國家能源（山東）新能源有限公司 單立國 孫 彬 禚昌拓 孫華高 黨 琳

引言

目前，中大型風力發(fā)電機組已在世界上40多個國家陸地和近海并網運行，風電增長率比其它電源增長率高的趨勢仍然繼續(xù)。截止2017年底國內裝機容量累計裝機容量達到1.88億千瓦，中國新增風電機組中，2MW 以下（不含2MW）新增裝機容量市場占比達到7.3%，2MW 風電機組裝機占全國新增裝機容量的59%，2MW 至3MW（不包括3MW）新增裝機占比達到85%。

國內外風電領域都在沿著智能化、高端化和信息化的趨勢發(fā)展。葉片及關鍵部件的故障預警方法研究一直是國內外風電業(yè)界的重點關注領域。歐盟方面近年資助了一系列的研究，具有代表性的有IPRWind、LEANWind 和INNWind 等 歐 盟能源研究聯(lián)盟資助（European Energy Research Alliance）的項目。這些項目的參與者包括歐盟的若干大學、科研機構和像西門子、Gemesa、ECN這樣的企業(yè)及DNV-GL 這樣的第三方機構等。這些項目涉及多個以葉片監(jiān)測和預警及關鍵部件狀態(tài)、健康度分析的內容和子項目。

國內的運營商和風電整機制造商在風電場運維優(yōu)化，尤其是風電場運行數(shù)據(jù)分析和風電場智能化方面研究和實踐都非常積極。由于國內的行業(yè)差異，我國運營商對應用大數(shù)據(jù)技術提升風電場運維更為看重。各大運營商紛紛以各種形式開展了這方面的研究和實踐。同時風電整機廠商也在故障預警，控制優(yōu)化等方面做了很多嘗試和探索。

文獻[1]討論了納秒脈沖信號在葉片引下線多分支結構中的傳播過程對識別故障反射波的影響，為解決故障波形中故障反射波被掩蓋的問題引入了“差異反推法”，并依據(jù)故障分支結構處產生的脈沖簇的幅值發(fā)生變化這一特點，利用作差將故障反射波提取出來，通過尋找作差波形中的故障反射波來定位故障分支點；文獻[2]通過無損檢測技術和基于振動的模態(tài)分析損傷識別方法對葉片進行故障診斷分析，及時有效地發(fā)現(xiàn)故障并處理。

文獻[3]建立裂尖溫度場數(shù)學模型需要確定塑性區(qū)范圍和塑性區(qū)內的內熱流密度函數(shù)，基于正交各向異性復合材料裂紋尖端應力場和Tsai-Wu 屈服準則理論推導，得到含微缺陷風電葉片Ⅰ/Ⅱ復合型裂紋的塑性區(qū)范圍、內熱流密度函數(shù)按照裂紋擴散規(guī)律構造；其次，利用電子掃描電鏡技術對葉片試件的斷口失效微觀結構進行檢測，通過紅外熱像儀監(jiān)測微缺陷葉片試件表面溫度實驗，驗證了裂尖溫度場計算模型的準確性。確定計算溫度場模型中內熱流密度函數(shù)冪數(shù)為2，通過顯微技術發(fā)現(xiàn)含氣泡缺陷的葉片試件有纖維斷裂、基體開裂損傷方式。

文獻[4]針對某風電場機組葉片斷裂事故，從風速超限、電氣故障、雷擊、生產工藝等方面進行深入分析，確定了葉片斷裂失效原因；文獻[5]從圖像處理、計算機視覺角度，提出一種有效的風力機葉片遠程在線監(jiān)測方法—位置偏差法。該方法充分考慮工作環(huán)境、故障模式、自然彎曲或變槳等因素對圖像提取結果的影響。為提高上述方法的故障診斷精準性、系統(tǒng)監(jiān)測穩(wěn)定性和預警高效性，提出了以此為核心的自適應閾值法、延時判斷法、過程判斷法、故障類型預判法并推導出提高預判精度的比例系數(shù)補償值。

文獻[6]研究了電弧高溫下的材料熱解損傷、兩種材料的機械強度損傷，以及材料中的氣體、水分和材料熱解產氣等受熱造成的膨脹造成的氣體膨脹損傷，從而可更精確、更方便、更直觀的對不同材料的耐雷擊效果進行評估比較，從原理上分析其損傷原因，為風機葉片的防雷提供了理論依據(jù)；文獻[7]通過對機組葉片的結構和受力情況進行介紹，對風電場風力發(fā)電機組葉片的斷裂監(jiān)測和預防進行了分析；文獻[8]研究了風電葉片在不同疲勞程度的聲發(fā)射特性和損傷狀況。課題的內容包括聲發(fā)射信號在風電葉片復合材料中的衰減特性研究，纖維斷裂缺陷對玻璃纖維復合材料力學性能的影響，以及風電葉片在疲勞加載過程中的聲發(fā)射監(jiān)測。

近年來，風力渦輪機的空氣動力噪聲主要受到研究，因為從噪聲干擾的角度看它可限制陸上風電場的安裝，因此重點一直放在它的減少。然而，在近海應用中，如果噪聲排放不太成問題，可使用機翼自身噪聲作為損傷檢測的信息源。事實上，前緣侵蝕或結冰會影響葉片上的邊界層過渡，從而導致后緣湍流邊界層積分量的變化。湍流邊界層后緣噪聲會發(fā)生變化，額外的噪聲會在粗糙度位置散射。這些噪聲源將分別在低頻和高頻范圍內改變噪聲的寬帶分量。其他損傷，如后緣分層和裂紋可能會導致后緣變厚。當后緣的厚度大于邊界層位移厚度的0.3倍時，在后緣會出現(xiàn)漩渦脫落，從而在遠場頻譜中產生音調噪聲。

遠場光譜的變化可能是損傷的跡象。然而在實際工作條件下，葉片會受到具有可變長度標度的流入湍流的影響。這會影響葉片上方氣流的發(fā)展，并引入另一個噪聲源，稱為前緣撞擊噪聲，它可改變遠場噪聲頻譜，并可能隱藏損傷引起的頻譜特征。雖然之前的研究主要關注通過翼型自噪聲進行損傷檢測的數(shù)據(jù)驅動方法的發(fā)展，但文獻[9]的目標是提供基于物理的結果解釋，并通過包括湍流流入來擴展之前的研究。在這方面，由于頻譜中存在音調噪聲分量，因此對后緣裂紋檢測進行了研究。

文獻[9]基于翼型氣動噪聲的測量，對一種新的非接觸損傷檢測方法進行了實驗研究。研究了翼弦為200mm、后緣裂紋尺寸分別為0.2、0.5、1.0和2.0mm 的NACA0018翼型。實驗在不同的平均流速、流入湍流強度和攻角下進行，通過麥克風陣列測量從機翼散射的遠場噪聲，比較受損情況與基線（無任何損傷）之間聲壓級的頻譜差異。正如預期，在小攻角、清潔或低湍流強度流動，通過增加裂紋的尺寸，音調噪聲出現(xiàn)在基于斯特勞哈爾數(shù)的后緣厚度處，近似等于0.1。然而在更大的迎角（如±10°和±15°）或高湍流強度條件下（如7%），音調峰值的振幅減小，這表明需要進行補充測量或更長的采集時間來消除流入湍流效應，以監(jiān)測后緣裂紋。

1 研究內容及研究方法

風機的葉片斷裂雖然發(fā)生的突然但并不是毫無征兆，通常葉片斷裂發(fā)生前相當長的時間里已運行在亞健康狀態(tài)，葉片的不同運行狀態(tài)一般也會反映在運行過程中。但由于目前的風機控制系統(tǒng)和SCADA 監(jiān)測系統(tǒng)所采用的監(jiān)控邏輯主要是以超限報警為基礎的，只要運行參數(shù)不超過限值就不會反映出來，也不會有任何措施。如何在嚴重的損壞發(fā)生前就能通過監(jiān)控系統(tǒng)發(fā)現(xiàn)潛在征兆是進行預警的根本方法。要實現(xiàn)這種方法所采取的手段就是對運行數(shù)據(jù)進行更深入的分析和計算，而不是僅靠原有控制系統(tǒng)的超限報警來發(fā)現(xiàn)問題。本課題的研究內容正是要圍繞這一點來展開，如何通過分析實時運行數(shù)據(jù)來發(fā)現(xiàn)早期征兆，從而避免更嚴重的問題發(fā)生。

研究的第一步是要分析風電機組和葉片氣動和材料特性等部分的原理，根據(jù)原理結合仿真手段，對葉片發(fā)生異常時主要運行參數(shù)的變化規(guī)律進行研究，包括發(fā)電機轉速、轉矩和機艙振動等；第二步是根據(jù)現(xiàn)有風場的實際情況，結合實際的運行數(shù)據(jù)進行分析，將實際數(shù)據(jù)和仿真數(shù)據(jù)進行對比。在關鍵參數(shù)分析和對比的基礎上可建立一個數(shù)據(jù)模型，作用是識別葉片發(fā)生早起故障征兆時的運行數(shù)據(jù)特征；第三步是建立實時預警系統(tǒng)，對接風電場的實時運行數(shù)據(jù)，把模型投入系統(tǒng)，實時在線分析運行數(shù)據(jù)，當識別到早期征兆時發(fā)出預警信號。作為一個預警系統(tǒng)最重要的是保障系統(tǒng)的準確性，誤報率要低、準確率要高。

第四步是要驗證系統(tǒng)的有效性，同時研究如何通過增加適當?shù)谋O(jiān)測測點來提升系統(tǒng)的準確率，降低誤報率。因此，研究葉片監(jiān)測手段，如振動監(jiān)測、應力監(jiān)測等，在成本可控的前提下提升系統(tǒng)的實用性也是本課題需要研究的內容；在上述研究和試驗的基礎上，形成一套具備推廣應用價值的方法體系和成熟的軟硬件系統(tǒng)方案。

該方案部署在風電機組側，是通過在機組側和主控系統(tǒng)實時對接，獲取實時數(shù)據(jù)進行模型運算的系統(tǒng)。方案建立在對先進的數(shù)據(jù)分析技術和機器學習建模的基礎上，立足于實際問題，應用多學科、多領域的先進技術形成創(chuàng)新性解決方案。采用的算法、技術手段是基于當前人工智能領域和風力發(fā)電機組建模研究領域的最新成果，具有先進性和獨創(chuàng)性，能夠形成知識產權成果，同時解決實際問題。圖1～2是從數(shù)據(jù)到模型，從模型到預警判斷的典型過程。

圖1 預警模型結構1

圖1 預警模型結構2

首先是對原始數(shù)據(jù)的預處理，在預處理的基礎上要進行特征提取，完成特征提取之后要進行數(shù)據(jù)回歸分析，最終根據(jù)數(shù)據(jù)特征和實際的運維記錄完成預警建模。在整個過程中，一方面要結合實際的運行數(shù)據(jù)，仿真產生的特征數(shù)據(jù)，應用先進的智能分析算法，包括頻譜分析、機器學習中的聚類分析和特征提取分析等。同時也要把這些分析和運行現(xiàn)場的設備情況、現(xiàn)場運行人員的經驗積累結合到一起，把設備運行信息及先進的建模、仿真和機器學習算法、人員的經驗等各種信息充分利用起來，達到一個好的效果。

圖2中葉根應力測量是新增的測點。新增的葉根應力測量數(shù)據(jù)是的可選項，可提升模型預警的準確性，降低預警系統(tǒng)的誤報率。

2 結語

根據(jù)不同的風場情況、風資源情況以及風機的類型，建立葉片斷裂早期征兆的數(shù)據(jù)分析模型，實現(xiàn)葉片斷裂故障的有效預警，減少機組安全事件發(fā)生，減少嚴重機組故障帶來的非計劃停機時間，減少設備損壞帶來的間接損失，從而提升風電場發(fā)電運行的安全和效益。促進風電運營技術的發(fā)展，提升風電運營水平，通過科學研究與實踐相結合的方式提升我國新能源領域的技術水平，提升風電設備的運行效益和綜合利用價值。

該方案具有以下特點：通過預警模型對實時數(shù)據(jù)進行更深入的分析，提升監(jiān)控系統(tǒng)的監(jiān)測效力，是對原有控制系統(tǒng)的深度優(yōu)化。

以設備特性和事件記錄數(shù)據(jù)為基礎，結合仿真數(shù)據(jù)建立數(shù)據(jù)分析模型；整個系統(tǒng)以預警準確率和誤報率為核心指標，保證系統(tǒng)有實用價值。

在數(shù)據(jù)分析的基礎上，研究新增數(shù)據(jù)監(jiān)測測點的方案，提升系統(tǒng)實用性的同時，保證成本可控；智能化的分析和建模方法，應用新技術方案的在線預警系統(tǒng)，保證了系統(tǒng)的先進性、可靠性和穩(wěn)定性；部署在機組側，以邊緣智能計算單元為載體，充分發(fā)揮邊緣計算技術的優(yōu)勢。