一种基于净空及声振监测的风电机组叶片损伤预警方法技术

提供一种基于净空及声振监测的风电机组叶片损伤预警方法，包括实时监测叶片的净空、声振数据以及与叶片运行相关的SCADA数据；当检测到存在指标异常时，开始记录、分析此后连续10分钟的数据指标并与对应的限定区间阈值对比，判断叶片是否存在损伤，同时利用SCADA数据提高叶片监测的准确率，并确认叶片预警位置；综合分析净空及声振的预警信息确定叶片的损伤类型及损伤程度。采用本发明专利技术示例性实施例的叶片损伤预警方法与装置，能够根据获取的净空、声振以及SCADA数据实时进行叶片损伤预警，同时准确、高效地检测出叶片损伤位置、损伤类型及损伤程度。从而及时有效地启动风电机组保护机制，降低风力发电机管理部署和运维成本。降低风力发电机管理部署和运维成本。

【技术实现步骤摘要】
一种基于净空及声振监测的风电机组叶片损伤预警方法


[0001]本专利技术涉及风力发电
，更具体的涉及一种基于净空及声振监测的风电机组叶片损伤预警方法。

技术介绍

[0002]随着风力发电机叶片长度的增加，叶片的柔性越来越大，刚度随之越来越小。叶片在运行过程中会产生更大的形变量，在某些极端工况下，叶片会达到塔筒产生扫塔现象，使风电机组收到损伤。为了避免叶片与塔筒间的运动干涉，及时发现叶片的损伤部位保证发电机组安全运行，需要有效地在线监测手段实时监测叶片的运行。
[0003]当前风机叶片净空监测方案较少，包括机舱安装测距仪方案、机舱安装摄像头方案、塔筒周围安装多个毫米波雷达方案，这些方法大多结构复杂、可靠性难以保证、且需要较大的数据计算资源，高度依赖算法的实现，不利于推广应用；风机叶片声振监测的方案主要包含振动监测与声发射方案、红外成像监测方案、内置传感器监测方案等，其中振动监测和声发射方案需要在叶片上打孔安装传感器，且数量安装较多，后期维护较为困难。红外成像监测对于叶片损伤程度较深的位置检测灵敏度不高，对叶片的实时监测有一定困难。超声波监测方案适用于出厂前的离线监测，由于叶片不同部位的差异性，需要布置不同频率的超声波探头，检测周期长。
[0004]一直以来，业界缺乏高效的叶片工作状态监测方案，近年来有人提出采用视频采集、激光及毫米波雷达获取净空距离，采用传感器监测声音及叶片振动数据，但这类方案均是采用监测叶片的某一状态参量，存在漏报、准确率低等问题，影响整个风机的运转效率及管理成本，因此急需提供一种综合监测净空、声振的叶片损伤预警方法与装置，提高监测效率、准确率，降低运维成本。
[0005]例如，一种在中国专利文献上公开的“一种风电机组叶片损伤情况检测装置”，其公告号CN109540190A，包括检测探头；还包括叶片、前固定板、后固定板、两组滑杆、第一滑块、第一连接板、第二连接板、第三连接板、往复丝杠、连接杆、第二滑块、传动皮带、连接轴、上支板、下支板、第一滚珠轴承、第二滚珠轴承、支撑轮、永磁铁、电磁铁、第三滚珠轴承、第一皮带轮、第四滚珠轴承、第五滚珠轴承、套管和第二皮带轮，第一皮带轮与第二皮带轮通过传动皮带传动连接，检测探头安装于第二滑块的左端且位于叶片的右侧，并且可以对检测探头的移动进行精准控制，从而提高对叶片的检测效果，提高实用性。然而仍然无法实时监测叶片的状态，并且对叶片的异常状态进行预警。

技术实现思路

[0006]本专利技术主要针对现有技术的缺点和不足，提出了一种基于净空及声振监测的风电机组叶片损伤预警方法，实时获取的净空、声振以及SCADA数据并对叶片损伤进行预警，同时准确、高效地检测叶片损伤位置、损伤类型及损伤程度，实现对叶片各个状态的有效实时监测，保障风电机组的正常运行；从而及时有效地启动风电机组保护机制，降低风力发电机
管理部署和运维成本。
[0007]本专利技术的上述技术问题主要是通过下述技术方案得以解决的：一种基于净空及声振监测的风电机组叶片损伤预警方法，所述方法包括如下步骤：步骤S1、分别实时监测风力发电机叶片净空、声音、振动数据，并同时读取对应时间段内的SCADA数据；步骤S2、当检测到叶片某一指标异常时，开始记录并分析特定时间段内的叶片数据，并跳转至步骤S3；当分析结果无异常时，保持实时监测叶片状态;步骤S3、当分析结果为异常时，通过综合分析各指标与限定区间阈值参数的偏离程度，判断叶片损伤位置、损伤类型及损伤程度。
[0008]根据获取的净空、声振以及SCADA数据实时进行叶片损伤预警，同时准确、高效地检测出叶片损伤位置、损伤类型及损伤程度。从而及时有效地启动风电机组保护机制，降低风力发电机管理部署和运维成本。
[0009]作为优选，获取叶片用于预警分析的数据步骤包括：步骤S21、对获取的净空提取最小净空；步骤S22、对获取的声音数据提取哨声因子、信噪比；步骤S23、对获取的振动数据提取信噪比因子、均值、均方差、方差、频谱、边际频谱、模态因子；步骤S24、读取风电机组与叶片运行相关的SCADA数据参数。
[0010]获取各个检测判断所需的数值，实时获取相应的数据，提取所需数据后用于判断异常状态。
[0011]作为优选，判断指标包括净空、哨声因子、信噪比、均值、均方差、方差、频谱、模态因子以及与叶片运行相关的SCADA指标。
[0012]作为优选，所述步骤S2中，当检测到存在异常时，记录并分析此后特定时间段内的数据，若判断为偶然的异常，则释放此时的内存并再次进行叶片状态监测。偶然异常可能发生在任何时候，然而偶然异常会占据内存数据，影响整体的检测效果，甚至可能出现错误的预警信号。因此需要先行清除掉偶然的异常数据。
[0013]作为优选，叶片损伤监测的综合分析形式包括以下指标的任一及任意组合：净空、声音监测指标、振动指标以及SCADA指标。对数据进行多次组合评判，多组数据评判可以得到相对客观的结果。
[0014]作为优选，根据不同的指标判断风力发电机叶片损伤的位置、类型；根据各指标的数值大小以及偏离参考曲线的程度判断叶片损伤程度；不同的限定区间参考阈值其数值以及形式不同，可以为固定值或连续变化的参考曲线。
[0015]作为优选，所述特定运行数据为预定时间段内的数据或数据量小于预定值的数据，通过采集双重的数据，得到特殊的运行数据，并且可以通过数据量进行判断。
[0016]作为优选，获取叶片净空、声振数据以及SCADA数据是同步的。同步获取同步组合和检测，实现异常的实时监测。
[0017]本专利技术的有益效果是：本专利技术能够快速、实时、准确的根据采集数据分析叶片的损伤位置、损伤类型以及
损伤等级，从而有效地降低部署管理和运维成本。
附图说明
[0018]通过下面结合示例性地示出实施例的附图进行的详细描述。
[0019]图1为本专利技术的风力发电机叶片损伤预警方法的流程图；图2为正常净空值图；图3为正常声振数据图；图4为异常净空值图；图5为异常声振数据图；图6为本专利技术的风力发电机叶片损伤预警装置的布置图；图7为本专利技术的风力发电机叶片损伤预警装置采集模块示意图；图中：1
‑
采集盒；2
‑
声音传感器；3
‑
激光雷达；4
‑
声音传感器；5声音传感器；6
‑
声音传感器。
具体实施方式
[0020]一般的风力发电机叶片数量是3片，但是本方案提出的风力发电机叶片损伤预警方法及装置可适用于任何数量叶片的风力发电机。现在，将参照附图更充分地描述不同的示例实施例。
[0021]图1示出根据本专利技术示例性实施例的风力发电机组叶片损伤预警方法的流程图。
[0022]参照图1，在步骤S10中，实时监测风力发电机叶片净空、声音、振动数据，并同时读取对应时间段内的SCADA数据。
[0023]在步骤S20中，把实时检测到的净空与最小净空阈值对比，如图2；把实时监测到的声振数据进行处理，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于净空及声振监测的风电机组叶片损伤预警方法，其特征在于：所述方法包括如下步骤：步骤S1、分别实时监测风力发电机叶片净空、声音、振动数据，并同时读取对应时间段内的SCADA数据；步骤S2、当检测到叶片某一指标异常时，开始记录并分析特定时间段内的叶片数据，并跳转至步骤S3；当分析结果无异常时，保持实时监测叶片状态;步骤S3、当分析结果为异常时，通过综合分析各指标与限定区间阈值参数的偏离程度，判断叶片损伤位置、损伤类型及损伤程度。2.根据权利要求1所述的一种基于净空及声振监测的风电机组叶片损伤预警方法，其特征在于：获取叶片用于预警分析的数据步骤包括：步骤S21、对获取的净空提取最小净空；步骤S22、对获取的声音数据提取哨声因子、信噪比；步骤S23、对获取的振动数据提取信噪比因子、均值、均方差、方差、频谱、边际频谱、模态因子；步骤S24、读取风电机组与叶片运行相关的SCADA数据参数。3.根据权利要求1所述的一种基于净空及声振监测的风电机组叶片损伤预警方法，其特征在于：判断指标包括净空、哨声因子、信噪比、均值、均方差、方差、频谱...

【专利技术属性】
技术研发人员：刘钦东，张军华，罗勇水，赵海燕，艾真伟，
申请(专利权)人：浙江运达风电股份有限公司，
类型：发明
国别省市：