CN114810504A - 叶片状态监测方法及装置、存储介质、风力发电机 - Google Patents
叶片状态监测方法及装置、存储介质、风力发电机 Download PDFInfo
- Publication number
- CN114810504A CN114810504A CN202110065293.1A CN202110065293A CN114810504A CN 114810504 A CN114810504 A CN 114810504A CN 202110065293 A CN202110065293 A CN 202110065293A CN 114810504 A CN114810504 A CN 114810504A
- Authority
- CN
- China
- Prior art keywords
- blade
- data
- sensors
- cracking
- sensor array
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 49
- 238000000034 method Methods 0.000 title claims abstract description 40
- 238000003860 storage Methods 0.000 title claims abstract description 20
- 230000002159 abnormal effect Effects 0.000 claims abstract description 70
- 238000005336 cracking Methods 0.000 claims abstract description 62
- 230000008859 change Effects 0.000 claims description 28
- 238000004590 computer program Methods 0.000 claims description 14
- 238000012806 monitoring device Methods 0.000 claims description 9
- 238000012545 processing Methods 0.000 claims description 8
- 239000000835 fiber Substances 0.000 claims description 6
- 230000002547 anomalous effect Effects 0.000 claims 1
- 238000005516 engineering process Methods 0.000 description 10
- 238000012423 maintenance Methods 0.000 description 6
- 238000010248 power generation Methods 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 5
- 239000013307 optical fiber Substances 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000007423 decrease Effects 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 description 2
- 230000009471 action Effects 0.000 description 2
- 230000035559 beat frequency Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000003628 erosive effect Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000035772 mutation Effects 0.000 description 2
- 230000029058 respiratory gaseous exchange Effects 0.000 description 2
- 230000001020 rhythmical effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 229910052710 silicon Inorganic materials 0.000 description 2
- 239000010703 silicon Substances 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 238000004026 adhesive bonding Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000011900 installation process Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- APTZNLHMIGJTEW-UHFFFAOYSA-N pyraflufen-ethyl Chemical compound C1=C(Cl)C(OCC(=O)OCC)=CC(C=2C(=C(OC(F)F)N(C)N=2)Cl)=C1F APTZNLHMIGJTEW-UHFFFAOYSA-N 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 230000001052 transient 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
- F03D17/00—Monitoring or testing of wind motors, e.g. diagnostics
- F03D17/009—Monitoring or testing of wind motors, e.g. diagnostics characterised by the purpose
- F03D17/013—Monitoring or testing of wind motors, e.g. diagnostics characterised by the purpose for detecting abnormalities or damage
-
- 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
- F03D17/00—Monitoring or testing of wind motors, e.g. diagnostics
- F03D17/009—Monitoring or testing of wind motors, e.g. diagnostics characterised by the purpose
- F03D17/024—Monitoring or testing of wind motors, e.g. diagnostics characterised by the purpose for monitoring sound or acoustic signals
-
- 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
- F05B2260/80—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
- F05B2270/00—Control
- F05B2270/30—Control parameters, e.g. input parameters
- F05B2270/333—Noise or sound levels
-
- 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)
- Mechanical Engineering (AREA)
- Sustainable Development (AREA)
- Sustainable Energy (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- Health & Medical Sciences (AREA)
- Toxicology (AREA)
- Wind Motors (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
一种叶片状态监测方法及装置、存储介质、风力发电机，叶片状态监测方法包括：获取来自传感器阵列的传感数据，所述传感器阵列包括多个传感器，所述多个传感器包括声学传感器，所述传感器阵列设置于风力发电机的叶片内部，所述传感数据包括声音数据；判断所述传感数据中是否存在异常数据，所述异常数据是指数值发生规律变化的传感数据；如果是，则确定所述叶片的状态为开裂。本发明技术方案能够实现监测风力发电机叶片的开裂。
Description
技术领域
本发明涉及数据处理技术领域，尤其涉及一种叶片状态监测方法及装置、存储介质、风力发电机。
背景技术
风力发电***在运行时会受到周边复杂环境状况的影响，由于现在制造和运行的都是巨型风机，叶片长度至少要达100米，因此在生产过程中增加了叶片前缘和后缘在合模时的难度。在腐蚀性气候比较高的风场，如海上风电场，叶片在第三年甚至第二年后便会逐步出现前缘被侵蚀的现象，若前缘侵蚀得不到及时修复，湿气进入前缘空洞、遇到雷击或结冰等现象的发生，进而导致叶片前缘的开裂。一旦叶片前缘开裂出现，必须对风力发电机进行停机修复，不然将可能使叶片开裂的部位持续恶化，裂口持续扩大，最终会导致叶片的报废，从而威胁到生产安全和造成经济损失。相比叶片前缘，叶片的后缘厚度比较薄，由于是背风面，后缘合模处不容易腐蚀开裂，但是在叶尖区域叶片后缘非常薄，因此在运输和安装的过程中，稍有不慎就会造成后缘分层或者开裂。这类叶片后缘损伤一般范围较小，不易被发现，但如果得不到及时修复，也将会使损伤位置沿着叶片弦向撕开，直至大梁，造成严重后果和损失。
目前风电行业内基本没有监测叶片开裂的技术方案，普及化的工业产品还没有形成。
如何监测叶片的开裂是一个亟待解决的问题。
发明内容
本发明解决的技术问题是如何监测风力发电机叶片的开裂。
为解决上述技术问题，本发明实施例提供一种叶片状态监测方法，叶片状态监测方法包括：获取来自传感器阵列的传感数据，所述传感器阵列包括多个传感器，所述多个传感器包括声学传感器，所述传感器阵列设置于风力发电机的叶片内部，所述传感数据包括声音数据；判断所述传感数据中是否存在异常数据，所述异常数据是指数值发生规律变化的传感数据；如果是，则确定所述叶片的状态为开裂。
可选的，所述判断所述传感数据中是否存在异常数据包括：判断所述传感数据中是否存在周期性变化的数据。
可选的，所述叶片状态监测方法还包括：根据所述异常数据的来源传感器的位置确定所述叶片的开裂位置。
可选的，所述异常数据具有幅度和频率，所述根据所述异常数据的来源传感器的位置确定所述叶片的开裂位置包括：确定幅度大于第一预设门限的异常数据，或者频率大于第二预设门限的异常数据的来源传感器的位置，以作为所述开裂位置。
可选的，所述叶片状态监测方法还包括：根据所述异常数据在单位时间内的变化幅度或变化频率确定所述叶片的开裂速度；和/或，根据所述异常数据的幅度、相位或频率确定所述叶片的开裂长度。
可选的，所述根据所述异常数据在单位时间内的变化幅度或变化频率确定所述叶片的开裂速度包括：根据相邻采集时刻上所述异常数据的幅度的差值或者频率的差值确定所述开裂速度，所述差值越大，所述开裂速度越大。
可选的，所述根据所述异常数据的幅度、相位或频率确定所述叶片的开裂长度包括：根据异常的声音数据的幅度或频率确定所述开裂长度，所述异常的声音数据的幅度或频率越大，所述开裂长度越长。
可选的，所述传感器阵列还包括温度传感器和/或气压传感器，所述传感数据包括温度数据和/或气压数据。
可选的，多种传感器交错固定于所述叶片内部或者并列固定于所述叶片内部。
可选的，所述传感器阵列设置于所述叶片的叶根指向叶尖方向上，并固定于所述叶片的前缘位置、后缘位置或者所述叶片内的腹板上。
可选的，所述传感器阵列中多个传感器按照预设距离固定于所述叶片内部。
可选的，所述多个传感器为无源传感器，或者所述多个传感器为MEMS光纤传感器。
为解决上述技术问题，本发明实施例还公开了一种叶片状态监测装置，叶片状态监测装置包括：获取模块，用于获取来自传感器阵列的传感数据，所述传感器阵列包括多个传感器，所述多个传感器包括声学传感器，所述传感器阵列设置于风力发电机的叶片内部，所述传感数据包括声音数据；判断模块，用于判断所述传感数据中是否存在异常数据，所述异常数据是指数值发生规律变化的传感数据；结果确定模块，用于在所述传感数据中存在异常数据时，确定所述叶片的状态为开裂。
本发明实施例还公开了一种存储介质，其上存储有计算机程序，所述计算机程序被处理器运行时执行所述叶片状态监测方法的步骤。
本发明实施例还公开了一种风力发电机，包括：传感器阵列，所述传感器阵列设置于风力发电机的叶片内部；叶片状态监测装置。
本发明实施例还公开了一种存储介质，其上存储有计算机程序，所述计算机程序被处理器运行时执行所述叶片状态监测方法的步骤。
与现有技术相比，本发明实施例的技术方案具有以下有益效果：
本发明技术方案中，通过在叶片内部设置传感器阵列，能够采集叶片内的声音传感数据，通过对声音数据进行分析确定是否存在数值发生规律变化的传感数据，可以判定出叶片是否开裂，实现了对叶片状态的检测，能够及时发现问题，避免叶片开裂带来的安全隐患，保证了风力发电的安全性以及减小设备维护成本。
进一步地，本发明技术方案根据所述异常数据的来源传感器的位置确定所述叶片的开裂位置；和/或，根据所述异常数据在单位时间内的变化幅度或变化频率确定所述叶片的开裂速度；和/或，根据所述异常数据的幅度、相位或频率确定所述叶片的开裂长度。本发明技术方案通过传感数据还能够监测叶片的开裂位置、开裂速度或开裂长度，通过提供多维度的监测结果，为叶片的维护提供参考，进一步保证了风力发电的安全性。
进一步地，传感器阵列中的多个传感器还包括温度传感器和气压传感器，通过采集多个维度的传感数据并用于监测叶片状态，能够保证叶片状态监测的准确性和鲁棒性。
附图说明
图1是本发明实施例一种叶片状态监测***的结构示意图；
图2是本发明实施例一种叶片结构的示意图；
图3是图2所示叶片的剖面结构示意图；
图4是本发明实施例一种叶片状态监测方法的流程图；
图5是本发明实施例一种传感数据的示意图；
图6是本发明实施例另一种传感数据的示意图；
图7是本发明实施例又一种传感数据的示意图；
图8是本发明实施例一种叶片状态监测装置的结构示意图。
具体实施方式
如背景技术中所述，目前风电行业内基本没有监测叶片开裂的技术方案，普及化的工业产品还没有形成。如何监测叶片的开裂是一个亟待解决的问题。
本申请发明人发现，如果风力发电机的叶片出现裂缝，那么在叶片自重及气动力作用下，在叶片转动过程中，裂缝会随叶片旋转方位的不同而张开或闭合，并产生一定节奏性的“拍振”现象。在叶片开裂后，由于裂缝开闭效应会导致声学传感器测量出的叶片气动噪声会发生规律性的变化，因此可以通过监测叶片内声音数据是否发生规律变化来判断叶片的开裂状态。
本发明技术方案中，通过在叶片内部设置传感器阵列，能够采集叶片内的声音传感数据，通过对声音数据进行分析确定是否存在数值发生规律变化的传感数据，可以判定出叶片是否开裂，实现了对叶片状态的检测，能够及时发现问题，避免叶片开裂带来的安全隐患，保证了风力发电的安全性以及减小设备维护成本。
为使本发明的上述目的、特征和优点能够更为明显易懂，下面结合附图对本发明的具体实施例做详细的说明。
图1是本发明实施例一种叶片状态监测***的结构示意图。
所述叶片状态监测***10可以设置于风力发电机内部，例如，传感器阵列设置于风力发电机的叶片内部，监测分析模块设置于轮毂机箱内部。叶片状态监测***10能够适用于具有不同结构的风力发电机的叶片。
需要说明的是，叶片状态监测***10中各个模块也可以根据实际的应用场景设置于风力发电机不同的结构内部，本发明实施例对此不作限制。
具体而言，所述叶片状态监测***10可以包括传感器阵列101和监测分析模块102。监测分析模块102也可以称为叶片状态监测装置。监测分析模块102可以是具有处理器的硬件设备，也可以是芯片或芯片模组，本发明实施例对此不作限制。
其中，传感器阵列101包括多个传感器(也即传感器1、传感器2、…传感器n)，所述多个传感器可以是声学传感器，所述传感器阵列设置于风力发电机的叶片内部，所述传感数据包括声音数据。
在本发明一个变化例中，所述多个传感器还可以包括温度传感器和/或气压传感器，相应地，所述传感数据包括温度数据和/或气压数据。
监测分析模块102用以获取所述传感器阵列采集到的传感数据，并判断传感数据中是否存在异常数据，如果存在异常数据，也即数值发生规律变化的声音数据，则确定所述叶片的状态为开裂。
本实施例中，传感器阵列101能够采集叶片内部的传感数据，例如声音数据、温度数据和/或气压数据。传感器阵列101中多个传感器可以是并联或者串联连接。
具体实施中，传感器阵列101中多个传感器可以是声学传感器、温度传感器、气压传感器及其组合。具体地，传感器阵列101中多个传感器可以是多个声学传感器，也可以是多个温度传感器，还可以是多个气压传感器，还可以是多个声学传感器与多个温度传感器，还可以是多个声学传感器与多个气压传感器，还可以是多个温度传感器与多个气压传感器，还可以是多个是声学传感器、多个温度传感器与多个气压传感器。其中，声学传感器能够采集叶片内的声音数据，温度传感器能够采集叶片内的温度数据，气压传感器能够采集叶片内的气压数据。
在一个变化例中，传感器阵列101中多个传感器还可以是声学传感器、温度传感器和气压传感器中两种或三种传感器组合形成的复合传感器。
需要说明的是，传感器阵列101中传感器的数量可以根据实际的应用场景来设置，例如可以根据叶片的长度以及传感器之间的间隔距离来确定，本发明实施例对此不作限制。
本发明一个非限制性的实施例中，所述传感器阵列设置于所述叶片的叶根指向叶尖方向上，并固定于所述叶片的前缘位置、后缘位置或者所述叶片内的腹板上。
具体请参照图2和图3，图2中示出了叶片的具体结构，图3示出了叶片的剖面图。在叶片的叶根24指向叶尖23方向，或者也可以说叶尖23指向叶根24的方向上，在叶片的前缘21或者叶片的后缘22上固定传感器阵列中的多个传感器。或者，在叶片的腹板28上固定传感器阵列中的多个传感器。
本发明一个非限制性的实施例中，所述传感器阵列中多个传感器按照预设距离固定于所述叶片内部。
具体地，可以通过粘接、螺丝紧固或植入到叶片或/和腹板上对传感器进行安装固定。所述预设距离可以根据实际的应用需求进行设置，例如可以是5米。
本发明一个非限制性的实施例中，所述多个传感器选自声学传感器、温度传感器和气压传感器的两种或三种时，多种传感器交错固定于所述叶片内部或者并列固定于所述叶片内部。
继续参照图2和图3，以传感器阵列包括三种传感器：声学传感器25、温度传感器26和气压传感器27为例进行说明。沿着从叶根24指向叶尖23的方向，在靠近叶片前缘21和后缘22的位置或者叶片的腹板28上，每隔5米，布置气压传感器、温度传感器和气压传感器。声学传感器、温度传感器和气压传感器交错布置或并列布置。声学传感器、温度传感器和气压传感器可以分别通过串联或/和并联的方式组成传感器阵列101。
相应地，传感器阵列101接入位于轮毂机箱内部的监测分析模块102，以便对传感数据进行处理、分析和预警。具体地，监测分析模块102可以获取传感器阵列101采集到的传感数据，并判断所述传感数据中是否存在异常数据，如果存在异常数据，则确定所述叶片的状态为开裂。否则，判断所述叶片的状态为正常。
本发明一个非限制性的实施例中，所述声学传感器、所述温度传感器和气压传感器可以为无源传感器；或者，所述声学传感器、所述温度传感器和气压传感器为微机电***(Micro-Electro-Mechanical System,MEMS)光纤传感器，或者所述声学传感器、所述温度传感器和气压传感器为微光机电***(Micro-Opto-Electro-Mechanical System,MOEMS)传感器,或者所述声学传感器、所述温度传感器和气压传感器为微光机电***(Micro-Opto-Mechanical System,MOMS)传感器。
本发明实施例所称MEMS、MOEMS以及MOMS可以是指同一传感技术。
具体地，MEMS光纤传感技术是建立在微米/纳米机械学、光学基础上的技术。该技术的质量块、弹性支撑体、光学反射微镜、光入射及出射波导***都直接集成在一个微小的芯片上，真正实现了对振动、声音、温度等信号的全光检测和传输。制造出的MEMS芯片具有结构紧凑，一体式封装，参数一致性好，灵敏度高，动态范围大和线性度好等优点。振动频率从0Hz开始时，就具有平坦的频率响应特性，且相位呈线性变化，性能稳定、可靠。
MEMS芯片的硅基敏感结构采用微机电技术集成制造，信号采用光纤检测技术探测和读取，由此其具有MEMS传感技术与光纤传感技术的共同优点。且MEMS光纤传感技术克服了现有传感技术“宽频”与“高精度”的互相制约，其具有无源、宽温、微型化、抗电磁干扰、轻便、易组网和免维护特性，因此，可长期精准测量，降低智慧运维***复杂度和成本。所以，MEMS光纤传感技术非常适用于风力发电行业中对叶片前缘和后缘开裂的实时监测。
本实施例中，无源传感器、MEMS光纤传感、MOEMS以及MOMS技术属于无源探测，即探测端不带电，所以能够抗电磁和雷电，从而能够避免风力发电机在开阔的风场由雷击给探测造成的干扰，甚至损坏，保证监测的正常进行以及准确性。
需要说明的是，MEMS光纤传感器也可以是其他任意可实施的以光纤作为感知或传输介质的单点式传感器或连续分布式传感器，本发明实施例对此不作限制。
请参照图4，本发明实施例还公开了一种叶片状态监测方法。所示叶片状态监测方法的各个步骤可以由图1所示的监测分析模块102来执行。
具体地，所述叶片状态监测方法可以包括以下步骤：
步骤S401：获取来自传感器阵列的传感数据，所述传感器阵列包括多个传感器，所述多个传感器包括声学传感器，所述传感器阵列设置于风力发电机的叶片内部，所述传感数据包括声音数据；
步骤S402：判断所述传感数据中是否存在异常数据，所述异常数据是指数值发生规律变化的传感数据；
步骤S403：如果存在异常数据，则确定所述叶片的状态为开裂。
需要指出的是，本实施例中各个步骤的序号并不代表对各个步骤的执行顺序的限定。
具体地，传感数据可以是实时获取的，也可以是按照预设的时间间隔获取的，所述预设的时间间隔可以是传感器的采样间隔。
如前所述，如果叶片出现裂缝，那么在叶片自重及气动力作用下，在叶片转动过程中，裂缝会随叶片旋转方位的不同而张开或闭合，并产生一定节奏性的“拍振”现象。叶片开裂后，裂缝开闭效应会导致声学传感器测量出的叶片气动噪声会发生变化。也就是说，相较于叶片未开裂前采集的传感数据，叶片开裂后采集到的传感数据会发生变化，发生变化的传感数据可以称为异常数据。
在本发明一个变化例中，由于风电叶片是完全密闭的，且叶片的材质的热传导性很弱，因此叶片内部会形成基本稳态的温度场，叶片开裂形成的裂缝的呼吸效应会导致温度传感器测量出的叶片内部温度发生变化；或者，风电叶片是完全密闭的，叶片内部会形成基本稳态的气压场，叶片开裂形成的裂缝的呼吸效应会导致气压传感器测量出的叶片内部气压发生变化。
故而本实施例能够通过确定传感数据中是否存在异常数据来判定叶片是否开裂。传感数据为声音数据时，异常数据是指数值发生规律变化的传感数据，或者数值发生突变后规律变化的传感数据，例如声音分贝值突然升高后开始周期性变化；传感数据为温度数据或气压数据时，异常数据是指数值发生突变的传感数据。
可以理解的是，本发明实施例所称突变是指在一定时间内数值发生较大变化的情况，具体可以是在预设时间段内数值增大或减小预设门限值。例如，声音数据发生突变可以是声音分贝值瞬间(如单位时间)升高了预设值；温度数据或气压数据发生突变可以是指温度或气压在一定时间内，如20秒内，下降了预设值，温度或气压下降的过程可以是渐变的过程。
在一个具体实施例中，图4所示步骤S402可以包括以下步骤：判断所述传感数据中是否存在周期性变化的数据。
如前所述，叶片开裂后声音数据会发生规律变化，那么本实施例中，可以判断所述传感数据中是否存在周期性变化的数据。周期性数据具有频率和幅度。
具体地，叶片开裂时，声音数据、温度数据和气压数据均会发生变化，那么可以在其中至少一种数据中存在异常数据时，确定叶片开裂。
具体可参照图5，图5所示传感数据为声学传感器采集到的声音数据。横坐标为时间，纵坐标为分贝。在T1时刻，声音数据的分贝值开始发生规律变化，那么可以确定采集到的声音数据中存在异常数据，叶片出现开裂。进一步地，在T2时刻，声音数据的分贝值继续增大，则可以确定叶片开裂的长度在增长。
在本发明另一个具体应用场景中，由于叶片开裂时会产生撕裂声，因此导致叶片开裂时的声音分贝值非常高。由此，在T1时刻，声音数据的分贝值会先升高到一个较大的数值，在T1时刻后再发生规律性的变化。在这种情况下，可以判定叶片发生开裂。
相应地，传感数据为温度数据时，如果温度数据的温度值突降，则可以确定温度数据中存在异常数据，叶片出现开裂。传感数据为气压数据时，如果气压值突降，则可以确定气压数据中存在异常数据，叶片出现开裂。
在本发明一个非限制性的实施例中，所述叶片状态监测方法还可以包括以下步骤：根据所述异常数据的来源传感器的位置确定所述叶片的开裂位置。
本发明实施例通过传感数据还能够监测叶片的开裂位置、开裂速度或开裂长度，通过提供多维度的监测结果，为叶片的维护提供参考，进一步保证了风力发电的安全性。
在本发明一个具体实施例中，确定幅度大于第一预设门限的异常数据，或者频率大于第二预设门限的异常数据的来源传感器的位置，以作为所述开裂位置。
在本发明一个变化例中，如果所述异常数据为温度数据，则确定变化幅度大于第四预设门限的温度数据的来源传感器的位置为所述开裂位置；如果所述异常数据为气压数据，则确定变化幅度大于第三预设门限的气压数据的来源传感器的位置为所述开裂位置。
具体实施中，每一传感器均会采集到对应的传感数据，并且每一传感器具有固定的位置。那么可以根据异常数据的来源传感器，也即采集到异常数据的传感器所在的位置确定开裂位置。
可以理解的是，关于第一预设门限、第二预设门限、第三预设门限以及第四预设门限的具体数值，可以根据实际的应用场景进行设置，本发明实施例对此不作限制。
下面以传感数据为温度数据为例进行说明。本场景中大气温度低于叶片内温度。请一并参照图6。对于设置在叶片内不同位置的温度传感器62、63、64和65，其在各个时刻采集到的温度数据分别如图形a、b、c和d所示，图形a、b、c和d中横坐标为时间，纵坐标为温度。从图形a、b、c和d中可以看出，温度传感器64采集到的温度数据在单位时间内变化幅度最大，并且大于第二预设门限，那么可以确定温度传感器64所处的位置为裂缝区域61。
相应地，传感数据为声音数据以及气压数据时对开裂位置的判断原理类似，此处不再赘述。
在本发明一个具体实施例中，根据所述异常数据在单位时间内的变化幅度或变化频率确定所述叶片的开裂速度。具体地，根据单位时间内所述异常数据的幅度的差值或者频率的差值确定所述开裂速度，所述差值越大，所述开裂速度越大。
在根据异常的声音数据的频率确定所述开裂长度时，所述异常的声音数据的频率越大，所述开裂长度越长；或者，所述异常的声音数据的频率越小，所述开裂长度越长。本发明实施例所称声音数据的频率可以反映叶片转动产生的频率，该频率与叶片的刚度相关，在叶片发生开裂后，叶片的刚度减弱，频率变小。频率越小表示叶片开裂的长度越长。
在根据异常的声音数据的变化相位确定所述叶片的开裂长度时，由于距离开裂位置越远，传感器采集到声音数据的相位也越大，因此，声音数据的相位越大，表示叶片的开裂长度也越长。
具体实施中，可以通过安装在裂缝附近声学传感器所感知的“拍振”频率谱的振幅强度去判定叶片裂缝开裂长度，即裂缝长度越长，异常的声音数据的幅度越大。也可以通过安装在裂缝附近温度传感器所感知的温场变化数量的多少来判定裂缝长度的大小，感知温场的变化的位置相邻的温度传感器数量越多，则叶片裂缝越大，也即采集到异常的温度数据的位置相邻的温度传感器数量越多，则叶片开裂长度越长。还可以通过安装在裂缝附近气压传感器所感知的气压场变化数量的多少来判定裂缝长度的大小，即感知气压场的变化的位置相邻的气压传感器数量越多，则叶片裂缝越大，也即采集到异常的气压数据的位置相邻的气压传感器数量越多，则叶片开裂长度越长。
本发明实施例通过气压传感器所感知的气压变化的剧烈程度来判定叶片裂缝开裂速度；或者，通过温度传感器所感知的温场变化的剧烈程度来判定叶片裂缝开裂速度；或者，通过声学传感器所感知的“拍振”频率谱的单位时间内振幅强度的差值去判定叶片裂缝开裂速度。
下面以传感数据为气压数据为例进行说明，本场景中大气气压低于叶片内气压。一并参照图7，图7所示传感数据为气压传感器采集到的气压数据。横坐标为时间，纵坐标为帕。在单位时间内，叶片内部某一区域的气压变化越大，裂缝开裂速度越快。也就是说，图7中所示气压差值ΔPa越大，开裂速度越大。
类似地，传感数据为声音数据或温度数据时，在单位时间内声音分贝差值或者温度差值越大，叶片开裂的速度越快，本发明实施例在此不再赘述。
在一个非限制性的实施例中，在检测待叶片的状态为开裂后，还可以输出警报信息，如发出警报声或者输出提示文字等，以提示用户叶片开裂。进一步地，还可以将开裂长度、开裂位置和/或开裂速度一并输出，以供用户参考。
请参照图8，本发明实施例还公开了一种叶片状态监测装置80，叶片状态监测装置80可以包括：
获取模块801，用于获取来自传感器阵列的传感数据，所述传感器阵列包括多个传感器，所述多个传感器包括声学传感器，所述传感器阵列设置于风力发电机的叶片内部，所述传感数据包括声音数据；
判断模块802，用于判断所述传感数据中是否存在异常数据，所述异常数据是指数值发生规律变化的传感数据；
结果确定模块803，用于在所述传感数据中存在异常数据时，确定所述叶片的状态为开裂。
关于所述叶片状态监测装置80的工作原理、具体实施方式的更多内容可参照前述实施例，此处不再赘述。
所述叶片状态监测装置80(虚拟装置)例如可以是：芯片、或者芯片模组等。
本发明实施例还公开了一种存储介质，所述存储介质为计算机可读存储介质，其上存储有计算机程序，所述计算机程序运行时可以执行图4中所述方法的步骤。所述存储介质可以包括ROM、RAM、磁盘或光盘等。所述存储介质还可以包括非挥发性存储器(non-volatile)或者非瞬态(non-transitory)存储器等。
本发明实施例还公开了一种风力发电机，风力发电机具有至少一个叶片，例如具有三个叶片，则在每个叶片上均设置所述传感器阵列；所述风力发电机还包括控制器，设置于叶片内或者所述风力发电机的轮毂机箱内部。控制器与存储器连接，存储器用于存储计算机程序，所述计算机程序被处理器运行时用于执行上述方法的步骤
应理解，本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/“，表示前后关联对象是一种“或”的关系。
本申请实施例中出现的“多个”是指两个或两个以上。
本申请实施例中出现的第一、第二等描述，仅作示意与区分描述对象之用，没有次序之分，也不表示本申请实施例中对设备个数的特别限定，不能构成对本申请实施例的任何限制。
本申请实施例中出现的“连接”是指直接连接或者间接连接等各种连接方式，以实现设备间的通信，本申请实施例对此不做任何限定。
应理解，本申请实施例中，所述处理器可以为中央处理单元(central processingunit，简称CPU)，该处理器还可以是其他通用处理器、数字信号处理器(digital signalprocessor，简称DSP)、专用集成电路(application specific integrated circuit，简称ASIC)、现成可编程门阵列(field programmable gate array，简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
还应理解，本申请实施例中的存储器可以是易失性存储器或非易失性存储器，或可包括易失性和非易失性存储器两者。其中，非易失性存储器可以是只读存储器(read-only memory，简称ROM)、可编程只读存储器(programmable ROM，简称PROM)、可擦除可编程只读存储器(erasable PROM，简称EPROM)、电可擦除可编程只读存储器(electricallyEPROM，简称EEPROM)或闪存。易失性存储器可以是随机存取存储器(random accessmemory，简称RAM)，其用作外部高速缓存。通过示例性但不是限制性说明，许多形式的随机存取存储器(random access memory，简称RAM)可用，例如静态随机存取存储器(staticRAM，简称SRAM)、动态随机存取存储器(DRAM)、同步动态随机存取存储器(synchronousDRAM，简称SDRAM)、双倍数据速率同步动态随机存取存储器(double data rate SDRAM，简称DDR SDRAM)、增强型同步动态随机存取存储器(enhanced SDRAM，简称ESDRAM)、同步连接动态随机存取存储器(synchlink DRAM，简称SLDRAM)和直接内存总线随机存取存储器(direct rambus RAM，简称DR RAM)。
上述实施例，可以全部或部分地通过软件、硬件、固件或其他任意组合来实现。当使用软件实现时，上述实施例可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令或计算机程序。在计算机上加载或执行所述计算机指令或计算机程序时，全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以为通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线或无线方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集合的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质。半导体介质可以是固态硬盘。
应理解，在本申请的各种实施例中，上述各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。
在本申请所提供的几个实施例中，应该理解到，所揭露的方法、装置和***，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的；例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式；例如多个单元或组件可以结合或者可以集成到另一个***，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理包括，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。
上述以软件功能单元的形式实现的集成的单元，可以存储在一个计算机可读取存储介质中。上述软件功能单元存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-Only Memory，简称ROM)、随机存取存储器(Random Access Memory，简称RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
虽然本发明披露如上，但本发明并非限定于此。任何本领域技术人员，在不脱离本发明的精神和范围内，均可作各种更动与修改，因此本发明的保护范围应当以权利要求所限定的范围为准。
Claims (15)
1.一种叶片状态监测方法，其特征在于，包括：
获取来自传感器阵列的传感数据，所述传感器阵列包括多个传感器，所述多个传感器包括声学传感器，所述传感器阵列设置于风力发电机的叶片内部，所述传感数据包括声音数据；
判断所述传感数据中是否存在异常数据，所述异常数据是指数值发生规律变化的传感数据；
如果存在异常数据，则确定所述叶片的状态为开裂。
2.根据权利要求1所述的叶片状态监测方法，其特征在于，所述判断所述传感数据中是否存在异常数据包括：
判断所述传感数据中是否存在周期性变化的数据。
3.根据权利要求1所述的叶片状态监测方法，其特征在于，还包括：
根据所述异常数据的来源传感器的位置确定所述叶片的开裂位置。
4.根据权利要求3所述的叶片状态监测方法，其特征在于，所述异常数据具有幅度和频率，所述根据所述异常数据的来源传感器的位置确定所述叶片的开裂位置包括：
确定幅度大于第一预设门限的异常数据，或者频率大于第二预设门限的异常数据的来源传感器的位置，以作为所述开裂位置。
5.根据权利要求1所述的叶片状态监测方法，其特征在于，还包括：
根据所述异常数据在单位时间内的变化幅度或变化频率确定所述叶片的开裂速度；
和/或，根据所述异常数据的幅度、相位或频率确定所述叶片的开裂长度。
6.根据权利要求5所述的叶片状态监测方法，其特征在于，所述根据所述异常数据在单位时间内的变化幅度或变化频率确定所述叶片的开裂速度包括：
根据相邻采集时刻上所述异常数据的幅度的差值或者频率的差值确定所述开裂速度，所述差值越大，所述开裂速度越大。
7.根据权利要求5所述的叶片状态监测方法，其特征在于，所述根据所述异常数据的幅度、相位或频率确定所述叶片的开裂长度包括：
根据异常的声音数据的幅度或频率确定所述开裂长度，所述异常的声音数据的幅度或频率越大，所述开裂长度越长。
8.根据权利要求1所述的叶片状态监测方法，其特征在于，所述传感器阵列还包括温度传感器和/或气压传感器，所述传感数据包括温度数据和/或气压数据。
9.根据权利要求8所述的叶片状态监测方法，其特征在于，多种传感器交错固定于所述叶片内部或者并列固定于所述叶片内部。
10.根据权利要求1所述的叶片状态监测方法，其特征在于，所述传感器阵列设置于所述叶片的叶根指向叶尖方向上，并固定于所述叶片的前缘位置、后缘位置或者所述叶片内的腹板上。
11.根据权利要求1所述的叶片状态监测方法，其特征在于，所述传感器阵列中多个传感器按照预设距离固定于所述叶片内部。
12.根据权利要求1所述的叶片状态监测方法，其特征在于，所述多个传感器为无源传感器，或者所述多个传感器为MEMS光纤传感器。
13.一种叶片状态监测装置，其特征在于，包括：
获取模块，用于获取来自传感器阵列的传感数据，所述传感器阵列包括多个传感器，所述多个传感器包括声学传感器，所述传感器阵列设置于风力发电机的叶片内部，所述传感数据包括声音数据；
判断模块，用于判断所述传感数据中是否存在异常数据，所述异常数据是指数值发生规律变化的传感数据；
结果确定模块，用于在所述传感数据中存在异常数据时，确定所述叶片的状态为开裂。
14.一种存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器运行时执行权利要求1至12中任一项所述叶片状态监测方法的步骤。
15.一种风力发电机，包括叶片，其特征在于，包括：
传感器阵列，所述传感器阵列设置于风力发电机的叶片内部；
控制器，与所述传感器阵列耦接，所述控制器用于执行权利要求1至12任一项所述叶片状态监测方法。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110065293.1A CN114810504B (zh) | 2021-01-18 | 2021-01-18 | 叶片状态监测方法及装置、存储介质、风力发电机 |
| EP21215795.2A EP4030054A1 (en) | 2021-01-18 | 2021-12-20 | Blade state monitoring method and device, storage medium, and wind power generator |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110065293.1A CN114810504B (zh) | 2021-01-18 | 2021-01-18 | 叶片状态监测方法及装置、存储介质、风力发电机 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114810504A true CN114810504A (zh) | 2022-07-29 |
| CN114810504B CN114810504B (zh) | 2023-04-28 |
Family
ID=78957468
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110065293.1A Active CN114810504B (zh) | 2021-01-18 | 2021-01-18 | 叶片状态监测方法及装置、存储介质、风力发电机 |
Country Status (2)
| Country | Link |
|---|---|
| EP (1) | EP4030054A1 (zh) |
| CN (1) | CN114810504B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115750229A (zh) * | 2022-11-10 | 2023-03-07 | 中国华能集团清洁能源技术研究院有限公司 | 一种基于多源传感的风电机组全状态监测*** |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| GB0800280D0 (en) * | 2004-07-15 | 2008-02-13 | Ultra Electronics Ltd | Correlating structural damage with causal modes of structure use |
| US20100030493A1 (en) * | 2007-02-02 | 2010-02-04 | The Secretary, Department Of Atomic Energy, Govt. Of India | Method for non-intrusive on-line detection of turbine blade condition |
| WO2012139592A2 (en) * | 2011-04-13 | 2012-10-18 | Vestas Wind Systems A/S | Wind turbine including optical sensor system |
| CN203685475U (zh) * | 2011-01-31 | 2014-07-02 | 通用电气公司 | 风力涡轮机控制***及风力涡轮机*** |
| WO2015065873A2 (en) * | 2013-10-28 | 2015-05-07 | University Of Massachusetts | Structural health monitoring of wind turbine blades using wireless acoustic sensing |
| US20170097323A1 (en) * | 2015-10-05 | 2017-04-06 | General Electric Company | System and method for detecting defects in stationary components of rotary machines |
| CN108760187A (zh) * | 2018-06-29 | 2018-11-06 | 江苏金风科技有限公司 | 叶片开裂状态监测方法、监测***及叶片 |
| CN109209783A (zh) * | 2018-09-18 | 2019-01-15 | 远景能源（江苏）有限公司 | 一种基于噪声检测叶片的雷击损伤的方法及装置 |
| JP2019074060A (ja) * | 2017-10-19 | 2019-05-16 | 日本精工株式会社 | 風力発電用風車の状態監視装置、状態監視方法、及び状態監視システム |
| US20200400127A1 (en) * | 2019-06-24 | 2020-12-24 | Mistras Group, Inc. | Wind turbine blade monitoring systems |
-
2021
- 2021-01-18 CN CN202110065293.1A patent/CN114810504B/zh active Active
- 2021-12-20 EP EP21215795.2A patent/EP4030054A1/en active Pending
Patent Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| GB0800280D0 (en) * | 2004-07-15 | 2008-02-13 | Ultra Electronics Ltd | Correlating structural damage with causal modes of structure use |
| US20100030493A1 (en) * | 2007-02-02 | 2010-02-04 | The Secretary, Department Of Atomic Energy, Govt. Of India | Method for non-intrusive on-line detection of turbine blade condition |
| CN203685475U (zh) * | 2011-01-31 | 2014-07-02 | 通用电气公司 | 风力涡轮机控制***及风力涡轮机*** |
| WO2012139592A2 (en) * | 2011-04-13 | 2012-10-18 | Vestas Wind Systems A/S | Wind turbine including optical sensor system |
| EP2697613A2 (en) * | 2011-04-13 | 2014-02-19 | Vestas Wind Systems A/S | Wind turbine including optical sensor system |
| US20140054894A1 (en) * | 2011-04-13 | 2014-02-27 | Vestas Wind Systems A/S | Wind turbine including optical sensor system |
| WO2015065873A2 (en) * | 2013-10-28 | 2015-05-07 | University Of Massachusetts | Structural health monitoring of wind turbine blades using wireless acoustic sensing |
| US20170097323A1 (en) * | 2015-10-05 | 2017-04-06 | General Electric Company | System and method for detecting defects in stationary components of rotary machines |
| JP2019074060A (ja) * | 2017-10-19 | 2019-05-16 | 日本精工株式会社 | 風力発電用風車の状態監視装置、状態監視方法、及び状態監視システム |
| CN108760187A (zh) * | 2018-06-29 | 2018-11-06 | 江苏金风科技有限公司 | 叶片开裂状态监测方法、监测***及叶片 |
| CN109209783A (zh) * | 2018-09-18 | 2019-01-15 | 远景能源（江苏）有限公司 | 一种基于噪声检测叶片的雷击损伤的方法及装置 |
| US20200400127A1 (en) * | 2019-06-24 | 2020-12-24 | Mistras Group, Inc. | Wind turbine blade monitoring systems |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114810504B (zh) | 2023-04-28 |
| EP4030054A1 (en) | 2022-07-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US7895018B2 (en) | Event monitoring via combination of signals | |
| EP2133562B1 (en) | Method and apparatus for measuring air flow condition at a wind turbine blade | |
| EP2374010B1 (en) | Turbulence sensor and blade condition sensor system | |
| ES2727248T3 (es) | Procedimiento y dispositivo para el monitoreo de estado de palas de rotor | |
| DK2956661T3 (en) | PROCEDURE FOR CONTROL OF OPERATION OF A WINDMILL AND WINDMILL | |
| EP2486270B1 (en) | Rotor blade control based on detecting turbulence | |
| US9523354B2 (en) | Ice detection method and system for wind turbine blades | |
| JP6440367B2 (ja) | 風車翼の損傷検知方法及び風車 | |
| EP2746885A1 (en) | Method of monitoring the condition of a wind turbine | |
| JP6329338B2 (ja) | ステータベーンの健全性を監視するためのシステムおよび方法 | |
| US10233907B2 (en) | Operating a wind turbine by reducing an acoustic emission during operation | |
| EP2593671B1 (en) | Method and system for monitoring bending strain on wind turbine blades | |
| US10844842B2 (en) | Abnormality monitoring apparatus and abnormality monitoring method for wind farm | |
| US10018596B2 (en) | System and method for monitoring component health using resonance | |
| EP3642481B1 (en) | A method for determining wind turbine blade edgewise load recurrence | |
| CN114810504A (zh) | 叶片状态监测方法及装置、存储介质、风力发电机 | |
| EP4212722A1 (en) | Abnormality determination method for wind power generation device. abnormality determination system for wind power generation device, and abnormality determination program for wind power generation device | |
| Bertagnolio et al. | Aerodynamic noise characterization of a full-scale wind turbine through high-frequency surface pressure measurements | |
| CN114941610B (zh) | 风机叶片根部螺栓监测方法及监测*** | |
| CN113504302B (zh) | 风机叶片状态监测的方法、***、电子设备及存储介质 | |
| Myrent et al. | A robust algorithm to detecting wind turbine blade health using vibro-acoustic modulation and sideband spectral analysis | |
| Hoell et al. | Damage detection in a wind turbine blade based on time series methods | |
| CN115126665A (zh) | 风力发电机的风机叶片监测方法及装置、存储介质、风力发电机 | |
| EP3073241A1 (en) | Analyzing the boundary layer of a rotor blade | |
| CN114790967A (zh) | 风力发电机的风机叶片监测方法及装置、存储介质、风力发电机 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |