CN114033630A - 一种基于边缘计算的风电机寿命组智能检测*** - Google Patents

一种基于边缘计算的风电机寿命组智能检测*** Download PDF

Info

Publication number
CN114033630A
CN114033630A CN202111310233.8A CN202111310233A CN114033630A CN 114033630 A CN114033630 A CN 114033630A CN 202111310233 A CN202111310233 A CN 202111310233A CN 114033630 A CN114033630 A CN 114033630A
Authority
CN
China
Prior art keywords
service life
wind turbine
turbine generator
tower
bolt
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
Application number
CN202111310233.8A
Other languages
English (en)
Other versions
CN114033630B (zh
Inventor
李颖峰
韩斌
罗涛
赵勇
张都
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Xian Thermal Power Research Institute Co Ltd
Original Assignee
Xian Thermal Power Research Institute Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Xian Thermal Power Research Institute Co Ltd filed Critical Xian Thermal Power Research Institute Co Ltd
Priority to CN202111310233.8A priority Critical patent/CN114033630B/zh
Publication of CN114033630A publication Critical patent/CN114033630A/zh
Application granted granted Critical
Publication of CN114033630B publication Critical patent/CN114033630B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • 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
    • F05B2220/00—Application
    • F05B2220/70—Application in combination with
    • F05B2220/706—Application in combination with an electrical generator
    • 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
    • F05B2260/00—Function
    • F05B2260/82—Forecasts
    • F05B2260/821—Parameter estimation or prediction
    • 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
    • F05B2260/00—Function
    • F05B2260/83—Testing, e.g. methods, components or tools therefor

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)
  • Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
  • Wind Motors (AREA)

Abstract

一种基于边缘计算的风电机寿命组智能检测***，包括数据采集设备和应用模块、传输网络5G CPE模块和边缘计算模块；数据采集设备和应用模块与已覆盖无线网络的地区的摄像头、平台对接和安装，将终端设备的数据流、风电机组寿命数据通过传输网络5G CPE模块传输至边缘计算模块进行数据处理，对回传数据、画面中的目标对象进行检测识别后，计算每个单元中风电机组剩余使用寿命，按需在云数据中心的数据采集与应用中备份；其结果一部分可以反馈至手持终端，另一部分反馈至Web模块呈现；本发明可以实现对风电机组关键部件使用寿命的掌握，为风电场机组寿命评估提供重要依据，从而保证了风电机组安全有效的运行。

Description

一种基于边缘计算的风电机寿命组智能检测***
技术领域
本发明涉及风力发电检测技术领域,特别涉及一种基于边缘计算的风电机寿命组智能检测***。
背景技术
风力发电是几种可再生能源利用技术中较为成熟的一种，大型风力发电机本身整体结构复杂，大多分布于地形复杂的山地风电场，不可避免地承受着湍流运动、风切变、塔影效应、尾流效应等作用，而且常在低温、风沙、结冰等恶劣的外部环境下运行，故而***载荷和振动波动大、故障率高、可靠性差、运维难度大且成本高。此外，依据我国风电机组装机容量增长的历史数据，未来几年将会迎来大批在役风电机组达到或接近其设计寿命终点。因此，从保障大型风电机组健康安全运行和提升风电场长期效益等方面，研发大型风力发电机载荷检测已成为风电行业亟待解决的课题。现有的大型风力发电机载荷检测只是采用计时法，通过采用简单的计时大致判断出风电机组的情况，其缺点是不能对风电机组的寿命进行精确评估。
发明内容
为了克服上述现有技术存在的缺点与不足,本发明提供一种基于边缘计算的风电机寿命组智能检测***，该***采用边缘计算，对风电机组寿命检测业务进行承载，通过网络将数据采集终端的视频图像数据高速传输至边缘计算节点，对风电机组进行关键部件的检测。
为了达到上述目的，本发明所采用的技术方案是：
一种基于边缘计算的风电机寿命组智能检测***，包括传输网络5G CPE模块和边缘计算模块；传输网络5G CPE模块与已覆盖无线网络的地区的摄像头、平台对接和安装，将终端设备的数据流、风电机组寿命数据传输至边缘计算模块，对回传数据、画面中的目标对象进行检测识别后，计算每个单元中风电机组剩余使用寿命，按需在云数据中心的数据采集与应用中备份；剩余使用寿命结果反馈至手持终端和Web模块呈现。
所述边缘计算模块计算每个单元中风电机组剩余使用寿命，是根据风电机组寿命数据中最小剩余使用寿命决定，根据相应的工况时间分布和损伤等效载荷，计算确定构件的剩余使用寿命，剩余使用寿命的计算方法如下：
FLdesign≥FLconsumed+FLRul；
其中：FLdesign为风电机组的设计寿命；FLconsumed为风电机组已经使用的寿命；FLRul为风电机组剩余使用寿命；
所述的风电机组寿命数据包括主要疲劳工况的塔筒仿真载荷计算、塔筒螺栓内应力计算、塔筒截面外载荷与螺栓应力关系曲线拟合、螺栓材料的S-N曲线确定、各个工况的疲劳损伤计算以及塔筒整体寿命；
所述的主要疲劳工况的塔筒仿真载荷计算，针对风速分别为4m/s、 6m/s、8m/s、10m/s、12m/s、14m/s、16m/s、18m/s、20m/s、22m/s的正常发电工况，在GH Bladed中进行塔筒载荷仿真计算；
所述的塔筒螺栓内应力计算，根据塔筒法兰螺栓强度校核的 Schmidt-Neuper工程算法，计算得出塔筒薄壁所承受的弯矩和垂向载荷引起的正应力作用；
所述的塔筒截面外载荷与螺栓应力关系曲线拟合，根据法兰联接段的参数，按照工程算法得到不同塔筒截面外载荷下螺栓内应力，在MATLAB 软件中通过作图方法，实现对于塔筒截面外载荷与螺栓应力关系曲线的拟合；
所述的螺栓材料S-N曲线确定，为针对塔筒的同型号同批次螺栓进行疲劳试验，以获取准确的S-N曲线；
所述的各个工况的疲劳损伤计算，基于上述过程，利用Miner疲劳累积损伤法则，计算得到正常发电工况时风速分别为4m/s、6m/s、 8m/s、10m/s、12m/s、14m/s、16m/s、18m/s、20m/s、22m/s的累积损伤，这里假设损伤值分别为：d4、d6、d8…、d22；对各个工况的疲劳损伤计算得到的各个不同风速工况下的累积损伤进行加权计算，从而得到正常发电工况下的累积损伤。
所述的塔筒整体寿命，依据不同法兰段和门洞的权重，由如下方法计算得到：
LT＝LF1*q1+LF2*q2+LF3*q3+LM*q4
其中：LT为塔筒整体寿命；LF1、LF2、LF3分别为#1、#2、#3法兰连接段的最小寿命，法兰连接段的最小寿命取法兰联接处整圈螺栓中最小的螺栓寿命；LM为门洞的最小寿命；q1、q2、q3、q4分别为#1、#2、#3法兰连接段和门洞的寿命权重系数。
本发明中采用边缘计算，对风电机组寿命检测业务进行承载，通过网络将数据采集终端的视频图像数据高速传输至边缘计算节点，对风电机组进行关键部件的检测，不仅能够为现场的运维工作提供十分重要的依据，还可以实现对风电机组关键部件使用寿命的掌握，为风电场机组寿命评估提供重要依据，从而保证了风电机组安全有效的运行。
附图说明
图1为本发明***执行流程图。
具体实施方式
下面结合附图和有具体实施例对本申请作进一步详细说明。
如图1所示,一种基于边缘计算的风电机寿命组智能检测***，包括传输网络5GCPE模块和边缘计算模块；传输网络5G CPE模块与已覆盖无线网络的地区的摄像头、平台对接和安装，将终端设备的数据流、风电机组寿命数据传输至边缘计算模块进行数据处理，对回传数据、画面中的目标对象进行检测识别后，计算每个单元中风电机组剩余使用寿命，按需在云数据中心的数据采集与应用中备份；剩余使用寿命结果一部分反馈至手持终端，一部分反馈至Web模块呈现。
所述边缘计算模块计算每个单元中风电机组剩余使用寿命，是根据风电机组寿命数据中最小剩余使用寿命决定，根据相应的工况时间分布和损伤等效载荷，计算确定构件的剩余使用寿命，剩余使用寿命的计算方法如下：
FLdesign≥FLconsumed+FLRul
其中：FLdesign为风电机组的设计寿命；FLconsumed为风电机组已经使用的寿命；FLRul为风电机组剩余使用寿命；
所述的风电机组寿命数据包括主要疲劳工况的塔筒仿真载荷计算、塔筒螺栓内应力计算、塔筒截面外载荷与螺栓应力关系曲线拟合、螺栓材料的S-N曲线确定、各个工况的疲劳损伤计算以及塔筒整体寿命；
所述的主要疲劳工况的塔筒仿真载荷计算，针对风速分别为4m/s、 6m/s、8m/s、10m/s、12m/s、14m/s、16m/s、18m/s、20m/s、22m/s的正常发电工况，在GH Bladed中进行塔筒载荷仿真计算；
所述的塔筒螺栓内应力计算，根据塔筒法兰螺栓强度校核的 Schmidt-Neuper工程算法，计算得出塔筒薄壁所承受的弯矩和垂向载荷引起的正应力作用；对塔筒某一扇面，其薄壁所受外界拉力为：
Figure BDA0003337233550000051
上式中，Z、R、N分别为外界拉力、法兰半径和法兰圈螺栓个数， Mx、My、Fz分别为法兰沿截面x、y方向的弯矩和塔筒轴向拉力，β为塔筒截面任意位置与x轴正向的夹角。
法兰垫片和螺栓通过并联方式构成的***的合成等效刚度为：
C＝CS+CD
螺栓和法兰垫片的刚度比例分别为：
Figure BDA0003337233550000052
上式中，p为螺栓***的刚度分配比例，q为垫片和法兰***的刚度比例，螺栓刚度计算公式如下：
Figure BDA0003337233550000053
上式中，E为螺栓的材料弹性模量，这里取210GPa，AN为螺栓中径对应的面积，Ls为螺栓长度。
垫片与法兰组成的***是一组弹簧间的相互作用，其等效刚度的计算公式如下：
Figure BDA0003337233550000061
法兰的刚度为：
Figure BDA0003337233550000062
上式中，Tf、Dw、dh分别为法兰厚度、垫片外径、垫片内径。
垫片的刚度为：
Figure BDA0003337233550000063
上式中，Tw为垫片厚度。
Schmidt-Neuper算法认为：法兰螺栓联接***在逐渐加载过程中存在两个状态。一种是法兰上承受的载荷较小，螺栓的承载比例随法兰螺栓***的刚度变化而变化；另一种是载荷增大后法兰外边缘出现裂缝，螺栓上的载荷分量不再与法兰螺栓体系刚度相关，并且螺栓上的载荷与外载荷之间的关系变为非线性。该状况类似于杠杆作用，因此塔筒截面外载荷与螺栓内应力关系利用杠杆***解得。该算法定义了两个零件状态：状态1 为法兰外边缘刚刚出现缝隙；状态2为缝隙扩展到了螺栓轴线的位置，此时接触应力为0。
杠杆比λ的计算公式为：
Figure BDA0003337233550000064
上式中，a、b分别为螺栓中心位置距离法兰内径的最小距离、螺栓中心位置距塔筒薄壁中心位置的最小距离。
两种状态下法兰的截面载荷为：
Figure BDA0003337233550000071
上式中，Z1、Z2分别为状态1和状态2下法兰的截面载荷，FV为螺栓的预紧力。
不同状态下螺栓内力FVS和外界拉力Z之间的关系为：
Figure BDA0003337233550000072
由此得到的螺栓轴向内应力为：
Figure BDA0003337233550000073
上式中，As为螺栓应力面积。
所述的塔筒截面外载荷与螺栓应力关系曲线拟合，根据法兰联接段的参数，按照工程算法得到不同塔筒截面外载荷下螺栓内应力，在MATLAB 软件中通过作图方法实现对于塔筒截面外载荷与螺栓应力关系曲线的拟合；
所述的螺栓材料S-N曲线确定，为提高寿命检测的精确性，应针对塔筒的同型号同批次螺栓进行疲劳试验，以获取准确的S-N曲线；
所述的各个工况的疲劳损伤计算，基于上述过程，利用Miner疲劳累积损伤法则，计算得到正常发电工况时风速分别为4m/s、6m/s、 8m/s、10m/s、12m/s、14m/s、16m/s、18m/s、20m/s、22m/s的累积损伤，这里假设损伤值分别为：d4、d6、d8…、d22；对各个工况的疲劳损伤计算得到的各个不同风速工况下的累积损伤进行加权计算，从而得到正常发电工况下的累积损伤。
所述的塔筒整体寿命，依据不同法兰段和门洞的权重，由如下方法计算得到：
LT＝LF1*q1+LF2*q2+LF3*q3+LM*q4
其中：LT为塔筒整体寿命；LF1、LF2、LF3分别为#1、#2、#3法兰连接段的最小寿命，法兰连接段的最小寿命应取法兰联接处整圈螺栓中最小的螺栓寿命；LM为门洞的最小寿命；q1、q2、q3、q4分别为#1、#2、#3法兰连接段和门洞的寿命权重系数，进行设置。
所述边缘计算模块面向5G SA提供UPF解决方案，通过RH2288通用服务器提供的25GE/10GE网口进行部署，网络上采用2台CE6865交换机，做独立式MEC部署，将MEC设备设置在指挥中心机房中，统一接入运营商的5G SA网络中进行管理和信令接续，流量部分按照LBO方式进行本地卸载，UPF部署方案是指基于5G SA架构，把UPF部署到地市和区县位置，匹配本地业务，也支持Internet出口，操作步骤如下：
A接入设备连接基站，汇聚至核心网MEC设备；
B提供机组安装边缘计算模块；
C对接数据流分析平台；
D对接IPRAN，在传输网络中提供统一的管理和客户鉴权。
本发明中，该***采用边缘计算，对风电机组寿命检测业务进行承载，通过网络将数据采集终端的视频图像数据高速传输至边缘计算节点，对风电机组进行关键部件的检测，不仅能够为现场的运维工作提供十分重要的依据，还实现对风电机组关键部件使用寿命的掌握，为风电场机组寿命评估提供重要依据，从而保证了风电机组安全有效的运行。

Claims (2)

1.一种基于边缘计算的风电机寿命组智能检测***，其特征在于，包括传输网络5GCPE模块和边缘计算模块；传输网络5G CPE模块与已覆盖无线网络的地区的摄像头、平台对接和安装，将终端设备的数据流、风电机组寿命数据传输至边缘计算模块进行数据处理，对回传数据、画面中的目标对象进行检测识别后，计算每个单元中风电机组剩余使用寿命，按需在云数据中心的数据采集与应用中备份；剩余使用寿命结果反馈至手持终端和Web模块呈现。
2.根据权利要求1所述的一种基于边缘计算的风电机寿命组智能检测***，其特征在于，
所述边缘计算模块计算每个单元中风电机组剩余使用寿命，是根据风电机组寿命数据中最小剩余使用寿命决定，根据相应的工况时间分布和损伤等效载荷，计算确定构件的剩余使用寿命，剩余使用寿命的计算方法如下：
FLdesign≥FLconsumed+FLRul；
其中：FLdesign为风电机组的设计寿命；FLconsumed为风电机组已经使用的寿命；FLRul为风电机组剩余使用寿命；
所述的风电机组寿命数据包括主要疲劳工况的塔筒仿真载荷计算、塔筒螺栓内应力计算、塔筒截面外载荷与螺栓应力关系曲线拟合、螺栓材料的S-N曲线确定、各个工况的疲劳损伤计算以及塔筒整体寿命；
所述的主要疲劳工况的塔筒仿真载荷计算，针对风速分别为4m/s、6m/s、8m/s、10m/s、12m/s、14m/s、16m/s、18m/s、20m/s、22m/s的正常发电工况，在GH Bladed中进行塔筒载荷仿真计算；
所述的塔筒螺栓内应力计算，根据塔筒法兰螺栓强度校核的Schmidt-Neuper工程算法，计算得出塔筒薄壁所承受的弯矩和垂向载荷引起的正应力作用；
所述的塔筒截面外载荷与螺栓应力关系曲线拟合，根据法兰联接段的参数，按照工程算法得到不同塔筒截面外载荷下螺栓内应力，在MATLAB软件中通过作图方法，实现对于塔筒截面外载荷与螺栓应力关系曲线的拟合；
所述的螺栓材料S-N曲线确定，为提高寿命检测的精确性，应针对塔筒的同型号同批次螺栓进行疲劳试验，以获取准确的S-N曲线；
所述的各个工况的疲劳损伤计算，基于上述过程，利用Miner疲劳累积损伤法则，计算得到正常发电工况时风速分别为4m/s、6m/s、8m/s、10m/s、12m/s、14m/s、16m/s、18m/s、20m/s、22m/s的累积损伤，这里假设损伤值分别为：d4、d6、d8…、d22；对各个工况的疲劳损伤计算得到的各个不同风速工况下的累积损伤进行加权计算，从而得到正常发电工况下的累积损伤；
所述的塔筒整体寿命，依据不同法兰段和门洞的权重，由如下方法计算得到：
LT＝LF1*q1+LF2*q2+LF3*q3+LM*q4
其中：LT为塔筒整体寿命；LF1、LF2、LF3分别为#1、#2、#3法兰连接段的最小寿命，法兰连接段的最小寿命应取法兰联接处整圈螺栓中最小的螺栓寿命；LM为门洞的最小寿命；q1、q2、q3、q4分别为#1、#2、#3法兰连接段和门洞的寿命权重系数。
CN202111310233.8A 2021-11-04 2021-11-04 一种基于边缘计算的风电机寿命组智能检测*** Active CN114033630B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111310233.8A CN114033630B (zh) 2021-11-04 2021-11-04 一种基于边缘计算的风电机寿命组智能检测***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111310233.8A CN114033630B (zh) 2021-11-04 2021-11-04 一种基于边缘计算的风电机寿命组智能检测***

Publications (2)

Publication Number Publication Date
CN114033630A true CN114033630A (zh) 2022-02-11
CN114033630B CN114033630B (zh) 2024-06-04

Family

ID=80136634

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111310233.8A Active CN114033630B (zh) 2021-11-04 2021-11-04 一种基于边缘计算的风电机寿命组智能检测***

Country Status (1)

Country Link
CN (1) CN114033630B (zh)

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2015045329A (ja) * 2013-08-01 2015-03-12 独立行政法人海上技術安全研究所 浮体施設の荷重・応力モニタリング方法及び浮体施設の荷重・応力モニタリングシステム
EP3093486A1 (en) * 2015-05-14 2016-11-16 Hitachi, Ltd. Computing system, wind power generating system, and method of calculating remaining life or fatigue damage of windmill
JP2018185171A (ja) * 2017-04-24 2018-11-22 株式会社東芝 風車発電機の疲労寿命解析装置、風力発電システム、及び風車発電機の疲労寿命解析方法
CN108869173A (zh) * 2018-01-31 2018-11-23 北京金风科创风电设备有限公司 风电机组的功率控制方法和设备
CN109340062A (zh) * 2018-12-18 2019-02-15 国电联合动力技术有限公司 一种低风速风电机组数字双胞胎式的疲劳损伤预测方法
CN112583117A (zh) * 2020-11-19 2021-03-30 广西电网有限责任公司电力科学研究院 一种基于智能边缘终端的数据组件服务***
CN112796953A (zh) * 2021-02-01 2021-05-14 中国华能集团清洁能源技术研究院有限公司 一种风电机组塔筒寿命预测方法、***、设备及存储介质
CN112906236A (zh) * 2021-03-09 2021-06-04 龙源（北京）风电工程技术有限公司 风电机组关键结构位置剩余寿命预测方法及装置
CN113011069A (zh) * 2021-03-26 2021-06-22 西安热工研究院有限公司 一种风电机组主轴受力分析方法及***
CN113374652A (zh) * 2021-06-10 2021-09-10 中国三峡建工(集团)有限公司 一种风力发电机组寿命评估方法

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2015045329A (ja) * 2013-08-01 2015-03-12 独立行政法人海上技術安全研究所 浮体施設の荷重・応力モニタリング方法及び浮体施設の荷重・応力モニタリングシステム
EP3093486A1 (en) * 2015-05-14 2016-11-16 Hitachi, Ltd. Computing system, wind power generating system, and method of calculating remaining life or fatigue damage of windmill
JP2018185171A (ja) * 2017-04-24 2018-11-22 株式会社東芝 風車発電機の疲労寿命解析装置、風力発電システム、及び風車発電機の疲労寿命解析方法
CN108869173A (zh) * 2018-01-31 2018-11-23 北京金风科创风电设备有限公司 风电机组的功率控制方法和设备
US20200347824A1 (en) * 2018-01-31 2020-11-05 Beijing Goldwind Science & Creation Windpower Equipment Co., Ltd. Power control method and apparatus for wind power generator
CN109340062A (zh) * 2018-12-18 2019-02-15 国电联合动力技术有限公司 一种低风速风电机组数字双胞胎式的疲劳损伤预测方法
CN112583117A (zh) * 2020-11-19 2021-03-30 广西电网有限责任公司电力科学研究院 一种基于智能边缘终端的数据组件服务***
CN112796953A (zh) * 2021-02-01 2021-05-14 中国华能集团清洁能源技术研究院有限公司 一种风电机组塔筒寿命预测方法、***、设备及存储介质
CN112906236A (zh) * 2021-03-09 2021-06-04 龙源（北京）风电工程技术有限公司 风电机组关键结构位置剩余寿命预测方法及装置
CN113011069A (zh) * 2021-03-26 2021-06-22 西安热工研究院有限公司 一种风电机组主轴受力分析方法及***
CN113374652A (zh) * 2021-06-10 2021-09-10 中国三峡建工(集团)有限公司 一种风力发电机组寿命评估方法

Also Published As

Publication number Publication date
CN114033630B (zh) 2024-06-04

Similar Documents

Publication Publication Date Title
Wymore et al. A survey of health monitoring systems for wind turbines
Xu et al. Bayesian network approach to fault diagnosis of a hydroelectric generation system
CN112685939A (zh) 一种基于实测的海上风力机基础疲劳损伤分析方法
CN112287531B (zh) 一种考虑台风影响的海上风电场多状态可靠性获取方法
CN112906236A (zh) 风电机组关键结构位置剩余寿命预测方法及装置
Nithya et al. Fault detection of wind turbine system using neural networks
CN114033617B (zh) 一种控制参量自适应调整的可控风力发电方法及***
Krasnikov et al. Vibration reliability of the turbine unit’s housing considering random imperfections
Thies et al. Component reliability testing for wave energy converters: Rationale and implementation
CN114033630A (zh) 一种基于边缘计算的风电机寿命组智能检测***
Simoncelli et al. Structural health monitoring of an onshore steel wind turbine
Deng et al. Rule-based fault diagnosis expert system for wind turbine
WO2023103448A1 (zh) 一种风力发电机组定制化设计方法
Vojtko et al. Proposal of construction and analysis of turbine blades
Sahnoun et al. Modelling of maintenance strategy of offshore wind farms based multi-agent system
Tian et al. Maintenance optimization of wind turbine systems based on intelligent prediction tools
Liu et al. Research on construction system of large scale non-grid-connected wind power offshore wind farms
Xiong et al. Fatigue damage of wind turbine gearbox under extreme wind conditions
Khodabux et al. An overview on various faults of Wind Turbine parts
Fang et al. Wind generator tower vibration fault diagnosis and monitoring based on PCA
Stiesdal et al. Design for reliability
Xu et al. Modeling of wind farm output considering wind speed spatiotemporal distribution and wind turbine operational statuses
Ward et al. Uncertainty quantification of mass and aerodynamic rotor imbalance for offshore wind turbines
Haraldsdóttir et al. Lifetime analysis of a wind turbine component
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