一种叶片故障检测方法和相关装置与流程

本技术涉及故障分析，特别是涉及一种叶片故障检测方法和相关装置。

背景技术：

1、风机叶片是风力发电机关键的零部件之一，叶片在风的驱动下将风能转化为机械能，叶片在服役期间所受载荷复杂多变，很容易发生损伤。风机叶片损伤的主要形式有表面磨损、表面剥蚀与脱落、材料脆化、材料碳化以及裂纹与开裂，其中叶片开裂是最严重的风机叶片损伤，如果不能及时发现将会给风电场带来巨大的经济损失，威胁风电机组的安全正常运行，甚至造成更加难以意料的后果。

2、在相关技术中，对于叶片故障的检测主要是将各类传感器应用于风机叶片故障监测装置和叶片运行状态监测系统，通过分析数据特征的方式进行叶片故障监测，这就需要额外的检测装置，提高了检测成本。

技术实现思路

1、为了解决上述技术问题，本技术提供了一种叶片故障检测方法，处理设备可以基于风力发电机运行过程中所产生的数据进行叶片故障分析，无需额外添加检测设备，在保障故障检测准确率的同时降低了检测难度。

2、本技术实施例公开了如下技术方案：

3、第一方面，本技术实施例公开了一种叶片故障检测方法，所述方法包括：

4、获取待检测风力发电机对应的待分析运行数据，以及所述待分析运行数据对应的第一实际有功功率，所述待分析运行数据用于预测所述待检测风力发电机的有功功率；

5、将所述待分析运行数据输入功率预测模型，确定所述待分析运行数据对应的预测有功功率；

6、响应于所述预测有功功率和所述第一实际有功功率之间的差值大于第一预设阈值，确定所述待检测风力发电机的叶片出现故障。

7、在一种可能的实现方式中，在所述获取待检测风力发电机对应的待分析运行数据之前，所述方法还包括：

8、获取目标风力发电机对应的样本运行数据，以及所述样本运行数据对应的第二实际有功功率，所述样本运行数据用于预测所述目标风力发电机对应的有功功率，所述目标风力发电机的叶片在所述样本运行数据对应的运行时段处于正常状态；

9、根据所述样本运行数据和所述第二实际有功功率对初始功率预测模型进行训练，得到所述功率预测模型。

10、在一种可能的实现方式中，所述根据所述样本运行数据和所述第二实际有功功率对初始功率预测模型进行训练，得到所述功率预测模型，包括：

11、根据所述样本运行数据和所述初始功率预测模型，确定待定有功功率；

12、根据所述待定有功功率和所述第二实际有功功率之间的差异，调节所述初始功率预测模型，得到所述功率预测模型。

13、在一种可能的实现方式中，所述样本运行数据包括风速、风机叶片半径、空气密度和风电功率系数。

14、在一种可能的实现方式中，所述获取目标风力发电机对应的样本运行数据，包括：

15、获取初始样本运行数据；

16、去除所述初始样本运行数据中，所对应所述目标风力发电机的状态处于故障状态的数据，得到所述样本运行数据。

17、在一种可能的实现方式中，所述去除所述初始样本运行数据中，所对应所述目标风力发电机的状态处于故障状态的数据，包括：

18、去除所述初始样本运行数据中，所对应有功功率小于等于0的数据；

19、和/或，去除所述初始样本数据中，所对应有功功率大于所述目标风力发电机额定功率的数据；

20、和/或，去除所述初始样本数据中，具有限功率标志位或故障标志位的数据，所述故障标志位包括叶片结冰标志位、风速仪故障标识位中的任意一种或多种的组合；

21、和/或，去除所述初始样本数据中，与所述初始样本数据的平均数据之间差异大于第二预设阈值的数据。

22、在一种可能的实现方式中，所述方法还包括：

23、获取所述待检测风力发电机对应的机身振动数据，所述机身振动数据与所述待分析运行数据所对应的运行时段相同；

24、所述响应于所述预测有功功率和所述第一实际有功功率的差值大于第一预设阈值，确定所述待检测风力发电机的叶片出现故障，包括：

25、响应于所述机身振动数据大于第三预设阈值，且所述预测有功功率和所述第一实际有功功率的差值大于所述第一预设阈值，确定所述待检测风力发电机的叶片出现故障。

26、在一种可能的实现方式中，所述方法还包括：

27、响应于所述待检测风力发电机的叶片出现故障，在信息展示界面展示故障信息，所述故障信息用于指示所述待检测风力发电机的叶片出现故障。

28、第二方面，本技术实施例公开了一种叶片故障检测装置，所述装置包括第一获取单元、确定单元和第一响应单元：

29、所述第一获取单元，用于获取待检测风力发电机对应的待分析运行数据，以及所述待分析运行数据对应的第一实际有功功率，所述待分析运行数据用于预测所述待检测风力发电机的有功功率；

30、所述确定单元，用于将所述待分析运行数据输入功率预测模型，确定所述待分析运行数据对应的预测有功功率；

31、所述第一响应单元，用于响应于所述预测有功功率和所述第一实际有功功率之间的差值大于第一预设阈值，确定所述待检测风力发电机的叶片出现故障。

32、在一种可能的实现方式中，所述装置还包括第二获取单元和训练单元：

33、所述第二获取单元，用于获取目标风力发电机对应的样本运行数据，以及所述样本运行数据对应的第二实际有功功率，所述样本运行数据用于预测所述目标风力发电机对应的有功功率，所述目标风力发电机的叶片在所述样本运行数据对应的运行时段处于正常状态；

34、所述训练单元，用于根据所述样本运行数据和所述第二实际有功功率对初始功率预测模型进行训练，得到所述功率预测模型。

35、在一种可能的实现方式中，所述训练单元具体用于：

36、根据所述样本运行数据和所述初始功率预测模型，确定待定有功功率；

37、根据所述待定有功功率和所述第二实际有功功率之间的差异，调节所述初始功率预测模型，得到所述功率预测模型。

38、在一种可能的实现方式中，所述样本运行数据包括风速、风机叶片半径、空气密度和风电功率系数。

39、在一种可能的实现方式中，所述第二获取单元具体用于：

40、获取初始样本运行数据；

41、去除所述初始样本运行数据中，所对应所述目标风力发电机的状态处于故障状态的数据，得到所述样本运行数据。

42、在一种可能的实现方式中，所述第二获取单元具体用于：

43、去除所述初始样本运行数据中，所对应有功功率小于等于0的数据；

44、和/或，去除所述初始样本数据中，所对应有功功率大于所述目标风力发电机额定功率的数据；

45、和/或，去除所述初始样本数据中，具有限功率标志位或故障标志位的数据，所述故障标志位包括叶片结冰标志位、风速仪故障标识位中的任意一种或多种的组合；

46、和/或，去除所述初始样本数据中，与所述初始样本数据的平均数据之间差异大于第二预设阈值的数据。

47、在一种可能的实现方式中，所述装置还包括第三获取单元：

48、所述第三获取单元，用于获取所述待检测风力发电机对应的机身振动数据，所述机身振动数据与所述待分析运行数据所对应的运行时段相同；

49、所述第一响应单元具体用于：

50、响应于所述机身振动数据大于第三预设阈值，且所述预测有功功率和所述第一实际有功功率的差值大于所述第一预设阈值，确定所述待检测风力发电机的叶片出现故障。

51、在一种可能的实现方式中，所述装置还包括第二响应单元：

52、所述第二响应单元，用于响应于所述待检测风力发电机的叶片出现故障，在信息展示界面展示故障信息，所述故障信息用于指示所述待检测风力发电机的叶片出现故障。

53、第三方面，本技术实施例公开了一种计算机设备，所述计算机设备包括处理器以及存储器：

54、所述存储器用于存储程序代码，并将所述程序代码传输给所述处理器；

55、所述处理器用于根据所述程序代码中的指令执行第一方面中任意一项所述的叶片故障检测方法。

56、第四方面，本技术实施例公开了一种计算机可读存储介质，所述计算机可读存储介质用于存储计算机程序，所述计算机程序用于执行第一方面中任意一项所述的叶片故障检测方法。

57、第五方面，本技术实施例公开了一种包括指令的计算机程序产品，当其在计算机上运行时，使得所述计算机执行第一方面中任意一项所述的叶片故障检测方法。

58、由上述技术方案可以看出，在进行检测时，处理设备可以获取待检测风力发电机对应的待分析运行数据，以及待分析运行数据对应的第一实际有功功率。处理设备可以将该待分析运行数据输入功率预测模型，确定该待分析运行数据对应的预测有功功率，该功率预测模型用于预测风力发电机在叶片正常状态下的有功功率，因此响应于所述预测有功功率和所述第一实际有功功率之间的差值大于第一预设阈值，说明该待检测风力发电机输出的有功功率与叶片正常状态输出的有功功率有较大差别，因此可以确定所述待检测风力发电机的叶片出现故障。由于本技术是通过有功功率来体现叶片故障，而有功功率是风力发电机运行过程中所常用的输出数据，因此在该叶片故障检测过程中无需额外添加设备进行数据采集，在保障检测准确度的同时降低了检测门槛。