用于風力發電機組的狀態監測方法和裝置與流程
本發明涉及風力發電技術領域，更具體地涉及一種用于風力發電機組的狀態監測方法和裝置。
背景技術：
隨著風力發電機組投運規模的擴大和運行時間的增加，設備機械故障趨于常態化。為了對風力發電機組進行狀態監測從而有計劃地對其進行維護，需要在風力發電機組的多個位置設置相應的傳感器。
目前，對傳感器進行狀態監測的方法并不多，主要是借助其他傳感器的測量數據來對目標傳感器的狀態進行評估，尚不存在通過傳感器自身的測量數據來判斷其自身狀態的方法。因為傳感器的測量對象本身是個未知量，這就導致當傳感器的測量數據出現異常時，很難判斷是傳感器本身出了問題還是測量對象出了問題。
技術實現要素：
鑒于以上一個或多個問題，本發明提供了一種新穎的用于風力發電機組的狀態監測方法和裝置，能夠將實現真實傳感器狀態與風力發電機組自身狀態的分離，從而實現對風力發電機組異常狀態的監測。
第一方面，提供了一種用于風力發電機組的狀態監測方法，包括：利用安裝在風力發電機組上的傳感器測量風力發電機組的n個特征量的實際值的步驟，n是大于0的整數；基于風力發電機組的虛擬標準對照系統和安裝在風力發電機組上的傳感器的虛擬傳感器系統，根據當前風況數據，計算n個特征量的理論值的步驟；以及，當n個特征量中的每個特征量的實際值與理論值之間的相關性系數均大于第一閾值時，判定風力發電機組不存在異常的步驟。
第二方面，提供了一種用于風力發電機組的狀態監測裝置，包括：獲取單元、計算單元和判斷單元。該獲取單元被配置為利用安裝在風力發電機組上的傳感器獲取傳感器測量的風力發電機組的n個特征量的實際值，n是大于0的整數；該計算單元被配置為基于風力發電機組的虛擬標準對照系統和安裝在風力發電機組上的傳感器的虛擬傳感器系統，根據當前風況數據，計算n個特征量的理論值；該判斷單元被配置為當n個特征量中的每個特征量的實際值與理論值之間的相關性系數均大于第一閾值時，判定風力發電機組不存在異常。
第三方面，提供了一種用于風力發電機組的狀態監測裝置，包括：存儲器、處理器和總線；存儲器和處理器通過總線連接并完成相互間的通信；存儲器用于存儲程序代碼；處理器通過讀取存儲器中存儲的可執行程序代碼來運行與可執行程序代碼對應的程序，以用于執行上述用于風力發電機組的狀態監測方法。
根據本發明實施例提供的用于風力發電機組的狀態監測方法和裝置，通過將真實傳感器數據與虛擬標準對照系統中虛擬傳感器系統中的虛擬傳感器數據進行一一對比，實現真實傳感器狀態與風力發電機組自身狀態的分離，當多個真實傳感器與虛擬傳感器對比差異均較小時，可以判定風力發電機組本身不存在異常，從而實現對風力發電機組異常狀態的監測。
附圖說明
為了更清楚地說明本發明實施例的技術方案，下面將對本發明實施例中所需要使用的附圖作簡單地介紹，顯而易見地，下面所描述的附圖僅僅是本發明的一些實施例，對于本領域普通技術人員來講，在不付出創造性勞動的前提下，還可以根據這些附圖獲得其他的附圖。
圖1是本發明的一種實施例的用于風力發電機組的狀態監測方法的示意性流程圖；
圖2是本發明的另一種實施例的用于風力發電機組的狀態監測方法的示意性流程圖；
圖3是本發明的一種實施例的虛擬標準對照系統中虛擬傳感器系統的空間圖譜；
圖4是本發明的一種實施例的葉輪與發電機傳動示意圖；
圖5是本發明的一種實施例的發電機軸向截面示例圖；
圖6是本發明的一種實施例的風力發電機組各特征量之間的關系模型；
圖7是本發明的一種實施例的用于風力發電機組的狀態監測裝置的示意性結構框圖；
圖8是本發明一實施例的用于風力發電機組的狀態監測裝置的計算設備實現結構示意圖。
具體實施方式
為使本發明實施例的目的、技術方案和優點更加清楚，下面將結合本發明實施例中的附圖，對本發明實施例中的技術方案進行清楚、完整地描述，顯然，所描述的實施例是本發明一部分實施例，而不是全部的實施例?；诒景l明中的實施例，本領域普通技術人員在沒有作出創造性勞動前提下所獲得的所有其他實施例，都屬于本發明保護的范圍。
下面將詳細描述本發明的各個方面的特征和示例性實施例。在下面的詳細描述中，提出了許多具體細節，以便提供對本發明的全面理解。但是，對于本領域技術人員來說很明顯的是，本發明可以在不需要這些具體細節中的一些細節的情況下實施。下面對實施例的描述僅僅是為了通過示出本發明的示例來提供對本發明的更好的理解。本發明決不限于下面所提出的任何具體配置和算法，而是在不脫離本發明的精神的前提下覆蓋了元素、部件和算法的任何修改、替換和改進。在附圖和下面的描述中，沒有示出公知的結構和技術，以便避免對本發明造成不必要的模糊。
現在將參考附圖更全面地描述示例實施方式。然而，示例實施方式能夠以多種形式實施，且不應被理解為限于在此闡述的實施方式；相反，提供這些實施方式使得本發明更全面和完整，并將示例實施方式的構思全面地傳達給本領域的技術人員。在圖中，為了清晰，可能夸大了區域和層的厚度。在圖中相同的附圖標記表示相同或類似的結構，因而將省略它們的詳細描述。
此外，所描述的特征、結構或特性可以以任何合適的方式結合在一個或更多實施例中。在下面的描述中，提供許多具體細節從而給出對本發明的實施例的充分理解。然而，本領域技術人員將意識到，可以實踐本發明的技術方案而沒有所述特定細節中的一個或更多，或者可以采用其它的方法、組元、材料等。在其它情況下，不詳細示出或描述公知結構、材料或者操作以避免模糊本發明的主要技術創意。
需要說明的是，在不沖突的情況下，本申請中的實施例及實施例中的特征可以相互組合。下面將參考附圖并結合實施例來詳細說明本申請。
由于傳感器的設計制造以及風力發電機組的設計制造都遵循著一定的數學物理關系，尤其是傳感器，其本身在設計時就是通過數學關系來表示物理過程。因此，可以借助于風力發電機組和傳感器本身服從的數學模型來建立風力發電機組和傳感器的虛擬模型，作為風力發電機組和傳感器的標準原樣；并且通過將風力發電機組和傳感器的虛擬模型進行關聯，來模擬安裝在風力發電機組上的傳感器測量風力發電機組的多個特征量的場景。
在保證風力發電機組的虛擬模型與真實風力發電機組有同樣的輸入風速的情況下，風力發電機組的虛擬模型應該與真實風力發電機組產生一致趨勢的響應。同時，可以將虛擬標準對照系統中虛擬傳感器系統中的虛擬傳感器與真實傳感器的測量數據進行一一對比，來判定真實傳感器的狀態。這為傳感器狀態與風力發電機組自身狀態的分離帶來了切入點，因為：無論是真實風力發電機組還是風力發電機組的虛擬模型，其中的各部件間都存在著物理關系，即一個部件出問題，那么關聯部件會同時具有異常的響應；如果多個傳感器的測量數據與傳感器的虛擬模型的模擬數據之間存在差異，意味著很有可能風力發電機組本身存在異常；如果僅是單個傳感器的測量數據與傳感器的虛擬模型的模擬數據之間存在差異，意味著很可能是傳感器本身存在異常。
因此，本發明提供了一種新穎的用于風力發電機組的狀態監測方法和系統，以實時監測風力發電機組的健康狀態。
圖1是本發明一種實施例的用于風力發電機組的狀態監測方法的示意性流程圖。該用于風力發電機組的狀態監測方法，可以包括：S110，利用安裝在風力發電機組上的傳感器測量風力發電機組的n個特征量的實際值，n是大于0的整數；S120，基于風力發電機組的虛擬標準對照系統和安裝在風力發電機組上的傳感器的虛擬傳感器系統，根據當前風況數據，計算n個特征量的理論值；以及S130，當n個特征量中的每個特征量的實際值與理論值之間的相關性系數均大于第一閾值時，判定風力發電機組不存在異常。
圖2是本發明的另一種實施例的用于風力發電機組的狀態監測方法的示意性流程圖。其中，與圖1的用于風力發電機組的狀態監測方法中相同的步驟采用了相同的標號，如圖2所示，該用于風力發電機組的狀態監測方法還可以還包括：S230，當n個特征量中的m個特征量的實際值與理論值之間的相關性系數不大于第一閾值時，判定用于測量m個特征量的實際值的m個傳感器或m個傳感器安裝在其上的風力發電機組部件存在異常，m是大于0且小于n的整數。
在一些示例中，S120中的虛擬標準對照系統和虛擬標準對照系統中虛擬傳感器系統可以通過以下方式建立：
在S121中，可以為風力發電機組的虛擬標準對照系統定義坐標系，例如定義4個坐標系，分別由向量Xi＝(xi，yi，zi)表征，i＝1，2，3，4，其中，坐標系1可以固定在塔架底部，由于塔架底座固定不動，所以該坐標系為絕對坐標系；坐標系2可以固定在塔架頂端，隨著塔架的兩個方向的變形運動(方向1：塔架沿機頭、機尾方向的前后變形運動，定義為fore-back變形，方向2：垂直于機頭與機尾連線的左右變形運動，定義為side-by-side)，其z方向始終沿著塔架頂端切線方向，那么相對于坐標系1，坐標系2原點在x，y與z方向分別偏移了uf(α)，us(α)與H，繞y軸與x軸分別旋轉了角度δf(α)和δs(α)，其中，H是塔架高度，則坐標系1，2之間變換關系如下公式(1)所示：
X2＝a12X1+[-uf(α)，-us(α)，-H]T (1)
其中a12為變換矩陣，如下公式(2)所示：
坐標系3固定在輪轂處，但不隨葉輪的旋轉而旋轉，其與坐標系2相對靜止，僅原點發生了偏移，坐標系2，3之間變換關系如下公式(3)所示：坐標系3原點對應坐標系2的原點偏移量為：[[Lx，0，Hz]]
X3＝a23X2+[Lx，0，Hz]T (3)
由于沒有旋轉變換，a23為單位矩陣。
針對每個葉片均固定一個坐標系4，z方向始終沿著葉片軸線，相對坐標系3，其隨葉輪的旋轉而繞x軸旋轉角度θ(α)，坐標系3與坐標系4之間變換關系如下公式(5)所示：
X4＝a34X3 (5)
其中，變換矩陣a34如下公式(6)所示：
由公式(1)-(6)我們可得坐標系1，4之間的變換關系如下公式(7)所示：
X4＝a34a23a12X1+a34a23[-uf(α)，-us(α)，-H]T+a34[Lx，0，-Hz]T (7)
圖3是本發明的一種實施例的虛擬標準對照系統中虛擬傳感器系統的空間圖譜。如圖3所示，其中，第1行代表風機運行的不同時刻t，即風機運行的時間軸(代表風機運行壽命)，第2行代表不同時刻的傳感器狀態SE(sensor)，即風機運行在不同階段，傳感器同樣也工作在對應的不同階段，而不同運行階段的風機狀態和傳感器狀態會以時間為坐標融合在虛擬傳感器系統感知的信息當中，這些信息代表著每一個狀態，即圖3中第3行所表示的內容ST(state)，這些狀態的物理基礎便是圖3中第4行的安裝有傳感器不同風機部件P(part)，而這些單獨的部件沒有什么實質性的功能，只有以一種特定的空間位置相互組合起來才可以組成一個有特定功能的子系統，因此就出現了圖3中第5行的空間坐標索引IN(index)和第6行的各子功能Fu(fun)，這里的空間坐標索引index與上述風力發電機組的虛擬標準對照系統坐標系一致，這些子功能的物理基礎就是圖3中第7行的子系統sys，這些子系統通過物理關系組合完成整個風力發電機組的功能，包括葉輪系統將風能轉化為旋轉機械能，發電機系統將旋轉的機械能轉化為電能，變流器系統將發電機輸出的不穩定電能轉變為符合電網要求的穩定電能，并輸出給電網的整個過程。由圖3所示，我們可以發現風力發電機組的不同空間位置代表著一種物理意義，即位于不同位置的傳感器處在不同的物理功能環境中，盡管有些傳感器測試同一子系統，但根據上述分析知道由于空間位置的差異，會帶入不同的物理作用，而這些物理作用可以反過來通過空間坐標進行差異轉換，進而實現同一子系統的不同位置(類型)傳感器達到對應子系統的一致性描述。
基于上述風力發電機組的虛擬標準對照系統中虛擬傳感器系統的空間圖譜可以建立風力發電機組的虛擬標準對照系統和虛擬標準對照系統中虛擬傳感器系統的數學模型。風力發電機組的虛擬標準對照系統需要的結合葉輪氣動力模型、塔架動力學模型、發電機傳動鏈模型和發電機模型。
在葉輪氣動力模型的建立中，目前有多種理論用于計算風力發電機組的氣動載荷，在一些示例中，可以采用動量葉素理論來建立風力發電機組葉輪的氣動力模型。根據動量葉素理論假定整個葉片可被分割為很多小的相互獨立的葉素單元，各個葉素單元的氣動力可以由二維翼型的氣動特性來計算，將各個葉素所到的氣動力疊加即可求得作用于葉片上的推力和轉矩，根據動量理論原理，可以得知氣流在經過葉輪旋轉平面時壓力或動量的下降源于氣流對葉輪所做的功。因此聯合運用動量理論與葉素理論通過迭代計算即可計算得到葉片的氣動載荷。針對分割得到的每個環形區域的葉素dr，由葉素理論可以計算得到作用于葉素的推力與轉矩如下公式(8)和(9)所示：
其中，B為葉片數量，ρ為空氣密度，Vr為氣流相對于葉素的相對風速，Cl為葉片升力系數，Cd為葉片阻力系數，為入流角，c為葉片r處的弦長，floss為損失系數。
在塔架動力學模型的建立中，塔架作為整個風力發電機組的支持體系，當風作用在葉輪上時，葉輪會將其所受的氣動載荷最終傳遞到機艙與塔架上，使塔架產生變形，進而使得位于塔架頂端的機艙與葉輪發生振動。在一些示例中，可以只考慮塔架在fore-back和side-by-side兩個方向的振動，而這兩個方向的振動均可由如下公式10的動力學方程表示：
其中，Uf(α)為在X方向上的偏移量，也可以理解為廣義自由度，m*為塔架廣義質量，c*為廣義阻尼，k*為廣義剛度，為廣義力。m*，c*與k*為模型常系數，可由虛功原理計算如下公式11-13：
其中，δ1和δ2分別為塔架在振動方向的一階與二階模態阻尼比，ω1與ω2為一階與二階模態圓頻率，mtop為塔架頂端葉輪與機艙的等效質量，其相對于塔架頂端軸線轉動慣量為Jtop，塔架高度為H，塔架高度z處界面的面密度為m(z)，由于風力發電機組塔架目前均為圓形截面，各向同性，故兩個方向上的抗彎剛度均為EI(z)，ψ1和ψ2分別為一階振型函數與二階振型函數，該模態振型可以由有限元的方法計算獲取。由于各階模態之間的正交性，各矩陣僅對角線的值不為0，在m*，c*與k*計算得到后，就可以依據公式14計算出塔架各階的無阻尼固有頻率：
在發電機傳動鏈模型的建立中，在一些示例中，葉輪與發電機所連接的軸系，以永磁同步電機為例，圖4是本發明的一種實施例的葉輪與發電機傳動示意圖，如圖4所示，以軸的剛度系數K與阻尼系數D來建模表示在兩質量塊的運動過程中，分別用風力機的阻尼系數Dtur與發電機的阻尼系數Dgen表示兩質量塊的粘性摩擦，兩個質量塊數學模型可表示為：
θg＝θtur-θgen (18)
式中，Htur和Hgen分別為風力機與發電機的慣性時間常數，K為軸的剛度系數，Dtur和Dgen分別為風力機轉子與發電機轉子的阻尼系數，θtur和θgen分別為風力機轉子與發電機轉子的角位移，θg為兩質量塊之間相對角位移，Ttur和Tg分別為風力機機械轉矩與發電機電磁轉矩，ωtur和ωgen分別為風力機與發電機轉子轉速，ωo為同步轉速。
在發電機模型的建立中，在一些示例中，以建立永磁直驅同步發電機的數學模型為例，假設：忽略鐵心飽和效應；忽略渦流和磁滯損耗；反電動勢是正弦的；轉子沒有阻尼繞組，永磁體沒有阻尼作用。根據以上假設，可以得出永磁體的電動勢Eg為：
Eg＝2πfgΦ (19)
式(19)中，Φ為轉子永磁體在定子相產生的磁通，fg為電頻率，單位為Hz。
電頻率計算公式為：
fg＝pjfm (20)
式中，pj為極對數，fm為機械頻率，單位為Hz。
在d-q軸坐標系中建立旋轉坐標系軸d-q軸數學模型，取永磁體基波磁場方向(即永磁體轉子極中心線)為d軸，q軸沿轉子旋轉方向超前d軸90°。永磁勵磁磁鏈與d軸重合，i為轉子等效勵磁電流。圖5是本發明的一種實施例的發電機軸向截面示例圖，如圖5所示，以永磁同步發電機為例，在d-q軸旋轉坐標系下永磁同步發電機的電壓和電磁轉矩的數學關系為：
ud＝pΨd+Rsid-ωΨq (21)
uq＝pΨq+Rsiq+ωΨd (22)
Ψd＝Ldid+Ψf (23)
Ψq＝Lqiq (24)
式中，ud，uq分別為d和q軸電壓分量，id和iq分別為d和q軸電流分量，Ld和Lq分別為d和q軸電感分量，Ψd和Ψq分別為d和q軸磁鏈分量，Rs為定子501相電阻，Ψf為永磁體基波勵磁磁場對定子501繞組磁鏈，ω為電氣角速度，p為微分算子。
發電機電磁轉矩方程為：
運動方程為(以轉子502旋轉方向為正)：
ω＝pjΩm (27)
式中，Mm為風力機的機械轉矩，Mg為永磁電機電磁轉矩，J為永磁電機轉動慣量，Ωm為機械角速度。
將上述各個模型結合，即可建立起圖6是本發明的一種實施例的風力發電機組各特征量之間的關系模型，如圖6所示：
從中可以看出，風力發電機組各特征量之間的關系模型主要由4個模塊組成，葉輪氣動力計算模型利用動量葉素理論來完成，用于計算輸入風作用于葉片上的氣動載荷，主要輸入信號包括風速信號與由發電機傳動鏈模型計算得到的葉輪轉速信號，同時由于塔架變形振動使得葉輪整體具有一定的速度，這對氣流相對速度造成了影響，因此還要獲知氣流相對于各個葉素的相對速度。塔架動力學模型利用假設模態法完成，用于計算塔架的振動，主要輸入信號為由葉輪氣動力計算模型計算得到的作用于塔架頂端的載荷。通過坐標變換利用塔架振動模型計算得到的塔架頂端的振動位移與速度計算得到氣流相對葉片各葉素的相對速度。發電機模塊利用葉輪輸出的扭矩仿真獲得發電機端電信號，同時得到葉輪轉速信號。
在一些示例中，上述的各個模型也可以分離的進行使用，從對風力發電機組的各個部分分別進行狀態監測。并且，對風力發電機組的虛擬標準對照系統的建模不僅局限于上述的建模方式。
在虛擬傳感器系統的構建中，由于大型風力發電機組是一個十分復雜的系統，其包含上百個傳感器，而傳感器的類型就只有幾十種而已，并且其中，占比較大的加速度傳感器等測試振動信號的傳感器等，以及測試溫度信號的溫度傳感器等，還有就是對于風力發電機組最最關鍵的測風傳感器，即風向標和風速儀，這些傳感器都是依據特定物理關系設計制造的，那么其有固定的數學物理模型存在，所以可以直接依據這些數學物理關系建立起對應傳感器的虛擬模型，以代表風力發電機組上安裝的物理實體傳感器。一般情況下，真實風力發電機組由于安裝工藝及成本問題無法安裝足以測試風力發電機組詳細運行狀態的傳感器，而虛擬標準對照系統上可以接入滿足需要的任意數量的虛擬傳感器。在步驟S110和S120中，實際運行的風力發電機組和風力發電機組的虛擬標準對照系統可以同步接收來自實際風向標與風速儀的測風數據，并根據各自對應的控制邏輯對虛、實風力發電機組做出相應的控制，虛、實風力發電機組的運行狀態時刻由對應的虛、實傳感器系統進行檢測，并不斷對虛、實傳感器的測試信號進行對比分析，
在一些示例中，在S130中，特征量的實際值與理論值之間的相關性系數可以通過下式進行計算：
DX(t)＝E[X(t)-Mx(t)]2 (29)
Cx(X實，X虛)＝cov(X實(t)，X虛(t))＝E[X實(t)-M實(t)]·[X虛(t)-M虛(t)] (30)
式(28)至(30)中ρ(X實，X虛)為相關系數，DX(t)為方差Cx(X實，X虛)為協方差，Mx(t)為X(t)的均值向量，并將上述所計算的虛擬傳感器對應特征向量的理論值與真實傳感器對應特征向量的實際值的相關系數與預先設定的閾值ψ進行對比分析。例如，當n個特征量中的每個特征量的實際值與理論值之間的相關性系數均大于第一閾值時，判定風力發電機組不存在異常。
通過將真實傳感器數據與虛擬標準對照系統中虛擬傳感器系統中的虛擬傳感器數據進行一一對比，實現真實傳感器狀態與風力發電機組自身狀態的分離，當多個實際傳感器與虛擬傳感器對比差異均較小時，可以判定風力發電機組本身不存在異常，從而實現對風力發電機組異常狀態的監測。
在一個示例中，該方法還可以包括在m個傳感器安裝在同一風力發電機組部件上的情況下，計算在m個傳感器中的傳感器Si測量出的m個特征量中的特征量Ti的實際值Tri的情況下，m個傳感器中的傳感器Sj測量出的m個特征量中的特征量Tj的實際值Trj的概率p(Trj|Tri)，i＝1，2，3...，m，j＝1，2，3...，m，i≠j；計算傳感器Sj所對應的概率p(Trj|Tri)與第二閾值的絕對差值；當m個傳感器中有一半以上傳感器所對應的概率p(Trj|Tri)與第二閾值的絕對差值大于第三閾值時，判定風力發電機組部件存在異常。例如，如果虛、實傳感器系統中某個對應傳感器輸出的數據存在很大的差異，可以分為兩種情況進行判斷。在一些示例中，該方法還可以包括當m個傳感器中有不到一半傳感器所對應的概率p(Trj|Tri)與第二閾值的絕對差值大于第三閾值時，計算m個傳感器測量出的特征量的實際值相互之間的相關性系數；如果m個傳感器測量出的特征量的實際值相互之間的相關性系數大于第四閾值，則判定風力發電機組部件上安裝m個傳感器的m個部位存在異常，否則判定m個傳感器存在異常。在一個示例中，同一被測部件安裝了多個同種傳感器，這種情況下根據圖3可以得知，傳感器的測試數據結果是空間和時間上的函數，即Y＝f(x，y，z，t)，所以即使是多個傳感器測試的是同一部件，那么由于安裝位置的不同也會在測試結果中表現出不同程度的差異，因此，在傳感器安裝測試的初期我們要對各傳感器進行標定修正，以使各傳感器從不同角度對同一部件的監測達到一致性描述，此實施例中采用了貝葉斯理論對這些傳感器的狀態進行概率預測，貝葉斯原理如下式所示：
即在其中一個傳感器出現某種狀態B時其余任一個傳感器出現Ai的狀態的概率p(Ai|B)，然后將這個概率值與預先設定的閾值φ進行對比，這時會出現n-1個這樣的對比差值：
ei＝|p(Ai|B)-φ|i＝1，2，...，n-1 (32)
假設這n-1個差值中有m個不滿足誤差要求，且m小于n-m-1，則對這m個值對應的傳感器進行相關性分析，若相關性系數很大，則判定該m個傳感器對應的被測對象部位有異常，若相關系數不滿足閾值要求，則判定傳感器有問題。
在一些示例中，該方法還可以包括在m個傳感器是不同種類的傳感器的情況下，將m個傳感器測量出的實際值進行轉換，以對風力發電機組部件進行一致性描述。在一個示例中，若對于同一部件安裝不同種測試傳感器，則首先要對不同種測試數據進行標準化或轉化預處理，尤其對于非格式化數據，例如視頻監測數據與加速度測試數據，這時我們就需要首先對視頻圖像數據進行圖像處理，這里邊主要步驟為邊緣監測，特征提取，特征匹配，坐標轉化計算出特征的實際運行中產生的變化量，例如位移量等。
在一些示例中，該方法還可以包括對于沒有安裝傳感器或僅安裝有一個傳感器的風力發電機組部件，基于其關聯風力發電機組部件上的一個以上傳感器測量出的一個以上特征量的實際值，估算該沒有安裝傳感器或僅安裝有一個傳感器的風力發電機組部件的一個以上特征量的實際值；基于當前風況數據計算該沒有安裝傳感器或僅安裝有一個傳感器的風力發電機組部件的一個以上特征量的理論值；當該沒有安裝傳感器或僅安裝有一個傳感器的風力發電機組部件的一個以上特征量中的每個特征量的實際值與理論值之間的相關性系數均大于第一閾值時，判定該沒有安裝傳感器或者僅安裝有一個傳感器的風力發電機組部件不存在異常。在一些示例中，被測部件僅安裝了一個傳感器或未直接在被測對象上安裝測試傳感器，而是通過與其關聯部件上的傳感器進行間接監測。狀態監測主要是通過與關聯部件上的虛、實傳感器進行對比分析，對比過程類似與上述狀態監測方法類似，當然此種情況下還需要判斷是不是要采用其他部件上的同種傳感器，或不同種傳感器，若是不同種傳感器可以先進行數據的標準化或轉化過程，然后再通過不同部件間的物理數學模型進行數據間的關聯轉化，最后進行對比分析，若是同種傳感器，則不需要轉化數據格式。
在關聯風力發電機組部件上的一個以上傳感器虛、實傳感器輸出的數據沒有對比異常，我們就可以確定實際傳感器存在問題，
因為機組各子系統、各部件之間存在著密不可分的數學物理關系，所以一旦機組某個部件出現異常，那么與其相關聯的其它部件也會出現相應的異常，而風力發電機組的虛擬標準對照機組是標準的、正常的運行關系，那么這種情況下虛、實傳感器數據對比會出現個異常，在僅有一個傳感器輸出數據出現異常時，就可以認為是該傳感器出現了異常，這就實現了對實際機組狀態與實際傳感器狀態的監測分離，準確定位到了異常對象。
在一些示例中，該方法還可以包括當判定m個傳感器存在異常，分別將m個傳感器中的傳感器Si測量出的m個特征量中的特征量Ti的實際值與理論值的相關性系數與第五閾值進行比較，若不大于第五閾值，則判定傳感器Si需要更換，否則，根據相關性系數對傳感器Si的輸入輸出特征量之間的關系參數進行修正。在一些示例中，當傳感器出現問題時，我們可以提取出對應虛擬傳感器中的輸入數據和實際傳感器輸出的測試數據，然后將虛擬傳感器中的輸入數據作為輸入數據，實際傳感器輸出的測試數據作為輸出數據，利用這組數據對虛擬傳感器模型進行參數識別，參數識別的過程主要是依據傳感器本身的設計原理，因為傳感器設計之初遵循一個特定的物理數學模型，比如溫度傳感器，設溫度T為輸入，電壓U值U為輸出，則輸出與輸入之間存在函數關系：U＝f(T)即電壓是溫T的函數，那么傳感器出廠時有個設計的初始參數，當然在安裝到被測部件上時，我們首先要對傳感器進行標定，即先確定輸出電壓值與輸入溫度值之間的函數關系，即確定方程中的系數，并將其作為初始標準值，因為傳感器測試值的輸出是時間和空間的函數，因此同一種傳感器安裝在不同位置，參數可能會存在差異，所以初始標定后的參數可能存在差異，這些差異是空間坐標的函數，隨著傳感器使用時間的推移，傳感器部件會有損耗，這就會引起函數中參數的變化，這個變化我們可以通過將輸入輸出值帶入上述電壓與溫度的函數中，計算出對應時間的參數，即使用一段時間后的函數方程中的系數。然后可以將這些新算出的參數與初始標定時的參數進行對比，以修正測試精度。在一個示例中，該方法中的關系參數還可以通過神經網絡等深度學習的方法進行判別。然后對比識別出的參數與標準傳感器模型參數的差異，確定出異常物理量，進而判斷實際傳感器是否已失去測試能力，如果失去繼續測試能力，則可以將其更換，如果還可以繼續進行測試，僅是會存在一定的測試誤差，那么就可以通過對應的虛擬傳感器對實際傳感器測試數據進行修正，例如，還可以基于相關性系數采用PID控制邏輯對傳感器Si的輸入輸出特征量之間的關系參數進行修正，采用這種修正方法具有兩個作用，一是消除虛、實傳感器數據差異，避免重復告警；二是為真實風力發電機組狀態監測提供高質量的測試數據。
在一些示例中，該方法還可以包括當判定風力發電機組部件存在異常，分別根據m個傳感器的傳感器Si測量出m個特征量中的特征量Ti的實際值與理論值的相關性系數確定異常特征量，根據異常特征量判定存在異常的風力發電機組部件的故障類型和/或故障程度。在一些示例中，該方法還可以包括根據故障類型和/或故障程度計算發風力發電機組部件能夠承受的載荷閾值。例如，對于機組某部件出現問題時，同樣可以通過虛擬傳感器和真實傳感器測數據中提取數據進行參數識別，找出異常特征量，從而判定部件故障類型及故障程度，并利用對應的數學模型計算出對應變化后的部件參數可以承受的最大工作負荷，進而為主控提供相應的控制參考，以避免故障的進一步擴展惡化。
在一些示例中，該方法還可以包括當判定風力發電機組部件存在異常，分別根據判定風力發電機組部件存在異常的m個傳感器中的傳感器Si測量出的m個特征量中的特征量Ti的實際值與理論值的相關性系數，對傳感器Si對應于風力發電機組的虛擬傳感器系統中的虛擬傳感器Si′的輸入輸出特征量之間的關系參數進行修正，根據當前風況數據及修正后的m個虛擬傳感器判斷風力發電機組部件存在異常情況，若判定風力發電機組部件存在的異常消除，則判定獲得風況數據的傳感器存在異常，否則，判定風力發電機組部件存在異常。獲得風況數據的傳感器例如風速儀和風向標。在一些示例中，由于實際風力發電機組與風力發電機組的虛擬標準對照系統接收同樣的風速，例如檢測到監測塔架和機艙的傳感器出現差異，因為是多個傳感器出現異常，所以認為機組本身出現異常，則通過參數識別后，我們將新得到的關系參數帶入對應的虛擬傳感器，然后帶入數據(差異時的輸入數據)獲得新的虛擬測試數據，然后對比這組數據與一開始的實際監測數據(有差異的時候)，若差異消除，則判定是風向標或風速儀出了問題，若差異依舊存在則是機組部件異常，可以利用上述機組異常判斷過程進行異常判定。在一些示例中，在判定獲得風況數據的傳感器存在異常時，基于將存在異常的m個傳感器中的傳感器Si測量出的m個特征量中的特征量Ti的理論值與當前風況數據及修正后的m個虛擬傳感器Si，反推出虛擬傳感器Si的輸入變量，根據輸入變量對風力發電機組進行控制。例如，當判定是風向標或風速儀出問題時，將風力發電機組的虛擬標準對照系統輸出數據(差異時的數據)帶入參數識別后的虛擬傳感器中去，反推獲得新的風速預測值，然后將此虛擬風速輸入到風力發電機組的虛擬標準對照系統和真實風力發電機組控制系統，從而獲得新的控制，從而不耽誤機組的控制。在一個示例中，還可以通過直接采用風速預測的方法來還原風速，然后將此虛擬風速輸入到風力發電機組的虛擬標準對照系統和真實風力發電機組控制系統，從而獲得新的控制，從而不耽誤機組的控制。在一個示例中，可以依據上述傳感器修正過程對風速儀或風向標進行修正，以使其獲得精準的風速值。
在一些示例中，該方法還可以包括根據風力發電機組的n個特征量的實際值及理論值基于風力發電機組的虛擬標準對照系統獲得主風能所在風向，根據風向對風力發電機組進行偏航控制。通過上述方法，在獲得風況數據的傳感器出現問題或沒出現問題的情況下，風力發電機組可以結合真實風力發電機組機艙、葉輪和塔架所受載荷在風力發電機組的虛擬標準對照系統中進行計算，評估出主風能所在方向，進而提高機組對風精度，例如，獲得風況數據的傳感器出現問題，機艙，塔架，葉輪上的載荷測試真實傳感器會測得實際值，那么不同方向的風吹到上述三個部分上時，載荷測試真實傳感器的測試值不一樣，而風力發電機組的虛擬標準對照系統中可以預存有與上述三個部分相關的數據庫，例如當機組處于某一風速段，風向在什么方位時，風力發電機組運行時上述三個部分的載荷的歷史值，現在通過載荷測試真實傳感器獲得了載荷數據的實際值與歷史值進行比對，即可通過數據關聯預測出風向所在方位。一方面降低了風力發電機組因沒對準主風能方向而流失的風能，另一方面降低了風力發電機組因沒對準風而承受的交變載荷，降低了風力發電機組的疲勞損傷，提高風力發電機組運行可靠性。
上文中結合圖1至圖6，詳細描述了根據本發明實施例的用于風力發電機組的狀態監測方法，下面將結合圖7和圖8，詳細描述根據本發明實施例的用于風力發電機組的狀態監測裝置。
圖7是本發明的一種實施例的用于風力發電機組的狀態監測裝置的示意性結構框圖。該用于風力發電機組的狀態監測裝置700可以包括：獲取單元710、計算單元720和判斷單元730。該獲取單元710被配置為利用安裝在風力發電機組上的傳感器獲取傳感器測量的風力發電機組的n個特征量的實際值，n是大于0的整數；該計算單元720被配置為基于風力發電機組的虛擬標準對照系統和安裝在風力發電機組上的傳感器的虛擬傳感器系統，根據當前風況數據，計算n個特征量的理論值；該判斷單元730被配置為當n個特征量中的每個特征量的實際值與理論值之間的相關性系數均大于第一閾值時，判定風力發電機組不存在異常。通過將真實傳感器數據與虛擬標準對照系統中虛擬傳感器系統中的虛擬傳感器數據進行一一對比，實現真實傳感器狀態與風力發電機組自身狀態的分離，當多個真實傳感器與虛擬傳感器對比差異均較小時，可以判定風力發電機組本身不存在異常，從而實現對風力發電機組異常狀態的監測。
在一些示例中，該判斷單元還可以包括：當n個特征量中的m個特征量的實際值與理論值之間的相關性系數不大于第一閾值時，判定用于測量m個特征量的實際值的m個傳感器或m個傳感器安裝在其上的風力發電機組部件存在異常，m是大于0且小于n的整數。
在一些示例中，該裝置還可以包括直接判斷單元，被配置為：在m個傳感器安裝在同一風電部件上的情況下，計算在m個傳感器中的傳感器Si測量出的m個特征量中的特征量Ti的實際值Tri的情況下，m個傳感器中的傳感器Sj測量出的m個特征量中的特征量Tj的實際值Trj的概率p(Trj|Tri)，i＝1，2，3...，m，j＝1，2，3...，m，i≠j；計算傳感器Sj所對應的概率p(Trj|Tri)與第二閾值的絕對差值；當m個傳感器中有一半以上傳感器所對應的概率p(Trj|Tri)與第二閾值的絕對差值大于第三閾值時，判定風力發電機組部件存在異常。在一些示例中，該裝置的直接判斷單元還可以被配置為：在m個傳感器是不同種類的傳感器的情況下，將m個傳感器測量出的實際值進行轉換，以對風力發電機組部件進行一致性描述。在一些示例中，該裝置的直接判斷單元還可以被配置為：當m個傳感器中有不到一半傳感器所對應的概率p(Trj|Tri)與第二閾值的絕對差值大于第三閾值時，計算m個傳感器測量出的特征量的實際值相互之間的相關性系數；如果m個傳感器測量出的特征量的實際值相互之間的相關性系數大于第四閾值，則判定風力發電機組部件上安裝m個傳感器的m個部位存在異常，否則判定m個傳感器存在異常。
在一些示例中，該裝置還可以包括關聯判斷單元，被配置為：對于沒有安裝傳感器或僅安裝有一個傳感器的風力發電機組部件，基于其關聯風力發電機組部件上的一個以上傳感器測量出的一個以上特征量的實際值，估算該沒有安裝傳感器或僅安裝有一個傳感器的風力發電機組部件的一個以上特征量的實際值；基于當前風況數據計算該沒有安裝傳感器或僅安裝有一個傳感器的風力發電機組部件的一個以上特征量的理論值；當該沒有安裝傳感器或僅安裝有一個傳感器的風力發電機組部件的一個以上特征量中的每個特征量的實際值與理論值之間的相關性系數均大于第一閾值時，判定該沒有安裝傳感器或者僅安裝有一個傳感器的風力發電機組部件不存在異常。
在一些示例中，該裝置還可以包括第一處理單元，被配置為：當判定m個傳感器存在異常，分別將m個傳感器中的傳感器Si測量出的m個特征量中的特征量Ti的實際值與理論值的相關性系數與第五閾值進行比較，若不大于第五閾值，則判定傳感器Si需要更換，否則，根據相關性系數對傳感器Si的輸入輸出特征量之間的關系參數進行修正。
在一些示例中，該裝置的第一處理單元還可以被配置為：當判定m個傳感器存在異常，分別將m個傳感器中的傳感器Si測量出的m個特征量中的特征量Ti的實際值與理論值的相關性系數與第五閾值進行比較，若不大于第五閾值，則判定傳感器Si需要更換，否則，基于相關性系數采用PID控制邏輯對傳感器Si的輸入輸出特征量之間的關系參數進行修正。
在一些示例中，該裝置還可以包括故障診斷單元，被配置為：當判定風力發電機組部件存在異常，分別根據m個傳感器的傳感器Si測量出m個特征量中的特征量Ti的實際值與理論值的相關性系數確定異常特征量，根據異常特征量判定存在異常的風力發電機組部件的故障類型和/或故障程度。
在一些示例中，該裝置的故障診斷單元還可以被配置為：根據故障類型和/或故障程度計算風力發電機組部件能夠承受的載荷閾值。
在一些示例中，該裝置還可以包括第二處理單元，被配置為：當判定風力發電機組部件存在異常，分別根據判定風力發電機組部件存在異常的m個傳感器中的傳感器Si測量出的m個特征量中的特征量Ti的實際值與理論值的相關性系數，對傳感器Si對應于風力發電機組的虛擬傳感器系統中的虛擬傳感器Si′的輸入輸出特征量之間的關系參數進行修正，根據當前風況數據及修正后的m個虛擬傳感器判斷風力發電機組部件存在異常情況，若判定風力發電機組部件存在的異常消除，則判定獲得風況數據的傳感器存在異常，否則，判定風力發電機組部件存在異常。
在一些示例中，該裝置的第二處理單元還可以被配置為：在判定獲得風況數據的傳感器存在異常時，基于將存在異常的m個傳感器中的傳感器Si測量出的m個特征量中的特征量Ti的理論值與當前風況數據及修正后的m個虛擬傳感器Si，反推出虛擬傳感器Si的輸入變量，根據輸入變量對風力發電機組進行控制。
在一些示例中，該裝置還可以包括風向評估單元，被配置為：根據風力發電機組的n個特征量的實際值及理論值基于風力發電機組的虛擬標準對照系統獲得主風能所在風向，根據風向對風力發電機組進行偏航控制。
根據本發明實施例的用于風力發電機組的狀態監測裝置700可對應于根據本發明實施例的用于風力發電機組的狀態監測方法中的執行主體，并且用于風力發電機組的狀態監測的裝置700中的各個單元的上述和其它操作和/或功能分別為了實現圖1的方法的相應流程，為了簡潔，在此不再贅述。
圖8是本發明一實施例的用于風力發電機組的狀態監測裝置的計算設備實現結構示意圖。如圖8所示，結合7描述的用于風力發電機組的狀態監測裝置至少一部分可以由計算設備800實現，包括存儲器804、處理器803和總線810；該存儲器804和處理器803通過總線810連接并完成相互間的通信；該存儲器604用于存儲程序代碼；該處理器630通過讀取存儲器604中存儲的可執行程序代碼來運行與可執行程序代碼對應的程序，以用于執行如圖1所示的用于風力發電機組的狀態監測方法。在一些示例中，該計算設備800還可以包括輸入設備801、輸入端口802、輸出端口805、以及輸出設備806。其中，輸入端口802、處理器803、存儲器804、以及輸出端口805通過總線810相互連接，輸入設備801和輸出設備806分別通過輸入端口802和輸出端口805與總線810連接，進而與計算設備800的其他組件連接。需要說明的是，這里的輸出端口805和輸入端口802也可以用I/O接口表示。具體地，輸入設備801接收來自外部的輸入信息，并通過輸入端口802將輸入信息傳送到處理器803；處理器803基于存儲器804中存儲的計算機可執行指令對輸入信息進行處理以生成輸出信息，將輸出信息臨時或者永久地存儲在存儲器804中，然后通過輸出端口805將輸出信息傳送到輸出設備806；輸出設備806將輸出信息輸出到計算設備800的外部。
上述存儲器804包括用于數據或指令的大容量存儲器。舉例來說而非限制，存儲器804可包括HDD、軟盤驅動器、閃存、光盤、磁光盤、磁帶或通用串行總線(USB)驅動器或者兩個或更多個以上這些的組合。在合適的情況下，存儲器804可包括可移除或不可移除(或固定)的介質。在合適的情況下，存儲器804可在計算設備800的內部或外部。在特定實施例中，存儲器804是非易失性固態存儲器。在特定實施例中，存儲器804包括只讀存儲器(ROM)。在合適的情況下，該ROM可以是掩模編程的ROM、可編程ROM(PROM)、可擦除PROM(EPROM)、電可擦除PROM(EEPROM)、電可改寫ROM(EAROM)或閃存或者兩個或更多個以上這些的組合。
總線810包括硬件、軟件或兩者，將計算設備800的部件彼此耦接在一起。舉例來說而非限制，總線810可包括加速圖形端口(AGP)或其他圖形總線、增強工業標準架構(EISA)總線、前端總線(FSB)、超傳輸(HT)互連、工業標準架構(ISA)總線、無限帶寬互連、低引腳數(LPC)總線、存儲器總線、微信道架構(MCA)總線、外圍組件互連(PCI)總線、PCI-Express(PCI-X)總線、串行高級技術附件(SATA)總線、視頻電子標準協會局部(VLB)總線或其他合適的總線或者兩個或更多個以上這些的組合。在合適的情況下，總線810可包括一個或多個總線810。盡管本發明實施例描述和示出了特定的總線，但本發明考慮任何合適的總線或互連。
當通過圖8所示的計算設備800實現結合圖7描述的用于風力發電機組的狀態監測裝置時，輸入設備801安裝在風力發電機組上的傳感器測量風力發電機組的n個特征量的實際值，在特定實施例中，與輸出設備相連的I/O接口可以包括硬件、軟件或兩者，提供用于在計算設備800與一個或多個I/O設備之間的通信的一個或多個接口。在合適的情況下，計算設備800可包括一個或多個這些I/O設備。一個或多個這些I/O設備可允許人和計算設備800之間的通信。舉例來說而非限制，I/O設備可包括鍵盤、小鍵盤、麥克風、監視器、鼠標、打印機、掃描儀、揚聲器、靜態照相機、觸針、手寫板、觸摸屏、軌跡球、視頻攝像機、另一合適的I/O設備或者兩個或更多個以上這些的組合。I/O設備可包括一個或多個傳感器。本發明實施例考慮用于它們的任何合適的I/O設備和任何合適的I/O接口。在合適的情況下，I/O接口可包括一個或多個裝置或能夠允許處理器803驅動一個或多個這些I/O設備的軟件驅動器。在合適的情況下，I/O接口可包括一個或多個I/O接口。盡管本發明實施例描述和示出了特定的I/O接口，但本發明實施例考慮任何合適的I/O接口。該處理器803基于存儲器804中存儲的可執行程序代碼，利用安裝在風力發電機組上的傳感器測量風力發電機組的n個特征量的實際值，n是大于0的整數；基于風力發電機組的虛擬標準對照系統和安裝在風力發電機組上的傳感器的虛擬傳感器系統，根據當前風況數據，計算n個特征量的理論值；以及，當n個特征量中的每個特征量的實際值與理論值之間的相關性系數均大于第一閾值時，判定風力發電機組不存在異常。隨后在需要經由輸出端口805和輸出設備806將上述判斷結果輸出。
在合適的情況下，可執行程序代碼可包括一個或多個基于半導體的或其他集成電路(IC)(例如，諸如現場可編程門陣列(FPGA)或專用IC(ASIC))、硬盤驅動器(HDD)、混合硬盤驅動器(HHD)、光盤、光盤驅動器(ODD)、磁光盤、磁光盤驅動器、軟盤、軟盤驅動器(FDD)、磁帶、全息存儲介質、固態驅動器(SSD)、RAM驅動器、安全數字卡或驅動或其他合適的計算機可讀非臨時性存儲介質或者兩個或更多個以上這些的組合。
需要明確，本發明并不局限于上文所描述并在圖中示出的特定配置和處理。并且，為了簡明起見，這里省略對已知方法技術的詳細描述。在上述實施例中，描述和示出了若干具體的步驟作為示例。但是，本發明的方法過程并不限于所描述和示出的具體步驟，本領域的技術人員可以在領會本發明的精神后作出各種改變、修改和添加，或者改變步驟之間的順序。
另外，在本發明各個實施例中的各功能單元可以集成在一個處理單元中，也可以是各個單元單獨物理存在，也可以是兩個或兩個以上單元集成在一個單元中。上述集成的單元既可以采用硬件的形式實現，也可以采用軟件功能單元的形式實現。
以上所述，僅為本發明的具體實施方式，但本發明的保護范圍并不局限于此，任何熟悉本技術領域的技術人員在本發明揭露的技術范圍內，可輕易想到各種等效的修改或替換，這些修改或替換都應涵蓋在本發明的保護范圍之內。因此，本發明的保護范圍應以權利要求的保護范圍為準。
- 還沒有人留言評論。精彩留言會獲得點贊！