[go: up one dir, main page]

CN114414037A - 一种风力发电机组叶片健康监测装置及监测方法 - Google Patents

一种风力发电机组叶片健康监测装置及监测方法 Download PDF

Info

Publication number
CN114414037A
CN114414037A CN202210055989.0A CN202210055989A CN114414037A CN 114414037 A CN114414037 A CN 114414037A CN 202210055989 A CN202210055989 A CN 202210055989A CN 114414037 A CN114414037 A CN 114414037A
Authority
CN
China
Prior art keywords
blade
data
noise
distribution state
characteristic distribution
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
Application number
CN202210055989.0A
Other languages
English (en)
Other versions
CN114414037B (zh
Inventor
郑磊
虞小兵
陈浩
彭阁
李林川
卢坤鹏
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Huaneng Hubei New Energy Co ltd
Huaneng Clean Energy Research Institute
Original Assignee
Huaneng Hubei New Energy Co ltd
Huaneng Clean Energy Research Institute
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Huaneng Hubei New Energy Co ltd, Huaneng Clean Energy Research Institute filed Critical Huaneng Hubei New Energy Co ltd
Priority to CN202210055989.0A priority Critical patent/CN114414037B/zh
Publication of CN114414037A publication Critical patent/CN114414037A/zh
Application granted granted Critical
Publication of CN114414037B publication Critical patent/CN114414037B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
    • G01H17/00—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves, not provided for in the preceding groups
    • 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
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M13/00—Testing of machine parts
    • 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)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (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

本发明公开了一种风力发电机组叶片健康监测装置及监测方法，该装置通过径向支架和周向支架配合支撑声级计及防护罩，同时测量多个方位音频信息；该方法在频域空间分析噪声特征参量，去除环境噪声对机组噪声的干扰，利用风轮转速提取叶片噪声信息，使用机组偏航角度定位叶片噪声特征参量空间分布规律；通过离散环境温度、风轮转速、相对角度方向参量，提取离散参量组合情况下的频域能量幅值，修正测量误差；利用离散参量值域积分，定义叶片噪声特征分布状态结果改变量；该装置及方法通过风力发电机组运行过程中噪声数据的采集、分析、评估，实现对于叶片运行健康状态的监测和判断，为风力发电机组叶片健康监测工作提供技术支撑。

Description

一种风力发电机组叶片健康监测装置及监测方法
技术领域
本发明属于风力发电机组叶片健康监测领域，涉及一种风力发电机组叶片健康监测装置及监测方法。
背景技术
为保障风电场持续高效运行，风力发电机组健康监测工作技术水平也在不断提高。由于工作环境的严酷，风力发电机组风轮叶片是其大部件中较易发生性能退化乃至出现故障的部件之一，因而叶片健康监测工作一直受到业内技术人员的重视。经过长期运行，叶片可能表现出以下方面的问题：表面污渍、前缘涂层剥落、腔体内胶块脱落、后缘粘接胶开裂、内蒙皮铺层褶皱裂纹扩展，等等。由于叶片设计尺寸越来越大，传统健康监测方法较难起到良好的探查效果，究其原因：
从方法角度分析，(a)视觉观察，监测效果常受到环境可视距离和叶片运动状态的限制，难于及时发现细小损伤以及其程度变化情况；(b)应力监测，监测效果常受到传感器排布位置数量、仪器分辨率和可靠性的限制，迫于投资及运维成本，对于非事先正确预测的损伤情况，较大概率可能出现监测疏漏的风险；(c)振动监测，除面临应力监测相同问题外，监测效果还常受到叶片大变形、非线性振动耦合情况的限制，难于获取充分信息以准确判断叶片健康存在的问题。
从仪器角度分析，(a)传统健康监测方法习惯将传感器直接安装在研究系统上进行数据采集和测量，大型风力发电机组运行环境复杂、影响因素众多、系统耦合响应普遍，获得信号都会受到不同程度的干扰，甚至降低仪器的性能表现或使用寿命；(b)随着需求日益明确，其它领域的先进技术也开始跨行业应用，衍生出采用视频或音频的远程监测方式，传感器与研究系统间保持一定距离，有效避免了来自风力发电机组本身的信号干扰，却无法回避受到周围环境的影响制约，比如雨、雪、雾、噪声等，仪器长期运行在野外环境也容易出现故障或偏差，合理借助安装调试、测量校准等环节的技术方法保障结果有效性就显得至关重要。
其实，对于现行绝大部分风电场，虽然安装了数据采集与监视控制系统，简称SCADA系统，但传统人工巡检的方式仍然被广泛保留下来，特别是依靠声音识别在风力发电机组运行健康检查方面，更显示出其直观有效的特点。基本原理在于，振动作为系统的固有属性，在出现一定程度的损伤或故障情况后，特性会随之发生改变，并以运行噪声改变的形式表现出来，从而可以通过监测评估达到预警效果。但人工巡检的缺点也十分明显：(a)周期巡检频次和持续观察时间有限，使得检查结果受抽样随机性影响显著，无法做到问题的及时发现和反馈；(b)人为判断受心理作用影响，结果的参考价值取决于巡检人员的经验和状态，难于做到客观评价、细节量化、深度学习；(c)人类听觉分辨和判断能力存在生理局限，无法过滤或捕捉现场环境因素细微变化的影响。
风力发电机组噪声测量具有技术标准可以参考，详见GB/T 22516《风力发电机组噪声测量方法》，但其内容主要针对相关噪声的试验测量方法，对于持续健康监测过程中可能遇到的问题并无合理的解决方案，诸如无人值守情况下仪器定位校准、采集数据偏差修正、数据结果评估判断等环节，相应技术方案的欠缺可能严重影响试验实施效果。因而，需要设计建立风力发电机组叶片健康监测平台，并寻求一种常用有效的风力发电机组叶片健康监测方法，适用于各种风电场运行环境、叶片型号等，捕获叶片损伤或故障引发的噪声变化情况，合理评估并给予预警，缩短安全问题发现周期，降低机组运行维护成本。
发明内容
本发明的目的在于解决现有技术中的问题，提供一种风力发电机组叶片健康监测装置及监测方法，旨在解决叶片健康监测现有技术中监测装置可达性限制以及监测方法有效性限制的技术问题。
为达到上述目的，本发明采用以下技术方案予以实现：
本发明提出了一种风力发电机组叶片健康监测装置，包括径向支架、周向支架和声级计及防护罩；
所述径向支架为悬臂支撑结构，所述径向支架的一端径向安装在塔筒的外侧壁且均匀布置在塔筒周向，所述径向支架安装位置高于塔筒门；所述声级计及保护罩安装在所述径向支架的另一端；所述径向支架和所述声级计及保护罩均有若干个，所述径向支架和所述声级计及保护罩的数量相等；
所述周向支架为环状支撑结构，所述周向支架沿周向安装在所述径向支架上。
优选地，所述径向支架上还设有姿态调节装置，所述径向支架与所述周向支架通过姿态调节装置连接；所述径向支架与所述声级计及保护罩通过姿态调节装置连接。
优选地，所述姿态调节装置为连接扣件或螺栓旋钮。
优选地，所述周向支架以所述塔筒的轴线旋转对称布置。
优选地，所述周向支架的数量为若干个。
本发明提出了一种风力发电机组叶片健康监测装置的监测方法，包括如下步骤：
步骤1、风力发电机组叶片健康监测装置的安装：
使其中一个声级计及防护罩位于安装时主风向机组尾流方向，定义为监测通道#1；使若干个各声级计及防护罩的空间排布位于垂直于塔筒轴线平面内，若干个声级计及防护罩均匀分布在以塔筒轴线与若干个声级计及防护罩所在平面交点为圆心的圆周向位置；共使用N个监测通道，沿偏航角度正方向排序，依次定义为监测通道#2、#3、……、#N；将安装时主风向情况下机组正常对风的偏航角度记作φ0，则定义监测通道#n对应绝对角度方向θn＝φ0+2π(n-1)/N，其中，n＝1、2、…、N；
步骤2、风力发电机组运行过程中噪声数据的采集：
包含风力发电机组叶片健康监测装置调试和风力发电机组运行音频数据采集，实现风力发电机组叶片健康监测数据采集、传输、存储和调用功能；
步骤3：风力发电机组运行过程中噪声数据的分析：
包含叶片健康监测数据筛选、有效数据参量提取、叶片噪声特征分布状态参量计算和累积，实现风力发电机组叶片健康监测数据筛选和分析功能；
步骤4：风力发电机组运行过程中噪声数据的评估：
包含叶片噪声特征分布状态参量分族及修正、叶片噪声特征分布状态函数构建、结果改变量获取和叶片运行健康状态判断，实现风力发电机组叶片健康监测数据评估功能。
优选地，在步骤2中，风力发电机组运行过程中噪声数据的采集，包括如下步骤：
R1、叶片健康监测装置调试：当机组处于停机状态且环境无异响情况下，同时进行各监测通道时域音频数据的连续采集，采集时间长度U，并完成采集数据的传输和存储；调用数据进行频谱分析，得到各监测通道的环境噪声频谱数据结果{(θn,Acn(f)|stop)，n＝1、2、…、N}，其中，Acn(f)为监测通道#n的环境噪声频域能量幅值，f为频率，下角标stop表示机组停机状态；
R2、风力发电机组运行音频数据采集：当机组处于运行状态情况下，同时进行各监测通道时域音频数据和机组SCADA数据的连续采集，采集间隔周期 S、采集时间长度U，并将各监测通道时域音频数据和机组SCADA数据作为一组数据，完成采集数据的传输和存储，其中，机组SCADA数据包含环境温度 T、偏航角度φ、变桨角度
Figure RE-GDA0003548341080000041
风轮转速ω。
优选地，在步骤3中，风力发电机组运行过程中噪声数据的分析，包括如下步骤：
S1、叶片健康监测数据筛选：按照采集时间顺序，依次调用一组数据，分析变桨角度
Figure RE-GDA0003548341080000042
时域数据：若采集时间长度U内存在机组启停情况，则放弃使用该组数据；若采集时间长度U内不存在机组启停情况，则将该组数据作为叶片健康监测有效数据，进行顺序编号，记作第i组数据；
S2、叶片健康监测有效数据参量提取：调用编号第i组数据，对采集时间长度U内机组SCADA数据进行时域分析，得到平均环境温度
Figure RE-GDA0003548341080000051
平均偏航角度
Figure RE-GDA0003548341080000052
平均风轮转速
Figure RE-GDA0003548341080000053
对采集时间长度U内各监测通道时域音频数据进行频谱分析，得到各监测通道的采集噪声频谱数据结果{(θn,Arn(f)|i)，n＝1、2、…、N}，其中，Arn(f)为监测通道#n的采集噪声频域能量幅值，f为频率，下角标i表示机组运行状态第i组数据；
将监测通道#n的采集噪声频域能量幅值Arn(f)|i减去对应的环境噪声频域能量幅值Acn(f)|stop，定义监测通道#n的机组噪声频域能量幅值表达式为：
Awn(f)|i＝Arn(f)|i-Acn(f)|stop
从而得到各监测通道的机组噪声频谱数据结果 {(θn,Awn(f)|i)，n＝1、2、…、N}，其中，Awn(f)为监测通道#n的机组噪声频域能量幅值，f为频率，下角标i表示机组运行状态第i组数据；
定义机组运行状态第i组数据相对角度方向表达式为：
Figure RE-GDA0003548341080000054
其中，
Figure RE-GDA0003548341080000055
通过相邻监测通道角度内插方法分析机组噪声频谱数据结果，定义任意相对角度方向
Figure RE-GDA0003548341080000056
的机组噪声频谱数据结果函数
Figure RE-GDA0003548341080000057
其中， Aw为机组噪声频域能量幅值，f为频率，
Figure RE-GDA0003548341080000058
为相对角度方向，θ为绝对角度方向，下角标i表示机组运行状态第i组数据；
S3、叶片噪声特征分布状态参量计算：将频率
Figure RE-GDA0003548341080000059
情况下的机组噪声频谱数据结果函数，定义为叶片噪声频谱数据结果函数
Figure RE-GDA0003548341080000061
其中，m为风轮叶片数；
将相对角度方向
Figure RE-GDA0003548341080000062
值域[0,2π)，均分为P个角度区间，在第j个角度区间
Figure RE-GDA0003548341080000063
中，取其相对角度方向平均值
Figure RE-GDA0003548341080000064
和频域能量幅值最大值
Figure RE-GDA0003548341080000065
组成该角度区间对应的叶片噪声频谱数据结果，得到各角度区间的叶片噪声频谱数据结果
Figure RE-GDA0003548341080000066
其中，Ab为叶片噪声频域能量幅值，下角标i表示机组运行状态第i组数据，下角标j表示第j个角度区间；组成机组运行过程中第i组数据叶片噪声特征分布状态参量结果，包括平均环境温度
Figure RE-GDA0003548341080000067
平均风轮转速
Figure RE-GDA0003548341080000068
叶片噪声频谱数据结果
Figure RE-GDA0003548341080000069
记作
Figure RE-GDA00035483410800000610
S4、叶片噪声特征分布状态参量累积：重复S1-S3，遍历机组运行状态各组数据，得到一系列机组运行过程中叶片噪声特征分布状态参量结果
Figure RE-GDA00035483410800000611
其中，i＝1、2、…。
优选地，在步骤4中，风力发电机组运行过程中噪声数据的评估，具体包括如下步骤：
T1、叶片噪声特征分布状态参量分族：以某固定连续时间周期作为时间范围划分标准，将累积得到的一系列机组运行过程中叶片噪声特征分布状态参量结果，按照所属时间范围分成若干族；将第z个叶片噪声特征分布状态参量数据族记作：
Figure RE-GDA0003548341080000071
T2、叶片噪声特征分布状态参量修正：将环境温度T值域[TB,TT)，均分为 Q个温度区间，在第k个温度区间
Figure RE-GDA0003548341080000072
中，其环境温度平均值为
Figure RE-GDA0003548341080000073
其中，k＝1、2、…、Q；将风轮转速ω值域(0，ωT]，均分为R个转速区间，在第r个转速区间
Figure RE-GDA0003548341080000074
中，其风轮转速平均值为
Figure RE-GDA0003548341080000075
其中，r＝1、2、…、R；
对于第z个叶片噪声特征分布状态参量数据族中的每一个叶片噪声频域能量幅值Abij，根据其对应的平均环境温度
Figure RE-GDA0003548341080000076
选择所属于的温度区间
Figure RE-GDA0003548341080000077
存在所属温度区间的平均环境温度Tk与之对应；根据其对应的平均风轮转速
Figure RE-GDA0003548341080000078
选择所属于的转速区间
Figure RE-GDA0003548341080000079
存在所属转速区间的平均风轮转速ωr与之对应；其本身存在相对角度方向
Figure RE-GDA00035483410800000710
与之对应；遍历第z个叶片噪声特征分布状态参量数据族中的所有结果，从而，组成与环境温度Tk、风轮转速ωr和相对角度方向
Figure RE-GDA00035483410800000711
对应的叶片噪声频域能量幅值数据集合{Abij}|krj，z，其中，k＝1、2、…、Q，r＝1、2、…、 R，j＝1、2、…、P；第z个叶片噪声特征分布状态参量数据族中共存在相同叶片噪声频域能量幅值数据集合Q·R·P个；
对于每一个叶片噪声频域能量幅值数据集合{Abij}|krj，z，其所含数据符合正态分布规律，利用其概率密度函数剔除潜在的测量误差数据，分析得到其平均值
Figure RE-GDA0003548341080000081
组成对应修正后的叶片噪声特征分布状态参量结果
Figure RE-GDA0003548341080000082
其中，k＝1、 2、…、Q，r＝1、2、…、R，j＝1、2、…、P；
T3、叶片噪声特征分布状态函数构建：将修正后的叶片噪声特征分布状态参量结果
Figure RE-GDA0003548341080000083
通过分段线性拟合方法，定义第z个叶片噪声特征分布状态参量数据族的叶片噪声特征分布状态函数表达式
Figure RE-GDA0003548341080000084
满足自变量环境温度T值域[TB,TT)、风轮转速ω值域(0，ωT]、相对角度方向
Figure RE-GDA0003548341080000085
值域[0,2π)，所有修正后的叶片噪声特征分布状态参量结果
Figure RE-GDA0003548341080000086
均位于相应叶片噪声特征分布状态函数表达式
Figure RE-GDA0003548341080000087
组成的空间曲面上；
取第1个叶片噪声特征分布状态参量数据族的修正后的叶片噪声特征分布状态参量结果
Figure RE-GDA0003548341080000088
作为叶片噪声特征分布状态函数初值
Figure RE-GDA0003548341080000089
其中，k＝1、 2、…、Q，r＝1、2、…、R，j＝1、2、…、P；对于自变量坐标位置
Figure RE-GDA00035483410800000810
若存在
Figure RE-GDA00035483410800000811
且排除叶片健康监测装置偏差、叶片损伤原因，则进行赋值
Figure RE-GDA0003548341080000091
局部更新叶片噪声特征分布状态函数初值
Figure RE-GDA0003548341080000092
同理，利用叶片噪声特征分布状态函数初值
Figure RE-GDA0003548341080000093
定义其初值表达式
Figure RE-GDA0003548341080000094
T4、叶片噪声特征分布状态结果改变量获取：定义阶跃函数为：
Figure RE-GDA0003548341080000095
定义第z个叶片噪声特征分布状态参量数据族的叶片噪声特征分布状态结果改变量为：
Figure RE-GDA0003548341080000096
即在第z个叶片噪声特征分布状态参量数据族的叶片噪声特征分布状态函数表达式与叶片噪声特征分布状态函数初值表达式的值域非零空间交集区域，求解其叶片噪声频域能量幅值平均值相对误差绝对值的广义体积加权平均值，其中，三个自变量包含环境温度T、风轮转速ω、相对角度方向
Figure RE-GDA0003548341080000097
对应值域范围分别为[TB,TT)、(0，ωT]、[0,2π)；
T5、叶片运行健康状态判断：若第z个叶片噪声特征分布状态参量数据族的叶片噪声特征分布状态结果改变量Δz小于叶片运行健康状态监测技术要求阈值TD，则叶片运行状态健康；若第z个叶片噪声特征分布状态参量数据族的叶片噪声特征分布状态结果改变量Δz大于或等于叶片运行健康状态监测技术要求阈值TD，则需安排现场巡检，包括叶片健康监测装置偏差的检查和叶片损伤情况的检查，排除环境因素影响，找到相应改变量超出技术要求阈值的物理原因，从而开展叶片健康监测装置或叶片自身的检修工作；检修工作完成后，重新进行步骤R1中环境噪声时域音频数据的采集和分析工作。
与现有技术相比，本发明具有以下有益效果：
本发明提出的一种风力发电机组叶片健康监测装置，在塔筒外壁面上设置径向支架，在径向支架的周向安装周向支架，起到约束径向支架自由度的作用，保证监测装置空间排布姿态稳定；径向支架的安装位置高于塔筒门，能够减小塔筒门对于噪声与塔筒壁耦合后呈现规律空间分布特性的影响；在径向支架上安放声级计及防护罩，悬臂长度保证声级计及防护罩安放位置高于径向支架在塔筒上的安装位置，能够减小支架对于噪声空间分布特性的影响；安装声级计及防护罩能够采集音频数据并保护传感器，防止风霜雨雪等特殊天气情况对于传感器的影响或损伤；设置多个径向支架和声级计及防护罩，且均匀分布在塔筒周向，径向支架和声级计及防护罩的数量相同，增加不同方位信息监测通道的数量，解决机组偏航角度对采集数据分析过程的影响。本发明提出的风力发电机组叶片健康监测装置，通过径向支架和周向支架的配合稳固了声级计及防护罩的空间排布姿态，并通过声级计及防护罩准确测量多个方位的音频信息，监测装置结构简单，便于安装、调试、监测工作的实现。
进一步地，径向支架通过姿态调节装置与周向支架连接，径向支架通过姿态调节装置与声级计及保护罩连接，起到调节相对空间位置的作用，保证监测装置空间排布姿态精度。
本发明提出的一种水平轴风力发电机组叶片健康监测装置的监测方法，利用风力发电机组叶片噪声的特点和规律，在频域空间分析噪声特征参量，去除采集数据中环境噪声对机组噪声的干扰，有利于提高噪声相对改变量评估精度；从机组噪声中提取叶片噪声特征参量，使用风力发电机组运行时偏航角度定位叶片噪声空间分布规律，实现监测装置的固定，有利于提高传感器空间定位精度的保持，解决叶片噪声长期监测方法有效性问题；引入环境温度、风轮转速、相对角度方向三个离散参量，对离散参量情况进行分类，评估叶片噪声特征，有利于提高叶片噪声特征分布规律改变量的评估精度。本发明提出的风力发电机组叶片健康监测装置的监测方法，通过评估机组运行过程中叶片噪声特征分布状态参量变化，实现叶片运行状况健康判断，为风力发电机组叶片健康监测工作提供技术支撑。
进一步地，利用测量结果正态分布规律，剔除测量误差数据，修正叶片噪声特征分布状态参量结果；设计环境噪声采集并更新环节，有效去除采集数据中环境噪声对机组噪声的干扰，有利于提高系统评估叶片噪声相对改变量精度。
进一步地，定义叶片噪声特征分布状态结果改变量，综合统计不同参量情况下叶片噪声的相对改变，提高通过噪声监测辨别叶片自身固有特性改变的分辨率，保证叶片运行健康判断的敏感性。
附图说明
为了更清楚的说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，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相关的附图。
图1为本发明叶片健康监测装置的剖面图。
图2为本发明叶片健康监测装置的俯视图。
图3为本发明叶片健康监测方法的流程图。
其中：1-径向支架；2-周向支架；3-姿态调节装置；4-声级计及防护罩；5- 塔筒。
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。
因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明中的实施例，本领域普通技术人员在没有作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。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
在本发明实施例的描述中，需要说明的是，若出现术语“上”、“下”、“水平”、“内”等指示的方位或位置关系为基于附图所示的方位或位置关系，或者是该发明产品使用时惯常摆放的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的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，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
此外，若出现术语“水平”，并不表示要求部件绝对水平，而是可以稍微倾斜。如“水平”仅仅是指其方向相对“竖直”而言更加水平，并不是表示该结构一定要完全水平，而是可以稍微倾斜。
在本发明实施例的描述中，还需要说明的是，除非另有明确的规定和限定，若出现术语“设置”、“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。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。
下面结合附图对本发明做进一步详细描述：
本发明提出的一种风力发电机组叶片健康监测装置，如图1和图2所示，包括径向支架1、周向支架2和声级计及防护罩4，各部分之间均采用机械装配方式连接；塔筒5的外侧壁径向安装有径向支架1，径向支架1位置相对高的一端安装有声级计及保护罩4，径向支架1周向安装有周向支架2；径向支架1 上设有姿态调节装置3，径向支架1与周向支架2通过姿态调节装置3连接，径向支架1与声级计及保护罩4通过姿态调节装置3连接，径向支架1与声级计及保护罩4均有若干个，数量相等，径向支架1与声级计及保护罩4均匀布置在塔筒5周向。
本发明提出的一种风力发电机组叶片健康监测装置，各部分结构形式及作用描述如下：
径向支架1，径向支架1的结构形式为：沿塔筒5径向安装的悬臂支撑结构，多个径向支架1均匀布置在底层塔筒5周向，组成以塔筒5轴线旋转对称的空间排布形式，安装位置高于塔筒门，径向支架1不与叶片发生干涉，通过机械装配方式连接到塔筒5上；径向支架1的作用为：安放声级计及防护罩4，径向支架1的悬臂长度保证声级计及防护罩4安放位置高于径向支架1在塔筒 5上的安装位置。
周向支架2，周向支架2的结构形式为：环状支撑结构，以塔筒5轴线旋转对称安放，通过姿态调节装置3机械装配连接到空间排布的径向支架1上；周向支架2的数量为一个或若干个；周向支架2的作用为：约束空间排布的径向支架1周向自由度。
姿态调节装置3，姿态调节装置3的结构形式为：连接扣件或螺栓旋钮，在径向支架1与周向支架2、径向支架1与声级计及防护罩4之间形成机械装配连接；姿态调节装置3的作用为：调节机械装配连接件间的相对位置，保证径向支架1、周向支架2、声级计及防护罩4的空间姿态精度。
声级计及防护罩4，声级计及防护罩4的结构形式为：音频采集设备，声级计及防护罩4的数量与径向支架1相同，通过姿态调节装置3机械装配连接到径向支架1上，多个声级计及防护罩4空间排布位于垂直于塔筒5轴线平面内，均匀分布在以塔筒5轴线与所在平面交点为圆心的圆周向位置；声级计及防护罩4的作用为：采集机组运行音频数据，保护传感器，防止风霜雨雪等特殊天气情况对于传感器的影响或损伤。
本发明提出的一种水平轴风力发电机组叶片健康监测装置的监测方法，监测方法的流程图如图3所示：
步骤1、风力发电机组叶片健康监测装置的安装：
使其中一个声级计及防护罩4位于安装时主风向机组尾流方向，定义为监测通道#1；使若干个各声级计及防护罩4的空间排布位于垂直于塔筒5轴线平面内，若干个声级计及防护罩4均匀分布在以塔筒5轴线与若干个声级计及防护罩4所在平面交点为圆心的圆周向位置；共使用N个监测通道，沿偏航角度正方向排序，依次定义为监测通道#2、#3、……、#N；将安装时主风向情况下机组正常对风的偏航角度记作φ0，则定义监测通道#n对应绝对角度方向θn＝φ0+2π(n-1)/N，其中，n＝1、2、…、N。
步骤2：风力发电机组运行过程中噪声数据的采集：
包含风力发电机组叶片健康监测装置调试和风力发电机组运行音频数据采集，实现风力发电机组叶片健康监测数据采集、传输、存储和调用功能。
其中，风力发电机组运行过程中噪声数据的采集，具体包括如下步骤：
R1，叶片健康监测装置调试：依次检查各监测通道仪器正常工作，通过校准保证测量数据结果误差在质量检查技术要求范围内；当机组处于停机状态且环境无异响情况下，同时进行各监测通道时域音频数据的连续采集，采集时间长度U，并完成采集数据的传输和存储；调用数据进行频谱分析，得到各监测通道的环境噪声频谱数据结果{(θn,Acn(f)|stop)，n＝1、2、…、N}，其中，Acn(f)为监测通道#n的环境噪声频域能量幅值，f为频率，下角标stop表示机组停机状态。
R2，风力发电机组运行音频数据采集：当机组处于运行状态情况下，同时进行各监测通道时域音频数据和机组SCADA数据的连续采集，采集间隔周期 S、采集时间长度U，并将各监测通道时域音频数据和机组SCADA数据作为一组数据，完成采集数据的传输和存储，其中，机组SCADA数据包含环境温度 T、偏航角度φ、变桨角度
Figure RE-GDA0003548341080000141
风轮转速ω。
步骤3：风力发电机组运行过程中噪声数据的分析：
包含叶片健康监测数据筛选、有效数据参量提取、叶片噪声特征分布状态参量计算和累积，实现风力发电机组叶片健康监测数据筛选和分析功能。
其中，风力发电机组运行过程中噪声数据的分析，具体包括如下步骤：
S1，叶片健康监测数据筛选：按照采集时间顺序，依次调用一组数据，分析变桨角度
Figure RE-GDA0003548341080000151
时域数据，若采集时间长度U内存在机组启停情况，则放弃使用该组数据；若采集时间长度U内不存在机组启停情况，则将该组数据作为叶片健康监测有效数据，进行顺序编号，记作第i组数据。
S2，叶片健康监测有效数据参量提取：调用编号第i组数据，对采集时间长度U内机组SCADA数据进行时域分析，得到平均环境温度
Figure RE-GDA0003548341080000152
平均偏航角度
Figure RE-GDA0003548341080000153
平均风轮转速
Figure RE-GDA0003548341080000154
对采集时间长度U内各监测通道时域音频数据进行频谱分析，得到各监测通道的采集噪声频谱数据结果{(θn,Arn(f)|i)，n＝1、2、…、N}，其中，Arn(f)为监测通道#n的采集噪声频域能量幅值，f为频率，下角标i表示机组运行状态第i组数据。
将监测通道#n的采集噪声频域能量幅值Arn(f)|i减去对应的环境噪声频域能量幅值Acn(f)|stop，定义监测通道#n的机组噪声频域能量幅值表达式为：
Awn(f)|i＝Arn(f)|i-Acn(f)|stop
从而得到各监测通道的机组噪声频谱数据结果 {(θn,Awn(f)|i)，n＝1、2、…、N}，其中，Awn(f)为监测通道#n的机组噪声频域能量幅值，f为频率，下角标i表示机组运行状态第i组数据。
定义机组运行状态第i组数据相对角度方向表达式为：
Figure RE-GDA0003548341080000155
其中，
Figure RE-GDA0003548341080000156
通过相邻监测通道角度内插方法分析机组噪声频谱数据结果，定义任意相对角度方向
Figure RE-GDA0003548341080000157
的机组噪声频谱数据结果函数
Figure RE-GDA0003548341080000158
其中，Aw为机组噪声频域能量幅值，f为频率，
Figure RE-GDA0003548341080000161
为相对角度方向，θ为绝对角度方向，下角标i表示机组运行状态第i组数据。
S3，叶片噪声特征分布状态参量计算：将频率
Figure RE-GDA0003548341080000162
情况下的机组噪声频谱数据结果函数，定义为叶片噪声频谱数据结果函数
Figure RE-GDA0003548341080000163
其中，m为风轮叶片数。
将相对角度方向
Figure RE-GDA0003548341080000164
值域[0,2π)，均分为P个角度区间，在第j个角度区间
Figure RE-GDA0003548341080000165
中，取其相对角度方向平均值
Figure RE-GDA0003548341080000166
和频域能量幅值最大值
Figure RE-GDA0003548341080000167
组成该角度区间对应的叶片噪声频谱数据结果，从而，得到各角度区间的叶片噪声频谱数据结果
Figure RE-GDA0003548341080000168
其中，Ab为叶片噪声频域能量幅值，下角标i表示机组运行状态第i组数据，下角标j表示第 j个角度区间。
组成机组运行过程中第i组数据叶片噪声特征分布状态参量结果，包括平均环境温度
Figure RE-GDA0003548341080000169
平均风轮转速
Figure RE-GDA00035483410800001610
叶片噪声频谱数据结果
Figure RE-GDA00035483410800001611
记作为
Figure RE-GDA00035483410800001612
S4，叶片噪声特征分布状态参量累积：重复前三步，遍历机组运行状态各组数据，得到一系列机组运行过程中叶片噪声特征分布状态参量结果
Figure RE-GDA00035483410800001613
其中，i＝1、2、…。
步骤4：风力发电机组运行过程中噪声数据的评估：
包含叶片噪声特征分布状态参量分族及修正、叶片噪声特征分布状态函数构建、结果改变量获取和叶片运行健康状态判断，实现风力发电机组叶片健康监测数据评估功能。
其中，风力发电机组运行过程中噪声数据的评估，具体包括如下步骤：
T1，叶片噪声特征分布状态参量分族：以某固定连续时间周期作为时间范围划分标准，将累积得到的一系列机组运行过程中叶片噪声特征分布状态参量结果，按照所属时间范围分成若干族，将第z个叶片噪声特征分布状态参量数据族记作：
Figure RE-GDA0003548341080000171
T2，叶片噪声特征分布状态参量修正：将环境温度T值域[TB,TT)，均分为 Q个温度区间，在第k个温度区间
Figure RE-GDA0003548341080000172
中，其环境温度平均值为
Figure RE-GDA0003548341080000173
其中，k＝1、2、…、Q；将风轮转速ω值域(0，ωT]，均分为R个转速区间，在第r个转速区间
Figure RE-GDA0003548341080000174
中，其风轮转速平均值为
Figure RE-GDA0003548341080000175
其中，r＝1、2、…、R。
对于第z个叶片噪声特征分布状态参量数据族中的每一个叶片噪声频域能量幅值Abij，根据其对应的平均环境温度
Figure RE-GDA0003548341080000176
选择所属于的温度区间
Figure RE-GDA0003548341080000177
存在所属温度区间的平均环境温度Tk与之对应；根据其对应的平均风轮转速
Figure RE-GDA0003548341080000178
选择所属于的转速区间
Figure RE-GDA0003548341080000181
存在所属转速区间的平均风轮转速ωr与之对应；其本身存在相对角度方向
Figure RE-GDA0003548341080000182
与之对应；遍历第z个叶片噪声特征分布状态参量数据族中的所有结果，从而，组成与环境温度Tk、风轮转速ωr和相对角度方向
Figure RE-GDA0003548341080000183
对应的叶片噪声频域能量幅值数据集合{Abij}|krj，z，其中，k＝1、2、…、Q，r＝1、2、…、 R，j＝1、2、…、P；第z个叶片噪声特征分布状态参量数据族中共存在相同叶片噪声频域能量幅值数据集合Q·R·P个。
对于每一个叶片噪声频域能量幅值数据集合{Abij}|krj，z，其所含数据符合正态分布规律，利用其概率密度函数剔除潜在的测量误差数据，分析得到其平均值
Figure RE-GDA0003548341080000184
组成对应修正后的叶片噪声特征分布状态参量结果
Figure RE-GDA0003548341080000185
其中，k＝1、 2、…、Q，r＝1、2、…、R，j＝1、2、…、P。
T3，叶片噪声特征分布状态函数构建：将修正后的叶片噪声特征分布状态参量结果
Figure RE-GDA0003548341080000186
通过分段线性拟合方法，定义第z个叶片噪声特征分布状态参量数据族的叶片噪声特征分布状态函数表达式
Figure RE-GDA0003548341080000187
满足自变量环境温度T值域[TB,TT)、风轮转速ω值域(0，ωT]、相对角度方向
Figure RE-GDA0003548341080000188
值域[0,2π)，所有修正后的叶片噪声特征分布状态参量结果
Figure RE-GDA0003548341080000189
均位于相应叶片噪声特征分布状态函数表达式
Figure RE-GDA00035483410800001810
组成的空间曲面上。
取第1个叶片噪声特征分布状态参量数据族的修正后的叶片噪声特征分布状态参量结果
Figure RE-GDA0003548341080000191
作为叶片噪声特征分布状态函数初值
Figure RE-GDA0003548341080000192
其中，k＝1、 2、…、Q，r＝1、2、…、R，j＝1、2、…、P；对于自变量坐标位置
Figure RE-GDA0003548341080000193
若存在
Figure RE-GDA0003548341080000194
且排除叶片健康监测装置偏差、叶片损伤原因，则进行赋值
Figure RE-GDA0003548341080000195
局部更新叶片噪声特征分布状态函数初值
Figure RE-GDA0003548341080000196
同理，利用叶片噪声特征分布状态函数初值
Figure RE-GDA0003548341080000197
定义其初值表达式
Figure RE-GDA0003548341080000198
T4，叶片噪声特征分布状态结果改变量获取：定义阶跃函数为：
Figure RE-GDA0003548341080000199
定义第z个叶片噪声特征分布状态参量数据族的叶片噪声特征分布状态结果改变量为：
Figure RE-GDA00035483410800001910
即在第z个叶片噪声特征分布状态参量数据族的叶片噪声特征分布状态函数表达式与叶片噪声特征分布状态函数初值表达式的值域非零空间交集区域，求解其叶片噪声频域能量幅值平均值相对误差绝对值的广义体积加权平均值，其中，三个自变量包含环境温度T、风轮转速ω、相对角度方向
Figure RE-GDA00035483410800001911
对应值域范围分别为[TB,TT)、(0，ωT]、[0,2π)。
T5，叶片运行健康状态判断：若第z个叶片噪声特征分布状态参量数据族的叶片噪声特征分布状态结果改变量Δz小于叶片运行健康状态监测技术要求阈值TD，则叶片运行状态健康；若第z个叶片噪声特征分布状态参量数据族的叶片噪声特征分布状态结果改变量Δz大于或等于叶片运行健康状态监测技术要求阈值TD，则需安排现场巡检，包括叶片健康监测装置偏差的检查和叶片损伤情况的检查，排除环境因素影响，找到相应改变量超出技术要求阈值的物理原因，从而开展叶片健康监测装置或叶片自身的检修工作；检修工作完成后，需重新进行步骤2中R1步的环境噪声时域音频数据的采集和分析工作。
该方法有效实现了风力发电机组叶片健康监测工作，包括设计、测试、分析，形成了一套完整的风力发电机组叶片健康监测装置及监测方法。
本发明提出的一种风力发电机组叶片健康监测装置及监测方法，该装置通过径向支架和周向支架的配合起到支撑传感器件的作用，通过姿态调节装置起到调节传感器件排布空间姿态的作用，通过声级计及防护罩起到同时测量多个方位的音频信息且保护传感器件的作用，实现风力发电机组叶片健康监测数据采集功能；该方法在频域空间分析噪声特征参量，从采集数据中去除环境噪声对机组噪声的干扰，利用风轮转速提取叶片噪声信息，使用风力发电机组运行时偏航角度定位叶片噪声特征参量空间分布规律；通过离散环境温度、风轮转速、相对角度方向参量，提取离散参量组合情况下的频域能量幅值，组成叶片噪声特征分布状态参量结果；利用离散参量组合情况下数据结果正态分布规律，剔除测量误差影响，修正叶片噪声特征分布状态参量结果，实现风力发电机组叶片健康监测数据分析功能；利用离散参量值域积分，定义叶片噪声特征分布状态结果改变量，实现风力发电机组叶片健康监测数据评估功能；该装置及方法通过风力发电机组运行过程中噪声相关数据的采集、分析、评估，实现对于叶片运行健康状态的监测和判断，为风力发电机组叶片健康监测工作提供技术支撑。
本发明提出的一种风力发电机组叶片健康监测装置及监测方法，起到采集评估叶片损伤或故障引发噪声变化情况的作用，为远程监控风力发电机组健康运行状态、制定运维工作周期和计划奠定基础。该方法的设计研发过程清晰明确，实施环节易于监控测量，数据分析环节易于统计处理，可以有效降低叶片健康监测工作的周期和成本。具有以下优点：1)、有效将装置设计、试验测试、数据分析相结合，并利用平台对于数据集成的高效性，提高了分析评估过程的时效性和可靠性，从设计、测试、分析、应用各环节协同保障，最终实现精细化叶片运行健康的评估和判断，为风力发电机组叶片健康监测工作提供技术支撑，形成了一套完整的风力发电机组叶片健康监测装置及监测方法；2)、定义叶片噪声特征分布状态结果改变量，综合统计不同参量情况下叶片噪声的相对改变，提高通过噪声监测辨别叶片自身固有特性改变的分辨率，保证叶片运行健康判断的敏感性；3)、使用风力发电机组运行时偏航角度定位叶片噪声空间分布规律，可以实现叶片健康监测装置的固定，有利于提高传感器空间定位精度的保持，有利于机组正常运行过程中发生偏航角度改变后提高叶片噪声空间分布规律改变量的评估精度；4)、引入环境温度、风轮转速、相对角度方向三个参量，对分析数据所属不同参量情况进行分类，做到详细评估叶片噪声特征，有利于提高叶片噪声特征分布规律改变量的评估精度；5)、有效针对风力发电机组叶片噪声的特点和规律，将采集时域信号转化到频域空间进行分析，有利于获取噪声特征参量，尤其是从机组噪声中提取叶片噪声特征参量；6)、设计环境噪声采集并更新环节，有效去除采集数据中环境噪声对机组噪声的干扰，有利于提高后期系统评估叶片噪声相对改变量精度；7)、设计叶片健康监测装置空间排布形式，考虑到噪声与塔筒壁耦合后呈现规律，有效记录叶片噪声空间分布，增加采集评估数据量，提高结果描述维度；有效利用测量结果正态分布规律，剔除测量误差数据，修正叶片噪声特征分布状态参量结果，有利于提高叶片噪声特征分布规律改变量的评估精度；8)、使用风力发电机组运行时偏航角度定位叶片噪声空间分布规律，实现叶片健康监测装置的固定，提高传感器空间定位精度。
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 (9)

1.一种风力发电机组叶片健康监测装置，其特征在于，包括径向支架(1)、周向支架(2)和声级计及防护罩(4)；
所述径向支架(1)为悬臂支撑结构，所述径向支架(1)的一端径向安装在塔筒(5)的外侧壁且均匀布置在塔筒(5)周向，所述径向支架(1)安装位置高于塔筒门；所述声级计及保护罩(4)安装在所述径向支架(1)的另一端；所述径向支架(1)和所述声级计及保护罩(4)均有若干个，所述径向支架(1)和所述声级计及保护罩(4)的数量相等；
所述周向支架(2)为环状支撑结构，所述周向支架(2)沿周向安装在所述径向支架(1)上。
2.根据权利要求1所述的风力发电机组叶片健康监测装置，其特征在于，所述径向支架(1)上还设有姿态调节装置(3)，所述径向支架(1)与所述周向支架(2)通过姿态调节装置(3)连接；所述径向支架(1)与所述声级计及保护罩(4)通过姿态调节装置(3)连接。
3.根据权利要求2所述的风力发电机组叶片健康监测装置，其特征在于，所述姿态调节装置(3)为连接扣件或螺栓旋钮。
4.根据权利要求1所述的风力发电机组叶片健康监测装置，其特征在于，所述周向支架(2)以所述塔筒(5)的轴线旋转对称布置。
5.根据权利要求1所述的风力发电机组叶片健康监测装置，其特征在于，所述周向支架(2)的数量为若干个。
6.采用权利要求1～5中任意一项所述的风力发电机组叶片健康监测装置的监测方法，其特征在于，包括如下步骤：
步骤1、风力发电机组叶片健康监测装置的安装：
使其中一个声级计及防护罩(4)位于安装时主风向机组尾流方向，定义为监测通道#1；使若干个各声级计及防护罩(4)的空间排布位于垂直于塔筒(5)轴线平面内，若干个声级计及防护罩(4)均匀分布在以塔筒(5)轴线与若干个声级计及防护罩(4)所在平面交点为圆心的圆周向位置；共使用N个监测通道，沿偏航角度正方向排序，依次定义为监测通道#2、#3、……、#N；将安装时主风向情况下机组正常对风的偏航角度记作φ0，则定义监测通道#n对应绝对角度方向θn＝φ0+2π(n-1)/N，其中，n＝1、2、…、N；
步骤2、风力发电机组运行过程中噪声数据的采集：
包含风力发电机组叶片健康监测装置调试和风力发电机组运行音频数据采集，实现风力发电机组叶片健康监测数据采集、传输、存储和调用功能；
步骤3：风力发电机组运行过程中噪声数据的分析：
包含叶片健康监测数据筛选、有效数据参量提取、叶片噪声特征分布状态参量计算和累积，实现风力发电机组叶片健康监测数据筛选和分析功能；
步骤4：风力发电机组运行过程中噪声数据的评估：
包含叶片噪声特征分布状态参量分族及修正、叶片噪声特征分布状态函数构建、结果改变量获取和叶片运行健康状态判断，实现风力发电机组叶片健康监测数据评估功能。
7.根据权利要求6所述的风力发电机组叶片健康监测装置的监测方法，其特征在于，在步骤2中，风力发电机组运行过程中噪声数据的采集，包括如下步骤：
R1、叶片健康监测装置调试：当机组处于停机状态且环境无异响情况下，同时进行各监测通道时域音频数据的连续采集，采集时间长度U，并完成采集数据的传输和存储；调用数据进行频谱分析，得到各监测通道的环境噪声频谱数据结果{(θn,Acn(f)|stop)，n＝1、2、…、N}，其中，Acn(f)为监测通道#n的环境噪声频域能量幅值，f为频率，下角标stop表示机组停机状态；
R2、风力发电机组运行音频数据采集：当机组处于运行状态情况下，同时进行各监测通道时域音频数据和机组SCADA数据的连续采集，采集间隔周期S、采集时间长度U，并将各监测通道时域音频数据和机组SCADA数据作为一组数据，完成采集数据的传输和存储，其中，机组SCADA数据包含环境温度T、偏航角度φ、变桨角度
Figure RE-FDA0003548341070000031
风轮转速ω。
8.根据权利要求7所述的风力发电机组叶片健康监测装置的监测方法，其特征在于，在步骤3中，风力发电机组运行过程中噪声数据的分析，包括如下步骤：
S1、叶片健康监测数据筛选：按照采集时间顺序，依次调用一组数据，分析变桨角度
Figure RE-FDA0003548341070000034
时域数据：若采集时间长度U内存在机组启停情况，则放弃使用该组数据；若采集时间长度U内不存在机组启停情况，则将该组数据作为叶片健康监测有效数据，进行顺序编号，记作第i组数据；
S2、叶片健康监测有效数据参量提取：调用编号第i组数据，对采集时间长度U内机组SCADA数据进行时域分析，得到平均环境温度
Figure RE-FDA0003548341070000035
平均偏航角度
Figure RE-FDA0003548341070000036
平均风轮转速
Figure RE-FDA0003548341070000037
对采集时间长度U内各监测通道时域音频数据进行频谱分析，得到各监测通道的采集噪声频谱数据结果{(θn,Arn(f)|i)，n＝1、2、…、N}，其中，Arn(f)为监测通道#n的采集噪声频域能量幅值，f为频率，下角标i表示机组运行状态第i组数据；
将监测通道#n的采集噪声频域能量幅值Arn(f)|i减去对应的环境噪声频域能量幅值Acn(f)|stop，定义监测通道#n的机组噪声频域能量幅值表达式为：
Awn(f)|i＝Arn(f)|i-Acn(f)|stop
从而得到各监测通道的机组噪声频谱数据结果{(θn,Awn(f)|i)，n＝1、2、…、N}，其中，Awn(f)为监测通道#n的机组噪声频域能量幅值，f为频率，下角标i表示机组运行状态第i组数据；
定义机组运行状态第i组数据相对角度方向表达式为：
Figure RE-FDA0003548341070000032
其中，
Figure RE-FDA0003548341070000033
通过相邻监测通道角度内插方法分析机组噪声频谱数据结果，定义任意相对角度方向
Figure RE-FDA0003548341070000041
的机组噪声频谱数据结果函数
Figure RE-FDA0003548341070000042
其中，Aw为机组噪声频域能量幅值，f为频率，
Figure RE-FDA0003548341070000043
为相对角度方向，θ为绝对角度方向，下角标i表示机组运行状态第i组数据；
S3、叶片噪声特征分布状态参量计算：将频率
Figure RE-FDA0003548341070000044
情况下的机组噪声频谱数据结果函数，定义为叶片噪声频谱数据结果函数
Figure RE-FDA0003548341070000045
其中，m为风轮叶片数；
将相对角度方向
Figure RE-FDA0003548341070000046
值域[0,2π)，均分为P个角度区间，在第j个角度区间
Figure RE-FDA0003548341070000047
中，取其相对角度方向平均值
Figure RE-FDA0003548341070000048
和频域能量幅值最大值
Figure RE-FDA0003548341070000049
组成该角度区间对应的叶片噪声频谱数据结果，得到各角度区间的叶片噪声频谱数据结果
Figure RE-FDA00035483410700000410
其中，Ab为叶片噪声频域能量幅值，下角标i表示机组运行状态第i组数据，下角标j表示第j个角度区间；组成机组运行过程中第i组数据叶片噪声特征分布状态参量结果，包括平均环境温度
Figure RE-FDA00035483410700000411
平均风轮转速
Figure RE-FDA00035483410700000412
叶片噪声频谱数据结果
Figure RE-FDA00035483410700000413
记作
Figure RE-FDA00035483410700000414
S4、叶片噪声特征分布状态参量累积：重复S1-S3，遍历机组运行状态各组数据，得到一系列机组运行过程中叶片噪声特征分布状态参量结果
Figure RE-FDA00035483410700000415
其中，i＝1、2、…。
9.根据权利要求8所述的风力发电机组叶片健康监测装置的监测方法，其特征在于，在步骤4中，风力发电机组运行过程中噪声数据的评估，具体包括如下步骤：
T1、叶片噪声特征分布状态参量分族：以某固定连续时间周期作为时间范围划分标准，将累积得到的一系列机组运行过程中叶片噪声特征分布状态参量结果，按照所属时间范围分成若干族；将第z个叶片噪声特征分布状态参量数据族记作
Figure RE-FDA0003548341070000051
T2、叶片噪声特征分布状态参量修正：将环境温度T值域[TB,TT)，均分为Q个温度区间，在第k个温度区间
Figure RE-FDA0003548341070000052
中，其环境温度平均值为
Figure RE-FDA0003548341070000053
其中，k＝1、2、…、Q；将风轮转速ω值域(0，ωT]，均分为R个转速区间，在第r个转速区间
Figure RE-FDA0003548341070000054
中，其风轮转速平均值为
Figure RE-FDA0003548341070000055
其中，r＝1、2、…、R；
对于第z个叶片噪声特征分布状态参量数据族中的每一个叶片噪声频域能量幅值Abij，根据其对应的平均环境温度
Figure RE-FDA0003548341070000056
选择所属于的温度区间
Figure RE-FDA0003548341070000057
存在所属温度区间的平均环境温度Tk与之对应；根据其对应的平均风轮转速
Figure RE-FDA0003548341070000058
选择所属于的转速区间
Figure RE-FDA0003548341070000059
存在所属转速区间的平均风轮转速ωr与之对应；其本身存在相对角度方向
Figure RE-FDA00035483410700000510
与之对应；遍历第z个叶片噪声特征分布状态参量数据族中的所有结果，从而，组成与环境温度Tk、风轮转速ωr和相对角度方向
Figure RE-FDA00035483410700000511
对应的叶片噪声频域能量幅值数据集合{Abij}|krj，z，其中，k＝1、2、…、Q，r＝1、2、…、R，j＝1、2、…、P；第z个叶片噪声特征分布状态参量数据族中共存在相同叶片噪声频域能量幅值数据集合Q·R·P个；
对于每一个叶片噪声频域能量幅值数据集合{Abij}|krj，z，其所含数据符合正态分布规律，利用其概率密度函数剔除潜在的测量误差数据，分析得到其平均值
Figure RE-FDA0003548341070000061
组成对应修正后的叶片噪声特征分布状态参量结果
Figure RE-FDA0003548341070000062
其中，k＝1、2、…、Q，r＝1、2、…、R，j＝1、2、…、P；
T3、叶片噪声特征分布状态函数构建：将修正后的叶片噪声特征分布状态参量结果
Figure RE-FDA0003548341070000063
通过分段线性拟合方法，定义第z个叶片噪声特征分布状态参量数据族的叶片噪声特征分布状态函数表达式
Figure RE-FDA0003548341070000064
满足自变量环境温度T值域[TB,TT)、风轮转速ω值域(0，ωT]、相对角度方向
Figure RE-FDA0003548341070000065
值域[0,2π)，所有修正后的叶片噪声特征分布状态参量结果
Figure RE-FDA0003548341070000066
均位于相应叶片噪声特征分布状态函数表达式
Figure RE-FDA0003548341070000067
组成的空间曲面上；
取第1个叶片噪声特征分布状态参量数据族的修正后的叶片噪声特征分布状态参量结果
Figure RE-FDA0003548341070000068
作为叶片噪声特征分布状态函数初值
Figure RE-FDA0003548341070000069
其中，k＝1、2、…、Q，r＝1、2、…、R，j＝1、2、…、P；对于自变量坐标位置
Figure RE-FDA0003548341070000071
若存在
Figure RE-FDA0003548341070000072
且排除叶片健康监测装置偏差、叶片损伤原因，则进行赋值
Figure RE-FDA0003548341070000073
局部更新叶片噪声特征分布状态函数初值
Figure RE-FDA0003548341070000074
同理，利用叶片噪声特征分布状态函数初值
Figure RE-FDA0003548341070000075
定义其初值表达式
Figure RE-FDA0003548341070000076
T4、叶片噪声特征分布状态结果改变量获取：定义阶跃函数为：
Figure RE-FDA0003548341070000077
定义第z个叶片噪声特征分布状态参量数据族的叶片噪声特征分布状态结果改变量为：
Figure RE-FDA0003548341070000078
即在第z个叶片噪声特征分布状态参量数据族的叶片噪声特征分布状态函数表达式与叶片噪声特征分布状态函数初值表达式的值域非零空间交集区域，求解其叶片噪声频域能量幅值平均值相对误差绝对值的广义体积加权平均值，其中，三个自变量包含环境温度T、风轮转速ω、相对角度方向
Figure RE-FDA0003548341070000079
对应值域范围分别为[TB,TT)、(0，ωT]、[0,2π)；
T5、叶片运行健康状态判断：若第z个叶片噪声特征分布状态参量数据族的叶片噪声特征分布状态结果改变量Δz小于叶片运行健康状态监测技术要求阈值TD，则叶片运行状态健康；若第z个叶片噪声特征分布状态参量数据族的叶片噪声特征分布状态结果改变量Δz大于或等于叶片运行健康状态监测技术要求阈值TD，则需安排现场巡检，包括叶片健康监测装置偏差的检查和叶片损伤情况的检查，排除环境因素影响，找到相应改变量超出技术要求阈值的物理原因，从而开展叶片健康监测装置或叶片自身的检修工作；检修工作完成后，重新进行步骤R1中环境噪声时域音频数据的采集和分析工作。
CN202210055989.0A 2022-01-18 2022-01-18 一种风力发电机组叶片健康监测装置及监测方法 Active CN114414037B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210055989.0A CN114414037B (zh) 2022-01-18 2022-01-18 一种风力发电机组叶片健康监测装置及监测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210055989.0A CN114414037B (zh) 2022-01-18 2022-01-18 一种风力发电机组叶片健康监测装置及监测方法

Publications (2)

Publication Number Publication Date
CN114414037A true CN114414037A (zh) 2022-04-29
CN114414037B CN114414037B (zh) 2025-01-07

Family

ID=81272713

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210055989.0A Active CN114414037B (zh) 2022-01-18 2022-01-18 一种风力发电机组叶片健康监测装置及监测方法

Country Status (1)

Country Link
CN (1) CN114414037B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115752709A (zh) * 2022-11-15 2023-03-07 国网河北省电力有限公司沧州供电分公司 一种变压器噪声检测方法
CN115855461A (zh) * 2022-11-18 2023-03-28 中节能风力发电股份有限公司 一种风电机组风机叶片噪音异常系统和方法
CN115982563A (zh) * 2022-11-28 2023-04-18 华能酒泉风电有限责任公司 风电机组的变桨轴承的运行状态识别方法、装置和设备
CN117536800A (zh) * 2023-11-13 2024-02-09 无锡学院 风电设备数据采集系统
CN118242750A (zh) * 2024-05-28 2024-06-25 上海开纯洁净室技术工程有限公司 直流四通道恒风量洁净空调机组全时热备控制方法及系统

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2010061255A2 (en) * 2008-11-01 2010-06-03 Clipper Windpower, Inc. Active blade pitch control for reduction of wind turbine noise or loads
CN104677623A (zh) * 2015-03-16 2015-06-03 西安交通大学 一种风力发电机叶片故障在位声学诊断方法及监测系统
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
CN209587613U (zh) * 2018-12-29 2019-11-05 莱茵技术（上海）有限公司 一种用于固定噪声传感器的支架
WO2020013074A1 (ja) * 2018-07-13 2020-01-16 Ntn株式会社 状態監視装置および状態監視システム
CN112324629A (zh) * 2020-11-09 2021-02-05 华能陕西靖边电力有限公司 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
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
CN213235330U (zh) * 2020-08-12 2021-05-18 中国大唐集团新能源科学技术研究院有限公司 一种基于声学测量的叶片状态监测装置
CN113623144A (zh) * 2021-09-01 2021-11-09 五凌电力有限公司 基于声学算法的叶片状态监测系统及其监测方法
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

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2010061255A2 (en) * 2008-11-01 2010-06-03 Clipper Windpower, Inc. Active blade pitch control for reduction of wind turbine noise or loads
CN104677623A (zh) * 2015-03-16 2015-06-03 西安交通大学 一种风力发电机叶片故障在位声学诊断方法及监测系统
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
WO2020013074A1 (ja) * 2018-07-13 2020-01-16 Ntn株式会社 状態監視装置および状態監視システム
CN209587613U (zh) * 2018-12-29 2019-11-05 莱茵技术（上海）有限公司 一种用于固定噪声传感器的支架
CN213235330U (zh) * 2020-08-12 2021-05-18 中国大唐集团新能源科学技术研究院有限公司 一种基于声学测量的叶片状态监测装置
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
CN112324629A (zh) * 2020-11-09 2021-02-05 华能陕西靖边电力有限公司 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
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
CN113623144A (zh) * 2021-09-01 2021-11-09 五凌电力有限公司 基于声学算法的叶片状态监测系统及其监测方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
CALEB TRAYLOR等: "A computational investigation of airfoil aeroacoustics for structural health monitoring of wind turbine blades", WIND ENERGY, vol. 23, no. 3, 31 March 2020 (2020-03-31) *
于嵩浩: "风力发电机组叶片健康智能声学监测系统", 中国优秀硕士学位论文全文数据库 工程科技II辑, no. 5, 15 May 2021 (2021-05-15) *
颜京忠;周进;季翠娜;王德刚;李树臣;王岩;乔冠伦;: "基于气动噪声的风电机组叶片开裂缺陷检测初步研究", 仪器仪表与分析监测, no. 02, 28 May 2018 (2018-05-28) *

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115752709A (zh) * 2022-11-15 2023-03-07 国网河北省电力有限公司沧州供电分公司 一种变压器噪声检测方法
CN115855461A (zh) * 2022-11-18 2023-03-28 中节能风力发电股份有限公司 一种风电机组风机叶片噪音异常系统和方法
CN115855461B (zh) * 2022-11-18 2023-09-05 中节能风力发电股份有限公司 一种风电机组风机叶片噪音异常系统和方法
CN115982563A (zh) * 2022-11-28 2023-04-18 华能酒泉风电有限责任公司 风电机组的变桨轴承的运行状态识别方法、装置和设备
CN117536800A (zh) * 2023-11-13 2024-02-09 无锡学院 风电设备数据采集系统
CN118242750A (zh) * 2024-05-28 2024-06-25 上海开纯洁净室技术工程有限公司 直流四通道恒风量洁净空调机组全时热备控制方法及系统
CN118242750B (zh) * 2024-05-28 2024-09-17 上海开纯洁净室技术工程有限公司 直流四通道恒风量洁净空调机组全时热备控制方法及系统

Also Published As

Publication number Publication date
CN114414037B (zh) 2025-01-07

Similar Documents

Publication Publication Date Title
CN114414037A (zh) 一种风力发电机组叶片健康监测装置及监测方法
US9347432B2 (en) System and method for enhanced operation of wind parks
CN110131109A (zh) 一种基于卷积神经网络的风力机叶片不平衡检测方法
CN118278624A (zh) 一种基于互感器的电力监测数据智能化分析系统
CN109139390B (zh) 一种基于声信号特征库的风机桨叶故障识别方法
CN111946559A (zh) 一种风机基础和塔架结构检测方法
CN113567162A (zh) 基于声传感器的风机故障智能诊断装置及方法
CN113807693B (zh) 一种基于机载雷达的风电机组发电量优化效果评价方法
CN119226861A (zh) 基于多模态数据融合的电力故障诊断方法及系统
CN105866645A (zh) 一种利用噪声特征频段诊断发电机放电故障的方法及装置
CN113029242B (zh) 结构健康监测系统中光纤光栅传感器异常诊断方法
CN114323642A (zh) 风电机组振动数据处理系统以及数据稀释方法
Sánchez et al. Wind turbines acoustic inspections performed with UAV and sound frequency domain analysis
CN111780866B (zh) 一种柴油机试验底座安装状态固有频率测试方法及装置
CN109357751B (zh) 一种电力变压器绕组松动缺陷检测系统
CN111594392A (zh) 一种风力发电塔筒螺栓在线监测方法
CN119616797A (zh) 基于信号处理及声纹识别算法的海上风机叶片监测系统
CN118692497B (zh) 一种应用于电力物联网的声音故障检测方法
CN117514652A (zh) 一种风电机叶片综合状态监控方法和设备
Li et al. On-line fault detection in wind turbine transmission system using adaptive filter and robust statistical features
CN113008494A (zh) 基于深度学习的天线罩结构健康度监测设备与监测方法
CN116642575A (zh) 一种发电机振动监测预警方法、系统
Dong et al. An early fault warning and diagnosis model based on a two-step analysis strategy for wind turbine bearings
CN109782064B (zh) 一种风电场输出阻抗频率特性测试分析方法
CN113688791A (zh) 一种风电机组cms异常数据包识别方法

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