风力发电机的叶片检测方法与装置与流程

本发明提供一种风力发电机的叶片诊断方法，特别是一种可在风力发电机运转时的叶片诊断方法。

背景技术：

风能是因为风力流动所产生的能量，风力发电则是利用特殊的发电装置将风能转换为电能。因为风能是干净、可再生且丰富的能量，且风力发电的过程不会排放温室效应气体，风力发电已经逐渐成为替代使用化石燃料发电的一种新选择。

风力发电装置主要包含了多个叶片的一风力叶片机构，传动机构以及发电装置。当风力驱动风力叶片机构时，风力叶片机构因此转动而产生机械能，这些机械能通过传动机构传送给发电装置，发电装置通过电磁作用将机械能转换电能。而产生的电能会被储存在一电池或是输入到一供电网络。

风力发电机的叶片是由复合材料所形成，可以用以承受风力发电机的叶片旋转时承受的压力。在一些情况下，风力发电机的叶片在制造过程中会产生暇疵，而这种暇疵会造成风力发电机的叶片在运转时无法承受过度的压力。另外的情况下，风力发电机的叶片的暇疵是因为长期运作时所产生叶片疲劳。在另外的情况下，风力发电机的叶片的暇疵是因为运转时，叶片受到异物撞击，如砂石，所产生。

一般来说，风力发电机的建置成本很高，而且建置好了以后，不方便任意拆卸检查。而目前的风力发电机监控装置，主要是监控风力发电装置的转速、风速以及发电量。然而，当上述三项数据发生异常时，风力发电装置通常已经损伤的严重，而必需要停机维修。目前并没有专门的监控装置监控风力发电机的叶片的使用状态，而传统的风力发电机的叶片检测方法必须将叶片拆下后，再通过超音波检测仪进行检测。这样的检测方式并不方便而且费时。

技术实现要素：

本发明提供一种风力发电机的叶片诊断方法，特别是一种可在风力发电机运转时的叶片诊断方法。

本发明的一实施例提供一种风力发电机的叶片检测方法，包括通过一麦克风取得风力发电机运转时的一运转声音；将该运转声音转换为一时频频谱；将该时频频谱对时间积分以产生一边际频谱；以及根据该边际频谱与一参考曲线，判断风力发电机的叶片是否有损伤。

本发明的另一实施例为一种风力发电机的叶片监控装置，包括一麦克风、一诊断装置以及一诊断输出装置。麦克风，用以接收取得风力发电机运转时的一运转声音。诊断装置，将该运转声音转换为一时频频谱，接着将该时频频谱对时间积分以产生一边际频谱，并根据该边际频谱与一参考曲线，判断风力发电机的叶片是否有损伤。诊断输出装置，用以输出该诊断装置的诊断结果。

附图说明

图1为一正常的风力发电机与具有损伤叶片的风力发电机的时域(time domain)与时频域(time-frequency domain)的比较示意图。

图2A为正常的风力发电机的时频频谱图。

图2B为叶片受损的风力发电机的时频频谱图。

图3为根据本发明的一种风力发电机的叶片检测方法的一实施例的流程图。

图4为根据本发明的一种风力发电机的参考曲线产生方法的一实施例的流程图。

图5为一参考曲线与边际频谱的示意图。

图6为一正常风力发电机于一预定期间内的指标值的变化示意图。

图7为一待测风力发电机于一预定期间内的指标值的变化示意图。

图8为根据本发明的一风力发电机的叶片检测方法的另一实施例的流程图。

图9为根据本发明的一风力发电机的叶片检测方法的另一实施例的流程图。

图10为根据本发明的一风力发电机的叶片监控装置的一实施例的示意图。

附图标记说明：

1001～麦克风

1002～诊断装置

1003～诊断输出装置

1004～储存装置

1005～运算装置

1006～同步装置

具体实施方式

风力发电机的一个主要部分就是叶片，而一般的风力发电机的叶片数量是3片，但是本案提出的风力发电机的叶片诊断方法可适用在具有任何数量叶片的风力发电机。传统的风力发电机的叶片检测方法必须先停止风力发电机的运作才能进行检测风力发电机的叶片，但是本案提出的风力发电机的叶片诊断方法可在风力发电机运作时，检测风力发电机的叶片。

图1为一正常的风力发电机与具有损伤叶片的风力发电机的时域(time domain)与时频域(time-frequency domain)的比较示意图。左边区域11表示具有损伤叶片的风力发电机的时域图(上方黑色曲线)与时频域图(下方以红色表示的为能量示意图)。右边区域13表示正常的风力发电机的时域图(上方黑色曲线)与时频域图(下方以红色表示的为能量示意图)。在时域的部分，正常的风力发电机与具有损伤叶片的风力发电机的时域图并无法观察出明显的差异，但是在时频域的部分，正常的风力发电机与具有损伤叶片的风力发电机的时频域图就有明显不同。在线框15中，可以明显发现具有损伤叶片的风力发电机的时频域图明显有三个峰值(peak)，但在线框17中，只能发现模糊的峰值。线框19则是指出一个应当存在但几乎消失的峰值。因此在区域13中可以发现正常的风力发电机并不会出现如线框15中的明显峰值。因此，通过观察风力发电机的时频域图是可以有机会判断风力发电机的叶片是否有损伤。本案提出的风力发电机叶片诊断方法即是基于此一现像所发展出的技术。

一般来说，风力发电机的叶片受损的话，会产生一高频噪声，高频噪声的频率范围为4000Hz与12800Hz之间。因此，我们专注时频频谱图中，频率范围为4000Hz与12800Hz之间的部分。请参考图2A与图2B的说明。在图2A与图2B中，颜色可表示为对应频率的能量的强度。颜色越接近红色表示对应该频率的声音能量越大，颜色越接近蓝色表示对应该频率的声音能量越小。图2A为正常的风力发电机的时频频谱图。图2B为叶片受损的风力发电机的时频频谱图。在图2A中，时频域图并没有出现显著的频率的能量增加。但是在图2B中，如红框21所示的部分，在该时间点时，声音的能量非常大，而这也就表示风力发电机的叶片是可能有损伤的。因此，通过风力发电机的时频域图是可以用来判断风力发电机的叶片是否有损伤。

图3为根据本发明的一种风力发电机的叶片检测方法的一实施例的流程图。在步骤S31中，通过一麦克风取得风力发电机运转时的一运转声音。在步骤S32中，通过一电子装置将对该运转声音进行一短时距傅立叶变换(short-time Fourier transform)以得到对应该运转声音的一时频频谱(time-frequency spectrum)。本实施例是以短时距傅立叶变换为例说明，但时频频谱也可以其他方式得到，如小波转换(wavelet transform)或是希尔伯特-黄转换(Hilbert-Huang transform)。

接着，在步骤S33中，通过一处理器或一电子装置将该时频频谱对时间积分以产生一边际频谱。边际频谱是一种强度对频率(magnitude versus frequency)的示意图。边际频谱提供了每一个频率值所贡献的一总强度或总能源(total amplitude or energy)。在步骤S34中，处理器或电子装置根据该边际频谱与一参考曲线，判断风力发电机的叶片是否有损伤。在一实施例中，处理器或电子装置根据该边际频谱与一参考曲线计算一指标(index)，并根据该指标判断风力发电机的叶片是否有损伤。

在图3的流程中提到的参考曲线是根据风力发电机正常运转时的正常运转声音所产生。在一般的情况下，风力发电机运转时的声音会因为风力发电机设置的位置而有差异，因此在本案中，参考曲线是仅适用于单一风力发电机。换句话来说，每一台风力发电机都有其特定的参考曲线。在另一实施例中，参考曲线是会被定期更新。关于参考曲线的产生方法请参考图4。

图4为根据本发明的一种风力发电机的参考曲线产生方法的一实施例的流程图。在步骤S41中，通过一麦克风取得风力发电机正常运转时的一正常运转声音。这边指的正常运转声音是指风力发电机的叶片没有损伤时所产生的声音。一般而言可在风力发电机架设完毕且正常运作后进行量测后。在步骤S42中，通过一电子装置将对该运转声音进行一短时距傅立叶变换(short-time Fourier transform)以得到对应该运转声音的一时频频谱(time-frequency spectrum)。本实施例是以短时距傅立叶变换为例说明，但时频频谱也可以其他方式得到，如小波转换(wavelet transform)或是希尔伯特-黄转换(Hilbert-Huang transform)。

接着，在步骤S43中，通过一处理器或一电子装置将该时频频谱对时间积分以产生一边际频谱。边际频谱是一种强度对频率(magnitude versus frequency)的示意图。边际频谱提供了每一个频率值所贡献的一总强度或总能源(total amplitude or energy)。简单来说，边际频谱中包括了多笔数据，每一笔数据都包含一频率值与一强度值，其中强度值可以能量值或其他可表示量度的信息代替。在步骤S44中，处理器或电子装置根据该边际频谱内的数据，求得一最佳近似曲线(fitting curve)作为该风力发电机的参考曲线。在本实施例中，最佳近似曲线可能为线性或非线性。在一实施例中，最佳近似曲线是以最小平方误差法(least-square approximations)求得。

为更清楚说明参考曲线与边际频谱，请参考图5。图5为一参考曲线与边际频谱的示意图。图5显示了用以产生参考曲线51的初始边际频谱(图上以星号*表示)以及进行风力发电机的叶片检测时求得的多个测试数据形成的测试边际频谱(图上以圆圈表示)。

在图5中，参考曲线51是根据初始边际频谱所包含的多个初始数据所产生。在本案中，利用参考曲线、初始边际频谱以及测试边际频谱计算一指标值，并根据该指标值来判断是否风力发电机的叶片发生异常。指标值计算方式如下：

其中，第一差方和(sum of squares of deviations)A为测试边际频谱中的每一测试数据与对应频率上的参考曲线51的数据的强度差的平方和，而第二差方和(sum of squares of deviations)B为初始边际频谱中的每一初始数据与对应频率上的参考曲线51的数据的强度差的平方和。在一实施例中，当参考曲线51被决定时，第二差方和B的值也就同时被计算出来。换言之，第一差方和A与第二差方和B的值可以在不同的时间点被决定。

一但指标值大于一临界值，则表示受测试的风力发电机中，可能至少有一个叶片是损伤。但是以单一时间点计算得到的指标值判断风力发电机的叶片是否损伤可能不够精确，因此可以根据一特定时间内的多个指标值设定一指标值临界值，并根据受测的风力发电机所求得的指标值以及该指标值临界值判断风力发电机的叶片是否损伤。

图6为一正常风力发电机于一预定期间内的指标值的变化示意图。从图6来看，正常风力发电机于该预定期间内，如20秒，的指标值的变化并不明显，因此可根据图6的指标值的变化设定该指标值临界值，如图上所示。

图7为一待测风力发电机于一预定期间内的指标值的变化示意图。明显的图7中的指标值都大于指标值临界值，且有明显的异常的指标值出现，如在约9秒时的指标值。因此通过一电子装置，根据如图6所示的指标值临界值，便可判断图7中的待测风力发电机的叶片是否损伤。

图8为根据本发明的一风力发电机的叶片检测方法的另一实施例的流程图。本实施例中的叶片检测方法由一电子装置执行。电子装置执行的叶片检测方法包括下列步骤：

步骤S81：电子装置通过一麦克风取得一正常风力发电机的一第一声音，并计算对应该第一声音的一初始边际频谱，以及根据该边际频谱中的多个数据求得一参考曲线。

步骤S82：电子装置根据该参考曲线与该初始边际频谱计算一第一差方和。

步骤S83：电子装置通过一麦克风取得一待测风力发电机的一第二声音，并计算对应该第二声音的一待测边际频谱。

步骤S84：电子装置根据待测边际频谱内的多个数据与该参考曲线计算一第二差方和。

步骤S85：电子装置根据该第一差方和与该第二差方和计算一指标值，并根据该指标值判断待测风力发电机的叶片是否损伤。

图9为根据本发明的一风力发电机的叶片检测方法的另一实施例的流程图。本实施例中的叶片检测方法由一电子装置执行。电子装置执行的叶片检测方法包括下列步骤：

步骤S91：电子装置通过一麦克风取得一正常风力发电机的一第一声音，并计算对应该第一声音的一第一边际频谱，以及根据该边际频谱中的多个数据求得一参考曲线。

步骤S92：电子装置根据该参考曲线与该第一边际频谱计算一第一差方和。

步骤S93：电子装置通过麦克风取得正常风力发电机于一预定时间内的的多个第二声音，求得对应多个第二边际频谱，根据该等多个第二边际频谱与该参考曲线计算多个第二差方和并计算多个第一指标值，如图6所示，以及决定一指标值临界值。

步骤S94：电子装置通过麦克风取得一待测风力发电机的一第三声音，并计算对应该第三声音的一待测边际频谱。

步骤S95：电子装置根据待测边际频谱内的多个数据与该参考曲线计算一第三差方和。

步骤S96：电子装置根据该第一差方和与该第二差方和计算一第二指标值，并根据该第二指标值与该指标值临界值判断待测风力发电机的叶片是否损伤。

在另一实施例中，电子装置可取得一连续时间内的多个声音信号，并计算求得多个第二指标值，如图7所示。电子装置可根据一预定时间内的指标值的变化来判断待测风力发电机的叶片是否损伤。此外，电子装置可通过一同步装置取得叶片与指标值的关系，并通过如图7中的指标值变化来判断风力发电机的哪一个叶片是受损的叶片。如图7中，对应1秒、5秒的叶片即是受损的叶片。

图10为根据本发明的一风力发电机的叶片监控装置的一实施例的示意图。叶片监控装置包括一麦克风1001、一诊断装置(diagnosis device)1002以及一诊断输出装置(diagnosis output device)1003。诊断装置1002通过麦克风1001接收一待测风力发电机的一运转声音。当运算装置1005接收该运转声音时，将该运转声音转换为一待测边际频谱。运算装置1005可依图3的步骤S31～S33产生该待测边际频谱。接着运算装置1005自储存装置1004读取一参考曲线，并根据该参考曲线与该待测边际频谱判断待测风力发电机的叶片是否损伤。关于详细的风力发电机的叶片检测方法可参考图5～9的说明。在一实施例中，运算装置1005为一处理器或控制器，用以执行一叶片检测程序，该叶片检测程序的步骤如图8～9所述。

在本实施例中，储存装置1004储存有风力发电机的参考曲线，且该参考曲线可能由风力发电机的制造商所提供。在另一实施例中，该参考曲线可由叶片监控装置于风力发电机安装好且运作正常时，由运算装置1005所求得。

在本实施例中，诊断装置1002还包括一同步装置1006(本装置并非必要的元件)，可用以同步叶片与运算装置1005产生的数据。如图7所示，同步装置1006可将指标值与叶片同步以得知风力发电机的哪一个叶片是受损的叶片。举例来说，对应于图7中5秒时的叶片就是受损的叶片。

诊断输出装置1003用以将诊断装置1002的诊断结果输出，让使用者得知是否有叶片损伤以及是哪一个叶片受损。在另一个实施例中，诊断输出装置1003具有输入装置，可让使用者输入控制信号以控制诊断装置1002输出的诊断结果的内容，包括如图5～7的信息。

而以上所述者，仅为本发明的较佳实施例而已，当不能以此限定本发明实施的范围，即大凡依本发明权利要求及发明说明内容所作的简单的等效变化与修饰，皆仍属本发明专利涵盖的范围内。另外本发明的任一实施例或权利要求不须实现本发明所公开的全部目的或优点或特点。此外，摘要部分和标题仅是用来辅助专利文件搜寻之用，并非用来限制本发明的权利范围。