一种风力发电机组叶片故障诊断的方法和装置的制造方法
【技术领域】
[0001]本发明涉及风力发电领域，尤其涉及一种风力发电机组叶片故障诊断的方法和装置。
【背景技术】
[0002]叶片是风力发电机组的关键部件之一，在工作过程中受到强风负荷、砂粒冲刷、大气氧化与潮湿空气腐蚀、雷击等因素的影响，不可避免会出现气孔、裂缝、磨损、腐蚀等问题，如不及时进行处理会导致叶片断裂，轻则造成停机，重则烧坏机组，影响正常供电，造成不可挽回的损失。
[0003]因此，如何在不影响风力发电机组正常运行的前提下，实时监测风力发电机组叶片状态，及时、准确地对叶片的各种异常状态或故障状态做出诊断，对于风力发电机组的安全运行具有十分重要的意义。
【发明内容】
[0004]鉴于上述问题，本发明提供了一种风力发电机组叶片故障诊断的方法和装置，以解决上述问题或者至少部分地解决上述问题。
[0005]依据本发明的一个方面，提供了一种风力发电机组叶片故障诊断的方法，该方法包括:
[0006]采集风力发电机组各叶片的噪音信号；
[0007]获得各叶片的噪音信号的频谱特征；
[0008]根据各叶片的噪音信号的频谱特征判断是否存在发生故障的叶片。
[0009]可选地，所述根据各叶片的噪音信号的频谱特征判断是否存在发生故障的叶片包括:
[0010]实时分析不同叶片的噪音信号的频谱特征之间的差异；
[0011]对于每个叶片，如果该叶片与其他各叶片的当前噪音信号的频谱特征之间的差异均出现异常，则确定该叶片发生故障；
[0012]其中，该叶片与其他任一叶片的当前噪音信号的频谱特征之间的差异出现异常包括:二者的当前噪音信号的频谱特征之间的差异超出预定范围。
[0013]可选地，所述根据各叶片的噪音信号的频谱特征判断是否存在发生故障的叶片包括:
[0014]如果一个叶片的噪音信号的频谱的频率范围达到嘯叫频率范围，则确定该叶片发生故障。
[0015]可选地，在所述采集风力发电机组各叶片的噪音信号之前，该方法进一步包括:采集风力发电机组在初始运行时各叶片的全转速状态的噪音信号，作为各叶片的全转速标准噪音信号；
[0016]在所述采集风力发电机组各叶片的噪音信号之后，该方法进一步包括:根据各叶片的当前噪音信号的周期获得当前转速；从各叶片的全转速标准噪音信号中获取与当前转速对应的各叶片的当前标准噪音信号；获得各叶片的当前标准噪声信号的频谱特征；
[0017]则所述根据各叶片的噪音信号的频谱特征判断是否存在发生故障的叶片包括:对于每个叶片，比较该叶片的当前噪音信号的频谱特征与当前标准噪音信号的频谱特征，如果存在异常，则确定该叶片发生故障。
[0018]可选地，所述采集风力发电机组各叶片的噪音信号包括:
[0019]将拾音器或拾音器阵列安装在所述风力发电机组的机舱部位，利用所述拾音器或拾音器阵列采集风力发电机组各叶片的噪音信号。
[0020]依据本发明的另一个方面，提供了一种风力发电机组叶片故障诊断的装置，该装置包括:
[0021]信号采集器，用于采集风力发电机组各叶片的噪音信号；
[0022]分析处理模块，用于获得各叶片的噪音信号的频谱特征；根据各叶片的噪音信号的频谱特征判断是否存在发生故障的叶片。
[0023]可选地，所述分析处理模块，用于实时分析不同叶片的噪音信号的频谱特征之间的差异；对于每个叶片，判断该叶片与其他各叶片的当前噪音信号的频谱特征之间的差异是否均出现异常，是则确定该叶片发生故障；
[0024]其中，该叶片与其他任一叶片的当前噪音信号的频谱特征之间的差异出现异常包括:二者的当前噪音信号的频谱特征之间的差异超出预定范围。
[0025]可选地，所述分析处理模块，用于判断一个叶片的噪音信号的频谱的频率范围是否达到嘯叫频率范围，是则确定该叶片发生故障。
[0026]可选地，所述信号采集器，进一步用于采集风力发电机组在初始运行时各叶片的全转速状态的噪音信号，作为各叶片的全转速标准噪音信号；
[0027]所述分析处理模块，进一步用于根据各叶片的当前噪音信号的周期获得当前转速；从各叶片的全转速标准噪音信号中获取与当前转速对应的各叶片的当前标准噪音信号，获得各叶片的当前标准噪声信号的频谱特征；对于每个叶片，比较该叶片的当前噪音信号的频谱特征与当前标准噪音信号的频谱特征，如果存在异常，则确定该叶片发生故障。
[0028]可选地，所述信号采集器包括:安装在所述风力发电机组的机舱部位的拾音器或拾音器阵列。
[0029]由上述可知，本发明提供的技术方案在不影响风力发电机组正常运行的前提下，通过对风力发电机组各叶片的噪音信号的采集、处理和分析，实时监测叶片状态，能够及时、准确地对叶片的各种异常状态或故障状态做出诊断，进而能够针对所诊断出的故障制定相应的应对措施，降低由于突发事故产生的不必要损失及停机维护检修带来的发电损失，减少叶片的维修维护成本，提高风力发电机组的整体可靠性、稳定性与综合效益。
[0030]上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的【具体实施方式】。
【附图说明】
[0031]图1示出了根据本发明一个实施例的一种风力发电机组叶片故障诊断的方法的流程图；
[0032]图2示出了根据本发明一个实施例的风力发电机组的示意图；
[0033]图3示出了根据本发明一个实施例的一种风力发电机组叶片故障诊断的装置的示意图。
【具体实施方式】
[0034]为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明实施方式作进一步地详细描述。
[0035]图1示出了根据本发明一个实施例的一种风力发电机组叶片故障诊断的方法的流程图。如图1所示，该方法包括:
[0036]步骤S110，采集风力发电机组各叶片的噪音信号。
[0037]步骤S120，获得各叶片的噪音信号的频谱特征。
[0038]本步骤中，通过将噪音信号从时域信号转换为频域信号，获得噪音信号的频谱；所述噪音信号的频谱特征包括:噪音信号的频谱的幅值、噪音信号的频谱的幅值的平均值、噪音信号的频谱的幅值的均方根值以及噪音信号的频谱频率范围分布等参数，噪音信号的频谱特征能够反映噪音信号的分贝、能量、频率分布等特性。
[0039]步骤S130，根据各叶片的噪音信号的频谱特征判断是否存在发生故障的叶片。
[0040]可见，图1所示的方法在不影响风力发电机组正常运行的前提下，通过对风力发电机组各叶片的噪音信号的采集、处理和分析，实时监测叶片状态，能够及时、准确地对叶片的各种异常状态或故障状态做出诊断，进而能够针对所诊断出的故障制定相应的应对措施，降低由于突发事故产生的不必要损失及停机维护检修带来的发电损失，减少叶片的维修维