风机叶片监测研究

杜春梅 代长明 刘继文 洪 斌

(河北建筑工程学院，河北张家口075000)

1 引言

随着低碳经济全球化时代的到来，一系列关于低碳的议题也得到了人们的重视.低碳经济是在科学发展、可持续发展理念指导下通过技术创新、制度创新、产业转型、新能源开发等多种手段，尽可能地减少煤炭、石油等高碳能源的消耗，减少温室气体排放，达到经济社会发展与生态环境保护双赢的一种经济发展形态［1］.风能是一种新型的绿色能源，它是由太阳能转化而来，因此具有无污染及可再生等特点.风能的主要应用是发电，现在世界各国特别是欧美等一些发达国家都争相使用风能来发电，我国大部分风能资源非常丰富，现在也大力倡导风力发电.

2 风力发电原理及风机监测意义

2.1 风力发电原理

风力发电技术是将一种利用风力发电机将风力中的动能转化为机械能，再将机械能转化为电能的发电技术.在一定程度上风电可以作为火电的清洁替代能源，缓解因为火力发电而造成的环境污染及资源损耗.

风力发电的主要设备是风力发电机.风力发电机由机头、转体、尾翼、叶片等几部分构成.叶片是其中的功能部件，用它来接受风力并通过机头转化为电能;尾翼负责调整叶片方向，保证其始终对着风向来获得能量;转体负责尾翼方向的调整;定子和转子的功能和其他类型的发电机类似，它们安装在机头上来发电.发电过程中利用外部风力带动风机叶片旋转，由于叶片旋转速度较慢，还需要增速机来提高旋转的速度从而促使发电机发电.

2.2 风机远程监测概述

由于风力发电设备非常庞大，风力发电场地处偏远地区，风电机组距离地面非常高，因此要想对其维护维修十分困难，需要花费很大的成本，危险系数也高.为了使风电机组能稳定的工作在不同的状态下，减少故障率，提高其并网的稳定性，预防各种突发事故的发生，需要对风机的性能状态实施远程监测，随时获得监测风机运行的状况的代表性数据.对采集到的监测数据要进行常态分析找出异常，发现故障后要及时进行诊断.同时还要定期测试风机的各种性能，了解和掌握其衰减程度，采取一些措施来保障风机安全运行.

对风电设备进行远程监测首先要选定具有一定代表性，能够反映风机设备运行状态的监测点，将选定的传感器布置在监测点上来实时的采集数据.然后对数据进行一些处理，使其能够输入计算机进行监测，最后可以登录计算机系统，与服务器中数据库中的正常数据相比较.通过比较的结果基本可以确定风机状态，并决定是否需要维护.一个完整的风电远程监测系统其设计过程总结如下:

(1)信号采集.根据风力发电机组的环境和性质，测量能够反映设备状况的信号.振动检测主要是指对振动的位移、速度、加速度、频率、相位等参数的测量［2］.信号采集一般由传感器完成.

(2)信号处理.传感器采集到的信息包含噪声和干扰的是各种类型信息的结合体，必须通过特征提取和信号加强的方法来提取出其中有用信号，并强化其特征，才对这些信号进行进一步分析处理.本文的研究重点就是特征提取和信号加强，即采用一定的信号分析和处理方法，对振动信号进行压缩，使其去掉各种冗余信息和噪声，抽取出具有代表性的信息.

(3)状态识别与分析.对获取的特征信息，还要设计一定算法来建立判别模型，然后通入软件分析设备的运行情况来预测其发展趋势，并对设备故障进行详细的分析、分类，同时还要在下位机上留存档案，以便于以后的分析整理.上述风机远程监测原理及过程可以概括如图1所示.

3 风机叶片监测研究

本文选用叶片作为监测对象.叶片是风力发电机的受风部件，它在旋转过程中受到交变载荷的作用，容易发生故障［3］.叶片上主要受三种力:即上述的气动力，重力和离心力，在这三种力的作用下，叶片主要振动形式有:挥舞振动、摆振和扭转振动［4］.对风机叶片进行监测可以采用多种方法，其中最重要的是声学监测.声学检测通常是按照一定的模式在叶片上放置一套压电传感器，通过传感器采集叶片在旋转过程中产生的噪声从而可以锁定叶片表面上小的裂痕和其结构上的微小缺陷.使用声学检测的疲劳检验和静态检验方法可以提前预测叶片的损坏.本文选用具有内置放大电路的压电式加速度传感器来实时的测量叶片的振动加速度.将传感器固定在设备上，然后将传感器接口通过设备引到地面，保证地面上的监测人员能够接收采集到叶片上的振动信号.传感器与数据采集系统相连接，采集到的传感器信号通过屏蔽电缆来传输.由软件控制实现瞬时振动信号的采集和分析，并通过光纤或无线将数据传输到风电场状态监测系统.

3.1 低通滤波

根据GB/T18710－2002标准，对风电数据进行合理分析与统计必须先对采集的数据进行分析，挑出有效的合理数据，保证监测工作的有效性［5］.通过监测和分析振动信号，可有效实现微弱故障的诊断识别，能够完全满足风电机组传动系统状态监测与故障诊断的需求［6］.由于光纤或无线传输的数据具有一定的带通.数据在传输之前需要进行一系列的处理，最重要是对其进行低通滤波和信号放大.本文设计的低通滤波器如图2所示.

3.2 定向耦合

传感器采集来的信号通过低通滤波器可滤掉其中的噪声干扰，从而能够真实有效的反映风机叶片的工作状态.在对声音信号分析之前还需要对其功率放大.风电现场环境中存在很多电磁干扰信号，这些电磁干扰信号可能比采集到的信号还要强，其结果就是造成监测信号被淹没，解决这一问题的关键是找到一种方法来一直外部干扰信号.为此本文首次尝试采用定向耦合的方法来加强叶片的声学信号.所设计的定向耦合电路图如图3所示.

利用图中T1和T2两电流传感器对外部干扰信号与采样的信号定向耦合的原理，组成差动平衡系统，将两信号分别进行调幅、调相处理后送入差动放大器，使外部干扰信号相互抵消而被削弱，内部局部放电信号相加而被增强，从而使信噪比显著提高.通过此定向耦合器还可以实时观测输出和反射功率的大小.

4 结论

本文在采集风机叶片声学信号的基础上设计了低通滤波器和定向耦合器并将其用于信号处理，阻止了无用的高频信号，抵消了大部分噪声干扰，提高了信噪比，使通过其中的数据更具有代表性，更容易分析.在完成上述工作以后可以将信号输入到计算机进一步分析，从而完成整个监测系统的工作.

［1］王海龙，低碳经济背景下的建筑类高校发展战略研究［J］，中国建设教育2010［Z］6:4～6

［2］周泽存，刘馨媛.检测技术［M］.北京:机械工业出版社，1993

［3］张积坚，基于B/S模式的风力发电机远程状态监测系统研究与开发［D］，大连理工大学

［4］王哲敏，无线传感器网络在风力发电机组状态监测中的应用研究［D］.包头:内蒙古科技大学，2010

［5］王有禄等.风电场测风数据的验证和处理方法［J］，电力勘测设计2009.2:61～66

［6］辛卫东等，振动监测技术在风电机组齿轮箱故障诊断中的应用［J］.中国电力2012.5:77～79