CN105402093A - 一种用于风场级别的风机结冰检测方法和装置 - Google Patents

Abstract

本发明是有关于一种用于风场级别的风机结冰检测方法和装置，该方法通过对比单个风机的模糊熵与风场中总体风机的平均模糊熵来进行结冰检测，包括：A、通过数据采集接口按照设定时间序列采集风机属性数据及风速数据并存储；B、若所述环境温度高于冰点时，继续进行A操作；若所述环境温度低于或等于冰点时，根据A所述的风机属性及风速数据计算单个风机的模糊熵和总体风机的平均模糊熵；C、若存在明显异常，则生成结冰预警报告并提示；若无明显异常，则返回A；所述装置与方法对应；本发明提供的结冰检测方法和装置可以在不增加额外硬件的情况下，对产生结冰故障的风机叶片进行结冰报警提示，从而减少风机的运营成本，增加发电量，且提高运行稳定性。

Description

一种用于风场级别的风机结冰检测方法和装置

技术领域

本发明涉及风电技术领域，特别是涉及一种用于风场级别的风机结冰检测方法和装置。

背景技术

我国幅员辽阔，气候条件多变，风机通常会安装在气候条件允许结冰的地区。当风机叶片表面结冰时，会引起风机一系列问题。首先，由于风机叶片重量的增加，会影响风机的功率曲线，使风机的输出功率降低。其次，由于各个风机叶片结冰位置并不对称，会导致部件的应力增加，增加风机的载荷负担，引起机舱的振动等不利情况。

现有的针对结冰检测的典型情况下，都需要对风机增加额外附件，如传感器，压电转换器等类似装置。对附件硬件的需求增加了风机的安装与运营成本。另外，对于年平均温度在冰点以上的地理区域，与检测结冰相关联的附加成本会阻碍风机的运营。

由此可见，上述现有的风机结冰检测方法和装置，显然仍存在诸多缺陷，而亟待加以进一步改进。如何能创设一种在不增加额外硬件的情况下，对产生结冰故障的风机叶片进行结冰报警提示，从而减少风机的运营成本，增加其发电量，提高运行稳定性的结冰检测方法和装置，实属当前业界极需改进的目标。

发明内容

本发明要解决的技术问题是提供一种用于风场级别的风机结冰检测方法和装置，使其能够在不增加额外的硬件的情况下，对产生结冰故障的风机叶片进行结冰预警提示，从而减少风机运营的成本，增加风机的发电量，提高风机运行的稳定性，以克服现有的风机叶片因结冰导致风机输出功率降低、载荷负担大、运营成本高的不足。

为解决上述技术问题，本发明提供了一种用于风场级别的风机结冰检测方法，通过对比单个风机的模糊熵与风场中总体风机的平均模糊熵来进行结冰检测。

进一步地，包括如下步骤：步骤A、通过风机数据采集接口按照设定时间序列采集风机属性数据及风速数据并存储；步骤B、采集环境温度，若所述环境温度高于冰点时，继续进行步骤A操作；若所述环境温度低于或等于冰点时，根据步骤A所述的风机属性数据及风速数据计算当前时间序列的单个风机的模糊熵和风场中总体风机的平均模糊熵；步骤C、若所述单个风机的模糊熵与风场中总体风机的平均模糊熵存在明显异常，则生成结冰预警报告并提示；若无明显异常，则返回步骤A。

进一步地，所述风机属性数据包括：风轮转速、电机转速、功率、桨距角和机舱x、y、z三个方向的振动数据。

进一步地，所述风机属性数据分别为10分钟的平均数据，所述风速数据为10分钟的平均数据。

进一步地，所述设定时间序列按间隔1秒钟计算。

进一步地，所述步骤B中，根据步骤A所述的风机属性数据及风速数据计算当前时间序列的单个风机的模糊熵和风场中总体风机的平均模糊熵的具体计算过程如下：

(1)设向量为风场内全部风机某时刻所采集的数据集的平均值，其中j为时间编号用以区分不同采集时刻；它的每一个元素表示为其中n表示风场内风机总数量；定义时间序列L_i＝{X_i1，X_i2，…，X_i150}为第i台风机在150秒时间内按上述方法获得的数据集，为风场内全部风机在150秒时间内的平均数据集；

(2)定义数据集中任意两个不同元素，例如与之间的距离为二者之差的无穷范数： ${\mathrm{\δ}}_{m,n}=\left|\right|{\stackrel{\‾}{X}}_m-{\stackrel{\‾}{X}}_n|{|}_{\mathrm{\∞}}=max\{\left|{\stackrel{\‾}{x}}_m-{\stackrel{\‾}{x}}_n\right|\};$

(3)采用指数函数定义与的相似度，D_m，n＝exp[-(δ_m，n)²/0.1Std]，其中Std表示标准差；

(4)定义函数 $A_{1,150}={\mathrm{\Σ}}_{i=1}^{150}\[\left({\mathrm{\Σ}}_{n=1,n\≠m}^{150}{D}_{m,n}\right)/149\]/150;$

(5)在时间序列中去掉第一个时刻采集的数据，增加下一时刻采集数据，对于 $\stackrel{\‾}{L}=\{{\stackrel{\‾}{X}}_1,{\stackrel{\‾}{X}}_2,...,{\stackrel{\‾}{X}}_{150}\},$ 表示为 $\stackrel{\‾}{L}=\{{\stackrel{\‾}{X}}_2,{\stackrel{\‾}{X}}_3,...,{\stackrel{\‾}{X}}_{151}\},$ 重复(2)～(4)的计算过程，可以得到 $A_{2,151}={\mathrm{\Σ}}_{i=1}^{150}\[\left({\mathrm{\Σ}}_{n=1,n\≠m}^{150}{D}_{m,n}\right)/149\]/150;$

(6)定义模糊熵为E＝lnA_2，151-lnA_1，150；

(7)最后重复上述计算过程可以得到从初始时刻开始的一系列模糊熵的时间序列。

一种用于风场级别的风机结冰检测装置，包括：数据采集模块，通过风机数据采集接口按照设定时间序列采集风机属性数据及风速数据并存储；模糊熵计算模块，根据采集到的环境温度判断，若所述环境温度高于冰点时，继续按照设定时间序列采集风机属性数据并存储；若所述环境温度低于或等于冰点时，根据风机属性数据及风速数据计算当前时间序列的单个风机的模糊熵和风场中总体风机的平均模糊熵；模糊熵对比模块，若所述单个风机的模糊熵与风场中总体风机的平均模糊熵存在明显异常，则生成结冰预警报告并提示；若无明显异常，则继续按照设定时间序列采集风机属性数据及风速数据并存储。

进一步地，所述风机属性数据包括：风轮转速、电机转速、功率、桨距角和机舱x、y、z三个方向的振动数据。

进一步地，所述风机属性数据分别为10分钟的平均数据，所述风速数据为10分钟的平均数据。

进一步地，所述模糊熵计算模块中，根据风机属性数据及风速数据计算当前时间序列的单个风机的模糊熵和风场中总体风机的平均模糊熵的具体计算过程如下：

(1)设向量为风场内全部风机某时刻所采集的数据集的平均值，其中j为时间编号用以区分不同采集时刻；它的每一个元素表示为其中n表示风场内风机总数量；定义时间序列L_i＝{X_i1，X_i2，…，X_i150}为第i台风机在150秒时间内按上述方法获得的数据集，为风场内全部风机在150秒时间内的平均数据集；

(2)定义数据集中任意两个不同元素，例如与之间的距离为二者之差的无穷范数： ${\mathrm{\δ}}_{m,n}=\left|\right|{\stackrel{\‾}{X}}_m-{\stackrel{\‾}{X}}_n|{|}_{\mathrm{\∞}}=max\{\left|{\stackrel{\‾}{x}}_m-{\stackrel{\‾}{x}}_n\right|\};$

(3)采用指数函数定义与的相似度，D_m，n＝exp[-(δ_m，n)²/0.1Std]，其中Std表示标准差；

(4)定义函数 $A_{1,150}={\mathrm{\Σ}}_{i=1}^{150}\[\left({\mathrm{\Σ}}_{n=1,n\≠m}^{150}{D}_{m,n}\right)/149\]/150;$

(5)在时间序列中去掉第一个时刻采集的数据，增加下一时刻采集数据，对于 $\stackrel{\‾}{L}=\{{\stackrel{\‾}{X}}_1,{\stackrel{\‾}{X}}_2,...,{\stackrel{\‾}{X}}_{150}\},$ 表示为 $\stackrel{\‾}{L}=\{{\stackrel{\‾}{X}}_2,{\stackrel{\‾}{X}}_3,...,{\stackrel{\‾}{X}}_{151}\},$ 重复(2)～(4)的计算过程，可以得到 $A_{2,151}={\mathrm{\Σ}}_{i=1}^{150}\[\left({\mathrm{\Σ}}_{n=1,n\≠m}^{150}{D}_{m,n}\right)/149\]/150;$

(6)定义模糊熵为E＝lnA_2，151-lnA_1，150；

(7)最后重复上述计算过程可以得到从初始时刻开始的一系列模糊熵的时间序列。

采用这样的设计后，本发明至少具有以下优点：

1、通过风机数据采集接口来采集风机属性数据及风速数据并存储，无需增加额外的硬件设备，减少风机运营的成本；

2、通过对采集数据进行模糊熵的计算，进而判断风机叶片是否结冰，能够实时监测到叶片结冰情况，并进行报警提示，方便维护人员及时做出处理，从而增加风机的发电量，提高风机运行的稳定性。

附图说明

上述仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，以下结合附图与具体实施方式对本发明作进一步的详细说明。

图1是本发明提供的一种用于风场级别的结冰检测方法的流程示意图。

具体实施方式

实施例一

本发明提供了一种用于风场级别的风机结冰检测方法，本发明通过对比单个风机的模糊熵与风场中整体风机的平均模糊熵来进行结冰检测。

具体如图1所示，一种用于风场级别的风机结冰检测方法，包括如下步骤：

步骤A、通过风机数据采集接口按照设定时间序列采集风机属性数据及风速数据并存储；

优选的，所述风机属性数据包括：风机的风轮转速、电机转速、功率、桨距角和机舱x、y、z三个方向的振动数据。

例如，通过风机数据端传输接口按间隔1秒钟的时间序列进行采集如下数据：风场内所有风机10分钟平均风轮转速、10分钟平均电机转速、10分钟平均功率、10分钟平均风速、当前桨距角以及机舱x、y、z三个方向的振动。

设向量X_ij＝{x_i1，x_i2，…，x_i8}为某台风机某时刻所采集的数据集，其中i表示风机的编号，j为时间编号用以区分不同采集时刻，x_i1，x_i2，…，x_i8分别表示10分钟平均风轮转速、10分钟平均电机转速、10分钟平均功率、10分钟平均风速、当前桨距角以及机舱x、y、z三个方向的振动。

步骤B、采集环境温度，若所述环境温度高于冰点时，继续进行步骤A操作；当所述环境温度低于或等于冰点时，根据步骤A所述的采集属性数据计算单个风机的模糊熵和总体风机的平均模糊熵；具体计算过程如下：

(1)设向量为风场内全部风机某时刻所采集的数据集的平均值，其中j为时间编号用以区分不同采集时刻。它的每一个元素可以表示为其中n表示风场内风机总数量。定义时间序列L_i＝{X_i1，X_i2，…，X_i150}为第i台风机在150秒时间内按上述方法获得的数据集，为风场内全部风机在150秒时间内的平均数据集；

(2)定义数据集中任意两个不同元素，例如与之间的距离为二者之差的无穷范数： ${\mathrm{\δ}}_{m,n}=\left|\right|{\stackrel{\‾}{X}}_m-{\stackrel{\‾}{X}}_n|{|}_{\mathrm{\∞}}=max\{\left|{\stackrel{\‾}{x}}_m-{\stackrel{\‾}{x}}_n\right|\};$

(3)采用指数函数定义与的相似度，D_m，n＝exp[-(δ_m，n)²/0.1Std]，其中Std表示标准差；

(4)定义函数 $A_{1,150}={\mathrm{\Σ}}_{i=1}^{150}\[\left({\mathrm{\Σ}}_{n=1,n\≠m}^{150}{D}_{m,n}\right)/149\]/150;$

(5)在时间序列中去掉第一个时刻采集的数据，增加下一时刻采集数据，对于 $\stackrel{\‾}{L}=\{{\stackrel{\‾}{X}}_1,{\stackrel{\‾}{X}}_2,...,{\stackrel{\‾}{X}}_{150}\},$ 可以表示为 $\stackrel{\‾}{L}=\{{\stackrel{\‾}{X}}_2,{\stackrel{\‾}{X}}_3,...,{\stackrel{\‾}{X}}_{151}\},$ 重复(2)～(4)的计算过程，可以得到 $A_{2,151}={\mathrm{\Σ}}_{i=1}^{150}\[\left({\mathrm{\Σ}}_{n=1,n\≠m}^{150}{D}_{m,n}\right)/149\]/150;$

(6)定义模糊熵为E＝lnA_2，151-lnA_1，150；

(7)最后重复上述计算过程可以得到从初始时刻开始的一系列模糊熵的时间序列。

步骤C、若所述单个风机的模糊熵与总体风机的平均模糊熵存在明显异常，则说明风机出现结冰故障，生成结冰预警报告并提示，有利于维护人员及时作出除冰措施；若无明显异常，则返回步骤A；上述明显异常的判断标准可以由本领域技术人员根据实际情况设定，如可设定单个风机模糊熵与总体风机的平均模糊熵相差0.5倍以上时为明显异常。

实施例二

本发明实施例二提供的一种用于风场级别的风机结冰检测装置，该装置包括：数据采集模块、模糊熵计算模块和模糊熵对比模块。

其中，数据采集模块，通过风机数据采集接口按照设定时间序列采集风机属性数据及风速数据并存储。优选的，所述风机属性数据，包括：风机的风轮转速、电机转速、功率、桨距角和机舱x、y、z三个方向的振动数据。例如，通过风机数据端传输接口按间隔1秒钟的时间序列进行采集如下数据：风场内所有风机10分钟平均风轮转速、10分钟平均电机转速、10分钟平均功率、10分钟平均风速、当前桨距角以及机舱x、y、z三个方向的振动。

模糊熵计算模块，采集环境温度，若所述环境温度高于冰点时，继续按照设定时间序列采集风机属性数据及风速数据并存储；若所述环境温度低于或等于冰点时，根据所述的风机属性数据及风速数据计算单个风机的模糊熵和总体风机的平均模糊熵；

模糊熵对比模块，若所述单个风机的模糊熵与总体风机的平均模糊熵存在明显偏差，则生成结冰预警报告并提示；若无明显偏差，则按照设定时间序列采集风机属性数据及风速数据并存储。

综上所述，本发明实施例提供的上述用于风场级别的风机结冰检测方法和装置，无需增加额外硬件，只需要在原有风场服务器中增加一个算法接口。具体应包含数据采集接口、具有一定容量的寄存器以及能够实现逻辑计算的计算单元。首先，该设备将按上述方法对采集数据进行储存，同时对环境稳定进行监控。随后当环境温度低于或等于冰点时，将按上述算法对数据进行处理，并对单个风机与总体风机的平均模糊熵进行实时对比，当发现某台风机模糊熵出现明显异常的情况时，进行结冰预警报告。即本发明提供的风机结冰检测方法和装置能够在不增加额外硬件的情况下，对产生结冰故障的风机叶片进行结冰报警提示，从而减少风机的运营成本、增加发电量，提高运行稳定性。

以上所述，仅是本发明的较佳实施例而已，并非对本发明作任何形式上的限制，本领域技术人员利用上述揭示的技术内容做出些许简单修改、等同变化或修饰，均落在本发明的保护范围内。

Claims (10)

1.一种用于风场级别的风机结冰检测方法，其特征在于，通过对比单个风机的模糊熵与风场中总体风机的平均模糊熵来进行结冰检测。

2.根据权利要求1所述的用于风场级别的风机结冰检测方法，其特征在于，包括如下步骤：

步骤A、通过风机数据采集接口按照设定时间序列采集风机属性数据及风速数据并存储；

步骤B、采集环境温度，若所述环境温度高于冰点时，继续进行步骤A操作；若所述环境温度低于或等于冰点时，根据步骤A所述的风机属性数据及风速数据计算当前时间序列的单个风机的模糊熵和风场中总体风机的平均模糊熵；

步骤C、若所述单个风机的模糊熵与风场中总体风机的平均模糊熵存在明显异常，则生成结冰预警报告并提示；若无明显异常，则返回步骤A。

3.根据权利要求2所述的用于风场级别的风机结冰检测方法，其特征在于，所述风机属性数据包括：风轮转速、电机转速、功率、桨距角和机舱x、y、z三个方向的振动数据。

4.根据权利要求3所述的用于风场级别的风机结冰检测方法，其特征在于，所述风机属性数据分别为10分钟的平均数据，所述风速数据为10分钟的平均数据。

5.根据权利要求2所述的用于风场级别的风机结冰检测方法，其特征在于，所述设定时间序列按间隔1秒钟计算。

6.根据权利要求2-5任一项所述的用于风场级别的风机结冰检测方法，其特征在于，所述步骤B中，根据步骤A所述的风机属性数据及风速数据计算当前时间序列的单个风机的模糊熵和风场中总体风机的平均模糊熵的具体计算过程如下：

(1)设向量为风场内全部风机某时刻所采集的数据集的平均值，其中j为时间编号用以区分不同采集时刻；它的每一个元素表示为其中n表示风场内风机总数量；定义时间序列L_i＝{X_i1，X_i2，…，X_i150}为第i台风机在150秒时间内按上述方法获得的数据集，为风场内全部风机在150秒时间内的平均数据集；

(2)定义数据集中任意两个不同元素，例如与之间的距离为二者之差的无穷范数： ${\mathrm{\δ}}_{m,n}=\left|\right|{\stackrel{\‾}{X}}_m-{\stackrel{\‾}{X}}_n|{|}_{\mathrm{\∞}}=max\{|{\stackrel{\‾}{x}}_m-{\stackrel{\‾}{x}}_n|\};$

(3)采用指数函数定义与的相似度，D_m，n＝exp[-(δm，n)²/0.1Std]，其中Std表示标准差；

(4)定义函数 $A_{1,150}={\mathrm{\Σ}}_{i=1}^{150}\[\left({\mathrm{\Σ}}_{n=l,n\≠m}^{150}{D}_{m,n}\right)/149\]/150;$

(5)在时间序列中去掉第一个时刻采集的数据，增加下一时刻采集数据，对于 $\stackrel{\‾}{L}=\{{\stackrel{\‾}{X}}_1,{\stackrel{\‾}{X}}_2,...,{\stackrel{\‾}{X}}_{150}\},$ 表示为 $\stackrel{\‾}{L}=\{{\stackrel{\‾}{X}}_2,{\stackrel{\‾}{X}}_3,...,{\stackrel{\‾}{X}}_{151}\},$ 重复(2)～(4)的计算过程，可以得到 $A_{2,151}={\mathrm{\Σ}}_{i=1}^{150}\[\left({\mathrm{\Σ}}_{n=1,n\≠m}^{150}{D}_{m,n}\right)/149\]/150;$

(6)定义模糊熵为E＝lnA_2，151-lnA_1，150；

(7)最后重复上述计算过程可以得到从初始时刻开始的一系列模糊熵的时间序列。

7.一种用于风场级别的风机结冰检测装置，其特征在于，包括：

数据采集模块，通过风机数据采集接口按照设定时间序列采集风机属性数据及风速数据并存储；

模糊熵计算模块，根据采集到的环境温度判断，若所述环境温度高于冰点时，继续按照设定时间序列采集风机属性数据并存储；若所述环境温度低于或等于冰点时，根据风机属性数据及风速数据计算当前时间序列的单个风机的模糊熵和风场中总体风机的平均模糊熵；

模糊熵对比模块，若所述单个风机的模糊熵与风场中总体风机的平均模糊熵存在明显异常，则生成结冰预警报告并提示；若无明显异常，则继续按照设定时间序列采集风机属性数据及风速数据并存储。

8.根据权利要求7所述的用于风场级别的风机结冰检测装置，其特征在于，所述风机属性数据包括：风轮转速、电机转速、功率、桨距角和机舱x、y、z三个方向的振动数据。

9.根据权利要求8所述的用于风场级别的风机结冰检测装置，其特征在于，所述风机属性数据分别为10分钟的平均数据，所述风速数据为10分钟的平均数据。

10.根据权利要求7-9任一项所述的用于风场级别的风机结冰检测装置，其特征在于，所述模糊熵计算模块中，根据风机属性数据及风速数据计算当前时间序列的单个风机的模糊熵和风场中总体风机的平均模糊熵的具体计算过程如下：

(1)设向量为风场内全部风机某时刻所采集的数据集的平均值，其中j为时间编号用以区分不同采集时刻；它的每一个元素表示为其中n表示风场内风机总数量；定义时间序列L_i＝{X_i1，X_i2，…，X_i150}为第i台风机在150秒时间内按上述方法获得的数据集，为风场内全部风机在150秒时间内的平均数据集；

(2)定义数据集中任意两个不同元素，例如与之间的距离为二者之差的无穷范数： ${\mathrm{\δ}}_{m,n}=\left|\right|{\stackrel{\‾}{X}}_m-{\stackrel{\‾}{X}}_n|{|}_{\mathrm{\∞}}=max\{|{\stackrel{\‾}{x}}_m-{\stackrel{\‾}{x}}_n|\};$

(3)采用指数函数定义与的相似度，D_m，n＝exp[-(δ_m，n)²/0.1Std]，其中Std表示标准差；

(4)定义函数 $A_{1,150}={\mathrm{\Σ}}_{i=1}^{150}\[\left({\mathrm{\Σ}}_{n=1,n\≠m}^{150}{D}_{m,n}\right)/149\]/150;$

(5)在时间序列中去掉第一个时刻采集的数据，增加下一时刻采集数据，对于 $\stackrel{\‾}{L}=\{{\stackrel{\‾}{X}}_1,{\stackrel{\‾}{X}}_2,...,{\stackrel{\‾}{X}}_{150}\},$ 表示为 $\stackrel{\‾}{L}=\{{\stackrel{\‾}{X}}_2,{\stackrel{\‾}{X}}_3,...,{\stackrel{\‾}{X}}_{151}\},$ 重复(2)～(4)的计算过程，可以得到 $A_{2,151}={\mathrm{\Σ}}_{i=1}^{150}\[\left({\mathrm{\Σ}}_{n=1,n\≠m}^{150}{D}_{m,n}\right)/149\]/150;$

(6)定义模糊熵为E＝lnA_2，151-lnA_1，150；

(7)最后重复上述计算过程可以得到从初始时刻开始的一系列模糊熵的时间序列。