[发明专利]叶片异常的预警方法、装置、设备、介质及风力发电机组有效
| 申请号: | 201810531904.5 | 申请日: | 2018-05-29 |
| 公开(公告)号: | CN110541794B | 公开(公告)日: | 2020-07-31 |
| 发明(设计)人: | 郝吉芳;贾志强;刘芳 | 申请(专利权)人: | 北京金风慧能技术有限公司 |
| 主分类号: | F03D17/00 | 分类号: | F03D17/00;F03D80/00 |
| 代理公司: | 北京东方亿思知识产权代理有限责任公司 11258 | 代理人: | 贺琳 |
| 地址: | 100176 北京市大兴区经济*** | 国省代码: | 北京;11 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 叶片 异常 预警 方法 装置 设备 介质 风力 发电 机组 | ||
1.一种叶片异常的预警方法,其特征在于,包括:
获取风力发电机组的振动数据和风速数据;
基于所述振动数据确定用于表征所述叶片运行特征的第一特征数据;
基于所述风速数据确定用于表征所述叶片所处位置环境特征的第二特征数据;
将所述第一特征数据和所述第二特征数据的多项式组合,作为用于表征所述叶片非周期性运动载荷特征的第三特征数据;
基于所述第三特征数据,确定用于表征所述叶片非周期性运动载荷特征分布的特征数据;
在确定所述表征所述叶片非周期性运动载荷特征分布的特征数据中大于预设数据阈值的比例高于预设比例阈值时,进行叶片异常预警。
2.根据权利要求1所述的方法,其特征在于,所述基于所述振动数据确定用于表征所述叶片运行特征的第一特征数据,包括:
在获取到的振动数据中,截取第一预设时长的振动数据;
采用滑动窗切分的方式,将截取的第一预设时长的振动数据切分为多个振动数据窗口,其中,每个振动数据窗口中包括第二预设时长的振动数据,所述第一预设时长大于所述第二预设时长;
基于所述多个振动数据窗口,确定用于表征所述叶片运行特征的第一特征数据。
3.根据权利要求2所述的方法,其特征在于,所述基于所述多个振动数据窗口,确定用于表征所述叶片运行特征的第一特征数据,包括:
对每个振动数据窗口中的振动数据进行量化处理;
以每个振动数据窗口中每个量化处理后的振动数据作为词语,每个振动数据窗口作为文档,采用词频-逆向文档频率算法计算每个振动数据窗口中每个量化处理后的振动数据的权重值,得到每个振动数据窗口对应的振动数据权重值窗口;
计算多个振动数据权重值窗口中相同位置处多个权重值的平均值,得到振动数据平均权重值窗口;
计算每个振动数据权重值窗口与所述振动数据平均权重值窗口之间的矢量距离,并将计算得到的矢量距离作为每个振动数据权重值窗口对应的振动数据窗口中用于表征所述叶片运行特征的第一特征数据。
4.根据权利要求2所述的方法,其特征在于,所述基于所述风速数据确定用于表征所述叶片所处位置环境特征的第二特征数据,包括:
在获取到的风速数据中,截取所述第一预设时长的风速数据,其中,截取风速数据的起止时刻与截取振动数据的起止时刻相同;
采用滑动窗切分的方式,将截取的第一预设时长的风速数据切分为多个风速数据窗口,其中,每个风速数据窗口中包括所述第二预设时长的风速数据;
基于所述多个风速数据窗口,确定用于表征所述叶片所处位置环境特征的第二特征数据。
5.根据权利要求4所述的方法,其特征在于,所述基于所述多个风速数据窗口,确定用于表征所述叶片所处位置环境特征的第二特征数据,包括:
对每个风速数据窗口中的风速数据进行量化处理;
以每个风速数据窗口中每个量化处理后的风速数据作为词语,每个风速数据窗口作为文档,采用词频-逆向文档频率算法计算每个风速数据窗口中每个量化处理后的风速数据的权重值,得到每个风速数据窗口对应的风速数据权重值窗口;
计算多个风速数据权重值窗口中相同位置处多个权重值的平均值,得到风速数据平均权重值窗口;
计算每个风速数据权重值窗口与所述风速数据平均权重值窗口之间的矢量距离,并将计算得到的矢量距离作为每个风速数据权重值窗口对应的风速数据窗口中用于表征所述叶片所处位置环境特征的第二特征数据。
6.根据权利要求5所述的方法,其特征在于,所述第一特征数据包括第一方向上的特征数据和第二方向上的特征数据;
所述将所述第一特征数据和所述第二特征数据的多项式组合,作为用于表征所述叶片非周期性运动载荷特征的第三特征数据,包括:
将第一组合数据和第二组合数据中的最大值作为用于表征所述叶片非周期性运动载荷特征的第三特征数据,其中,所述第一组合数据为所述第一方向上的特征数据与所述第二特征数据的多项式组合,所述第二组合数据为所述第二方向上的特征数据与所述第二特征数据的多项式组合。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京金风慧能技术有限公司,未经北京金风慧能技术有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201810531904.5/1.html,转载请声明来源钻瓜专利网。





