CN117536800A - 风电设备数据采集系统 - Google Patents
风电设备数据采集系统 Download PDFInfo
- Publication number
- CN117536800A CN117536800A CN202311499597.4A CN202311499597A CN117536800A CN 117536800 A CN117536800 A CN 117536800A CN 202311499597 A CN202311499597 A CN 202311499597A CN 117536800 A CN117536800 A CN 117536800A
- Authority
- CN
- China
- Prior art keywords
- noise
- wind
- wind power
- data
- wind turbine
- 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.)
- Granted
Links
- 238000012544 monitoring process Methods 0.000 claims abstract description 37
- 238000004458 analytical method Methods 0.000 claims abstract description 23
- 238000012423 maintenance Methods 0.000 claims abstract description 19
- 230000003595 spectral effect Effects 0.000 claims description 32
- 238000001228 spectrum Methods 0.000 claims description 19
- 238000011217 control strategy Methods 0.000 claims description 15
- 238000010183 spectrum analysis Methods 0.000 claims description 10
- 238000010248 power generation Methods 0.000 claims description 9
- 238000013480 data collection Methods 0.000 claims description 5
- 239000000284 extract Substances 0.000 claims description 3
- 230000007613 environmental effect Effects 0.000 abstract description 11
- 238000010586 diagram Methods 0.000 description 5
- 230000009286 beneficial effect Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000001914 filtration Methods 0.000 description 3
- 238000000034 method Methods 0.000 description 3
- 238000007781 pre-processing Methods 0.000 description 3
- 238000005299 abrasion Methods 0.000 description 2
- 230000033228 biological regulation Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000002123 temporal effect Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000002238 attenuated effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000005802 health problem Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
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
- F03D7/00—Controlling wind motors
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
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)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Wind Motors (AREA)
Abstract
本发明涉及数据采集技术领域，尤其涉及一种风电设备数据采集系统，包括噪音采集模块、风力采集模块、运行采集模块、智能噪音分析模块和远程监测模块。通过对比噪音采集模块采集的实时噪音数据和风力采集模块计算的标准噪音数据确定风电设备中需调整的风力涡轮机个数和位置，以及调整策略；还根据调整策略的调整结果制定风电设备的维修计划。本发明提供的风电设备数据采集系统通过实时监测风电设备产生的噪音数据定位和识别噪音问题，提高风电设备的环境友好性和安全性。
Description
技术领域
本发明涉及数据采集技术领域，尤其涉及一种风电设备数据采集系统。
背景技术
风电设备数据采集系统源于日益增长的可再生能源行业的需求，随着风力涡轮机和其他风电设备的广泛部署，监测和优化其性能变得至关重要。这种系统的出现得益于先进的传感技术、物联网的发展和大数据分析的应用。通过在风电设备上安装传感器，系统可以实时监测各种参数，包括风速、转子速度、温度、振动等，从而实现对设备性能的详尽了解。这些数据随后通过云连接传输，供工程师和操作人员分析，以识别潜在问题、提高效率并减少停机时间。风电设备数据采集系统的发展为风能行业提供了更多的可持续性和可靠性，有助于更好地满足能源需求并减少环境影响。
中国专利公开号CN113436029B公开了一种风电数据采集系统与方法，包括：相互通信连接的用于风力发电的风场SCADA系统、升压站SCADA系统、AGC/AVC子站、功率预测系统、故障录波系统、CMS振动在线监测系统以及电能量计量系统。结合另外的结构和方法有效避免了现有技术中采集来的风力发电的数据在其采集、传输及存储方面无法做到统一规范化、针对不同的数据在采集、传输及存储方面独自开发一套方式来实现对应的功能、形成重复建设和烟囱式协作问题，效率低下且费时费力的缺陷。由此可见，该发明未考虑风电设备产生的噪音超标问题，以及噪音超标问题下隐藏的设备运行状态和设备部件是否健康的问题。
发明内容
为此，本发明提供一种风电设备数据采集系统，用以克服现有技术中由风电设备运行状态和/或部件磨损导致风电设备产生的噪音超标的问题。
为实现上述目的，本发明提供一种风电设备数据采集系统，包括：
噪音采集模块，其安装在风电机组内部和周围的预设位置，用以实时监测风电设备内部和外部的噪音数据；
风力采集模块，其安装在风力涡轮机的塔顶和底座，用以分别实时监测轮毂和地面的风速和风向；
运行采集模块，用以收集和存储风电设备的运行状态和性能数据；
智能噪音分析模块，其与所述噪音采集模块相连，用以根据所述噪音数据确定噪音的各频率成分及各成分的频谱数据，以及根据内部噪音数据和外部噪音数据判断风电设备的工作噪音与工作状态是否匹配；
远程监测模块，其分别与所述智能噪音分析模块、所述风力采集模块和所述运行采集模块相连，用以根据各风力涡轮机当前风速分析预测各风力涡轮机对应的预测预设噪音强度，并根据预测预设噪音强度确定需要调整的单个或多个风力涡轮机，以及，根据各风力涡轮机的噪声数据确定待调整风力涡轮机的噪音控制策略，所述噪音控制策略包括调整风力涡轮机的运行参数；
其中，所述噪音数据包括噪音强度和频谱数据；所述运行状态包括叶片转速和叶片角度，所述性能数据包括发电量，所述运行参数包括风轮叶片的与风轮旋转面之间的角度。
进一步地，预设位置包括风电设备的各风力涡轮机的叶片中心、两个相邻风力涡轮机底座在地面连线的中点以及环绕各风力涡轮机四周的顺风侧、迎风侧、第一侧风向侧和第二侧风向侧的100米和300米处；
其中，所述第一侧风向侧与第二侧风向侧相对，所述顺风侧与所述迎风侧相对。
进一步地，噪音采集模块包括设置在各所述预设位置的若干噪音传感单元，单个噪音传感单元包括：
噪音感知传感器，用于监测风电设备产生噪音的实时噪音强度；
声谱分析传感器，用以采集风电设备产生噪音的实时频谱数据。
进一步地，风力采集模块包括噪音预测单元，用以根据风力涡轮机的风机容量和轮毂风速计算该风力涡轮机在各风速下的预设噪音强度，和，各风速下的预设噪音强度对应的预测性能数据。
进一步地，智能噪音分析模块包括用以对噪音的所述频谱数据进行快速傅里叶变换以获得噪音的频谱表示的频谱分析单元；
所述频谱分析单元从所述频谱表示中提取用以定量描述噪音信号中由风电设备运行产生的各频率对应的频率特性参数，并对所述频率特性参数进行描述和量化分析以得到噪音中由风电设备运行产生的各频率成分及对应频率成分的特征函数；
其中，频谱表示包括以频率为横坐标，振幅或能量为纵坐标的噪声特征函数。
进一步地，远程监测模块将单个风力涡轮机当前风速对应的预测噪音强度与采集的实时噪音强度进行对比，根据各对比结果的第一差异度是否超过第一预设阈值确定需要调整的单个或多个风力涡轮机；
其中，所述第一差异度为实时噪音强度与预测噪音强度的差值。
进一步地，智能噪音分析模块将单个风力涡轮机的内部频谱数据与对应的外部频谱数据进行拟合，以减小或消除需调整的风力涡轮机周围的环境噪音；
其中，所述内部频谱数据为单个风力涡轮机的叶片中心采集的噪音频谱数据，所述外部频谱数据为与单个风力涡轮机相邻的风力涡轮机底座之间采集的噪音频谱数据。
进一步地，远程监测模块根据所述各频率成分及其特征函数确定待调整风力涡轮机的噪音控制策略，所述噪音控制策略包括调整风力涡轮机的风轮叶片的与风轮旋转面之间的夹角。
进一步地远程监测模块在预设第一条件下，将所述运行采集模块收集的单个风力涡轮机的当前性能数据与所述噪音预测单元根据当前风速下的预测噪音强度对应的预测性能数据对比，且根据对比结果的第二差异度是否超过第二预设阈值判断是否调整风力涡轮机的运行参数；
其中，所述预设第一条件为单个风力涡轮机对应的所述第一差异度小于等于所述第一预设阈值，所述第二差异度为实时性能数据与预测性能数据的差值。
进一步地，远程监测模块根据单个风力涡轮机的运行参数调整后的噪音强度和实时性能数据确定风力涡轮机的维护周期。
与现有技术相比，本发明的有益效果在于，本发明提供的风电设备数据采集系统提高了风电设备的环境监测能力，通过实时采集和分析风电设备产生的噪音频谱数据，操作人员和监管部门能够更准确地了解噪音水平的变化和分布，从而有助于保护附近社区和野生生物的生活环境。这有助于减少潜在的环境影响，增进了可再生能源项目的社会可持续性。
进一步地，本发明提供的风电设备数据采集系统提高风电设备的运行效率，通过分析噪音频谱数据，可以更好地理解风力涡轮机和其他设备的性能，以及它们在不同工作条件下产生的噪音，这有助于识别风电设备在运行时的潜在问题，进而通过改进设备运行状态、保持设备健康情况和改进设备设计，在减少噪音水平的同时提高风电项目的可维护性。
进一步地，本发明提供的风电设备数据采集系统还有助于满足许多地区对风电项目噪音水平的法律规定和标准，通过实时监测和记录噪音数据，风电项目可以更容易地遵守这些法规，降低了与法律合规性相关的风险和潜在罚款。
进一步地，本发明提供的风电设备数据采集系统提高了风电场的运行效率和可维护性，减少了潜在的故障风险，并降低了维护成本，从而有助于提供可持续的风能发电。
附图说明
图1为本发明实施例风电设备数据采集系统的连接示意图；
图2为本发明实施例智能噪音分析模块的工作流程图；
图3为本发明实施例远程监测模块的工作流程图；
图4本发明实施例风电设备数据采集系统的工作流程图；
图5本发明实施例预设位置的示意图。
具体实施方式
为了使本发明的目的和优点更加清楚明白，下面结合实施例对本发明作进一步描述；应当理解，此处所描述的具体实施例仅仅用于解释本发明，并不用于限定本发明。
下面参照附图来描述本发明的优选实施方式。本领域技术人员应当理解的是，这些实施方式仅仅用于解释本发明的技术原理，并非在限制本发明的保护范围。
需要说明的是，在本发明的描述中，术语“上”、“下”、“左”、“右”、“内”、“外”等指示的方向或位置关系的术语是基于附图所示的方向或位置关系，这仅仅是为了便于描述，而不是指示或暗示所述装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
此外，还需要说明的是，在本发明的描述中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域技术人员而言，可根据具体情况理解上述术语在本发明中的具体含义。
请参阅图1所示，其为本发明实施例风电设备数据采集系统的连接示意图。本发明实施例提供一种风电设备数据采集系统，包括：
噪音采集模块，其安装在风电机组内部和周围的预设位置，用以实时监测风电设备内部和外部的噪音数据；
风力采集模块，其安装在风力涡轮机的塔顶和底座，用以分别实时监测轮毂和地面的风速和风向；
运行采集模块，用以收集和存储风电设备的运行状态和性能数据；
智能噪音分析模块，其与所述噪音采集模块相连，用以根据所述噪音数据确定噪音的各频率成分及各成分的频谱数据，以及根据内部噪音数据和外部噪音数据判断风电设备的工作噪音与工作状态是否匹配；
远程监测模块，其分别与所述智能噪音分析模块、所述风力采集模块和所述运行采集模块相连，用以根据各风力涡轮机当前风速分析预测各风力涡轮机对应的预测预设噪音强度，并根据预测预设噪音强度确定需要调整的单个或多个风力涡轮机，以及，根据各风力涡轮机的噪声数据确定待调整风力涡轮机的噪音控制策略，所述噪音控制策略包括调整风力涡轮机的运行参数；
其中，所述噪音数据包括噪音强度和频谱数据；所述运行状态包括叶片转速和叶片角度，所述性能数据包括发电量，所述运行参数包括风轮叶片的与风轮旋转面之间的角度。
可以理解的是，本发明提供的风电设备数据采集系统通过实时监测风电设备产生的噪音数据定位和识别噪音问题，提高风电设备的环境友好性和安全性；远程监测模块根据风电设备的运行状态和性能数据，确定风电设备是否正常运行，针对异常运行状态确定风电设备的维护需求且制定具体维护方案。
请参阅图5所示，其为本发明实施例预设位置的示意图，图中风电设备的风力涡轮机1的叶片中心11，两相邻风力涡轮机1的底座在地面连线的中点12，顺风侧100米处131，顺风侧300米处132，迎风侧100米处141，迎风侧300米处142，第一侧风向侧100米处151，第一侧风向侧300米处152，第二侧风向侧100米处161，第二侧风向侧300米处162，本实施例预设位置包括：风电设备的各风力涡轮机的叶片中心、两个相邻风力涡轮机底座在地面连线的中点以及环绕各风力涡轮机四周的顺风侧、迎风侧、第一侧风向侧和第二侧风向侧的100米和300米处；
其中，所述第一侧风向侧与第二侧风向侧相对，所述顺风侧与所述迎风侧相对。
可以理解的是，顺风侧指在风力涡轮机所在地区，一年中风的主要方向或者说风向对应的那一侧，相对于风电设备的东南西北四个方向，重新定义了风电设备的顺风侧、迎风侧、第一侧风向侧和第二侧风向侧，其中，第一侧风向侧与第二侧风向侧是相对的，顺风侧与迎风侧也是相对的。这些位置的设置使系统可以全面捕捉风电设备周围的噪音数据，实现更全面的噪音监测和分析。这有助于提高噪音问题的诊断和定位能力，确保风电设备在各种风向条件下的可持续高效运行。
具体而言，噪音采集模块包括设置在各所述预设位置的若干噪音传感单元，单个噪音传感单元包括：
噪音感知传感器，用于监测风电设备产生噪音的实时噪音强度；
声谱分析传感器，用以采集风电设备产生噪音的实时频谱数据。
具体而言，风力采集模块包括噪音预测单元，用以根据风力涡轮机的风机容量和轮毂风速计算该风力涡轮机在各风速下的预设噪音强度，和，各风速下的预设噪音强度对应的预测性能数据。
可以理解的是，空气动力学噪声跟轮毂高度处风速关系较大，风机噪声源强随风速增加而增大。根据850kW风机实测结果：
风机轮毂高度处风速达到8.12m/s时，源强为102.9dB(A)；
风机轮毂高度处风速达到9.47m/s时，源强为103.4dB(A)；
风机轮毂高度处风速达到10.2m/s时，源强为103.5dB(A)；
风机轮毂高度处风速达到和超过10.83m/s时，源强均为103.6dB(A)，此后风机噪声源强不再随风速增加而加大。
在实施中，根据以下公式计算风力涡轮机在各风速下的预设噪音强度Lp：
Lp＝L0+10×α×l n(Q/Q0)，其中：Lp为特定风速下的预设噪音强度；L0为基准噪音强度，即在参考风速下的噪音水平；α为噪音衰减指数，α＞0表示噪音强度随风速增加而减少的速率；Q为特定风速下的风机容量；Q0为参考风速下的风机容量。
可以理解的是，α的值越接近0，表示噪音随风速的增加减小得越慢，即噪音增长相对较慢；反之，α的值越接近1，表示噪音增长速度更快，即噪音随风速的增加而迅速增加。
假设，轮毂高度处风速为9.47m/s，L0＝103.4dB，α＝0.5，Q＝950W，Q0＝850kW，则在轮毂高度处风速为9.47m/s时，风力涡轮机的预设噪音强度为：
Lp＝103.4+10×0.5×log10(950/850)＝103.4+5×0.112＝103.96dB。
在实施中，根据风速计算风力涡轮机的预测性能数据，预测性能数据由发电量表示，其公式为：
P(V)＝0.5×ρ×A×Cp×V3，其中：P(V)是在特定风速V下的发电量；ρ是标准大气条件下的空气密度；A是涡轮机的叶片面积；Cp是涡轮机的功率系数，表示涡轮机从风中提取能量的效率，0≤Cp≤1；V是风速。
假设：风力涡轮机的叶片面积A＝100，涡轮机的功率系数Cp＝0.35，空气密度ρ＝1.225；
计算不同风速下风力涡轮机的发电量：
P(5)＝0.5×1.225×100×0.35×53＝1075.78；
P(10)＝0.5×1.225×100×0.35×103＝8757.5；
P(15)＝0.5×1.225×100×0.35×153＝29029.125。
请参阅图2所示，其为本发明实施例智能噪音分析模块的工作流程图。
具体而言，智能噪音分析模块包括用以对噪音频谱数据进行快速傅里叶变换以获得噪音的频谱表示的频谱分析单元；
所述频谱分析单元从所述频谱表示中提取用以定量描述噪音信号中由风电设备运行产生的各频率对应的频率特性参数，并对所述频率特性参数进行描述和量化分析以得到噪音中由风电设备运行产生的各频率成分及对应频率成分的特征函数；
其中，频谱表示包括以频率为横坐标，振幅或能量为纵坐标的噪声特征函数。
可以理解的是，噪声特征函数显示了噪声信号在不同频率上的分布，根据频率大小区分各频率的对应噪声成分，通常以图形的形式呈现；其中各频率成分的特征可以表示为一个数据集，以数值数据的形式呈现；
数据集包括各频率成分对应的频谱峰值(最高振幅的频率)、频谱带宽(频谱覆盖的频率范围)和频谱形状(频率成分的分布形状)。
具体而言，智能噪音分析模块将单个风力涡轮机的内部频谱数据与对应的外部频谱数据进行拟合，以减小或消除需调整的风力涡轮机周围的环境噪音；
其中，所述内部频谱数据为单个风力涡轮机的叶片中心采集的噪音频谱数据，所述外部频谱数据为与单个风力涡轮机相邻的风力涡轮机底座之间采集的噪音频谱数据。
可以理解的是，通过风力涡轮机的叶片中心和相邻风力涡轮机底座之间安装的声谱分析传感器过滤频谱数据中环境噪音，且调整风电设备周围的环境噪音的方法包括：
步骤A1，根据在风力涡轮机的叶片中心和相邻风力涡轮机底座之间安装的声谱分析传感器，采集两组环境噪音和目标涡轮机的整体声谱数据；
步骤A2，对两组频谱数据进行预处理，包括噪音滤波和信号增强，以减少噪音对后续分析的干扰；
步骤A3，比较两组频谱数据以识别差异，差异可能表明某些频率范围内的噪音源于环境而非涡轮机；
步骤A4，利用差异分析的结果建立噪音模型，该模型用以描述环境噪音的特性，包括环境噪音的频率分布、强度、时域特征等；
步骤A5，使用噪音模型分离环境噪音和目标涡轮机的声谱成分，例如通过减去噪音模型估计的频谱成分来实现；
步骤A6，对分离出的信号进行验证，确保环境噪音已经有效地被过滤。
可以理解的是，步骤A2中的预处理包括使用低通滤波器来削弱高频噪音成分，以及，去除可能由传感器本身引入的噪音或干扰；其中，削弱高频噪音成分是由于环境噪音通常在高频范围内。
在实施中，步骤A6的验证包括频谱图检查和时间域分析；
频谱图检查：可视化比较处理前和处理后的频谱图，如果环境噪音被有效过滤，则频谱图中的噪音成分减少，而目标涡轮机的声谱成分更加明显。
时间域分析：分析处理后的噪音数据的时域特征，例如波形和振幅；环境噪音通常具有不规则的振幅和波形，而目标涡轮机的声音更有规律，通过观察时域特征，可以验证过滤效果。
请参阅图3所示，其为本发明实施例远程监测模块的工作流程图。
具体而言，远程监测模块将单个风力涡轮机当前风速对应的预测噪音强度与采集的实时噪音强度进行对比，根据各对比结果的第一差异度是否超过第一预设阈值确定需要调整的单个或多个风力涡轮机；
其中，所述第一差异度为实时噪音强度与预测噪音强度的差值。
可以理解的是：
第一差异度＝|实时噪音强度-预设噪音强度|，0dB＜第一预设阈值＜3dB；
若第一差异度＞第一预设阈值，说明该涡轮机的噪音水平与预期不符，则需要调整风力涡轮机；
若第一差异度≤第一预设阈值，说明该涡轮机的噪音水平与预期相符，则不需要调整风力涡轮机。
具体而言，远程监测模块根据所述各频率成分及其特征函数确定待调整风力涡轮机的噪音控制策略，所述噪音控制策略包括调整风力涡轮机的风轮叶片的与风轮旋转面之间的夹角。
可以理解的是，通过调整风轮叶片的角度减少特定频率成分的噪音，并持续监测风电设备的噪音强度以验证噪音控制策略的有效性，若调整有效但调整度不够或调整无效则继续调整，同时，在需要时例如风向持续改变时，实时调整风轮叶片的角度，以确保噪音保持在预定水平。
具体而言，远程监测模块在预设第一条件下，将所述运行采集模块收集单个风力涡轮机的当前性能数据与所述噪音预测单元根据当前风速下的预测噪音强度对应的预测性能数据对比，且根据对比结果的第二差异度是否超过第二预设阈值判断是否调整风力涡轮机的运行参数；
其中，所述预设第一条件为单个风力涡轮机对应的所述第一差异度小于等于所述第一预设阈值，所述第二差异度为实时性能数据与预测性能数据的差值。
可以理解的是：
第二差异度＝|实时性能数据-预测性能数据|，0kW＜第二预设阈值＜50kW；
(1)若第二差异度＞第二预设阈值，说明该涡轮机的性能与预期不符，则需要调整风力涡轮机的运行参数：
实时性能数据＞预测性能数据时，需确保涡轮机在安全操作范围内，并进行持续或间歇监测和定时维护，以避免潜在的安全隐患和不必要的机械磨损；
(2)若第二差异度≤第二预设阈值，说明该涡轮机的性能与预期相符，则不需要调整风力涡轮机的运行参数。
可以通过调整叶片的角度调整风轮的运行参数。
具体而言，远程监测模块根据单个风力涡轮机的运行参数调整后的噪音强度和实时性能数据确定风力涡轮机的维护周期。
可以理解的是，若在调整风力涡轮机的运行参数后第一差异度和第二差异度分别小于等于第一预设阈值和第二预设阈值，即在某风速下风力涡轮机的噪音强度和性能数据都在标准范围内，则无需调整风力涡轮机的维护计划，设置有固定维护的时间节点，以使风电设备在一段固定时间内进行一次维护和保养，如每三个月固定保养一次；
若调整风力涡轮机的运行参数后第一差异度和/或第二差异度分别大于第一预设阈值和第二预设阈值，即在某风速下风力涡轮机的噪音强度和/或性能数据不在标准范围内，则需要根据实际情况制定风轮维护计划；
其中，维护计划包括维护周期和维护方法，可以理解的是，调整后的噪音强度和实时性能数据的第一差异度和/或第二差异度越大，维护周期的间隔时长应越短，以确保设备的长期稳定性和性能。
请参阅图4所示，其为本发明实施例风电设备数据采集系统的工作流程图。
实施例：
步骤S1，通过噪音采集模块将监测的风电机组不同位置产生的噪音数据传递给智能噪音分析模块；
步骤S2，噪音分析模块消除环境噪音形成各风力涡轮机的实时噪音数据；
步骤S3，风力采集模块根据监测到的风力涡轮机轮毂处的实时风速确定预设噪音强度和预测性能数据；
步骤S4，远程监测模块接收实时噪音数据、预设噪音强度和预测性能数据，通过第一差异度和第二差异度确定噪音控制策略；
步骤S5，根据噪音控制策略的处理结果制定风电设备的维护计划。
至此，已经结合附图所示的优选实施方式描述了本发明的技术方案，但是，本领域技术人员容易理解的是，本发明的保护范围显然不局限于这些具体实施方式。在不偏离本发明的原理的前提下，本领域技术人员可以对相关技术特征做出等同的更改或替换，这些更改或替换之后的技术方案都将落入本发明的保护范围之内。
以上所述仅为本发明的优选实施例，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 (10)
1.一种风电设备数据采集系统，其特征在于，包括：
噪音采集模块，其安装在风电机组内部和周围的预设位置，用以实时监测风电设备内部和外部的噪音数据；
风力采集模块，其安装在风力涡轮机的塔顶和底座，用以分别实时监测轮毂和地面的风速和风向；
运行采集模块，用以收集和存储风电设备的运行状态和性能数据；
智能噪音分析模块，其与所述噪音采集模块相连，用以根据所述噪音数据确定噪音的各频率成分及各成分的频谱数据，以及根据内部噪音数据和外部噪音数据判断风电设备的工作噪音与工作状态是否匹配；
远程监测模块，其分别与所述智能噪音分析模块、所述风力采集模块和所述运行采集模块相连，用以根据各风力涡轮机当前风速分析预测各风力涡轮机对应的预测预设噪音强度，并根据预测预设噪音强度确定需要调整的单个或多个风力涡轮机，以及，根据各风力涡轮机的噪声数据确定待调整风力涡轮机的噪音控制策略，所述噪音控制策略包括调整风力涡轮机的运行参数；
其中，所述噪音数据包括噪音强度和频谱数据；所述运行状态包括叶片转速和叶片角度，所述性能数据包括发电量，所述运行参数包括风轮叶片的与风轮旋转面之间的角度。
2.根据权利要求1所述的风电设备数据采集系统，其特征在于，所述预设位置包括风电设备的各风力涡轮机的叶片中心、两个相邻风力涡轮机底座在地面连线的中点以及环绕各风力涡轮机四周的顺风侧、迎风侧、第一侧风向侧和第二侧风向侧的100米和300米处；
其中，所述第一侧风向侧与第二侧风向侧相对，所述顺风侧与所述迎风侧相对。
3.根据权利要求2所述的风电设备数据采集系统，其特征在于，所述噪音采集模块包括设置在各所述预设位置的若干噪音传感单元，单个噪音传感单元包括：
噪音感知传感器，用于监测风电设备产生噪音的实时噪音强度；
声谱分析传感器，用以采集风电设备产生噪音的实时频谱数据。
4.根据权利要求2所述的风电设备数据采集系统，其特征在于，所述风力采集模块包括噪音预测单元，用以根据风力涡轮机的风机容量和轮毂风速计算该风力涡轮机在各风速下的预测噪音强度，和，各风速下的预测噪音强度对应的预测性能数据。
5.根据权利要求3所述的风电设备数据采集系统，其特征在于，所述智能噪音分析模块包括用以对噪音的所述频谱数据进行快速傅里叶变换以获得噪音的频谱表示的频谱分析单元；
所述频谱分析单元从所述频谱表示中提取用以定量描述噪音信号中由风电设备运行产生的各频率对应的频率特性参数，并对所述频率特性参数进行描述和量化分析以得到噪音中由风电设备运行产生的各频率成分及对应频率成分的特征函数；
其中，频谱表示包括以频率为横坐标，振幅或能量为纵坐标的噪声特征函数。
6.根据权利要求4所述的风电设备数据采集系统，其特征在于，所述远程监测模块将单个风力涡轮机当前风速对应的预测噪音强度与采集的实时噪音强度进行对比，根据各对比结果的第一差异度是否超过第一预设阈值确定需要调整的单个或多个风力涡轮机；
其中，所述第一差异度为实时噪音强度与预测噪音强度的差值。
7.根据权利要求5所述的风电设备数据采集系统，其特征在于，所述智能噪音分析模块将单个风力涡轮机的内部频谱数据与对应的外部频谱数据进行拟合，以减小或消除需调整的风力涡轮机周围的环境噪音；
其中，所述内部频谱数据为单个风力涡轮机的叶片中心采集的噪音频谱数据，所述外部频谱数据为与单个风力涡轮机相邻的风力涡轮机底座之间采集的噪音频谱数据。
8.根据权利要求6所述的风电设备数据采集系统，其特征在于，所述远程监测模块根据所述各频率成分及其特征函数确定待调整风力涡轮机的噪音控制策略，所述噪音控制策略包括调整风力涡轮机的风轮叶片的与风轮旋转面之间的夹角。
9.根据权利要求6所述的风电设备数据采集系统，其特征在于，所述远程监测模块在预设第一条件下，将所述运行采集模块收集的单个风力涡轮机的当前性能数据与所述噪音预测单元根据当前风速下的预测噪音强度对应的预测性能数据对比，且根据对比结果的第二差异度是否超过第二预设阈值判断是否调整风力涡轮机的运行参数；
其中，所述预设第一条件为单个风力涡轮机对应的所述第一差异度小于等于所述第一预设阈值，所述第二差异度为实时性能数据与预测性能数据的差值。
10.根据权利要求8和权利要求9任一项所述的风电设备数据采集系统，其特征在于，所述远程监测模块根据单个风力涡轮机的运行参数调整后的噪音强度和实时性能数据确定风力涡轮机的维护周期。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311499597.4A CN117536800B (zh) | 2023-11-13 | 2023-11-13 | 风电设备数据采集系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311499597.4A CN117536800B (zh) | 2023-11-13 | 2023-11-13 | 风电设备数据采集系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117536800A true CN117536800A (zh) | 2024-02-09 |
| CN117536800B CN117536800B (zh) | 2024-06-18 |
Family
ID=89785459
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311499597.4A Active CN117536800B (zh) | 2023-11-13 | 2023-11-13 | 风电设备数据采集系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117536800B (zh) |
Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20040151578A1 (en) * | 2001-03-28 | 2004-08-05 | Aloys Wobben | Method for monitoring a wind energy plant |
| CN105136435A (zh) * | 2015-07-15 | 2015-12-09 | 北京汉能华科技股份有限公司 | 一种风力发电机组叶片故障诊断的方法和装置 |
| US20160032892A1 (en) * | 2014-07-31 | 2016-02-04 | General Electric Company | System and method for controlling the operation of wind turbines |
| CN109477460A (zh) * | 2016-05-18 | 2019-03-15 | 维斯塔斯风力系统集团公司 | 控制风力涡轮机噪声 |
| CN109477461A (zh) * | 2016-05-18 | 2019-03-15 | 维斯塔斯风力系统集团公司 | 风力涡轮机噪声的分析 |
| CN109869287A (zh) * | 2019-03-15 | 2019-06-11 | 上海交通大学 | 一种用于风力发电机模型试验的信号采集与控制系统 |
| CN109952429A (zh) * | 2016-09-07 | 2019-06-28 | 维斯塔斯风力系统集团公司 | 预测风力涡轮机噪声 |
| CN110177934A (zh) * | 2016-11-14 | 2019-08-27 | 维斯塔斯风力系统集团公司 | 风力涡轮机的噪声分析与控制 |
| CN110309603A (zh) * | 2019-07-05 | 2019-10-08 | 华北电力大学（保定） | 一种基于风速特性的短期风速预测方法及系统 |
| CN112343773A (zh) * | 2020-09-27 | 2021-02-09 | 中国电力科学研究院有限公司 | 一种风电机组的音值确定方法和系统 |
| CN113836762A (zh) * | 2021-08-25 | 2021-12-24 | 中国大唐集团新能源科学技术研究院有限公司 | 一种风力机及风电场数字镜像模拟展示系统 |
| CN114414037A (zh) * | 2022-01-18 | 2022-04-29 | 华能湖北新能源有限责任公司 | 一种风力发电机组叶片健康监测装置及监测方法 |
| CN116609106A (zh) * | 2023-07-20 | 2023-08-18 | 江苏盖亚环境科技股份有限公司 | 一种钻测一体化装备运行状态监测系统 |
| CN117028147A (zh) * | 2023-09-08 | 2023-11-10 | 龙南市金富盛新能源有限公司 | 一种风电变桨控制系统与风电变桨系统 |
-
2023
- 2023-11-13 CN CN202311499597.4A patent/CN117536800B/zh active Active
Patent Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20040151578A1 (en) * | 2001-03-28 | 2004-08-05 | Aloys Wobben | Method for monitoring a wind energy plant |
| US20160032892A1 (en) * | 2014-07-31 | 2016-02-04 | General Electric Company | System and method for controlling the operation of wind turbines |
| CN105136435A (zh) * | 2015-07-15 | 2015-12-09 | 北京汉能华科技股份有限公司 | 一种风力发电机组叶片故障诊断的方法和装置 |
| CN109477460A (zh) * | 2016-05-18 | 2019-03-15 | 维斯塔斯风力系统集团公司 | 控制风力涡轮机噪声 |
| CN109477461A (zh) * | 2016-05-18 | 2019-03-15 | 维斯塔斯风力系统集团公司 | 风力涡轮机噪声的分析 |
| CN109952429A (zh) * | 2016-09-07 | 2019-06-28 | 维斯塔斯风力系统集团公司 | 预测风力涡轮机噪声 |
| CN110177934A (zh) * | 2016-11-14 | 2019-08-27 | 维斯塔斯风力系统集团公司 | 风力涡轮机的噪声分析与控制 |
| CN109869287A (zh) * | 2019-03-15 | 2019-06-11 | 上海交通大学 | 一种用于风力发电机模型试验的信号采集与控制系统 |
| CN110309603A (zh) * | 2019-07-05 | 2019-10-08 | 华北电力大学（保定） | 一种基于风速特性的短期风速预测方法及系统 |
| CN112343773A (zh) * | 2020-09-27 | 2021-02-09 | 中国电力科学研究院有限公司 | 一种风电机组的音值确定方法和系统 |
| CN113836762A (zh) * | 2021-08-25 | 2021-12-24 | 中国大唐集团新能源科学技术研究院有限公司 | 一种风力机及风电场数字镜像模拟展示系统 |
| CN114414037A (zh) * | 2022-01-18 | 2022-04-29 | 华能湖北新能源有限责任公司 | 一种风力发电机组叶片健康监测装置及监测方法 |
| CN116609106A (zh) * | 2023-07-20 | 2023-08-18 | 江苏盖亚环境科技股份有限公司 | 一种钻测一体化装备运行状态监测系统 |
| CN117028147A (zh) * | 2023-09-08 | 2023-11-10 | 龙南市金富盛新能源有限公司 | 一种风电变桨控制系统与风电变桨系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117536800B (zh) | 2024-06-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105136435B (zh) | 一种风力发电机组叶片故障诊断的方法和装置 | |
| CN101265878B (zh) | 风力涡轮机的音调发射控制 | |
| CN105738806B (zh) | 一种风力发电机组故障诊断系统和方法 | |
| US7895018B2 (en) | Event monitoring via combination of signals | |
| CN112324629A (zh) | 一种基于振动和声音的风电叶片早期损伤监测系统及方法 | |
| US8287228B2 (en) | System and methods for controlling the amplitude modulation of noise generated by wind turbines | |
| US10337502B2 (en) | Early detection of wind turbine degradation using acoustical monitoring | |
| US20040236538A1 (en) | System for monitoring wind power plants | |
| CN113286944B (zh) | 一种用于监测叶根紧固件的健康状态的方法及系统 | |
| JP2018529883A (ja) | 風力発電装置を監視するための方法 | |
| EP2541055A2 (en) | System and methods for controlling the amplitude modulation of noise generated by wind turbines | |
| CN111927717B (zh) | 一种风机机舱传动链噪声在线监测系统及方法 | |
| CN103926075B (zh) | 一种提高风电机组齿轮箱故障分析精度的方法 | |
| CN117627862A (zh) | 一种基于iec61499架构的海上风电机组控制系统 | |
| CN108979979A (zh) | 雷电监测装置、风电机组、风电机组监测系统及监测方法 | |
| CN113847199B (zh) | 一种基于机载雷达在线偏航系统的偏航优化控制方法 | |
| CN117536800B (zh) | 风电设备数据采集系统 | |
| CN111400959B (zh) | 风力发电机组的叶片故障诊断方法及装置 | |
| WO2023035708A1 (zh) | 风机叶片声音信号采集最优位置及其选取方法 | |
| CN113218653B (zh) | 一种基于消除低频扰动的海上风电齿轮箱监测方法及装置 | |
| Cohal et al. | Fault Detection and Isolation of a Wind Turbine | |
| CN113738576B (zh) | 一种风电机组风轮气动不平衡和质量不平衡识别方法 | |
| WO2024189912A1 (ja) | 風力発電設備を点検するシステム、方法、装置及びプログラム | |
| CN219776889U (zh) | 风电场风机 | |
| CN115855465A (zh) | 一种基于混响噪声的风力机叶片状态监测系统和方法 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |