[发明专利]一种大型风力发电机组安全保护方法及系统有效

专利信息
申请号: 201911116336.3 申请日: 2019-11-15
公开(公告)号: CN110778451B 公开(公告)日: 2021-11-23
发明(设计)人: 张坤;曾一鸣;宁琨;郭自强;王清照;杨鹤立;李玉霞;廖如霞;贾君实;苏坤林 申请(专利权)人: 东方电气风电有限公司
主分类号: F03D7/00 分类号: F03D7/00;F03D17/00
代理公司: 成都九鼎天元知识产权代理有限公司 51214 代理人: 李想
地址: 618099 四*** 国省代码: 四川;51
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 大型 风力 发电 机组 安全 保护 方法 系统
【权利要求书】:

1.一种大型风力发电机组安全保护方法,其特征在于,该方法包括以下步骤:

(A)实时获取风力发电机组的叶根扭矩相关数据文件,从主控模块通过电流实时值进行计算以获取的风力发电机组的叶根扭矩相关数据;

(B)对获取的叶根扭矩相关数据文件进行数据建模;

(C)通过算法模型实时计算风力发电机组的叶轮转速数据;

(D)根据叶轮转速数据,判断叶轮转速是否超速;

(E)若判断叶轮转速处在超速运行状态,则立即发出相应的收桨停机信号,对风力发电机组进行实时安全保护;

(F)根据实时的叶轮转速数据,通过规则抽象法对传感器实时叶轮转速数据值进行校正。

2.根据权利要求1所述的大型风力发电机组安全保护方法,其特征在于,所述步骤(B)中的数据建模包括数据分析和数值计算。

3.根据权利要求2所述的大型风力发电机组安全保护方法,其特征在于,所述数据分析包括:对实时获取的风力发电机组的叶根扭矩相关数据文件进行数据分析,并生成数据分析结果;

所述数值计算包括:根据数据分析结果,通过数值计算方法,得到风力发电机组实时的叶轮转速数据。

4.根据权利要求3所述的大型风力发电机组安全保护方法,其特征在于,所述数据分析通过机器学习算法,对步骤(A)中风力发电机组的多个叶根扭矩相关数据文件分别进行数据分析,并得到相对应的数据分析结果。

5.根据权利要求3所述的大型风力发电机组安全保护方法,其特征在于,所述数值计算通过相应的数值计算方法,对数据分析结果进行计算,得到相对应的实时风力发电机组的叶轮转速数据。

6.根据权利要求1所述的大型风力发电机组安全保护方法,其特征在于,所述步骤(D)包括:根据所述叶轮转速数据,并通过规则抽象法对叶轮转速是否超过最大安全阈值转速进行判断。

7.根据权利要求6所述的大型风力发电机组安全保护方法,其特征在于,所述规则抽象法为专家经验法或机器学习算法。

8.一种大型风力发电机组安全保护系统,其特征在于,包括信号采集装置、数据存储与管理装置、数据处理装置、超速判断装置、风力发电机组主控装置和故障诊断模块;

所述信号采集装置用于在风力发电机组运行过程中实时获取叶根扭矩相关数据文件,叶根扭矩相关数据文件是根据从风力发电机组主控装置通过电流实时值进行计算以实时获取的;

所述数据存储与管理装置对当前实时获取的叶根扭矩相关数据文件进行数据存储与管理;

所述数据处理装置对当前采集的叶根扭矩相关数据文件进行数据分析,得到相对应的实时风力发电机组的叶轮转速数据;

所述超速判断装置用于对叶轮转速数据进行判断,判断是否超过最大安全阈值转速;

所述风力发电机组主控装置用于在判断存在叶轮转速超速的情况下,将超速信号变为收桨停机信号,并向风场中控室发出叶轮转速超速报警信号;

所述故障诊断模块获取收桨停机信号,执行收桨停机动作,对风力发电机组进行安全保护。

9.根据权利要求8所述的大型风力发电机组安全保护系统,其特征在于,所述数据处理装置中内置有机器学习算法和数值分析算法;所述超速判断装置中内置有专家经验法或机器学习算法。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

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东方电气风电有限公司,未经东方电气风电有限公司许可,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/201911116336.3/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top