CN113586358B - 风力发电机组的卡桨故障的识别方法、控制器及存储介质 - Google Patents

Abstract

本发明提供一种风力发电机组的卡桨故障的识别方法、控制器及存储介质。该方法包括：步骤A)，检测所述风力发电机组的每个变桨系统的接近开关，如果所有的所述接近开关均被触发，则执行步骤B)，否则确定风力发电机组发生卡桨故障；步骤B)，获取所述风力发电机组的故障文件，基于所述故障文件中的故障信息识别卡桨故障；如果识别的结果指示不存在卡桨故障，则执行步骤C)；步骤C)，获取所述风力发电机组的运行数据，所述运行数据至少包括振动数据以及所述风力发电机组的叶片之间的角度差；基于所述运行数据识别卡桨故障。通过本发明实施例的方法、控制器及存储介质，能够准确、全面地自动识别卡桨故障。

Description

风力发电机组的卡桨故障的识别方法、控制器及存储介质

技术领域

本发明总体说来涉及风力发电技术领域，更具体地讲，涉及一种风力风力发电机组的卡桨故障的识别方法、控制器及计算机存储介质。

背景技术

变桨系统的一个主要功能是担当风力发电机组的气动刹车系统功能，电动变桨系统通过多种检测和控制手段、多重冗余设计保证风力机组安全稳定运行。任何故障引起的停机都会使叶片顺桨到90度的安全位置。

然而，在风力发电机组运行过程中，变桨系统的驱动器、变桨电机或后备电源，都有可能发生故障，使得风力发电机的叶片无法收回到安全位置，从而导致风力发电机组在风力的作用下，转速无法下降，引发风力发电机超速甚至发生飞车危险。由于导致卡桨故障的原因众多，通常需要技术人员逐一分析，才能最终确定是否发生卡桨故障，此过程复杂、繁琐，分析工作效率低。

因此，目前缺少一种能够基于卡桨故障发生机理准确、全面识别卡桨故障的方法。

发明内容

本发明的目的在于提供一种风力发电机组的卡桨故障的识别方法、控制器及计算机存储介质，至少解决上述技术问题，并且提供下述的有益效果。

本发明的一方面在于提供风力发电机组的卡桨故障的识别方法，风力发电机组包括至少两个变桨系统，其中每个变桨系统用于驱动一只叶片进行变桨，方法包括：步骤A)，检测风力发电机组的每个变桨系统的接近开关，如果所有的接近开关均被触发，则执行步骤B)，否则确定风力发电机组发生卡桨故障；步骤B)，获取风力发电机组的故障文件，基于故障文件中的故障信息识别卡桨故障；如果识别的结果指示不存在卡桨故障，则执行步骤C)；步骤C)，获取所风力发电机组的运行数据，运行数据至少包括振动数据以及所述风力发电机组的叶片的角度差；基于运行数据识别卡桨故障。

本发明的另一方面在于提供一种控制器，控制器包括：处理器以及存储器；其中，存储器中存储有计算机程序，当计算机程序被处理器执行时，实现上述的风力发电机组的卡桨故障的识别方法。

本发明的另一方面在于提供一种计算机存储介质，当所述计算机程序在被处理器执行时实现上述的风力发电机组的卡桨故障的识别方法。

本发明实施例的方法基于卡桨故障发生机理对造成卡桨故障的原因进行优先级排序，按照所述优先级建立完整的卡桨故障自动检测流程，不仅能够准确地识别卡桨故障，同时还能最大限度的保证不漏检，不误检。

附图说明

通过下面结合示例性地示出一例的附图进行的描述，本发明的上述和其他目的和特点将会变得更加清楚，其中：

图1是风力发电机组的变桨系统结构示意图。

图2是风力发电机组的变桨系统内部电气结构示意图。

图3是根据本发明的示例性实施例的卡桨故障的识别方法的流程图。

图4是根据本发明的示例性实施例的控制器的结构框图。

具体实施方式

提供参照附图的以下描述以帮助对由权利要求及其等同物限定的本公开的实施例的全面理解。包括各种特定细节以帮助理解，但这些细节仅被视为是示例性的。因此，本领域的普通技术人员将认识到在不脱离本公开的范围和精神的情况下，可对描述于此的实施例进行各种改变和修改。此外，为了清楚和简洁，省略对公知的功能和结构的描述。

以下，参照附图来详细说明本发明的实施例。

为了更好的理解本发明，首先对风力发电机组及变桨系统，特别是变桨驱动器相关的电气结构及相关运行逻辑进行必要的描述。

图1示出的是风力发电机组的变桨系统结构示意图，主要包括：叶片101、方位角传感器102、变桨驱动器103、变桨电机104、变桨控制器105、主控制器106。

变桨系统的工作原理是：叶轮方位角θ通过方位角传感器102测量并发送给变桨驱动器103，通过变桨电机104尾端的旋转变压器测量电机的旋转角度，并发送给变桨驱动器103；变桨驱动器103根据预设的风力发电机组相关参数(例如，机械参数、控制器参数等)计算叶片101的桨距角β。变桨控制器105接收主控制器106发送的变桨速度信号，并转发给变桨驱动器103；变桨驱动器103通过叶片压力、桨距角β、叶轮方位角θ以及主控制器106的变桨速度信号，计算变桨电机104的转速，并控制变桨电机动作，实现变桨。

可以理解的是，图1仅示出了一套变桨系统的结构示意图，对于风力发电机组来说，每只叶片由单独的一套变桨系统进行控制。一般来说，风力发电机组安装有至少两只叶片，因此，对于两叶片的机组来说，就需要设置两套变桨系统分别控制两只不同的叶片。

图2示出的是变桨系统内部的电气结构图。在正常情况下，使能开关为闭合状态，变桨驱动器103得电；当变桨控制器105接收到主控制器106的变桨速度信号后，或者变桨控制器105检测到变桨系统发生故障而自主顺桨时，变桨控制器105会给变桨驱动器103发送变桨速度信号和使能信号；变桨驱动器103接收到变桨速度信号和使能信号后，会控制刹车继电器松闸，并在动力输出口输出电压，驱动变桨电机转动，实现变桨功能。

变桨驱动器103采集编码器107的增量信号，用来计算变桨电机104的转速，其作用是与变桨控制器105发送给变桨驱动器103的变桨速度信号数值作对比；如果计算的变桨电机104转速小于变桨速度信号，变桨控制器105会增大动力输出的电压，以增大变桨电机104的转速；如果计算的变桨电机104转速大于变桨速度信号，变桨控制器105会减小动力输出的电压，以调小变桨电机转速，最终使变桨电机104转速与在给定变桨速度信号值一致。同时，变桨驱动器103对外部电气元件的状态进行检测，如果触发故障，则停止动力输出。

可以理解的是，变桨系统中的变桨电机、变桨控制器、变桨驱动器、编码器等出现故障，或者变桨系统与主控制器之间的通信出现故障，均有可能导致叶片无法完成顺桨操作(顺桨，是指将风力发电机的叶片旋转到与风向接近平行状态的控制过程)，从而造成卡桨故障。因此，在检测卡桨故障时，需要考虑各种情况之间的关联关系，才能准确识别卡桨故障。例如，假设首先通过检测叶片角度差值识别卡桨故障，如果造成角度差值原因是编码器跳变，则会导致误检测；假设如果先通过检测编码器是否跳变，则又涉及到通信链路中断的情况。因此，如果不对造成卡桨故障原因之间的关联关系进行梳理，很难保证不漏检、不误检。

图3示出的是根据本发明的示例性的方法流程图。

步骤A)，检测所述风力发电机组的每个变桨系统的接近开关，如果所有的所述接近开关均被触发，则执行步骤B)，否则确定风力发电机组发生卡桨故障。

具体地，在顺桨时，叶片从0度桨距角开始向87度桨距角旋转，当到达87度顺桨角度时，将触发87度接近开关(未示出)，指示完成顺桨操作。为了使叶片停止在87度位置，防止叶片向更大角度方向一直转动，必然会触发87度接近开关(机型不一样，接近开关的设置角度也不一样，大致范围在87度至90度之间)。换句话说，如果在顺桨过程中，87度接近开关没有被触发，则必然发生卡桨故障。因此，将检测87度接近开关作为卡桨故障识别的首选判断条件，即如果87度接近开关触发则认为叶片顺桨完成，不存在卡桨故障。在一个示例中，如果接近开关没有被触发，但是桨距角已经达到86度或者与接近开关的触发角度接近时，也可以认定叶片完成顺桨，不存在卡桨故障。

作为示例，87度接近开关信号从低电平变为高电平，表示被触发。触发信号可以由变桨控制器采集，然后发送给主控制器。当主控制器接收到了来自所有变桨系统的触发信号，即说明顺桨完成。如果有变桨系统没有反馈触发信号，则说明发生了卡桨故障。

参考图1、图2的描述，变桨系统与主控制器通讯连接，以传递信号。因此，在没有收到反馈触发信号之前，需要对通信链路进行检测，以避免由于通信链路故障而错误采集信号导致卡桨故障忽报。

作为示例，步骤A)可以进一步包括：

步骤A1)，检测变桨系统与风力发电机组的主控制器之间的通信状态是否正常；

步骤A2)，如果所述通信状态为正常，则检测所述风力发电机组的每个变桨系统的接近开关。

在步骤A1)中，首先对通信链路状态进行检测，如果检测到通信链路发生中断，则剔除相关的数据，并对剩余的数据重新进行后续的检测；其中，由于通信链路状态字在主控制器所产生的故障文件中，而有的故障文件有此变量，而有的故障文件中却没有。因此，为实现程序的一致性及通用性，本发明实施例根据风力发电机组变桨控制的速度连续性特点和原理对桨距角进行检测。

作为示例，分别检测每个叶片的桨距角，当桨距角跳变为0时，则确定变桨系统与风力发电机组的主控制器之间的通信状态异常。原因是：在主控制器的通信参数设置中，通信链路中断后会把接收到的数据强制为0。机组正常运行时，变桨动作是由变桨控制器控制，在实际角度接近目标角度后，给定的变桨角度会接近于0，如0.05。如果桨距角从较大的值突然变为0，意味着主控制器检测的桨距角数据突然跳变为了0，即认为是发生了通信链路中断。

针对步骤A2)，在确保接近开关的触发信号能够被正常触发并接收后，进一步检测接近开关触发情况。

可以理解的是，对通信链路的检测不仅包括变桨控制器与主控制器之间的通信，还包括整个变桨系统内各电气部件之间的通信以及变桨系统各电气部件与外部的通信。例如，变桨驱动器与变桨控制器之间的通信，编码器与主控制器之间的通信等。

在步骤B)中，获取所述风力发电机组的故障文件，基于所述故障文件中的故障信息识别卡桨故障；如果识别的结果指示不存在卡桨故障，则执行步骤C)。

具体地，在接近开关检测通过后，进一步基于故障文件识别卡桨故障，以排除接近开关误触发导致卡桨未被识别的情形。由于故障文件中的故障信息能够第一时间准确反映出风力发电机组的故障，并且在通信链路正常的情况下，故障文件中的故障信息不受风力发电机组的运行状态的影响，并且数据量较大，适用于故障分析。因此，将故障文件作为卡桨故障第二判断条件。

作为示例，故障文件是产生于主控制器，并存储在主控制器内的，记录了故障相关数据的文件。例如：故障码信息、变桨电机的电流、电压、温度等，运行参数的提取可以由主控制器的处理器执行，可选地，处理器周期性地(例如：20ms、1s、1min等)读取故障文件，提取文件内的故障数据；或者，仅在风力发电机组的运行状态满足预定条件时进行故障文件的读取。

作为示例，按照故障信息的产生与卡桨故障之间的因果关系以及故障信息获取的难易程度对步骤B的执行逻辑作如下设定：

步骤B1)，获取所述故障文件中的故障码信息，基于所述故障码信息识别卡桨故障；如果识别结果指示不存在卡桨故障，则执行步骤B2)；

步骤B2)，获取所述故障文件中的电流信息，基于所述电流信息识别卡桨故障；如果识别结果指示不存在卡桨故障，则执行步骤B3)；

步骤B3)，获取所述故障文件中的温度信息，基于所述温度信息识别卡桨故障；如果识别结果指示不存在卡桨故障，则执行步骤C)。

针对步骤B1)，故障文件中的一些故障码信息所对应的故障与卡桨故障之间存在着必然联系，例如，变桨驱动器故障、变桨电机故障等，一旦存在此类故障码信息，则可以确定必然同时存在卡桨故障。如果没有发现与变桨驱动器、变桨电机等相关的故障码，则执行步骤B2)。

针对步骤B2)，变桨系统在运行时，叶片同时在进行旋转，因此叶片的方位角也在周期性的变化，并且在每个旋转周期(0～360度)，叶片的平均能耗是大致相同的。因此，根据能量守恒定律：发热功率p+电机功率P＝UI可以知道，电压U、电流I在每个叶片旋转周期内的平均值是相同的，即总能量UI是相同的。因此，可以获取每个变桨电机在预定控制周期内的电流统计值；如果电流统计值之间存在差异，则确定存在卡桨故障。如果不存在卡桨故障，则执行步骤B3)。

针对步骤B3)，变桨电机发热产生的热量与温度的关系是：热量＝质量*比热容*温度变化，即：

Q＝CM(T2-T1) (1)

同时，对电机而言：

Q＝I²*R*t (2)

因此，综合公式(1)和(2)可得：

I²＝CM(T2-T1)/R/t (3)

其中，Q是热量，C是物体的比热容，M是质量，T2是当前温度，T1是初始温度，R是线圈电阻，I是电流，t是时间。

公式(3)中的CM/R可以看作是常数，并且同一台风力发电机组的所有变桨电机参数一样，因此电机温度变化率和电机电流的平方成正比。即，在正常情况下，三个变桨电机的温度值也是一致的。因此，可以获取每个变桨电机在预定控制周期内的温度统计值；如果温度统计值之间存在差异，则确定存在卡桨故障。

由于故障码信息的获取不受传感器自身可靠性以及外界采集条件的影响，因此，优先基于故障码信息进行卡桨故障识别。而温度的变化需要一个相对较长的过程，在较短时间内很难发生显著变化，相比之下，电流变化极快，并且这些变化可以快速的在具体数值中得到体现。因此，为了保证能够及时识别卡桨故障，在检测故障码之后优先通过电流进行卡桨故障识别。

不同的型号风力发电机组可能对故障文件中的故障信息有不同的设置。换句话说，不是所有的风力发电机组的故障文件中都存在与变桨电机、变桨控制相关的故障码，也不保证必然能获取变桨电机的电流、温度等信息。因此作为示例，当执行所述步骤B1)时，所述故障文件中不存在所述故障码信息，执行步骤B2)；当执行所述步骤B2)时，所述故障文件中不存在所述电流信息，执行步骤B3)；当执行所述步骤B3)时，所述故障文件中不存在所述温度信息，执行步骤C)。

为了防止无法从故障文件中获取有效的故障信息，从而无法有效识别卡桨故障，当故障文件中不存在故障码信息、电流信息以及温度信息时，基于风力发电机组的运行数据进行卡桨故障识别。

在步骤C)中，获取风力发电机组的运行数据，运行数据至少包括振动数据以及风力发电机组的叶片之间的角度差；基于运行数据识别卡桨故障。

具体地，对于风力发电机组的运行状态而言，当发生卡桨故障时，表现在三只叶片的桨距角不一致，从而导致风力发电机组的振动加剧。因此，基于振动数据以及叶片之间的角度差对卡桨故障进行识别。

然而，导致三叶片桨距角不一致的原因还存在于编码器跳变的影响。编码器跳变因此，基于三个叶片角度差以及振动数据进行卡桨故障识别前需要对编码器跳变进行检测。

作为示例，步骤C包括如下步骤：

步骤C1)，基于叶片的桨距角确定编码器是否发生跳变；

步骤C2)，当没有发生跳变时，获取风力发电机组的运行数据；

步骤C3)，基于所述运行数据识别卡桨故障。

针对步骤C1)，区别于通信状态异常的检测，在编码器跳变检测中不考虑桨距角跳变为0的情况(如果跳变为0则判定通信链路中断)，而只考虑从大角度跳变为小角度的情况。一般来说，编码器故障时，桨距角的跳变值为不为0的随机值。

针对步骤C2)及C3)，获取风力发电机组的运行数据，运行数据包括振动数据以及叶片之间的角度差。作为示例，振动数据包括振动加速度数据，基于对振动加速度数据的分析进行卡桨故障识别。需要理解的是：发生卡桨故障的变桨电机造成其驱动的叶片无法完成变桨动作，未发生卡桨故障的变桨电机(每只叶片对应对一个变桨电机)能够正常运转，为变桨提供必要的动力输入。因此，在卡桨故障发生时往往伴随着叶片之间的角度差过大，导致叶轮平面不平衡，振动加剧。此时由振动和叶片角度差二者相互的作用使得风力发电机组承受较大的偏心振动力。该振动力可以表示为：

f＝m×e×ω² (4)

其中，f表示偏心块产生的振动力，m表示偏心块的质量，e表示偏心块的偏心距，ω表示偏心块的转动角速度。

对于风力发电机组而言，ω可以等效为叶轮转速，m可表示叶轮旋转的等效质量，与旋转体的密度分布有关，对风力发电机组而言，由于其所受的旋转力主要来自于叶片所受的风力大小，所以可以表征三个叶片的不平衡度，可以等效为风力发电机组的叶片长度的函数，可表示如下：

e＝0.4244(R³-r³)/(R³+r³) (5)

其中，R表示是风力发电机组的叶片长度，r表示风力发电机组的叶轮的半径。

基于上述公式(4)和公式(5)可知，由于三个叶片不平衡导致的风力发电机组的振动力的大小，与叶轮转速的平方成正比。

此外，基于上述公式(4)和公式(5)可知，如果三个叶片的桨距角值存在差异，则会造成每个叶片的升力和阻力不同，进而导致风力发电机组出现振动，并且随着叶片角度差值的增大，风力发电机组的振动力也越大，即，风力发电机组的振动力的大小，与风力发电机组的叶片角度差值成正比关系。

由公式(4)也可以看出，产生振动的主要的因素是叶轮转速，具体为叶轮转速的平方。也就是说，在叶轮转速较高时，由于叶片位置偏差导致的振动会比较明显。鉴于此，可以预先获取卡桨故障时的振动加速度数据与叶片角度差，并进行线性拟合分析，确定振动加速度与叶片角度差之间的对应关系。进一步地，对实测振动加速度数据与叶片角度差进行获取并进行线性拟合分析，如果分析结果与预先得到的线性拟合结果相吻合，则认定发生卡桨故障。

综上所述，本实施例根据变桨系统工作原理及因果关系，识别变桨系统叶片顺桨及顺桨完成的主要矛盾点，并进行卡桨故障检测的优先级区分，不仅考虑了硬件系统内各部件与卡桨故障相关联的因素，同时还利用三个叶片不平衡、叶轮旋转时导致机组振动的特性，对卡桨故障进行最终的判断分析。通过本实施例的方法，能够全面、准确、及时地识别卡桨故障，避免了漏检、误检的问题。

图4示出根据本发明的示例性实施例的控制器的结构框图。

如图4所示，控制器4包括处理器401以及存储器402。具体说来，存储器402用于存储计算机程序，所述计算机程序在被所述处理器401执行时实现上述卡桨识别方法。

作为示例，控制器4可以是部署在风力发电机组内的主控制器或者是与主控制器进行交互的子控制器，例如：变桨控制器。

作为示例，处理器401可由数字信号处理器、现场可编程门阵列等通用硬件处理器来实现，也可通过专用芯片等专用硬件处理器来实现。

根据本发明的示例性实施例还提供一种存储有计算机程序的计算机可读存储介质。该计算机可读存储介质存储有当被处理器执行时使得处理器执行上述卡桨故障识别方法的计算机程序。该计算机可读记录介质是可存储由计算机系统读出的数据的任意数据存储装置。计算机可读记录介质的示例包括：只读存储器、随机存取存储器、只读光盘、磁带、软盘、光数据存储装置和载波(诸如经有线或无线传输路径通过互联网的数据传输)。

尽管已经参照其示例性实施例具体显示和描述了本发明，但是本领域的技术人员应该理解，在不脱离权利要求所限定的本发明的精神和范围的情况下，可以对其进行形式和细节上的各种改变。

Claims (9)

1.一种风力发电机组的卡桨故障的识别方法，所述风力发电机组包括至少两个变桨系统，其中每个变桨系统用于驱动一只叶片进行变桨，其特征在于，所述方法包括：

步骤A)，检测所述风力发电机组的每个变桨系统的接近开关，如果所有的所述接近开关均被触发，则执行步骤B)，否则确定风力发电机组发生卡桨故障；

步骤B)，获取所述风力发电机组的故障文件，基于所述故障文件中的故障信息识别卡桨故障；如果识别的结果指示不存在卡桨故障，则执行步骤C)；

步骤C)，获取所述风力发电机组的运行数据，所述运行数据至少包括振动数据以及所述风力发电机组的叶片之间的角度差；基于所述运行数据识别卡桨故障，其中在卡桨故障时所述叶片之间的角度差导致风力发电机组的振动加剧。

2.根据权利要求1所述的识别方法，其特征在于，所述步骤A)包括：

步骤A1)，检测变桨系统与风力发电机组的主控制器之间的通信状态是否正常；

步骤A2)，如果所述通信状态为正常，则检测所述风力发电机组的每个变桨系统的接近开关。

3.根据权利要求2所述的识别方法，其特征在于，所述步骤A1)的步骤包括：

分别检测每只叶片的桨距角，当所述桨距角跳变为零时，则确定变桨系统与风力发电机组的主控制器之间的通信状态异常。

4.根据权利要求2所述的识别方法，其特征在于，所述故障信息包括故障码信息、变桨电机的电流信息及变桨电机的温度信息；其中，所述步骤B)包括：

步骤B1)，获取所述故障文件中的故障码信息，基于所述故障码信息识别卡桨故障；如果识别结果指示不存在卡桨故障，则执行步骤B2)；

步骤B2)，获取所述故障文件中的电流信息，基于所述电流信息识别卡桨故障；如果识别结果指示不存在卡桨故障，则执行步骤B3)；

步骤B3)，获取所述故障文件中的温度信息，基于所述温度信息识别卡桨故障；如果识别结果指示不存在卡桨故障，则执行步骤C)。

5.根据权利要求4所述的识别方法，其特征在于，所述方法包括：

当执行所述步骤B1)时，所述故障文件中不存在所述故障码信息，执行步骤B2)；

当执行所述步骤B2)时，所述故障文件中不存在所述电流信息，执行步骤B3)；

当执行所述步骤B3)时，所述故障文件中不存在所述温度信息，执行步骤C)。

6.根据权利要求1所述的识别方法，其特征在于，所述步骤C)包括：

步骤C1)，基于所述叶片的桨距角确定编码器是否发生跳变；

步骤C2)，当没有发生跳变时，获取所述风力发电机组的运行数据；

步骤C3)，基于所述运行数据识别卡桨故障。

7.根据权利要求6所述的识别方法，其特征在于，所述步骤C3)包括：

基于预先确定的振动数据与所述角度差之间的对应关系识别卡桨故障，其中，所述振动数据包括振动加速度。

8.一种控制器，其特征在于，所述控制器包括：

处理器；

存储器，存储有计算机程序，当所述计算机程序被处理器执行时，实现如权利要求1至7中任意一项所述的风力发电机组的卡桨故障的识别方法。

9.一种存储有计算机程序的计算机存储介质，其特征在于，当所述计算机程序在被处理器执行时实现如权利要求1至7中任意一项所述的风力发电机组的卡桨故障的识别方法。

Images