[发明专利]一种风电叶片覆冰状态智能识别及预警方法

说明书

本发明提供的一种风电叶片覆冰状态智能识别及预警方法，通过提取风电机组最近设定时间段内历史运行数据，并对数据进行充分清洗后拟合得到风电机组当前运行风速‑功率曲线和风速‑桨距角曲线；同时在环境达到覆冰条件后，以较短时间间隔提取最近预设时间段内的风电机组运行数据，对其进行数据清洗后将剩余数据与拟合得到的风速‑功率曲线或风速‑桨距角曲线对比，判定叶片覆冰程度并给出预警；本发明能够更及时的识别叶片覆冰以及覆冰程度，并及时给出预警，可有效降低风电机组在叶片覆冰状态下的运行风险。

技术领域

本发明属于风力发电技术领域，具体涉及一种风电叶片覆冰状态智能识别及预警方法。

背景技术

因实际需要，有一些风电机组会安装在寒冷的山区，冬季温度较低时，叶片上有极大可能出现覆冰现象。叶片在覆冰状态下运行会破坏原有的叶片气动外形，增加叶片质量，这会降低机组发电效率，还会引起风轮的不平衡转动，覆冰严重时甚至会引起叶片超载断裂、机组倒塌事故，因此尽早识别叶片覆冰状态并采取对应措施具有重要意义。

早先，叶片是否覆冰很难通过有效手段进行检测，一般需要派出维护人员实地对风电机组进行观察，但是覆冰的风电机组多处于冬季山区，此时气候寒冷地面积雪会给维护人员上山带来很大安全隐患；因此近些年来不断有新的覆冰检测方法产出，检测方法主要包括两类：

一类是给风电机组安装额外的传感器或检测设备，并通过图像识别法或基于加速度传感器所测叶片固有频率变化进行叶片覆冰检测，这无疑会增加检测成本。

另一类检测方法是将风电机组实际运行中的风速、转速、功率与理论值对比，当差值超过了一定的阈值即认为是叶片覆冰，该方法无需安装额外硬件设备成本较低，但该方法无法判断叶片覆冰的具体程度，且该方法忽略了叶片不同覆冰程度、机组不同运行区间对机组各项运行参数的影响，也忽略了风电机组本身性能退化所引起的参数理论值变化，因此诊断精度会有所降低。

发明内容

本发明的目的在于提供一种风电叶片覆冰状态智能识别及预警方法，弥补了现有的风电叶片覆冰状态识别和预警方法的不足。

为了达到上述目的，本发明采用的技术方案是：

本发明提供的一种风电叶片覆冰状态智能识别及预警方法，包括以下步骤：

步骤1，获取风电机组设计参数及设定时间段内的历史运行数据，其中，所述设计参数包括切入风速、切出风速、额定风速、额定功率、额定风轮转速和全开桨时叶片桨距角，所述历史运行数据包括机组运行状态、风速、有功功率、风轮转速、叶片桨距角等；

步骤2，根据得到的历史运行数据分别得到风速-功率曲线及风速-桨距角曲线；

步骤3，设置覆冰环境温度阈值、最近预设时间段内数据点总数、低风速区最大风速阈值、覆冰预警比例阈值、覆冰三级预警参数损失百分比阈值、覆冰二级预警参数损失百分比阈值和覆冰一级预警参数损失百分比阈值；

步骤4，获取当前环境温度，其中，若当前环境温度小于覆冰环境温度阈值时，获取风电机组预设时间内的当前运行数据，当前运行数据包括机组运行状态、风速、有功功率、风轮转速和叶片桨距角；

步骤5，将得到的当前运行数据与步骤2得到的风速-功率曲线及风速-桨距角曲线分别进行对比，根据比对结果对风电叶片覆冰状态进行识别并推送预警信息。

优选地，根据得到的历史运行数据分别得到风速-功率曲线及风速-桨距角曲线，具体方法是：

S21，以设定的风速间隔对得到的历史运行数据进行分仓，得到多个风速区间数据；

S22，对得到的各个风速区间数据进行清洗，得到每个子风速区间；

S23，将每个子风速区间的数据进行数据拟合，分别得到风速-功率曲线及风速-桨距角曲线。