一种监测风力发电设备中叶片的状态的方法、计算设备和系统与流程

本发明涉及叶片状态监测领域，尤其涉及一种监测风力发电设备中叶片的状态的方法、计算设备和系统。

背景技术：

风力发电作为一种重要的可再生新能源，受到广泛关注。而风力发电设备的叶片作为风力发电机组中捕获风能的关键部位，其健康状况直接影响到整个风电系统的运行。叶片的结构和受力相当复杂，由于叶片的工作环境十分恶劣，春夏秋冬、酷暑严寒、雷电、冰雹、雨雪、沙尘等随时都有可能对风机叶片产生损伤，因此叶片成为风力发电设备中最容易出现事故的位置。据统计，叶片损伤产生的事故约占风机总事故的三分之一。常见风机叶片在遭受损伤之后会出现裂纹、分层、空隙和脱粘等典型的疲劳缺陷，这些损伤随着叶片的运行而不断积累最终会导致叶片断裂。在叶片产生疲劳缺陷到断裂的过程中，叶片在运行时各部分会发生不同程度应变或形变。通常叶片发生损伤事故时必须停机维修，同时一旦叶片折断，则很有可能损坏塔筒，这必将导致高额的维修费用，也给风电场带来很大的经济损失。因此，若能有效监测叶片的健康状况，必能有效的减少风机叶片造成的停机故障，避免产生巨额经济损失。

目前，风力发电设备的叶片状态常见的监测手段有应变片应力监测法和光纤光栅监测法等。这些监测方法都有着其适用的缺陷类型与优缺点，其技术要求比较苛刻，监测过程受运行环境、天气状况以及其他因素的影响，而且通常需要借助复杂的检测仪器设备和专业的分析人员的介入才能做结果判定，极大的增加了监测成本和普及的困难程度。

因此需要一种更先进的监测风力发电设备的叶片的状态的方案。

技术实现要素：

鉴于此，本发明提供了一种新的监测风力发电设备的叶片形变的方案，以力图解决或至少缓解上面存在的问题。

根据本发明的一个方面，提供了一种监测风力发电设备中叶片的状态的方法，每个叶片表面均布置有三轴加速度传感器，方法包括步骤：对于每个叶片，经由其三轴加速度传感器获取该叶片在叶片摆舞方向和叶片摆振方向的当前振动数据和历史振动数据；对于叶片摆舞方向和叶片摆振方向中的每个方向，对该方向的当前振动数据和历史振动数据中的每一组振动数据进行运行模态分析，得到在每一组振动数据的采集时间上叶片模态频率的频率分布；根据所得到的多个频率分布及对应振动数据的采集时间，获取叶片模态频率的频率分布的时间变化趋势；选择频率分布的时间变化趋势中能量最高的预定数目条频率线，每条频率线包括多个频率点；统计所选择的预定数目条频率线中的频率点的频率值分布；基于对所统计的频率值分布变化的监测来确定叶片的状态是否异常。

可选地，在根据本发明的方法中，基于对频率值分布变化的监测来确定叶片的状态是否异常的步骤包括：当监测到任一频率值上频率点个数的变化超过预定比例时，确定叶片的状态异常。

可选地，在根据本发明的方法中，预定数目条频率线为3或4条。

可选地，在根据本发明的方法中，方法还包括步骤：对于每个叶片，经由其三轴加速度传感器获取该叶片在叶片叶尖方向的当前振动数据；计算该方向的当前振动数据的时域指标；基于对所计算的时域指标的监测来确定该叶片是否状态异常，其中当监测到任一时域指标超过相应的阈值时，确定该叶片的状态异常。

可选地，在根据本发明的方法中，方法还包括步骤：对于叶片摆舞方向和叶片摆振方向中的每个方向，计算该方向的当前振动数据的时域指标；基于对所计算的时域指标的监测来确定该叶片是否状态异常，其中当监测到任一时域指标超过相应的阈值时，确定该叶片的状态异常。

可选地，在根据本发明的方法中，方法还包括步骤：对于叶片摆舞方向和叶片摆振方向中的每个方向，获取风力发电设备的多个叶片在该方向的当前振动数据的频谱；对多个叶片中的每两个，获取该两个叶片的当前振动数据的相关系数以及频谱之间的差值谱；根据所获取的相关系数和差值谱来构成一个相似度矩阵；基于对相似度矩阵中非对角线元素的监测来确定叶片是否状态异常，其中，当监测到任一非对角线元素小于预定阈值时确定叶片的状态异常。

可选地，在根据本发明的方法中，获取该两个叶片的当前振动数据的相关系数的公式如下：

其中，两个叶片的两组振动数据分别为x、y，其均值分别为xi、yi分别为振动数据x、y中第i个数据，corr(x,y)为两组振动数据的相关系数。

可选地，在根据本发明的方法中，风力发电设备具有3个叶片，相似度矩阵的公式如下：

其中，asim为相似度矩阵，三个叶片的三组振动数据分别为x(t)、y(t)、z(t)，t为时间，其对应的频谱分别为px(ω)、py(ω)、pz(ω)，ω为频率，corr(x,y)、corr(z,x)、corr(z,x)分别为x(t)和y(t)、z(t)和x(t)、z(t)和y(t)的相关系数。

可选地，在根据本发明的方法中，方法还包括步骤：在获取叶片在叶片叶尖方向、叶片摆舞方向和叶片摆振方向的振动数据之后，对所获取的振动数据进行预定频率范围的带通滤波。

可选地，在根据本发明的方法中，预定频率范围为2倍转频至8赫兹。

可选地，在根据本发明的方法中，时域指标包括峰值和有效值。

根据本发明的另一个方面，提供了一种计算设备，包括：一个或多个处理器；存储器；以及一个或多个程序，其中一个或多个程序存储在存储器中并被配置为由一个或多个处理器执行，一个或多个程序包括用于执行根据本发明的方法中的任一方法的指令。

根据本发明的另一个方面，提供了一种存储一个或多个程序的计算机可读存储介质，一个或多个程序包括指令，指令当由计算设备执行时，使得计算设备执行根据本发明的方法中的任一方法。

根据本发明的还有一个方面，提供了一种监测风力发电设备中叶片的状态的系统，包括：分别布置在每个叶片表面的三轴加速度传感器；根据本发明的计算设备；以及布置在轮毂或机舱处的数据采集站，适于接收三轴加速度传感器输出的振动数据并传输至计算设备。

根据本发明的监测风力发电设备的叶片状态的方案，通过对三轴加速度传感器获取的重点方向上的振动数据根据运行模态分析来进行模态频率的提取并获取频率值分布，克服了传统监测方法中模态频率不清晰的缺点，可以有效的反应叶片当前的健康状况，达到对风机叶片状态进行在线监测的目的，同时操作便捷、布置简单，成本较低。此外，还通过对所有方向上的振动数据进行时域指标的监测，进一步加强了对风机叶片状态的在线监测。

附图说明

为了实现上述以及相关目的，本文结合下面的描述和附图来描述某些说明性方面，这些方面指示了可以实践本文所公开的原理的各种方式，并且所有方面及其等效方面旨在落入所要求保护的主题的范围内。通过结合附图阅读下面的详细描述，本公开的上述以及其它目的、特征和优势将变得更加明显。遍及本公开，相同的附图标记通常指代相同的部件或元素。

图1示出了根据本发明一个示例性实施例的监测风力发电设备中叶片的状态的系统100的结构示意图；

图2示出了根据本发明一个示例性实施例的计算设备200的结构示意图；

图3示出了根据本发明一个示例性实施例的监测风力发电设备中叶片的状态的方法300的流程图；

图4示出了根据本发明一个示例性实施例的三个叶片在叶片摆舞方向的三组振动数据的时域波形示意图；

图5示出了图4所示示例性实施例的三组振动数据的频谱示意图；

图6示出了根据本发明一个示例性实施例的模态频率的频率分布示意图；

图7示出了根据本发明一个示例性实施例的模态频率的频率分布的时间变化趋势示意图；以及

图8示出了根据本发明一个示例性实施例的频率值分布变化的示意图。

具体实施方式

下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。

叶片作为风力发电机组中捕获风能的关键部位，其健康状况直接影响到整个风电系统的运行。风力发电设备的叶片一般很长，运转过程中，在风力作用下各个部位都会发生不同程度的形变。并且随着叶片运行时间的增长，叶片的疲劳损伤会逐渐增多，这些疲劳的积累会致使叶片发生异常。而当叶片在运行过程中发生异常(裂纹、断裂、覆冰、雷击等)时，都会导致叶片自身质量或者刚度发生变化，最终结果则是叶片自身的振型改变，振动值不稳定，模态频率发生偏移。

图1示出了根据本发明一个示例性实施例的监测风力发电设备中叶片状态的系统100的结构示意图。如图1所示，监测风力发电设备中叶片状态的系统100可以包括三轴加速度传感器110、数据采集站120和与数据采集站120通过网络相连接的计算设备200。其中。风力发电设备的每个叶片表面均布置有一个三轴加速度传感器110，具体地，可由螺栓连接于磁座、磁座通过胶粘或者其他固定方式固定于叶片迎风面上距离叶根1/3叶片长度处。这里的三轴加速度传感器110为三轴mems加速度传感器，可输出叶片在三个轴向的振动数据，三个轴向分别为叶片叶尖方向、叶片摆舞方向和叶片摆振方向。

数据采集站120布置于风力发电设备的轮毂或者机舱处，三轴加速度传感器110可以通过其线缆穿过叶片盖板孔与数据采集站连接，并向数据采集站120传输振动数据，也可以通过无线的方式与数据采集站连接并传输振动数据。数据采集站120接收三轴加速度传感器110的振动数据，通过自身的通信模块将振动数据发送至远端的计算设备200，也可以通过有线的方式将传输至风场环网，再由环网传输至计算设备200。本发明对设备的连接方式不作限制。

图2示出了根据本发明一个示例性实施例的计算设备200的结构框图。该计算设备200可以实现为例如文件服务器、数据库服务器、应用程序服务器和网络服务器等，也可以实现为包括桌面计算机和笔记本计算机配置的个人计算机。此外，该计算设备200还可以实现为小尺寸便携(或者移动)电子设备的一部分，这些电子设备可以是诸如蜂窝电话、个人数字助理(pda)、个人媒体播放器设备、无线网络浏览设备、个人头戴设备、应用专用设备、或者可以包括上面任何功能的混合设备。

在基本的配置202中，计算设备200典型地包括系统存储器206和一个或者多个处理器204。存储器总线208可以用于在处理器204和系统存储器206之间的通信。

取决于期望的配置，处理器204可以是任何类型的处理，包括但不限于：微处理器((μp)、微控制器(μc)、数字信息处理器(dsp)或者它们的任何组合。处理器204可以包括诸如一级高速缓存210和二级高速缓存212之类的一个或者多个级别的高速缓存、处理器核心214和寄存器216。示例的处理器核心214可以包括运算逻辑单元(alu)、浮点数单元(fpu)、数字信号处理核心(dsp核心)或者它们的任何组合。示例的存储器控制器218可以与处理器204一起使用，或者在一些实现中，存储器控制器218可以是处理器204的一个内部部分。

取决于期望的配置，系统存储器206可以是任意类型的存储器，包括但不限于：易失性存储器(诸如ram)、非易失性存储器(诸如rom、闪存等)或者它们的任何组合。系统存储器206可以包括操作系统220、一个或者多个程序222以及程序数据224。在一些实施方式中，程序222可以被配置为在操作系统上由一个或者多个处理器204利用程序数据224执行指令。

计算设备200还可以包括有助于从各种接口设备(例如，输出设备242、外设接口244和通信设备246)到基本配置202经由总线/接口控制器230的通信的接口总线240。示例的输出设备242包括图形处理单元248和音频处理单元250。它们可以被配置为有助于经由一个或者多个a/v端口252与诸如显示器或者扬声器之类的各种外部设备进行通信。示例外设接口244可以包括串行接口控制器254和并行接口控制器256，它们可以被配置为有助于经由一个或者多个i/o端口258和诸如输入设备(例如，键盘、鼠标、笔、语音输入设备、触摸输入设备)或者其他外设(例如打印机、扫描仪等)之类的外部设备进行通信。示例的通信设备246可以包括网络控制器260，其可以被布置为便于经由一个或者多个通信端口264与一个或者多个其他计算设备262通过网络通信链路的通信。

网络通信链路可以是通信介质的一个示例。通信介质通常可以体现为在诸如载波或者其他传输机制之类的调制数据信号中的计算机可读指令、数据结构、程序模块，并且可以包括任何信息递送介质。“调制数据信号”可以这样的信号，它的数据集中的一个或者多个或者它的改变可以在信号中编码信息的方式进行。作为非限制性的示例，通信介质可以包括诸如有线网络或者专线网络之类的有线介质，以及诸如声音、射频(rf)、微波、红外(ir)或者其它无线介质在内的各种无线介质。这里使用的术语计算机可读介质可以包括存储介质和通信介质二者。

其中，计算设备200的一个或多个程序222包括用于执行根据本发明的监测风力发电设备中叶片的状态的方法中任一方法的指令。

图3示出了根据本发明一个示例性实施例的监测风力发电设备中叶片的状态的方法300的流程图。如图3所示，监测风力发电设备中叶片的状态的方法300始于步骤s310。

对于每个叶片，在步骤s310中，经由其三轴加速度传感器获取该叶片在叶片摆舞方向和叶片摆振方向的当前振动数据和历史振动数据。

叶片挥舞方向和摆振方向的振动数据包含了叶片运行时丰富的振型信息，因此可以重点对这两个方向的振动数据进行指标提取和监控。

根据本发明的一个实施例，可以对于这两个方向中的每个方向，计算该方向的当前振动数据的时域指标，并基于对所计算的时域指标的监测来确定该叶片是否状态异常，其中当监测到任一时域指标超过相应的阈值时，确定该叶片的状态异常，并发出警报。这里的阈值可以根据现场一定时间的实际测量而调整，时域指标则通常为有效值和峰值。

进一步地，根据本发明的另一个实施例，还可以通过叶片间的频谱相似度指标，来监控不同叶片间振动的相似程度，以此横向比较来发现叶片中出现的异常。具体地，可以对于叶片摆舞方向和叶片摆振方向中的每个方向，均获取风力发电设备的多个叶片在该方向的当前振动数据的频谱。对多个叶片中的每两个，获取该两个叶片的当前振动数据的相关系数以及频谱之间的差值谱，并根据所获取的相关系数和差值谱来构成一个相似度矩阵，也就是频谱相似度指标。最后基于对相似度矩阵中非对角线元素的监测来确定叶片是否状态异常，其中，当监测到任一非对角线元素小于预定阈值时确定叶片的状态异常。阈值同样可以根据现场一定时间的实际测量而调整。

风力发电设备通常具有3个叶片，那么，假设三个叶片在叶片摆舞方向的三组振动数据分别为x(t)、y(t)、z(t)，t为时间，其对应的频谱分别为px(ω)、py(ω)、pz(ω)，ω为频率。corr(x,y)为计算x(t)、y(t)两组振动数据的相关系数，其计算公式如下：

其中，两个叶片的两组振动数据分别为x、y，其均值分别为xi、yi分别为振动数据x、y中第i个数据，corr(x,y)为两组振动数据的相关系数。

计算得到三组振动数据两两之间的频谱差值谱为|px(ω)-py(ω)|、|py(ω)-pz(ω)|、|px(ω)-pz(ω)|，两两之间的相关系数为corr(x,y)、corr(z,x)、corr(z,x)，ω为叶片转频。

最后可以计算得到相似度矩阵asim的公式如下：

在进行时域指标监测和频谱相似度指标监测的同时，在步骤s320中，对于叶片摆舞方向和叶片摆振方向中的每个方向，均对该方向的当前振动数据和历史振动数据中的每一组振动数据进行运行模态分析(oma)，得到在每一组振动数据的采集时间上叶片模态频率的频率分布。

其中，运行模态分析是一种在环境激励下对结构进行有效模态参数辨识的方法，无需施加人工激励，完全依靠环境激励。通过运行模态分析来提取叶片振动数据中的模态频率，克服了传统方法中获取的模态频率能量过低，提取精度差的问题。常见的运行模态分析的方法有频域法(峰值提取、频域分解、改进频域分解等)、时域法(随机减量、随机子空间等)、时频法(小波相关、希尔伯特-黄变换、最小二乘法、支持向量机等)几类方法，本发明不对运行模态分析的具体算法做限制，

在获取不同时间的多个模态频率的频率分布之后，在步骤s330中，根据所得到的多个频率分布及对应振动数据的采集时间，获取叶片模态频率的频率分布的时间变化趋势。

在得到的时间变化趋势中，会存在几条能量较高的频率线。这些频率线对应着叶片的模态信息，其整体偏移对应着叶片状态的变化。因此对这些频率线进行监测可有效反映叶片的状态。

在步骤s340中，选择所获取的频率分布的时间变化趋势中能量最高的预定数目条(通常为3-4条)频率线，每条频率线包括多个频率点。

而后在步骤s350中，统计所选择的预定数目条频率线中的频率点的频率值分布，也就是说统计这些频率点在不同频率值的个数分布。

最后在步骤s360中，基于对所统计的频率值分布变化的监测来确定叶片的状态是否异常。例如，当监测到任一频率值上频率点个数的变化超过预定比例(例如10％)时，确定叶片的状态异常，并发出警报。

另外，考虑到叶片叶尖方向的振动数据在正常状态下振动小，但一旦出现振动异常，则表示叶片很有可能出现严重问题。因此也需要对叶片叶尖方向的振动数据进行监测。

根据本发明的一个实施例，对于每个叶片，经由其三轴加速度传感器获取该叶片在叶片叶尖方向的当前振动数据。计算该方向的当前振动数据的时域指标，并基于对所计算的时域指标的监测来确定该叶片是否状态异常，其中当监测到任一时域指标超过相应的阈值时，确定该叶片的状态异常，并发出警报。时域指标同样包括有效值和峰值。

需要指出的是，以上的振动数据均是经过滤波后的数据。具体地，在获取叶片在叶片叶尖方向、叶片摆舞方向和叶片摆振方向的振动数据之后，需要对所获取的振动数据进行预定频率范围的带通滤波，预定频率范围通常为2倍转频至8赫兹，滤波器可以为20阶butterworth(巴特沃斯)带通滤波器。

下面将结合附图对本发明的监测过程进行说明。

图4示出了根据本发明一个示例性实施例的三个叶片在叶片挥舞方向的三组振动数据的时域波形示意图。图5则示出了这三组振动数据的频谱示意图。

对其中一组振动数据进行运行模态分析后，可得到如图6所示的模态频率的频率分布示意图。而由于实际系统中叶片的振动数据会随着时间的变化存在很多组振动数据，因此需要对当前振动数据和历史振动数据中的每一组进行运行模态分析，最后得到如图7所示的模态频率的频率分布的时间变化趋势。

如图7所示，其中存在着1、2、3和4这几条能量较高的频率线。提取这几条频率线，统计获取其中频率点的频率值分布，如图8所示。监测图中分布的变化，监测到任一频率值的个数变化超过10％时确定叶片状态异常，进行报警。

应当理解，这里描述的各种技术可结合硬件或软件，或者它们的组合一起实现。从而，本发明的方法和设备，或者本发明的方法和设备的某些方面或部分可采取嵌入有形媒介，例如软盘、cd-rom、硬盘驱动器或者其它任意机器可读的存储介质中的程序代码(即指令)的形式，其中当程序被载入诸如计算机之类的机器，并被该机器执行时，该机器变成实践本发明的设备。

在程序代码在可编程计算机上执行的情况下，计算设备一般包括处理器、处理器可读的存储介质(包括易失性和非易失性存储器和/或存储元件)，至少一个输入装置，和至少一个输出装置。其中，存储器被配置用于存储程序代码；处理器被配置用于根据该存储器中存储的该程序代码中的指令，执行本发明的各种方法。

以示例而非限制的方式，计算机可读介质包括计算机存储介质和通信介质。计算机可读介质包括计算机存储介质和通信介质。计算机存储介质存储诸如计算机可读指令、数据结构、程序模块或其它数据等信息。通信介质一般以诸如载波或其它传输机制等已调制数据信号来体现计算机可读指令、数据结构、程序模块或其它数据，并且包括任何信息传递介质。以上的任一种的组合也包括在计算机可读介质的范围之内。

在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本发明的实施例可以在没有这些具体细节的情况下被实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。

类似地，应当理解，为了精简本公开并帮助理解各个发明方面中的一个或多个，在上面对本发明的示例性实施例的描述中，本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该公开的方法解释成反映如下意图：即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多特征。更确切地说，如下面的权利要求书所反映的那样，发明方面在于少于前面公开的单个实施例的所有特征。因此，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为本发明的单独实施例。

本发明还可以包括：a8、如a6所述的方法，其中，风力发电设备具有3个叶片，相似度矩阵的公式如下：

其中，asim为相似度矩阵，三个叶片的三组振动数据分别为x(t)、y(t)、z(t)，t为时间，其对应的频谱分别为px(ω)、py(ω)、pz(ω)，ω为频率，corr(x,y)、corr(z,x)、corr(z,x)分别为x(t)和y(t)、z(t)和x(t)、z(t)和y(t)的相关系数。a9、如a1-8中任一个所述方法，其中，所述方法还包括步骤：在获取叶片在叶片叶尖方向、叶片摆舞方向和叶片摆振方向的振动数据之后，对所获取的振动数据进行预定频率范围的带通滤波。a10、如a9所述方法，其中，预定频率范围为2倍转频至8赫兹。a11、如a1-10中任一个所述的方法，其中，所述时域指标包括峰值和有效值。

本领域那些技术人员应当理解在本文所公开的示例中的设备的模块或单元或组件可以布置在如该实施例中所描述的设备中，或者可替换地可以定位在与该示例中的设备不同的一个或多个设备中。前述示例中的模块可以组合为一个模块或者此外可以分成多个子模块。

本领域那些技术人员可以理解，可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件，以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外，可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述，本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。

此外，本领域的技术人员能够理解，尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如，在下面的权利要求书中，所要求保护的实施例的任意之一都可以以任意的组合方式来使用。

此外，所述实施例中的一些在此被描述成可以由计算机系统的处理器或者由执行所述功能的其它装置实施的方法或方法元素的组合。因此，具有用于实施所述方法或方法元素的必要指令的处理器形成用于实施该方法或方法元素的装置。此外，装置实施例的在此所述的元素是如下装置的例子：该装置用于实施由为了实施该发明的目的的元素所执行的功能。

如在此所使用的那样，除非另行规定，使用序数词“第一”、“第二”、“第三”等等来描述普通对象仅仅表示涉及类似对象的不同实例，并且并不意图暗示这样被描述的对象必须具有时间上、空间上、排序方面或者以任意其它方式的给定顺序。

尽管根据有限数量的实施例描述了本发明，但是受益于上面的描述，本技术领域内的技术人员明白，在由此描述的本发明的范围内，可以设想其它实施例。此外，应当注意，本说明书中使用的语言主要是为了可读性和教导的目的而选择的，而不是为了解释或者限定本发明的主题而选择的。因此，在不偏离所附权利要求书的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。对于本发明的范围，对本发明所做的公开是说明性的，而非限制性的，本发明的范围由所附权利要求书限定。