CN113915078A - 光纤光栅式风电机组叶片工况智能识别方法及系统 - Google Patents

Abstract

本发明提供了一种光纤光栅式风电机组叶片工况智能识别方法及系统。该方法包括：利用光纤光栅应力传感器监测数据以及离散傅里叶变换算法识别机组转速；利用转速识别模块计算转速、光纤光栅温度传感器监测数据识别机组核心工况信息。本发明提供的光纤光栅式风电机组叶片工况智能识别方法及系统能够叶片故障诊断系统运行工况获取问题。

Description

光纤光栅式风电机组叶片工况智能识别方法及系统

技术领域

本发明涉及风力发电技术领域，特别是涉及一种光纤光栅式风电机组叶片工况智能识别方法及系统。

背景技术

风电机组叶片作为风电机组将风能转化为机械能的关键部件，且风电机组装机地区运行工况一般比较复杂恶劣，受限于叶片本身设计制造及工艺，长期运行将会导致叶片出现气孔、裂缝、磨损、腐蚀等叶片损伤，若不及时处理将会导致叶片断裂，甚至造成机毁人亡的损伤，严重影响经济及社会收益。

目前，对于风电机组叶片的状态监测以及损伤判定，多依赖于SCADA运行参数分析和基于定期点巡检的目视法诊断。对于SCADA运行参数诊分析来说，依赖于风电机组功率、风速等运行工况，无法对叶片进行分析诊断，具有极大的限制；对于目视法诊断而言，多依赖于现场运维人员的经验，且维护周期长，无法实时在线辨别叶片损伤。

基于此，市面上出现了较多叶片故障诊断系统来对叶片进行诊断分析，保证风电机组安全稳定运行，例如基于振动信号的故障诊断系统、基于光纤光栅技术的故障诊断系统等。上述这些系统存在一个共性缺点就是无法准确获取风电机组叶片当前诸如转速等关键运行工况，这会导致这类系统的自动化程度不高，且增加后台运维分析人员的故障鉴定难度。虽然，这类系统可以通过接入SCADA运行工况数据来进行弥补，但是技术及商业壁垒的存在，将会导致系统研发成本上升，无法大面积推广。此外，基于振动信号的故障诊断系统安装难度大、成本昂贵、对传感器精度要求高、对分析人员专业素质过硬等，导致工程应用不广泛。最近，由光纤光栅传感技术发展而来的叶片故障诊断系统由于其传感器体积小、质量轻、数据网络传输便捷、数据构成简单等一系列优点，逐渐成为学者及工程师们研究的热点。不过，基于光纤光栅传感技术的故障诊断系统同样被无法及时获取风电机组叶片运行工况等难题所困扰。

因此，基于光纤光栅技术的叶片故障诊断系统运行工况获取问题亟需进一步解决。

发明内容

本发明要解决的技术问题是提供一种光纤光栅式风电机组叶片工况智能识别方法及系统，能够叶片故障诊断系统运行工况获取问题。

为解决上述技术问题，本发明提供了一种光纤光栅式风电机组叶片工况智能识别方法，所述方法包括：利用光纤光栅应力传感器监测数据以及离散傅里叶变换算法识别机组转速；利用转速识别模块计算转速、光纤光栅温度传感器监测数据识别机组核心工况信息。

在一些实施方式中，利用光纤光栅应力传感器监测数据以及离散傅里叶变换算法识别机组转速，包括：获取三只叶片光纤光栅传感数据；分别对三只叶片光纤光栅传感数据进行快速傅里叶变换，得到三只叶片监测数据的频谱；根据风电机组叶片旋转特性，在0-0.5Hz之内搜索三个叶片频谱幅值的最大值；根据所搜索频谱幅值最大值，索引对应的频率；根据所计算频率，计算每个叶片的转速；利用所计算三个叶片转速，取其平均值，得到风电机组当前1分钟平均转速；将所计算转速按时间趋势保存，给后续模块提供基础数据。

在一些实施方式中，利用转速识别模块计算转速、光纤光栅温度传感器监测数据识别机组核心工况信息，包括：实时鉴别风电机组启动、停止、大风停机、故障停机、正常发电、叶片覆冰的运行工况信息。

在一些实施方式中，实时鉴别风电机组启动的运行工况信息，包括：获取转速识别方法所计算转速；设置风电机组启动阈值，识别机组启动状态；判断机组启动结束状态。

在一些实施方式中，实时鉴别风电机组停止的运行工况信息，包括：获取转速识别方法所计算转速；设置风电机组启动阈值，识别机组正常状态。

在一些实施方式中，实时鉴别风电机组大风停机的运行工况信息，包括：获取转速识别方法所计算转速；设置风电机组正常发电阈值上限，时间阈值，进而判定机组大风停机状态。

在一些实施方式中，实时鉴别风电机组故障停机的运行工况信息，包括：获取转速识别方法所计算转速；设置风电机组时间阈值，判定机组故障停机状态。

在一些实施方式中，实时鉴别风电机组正常发电的运行工况信息，包括：获取转速识别方法所计算转速；设置风电机组正常发电阈值下限，阈值上限，识别机组正常发电状态。

在一些实施方式中，还包括：根据两级管理权限对工况判定阈值进行管理。

此外，本发明还提供了一种光纤光栅式风电机组叶片工况智能识别系统，所述系统包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现根据前文所述的光纤光栅式风电机组叶片工况智能识别方法。

采用这样的设计后，本发明至少具有以下优点：

(1)本发明根据风电机组运行特性以及光纤光栅传感器监测数据，设计一种转速识别方法，在不依赖其他系统的前提下，实时计算风电机组叶轮转速，可为基于光纤光栅传感原理的叶片智能监测系统提供故障诊断所必须的转速数据，进而提高这类系统的诊断精度及可靠性。

(2)本发明依据转速识别方法所计算转速和光纤光栅温度监测数据，构建一种工况识别方法，可实时判定风电机组启动、停止、大风停机、故障停机、叶片覆冰等工况，基于光纤光栅传感原理的叶片智能监测系统故障分析、诊断及定损提供可靠的工况信息，同时提高至少50％以上诊断精度。

(3)本发明提供的工况信息可辅助风电场人员对风电机组状态进行跟踪，与原有SCADA等监控系统相互印证，更为全面的了解风电机组运行工况，保证风电机组稳定、可靠运行，进一步提高发电企业生产效益。

(4)本发明所提供的叶片工况智能识别系统实现原理简单、逻辑清晰，一般程序开发者即可实现该系统的开发，可大面积推广。

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是转速识别方法；

图2是风电机组工况智能识别方法；

图3是风电机组工况智能识别系统。

附图标记说明：δ₁-正常发电阈值下限；δ₂-正常发电阈值上限；α-启动阈值；β-时间阈值；ε-温度阈值。

具体实施方式

以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。

本发明提供一种光纤光栅式风电机组叶片工况智能识别方法及系统，解决以下技术问题：

(1)本发明利用均匀安装于叶片叶根的光纤光栅应变传感器监测数据，设计一种转速识别算法，提取风电机组关键转速信息，为叶片故障诊断系统提供基础工况数据，在不接入其他系统工况数据的情况下实现系统转速识别。

(2)利用上述(1)所提取转速信息以及光纤光栅温度传感器监测数据，设计一种风电机组工况智能识别方法，实时鉴别风电机组核心工况信息，包括启动、正常停机、大风停机、故障停机、正常发电、叶片覆冰等运行工况信息，为故障诊断系统后续叶片诊断、定损提供关键工况信息。

(3)所述(2)中，利用(1)中所提取转速信息，构建一种风电机组启动识别算法，实时鉴别风电机组启动状态。

(4)所述(2)中，利用(1)中所提取转速信息，构建一种风电机组正常停机识别算法，判断机组是否处于停机状态。

(5)所述(2)中，利用(1)中所提取转速信息，构建一种风电机组大风停机识别算法，实时鉴别机组是否因风速过高导致停机。

(6)所述(2)中，利用(1)中所提取转速信息，构建一种风电机组故障停机识别算法，实时鉴别机组是否因机组故障导致停机。

(7)所述(2)中，利用(1)中所提取转速信息以及光纤光栅温度传感器监测数据，构建一种风电机组叶片覆冰识别算法，实时鉴别机组是否因叶片覆冰导致停机。

(8)所述(2)中，利用(1)中所提取转速信息，构建一种风电机组正常发电识别算法，实时鉴别机组是否正在正常并网发电。

(9)所述(3)-(8)中的各类识别算法共同构成一种风电机组工况智能识别方法，并将所需配置工况参数统一管理，构建工况参数配置策略。通过该策略，通过统一配置、灵活修改机组启动、停止、大风停机、故障停机、正常发电、叶片覆冰等阈值，优化调整工况识别模型准确度。

(10)利用上述(1)-(8)所述的风电机组工况智能识别方法，构建一种风电机组工况智能识别系统。该系统包含风电机组工况智能识别模块及其启动、正常停机、大风停机、故障停机、正常发电、叶片覆冰识别子模块和工况参数配置模块、转速识别模块。该系统可单独使用，也可作为其他系统的子模块复合使用，应用形式广泛，实现原理友好。

本发明提供一种光纤光栅式风电机组叶片工况智能识别方法及系统，解决基于光纤光栅传感技术的叶片故障诊断系统无法及时鉴别风电机组运行工况，导致无法准确诊断叶片故障等难题，同时基于光纤光栅传感数据，创造一种能够准确识别风电机组启动、正常停机、大风停机、故障停机、正常发电、叶片覆冰等运行工况的风电机组工况智能识别方法。

为了达到上述目的，本发明采用以下技术方案：

一种光纤光栅式风电机组叶片工况智能识别方法及系统，包括风电机组转速识别方法、工况识别方法、工况参数配置策略，以及利用上述三点构建的风电机组叶片工况智能识别系统，该系统包含转速识别模块、智能工况识别模块、工况参数配置模块。所述风电机组转速识别方法利用光纤光栅应力传感器监测数据以及离散傅里叶变换算法识别机组转速，并利用该方法形成转速识别模块；所述工况识别方法利用转速识别模块计算转速、光纤光栅温度传感器监测数据识别机组工况，并依据该方法形成工况识别模块，实时鉴别风电机组启动、停止、大风停机、故障停机、正常发电、叶片覆冰等运行工况信息；所述工况参数配置策略，通过统一配置、灵活修改机组启动、正常停机、大风停机、故障停机、正常发电、叶片覆冰等阈值，优化调整工况识别模型准确度，并利用该策略形成工况参数配置模块。

进一步的，所述风电机组转速识别方法，对三只叶片的光纤光栅传感数据进行计算，并取所计算的三个转速的平均值，转速识别方法具体包含以下步骤：

获取三只叶片光纤光栅传感数据，采样频率Fs不低于4Hz，数据采样点数N不低于120点，分别记作：S₁、S₂、S₃；

分别对S₁、S₂、S₃进行快速傅里叶变换，得到三只叶片监测数据的频谱，并将频谱幅值记作Y_1n、Y_2n、Y_3n，频率f记作F_1n、F_2n、F_3n，其中n＝1,2,3,...,N/2；

根据风电机组叶片旋转特性，在0-0.5Hz之内搜索三个叶片频谱幅值的最大值，公式如下：

M_i＝max(Y_ix) (1-2)

式中：i＝1,2,3。

根据公式(1-2)所搜索频谱幅值最大值M_i，引索对应的频率f_i，公式如下：

k_i＝index(F_ix＝＝M_i) (1-3)

式中，x为公式(1-1)计算值，i＝1,2,3。

根据公式(1-4)所计算频率f_i，并利用以下公式即可得到每个叶片的转速：

n_i＝60×f_i (1-5)

利用(1.5)所计算三个叶片转速，取其平均值即可得到风电机组当前1分钟平均转速：

将所计算转速按时间趋势保存，给后续模块提供基础数据。

进一步的，所述工况识别方法根据转速识别方法所计算转速及光纤光栅温度监测数据，对风电机组启动、停止、大风停机、故障停机、正常发电、叶片覆冰等工况进行识别。

进一步的，所述风电机组启动识别算法包含以下步骤：

(2.1)获取转速识别方法所计算转速n；

(2.2)设置风电机组启动阈值α，则机组启动状态可由下式识别：

启动状态：n≤α且n_i+1-n_i＞0 (2-1)

式中,i为正整数，n_i表示每分钟获取的转速数据。

(2.3)机组启动结束状态可由下式判断：

启动结束：n＞α (2-2)

进一步的，所述风电机组正常停机识别算法包含以下步骤：

(3.1)获取转速识别方法所计算转速n；

(3.2)设置风电机组启动阈值α，则机组正常状态可由下式识别：

正常停机：α≤n且n_i+1-n_i≤0 (3-1)

式中,i为正整数，n_i表示每分钟获取的转速数据。

进一步的，所述风电机组大风停机识别算法包含以下步骤：

(4.1)获取转速识别方法所计算转速n；

(4.2)设置风电机组正常发电阈值上限δ₂，时间阈值β，假设机组正常发电时刻为t₁，从停机开始到结束时刻为t₂，则机组大风停机状态可由以下公式判定：

大风停机：

式中，i为正整数，n_i表示每分钟获取的转速数据。

进一步的，所述风电机组故障停机识别算法包含以下步骤：

(5.1)获取转速识别方法所计算转速n；

(5.2)设置风电机组时间阈值β，假设机组正常发电时刻为t₁，从停机开始到结束时刻为t₂，则机组故障停机状态可由以下公式判定：

故障停机：

式中，i为正整数，n_i表示每分钟获取的转速数据。

进一步的，所述风电机组正常发电识别算法包含以下步骤：

(6.1)获取转速识别方法所计算转速n；

(6.2)设置风电机组正常发电阈值下限δ₁，阈值上限δ₂，则机组正常发电状态可由下式识别：

正常发电状态：δ₁≤n≤δ₂ (6-1)

进一步的，所述风电机组叶片覆冰识别算法包含以下步骤：

(7.1)获取转速识别方法所计算转速n，机组三个叶片温度，机组T_i,i＝1,2,3；

(7.2)设置风电机组温度阈值ε，则风电机组叶片结冰状态由下式判定：

叶片结冰：

式中，i＝1,2,3，一般的ε＜0C°。

进一步的，所述工况参数配置策略，作为工况智能识别模块的辅助，主要是对工况识别方法中的各阈值进行设定、修改及配置，保证工况识别方法的准确度，为后续故障诊断系统或者其他系统提供可靠的工况信息。

具体的，该模块参数配置及确定具有以下步骤：

(8.1)系统上线运行一周后，根据一周监测数据以及风电机组运行特性，确定初始正常发电阈值下限δ₁、阈值上限δ₂、启动阈值α、时间阈值β、温度阈值ε，并将这些阈值成功下发至工况识别模块；

(8.2)观察一个月，将一个月的工况判定信息与监测数据进行对比确认，调整不合适的参数，并配置下发；

(8.3)重复(8.2)所述步骤，直到统计工况信息正确率达到99％及以上，保存配置信息，并提高模块管理权限；

(8.4)继续观察一段时间，确定机组无误报后，工况参数配置设定完成。

本发明还提供了一种根据上述方法实时判定风电机组工况信息的监测系统，包含以下模块：

转速识别模块：根据转速识别方法构建转速识别模块，该模块实时接收上位机发送的原始监测数据，并根据原始监测数据计算机组实时转速，并实现秒级数据，分钟级数据存储及输送；

工况智能识别模块：根据工况识别方法构建工况识别模块，该模块实时接收转速识别模块的转速数值以及上位机发送的原始温度监测数据，并根据转速数据和温度数据，实时判断机组当前工况，并将结果输送至下位机。

工况参数配置模块：根据工况参数配置策略构建工况参数配置模块，该模块设置二级管理权限，第一级管理权限可对工况判定阈值的参数随时更改；第二级管理权限不可对工况判定阈值参数进行更改。在系统处于工况参数确定期间，设置第一级管理权限，根据监测数据以及工况判定信息，修改配置工况判定阈值；当系统完成工况参数确定后，设置第二级管理权限，不可对工况参数进行修改，仅保留查阅权限，避免因工况参数阈值的随意处置，导致系统对工况的判断不准确，从而降低后续对叶片故障诊断的准确度。

实施例1一种风电机组叶片工况智能识别方法

如图1-3所示，一种光纤光栅式风电机组叶片工况智能识别方法及系统包含图1所示的风电机组转速识别方法，图2所示的工况识别方法，还有工况参数配置策略，以及利用上述三点构建的如图3所示的风电机组叶片工况智能识别系统，该系统包含转速识别模块、工况识别模块、工况参数配置模块。所述风电机组转速识别方法利用光纤光栅应力传感器监测数据以及离散傅里叶变换算法识别机组转速，并利用该方法形成转速识别模块；所述工况识别方法利用转速识别模块计算转速、光纤光栅温度传感器监测数据识别机组工况，并依据该方法形成工况识别模块，实时鉴别风电机组启动、停止、大风停机、故障停机、叶片覆冰等运行工况信息；所述工况参数配置策略，通过统一配置、灵活修改机组启动、停止、大风停机、故障停机、叶片覆冰等阈值，优化调整工况识别模型准确度，并利用该策略形成工况参数配置模块。

进一步的，所述风电机组转速识别方法，对三只叶片的光纤光栅传感数据进行计算，并取所计算的三个转速的平均值，如图1所示，转速识别方法具体包含以下步骤：

获取三只叶片光纤光栅传感数据，采样频率Fs不低于4Hz，数据采样点数N不低于120点，分别记作：S₁、S₂、S₃；

分别对S₁、S₂、S₃进行快速傅里叶变换，得到三只叶片监测数据的频谱，并将频谱幅值记作Y_1n、Y_2n、Y_3n，频率f记作F_1n、F_2n、F_3n，其中n＝1,2,3,...,N/2；

根据风电机组叶片旋转特性，在0-0.5Hz之内搜索三个叶片频谱幅值的最大值，公式如下：

M_i＝max(Y_ix) (1-2)

式中：i＝1,2,3。

根据公式(1-2)所搜索频谱幅值最大值M_i，引索对应的频率f_i，公式如下：

k_i＝index(F_ix＝＝M_i) (1-3)

式中，x为公式(1-1)计算值，i＝1,2,3。

根据公式(1-4)所计算频率f_i，并利用以下公式即可得到每个叶片的转速：

n_i＝60×f_i (1-5)

利用(1.5)所计算三个叶片转速，取其平均值即可得到风电机组当前1分钟平均转速：

将所计算转速按时间趋势保存，给后续模块提供基础数据。

进一步的，如图2所示，所述工况识别方法根据转速识别方法所计算转速及光纤光栅温度监测数据，对风电机组启动、停止、大风停机、故障停机、正常发电、叶片覆冰等工况进行识别。

进一步的，所述风电机组启动识别算法包含以下步骤：

(2.1)获取转速识别方法所计算转速n；

(2.2)设置风电机组启动阈值α，则机组启动状态可由下式识别：

正常启动：n≤α且n_i+1-n_i＞0 (2-1)

式中,i为正整数，n_i表示每分钟获取的转速数据。

(2.3)机组启动结束状态可由下式判断：

启动结束：n＞α (2-2)

进一步的，所述风电机组正常停机识别算法包含以下步骤：

(3.1)获取转速识别方法所计算转速n；

(3.2)设置风电机组启动阈值α，则机组正常状态可由下式识别：

正常停机：α≤n且n_i+1-n_i≤0 (3-1)

式中,i为正整数，n_i表示每分钟获取的转速数据。

进一步的，所述风电机组大风停机识别算法包含以下步骤：

(4.1)获取转速识别方法所计算转速n；

(4.2)设置风电机组正常发电阈值上限δ₂，时间阈值β，假设机组正常发电时刻为t₁，从停机开始到结束时刻为t₂，则机组大风停机状态可由以下公式判定：

大风停机：

式中，i为正整数，n_i表示每分钟获取的转速数据。

进一步的，所述风电机组故障停机识别算法包含以下步骤：

(5.1)获取转速识别方法所计算转速n；

(5.2)设置风电机组时间阈值β，假设机组正常发电时刻为t₁，从停机开始到结束时刻为t₂，则机组故障停机状态可由以下公式判定：

故障停机：

式中，i为正整数，n_i表示每分钟获取的转速数据。

进一步的，所述风电机组正常发电识别算法包含以下步骤：

(6.1)获取转速识别方法所计算转速n；

(6.2)设置风电机组正常发电阈值下限δ₁，阈值上限δ₂，则机组正常发电状态可由下式识别：

正常发电状态：δ₁≤n≤δ₂ (6-1)

进一步的，所述风电机组叶片覆冰识别算法包含以下步骤：

(7.1)获取转速识别方法所计算转速n，机组三个叶片温度，机组T_i,i＝1,2,3；

(7.2)设置风电机组温度阈值ε，则风电机组叶片结冰状态由下式判定：

叶片结冰：

式中，i＝1,2,3，一般的ε＜0C°。

进一步的，所述工况参数配置策略，作为工况智能识别模块的辅助，主要是对工况识别方法中的各阈值进行设定、修改及配置，保证工况识别方法的准确度，为后续故障诊断系统或者其他系统提供可靠的工况信息。

进一步的，所述工况参数配置策略，作为工况识别模块的辅助，主要是对工况识别方法中的各阈值进行设定、修改及配置，保证工况识别方法的准确度，为后续故障诊断系统或者其他系统提供可靠的工况信息。

具体的，该模块参数配置及确定具有以下步骤：

(8.1)系统上线运行一周后，根据一周监测数据以及风电机组运行特性，确定初始正常发电阈值下限δ₁、阈值上限δ₂、启动阈值α、时间阈值β、温度阈值ε，并将这些阈值成功下发至工况识别模块；

(8.2)观察一个月，将一个月的工况判定信息与监测数据进行对比确认，调整不合适的参数，并配置下发；

(8.3)重复(8.2)所述步骤，直到统计工况信息正确率达到99％及以上，保存配置信息，并提高模块管理权限；

(8.4)继续观察一段时间，确定机组无误报后，工况参数配置设定完成。

实施例2一种风电机组叶片工况智能识别系统

本实施例提供了一种根据实施例1实时判定风电机组工况信息的监测系统，如图3所示，该系统包含以下模块：

转速识别模块：根据转速识别方法构建转速识别模块，该模块实时接收上位机发送的原始监测数据，并根据原始监测数据计算机组实时转速，并实现秒级数据，分钟级数据存储及输送；

工况识别模块：根据工况识别方法构建工况识别模块，该模块实时接收转速识别模块的转速数值以及上位机发送的原始温度监测数据，并根据转速数据和温度数据，实时判断机组当前工况，并将结果输送至下位机。

工况参数配置模块：根据工况参数配置策略构建工况参数配置模块，该模块设置二级管理权限，第一级管理权限可对工况判定阈值的参数随时更改；第二级管理权限不可对工况判定阈值参数进行更改。在系统处于工况参数确定期间，设置第一级管理权限，根据监测数据以及工况判定信息，修改配置工况判定阈值；当系统完成工况参数确定后，设置第二级管理权限，不可对工况参数进行修改，仅保留查阅权限，避免因工况参数阈值的随意处置，导致系统对工况的判断不准确，从而降低后续对叶片故障诊断的准确度。

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)

1.一种光纤光栅式风电机组叶片工况智能识别方法，其特征在于，包括：

利用光纤光栅应力传感器监测数据以及离散傅里叶变换算法识别机组转速；

利用转速识别模块计算转速、光纤光栅温度传感器监测数据识别机组核心工况信息。

2.根据权利要求1所述的光纤光栅式风电机组叶片工况智能识别方法，其特征在于，利用光纤光栅应力传感器监测数据以及离散傅里叶变换算法识别机组转速，包括：

获取三只叶片光纤光栅传感数据；

分别对三只叶片光纤光栅传感数据进行快速傅里叶变换，得到三只叶片监测数据的频谱；

根据风电机组叶片旋转特性，在0-0.5Hz之内搜索三个叶片频谱幅值的最大值；

根据所搜索频谱幅值最大值，索引对应的频率；

根据所计算频率，计算每个叶片的转速；

利用所计算三个叶片转速，取其平均值，得到风电机组当前1分钟平均转速；

将所计算转速按时间趋势保存，给后续模块提供基础数据。

3.根据权利要求1所述的光纤光栅式风电机组叶片工况智能识别方法，其特征在于，利用转速识别模块计算转速、光纤光栅温度传感器监测数据识别机组核心工况信息，包括：

实时鉴别风电机组启动、停止、大风停机、故障停机、正常发电、叶片覆冰的运行工况信息。

4.根据权利要求3所述的光纤光栅式风电机组叶片工况智能识别方法，其特征在于，实时鉴别风电机组启动的运行工况信息，包括：

获取转速识别方法所计算转速；

设置风电机组启动阈值，识别机组启动状态；

判断机组启动结束状态。

5.根据权利要求3所述的光纤光栅式风电机组叶片工况智能识别方法，其特征在于，实时鉴别风电机组停止的运行工况信息，包括：

获取转速识别方法所计算转速；

设置风电机组启动阈值，识别机组正常状态。

6.根据权利要求3所述的光纤光栅式风电机组叶片工况智能识别方法，其特征在于，实时鉴别风电机组大风停机的运行工况信息，包括：

获取转速识别方法所计算转速；

设置风电机组正常发电阈值上限，时间阈值，进而判定机组大风停机状态。

7.根据权利要求3所述的光纤光栅式风电机组叶片工况智能识别方法，其特征在于，实时鉴别风电机组故障停机的运行工况信息，包括：

获取转速识别方法所计算转速；

设置风电机组时间阈值，判定机组故障停机状态。

8.根据权利要求3所述的光纤光栅式风电机组叶片工况智能识别方法，其特征在于，实时鉴别风电机组正常发电的运行工况信息，包括：

获取转速识别方法所计算转速；

设置风电机组正常发电阈值下限，阈值上限，识别机组正常发电状态。

9.根据权利要求1所述的光纤光栅式风电机组叶片工况智能识别方法，其特征在于，还包括：

根据两级管理权限对工况判定阈值进行管理。

10.一种光纤光栅式风电机组叶片工况智能识别系统，其特征在于，包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现根据前文所述的光纤光栅式风电机组叶片工况智能识别方法。

Images