一种风力机叶片状态监测系统

1.本实用新型属于风力发电机技术领域，具体为一种风力机叶片状态监测系统。


背景技术：

2.随着风电机组安装规模不断扩大，风电机组的安全运行已成为决定风场整体经济效益的关键。对于我国来说，风电场多位于中西部、沿海或高山地区，自然环境恶劣，风沙、盐雾、雷电等因素会对机组造成不同程度的腐蚀损伤，影响风力发电机的发电质量及性能，甚至导致机组部件失效。因而风机运行状态的实时监测和维护非常重要。
3.叶片是风力发电机用于吸收风能的最主要部件，在整个风机成本中占20％左右，叶片是否出现结构损伤也直接影响着机组发电的效率，关系到机组运行的安全性。统计数据显示，由风机叶片产生的事故占整个风场事故的15％～20％，大量的维修和更换叶片也给风电运营公司带来极大的经济损失。严重时，叶片断裂甚至可能摧毁风机塔筒，造成更严重的后果。近年来，随着低风速风机的推广，叶片的长度也在逐步加大，叶缘直径达到了100m以上的风机已经屡见不鲜，这些也直接增加了风机叶片损坏的风险。同时叶片工作在高空，经常受到空气介质、大气射线、沙尘、雷电、暴雨、冰雪等强对流气候的侵袭。
4.传统的通过人工巡检的方式发现叶片问题，不仅费时费力，效率低下，而且往往不能及时发现叶片潜在的问题和缺陷。


技术实现要素：

5.针对现有技术存在的上述问题，本实用新型的目的是提供种一种风力机叶片状态监测系统，通过所述监测系统对风力发电机叶片实时监测，实现叶片损伤或故障的自动诊断，此噪声监测为叶片内部混响噪声，可以最大程度的减少外部的环境噪声和风力机其他机械噪声对状态监测结果的影响，避免外部环境影响传感器的寿命，所述监测系统和方法成本低、可靠性高、稳定性高。
6.为了实现上述目的，本实用新型所采用的技术方案是：
7.一种风力机叶片状态监测系统，所述风力机包括塔筒、轮毂和多个叶片，多个叶片通过轮毂安装在塔筒上，叶片设有内部容腔，所述监测系统包括拾音器、极端服务器、叶片监测软件和用于采集叶片内的混响噪声的采集器，拾音器设有至少一个，拾音器安装在叶片的内部容腔中，采集器和极端服务器电连接，极端服务器中安装有对采集到的信号进行处理的叶片监测软件。
8.作为上述技术方案的进一步改进：
9.拾音器的标称灵敏度为50mv/pa，采样频率为10hz～20khz，采样精度动态范围为16db～140db，环境温度为-20℃～70℃。
10.每个叶片内设有三个拾音器，分别安装在叶片的叶根、叶中、叶尖。
11.拾音器通过设计好的固定支架固定安装在在叶片腹板上。
12.所述监测系统还包括信号线，信号线的两端分别连接拾音器和采集器。
13.采集器安装在轮毂里，每一小时采样一次，采集时长为30s，采样频率为25600hz。
14.所述监测系统还包括无线ap、交换机、风场环网，采集器、无线ap、交换机、风场环网和极端服务器依次电连接，采集器和无线ap为有线连接，无线ap和交换机通过无线连接，交换机和风场环网为有线连接，风场环网和极端服务器为有线连接。
15.无线ap安装在轮毂里，交换机安装在塔筒的底部。
16.本实用新型的有益效果是：
17.1)通过所述监测系统对风力发电机叶片实时监测，风力发电机叶片噪声信号特征与数据库之间进行比较，实现了叶片损伤或故障的自动诊断，由于此噪声监测为叶片内部混响噪声，可以最大程度的减少外部的环境噪声和风力机其他机械噪声对状态监测结果的影响，避免外部环境影响传感器的寿命，所述监测系统和方法成本低、可靠性高、稳定性高。
18.2)实时监测叶片运行状态，早期预测故障，合理安排检维修和生产计划；实时了解叶片状态，避免恶性生产事故的发生，降低维修成本；精确定位故障原因，减少维修人员工作量，减轻运维压力；可实现远程实时在线监控叶片状态，减少人员工作量。
19.3)通过拾音器采集叶片内部空腔的混响噪声，来对叶片的健康状态进行在线监测；每个叶片采集到的内部混响噪声通过采集器进行无线传输，由风场环网传输到服务器，然后服务器的诊断系统再对采集到的混响噪声进行声音解析与噪声处理，对其数据特征进行提取，与数据库的特征进行比对，对有问题的叶片进行预警严重等级分级，可按等级进行检修计划排布。
附图说明
20.图1是本实用新型一个实施例的监测系统结构示意图。
21.图2是本实用新型一个实施例的监测方法原理示意图。
22.图3是本实用新型一个实施例的待检测的叶片内噪声的频域图像和提取的图像特征示意图。
具体实施方式
23.以下结合附图对本实用新型的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本实用新型，并不用于限制本实用新型。
24.为了便于描述，在这里可以使用空间相对术语，如“在
……
之上”、“在
……
上方”、“在
……
上表面”、“上面的”等，用来描述如在图中所示的一个器件或特征与其他器件或特征的空间位置关系。应当理解的是，空间相对术语旨在包含除了器件在图中所描述的方位之外的在使用或操作中的不同方位。例如，如果附图中的器件被倒置，则描述为“在其他器件或构造上方”或“在其他器件或构造之上”的器件之后将被定位为“在其他器件或构造下方”或“在其他器件或构造之下”。因而，示例性术语“在
……
上方”可以包括“在
……
上方”和“在
……
下方”两种方位。该器件也可以其他不同方式定位(旋转90度或处于其他方位)，并且对这里所使用的空间相对描述作出相应解释。
25.一种风力机叶片状态监测系统，所述风力机包括塔筒6、轮毂3和多个叶片2，多个叶片2通过轮毂3安装在塔筒6上。叶片2设有内部容腔。所述监测系统如图1所示，包括拾音器1、信号线4、采集器5、无线ap7、交换机8、风场环网9、极端服务器10、叶片监测软件11。
26.拾音器1和采集器5通过信号线4连接，采集器5和无线ap7为有线连接，无线ap7和交换机8通过无线连接，交换机8和风场环网9为有线连接，风场环网9和极端服务器10为有线连接，叶片监测软件11为处理软件，叶片监测软件11安装在极端服务器10中。极端服务器10为计算机等，除了叶片监测软件11，极端服务器10中还安装有叶片噪声故障特征数据库，能对叶片2进行实时监测和诊断。
27.拾音器1设有至少一个，拾音器1放在叶片2的内部容腔中，拾音器1用于采集叶片2内的混响噪声。本实施例中，每个叶片2内设有三个拾音器1，三个拾音器1沿着叶片2的展向间隔布置，分别安装在叶片2的叶根、叶中、叶尖，即每个叶片2内的三个拾音器1同时分别监测三个位置的噪声信号。拾音器1通过设计好的固定支架固定安装在在叶片腹板上。
28.本实施例中，拾音器1的标称灵敏度为50mv/pa，采样频率为10hz～20khz，采样精度动态范围为16db～140db，环境温度为-20℃～70℃。
29.拾音器1采集到的噪声信号通过信号线4传输到采集器5，采集器5安装在轮毂3里，每一小时采样一次，采集时长为30s，采样频率为25600hz。
30.无线ap7安装在轮毂3里。较佳的，轮毂3里安装有电控箱，采集器5和无线ap7及相应开关都安装在轮毂3里。采集器5采集到的信号通过无线ap7传输到交换机8，交换机8安装在塔底，即塔筒6的底部。交换机8的信息传输至风场环网9，风场环网9是指风力发电场的环网。
31.风场环网9再将信号传输至极端服务器10，极端服务器10对风场环网9发送的信号进行处理。极端服务器10中的叶片监测软件11对采集到的混响噪声进行声音解析与噪声处理。叶片监测软件11实时处理接收到的声音信号，把声音信号进行滤波降噪处理，对其数据特征进行提取，然后对其信号特征进行分析，将其特征与系统所述数据库的故障特征进行比对，对叶片2的损伤特征进行分类，再对叶片2进行预警和损伤严重等级分级，按优先等级进行检修计划排布。
32.本方案中，通过采集叶片2内部空腔的混响噪声，来对叶片2的健康状态进行在线监测。每个叶片2采集到的内部混响噪声通过采集器5进行无线传输，由风场环网9传输到极端服务器10。
33.基于上述监测系统，所述监测方法如图2所示，包括如下步骤：
34.步骤s1：采集叶片2内的噪声信号。
35.步骤s2：将采集到的噪声信号进行降噪处理。
36.本步骤中，通过叶片监测软件11对噪声信号进行处理。步骤s2包括两个步骤：
37.步骤s21：采用改进后的经验模态分解(emd)算法获得本征模态函数(imf)分量与原信号x(t)的关系。
38.本步骤中，设采集器5采集到的噪声信号即原信号为x(t)，求出其所有的极大值点，通过三次拟合出上包络线u(t)，同样的方法拟合出下包络线v(t)，然后求出均值包络m(t)，所述均值为算术平均值。设h(t)＝x(t)-m(t)，根据信号h(t)得到各阶的本征模态函数(imf)分量，则其与原信号的关系为：
[0039][0040]
其中，rn(t)为残余分量，各imf相加再加上残余分量就等于原始信号。
[0041]
步骤s22：根据连续均方误差(cmse)准则获得重构信号y(t)与本征模态函数的关系。
[0042]
本步骤中，由于噪声主要集中在高频部分，随着emd分解的进行，噪声的能量逐渐减小，将imf分量能量的全局极小值点作为分界点k，选取分界点k之前或之后的imf分量重建得去噪后信号y(t)；重构信号y(t)与本征模态函数的关系为：
[0043][0044]
步骤s3：对降噪处理后的信号进行特征提取。
[0045]
把重构噪声信号y(t)进行时频分析，然后得到噪声信号的频域特征，然后对频域特征进行图像提取，每个提取的图像包含频域图像的一个波峰，如图3所述，方框框出的部分代表提取的图像特征，每个提取的图像特征包含频域图像的一个波峰。
[0046]
步骤s4：将提取的图像与数据库故障特征进行对比，识别出提取的图像特征对应的叶片损伤或故障。
[0047]
在数据库建立的时候，针对叶片的各已知故障特征，提取了不同故障特征的频域图像，建立了不同损伤类别的风力机叶片故障数据库，然后通过频域图像进行卷积神经网络(cnn)训练，完成数据库的建立。叶片2基于训练好的模型与数据库进行比对，自动实现叶片损伤或故障类型的识别。
[0048]
步骤s5：对步骤s4识别的损伤或故障进行分类。
[0049]
在与数据库频域图像特征进行对比后，分析系统自动对有故障的叶片的各类故障进行分类，如出水孔堵塞、叶片雷击损坏、叶片开裂、脱胶、表面裂纹等损伤故障。
[0050]
步骤s6：进行故障严重等级划分。
[0051]
对有故障的叶片共划分为两个等级，一般级和严重级。等级一般级故障为不影响叶片的正常发电工作且对叶片无大的安全隐患，如叶片小面积磨损、表面胶衣脱落、鼓泡等。此时故障叶片短时间可以继续运转发电，对叶片发电量和寿命影响不大。等级严重级故障的风机叶片受到了比较严重的损伤，如叶片开裂、叶片裂纹、叶片雷击等，此时风机必须即刻停机，等待维修人员检修。
[0052]
步骤s7：按划分等级优先级进行检修。
[0053]
等级为一般级的叶片可以继续运转，再根据风况预测系统数据，等风速较小时，再统一安排人员进行检查，看是否需要停机检修；等级为严重级的叶片，必须立刻停机，安排维修人员进行检修，以防发生重大安全事故。
[0054]
最后有必要在此说明的是：以上实施例只用于对本实用新型的技术方案作进一步详细地说明，不能理解为对本实用新型保护范围的限制，本领域的技术人员根据本实用新型的上述内容作出的一些非本质的改进和调整均属于本实用新型的保护范围。

技术特征：
1.一种风力机叶片状态监测系统，所述风力机包括塔筒(6)、轮毂(3)和多个叶片(2)，多个叶片(2)通过轮毂(3)安装在塔筒(6)上，其特征在于，叶片(2)设有内部容腔，所述监测系统包括拾音器(1)、极端服务器(10)、叶片监测软件(11)和用于采集叶片(2)内的混响噪声的采集器(5)，拾音器(1)设有至少一个，拾音器(1)安装在叶片(2)的内部容腔中，采集器(5)和极端服务器(10)电连接，极端服务器(10)中安装有对采集到的信号进行处理的叶片监测软件(11)。2.根据权利要求1所述的监测系统，其特征在于：拾音器(1)的标称灵敏度为50mv/pa，采样频率为10hz～20khz，采样精度动态范围为16db～140db，环境温度为-20℃～70℃。3.根据权利要求1所述的监测系统，其特征在于：每个叶片(2)内设有三个拾音器(1)，分别安装在叶片(2)的叶根、叶中、叶尖。4.根据权利要求1～3任一所述的监测系统，其特征在于：拾音器(1)通过设计好的固定支架固定安装在叶片(2)腹板上。5.根据权利要求1所述的监测系统，其特征在于：所述监测系统还包括信号线(4)，信号线(4)的两端分别连接拾音器(1)和采集器(5)。6.根据权利要求1所述的监测系统，其特征在于：采集器(5)安装在轮毂(3)里，每一小时采样一次，采集时长为30s，采样频率为25600hz。7.根据权利要求1所述的监测系统，其特征在于：所述监测系统还包括无线ap(7)、交换机(8)、风场环网(9)，采集器(5)、无线ap(7)、交换机(8)、风场环网(9)和极端服务器(10)依次电连接，采集器(5)和无线ap(7)为有线连接，无线ap(7)和交换机(8)通过无线连接，交换机(8)和风场环网(9)为有线连接，风场环网(9)和极端服务器(10)为有线连接。8.根据权利要求7所述的监测系统，其特征在于：无线ap(7)安装在轮毂(3)里，交换机(8)安装在塔筒(6)的底部。

技术总结
本实用新型提供了一种风力机叶片状态监测系统，所述风力机包括塔筒、轮毂和多个叶片，多个叶片通过轮毂安装在塔筒上，叶片设有内部容腔，所述监测系统包括拾音器、极端服务器、叶片监测软件和用于采集叶片内的混响噪声的采集器，拾音器设有至少一个，拾音器安装在叶片的内部容腔中，采集器和极端服务器电连接，极端服务器中安装有对采集到的信号进行处理的叶片监测软件。本实用新型通过所述监测系统对风力发电机叶片实时监测，实现叶片损伤或故障的自动诊断，此噪声监测为叶片内部混响噪声，最大程度的减少外部的环境噪声和风力机其他机械噪声对状态监测结果的影响，所述监测系统和方法成本低、可靠性高、稳定性高。稳定性高。稳定性高。


技术研发人员：魏克湘 尹燕 刘金刚 杨文献 周舟 蒋邦 梁鹏程 冯学斌
受保护的技术使用者：湘潭大学
技术研发日：2022.11.30
技术公布日：2023/5/26