CN110455517A - 一种风力发电机组的塔筒健康监测方法 - Google Patents

Abstract

本发明提出了一种风力发电机组的塔筒健康监测方法，通过塔筒动态测量装置采集塔筒状态信息，引入残余奇异值分解方法消除数据中的共有成分，以增强塔筒早期故障引起的数据异常，并采用基尼指数进行优化，从而构建自适应的异常值检测工具；最后通过构件迭代马氏距离IMD模型，能够充分体现每个样本与健康状态之间的统计偏差，不需要关于数据分布参数的先验信息，就可以自适应的对数据进行处理，为保障风电机组安全可靠运行提供了基础。

Description

一种风力发电机组的塔筒健康监测方法

技术领域

本发明涉及风力发电技术领域，特别是涉及一种风力发电机组的塔筒健康监测方法。

背景技术

近年来，在国家大力发展风电政策驱动下，国内整个风电产业高速发展。目前，我国已经成为全球风力发电规模最大、增长最快的市场，截至2018年，我国风电累计装机容量约210,000千瓦，同比增长11.2％，累计装机量位居全球第一。

然而由于我国风电关键技术的研究起步晚，整机设计制造技术高度依赖国外，快速发展也带来了很多问题，风电运维压力逐步增加，风电机组着火、飞车等事故时有发生，尤其是风电机组塔筒，作为整个风电机组的支撑系统，对保障风电机组的安全可靠运行起着举足轻重的作用，但由于制造、安装质量不合格，设备巡检、运行维护检查不到位，导致倒塔事故频频发生，造成了巨大的经济损失，由此风电塔筒的工作健康监测变得极为重要。风电塔筒的常见异常工况如下：

a)风电机组塔筒弯曲及倾斜

目前风电行业市场竞争严峻，塔筒、连接螺栓等关键设备的设备质量也良莠不齐，随着运行时间的增加，塔筒出现弯曲或倾斜，在风能及自重的作用下会引发倒塔事故。

b)塔筒法兰疲劳失效

风电机组的塔式结构使塔筒承担机舱及叶片的自重及风的水平荷载，由于风速的时变特性，导致风电机组运行在交变载荷工作下，随着运行时间的增加，塔筒法兰的连接螺栓承受的交变应力作用易引发其疲劳失效。如果定检过程中没有及时发现，将引发较为严重的后果。

c)塔基不均匀沉降或基础松动

由于塔基所在位置地质原因或施工原因，如地基下沉、地面基础倾斜等，导致塔基的不均匀沉降或基础松动，进而引发倒塔事故。

因此，塔筒安全成为风电运营和发展重点关注的问题之一。目前国内外风电机组厂家并没有对风电机组塔筒进行实时监测，仅仅是利用风电机组机舱内的振动传感器实时监测机舱晃度，该方法无法实时监测塔筒的不均匀沉降及塔筒法兰螺栓的预紧力计算及寿命预测，提前预警性较差。此外，一些科技研发单位瞄准塔筒开发监测系统，仅仅是分析塔筒的形变，没有对塔筒的形变原因进行深入分析，同时考虑的因素较少，导致监测结果不准确、不全面。因此，实现实时监测风机塔筒健康状况显得尤为重要。

发明内容

为解决上述问题，本发明提出了一种风力发电机组的塔筒健康监测方法。

本发明的主要内容包括：

一种风力发电机组的塔筒健康监测方法，包括如下步骤：

步骤一：布设塔筒动态测量系统，采集塔筒状态信息，其中，所述塔筒状态信息包括：塔筒顶部晃动信号a＝{a_x,a_y}、塔筒底部沉降信号b＝{b_x,b_y}以及塔筒倾斜状态信号c＝{c_x,c_y}；

步骤二：早期故障识别：对步骤一采集到的塔筒状态信息进行处理，以增强塔筒早期故障引起的数据异常；

步骤三：构建健康评估指标IMD，通过IMD自适应的获取数据分布参数，用于测量各个数据样本与分布中心之间的统计偏差，以实现早期故障预警。

优选的，所述塔筒动态测量系统包括塔顶传感器、塔基传感器、数据库和远程应用系统；所述塔顶传感器安装在机舱下部的塔筒顶端内壁处，所述塔基传感器安装在塔基塔筒内壁处，所述塔顶传感器和所述塔基传感器通过风机环网与所述数据库连接，所述远程应用系统用于实时显示塔筒状态信息。

优选的，还包括机舱控制柜、塔顶光纤转换器、塔基控制柜和塔基光纤转换器；所述机舱控制柜和塔基控制柜预留有光纤接口，所述塔顶传感器通过光纤、所述塔顶光纤转换器与所述机舱控制柜连接，所述塔基传感器通过光纤、塔基光纤转换器与所述塔基控制柜连接，所述机舱控制柜和所述塔基控制柜与所述数据库连接。

优选的，所述塔顶传感器通过螺栓固定方式安装在机舱下部的塔筒顶端内壁处。

优选的，对步骤一采集到的塔筒状态信息进行处理，包括如下步骤：

步骤21：构建残余奇异值分解模型，并将塔筒状态信息分别输入到该模型中，输出对应不同残余系数k的残余信号，记为s_k,k＝1,2,...,m；

其中Ada(·)表示逆对角线平均重构法，σ为RSVD分解得到的奇异值，u和v是RSVD分解得到的酉矩阵；

步骤22：选取步骤21输出的不同残余系数k的残余信号中的最优残余系数

优选的，步骤22的选取方法为：

计算每个残余信号的基尼指数，根据最大基尼指数选取最优残余系数

其中为基尼指数。

优选的，构建健康评估指标IMD的步骤如下：

步骤31：计算最优残余信号均值μ和协方差S，并计算信号内每个样本的马氏距离D_m；其中，最优残余信号均值协方差信号内每个样本的马氏距离

步骤32：去除信号中D_m＞3的样本，利用剩余的样本更新均值和协方差，不断迭代，直到剩余样本的马氏距离收敛；

步骤33：利用步骤32中得到塔筒健康状态分布参数测量异常值的统计偏差。

本发明的有益效果在于：本发明提出了一种风力发电机组的塔筒健康监测方法，通过塔筒动态测量装置采集塔筒状态信息，引入残余奇异值分解方法消除数据中的共有成分，以增强塔筒早期故障引起的数据异常，并采用基尼指数进行优化，从而构建自适应的异常值检测工具；最后通过构件迭代马氏距离IMD模型，能够充分体现每个样本与健康状态之间的统计偏差，不需要关于数据分布参数的先验信息，就可以自适应的对数据进行处理，为保障风电机组安全可靠运行提供了基础。

附图说明

图1为本发明塔筒动态测量装置的示意图；

图2为本发明的塔筒健康监测方法的流程图；

图3(a)为塔筒顶部晃动信号；

图3(b)为塔筒底部沉降信号；

图3(c)为塔筒倾斜状态信号；

图4为数据样本多维高斯分布等值线图；

图5为数据样本迭代更新后多维高斯分布等值线图；

图6为数据样本马氏距离图；

图7为数据样本迭代更新后马氏距离图。

具体实施方式

以下结合附图对本发明所保护的技术方案做具体说明。

请参照图1至图7。本发明提出了一种风力发电机组的塔筒健康监测方法，通过在发电机组上布设塔筒动态测量装置，采集风力发电机组的状态信息，经处理和计算后，构建自适应的异常值检测工具，同时，通过构建自适应的健康评估指标，充分挖掘信息中包含的健康状态分布参数，能够自适应的对塔筒健康状态进行分析，为保证风力发电机组安全可靠运行提供了基础。

具体地，如图2所示，本发明的监测方法包括如下步骤：

步骤一：在风力发电机组内部布设塔筒动态测量装置，如图1所示，所述塔筒动态测量装置包括机舱控制柜、塔顶光纤转换器、塔基控制柜和塔基光纤转换器、塔顶传感器、塔基传感器、数据库和远程应用系统；其中，所述塔顶传感器通过螺栓固定方式安装在机舱下部的塔筒顶端内壁处，而所述塔基传感器安装在塔基塔筒内壁处，所述机舱控制柜和塔基控制柜预留有光纤接口，所述塔顶传感器通过光纤、所述塔顶光纤转换器与所述机舱控制柜连接，所述塔基传感器通过光纤、塔基光纤转换器与所述塔基控制柜连接，而所述机舱控制柜和所述塔基控制柜通过风机环网与所述数据库连接，将所述塔顶传感器和所述塔基传感器采集到的数据信息存储在所述存储器内，传送至所述远程应用系统，经处理和计算后实时显示塔筒状态信息。

在本步骤中，所述塔顶传感器和所述塔基传感器为高精度倾角传感器，在本实施例中，两个倾角传感器被安装在传感器采集器中，采样频率选为10Hz，对两个倾角传感器信号进行采样和预处理，得到塔筒顶部晃动信号a＝{a_x,a_y}、塔筒底部沉降信号b＝{b_x,b_y}以及塔筒倾斜状态信号c＝{c_x,c_y}；如图3所示；

步骤二：将步骤一得到的三个信号作为输入，通过构建信息处理模型，以消除共同模型干扰，增强异常特征，进而识别早期故障，具体包括如下子步骤：

步骤21：构建残余奇异值分解模型，并将塔筒状态信息分别输入到该模型中，输出对应不同残余系数k的残余信号，记为s_k,k＝1,2,...,m；

其中Ada(·)表示逆对角线平均重构法，σ为RSVD分解得到的奇异值，u和v是RSVD分解得到的酉矩阵；

步骤22：选取步骤21输出的不同残余系数k的残余信号中的最优残余系数在本步骤中，根据最大基尼指数优化残余奇异值分解模型，首先计算每个残余信号的基尼指数，根据最大基尼指数选取最优残余系数

其中为基尼指数。

步骤三：构建健康评估指标IMD，通过IMD自适应的获取数据分布参数，用于测量各个数据样本与分布中心之间的统计偏差，以实现早期故障预警；具体包括如下子步骤：

步骤31：计算最优残余信号均值μ和协方差S，并计算信号内每个样本的马氏距离D_m；其中，最优残余信号均值协方差信号内每个样本的马氏距离如图4所示；

步骤32：去除信号中D_m＞3的样本，利用剩余的样本更新均值和协方差，不断迭代，直到剩余样本的马氏距离收敛；如图5所示；

步骤33：利用步骤32中得到塔筒健康状态分布参数测量异常值的统计偏差。

通过图4、图5可以看出，由于奇异值的存在，多维高斯分布的协方差明显受到影响，从图6、图7中也可以看出，根据这些奇异值估计出的模型反过来影响到了每个样本的马氏距离。为了充分挖掘信息中包含的健康状态分布参数，并更好的测量数据异常值的统计偏差，本发明提出了迭代马氏距离的方法，从图5、图7中可以看出，经过迭代更新后，不仅可以更加准确的估计出模型参数，而且对奇异值干扰不敏感，根据模型参数计算出的马氏距离，充分体现了每个样本与健康状态之间的统计偏差，差距较为明显。因此，本发明提出的风力发电机组塔筒在线监测方法可以自适应的对塔筒健康状态进行分析，为保障风电机组安全可靠运行提供了基础。

以上所述仅为本发明的实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (7)

1.一种风力发电机组的塔筒健康监测方法，其特征在于，包括如下步骤：

步骤一：布设塔筒动态测量系统，采集塔筒状态信息，其中，所述塔筒状态信息包括：塔筒顶部晃动信号a＝{a_x,a_y}、塔筒底部沉降信号b＝{b_x,b_y}以及塔筒倾斜状态信号c＝{c_x,c_y}；

步骤二：早期故障识别：对步骤一采集到的塔筒状态信息进行处理，以增强塔筒早期故障引起的数据异常；

步骤三：构建健康评估指标IMD，通过IMD自适应的获取数据分布参数，用于测量各个数据样本与分布中心之间的统计偏差，以实现早期故障预警。

2.根据权利要求1所述的一种风力发电机组的塔筒健康监测方法，其特征在于，所述塔筒动态测量系统包括塔顶传感器、塔基传感器、数据库和远程应用系统；所述塔顶传感器安装在机舱下部的塔筒顶端内壁处，所述塔基传感器安装在塔基塔筒内壁处，所述塔顶传感器和所述塔基传感器通过风机环网与所述数据库连接，所述远程应用系统用于实时显示塔筒状态信息。

3.根据权利要求2所述的一种风力发电机组的塔筒健康监测方法，其特征在于，还包括机舱控制柜、塔顶光纤转换器、塔基控制柜和塔基光纤转换器；所述机舱控制柜和塔基控制柜预留有光纤接口，所述塔顶传感器通过光纤、所述塔顶光纤转换器与所述机舱控制柜连接，所述塔基传感器通过光纤、塔基光纤转换器与所述塔基控制柜连接，所述机舱控制柜和所述塔基控制柜与所述数据库连接。

4.根据权利要求2所述的一种风力发电机组的塔筒健康监测方法，其特征在于，所述塔顶传感器通过螺栓固定方式安装在机舱下部的塔筒顶端内壁处。

5.根据权利要求1所述的一种风力发电机组的塔筒健康监测方法，其特征在于，对步骤一采集到的塔筒状态信息进行处理，包括如下步骤：

步骤21：构建残余奇异值分解模型，并将塔筒状态信息分别输入到该模型中，输出对应不同残余系数k的残余信号，记为s_k,k＝1,2,...,m；

其中Ada(·)表示逆对角线平均重构法，σ为RSVD分解得到的奇异值，u和v是RSVD分解得到的酉矩阵；

步骤22：选取步骤21输出的不同残余系数k的残余信号中的最优残余系数

6.根据权利要求5所述的一种风力发电机组的塔筒健康监测方法，其特征在于，步骤22的选取方法为：

计算每个残余信号的基尼指数，根据最大基尼指数选取最优残余系数

其中为基尼指数。

7.根据权利要求5所述的一种风力发电机组的塔筒健康监测方法，其特征在于，构建健康评估指标IMD的步骤如下：

步骤31：计算最优残余信号均值μ和协方差S，并计算信号内每个样本的马氏距离D_m；其中，最优残余信号均值协方差信号内每个样本的马氏距离

步骤32：去除信号中D_m＞3的样本，利用剩余的样本更新均值和协方差，不断迭代，直到剩余样本的马氏距离收敛；

步骤33：利用步骤32中得到塔筒健康状态分布参数测量异常值的统计偏差。