用于监测风力发电机组的叶轮振动状态的方法和系统的制作方法
【专利摘要】提供一种用于监测风力发电机组的叶轮振动状态的方法和系统。所述方法包括：根据预定的检测周期检测在风力发电机组叶片上的预定测点处至少一个方向上的振动加速度并同步地获取风力发电机组的至少一个机组运行参数的数据，并且记录获取的机组运行参数数据和检测的振动加速度数据；选取超过预定数量的记录的机组运行参数数据和振动加速度数据的数据集合；根据机组运行参数从所述数据集合去除在风力发电机组处于异常工况时检测到的振动加速度数据，对在叶片上的测点处检测的振动加速度数据执行运行模态分析，提取在运行状态下叶片的固有频率、阻尼比和振型中的至少一个，并且根据提取的固有频率、阻尼比和振型确定风力发电机组的叶轮是否发生故障。
【专利说明】用于监测风力发电机组的叶轮振动状态的方法和系统
【技术领域】
[0001]本发明涉及一种风力发电机组的叶轮状态监测技术，尤其涉及一种用于监测风力发电机组的叶轮振动状态的方法和系统。
【背景技术】
[0002]风力发电机组的叶轮主要包括叶片和轮毂；叶片是风力发电机吸取风能的部件，轮毂是安装叶片以及风机变桨机构的部件。
[0003]从整机动力学和载荷分析，叶轮(包括叶片)部分承受整机90%以上的载荷，且受力复杂、环境工况恶劣，尤其叶片是受力最复杂的部件。叶片不停的旋转，载荷具有交变性和随机性，各种激振力都是通过叶片传递出去。所以叶轮是风力发电机组最容易出重大故障的部分，例如叶片断裂、轮毂出现裂纹、变桨机构失效等问题。风力发电机组的叶轮部分在风机运行过程中不停地旋转，并且叶片随风速的大小进行变桨，这对于信号传输和采集都是不利的，所以目前行业内对叶轮部分没有可靠的方法进行实时监测。
[0004]目前，一方面，由于叶轮是风机的旋转部件，尽管可以从其他行业中借鉴，但在旋转部件的信号采集和传输存在可靠性和稳定性问题，对于直驱机组来说，轮毂部分存在于强磁场环境中，此问题更为突出；另一方面，针对叶轮振动状态的研究还不是很透彻，选择合适的传感器和数据采集设备是一个难点。
[0005]由于叶轮部分是最容易出现重大故障的部件之一，而且一旦出现故障后果严重，因此如果能够对此部分进行状态监测，对故障进行提前预警，或者故障较轻时采取补救措施，那么对于降低风机运行维护成本意义重大。
[0006]目前针对叶轮系统的状态监测技术主要集中在叶片的状态监测，利用光线传感器采集叶片的应变计变形量，然后根据力学对应关系得到叶片的应力、弯矩、扭矩等力学信息。这些方法优点是目标明确直接当某一力学指标超过设计值时，叶片就可能会出现故障，但缺点更加突出:一方面，光纤传感器和对应的数据采集设备价格昂贵；另一方面，应变计变形信号容易被干扰，同时对激励力而言又不是很灵敏，对于叶片非线性材料，如果想得到力学信息，还需进行实验标定。
【发明内容】
[0007]本发明的目的在于提供一种用于监测风力发电机组的叶轮振动状态的方法和系统，在风力发电机组运行状态下通过在检测叶片的振动数据并且结合工况数据对检测的叶片振动数据进行分析，识别可能发生故障的数据，以帮助在运行状态下对叶轮做出故障诊断。
[0008]根据本发明的一方面，提供一种用于监测风力发电机组的叶轮振动状态的方法，包括:根据预定的检测周期检测在风力发电机组叶片上的预定测点处至少一个方向上的振动加速度并同步地获取风力发电机组的至少一个机组运行参数的数据，并且记录获取的机组运行参数数据和检测的振动加速度数据；选取超过预定数量的记录的机组运行参数数据和振动加速度数据的数据集合；对选取的数据集合执行以下处理:根据机组运行参数从所述数据集合去除在风力发电机组处于异常工况时检测到的振动加速度数据，对在叶片上的测点处检测的振动加速度数据执行运行模态分析，提取在运行状态下叶片的固有频率、阻尼比和振型中的至少一个，并且根据提取的固有频率、阻尼比和振型确定风力发电机组的叶轮是否发生故障。
[0009]根据本发明的另一方面，提供一种用于监测风力发电机组的叶轮振动状态的系统，包括:至少一个振动传感器，设置在风力发电机组叶片上的预定测点处的至少一个方向上，用于检测所述预定测点处的振动加速度；叶轮振动数据采集装置，用于根据预定的检测周期控制所述至少一个振动传感器检测所述预定测点处至少一个方向上的振动加速度，并且将检测到的振动加速度发送给状态数据收集装置；状态数据收集装置，用于与所述预定的检测周期同步地获取风力发电机组的至少一个机组运行参数的数据，记录获取的机组运行参数数据和从叶轮振动数据采集装置接收的振动加速度数据，并且选取超过预定数量的记录的机组运行参数数据和振动加速度数据的数据集合；振动数据筛选装置，用于根据机组运行参数从状态数据收集装置选取的数据集合去除在风力发电机组处于异常工况时检测到的振动加速度数据；振动数据分析装置，用于对在叶片上的测点处检测的振动加速度数据执行运行模态分析，提取在运行状态下叶片的固有频率、阻尼比和振型中的至少一个，并且根据提取的固有频率、阻尼比和振型确定风力发电机组的叶轮是否发生故障。
[0010]有益效果
[0011]本发明的用于监测风力发电机组的叶轮振动状态的方法和系统通过周期性检测叶轮的振动数据结合同步采集的机组运行数据，对风力发电机组在运行状态下叶轮的振动数据进行运行模态分析，识别可能发生故障的数据，以帮助在运行状态下对叶轮做出故障诊断。所述方法较使用光纤传感器采集叶片的应变计变形量的方法价格低廉，分析方法相对简单并且准确性高。
[0012]此外，本发明的用于监测风力发电机组的叶轮振动状态的方法和系统通过周期性检测叶轮的振动数据结合同步采集的机组运行数据，对风力发电机组在运行状态下叶轮的振动数据执行时域和/或频域的分析，从而不仅可识别故障的发生，而且可确定发生故障的时刻。
【专利附图】
【附图说明】
[0013]图1是示出根据本发明的示例性实施例的用于监测风力发电机组的叶轮振动状态的系统的整体架构示意图；
[0014]图2是示出根据本发明的示例性实施例的用于监测风力发电机组的叶轮振动状态的方法的流程图；
[0015]图3是示出根据本发明的另一示例性实施例的用于监测风力发电机组的叶轮振动状态的方法的流程图；
[0016]图4是示出根据本发明的示例性实施例的用于监测风力发电机组的叶轮振动状态的系统的逻辑框图。
【具体实施方式】
[0017]下面结合附图详细描述本发明实施例的用于监测风力发电机组的叶轮振动状态的方法和系统。
[0018]图1是示出根据本发明的示例性实施例的用于监测风力发电机组的叶轮振动状态的系统的整体架构示意图。
[0019]参照图1，在根据本发明的示例性实施例的用于监测风力发电机组的叶轮振动状态的系统中，在叶轮的叶片上的测点处设置至少一个振动传感器110，并且在所述测点的至少一个方向(例如叶片的挥舞方向和摆振方向等)上设置所述振动传感器110。此外，可以在叶轮的轮毂中的测点处的至少一个方向上也设置振动传感器(未示出)。可根据机组的具体参数以及风场的信息综合考虑确定传感器的灵敏度、最大量程、频响范围、适用环境等参数，选择最适合的振动传感器。
[0020]通过这些振动传感器以预定的检测周期检测在风力发电机组叶片上的预定测点处至少一个方向上的振动加速度。在此基础上，配置风力发电机组的主控系统以相同的检测周期同步地采集风力发电机组的至少一个机组运行参数的数据。
[0021]在运行过程中，从所述测点检测的振动加速度数据汇集到叶轮轮毂内的叶轮振动数据采集装置120，叶轮振动数据采集装置120通过有线或无线连接将汇集的振动加速度数据发送给位于机舱内的状态数据收集装置130。此外，所述状态数据收集装置130从风力发电机组的主控系统获取同步采集的风力发电机组的至少一个机组运行参数的数据。
[0022]根据本发明的示例性实施例，状态数据收集装置130将所述振动加速度数据和机组运行参数的数据通过无线连接发送给用户终端，由用户终端对所述振动加速度数据和机组运行参数的数据执行叶轮振动状态的分析。在所述用户终端设备可配备振动数据筛选装置140和振动数据分析装置150 (如图4所示)结合机组运行参数对所述振动加速度数据进行筛选并且对经过筛选的振动加速度数据执行叶轮振动状态的分析。但是，本发明不限于此配置，还可以在所述状态数据收集装置130中设置软件模块对接收的所述振动加速度数据和机组运行参数的数据执行叶轮振动状态的分析。
[0023]图2是示出根据本发明的示例性实施例的用于监测风力发电机组的叶轮振动状态的方法的流程图。
[0024]参数图2，在步骤S210，根据预定的检测周期检测在风力发电机组叶片上的预定测点处至少一个方向上的振动加速度并同步地获取风力发电机组的至少一个机组运行参数的数据，并且记录采集的机组运行参数数据和检测的振动加速度数据。根据本发明的优选实施例，在步骤S210，还根据所述预定的检测周期检测在风力发电机组轮毂上的预定测点处至少一个方向上的振动加速度，以收集在运行状态下叶片和轮毂上的振动数据。具体地，所述机组运行参数可包括:风速、风力发电机组的转速、风力发电机组的功率、风力发电机组的偏航状态和风力发电机组的变桨状态。可通过风力发电机组的主控系统采集所述风力发电机组的至少一个机组运行参数的数据。
[0025]在步骤S220，选取超过预定数量的记录的机组运行参数数据和振动加速度数据的数据集合，以确保有足够数量的数据进行步骤S230的筛选以及步骤S240的分析。
[0026]在步骤S230，根据机组运行参数从所述数据集合去除在风力发电机组处于异常工况时检测到的振动加速度数据。具体地，所述异常工况是以下至少一个:风力发电机组发生偏航、风力发电机组发生变桨、风场湍流强度大于预定湍流阈值、第一预定时间内风速的最大值和最小值之差大于预定风差阈值、第二预定时间内风力发电机组的功率变化率大于预定功率变化阈值以及第三预定时间内风力发电机组的转速变化率大于预定转速变化阈值。由于风力发电机组在非正常运行状态下呈现的振动特性差异较大，在异常工况下检测的振动数据无法客观反映叶轮的运行状态，因此有必要剔除被可识别为异常工况下的振动数据。
[0027]例如，如果在采集的机组运行参数中，偏航状态为I或非零，则指示所述风力发电机组发生偏航，确定此时风力发电机组处于异常工况，因此可去除所述风力发电机组处于偏航状态时检测到的振动加速度数据；例如，如果在采集的机组运行参数中，变桨状态为I或非零，则指示所述风力发电机组发生变桨，确定此时风力发电机组处于异常工况，因此可去除所述风力发电机组处于变桨状态时检测到的振动加速度数据；再例如，风力发电机组处于IEC III类风区，如果在10分钟内风速湍流度大于预定湍流阈值(例如0.32)，则可确定风力发电机组处于异常工况，因此可去除所述风速湍流度大于预定湍流阈值期间检测到的振动加速度数据；再例如，如果在例如2分钟的第一预定时间内采集的风速的最大值和最小值之差大于预定风差阈值(如10米/秒)，则可确定风力发电机组处于异常工况，因此可去除风速的最大值和最小值之差大于预定风差阈值的第一预定时间内检测到的振动加速度数据；再例如，如果在第二预定时间(如10分钟)内风力发电机组的功率变化率大于预定功率变化阈值(如400千瓦/秒)，则可确定风力发电机组处于异常工况，因此可去除风力发电机组的功率变化率大于预定功率变化阈值期间检测到的振动加速度数据；再例如，如果在第三预定时间(如10分钟)内风力发电机组的转速变化率大于预定转速变化阈值(如10转/分钟)，可确定风力发电机组处于异常工况，因此可去除风力发电机组的转速变化率大于预定转速变化阈值期间检测到的振动加速度数据。
[0028]根据本发明的优选实施例，步骤S220还包括，对所述数据集合中的振动加速度数据进行低通滤波，从所述数据集合去除超过预定频率阈值的振动加速度数据。通常，叶片和轮毂的振动频率一般低于50Hz，通过对所述振动加速度数据进行低通滤波，滤掉频率较高不合理的振动频率，并且滤掉由于环境偶然因素造成的异常振动因素。
[0029]根据本发明的可选实施例，在执行步骤S220的处理后，还可将经过去除处理的振动加速度数据发送给风力发电机组的主控系统，以便于主控系统进一步确定叶片(和轮毂)的振动加速度是否超出正常振动值范围。
[0030]如果在进行步骤S230的去除处理后，所述数据集合中的振动加速度数据的数量低于一定的数量，则需要回到步骤S210，继续进行振动加速度数据的检测和机组运行参数数据的获取；如果在进行步骤S230的去除处理后，在所述数据集合中具有足够数量的振动加速度数据，则执行步骤S240。
[0031]在步骤S240，对在叶片上的测点处检测的振动加速度数据执行运行模态分析，提取在运行状态下叶片的固有频率、阻尼比和振型中的至少一个，并且根据提取的固有频率、阻尼比和振型确定风力发电机组的叶轮是否发生故障。
[0032]运行模态分析(OMA)是系统辨别方法在工程振动领域中的应用，在结构运行过程中，通过采集结构响应信号进行结构模态参数识别。在本发明中，将在运行状态下在叶片上的测点处检测的振动加速度数据作为结构响应信号来执行运行模态分析，从而提取在运行状态下叶片的固有频率、阻尼比和振型中的至少一个。其中，振型反映叶片在运行过程中的振动状态，固有频率反映叶片在安装状态下的共振频率，阻尼比反映叶片耗散振动能量的情况。
[0033]根据本发明的可选实施例，可使用时域法、频域法和时频法中的至少一个参数识别方法对在叶片上的测点处检测的振动加速度数据执行运行模态分析。
[0034]此后，通过将提取的固有频率、阻尼比和振型与风力发电机组相应的设计参数值进行比较来确定风力发电机组的叶轮是否发生了故障。例如，如果提取的阻尼比高出风力发电机组的阻尼比设计值预定的诊断值，则可初步确定叶轮发生了故障。
[0035]通过参照图2描述的本发明的示例性实施例可以看出，本发明的用于监测风力发电机组的叶轮振动状态的方法通过周期性检测叶轮的振动数据结合同步采集的机组运行数据，对风力发电机组在运行状态下叶轮的振动数据进行运行模态分析，识别可能发生故障的数据，以帮助在运行状态下对叶轮做出故障诊断。所述方法较使用光纤传感器采集叶片的应变计变形量的方法价格低廉，分析方法相对简单并且准确性高。
[0036]图3是示出根据本发明的另一示例性实施例的用于监测风力发电机组的叶轮振动状态的方法的流程图。
[0037]叶轮系统是风力发电机组的出力系统。如果叶轮系统出现问题，轻者导致机组停机，影响发电量和可利用率，重者导致叶片、轮毂断裂甚至倒塔。例如，当机组的叶片发生改变时(如裂纹、屈曲等)，或者当叶片载荷过大导致叶片变形过大时，叶片的振动频率会发生变化。尽管有时这种振动频率的变化不是很明显，但是当机组叶片损坏时，叶片的刚度或者质量将发生变化，会导致叶片的振动频率发生改变；当叶片敷冰时，叶片的质量发生改变，这同样导致叶片的振动频率发生改变。叶片过载时，使外界激励力增大，这将导致振动幅值的增加，这也将在振动时域波形和频谱中反应出来。为此，在图3示出的实施例中，本发明还提出通过结合振动数据和机组运行参数数据来分析叶片和轮毂故障前后叶片和轮毂的振动变化，以锁定叶轮故障发生的情况。
[0038]图3中步骤S210~S240的处理与图2中的相应步骤的处理相似，并且增加了步骤S250的处理。可在执行步骤S230后执行步骤S250，步骤S240和S250的执行顺序不重要。
[0039]在步骤S250，对经过S230去除处理的振动加速度数据执行时域分析，以确定是否存在时域冲击信号。
[0040]具体地，在步骤S250，计算测点的振动加速度的至少一个评估值，并且通过将所述评估值与预定的预警阈值进行比较确定是否存在时域冲击信号，其中，所述评估值包括振动加速度的有效值、平均值、振动周期内的波峰值以及振动周期内波峰值和波谷值之和。
[0041]例如，可分别通过以下公式计算振动加速度的有效值X、平均值无、振动周期内的波峰值Xp以及振动周期内波峰值和波谷值之和Xpp当中的至少一个:
【权利要求】
1.一种用于监测风力发电机组的叶轮振动状态的方法，包括: 根据预定的检测周期检测在风力发电机组叶片上的预定测点处至少一个方向上的振动加速度并同步地获取风力发电机组的至少一个机组运行参数的数据，并且记录获取的机组运行参数数据和检测的振动加速度数据； 选取超过预定数量的记录的机组运行参数数据和振动加速度数据的数据集合； 对选取的数据集合执行以下处理: 根据机组运行参数从所述数据集合去除在风力发电机组处于异常工况时检测到的振动加速度数据， 对在叶片上的测点处检测的振动加速度数据执行运行模态分析，提取在运行状态下叶片的固有频率、阻尼比和振型中的至少一个，并且根据提取的固有频率、阻尼比和振型确定风力发电机组的叶轮是否发生故障。
2.根据权利要求1所述的方法，其特征在于，所述根据预定的检测周期检测在风力发电机组叶片上的预定测点处至少一个方向上的振动加速度并同步地获取风力发电机组的至少一个机组运行参数的数据的处理还包括:根据所述预定的检测周期检测在风力发电机组轮毂上的预定测点处至少一个方向上的振动加速度。
3.根据权利要求2所述的方法，其特征在于，所述机组运行参数包括:风速、风力发电机组的转速、风力发电机组的功率、风力发电机组的偏航状态和风力发电机组的变桨状态。
4.根据权利要求3所述的方法，其特征在于，所述异常工况是以下至少一个: 风力发电机组发生偏航、风力发电机组发生变桨、风场湍流强度大于预定湍流阈值、第一预定时间内风速的最大值和最小值之差大于预定风差阈值、第二预定时间内风力发电机组的功率变化率大于预定功率变化阈值以及第三预定时间内风力发电机组的转速变化率大于预定转速变化阈值。
5.根据权利要求4所述的方法，其特征在于，所述方法还包括:在对在叶片上的测点处检测的振动加速度数据执行运行模态分析之前，对所述数据集合中的振动加速度数据进行低通滤波，从所述数据集合去除超过预定频率阈值的振动加速度数据。
6.根据权利要求5所述的方法，其特征在于，所述方法还包括:对经过去除处理的振动加速度数据执行时域分析，以确定是否存在时域冲击信号。
7.根据权利要求6所述的方法，其特征在于，所述对经过去除处理的振动加速度数据执行时域分析，以确定是否存在时域冲击信号的处理包括:计算测点的振动加速度的至少一个评估值，并且通过将所述评估值与预定的预警阈值进行比较确定是否存在时域冲击信号，其中，所述评估值包括振动加速度的有效值、平均值、振动周期内的波峰值以及振动周期内波峰值和波谷值之和。
8.根据权利要求7所述的方法，其特征在于，所述方法还包括:对经过去除处理的振动加速度数据执行快速傅立叶变换，获得振动频谱数据，并且根据获得的振动频谱数据确定是否存在故障振动频率。
9.根据权利要求8所述的方法，其特征在于，所述故障振动频率与叶片的固有频率或倍频相应。
10.根据权利要求1~9中任一项所述的方法，其特征在于，所述对在叶片上的测点处检测的振动加速度数据执行运行模态分析的处理包括:使用时域法、频域法和时频法中的至少一个参数识别方法对在叶片上的测点处检测的振动加速度数据执行运行模态分析。
11.根据权利要求10所述的方法，其特征在于，所述方法还包括:将经过去除处理的振动加速度数据发送给风力发电机组的主控系统。
12.根据权利要求11所述的方法，其特征在于，通过设置在所述预定测点处至少一个方向上的振动传感器检测所述预定测点处至少一个方向上的振动加速度。
13.一种用于监测风力发电机组的叶轮振动状态的系统，包括: 至少一个振动传感器，设置在风力发电机组叶片上的预 定测点处的至少一个方向上，用于检测所述预定测点处的振动加速度； 叶轮振动数据采集装置，用于根据预定的检测周期控制所述至少一个振动传感器检测所述预定测点处至少一个方向上的振动加速度，并且将检测到的振动加速度发送给状态数据收集装置； 状态数据收集装置，用于与所述预定的检测周期同步地获取风力发电机组的至少一个机组运行参数的数据，记录获取的机组运行参数数据和从叶轮振动数据采集装置接收的振动加速度数据，并且选取超过预定数量的记录的机组运行参数数据和振动加速度数据的数据集合； 振动数据筛选装置，用于根据机组运行参数从状态数据收集装置选取的数据集合去除在风力发电机组处于异常工况时检测到的振动加速度数据； 振动数据分析装置，用于对在叶片上的测点处检测的振动加速度数据执行运行模态分析，提取在运行状态下叶片的固有频率、阻尼比和振型中的至少一个，并且根据提取的固有频率、阻尼比和振型确定风力发电机组的叶轮是否发生故障。
14.根据权利要求13所述的系统，其特征在于，部分所述至少一个振动传感器还设置在风力发电机组的轮毂上的预定测点处的至少一个方向上。
15.根据权利要求14所述的系统，其特征在于，所述机组运行参数包括:风速、风力发电机组的转速、风力发电机组的功率、风力发电机组的偏航状态和风力发电机组的变桨状态。
16.根据权利要求15所述的系统，其特征在于，所述异常工况是以下至少一个: 风力发电机组发生偏航、风力发电机组发生变桨、风场湍流强度大于预定湍流阈值、第一预定时间内风速的最大值和最小值之差大于预定风差阈值、第二预定时间内风力发电机组的功率变化率大于预定功率变化阈值以及第三预定时间内风力发电机组的转速变化率大于预定转速变化阈值。
17.根据权利要求16所述的系统，其特征在于，所述振动数据筛选装置还用于对所述数据集合中的振动加速度数据进行低通滤波，从所述数据集合去除超过预定频率阈值的振动加速度数据。
18.根据权利要求17所述的系统，其特征在于，所述振动数据分析装置还对经过去除处理的振动加速度数据执行时域分析，以确定是否存在时域冲击信号。
19.根据权利要求18所述的系统，其特征在于，所述振动数据分析装置用于计算测点的振动加速度的至少一个评估值，并且通过将所述评估值与预定的预警阈值进行比较确定是否存在时域冲击信号，其中，所述评估值包括振动加速度的有效值、平均值、振动周期内的波峰值以及振动周期内波峰值和波谷值之和。
20.根据权利要求19所述的系统，其特征在于，所述振动数据分析装置还用于对经过去除处理的振动加速度数据执行快速傅立叶变换，获得振动频谱数据，并且根据获得的振动频谱数据确定是否存在故障振动频率。
21.根据权利要求20所述的系统，其特征在于，所述故障振动频率与叶片的固有频率或倍频相应。
22.根据权利要求13~21中任一项所述的系统，其特征在于，所述振动数据分析装置使用时域法、频域法和时频法中的至少一个参数识别方法对在叶片上的测点处检测的振动加速度数据执行运行模态分析。
23.根据权利要求22所述的系统，其特征在于，所述振动数据筛选装置还将经过去除处理的振动加速度数据发送给风力发电机组的主控系统。
24.根据权利要求23所述的系统，其特征在于，所述状态数据收集装置、振动数据筛选装置和振动数据 分析装置在同一计算机系统中实现。
【文档编号】G01M7/02GK104075795SQ201410273567
【公开日】2014年10月1日 申请日期:2014年6月18日 优先权日:2014年6月18日
【发明者】唐新安, 靖峰, 范德功 申请人:北京金风科创风电设备有限公司