一种大兆瓦风电机组叶片扫塔安全风险预警方法与流程

1.本发明涉及叶片扫塔预警技术领域，具体而言，涉及一种大兆瓦风电机组叶片扫塔安全风险预警方法。


背景技术：

2.如今，世界风电进入快速发展阶段，。为了从环境中捕获更多的风能，近些年风电机组整体发展趋势朝着大型、海上方向发展，各国研究重心向功率更大、风轮直径更长、叶片质量更轻、塔架高度更高的大型风电机组的设计开发上转移。
3.然而，在风电机组叶片大型化、轻量化的发展过程中，一系列问题也逐渐暴露了出来。因部分厂家对大型叶片的设计还未完全掌握，部分叶片的几何非线性、气弹、共振、失稳等动力学问题日益突出；机组叶片、塔架、传动链等多系统耦合带来的柔性控制需求，增加了机组控制系统设计的难度；项目建设期选址不规范，风电场部分机组载荷适应性不满足设计标准；抢装潮期间，叶片的制造、运输、吊装不规范造成叶片的隐形损伤，叶片长时间带病运行加剧了叶片的疲劳损伤。这一系列问题将直接影响机组的安全运行，大部分设计和制造存在缺陷的机组在并网后就出现了叶片扫塔的情况。针对大兆瓦风电机组叶片扫塔安全风险评估与防范关键技术的研究已变成了非常迫切的任务，但是风机叶片的运动轨迹监测实际上较为困难，通常需要大范围的扫描观察、或多个传感器的安装配合。
4.如果可以通过简单设备的安装实现叶片轨迹的监测同时实现精准的叶片扫塔预警，将大幅度提升监测质量并减小成本，预防扫塔风险。


技术实现要素：

5.本发明的目的在于提供一种大兆瓦风电机组叶片扫塔安全风险预警方法，其目的是通过简单设备的安装实现叶片轨迹的监测同时实现精准的叶片扫塔预警，提升监测质量并减小成本，降低事故概率提升风机电组的安全性。
6.本发明的实施例通过以下技术方案实现：
7.一种大兆瓦风电机组叶片扫塔安全风险预警方法，包括以下步骤：
8.周期t内采集风轮中的每个叶片的净空距离,每次采集净空距离的同时记下净空距离采集时刻；
9.周期t内周期性采集风轮的振动幅度、风轮的加速度；
10.获取周期t内风轮中的每个叶片的净空距离平均偏移和每个叶片的最小净空距离i＝1,2，
…
,n；
11.根据所述振动幅度获取周期t内风轮的振动最大叶片形变程度d
am
；
12.根据所述加速度获取周期t内风轮的加速度最大叶片形变程度d
ac
；
13.根据根据d
am
和d
ac
预测是否存在叶片扫塔风险。
14.优选地，所述采集风轮中的每个叶片的净空距离的方法为：
15.设置超声波传感器和计数器；
16.将超声波传感器安装在风力发电机组的机舱外侧，风轮旋转时叶片轨迹形成一个圆形轨迹，超声波传感器的探测端头正对该圆形轨迹内靠近圆形轨迹边缘的任意一点；
17.初始化计数器的数值m＝0；
18.风轮旋转开始，所述超声波传感器每探测到前方障碍物计数器的数值m+1并记录此时的障碍物距离lm，最终得到数组l
measure
＝[l1,l2,
…
,lm]；
[0019]
获取所述风轮中的叶片的数量n；
[0020]
获取周期t内的时序采集的i号叶片的净空距离形成的数组l
measure-i
：
[0021][0022][0023]
优选地，获取所述周期t内风轮中的每个叶片的净空距离平均偏移的方法为：
[0024]
获取静止状态下风轮中的每个叶片的净空距离
[0025]
风轮中的i号叶片的净空距离平均偏移为：
[0026][0027][0028]
其中，为静止状态下i号叶片的净空距离，l
measure-i
为周期t内的时序采集的i号叶片的净空距离形成的数组，数组中元素总量为ni，为li中第k个元素。
[0029]
优选地，获取所述每个叶片的最小净空距离的方法为：
[0030][0031]
优选地，所述振动最大叶片形变程度的获取方法为：
[0032]
获取周期t内风轮的最大振动幅度对应的时刻t1；
[0033]
在所述净空距离采集时刻中获取距离时刻t1最近的n个时刻及其对应的采集到的净空距离，这些净空距离形成数组a，n为所述风轮的叶片总数；
[0034]
获取振动最大叶片形变程度d
am
：
[0035]dam
＝max(a)-min(a)。
[0036]
优选地，所述加速度最大叶片形变程度的获取方法为：
[0037]
获取周期t内风轮的最大加速度对应的时刻t2；
[0038]
在所述净空距离采集时刻中获取距离时刻t2最近的n个时刻及其对应的采集到的净空距离，这些净空距离形成数组b，n为所述风轮的叶片总数；
[0039]
获取振动最大叶片形变程度d
ac
：
[0040]dac
＝max(b)-min(b)。
[0041]
优选地，所述预测是否存在叶片扫塔风险的方法为，满足以下任意条件视为存在叶片扫塔风险：
[0042]
所述叶片的净空距离变化趋势存在扫塔风险；
[0043]
所述叶片的形变程度存在扫塔风险。
[0044]
优选地，所述叶片的净空距离变化趋势存在扫塔风险的判断标准为：任意所述叶片的净空距离平均偏移超过速率阈值，或任意所述叶片的最小净空距离低于最小距离阈值。
[0045]
优选地，所述叶片的形变程度存在扫塔风险的判断标准为：
[0046]
获取判断参数d
p
：d
p
＝d
am
+d
ac
；
[0047]
判断参数d
p
大于判断阈值则叶片的形变程度存在扫塔风险。
[0048]
本发明实施例的技术方案至少具有如下优点和有益效果：
[0049]
本发明通过对风电机组的叶片进行监测，通过净空距离的预测对风电机组的叶片扫塔进行智能化预警，提升风电机组的安全性、降低其叶片扫塔引发的事故概率；
[0050]
本发明通过一个监测装置实现所有风机叶片的运行监测，且监测装置不需要安装在叶片上，稳定性更强的同时具有很高的性价比；
[0051]
本发明还监测了每个叶片的净空距离变化，便于比较不同风机叶片直接的差异性，作为参数更好地监控叶片扫塔风险；
[0052]
本发明通过监测获取多种参数作为预警叶片扫塔风险的标准，监测更为全面，有助于提升叶片扫塔预警的质量；
[0053]
本发明设计合理、相关数据处理和运算过程简单，算力和相关装置安装成本较低，便于推广和应用。
附图说明
[0054]
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
[0055]
图1为本发明实施例1提供的一种大兆瓦风电机组叶片扫塔安全风险预警方法的流程示意图；
[0056]
图2为本发明实施例2提供的超声波传感器安装位置的示意图。
具体实施方式
[0057]
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
[0058]
因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0059]
实施例1
[0060]
参阅图1，本实施例提供了一种大兆瓦风电机组叶片扫塔安全风险预警方法，包括以下步骤：
[0061]
步骤s1：周期t内采集风轮中的每个叶片的净空距离,每次采集净空距离的同时记下净空距离采集时刻；
[0062]
步骤s2：周期t内周期性采集风轮的振动幅度、风轮的加速度；
[0063]
步骤s3：获取周期t内风轮中的每个叶片的净空距离平均偏移和每个叶片的最小净空距离i＝1,2，
…
,n；
[0064]
步骤s4：根据所述振动幅度获取周期t内风轮的振动最大叶片形变程度d
am
；
[0065]
步骤s5：根据所述加速度获取周期t内风轮的加速度最大叶片形变程度d
ac
；
[0066]
步骤s6：根据d
am
和d
ac
预测是否存在叶片扫塔风险。
[0067]
本实施例的基本执行思想如下：
[0068]
本实施例一方面通过采集每个叶片的净空距离，获取周期t内风轮中的每个叶片的净空距离平均偏移和每个叶片的最小净空距离这两个参数都可以作为叶片扫塔预警的重要指标。
[0069]
另一方面，采集风轮的振动幅度、风轮的加速度，以便分别获取风轮的振动幅度最大和风轮的加速度最大的时刻，然后找寻这些时候每个叶片的净空距离，以此获取叶片的形变，形变过大也可以视为叶片扫塔预警的重要指标。采集风轮的振动幅度、风轮的加速度的周期可以通过叶片的转速决定。
[0070]
然后在存在叶片扫塔风险的时候可以及时发出预警，后续可以自动或者由工作人员进行降低运行功率、停机检查等操作。而按照一个周期t进行处理是为了方便在一个时间段进行数据处理，避免出现处理过程中数据无穷增加、数据堆积等混乱情况发生。
[0071]
特别说明的是，具体的数据处理、判断过程都可以由控制模块实现，预警结果都可以传输到远端，例如远端控制台、远端计算机以及手机等移动设备。
[0072]
实施例2
[0073]
本实施例基于实施例1的技术方案，对采集风轮中的每个叶片的净空距离的方法进行进一步说明。
[0074]
在本实施例中，所述采集风轮中的每个叶片的净空距离的方法为：
[0075]
设置超声波传感器和计数器；
[0076]
将超声波传感器安装在风力发电机组的机舱外侧，风轮旋转时叶片轨迹形成一个圆形轨迹，超声波传感器的探测端头正对该圆形轨迹内靠近圆形轨迹边缘的任意一点；具体安装位置的示意图可以参阅图2，图2为一个侧视图，其中a即为叶片轨迹形成的圆形轨迹的侧面，b即为超声波传感器；
[0077]
初始化计数器的数值m＝0；
[0078]
风轮旋转开始，所述超声波传感器每探测到前方障碍物计数器的数值m+1并记录此时的障碍物距离lm，最终得到数组l
measure
＝[l1,l2,
…
,lm]；
[0079]
获取所述风轮中的叶片的数量n；
[0080]
获取周期t内的时序采集的i号叶片的净空距离形成的数组l
measure-i
：
[0081][0082]
[0083]
在运行中的风电机组中，若是要对单一的叶片进行净空距离的追踪一般都是在每个叶片上设置一个传感器来采集数据，但是风轮的叶片持续处于高速旋转中，很容易将叶片上的传感器甩出，若是要确保传感器稳定需要设置专门的固定结构，如此安装消耗大，还会给风轮增加额外的负担，为了保证风轮的运作效果设计难度也大。
[0084]
所以本实施例的优势在于：仅仅安装了一个超声波传感器和计数器来实现风轮的叶片的净空距离的捕捉，利用叶片之间的间隙实现叶片切换的识别，配合计数器捕捉周期t内捕捉到的叶片总次数和每次捕捉到的叶片的净空距离。由于风轮叶片的数量是已知的，所以很容易可以给捕捉到的所有叶片进行分组。前面实施例1提到了，采集风轮的振动幅度、风轮的加速度的周期可以通过叶片的转速决定，基于本实施例的方案采集风轮的振动幅度、风轮的加速度的周期即可设置为使得每当超声波传感器捕捉到一次数据振动传感器和加速度传感器也采集一次数据。
[0085]
例如：一共捕捉了100次叶片，已知该风轮有3叶片，所以可以很容易知道，舍弃最后一点数据减少计算复杂度，且还能保证每个叶片被捕捉的次数相同。在这里，做了一个向下取整的运算，每个相同叶片被捕捉了捕捉到的第1、4、7，
…
，97次数据可以视为1号叶片的数据，捕捉到的第2、5、8，
…
，98次数据可以视为2号叶片的数据，捕捉到的第3、6、9，
…
，99次数据可以视为2号叶片的数据。如此便能通过一个稳定、安装方便、性价比高的监测装置，捕捉到每个单片的叶片在周期t内的净空距离变化。
[0086]
实施例3
[0087]
本实施例基于实施1的技术方案，对净空距离平均偏移等进行进一步说明。
[0088]
作为本实施例的优选方案，获取所述周期t内风轮中的每个叶片的净空距离平均偏移的方法为：
[0089]
获取静止状态下风轮中的每个叶片的净空距离
[0090]
风轮中的i号叶片的净空距离平均偏移为：
[0091][0092][0093]
其中，为静止状态下i号叶片的净空距离，l
measure-i
为周期t内的时序采集的i号叶片的净空距离形成的数组，数组中元素总量为ni，为li中第k个元素。
[0094]
另一方面，获取所述每个叶片的最小净空距离的方法为：
[0095][0096]
在本实施例中，对每个叶片分别进行了以下操作：以该叶片静止状况的净空距离作为标准净空距离，提取每次捕捉到该叶片的净空距离然后计算这个净空距离离标准净空距离的偏移量，然后进行累加取一个平均值获得平均偏移；另外取每个叶片的净空距离数组中的最小值即可获得周期t内每个叶片的最小净空距离。以上两个参数均为进行叶片扫塔预警的重要参数。
[0097]
实施例4
[0098]
本实施例基于实施1的技术方案，对振动最大叶片形变程度和加速度最大叶片形变程度进行进一步说明。
[0099]
优选地，所述振动最大叶片形变程度的获取方法为：
[0100]
获取周期t内风轮的最大振动幅度对应的时刻t1；
[0101]
在所述净空距离采集时刻中获取距离时刻t1最近的n个时刻及其对应的采集到的净空距离，这些净空距离形成数组a，n为所述风轮的叶片总数；
[0102]
获取振动最大叶片形变程度d
am
：
[0103]dam
＝max(a)-min(a)。
[0104]
此外，所述加速度最大叶片形变程度的获取方法为：
[0105]
获取周期t内风轮的最大加速度对应的时刻t2；
[0106]
在所述净空距离采集时刻中获取距离时刻t2最近的n个时刻及其对应的采集到的净空距离，这些净空距离形成数组b，n为所述风轮的叶片总数；
[0107]
获取振动最大叶片形变程度d
ac
：
[0108]dac
＝max(b)-min(b)。
[0109]
本实施例具体思想如下：
[0110]
采集风轮的振动幅度、风轮的加速度，以便分别获取风轮的振动幅度最大和风轮的加速度最大的时刻，分别为t1和t2，然后分别找寻离t1和t2最近的n个时刻的每个叶片的净空距离，最近的n个时刻必为n个连续捕捉时间点，n也为叶片数量，所以这n个时间点一点恰好是风轮中n个叶片中每个叶片各被捕捉一次净空距离，且由于风轮高速旋转，实际n个时间点彼此都很近。
[0111]
通过d
am
和d
ac
可以分别获取最大振幅和最大加速度的时候，叶片中最大净空距离和最小净空距离的差值，把这个差值视为形变参数，也就是以此获取叶片的形变，形变过大也可以视为叶片扫塔预警的重要指标。
[0112]
实施例5
[0113]
本实施例基于实施1的技术方案，对具体的叶片扫塔风险预测进行进一步说明。
[0114]
在本实施例中，所述预测是否存在叶片扫塔风险的方法为，满足以下任意条件视为存在叶片扫塔风险：
[0115]
所述叶片的净空距离变化趋势存在扫塔风险；
[0116]
所述叶片的形变程度存在扫塔风险。
[0117]
其中，所述叶片的净空距离变化趋势存在扫塔风险的判断标准为：任意所述叶片的净空距离平均偏移超过速率阈值，或任意所述叶片的最小净空距离低于最小距离阈值。
[0118]
另一方面，所述叶片的形变程度存在扫塔风险的判断标准为：
[0119]
获取判断参数d
p
：d
p
＝d
am
+d
ac
；
[0120]
判断参数d
p
大于判断阈值则叶片的形变程度存在扫塔风险。
[0121]
以上仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

技术特征：
1.一种大兆瓦风电机组叶片扫塔安全风险预警方法，其特征在于，包括以下步骤：周期t内采集风轮中的每个叶片的净空距离,每次采集净空距离的同时记下净空距离采集时刻；周期t内周期性采集风轮的振动幅度、风轮的加速度；获取周期t内风轮中的每个叶片的净空距离平均偏移和每个叶片的最小净空距离i＝1,2，
…
,n；根据所述振动幅度获取周期t内风轮的振动最大叶片形变程度d
am
；根据所述加速度获取周期t内风轮的加速度最大叶片形变程度d
ac
；根据d
am
和d
ac
预测是否存在叶片扫塔风险。2.根据权利要求1所述的一种大兆瓦风电机组叶片扫塔安全风险预警方法，其特征在于，所述采集风轮中的每个叶片的净空距离的方法为：设置超声波传感器和计数器；将超声波传感器安装在风力发电机组的机舱外侧，风轮旋转时叶片轨迹形成一个圆形轨迹，超声波传感器的探测端头正对该圆形轨迹内靠近圆形轨迹边缘的任意一点；初始化计数器的数值m＝0；风轮旋转开始，所述超声波传感器每探测到前方障碍物计数器的数值m+1并记录此时的障碍物距离l
m
，最终得到数组l
measure
＝[l1,l2,
…
,l
m
]；获取所述风轮中的叶片的数量n；获取周期t内的时序采集的i号叶片的净空距离形成的数组l
measure-i
：：3.根据权利要求1所述的一种大兆瓦风电机组叶片扫塔安全风险预警方法，其特征在于，获取所述周期t内风轮中的每个叶片的净空距离平均偏移的方法为：获取静止状态下风轮中的每个叶片的净空距离风轮中的i号叶片的净空距离平均偏移为：为：其中，为静止状态下i号叶片的净空距离，l
measure-i
为周期t内的时序采集的i号叶片的净空距离形成的数组，数组中元素总量为n
i
，为l
i
中第k个元素。4.根据权利要求3所述的一种大兆瓦风电机组叶片扫塔安全风险预警方法，其特征在于，获取所述每个叶片的最小净空距离的方法为：5.根据权利要求1所述的一种大兆瓦风电机组叶片扫塔安全风险预警方法，其特征在
于，所述振动最大叶片形变程度的获取方法为：获取周期t内风轮的最大振动幅度对应的时刻t1；在所述净空距离采集时刻中获取距离时刻t1最近的n个时刻及其对应的采集到的净空距离，这些净空距离形成数组a，n为所述风轮的叶片总数；获取振动最大叶片形变程度d
am
：d
am
＝max(a)-min(a)。6.根据权利要求5所述的一种大兆瓦风电机组叶片扫塔安全风险预警方法，其特征在于，所述加速度最大叶片形变程度的获取方法为：获取周期t内风轮的最大加速度对应的时刻t2；在所述净空距离采集时刻中获取距离时刻t2最近的n个时刻及其对应的采集到的净空距离，这些净空距离形成数组b，n为所述风轮的叶片总数；获取振动最大叶片形变程度d
ac
：d
ac
＝max(b)-min(b)。7.根据权利要求1所述的一种大兆瓦风电机组叶片扫塔安全风险预警方法，其特征在于，所述预测是否存在叶片扫塔风险的方法为，满足以下任意条件视为存在叶片扫塔风险：所述叶片的净空距离变化趋势存在扫塔风险；所述叶片的形变程度存在扫塔风险。8.根据权利要求7所述的一种大兆瓦风电机组叶片扫塔安全风险预警方法，其特征在于，所述叶片的净空距离变化趋势存在扫塔风险的判断标准为：任意所述叶片的净空距离平均偏移v
li
超过速率阈值，或任意所述叶片的最小净空距离低于最小距离阈值。9.根据权利要求8所述的一种大兆瓦风电机组叶片扫塔安全风险预警方法，其特征在于，所述叶片的形变程度存在扫塔风险的判断标准为：获取判断参数d
p
：d
p
＝
am
+
ac
；判断参数d
p
大于判断阈值则叶片的形变程度存在扫塔风险。

技术总结
本发明提供了一种大兆瓦风电机组叶片扫塔安全风险预警方法，涉及叶片扫塔预警技术领域，其目的是通过简单设备的安装实现叶片轨迹的监测同时实现精准的叶片扫塔预警，提升监测质量并减小成本，降低事故概率提升风机电组的安全性，包括周期T内采集风轮中的每个叶片的净空距离,每次采集净空距离的同时记下净空距离采集时刻；周期T内周期性采集风轮的振动幅度、风轮的加速度；获取周期T内风轮中的每个叶片的净空距离平均偏移和每个叶片的最小净空距离；根据所述振动幅度获取周期T内风轮的振动最大叶片形变程度；根据所述加速度获取周期T内风轮的加速度最大叶片形变程度；预测是否存在叶片扫塔风险。本发明具有成本低、预测准确的优点。确的优点。确的优点。


技术研发人员：郭佳浩 董巍峰 李杰 高超 尉露 张小贝 陈增睿 雷原 来超超
受保护的技术使用者：华能定边新能源发电有限公司
技术研发日：2023.05.04
技术公布日：2023/8/1