889176A (zh) * | 2011-07-19 | 2013-01-23 | 西门子公司 | 风力涡轮机的控制、转子叶片以及风力涡轮机 |
| CN103485977A (zh) * | 2013-09-06 | 2014-01-01 | 河海大学 | 风力发电***实时功率预测的修正方法 |
| CN104564519A (zh) * | 2013-10-22 | 2015-04-29 | 同济大学 | 桨距角控制与超级电容相结合的风电入网功率控制方法 |
| CN203948227U (zh) * | 2014-06-27 | 2014-11-19 | 沈阳工业大学自控技术研究所 | 一种中型低速永磁直驱风力发电机组 |
| CN104454346A (zh) * | 2014-11-09 | 2015-03-25 | 华北电力大学（保定） | 一种小型永磁直驱风力发电***最大功率跟踪控制方法 |
Non-Patent Citations (2)
| Title |
|---|
| 王湘明等: "基于神经元网络的液压变距自适应控制", 《太阳能学报》 * |
| 高鹏飞等: "自学习优化算法对风电机组的功率控制", 《风能》 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108052724A (zh) * | 2017-12-08 | 2018-05-18 | 长沙学院 | 一种永磁风力发电机的单位成本年发电量优化方法 |
| CN115580082A (zh) * | 2022-10-24 | 2023-01-06 | 江阴市海达电机冲片有限公司 | 风电机组变桨伺服电机铁芯散热处理***及方法 |
| CN115580082B (zh) * | 2022-10-24 | 2023-03-17 | 江阴市海达电机冲片有限公司 | 风电机组变桨伺服电机铁芯散热处理***及方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP2455610B1 (en) | Vertical wind power generator | |
| CN101839218B (zh) | 直驱式风力发电机组 | |
| CN101608598A (zh) | 风力发电机用增压风轮风洞体 | |
| CN101841209B (zh) | 直驱式风力发电机 | |
| CN102042179B (zh) | 一种风叶可折叠、油阻调速和控制的垂直轴风力发电装置 | |
| CN201515291U (zh) | 一种直驱式风力发电机 | |
| CN106837704A (zh) | 一种中型低速永磁直驱风电机组及其参数自学习控制方法 | |
| CN201739086U (zh) | 兆瓦级直驱低速永磁风力发电机 | |
| CN204126815U (zh) | 双叶轮无芯风力发电机 | |
| WO2021042848A1 (zh) | 一种风力发电机闭式冷却结构 | |
| CN203948227U (zh) | 一种中型低速永磁直驱风力发电机组 | |
| WO2013073930A1 (en) | Wind and exhaust air energy recovery system | |
| CN106523297A (zh) | 一种节能风力发电机组监测装置 | |
| CN102270900A (zh) | 兆瓦级直驱低速永磁风力发电机 | |
| CN206368770U (zh) | 实时变桨风轮及风力发电机 | |
| CN201513295U (zh) | 一种直驱式风力发电机组 | |
| CN202176454U (zh) | 垂直轴风力旋转发电*** | |
| CN203081656U (zh) | 一种内转子电励磁直驱风电机组 | |
| CN207583644U (zh) | 一种空冷风机 | |
| CN201810565U (zh) | 电站空冷直驱式大直径轴流风机装置 | |
| CN203035463U (zh) | 变桨***零部件的维护更换装置及风力发电机组 | |
| CN201854158U (zh) | 2.5、3和3.6兆瓦中转子低速永磁同步风力发电机 | |
| CN204900150U (zh) | 一种组合式垂直轴风力发电机 | |
| CN204283740U (zh) | 轮式直驱风力发电机 | |
| CN207920904U (zh) | 一种空冷风机 |
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 | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20200225 Address after: 102206 Beijing city Changping District Small Town Zhu Daxinzhuang North Agricultural Road No. 2 Applicant after: NORTH CHINA ELECTRIC POWER University Applicant after: BEIJING YAONENG TECHNOLOGY Co.,Ltd. Address before: 102206 Beijing city Changping District small town development road No. 8 Building No. 3 hospital 1 layer 103 Applicant before: BEIJING YAONENG TECHNOLOGY Co.,Ltd. |
|
| WD01 | Invention patent application deemed withdrawn after publication | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20170613 |