风机发电并网后暴露的潜在故障。
[0049]在本发明的一个实施例中，IP电话模块111包括:双麦克风和指向性算法模块;双麦克风分别用于采集语音信号；指向性算法模块，用于根据预设的指向性算法对双麦克风采集的语音信号进行处理，以降低语音信号中的背景噪声。
[0050]风机所在现场的噪声很大，利用一般的对讲设备很难清楚地讲话来与外部通信。双麦克风技术是一种有效的降噪技术，它有一对相匹配的麦克风分别在前后两个位置接收信号，根据声音信号到达两个麦克风的时间差来确定方向。双麦克风系统能提供更优化的信噪比，适合现场声音采集使用，利用双麦克风降噪技术，可以有效降低风力发电场背景噪声对通信信号的影响，提高语音信号采集质量，提高风机现场和外部通信的质量。
[005? ]在本发明的一个实施例中，IP电话模块111的耳机和麦克风米用耳麦的形式实现，能够在风电场噪音环境中有效提高通话质量，进行高性能通话。
[0052]在本发明的一个实施例中，IP电话模块111还拥有设置对讲优先权和冲突对讲延时的功能。风力发电场的通信对讲有自身的特点，存在两种情况:1)风机之间通信，2)风机和监控后台的通讯，二者都是点对点通讯。通过设置对讲优先权，有后台参与的通讯不能被打断，风机之间通讯可以被后台打断，能保证后台重要通话的优先通信。冲突对讲延时指两台风机之间正在通讯，如果第三台风机呼叫其中一台，那么该通讯不会被打断，但是被呼叫风机会显示呼叫的第三台风机号，以便回拨呼叫，冲突对讲延时能保证风机之间的通话不被其他风机呼叫打断，并且记录呼叫风机号，不错过通话。
[0053]图2为本发明另一个实施例提供的一种应用于风力发电场的终端设备示意图。如图2所示，该终端设备200包括:数据采集器220和通信模块210。
[0054]其中，通信模块210与图1中通信模块110功能相同，数据采集器220除具有与图1所示数据采集器120相同的功能外，进一步包括:监测处理模块221，用于实时监测风力发电机组的多个部件的状态，以及用于对于每个部件，根据其状态判断该部件是否发生故障;报警处理模块222，用于当监测处理模块221判断出风力发电机组的一个或多个部件发生故障时，发送报警信息。
[0055]在上述实施例中，监测处理模块221，用于执行以下一种或多种监测处理过程:
[0056]1、监测风力发电机组的各叶片的振动状态，根据各叶片的振动状态判断是否存在发生故障的叶片。监测处理模块221，用于采集各叶片的噪音信号，获得各叶片的噪音信号的频域特征;根据各叶片的噪音信号的频域特征判断是否存在发生故障的叶片，其中，采集风力发电机组各叶片的噪音信号，通过傅里叶变换将各叶片的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。噪音信号的频域特征包括:噪音信号的频域幅值、噪音信号的频域幅值的平均值、噪音信号的频域幅值的均方根值以及噪音信号的频域范围分布等参数，噪音信号的频域特征能够反映噪音信号的分贝、能量、频率分布等特性。具体地，监测处理模块221，用于执行以下一种或多种故障判断过程:
[0057]1)、分析不同叶片的噪音信号的频域特征之间的差异，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域特征之间的差异均出现异常，则确定该叶片发生故障;其中，该叶片与其他任一叶片的噪音信号的频域特征之间的差异出现异常包括:二者的当前噪音信号的频域特征之间的差异超出正常范围。
[0058]对于叶片未发生故障的风力发电机组来说，理想情况下多个叶片的噪音信号的频域特征应当是相同的，但在实际情况下，由于风力发电机组在出厂装配时，多个叶片的安装角以及结构不是完全对称的，导致多个叶片在未发生故障时，其噪音信号不完全相同，噪音信号的频域特征之间存在微小差异，该差异不随外界环境的影响而变化，称为噪音信号的频域特征之间的系统差异。对于每两个叶片来说，如果二者的噪音信号的频域特征之间的差异与系统差异不匹配，容易推理得到，二者中存在发生故障的叶片；因此，当风力发电机组的一个叶片与其它各叶片的当前噪音信号的频域特征之间的差异与系统差异均不匹配时，则确定该叶片发生故障。
[0059]通过对同一时间的风力发电机组的不同叶片之间的相对比较，实现了叶片故障的诊断，由于同一时间内各叶片运行的外界环境相同，因此所采集到的各叶片的噪音信号中的背景噪音也相同，该方案在不同叶片的噪音信号的相对比较中巧妙地直接消除了背景噪音对各叶片的噪音信号的影响，故障诊断的成本低、可靠性高、稳定性高，符合需求。
[0060]2)、如果一个叶片的噪音信号的频域范围达到嘯叫频率范围，则确定该叶片发生故障。一般情况下，所述嘯叫频率范围在6kHz-10kHz之间，当一个叶片的噪音信号的频域频率范围达到该嘯叫频率范围，并达到一定的程度时，确定该叶片发生故障。
[0061]3)、对于每个叶片，比较该叶片的当前噪音信号的频域特征与当前转速下标准噪音信号的频域特征，如果存在异常，则确定该叶片发生故障。
[0062]考虑到每个风力发电机组在出厂装配后初始运行时各部分结构正常、运行状态良好，因此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，即正常情况下各叶片在各个不同转速下的噪音信号，作为各叶片的全转速标准噪音信号。在实时采集风力发电机组各叶片的噪音信号之后，可以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当前转速下各叶片的标准噪音信号，进而获得各叶片的当前转速下标准噪音信号的频域特征。对于每个叶片，比较该叶片的当前噪音信号的频域特征与当前转速下标准噪音信号的频域特征，如果不匹配程度超出了可忽略误差范围，则确定该叶片发生故障。
[0063]例如，图3示出了一种风力发电机组的侧视图，示出了对风力发电机组的叶片的监测。如图3所示，该风力发电机组包括:三个叶片310(由于视角原因，图3中只示出两个叶片310)、机舱320和塔筒330。为了实现对图3所示的风力发电机组的叶片状态的实时监测，采用信号采集器340采集叶片状态信息，将信号采集器340安装在风力发电机组的机舱320的上方部位，当然，信号采集器340也可以安装在其他能够接收到稳定、信噪比高、灵敏度高的噪音信号的位置上，其中，信号采集器340可以是拾音器或拾音器阵列，该拾音器或拾音器阵列可以放入耳蜗结构中，使其具有较强的方向性。
[0064]2、监测风力发电机组的主轴轴承的振动状态，根据主轴轴承的振动状态判断主轴是否发生故障。
[0065]3、监测风力发电机组的齿轮箱的振动状态，根据齿轮箱的振动状态判断齿轮箱是否发生故障。
[0066]4、监测风力发电机组的齿轮箱中的润滑油的油液状态，根据齿轮箱中的润滑油的油液状态判断齿轮箱中的润滑油、机械部件和机械结构是否存在问题;具体来说，监测处理模块221，用于采集齿轮箱中的润滑油的粘度、温度、密度、水分、颗粒数和颗粒度中的一个或多个，如果齿轮箱中的润滑油的粘度、温度、密度、水分、颗粒数和颗粒度中的一个或多个偏离正常范围，则确定齿轮箱中的润滑油的质量存在问题。
[0067]其中，润滑油的粘度的大幅度变化表征着齿轮油的失效；润滑油的温度升高表征风力发电机组的齿轮箱温度升高，超过55°C需要停机;润滑油的密度升高，可推断混入重质油品或金属颗粒，润滑油的密度降低可推断混入了轻质油品或水;水分是润滑油的天敌，可导致润滑油化学性质变化、防锈性能降低、产生泡沫引起高液位报警、粘度降低等；润滑油中的颗粒数和颗粒度能够辅助判断齿轮、箱体、轴承的磨损情况，颗粒数和颗粒度的累积增长斜率超过一定程度将表征风力发电机组内部部件的磨损加快或故障的发生。
[0068]例如，图4示出了一种风力发电机组的齿轮箱的示意图，示出了对风力发电机组的齿轮箱中的润滑油的监测。如图4所示，利用油液监测传感器410在线实时监测齿轮箱420旁路油管内的油液状态，确认润滑油的性能和齿轮箱420的运行状态。该监测过程无需工作人员进行定期抽取油样，能够及时发现润滑油异常和齿轮箱异常。
[0069]5、监测风力发电机组的发电机的转子轴承的振动状态，根据发电机的转子轴承的振动状态判断发电机是否发生故障。
[0070]6、监测风力发电机组机舱内部噪声，或特定观察部位的噪声情况，根据噪声情况，判断风力发电机组是否发生故障或者是否存在潜在的故障。
[0071]7、监测风力发电机组的塔筒状态:
[0072]1)、监测风力发电机组的塔筒的振动状态，根据塔筒的振动状态判断塔筒是否发生非正常晃动。在具体的实施例中，上述监测过程为:采集塔筒的振动信号，获得振动信号的时域特征和频域特征，如果塔筒的振动信号的时域特征和/或频域特征的幅值和频率超出正常范围，则判断塔筒发生非正常晃动;其中，可以利用振动加速度传感器采集塔筒在水平方向上的振动信号。
[0073]2)、监测风力发电机组的塔筒的倾斜状态，根据塔筒的倾斜状态判断塔筒所处的地基是否发生非正常沉