基于多源信号的风力发电机组风速仪故障监测方法及系统

技术领域

本发明涉及风力发电技术领域，具体涉及一种风力发电机组风速仪故障监测方法及系统。

背景技术

风力发电机组的风速信号来源于安装在机舱上方外部的风速仪，风速信号作为风机启停机、安全链等控制逻辑的输入参数。随着风力发电机组运行时间的增长，风速仪逐步老化，存在失效、测风信号偏差大等问题，影响了风机的安全稳定运行。

目前，对风速仪故障的监测和判断，主要基于其信号是否丢失、卡死等，对其信号的准确性缺少量化的评价方法。根据风力发电原理，叶轮在风吹过时得到气动升力，气动升力与叶片本身重力在叶片旋转方向上的分量，形成了旋转力矩，推动叶轮转动，并进一步通过传动链、发电机等设备转化为电能。

因此，如果可以得到叶根扭矩与风速的关联函数，即可通过扭矩推算风速，并与风速仪风速对比，评价风速仪信号的准确性。

有鉴于此，本申请的发明人设计了一种基于多源信号的风力发电机组风速仪故障监测方法及系统，以期克服上述技术问题。

发明内容

本发明要解决的技术问题是为了克服现有技术中对风速仪故障的监测和判断，主要基于其信号是否丢失、卡死等，对其信号的准确性缺少量化的评价方法的缺陷，提供一种基于多源信号的风力发电机组风速仪故障监测方法及系统。

本发明是通过下述技术方案来解决上述技术问题的：

本发明一种基于多源信号的风力发电机组风速仪故障监测方法，其特点在于，所述方法包括步骤：S

根据本发明的一个实施例，所述多源信号数据至少包括：叶片载荷信号数据，以及风力发电机组数据采集与监视控制系统的信号数据。

根据本发明的一个实施例，所述步骤S

根据本发明的一个实施例，所述叶片升力扭矩的计算公式为：

根据本发明的一个实施例，所述步骤S

根据本发明的一个实施例，所述步骤S

根据本发明的一个实施例，所述多层前馈神经网络的输入参数包括：叶片机械功率、由风力发电机组数据采集与监视控制系统记录的功率、对风角度和桨距角；所述多层前馈神经网络的输出参数包括：风力发电机组数据采集与监视控制系统记录的风速。

根据本发明的一个实施例，所述步骤S

本发明还提供一种基于多源信号的风力发电机组风速仪故障监测系统，其特点在于，所述故障监测系统采用如上所述的基于多源信号的风力发电机组风速仪故障监测方法，所述故障监测系统包括：准备模块，用于对多源信号数据进行神经网络建模，根据建模数据，计算叶片升力扭矩；将所述叶片升力扭矩结合叶轮转速，计算叶片机械功率；建立多源信号数据与风速的关系；偏差计算模块，用于计算推算风速与实际风速偏差的均值和标准差，通过所述均值和所述标准差计算偏差允许范围；判断模块，用于计算推算风速与风速仪风速的差值，当差值超出偏差允许范围且持续预设时间段，则判断风速仪发生故障。

根据本发明的一个实施例，所述偏差允许范围的计算公式为：偏差允许范围＝[均值-(2.576*标准差),均值+(2.576*标准差)]。

本发明的积极进步效果在于：

本发明基于多源信号的风力发电机组风速仪故障监测方法及系统至少具备如下优势：

一、多源信号方法利用来自不同传感器和系统的数据，这种多元化的数据来源有助于更全面地捕捉风速仪的运行状态和潜在故障，从而提高故障检测的准确性。

二、能够准确判断风速仪故障状态并及时预警，从而允许风电场运维人员进行预防性维护，避免因风速仪故障导致的风电场停机或发电效率降低。

三、通过及时监测和预警，可以减少因风速仪故障导致的停机时间，提高风电场的运行效率和发电效益。

四、通过准确判断风速仪的故障状态，可以避免不必要的维修和更换，从而降低风电场的维护成本。

附图说明

本发明上述的以及其他的特征、性质和优势将通过下面结合附图和实施例的描述而变的更加明显，在附图中相同的附图标记始终表示相同的特征，其中：

图1是本发明基于多源信号的风力发电机组风速仪故障监测方法的一实施例中叶片载荷信号示意图。

图2是本发明基于多源信号的风力发电机组风速仪故障监测方法的一实施例中基于多源数据计算的风速和实际风速示意图。

图3是本发明基于多源信号的风力发电机组风速仪故障监测方法的一实施例中基于叶片载荷推算风速的风速仪故障状态监测应用示意图。

图4是本发明基于多源信号的风力发电机组风速仪故障监测方法的流程示意图。

具体实施方式

为让本发明的上述目的、特征和优点能更明显易懂，以下结合附图对本发明的具体实施方式作详细说明。

现在将详细参考附图描述本发明的实施例。现在将详细参考本发明的优选实施例，其示例在附图中示出。在任何可能的情况下，在所有附图中将使用相同的标记来表示相同或相似的部分。此外，尽管本发明中所使用的术语是从公知公用的术语中选择的，但是本发明说明书中所提及的一些术语可能是申请人按他或她的判断来选择的，其详细含义在本文的描述的相关部分中说明。此外，要求不仅仅通过所使用的实际术语，而是还要通过每个术语所蕴含的意义来理解本发明。

如图4所示，本发明提供一种基于多源信号的风力发电机组风速仪故障监测方法，所述方法包括步骤：

步骤S

步骤S

步骤S

步骤S

步骤S

多源信号方法利用来自不同传感器和系统的数据。这种多元化的数据来源有助于更全面地捕捉风速仪的运行状态和潜在故障，从而提高故障检测的准确性。

通过实时监测和分析多源信号，该方法能够在风速仪出现故障的早期阶段就发出预警。这有助于及时采取维护措施，避免故障进一步恶化，降低维修成本，提高风力发电机组的可用性和可靠性。

由于该方法依赖于多个信号源，即使某个信号源出现故障或异常，其他信号源仍然可以提供有用的信息。这种冗余性使得整个监测系统更加稳定可靠，提高了系统的鲁棒性。

不同的风力发电机组和环境条件可能产生不同的信号特征。多源信号方法具有较强的适应性，可以通过调整参数和算法来适应不同的应用场景，确保故障监测的准确性和有效性。

作为本发明基于多源信号的风力发电机组风速仪故障监测方法的一种优选实施方式，所述多源信号数据至少包括：叶片载荷信号数据，以及风力发电机组数据采集与监视控制系统(SCADA)的信号数据。

为了提高对风力发电机组风速仪设备故障监测水平，本方法基于叶片载荷监测信号和风力发电机组数据采集与监视控制系统(SCADA)信号，对多源数据进行神经网络建模，推算理论风速，并与风速仪采集到的风速数据进行对比，判断风速仪的故障状态。

在本实施例中，风速仪风速可以为风力发电机组数据采集与监视控制系统(SCADA)记录。

作为本发明基于多源信号的风力发电机组风速仪故障监测方法的一种优选实施方式，所述步骤S

根据建模数据，叶片载荷信号按设定采样频率进行采集，取其中最大个数的完整周期，计算叶片旋转一圈时所承受的平均载荷，获得叶片升力扭矩。

如图1所示，优选地，根据建模数据，按每分钟计算叶片升力扭矩，叶片载荷信号的采样频率为50Hz，即1分钟有3000个时间序列点(每两个时间序列点之间的时间间隔是0.02秒)，取其中最大个数的完整周期，计算叶片旋转一圈时所承受的平均载荷，即可得到叶片的纯气动升力扭矩(叶片自身重量造成的载荷在完整旋转周期加总时为0)。

作为本发明基于多源信号的风力发电机组风速仪故障监测方法的一种优选实施方式，所述叶片升力扭矩的计算公式为：

其中，F

作为本发明基于多源信号的风力发电机组风速仪故障监测方法的一种优选实施方式，所述步骤S

在得到所述叶片升力扭矩后，结合叶轮转速，计算得到叶片机械功率，计算公式如下：

其中，P

作为本发明基于多源信号的风力发电机组风速仪故障监测方法的一种优选实施方式，所述步骤S

步骤S

步骤S

作为本发明基于多源信号的风力发电机组风速仪故障监测方法的一种优选实施方式，所述多层前馈神经网络的输入参数包括：叶片机械功率、由风力发电机组数据采集与监视控制系统(SCADA)记录的功率、对风角度和桨距角等；所述多层前馈神经网络的输出参数包括：风力发电机组数据采集与监视控制系统(SCADA)记录的风速。

如图2所示，为一实施例中基于多源数据计算的风速和实际风速的示意图。

作为本发明基于多源信号的风力发电机组风速仪故障监测方法的一种优选实施方式，所述步骤S

步骤S

步骤S

偏差允许范围＝[均值-(2.576*标准差),均值+(2.576*标准差)]。

在步骤S

在步骤S

其中，风速仪风速可以为风力发电机组数据采集与监视控制系统(SCADA)记录。

如图3所示，在一个具体实施例中，利用某2.2MW机组65.91米长度叶片载荷监测数据，按本发明基于多源信号的风力发电机组风速仪故障监测方法的步骤进行建模，风速仪的风速与基于叶片载荷推算的风速大小及变化趋势基本保持一致，且未超过模型设定的上、下界，该风速仪未发生故障，状态良好。

本发明还提供一种基于多源信号的风力发电机组风速仪故障监测系统，所述故障监测系统采用如上所述的基于多源信号的风力发电机组风速仪故障监测方法，所述故障监测系统包括：

准备模块，用于对多源信号数据进行神经网络建模，根据建模数据，计算叶片升力扭矩；将所述叶片升力扭矩结合叶轮转速，计算叶片机械功率；建立多源信号数据与风速的关系；

偏差计算模块，用于计算推算风速与实际风速偏差的均值和标准差，通过所述均值和所述标准差计算偏差允许范围；

判断模块，用于计算推算风速与风速仪风速的差值，当差值超出偏差允许范围且持续预设时间段，则判断风速仪发生故障。

作为本发明基于多源信号的风力发电机组风速仪故障监测系统的一种优选实施方式，所述偏差允许范围的计算公式为：

偏差允许范围＝[均值-(2.576*标准差),均值+(2.576*标准差)]。

综上所述，基于多源信号的风力发电机组风速仪故障监测方法及系统具有如下诸多优势：

一、多源信号方法利用来自不同传感器和系统的数据，这种多元化的数据来源有助于更全面地捕捉风速仪的运行状态和潜在故障，从而提高故障检测的准确性。

二、能够准确判断风速仪故障状态并及时预警，从而允许风电场运维人员进行预防性维护，避免因风速仪故障导致的风电场停机或发电效率降低。

三、通过及时监测和预警，可以减少因风速仪故障导致的停机时间，提高风电场的运行效率和发电效益。

四、通过准确判断风速仪的故障状态，可以避免不必要的维修和更换，从而降低风电场的维护成本。

虽然以上描述了本发明的具体实施方式，但是本领域的技术人员应当理解，这些仅是举例说明，本发明的保护范围是由所附权利要求书限定的。本领域的技术人员在不背离本发明的原理和实质的前提下，可以对这些实施方式作出多种变更或修改，但这些变更和修改均落入本发明的保护范围。