一种风力发电机组全方位安全监控系统的制作方法

文档序号:11233076
一种风力发电机组全方位安全监控系统的制造方法与工艺

本发明涉及风力发电领域,尤其涉及一种风力发电机组全方位安全监控系统。



背景技术:

随着“互联网+”智慧能源发展指导意见印发,作为重要组成部分的风能发电如今被赋予了更多的智慧基因。我国的风电行业从2006年后才开始抢规模、抢装机,到2014年的效益挖掘、设备改造,然而相比于火电、水电、核电以及其他行业,风电场智能化真正起步着实很晚。

随着我国的风电装机容量迅猛增长,总装机容量比例逐年增加,单机容量为兆瓦级大型风力发电机组以及上百兆瓦风电场正得到迅速发展;但是由于风电场大多建于偏远地区,基本属于无人或远程监控状态,而且风机内部结构复杂,故障率高,火灾隐患大,大部分风电场未曾安装与消防、安保和运行状态监控相关的系统,即使有些安装了上述个别系统,但是各系统均是独立运行,效率低下,稳定性差,无法从真正意义上给风力发电机组提供全方位的保护。



技术实现要素:

本发明的目的是通过以下技术方案实现的。

根据本发明的实施方式,提出了一种风力发电机组全方位安全监控系统,所述系统包括主控单元、运行状态检测单元、智能消防单元、安保监控单元、CAN总线、CAN总线传输单元;其中,

所述运行状态检测单元包括振动状态检测单元、运行状态预测单元以及电性能实时检测单元;

所述智能消防单元包括消防检测与报警单元以及智能灭火单元;

所述安保监控单元包括闯入检测单元以及报警单元;

所述CAN总线用于连接主控单元、运行状态检测单元、智能消防单元、安保监控单元,所述各单元通过CAN总线传输单元接入CAN总线。

根据本发明的具体实施方式,所述振动状态检测单元具体包括振动检测分控器、振动测试器、重力传感器、频率信息获取单元、阈值存储单元、以及振动相关故障告警单元。

所述振动测试器安装于风力发电机组的机舱中部,所述重力传感器为两个,安装在风力发电机组的水平平面内互相垂直的方向,并且与振动测试器连接,所述重力传感器输出两个垂直方向的实时振动信号;所述振动测试器中内置五个信号捕获与提取单元,每个信号捕获与提取单元通过各自的确切的边界频率来捕获各个振动监测信号,得到各个振动监测信号的特征信号,之后将特征信号进行提取,得到实际需要的各个振动监测信号,所述振动监测信号包括塔架自振频率、叶片挥动频率、叶片摆动频率、其它低频部件自振频率、以及安全冲击频率。

所述振动检测分控器预先根据风电机组的运行情况和振动监测分析标准对塔架自振频率、叶片挥动频率、叶片摆动频率、其它低频部件自振频率、安全冲击频率的振动监测信号分别设置相应的安全阈值,并存储于阈值存储单元。

所述振动测试器将获得的塔架自振频率、叶片挥动频率、叶片摆动频率、其它低频部件自振频率的实际需要的振动监测信号传送给频率信息获取单元;振动检测分控器将频率信息获取单元所获得的塔架自振频率、叶片挥动频率、叶片摆动频率、其它低频部件自振频率、以及安全冲击频率的振动监测信号和阈值存储单元存储的对应振动监测信号的安全阈值进行对比,振动检测分控器会根据对比后的结果,如上述振动监测信号超出安全阈值,则通过振动相关故障告警单元向主控单元报告,由主控单元下达停机或检修等处理指令。

根据本发明的具体实施方式,所述运行状态预测单元,可对风力发电机组实时运行状态进行预测,其具体包括:

运行参数检测单元,用于获取风力发电机组运行状态各预测所需参数模拟量的监测数据;

数字化单元,对运行参数检测单元获得的机组运行状态各预测所需参数模拟量的监测数据进行数字化处理,获得风力发电机组运行状态预测参数的退化度;

加权系数确定单元,将风力发电机组运行状态预测参数划分为多个分组,根据风力发电机组运行状态预测参数的退化度,实时计算风力发电机组运行状态预测参数的加权系数;

运行状态预测分控器,将每个项目内的风力发电机组运行状态预测参数构成混沌预测矩阵,结合各风力发电机组运行状态预测参数的加权系数,预测风力发电机组实时运行状态,并向主控器发送运行状态预测结果,供控制中心参考。

所述运行参数检测单元从风力发电机组控制系统获取风力发电机组运行状态预测所需参数模拟量。

根据本发明的具体实施方式,所述电性能实时检测单元具体包括:电压信号分隔电路、电压信号转换电路、电流信号分隔电路、电流信号转换电路、多信道同步采集芯片、电性能检测分控器、RAM和显示器;

电压信号分隔电路的电压信号输入端与外部电压互感器的电压信号输出端相连;电压信号分隔电路的电压信号输出端与电压信号转换电路的电压信号输入端相连;所述电压信号转换电路的电压信号输出端与多信道同步采集芯片的电压信号输入端相连;电流信号分隔电路的电流信号输入端与外部电流互感器的电流信号输出端相连;电流信号分隔电路的电流信号输出端与电流信号转换电路的电流信号输入端相连;所述电流信号转换电路的电流信号输出端与多信道同步采集芯片的电流信号输入端相连;所述多信道同步采集芯片的采集信号输出端与电性能检测分控器的采集信号输入端相连;所述电性能检测分控器的存储数据输出输入端与RAM的存储数据输出输入端相连;所述显示器的显示信号输入端与电性能检测分控器的显示信号输出端相连。

根据本发明的具体实施方式,所述智能灭火单元由传送单元和智能灭火分控器组成;

所述传送单元包括空气压缩机,高压气罐,压力阀,止逆阀,输送通道,干粉灭火剂喷头,超细碳酸二氢铵灭火粉;

所述智能灭火分控器包括灭火指令接收单元和电动阀门,在所述灭火指令接收单元接收到主控器发送的灭火指令时,开启电动阀门,准备喷射超细灭火粉。

通过本发明的上述运行状态检测单元、智能消防单元、安保监控单元可以全方位的监控风力发电机组,所述各单元都重新进行了设计,最大限度的确保了风力发电机组的高效以及稳定运行,具有非常积极的现实意义。

附图说明

通过阅读下文优选实施方式的详细描述,各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的,而并不认为是对本发明的限制。而且在整个附图中,用相同的参考符号表示相同的部件。在附图中:

附图1示出了根据本发明实施方式的风力发电机组全方位安全监控系统结构示意图;

附图2示出了根据本发明实施方式的振动状态检测单元结构示意图;

附图3示出了根据本发明实施方式的运行状态预测单元结构示意图;

附图4示出了根据本发明实施方式的电性能实时检测单元结构示意图;

附图5示出了根据本发明实施方式的消防检测与报警单元结构示意图;

附图6示出了根据本发明实施方式的智能灭火单元结构示意图;

附图7示出了根据本发明实施方式的安保监控单元结构示意图。

具体实施方式

下面将参照附图更详细地描述本公开的示例性实施方式。虽然附图中显示了本公开的示例性实施方式,然而应当理解,可以以各种形式实现本公开而不应被这里阐述的实施方式所限制。相反,提供这些实施方式是为了能够更透彻地理解本公开,并且能够将本公开的范围完整的传达给本领域的技术人员。

根据本发明的实施方式,提出了一种风力发电机组全方位安全监控系统,如附图1所示,所述系统包括主控单元、运行状态检测单元、智能消防单元、安保监控单元、CAN总线、CAN总线传输单元;其中,

所述运行状态检测单元包括振动状态检测单元、运行状态预测单元以及电性能实时检测单元;

所述智能消防单元包括消防检测与报警单元以及智能灭火单元;

所述安保监控单元包括闯入检测单元以及报警单元;

所述CAN总线用于连接主控单元、运行状态检测单元、智能消防单元、安保监控单元,所述各单元通过CAN总线传输单元接入CAN总线。

根据本发明的具体实施方式,如附图2所示,所述振动状态检测单元具体包括振动检测分控器、振动测试器、重力传感器、频率信息获取单元、阈值存储单元、以及振动相关故障告警单元。

所述振动测试器安装于风力发电机组的机舱中部,所述重力传感器为两个,安装在风力发电机组的水平平面内互相垂直的方向,并且与振动测试器连接,所述重力传感器输出两个垂直方向的实时振动信号;所述振动测试器中内置五个信号捕获与提取单元,每个信号捕获与提取单元通过各自的确切的边界频率来捕获各个振动监测信号,得到各个振动监测信号的特征信号,之后将特征信号进行提取,得到实际需要的各个振动监测信号,所述振动监测信号包括塔架自振频率、叶片挥动频率、叶片摆动频率、其它低频部件自振频率、以及安全冲击频率。

所述振动检测分控器预先根据风电机组的运行情况和振动监测分析标准对塔架自振频率、叶片挥动频率、叶片摆动频率、其它低频部件自振频率、安全冲击频率的振动监测信号分别设置相应的安全阈值,并存储于阈值存储单元。

所述振动测试器将获得的塔架自振频率、叶片挥动频率、叶片摆动频率、其它低频部件自振频率的实际需要的振动监测信号传送给频率信息获取单元;振动检测分控器将频率信息获取单元所获得的塔架自振频率、叶片挥动频率、叶片摆动频率、其它低频部件自振频率、以及安全冲击频率的振动监测信号和阈值存储单元存储的对应振动监测信号的安全阈值进行对比,振动检测分控器会根据对比后的结果,如上述振动监测信号超出安全阈值,则通过振动相关故障告警单元向主控单元报告,由主控单元下达停机或检修等处理指令。

根据本发明的具体实施方式,如附图3所示,所述运行状态预测单元,可对风力发电机组实时运行状态进行预测,其具体包括:

运行参数检测单元,用于获取风力发电机组运行状态各预测所需参数模拟量的监测数据;

数字化单元,对运行参数检测单元获得的机组运行状态各预测所需参数模拟量的监测数据进行数字化处理,获得风力发电机组运行状态预测参数的退化度;

加权系数确定单元,将风力发电机组运行状态预测参数划分为多个分组,根据风力发电机组运行状态预测参数的退化度,实时计算风力发电机组运行状态预测参数的加权系数;

运行状态预测分控器,将每个项目内的风力发电机组运行状态预测参数构成混沌预测矩阵,结合各风力发电机组运行状态预测参数的加权系数,预测风力发电机组实时运行状态,并向主控器发送运行状态预测结果,供控制中心参考。

所述运行参数检测单元从风力发电机组控制系统获取风力发电机组运行状态预测所需参数模拟量包括轴承温度、油池温度、电机绕组温度、电机转速、环境风速、其他元器件温度、环境温度、运行电流电压、功率、电网频率等;

所述数字化单元对低喜好性参数:轴承温度、油池温度、电机温度、其他元器件温度、环境温度的数字化分别通过下式进行:

式中,g(x)表示风力发电机组运行状态预测参数的退化度,x为风力发电机组运行状态预测参数的物理量的监测数据,α为该参数下限值,β为该参数的上限值;

对中间型参数:电机转速、环境风速、运行电流电压、功率、电网频率的数字化分别通过下式进行:

式中,g(x)表示风力发电机组运行状态预测参数的退化度,x为风力发电机组运行状态预测参数的物理量的监测数据,β1、β2为该参数上限值,α1、α2为该参数下限值;

所述加权系数确定单元确定各风力发电机组运行状态预测参数的固定加权系数,并通过下式获得各风力发电机组运行状态预测参数的可变加权系数:

上式中和分别为第i个项目中的第j分组的第k个参数对应的固定加权系数和可变加权系数,δ为可变加权系数因子,δ=‐1;d为分组层中包括的评判参数个数;表示各评判参数的退化度。

所述运行状态预测单元从影响风力发电机组运行状态的机组性能和外部因素2个方面建立层次型的运行状态预测参数体系,实时计算运行状态预测参数的加权系数,可使预测结果贴近当前运行情况,通过判断单项预测参数的退化度偏离情况,可避免当多项运行状态预测参数严重偏离时,所得的可变加权系数无效的问题;选用的混沌算子考虑了主要预测参数对运行状态的影响,又保留单个预测参数的全部信息,使得预测结果更符合实际情况。

根据本发明的具体实施方式,如附图4所示,所述电性能实时检测单元具体包括:电压信号分隔电路、电压信号转换电路、电流信号分隔电路、电流信号转换电路、多信道同步采集芯片、电性能检测分控器、RAM和显示器。

电压信号分隔电路的电压信号输入端与外部电压互感器的电压信号输出端相连;电压信号分隔电路的电压信号输出端与电压信号转换电路的电压信号输入端相连;所述电压信号转换电路的电压信号输出端与多信道同步采集芯片的电压信号输入端相连;电流信号分隔电路的电流信号输入端与外部电流互感器的电流信号输出端相连;电流信号分隔电路的电流信号输出端与电流信号转换电路的电流信号输入端相连;所述电流信号转换电路的电流信号输出端与多信道同步采集芯片的电流信号输入端相连;所述多信道同步采集芯片的采集信号输出端与电性能检测分控器的采集信号输入端相连;所述电性能检测分控器的存储数据输出输入端与RAM的存储数据输出输入端相连;所述显示器的显示信号输入端与电性能检测分控器的显示信号输出端相连。

所述电性能实时检测单元通过电压信号分隔电路、电压信号转换电路、电流信号分隔电路和电流信号转换电路对风电场接入电网主变压器高低压侧进行多信道同步监测采样;实现了定时电性能实时监测和数据存储,同时实现了瞬时过电压和暂时过电压波形的自动启动记录,实现了全部国家标准中有关电性能实时标准的所有监测量,将稳态测量和暂态测量合并为一体。

根据本发明的具体实施方式,如附图5所示,所述消防检测与报警单元包括消防检测分控器、烟火检测单元和报警单元,所述烟火检测单元包括高清智能球机、图像解码芯片、数字处理电路。

所述高清智能球机捕捉到监控场所的图像信息,并将图像信息发送到图像解码芯片进行图像解码;

图像解码芯片将解码后得到的数字视频信号发送到数字处理电路的数据输入端口,在数字处理电路中对输入的视频信号进行预处理,然后对预处理过的图像序列进行帧间差分运算,得到运动变化的图像,再对差分运算后的图像采用一个固定阈值加帧差分偏移量进行双值化运算,得到运动的双值化图像,所述双值化图像是由动点和不动点组成;对得到的运动的双值化图像进行形态学除噪,将孤立点和干扰像素进行去除,采用设定的网格尺寸,对除噪以后的双值化图像进行网格映射,得到网格化图像;

对所述网格化的图像采用区域增长算法捕捉监控范围内的运动目标,得到当前帧的运动目标序列,在原始图像中,对所得到的运动目标序列进行空间定位,对定位的原始图像进行高通滤波,并进行网格化,得到滤波网格图,对滤波网格图与网格化图像进行图像匹配度匹配,匹配度高的为刚体不透明运动目标,匹配度低为半透明运动目标,对匹配度规整化输出,以此匹配度作为外形匹配度特征值;

对所述运动目标序列进行八方向的目标跟踪,统计跟踪到的目标形心点,并对时间序列上的形心点进行曲线拟合作为目标的运动轨迹,对得到的目标运动曲线进行运动速度及运动方向的特征提取,运动速度缓慢、方向向上的目标作为烟火图像概率因子进行输出,得到运动形态特征值;

所述消防检测分控器对上述外形匹配度特征值和运动形态特征值进行判断,若外形匹配度特征值小于数字处理电路中提前设定的经验阈值,且当运动形态特征值概率大于一个给定值时,得出该目标图像为烟火的结论并通过报警单元发出火灾报警信号,同时将火灾报警信号和现场视频图像信号传送至主控器,并等待主控器下达灭火指令。

根据本发明的具体实施方式,所述智能灭火单元是在接收到主控器下达的灭火指令后对当前火情进行灭火处理,如附图6所示,所述智能灭火单元由传送单元和智能灭火分控器组成。

所述传送单元包括空气压缩机,高压气罐,压力阀,止逆阀,输送通道,干粉灭火剂喷头,超细碳酸二氢铵灭火粉。

空气压缩机将空气压缩成高压气体向输送通道提供新型超细碳酸二氢铵灭火粉流动的动力。

压力阀用于监控高压气罐内气压值,使其在不同环境温度下维持在安全气压值以下。

止逆阀防止流体的回流。

该输送通道包括主管道和分管道,主管道的上端连接空气压缩机和高压气罐,其下端连通各个房间的分管道,在火灾发生时将灭火粉输送到发生火灾区域内的灭火剂喷头处。

所述智能灭火分控器包括灭火指令接收单元和电动阀门,在所述灭火指令接收单元接收到主控器发送的灭火指令时,开启电动阀门,准备喷射超细灭火粉。

根据本发明的具体实施方式,如附图7所示,所述安保监控单元包括安保监控分控器、闯入检测单元以及报警单元。

所述闯入检测单元包括闯入确认单元和闯入识别单元,所述闯入确认单元包括多个设置于塔架四周的基于zigbee的测量节点、链路强度汇集节点以及闯入确认运算单元,所述基于zigbee的测量节点之间进行无线通信,各节点依次发送无线信号,其它节点接收无线信号并记录接收信号强度,链路强度汇集节点通过zigbee技术收集所有基于zigbee的测量节点测量到的无线链路信号强度信息,同时,将采集的信息发送给闯入确认运算单元,闯入确认运算单元根据无线链路强度信息实现对是否有物体闯入的检测。

所述闯入确认运算单元根据无线链路强度信息实现对是否有物体闯入的检测具体包括:

假设各基于zigbee的测量节点之间形成n条无线链路,在t‐1与t时刻分别得到由这n条无线链路接收信号强度的均值m和方差v组成的特征矩阵A和B如下:

其中,特征矩阵A和B包含了无线链路信号强度的均值m以及方差v特征,mn1以及vn2分别代表第n条无线链路的信号强度均值及方差;计算特征矩阵A和B中对应元素值的大小相似程度得到匹配度矩阵C如下:

其中,mn1‐m'n1代表了第n条链路的均值的差异,vn1‐v'n1代表了第n条链路的方差的差异,dn代表了第n条链路的长度。当匹配度矩阵C的各元素之和大于设定的阈值时,所述闯入确认运算单元将判定物体闯入。

当闯入确认单元确认物体闯入时,所述闯入识别单元启动,所述闯入识别单元包括:

影像获取单元,用于获取静态图像,并传输给图像处理单元。

影像处理单元,用于对静态影像进行预处理,得到灰度补偿影像。

人像检测单元,用于对灰度影像进行人像检测和定位;若检测到人像则获得固定大小的灰度人像影像,并传输给人像识别单元;若没有检测到人像则直接将灰度影像传输给背景对比单元;

背景对比单元,用于将数据存储单元存储的平均背景影像和人像检测单元传来的灰度影像分别划分为若干个权重不同的子影像,计算对应子影像的匹配度,并对所有子影像的匹配度进行加权求和,若加权求和结果大于预设的匹配度阈值,则作为检测到异常的灰度影像存储到数据存储单元,并通知报警单元进行报警。

人像识别单元,用于对灰度人像影像和数据存储单元存储的已注册人像影像进行特征提取、计算匹配度,根据匹配度判断是否为陌生人,若为陌生人则通知报警管理单元进行报警。

人像注册单元,用于实时检测灰度人像影像,并进行标记。

数据存储单元,用于存储已注册人像影像,被判为陌生人的灰度人像影像,检测到异常的灰度影像,平均背景影像和用户自定义信息。

所述人像识别单元在进行特征提取、计算匹配度时包括如下步骤:

a)对待识别的灰度人像影像q和数据存储单元存储的N幅已注册人像影像pi(i=1,2…,N)进行局部双值模式变换,用以减小光照等变化带来的影响;

b)将步骤a)变换后的影像划分成L个大小相同且互不重叠的子影像块;

c)对待识别灰度人像影像q的每个子影像块qj和所有对应的已注册人像影像的子影像块pi,j进行随机采样,即随机选择qj和pi,j若干个相同位置的数值,得到测试特征子集q,j和训练特征子集p,i,j,其中i=1,2…,N,j=1,2,…L;

d)计算测试特征子集和训练特征子集之间的汉明距离作为匹配度度量,若测试特征子集和最相似的训练特征子集之间的汉明距离超过预先设定的匹配度阈值,则认为此次随机采样所代表的子影像块qj和pi,j(i=1,2…,N)不相似;

e)步骤c)和d)重复k次,即进行k次随机采样,统计待识别的灰度人像影像q的L个子影像块一共得到的不相似次数,若不相似次数超过预定阈值则认为待识别的灰度人像影像q和数据存储单元存储的N幅已注册人像影像都不相似,为陌生人或未注册,否则为已注册。

通过本发明的上述运行状态检测单元、智能消防单元、安保监控单元可以全方位的监控风力发电机组,最大限度的确保了风力发电机组的高效运行,具有非常积极的现实意义。

以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应所述以权利要求的保护范围为准。

再多了解一些
当前第1页1 2 3 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1