一种双馈风电机组叶轮不平衡检测系统的制作方法

本发明属于风电机组的在线故障诊断技术领域，涉及一种双馈风电机组叶轮不平衡检测系统。

背景技术：

近年来，风电机组的并网容量不断提高，特别是海上风电机组的规划也提上了日程，这对机组的安全稳定运行、减少故障停机时间提高发电量提出了更高的要求，而双馈机组是其中主要的机型之一。通常风电机组的运行环境都比较恶劣，叶片更会因风沙、结冰等造成质量不平衡，特别是近年来机组容量的增大及低风速机组的推广应用，使得叶片越来越长。叶轮的不平衡，包括气动不平衡，易传递到传动链，造成整机的振动加剧，严重时甚至导致事故的发生。

目前风力发电机组桨叶不平衡的检测可通过视频分析、振动检测、电信息等手段，但是这些方法大都需要增加额外的传感器设备，不仅成本大，而且可靠性不高、适应性较差。

技术实现要素：

为了克服现有风力发电机组桨叶不平衡的检测方式的成本大、可靠性不高、适应性较差的不足，基于上述问题，本发明提出了一种成本较低、可靠性较高、适应性较好的双馈发电机组叶轮不平衡检测系统。为双馈风电机组叶片的状态检修、诊断决策提供支撑，使其从定期检修到状态检修的转变，进一步提高供电的可靠性。

为了解决上述技术问题，本发明提供如下的技术方案：

一种双馈风电机组叶轮不平衡检测系统，包括数据采集处理模块、人机界面、告警处理模块和检测诊断子系统，

所述数据采集处理模块，发电机的电量信息首先经过传感器变换到设定的电压信号，然后经低通滤波和跟随处理送入ad芯片，完成模拟量到数字量得转换，数字量输出经数据总线到dsp；位置信息则采用差分信号接收芯片处理光编码盘的输入信号，输出信号经光耦隔离、电平调整之后直接输入到dsp管脚；

所述人机界面，通过以太网接口与上位机相连，实时显示发电机电流和转速、特征频率和幅值信息，进行阈值参数的设置；

所述告警处理模块，通过设置的检测特征频率阈值，以及实时计算的特征幅值给出诊断结果，若判断出不平衡状况发生，则触发告警给主控，并产生相应的告警记录；

检测诊断子系统，利用小波变换、希尔伯特和fft处理、预测模型，进行系统的不平衡诊断，特征结果输出到告警处理模块。

进一步，所述不平衡检测系统还包括数据查询和统计，所述数据查询和统计模块，用于提供检测系统的历史数据查询和故障记录的追忆，系统运行工况的统计；

再进一步，所述不平衡检测系统由arm和dsp双cpu组成，dsp用于负责复杂的计算，arm用于负责检测、诊断；所述数据采集模块将数据送入dsp，并在dsp中完成检测算法计算，结果传输到arm子系统，arm综合各特征信息完成最终的诊断，并提供与上位机和主控系统的通信。

更进一步，数字信号的处理均有dsp完成，包括小波变换与数字滤波的联合滤波方法、混合基fft和基于fft的hilbert数字实现方法；所述检测诊断子系统采集海量数据进行模型训练，进一步满足检测诊断的数据支撑，得出预测模型；arm处理器综合各特征频率和预测模型的输出得出诊断结论。

本发明中，通过发电机的电量信息来检测已被相关研究机构证明可行，该方法无需增加传感器，所需要的电压、电流和转速信号可在变流器中直接获取得到，工程实现方便。

同时，本发明中检测系统中dsp的计算能力强、总线速度快，大大缩短小波变换和fft地时间；arm处理器提供了多种通讯接口、外设资源，功耗低。两者的结合发挥了各自的优点，能够优势互补，使检测系统的性能大大提高，后续功能扩展方便。

本发明的有益效果为：系统能够实时在线检测叶轮的不平衡状态，无需增加额外的传感器，在早期发现叶片裂纹之后及时修补维护，为叶片的管理提供决策依据，应用前景较广阔。

系统可扩展性强，因系统数据处理能力强，可实现风机其他功能的状态检测，只需增加相应的传感器和信号转换电路即可。

附图说明

图1为本发明流程图。

图2为叶轮不平衡检测系统软件图。

图3为dsp主程序流程。

图4为arm主程序流程。

图5为dsp检测算法工作流程图。

图6为系统采集的电流和转速图。

图7为系统fft分析结果。

图8系统hilbert分析结果。

具体实施方式

下面结合附图和具体实例，对本发明进行详细的描述。应当强调的是，以下实例仅是说明性的，而不是为了限制本发明的限制及应用。

参照图1～图8，一种双馈风电机组叶轮不平衡检测系统，包括数据采集处理模块、人机界面、告警处理模块和检测诊断子系统，

所述数据采集处理模块，发电机的电量信息首先经过传感器变换到设定的电压信号，然后经低通滤波和跟随处理送入ad芯片，完成模拟量到数字量得转换，数字量输出经数据总线到dsp；位置信息则采用差分信号接收芯片处理光编码盘的输入信号，输出信号经光耦隔离、电平调整之后直接输入到dsp管脚；

所述人机界面，通过以太网接口与上位机相连，实时显示发电机电流和转速、特征频率和幅值信息，进行阈值参数的设置；

所述告警处理模块，通过设置的检测特征频率阈值，以及实时计算的特征幅值给出诊断结果，若判断出不平衡状况发生，则触发告警给主控，并产生相应的告警记录；

检测诊断子系统，利用小波变换、希尔伯特和fft处理、预测模型，进行系统的不平衡诊断，特征结果输出到告警处理模块。

进一步，所述不平衡检测系统还包括数据查询和统计，所述数据查询和统计模块，用于提供检测系统的历史数据查询和故障记录的追忆，系统运行工况的统计；

再进一步，所述不平衡检测系统由arm和dsp双cpu组成，dsp用于负责复杂的计算，arm用于负责检测、诊断；所述数据采集模块将数据送入dsp，并在dsp中完成检测算法计算，结果传输到arm子系统，arm综合各特征信息完成最终的诊断，并提供与上位机和主控系统的通信。

更进一步，数字信号的处理均有dsp完成，包括小波变换与数字滤波的联合滤波方法、混合基fft和基于fft的hilbert数字实现方法；所述检测诊断子系统采集海量数据进行模型训练，进一步满足检测诊断的数据支撑，得出预测模型；arm处理器综合各特征频率和预测模型的输出得出诊断结论。

本实施例的双馈风电机组叶轮不平衡检测系统，整个系统有arm+dsp双cpu结构组成，主要功能模块有信号检测回路(包括电流和转速)、对外接口(can、rs485和以太网)、数据存储单元(flash)、dsp单元(数字信号处理工作，主要有hilbert和fft变换等)和arm单元(事物处理工作)等。机组运行工况满足之后，开始采集数据并保持一段时间，ad芯片选用ad7607，数字输出经8位数据总线到dsp；位置信息则采用专用的差分信号接收芯片处理光编码盘的输入信号，输出信号经光耦隔离、电平调整之后直接输入到dsp管脚。dsp程序首先判断该时间段内数据的有效性，排除风机变桨、偏航和风速变化过大对特征值影响较大的因素，若数据包满足条件则进入数据处理程序，计算结果输出到arm，arm综合各特征量和各历史数据预测的特征值给出检测结果，若不平衡状况发生，则经can或rs485给出告警信息到主控，由主控作最终判断是否需要给出停机指令。系统可对可疑数据包进行储存，方便后续分析。

所述的不平衡检测系统的人机界面，系统可以太网接口与上位机相连，可实时显示发电机电流和转速、特征频率和幅值信息、阈值参数的设置、历史数据的查询等。

检测系统的硬件电路主要有电源模块、时钟模块、存储模块、复位模块、调试接口、去耦电路部分。电源模块主要负责为各处理器、信号处理芯片提供电源，复位模块为程序跑飞情况下提供复位信号，调试接口主要方便前期程序调试和下载，去耦电路主要是减小高频噪声对芯片的影响。

参照图1，检测系统具有多个通信接口，方便与主控连接。

不平衡检测系统前期需采集海量数据进行模型训练，进一步满足检测诊断的数据支撑，得出预测模型。

参照图5，一种双馈风电机组叶轮不平衡检测系统实现的检测方法，具体包括以下步骤：

步骤一，收集机组叶轮平衡时的数据，对特征量进行提取分析，建立与转速、电流有效值的关系，创建预测模型；

步骤二，在机组运行工况满足之后，采集电流和转速数据，并持续一段时间。对该数据包作有效性判断；

步骤三，若数据包有效，进入数据处理子程序，计算结果输入到arm；

步骤四，arm处理器，综合各特征量并结合该工况下预测模型的输出，给出诊断结果；

步骤五，若检测到叶轮不平衡产生，则上报告警信息到主控。

本实施例中，系统能够实时在线检测叶轮的不平衡状态，无需增加额外的传感器，在早期发现叶片裂纹之后及时修补维护，为叶片的管理提供决策依据，应用前景较广阔；

系统可扩展性强，因系统数据处理能力强，可实现风机其他功能的状态检测，只需增加相应的传感器和信号转换电路即可。

实例：以某三桨叶的1.5mw双馈风力发电机组为研究对象，机组运行于恒转速阶段时，即转速为1750rpm附近，采集的定子a相电流和转速如图6所示。图3和4是两cpu的处理程序。dsp程序主要包括系统初始化、数据采集、数据处理、数据交互，具体来说上电后完成cpu、时钟、i/o、qep、存储器等的初始化；数据采集主要是从ad7607读取电流数据和qep完成转速测量；数据处理是对采样得到的有效数据包数字进行计算和处理(fft和hilbert)；数据交互是对ad7607和arm模块的数据交换。arm主要运行嵌入式linux系统，完成检测诊断、数据存储、人机交互和数据通信，分为bootloader、linux内核、根文件系统和用户程序等几个层次，与风机主控通信也在arm完成。

需要说明的是，文中提到的对数据包的有效性判断主要是指转速在1700-1800rpm之间，且变桨、偏航未动作，且转速的变化率在一定的范围内。

结合图3、图5、图7和图8，说明dsp中的数据处理模块，完成电流信号的fft计算，提取间谐波分量(f1±fm)，f1是电网基频，fm是叶轮一倍转频，因数据采集持续时间较长，为减少计算量和节约缓存，采用混合基和素因子fft算法。希尔伯特运算主要来提取叶轮一倍转频处(1p)的幅值，采用正反各一次变换的fft方法实现。

结合图4、图7和图8，说明arm中叶轮不平衡检测的处理，通过比较间谐波处(f1±fm)幅值和1p处幅值跟预测模型中的输出值比较，若前者均大于后者，则检测出不平衡发生。另外，arm中有多个任务，dsp数据交互任务、数据存储任务、检测任务、外部通信任务等。

若arm中检测出不平衡状态发生，则发送告警信号和特征数据到主控，有主控决定是否给出停机指令。

本发明通过双馈风力发电机转速和定子相电流对桨叶不平衡故障进行诊断，所需数据可通过风力发电机组现有的数据采集设备采集，通过运行短时间运行于检测模式，可快速得到有效数据包，简单有效，诊断成本低，是一种有效可靠的桨叶不平衡检测系统。

最后需要说明的是，以上实施例仅用以说明本发明的技术方案而非限制，本领域技术人员应当理解，可以在形式上和细节上对本发明做出改变，而不偏离发明权利要求书所限定的范围。

还需要说明的是，本文中所公开的实例描述的各参数，仅是为了更好的描述本发明，专业人员可以意识到，通过修改本发明的参数值可达到同样的诊断效果，但是这种实现不应认为超出本发明的范围。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。