【技术实现步骤摘要】
本专利技术属于风力发电，涉及海上风机叶片状态监测的方法。
技术介绍
1、随着世界经济的持续发展，能源需求量的要求也越来越大，石油、煤、天然气等能源的消耗的需求也急剧增加，随着不可再生能源的资源枯竭以及恶劣的环境问题，对可再生的清洁新能源的开发利用就显得尤其重要。
2、
3、而风能作为绿色可持续能源，风力发电可大量减少碳排放。
4、风机叶片是风力发电机最基础也是最关键的零部件之一，在风的驱动下，可以将风能转化为机械能，其成本大约在整机价值的20％左右。
5、随着技术的发展成熟以及对制造成本的要求，风电机组单机容量不断增大，叶片长度越来越长。
6、作为风力发电机组的关键部件及整机系统能量的输入部件，叶片的性能状态直接对系统的性能、状态以及安全产生影响。
7、在风机叶片运营过程中，由于户外所受的载荷复杂多样，尤其是海上风电发展，遭遇的台风级数和频率都会大大增加，很容易就会对风机叶片造成累积损伤或突然损伤。
8、在机组运行期间，如能及时准确地检测出叶片故障并采取相应措施，可以在很大程度上避免发生重大事故，降低机组停机维修时间，降低维修成本，提高电能质量和发电经济效益。
9、但是目前对风机叶片的监测中还存在一些问题，首先是对叶片的诊断缺少相对成熟的判定标准，其次目前叶片维护处于故障触发模式，现场诊断结果不能及时有效促进诊断方法的迭代更新，诊断方法缺乏自主学习能力，最后是监测与诊断过程中忽略了环境因素的影响，造成风机状态评估一致性较差，同时由于单
技术实现思路
1、本方法充分监测叶片运行环境信息、工况信息和叶片结构信息，构建了基于运维物联网和群体智能的叶片级、风机级、风场级数据的三级融合体系架构，提出了具有自主学习能力的风力发电机组叶片状态监测方法，提高了风力发电机组叶片状态监测的适应性和准确性。
2、如图1所示，本方法包含四个层次，分别为叶片级数据融合层、风机级信息融合层、风场级特征融合层和自主学习层。
3、叶片级数据融合层负责采集叶片多种类型的数据，并对数据进行融合处理。该层将环境信息、工况信息和叶片结构信息进行数据融合处理，其中，环境信息包含腐蚀度、湿度、风速、温度，工况信息包含叶片转速、风机功率、桨距角，叶片结构信息包含应变、振动、扭矩，然后将得到的叶片级数据作为新数据输入风机级信息融合层，如图2所示，这拓展了监测信息维度，提高了诊断准确率。
4、风机级信息融合层负责对叶片个体的运行状态进行分析并提取敏感因子。该层将每台风电机组的叶片融合数据进行风机级信息融合，提取相同工况下叶片数据的敏感因子，然后将提取到的敏感因子作为新数据输入到风场级特征融合层，如图3所示，提取相同工况下叶片之间的敏感因子，降低了风机状态评估一致性较差的影响。
5、风场级特征融合层负责汇聚能够反映叶片运行状态的敏感因子，并得出风电机组叶片运行状态诊断标准。将运维物联网中相同工况下不同风机群体的敏感因子进行风场级特征融合，然后将得到的诊断标准作为新数据输入至在线学习层，如图4所示，该层汇聚了叶片状态信息，生成针对整个风场的叶片诊断标准。
6、自主学习层负责对得到的叶片状态诊断标准进行迭代学习。根据风场级特征融合层得到的标准对叶片状态进行评估，将现场检修的反馈结果与叶片状态诊断标准进行比较，计算误差，并将误差反馈给风场级特征融合层，进行诊断方法的迭代学习。
本文档来自技高网...【技术保护点】
1.一种基于群体智能的风电机组叶片监测与诊断系统，其特征在于利用叶片运行环境信息、工况信息和叶片结构信息，构建基于运维物联网和群体智能的叶片级、风机级、风场级数据的三级融合体系架构，将诊断结果与现场反馈相结合，提出具有自主学习能力的风力发电机组叶片状态监测方法。
2.根据权利要求1所述的一种基于群体智能的风电机组叶片监测与诊断系统，其特征在于按如下方式进行叶片级数一级据融合：
3.根据权利要求1所述的一种基于群体智能的风电机组叶片监测与诊断系统，其特征在于按如下方式进行叶片级数二级据融合：
4.根据权利要求1所述的一种基于群体智能的风电机组叶片监测与诊断系统，其特征在于提取出相似度较高的敏感因子，其步骤如下：
5.根据权利要求1所述的一种基于群体智能的风电机组叶片监测与诊断系统，其特征在于通过群体反馈形成叶片诊断标准，实现过程如下：
6.根据权利要求1所述的一种基于群体智能的风电机组叶片监测与诊断系统，其特征在于对叶片诊断标准进行更新，实现过程如下：
【技术特征摘要】
1.一种基于群体智能的风电机组叶片监测与诊断系统，其特征在于利用叶片运行环境信息、工况信息和叶片结构信息，构建基于运维物联网和群体智能的叶片级、风机级、风场级数据的三级融合体系架构，将诊断结果与现场反馈相结合，提出具有自主学习能力的风力发电机组叶片状态监测方法。
2.根据权利要求1所述的一种基于群体智能的风电机组叶片监测与诊断系统，其特征在于按如下方式进行叶片级数一级据融合：
3.根据权利要求1所述的一种基于群体智能的风电机组叶片监测...
【专利技术属性】
技术研发人员：刘展，庞宇，高文君，解彩芸，
申请(专利权)人：北京能高自动化技术股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。