CN114562429A - 一种基于净空及声振监测的风电机组叶片损伤预警方法 - Google Patents
一种基于净空及声振监测的风电机组叶片损伤预警方法 Download PDFInfo
- Publication number
- CN114562429A CN114562429A CN202111398451.1A CN202111398451A CN114562429A CN 114562429 A CN114562429 A CN 114562429A CN 202111398451 A CN202111398451 A CN 202111398451A CN 114562429 A CN114562429 A CN 114562429A
- Authority
- CN
- China
- Prior art keywords
- blade
- data
- clearance
- damage
- early warning
- 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
Images
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F03—MACHINES OR ENGINES FOR LIQUIDS; WIND, SPRING, OR WEIGHT MOTORS; PRODUCING MECHANICAL POWER OR A REACTIVE PROPULSIVE THRUST, NOT OTHERWISE PROVIDED FOR
- F03D—WIND MOTORS
- F03D17/00—Monitoring or testing of wind motors, e.g. diagnostics
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F03—MACHINES OR ENGINES FOR LIQUIDS; WIND, SPRING, OR WEIGHT MOTORS; PRODUCING MECHANICAL POWER OR A REACTIVE PROPULSIVE THRUST, NOT OTHERWISE PROVIDED FOR
- F03D—WIND MOTORS
- F03D80/00—Details, components or accessories not provided for in groups F03D1/00 - F03D17/00
-
- 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
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Sustainable Development (AREA)
- Sustainable Energy (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Wind Motors (AREA)
Abstract
提供一种基于净空及声振监测的风电机组叶片损伤预警方法,包括实时监测叶片的净空、声振数据以及与叶片运行相关的SCADA数据;当检测到存在指标异常时,开始记录、分析此后连续10分钟的数据指标并与对应的限定区间阈值对比,判断叶片是否存在损伤,同时利用SCADA数据提高叶片监测的准确率,并确认叶片预警位置;综合分析净空及声振的预警信息确定叶片的损伤类型及损伤程度。采用本发明示例性实施例的叶片损伤预警方法与装置,能够根据获取的净空、声振以及SCADA数据实时进行叶片损伤预警,同时准确、高效地检测出叶片损伤位置、损伤类型及损伤程度。从而及时有效地启动风电机组保护机制,降低风力发电机管理部署和运维成本。
Description
技术领域
本发明涉及风力发电技术领域,更具体的涉及一种基于净空及声振监测的风电机组叶片损伤预警方法。
背景技术
随着风力发电机叶片长度的增加,叶片的柔性越来越大,刚度随之越来越小。叶片在运行过程中会产生更大的形变量,在某些极端工况下,叶片会达到塔筒产生扫塔现象,使风电机组收到损伤。为了避免叶片与塔筒间的运动干涉,及时发现叶片的损伤部位保证发电机组安全运行,需要有效地在线监测手段实时监测叶片的运行。
当前风机叶片净空监测方案较少,包括机舱安装测距仪方案、机舱安装摄像头方案、塔筒周围安装多个毫米波雷达方案,这些方法大多结构复杂、可靠性难以保证、且需要较大的数据计算资源,高度依赖算法的实现,不利于推广应用;风机叶片声振监测的方案主要包含振动监测与声发射方案、红外成像监测方案、内置传感器监测方案等,其中振动监测和声发射方案需要在叶片上打孔安装传感器,且数量安装较多,后期维护较为困难。红外成像监测对于叶片损伤程度较深的位置检测灵敏度不高,对叶片的实时监测有一定困难。超声波监测方案适用于出厂前的离线监测,由于叶片不同部位的差异性,需要布置不同频率的超声波探头,检测周期长。
一直以来,业界缺乏高效的叶片工作状态监测方案,近年来有人提出采用视频采集、激光及毫米波雷达获取净空距离,采用传感器监测声音及叶片振动数据,但这类方案均是采用监测叶片的某一状态参量,存在漏报、准确率低等问题,影响整个风机的运转效率及管理成本,因此急需提供一种综合监测净空、声振的叶片损伤预警方法与装置,提高监测效率、准确率,降低运维成本。
例如,一种在中国专利文献上公开的“一种风电机组叶片损伤情况检测装置”,其公告号CN109540190A,包括检测探头;还包括叶片、前固定板、后固定板、两组滑杆、第一滑块、第一连接板、第二连接板、第三连接板、往复丝杠、连接杆、第二滑块、传动皮带、连接轴、上支板、下支板、第一滚珠轴承、第二滚珠轴承、支撑轮、永磁铁、电磁铁、第三滚珠轴承、第一皮带轮、第四滚珠轴承、第五滚珠轴承、套管和第二皮带轮,第一皮带轮与第二皮带轮通过传动皮带传动连接,检测探头安装于第二滑块的左端且位于叶片的右侧,并且可以对检测探头的移动进行精准控制,从而提高对叶片的检测效果,提高实用性。然而仍然无法实时监测叶片的状态,并且对叶片的异常状态进行预警。
发明内容
本发明主要针对现有技术的缺点和不足,提出了一种基于净空及声振监测的风电机组叶片损伤预警方法,实时获取的净空、声振以及SCADA数据并对叶片损伤进行预警,同时准确、高效地检测叶片损伤位置、损伤类型及损伤程度,实现对叶片各个状态的有效实时监测,保障风电机组的正常运行;从而及时有效地启动风电机组保护机制,降低风力发电机管理部署和运维成本。
本发明的上述技术问题主要是通过下述技术方案得以解决的:
一种基于净空及声振监测的风电机组叶片损伤预警方法,所述方法包括如下步骤:
步骤S1、分别实时监测风力发电机叶片净空、声音、振动数据,并同时读取对应时间段内的SCADA数据;
步骤S2、当检测到叶片某一指标异常时,开始记录并分析特定时间段内的叶片数据,并跳转至步骤S3;当分析结果无异常时,保持实时监测叶片状态;
步骤S3、当分析结果为异常时,通过综合分析各指标与限定区间阈值参数的偏离程度,判断叶片损伤位置、损伤类型及损伤程度。
根据获取的净空、声振以及SCADA数据实时进行叶片损伤预警,同时准确、高效地检测出叶片损伤位置、损伤类型及损伤程度。从而及时有效地启动风电机组保护机制,降低风力发电机管理部署和运维成本。
作为优选,获取叶片用于预警分析的数据步骤包括:
步骤S21、对获取的净空提取最小净空;
步骤S22、对获取的声音数据提取哨声因子、信噪比;
步骤S23、对获取的振动数据提取信噪比因子、均值、均方差、方差、频谱、边际频谱、模态因子;
步骤S24、读取风电机组与叶片运行相关的SCADA数据参数。
获取各个检测判断所需的数值,实时获取相应的数据,提取所需数据后用于判断异常状态。
作为优选,判断指标包括净空、哨声因子、信噪比、均值、均方差、方差、频谱、模态因子以及与叶片运行相关的SCADA指标。
作为优选,所述步骤S2中,当检测到存在异常时,记录并分析此后特定时间段内的数据,若判断为偶然的异常,则释放此时的内存并再次进行叶片状态监测。偶然异常可能发生在任何时候,然而偶然异常会占据内存数据,影响整体的检测效果,甚至可能出现错误的预警信号。因此需要先行清除掉偶然的异常数据。
作为优选,叶片损伤监测的综合分析形式包括以下指标的任一及任意组合:净空、声音监测指标、振动指标以及SCADA指标。对数据进行多次组合评判,多组数据评判可以得到相对客观的结果。
作为优选,根据不同的指标判断风力发电机叶片损伤的位置、类型;根据各指标的数值大小以及偏离参考曲线的程度判断叶片损伤程度;不同的限定区间参考阈值其数值以及形式不同,可以为固定值或连续变化的参考曲线。
作为优选,所述特定运行数据为预定时间段内的数据或数据量小于预定值的数据,通过采集双重的数据,得到特殊的运行数据,并且可以通过数据量进行判断。
作为优选,获取叶片净空、声振数据以及SCADA数据是同步的。同步获取同步组合和检测,实现异常的实时监测。
本发明的有益效果是:
本发明能够快速、实时、准确的根据采集数据分析叶片的损伤位置、损伤类型以及损伤等级,从而有效地降低部署管理和运维成本。
附图说明
通过下面结合示例性地示出实施例的附图进行的详细描述。
图1为本发明的风力发电机叶片损伤预警方法的流程图;
图2为正常净空值图;
图3为正常声振数据图;
图4为异常净空值图;
图5为异常声振数据图;
图6为本发明的风力发电机叶片损伤预警装置的布置图;
图7为本发明的风力发电机叶片损伤预警装置采集模块示意图;
图中:1-采集盒;2-声音传感器;3-激光雷达;4-声音传感器;5声音传感器;6-声音传感器。
具体实施方式
一般的风力发电机叶片数量是3片,但是本方案提出的风力发电机叶片损伤预警方法及装置可适用于任何数量叶片的风力发电机。现在,将参照附图更充分地描述不同的示例实施例。
图1示出根据本发明示例性实施例的风力发电机组叶片损伤预警方法的流程图。
参照图1,在步骤S10中,实时监测风力发电机叶片净空、声音、振动数据,并同时读取对应时间段内的SCADA数据。
在步骤S20中,把实时检测到的净空与最小净空阈值对比,如图2;把实时监测到的声振数据进行处理,得到哨声因子、信噪比、均值、均方差、方差、频谱、边际谱、模态因子,如图3以方差指标为例的判断标准,当未检测到异常指标时,保持数据正常监测。
在步骤S30中,当检测到某一指标异常时,连续记录此后10分钟内的净空、声振数据,并对声振数据提取哨声因子、信噪比、均值、均方差、方差、频谱、边际谱、模态因子。
图2为本发明的风力发电机叶片损伤预警方法指标对比图。
现在通过以下四步来获取风力发电机组叶片运行数据。
第一步:参照图6通过安装在风力发电机组机舱位置的净空激光雷达3实时记录叶片扫过时与塔筒之间的净空;
第二步:参照图6在风机停机状态下,将传感器2通过磁吸加黏贴的方式固定在塔筒底部,固定完毕并检查无误后启动风机,实时采集叶片声音数据;
第三步:参照图6风机停机状态下,将叶片无线测振传感器4、5、6固定在风力发电机叶片,固定完毕并检查无误后启动风机,实时采集叶片振动数据;
第四步:在获取第一步至第三步数据的同时,同步读取风电机组叶片状态相关的SCADA数据,诸如风速、有功功率、叶片变桨压力等参数。
应理解,通过上述四步所获取的风力发电机组叶片运行数据并不能够全部用于预警分析,需要对所获取的运行数据进行筛选,符合要求的运行数据可用于预警分析以确定风力发电机组叶片损伤的类型及损伤程度,对于同步获取的风电机组SCADA数据,依据不同的机型、作业环境、故障类型筛选不同的参数,用以辅助提高识别精度。
在步骤S40、S50中,通过处理连续采集的净空、声振数据,如图4,为净空异常,依据此指标判断叶片存在扫塔或扫塔趋势;当检测到声振数据哨声因子、信噪比、均值、均方差、方差、频谱、边际谱、模态因子异常时,如图5示,此时检测到叶片1的方差超出阈值曲线,判断该处叶片1存在异常。
在步骤S60中,分别得出各单项监测结果,当任一或任意模块超出设定的参考阈值曲线时,判定叶片存在损伤;如采集的净空小于最小净空阈值,可能存在叶片扫塔的风险;哨声因子超出阈值区间或趋势异常增大,则可能存在前缘腐蚀、裂纹;信噪比、模态因子超出阈值或趋势异常增大,则可能存在叶片裂纹、开裂、断裂、扫塔、叶片结冰、气动不平衡、铺层褶皱、粘结缺陷、叶片屈曲;均值、均方差、方差异常增大可能存在叶片裂纹、点蚀、磨损。
在步骤S70中,通过所有模块的监测结果综合分析,包括指标的大小、偏离参考曲线的程度来判断叶片的损伤位置、损伤类型及损伤等级。
图6、图7出根据本发明示例性实施例的风力发电机组叶片损伤预警装置的主要组成部分、安装位置及实现的功能。将采集仪1安装在塔筒底部,把净空模块安装在风力发电机组机舱内,并保证能最佳实时监测净空;把声音监测模块安装在塔筒底部,实时监测风机叶片及周围环境的声音;把振动模块安装在叶片距离叶尖50cm处,实时监测叶片的运行状态。
根据本发明的示例性实施例还提供一种计算装置。该计算装置包括处理器和存储器。存储器用于存储计算机程序。所述计算机程序被处理器执行时使得处理器执行上述风力发电机组叶片损伤预警方法的计算机程序。
根据本发明的示例性实施例还提供了一种存储有计算机程序的可读存储介质。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风力发电机组叶片损伤预警方法的计算机程序。该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)。
采用本发明示例性实施例的风力发电机组叶片损伤预警方法和装置,能够实时监测叶片的运行状态,提高叶片损伤检测的准确性和稳定性。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,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,凡在本发明的原则之内,所作的任何修改、等同替换、改进升级等,均应包含在本发明的保护范围之内。
Claims (8)
1.一种基于净空及声振监测的风电机组叶片损伤预警方法,其特征在于:所述方法包括如下步骤:
步骤S1、分别实时监测风力发电机叶片净空、声音、振动数据,并同时读取对应时间段内的SCADA数据;
步骤S2、当检测到叶片某一指标异常时,开始记录并分析特定时间段内的叶片数据,并跳转至步骤S3;当分析结果无异常时,保持实时监测叶片状态;
步骤S3、当分析结果为异常时,通过综合分析各指标与限定区间阈值参数的偏离程度,判断叶片损伤位置、损伤类型及损伤程度。
2.根据权利要求1所述的一种基于净空及声振监测的风电机组叶片损伤预警方法,其特征在于:获取叶片用于预警分析的数据步骤包括:
步骤S21、对获取的净空提取最小净空;
步骤S22、对获取的声音数据提取哨声因子、信噪比;
步骤S23、对获取的振动数据提取信噪比因子、均值、均方差、方差、频谱、边际频谱、模态因子;
步骤S24、读取风电机组与叶片运行相关的SCADA数据参数。
3.根据权利要求1所述的一种基于净空及声振监测的风电机组叶片损伤预警方法,其特征在于:判断指标包括净空、哨声因子、信噪比、均值、均方差、方差、频谱、模态因子以及与叶片运行相关的SCADA指标。
4.根据权利要求1所述的一种基于净空及声振监测的风电机组叶片损伤预警方法,其特征在于:所述步骤S2中,当检测到存在异常时,记录并分析此后特定时间段内的数据,若判断为偶然的异常,则释放此时的内存并再次进行叶片状态监测。
5.根据权利要求1所述的一种基于净空及声振监测的风电机组叶片损伤预警方法,其特征在于:叶片损伤监测的综合分析形式包括以下指标的任一及任意组合:净空、声音监测指标、振动指标以及SCADA指标。
6.根据权利要求1所述的一种基于净空及声振监测的风电机组叶片损伤预警方法,其特征在于:根据不同的指标判断风力发电机叶片损伤的位置、类型;根据各指标的数值大小以及偏离参考曲线的程度判断叶片损伤程度。
7.根据权利要求1所述的一种基于净空及声振监测的风电机组叶片损伤预警方法,其特征在于:所述特定运行数据为预定时间段内的数据或数据量小于预定值的数据。
8.根据权利要求1所述的一种基于净空及声振监测的风电机组叶片损伤预警方法,其特征在于:获取叶片净空、声振数据以及SCADA数据是同步的。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111398451.1A CN114562429A (zh) | 2021-11-19 | 2021-11-19 | 一种基于净空及声振监测的风电机组叶片损伤预警方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111398451.1A CN114562429A (zh) | 2021-11-19 | 2021-11-19 | 一种基于净空及声振监测的风电机组叶片损伤预警方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114562429A true CN114562429A (zh) | 2022-05-31 |
Family
ID=81712874
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111398451.1A Pending CN114562429A (zh) | 2021-11-19 | 2021-11-19 | 一种基于净空及声振监测的风电机组叶片损伤预警方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114562429A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117905656A (zh) * | 2024-03-20 | 2024-04-19 | 南京土星视界科技有限公司 | 一种风机叶片在线监测装置 |
-
2021
- 2021-11-19 CN CN202111398451.1A patent/CN114562429A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117905656A (zh) * | 2024-03-20 | 2024-04-19 | 南京土星视界科技有限公司 | 一种风机叶片在线监测装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Saidi et al. | Wind turbine high-speed shaft bearings health prognosis through a spectral Kurtosis-derived indices and SVR | |
Ali et al. | Online automatic diagnosis of wind turbine bearings progressive degradations under real experimental conditions based on unsupervised machine learning | |
Yu | Health condition monitoring of machines based on hidden Markov model and contribution analysis | |
US9557210B2 (en) | Method for non-intrusive on-line detection of turbine blade condition | |
CN103998775A (zh) | 用于确定风能源设备的转子叶片的机械损坏的方法 | |
CN111509847A (zh) | 一种电网机组状态的智能检测系统及方法 | |
Mongia et al. | Vibration response-based condition monitoring and fault diagnosis of rotary machinery | |
CN115539139A (zh) | 一种汽轮机安全性的监测方法 | |
CN115374959A (zh) | 一种航空发动机的健康管理方法及系统 | |
CN114562429A (zh) | 一种基于净空及声振监测的风电机组叶片损伤预警方法 | |
KR102226971B1 (ko) | 복합 조건을 고려한 진동 기반 고장 진단 방법 및 이러한 방법을 수행하는 장치 | |
Senapaty et al. | Vibration based condition monitoring of rotating machinery | |
CN110469460B (zh) | 一种风力发电机的故障检测方法和系统 | |
JP2001099757A (ja) | ベアリングの異常検出方法 | |
JP6497919B2 (ja) | 回転体およびその軸受を含む設備の診断方法と診断システム | |
CN113944600A (zh) | 一种利用应力波技术检测风机主轴承故障的方法和系统 | |
CN117110944A (zh) | 基于局放成像的发电机绕组匝间短路故障监测方法及设备 | |
Miljković | Brief review of vibration based machine condition monitoring | |
Boukra et al. | Identifying new prognostic features for remaining useful life prediction | |
Brethee et al. | Vibro-acoustic analysis for remotely condition monitoring approach of wind turbine | |
CN118309616B (zh) | 海上风电设备的运维方法和系统 | |
CN116928039B (zh) | 海上风电机组振动超限故障识别方法、装置、设备及介质 | |
Zhu et al. | Fault Diagnosis of Wind Turbine Rolling Bearings Based on DCS-EEMD-SSA | |
Kakati et al. | Online Automatic Degradation Diagnosis of Gas Turbine Bearings Based on Unsupervised Machine Learning | |
CN116953431A (zh) | 轴承监测方法和轴承监测系统 |
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 |