CN116398378A - 一种风电机组叶片多维状态监测装置及方法 - Google Patents

Abstract

本发明公开了一种风电机组叶片多维状态监测装置及方法，装置包括：监测模块中应变监测单元对风电机组叶片进行叶片载荷监测、桨距角及气动不平衡监测；振动监测单元对风电机组叶片进行雷击损伤监测、叶片结构损伤及裂纹监测；雷击监测单元监测风电机组叶片受雷击时的雷电流信息；覆冰监测单元用于监测风电机组叶片的覆冰厚度；控制模块向各监测单元发送数据采集指令并接收反馈的数据处理后传送给通信模块，通信模块将数据传输给后台主站系统或监测中心；电源模块给各模块提供电源。本发明提供的装置可以实现叶片全面监测，监测精度较高且经济性较好，监测方法不需要采集大量监测数据，可在线实时分析计算，故障分析的实时性高。

Description

一种风电机组叶片多维状态监测装置及方法

技术领域

本发明涉及风电机组叶片监测技术领域，具体涉及一种风电机组叶片多维状态监测装置及方法。

背景技术

近年来，风电机组的装机容量快速增长。随着风电装机容量的攀升及机组运行时间的增长，风电机组故障发生率也越来越高，严重影响风电场运行效率，如何降低设备故障率，提高机组利用率，减低设备运维成本，进而提升风电场的收益，成为风电场运营的主要目标。叶片作为捕获风能的关键部件，其运行状况直接影响到发电机组的发电效率及安全。

风电机组叶片常见的异常状态为结构损伤、覆冰、桨距角偏差及裂纹。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人工目视法诊断。由于SCADA数据往往侧重于对风电机组的温度、部分振动和电气参数进行监测，无法表征叶片产生的机械结构故障，如叶片开裂等，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。

目前一些叶片故障状态监测装置，主要基于声波、振动、图形等原理监测叶片运行状态，其监测参数单一或不够全面，在经济性与技术性层面没有达到最优，检测误判率均较高。专利公开号为CN115573868A、CN114412730A均提出了风电机组叶片多状态监测方法，其传感器为光纤MEMS传感器或光纤光栅传感器，光纤监测传感器及解析装置成本较高，未提出故障判断方法，且无法直接监测叶片覆冰等情况，监测能力不能覆盖风电机组叶片常见的异常状态，其所提监测系统的综合监测效益不高。

发明内容

因此，本发明要解决的技术问题在于克服现有技术中对于风电机组叶片的状态监测不全面且成本高的缺陷，从而提供一种风电机组叶片多维状态监测装置及方法，实现风电机组叶片运行状态的全面监测且经济性较好。

为达到上述目的，本发明提供如下技术方案：

第一方面，本发明实施例提供一种风电机组叶片多维状态监测装置，包括：监测模块、控制模块、通信模块及电源模块，其中：

监测模块包括:应变监测单元、振动监测单元、雷击监测单元以及覆冰监测单元；其中应变监测单元用于对风电机组叶片进行叶片载荷监测、桨距角及气动不平衡监测；振动监测单元用于对风电机组叶片进行雷击损伤监测、叶片结构损伤及裂纹监测；雷击监测单元用于监测风电机组叶片受雷击时的雷电流信息；覆冰监测单元用于监测风电机组叶片的覆冰厚度；

控制模块用于向各监测单元发送数据采集指令，并接收监测模块反馈的数据，对数据进行处理后传送给通信模块，通信模块将数据传输给后台主站系统或监测中心；

电源模块用于给各模块提供电源。

在一实施例中，机舱控制单元和轮毂控制单元，机舱控制单元和轮毂控制单元之间通过有线或无线方式通信，轮毂控制单元与应变监测单元、振动监测单元、雷击监测单元之间为有线连接，与覆冰监测单元之间为无线连接。

在一实施例中，在每支叶片叶根的内表面同一圆周上安装预设数量的应变传感器，在叶片内部靠近叶尖端安装预设数量的加速度传感器，在叶片内部防雷引下线上安装预设数量的雷电流感应传感器，在叶片外表面前缘安装预设数量的覆冰传感器；轮毂控制单元安装于轮毂中与应变传感器、加速度传感器、雷电流感应传感器进行电连接，与覆冰传感器无线连接，用于获取叶片的状态信息并发送机舱控制单元；机舱控制单元安装于机舱中，对接收到叶片的状态信息进行分析得到监测结果，并通过通信模块与风电机组主控系统或监测中心通信。

第二方面，本发明实施例提供一种风电机组叶片多维状态监测方法，基于第一方面任一实施例一所述的装置，包括：

S1：上电后控制模块内的监测程序开始运行并完成初始化；

S2：开始计时并分别设置应变、振动、雷击及覆冰监测单元数据采集周期T1、T2、T3、T4；

S3：判断是否满足采集周期要求，如果T1、T2、T3、T4满足定时要求，则T1、T2、T3、T4计时器清零并重新开始计时，且控制模块向相应的监测单元发送数据采集指令；

S4：各相应监测单元采集数据后传输给控制模块；

S5：控制模块对采集的监测数据进行分析处理，如果某监测单元未采集到数据，则直接跳过相应分析；

S6：控制模块将各个监测单元的分析结果反馈给机组主控系统，并进入S3进行循环。

在一实施例中，振动监测单元的采集周期应小于0.5倍叶片的三阶固有振动周期，设定各监测单元的数据采集周期为：0.1s≤T1≤3_s、0.1s≤T2≤1s、T3采用雷电流触发机制、10min≤T4≤120min。

在一实施例中，振动监测单元的采集周期应小于0.5倍叶片的三阶固有振动周期，设定各监测单元的数据采集周期为：0.1s≤T1≤3s、0.1s≤T2≤1s、T3采用雷电流触发机制、10min≤T4≤120min。

在一实施例中，应变结果分析方法包括：

设叶片挥舞方向及摆振方向上的形变量分别为x和y，挥舞方向形变报警阈值为a，三支叶片一致性偏差阈值为c；摆振方向形变报警阈值为b，三支叶片一致性偏差阈值为d，当|x|＞a时，对叶片挥舞方向形变报警，当|y|＞b时，对叶片摆振方向形变报警，说明叶片出现了载荷异常。

在一实施例中，设某一时刻：

Δx₁＝min(|x₁-x₂|，|x₁-x₃|，|x₃-x₂|)

Δy₁＝min(|y₁-y₂|，|y₁-y₃|，|y₃-y₂|)

Δx₂＝max(|x₁-x₂|，|x₁-x₃|，|x₃-x₂|)

Δy₂＝max(|y₁-y₂|，|y₁-y₃|，|y₃-y₂|)

其中x₁、x₂、x₃分别代表三个叶片在挥舞方向的形变量，y₁、y₂、y₃分别代表三个叶片在摆振方向上的形变量，若Δx₂-Δx₁≥c或Δy₂-Δy₁≥d，且该状态持续预设时间或超过预设次数，则判断叶轮出现了桨距角偏差及气动不平衡；

根据Δx₂、Δx₁或Δy₂、Δy₁情况分析出异常叶片，具体为：异常叶片∈Δx₂或Δy₂中的叶片且

或Δy₁中的叶片。

在一实施例中，振动结果分析方法包括：

设叶片挥舞方向或摆振方向上的振动频率为f，振动幅值为l，三支叶片振动频率一致性偏差阈值为p，振动幅值一致性偏差阈值为q，设某一时刻：

Δf₁＝min(|f₁-f₂|，|f₁-f₃|，|f₃-f₂|)

Δl₁＝min(|l₁-l₂|，|l₁-l₃|，|l₃-l₂|)

Δf₂＝max(|f₁-f₂|，|f₁-f₃|，|f₃-f₂|)

Δl₂＝max(|l₁-l₂|，|l₁-l₃|，|l₃-l₂|)

其中f₁、f₂、f₃分别代表三个叶片挥舞方向或摆振方向上的振动频率，l₁、l₂、l₃分别代表三个叶片挥舞方向或摆振方向上的振动幅值，若Δf₂-Δf₁≥p或Δl₂-Δl₁≥q，且该状态持续预设时间或超过预设次数，则判断叶片出现了结构性损伤或裂缝；

根据Δf₂、Δf₁或Δl₂、Δl₁情况分析出异常叶片，具体为：异常叶片∈Δf₂或Δl₂中的叶片且

或Δl₁中的叶片。

在一实施例中，雷击结果分析方法包括：通过光纤电流传感器根据法拉第磁光效应获取雷电流的大小，获知叶片雷击时间及雷电流大小信息，结合根据振动监测情况分析叶片结构损伤及裂缝情况；

在一实施例中，覆冰结果分析方法包括：通过覆冰传感器直接读取叶片表面实时覆冰厚度，用于辅助故障诊断及指导机组精准停机及启机。

本发明技术方案，具有如下优点：

1、本发明提供的一种风电机组叶片多维状态监测装置，可以对叶片常见的结构损伤、裂纹、载荷、桨距角偏差、雷击及覆冰等异常情况进行全面监测，受环境影响较小，监测精度较高，且采用的传感器设备经济性较好。

2、本发明提供的一种风电机组叶片多维状态监测方法，无需依据大量历史运行数据，而是基于三支叶片运行状态一致性原理分析判断叶片的异常情况，避免了实际应用中大量历史数据难以收集的问题，并且对叶片的故障分析不需要采集大量监测数据，可在线实时分析计算，故障分析的实时性高。另外通过准确的获取雷电流信息及覆冰厚度信息，结合应变监测及振动监测结果，准确指导叶片雷击故障判断及检修维护，能精准指导风电机组覆冰停机及融冰后及时启机。

附图说明

为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，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为本发明实施例中风电机组叶片多维状态监测装置的功能模块图；

图2为本发明实施例中另一风电机组叶片多维状态监测装置的功能模块图；

图3为本发明实施例中风电机组叶片多维状态监测方法的流程图。

具体实施方式

下面将结合附图对本发明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。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

此外，下面所描述的本发明不同实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互结合。

实施例1

本发明实施例提供一种风电机组叶片多维状态监测装置，如图1所示，包括：监测模块10、控制模块20、通信模块30及电源模块40，其中：

监测模块10包括：应变监测单元11、振动监测单元12、雷击监测单元13以及覆冰监测单元14。其中，应变监测单元11用于对风电机组叶片进行叶片载荷监测、桨距角及气动不平衡监测；振动监测单元12用于对风电机组叶片进行雷击损伤监测、叶片结构损伤及裂纹监测；雷击监测单元13用于监测风电机组叶片受雷击时的雷电流信息；覆冰监测单元14用于监测风电机组叶片的覆冰厚度。

控制模块20用于向各监测单元发送数据采集指令，并接收监测模块反馈的数据，对数据进行处理后传送给通信模块，通信模块将数据传输给后台主站系统或监测中心；电源模块40用于给各模块提供电源。

本发明实施例中，如图2所示，控制模块20包括：机舱控制单元21和轮毂控制单元22，机舱控制单元21和轮毂控制单元22之间通过有线或无线方式通信，实际中优选通过WIFI或蓝牙等无线方式进行通讯，例如在两个控制单元中均设置有第一通信单元31，其为无线通信模块，通过无线通信方式为两个控制单元传输数据。

在一具体实施例中，轮毂控制单元与应变监测单元、振动监测单元、雷击监测单元之间为有线连接，与覆冰监测单元之间为无线连接。

在本发明实施例中，在每支叶片叶根的内表面同一圆周上安装4个应变传感器，在叶片内部靠近叶尖端安装1个加速度传感器(例如是2轴加速度传感器)，在叶片内部防雷引下线上安装1个雷电流感应传感器(例如是光纤式雷电流感应传感器)，在叶片外表面前缘安装3个覆冰传感器。轮毂控制单元22安装于轮毂中与应变传感器、加速度传感器、雷电流感应传感器进行电连接，与覆冰传感器无线连接，用于获取叶片的状态信息并发送机舱控制单元21；机舱控制单元21安装于机舱中，对接收到叶片的状态信息进行分析得到监测结果，并通过第二通信单元32与风电机组主控系统或监测中心通信。实际应用中，可以先在叶片上完成监测模块中各个传感器的安装，再完成其他装置的安装。需要说明的是，以上各个传感器的数量仅作为示例说明，不以此为限，根据实际应用场景做合理设置。

在一实施例中，如图2所示，电源模块40包括：第一电源单元41和第二电源单元42第一电源单元41为机舱控制单元21供电，第二电源单元42为轮毂控制单元22供电，通过独立供电提高各控制单元各自运行的可靠性。

本发明实施例风电机组叶片多维状态监测装置，可以对叶片常见的结构损伤、裂纹、载荷、桨距角偏差、雷击及覆冰等异常情况进行全面监测，受环境影响较小，监测精度较高，且采用的传感器设备经济性较好。

实施例2

本发明实施例提供一种风电机组叶片多维状态监测方法，基于实施例1中的监测装置，如图3所示，包括：

S1：上电后控制模块内的监测程序开始运行并完成初始化；

S2：开始计时并分别设置应变、振动雷击及覆冰监测单元数据采集周期T1、T2、T3、T4；

S3：判断是否满足采集周期要求，如果T1、T2、T3、T4满足定时要求，则T1、T2、T3、T4计时器清零并重新开始计时，且控制模块向相应的监测单元发送数据采集指令；

S4：各相应监测单元采集数据后传输给控制模块；

S5：控制模块对采集的监测数据进行分析处理，如果某监测单元未采集到数据，则直接跳过相应分析；例如是雷击监测单元及覆冰监测单元未在对应的天气条件下采集到数据，则直接跳过相应分析；

S6：控制模块将各个监测单元的分析结果反馈给机组主控系统，并进入S3进行循环。

具体地，根据香农采样定律，采样频率大于信号频率的2倍时，不会导致原信号的失真。所以为了能够监测到叶片的一阶、二阶、三阶振动频率(依次增大)，因此本发明实施例中振动监测数据的采集周期应小于0.5倍叶片的三阶固有振动周期，覆冰监测采集周期根据实际需要进行设置，不需要监测时对其进行屏蔽。一具体实施例中，设定各监测单元的数据采集周期为：0.1s≤T1≤3s、0.1s≤T2≤1s、T3采用雷电流触发机制、10min≤T4≤120min，仅作为举例，不以此为限。

桨距角偏差及气动不平衡会导致三支叶片的受力不一致，会导致形变不一致。在本发明实施例中，应变结果分析方法包括：设叶片挥舞方向及摆振方向上的形变量分别为x和y，挥舞方向形变报警阈值为a，三支叶片一致性偏差阈值为c；摆振方向形变报警阈值为b，三支叶片一致性偏差阈值为d，当|x|＞a时，对叶片挥舞方向形变报警，当|y|＞b时，对叶片摆振方向形变报警，说明叶片出现了载荷异常；需要说明的是，挥舞是指叶片在垂直于旋转平面方向上的弯曲振动；摆振是指叶片在旋转平面内的弯曲振动。设某一时刻：

Δx₁＝min(|x₁-x₂|，|x₁-x₃|，|x₃-x₂|)

Δy₁＝min(|y₁-y₂|，|y₁-y₃|，|y₃-y₂|)

Δx₂＝max(|x₁-x₂|，|x₁-x₃|，|x₃-x₂|)

Δy₂＝max(|y₁-y₂|，|y₁-y₃|，|y₃-y₂|)

其中x₁、x₂、x₃分别代表三个叶片在挥舞方向的形变量，y₁、y₂、y₃分别代表三个叶片在摆振方向上的形变量，若Δx₂-Δx₁≥c或Δy₂-Δy₁≥d，且该状态持续一定时间或出现次数频繁，则可判断叶轮出现了桨距角偏差及气动不平衡。且根据Δx₂、Δx₁或Δy₂、Δy₁情况，可分析出异常叶片，具体为：异常叶片∈Δx₂或Δy₂中的叶片且

或Δy₁中的叶片，如：

若Δx₁＝|x₁-x₂|，Δx₂＝|x₁-x₃|，则异常叶片为叶片3；

若Δx₁＝|x₃-x₂|，Δx₂＝|x₁-x₃|，则异常叶片为叶片1。

在一具体实施例中，采集的三支叶片挥舞方向应变数据分别为x₁＝0.01mm/m，x₂＝0.02mm/m，x₃＝0.03mm/m，摆振方向上的应变数据分别为y₁＝0.01mm/m，y₂＝0.07mm/m，x₃＝0.02mm/m，假设叶片挥舞方向形变报警阈值为a＝0.5mm/m，三支叶片一致性偏差阈值为c＝0.04；摆振方向形变

报警阈值为b＝0.5mm/m，三支叶片一致性偏差阈值为d＝0.04。

因|x|≤a、|y|≤b，则单支叶片挥舞方向形变及摆振方向形变均不报警，说明叶片载荷处于正常范围内。

Δx₁＝min(|x₁-x₂|，|x₁-x₃|，|x₃-x₂|)＝0.01mm/m

Δy₁＝min(|y₁-y₂|，|y₁-y₃|，|y₃-y₂|)＝0.01mm/m

Δx₂＝max(|x₁-x₂|，|x₁-x₃|，|x₃-x₂|)＝0.02mm/m

Δy₂＝max(|y₁-y₂|，|y₁-y₃|，|y₃-y₂|)＝0.06mm/m

因Δx₂-Δx₁＝0.01＜c，Δy₂-Δy₁＝0.05＞d，若该状态连续出现5次，则表示叶轮出现了桨距角偏差及气动不平衡，产生报警。

叶片的结构性损伤或裂缝会导致叶片的刚性发生变化，从而导致振动特性发生改变，某一只叶片出现裂纹后，会导致三支叶片的振动特性不一致。在本发明实施例中，振动结果分析方法包括：假设叶片挥舞方向或摆振方向上的振动频率为f，振动幅值为l，三支叶片振动频率一致性偏差阈值为p，振动幅值一致性偏差阈值为q。设某一时刻

Δf₁＝min(|f₁-f₂|，|f₁-f₃|，|f₃-f₂|)

Δl₁＝min(|l₁-l₂|，|l₁-l₃|，|l₃-l₂|)

Δf₂＝max(|f₁-f₂|，|f₁-f₃|，|f₃-f₂|)

Δl₂＝max(|l₁-l₂|，|l₁-l₃|，|l₃-l₂|)

其中f₁、f₂、f₃分别代表三个叶片挥舞方向或摆振方向上的振动频率，l₁、l₂、l₃分别代表三个叶片挥舞方向或摆振方向上的振动幅值，若Δf₂-Δf₁≥p或Δl₂-Δl₁≥q，且该状态持续一定时间或出现次数频繁，则可判断叶片出现了结构性损伤或裂缝。且根据Δf₂、Δf₁或Δl₂、Δl₁情况，分析出异常叶片，具体为：异常叶片∈Δf₂或Δl₂中的叶片且

或Δl₁中的叶片。

在一具体实施例中，假设三支叶片的挥舞方向振动频率分别为f₁＝0.1Hz，f₂＝0.3Hz，f₃＝0.4Hz，振动幅值分别为l₁＝0.07m、l₁＝0.01m、l₁＝0.02m。三支叶片振动频率一致性偏差阈值为p＝0.4，振动幅值一致性偏差阈值为q＝0.04，则

Δf₁＝min(|f₁-f₂|，|f₁-f₃|，|f₃-f₂|)＝0.1Hz

Δl₁＝min(|l₁-l₂|，|l₁-l₃|，|l₃-l₂|)＝0.01m

Δf₂＝max(|f₁-f₂|，|f₁-f₃|，|f₃-f₂|)＝0.3Hz

Δl₂＝max(|l₁-l₂|，|l₁-l₃|，|l₃-l₂|)＝0.06m

因Δf₂-Δf₁＝0.2＜p，Δl₂-Δl₁＝0.05＞q，若该状态连续出现5次，则报警叶片出现了结构性损伤或裂缝。

依据三支叶片运行状态一致性原理，三支叶片运行过程中的应变及振动差异很小。上述应变与振动结果分析方法中，通过比较三支叶片应变或振动监测量之间差异的最大值与最小值之差来判断某支叶片是否出现了异常状态，无需参考叶片的应变、振动历史数据情况，有效避免了需要大量历史数据、故障数据才能构建故障诊断模型的难题。

在本发明实施例中，雷击结果分析方法包括：通过光纤电流传感器根据法拉第磁光效应获取雷电流的大小，从而获知叶片雷击时间及雷电流大小等信息，结合根据振动监测情况分析叶片结构损伤及裂缝情况。

在本发明实施例中，覆冰结果分析方法包括：通过覆冰传感器直接读取叶片表面覆冰厚度，能准确获取叶片的实时覆冰厚度，指导辅助故障诊断和机组精准的停机及启机。

实际中雷击损伤或覆冰会造成叶片的应变及振动监测数据异常，基于上述的叶片应变及振动分析方法，结合雷击监测信息、覆冰监测信息，可以更加精准的评估雷击或覆冰对叶片造成的影响，可更加精准指导风电机组的运行与维护。例如：发生了雷击且振动监测结果异常，则可判断雷击导致了叶片损伤；叶片覆冰且形变监测结果异常、振动监测结果异常，则可判断叶片覆冰厚度将影响机组的正常运行，具体预警阈值可根据运行经验设定。

本发明实施例提供的风电机组叶片多维状态监测方法，无需依据大量历史运行数据，而是基于三支叶片运行状态一致性原理分析判断叶片的异常情况，避免了实际应用中大量历史数据难以收集的问题，并且对叶片的故障分析不需要采集大量监测数据，可在线实时分析计算，故障分析的实时性高。另外通过准确的获取雷电流信息及覆冰厚度信息，准确指导叶片雷击故障判断及检修维护，能精准指导风电机组覆冰停机及融冰后及时启机。

显然，上述实施例仅仅是为清楚地说明所作的举例，而并非对实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引申出的显而易见的变化或变动仍处于本发明创造的保护范围之中。

Claims (10)

1.一种风电机组叶片多维状态监测装置，其特征在于，包括：监测模块、控制模块、通信模块及电源模块，其中：

监测模块包括:应变监测单元、振动监测单元、雷击监测单元以及覆冰监测单元；其中应变监测单元用于对风电机组叶片进行叶片载荷监测、桨距角及气动不平衡监测；振动监测单元用于对风电机组叶片进行雷击损伤监测、叶片结构损伤及裂纹监测；雷击监测单元用于监测风电机组叶片受雷击时的雷电流信息；覆冰监测单元用于监测风电机组叶片的覆冰厚度；

控制模块用于向各监测单元发送数据采集指令，并接收监测模块反馈的数据，对数据进行处理后传送给通信模块，通信模块将数据传输给后台主站系统或监测中心；

电源模块用于给各模块提供电源。

2.根据权利要求1所述的装置，其特征在于，控制模块包括：机舱控制单元和轮毂控制单元，机舱控制单元和轮毂控制单元之间通过有线或无线方式通信，轮毂控制单元与应变监测单元、振动监测单元、雷击监测单元之间为有线连接，与覆冰监测单元之间为无线连接。

3.根据权利要求2所述的装置，其特征在于，在每支叶片叶根的内表面同一圆周上安装预设数量的应变传感器，在叶片内部靠近叶尖端安装预设数量的加速度传感器，在叶片内部防雷引下线上安装预设数量的雷电流感应传感器，在叶片外表面前缘安装预设数量的覆冰传感器；轮毂控制单元安装于轮毂中与应变传感器、加速度传感器、雷电流感应传感器进行电连接，与覆冰传感器无线连接，用于获取叶片的状态信息并发送机舱控制单元；机舱控制单元安装于机舱中，对接收到叶片的状态信息进行分析得到监测结果，并通过通信模块与风电机组主控系统或监测中心通信。

4.一种风电机组叶片多维状态监测方法，其特征在于，基于权利要求1-3中任一所述的装置，其特征在于，包括：

S1：上电后控制模块内的监测程序开始运行并完成初始化；

S2：开始计时并分别设置应变、振动、雷击及覆冰监测单元数据采集周期T1、T2、T3、T4；

S3：判断是否满足采集周期要求，如果T1、T2、T3、T4满足定时要求，则T1、T2、T3、T4计时器清零并重新开始计时，且控制模块向相应的监测单元发送数据采集指令；

S4：各相应监测单元采集数据后传输给控制模块；

S5：控制模块对采集的监测数据进行分析处理，如果某监测单元未采集到数据，则直接跳过相应分析；

S6：控制模块将各个监测单元的分析结果反馈给机组主控系统，并进入S3进行循环。

5.根据权利要求4所述的方法，其特征在于，振动监测单元的采集周期应小于0.5倍叶片的三阶固有振动周期，设定各监测单元的数据采集周期为：0.1s≤T1≤3s、0.1s≤T2≤1s、T3采用雷电流触发机制、10min≤T4≤120min。

6.根据权利要求4所述的风电机组叶片多维状态监测方法，其特征在于，应变结果分析方法包括：

设叶片挥舞方向及摆振方向上的形变量分别为x和y，挥舞方向形变报警阈值为a，三支叶片一致性偏差阈值为c；摆振方向形变报警阈值为b，三支叶片一致性偏差阈值为d，当|x|>a时，对叶片挥舞方向形变报警，当|y|>b时，对叶片摆振方向形变报警，说明叶片出现了载荷异常。

7.根据权利要求6所述的风电机组叶片多维状态监测方法，其特征在于，设某一时刻：

Δx₁＝min(|x₁-x₂|,|x₁-x₃|,|x₃-x₂|)

Δy₁＝min(|y₁-y₂|,|y₁-y₃|,|y₃-y₂|)

Δx₂＝max(|x₁-x₂|,|x₁-x₃|,|x₃-x₂|)

Δy₂＝max(|y₁-y₂|,|y₁-y₃|,|y₃-y₂|)

其中x₁、x₂、x₃分别代表三个叶片在挥舞方向的形变量，y₁、y₂、y₃分别代表三个叶片在摆振方向上的形变量，若Δx₂-Δx₁≥c或Δy₂-Δy₁≥d，且该状态持续预设时间或超过预设次数，则判断叶轮出现了桨距角偏差及气动不平衡；根据Δx₂、Δx₁或Δy₂、Δy₁情况分析出异常叶片，具体为：异常叶片∈Δx₂或Δy₂中的叶片且

或Δy₁中的叶片。

8.根据权利要求4所述的风电机组叶片多维状态监测方法，其特征在于，振动结果分析方法包括：

设叶片挥舞方向或摆振方向上的振动频率为f，振动幅值为l，三支叶片振动频率一致性偏差阈值为p，振动幅值一致性偏差阈值为q，设某一时刻：

Δf₁＝min(|f₁-f₂|,|f₁-f₃|,|f₃-f₂|)

Δl₁＝min(|l₁-l₂|,|l₁-l₃|,|l₃-l₂|)

Δf₂＝max(|f₁-f₂|,|f₁-f₃|,|f₃-f₂|)

Δl₂＝max(|l₁-l₂|,|l₁-l₃|,|l₃-l₂|)

其中f₁、f₂、f₃分别代表三个叶片挥舞方向或摆振方向上的振动频率，l₁、l₂、l₃分别代表三个叶片挥舞方向或摆振方向上的振动幅值，若Δf₂-Δf₁≥p或Δl₂-Δl₁≥q，且该状态持续预设时间或超过预设次数，则判断叶片出现了结构性损伤或裂缝；根据Δf₂、Δf₁或Δl₂、Δl₁情况分析出异常叶片，具体为：异常叶片∈Δf₂或Δl₂中的叶片且

或Δl₁中的叶片。

9.根据权利要求4所述的风电机组叶片多维状态监测方法，其特征在于，雷击结果分析方法包括：通过光纤电流传感器根据法拉第磁光效应获取雷电流的大小，获知叶片雷击时间及雷电流大小信息，结合根据振动监测情况分析叶片结构损伤及裂缝情况。

10.根据权利要求4所述的风电机组叶片多维状态监测方法，其特征在于，

覆冰结果分析方法包括：通过覆冰传感器直接读取叶片表面实时覆冰厚度，用于辅助故障诊断及指导机组精准停机及启机。

Images