简介:摘要当前由于能源和环境等诸多问题的影响,风力发电作为一种清洁能源和可再生能源而受到全球性的广泛关注和高度重视。风力发电机组空气动能的利用情况跟桨叶的制造工艺有着直接相连的关系,对发电量有着极其重要的影响。一般对叶片的要求有(1)比重轻且具有最佳的抗疲劳强度和机械性能,能经受暴风等极端恶劣条件和随机负荷的考验;(2)叶片的弹性、旋转时的惯性较好,振动频率特性曲线都正常,传递给整个发电系统的负荷稳定性好;(3)耐腐蚀、紫外线照射和雷击的性能好,发电成本较低,维护费用最低。
简介:摘要:大型风电机组叶片重量、长度的增长给叶片的维护带来了挑战,传统风机叶片检测方法使用高倍望远镜对其表面进行观测费时费力无法满足大面积检测要求,同时难以对风机表面的破损情况做出精确判断,且无法形成图像资料。采用无人机搭载高清摄像头对风机叶片表面进行检测能够更好的克服上述问题,实现风机叶片表面低成本、低强度、快速化式巡检,从而尽早发现叶片表面的损伤并及时处理。但应用无人机对风力发电机进行自主巡视时,由于风力发电机停机后其桨叶位置随机,使用固定巡检路线对其进行自主巡检的方法不可行。若想要更加精准的确定无人机巡检路线,需对风机桨叶叶尖进行精准定位。
简介:摘要:汽轮机叶片是发电机组关键部件,在运行机组中,汽轮机叶片由于设计选型,制造工艺、材料质量等因素影响,造成叶片断裂事故发生,严重影响汽轮机设备可靠性,威胁汽轮机运行安全,如果叶片内部发生裂纹、汽蚀等严重缺陷,高速转运后出现机械性能偏差,容易发生大事故,因此对叶片进行诊断监督、预防性检查是确保机组安全运行重要手段,为了提高核电汽轮机叶片常发损坏事件,本文讲述汽轮机叶片诊断与寿命分析。
简介:摘要:当今,风电作为一种可再生、清洁的能源,其应用在全球范围内得到广泛推广。然而,风电机组叶片作为风电设备的关键部件,由于其长时间在复杂恶劣的自然环境中运行,容易发生疲劳损伤。这种疲劳损伤不仅会降低风电机组的运行效率,还可能导致叶片断裂等严重事故,对风电站的安全运行构成威胁。因此,对风电机组叶片的健康监测和疲劳损伤的预警显得至关重要,可帮助人们提前了解叶片的健康状态,预防可能发生的故障或事故,并采取措施延长风电机组的使用寿命,提高风电站的运行效率。在此背景下,噪音检测作为一种非侵入式的检测技术,在风电机组叶片健康监测中的应用越来越受关注。通过分析风电机组的噪音信号可获取叶片的健康状态信息,从而提前发现并处理叶片的异常状况。