[发明专利]风力发电机叶片的疲劳损伤监测方法和装置

说明书

本发明提供一种风力发电机叶片的疲劳损伤监测方法和装置，其中，所述方法包括：获取实时振动数据和风速数据；根据所述振动数据、所述风速数据及TF‑IDF算法，提取叶片的运行特征和环境特征；所述运行特征包括振动数据，所述环境特征包括风速数据；根据叶片的失效机理，对所述运行特征和所述环境特征进行组合，得到叶片的非周期性载荷特征；根据所述非周期性载荷特征和PM疲劳理论，确定叶片随时间的累加疲劳值；所述累加疲劳值及累加疲劳值的变化特征能够表征叶片疲劳损伤的程度。本发明能够对叶片异常进行准确监测。

技术领域

本发明涉及风力发电机叶片的故障监测技术领域，具体而言，本发明涉及一种风力发电机叶片的疲劳损伤监测方法和装置。

背景技术

近几年风力发电发展的非常快，随之而来的是风电设施的损坏问题，这些问题中叶片开裂损坏是重中之重。

叶片失效的原因主要有以下几点：一、设计方面存在缺陷，目前的设计对风速、风向、旋流、逆扬、振颤和配重等缺乏考虑；二、制造质量不精良，以及在运输、安装、调试等环节人为造成的质量问题；三、外界环境复杂多变，经过长期的周期性和非周期性运动，叶片材料内部发生了变化，产生了微观损伤；然后，微观损伤以指数量级增大，最终产生可见的损伤。由于目前的叶片异常监测技术在很多实际场合并不适用，无法对叶片异常进行准确监测。

发明内容

本发明的目的旨在至少能解决上述的技术缺陷之一，特别是无法对叶片异常进行准确监测的技术缺陷。

本发明提供一种风力发电机叶片的疲劳损伤监测方法，包括：获取实时振动数据和风速数据；根据所述振动数据、所述风速数据及词频-逆文档频率TF-IDF算法，提取叶片的运行特征和环境特征；所述运行特征包括振动数据，所述环境特征包括风速数据；根据叶片的失效机理，对所述运行特征和所述环境特征进行组合，得到叶片的非周期性载荷特征；根据所述非周期性载荷特征和PM疲劳理论，确定叶片随时间的累加疲劳值；所述累加疲劳值及累加疲劳值的变化特征能够表征叶片疲劳损伤的程度。

其中，所述振动数据包括平行于机组发电机轴承方向的第一机舱加速度AX和垂直于机组发电机轴承方向的第二机舱加速度AY；所述根据所述振动数据、所述风速数据及TF-IDF算法，提取叶片的运行特征和环境特征，包括：对预设时间段的所述振动数据和所述风速数据进行窗口切分；将每个窗口的第一机舱加速度AX、第二机舱加速度AY和风速应用于TF-IDF算法，得到每个窗口的TF-IDF值；根据每个窗口的所述TF-IDF值，计算每个窗口中的第一机舱加速度AX、第二机舱加速度AY和风速相对于全部窗口的矢量距离，得到每个窗口的第一机舱加速度AX的矢量距离、第二机舱加速度AY的矢量距离、风速的矢量距离；

其中，所述第一机舱加速度AX的矢量距离、所述第二机舱加速度AY的矢量距离为运行特征，所述风速的矢量距离为环境特征。

其中，所述根据叶片的失效机理，对所述运行特征和所述环境特征进行组合，得到叶片的非周期性载荷特征，包括：根据第一机舱加速度AX的矢量距离与风速的矢量距离，得到第一峰值比；根据第二机舱加速度AY的矢量距离与风速的矢量距离，得到第二峰值比；选取第一峰值比和第二峰值比中较大的值；当所述值大于预设阈值时，确定该值为叶片的非周期性载荷特征。

其中，所述结合所述非周期性载荷特征和PM疲劳理论，确定叶片随时间的累加疲劳值，包括：根据所述非周期性载荷特征和与材料相关常数，得到作用载荷应力水平下的疲劳寿命；将所述疲劳寿命与PM疲劳理论结合，得到叶片随时间的累加疲劳值。

其中，所述确定叶片随时间的累加疲劳值之后，所述方法还包括：根据叶片随时间的累加疲劳值，绘制疲劳曲线；当疲劳曲线的形态特征满足预设的条件时，发出预警。

其中，所述提取叶片的运行特征和环境特征之前，所述方法还包括：对获取的振动数据和风速数据进行异常值处理，得到已剔除异常数据样本的振动数据和风速数据。