叶片振动监测方法及其装置

技术领域

本公开涉及风力发电技术领域，更具体地，本公开涉及一种风力发电机组的叶片振动监测方法及其装置。

背景技术

风电技术已经成为新能源结构中重要组成部分，然而装机容量的不断增加，风机结构尺寸的变大，导致风电行业面临运维成本不断增高。随着智慧化风场的推进，叶片监测需求增加。

目前，风力发电机组的叶片振动在线监测系统是通过采集叶片的振动信号，利用动力学特性，根据结构损伤、结冰、平衡性因素等对叶片固有频率和动态响应的影响，来探测叶片状态的变化。然而风力发电机组在运行过程中，受离心力影响，叶片刚度增大，导致叶片固有频率升高，进而影响机组的状态判断。

发明内容

本公开的示例性实施例提供了一种叶片振动监测方法及其装置，至少解决上述技术问题和上文未提及的其它技术问题，并且提供下述的有益效果。

本公开的一方面在于提供一种风力发电机组的叶片振动监测方法，所述方法可以包括：获取风力发电机组的当前叶轮转速；当当前叶轮转速大于并网转速时，获取与当前叶轮转速相应的固有频率，并且基于当前叶轮转速和固有频率来确定叶片的健康因子；通过对健康因子与当前叶轮转速下的预警限值进行比较来确定叶片是否振动异常，其中，健康因子为固有频率的特性代表值。固有频率可以是低阶固有频率。

获取风力发电机组的当前叶轮转速和相应的固有频率的步骤可以包括：获取风力发电机组的叶片振动数据；对叶片振动数据进行预处理；从经预处理的叶片振动数据提取当前叶轮转速和相应的固有频率，其中，叶片振动数据可以包括风力发电机组的叶片的挥舞振动信号和摆振振动信号中的至少一种。

对叶片振动数据进行预处理的步骤可以包括对叶片振动数据进行快速傅里叶变换。

所述方法还可以包括：根据风力发电机组在正常运行状态下的叶片振动数据来建立叶片振动预警线；基于当前叶轮转速使用叶片振动预警线来计算当前叶轮转速下的预警限值。

建立叶片振动预警线的步骤可以包括：获取风力发电机组在正常运行状态下的预定时间段的叶片振动数据；基于叶片振动数据获得叶轮转速以及相应的健康因子；基于叶轮转速以及相应的健康因子来建立叶片振动基准线；根据叶片振动基准线、叶片参数和风力发电机组的运行数据来建立叶片振动预警线。

建立叶片振动基准线的步骤可以包括：根据叶轮转速与相应的健康因子的关系采用拟合方法来获得叶片振动基准线。

本公开的另一方面在于提供一种风力发电机组的叶片振动监测装置，所述装置可以包括：数据获取模块，用于获取风力发电机组的当前叶轮转速以及与当前叶轮转速相应的固有频率；以及数据处理模块，用于：当当前叶轮转速大于并网转速时，基于当前叶轮转速和固有频率来确定叶片的健康因子；通过对健康因子与当前叶轮转速下的预警限值进行比较来确定叶片是否振动异常，其中，健康因子为固有频率的特性代表值，固有频率可以是低阶固有频率。

数据获取模块可以获取风力发电机组的叶片振动数据，对叶片振动数据进行预处理，从经预处理的叶片振动数据提取当前叶轮转速和相应的固有频率，其中，叶片振动数据可以包括风力发电机组的叶片的挥舞振动信号和摆振振动信号中的至少一种。

数据获取模块可以对叶片振动数据进行快速傅里叶变换。

数据处理模块可以根据风力发电机组在正常运行状态下的叶片振动数据来建立叶片振动预警线，基于当前叶轮转速使用叶片振动预警线来计算当前叶轮转速下的预警限值。

在数据获取模块获取风力发电机组在正常运行状态下的预定时间段的叶片振动数据后，数据处理模块可以基于叶片振动数据获得叶轮转速以及相应的健康因子，基于叶轮转速以及相应的健康因子来建立叶片振动基准线，并且根据叶片振动基准线、叶片参数和风力发电机组的运行数据来建立叶片振动预警线。

数据处理模块可以根据叶轮转速与相应的健康因子的关系采用拟合方法来获得叶片振动基准线。

根据本发明的另一示例性实施例，提供一种存储有计算机程序的计算机可读存储介质，其特征在于，当计算机程序被处理器执行时实现如上所述的风力发电机组的叶片振动监测方法。

根据本发明的另一示例性实施例，提供一种计算机，包括存储有计算机程序的可读介质和处理器，其特征在于，当处理器运行计算机程序时执行如上所述的风力发电机组的叶片振动监测方法。

基于以上描述的方法和装置，能够有效地解决叶片动力刚化对叶片固有频率的影响，并且能够有效提高叶片振动监测的准确性，为风力发电机组的正常运行提供更可靠的保障信息。

将在接下来的描述中部分阐述本发明总体构思另外的方面和/或优点，还有一部分通过描述将是清楚的，或者可以经过本发明总体构思的实施而得知。

附图说明

通过结合附图，从实施例的下面描述中，本公开这些和/或其它方面及优点将会变得清楚，并且更易于理解，其中：

图1是根据本公开的示例性实施例的叶片振动监测方法的流程图；

图2是根据本公开的示例性实施例的确定预警限值的方法的流程图；

图3是根据本公开的示例性实施例的叶片振动监测装置的框图；

图4是根据本公开的示例性实施例的固有频率与转频的关系散点图；

图5是根据本公开的示例性实施例的健康因子与转频的关系散点图。

具体实施方式

提供参照附图的以下描述以帮助对由权利要求及其等同物限定的本公开的实施例的全面理解。包括各种特定细节以帮助理解，但这些细节仅被视为是示例性的。因此，本领域的普通技术人员将认识到在不脱离本公开的范围和精神的情况下，可对描述于此的实施例进行各种改变和修改。此外，为了清楚和简洁，省略对公知的功能和结构的描述。

在下文中，根据本公开的各种实施例，将参照附图对本公开的设备以及方法进行描述。

图1是根据本公开的示例性实施例的叶片振动监测方法的流程图。

参照图1，在步骤S101，获取风力发电机组的当前叶轮转速。具体地，首先，通过安装在风力发电机组中的叶片振动信号采集装置获取风力发电机组的叶片振动数据。例如，叶片振动信号采集装置可以包括加速度传感器、采集设备、信号传输装置等，其中，加速度传感器可以安装在叶片内部，距离叶根约1/3左右，采集设备可以安装在轮毂中，靠近中心位置，信号传输装置可以包括轮毂中的发送装置和机舱内的接收装置。叶片振动数据可以包括风力发电机组的叶片的挥舞振动信号和摆振振动信号中的至少一种。

在获得叶片振动数据后，需要对获得的叶片振动数据进行预处理。例如，可以对叶片振动数据进行快速傅里叶变换FFT，以获得叶片振动数据的频谱。还可以对叶片振动数据进行滤波、放大、去噪等预处理。

由于叶片在旋转过程中叶片自身的旋转频率是叶片振动信号中的主导成分，因此可以从上述叶片振动数据的频谱中提取叶轮转速。

可选地，可以通过安装转速传感器，直接从转速传感器获取转速信息。也可以从风机主控、中控、SCADA等系统间接地接收转速信号。

在步骤S102，确定获取的当前叶轮转速是否大于并网转速。在当前叶轮转速小于并网转速时，由于叶片振动太弱，叶片振动信号强度无法满足测量的要求，因此不对叶片状态进行判断。

在当前叶轮转速大于并网转速时，进入到步骤S103，获取与当前叶轮转速相应的固有频率。所述固有频率可以是低阶固有频率。应注意的是，如果在步骤S101中使用转速传感器获得叶片的当前转速，即不是从FFT频率中获取叶轮转速，则在获取固有频率中，首先需要对叶片振动数据进行FFT处理，然后从FFT频谱中提取固有频率。在本公开中，按照步骤S101采用从FFT频谱中获取叶轮转速的方式进行描述。

在风力发电机组运动过程中，风轮绕轴以一定角速度旋转，受离心力的影响，叶片刚度会增大，而叶片刚度的增大会导致固有频率的增大。因此，旋转下的叶片的固有频率会随着转速的增大而增大。

在上述FFT频谱中，可以根据由共振作用导致的固有频率能量变化来提取叶片的固有频率。当激励源频率与叶片固有频率相近时，产生共振现象，在频谱中体现为共振峰，可以将占主导地位的波峰提取为叶片的固有频率。

在步骤S104，基于当前叶轮转速和固有频率来确定叶片的健康因子。本公开的健康因子可以视为固有频率的特性代表值。根据动力学特性，当叶片出现异常时，会改变叶片质量和刚度，进而影响固有频率变化。由于叶片的固有频率在不同转速之间呈现离散现象，因此为了便于后续的曲线拟合，需要对数据进行标准化处理来获得健康因子，在本公开中，健康因子可以按照等式(1)进行定义：

其中，y表示健康因子，k表示健康系数，ω表示固有频率，x表示叶轮转频，叶轮转频＝叶轮转速/60。一般，可以将k设置为1，然而，可以根据实际情况以及设计要求而改变k值。

本公开的健康因子利用了数据标准化的特性，将离散点转换为无量纲的数值，这样方便对不同单位和量级的数据进行比较。

在步骤S105，通过对确定的健康因子与当前叶轮转速下的预警限值进行比较来确定叶片是否振动异常。首先参照图2来说明如何获得预警限值。

图2是根据本公开的示例性实施例的确定预警限值的方法的流程图。

参照图2，在步骤S201，获取风力发电机组在正常运行状态下的预定时间段的叶片振动数据。例如，可以采集风力发电机组在不同转速下正常运行三个月时间的数据作为建立叶片振动基准线的数据。

在步骤S202，基于获取的叶片振动数据获得叶轮转速以及相应的健康因子。例如，可以对获取的叶片振动数据进行FFT，以获得FFT频谱。从FFT频谱中提取叶轮转速以及相应的固有频率，并且根据等式(1)来计算健康因子。

在步骤S203，基于叶轮转速以及相应的健康因子来建立叶片振动基准线。在本公开中，采用转频与健康因子之间的关系来拟合叶片振动基准线。这里，转频为叶轮转速/60。

以摆阵一阶数据为例，在分析健康因子与转频的关系模型时，从如图4所示的固有频率与转频之间的关系散点图可以看出固有频率随着转频的增大逐渐增大，呈现非线性关系曲线。由于固有频率与转频的关系散点图中的点比较离散，不利于曲线的拟合，因此需要对数据进行标准化处理，即按照等式(1)计算健康因子，在获得健康因子后，从如图5所示的健康因子与转频之间的关系散点图可以看出，健康因子与转频之间的关系更加明确。根据健康因子与转频的关系使用相应的拟合模型来获得叶片振动基准线。

例如，在获得风机正常运行状态下的转频以及健康因子后，根据转频与健康因子之间的关系采用非线性拟合方法来建立叶片振动基准线。可以使用如下等式(2)来建立叶片振动基准线：

其中，x

此外，拟合曲线形式还可以是有理数逼近、正弦函数逼近以及其他曲线形式等。可以根据转频与健康因子之间的关系来选择拟合度更好的曲线形式。

在步骤S204，基于建立的叶片振动基准线来设置叶片振动预警线。可以根据叶片振动基准线、叶片参数和风力发电机组的运行数据来建立叶片振动预警线。例如，当建立的叶片振动基准线如等式(2)的形式时，叶片振动预警线可以使用如下等式(3)来表示：

其中，d表示预警线值和基准线值的差值,y

本公开将叶片固有频率与转速的关系通过拟合曲线准确表现出来。拟合曲线在不同转速状态下，对应不同值。通过对正常数据的拟合分析，得到基准线值和预警线值，有效解决了叶片动力刚化使得不同转速下固有频率不同的问题，提供了风机更准确的预警模型。

在步骤S205，基于当前叶轮转速使用建立的叶片振动预警线来计算当前叶轮转速下的预警限值。在将当前叶轮转速转换为转频后，将转换的叶轮转频带入所建立的叶片振动预警线来计算当前叶轮转速下的预警限值。应理解的是，用于建立叶片振动预警线的数据为风力发电机组在正常运行状态下的历史数据，以此为基准来确定叶片当前是否正常。

返回参照图1，在获得当前叶轮转速下的健康因子以及预警限值后，对该健康因子以及预警限值进行比较，当该健康因子超过该预警限值时，确定叶片振动异常，否则，确定叶片当前状态为正常。

实验表明，本公开的方法有效解决了由于动力刚化对叶片的固有频率的影响，并且提高了分析的准确率，能够更准确地提供预警信息。

在本分析方法中，叶片固有频率随着转速单调递增，健康因子随着转速单调递减。因此随着转速增加，健康因子预警限值减小，对应的叶片固有频率预警限值增大。该方法能够有效解决由于转速增加引起的固有频率增大对于分析精度的影响，同时该方法在任意转速下均具有精确的限值，解决了转速分仓精度不够，而导致限值相同的问题。

图3是根据本公开的示例性实施例的叶片振动监测装置的框图。

参照图3，叶片振动监测装置300可以包括数据获取模块301以及数据处理模块302。叶片振动监测装置300中的每个模块可以由一个或多个模块来实现，并且对应模块的名称可根据模块的类型而变化。在各种实施例中，可以省略叶片振动监测装置300中的一些模块，或者还可包括另外的模块。此外，根据本公开的各种实施例的模块/元件可以被组合以形成单个实体，并且因此可等效地执行相应模块/元件在组合之前的功能。

数据获取模块301可以通过安装在风力发电机组中的叶片振动信号采集装置获取风力发电机组的叶片振动数据。例如，叶片振动信号采集装置可以包括加速度传感器、采集设备、信号传输装置等。获取的叶片振动数据可以包括风力发电机组的叶片的挥舞振动信号和摆振振动信号中的至少一种。

在获得叶片振动数据后，数据获取模块301对获得的叶片振动数据进行预处理。例如，数据获取模块301可以对叶片振动数据进行FFT处理，以获得叶片振动数据的频谱，并且还可以对叶片振动数据进行滤波、放大、去噪等预处理。然后，数据获取模块301从上述叶片振动数据的频谱中提取叶轮转速。

可选地，数据获取模块301可以从转速传感器直接获取转速信息，也可以从风机主控、中控、SCADA等系统间接地接收转速信号。

数据处理模块302对当前叶轮转速与并网转速进行比较来确定当前叶轮转速是否大于并网转速。在当前叶轮转速小于并网转速时，由于叶片振动太弱，叶片振动信号强度无法满足测量的要求，因此不对叶片状态进行判断。

在当前叶轮转速大于并网转速时，数据处理模块302从FFT频谱中获取与当前叶轮转速相应的固有频率。这里，固有频率可以是低阶固有频率。应注意的是，如果数据获取模块301使用转速传感器获得叶片的当前转速，而没有对叶片振动数据进行预处理，则在获取固有频率中，数据获取模块301首先需要对叶片振动数据进行预处理(诸如FFT)，然后从FFT频谱中提取固有频率。

假设数据获取模块301已经对叶片振动数据进行了FFT处理，数据处理模块302可以在上述FFT频谱中，根据由共振作用导致的固有频率能量变化来提取叶片的固有频率。由于当激励源频率与叶片固有频率相近时，产生共振现象，在频谱中体现为共振峰，所以数据处理模块302通过提取占主导地位的波峰来获得叶片的固有频率。

接下来，数据处理模块302可以基于当前叶轮转速和固有频率来确定叶片的健康因子。本公开的健康因子可以视为固有频率的特性代表值。数据处理模块302可以按照等式(1)来计算健康因子。本公开的健康因子利用了数据标准化的特性，将离散点转换为无量纲的数值，这样方便对不同单位和量级的数据进行比较。

在获得当前叶轮转速下的健康因子后，数据处理模块302通过对该健康因子与当前叶轮转速下的预警限值进行比较来确定叶片是否振动异常。当该健康因子大于该预警限值时，数据处理模块302确定叶片振动异常，否则，确定叶片当前状态为正常。

对于获取当前叶轮转速下的预警限值，数据处理模块302可以将与当前叶轮转速相应的转频带入到叶片振动预警线函数中来计算当前的预警限值。将理解的是，叶片振动预警线函数是先前由数据处理模块302建立的。在建立叶片振动预警线中，首先，数据获取模块301获取风力发电机组在正常运行状态下的预定时间段的历史叶片振动数据。例如，数据获取模块301可以采集风力发电机组在不同转速下正常运行三个月时间的数据作为建立叶片振动基准线的数据。数据处理模块302对上述正常运行状态下的预定时间段的叶片振动数据进行FFT，以获得FFT频谱，从FFT频谱中提取叶轮转速以及相应的固有频率，并且根据等式(1)来计算多个健康因子，从而可以得到健康因子与转频(转速/60)的关系散点图。然后，数据处理模块302基于叶轮转频以及健康因子来建立叶片振动基准线。例如，在获得风机正常运行状态下的转频以及健康因子后，数据处理模块302可以根据转频与健康因子之间的关系采用非线性拟合方法来建立叶片振动基准线，例如按照等式(2)的形式建立叶片振动基准线。之后，数据处理模块302可以根据叶片振动基准线、叶片参数和风力发电机组的运行数据按照等式(3)的形式来建立叶片振动预警线。

数据处理模块302将转换的叶轮转频带入建立的叶片振动预警线来计算当前叶轮转速下的预警限值。在获得当前叶轮转速下的健康因子以及预警限值后，数据处理模块302对该健康因子以及预警限值进行比较，当该健康因子超过该预警限值时，确定叶片振动异常，否则，确定叶片当前状态为正常。

本技术领域技术人员可以理解，本公开包括涉及用于执行本公开中所述操作/步骤中的一项或多项的设备。这些设备可以为所需的目的而专门设计和制造，或者也可以包括通用计算机中的已知设备。这些设备具有存储在其内的计算机程序，这些计算机程序选择性地激活或重构。这样的计算机程序可以被存储在设备(例如，计算机)可读介质中或者存储在适于存储电子指令并分别耦联到总线的任何类型的介质中，所述计算机可读介质包括但不限于任何类型的盘(包括软盘、硬盘、光盘、CD-ROM、和磁光盘)、ROM(Read-OnlyMemory，只读存储器)、RAM(Random Access Memory，随即存储器)、EPROM(ErasableProgrammable Read-Only Memory，可擦写可编程只读存储器)、EEPROM(ElectricallyErasable Programmable Read-Only Memory，电可擦可编程只读存储器)、闪存、磁性卡片或光线卡片。也就是，可读介质包括由设备(例如，计算机)以能够读的形式存储或传输信息的任何介质。

本公开提供了一种全新的叶片振动数据分析方法，通过非线性拟合转频和固有频率的关系，建立了不同转速下的固有频率模型及预警模型。这些模型是连续模型，能够反映任意转速精度下的健康因子，能够很好解决由于变转速对叶片固有频率的影响，同时也解决了分仓精度不够的问题，提高了数据分析的准确性。

虽然本公开是参照其示例性的实施例被显示和描述的，但是本领域的技术人员应该理解，在不脱离由权利要求及其等同物限定的本公开的精神和范围的情况下，可以对其形式和细节进行各种改变。