國(guó)電電力新疆新能源開發(fā)有限公司 韓小地 徐榮鵬 李 偉 華風(fēng)數(shù)據(jù)(深圳)有限公司 黎 濤 黃文廣 陳 文 張研祥
風(fēng)機(jī)葉片是風(fēng)力發(fā)電機(jī)組核心部件之一,是進(jìn)行能量轉(zhuǎn)換的關(guān)鍵設(shè)備,其狀態(tài)對(duì)整機(jī)的性能和發(fā)電質(zhì)量有直接的影響[1]。由于長(zhǎng)期運(yùn)行于變負(fù)載及惡劣的環(huán)境下導(dǎo)致其故障頻發(fā),因此對(duì)葉片進(jìn)行狀態(tài)監(jiān)測(cè),對(duì)于確保風(fēng)電機(jī)組的效率和提高機(jī)組安全可靠性具有非常重要的作用。
當(dāng)前基于風(fēng)機(jī)葉片狀態(tài)監(jiān)測(cè)的方法有振動(dòng)檢測(cè)、超聲波檢測(cè)、聲發(fā)射檢測(cè)等方法。A.Joshuva等[2]利用振動(dòng)信號(hào)和機(jī)器學(xué)習(xí)的方法能夠識(shí)別風(fēng)機(jī)葉片的故障類型;André Lamarre等[3]將超聲波相控陣技術(shù)用于風(fēng)機(jī)葉片內(nèi)部缺陷的檢測(cè);袁洪芳等[4]針對(duì)風(fēng)機(jī)葉片裂紋位置及其強(qiáng)度難確定的問題,提出了用聲發(fā)射信號(hào)進(jìn)行裂紋位置及其強(qiáng)度的定位方法。以上方法在風(fēng)機(jī)葉片故障診斷中得到廣泛應(yīng)用,但振動(dòng)檢測(cè)采集到的信號(hào)源復(fù)雜多變,很難檢測(cè)到葉片的早期故障。超聲波檢測(cè)探傷結(jié)果不便保存且較難對(duì)風(fēng)力機(jī)葉片實(shí)行動(dòng)態(tài)監(jiān)測(cè)。聲發(fā)射和振動(dòng)檢測(cè)需安裝傳感器在葉片上,會(huì)破壞葉片固有結(jié)構(gòu)且安裝困難。針對(duì)上述問題,本文設(shè)計(jì)出一套便攜式風(fēng)機(jī)葉片遠(yuǎn)程聽診的狀態(tài)監(jiān)測(cè)系統(tǒng)。
當(dāng)葉片存在損傷時(shí),在凸起的部位氣流與葉片由于摩擦的作用,相比于正常狀態(tài)下會(huì)發(fā)出尖銳的高頻呼嘯聲。此時(shí)對(duì)風(fēng)機(jī)氣動(dòng)噪聲信號(hào)進(jìn)行時(shí)頻域分析,風(fēng)噪的頻譜能量一般集中分布在200Hz以下,且損傷葉片的氣動(dòng)噪聲在時(shí)頻域圖上高頻段能量比機(jī)組正常葉片明顯增大。在正常情況下,這個(gè)高頻噪聲能量很小,而發(fā)生機(jī)組葉片損傷事件時(shí)將變得很大。
葉片便攜式監(jiān)測(cè)系統(tǒng)由傳感器、便攜式工控機(jī)組成,其中工控機(jī)內(nèi)集成了數(shù)據(jù)采集模塊,數(shù)據(jù)傳輸模塊,數(shù)據(jù)分析軟件和監(jiān)控管理中心。風(fēng)機(jī)葉片損傷產(chǎn)生的氣動(dòng)噪聲與葉片正常狀態(tài)下的氣動(dòng)噪聲有明顯區(qū)別,通過人耳能夠分辨出兩種狀態(tài),因此傳聲器頻率響應(yīng)應(yīng)覆蓋在20~20kHz頻段。多個(gè)風(fēng)電場(chǎng)的實(shí)測(cè)結(jié)果表明,相比于葉片旋轉(zhuǎn)的上風(fēng)側(cè)下風(fēng)側(cè)的信噪比更高。因此,為了獲取較高的信噪比傳聲器可安裝在風(fēng)場(chǎng)的主導(dǎo)風(fēng)方向。
選用YG-201型陣列傳聲器,其工作原理是傳聲器接收聲波并將其轉(zhuǎn)變成電信號(hào)。該型傳聲器具有結(jié)構(gòu)簡(jiǎn)單、使用方便、高輸入阻抗、大動(dòng)態(tài)范圍、低噪聲、低功耗、相位一致性好等特點(diǎn),適于精確噪聲測(cè)量、高噪聲測(cè)量、戶外和陣列使用。具體參數(shù):1/2英寸駐極體傳聲器,聲場(chǎng)類型為自由場(chǎng),頻率響應(yīng)20Hz~20kHz,靈敏度50mV/Pa(±1.5dB),使用溫度-25℃~55℃(工業(yè)級(jí)),外徑13.2mm(戴保護(hù)罩)、12.7mm(不戴保護(hù)罩),高度17.2mm(戴保護(hù)罩)、16mm(不戴保護(hù)罩)。
便攜式工控機(jī)為風(fēng)機(jī)葉片遠(yuǎn)程聽診系統(tǒng)的核心單元,集成了數(shù)據(jù)采集、數(shù)據(jù)傳輸、信號(hào)處理及機(jī)器學(xué)習(xí)算法等模塊。
風(fēng)電機(jī)組葉片的損傷可看成模式識(shí)別問題,由信號(hào)處理、特征提取、分類器設(shè)計(jì)三個(gè)部分組成。具體的診斷流程如圖1。
2.2.1 信號(hào)處理
采集器采集的葉片聲學(xué)信號(hào)包含機(jī)械噪聲、環(huán)境噪聲和氣動(dòng)噪聲[5]。機(jī)械噪聲主要來(lái)自機(jī)艙,包括偏航電機(jī)、變槳系統(tǒng)、發(fā)電機(jī)、變頻器等設(shè)備發(fā)出的噪聲。將采集器安裝在塔底,使之遠(yuǎn)離機(jī)械噪聲源,可消除機(jī)械噪聲對(duì)葉片聲學(xué)信號(hào)的干擾。環(huán)境噪聲包含風(fēng)噪聲、雷擊、雨聲等,相比于氣動(dòng)噪聲的寬頻分布(200~20kHz),環(huán)境噪聲幾乎處于數(shù)百Hz的低頻范圍,因此可通過高通濾波器予以去除。為使通帶內(nèi)頻率響應(yīng)曲線盡可能平坦,選用巴特沃斯帶通濾波器,濾波器的階數(shù)取30~50,下限截止頻率為50~200Hz,上限截止頻率為10~15kHz,其平方幅頻響應(yīng)函數(shù)為:
式中N為濾波器的階數(shù),Ωc為3dB截止頻率,Ωu為上限截止頻率,Ωl為下限截止頻率。N越大通帶內(nèi)特性越平坦,過渡帶越窄濾波效果越好,但也帶來(lái)計(jì)算量的顯著增加。信號(hào)去噪后,使用滑動(dòng)窗口和能量閾值方法來(lái)檢測(cè)去噪后信號(hào)的瞬時(shí)脈沖信號(hào),當(dāng)平均窗能量連續(xù)地大于設(shè)定的能量閾值時(shí),就認(rèn)為信號(hào)中存在有效的脈沖。
2.2.2 特征提取及優(yōu)化
工程實(shí)際中常用倍頻程描述噪聲信號(hào)的頻譜變化趨勢(shì)[6],綜合考慮算法的魯棒性及倍頻程的高低頻表征的能力,采用1/6倍頻程刻畫噪聲信號(hào)的差異性,經(jīng)過特征提取后,特征向量維數(shù)較高,可能包含大量的冗余信號(hào)。為去除冗余信息并提取主要信息,采用主成分分析法對(duì)所有能量比特征進(jìn)行降維。
2.2.3 分類器的設(shè)計(jì)
風(fēng)電機(jī)組在實(shí)現(xiàn)運(yùn)行中發(fā)生葉片損傷的幾率很小,因此獲取故障樣本難度很大,且不同的風(fēng)機(jī)葉片故障面積的大小、故障類型不同,故障特征難以聚類,實(shí)際采集到的為大量的正常樣本數(shù)據(jù)。因此提出基于支持向量數(shù)據(jù)描述(SVDD)的單分類故障診斷算法(圖2),假設(shè)數(shù)據(jù)集X=[x1,x2,…,xl],其中[x1,x2,…,xl]表示樣本集,用符號(hào)“o”表示,[xl+1,…,xn]表示非目標(biāo)樣本集,用符號(hào)“+”表示,樣本xi=[t1,t2,t3],其中t1,t2,t3表示特征。通過訓(xùn)練目標(biāo)樣本集建立最小超球體,使其盡可能地包圍所有的目標(biāo)樣本而排除其它非目標(biāo)樣本。
為訓(xùn)練SVDD模型,現(xiàn)場(chǎng)采集了瑪依塔斯風(fēng)電場(chǎng)、風(fēng)雨殿風(fēng)電場(chǎng)正常與故障風(fēng)機(jī)的聲學(xué)信號(hào),其中瑪依塔斯風(fēng)電場(chǎng)的風(fēng)機(jī)型號(hào)為UP2000-96,機(jī)組容量1.5MW,葉片故障類型為前緣開裂,風(fēng)雨殿風(fēng)電場(chǎng)的風(fēng)機(jī)型號(hào)為UP2000-115,機(jī)組容量為2MW,葉片故障類型為后緣開裂。數(shù)據(jù)采集系統(tǒng)由YG-201型傳聲器、集成在工控機(jī)中的采集卡及采集程序構(gòu)成,源數(shù)據(jù)經(jīng)過信號(hào)處理后,以三個(gè)連續(xù)的短時(shí)脈沖信號(hào)為一個(gè)樣本周期(表1)。

表1 數(shù)據(jù)集信息
從Data3數(shù)據(jù)集中以一段信號(hào)做時(shí)域分析(圖3),信號(hào)去噪前,由于低頻風(fēng)噪的影響在原信號(hào)中看不出有短時(shí)脈沖信號(hào),經(jīng)高通濾波后信號(hào)周期和短時(shí)脈沖信號(hào)能夠直觀顯示,最后以連續(xù)三個(gè)脈沖信號(hào)作為一個(gè)樣本周期進(jìn)行特征提取。最后經(jīng)過特征提取及優(yōu)化之后的數(shù)據(jù)集用于SVDD模型的訓(xùn)練,模型分類結(jié)果達(dá)98%以上。
為了驗(yàn)證本文所提風(fēng)機(jī)葉片遠(yuǎn)程聽診系統(tǒng)是否有效,對(duì)瑪依塔斯風(fēng)電場(chǎng)風(fēng)機(jī)葉片進(jìn)行了實(shí)地測(cè)試,分別測(cè)試了登錄、實(shí)時(shí)信號(hào)時(shí)域分析、頻域分析、信號(hào)特征曲線、故障報(bào)警等各項(xiàng)功能,實(shí)地測(cè)試結(jié)果表明,該系統(tǒng)能夠應(yīng)用于大型風(fēng)電機(jī)組葉片損傷的現(xiàn)場(chǎng)實(shí)時(shí)監(jiān)測(cè),具有潛在的工程應(yīng)用價(jià)值。