一种基于聚类权重的风力发电机叶片覆冰状态监测系统

技术领域

本发明涉及风力发电技术领域，尤其涉及一种基于聚类权重的风力发电机叶片覆冰状态监测系统。

背景技术

由于全球范围内的能源减少及化石能源所造成的环境污染等问题，使人们已逐渐意识到清洁能源的重要性。而风能作为最重要的、最有发展前景的绿色清洁能源之一，正得到迅猛发展。风能的利用不会像化石能源一样污染环境产生温室气体，它更清洁、更安全、更不会枯竭。

随着当前能源的消耗与环境的日益恶化，风能作为一种可再生资源其清洁性已被世界各国认可并普遍关注，风力发电也成为近些年来增长最快的发电方式之一。

统计数据显示，2021年中国风电累计装机量达3.28亿千瓦，占比国内发电装机总量的13.8％，仅次于水电和火电；截至到2022年6月底，全国风电装机容量约3.4亿千瓦，新增装机容量1294万千瓦。可见，随着风电机组的单机容量越来越大、装机总量逐年增加，对风电机组主要部件的运行维护、实时监测、故障诊断等技术要求也在日益提高。

近年来，随着国内大力发展清洁型能源，风力发电技术得到迅猛发展。但工作过程中的诸多问题也随之出现，尤其是风力发电机组叶片覆冰现象，作为主要影响风电机组安全运行的关键技术难题，被国内外研究者广泛关注。一般来说，覆冰现象容易损坏叶片，造成叶片重量的无序增大，间接地增加风电机组运转负荷，从而降低了发电效率。更为严重的是，覆冰伴随着高速运转的叶片极易发生脱落现象，对安检人员的生命安全及风电机组的运行寿命造成了极大的威胁。目前，风机叶片覆冰现象的监测，主要依靠技术人员定期巡检，难以及早发现覆冰现象、准确定位覆冰区域，且工作人员劳动强度大、效率低、准确率不高，容易产生遗漏情况，给风电机组的安全稳定运行带来了很大的隐患。

发明内容

本发明提供了一种基于聚类权重的风力发电机叶片覆冰状态监测系统，解决现有技术存在的不能及早发现覆冰情况，覆冰定位、以及工作人员劳动强度大、效率低、准确率低等问题。本发明的系统可以准确有效的监测风力发电机叶片覆冰状况，覆冰厚度，以及覆冰位置等相关信息，避免人力巡视的不确定性，可以做到提前预防，提前处理，从而减少因叶片覆冰所产生的机组故障等情况发生，从而保障风力发电机组安全稳定运行。

为了实现上述目的，本发明提供如下技术方案：

本发明是一种基于聚类权重的风力发电机叶片覆冰状态监测系统，该系统包括：

监测信息单元，所述监测信息单元集成于风力发电机组叶片上，并用以采集风力发电机组叶片的覆冰数据信号；

主控模块，所述主控模块接收所述监测信息单元传输的覆冰数据信号，并对接收的覆冰数据信号进行滤波、降噪处理获得电信号；以及

与所述主控模块电连接的风电机组数据处理服务器；

所述风电机组数据处理服务器接收到所述主控模块发送的电信号并分析处理识别后获得所述风力发电机组叶片的覆冰监测数据，所述风电机组数据处理服务器采用K-means聚类算法结合权重策略对获取的覆冰检测数据进行聚类；

所述覆冰数据信号包括：声发射信号，覆冰温度信号、湿度信号，结冰信号、电流信号、叶片覆冰压力信号以及风速信号。

进一步的，K-means聚类算法具体步骤如下：

S1、从数据集中随机选取K个样本点作为初始簇中心。

S2、计算每个样本点到各个簇中心的欧氏距离，并将样本点赋给最近的簇。

S3、计算每个簇的平均值，作为新的簇中心。

S4、重复步骤S2和步骤S3直到簇中心不发生变化。

S5、将三个簇中心利用权重算法得出最终簇中心。

S6、将最终的簇中心与覆冰等级进行对比，完成覆冰预测。

其中权重算法如下：

其中：

X

ω

X(l+1)为最终簇中心。

进一步的，该系统还包括：

与所述风电机组数据处理服务器电连接的智能交互控制界面；

所述智能交互控制界面通过通信电缆或网络与所述风电机组数据处理服务器进行数据通信；

所述智能交互控制界面接收所述风电机组数据处理服务器传输的覆冰监测数据并实时显示。

进一步的，所述监测信息单元包括：

高灵敏声发射传感器，所述高灵敏声发射传感器采集风力发电机组叶片的声发射信号、并向所述主控模块发送该声发射信号；

温湿度传感器，所述温湿度传感器采集风力发电机组叶片覆冰温度信号、湿度信号并向所述主控模块发送该覆冰温度信号和湿度信号；

光纤式结冰传感器，所述光纤式结冰传感器采集风力发电机组叶片的结冰数率信号、并向所述主控模块发送该结冰数率信号；

防爆压力传感器，所述防爆压力传感器采集风力发电机组叶片覆冰的压力信号、并向所述主控模块发送该压力信号；

电压传感器，所述电压传感器采集风电机组风机运转时的电压信号、并向所述主控模块发送该电压信号；以及

风速传感器，所述风速传感器采集风力发电机组叶片运转时的风速信号、并向所述主控模块发送该风速信号。

所述高灵敏声发射传感器选用PXR04型号的高灵敏声发射传感器；

所述温湿度传感器选用CWS21型号的温湿度传感器；

所述光纤式结冰传感器选用JS-BSFG型号的光纤式结冰传感器；

所述防爆压力传感器选用TH3051型号的防爆压力传感器；

所述电压传感器选用MIK-SDJU型号的电压传感器；

所述风速传感器选用YQF6068型号的风速传感器。

进一步的，所述高灵敏声发射传感器采用多组，且多组所述高灵敏声发射传感器安装于风电机组内部的不同位置用以采集风电机组运行时叶片不同部位的声发射信号。

进一步的，所述主控模块包括：

信号接收装置；

模数转换器；

直接存储器；

滤波器，所述滤波器对所述信号采集与信号接收装置接收的信息采集单元发送的任一所述覆冰数据信号进行数据处理。

进一步的，所述智能交互控制界面包括显示器、输入设备、以及报警装置；

所述显示器用以显示风电机组数据处理服务器生成的覆冰监测数据；

所述输入设备实现数据调取；

所述覆冰监测数据超过监测标准时，所述报警装置发出警报。

在上述技术方案中，本发明提供的一种基于聚类权重的风力发电机叶片覆冰状态监测系统，具有以下有益效果：

本发明的系统采用多路高灵敏声发射传感器可将风电发电机组叶片的不同部位的声发射信号传输至主控模块，可有效避免因单一高灵敏声发射传感器只能获取部分信息的缺陷，提升整体数据监测的完整性、准确性及高效性。

本发明的主控模块对各路传感器所采集的信号集中处理、集中分析，将有用的信息发送给风电机组数据处理服务器，再通过服务器中聚类权重算法，对叶片覆冰情况、覆冰厚度、覆冰位置进行识别，从而给出风电发电机组叶片覆冰的相关信息。

本发明的系统集成有智能交互控制界面，将处理得出后的相关覆冰状态数据信息通过智能交互控制界面实时显示出来，为操作人员提供必要的反馈信息；与此同时，在主控模块中生成风力发电机组叶片覆冰数据库，形成适合本地区、本风场的叶片覆冰状态等级判断模式识别库，实现提前预警，报警以及对叶片覆冰情况的实时检测，将有利减少人力物力，提高识别的准确度，从而保障风力发电机组的安全稳定运行，保证电力的正常生产。

附图说明

为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明中记载的一些实施例，对于本领域普通技术人员来讲，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的一种基于聚类权重的风力发电机叶片覆冰状态监测系统的控制系统原理图；

图2为本发明实施例提供的一种基于聚类权重的风力发电机叶片覆冰状态监测系统的工作流程图。

图3为本发明实施例提供的一种基于聚类权重的风力发电机叶片覆冰状态监测系统的基于K-means聚类算法的覆冰等级检测流程图。

附图标记说明：

1、风电发电机组叶片；3、主控模块；4、风电机组数据处理服务器；5、智能交互控制界面。

201、高灵敏声发射传感器；202、温湿度传感器；203、光纤式结冰传感器；204、防爆压力传感器；205、电压传感器；206、风速传感器。

具体实施方式

为了使本领域的技术人员更好地理解本发明的技术方案，下面将结合附图对本发明作进一步的详细介绍。

参见图1～图3所示；

本发明的一种基于聚类权重的风力发电机叶片覆冰状态监测系统，参见图1所示，该系统包括：

监测信息单元，监测信息单元集成于风力发电机组叶片1上，并用以采集风力发电机组叶片1的覆冰数据信号；

主控模块3，主控模块3接收监测信息单元传输的覆冰数据信号，并对接收的覆冰数据信号进行滤波、降噪处理获得电信号；以及

与主控模块3电连接的风电机组数据处理服务器4；

风电机组数据处理服务器4接收到主控模块3发送的电信号并分析处理识别后获得所述风力发电机组叶片1的覆冰监测数据，风电机组数据处理服务器4采用K-means聚类算法结合权重策略对获取的覆冰检测数据进行聚类；

所述覆冰数据信号包括声信号，覆冰温度信号、湿度信号，结冰信号、电流信号、叶片覆冰压力信号以及风速信号。

其中，本实施例中的信号采集单元包括：

高灵敏声发射传感器201，高灵敏声发射传感器201采集风力发电机组叶片1的声发射信号、并向主控模块3发送该声发射信号；

温湿度传感器202，温湿度传感器202采集风力发电机组叶片1覆冰温度信号、湿度信号并向主控模块3发送该覆冰温度信号和湿度信号；

光纤式结冰传感器203，光纤式结冰传感器203采集风力发电机组叶片1的结冰数率信号、并向主控模块3发送该结冰数率信号；

防爆压力传感器204，防爆压力传感器204采集风风力发电机组叶片1覆冰的压力信号、并向主控模块3发送该压力信号；

电压传感器205，电压传感器205采集风电机组风机运转时的电压信号、并向主控模块3发送该电压信号；以及

风速传感器206，所述风速传感器206采集风力发电机组叶片运转时的风速信号、并向主控模块3发送该风速信号。

高灵敏声发射传感器201选用PXR04型号的高灵敏声发射传感器201；

温湿度传感器202选用CWS21型号的温湿度传感器202；

光纤式结冰传感器203选用JS-BSFG型号的光纤式结冰传感器203；

防爆压力传感器204选用TH3051型号的防爆压力传感器204；

电压传感器205选用MIK-SDJU型号的电压传感器205；

风速传感器206选用YQF6068型号的风速传感器206。

具体的，本实施例公开了一种风力发电机叶片覆冰状态用的监测系统，该系统主要包括监测信息单元、主控模块3、风电机组数据处理服务器4。

其中，本实施例涉及的声发射检测技术是根据物体在发生形变时，不同的损伤破坏形式和程度能够释放具有不同特征的弹性波这一特征，运用仪器记录并分析所释放的声发射信号，并由此对声发射源的状态做出判断，进而推断材料或零部件状态的技术，特别是早期的损伤检测，同时也是对材料或结构状态进行动态监测的重要方法。

当监测信息单元分别采集覆冰数据信号后，将覆冰数据信号传输给主控模块3，主控模块3接收到上述的声发射信号、覆冰温度信号、湿度信号、结冰数率信号、电压信号、叶片覆冰压力信号和风速信号进行滤波、降噪处理获得统一标准电信号。为了保证主控模块3所接收的叶片覆冰检测数据在一定范围内其连续性不被打断。首先对数据进行归一化处理，然后利用小波分析法提取特征向量，对结果进行分类，最后再对比分类结果的准确率，本实施例选取[-1,1]区间归一化对数据进行处理。

参见图2所示，最后，本实施例的风电机组数据处理服务器4将滤波、降噪处理获得统一标准电信号进行分析处理识别获得覆冰监测数据。为了准确预测风力发电叶片覆冰程度，本实施例的风电机组数据处理服务器4采用K-means聚类算法结合权重策略对获取的覆冰检测数据进行聚类。

优选的，经过归一化处理覆冰数据差异较小，有效避免了K-means聚类算法面对差别很大的簇而归类不足的问题。另外采用小波分析法处理数据能够得到相对更加稳定的信号，弥补K-means聚类算法对噪声或异常点敏感的缺陷。根据覆冰等级划分，取K＝3。并根据最终簇中心判定覆冰等级。为了使最终簇中心更具有真实性以及合理性，采取多次迭代方式对数据进行处理，取最终簇中心均值。

参见图3所示，K-means聚类算法具体步骤如下：

1)从数据集中随机选取K个样本点作为初始簇中心。

2)计算每个样本点到各个簇中心的欧氏距离，并将样本点赋给最近的簇。

3)计算每个簇的平均值，作为新的簇中心。

4)重复步骤2)和步骤3)直到簇中心不发生变化。

5)将三个簇中心利用权重算法得出最终簇中心。

6)将最终的簇中心与覆冰等级进行对比，完成覆冰预测。

其中权重算法如下：

其中X

另外覆冰程度等级划分标准为：当X(l+1)＝0时，说明叶片未发生覆冰现象，风电机组正常运行；当X(l+1)＝1时，说明覆冰现象极其严重，风电机组无法运行。0～1之间叶片覆冰现象分为5个等级，0≤X(l+1)<0.2零级覆冰，说明叶片没有覆冰现象发生；0.2≤X(l+1)<0.4一级覆冰，说明叶片有覆冰现象发生，但覆冰程度低，不会产生安全事故，且对风力发电机组运行影响较小，需实时监控运行状态；0.4≤X(l+1)<0.6二级覆冰，说明叶片覆冰现象较为明显，存在安全隐患，对风力发电机组运行影响较大，需要及时除冰维护；0.6≤X(l+1)<0.8三级覆冰，说明风力发电机组无法正常工作，需停机维护；0.8≤X(l+1)<1四级覆冰，说明叶片覆冰现象极其严重，风力发电机组无法工作。最后根据不同预测值在同一时间节点上的数据的结冰风险分析，输出最终预测结果，给出该数据所在时刻点风机是否遭遇叶片覆冰故障的判断。并进行相应数据存储。对于声发射信号，系统将实时的对其进行处理，以达到叶片覆冰时的对叶片异常情况的精准分析；对于其他采集到的信息以保障整个系统运行时对结冰数率的把控，对覆冰厚度的判断，对叶片异常荷载的分析，已达到对叶片覆冰的实时监测的目的；系统可以实时、定期或者不定期对采集存储到的信息进行处理，作为评价风电机组正常运行时叶片是否处于覆冰、是否处于安全运行的重要参考依据。

优选的，本实施例公开的该系统还包括：

与风电机组数据处理服务器4电连接的智能交互控制界面5；

智能交互控制界面5通过通信电缆或网络与风电机组数据处理服务器4进行数据通信；

智能交互控制界面5接收风电机组数据处理服务器4传输的覆冰监测数据并实时显示。

其中，该智能交互控制界面5包括显示器、输入设备、以及报警装置；

显示器用以显示风电机组数据处理服务器4生成的覆冰监测数据；

输入设备实现数据调取；

覆冰监测数据超过监测标准时，报警装置发出警报。

优选的，本实施例公开的高灵敏声发射传感器201采用多组，且多组高灵敏声发射传感器201安装于风电机组内部的不同位置用以采集风电机组运行时叶片不同部位的声发射信号。

具体的，为了能够监测风力发电机组叶片1不同部位的覆冰数据信号，本实施例多组高灵敏声发射传感器201分别安装在风机叶片、传动轴、发电机等部位，采集风电机组运行时叶片不同的声发射信号。

作为优选的技术方案：

本实施例中的主控模块3包括：

信号接收装置；

模数转换器；

直接存储器；

滤波器，所述滤波器对所述信号采集与信号接收装置接收的信息采集单元发送的任一所述覆冰数据信号进行数据处理。

本实施例的主控模块3通过集成上述功能部件可以大大减轻CPU工作量的数据存储，并确保外部设备与处理器之间能顺利进行数据传输，所有外部存储器共享地址、数据和控制信号、所有信号波形均可完成通过参数设置。

智能交互控制界面5与风电机组数据处理服务器4相连，主要将处理后的实时数据以更为直观的方式形式显示。输入设备主要是键盘，通过输入设备，智能交互控制界面5不仅可以查看显示当前的实时数据信息，而且可以查看历史数据及其他一些必要的操作；一旦发生警报，工作人员人可在得到报警信号后，可通过该界面关闭警报，并明确具体覆冰故障，以达到及时做出相应措施，避免更为严重的后果产生；风电机组数据处理服务器4与智能交互控制界面5采用双向连接通信，工作人员可通过人为方式对主机服务器中相关信息进行更改(须有权限)，以达到适应风场不同环境条件的目的。

在上述技术方案中，本发明提供的一种基于聚类权重的风力发电机叶片覆冰状态监测系统，具有以下有益效果：

本发明的系统采用多传感器融合技术，即传感器201至206采集叶片的不同部位声发射信号，同时采集叶片的温湿度、工作电压、压力及风速等信号，传输至主控模块3，避免单一传感器信号采集的片面性，提升整体数据监测的完整性、准确性及高效性。

本发明的主控模块3对各路传感器所采集的信号集中处理、集中分析，将有用的信息发送给风电机组数据处理服务器4，再通过服务器中相应算法，对叶片覆冰情况、覆冰厚度、覆冰位置进行识别，从而给出风力发电机组叶片1覆冰的相关信息。

本发明的系统集成有智能交互控制界面5，将处理得出后的相关信息通过智能交互控制界面5实时显示出来，为操作人员提供必要的反馈信息；与此同时，在主控模块中生成风机叶片覆冰数据库，形成适合本地区、本风场的叶片覆冰模式识别库，实现提前预警，报警以及对叶片覆冰情况的实时检测，将有利减少人力物力，提高识别的准确度，从而保障机组的安全稳定运行，保证电力的正常生产。

以上只通过说明的方式描述了本发明的某些示范性实施例，毋庸置疑，对于本领域的普通技术人员，在不偏离本发明的精神和范围的情况下，可以用各种不同的方式对所描述的实施例进行修正。因此，上述附图和描述在本质上是说明性的，不应理解为对本发明权利要求保护范围的限制。