【技术实现步骤摘要】
本专利技术提供了一种基于叶片净空数据的叶片结冰监测及预警方法，属于风力发电机组健康监测。
技术介绍
1、风电机组叶片结冰是风力发电领域中的一个重要问题，叶片覆冰的气象条件主要包括环境温度、空气湿度、风速、过冷却水滴以及凝结高度。当气温低于冰点时，过冷却水滴会在叶片表面结冰，形成覆冰。此外，风速、风向和空气湿度等气象因素也会对覆冰的形成产生影响。叶片的形状、材料和表面涂层等因素都会影响水滴在叶片表面的附着和结冰过程。如果叶片表面存在粗糙或不平整的地方，容易使水滴附着并形成覆冰。风电机组所处的地理位置、海拔和周围环境等因素都会影响机组叶片的气象暴露条件。在某些地区，由于地形和气候等因素的影响，机组叶片更容易受到覆冰的影响。
2、叶片结冰会对风力发电机产生多方面的负面影响：1、增加重量和阻力：叶片覆冰会增加叶片的重量和阻力，导致风电机组的发电效率降低。2、改变气动性能：覆冰会改变叶片的气动性能，使风电机组的输出功率不稳定，影响电网的稳定运行。3、加剧机械磨损：叶片覆冰会导致风电机组的机械部件承受更大的负荷，加剧机械磨损和损坏，增加维护成本。4、安全隐患：结冰的叶片可能不再平衡，造成旋转不稳定，从而对风力发电机的安全性造成威胁。在极端天气条件下，覆冰可能导致叶片断裂、机组倒塌等严重后果，对人们的生命财产安全构成威胁。
3、目前常见的叶片结冰诊断方法包括结冰传感器诊断方法，风功率不匹配诊断方法和scada多维度数据综合诊断方法等。现有方案中采用结冰传感器诊断方法时，结冰传感器结冰不代表叶片真实结冰，导致存在误报率高
技术实现思路
1、本专利技术专利解决了现有技术中的不足，其提供了一种基于叶片净空数据的叶片结冰监测及预警方法，该方法中通过风电机组叶片净空短期时序特征，结合环境因素和机组控制参数，通过计算在机组净空上出现的不均衡或者净空震荡的现象，从而通过快速识别净空异常特征，可以很好起到叶片结冰的识别和预警功能。
2、实现本专利技术上述目的所采用的技术方案为：
3、一种基于叶片净空数据的叶片结冰监测及预警方法，包括以下步骤：
4、(1)从风电机组上所安装的叶片净空监测系统以及温湿度传感器中采集叶片净空数据以及温度和湿度数据，同时从机组控制系统中获取机组控制参数，将以上参数以时间进行分组并构建数据集；
5、(2)通过经验模型构建结冰环境条件模型，将上步骤中的数据集与结冰环境条件模型进行对比，符合结冰环境条件模型的数据集进入下一阶段进行计算，不符合结冰环境条件模型的数据集则终止计算；
6、(3)将符合结冰环境条件模型的数据集进入偏差离散度超限预警模型进行计算，通过滑窗判断同叶轮周期中相邻三支叶片净空的差异即偏差离散度，偏差离散度devi计算公式如下：
7、
8、式中，i为叶轮旋转周期，ai、bi、ci为三只叶片在同一叶轮旋转周期i中的净空值，进一步，滑窗偏差离散度devj计算公式为：式中devj为第j叶轮旋转周期的滑窗偏差离散度，n为窗长；若滑窗偏差离散度devj大于设定的偏差离散度超限预警阈值，则触发叶片结冰报警，并终止计算；若滑窗偏差离散度devj未大于设定的偏差离散度超限预警阈值，则继续进入下一阶段计算；
9、(4)未大于偏差离散度超限预警阈值的数据集，进入净空震荡超限预警模型进行计算，净空震荡超限预警模型中预设有净空基准表，所述净空基准表是通过结合不同机型在不同机组控制参数下的净空历史数据所制备；根据数据集中的机组控制参数对照净空基准表查询差值获得在此机组控制参数下的净空基准值，并进一步计算得到净空震荡值osci：式中，cli为任意一个叶片的第i个净空值，cl(ωi,αi)为净空基准表中的转速ωi和桨距角αi时的净空值；然后计算滑窗净空震荡值oscj，计算公式为：若滑窗净空震荡值oscj大于设定的净空震荡超限预警阈值，则触发叶片结冰报警。
10、进一步的，步骤(2)中所述结冰环境条件模型包括结冰温度条件和结冰湿度条件，数据集中的温度和湿度数据同时满足结冰温度条件和结冰湿度条件时进入下一阶段进行计算。
11、进一步的，所述结冰温度条件为-40～0℃，所述结冰湿度条件为空气湿度大于80％。
12、进一步的，步骤(3)中通过采集分析风电机组正常工况下滑窗偏差离散度的最大值，在此基础上乘以安全系数从而设定偏差离散度超限预警阈值。
13、进一步的，所述安全系数为1.3。
14、进一步的，步骤(4)中通过采集分析机组正常情况下滑窗净空震荡值的最大值，在此基础上乘以安全系数从而设定净空震荡超限预警阈值。
15、进一步的，所述安全系数1.3。
16、进一步的，步骤(4)中根据历史数据制定不同机型的控制参数净空基准表，收集预设时间的净空工况历史数据，建立转速、桨距角和净空的关系，将转速和桨距角进行间隔分仓，以每个仓内净空的均值作为基准值。
17、进一步的，步骤(3)和(4)中触发叶片结冰报警后，报警信息上传至风电机组主控系统，机组工作人员进行应对和处置。
18、与现有技术相比，本专利技术提供的一种基于叶片净空数据的叶片结冰监测及预警方法具有以下优点：1、本专利中基于净空时序特征结合环境因素和机组控制参数从而进行叶片结冰监测和预警方法，相对于现有技术，不需要额外安装诸如结冰传感器、功率传感器等装置，所使用的全部参数均来源于风电机组常规运维中所监测到的数据，因此原始数据采集较简单，进一步降低了成本。
19、2、本专利中除了偏差离散度超限预警模型外还设置有净空震荡超限预警模型，当3支叶片都结冰时，叶片净空彼此偏差由于对称性可能没有明显的周期性差异，会导致偏差离散度超限预警模型预警能力下降。在此基础上，净空震荡超限预警模型能够针对此情形进行进一步的分析、预警，避免漏报的情形发生。同时净空震荡超限预警模型中还通过构建机型的净空基准表消除由于控制参数带来的净空变化，监测预警更为准确。
20、3、本专利中通过结冰环境条件模型过滤数据，调高模型的准确率，降低计算量。
本文档来自技高网...【技术保护点】
1.一种基于叶片净空数据的叶片结冰监测及预警方法，其特征在于包括以下步骤：
2.根据权利要求1所述的基于叶片净空数据的叶片结冰监测及预警方法，其特征在于：步骤(2)中所述结冰环境条件模型包括结冰温度条件和结冰湿度条件，数据集中的温度和湿度数据同时满足结冰温度条件和结冰湿度条件时进入下一阶段进行计算。
3.根据根据权利要求2所述的基于叶片净空数据的叶片结冰监测及预警方法，其特征在于：所述结冰温度条件为-40～0℃，所述结冰湿度条件为空气湿度大于80％。
4.根据权利要求1所述的基于叶片净空数据的叶片结冰监测及预警方法，其特征在于：步骤(3)中通过采集分析风电机组正常工况下滑窗偏差离散度的最大值，在此基础上乘以安全系数从而设定偏差离散度超限预警阈值。
5.根据权利要求4所述的基于叶片净空数据的叶片结冰监测及预警方法，其特征在于：所述安全系数为1.3。
6.根据权利要求1所述的基于叶片净空数据的叶片结冰监测及预警方法，其特征在于：步骤(4)中通过采集分析机组正常情况下滑窗净空震荡值的最大值，在此基础上乘以安全系数从而设定净空震
7.根据权利要求6所述的基于叶片净空数据的叶片结冰监测及预警方法，其特征在于：所述安全系数1.3。
8.根据权利要求1所述的基于叶片净空数据的叶片结冰监测及预警方法，其特征在于：步骤(4)中根据历史数据制定不同机型的控制参数净空基准表，收集预设时间的净空工况历史数据，建立转速、桨距角和净空的关系，将转速和桨距角进行间隔分仓，以每个仓内净空的均值作为基准值。
9.根据权利要求1所述的基于叶片净空数据的叶片结冰监测及预警方法，其特征在于：步骤(3)和(4)中触发叶片结冰报警后，报警信息上传至风电机组主控系统，机组工作人员进行应对和处置。
...【技术特征摘要】
1.一种基于叶片净空数据的叶片结冰监测及预警方法，其特征在于包括以下步骤：
2.根据权利要求1所述的基于叶片净空数据的叶片结冰监测及预警方法，其特征在于：步骤(2)中所述结冰环境条件模型包括结冰温度条件和结冰湿度条件，数据集中的温度和湿度数据同时满足结冰温度条件和结冰湿度条件时进入下一阶段进行计算。
3.根据根据权利要求2所述的基于叶片净空数据的叶片结冰监测及预警方法，其特征在于：所述结冰温度条件为-40～0℃，所述结冰湿度条件为空气湿度大于80％。
4.根据权利要求1所述的基于叶片净空数据的叶片结冰监测及预警方法，其特征在于：步骤(3)中通过采集分析风电机组正常工况下滑窗偏差离散度的最大值，在此基础上乘以安全系数从而设定偏差离散度超限预警阈值。
5.根据权利要求4所述的基于叶片净空数据的叶片结冰监测及预警方法，其特征在于：所述安全系数...
【专利技术属性】
技术研发人员：罗现尧，霍伟光，徐志伟，姚聪，涂越贞，李翔，叶奎强，刁琢，余罡，米柱科，苏钰茹，
申请(专利权)人：华能会理风力发电有限公司，
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。