一种风力发电机组在线状态监测和故障诊断方法

    公开(公告)号:CN107524572A

    公开(公告)日:2017-12-29

    申请号:CN201610460845.8

    申请日:2016-06-22

    IPC分类号: F03D17/00

    CPC分类号: F05B2260/80 F05B2270/404

    摘要: 本发明提出一种风力发电机组在线状态监测和故障诊断方法,采用无迹卡尔曼方法对作为状态量、输入量和测量量的SCADA数据进行处理,获得所述状态量当前的预测值;计算所述状态量当前的预测值与SCADA数据中所述状态量的实测值之间的差值作为第一差值,当所述第一差值超过阈值时,则当前报警故障需要维修。本发明方法采集数据量小,可实时在线检测机组故障,可靠性强,运行成本低。

    一种中型低速永磁直驱风电机组及其参数自学习控制方法

    公开(公告)号:CN106837704A

    公开(公告)日:2017-06-13

    申请号:CN201710247830.8

    申请日:2017-04-17

    发明人: 邓英

    IPC分类号: F03D9/25 F03D7/00

    摘要: 本发明提出一种中型低速永磁直驱风电机组及其参数自学习控制方法,属风力发电技术领域。低速永磁直驱风电机组的结构(如图1所示)包括风轮‑1、主轴‑2、主轴承座‑3、主机架‑4、低速盘式永磁电机‑5、低速轴刹车‑6、变桨拖动系统‑7、偏航拖动系统‑8、机舱罩‑9。风电机组控制运行采用参数自学习算法,运用BP神经网络对控制系统的控制参数桨距角β、转速ω、转矩q和功率p进行预测,通过预测值确定控制目标,完成变速和变矩控制。本发明相比于传统低速盘式永磁风电机组,降低了永磁电机受震动引起消磁造成发电量下滑甚至无法发电的风险、减少了主轴等承重部件,主机架可以采用轻型焊接结构,从而降低生产成本,维护简便。

    风力涡轮机处的风况评估
    28.
    发明授权

    公开(公告)号:CN103026266B

    公开(公告)日:2015-06-24

    申请号:CN201180035618.6

    申请日:2011-06-16

    发明人: M·埃文斯

    IPC分类号: G01W1/10 F03D7/04

    摘要: 通过汇集来自一个或多个传感器的数据用作训练数据来评估吹袭风力涡轮机的极端阵风风险。这一数据是在一定时间周期内采集的,并通过统计学度量转换成既定时间周期的特征向量。形成若干特征区带,每一区带涉及不同的风险评估结果,将每一特征向量分配给一个风险类别。参考采集数据时一个或多个选定涡轮机参数的值定义风险类别。由来自既定类别中的特征向量的距离的度量,例如,平均值和协方差形成特征区带。通过测量实况数据的特征向量与每一区带的中心的马哈拉诺比斯距离对实况数据进行处理,并将极端阵风风险评估为与之具有最低马哈拉诺比斯距离的特征区带的风险。