CN220979768U - 一种海上风电机组叶片故障诊断系统 - Google Patents

Abstract

本实用新型提出一种海上风电机组叶片故障诊断系统，该系统以风速、温度、湿度为划分工况条件，进行海上风机叶片的状态监测和故障诊断，区别于基于风速的传统工况划分方式，不仅提高故障诊断的效率，而且提高了风机叶片故障诊断模型的普适度和准确性，同时减少误报漏报情况，减轻运维人员工作量，提高风机运行效率，本实用新型针对海上风机叶片设计一个全工况多工况的智能故障诊断系统，对于实现海上风机叶片故障的精准诊断、提升风机运行效率具有重要意义。

Description

一种海上风电机组叶片故障诊断系统

技术领域

本实用新型涉及故障诊断技术领域，尤其涉及一种海上风电机组叶片故障诊断系统。

背景技术

风力发电是一种可再生、清洁的能源，越来越受到人们的重视。海上风力发电作为一种陆地风电的延伸形式，由于能够利用的稳定风能较高，风速、风向和湍流强度变化程度较小，因此应用前景广阔，正逐渐成为风力发电新的主流形式。

然而，随着海上风力发电的规模和装机容量的逐步提升，海上恶劣的环境条件如强风和海浪的载荷、盐雾的腐蚀、台风的破坏等造成的机组运维问题也逐渐凸显，如何提高海上风机运行的可靠性和降低海上风电的运维成本就成为海上风电亟待解决的问题。同时，风机叶片作为风力发电机的核心部件之一，由于其全天都在高空、雷击、大气氧化以及潮湿空气腐蚀等工作环境下工作，在运行时会发生多种故障且维护时间较长，如果不能保证风机叶片的安全运行和寿命长度，将给整个海上风电机组带来巨大的经济损失。

现有技术针对风机叶片的故障诊断，除运维人员、无人机巡检外，主要采用无损检测法，该方法在不停机，不影响叶片物理、化学、机械以及尺寸特性的前提下，利用声波采集设备或者特定传感器得到风机叶片的状态参数再基于深度学习进行故障诊断。

然而海上风电机组在运行过程中会随风速、温度、湿度等环境条件的变化不断的调整机组运行策略以提高发电效率，这就意味着机组的各个特征参数在机组运行的不同工况下的相关性会有所改变继而影响故障诊断模型的准确度。

实用新型内容

本实用新型提供一种海上风电机组叶片故障诊断系统，旨在解决现有的海上风电机组叶片故障诊断系统存在的准确度不高的缺陷。

为此，本实用新型提出一种海上风电机组叶片故障诊断系统，包括：

工况数据采集机构、运行数据采集机构、通信机构、工况辨识机构及故障分析机构；其中，

工况数据采集机构包括风速仪、工况温度传感器和湿度传感器，用以采集风速信息和环境温湿度信息；

运行数据采集机构至少包括设置于风机叶片上的速度传感器、功率传感器、振动传感器、运行温度传感器、雷电检测传感器，用以采集叶轮转速、机组功率、风机叶片的振动频谱数据、叶片表面温度以及风机叶片受雷击时的雷电流信号；

工况辨识机构包括数据处理器和工况辨识控制器；数据处理器对工况数据采集机构和运行数据采集机构采集的数据进行数据预处理，将预处理后的数据传输至工况辨识控制器进行工况识别；

故障分析机构包括数字信号处理器和故障报警装置；数字信号处理器连接工况辨识控制器，故障报警装置根据数字信号处理器的分析结果进行故障报警；

通信机构将工况辨识机构的数据处理器连接至工况数据采集机构、运行数据采集机构。

其中，振动传感器为PCB Piezotronics 356A66型加速度传感器；当振动传感器受到外部的加速度变化时，压电晶体产生应变，从而产生电荷分布变化，最终转化为电信号输出。

其中，雷电监测传感器采用Vaisala EFM550电场传感器，通过永久性磁铁安装在海上风机叶片根部，用以感应海上风机叶片遭受雷击时的雷电流信号。

其中，通信机构包括有线通信方式和无线通信方式；无线通信方式为4G网络、5G网络、WIFI以及蓝牙中的一种。

其中，工况辨识机构还包括工况辨识通讯组件；其中，

工况辨识通讯组件包括警报器、显示器、通信接口，通过通信接口将工况信息和数据划分结果传递至故障分析机构和机组运维人员；通过显示器显示相关信息；通过警报器根据不同的工况向运维人员发出极端工况警报，让极端工况被迅速察觉和处理，使得运维人员通过报警信息迅速做出判断。

其中，还包括显示机构，显示机构包括机组主控室显示器和移动终端；机组主控室显示器连接工况辨识机构和故障分析机构；移动终端通过无线通信方式连接工况辨识机构和故障分析机构。

其中，还包括数据存储机构，数据存储机构连接故障分析机构，用以存储故障分析机构传递的历史数据及故障信息。

区别于现有技术，本实用新型提供的海上风电机组叶片故障诊断系统，该系统以风速、温度、湿度为划分工况条件，进行海上风机叶片的状态监测和故障诊断，区别于基于风速的传统工况划分方式，不仅提高故障诊断的效率，而且提高了风机叶片故障诊断模型的普适度和准确性，同时减少误报漏报情况，减轻运维人员工作量，提高风机运行效率，本实用新型针对海上风机叶片设计一个全工况多工况的智能故障诊断系统，对于实现海上风机叶片故障的精准诊断、提升风机运行效率具有重要意义。

附图说明

本实用新型的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：

图1是本实用新型提供的一种海上风电机组叶片故障诊断系统的结构示意图。

具体实施方式

下面详细描述本实用新型的实施例，实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本实用新型，而不能理解为对本实用新型的限制。

如图1所示，为本实用新型实施例所提供的一种海上风电机组叶片故障诊断系统，包括：

工况数据采集机构1、运行数据采集机构2、通信机构3、工况辨识机构4及故障分析机构5；

针对海上风机叶片的故障诊断系统，辨识工况和实时数据采集是故障诊断的必要条件，传统的工况辨识仅通过风速或其他单独特征进行划分，无法适应海上风机环境的复杂程度，所以工况特征参量的选择是能够正确辨析海上风机工况的关键。海上风电的历史研究和专家经验表明，风机叶片的状态常常随风速、温度、湿度的变化而发生改变，故在本实施例中：

工况数据采集机构1包括风速仪11、工况温度传感器12和湿度传感器13，用以采集风速信息和环境温湿度信息；其中，工况数据采集机构1设置于海上风电机组的搭建平台上，风速仪11用于采集获取瞬时风速(m/s)，工况温度传感器12用于采集环境温度，湿度传感器13用于采集空气湿度。风速仪11、工况温度传感器12和湿度传感器13分别设置于适宜采集相应数据的位置。

瞬时风速(m/s)、环境温度、空气湿度作为能够反映风电机组复杂工况且同叶轮系统运行状态强相关的特征参数，为风电机组工况的划分提供依据。

运行数据采集机构2用于在线采集反映海上风机运行状态的各种特征参数的特征值。在本实施例中，运行数据采集机构2至少包括设置于风机叶片上的速度传感器21、功率传感器22、振动传感器23、运行温度传感器24、雷电检测传感器25，用以采集叶轮转速、机组功率、风机叶片的振动频谱数据、叶片表面温度以及风机叶片受雷击时的雷电流信号；合理布置各传感器的测点是决定能否检测到准确有效特征值的关键，选择最佳的测点也是决定能否客观的获取叶片故障信息的关键。

其中，速度传感器21用于采集的特征参数包括但不限于叶轮转速；功率传感器22收集的特征参数包括但不限于机组有功功率、无功功率；运行温度传感器24收集的特征参数包括但不限于叶片表面温度。

振动传感器23用于采集风机叶片的振动频谱数据，以便及早发现潜在的故障。在本实施例中，振动传感器为PCB Piezotronics 356A66型加速度传感器，这种加速度传感器利用压电效应来测量物体的加速度和振动。当传感器受到外部的加速度变化时，压电晶体产生应变，从而产生电荷分布变化，最终转化为电信号输出，具有结构简单，体积小巧，重量轻等优点，适合在海上风机叶片上进行安装和集成，能够在满足系统对于叶片振动频谱数据高精度、多维度测量的要求并有效测量叶片的振动频谱数据。

雷电监测传感器25用于监测风机叶片受雷击时的雷电流信号，在本实施例中，雷电监测传感器采用Vaisala EFM550电场传感器，该传感器通过永久性磁铁稳固地安装在海上风机叶片根部，能够实时、准确地感应海上风机叶片遭受雷击时的雷电流信号。传感器内设有存储模块，用于存储雷电流信号，其中，存储模块的数据记录阈值设定为1000条。传感器的工作参数由用户自行定义，包括触发阈值、温度采集时间间隔以及自检时间间隔等参数。此外，Vaisala EFM550电场传感器采用非接触式高精度暂态电流传感器，具备广泛的信号响应频带宽，能够高效地感应海上风机叶片遭受雷击时的雷电信号。

通信机构3包括有线通信方式和无线通信方式，无线通信方式包括4G网络、5G网络、WIFI以及蓝牙中的一种，可以满足用户的不同需求。本实施例中所使用的无线通信方式为5G网络通信方式，用于将实时监测环境数据和工况信息传输至显示机构6并将两种数据传输至工况辨识机构4和数据存储机构7。

工况辨识机构4是海上风电机组叶片故障诊断系统的重要组成部分，在本实施例中，工况辨识机构4由数据处理器41、工况辨识控制器42和工况辨识通讯组件43构成，通过对工况数据进行处理和分析划分工况并将实时监测数据根据工况进行处理和识别。

其中，数据处理器41是一种专门设计用于加速数据处理和分析任务的处理器,用于高效处理大规模数据集的计算任务。它可以提供高性能的数据处理能力，加速数据处理任务，提高计算效率和吞吐量。

在本实施例，数据处理器DPU通过与通信模块连接，接收来自工况数据采集机构1和运行数据采集机构2的多种传感器的数据，转换成适合分析的格式和范围，并清除脏数据，完成数据清洗，为划分工况和故障诊断提供输入数据。

工况辨识控制器42采用可编程逻辑控制器(PLC)，由中央处理器(CPU)、输入/输出接口、内存的各种硬件组件组成，可编程逻辑控制器是专门用于自动化控制和逻辑运算的电子设备。在本实施例中，工况辨识控制器42的可编程逻辑控制器(PLC)用于工况逻辑判断并将实时监测数据根据工况进行划分。

在本实施例中，工况辨识控制器42接收来自DPU的输入数据，根据环境温度温度、空气湿度、瞬时风速(m/s)三种工况数据特征值数值将工况分为正常工况、强风工况、低温低风速工况、高温高湿度工况、异常湿度工况等多种工况。在不同的海上风电机组中，可以根据风电机组的设计、运行经验和数据分析结果的不同来调整工况分类阈值的大小以确定工况辨识标准。工况辨识控制器42一旦判定出工况辨识标准，则根据工况辨识标准将实时监测数据按照工况进行划分并通过工况辨识通讯组件43传递至故障分析机构。

工况辨识通讯组件43通讯组件包括警报器、显示器、通信接口等，不仅将工况信息和数据划分结果传递至故障分析机构5和机组运维人员，还可以显示相关信息并根据不同的工况向运维人员发出极端工况警报，让极端工况可以被迅速察觉和处理，使得运维人员可以通过报警信息迅速做出判断，有助于及时采取措施避免风机叶片机组和整个机组造成进一步的损失和损坏。

故障分析机构5是海上风电机组叶片故障诊断系统中的关键部件，旨在监测、识别和分析风机叶片可能出现的故障情况，并将故障信息传递至显示机构6。在本实施例中故障分析机构5包括数字信号处理器51和故障报警装置52。

其中，数字信号处理器51是专门设计用于执行数字信号处理任务的微处理器。专注于高效地处理数字信号。在本实施例中，数字信号处理器51的功能是将基于工况划分的实时监测数据进行故障检测和诊断。当叶片或叶片组件存在故障或损坏时，这通常会影响叶轮的旋转行为，从而导致叶轮的转速出现异常变化，故选择叶轮转速作为叶片故障的主要特征。在不同的工况下，DSP根据运行数据采集模块采集的各种特征参数的历史数据对叶轮转速进行特征选择，筛选出与叶轮转速最相关的特征参数，并根据机组正常运行时的历史数据确定不同工况下各个特征参数的正常范围，如果实时监测数据中的叶轮转速和相关特征参数的特征值出现异常，则判定风机叶片受损。除此之外，还可以通过雷电检测传感器的检测确定叶片是否遭受雷电冲击。

故障报警装置用于在海上风机叶片出现故障时通过向运维人员提出预警并进行故障分析以提供应对措施，并将故障信息传输至数据存储机构7。

显示机构6包括机组主控室显示器和其他移动终端，用于接收并显示报警信息和其他实时数据信息。机组主控室显示器连接工况辨识机构4和故障分析机构5；移动终端通过无线通信方式连接工况辨识机构4和故障分析机构5。

数据存储机构7用于存储通信机构3和故障分析机构5传递的历史数据及故障信息，并提供输出接口。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本实用新型的至少一个实施例或示例中。在本说明书中，对所述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。

此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本实用新型的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。

流程图中或在此以其它方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的机构、片段或部分，并且本实用新型的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本实用新型的实施例所属技术领域的技术人员所理解。

尽管上面已经示出和描述了本实用新型的实施例，可以理解的是，所述实施例是示例性的，不能理解为对本实用新型的限制，本领域的普通技术人员在本实用新型的范围内可以对所述实施例进行变化、修改、替换和变型。

Claims (7)

1.一种海上风电机组叶片故障诊断系统，其特征在于，包括：

工况数据采集机构、运行数据采集机构、通信机构、工况辨识机构及故障分析机构；其中，

所述工况数据采集机构包括风速仪、工况温度传感器和湿度传感器，用以采集风速信息和环境温湿度信息；

所述运行数据采集机构至少包括设置于风机叶片上的速度传感器、功率传感器、振动传感器、运行温度传感器、雷电检测传感器，用以采集叶轮转速、机组功率、风机叶片的振动频谱数据、叶片表面温度以及风机叶片受雷击时的雷电流信号；

所述工况辨识机构包括数据处理器和工况辨识控制器；所述数据处理器对所述工况数据采集机构和运行数据采集机构采集的数据进行数据预处理，将预处理后的数据传输至所述工况辨识控制器进行工况识别；

所述故障分析机构包括数字信号处理器和故障报警装置；所述数字信号处理器连接所述工况辨识控制器，所述故障报警装置根据所述数字信号处理器的分析结果进行故障报警；

所述通信机构将所述工况辨识机构的数据处理器连接至所述工况数据采集机构、运行数据采集机构。

2.根据权利要求1所述的海上风电机组叶片故障诊断系统，其特征在于，所述振动传感器为PCB Piezotronics 356A66型加速度传感器；当所述振动传感器受到外部的加速度变化时，压电晶体产生应变，从而产生电荷分布变化，最终转化为电信号输出。

3.根据权利要求1所述的海上风电机组叶片故障诊断系统，其特征在于，所述雷电检测传感器采用Vaisala EFM550电场传感器，通过永久性磁铁安装在海上风机叶片根部，用以感应海上风机叶片遭受雷击时的雷电流信号。

4.根据权利要求1所述的海上风电机组叶片故障诊断系统，其特征在于，所述通信机构包括有线通信方式和无线通信方式；所述无线通信方式为4G网络、5G网络、WIFI以及蓝牙中的一种。

5.根据权利要求1所述的海上风电机组叶片故障诊断系统，其特征在于，其中，所述工况辨识机构还包括工况辨识通讯组件；其中，

所述工况辨识通讯组件包括警报器、显示器、通信接口，通过所述通信接口将工况信息和数据划分结果传递至故障分析机构和机组运维人员；通过所述显示器显示相关信息；通过所述警报器根据不同的工况向运维人员发出极端工况警报，让极端工况被迅速察觉和处理，使得运维人员通过报警信息迅速做出判断。

6.根据权利要求1所述的海上风电机组叶片故障诊断系统，其特征在于，还包括显示机构，所述显示机构包括机组主控室显示器和移动终端；所述机组主控室显示器连接所述工况辨识机构和所述故障分析机构；所述移动终端通过无线通信方式连接所述工况辨识机构和所述故障分析机构。

7.根据权利要求1所述的海上风电机组叶片故障诊断系统，其特征在于，还包括数据存储机构，所述数据存储机构连接所述故障分析机构，用以存储故障分析机构传递的历史数据及故障信息。