CN115217722A - 一种智能风机混合感知监测系统及方法 - Google Patents

Abstract

本发明涉及风电机组检测技术领域，具体而言，涉及一种智能风机混合感知监测系统及方法，包括：混合感知上位机、风场环网、升压站、多个风电机组；混合感知上位机通过第一交换机分别与风场环网、升压站连接，风场环网内预设有多个交换机，且风场环网内的各个交换机对应各个风电机组且呈连接关系，其中，各个风电机组内均设置有风机侧采集主站与机舱采集分站、轮毂采集分站、塔筒采集分站、箱变采集分站，风电机组的各个采集分站用于对风电机组的轮毂、机舱、塔筒、箱变的电气参数及其运行状态进行监测，其中，塔筒采集分站包括第十一监测单元、第十二监测单元、第十三监测单元；第十二监测单元，用于对塔筒的下沉量进行检测。

Description

一种智能风机混合感知监测系统及方法

技术领域

本发明涉及风电机组检测技术领域，具体而言，涉及一种智能风机混合感知监测系统及方法。

背景技术

目前，市面上出现了众多的风电机组监测系统，例如：叶片振动、叶片载荷、叶片净空、叶根螺栓监测、传动链CMS、基础沉降、塔筒载荷、塔筒螺栓等，由于这些监测系统各自独立且由不同的厂家所生产，导致了单个风电机组集成了多个不同厂家系统的混乱局面，不仅监测系统的成本居高不下，而且不符合未来降本的大环境背景。另外，风电机组的塔筒基础环最容易的问题是基础不均匀沉降和基础开裂，该问题严重影响风电机组安全，而传统的监测手端通常为人工观察风机的基础沉降点，一旦出现地理天气或人为素质等原因，常常导致观测不及时，进而发生严重的安全事故。因此，为了克服上述问题，我们设计了一种智能风机混合感知监测系统及方法。

发明内容

本发明的目的在于提供一种智能风机混合感知监测系统及方法，其用于解决上述技术问题。

本发明的实施例通过以下技术方案实现：

一种智能风机混合感知监测系统，包括：混合感知上位机、风场环网、升压站、多个风电机组；所述混合感知上位机通过第一交换机分别与风场环网、升压站连接，所述风场环网内预设有多个交换机，且风场环网内的各个交换机对应各个风电机组，且风场环网、交换机、风电机组依次呈连接关系，其中，各个风电机组内均设置有风机侧采集主站与机舱采集分站、轮毂采集分站、塔筒采集分站、箱变采集分站，风电机组的各个采集分站用于对风电机组的轮毂、机舱、塔筒、箱变的电气参数及其运行状态进行监测，塔筒采集分站通过光纤或网线与机舱采集分站通讯连接，轮毂采集分站接入有变桨控制器，并通过无线模块与机舱采集分站进行无线连接，塔筒采集分站通过以太网与箱变采集分站进行通讯连接；所述升压站内设置有主变压器采集主站；

其中，所述塔筒采集分站包括第十一监测单元、第十二监测单元、第十三监测单元；

所述第十一监测单元，用于对塔筒外的叶片进行音频检测；

所述第十二监测单元，用于对塔筒的下沉量进行检测；

所述第十二监测单元包括倾角传感器与基础环，倾角传感器固定安装在基础环上，基础环固定安装在塔筒处，所述塔筒的下沉量计算公式为：

L＝D*sinα

其中，L为塔筒的基础沉降量，D为塔筒的底部直径，α为加基础环后的传感器倾斜角度；

所述第十三监测单元，用于对塔筒的法兰间隙进行检测。

可选的，所述机舱采集分站包括第一监测单元、第二监测单元；

所述第一监测单元，用于对机舱传送链进行振动检测；

其中，第一监测单元可连续对机舱的传送链振动数据进行检测，其预设有机舱振动检测方法，该方法的步骤包括：

获取机舱传送链各部位的振动值，判断机舱传送链各部位的振动值是否超过限值，若否，则继续对机舱传送链各部位进行实时振动检测；若是，则判定机舱传送链的振动值超过限值，通过设定条件对机舱传送链进行故障检测与报警，并基于故障检测结果进行分析，确定机舱传送链的维修方案，其中，设定条件为预存的故障检测模型，该故障检测模型具体为基于历史机舱传送链的振动数据作为训练集进行训练而获取；

所述第二监测单元，用于对机舱晃动、音频与环境参数进行检测。

可选的，所述轮毂采集分站包括第三监测单元、第四监测单元；

所述第三监测单元，用于对轮毂的叶根法兰进行松动检测；

所述第四监测单元，用于对轮毂的叶根螺栓进行断裂检测。

可选的，所述箱变采集分站包括第五监测单元、第六监测单元、第七监测单元、第八监测单元、第九监测单元、第十监测单元；

所述第五监测单元，用于对箱变变压器绝缘油所溶解的故障气体的含量进行检测；

所述第六监测单元，用于对箱变变压器绝缘纸板的微水含量进行检测；

其中，所述第五监测单元、第六监测单元还预设有箱变变压器的故障检测方法，该方法的步骤包括：

基于第五监测单元计算求得箱变变压器绝缘油所溶解的故障气体的含量，并结合箱变变压器绝缘纸板的微水含量检测结果，上传至分析端；

通过分析端进行趋势分析，得到箱变变压器的故障趋势，并基于箱变变压器的故障趋势进行预警防范，完成箱变变压器的故障检测。

所述第七监测单元，用于对箱变变压器套管的介损与电容值变化进行检测；

所述第八监测单元，用于对箱变变压器的局放进行检测；

所述第九监测单元，用于对箱变变压器的铁芯接地进行检测；

所述第十监测单元，用于对箱变变压器的基本参数进行检测，其中，基本参数包括油位、油温、绕组温度、负载电流。

可选的，其中，第十一监测单元由音频数据采集器与叶片智能处理单元所组成，第十一监测单元内预设有风电机组叶片音频的监测方法，该方法的步骤包括：

获取叶片的音频数据，经预处理后，通过风场环网上传至拉格朗日服务器处，其中，拉格朗日服务器内预设有叶片结冰识别算法模型、叶片断裂识别算法模型、叶片开裂识别算法模型、叶片雷击识别算法模型与叶片裂纹识别算法模型；

拉格朗日服务器根据预设的算法对叶片的音频数据进行异常状态的识别并预警，并将识别到的叶片异常状态进行记录存储，完成风电机组叶片音频的监测。

可选的，所述升压站包括第十四监测单元、第十五监测单元、第十六监测单元、第十七监测单元；

所述第十四监测单元，用于对升压站变压器的三相电流进行一次侧与两次侧的检测；

所述第十五监测单元，用于对升压站变压器的三相电压进行一次侧与两次侧的检测；

所述第十六监测单元，用于对升压站变压器的温湿度进行检测；

所述第十七监测单元，用于对升压站变压器进行局部放电检测。

一种智能风机混合感知监测方法，该方法的步骤包括：

在整个风场环网中，任意选取设定个数的风电机组配置监测设备，以获取风电机组的监测数据，其中，任意选取的风电机组均为同一线路；

将风电机组的监测数据汇集至升压站处，并通过数据专线传输至集控中心，通过机器学习算法对风电机组的监测数据进行三维建模，之后结合 GIS系统以及三维模型进行可视化显示，完成风电机组的混合感知以及分析预警。

本发明实施例的技术方案至少具有如下优点和有益效果：

本发明针对风电机组塔筒安全相关问题，使用高精度倾角传感器对塔筒不均匀沉降进行实时监测，达到预警目的，如果基础出现不均匀沉降，传感器安装在基础环上，传感器随着基础环的下沉而发生倾斜，而传感器对向位置处有螺栓固定，整个基础环不会发生完全正比例变形，避免了传统的监测手端观测不及时的原因，导致发生严重的安全事故；

本发明通过实时监测获取风机叶片、偏航和机舱等声音数据，主轴系的振动数据，塔筒振动和位移数据，变流器、变桨和箱变本体的运行监测数据，机舱和塔底的环境监测数据，并汇集至升压站值班室后通过数据专线传输至集控中心大数据平台，采用机器学习算法对这些噪音、振动数据进行实时监视和建模分析，实现风电机组的健康状态综合感知和智能分析预警；

本发明还通过安装在高压电缆接头上的局放传感器和温度传感器，实时监测电缆的局放和温度，用于电缆接头的绝缘隐患和过热预警，提升电缆的精益化管理和故障处置速度，进一步提高风电机组发电可靠性。

附图说明

图1为本发明提供的混合感知在线监测系统框架示意图；

图2为本发明提供的混合感知在线监测系统风机侧拓扑图；

图3为本发明提供的软件平台拓扑图；

图4为本发明提供的在线振动监测系统总体结构示意图；

图5为本发明提供的叶片音频监测系统框架示意图；

图6为本发明提供的箱变监测拓扑图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。

如图1所示，本发明提供了其中一种实施例：选取一个风电场一条线2 台风电机组配置综合智能监测设备，实时监测获取风机叶片、偏航和机舱等声音数据，主轴系的振动数据，塔筒振动和位移数据，变流器、变桨和箱变本体的运行监测数据，机舱和塔底的环境监测数据，本条接入线路高压电缆分接头局部放电和温度监测数据。汇集至升压站值班室后通过数据专线传输至集控中心大数据平台，采用机器学习算法对这些噪音、振动数据进行实时监视和建模分析，实现风电机组的健康状态综合感知和智能分析预警。

风机端负责整机安全的智能感知，针对整机的音频状态监测、机舱传动链振动监测、塔筒各个法兰间隙监测、基础不均匀沉降监测、机舱塔底温湿度监测、机舱塔底烟雾感知、整机视频监测箱式变压器电力监测、箱式变压器温度监测、电缆局放监测等。同时感知系统基于PLC控制器进行开发，具有方便拓展的优势，兼容风电市场大部分通讯接口和通讯协议。

如图2所示，边缘计算采集系统采用搭建TwinCat3系统的控制器，该控制系统搭载库函数和数据存储。整套系统包含四个柜体：塔底柜、机舱柜、轮毂柜、箱变柜。其中塔底柜和机舱柜通过光纤或网线进行数据通讯 (EtherCat)，轮毂和机舱之间通过无线WIFI进行数据交互，箱变柜和塔底柜通过以太网线连接进行数据通讯(EtherCat)。最终数据汇总到CX5130 控制器进行数据解析，筛选和上传至中控室服务器。塔底柜可接入整机塔筒的倾角监测、塔筒法兰的间隙监测、塔底温湿度监测、塔底烟雾感知、同时接入变流器FTP访问网络、塔底视频系统、叶片音频监测系统。机舱柜可接入传动链振动监测CMS系统，接收轮毂的无线数据(WIFI)、机舱视频系统、机舱温湿度监测、机舱烟雾感知、机舱和齿轮箱噪声监测等。轮毂柜接入变桨控制器，用于FTP访问变桨相关数据。箱变监测柜接入箱变的监测信息。

如图3所示，本实施例设置有混合感知平台，该平台根据业务逻辑调整系统整体风格布局，配合GIS系统和设备三维模型，更加清晰直观的显示设备所处位置，设备各部件健康状态，全场设备预警报警事件，可对风电场风机进行预警、显示和历史数据存储，同时针对机组的特性进行横向和纵向对比，横向方面能够评估现场每一台机组绩效，现场人员可重点关于低效风机的运行情况；纵向方面能够确认每一台机组的运行状态变化趋势，全过程跟踪机组从健康状态到亚健康以及病态的变化。

在本实施例对于风机的网络搭建中，整套风机网络由轮毂侧到机舱侧的无线WIFI网络和机舱到塔底的光纤网络组成。其中轮毂侧到机舱侧的无线网络用于将变桨控制器的存储文件转发到升压站，用于变桨数据的存储。机舱到塔底光纤网络用于将机舱监测的传感器数据传输到塔底采集柜中。

其中，包括工业级无线路由器：选用MoxaAWK-3131A，用于满足了不断增长的快速数据传输和信号覆盖范围更广泛的要求；工业级交换机： EDS-408A，提高了网络稳定性。

如图4所示，本实施例提供了一种机舱在线振动检测系统，该系统只监测机组振动状态，不参与机组控制，所有报警值不影响控制系统和安全系统正常工作。在线振动监测系统为永久性安装系统，可连续记录机组传动链的振动数据。在线振动监测系统监测机组传动链各部位振动值：当机组正常运行时，对各测点进行实时数据采集，若振动值超过限值，则发出报警；对各测点实时采集数据，并定期存储各特征值的振动，作为分析比较的依据。当机组出现系统故障时，依据人工设定的特定条件进行测量，查找故障点，并分析故障产生原因，判定责任，确定维护维修方案。该系统主要监测对象是机组的重要部件(如主轴轴承、齿轮箱和发电机)，其中， H：水平方向V：垂直方向A:轴向，所示传送链测点分布如表1所示：

表1传感器布点列表

上述的检测具体应用ICP的高精度低频振动传感器，该传感器通过M6 ×10的螺纹与测点壳体连接，传感器与壳体结合面最大外圆直径≤Φ24，传感器和线缆连接使用快插防水接头。

如图5所示，本实施例在整机的塔筒外部安装一路音频传感器、在偏航位置和机舱各安装一路音频传感器。音频监测系统主要由安装在风机端的音视频数据采集单元、智能处理单元和部署在场端的服务器组成，通过风电场环网将音频、数据上传到中控室拉格朗日服务器。可以在线实时监测叶片音频，同时服务器部署基于人工智能的计算机音频算法对叶片各种异常状态进行识别并预警，如对各种光照和气象条件下(晴、阴、雨、雪等天气)的叶片结冰、断裂、开裂、裂纹及雷击事件记录等在内的各种叶片失效特征实现高精度自动识别。

塔筒基础环最容易的问题是基础不均匀沉降和基础开裂，该问题严重影响机组安全。传统的监测手端为人工观察风机基础沉降点。由于地理天气或人为素质等原因会导致观测不及时，出现严重的安全事故。

因此，本实施例针对风电机组塔筒安全相关问题，使用高精度倾角传感器对塔筒不均匀沉降进行实时监测，达到预警目的。如果基础出现不均匀沉降，传感器安装在基础环上，传感器随着基础环的下沉而发生倾斜，而传感器对向位置处有螺栓固定，整个基础环不会发生完全正比例变形，设传感器的倾斜角度为α，则计算下沉量的公式如下：

L＝D*sinα

其中，L为塔筒的基础沉降量，D为塔筒的底部直径，α为加基础环后的传感器倾斜角度。

具体的，本实施例在塔筒每层法兰面安装4个高精度法兰间隙传感器监测其法兰面变化。其中1号传感器安装在主风向位置，其它传感器成逆时针间隔90度进行排布。通过预警算法实现塔筒螺栓松动预警。

在本实施例中，在机舱的前后端部署2个海康威视云台球机，在塔底部署1个海康威视云台球机，200万像素、红外100米、360度旋转球机，用于进行视频巡检、智能安全热成像；其中，视频巡检主要依靠视频监控摄像机实现对设备外观监控、表计监控，异物监控、设备测温等，摄像机主要采集实时视频流和图片，存储到高清网络硬盘录像机中，并上报视频监控巡检主机和智能分析主机，在智能分析主机中实现智能分析：如智能读表、缺陷检测、异物检测等。智能安全热成像通过在机舱和塔底部署热成像双光谱中载云台摄像机，实现对风机红外普测功能，测温准确度控制在±2℃的误差范围内，弥补摄像机巡检周期较长、对场地内突发火灾掌控不及时和人员流动吸烟等问题。

本实施例在机舱和塔底各部署1个温湿度传感器与1个烟雾感知传感器，监测机舱和塔底电气柜和其他设备的火灾与环境温湿度的变化。

在本实施例中，还包括变桨数据采集功能：单台风机的变桨PLC控制系统本地部件中有许多参数，通过网络通讯模块，通过网线可以接入到塔底的风机工业环网交换机中。网络搭建完成后，在升压站中控室采集器可以与每台风机的变桨PLC控制系统通讯模块进行交互，获取变桨PLC控制系统所有数据并将其上送到集控中心大数据平台。最后，在集控中心大数据平台中增加变桨系统监视模块，完成各场站的所有变桨系统远程状态实时监视。

在本实施例中，还包括变流器数据采集功能：变频器的部分基础数据通过总线等形式汇总到风机PLC主控，已经在风机数据中采集并上送到集控中了。但是随着精细化管理，变频器本地部件中有许多参数也需要接到集控中心做集中监视。塔底变频器通过网络通讯模块，通过网线可以接入到塔底的风机工业环网交换机中。网络搭建完成后，在升压站中控室采集器可以与每台风机的塔底变频器通讯模块进行交互，获取变频器模块所有数据并将其上送到集控中心。最后，在集控中心集控系统中增加变频器监视模块，完成各场站的所有变频器远程状态实时监视和故障智能预警。

如图6所示，在对于箱变变压器的检测中，包括绝缘油及微水监测单元、套管绝缘及介损监测单元、变压器局放监测单元、铁芯接地监测单元和本体监测单元。

其中，绝缘油及微水监测单元：计算变压器绝缘油中溶解故障气体的含量(H2、CH4、C2H6、C2H4、C2H2、CO、CO2)及H2O含量。通过故障气体含量大小和产生的速率，通过微水含量表征固体绝缘纸板的绝缘老化情况。发现变压器的早期故障趋势，提出预警并采取防范措施。

套管绝缘及介损监测单元，采用脉冲电流检测原理，实时在线监测变压器套管的介损和电容值变化。

变压器局放监测单元，采用超声波、高频电流检测原理，实时监测变压器的局放，并确定局放等级和位置。

铁芯接地监测单元，采用穿心式零磁通微电流传感器技术，确保一二次系统无电气联结。

本体监测单元，主要包括本体油位、油温、绕组温度、负载电流等基本参数，同时结合油气测量参数、套管局放测量参数共同完成变压器的整体状态监测，从不同角度互相印证变压器潜在的初期故障。

本实施例还配置有一套高压电缆接头状态在线监测系统，该系统通过安装在高压电缆接头上的局放传感器和温度传感器，实时监测电缆的局放和温度，用于电缆接头的绝缘隐患和过热预警，提升电缆的精益化管理和故障处置速度，进一步提高风电机组发电可靠性。

以上仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (7)

1.一种智能风机混合感知监测系统，其特征在于，包括：混合感知上位机、风场环网、升压站、多个风电机组；所述混合感知上位机通过第一交换机分别与风场环网、升压站连接，所述风场环网内预设有多个交换机，且风场环网内的各个交换机对应各个风电机组，且风场环网、交换机、风电机组依次呈连接关系，其中，各个风电机组内均设置有风机侧采集主站与机舱采集分站、轮毂采集分站、塔筒采集分站、箱变采集分站，风电机组的各个采集分站用于对风电机组的轮毂、机舱、塔筒、箱变的电气参数及其运行状态进行监测，塔筒采集分站通过光纤或网线与机舱采集分站通讯连接，轮毂采集分站接入有变桨控制器，并通过无线模块与机舱采集分站进行无线连接，塔筒采集分站通过以太网与箱变采集分站进行通讯连接；所述升压站内设置有主变压器采集主站；

其中，所述塔筒采集分站包括第十一监测单元、第十二监测单元、第十三监测单元；

所述第十一监测单元，用于对塔筒外的叶片进行音频检测；

所述第十二监测单元，用于对塔筒的下沉量进行检测；

所述第十二监测单元包括倾角传感器与基础环，倾角传感器固定安装在基础环上，基础环固定安装在塔筒处，所述塔筒的下沉量计算公式为：

L＝D*sinα

其中，L为塔筒的基础沉降量，D为塔筒的底部直径，α为加基础环后的传感器倾斜角度；

所述第十三监测单元，用于对塔筒的法兰间隙进行检测。

2.根据权利要求1所述的智能风机混合感知监测系统，其特征在于，所述机舱采集分站包括第一监测单元、第二监测单元；

所述第一监测单元，用于对机舱传送链进行振动检测；

其中，第一监测单元可连续对机舱的传送链振动数据进行检测，其预设有机舱振动检测方法，该方法的步骤包括：

获取机舱传送链各部位的振动值，判断机舱传送链各部位的振动值是否超过限值，若否，则继续对机舱传送链各部位进行实时振动检测；若是，则判定机舱传送链的振动值超过限值，通过设定条件对机舱传送链进行故障检测与报警，并基于故障检测结果进行分析，确定机舱传送链的维修方案，其中，设定条件为预存的故障检测模型，该故障检测模型具体为基于历史机舱传送链的振动数据作为训练集进行训练而获取；

所述第二监测单元，用于对机舱晃动、音频与环境参数进行检测。

3.根据权利要求1所述的智能风机混合感知监测系统，其特征在于，所述轮毂采集分站包括第三监测单元、第四监测单元；

所述第三监测单元，用于对轮毂的叶根法兰进行松动检测；

所述第四监测单元，用于对轮毂的叶根螺栓进行断裂检测。

4.根据权利要求1所述的智能风机混合感知监测系统，其特征在于，所述箱变采集分站包括第五监测单元、第六监测单元、第七监测单元、第八监测单元、第九监测单元、第十监测单元；

所述第五监测单元，用于对箱变变压器绝缘油所溶解的故障气体的含量进行检测；

所述第六监测单元，用于对箱变变压器绝缘纸板的微水含量进行检测；

其中，所述第五监测单元、第六监测单元还预设有箱变变压器的故障检测方法，该方法的步骤包括：

基于第五监测单元计算求得箱变变压器绝缘油所溶解的故障气体的含量，并结合箱变变压器绝缘纸板的微水含量检测结果，上传至分析端；

通过分析端进行趋势分析，得到箱变变压器的故障趋势，并基于箱变变压器的故障趋势进行预警防范，完成箱变变压器的故障检测。

所述第七监测单元，用于对箱变变压器套管的介损与电容值变化进行检测；

所述第八监测单元，用于对箱变变压器的局放进行检测；

所述第九监测单元，用于对箱变变压器的铁芯接地进行检测；

所述第十监测单元，用于对箱变变压器的基本参数进行检测，其中，基本参数包括油位、油温、绕组温度、负载电流。

5.根据权利要求1所述的智能风机混合感知监测系统，其特征在于，其中，第十一监测单元由音频数据采集器与叶片智能处理单元所组成，第十一监测单元内预设有风电机组叶片音频的监测方法，该方法的步骤包括：

获取叶片的音频数据，经预处理后，通过风场环网上传至拉格朗日服务器处，其中，拉格朗日服务器内预设有叶片结冰识别算法模型、叶片断裂识别算法模型、叶片开裂识别算法模型、叶片雷击识别算法模型与叶片裂纹识别算法模型；

拉格朗日服务器根据预设的算法对叶片的音频数据进行异常状态的识别并预警，并将识别到的叶片异常状态进行记录存储，完成风电机组叶片音频的监测。

6.根据权利要求1所述的智能风机混合感知监测系统，其特征在于，所述升压站包括第十四监测单元、第十五监测单元、第十六监测单元、第十七监测单元；

所述第十四监测单元，用于对升压站变压器的三相电流进行一次侧与两次侧的检测；

所述第十五监测单元，用于对升压站变压器的三相电压进行一次侧与两次侧的检测；

所述第十六监测单元，用于对升压站变压器的温湿度进行检测；

所述第十七监测单元，用于对升压站变压器进行局部放电检测。

7.一种智能风机混合感知监测方法，其特征在于，该方法的步骤包括：

在整个风场环网中，任意选取设定个数的风电机组配置监测设备，以获取风电机组的监测数据，其中，任意选取的风电机组均为同一线路；

将风电机组的监测数据汇集至升压站处，并通过数据专线传输至集控中心，通过机器学习算法对风电机组的监测数据进行三维建模，之后结合GIS系统以及三维模型进行可视化显示，完成风电机组的混合感知以及分析预警。

Images