CN108446483A - 计及风电机组传动***疲劳的风电场可靠性评估方法 - Google Patents
计及风电机组传动***疲劳的风电场可靠性评估方法 Download PDFInfo
- Publication number
- CN108446483A CN108446483A CN201810216020.0A CN201810216020A CN108446483A CN 108446483 A CN108446483 A CN 108446483A CN 201810216020 A CN201810216020 A CN 201810216020A CN 108446483 A CN108446483 A CN 108446483A
- Authority
- CN
- China
- Prior art keywords
- fatigue
- wind
- state
- unit
- failure
- 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
- 238000000034 method Methods 0.000 title claims abstract description 31
- 230000006378 damage Effects 0.000 claims abstract description 46
- 230000005540 biological transmission Effects 0.000 claims abstract description 27
- 238000001228 spectrum Methods 0.000 claims abstract description 10
- 238000000342 Monte Carlo simulation Methods 0.000 claims abstract description 6
- 230000005611 electricity Effects 0.000 claims abstract description 6
- 238000005070 sampling Methods 0.000 claims description 18
- 238000009826 distribution Methods 0.000 claims description 11
- 238000006243 chemical reaction Methods 0.000 claims description 9
- 230000005684 electric field Effects 0.000 claims description 8
- 238000004088 simulation Methods 0.000 claims description 6
- 101100379081 Emericella variicolor andC gene Proteins 0.000 claims description 3
- 241001255830 Thema Species 0.000 claims description 3
- 238000009825 accumulation Methods 0.000 claims description 3
- 230000006735 deficit Effects 0.000 claims description 3
- 241001611138 Isma Species 0.000 claims description 2
- 238000011156 evaluation Methods 0.000 abstract description 5
- 241000208340 Araliaceae Species 0.000 description 2
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 2
- 235000003140 Panax quinquefolius Nutrition 0.000 description 2
- 235000008434 ginseng Nutrition 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 238000011017 operating method Methods 0.000 description 2
- 238000010977 unit operation Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000001314 paroxysmal effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/23—Design optimisation, verification or simulation using finite element methods [FEM] or finite difference methods [FDM]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/08—Probabilistic or stochastic CAD
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/04—Ageing analysis or optimisation against ageing
-
- 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
- Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Wind Motors (AREA)
Abstract
本发明涉及风电场可靠性评估方法,具体为计及风电机组传动***疲劳的风电场可靠性评估方法,解决现有评估方法不能准确评估风险的问题,步骤:一、生成机组历史疲劳载荷时间序列和疲劳载荷谱;二、生成轴系材料性能S‑N曲线;三、对机组轴系进行疲劳分析;四、建立轴系疲劳失效率模型;五、建立计及传动***疲劳的Markov模型;六、采用蒙特卡罗法进行可靠性分析。优点:在确定机组处于运行或停运状态时,考虑了机组传统轴系的疲劳损伤造成机组停运的可能性以及其出现的概率、造成的后果,从而在机组可靠性建模是提供更加精确且符合实际的机组停运概率模型,进而显著提高风电可靠性评估的准确性,且分析结果可间接用于指导风电场检修计划和运行计划。
Description
技术领域
本发明涉及风电场可靠性评估方法,具体为计及风电机组传动***疲劳的风电场可靠性评估方法。
背景技术
随着风电并网容量的快速增长,风力发电对电力***可靠运行带来了日益严峻的挑战。长期以来,风电机组机械传动***的疲劳问题一直是风电领域的一大难题。风电机组通常安装于风能资源较丰富的偏远地区,其所处自然环境较为恶劣,大型风力发电机机舱通常安装于塔顶,且内部空间狭小,其设备零件一旦发生故障,修复将非常困难,同时也将造成较长的故障停机时间。据统计,风力发电各子***年失效率中传动***失效占比为31%,且传动***主要失效形式是疲劳,失效后一般难以维修,需要更换新零件,造成的停机时间较长。而且,传动***结构复杂,失效前几乎没有外在的、明显的塑性变形迹象,事先不易察觉,一旦失效将造成突发性的设备事故并对电网产生冲击,损坏风机设备以及危害电力***稳定可靠运行。现有风电场可靠性评估方法中,风电机组元件失效率或采用统计量,或作为服役时间函数,均不能准确体现元件真实“年龄”与失效率的关系,同时也忽略了不同机组运行工况和使用强度的差别。为了精确化风电机组传动***失效率,需结合其疲劳情况进行失效率建模。由于疲劳失效造成的机组停运风险不容忽视,而现有可靠性分析模型未能将电气领域的可靠性评估与机械领域的疲劳分析有机结合,这显然低估了风电并网带来的风险。因此有必要建立能将元件机械失效机理与可靠性结合的分析模型,提高含风电场的电力***可靠性评估的准确性,研究一种计及风电机组传动***疲劳的风电场可靠性评估方法是具有重要现实意义的。
发明内容
本发明解决目前现有的风电场可靠性评估方法不能准确体现元件真实“年龄”与失效率的关系,忽略了不同机组运行工况和使用强度的差别,未能将电气领域的可靠性评估与机械领域的疲劳分析有机结合,不能预估机械疲劳给风电并网带来的风险的问题,提供一种计及风电机组传动***疲劳的风电场可靠性评估方法。
本发明是通过以下操作步骤实现的:计及风电机组传动***疲劳的风电场可靠性评估方法,包括以下操作步骤:
一、生成风电机组历史疲劳载荷时间序列和疲劳载荷谱;
二、生成轴系材料性能S-N曲线;
三、采用ANSYS Workbench和nCode Designlife软件联合仿真,对风电机组传动轴系进行疲劳分析;
四、建立传动轴系疲劳失效率模型:采用Weibull分布描述元件失效过程,根据Weibull分布的定义,轴系累计失效概率分布和疲劳失效率如下:,,上式中D为累计疲劳损伤,h和g分别为Weibull分布的形状参数和尺度参数度参数,估算方法如下:
1)、收集一份同一型号风电机组的传动***疲劳失效情况数据,包括所有正在服役的传动***疲劳损伤值、失效的传动***总数及各自失效前疲劳损伤值;
2)、计算传动轴系对应于每一个疲劳损伤值的离散失效概率,然后计算相应的累积失效概率,对应于每一个疲劳损伤的离散失效概率等于元件处于这一损伤值时的恰好退役的元件数除以总暴露元件数;
3)、建立失效数据表,每一组数据由传动***疲劳损伤值和累计失效概率组成,并在表中增加两组数据,第一组为临近已失效元件疲劳损伤最小值的疲劳损伤,并假设与之对应的累计失效概率为0.001(接近于零),第二组为最大疲劳损伤值,累计失效概率为所有组中的累计失效概率最大值;
4)、采用最小二乘法估计Weibull分布的形状参数h和尺度参数g,,式中e i 是步骤3)中数据与Weibull分布模型之间的误差,函数表示所有数据组对应误差的平方和,形状参数h和尺度参数g可通过上式令∂L/∂h=0和∂L/∂g=0求得;
五、建立计及传动***疲劳的Markov状态模型:将疲劳失效状态作为单独的状态直接嵌入传统Markov模型中,构成计及疲劳失效的三状态Markov模型,三状态分别为运行状态、故障停运状态和疲劳失效状态,其中运行状态和停运状态可相互转换,转换频次由停运率和修复率描述,单位为次/年;运行状态和失效状态可相互转换,转换频次由失效率和替换率描述,单位为次/年;疲劳状态和停运状态之间不可直接转换;机组其他元件作为一个整体,计及降额运行状态,构成三状态Markov模型,降额运行状态可分别与降额状态和停运状态相互转换,转换频率单位均为次/年,但降额和停运状态之间不可直接转换;
六、采用蒙特卡罗法进行可靠性分析,即可评估风电机组传动***疲劳对风电场可靠性的影响。
所述步骤一中具体操作步骤为:从风电场SCADA***(Supervisory Control AndData Acquisition),即数据采集与监视控制***,获取每台风电机组的历史风速时间序列和历史转速时间序列,根据叶素动量理论,计算风电机组的转矩时间序列,采用雨流计数法编制载对传动轴系转矩进行计数统计,编制每个机组轴系的疲劳载荷谱。所述步骤二中根据风电机组轴系材料的屈服强度σ s 、极限抗拉强度σ b 、弹性模量E拟合一条近似的S-N曲线。所述步骤三疲劳分析原理如下:根据miner线性损伤累计理论和S-N理论,材料在某一应力幅值下的疲劳损伤值为这一应力下疲劳寿命的倒数,不同应力幅值下的疲劳损伤可视作相互独立,则传动***的总疲劳损伤情况可由不同应力幅值下的疲劳损伤值线性叠加求取,即:;分析中所需的主要参数包括风电机组轴系材料近似的S-N曲线、泊松比、安全系数、以及轴系的疲劳载荷谱。所述步骤六可靠性分析流程如下:***可靠性指标有:风电场出力概率,电力不足期望值(expected demand notsupplied,EDNS)和电力不足概率(loss of energy probability,LOEP);先输入机组失效率、停运率、修复率、替换率、降额率以及降额系数等风电场原始数据,利用机组各元件状态的出现概率,来确定机组所处状态,进一步确定整个风电场的状态,将每个机组的状态拆分为传动***和机组其他元件两部分,则包含M个风电机组的风电***状态为,其中C mg 为第m个风电机组传动轴系的状态,含运行、停运和疲劳三个状态;C mo 为第m个风电机组其他元件的状态,含运行、降额和停运三个状态;C gen 和C load 分别为火电机组状态和负荷状态,只有当C mg 处于运行状态且C mo 处于运行或降额状态,第m个风电机组才有功率输出;若抽样次数N C 足够大,假设状态C出现的次数为n(C),则状态C出现概率的无偏估计为抽样频率;随机抽样估算每个状态概率后,计算各种风电场可靠性指标的数学期望:,式中:F(·)为后果函数;事件集合TARGET包含所有目标事件状态;在此基础上,对可靠性指标的不确定性进行估计,首先计算样本方差:,通过方差系数衡量蒙特卡罗法模拟精度水平,方差系数;每次抽样时生成多个[0,1]区间内的随机数,分别用于模拟风速、机组状态和传动***状态,经过多次抽样,当η满足精度要求或抽样次数超过预设值时,***可靠性指标期望反映***可靠性水平(评估流程图见附图1),由此即可评估风电机组传动***疲劳对风电场可靠性的影响。
本发明采用可靠性领域的寿命建模方法和多状态Markov模型,独创性地将机械领域中元件的疲劳损伤与电气领域中***可靠性评估结合起来,并基于蒙特卡罗模拟法,形成一整套风电机组机械疲劳对电力***可靠性影响的定量评估方法,且该方法分析结果可间接用于指导风电场检修计划和运行计划。
附图说明
图1为采用蒙特卡罗法进行可靠性分析评估流程图。
具体实施方式
具体实施时,计及风电机组传动***疲劳的风电场可靠性评估方法,包括以下操作步骤:
一、生成风电机组历史疲劳载荷时间序列和疲劳载荷谱:从风电场SCADA***,即数据采集与监视控制***,获取每台风电机组的历史风速时间序列和历史转速时间序列,根据叶素动量理论,计算风电机组的转矩时间序列,采用雨流计数法编制载对传动轴系转矩进行计数统计,编制每个机组轴系的疲劳载荷谱;
二、生成轴系材料性能S-N曲线:根据风电机组轴系材料的屈服强度σ s 、极限抗拉强度σ b 、弹性模量E拟合一条近似的S-N曲线;
三、采用ANSYS Workbench和nCode Designlife软件联合仿真,对风电机组传动轴系进行疲劳分析:原理如下:根据miner线性损伤累计理论和S-N理论,材料在某一应力幅值下的疲劳损伤值为这一应力下疲劳寿命的倒数,不同应力幅值下的疲劳损伤可视作相互独立,则传动***的总疲劳损伤情况可由不同应力幅值下的疲劳损伤值线性叠加求取,即:;分析中所需的主要参数包括风电机组轴系材料近似的S-N曲线、泊松比、安全系数、以及轴系的疲劳载荷谱;
四、建立传动轴系疲劳失效率模型:采用Weibull分布描述元件失效过程,根据Weibull分布的定义,轴系累计失效概率分布和疲劳失效率如下:,,上式中D为累计疲劳损伤,h和g分别为Weibull分布的形状参数和尺度参数度参数,估算方法如下:
1)、收集一份同一型号风电机组的传动***疲劳失效情况数据,包括所有正在服役的传动***疲劳损伤值、失效的传动***总数及各自失效前疲劳损伤值;
2)、计算传动轴系对应于每一个疲劳损伤值的离散失效概率,然后计算相应的累积失效概率,对应于每一个疲劳损伤的离散失效概率等于元件处于这一损伤值时的恰好退役的元件数除以总暴露元件数;
3)、建立失效数据表,每一组数据由传动***疲劳损伤值和累计失效概率组成,并在表中增加两组数据,第一组为临近已失效元件疲劳损伤最小值的疲劳损伤,并假设与之对应的累计失效概率为0.001,第二组为最大疲劳损伤值,累计失效概率为所有组中的累计失效概率最大值;
4)、采用最小二乘法估计Weibull分布的形状参数h和尺度参数g,,式中e i 是步骤3)中数据与Weibull分布模型之间的误差,函数表示所有数据组对应误差的平方和,形状参数h和尺度参数g可通过上式令∂L/∂h=0和∂L/∂g=0求得;
五、建立计及传动***疲劳的Markov状态模型:将疲劳失效状态作为单独的状态直接嵌入传统Markov模型中,构成计及疲劳失效的三状态Markov模型,三状态分别为运行状态、故障停运状态和疲劳失效状态,其中运行状态和停运状态可相互转换,转换频次由停运率和修复率描述,单位为次/年;运行状态和失效状态可相互转换,转换频次由失效率和替换率描述,单位为次/年;疲劳状态和停运状态之间不可直接转换;机组其他元件作为一个整体,计及降额运行状态,构成三状态Markov模型,降额运行状态可分别与降额状态和停运状态相互转换,转换频率单位均为次/年,但降额和停运状态之间不可直接转换;
采用蒙特卡罗法进行可靠性分析:***可靠性指标有:风电场出力概率,电力不足期望值和电力不足概率;先输入机组失效率、停运率、修复率、替换率、降额率以及降额系数等风电场原始数据,利用机组各元件状态的出现概率,来确定机组所处状态,进一步确定整个风电场的状态,将每个机组的状态拆分为传动***和机组其他元件两部分,则包含M个风电机组的风电***状态为,其中C mg 为第m个风电机组传动轴系的状态,含运行、停运和疲劳三个状态;C mo 为第m个风电机组其他元件的状态,含运行、降额和停运三个状态;C gen 和C load 分别为火电机组状态和负荷状态,只有当C mg 处于运行状态且C mo 处于运行或降额状态,第m个风电机组才有功率输出;若抽样次数N C 足够大,假设状态C出现的次数为n(C),则状态C出现概率的无偏估计为抽样频率;随机抽样估算每个状态概率后,计算各种风电场可靠性指标的数学期望:,式中:F(·)为后果函数;事件集合TARGET包含所有目标事件状态;在此基础上,对可靠性指标的不确定性进行估计,首先计算样本方差:,通过方差系数衡量蒙特卡罗法模拟精度水平,方差系数;每次抽样时生成多个[0,1]区间内的随机数,分别用于模拟风速、机组状态和传动***状态,经过多次抽样,当η满足精度要求或抽样次数超过预设值时,***可靠性指标期望反映***可靠性水平,由此即可评估风电机组传动***疲劳对风电场可靠性的影响。
Claims (5)
1.计及风电机组传动***疲劳的风电场可靠性评估方法,其特征在于:包括以下操作步骤:
一、生成风电机组历史疲劳载荷时间序列和疲劳载荷谱;
二、生成轴系材料性能S-N曲线;
三、采用ANSYS Workbench和nCode Designlife软件联合仿真,对风电机组传动轴系进行疲劳分析;
四、建立传动轴系疲劳失效率模型:采用Weibull分布描述元件失效过程,根据Weibull分布的定义,轴系累计失效概率分布和疲劳失效率如下:,,上式中D为累计疲劳损伤,h和g分别为Weibull分布的形状参数和尺度参数度参数,估算方法如下:
1)、收集一份同一型号风电机组的传动***疲劳失效情况数据,包括所有正在服役的传动***疲劳损伤值、失效的传动***总数及各自失效前疲劳损伤值;
2)、计算传动轴系对应于每一个疲劳损伤值的离散失效概率,然后计算相应的累积失效概率,对应于每一个疲劳损伤的离散失效概率等于元件处于这一损伤值时的恰好退役的元件数除以总暴露元件数;
3)、建立失效数据表,每一组数据由传动***疲劳损伤值和累计失效概率组成,并在表中增加两组数据,第一组为临近已失效元件疲劳损伤最小值的疲劳损伤,并假设与之对应的累计失效概率为0.001,第二组为最大疲劳损伤值,累计失效概率为所有组中的累计失效概率最大值;
4)、采用最小二乘法估计Weibull分布的形状参数h和尺度参数g,,式中e i 是步骤3)中数据与Weibull分布模型之间的误差,函数表示所有数据组对应误差的平方和,形状参数h和尺度参数g可通过上式令∂L/∂h=0和∂L/∂g=0求得;
五、建立计及传动***疲劳的Markov状态模型:将疲劳失效状态作为单独的状态直接嵌入传统Markov模型中,构成计及疲劳失效的三状态Markov模型,三状态分别为运行状态、故障停运状态和疲劳失效状态,其中运行状态和停运状态可相互转换,转换频次由停运率和修复率描述,单位为次/年;运行状态和失效状态可相互转换,转换频次由失效率和替换率描述,单位为次/年;疲劳状态和停运状态之间不可直接转换;机组其他元件作为一个整体,计及降额运行状态,构成三状态Markov模型,降额运行状态可分别与降额状态和停运状态相互转换,转换频率单位均为次/年,但降额和停运状态之间不可直接转换;
六、采用蒙特卡罗法进行可靠性分析,即可评估风电机组传动***疲劳对风电场可靠性的影响。
2.根据权利要求1所述的计及风电机组传动***疲劳的风电场可靠性评估方法,其特征在于:所述步骤一中具体操作步骤为:从风电场SCADA***,即数据采集与监视控制***,获取每台风电机组的历史风速时间序列和历史转速时间序列,根据叶素动量理论,计算风电机组的转矩时间序列,采用雨流计数法编制载对传动轴系转矩进行计数统计,编制每个机组轴系的疲劳载荷谱。
3.根据权利要求1或2所述的计及风电机组传动***疲劳的风电场可靠性评估方法,其特征在于:所述步骤二中根据风电机组轴系材料的屈服强度σ s 、极限抗拉强度σ b 、弹性模量E拟合一条近似的S-N曲线。
4.根据权利要求3所述的计及风电机组传动***疲劳的风电场可靠性评估方法,其特征在于:所述步骤三疲劳分析步骤如下:根据miner线性损伤累计理论和S-N理论,材料在某一应力幅值下的疲劳损伤值为这一应力下疲劳寿命的倒数,不同应力幅值下的疲劳损伤可视作相互独立,则传动***的总疲劳损伤情况可由不同应力幅值下的疲劳损伤值线性叠加求取,即:;分析中所需的主要参数包括风电机组轴系材料近似的S-N曲线、泊松比、安全系数、以及轴系的疲劳载荷谱。
5.根据权利要求4所述的计及风电机组传动***疲劳的风电场可靠性评估方法,其特征在于:所述步骤六可靠性分析流程如下:***可靠性指标有:风电场出力概率,电力不足期望值;先输入机组失效率、停运率、修复率、替换率、降额率以及降额系数等风电场原始数据,利用机组各元件状态的出现概率,来确定机组所处状态,进一步确定整个风电场的状态,将每个机组的状态拆分为传动***和机组其他元件两部分,则包含M个风电机组的风电***状态为,其中C mg 为第m个风电机组传动轴系的状态,含运行、停运和疲劳三个状态;C mo 为第m个风电机组其他元件的状态,含运行、降额和停运三个状态;C gen 和C load 分别为火电机组状态和负荷状态,只有当C mg 处于运行状态且C mo 处于运行或降额状态,第m个风电机组才有功率输出;若抽样次数N C 足够大,假设状态C出现的次数为n(C),则状态C出现概率的无偏估计为抽样频率;随机抽样估算每个状态概率后,计算各种风电场可靠性指标的数学期望:,式中:F(·)为后果函数;事件集合TARGET包含所有目标事件状态;在此基础上,对可靠性指标的不确定性进行估计,首先计算样本方差:,通过方差系数衡量蒙特卡罗法模拟精度水平,方差系数;每次抽样时生成多个[0,1]区间内的随机数,分别用于模拟风速、机组状态和传动***状态,经过多次抽样,当η满足精度要求或抽样次数超过预设值时,***可靠性指标期望反映***可靠性水平,由此即可评估风电机组传动***疲劳对风电场可靠性的影响。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810216020.0A CN108446483B (zh) | 2018-03-16 | 2018-03-16 | 计及风电机组传动***疲劳的风电场可靠性评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810216020.0A CN108446483B (zh) | 2018-03-16 | 2018-03-16 | 计及风电机组传动***疲劳的风电场可靠性评估方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108446483A true CN108446483A (zh) | 2018-08-24 |
CN108446483B CN108446483B (zh) | 2020-04-17 |
Family
ID=63194713
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810216020.0A Expired - Fee Related CN108446483B (zh) | 2018-03-16 | 2018-03-16 | 计及风电机组传动***疲劳的风电场可靠性评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108446483B (zh) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109815632A (zh) * | 2019-02-27 | 2019-05-28 | 四川泰立智汇科技有限公司 | 一种离心泵疲劳可靠性分析方法及装置 |
CN110502816A (zh) * | 2019-08-13 | 2019-11-26 | 上海应用技术大学 | 汽车轮毂轴承的载荷谱编制方法、寿命分析方法及装置 |
CN111262257A (zh) * | 2020-02-26 | 2020-06-09 | 沈阳工业大学 | 一种计及机组疲劳载荷的风电机组调频方法 |
CN111797530A (zh) * | 2020-07-07 | 2020-10-20 | 重庆大学 | 一种电力***薄弱环节确定方法、装置、设备及介质 |
CN111881575A (zh) * | 2020-07-27 | 2020-11-03 | 华能新能源股份有限公司 | 一种考虑子***多状态和故障相关性的风电机组可靠性分配方法 |
CN112131784A (zh) * | 2020-09-08 | 2020-12-25 | 浙江大学 | 一种利用维修数据评估拖拉机使用可靠性的方法 |
CN112364551A (zh) * | 2020-12-11 | 2021-02-12 | 重庆齿轮箱有限责任公司 | 一种行星传动齿轮箱疲劳分析方法 |
CN113078690A (zh) * | 2021-04-30 | 2021-07-06 | 南京河大风电科技有限公司 | 一种考虑机组疲劳差异的风电场自动发电控制***及方法 |
CN113536490A (zh) * | 2021-08-27 | 2021-10-22 | 西安石油大学 | 一种抽油杆疲劳寿命预测方法及*** |
CN113725889A (zh) * | 2021-07-01 | 2021-11-30 | 沈阳工业大学 | 一种评估风电场弹性的方法、装置及存储介质 |
US11608158B1 (en) | 2022-07-25 | 2023-03-21 | Joon Bu Park | Negative Poisson's ratio materials for propellers and turbines |
CN116644618A (zh) * | 2023-07-27 | 2023-08-25 | 中国电力科学研究院有限公司 | 一种风电机组的疲劳寿命评估方法、***、设备及介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1523088A2 (en) * | 2003-10-08 | 2005-04-13 | ABB Oy | Method in connection with network converter, and network converter |
CN101839806A (zh) * | 2010-03-25 | 2010-09-22 | 三一电气有限责任公司 | 风力发电机组及其疲劳载荷监测*** |
CN102831321A (zh) * | 2012-08-29 | 2012-12-19 | 浙江大学 | 一种基于蒙特卡洛方法的风电场风险评估方法 |
CN105207197A (zh) * | 2015-07-31 | 2015-12-30 | 南京工程学院 | 包含风电场的电力***可靠性评估方法 |
CN107681691A (zh) * | 2017-09-30 | 2018-02-09 | 太原理工大学 | 计及不确定性因素的风电并网***运行可靠性评估方法 |
-
2018
- 2018-03-16 CN CN201810216020.0A patent/CN108446483B/zh not_active Expired - Fee Related
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1523088A2 (en) * | 2003-10-08 | 2005-04-13 | ABB Oy | Method in connection with network converter, and network converter |
CN101839806A (zh) * | 2010-03-25 | 2010-09-22 | 三一电气有限责任公司 | 风力发电机组及其疲劳载荷监测*** |
CN102831321A (zh) * | 2012-08-29 | 2012-12-19 | 浙江大学 | 一种基于蒙特卡洛方法的风电场风险评估方法 |
CN105207197A (zh) * | 2015-07-31 | 2015-12-30 | 南京工程学院 | 包含风电场的电力***可靠性评估方法 |
CN107681691A (zh) * | 2017-09-30 | 2018-02-09 | 太原理工大学 | 计及不确定性因素的风电并网***运行可靠性评估方法 |
Non-Patent Citations (7)
Title |
---|
KUANYIN TIAN 等: "Fatigue reliability analysis of wind turbines shafts caused by sub-synchronous oscillations during power system fault", 《2016 INTERNATIONAL CONFERENCE ON PROBABILISTIC METHODS APPLIED TO POWER SYSTEMS (PMAPS)》 * |
XIAOQING HAN 等: "Adequacy study of wind farms considering reliability and wake effect of WTGs", 《2011 IEEE POWER AND ENERGY SOCIETY GENERAL MEETING》 * |
XIAOQING HAN 等: "Reliability assessment of power system containing wind farm based on steady-state power flow", 《: 2010 IEEE 11TH INTERNATIONAL CONFERENCE ON PROBABILISTIC METHODS APPLIED TO POWER SYSTEMS》 * |
刘志娟 等: "计及无功电源故障的含风电场发电***可靠性评估", 《水电能源科学》 * |
刘波: "基于零部件寿命相关的风电齿轮箱可靠性建模", 《万方数据库.学位论文库》 * |
吴林伟 等: "考虑风电机组故障的风电场可靠性模型及其应用", 《电气***自动化》 * |
晏飞 等: "基于蒙特卡洛模拟的含风电场电力***", 《电气安全》 * |
Cited By (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109815632A (zh) * | 2019-02-27 | 2019-05-28 | 四川泰立智汇科技有限公司 | 一种离心泵疲劳可靠性分析方法及装置 |
CN110502816A (zh) * | 2019-08-13 | 2019-11-26 | 上海应用技术大学 | 汽车轮毂轴承的载荷谱编制方法、寿命分析方法及装置 |
CN111262257A (zh) * | 2020-02-26 | 2020-06-09 | 沈阳工业大学 | 一种计及机组疲劳载荷的风电机组调频方法 |
CN111262257B (zh) * | 2020-02-26 | 2023-05-16 | 沈阳工业大学 | 一种计及机组疲劳载荷的风电机组调频方法 |
CN111797530B (zh) * | 2020-07-07 | 2023-10-31 | 重庆大学 | 一种电力***薄弱环节确定方法、装置、设备及介质 |
CN111797530A (zh) * | 2020-07-07 | 2020-10-20 | 重庆大学 | 一种电力***薄弱环节确定方法、装置、设备及介质 |
CN111881575B (zh) * | 2020-07-27 | 2023-10-27 | 华能新能源股份有限公司 | 一种考虑子***多状态和故障相关性的风电机组可靠性分配方法 |
CN111881575A (zh) * | 2020-07-27 | 2020-11-03 | 华能新能源股份有限公司 | 一种考虑子***多状态和故障相关性的风电机组可靠性分配方法 |
CN112131784A (zh) * | 2020-09-08 | 2020-12-25 | 浙江大学 | 一种利用维修数据评估拖拉机使用可靠性的方法 |
CN112131784B (zh) * | 2020-09-08 | 2022-08-23 | 浙江大学 | 一种利用维修数据评估拖拉机使用可靠性的方法 |
CN112364551A (zh) * | 2020-12-11 | 2021-02-12 | 重庆齿轮箱有限责任公司 | 一种行星传动齿轮箱疲劳分析方法 |
CN112364551B (zh) * | 2020-12-11 | 2022-11-22 | 重庆齿轮箱有限责任公司 | 一种行星传动齿轮箱疲劳分析方法 |
CN113078690A (zh) * | 2021-04-30 | 2021-07-06 | 南京河大风电科技有限公司 | 一种考虑机组疲劳差异的风电场自动发电控制***及方法 |
CN113725889B (zh) * | 2021-07-01 | 2023-07-11 | 沈阳工业大学 | 一种评估风电场弹性的方法、装置及存储介质 |
CN113725889A (zh) * | 2021-07-01 | 2021-11-30 | 沈阳工业大学 | 一种评估风电场弹性的方法、装置及存储介质 |
CN113536490B (zh) * | 2021-08-27 | 2022-05-17 | 西安石油大学 | 一种抽油杆疲劳寿命预测方法及*** |
CN113536490A (zh) * | 2021-08-27 | 2021-10-22 | 西安石油大学 | 一种抽油杆疲劳寿命预测方法及*** |
US11608158B1 (en) | 2022-07-25 | 2023-03-21 | Joon Bu Park | Negative Poisson's ratio materials for propellers and turbines |
US11952090B2 (en) | 2022-07-25 | 2024-04-09 | Joon Bu Park | Negative Poisson's ratio materials for propellers and turbines |
CN116644618A (zh) * | 2023-07-27 | 2023-08-25 | 中国电力科学研究院有限公司 | 一种风电机组的疲劳寿命评估方法、***、设备及介质 |
CN116644618B (zh) * | 2023-07-27 | 2023-11-14 | 中国电力科学研究院有限公司 | 一种风电机组的疲劳寿命评估方法、***、设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN108446483B (zh) | 2020-04-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108446483A (zh) | 计及风电机组传动***疲劳的风电场可靠性评估方法 | |
JP6906354B2 (ja) | 風車発電機の疲労損傷量算出装置、風力発電システム、及び風車発電機の疲労損傷量算出方法 | |
CN102022264B (zh) | 用于风力涡轮机健康管理的***和方法 | |
US10902163B2 (en) | Simulation method and system | |
Chowdhury | Reliability models for large wind farms in generation system planning | |
CN103020462B (zh) | 计及复杂尾流效应模型的风电场概率输出功率计算方法 | |
CN111291514B (zh) | 一种风电机组疲劳寿命的快速预测的方法 | |
CN103425878B (zh) | 电力***准动态潮流与电网运行态势快速计算方法 | |
CN101794996A (zh) | 风电场出力实时预测方法 | |
CN112065668A (zh) | 一种风电机组状态异常评估方法及*** | |
Selwyn et al. | Availability analysis of wind turbines and its sub assemblies with markov analysis at uncertain wind | |
El-Naggar et al. | Dynamic reliability and availability allocation of wind turbine subassemblies through importance measures | |
Brandão et al. | Forecast of faults in a wind turbine gearbox | |
Asgarpour et al. | O&M modeling of offshore wind farms—State of the art and future developments | |
CN103944159B (zh) | 含风电的电力***规划中检修备用容量确定方法 | |
CN106777740A (zh) | 一种风电出力概率分布特性快速判别方法 | |
Yang et al. | Reliability evaluation of wind-storage power generation system considering fatigue failure of wind turbine gearbox | |
Berg et al. | System ID modern control algorithms for active aerodynamic load control and impact on gearbox loading | |
Kaidis | Wind Turbine Reliability Prediction: A Scada Data Processing & Reliability Estimation Tool | |
Kong et al. | Capacity credit evaluation of wind power with sequential Monte Carlo method | |
CN117272666B (zh) | 一种漂浮式海上风机的叶片疲劳寿命计算方法 | |
Borowski et al. | Regression model in the operation of wind turbines | |
Miao et al. | Energy Availability Analysis of Offshore Wind Farms Considering the Correlation between Wind Speed Cloud Model and Parameters | |
Chi et al. | Dynamic Reliability Assessment Framework for Integrated Energy Systems Based on the Improved Universal Generating Function | |
Sharar et al. | Reliability and Preventive Maintenance of Ducted Wind Turbines |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20200417 |