CN112594125A - 一种自动收缩的风力发电叶片及其控制方法 - Google Patents
一种自动收缩的风力发电叶片及其控制方法 Download PDFInfo
- Publication number
- CN112594125A CN112594125A CN202011367603.7A CN202011367603A CN112594125A CN 112594125 A CN112594125 A CN 112594125A CN 202011367603 A CN202011367603 A CN 202011367603A CN 112594125 A CN112594125 A CN 112594125A
- Authority
- CN
- China
- Prior art keywords
- data
- blade
- wind
- wind speed
- wind direction
- 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
- 238000010248 power generation Methods 0.000 title claims abstract description 32
- 238000000034 method Methods 0.000 title claims abstract description 17
- 238000012544 monitoring process Methods 0.000 claims abstract description 37
- 238000010801 machine learning Methods 0.000 claims abstract description 33
- 230000008602 contraction Effects 0.000 claims abstract description 28
- 238000012549 training Methods 0.000 claims abstract description 13
- 238000004891 communication Methods 0.000 claims description 23
- 238000013500 data storage Methods 0.000 claims description 17
- 238000013527 convolutional neural network Methods 0.000 claims description 6
- 238000007781 pre-processing Methods 0.000 claims description 4
- 238000005259 measurement Methods 0.000 claims description 2
- 238000007405 data analysis Methods 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000001902 propagating effect Effects 0.000 description 1
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
- F03D1/00—Wind motors with rotation axis substantially parallel to the air flow entering the rotor
- F03D1/06—Rotors
- F03D1/065—Rotors characterised by their construction elements
- F03D1/0675—Rotors characterised by their construction elements of the blades
-
- 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
-
- 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
- F03D7/02—Controlling wind motors the wind motors having rotation axis substantially parallel to the air flow entering the rotor
- F03D7/028—Controlling wind motors the wind motors having rotation axis substantially parallel to the air flow entering the rotor controlling wind motor output power
-
- 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
- F03D7/02—Controlling wind motors the wind motors having rotation axis substantially parallel to the air flow entering the rotor
- F03D7/04—Automatic control; Regulation
- F03D7/042—Automatic control; Regulation by means of an electrical or electronic controller
- F03D7/043—Automatic control; Regulation by means of an electrical or electronic controller characterised by the type of control logic
- F03D7/045—Automatic control; Regulation by means of an electrical or electronic controller characterised by the type of control logic with model-based controls
-
- 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
- F03D7/02—Controlling wind motors the wind motors having rotation axis substantially parallel to the air flow entering the rotor
- F03D7/04—Automatic control; Regulation
- F03D7/042—Automatic control; Regulation by means of an electrical or electronic controller
- F03D7/043—Automatic control; Regulation by means of an electrical or electronic controller characterised by the type of control logic
- F03D7/046—Automatic control; Regulation by means of an electrical or electronic controller characterised by the type of control logic with learning or adaptive control, e.g. self-tuning, fuzzy logic or neural network
-
- 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
- F05B2270/10—Purpose of the control system
- F05B2270/103—Purpose of the control system to affect the output of the engine
- F05B2270/1033—Power (if explicitly mentioned)
-
- 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
- F05B2270/32—Wind speeds
-
- 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
- F05B2270/321—Wind directions
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Sustainable Development (AREA)
- General Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Combustion & Propulsion (AREA)
- Chemical & Material Sciences (AREA)
- Sustainable Energy (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Computation (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- Fuzzy Systems (AREA)
- Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Wind Motors (AREA)
Abstract
本发明涉及一种自动收缩的风力发电叶片及其控制方法，风力发电叶片包括固定叶片和伸缩叶片，数据监测平台接收风速测量装置采集的风速数据和风向数据并传输至处理器，处理器根据风速数据和风向数据计算叶片伸缩长度，叶片收缩控制***控制伸缩叶片伸展或收缩；控制方法包括以下步骤：获取训练数据集；构建并训练机器学习模型；实时采集风速数据和风向数据并基于机器学习模型计算叶片伸缩长度；叶片收缩控制***控制伸缩叶片伸展或收缩。与现有技术相比，本发明基于机器学习模型，根据风速数据和风向数据计算叶片伸缩长度，控制更加精准，能得到在当前风速和风向下的最佳叶片伸缩长度，既不会损伤叶片，也能更有效的捕捉风能，提高发电效率。
Description
技术领域
本发明涉及风力发电技术领域，尤其是涉及一种自动收缩的风力发电叶片及其控制方法。
背景技术
随着社会发展和科技进步，能源越来越受到关注。风能作为一种清洁能源，环保无污染，且取之不尽用之不竭，风力发电机是将风能转换为机械功，机械功带动转子旋转，最终输出交流电的电力设备，风力发电机的出力与叶片长度的二次方成正比关系，即叶片长度越长，扫风面积越大，风力发电机的出力就越大。
常规的风力发电机组设计时，其额定发电量风速确定一般均以风电场平均风速为准，而且风力发电机组的风轮直径固定不变，由于达到额定风速30-70％的时间较多较长，加之风轮叶片直径不可调节，使得风力发电机组很少有达到满载发电的天数，发电机组年发电效率低下，发电成本提高。如果单纯的把固定结构的风轮叶片加长，当遇到强风速天气时，又易造成风力发电机组的损坏，甚至发生危害。
中国专利CN201320303202.4公开了一种可伸缩的风力发电机叶片，可以根据风量的大小调节伸缩叶片的长度，减小受风面积，防止大风对叶片和风力发电机造成的损坏。但是，如何确定不同风速下最佳的伸缩叶片长度，使得叶片不会损坏并达到最高的发电效率成为亟待解决的问题。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种自动收缩的风力发电叶片及其控制方法，基于机器学习模型，根据风速数据和风向数据计算叶片伸缩长度，控制更加精准，能得到在当前风速和风向下的最佳叶片伸缩长度，既不会损伤叶片，也能更有效的捕捉风能，提高发电效率。
本发明的目的可以通过以下技术方案来实现：
一种自动收缩的风力发电叶片，包括固定叶片、伸缩叶片、叶片收缩控制***和风速测量装置，所述固定叶片固定在风机转轴上，所述伸缩叶片可纵向滑动地安装在固定叶片上，所述叶片收缩控制***用于控制伸缩叶片伸展或收缩，还包括数据监测平台和处理器；
所述数据监测平台分别与风速测量装置和处理器连接，用于接收风速测量装置采集的风速数据和风向数据并将其传输至处理器，所述数据监测平台还用于实时监测发电效率和叶片伸缩长度；
所述处理器与叶片收缩控制***连接，用于根据机器学***台传输的数据计算叶片伸缩长度，并将叶片伸缩长度传输至叶片收缩控制***。
进一步的，所述风速测量装置为超声波风速传感器，所述超声波风速传感器的数量至少为1个。
进一步的，所述风速测量装置通过无线通信模块与数据监测平台无线连接。
更进一步的，所述无线通信模块为蓝牙通信模块、WiFi通信模块、Zigbee通信模块、3G通信模块和4G通信模块中的至少一种。
进一步的，还包括数据存储平台，数据存储平台与数据监测平台连接，所述数据存储平台用于存储风速数据和风向数据、以及与风速数据和风向数据相对应的发电效率和叶片伸缩长度。
更进一步的，所述数据存储平台为云数据存储平台。
进一步的，还包括报警***，报警***与数据监测平台连接，所述报警***用于根据预设置的安全阈值和数据监测平台的监测数据发出报警信息。
一种自动收缩的风力发电叶片的控制方法，用于控制如上所述的风力发电叶片，包括以下步骤：
S1：获取原始数据集，并对原始数据集进行预处理得到训练数据集；
S2：构建机器学习模型，使用训练数据集训练机器学习模型，并将训练完成的机器学习模型写入处理器；
S3：风速测量装置实时采集风速数据和风向数据；
S4：数据监测平台接收风速测量装置采集的风速数据和风向数据并将其传输至处理器，实时监测叶片伸缩长度和发电效率；
S5：处理器基于机器学习模型，根据风速数据和风向数据计算叶片伸缩长度，并将叶片伸缩长度传输至叶片收缩控制***；
S6：叶片收缩控制***控制伸缩叶片伸展或收缩，重复步骤S3，直至风力发电叶片停止工作。
进一步的，所述原始数据集包括风速数据、风向数据、以及与风速数据和风向数据相对应的最佳叶片伸缩长度。
进一步的，所述机器学习模型为卷积神经网络CNN机器学习模型。
与现有技术相比，本发明具有以下有益效果：
(1)基于机器学习模型，根据风速数据和风向数据计算叶片伸缩长度，控制更加精准，能得到在当前风速和风向下的最佳叶片伸缩长度，既不会损伤叶片，也能更有效的捕捉风能，提高发电效率。
(2)使用超声波风速传感器，超声波风速传感器的重量轻、没有任何移动部件且坚固耐用，而且不需维护和现场校准，能同时输出风速和风向。
(3)设置了云数据存储平台，节省存储成本，可靠性更高，能够收集和存储历史数据，为以后的数据分析奠定了基础。
(4)设置了报警***，当风速、叶片伸缩长度等数据超过预设置的安全阈值时，发出报警信息，进一步提升了安全性和可靠性。
附图说明
图1为风力发电叶片的整体结构示意图；
图2为风力发电叶片控制方法的流程图；
附图标记：1、叶片收缩控制***，2、处理器，3、数据监测平台，4、风速测量装置，5、数据存储平台，6、报警***。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。本实施例以本发明技术方案为前提进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。
实施例1：
本申请的整体结构如图1所示，数据监测平台3分别与风速测量装置4和处理器2连接，数据监测平台3接收风速测量装置4采集的风速数据和风向数据并将其传输至处理器2，数据监测平台3还实时监测发电效率和叶片伸缩长度；处理器2与叶片收缩控制***1连接，根据机器学***台3传输的数据计算叶片伸缩长度，并将叶片伸缩长度传输至叶片收缩控制***1；固定叶片固定在风机转轴上，伸缩叶片可纵向滑动地安装在固定叶片上，叶片收缩控制***1根据处理器2传输的叶片伸缩长度控制伸缩叶片伸展或收缩。
本实施例中，数据监测平台3与数据存储平台5连接，数据存储平台5为云数据存储平台，数据存储平台5用于存储风速数据和风向数据、以及与风速数据和风向数据相对应的发电效率和叶片伸缩长度，节省了存储成本，可靠性更高，能够收集和存储历史数据，为以后的数据分析奠定了基础。
本实施例中，数据监测平台3还与报警***6连接，报警***6用于根据预设置的安全阈值和数据监测平台3的监测数据发出报警信息。当风速、叶片伸缩长度等数据超过预设置的安全阈值时，发出报警信息，进一步提升了安全性和可靠性。
风速测量装置4为超声波风速传感器，超声波风速传感器的数量至少为1个，本实施例中，超声波风速传感器的数量为2个，可以避免异常点造成的风速测量误差。
超声波风速传感器的工作原理是利用超声波时差法来实现风速的测量。由于声音在空气中的传播速度会和风向上的气流速度叠加，假如超声波的传播方向与风向相同，那么它的速度会加快；反之，若超声波的传播方向与风向相反，那么它的速度会变慢。所以在固定的检测条件下，超声波在空气中传播的速度可以和风速函数对应，通过计算可以得到精确的风速和风向。声波在空气传播时，其速度受温度的影响很大，所以超声波风速传感器检测两个通道上的两个相反方向，基本避免了温度对声波速度产生的影响。本申请采用超声波风速传感器，超声波风速传感器的重量轻、没有任何移动部件且坚固耐用，而且不需维护和现场校准，能同时输出风速和风向。
风速测量装置4通过无线通信模块与数据监测平台3无线连接。无线通信模块为蓝牙通信模块、WiFi通信模块、Zigbee通信模块、3G通信模块和4G通信模块中的至少一种。本实施例中，超声波风速传感器通过WiFi通信模块将风速数据和风向数据传输至数据监测平台3。在其他实施方式中，风速测量装置4也可以采用其他通信方式与数据监测平台3连接。
一种自动收缩的风力发电叶片的控制方法，如图2所示，包括以下步骤：
S1：获取原始数据集，并对原始数据集进行预处理得到训练数据集；原始数据集包括风速数据、风向数据、以及与风速数据和风向数据相对应的最佳叶片伸缩长度，数据预处理包括去除异常数据、调整数据格式、设置分类标签等操作。
S2：构建机器学习模型，使用训练数据集训练机器学习模型，并将训练完成的机器学习模型写入处理器2；本实施例中，机器学习模型为卷积神经网络CNN机器学习模型，在其他实施方式中，也可以使用贝叶斯分类器、人工神经网络模型等其他机器学习模型。当机器学习模型的精度达到需求精度时，机器学习模型训练完成，将其写入处理器2中。
S3：风速测量装置4实时采集风速数据和风向数据；
S4：数据监测平台3接收风速测量装置4采集的风速数据和风向数据并将其传输至处理器2，实时监测叶片伸缩长度和发电效率；如果出现风速过大、叶片伸缩长度在当前风速和风向下过大或者发电效率过低等问题，通过报警***6发出报警信息；数据监测平台3的数据传输至数据存储平台5存储备份，也为后续数据分析或机器学习模型训练奠定了基础。
S5：处理器2基于机器学习模型，根据风速数据和风向数据计算叶片伸缩长度，并将叶片伸缩长度传输至叶片收缩控制***1；机器学习模型的输入为风速数据和风向数据，输出为叶片伸缩长度，在当前风速和风向下，不损伤叶片，同时能够更有效的捕捉风能，提高发电效率。
S6：叶片收缩控制***1控制伸缩叶片伸展或收缩，重复步骤S3，直至风力发电叶片停止工作。
本实施例中，原始数据集包括历史上风力发电过程中的风速、风向、叶片收缩长度，之后也可以使用数据存储平台5中存储的数据再次训练机器学习模型，使得机器学习模型更精确的调节叶片伸缩长度。
以上详细描述了本发明的较佳具体实施例。应当理解，本领域的普通技术人员无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此，凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案，皆应在由权利要求书所确定的保护范围内。
Claims (10)
1.一种自动收缩的风力发电叶片，包括固定叶片、伸缩叶片、叶片收缩控制***(1)和风速测量装置(4)，所述固定叶片固定在风机转轴上，所述伸缩叶片可纵向滑动地安装在固定叶片上，所述叶片收缩控制***(1)用于控制伸缩叶片伸展或收缩，其特征在于，还包括数据监测平台(3)和处理器(2)；
所述数据监测平台(3)分别与风速测量装置(4)和处理器(2)连接，用于接收风速测量装置(4)采集的风速数据和风向数据并将其传输至处理器(2)，所述数据监测平台(3)还用于实时监测发电效率和叶片伸缩长度；
所述处理器(2)与叶片收缩控制***(1)连接，用于根据机器学***台(3)传输的数据计算叶片伸缩长度，并将叶片伸缩长度传输至叶片收缩控制***(1)。
2.根据权利要求1所述的一种自动收缩的风力发电叶片，其特征在于，所述风速测量装置(4)为超声波风速传感器，所述超声波风速传感器的数量至少为1个。
3.根据权利要求1所述的一种自动收缩的风力发电叶片，其特征在于，所述风速测量装置(4)通过无线通信模块与数据监测平台(3)无线连接。
4.根据权利要求3所述的一种自动收缩的风力发电叶片，其特征在于，所述无线通信模块为蓝牙通信模块、WiFi通信模块、Zigbee通信模块、3G通信模块和4G通信模块中的至少一种。
5.根据权利要求1所述的一种自动收缩的风力发电叶片，其特征在于，还包括数据存储平台(5)，数据存储平台(5)与数据监测平台(3)连接，所述数据存储平台(5)用于存储风速数据和风向数据、以及与风速数据和风向数据相对应的发电效率和叶片伸缩长度。
6.根据权利要求5所述的一种自动收缩的风力发电叶片，其特征在于，所述数据存储平台(5)为云数据存储平台。
7.根据权利要求1所述的一种自动收缩的风力发电叶片，其特征在于，还包括报警***(6)，报警***(6)与数据监测平台(3)连接，所述报警***(6)用于根据预设置的安全阈值和数据监测平台(3)的监测数据发出报警信息。
8.一种自动收缩的风力发电叶片的控制方法，用于控制如权利要求1-7中任一所述的风力发电叶片，其特征在于，包括以下步骤：
S1：获取原始数据集，并对原始数据集进行预处理得到训练数据集；
S2：构建机器学习模型，使用训练数据集训练机器学习模型，并将训练完成的机器学习模型写入处理器(2)；
S3：风速测量装置(4)实时采集风速数据和风向数据；
S4：数据监测平台(3)接收风速测量装置(4)采集的风速数据和风向数据并将其传输至处理器(2)，实时监测叶片伸缩长度和发电效率；
S5：处理器(2)基于机器学习模型，根据风速数据和风向数据计算叶片伸缩长度，并将叶片伸缩长度传输至叶片收缩控制***(1)；
S6：叶片收缩控制***(1)控制伸缩叶片伸展或收缩，重复步骤S3，直至风力发电叶片停止工作。
9.根据权利要求8所述的一种自动收缩的风力发电叶片的控制方法，其特征在于，所述原始数据集包括风速数据、风向数据、以及与风速数据和风向数据相对应的最佳叶片伸缩长度。
10.根据权利要求8所述的一种自动收缩的风力发电叶片的控制方法，其特征在于，所述机器学习模型为卷积神经网络CNN机器学习模型。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011367603.7A CN112594125A (zh) | 2020-11-29 | 2020-11-29 | 一种自动收缩的风力发电叶片及其控制方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011367603.7A CN112594125A (zh) | 2020-11-29 | 2020-11-29 | 一种自动收缩的风力发电叶片及其控制方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112594125A true CN112594125A (zh) | 2021-04-02 |
Family
ID=75187326
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011367603.7A Pending CN112594125A (zh) | 2020-11-29 | 2020-11-29 | 一种自动收缩的风力发电叶片及其控制方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112594125A (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN2903462Y (zh) * | 2006-04-29 | 2007-05-23 | 华小平 | 风力发电机组伸缩型风轮叶片 |
| CN101440783A (zh) * | 2008-12-22 | 2009-05-27 | 三一电气有限责任公司 | 风力发电机组、风力发电***及其运行控制方法 |
| CN104018988A (zh) * | 2014-06-16 | 2014-09-03 | 上海交通大学 | 基于物理组件模型和实时数据的风力发电机组监测*** |
| CN104963811A (zh) * | 2015-07-15 | 2015-10-07 | 上海电机学院 | 自适应风速的多级风力发电机及其控制方法 |
| CN106979126A (zh) * | 2017-04-12 | 2017-07-25 | 浙江大学 | 基于svr的风力发电机组高风速段有效风速估计方法 |
| 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 |
| US20200056589A1 (en) * | 2018-08-20 | 2020-02-20 | General Electric Company | Method for controlling operation of a wind turbine |
| CN111794921A (zh) * | 2020-08-25 | 2020-10-20 | 大唐（赤峰）新能源有限公司 | 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 |
-
2020
- 2020-11-29 CN CN202011367603.7A patent/CN112594125A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN2903462Y (zh) * | 2006-04-29 | 2007-05-23 | 华小平 | 风力发电机组伸缩型风轮叶片 |
| CN101440783A (zh) * | 2008-12-22 | 2009-05-27 | 三一电气有限责任公司 | 风力发电机组、风力发电***及其运行控制方法 |
| CN104018988A (zh) * | 2014-06-16 | 2014-09-03 | 上海交通大学 | 基于物理组件模型和实时数据的风力发电机组监测*** |
| CN104963811A (zh) * | 2015-07-15 | 2015-10-07 | 上海电机学院 | 自适应风速的多级风力发电机及其控制方法 |
| CN106979126A (zh) * | 2017-04-12 | 2017-07-25 | 浙江大学 | 基于svr的风力发电机组高风速段有效风速估计方法 |
| 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 |
| US20200056589A1 (en) * | 2018-08-20 | 2020-02-20 | General Electric Company | Method for controlling operation of a wind turbine |
| CN111794921A (zh) * | 2020-08-25 | 2020-10-20 | 大唐（赤峰）新能源有限公司 | 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 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| AU2017269206B2 (en) | System and method for forecasting power output of a wind farm | |
| US20110193344A1 (en) | Control Network for Wind Turbine Park | |
| CN103835882A (zh) | 大型风力发电机组状态监测与故障诊断*** | |
| CN101737245A (zh) | 叶片桨距的管理方法和*** | |
| CN101839216B (zh) | 具有应变传感器的风力发电机智能叶片 | |
| EP3974930A1 (en) | Systems and methods for operating a power generating asset | |
| CN103161669A (zh) | 一种监控风电场运行的***及方法 | |
| EP3249218B1 (en) | System and method for micrositing a wind farm for loads optimization | |
| CN104101652A (zh) | 一种基于音频信号的风电叶片损伤监测方法及监测*** | |
| CN107869420B (zh) | 风力涡轮机发电场的风力涡轮机偏航控制方法及*** | |
| CN105041571B (zh) | 预测风速风向的智能控制***及其控制方法 | |
| CN112594125A (zh) | 一种自动收缩的风力发电叶片及其控制方法 | |
| CN107795440B (zh) | 叶片结冰的报警方法及装置 | |
| 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 | |
| EP4060430A1 (en) | Systems and methods for operating power generating assets | |
| DK179188B1 (en) | Wind turbine and a method of operating a wind turbine | |
| CN113757050A (zh) | 一种风电场噪声监测控制***及方法 | |
| EP3406897B1 (en) | System and method for determining wind farm wake loss | |
| CN113565700B (zh) | 基于变桨***的风机叶片状态在线监测装置及方法 | |
| CN112483312B (zh) | 一种基于冗余分组的海上风电场安全控制方法 | |
| CN218991792U (zh) | 一种风机报警装置及包含该装置的风力发电机 | |
| CN215057914U (zh) | 一种风力发电机组叶片载荷提取*** | |
| EP4040626A1 (en) | Systems and methods for operating a power generating asset | |
| US20230034766A1 (en) | Systems and methods for operating a wind farm | |
| CN208937104U (zh) | 一种基于ZigBee的风电场环境监测装置 |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210402 |