CN114320774A - 风力发电机组的叶片检测方法、装置、系统、设备及介质 - Google Patents
风力发电机组的叶片检测方法、装置、系统、设备及介质 Download PDFInfo
- Publication number
- CN114320774A CN114320774A CN202111605141.2A CN202111605141A CN114320774A CN 114320774 A CN114320774 A CN 114320774A CN 202111605141 A CN202111605141 A CN 202111605141A CN 114320774 A CN114320774 A CN 114320774A
- Authority
- CN
- China
- Prior art keywords
- blade
- leading edge
- edge surface
- cloud data
- point cloud
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 90
- 238000000034 method Methods 0.000 claims abstract description 51
- 230000015654 memory Effects 0.000 claims description 25
- 238000004590 computer program Methods 0.000 claims description 15
- 238000004364 calculation method Methods 0.000 description 20
- 238000010586 diagram Methods 0.000 description 14
- 239000000306 component Substances 0.000 description 11
- 238000012545 processing Methods 0.000 description 11
- 238000012423 maintenance Methods 0.000 description 10
- 238000004891 communication Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 5
- 230000008014 freezing Effects 0.000 description 4
- 238000007710 freezing Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000010408 sweeping Methods 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 3
- 230000009471 action Effects 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000009833 condensation Methods 0.000 description 2
- 230000005494 condensation Effects 0.000 description 2
- 239000008358 core component Substances 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 238000010248 power generation Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000007792 addition Methods 0.000 description 1
- 230000001174 ascending effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/70—Wind energy
- Y02E10/72—Wind turbines with rotation axis in wind direction
Landscapes
- Wind Motors (AREA)
Abstract
本申请实施例提供了风力发电机组的叶片检测方法、装置、系统、设备及介质,风力发电机组的叶片检测方法包括:获取叶片的前缘表面的第一点云数据,第一点云数据包括叶片的前缘表面上多个点的空间位置坐标;根据第一点云数据和预先获取的基准叶片的前缘表面的第二点云数据,确定叶片的前缘表面的形变参数,第二点云数据包括基准叶片的前缘表面上多个点的空间位置坐标;根据叶片的前缘表面的形变参数,确定风力发电机组的叶片的检测结果。本申请实施例能够在实现风力发电机组的叶片检测的同时,降低叶片检测的成本。
Description
技术领域
本申请属于风力发电技术领域,尤其涉及一种风力发电机组的叶片检测方法、装置、系统、设备及介质。
背景技术
随着新能源技术的迅速发展,风能作为一种重要的可再生能源,其应用范围越来越广泛。
叶片作为风力发电机组的核心部件,其寿命和安全性直接影响着整个风力发电机组的寿命和安全状况。由于叶片故障导致的停机通常需要较长的维护时间,从而给风场带来巨大的经济损失,对叶片故障的维护检修会大幅增加风电场人力物力运维成本,从而不利于风电产业持续健康发展。因此,对于叶片的检测尤为重要。
发明内容
本申请实施例提供一种风力发电机组的叶片检测方法、装置、系统、设备及介质,能够以较低成本实现风力发电机组的叶片检测。
第一方面,本申请实施例提供一种风力发电机组的叶片检测方法,方法包括:获取叶片的前缘表面的第一点云数据,第一点云数据包括叶片的前缘表面上多个点的空间位置坐标;根据第一点云数据和预先获取的基准叶片的前缘表面的第二点云数据,确定叶片的前缘表面的形变参数,第二点云数据包括基准叶片的前缘表面上多个点的空间位置坐标;根据叶片的前缘表面的形变参数,确定风力发电机组的叶片的检测结果。
根据本申请第一方面的实施方式,根据第一点云数据和预先获取的基准叶片的前缘表面的第二点云数据,确定叶片的前缘表面的形变参数,具体包括:将第一点云数据和第二点云数据转换至相同的网格点坐标系下,得到网格化的第一点云数据和网格化的第二点云数据;计算网格化的第一点云数据中多个点的空间位置坐标与网格化的第二点云数据中多个点的空间位置坐标之间的差值,得到叶片的前缘表面的多个点的形变量;前缘表面的形变参数包括前缘表面的多个点的形变量。
如此一来,通过将第一点云数据和第二点云数据转换至相同的网格点坐标系下,并使第一点云数据和第二点云数据两者作差得到叶片的前缘表面的多个点的形变量(即叶片的前缘表面的形变参数),一方面由于叶片的前缘表面的形变参数是在同一坐标系(标准)下计算得到的,所以可以保证获得叶片的前缘表面的形变参数的准确性;另一方面,在将第一点云数据和第二点云数据转换至相同的网格点坐标系之后,可以同时得到叶片的前缘表面的多个点的形变量,从而能够缩短计算时间,提高计算速率。
根据本申请第一方面前述任一实施方式,计算网格化的第一点云数据中多个点的空间位置坐标与网格化的第二点云数据中多个点的空间位置坐标之间的差值,得到叶片的前缘表面的多个点的形变量,具体包括:将叶片的前缘表面上的叶尖所在的点在网格化的第一点云数据中的空间位置坐标作为第一目标空间位置坐标,将基准叶片的前缘表面上的叶尖所在的点在网格化的第二点云数据中的空间位置坐标作为第二目标空间位置坐标,并计算第一目标空间位置坐标与第二目标空间位置坐标之间的差值;对于叶片的前缘表面的多个点中的任意第i个点,将网格化的第一点云数据中与第一目标空间位置坐标相距预设距离阈值的空间位置坐标作为第i个点的第一空间位置坐标,将网格化的第二点云数据中与第二目标空间位置坐标相距预设距离阈值的空间位置坐标作为第i个点的第二空间位置坐标,计算第i个点的第一空间位置坐标与第i个点的第二空间位置坐标之间的差值,得到第i个点的形变量。
如此一来,以叶尖所在的坐标作为坐标参考基准,以预设距离阈值作为距离参考基准,确定出第一点云数据中的多个点的空间位置坐标与第二点云数据中的多个点的空间位置坐标的一一对应关系,从而在计算第i个点的形变量时可以确保是基于第i个点在第一点云数据中的空间位置坐标与同一个第i个点在第二点云数据中的空间位置坐标得到的,进而保证获得的叶片的前缘表面的多个点的形变量的准确性。
根据本申请第一方面前述任一实施方式,形变参数包括叶片的前缘表面垂直于叶片的迎风面的第一形变参数;根据叶片的前缘表面的形变参数,确定风力发电机组的叶片的检测结果,具体包括:根据第一形变参数,确定整个叶片在垂直于叶片的迎风面的目标形变参数;根据目标形变参数,确定叶片承受的载荷。
如此一来,本申请实施例能够基于叶片的前缘表面的形变参数,获得整个叶片在垂直于叶片的迎风面的形变参数,以便于维护人员及时了解整个叶片的形变情况。进而,还可以基于整个叶片在垂直于叶片的迎风面的形变参数,获得叶片承受的载荷情况,以便于预防叶片因异常载荷的折断和叶片扫塔事故的发生。
根据本申请第一方面前述任一实施方式,根据第一形变参数,确定整个叶片在垂直于叶片的迎风面的目标形变参数,具体包括:根据第一对应关系以及第一形变参数,得到第一形变参数对应的目标形变参数;其中,第一对应关系为叶片的前缘表面在垂直于叶片的迎风面的形变参数与整个叶片在垂直于叶片的迎风面的形变参数之间的对应关系。
如此一来,基于预先建立的叶片的前缘表面的形变参数与整个叶片在垂直于叶片的迎风面的形变参数之间的第一对应关系,便可以快速的确定第一形变参数对应的整个叶片在垂直于叶片的迎风面的目标形变参数,可以减少实时计算时的计算量,提高处理速度。
根据本申请第一方面前述任一实施方式,目标形变参数包括叶片表面上多个点在垂直于叶片的迎风面的形变量;根据目标形变参数,确定叶片承受的载荷,具体包括:根据预先建立的形变量与载荷之间的第二对应关系以及叶片表面上多个点在垂直于叶片的迎风面的形变量,得到叶片表面上多个点承受的载荷。
如此一来,基于预先建立的形变量与载荷之间的第二对应关系,便可以快速的确定叶片表面上多个点的形变量对应的叶片表面上多个点承受的载荷,可以减少实时计算时的计算量,提高处理速度。
根据本申请第一方面前述任一实施方式,形变参数包括叶片的前缘表面垂直于叶片的迎风面的第一形变参数;根据叶片的前缘表面的形变参数,确定风力发电机组的叶片的检测结果,具体包括:根据第一形变参数,确定叶片的净空距离。
如此一来,本申请实施例能够基于叶片的前缘表面的形变参数,获得叶片的净空距离,从而可以实现叶片的净空保护,预防叶片与塔架发生碰撞。
根据本申请第一方面前述任一实施方式,第一形变参数包括叶片的叶尖向下且垂直于地面时的叶片的前缘表面的多个点垂直于叶片的迎风面的第一形变量;根据第一形变参数,确定叶片的净空距离,具体包括:获取多个第一形变量中的最大形变量;计算预先确定的初始净空距离与最大形变量之间的和值或差值,得到叶片的净空距离,初始净空距离为在叶片未发生形变且未承受载荷时的叶片的叶尖与风力发电机组的塔筒之间的距离。
如此一来,本申请实施例能够基于叶尖向下且垂直于地面时的多个第一形变量,确定出最大形变量(即叶尖的形变量),然后基于叶片未发生形变且未承受载荷时的初始净空距离与最大形变量作差或作和,准确且快速的得到叶片的净空距离。
根据本申请第一方面前述任一实施方式,形变参数包括叶片的前缘表面平行于叶片的迎风面的第二形变参数;根据叶片的前缘表面的形变参数,确定风力发电机组的叶片的检测结果,具体包括:根据第二形变参数,确定叶片的前缘上的结冰厚度和/或结冰范围。
如此一来,本申请实施例能够基于叶片的前缘表面的形变参数,获得叶片的前缘的结冰厚度和/或结冰范围,以便于维护人员及时了解叶片的前缘的结冰情况,进而能够在结冰较为严重的情况下对风力发电机组进行保护。
根据本申请第一方面前述任一实施方式,第二形变参数包括叶片的前缘表面的多个点在平行于叶片的迎风面的第二形变量;根据第二形变参数,确定叶片的前缘上的结冰厚度和/或结冰范围,具体包括:按照第二形变量从大到小的顺序,获取前N个第二形变量,N为正整数;根据前N个第二形变量,确定叶片的前缘上的结冰厚度。
如此一来,通过选取最大的前N个第二形变量,例如计算前N个第二形变量的平均数、中位数或众数得到叶片的前缘上的结冰厚度,可以避免因少数个第二形变量存在误差而导致得到的结冰厚度出现误差,保证获得叶片的前缘上的结冰厚度的准确性。
根据本申请第一方面前述任一实施方式,第二形变参数包括叶片的前缘表面的多个点在平行于叶片的迎风面的第二形变量;根据第二形变参数,确定叶片的前缘上的结冰厚度和/或结冰范围,具体包括:获取网格化的第一点云数据中第二形变量大于预设阈值的空间位置坐标所在网格的数量;根据获取的网格的数量和预先确定的网格的面积,确定叶片的前缘上的结冰范围。
如此一来,由于叶片的前缘上的结冰通常是不规则的形状,因而较难计算出叶片的前缘上的结冰范围/结冰面积。而通过划分多个网格,并统计第二形变量大于预设阈值的空间位置坐标所在网格的数量以及基于网格的面积可以解决这一难题,能够准确的计算出叶片的前缘上的结冰范围/结冰面积。
根据本申请第一方面前述任一实施方式,通过激光雷达获取叶片的前缘表面的第一点云数据,激光雷达安装在与风力发电机组的叶片同步转动的转动部件上。
根据本申请第一方面前述任一实施方式,转动部件包括轮毂或导流罩。
第二方面,本申请实施例提供了一种风力发电机组的叶片检测装置,装置包括:获取模块,用于获取叶片的前缘表面的第一点云数据,第一点云数据包括叶片的前缘表面上多个点的空间位置坐标;第一确定模块,用于根据第一点云数据和预先获取的基准叶片的前缘表面的第二点云数据,确定叶片的前缘表面的形变参数,第二点云数据包括基准叶片的前缘表面上多个点的空间位置坐标;第二确定模块,用于根据叶片的前缘表面的形变参数,确定风力发电机组的叶片的检测结果。
第三方面,本申请实施例提供了一种风力发电机组的控制器,风力发电机组的控制器包括:处理器、存储器及存储在存储器上并可在处理器上运行的计算机程序,计算机程序被处理器执行时实现如第一方面提供的风力发电机组的叶片检测方法的步骤。
第四方面,本申请实施例提供了一种风力发电机组的叶片检测系统,包括如第二方面提供的风力发电机组的叶片检测装置或如第三方面提供的风力发电机组的控制器,以及采集装置;采集装置用于采集生成叶片的前缘表面的第一点云数据,并将第一点云数据发送至获取模块,采集装置安装在与风力发电机组的叶片同步转动的转动部件上。
根据本申请第四方面前述任一实施方式,采集装置包括激光雷达,转动部件包括轮毂或导流罩。
第五方面,本申请实施例提供了一种风力发电机组,风力发电机组包括叶片;转动部件,转动部件与叶片同步转动;如第四方面提供的风力发电机组的叶片检测系统。
根据本申请第五方面前述任一实施方式,叶片检测系统包括三个叶片和至少三个采集装置,采集装置安装于转动部件上且与叶片保持相对静止,每个叶片与至少一个采集装置相对应,每个叶片对应的采集装置被配置为获取对应叶片的前缘表面的第一点云数据。
根据本申请第五方面前述任一实施方式,叶片检测系统还包括三个叶片位置接近开关,三个叶片位置接近开关与风力发电机组的三个叶片一一对应,每个叶片位置接近开关被配置为在对应叶片的叶尖向下且垂直于地面时输出触发信号;采集装置具体被配置为在接收到叶片位置接近开关发送的触发信号的情况下,获取叶片的前缘表面的第一点云数据。
第六方面,本申请实施例提供了一种计算机可读存储介质,计算机可读存储介质上存储计算机程序,计算机程序被处理器执行时实现如第一方面提供的风力发电机组的叶片检测方法的步骤。
本申请实施例的风力发电机组的叶片检测方法、装置、系统、设备及介质,风力发电机组的叶片检测方法包括:获取叶片的前缘表面的第一点云数据,第一点云数据包括叶片的前缘表面上多个点的空间位置坐标;根据第一点云数据和预先获取的基准叶片的前缘表面的第二点云数据,确定叶片的前缘表面的形变参数,第二点云数据包括基准叶片的前缘表面上多个点的空间位置坐标;根据叶片的前缘表面的形变参数,确定风力发电机组的叶片的检测结果。本申请实施例的方案无需在风力发电机组安装较多的传感器等采集设备,而是基于叶片的前缘表面的第一点云数据与基准叶片的前缘表面的第二点云数据对风力发电机组的叶片进行检测,因而能够在实现风力发电机组的叶片检测的同时,降低叶片检测的成本。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对本申请实施例中所需要使用的附图作简单的介绍,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的风力发电机组的叶片检测方法的一种流程示意图;
图2为本申请实施例提供的风力发电机组的一种结构示意图;
图3为图1所示的风力发电机组的叶片检测方法中步骤S102的一种流程示意图;
图4为图3所示的风力发电机组的叶片检测方法中步骤S302的一种流程示意图;
图5为本申请实施例提供的风力发电机组的叶片的一种正视示意图;
图6为本申请实施例提供的风力发电机组的一种结构示意图;
图7为本申请实施例提供的风力发电机组的叶片在未承受载荷时的一种侧视示意图;
图8为本申请实施例提供的风力发电机组的叶片在承受载荷时的一种侧视示意图;
图9为图1所示的风力发电机组的叶片检测方法中步骤S103的一种流程示意图;
图10为本申请实施例提供的风力发电机组的一种结构示意图;
图11为图1所示的风力发电机组的叶片检测方法中步骤S103的一种流程示意图;
图12为本申请实施例提供的风力发电机组的叶片的前缘上结冰时的一种正视示意图;
图13为图1所示的风力发电机组的叶片检测方法中步骤S103的一种流程示意图;
图14为本申请实施例提供的风力发电机组的叶片检测装置的一种结构示意图;
图15为本申请实施例提供的风力发电机组的控制器的一种结构示意图;
图16为本申请实施例提供的风力发电机组的一种结构示意图;
图17为本申请实施例提供的风力发电机组的叶片检测系统一种结构示意图。
具体实施方式
下面将详细描述本申请的各个方面的特征和示例性实施例,为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及具体实施例,对本申请进行进一步详细描述。应理解,此处所描述的具体实施例仅意在解释本申请,而不是限定本申请。对于本领域技术人员来说,本申请可以在不需要这些具体细节中的一些细节的情况下实施。下面对实施例的描述仅仅是为了通过示出本申请的示例来提供对本申请更好的理解。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
应当理解,本文中使用的术语“和/或”仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中字符“/”,一般表示前后关联对象是一种“或”的关系。
在阐述本申请实施例所提供的技术方案之前,为了便于对本申请实施例理解,本申请首先对现有技术中存在的问题进行具体说明:
如前所述,叶片作为风力发电机组的核心部件,对于叶片的检测尤为重要。尤其是随着风力发电机组的叶轮直径和叶片尺寸越来越大,更大的扫掠面积和叶轮直径在提高电力输送的同时,对风力发电机组的安全运行具有艰巨的运行与维护的挑战。随着叶片不断增大,成本投入不断增长,对叶片的结构健康情况进行可靠性监测显得尤为重要。
本申请实施例提供了一种风力发电机组的叶片检测方法、装置、系统、设备及介质,能够以较低成本实现风力发电机组的叶片检测。
本申请实施例的技术构思在于:基于叶片的前缘表面的第一点云数据与基准叶片的前缘表面的第二点云数据对风力发电机组的叶片进行检测,从而无需在风力发电机组安装较多的传感器也能够实现风力发电机组的叶片检测,进而能够在实现风力发电机组的叶片检测的同时,降低叶片检测的成本。
下面首先对本申请实施例所提供的风力发电机组的叶片检测方法进行介绍。
如图1所示,本申请实施例所提供的风力发电机组的叶片检测方法包括以下步骤:
S101、获取叶片的前缘表面的第一点云数据,第一点云数据包括叶片的前缘表面上多个点的空间位置坐标;
S102、根据第一点云数据和预先获取的基准叶片的前缘表面的第二点云数据,确定叶片的前缘表面的形变参数,第二点云数据包括基准叶片的前缘表面上多个点的空间位置坐标;
S103、根据叶片的前缘表面的形变参数,确定风力发电机组的叶片的检测结果。
上述各步骤的具体实现方式将在下文中进行详细描述。
本申请实施例的风力发电机组的叶片检测方法,首先获取叶片的前缘表面的第一点云数据,第一点云数据包括叶片的前缘表面上多个点的空间位置坐标;然后根据第一点云数据和预先获取的基准叶片的前缘表面的第二点云数据,确定叶片的前缘表面的形变参数,第二点云数据包括基准叶片的前缘表面上多个点的空间位置坐标;最后根据叶片的前缘表面的形变参数,确定风力发电机组的叶片的检测结果。本申请实施例的方案无需在风力发电机组安装较多的传感器等采集设备,而是基于叶片的前缘表面的第一点云数据与基准叶片的前缘表面的第二点云数据对风力发电机组的叶片进行检测,因而能够在实现风力发电机组的叶片检测的同时,降低叶片检测的成本。
下面介绍上述各个步骤的具体实现方式。
首先介绍S101、获取叶片的前缘表面的第一点云数据,第一点云数据包括叶片的前缘表面上多个点的空间位置坐标。
具体地,叶片的前缘表面的第一点云数据例如可以由安装在风力发电机组上的采集装置采集获得。示例性地,采集装置包括不限于激光雷达,也可以是其他能够采集点云数据的装置/设备。以激光雷达为例,激光雷达通常可以探测一定距离下的物体形状、物体距离、物体的位移尺寸、形状变化尺寸和移动速度等物理量,测量精度可以达到毫米级别。激光雷达可以对叶片的前缘表面进行激光扫描,并接收扫描过程中产生的第一点云数据。容易理解的是,第一点云数据中每个点的数据均可以是一个空间位置坐标,如(x,y,z)三维坐标。
在一些实施例中,激光雷达与叶片的位置可以保持相对静止,从而便于准确的获取叶片的前缘表面的第一点云数据。具体地,激光雷达可以安装在风力发电机组的转动部件上,转动部件可以随同叶片同步转动。示例性地,转动部件可以包括轮毂和/或导流罩。如此一来,通过将采集装置(如激光雷达)安装在风力发电机组的转动部件上,一方面可以保证采集装置与叶片的位置保持相对静止,从而便于准确的获取叶片的前缘表面的第一点云数据;另一方面,由于采集装置不直接安装在叶片上,所以对叶片结构没有影响,也不会影响叶片的防雷特性。
由于风力发电机组通常包括三个叶片,所以为了便于对每个叶片进行检测,在一些实施例中,风力发电机组可以包括至少三个采集装置,每个叶片与至少一个采集装置相对应,每个叶片对应的采集装置被配置为获取对应叶片的前缘表面的第一点云数据。如图2所示,以采集装置为激光雷达为例,风力发电机组20可以包括三个叶片201、三个激光雷达202、导流罩203和轮毂(图中未示出)。其中,图2中的虚线204为激光雷达202的扫描线(或称扫描路径)。三个激光雷达202可以安装在导流罩203和/或轮毂上,每个激光雷达202可以与各自对应的叶片201保持相对静止。第一个激光雷达202与第一个叶片201相对应,第一个激光雷达202用于获取第一个叶片201的前缘表面的第一点云数据;第二个激光雷达202与第二个叶片201相对应,第二个激光雷达202用于获取第二个叶片201的前缘表面的第一点云数据;第三个激光雷达202与第三个叶片201相对应,第三个激光雷达202用于获取第三个叶片201的前缘表面的第一点云数据。如此一来,可以实现对于风力发电机组的三个叶片的检测。
当然,结合成本的考虑,也可以仅在风力发电机组上安装与其中一个叶片或其中两个叶片对应的采集装置,即只对风力发电机组的任意一个叶片或任意两个叶片进行检测,本申请实施例对此不作限定。
以上为S101的具体实现方式,下面介绍S102的具体实现方式。
S102、根据第一点云数据和预先获取的基准叶片的前缘表面的第二点云数据,确定叶片的前缘表面的形变参数,第二点云数据包括基准叶片的前缘表面上多个点的空间位置坐标。
其中,基准叶片也可以称作标准叶片或者理想状态下的叶片。例如,在检测叶片所受的载荷或净空距离时,基准叶片可以为未发生形变且未承受载荷时的叶片。例如,在检测叶片上的结冰情况时,基准叶片可以为未结冰时的叶片。当然,基准叶片也可以为既未发生形变,也未承受载荷及未结冰时的叶片。此外,基准叶片可以为与S101实测时的叶片同一型号的叶片,例如基准叶片可以为与S101实测时的叶片同一生产批次的叶片。
容易理解的是,可以通过采集装置(如激光雷达)预先获取的基准叶片的前缘表面的第二点云数据。容易理解的是,第二点云数据中每个点的数据均可以是一个空间位置坐标,如(x,y,z)三维坐标。需要说明的是,为了减少后续计算量,可以使得采集装置与基准叶片之间的相对位置关系与采集装置与实测时叶片之间的相对位置关系相同。换句话说,采集装置可以以相同的角度和相同的距离采集叶片的第一点云数据和基准叶片的第二点云数据。
在获得第一点云数据和基准叶片的前缘表面的第二点云数据之后,通过比对第一点云数据和第二点云数据,便可以确定叶片的前缘表面的形变参数。其中,叶片的前缘表面的形变参数可以包括叶片的前缘表面的多个点的形变量。
如图3所示,根据本申请的一些实施例,可选地,S102具体可以包括以下步骤S301和S302。
S301、将第一点云数据和第二点云数据转换至相同的网格点坐标系下,得到网格化的第一点云数据和网格化的第二点云数据。
具体地,可以对采集到的第一点云数据和第二点云数据进行网格化处理,即将第一点云数据和第二点云数据转换至相同的网格点坐标系下,从而便于后续形变参数的计算。需要说明的是,本申请实施例对于网格化处理所使用的算法或方式不作限定,只要能够将第一点云数据和第二点云数据转换至相同的网格点坐标系下均可,算法例如可以包括数据模型软件(如UG)中的算法。
S302、计算网格化的第一点云数据中多个点的空间位置坐标与网格化的第二点云数据中多个点的空间位置坐标之间的差值,得到叶片的前缘表面的多个点的形变量。
具体地,在得到网格化的第一点云数据和网格化的第二点云数据之后,通过网格化的第一点云数据中多个点的空间位置坐标与网格化的第二点云数据中多个点的空间位置坐标作差,从而得到叶片的前缘表面的多个点的形变量。
如此一来,通过将第一点云数据和第二点云数据转换至相同的网格点坐标系下,并使第一点云数据和第二点云数据两者作差得到叶片的前缘表面的多个点的形变量(即叶片的前缘表面的形变参数),一方面由于叶片的前缘表面的形变参数是在同一坐标系(标准)下计算得到的,所以可以保证获得叶片的前缘表面的形变参数的准确性;另一方面,在将第一点云数据和第二点云数据转换至相同的网格点坐标系之后,可以同时得到叶片的前缘表面的多个点的形变量,从而能够缩短计算时间,提高计算速率。
如图4所示,根据本申请的一些实施例,可选地,S302具体可以包括以下步骤S401和S402。
S401、将叶片的前缘表面上的叶尖所在的点在网格化的第一点云数据中的空间位置坐标作为第一目标空间位置坐标,将基准叶片的前缘表面上的叶尖所在的点在网格化的第二点云数据中的空间位置坐标作为第二目标空间位置坐标,并计算第一目标空间位置坐标与第二目标空间位置坐标之间的差值。
具体地,为了准确的确定出网格化的第一点云数据中的各个空间位置坐标与网格化的第二点云数据中的各个空间位置坐标之间的对应关系,可以先从第一点云数据中找出叶尖所在的点的第一目标空间位置坐标,同样从第二点云数据中找出叶尖所在的点的第二目标空间位置坐标,第一目标空间位置坐标与第二目标空间位置坐标作差,便可以得到叶尖的形变量。
容易理解的是,若沿叶片延伸的方向为y方向,且y方向由叶片根部指向叶尖,那么叶尖在y方向上的坐标(即纵坐标)是最大的。因此,在一些示例中,可以从网格化的第一点云数据中找寻出纵坐标最大的空间位置坐标,并将第一点云数据中的纵坐标最大的空间位置坐标确定为第一目标空间位置坐标。同样地,可以从网格化的第二点云数据中找寻出纵坐标最大的空间位置坐标,并将第二点云数据中的纵坐标最大的空间位置坐标确定为第二目标空间位置坐标。
在另一些示例中,还可以按照纵坐标从大到小的顺序,从网格化的第一点云数据中选取排序前N个空间位置坐标,然后计算前N个空间位置坐标的平均数、中位数或众数,得到第一目标空间位置坐标。其中,N为大于1的整数。同样地,可以按照纵坐标从大到小的顺序,从网格化的第二点云数据中选取排序前N个空间位置坐标,然后计算前N个空间位置坐标的平均数、中位数或众数,得到第二目标空间位置坐标。如此一来,可以避免因少数个纵坐标排序在前的空间位置坐标存在误差而导致得到的第一目标空间位置坐标和第二目标空间位置坐标误差较大,保证获得的第一目标空间位置坐标和第二目标空间位置坐标的准确性。
S402、对于叶片的前缘表面的多个点中的任意第i个点,将网格化的第一点云数据中与第一目标空间位置坐标相距预设距离阈值的空间位置坐标作为第i个点的第一空间位置坐标,将网格化的第二点云数据中与第二目标空间位置坐标相距预设距离阈值的空间位置坐标作为第i个点的第二空间位置坐标,计算第i个点的第一空间位置坐标与第i个点的第二空间位置坐标之间的差值,得到第i个点的形变量。
具体地,例如第一目标空间位置坐标为(x1,y1,z1),第二目标空间位置坐标为(x1’,y1’,z1’),预设距离阈值为ΔL。以叶尖所在的坐标作为坐标参考基准,以预设距离阈值作为距离参考基准,与第一目标空间位置坐标(x1,y1,z1)距离ΔL的空间位置坐标确定为第i个点的第一空间位置坐标,如第一空间位置坐标为(x2,y2,z2),与第二目标空间位置坐标(x1’,y1’,z1’)距离ΔL的空间位置坐标确定为第i个点的第二空间位置坐标,如第二空间位置坐标为(x2’,y2’,z2’)。然后,计算第一空间位置坐标(x2,y2,z2)与第二空间位置坐标(x2’,y2’,z2’)之间的差值,从而得到第i个点的形变量。
示例性地,例如可以根据以下表达式(1)计算第一空间位置坐标(x2,y2,z2)与第二空间位置坐标(x2’,y2’,z2’)之间的差值:
其中,Li表示第i个点的形变量。
需要说明的是,在计算叶片的前缘表面的不同点的形变量时,预设距离阈值ΔL是不同的。也就是说,相较于与叶尖距离较近的点,与叶尖距离较远的点对应的预设距离阈值ΔL更大。
此外,在计算下一个点(如i+1个点)的形变量时,可以基于第i个点的第一空间位置坐标和预设步长ΔL’得到i+1个点的第一空间位置坐标,基于第i个点的第二空间位置坐标和预设步长ΔL’得到i+1个点的第二空间位置坐标,然后计算i+1个点的第一空间位置坐标与i+1个点的第二空间位置坐标之间的差值,从而得到第i+1个点的形变量。依次类推,可以基于第i+1个点的第一空间位置坐标和预设步长ΔL’得到i+2个点的第一空间位置坐标,基于第i+1个点的第二空间位置坐标和预设步长ΔL’得到i+2个点的第二空间位置坐标,然后计算i+2个点的第一空间位置坐标与i+2个点的第二空间位置坐标之间的差值,从而得到第i+2个点的形变量。
如此一来,以叶尖所在的坐标作为坐标参考基准,以预设距离阈值作为距离参考基准,确定出第一点云数据中的多个点的空间位置坐标与第二点云数据中的多个点的空间位置坐标的一一对应关系,从而在计算第i个点的形变量时可以确保是基于第i个点在第一点云数据中的空间位置坐标与同一个第i个点在第二点云数据中的空间位置坐标得到的,进而保证获得的叶片的前缘表面的多个点的形变量的准确性。
结合图5和图6所示,叶片201可以包括迎风面501、背风面502、前缘503和后缘504。在一些实施例中,叶片的前缘表面的形变参数可以包括叶片的前缘503表面垂直于叶片的迎风面501的第一形变参数,即第一形变参数可以理解为在图6所示的第一方向X(垂直于叶片的迎风面501方向)的形变参数。
如图7所示,叶片201在设计制造时,为了防止叶轮旋转过程中叶片出现扫塔碰撞事故,所以叶片201会被设计成预弯的形状,叶片201向迎风面501所在的一侧弯曲。如图8所示,在风力发电机组运行过程中,由于受到风力的影响叶片201的形状会发生变化,风速越大叶片201的变形越大,当风速较大时,叶片201向背风面502所在的一侧弯曲。也就是说,在叶片201承受不同的载荷的情况下,叶片201及其前缘会在图6所示的第一方向X发生不同程度的形变。
因此,可以根据叶片的前缘表面在图6所示的第一方向X的第一形变参数,可以确定叶片承受的载荷。
具体而言,如图9所示,根据本申请的一些实施例,可选地,S103、根据叶片的前缘表面的形变参数,确定风力发电机组的叶片的检测结果,具体可以包括以下步骤S901和S902。
S901、根据第一形变参数,确定整个叶片在垂直于叶片的迎风面的目标形变参数。
S902、根据目标形变参数,确定叶片承受的载荷。
如此一来,本申请实施例能够基于叶片的前缘表面的形变参数,获得整个叶片在垂直于叶片的迎风面的形变参数,以便于维护人员及时了解整个叶片的形变情况。进而,还可以基于整个叶片在垂直于叶片的迎风面的形变参数,获得叶片承受的载荷情况,以便于预防叶片因异常载荷的折断和叶片扫塔事故的发生。
根据本申请的一些实施例,可选地,S901具体可以包括以下步骤:根据第一对应关系以及第一形变参数,得到第一形变参数对应的目标形变参数;其中,第一对应关系为叶片的前缘表面在垂直于叶片的迎风面的形变参数与整个叶片在垂直于叶片的迎风面的形变参数之间的对应关系。
具体地,叶片前缘是叶片的重要组成部分,前缘表面的形状也会随叶片形状的变化而变化。具体地,随着叶片所承受的载荷越来越大,叶片形状的变化也会越来越大,相应地前缘表面的形状的变化也会越来越大。因此,可以预先通过试验数据、历史数据或模型训练获得叶片的前缘表面在垂直于叶片的迎风面的形变参数与整个叶片在垂直于叶片的迎风面的形变参数之间的第一对应关系。
根据本申请的一些实施例,可选地,第一形变参数可以包括叶片的前缘表面的多个点在垂直于叶片的迎风面方向的第一形变量。根据第一对应关系以及第一形变参数,得到第一形变参数对应的目标形变参数,具体可以包括以下步骤:
预先划分M个形变量范围,如L1~L2、L2~L3、……、Ln-1~Ln,其中,M和n均为正整数,L1至Ln表示不同的形变量。然后,按照第一形变量的大小,将前缘表面的N个点对应的N个第一形变量划分到预设的形变量范围之中,并确定每个形变量范围中第一形变量的数量,如L1~L2范围中有m1个第一形变量,L2~L3范围中有m2个第一形变量,……,Ln-1~Ln中有mn个第一形变量。再然后,根据第一对应关系,确定出与多个不同形变量范围中第一形变量的数量对应的目标形变参数。例如,确定与L1~L2范围中有m1个第一形变量、L2~L3范围中有m2个第一形变量、……、Ln-1~Ln中有mn个第一形变量对应的目标形变参数。其中,目标形变参数可以包括叶片表面上多个点在垂直于叶片的迎风面的形变量。
如此一来,基于预先建立的叶片的前缘表面的形变参数与整个叶片在垂直于叶片的迎风面的形变参数之间的第一对应关系,便可以快速的确定第一形变参数对应的整个叶片在垂直于叶片的迎风面的目标形变参数,可以减少实时计算时的计算量,提高处理速度。
根据本申请的一些实施例,可选地,S902具体可以包括以下步骤:根据预先建立的形变量与载荷之间的第二对应关系以及叶片表面上多个点在垂直于叶片的迎风面的形变量,得到叶片表面上多个点承受的载荷。
具体地,随着叶片所承受的载荷越来越大,叶片形状的变化也会越来越大,相应地前缘表面的形状的变化也会越来越大。因此,可以预先通过试验数据、历史数据或模型训练获得叶片的形变量与载荷之间的第二对应关系。然后,根据第二对应关系,便可以确定出与叶片表面上多个点在垂直于叶片的迎风面的形变量对应的叶片表面上多个点承受的载荷。
如此一来,基于预先建立的形变量与载荷之间的第二对应关系,便可以快速的确定叶片表面上多个点的形变量对应的叶片表面上多个点承受的载荷,可以减少实时计算时的计算量,提高处理速度。
根据本申请的一些实施例,可选地,可以设置叶片载荷数据极限限制值和/或叶片变形数据限制值。当叶片表面上第一数量的点承受的载荷大于叶片载荷数据极限限制值时,可以发出报警信号,并控制风力发电机组停机,从而实现故障预警和对风力发电机组的停机保护。同理,当叶片表面上第二数量的点在垂直于叶片的迎风面的形变量大于叶片变形数据限制值时,可以发出报警信号,并控制风力发电机组停机,从而实现故障预警和对风力发电机组的停机保护。第一数量和第二数量可以根据实际情况灵活设定,本申请实施例对此不作限定。
根据本申请的一些实施例,可选地,本申请实施例还可以根据叶片的前缘表面的形变参数实现叶片的净空保护。
根据本申请的一些实施例,可选地,S103、根据叶片的前缘表面的形变参数,确定风力发电机组的叶片的检测结果,具体可以包括以下步骤:根据第一形变参数,确定叶片的净空距离。净空距离可以理解为叶片的叶尖在竖直向下且垂直于地面时,叶尖与风力发电机组的塔筒之间的距离。通常而言,需要保证净空距离大于一距离阈值,以避免叶片与塔筒发生碰撞。因此,在确定叶片的净空距离时,所使用的第一形变参数可以为叶片的叶尖向下且垂直于地面时的叶片的前缘表面的第一形变参数。第一形变参数可以包括叶片的叶尖向下且垂直于地面时的叶片的前缘表面的多个点垂直于叶片的迎风面的第一形变量。
如此一来,本申请实施例能够基于叶片的前缘表面的形变参数,获得叶片的净空距离,从而可以实现叶片的净空保护,预防叶片与塔架发生碰撞。
如图10所示,为了保证能够准确地获得叶尖向下且垂直于地面时的叶片的前缘表面的第一点云数据和第一形变参数,根据本申请的一些实施例,可选地,风力发电机组可以包括控制器1001、三个采集装置1002和三个叶片位置接近开关1003,三个叶片位置接近开关1003与风力发电机组的三个叶片一一对应,每个叶片位置接近开关1003被配置为在对应叶片的叶尖向下且垂直于地面时输出触发信号。采集装置1002具体被配置为在接收到叶片位置接近开关发送的触发信号的情况下,获取叶片的前缘表面的第一点云数据。由此,便可以准确地获得叶尖向下且垂直于地面时的叶片的前缘表面的第一点云数据,进而得到叶尖向下且垂直于地面时的叶片的前缘表面的第一形变参数。
根据本申请的一些实施例,可选地,第一形变参数可以包括叶片的叶尖向下且垂直于地面时的叶片的前缘表面的多个点垂直于叶片的迎风面的第一形变量。如图11所示,根据第一形变参数,确定叶片的净空距离,具体包括以下步骤S1101和S1102。
S1101、获取多个第一形变量中的最大形变量。容易理解的是,整个叶片上叶尖的形变量是最大的,因此获取的多个第一形变量中的最大形变量便可以作为叶尖在垂直于叶片的迎风面方向的形变量。
S1102、计算预先确定的初始净空距离与最大形变量之间的和值或差值,得到叶片的净空距离。其中,初始净空距离为在叶片未发生形变且未承受载荷时的叶片的叶尖与风力发电机组的塔筒之间的距离。
具体地,叶片在安装时,叶片的叶尖与风力发电机组的塔筒之间的距离是已知的。因此,可以获得在叶片未发生形变且未承受载荷时的叶片的叶尖与风力发电机组的塔筒之间的距离,从而得到初始净空距离。通常而言,叶片一般会向靠近塔筒的一侧发生形变,若以叶片未发生形变且未承受载荷时的叶尖的位置为原点,由原点指向塔筒的方向为正,那么,最大形变量为正数。在最大形变量为正数的情况下,可以计算初始净空距离与最大形变量之间的差值,得到叶片的净空距离。而若由原点指向塔筒的方向为负,那么,最大形变量为负数。在最大形变量为负数的情况下,可以计算初始净空距离与最大形变量之间的和值,得到叶片的净空距离。
如此一来,本申请实施例能够基于叶尖向下且垂直于地面时的多个第一形变量,确定出最大形变量(即叶尖的形变量),然后基于叶片未发生形变且未承受载荷时的初始净空距离与最大形变量作差或作和,准确且快速的得到叶片的净空距离。
根据本申请的一些实施例,可选地,可以设置净空距离安全阈值。当叶片的净空距离大于净空距离安全阈值时,可以发出报警信号,并控制风力发电机组停机,从而实现故障预警和对风力发电机组的停机保护。
经本申请的发明人进一步发现,随着寒冷气候地区和低风速地区风电场建设规模的不断扩大,叶片结冰问题日益突出。低风速地区和高原地区风电场机组叶片受冰冻影响更为严重,每年将近有2个月的冰冻期。叶片带冰运行会导致叶片寿命降低,情况严重还可能造成叶片断裂。同时,落冰现象也威胁风电场人员安全。叶片覆冰也会造成机组发电效率降低。因此,对叶片的结冰情况进行检测尤为重要。然而,目前的叶片结冰检测方法存在可靠性和准确性不高的问题。
举例而言,经本申请的发明人发现:(1)视频检测方法无法准确测量叶片冰层的厚度,只能判断叶片是否结冰;(2)超声波传感器测量的方法需要提前将安装在叶片上,由于受到叶片材料的影响需要将传感器穿过叶片材料安装在叶片表面,对叶片结构有一定的破坏,而且传感器容易遭受雷击损坏;(3)结冰传感器检测方法、光纤凝露方法是通过安装在与叶片在同一环境的光纤凝露或传感器结冰或凝霜的探测,间接的感知同一环境的叶片是否结冰,并非直接测量,影响叶片检测的准确性;(4)叶轮质量不平衡的测量有时候并不准确,例如:三支叶片同时结冰,而且结冰程度一致,这种情况通过叶轮质量不平衡就无法准确探测叶片结冰;(5)湿度和温度结合风速和功率数据进行叶片结冰检测,有时容易受到地形风速和传感器精度的影响。
鉴于上述发现,本申请实施例提出了一种结合叶片的前缘表面的形变参数进行叶片结冰检测的方法,能够精确的测量出叶片前缘的结冰厚度和/或结冰范围,解决目前的叶片结冰检测方法存在的可靠性和准确性不高的问题。
具体而言,如图12所示,叶片的前缘503表面的形变参数包括叶片的前缘503表面平行于叶片的迎风面501的第二形变参数,或者说叶片的前缘503表面的形变参数包括叶片的前缘503在迎风面501所在平面的第二形变参数。
根据本申请的一些实施例,可选地,S103、根据叶片的前缘表面的形变参数,确定风力发电机组的叶片的检测结果,具体可以包括以下步骤:根据第二形变参数,确定叶片的前缘上的结冰厚度和/或结冰范围。
如此一来,本申请实施例能够基于叶片的前缘表面的形变参数,获得叶片的前缘的结冰厚度和/或结冰范围,以便于维护人员及时了解叶片的前缘的结冰情况,进而能够在结冰较为严重的情况下对风力发电机组进行保护。
根据本申请的一些实施例,可选地,第二形变参数包括叶片的前缘表面的多个点在平行于叶片的迎风面的第二形变量。如图12所示,第二形变量Δz可以指的是叶片的前缘表面的点在第二方向Z的形变量。根据第二形变参数,确定叶片的前缘上的结冰厚度和/或结冰范围,具体可以包括以下步骤:
步骤一、按照第二形变量从大到小的顺序,获取前N个第二形变量,N为正整数;
步骤二、根据前N个第二形变量,确定叶片的前缘上的结冰厚度。
容易理解的是,叶片的前缘表面的各个点在第二方向Z的形变量即叶片的前缘表面的各个点上的结冰厚度。在步骤一和步骤二中,可以选取最大的前多个第二形变量,计算前多个第二形变量的平均数、中位数或众数得到叶片的前缘上的结冰厚度。
如此一来,通过选取最大的前多个第二形变量,例如计算前多个第二形变量的平均数、中位数或众数得到叶片的前缘上的结冰厚度,可以避免因少数个第二形变量存在误差而导致得到的结冰厚度出现误差,保证获得叶片的前缘上的结冰厚度的准确性。
需要说明的是,在一些示例中,N可以等于1,即选取最大的第二形变量作为叶片的前缘上的结冰厚度。
如图13所示,根据本申请的一些实施例,可选地,根据第二形变参数,确定叶片的前缘上的结冰厚度和/或结冰范围,具体可以包括以下步骤S1301和S1302。
S1301、获取网格化的第一点云数据中第二形变量大于预设阈值的空间位置坐标所在网格的数量。
具体地,例如在图12所示的平行于叶片的迎风面501的平面(YZ所在平面)划分了m×n个网格,叶片的前缘表面的第一点云数据分布在多个网格之中。其中,一个网格中可以包括一个点或多个点的空间位置坐标。在S1301中,统计第二形变量大于预设阈值的点(空间位置坐标)所在的网格的数量,例如第二形变量大于预设阈值的点(空间位置坐标)有100个,这100个点位于50个网格之中,那么第二形变量大于预设阈值的点(空间位置坐标)所在的网格的数量便为50。其中,预设阈值可以根据实际情况灵活调整,如预设阈值为0,本申请实施例对此不作限定。
S1302、根据获取的网格的数量和预先确定的网格的面积,确定叶片的前缘上的结冰范围。
具体地,单个网格的面积可以预先确定,如1平方厘米。然后,计算S1301获取的第二形变量大于预设阈值的点(空间位置坐标)所在的网格的数量与单个网格的面积的乘积,便可以确定叶片的前缘上的结冰范围(结冰面积)。
如此一来,由于叶片的前缘上的结冰通常是不规则的形状,因而较难计算出叶片的前缘上的结冰范围/结冰面积。而通过划分多个网格,并统计第二形变量大于预设阈值的空间位置坐标所在网格的数量以及基于网格的面积可以解决这一难题,能够准确的计算出叶片的前缘上的结冰范围/结冰面积。
根据本申请的一些实施例,可选地,可以设置叶片前缘结冰厚度限制值和叶片前缘结冰面积范围限制值。当叶片的前缘上的结冰厚度大于叶片前缘结冰厚度限制值时,可以发出报警信号,并控制风力发电机组停机,从而实现故障预警和对风力发电机组的停机保护。当叶片的前缘上的结冰范围大于叶片前缘结冰面积范围限制值时,也可以发出报警信号,并控制风力发电机组停机,从而实现故障预警和对风力发电机组的停机保护。
经本申请的发明人发现,相关技术中,风力发电机组的叶片检测及保护主要以一个方面为目标进行检测及保护,没有对叶片进行综合检测及保护。具体而言,以净空保护为例,净空保护只单一的将叶尖与塔架的距离作为保护的目标,以防止叶片与塔架的碰撞,并不关注叶片的整体载荷和叶片的变形情况,不对叶片结构上损伤进行趋势性的判断。再以叶片载荷保护为例,叶片载荷保护也只单一的将叶片载荷作为保护的目标,以防止叶片结构上的损伤,并不关注叶片的实际叶片的变形和叶片的净空问题。
而由上文所述的内容可知,在本申请的一些实施例中,可以根据叶片的前缘表面的形变参数,同时实现叶片整体形变检测、叶片载荷检测、叶片净空距离检测和叶片结冰情况检测,并实现对净空保护、载荷保护和结冰保护集一体的综合保护,这在风力发电技术领域具有重要意义。
基于上述实施例提供的风力发电机组的叶片检测方法,相应地,本申请还提供了风力发电机组的叶片检测装置的具体实现方式。请参见以下实施例。
如图14所示,本申请实施例提供的风力发电机组的叶片检测装置1400包括以下模块:
获取模块1401,用于获取叶片的前缘表面的第一点云数据,第一点云数据包括叶片的前缘表面上多个点的空间位置坐标;
第一确定模块1402,用于根据第一点云数据和预先获取的基准叶片的前缘表面的第二点云数据,确定叶片的前缘表面的形变参数,第二点云数据包括基准叶片的前缘表面上多个点的空间位置坐标;
第二确定模块1403,用于根据叶片的前缘表面的形变参数,确定风力发电机组的叶片的检测结果。
本申请实施例的风力发电机组的叶片检测装置,获取模块1401用于获取叶片的前缘表面的第一点云数据,第一点云数据包括叶片的前缘表面上多个点的空间位置坐标;第一确定模块1402用于根据第一点云数据和预先获取的基准叶片的前缘表面的第二点云数据,确定叶片的前缘表面的形变参数,第二点云数据包括基准叶片的前缘表面上多个点的空间位置坐标;第二确定模块1403用于根据叶片的前缘表面的形变参数,确定风力发电机组的叶片的检测结果。本申请实施例的方案无需在风力发电机组安装较多的传感器等采集设备,而是基于叶片的前缘表面的第一点云数据与基准叶片的前缘表面的第二点云数据对风力发电机组的叶片进行检测,因而能够在实现风力发电机组的叶片检测的同时,降低叶片检测的成本。
在一些实施例中,第一确定模块1402具体用于:将第一点云数据和第二点云数据转换至相同的网格点坐标系下,得到网格化的第一点云数据和网格化的第二点云数据;计算网格化的第一点云数据中多个点的空间位置坐标与网格化的第二点云数据中多个点的空间位置坐标之间的差值,得到叶片的前缘表面的多个点的形变量;前缘表面的形变参数包括前缘表面的多个点的形变量。
如此一来,通过将第一点云数据和第二点云数据转换至相同的网格点坐标系下,并使第一点云数据和第二点云数据两者作差得到叶片的前缘表面的多个点的形变量(即叶片的前缘表面的形变参数),一方面由于叶片的前缘表面的形变参数是在同一坐标系(标准)下计算得到的,所以可以保证获得叶片的前缘表面的形变参数的准确性;另一方面,在将第一点云数据和第二点云数据转换至相同的网格点坐标系之后,可以同时得到叶片的前缘表面的多个点的形变量,从而能够缩短计算时间,提高计算速率。
在一些实施例中,第一确定模块1402具体用于:将叶片的前缘表面上的叶尖所在的点在网格化的第一点云数据中的空间位置坐标作为第一目标空间位置坐标,将基准叶片的前缘表面上的叶尖所在的点在网格化的第二点云数据中的空间位置坐标作为第二目标空间位置坐标,并计算第一目标空间位置坐标与第二目标空间位置坐标之间的差值;对于叶片的前缘表面的多个点中的任意第i个点,将网格化的第一点云数据中与第一目标空间位置坐标相距预设距离阈值的空间位置坐标作为第i个点的第一空间位置坐标,将网格化的第二点云数据中与第二目标空间位置坐标相距预设距离阈值的空间位置坐标作为第i个点的第二空间位置坐标,计算第i个点的第一空间位置坐标与第i个点的第二空间位置坐标之间的差值,得到第i个点的形变量。
如此一来,以叶尖所在的坐标作为坐标参考基准,以预设距离阈值作为距离参考基准,确定出第一点云数据中的多个点的空间位置坐标与第二点云数据中的多个点的空间位置坐标的一一对应关系,从而在计算第i个点的形变量时可以确保是基于第i个点在第一点云数据中的空间位置坐标与同一个第i个点在第二点云数据中的空间位置坐标得到的,进而保证获得的叶片的前缘表面的多个点的形变量的准确性。
在一些实施例中,形变参数包括叶片的前缘表面垂直于叶片的迎风面的第一形变参数;第二确定模块1403具体用于:根据第一形变参数,确定整个叶片在垂直于叶片的迎风面的目标形变参数;根据目标形变参数,确定叶片承受的载荷。
如此一来,本申请实施例能够基于叶片的前缘表面的形变参数,获得整个叶片在垂直于叶片的迎风面的形变参数,以便于维护人员及时了解整个叶片的形变情况。进而,还可以基于整个叶片在垂直于叶片的迎风面的形变参数,获得叶片承受的载荷情况,以便于预防叶片因异常载荷的折断和叶片扫塔事故的发生。
在一些实施例中,第二确定模块1403具体用于:根据第一对应关系以及第一形变参数,得到第一形变参数对应的目标形变参数;其中,第一对应关系为叶片的前缘表面在垂直于叶片的迎风面的形变参数与整个叶片在垂直于叶片的迎风面的形变参数之间的对应关系。
如此一来,基于预先建立的叶片的前缘表面的形变参数与整个叶片在垂直于叶片的迎风面的形变参数之间的第一对应关系,便可以快速的确定第一形变参数对应的整个叶片在垂直于叶片的迎风面的目标形变参数,可以减少实时计算时的计算量,提高处理速度。
在一些实施例中,目标形变参数包括叶片表面上多个点在垂直于叶片的迎风面的形变量;第二确定模块1403具体用于:根据预先建立的形变量与载荷之间的第二对应关系以及叶片表面上多个点在垂直于叶片的迎风面的形变量,得到叶片表面上多个点承受的载荷。
如此一来,基于预先建立的形变量与载荷之间的第二对应关系,便可以快速的确定叶片表面上多个点的形变量对应的叶片表面上多个点承受的载荷,可以减少实时计算时的计算量,提高处理速度。
在一些实施例中,形变参数包括叶片的前缘表面垂直于叶片的迎风面的第一形变参数;第二确定模块1403具体用于:根据第一形变参数,确定叶片的净空距离。
如此一来,本申请实施例能够基于叶片的前缘表面的形变参数,获得叶片的净空距离,从而可以实现叶片的净空保护,预防叶片与塔架发生碰撞。
在一些实施例中,第一形变参数包括叶片的叶尖向下且垂直于地面时的叶片的前缘表面的多个点垂直于叶片的迎风面的第一形变量;第二确定模块1403具体用于:获取多个第一形变量中的最大形变量;计算预先确定的初始净空距离与最大形变量之间的和值或差值,得到叶片的净空距离,初始净空距离为在叶片未发生形变且未承受载荷时的叶片的叶尖与风力发电机组的塔筒之间的距离。
如此一来,本申请实施例能够基于叶尖向下且垂直于地面时的多个第一形变量,确定出最大形变量(即叶尖的形变量),然后基于叶片未发生形变且未承受载荷时的初始净空距离与最大形变量作差或作和,准确且快速的得到叶片的净空距离。
在一些实施例中,形变参数包括叶片的前缘表面平行于叶片的迎风面的第二形变参数;第二确定模块1403具体用于:根据第二形变参数,确定叶片的前缘上的结冰厚度和/或结冰范围。
如此一来,本申请实施例能够基于叶片的前缘表面的形变参数,获得叶片的前缘的结冰厚度和/或结冰范围,以便于维护人员及时了解叶片的前缘的结冰情况,进而能够在结冰较为严重的情况下对风力发电机组进行保护。
在一些实施例中,第二形变参数包括叶片的前缘表面的多个点在平行于叶片的迎风面的第二形变量;第二确定模块1403具体用于:按照第二形变量从大到小的顺序,获取前N个第二形变量,N为正整数;根据前N个第二形变量,确定叶片的前缘上的结冰厚度。
如此一来,通过选取最大的前N个第二形变量,例如计算前N个第二形变量的平均数、中位数或众数得到叶片的前缘上的结冰厚度,可以避免因少数个第二形变量存在误差而导致得到的结冰厚度出现误差,保证获得叶片的前缘上的结冰厚度的准确性。
在一些实施例中,第二形变参数包括叶片的前缘表面的多个点在平行于叶片的迎风面的第二形变量;第二确定模块1403具体用于:获取网格化的第一点云数据中第二形变量大于预设阈值的空间位置坐标所在网格的数量;根据获取的网格的数量和预先确定的网格的面积,确定叶片的前缘上的结冰范围。
如此一来,由于叶片的前缘上的结冰通常是不规则的形状,因而较难计算出叶片的前缘上的结冰范围/结冰面积。而通过划分多个网格,并统计第二形变量大于预设阈值的空间位置坐标所在网格的数量以及基于网格的面积可以解决这一难题,能够准确的计算出叶片的前缘上的结冰范围/结冰面积。
在一些实施例中,通过激光雷达获取叶片的前缘表面的第一点云数据,激光雷达安装在与风力发电机组的叶片同步转动的转动部件上。
在一些实施例中,转动部件包括轮毂或导流罩。
需要说明的是,图14所示装置中的各个模块/单元具有实现上述方法实施例中各个步骤的功能,并能达到其相应的技术效果,为简洁描述,在此不再赘述。
基于上述实施例提供的风力发电机组的叶片检测方法,相应地,本申请还提供了一种风力发电机组的控制器,如图15所示,风力发电机组的控制器包括处理器1501、存储器1502及存储在存储器1502上并可在处理器上运行的计算机程序,计算机程序被处理器1501执行时实现如上述方法实施例提供的风力发电机组的叶片检测方法的步骤。
具体地,上述处理器1501可以包括中央处理器(Central Processing Unit,CPU),或者特定集成电路(Application Specific Integrated Circuit,ASIC),或者可以被配置成实施本申请实施例的一个或多个集成电路。
存储器1502可以包括用于数据或指令的大容量存储器。举例来说而非限制,存储器1502可包括硬盘驱动器(Hard Disk Drive,HDD)、软盘驱动器、闪存、光盘、磁光盘、磁带或通用串行总线(Universal Serial Bus,USB)驱动器或者两个或更多个以上这些的组合。在一个示例中,存储器1502可以包括可移除或不可移除(或固定)的介质,或者存储器1502是非易失性固态存储器。存储器1502可在综合网关容灾设备的内部或外部。
在一个示例中,存储器1502可以是只读存储器(Read Only Memory,ROM)。在一个示例中,该ROM可以是掩模编程的ROM、可编程ROM(PROM)、可擦除PROM(EPROM)、电可擦除PROM(EEPROM)、电可改写ROM(EAROM)或闪存或者两个或更多个以上这些的组合。
存储器1502可以包括只读存储器(ROM),随机存取存储器(RAM),磁盘存储介质设备,光存储介质设备,闪存设备,电气、光学或其他物理/有形的存储器存储设备。因此,通常,存储器包括一个或多个编码有包括计算机可执行指令的软件的有形(非暂态)计算机可读存储介质(例如,存储器设备),并且当该软件被执行(例如,由一个或多个处理器)时,其可操作来执行参考根据本申请的一方面的方法所描述的操作。
处理器1501通过读取并执行存储器1502中存储的计算机程序指令,以实现上述方法实施例中的各个方法/步骤,并达到上述方法实施例执行其各个方法/步骤达到的相应技术效果,为简洁描述在此不再赘述。
在一个示例中,风力发电机组的控制器还可包括通信接口1503和总线1510。其中,如图15所示,处理器1501、存储器1502、通信接口1503通过总线1510连接并完成相互间的通信。
通信接口1503,主要用于实现本申请实施例中各模块、装置、单元和/或设备之间的通信。
总线1510包括硬件、软件或两者,将风力发电机组的控制器的部件彼此耦接在一起。举例来说而非限制,总线可包括加速图形端口(Accelerated Graphics Port,AGP)或其他图形总线、增强工业标准架构(Extended Industry Standard Architecture,EISA)总线、前端总线(Front Side Bus,FSB)、超传输(Hyper Transport,HT)互连、工业标准架构(Industry Standard Architecture,ISA)总线、无限带宽互连、低引脚数(LPC)总线、存储器总线、微信道架构(MCA)总线、外围组件互连(PCI)总线、PCI-Express(PCI-X)总线、串行高级技术附件(SATA)总线、视频电子标准协会局部(VLB)总线或其他合适的总线或者两个或更多个以上这些的组合。在合适的情况下,总线1510可包括一个或多个总线。尽管本申请实施例描述和示出了特定的总线,但本申请考虑任何合适的总线或互连。
基于上述实施例提供的风力发电机组的叶片检测装置和风力发电机组的控制器,相应地,本申请还提供了一种风力发电机组的叶片检测系统,包括如上述的风力发电机组的叶片检测装置或如上述的风力发电机组的控制器,以及采集装置;采集装置用于采集生成叶片的前缘表面的第一点云数据,并将第一点云数据发送至获取模块或风力发电机组的控制器,采集装置安装在与风力发电机组的叶片同步转动的转动部件上。
在一些实施例中,采集装置可以包括激光雷达,转动部件可以包括轮毂或导流罩。
基于上述实施例提供的风力发电机组的叶片检测系统,相应地,本申请还提供了一种风力发电机组。如图16所示,风力发电机组20包括:叶片201、转动部件1601和风力发电机组的叶片检测系统1602。转动部件1601与叶片201同步转动。风力发电机组的叶片检测系统1602可以包括上述实施例提供的风力发电机组的叶片检测系统。
如图17所示,在一些实施例中,可选地,叶片检测系统1602可以包括控制器1001、三个叶片(图17未示出)和至少三个采集装置1002,采集装置1002安装于转动部件(图17未示出)上且与叶片保持相对静止,每个叶片与至少一个采集装置1002相对应,每个叶片对应的采集装置1002被配置为获取对应叶片的前缘表面的第一点云数据,并将获取的叶片的前缘表面的第一点云数据发送给控制器1001。需要说明的是,控制器1001即为上述实施例提供的风力发电机组的控制器,控制器1001可以为风力发电机组的主控制器,也可以为除主控制器之外的其他控制器。如图17所示,当控制器1001为除主控制器之外的其他控制器时,控制器1001可以通过现场通信总线1800与风力发电机组的主控制器1900通信连接,控制器1001可以向风力发电机组的主控制器1900发送报警信号,风力发电机组的主控制器1900在接收到报警信号之后,可以控制风力发电机组停机。
继续参见图17,叶片检测系统1602还包括三个叶片位置接近开关1003,三个叶片位置接近开关1003与风力发电机组的三个叶片一一对应,每个叶片位置接近开关被配置为在对应叶片的叶尖向下且垂直于地面时输出触发信号;采集装置1002具体被配置为在接收到叶片位置接近开关1003发送的触发信号的情况下,获取叶片的前缘表面的第一点云数据。
另外,结合上述实施例中的风力发电机组的叶片检测方法,本申请实施例可提供一种计算机可读存储介质来实现。该计算机可读存储介质上存储有计算机程序指令;该计算机程序指令被处理器执行时实现上述实施例中的任意一种风力发电机组的叶片检测方法。计算机可读存储介质的示例包括非暂态计算机可读存储介质,如电子电路、半导体存储器设备、ROM、随机存取存储器、闪存、可擦除ROM(EROM)、软盘、CD-ROM、光盘、硬盘。
需要明确的是,本申请并不局限于上文所描述并在图中示出的特定配置和处理。为了简明起见,这里省略了对已知方法的详细描述。在上述实施例中,描述和示出了若干具体的步骤作为示例。但是,本申请的方法过程并不限于所描述和示出的具体步骤,本领域的技术人员可以在领会本申请的精神后,作出各种改变、修改和添加,或者改变步骤之间的顺序。
以上所述的结构框图中所示的功能块可以实现为硬件、软件、固件或者它们的组合。当以硬件方式实现时,其可以例如是电子电路、专用集成电路(Application SpecificIntegrated Circuit,ASIC)、适当的固件、插件、功能卡等等。当以软件方式实现时,本申请的元素是被用于执行所需任务的程序或者代码段。程序或者代码段可以存储在机器可读介质中,或者通过载波中携带的数据信号在传输介质或者通信链路上传送。“机器可读介质”可以包括能够存储或传输信息的任何介质。机器可读介质的例子包括电子电路、半导体存储器设备、ROM、闪存、可擦除ROM(EROM)、软盘、CD-ROM、光盘、硬盘、光纤介质、射频(RadioFrequency,RF)链路,等等。代码段可以经由诸如因特网、内联网等的计算机网络被下载。
还需要说明的是,本申请中提及的示例性实施例,基于一系列的步骤或者装置描述一些方法或系统。但是,本申请不局限于上述步骤的顺序,也就是说,可以按照实施例中提及的顺序执行步骤,也可以不同于实施例中的顺序,或者若干步骤同时执行。
上面参考根据本申请的实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本申请的各方面。应当理解,流程图和/或框图中的每个方框以及流程图和/或框图中各方框的组合可以由计算机程序指令实现。这些计算机程序指令可被提供给通用计算机、专用计算机、或其它可编程数据处理装置的处理器,以产生一种机器,使得经由计算机或其它可编程数据处理装置的处理器执行的这些指令使能对流程图和/或框图的一个或多个方框中指定的功能/动作的实现。这种处理器可以是但不限于是通用处理器、专用处理器、特殊应用处理器或者现场可编程逻辑电路。还可理解,框图和/或流程图中的每个方框以及框图和/或流程图中的方框的组合,也可以由执行指定的功能或动作的专用硬件来实现,或可由专用硬件和计算机指令的组合来实现。
以上所述,仅为本申请的具体实施方式,所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,上述描述的系统、模块和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。应理解,本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本申请的保护范围之内。
Claims (21)
1.一种风力发电机组的叶片检测方法,其特征在于,包括:
获取所述叶片的前缘表面的第一点云数据,所述第一点云数据包括所述叶片的前缘表面上多个点的空间位置坐标;
根据所述第一点云数据和预先获取的基准叶片的前缘表面的第二点云数据,确定所述叶片的前缘表面的形变参数,所述第二点云数据包括所述基准叶片的前缘表面上多个点的空间位置坐标;
根据所述叶片的前缘表面的形变参数,确定所述风力发电机组的叶片的检测结果。
2.根据权利要求1所述的方法,其特征在于,所述根据所述第一点云数据和预先获取的基准叶片的前缘表面的第二点云数据,确定所述叶片的前缘表面的形变参数,具体包括:
将所述第一点云数据和所述第二点云数据转换至相同的网格点坐标系下,得到网格化的所述第一点云数据和网格化的所述第二点云数据;
计算网格化的所述第一点云数据中多个点的空间位置坐标与网格化的所述第二点云数据中多个点的空间位置坐标之间的差值,得到所述叶片的前缘表面的多个点的形变量;所述前缘表面的形变参数包括所述前缘表面的多个点的形变量。
3.根据权利要求2所述的方法,其特征在于,所述计算网格化的所述第一点云数据中多个点的空间位置坐标与网格化的所述第二点云数据中多个点的空间位置坐标之间的差值,得到所述叶片的前缘表面的多个点的形变量,具体包括:
将所述叶片的前缘表面上的叶尖所在的点在网格化的所述第一点云数据中的空间位置坐标作为第一目标空间位置坐标,将所述基准叶片的前缘表面上的叶尖所在的点在网格化的所述第二点云数据中的空间位置坐标作为第二目标空间位置坐标,并计算所述第一目标空间位置坐标与所述第二目标空间位置坐标之间的差值;
对于所述叶片的前缘表面的多个点中的任意第i个点,将网格化的所述第一点云数据中与所述第一目标空间位置坐标相距预设距离阈值的空间位置坐标作为第i个点的第一空间位置坐标,将网格化的所述第二点云数据中与所述第二目标空间位置坐标相距所述预设距离阈值的空间位置坐标作为第i个点的第二空间位置坐标,计算第i个点的第一空间位置坐标与第i个点的第二空间位置坐标之间的差值,得到第i个点的形变量。
4.根据权利要求1-3中任一项所述的方法,其特征在于,所述形变参数包括所述叶片的前缘表面垂直于所述叶片的迎风面的第一形变参数;
所述根据所述叶片的前缘表面的形变参数,确定所述风力发电机组的叶片的检测结果,具体包括:
根据所述第一形变参数,确定整个所述叶片在垂直于所述叶片的迎风面的目标形变参数;
根据所述目标形变参数,确定所述叶片承受的载荷。
5.根据权利要求4所述的方法,其特征在于,所述根据所述第一形变参数,确定整个所述叶片在垂直于所述叶片的迎风面的目标形变参数,具体包括:
根据第一对应关系以及所述第一形变参数,得到所述第一形变参数对应的所述目标形变参数;
其中,所述第一对应关系为所述叶片的前缘表面在垂直于所述叶片的迎风面的形变参数与整个所述叶片在垂直于所述叶片的迎风面的形变参数之间的对应关系。
6.根据权利要求4所述的方法,其特征在于,所述目标形变参数包括所述叶片表面上多个点在垂直于所述叶片的迎风面的形变量;
所述根据所述目标形变参数,确定所述叶片承受的载荷,具体包括:
根据预先建立的形变量与载荷之间的第二对应关系以及所述叶片表面上多个点在垂直于所述叶片的迎风面的形变量,得到所述叶片表面上多个点承受的载荷。
7.根据权利要求1-3中任一项所述的方法,其特征在于,所述形变参数包括所述叶片的前缘表面垂直于所述叶片的迎风面的第一形变参数;
所述根据所述叶片的前缘表面的形变参数,确定所述风力发电机组的叶片的检测结果,具体包括:
根据所述第一形变参数,确定所述叶片的净空距离。
8.根据权利要求7所述的方法,其特征在于,所述第一形变参数包括所述叶片的叶尖向下且垂直于地面时的所述叶片的前缘表面的多个点垂直于所述叶片的迎风面的第一形变量;
所述根据所述第一形变参数,确定所述叶片的净空距离,具体包括:
获取多个所述第一形变量中的最大形变量;
计算预先确定的初始净空距离与最大形变量之间的和值或差值,得到所述叶片的净空距离,所述初始净空距离为在所述叶片未发生形变且未承受载荷时的所述叶片的叶尖与所述风力发电机组的塔筒之间的距离。
9.根据权利要求1-3中任一项所述的方法,其特征在于,所述形变参数包括所述叶片的前缘表面平行于所述叶片的迎风面的第二形变参数;
所述根据所述叶片的前缘表面的形变参数,确定所述风力发电机组的叶片的检测结果,具体包括:
根据所述第二形变参数,确定所述叶片的前缘上的结冰厚度和/或结冰范围。
10.根据权利要求9中所述的方法,其特征在于,所述第二形变参数包括所述叶片的前缘表面的多个点在平行于所述叶片的迎风面的第二形变量;
所述根据所述第二形变参数,确定所述叶片的前缘上的结冰厚度和/或结冰范围,具体包括:
按照所述第二形变量从大到小的顺序,获取前N个所述第二形变量,N为正整数;
根据前N个所述第二形变量,确定所述叶片的前缘上的结冰厚度。
11.根据权利要求9中所述的方法,其特征在于,所述第二形变参数包括所述叶片的前缘表面的多个点在平行于所述叶片的迎风面的第二形变量;
所述根据所述第二形变参数,确定所述叶片的前缘上的结冰厚度和/或结冰范围,具体包括:
获取网格化的所述第一点云数据中所述第二形变量大于预设阈值的空间位置坐标所在网格的数量;
根据获取的所述网格的数量和预先确定的网格的面积,确定所述叶片的前缘上的结冰范围。
12.根据权利要求1中所述的方法,其特征在于,
通过激光雷达获取所述叶片的前缘表面的第一点云数据,所述激光雷达安装在与所述风力发电机组的叶片同步转动的转动部件上。
13.根据权利要求1中所述的方法,其特征在于,所述转动部件包括轮毂或导流罩。
14.一种风力发电机组的叶片检测装置,其特征在于,包括:
获取模块,用于获取所述叶片的前缘表面的第一点云数据,所述第一点云数据包括所述叶片的前缘表面上多个点的空间位置坐标;
第一确定模块,用于根据所述第一点云数据和预先获取的基准叶片的前缘表面的第二点云数据,确定所述叶片的前缘表面的形变参数,所述第二点云数据包括所述基准叶片的前缘表面上多个点的空间位置坐标;
第二确定模块,用于根据所述叶片的前缘表面的形变参数,确定所述风力发电机组的叶片的检测结果。
15.一种风力发电机组的控制器,其特征在于,包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述计算机程序被所述处理器执行时实现如权利要求1至13中任一项所述的风力发电机组的叶片检测方法的步骤。
16.一种风力发电机组的叶片检测系统,其特征在于,包括如权利要求14所述的风力发电机组的叶片检测装置或如权利要求15所述的风力发电机组的控制器,以及采集装置;
所述采集装置用于采集生成所述叶片的前缘表面的第一点云数据,并将第一点云数据发送至风力发电机组的叶片检测装置的获取模块或风力发电机组的控制器,所述采集装置安装在与所述风力发电机组的叶片同步转动的转动部件上。
17.根据权利要求16中所述的风力发电机组的叶片检测系统,其特征在于,所述采集装置包括激光雷达,所述转动部件包括轮毂或导流罩。
18.一种风力发电机组,其特征在于,包括:
叶片;
转动部件,所述转动部件与所述叶片同步转动;
如权利要求16或者17所述的风力发电机组的叶片检测系统。
19.根据权利要求18所述的风力发电机组,其特征在于,所述叶片检测系统包括三个所述叶片和至少三个所述采集装置,所述采集装置安装于所述转动部件上且与所述叶片保持相对静止,每个所述叶片与至少一个所述采集装置相对应,每个所述叶片对应的采集装置被配置为获取对应所述叶片的前缘表面的第一点云数据。
20.根据权利要求19所述的风力发电机组,其特征在于,所述叶片检测系统还包括三个叶片位置接近开关,三个所述叶片位置接近开关与所述风力发电机组的三个所述叶片一一对应,每个所述叶片位置接近开关被配置为在对应所述叶片的叶尖向下且垂直于地面时输出触发信号;
所述采集装置具体被配置为在接收到所述叶片位置接近开关发送的所述触发信号的情况下,获取所述叶片的前缘表面的第一点云数据。
21.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储计算机程序,所述计算机程序被处理器执行时实现如权利要求1至13中任一项所述的风力发电机组的叶片检测方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111605141.2A CN114320774A (zh) | 2021-12-24 | 2021-12-24 | 风力发电机组的叶片检测方法、装置、系统、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111605141.2A CN114320774A (zh) | 2021-12-24 | 2021-12-24 | 风力发电机组的叶片检测方法、装置、系统、设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114320774A true CN114320774A (zh) | 2022-04-12 |
Family
ID=81012643
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111605141.2A Pending CN114320774A (zh) | 2021-12-24 | 2021-12-24 | 风力发电机组的叶片检测方法、装置、系统、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114320774A (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE602006002688D1 (de) * | 2005-07-28 | 2008-10-23 | Snecma | Kontrolle der Schauffelblätter einer Turbine |
CN103335604A (zh) * | 2013-07-05 | 2013-10-02 | 温州大学 | 一种工作状态下风轮叶片全场三维变形在线监测方法 |
US20160147218A1 (en) * | 2014-11-24 | 2016-05-26 | Fu Tai Hua Industry (Shenzhen) Co., Ltd. | Computing device and method for outputting programs of a workpiece |
CN106528908A (zh) * | 2015-09-01 | 2017-03-22 | Ssb风系统两合公司 | 用于估算旋转叶片的表面情况的方法 |
CN109099852A (zh) * | 2018-07-11 | 2018-12-28 | 上海大学 | 一种测量风力机叶片相对变形的结构故障检测方法及系统 |
CN110118157A (zh) * | 2019-06-12 | 2019-08-13 | 大连义邦科技有限公司 | 风力机叶片除冰方法、装置、叶片及风力机 |
CN110939549A (zh) * | 2019-11-18 | 2020-03-31 | 陈伟春 | 一种叶片净空距离监测系统及叶片净空距离监测方法 |
CN111798478A (zh) * | 2020-07-07 | 2020-10-20 | 重庆大学 | 风力发电机叶片前缘覆冰厚度测量方法 |
CN112502911A (zh) * | 2020-11-30 | 2021-03-16 | 东方电气风电有限公司 | 一种实时预测叶片通过塔筒时扫塔风险的方法 |
-
2021
- 2021-12-24 CN CN202111605141.2A patent/CN114320774A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE602006002688D1 (de) * | 2005-07-28 | 2008-10-23 | Snecma | Kontrolle der Schauffelblätter einer Turbine |
CN103335604A (zh) * | 2013-07-05 | 2013-10-02 | 温州大学 | 一种工作状态下风轮叶片全场三维变形在线监测方法 |
US20160147218A1 (en) * | 2014-11-24 | 2016-05-26 | Fu Tai Hua Industry (Shenzhen) Co., Ltd. | Computing device and method for outputting programs of a workpiece |
CN106528908A (zh) * | 2015-09-01 | 2017-03-22 | Ssb风系统两合公司 | 用于估算旋转叶片的表面情况的方法 |
CN109099852A (zh) * | 2018-07-11 | 2018-12-28 | 上海大学 | 一种测量风力机叶片相对变形的结构故障检测方法及系统 |
CN110118157A (zh) * | 2019-06-12 | 2019-08-13 | 大连义邦科技有限公司 | 风力机叶片除冰方法、装置、叶片及风力机 |
CN110939549A (zh) * | 2019-11-18 | 2020-03-31 | 陈伟春 | 一种叶片净空距离监测系统及叶片净空距离监测方法 |
CN111798478A (zh) * | 2020-07-07 | 2020-10-20 | 重庆大学 | 风力发电机叶片前缘覆冰厚度测量方法 |
CN112502911A (zh) * | 2020-11-30 | 2021-03-16 | 东方电气风电有限公司 | 一种实时预测叶片通过塔筒时扫塔风险的方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
AU2020399503B2 (en) | Method and apparatus for detecting yaw-to-wind abnormality, and device and storage medium thereof | |
RU2591366C1 (ru) | Ветроэнергетическая установка и способ управления ветроэнергетической установкой или ветровой электростанцией | |
US20150292486A1 (en) | Wind turbine blade ice accretion detector | |
EP2889472B1 (en) | Wind farm, control method thereof and wind power generation unit | |
CN106845018B (zh) | 风电场对气象雷达降雨量影响的分析与定量化评估方法 | |
EP2581761B1 (en) | Estimation of Wind Properties Using a Light Detection and Ranging Device | |
CN105891546A (zh) | 基于大数据的风电机组偏航系统中风向标故障诊断的方法 | |
WO2018059259A1 (en) | Method and system of yaw control of wind turbines in a wind turbine farm | |
CN115234447A (zh) | 一种基于海上净空雷达的叶片检测方法及系统 | |
CN108708833B (zh) | 一种风力发电机组桨叶叶根螺栓断裂实时监控方法及系统 | |
US11421651B2 (en) | Method of determining wind direction by means of a LiDAR sensor | |
CN104573340A (zh) | 冰冻天气输电线路时变可靠性计算方法 | |
CN114320774A (zh) | 风力发电机组的叶片检测方法、装置、系统、设备及介质 | |
CN116412085A (zh) | 塔架净空传感器异常检测方法及相关设备 | |
CN114398842A (zh) | 一种在运行风电场发电量评估方法 | |
EP3695253B1 (en) | Method for warning about lightning activity in wind farms | |
CN108167140B (zh) | 风力发电机组叶片结冰的监测方法和装置 | |
DK201670502A1 (en) | Wind turbine and a method of operating a wind turbine | |
CN114692481A (zh) | 扫塔风险预警方法、装置、系统、设备及介质 | |
CN116696683B (zh) | 一种风力发电机的风速风向仪故障的判断方法及检测装置 | |
CN112749820A (zh) | 一种风电功率预测方法及系统 | |
CN116307307B (zh) | 一种风电场的超短期功率预测方法及系统 | |
CN217879266U (zh) | 一种用于风电场的风机机载风速计现场检测装置 | |
CN117662394A (zh) | 风力发电机组的塔架净空监测方法及装置 | |
CN118134233A (zh) | 风力发电机组的风险评估模型构建方法、装置和电子设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |