CN110094310B - 一种识别风力发电机偏航对风不正的方法 - Google Patents
一种识别风力发电机偏航对风不正的方法 Download PDFInfo
- Publication number
- CN110094310B CN110094310B CN201910395581.6A CN201910395581A CN110094310B CN 110094310 B CN110094310 B CN 110094310B CN 201910395581 A CN201910395581 A CN 201910395581A CN 110094310 B CN110094310 B CN 110094310B
- Authority
- CN
- China
- Prior art keywords
- wind
- angle
- energy utilization
- data
- deviation
- 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
Images
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
- F03D17/00—Monitoring or testing of wind motors, e.g. diagnostics
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Mechanical Engineering (AREA)
- Combustion & Propulsion (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Sustainable Energy (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Physics & Mathematics (AREA)
- Sustainable Development (AREA)
- Wind Motors (AREA)
Abstract
本申请涉及一种识别风力发电机偏航对风不正的方法,包括采集风力发电机组的运行数据;对数据进行预处理,剔除数据中的非正常运行状态下的数据;初始化迭代计数器,设置初始参数;对风速进行分箱处理,计算每个风速箱下不同对风角的最大风能利用指数;计算所有对风角箱得到的最大风能利用指数的离散度是否符合要求,拟合包络对风角‑风能利用指数散点图形的曲线,并计算由该曲线得到的风能利用指数最大点所对应的对风角数值;判断所拟合曲线的形态特征,保留符合指标要求的曲线;对所有符合指标要求的包络线计算偏差角度和可靠指标,判断结果的可靠性。本方法可以获得更稳定的特征表现和更准确的结果,可以指导现场运维,避免发电量损失。
Description
技术领域
本申请涉及一种识别风力发电机偏航对风不正的方法,适用于风力发电的技术领域。
背景技术
偏航对风不正是风力发电机中常见的一种现象。由于风向标安装未校准、风向标松动或卡滞、风向标随使用测量误差变大、偏航***控制出现故障等,造成叶片实际对风角度与应对风的角度存在偏差,从而造成发电量损失。大部分使用运行数据解决该问题的方法基于正常情况下风机获取风能最大值应该在对风角为0度附近的假设。
现有技术中使用的以识别偏航对风不正问题并计算对风偏差角度的方法包括通过拟合不同风速区间的对风角-功率均值,计算拟合后的曲线中最大功率对应的对风角位置。中国专利申请CN201410741958中提出的通过分风速段筛选出偏航角度(即对风角)实测值及对应发电功率最大值,并通过数据拟合获取最终偏移量的方法。该专利申请提出的框架和上述现有技术中的类似,只是把其中功率均值替换为发电功率最大值,并且具体的拟合和数据处理的方法没有提及。以上方法在实际应用中,由于现场风况复杂,使用的SCADA(数据采集与监视控制***)数据中的风速和风向测量来自机舱的风速风向传感器,由于叶片的影响,所测量的风速和风向与叶片前的不同。同时由于偏航动作在较大对风角位置的时候较少,导致在较大对风角时的数据量显著变少,同时由于测量误差和奇异值的存在,不同风速区间下的对风角-功率特征表现经常并不一致,且易受对风角较大位置的奇异值影响,导致结果可信度较差。
中国专利申请CN201110121958.2中提出的通过使用风力发电机组偏航角的理论值和检测值进行比较。同样,由于测量的问题,理论值的可参考性下降,且该方法仅以当前检测偏航角度为比较对象,更容易受测量误差和奇异值的影响,并导致不准确的结果。
现有技术中急需一种在不使用额外设备,且仅基于SCADA运行数据来检测识别偏航对风误差角度的方法。
发明内容
本申请提出了一种识别风力发电机偏航对风不正的方法,其通过对数据的预处理、过滤和特征的增强,并且使用更合理的特征来描述对风角-风能利用的关系。
根据本申请的一种识别风力发电机偏航对风不正的方法,包括以下步骤:
(1)采集风力发电机组的运行数据;
(2)对数据进行预处理,剔除数据中的非正常运行状态下的数据;
(3)初始化迭代计数器,设置初始参数和离群点比例;
(4)对数据按照所设置的初始参数和离群点比例进行过滤以增强特征表达;
(5)对风速进行分箱处理,计算每个风速箱下不同对风角的最大风能利用指数;
(6)计算所有对风角箱得到的最大风能利用指数的离散度是否符合要求,拟合包络对风角-风能利用指数散点图形的曲线,并计算由该曲线得到的风能利用指数最大点所对应的对风角数值;
(7)判断所拟合曲线的形态特征,保留符合指标要求的曲线;
(8)对所有符合指标要求的包络线计算偏差角度和可靠指标,判断结果的可靠性,最终的对风角偏差为所有结果的中位数。
优选地,步骤(2)中还包括将对风角值域为[0,360]的数据转换到[-180,180]的值域内,其计算方式为若原对风角值>180,换算后的对风角值=原对风角值-360;步骤(4)中使用孤立森林算法以过滤数据异常点。
优选地,步骤(5)中最大风能利用指数为该对风角箱中风能利用指数第99分位数与风能利用指数最大值的中位数。
优选地,在步骤(6)中,计算所有对风角箱得到的最大风能利用指数的标准差,如果该标准差超过设定阈值,将所有最大风能利用指数拟合为一条能够包络对风角-风能利用指数散点图形的曲线,并计算由该曲线得到的风能利用指数最大点所对应的对风角数值,该数值为该风速箱下的对风偏差角度。
优选地,在步骤(7)中,循环计算所有风速箱中的数据并保留对风角-风能利用指数包络线及对应的对风偏差角度,若所有对风偏差角度的标准差大于设定值,则过对所有对风偏差角度进行离散度控制,输出需要保留的包络线;若所有对风偏差角度的标准差小于或等于设定值,直接进入下一步。更优选地,对风偏差角度离散度控制方法的流程为:(a)计算所有偏差角度中位数,记为M;(b)计算所有偏差角度值Xi与M的距离,其计算为abs(Xi-M);(c)删除距离M最远的点;(d)重新计算保留的偏差角度的标准差以及中位数;(e)重复执行步骤(b)至步骤(d),直到标准差小于设定值。
优选地,在步骤(8)中,根据保留的包络线数量以及偏差角度离散度来判断结果的可靠程度,其判断方法是,保留的包络线数量越多,偏差角度离散度越小,其结果越符合模型假设,给予高可靠等级。若得到的可靠等级较低,且迭代计数未超过设定迭代次数阈值,则继续运行下一次迭代,设置离群点比例在上一次迭代基础上累加;若终止迭代,通过结果收集器中的各次迭代的结果和可靠等级,判断最终的结果和可靠等级输出。
本申请的方法可以获得更稳定的特征表现和更准确的结果;由于引入了可靠性判断程序,对不满足模型假设的数据进行了合理的不确定性管理,确保输出的结果更可信;通过更准确的判断对风偏差角度,可以指导现场运维,避免发电量损失。
附图说明
图1是本申请的识别风力发电机偏航对风不正的方法的流程示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚明白,下文中将结合附图对本申请的实施例进行详细说明。需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互任意组合。
下面结合图1对本申请的识别风力发电机偏航对风不正的方法进行说明。本申请的方法包括以下步骤:
(1)采集来自SCADA***的风力发电机组运行数据,采集的运行数据可以包括风速、转速、叶片角度、对风角、有功功率、风机运行状态等。采集的方式可以是在风力发电机组的对应位置设置设备传感器。
(2)对数据进行预处理,剔除数据中非正常运行状态的数据。此处的非正常运行状态可能包括停机、故障、维护、限功率等状态,可以使用风机状态标识或基于风机状态控制逻辑来剔除非正常数据。
具体地,例如可以设置数据标注模块,其根据停机、故障、维护、限功率等状态的管理运营数据对相关时间范围内的运行数据进行状态标注。例如,根据运营维护记录,可以依次标记启机后的设备运行数据为健康状态数据,停机时刻前一段时间的设备运行数据为故障数据,停机期间的设备运行数据为无效数据;再如,可以根据风机齿轮箱油液检测结果,对检测结果前一段时间的设备运行数据进行标记,类似地可标记为风机齿轮箱存在故障风险或风机齿轮箱正常。
另外,由于不同***中对风角的定义可能不同,不同数据中的对风角值域不同。因此,可以将对风角值域为[0,360]的数据转换到[-180,180]的值域内,其计算方式为若原对风角值>180,换算后的对风角值=原对风角值-360。
然后,计算功率特征变量风能利用指数(Cp),其计算公式如下:
(3)初始化迭代计数器,设置初始参数,包括设置离群点的比例,例如离群点的比例可以为1%。
(4)按照所设置的初始参数和离群点比例对数据进行过滤以增强特征表达,特征增强的方法可以为孤立森林,以剔除无关的数据和异常的数据。
孤立森林是一种异常检测算法,可以过滤异常点和离群点,由于算法原理,有助于使过滤后的数据保持一种近似椭圆或圆形,从而使数据更符合物理模型所描述的对风角与功率的关系为开口向下的二次函数关系。离群点比例为设置所需要过滤的离群点最大值比例。
(5)对风速进行分箱(bin)处理,循环处理每个风速箱中的数据,风速分箱的大小可以为0.5。计算每个风速箱下不同对风角的最大功率特征。其计算具体为,以0.5的区间大小将对风角固定切分,计算每个对风角箱中最大风能利用指数。考虑到离群点的影响,最大风能利用指数定义为该对风角箱中风能利用指数第99分位数与风能利用指数最大值的中位数,以控制奇异点的影响。
(6)计算所有对风角箱得到的最大风能利用指数的标准差。如果该标准差超过设定阈值,采用局部多项式回归等拟合方法将所有最大风能利用指数拟合为一条可以包络对风角-风能利用指数散点图形的曲线,并计算由该曲线得到的风能利用指数最大点所对应的对风角数值,该数值即为该风速箱下的对风偏差角度。
(7)循环计算所有风速箱中的数据并保留对风角-风能利用指数包络线及对应的对风偏差角度。若所有对风偏差角度的标准差大于5,则过对所有对风偏差角度进行离散度控制,输出需要保留的包络线。若所有对风偏差角度的标准差小于或等于5,直接进入下一步。
对风偏差角度离散度控制方法流程为:(a)计算所有偏差角度中位数,记为M;(b)计算所有偏差角度值Xi与M的距离,其计算为abs(Xi-M);(c)删除距离M最远的点;(d)重新计算保留的偏差角度的标准差以及中位数;(e)重复执行步骤(b)至步骤(d),直到标准差小于5。
(8)根据保留的包络线数量以及偏差角度离散度来判断结果的可靠程度,其判断方法是,保留的包络线数量越多,偏差角度离散度越小,其结果越符合模型假设,给予高可靠等级。偏差角度取所有风速箱下结果的中位数,结果通过结果收集器收集。
根据计算得到的可靠等级,若可靠等级较低,且迭代计数未超过设定迭代次数阈值,则继续运行下一次迭代。迭代计数器累加。若继续迭代,设置离群点比例在上一次迭代基础上累加,默认叠加值为0.25%,然后以该新参数重复步骤(4)-(8)。若终止迭代,通过结果收集器中各次迭代的结果和可靠等级,判断最终的结果和可靠等级输出。其判断方法为根据结果收集器中不同等级次数以及结果离散度来决策,可靠等级高的结果次数越多,结果离散度越低,输出的可靠等级越高。最终的对风角偏差为所有结果的中位数。
实施例
下面通过一个实施例对本申请的识别风力发电机偏航对风不正的方法进行说明,其具体实施步骤包括以下步骤:
(1)获得设备传感器的监测数据;
(2)对数据进行预处理,根据数据中的风机状态标识删除设备在故障、维护、限电等非正常运行状态时的数据;对于没有风机状态标识变量的数据,可以选择桨叶角小于5度角的数据。风机通过桨叶角控制转速来达到停机或限功率,通常停机或限功率时,桨叶角小于5度。
(3)计算对风角数据的值域,判断最大值是否超过180度。对于最大值超过180度的该变量,将该变量中大于等于180度的数据减去360度,以转换值域到[-180,180]。
(4)保留风速在[3,9]之间的数据,计算风能利用指数,保留风能利用指数在[0,10]之间的数据。
(5)将对风角以固定间隔分区间,如以1的间隔宽度将对风角划分为[-180,-179),[-179,-178),…,[179,180]的一系列区间,对每个对风角区间中的风能利用指数数据使用孤立森林,以设置的初始异常点比例1%进行过滤,输出过滤后的数据,并将所有对风角区间过滤后的数据合并。
(6)将风速以固定间隔分区间,如以0.5的间隔宽度将风速划分为[3,3.5),[3.5,4),…,[8.5,9]的一系列区间。
(7)循环或并行抽取每个风速区间中的数据单独计算。计算每个风速区间中,每个对风角区间下,风能利用指数第99分位数与风能利用指数最大值的中位数作为最大风能利用指数。
(8)在每个风速区间中(以WSbin[i]表示第i个风速区间,总共n个风速区间),计算所有对风角区间获得的最大风能利用指数的标准差,如该标准差超过设定阈值(如0.2),则使用例如局部多项式回归方法将所有最大风能利用指数的标准差拟合为一条曲线,并计算该曲线下最大风能利用指数所对应的对风角,即为该风速下对风角偏差角度(以yaw_error[i]表示第i个风速区间WSbin[i]中的结果)。
(9)获得所有风速区间的对风角偏差结果﹛yaw_error[1],yaw_error[2],…,yaw_error[i],…,yaw_error[n]﹜,计算该结果向量标准差,若其标准差大于5,对向量进行数据处理以控制离散度剔除异常值,直至其标准差达到设定的参数值或至数据长度不小于2。
(10)利用偏差角度离散度来判断结果的可靠程度,其判断方法是,保留的包络线数量越多,偏差角度离散度越小,其结果越符合模型假设,给予高可靠等级。偏差角度取所有风速区间下结果的中位数。以上计算的结果通过结果收集器收集。根据计算得到的可靠等级,若可靠等级较低,且迭代计数未超过设定迭代次数阈值,则继续运行下一次迭代。迭代计数器累加。
若进入下一次迭代,调整离群点比例在上一次迭代基础上累加,默认叠加值为0.25%。收集所有迭代的结果,直至达到设定的迭代次数。
若终止迭代,通过结果收集器中的各次迭代的结果和可靠等级,判断最终的结果和可靠等级输出。其判断方法为根据结果收集器中不同等级次数以及结果离散度来决策,可靠等级高的结果次数越多,结果离散度越低,输出的可靠等级越高。最终的对风角偏差为所有结果的中位数。
虽然本申请所揭露的实施方式如上,但所述的内容只是为了便于理解本申请而采用的实施方式,并非用以限定本申请。任何本申请所属技术领域内的技术人员,在不脱离本申请所揭露的精神和范围的前提下,可以在实施的形式上及细节上作任何的修改与变化,但本申请的专利保护范围,仍须以所附的权利要求书所界定的范围为准。
Claims (6)
1.一种识别风力发电机偏航对风不正的方法,其特征在于,包括以下步骤:
(1)采集风力发电机组的运行数据;
(2)对数据进行预处理,剔除数据中的非正常运行状态下的数据;
(3)初始化迭代计数器,设置初始参数和离群点比例;
(4)对数据按照所设置的初始参数和离群点比例进行过滤以增强特征表达;
(5)对风速进行分箱处理,计算每个风速箱下不同对风角的最大风能利用指数;
(6)计算所有对风角箱得到的最大风能利用指数的离散度是否符合要求,拟合包络对风角-最大风能利用指数散点图形的曲线,并计算由该曲线得到的风能利用指数最大点所对应的对风角数值;
(7)判断所拟合曲线的形态特征,保留符合指标要求的曲线;
(8)对所有符合指标要求的包络线计算偏差角度和可靠指标,判断结果的可靠性,最终的对风角偏差为所有结果的中位数。
2.根据权利要求1所述的识别风力发电机偏航对风不正的方法,其特征在于,步骤(2)中还包括将对风角值域为[0,360]的数据转换到[-180,180]的值域内,其计算方式为若原对风角值>180,换算后的对风角值=原对风角值-360。
3.根据权利要求1或2所述的识别风力发电机偏航对风不正的方法,其特征在于,步骤(5)中最大风能利用指数为该对风角箱中风能利用指数第99分位数与风能利用指数最大值的中位数。
4.根据权利要求1或2所述的识别风力发电机偏航对风不正的方法,其特征在于,在步骤(6)中,计算所有对风角箱得到的最大风能利用指数的标准差,如果该标准差超过设定阈值,将所有最大风能利用指数拟合为一条能够包络对风角-最大风能利用指数散点图形的曲线,并计算由该曲线得到的风能利用指数最大点所对应的对风角数值,该数值为该风速箱下的对风偏差角度;
在步骤(7)中,循环计算所有风速箱中的数据并保留对风角-最大风能利用指数包络线及对应的对风偏差角度,若所有对风偏差角度的标准差大于设定值,则对所有对风偏差角度进行离散度控制,输出需要保留的包络线;若所有对风偏差角度的标准差小于或等于设定值,直接进入下一步;
在步骤(8)中,根据保留的包络线数量以及偏差角度离散度来判断结果的可靠程度,其判断方法是,保留的包络线数量越多,偏差角度离散度越小,其结果越符合模型假设,给予高可靠等级。
5.根据权利要求4所述的识别风力发电机偏航对风不正的方法,其特征在于,若得到的可靠等级较低,且迭代计数未超过设定迭代次数阈值,则继续运行下一次迭代,设置离群点比例在上一次迭代基础上累加;
若终止迭代,通过结果收集器中的各次迭代的结果和可靠等级,判断最终的结果和可靠等级输出。
6.根据权利要求4所述的识别风力发电机偏航对风不正的方法,其特征在于,对风偏差角度离散度控制方法的流程为:(a)计算所有偏差角度中位数,记为M;(b)计算所有偏差角度值Xi与M的距离,其计算为abs(Xi-M);(c)删除距离M最远的点;(d)重新计算保留的偏差角度的标准差以及中位数;(e)重复执行步骤(b)至步骤(d),直到标准差小于设定值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910395581.6A CN110094310B (zh) | 2019-05-13 | 2019-05-13 | 一种识别风力发电机偏航对风不正的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910395581.6A CN110094310B (zh) | 2019-05-13 | 2019-05-13 | 一种识别风力发电机偏航对风不正的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110094310A CN110094310A (zh) | 2019-08-06 |
CN110094310B true CN110094310B (zh) | 2020-05-19 |
Family
ID=67447926
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910395581.6A Active CN110094310B (zh) | 2019-05-13 | 2019-05-13 | 一种识别风力发电机偏航对风不正的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110094310B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110985309B (zh) * | 2019-12-09 | 2022-03-11 | 远景智能国际私人投资有限公司 | 偏航对风异常检测方法、装置、设备和存储介质 |
CN110886681B (zh) * | 2019-12-13 | 2021-04-27 | 北京三力新能科技有限公司 | 一种基于时间分区和偏航扇区的偏航角度定位控制方法 |
CN111882833B (zh) * | 2020-07-21 | 2021-09-21 | 华润电力唐山丰润有限公司 | 基于离群参数的设备故障预警方法、装置、设备及介质 |
CN112730877A (zh) * | 2020-12-18 | 2021-04-30 | 云南滇能智慧能源有限公司 | 一种风电机组偏航频繁检测预警算法 |
CN113236507B (zh) * | 2021-05-28 | 2022-08-19 | 中南大学 | 一种风电机组偏航静态误差诊断方法和*** |
CN116502543B (zh) * | 2023-06-21 | 2023-09-22 | 宇动源(北京)信息技术有限公司 | 风电机组对风偏差识别方法、装置、电子设备和存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103629044A (zh) * | 2013-12-18 | 2014-03-12 | 中国科学院工程热物理研究所 | 一种水平轴风力机叶片的叶根结构 |
CN104481804A (zh) * | 2014-12-05 | 2015-04-01 | 北京金风科创风电设备有限公司 | 风力发电机组对风矫正控制方法、装置和*** |
CN105508148A (zh) * | 2015-12-31 | 2016-04-20 | 北京金风科创风电设备有限公司 | 基于风能分布捕获最大风能的方法和*** |
CN106014858A (zh) * | 2016-07-21 | 2016-10-12 | 浙江运达风电股份有限公司 | 一种风电机组对风误差自动校准方法及装置 |
CN109139371A (zh) * | 2018-02-28 | 2019-01-04 | 北京金风科创风电设备有限公司 | 确定对风角度偏差及修正对风角度的方法、装置和*** |
-
2019
- 2019-05-13 CN CN201910395581.6A patent/CN110094310B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103629044A (zh) * | 2013-12-18 | 2014-03-12 | 中国科学院工程热物理研究所 | 一种水平轴风力机叶片的叶根结构 |
CN104481804A (zh) * | 2014-12-05 | 2015-04-01 | 北京金风科创风电设备有限公司 | 风力发电机组对风矫正控制方法、装置和*** |
CN105508148A (zh) * | 2015-12-31 | 2016-04-20 | 北京金风科创风电设备有限公司 | 基于风能分布捕获最大风能的方法和*** |
CN106014858A (zh) * | 2016-07-21 | 2016-10-12 | 浙江运达风电股份有限公司 | 一种风电机组对风误差自动校准方法及装置 |
CN109139371A (zh) * | 2018-02-28 | 2019-01-04 | 北京金风科创风电设备有限公司 | 确定对风角度偏差及修正对风角度的方法、装置和*** |
Also Published As
Publication number | Publication date |
---|---|
CN110094310A (zh) | 2019-08-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110094310B (zh) | 一种识别风力发电机偏航对风不正的方法 | |
CN110067708B (zh) | 一种使用功率曲线识别偏航对风不正的方法 | |
CN103291544B (zh) | 数字化风电机组功率曲线绘制方法 | |
CN110985309B (zh) | 偏航对风异常检测方法、装置、设备和存储介质 | |
CN107798462A (zh) | 一种风电场风力发电机组运行异常监测与性能评估*** | |
CN111260503B (zh) | 一种基于聚类中心优化的风电机组功率曲线离群点检测方法 | |
CN114444382B (zh) | 基于机器学习算法的风电机组齿轮箱故障诊断分析方法 | |
CN112145373B (zh) | 一种风力发电机测风仪风速的校正方法 | |
KR20170084955A (ko) | 풍력 발전기의 고장 진단 방법 및 장치 | |
CN110578659B (zh) | 一种用于对风电机组scada数据进行处理的***和方法 | |
CN114165392A (zh) | 一种风电机组功率异常诊断方法、装置及存储介质 | |
CN116771610A (zh) | 一种调整风电机组变桨***故障评估值的方法 | |
CN112800103B (zh) | 一种scada数据挖掘的风电机组功率曲线的获取***及方法 | |
CN112855458B (zh) | 一种风力发电机组的风速仪故障诊断方法、***及介质 | |
CN116085212B (zh) | 一种新能源风电机组的运行状态实时监测方法及*** | |
CN114912807A (zh) | 一种风电机组技改后发电量提升效果评估方法和评估*** | |
CN113848347A (zh) | 一种风力发电机测风仪健康状态检测方法 | |
WO2023025365A1 (en) | Identifying recurrent free-flow wind disturbances associated with a wind turbine | |
Qiao et al. | Research on SCADA data preprocessing method of Wind Turbine | |
CN111141382B (zh) | 一种基于振动的多维度风机叶片自诊断装置及方法 | |
CN114033631B (zh) | 一种风电机组风能利用系数在线辨识方法 | |
CN112459970B (zh) | 一种运用数据对抗学习的风电机组异常检测方法 | |
CN111878326B (zh) | 风机的结冰故障检测方法、***、电子设备和介质 | |
CN116861219B (zh) | 一种风电机组变桨故障诊断方法 | |
CN116816615A (zh) | 一种风力发电机功率在线监测方法及*** |
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 | ||
CB03 | Change of inventor or designer information | ||
CB03 | Change of inventor or designer information |
Inventor after: Xie Peng Inventor after: Jin Chao Inventor after: Jin Wenjing Inventor after: Shi Zhe Inventor after: Li Jie Inventor before: Xie Peng Inventor before: Jin Chao Inventor before: Wen Jing Inventor before: Shi Zhe Inventor before: Li Jie |
|
GR01 | Patent grant | ||
GR01 | Patent grant |