《風(fēng)力機(jī)葉片健康狀態(tài)監(jiān)測(cè)及預(yù)警研究_余建國(guó).pdf》由會(huì)員分享，可在線閱讀，更多相關(guān)《風(fēng)力機(jī)葉片健康狀態(tài)監(jiān)測(cè)及預(yù)警研究_余建國(guó).pdf（4頁(yè)珍藏版）》請(qǐng)?jiān)趨R文網(wǎng)上搜索。

1、【74】第45卷 第02期 2023-02收稿日期：2021-04-22基金項(xiàng)目：江西省高校人文社會(huì)科學(xué)研究項(xiàng)目（GL1544）作者簡(jiǎn)介：余建國(guó)（1979-），男，湖北安陸人，副教授，碩士，研究方向?yàn)槠髽I(yè)信息化，生產(chǎn)計(jì)劃與調(diào)度。通訊作者：歐陽(yáng)丁杰（1997-），女，河北廊坊人，碩士研究生，研究方向?yàn)槠髽I(yè)信息管理。風(fēng)力機(jī)葉片健康狀態(tài)監(jiān)測(cè)及預(yù)警研究Research on the health status detection and early warning of wind turbine blades余建國(guó)，歐陽(yáng)丁杰*YU Jian-guo，OUYANG Ding-jie*（江西理工大學(xué) 機(jī)電

2、工程學(xué)院，贛州 341000）摘 要：隨著風(fēng)電產(chǎn)業(yè)的迅速發(fā)展，風(fēng)機(jī)裝機(jī)容量逐漸增加，葉片的長(zhǎng)度也隨之增長(zhǎng)，所以風(fēng)電機(jī)組產(chǎn)生故障的機(jī)率越來(lái)越大。因此，對(duì)風(fēng)力機(jī)葉片進(jìn)行健康狀態(tài)監(jiān)測(cè)及預(yù)警研究，在葉片發(fā)生故障前進(jìn)行處理。首先，提取葉片正常和異常狀態(tài)下的特征參數(shù)，利用BP神經(jīng)網(wǎng)絡(luò)建立葉片健康狀態(tài)預(yù)測(cè)模型，其次，采用Power Designer建模軟件建立系統(tǒng)物理數(shù)據(jù)模型，并對(duì)系統(tǒng)架構(gòu)進(jìn)行設(shè)計(jì)，最后，將訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)模型，運(yùn)用在風(fēng)機(jī)葉片健康狀態(tài)監(jiān)測(cè)及預(yù)警平臺(tái)中，對(duì)葉片進(jìn)行實(shí)時(shí)監(jiān)測(cè)并預(yù)測(cè)葉片未來(lái)時(shí)刻的運(yùn)行狀態(tài)，提高風(fēng)機(jī)葉片健康狀態(tài)監(jiān)測(cè)及預(yù)警的信息化水平。關(guān)鍵詞：風(fēng)力機(jī)葉片；BP神經(jīng)網(wǎng)絡(luò)；Power De

3、signer；狀態(tài)預(yù)測(cè)；系統(tǒng)開(kāi)發(fā)中圖分類(lèi)號(hào)：TP393 文獻(xiàn)標(biāo)志碼：A 文章編號(hào)：1009-0134(2023)02-0074-040 引言我國(guó)是資源大國(guó)，風(fēng)能資源非常豐富，據(jù)統(tǒng)計(jì)，我國(guó)陸地和近岸海域的風(fēng)能資源合計(jì)高達(dá)1000GW，我國(guó)的風(fēng)電產(chǎn)業(yè)相比于發(fā)達(dá)國(guó)家起步較晚，但在國(guó)家政策的支持以及研究人員的不懈努力下，我國(guó)無(wú)論是從新增裝機(jī)容量還是累計(jì)裝機(jī)容量都穩(wěn)居世界首位。中國(guó)的風(fēng)電產(chǎn)業(yè)發(fā)展迅速，但對(duì)于風(fēng)機(jī)葉片健康狀態(tài)監(jiān)測(cè)及預(yù)警的研究還存在較大的優(yōu)化空間1。風(fēng)力機(jī)的葉片由于常年暴露在外面，所以極易發(fā)生腐蝕，出現(xiàn)裂紋甚至是葉片墜落，葉片成本約占風(fēng)力機(jī)總成本的20%左右2,3,關(guān)乎風(fēng)力機(jī)的總體效益。近年

4、來(lái)，由于對(duì)風(fēng)電機(jī)組監(jiān)測(cè)技術(shù)的不到位，導(dǎo)致全球各地的風(fēng)場(chǎng)風(fēng)機(jī)事故頻繁發(fā)生，2010年2月，左云大唐風(fēng)電場(chǎng)風(fēng)機(jī)由于螺栓斷裂導(dǎo)致坍塌。2015年11月，洪斯呂克風(fēng)電場(chǎng)風(fēng)機(jī)由于葉片損壞導(dǎo)致墜毀。風(fēng)力機(jī)葉片在運(yùn)行過(guò)程中存在很大的安全隱患，所以，對(duì)葉片進(jìn)行健康狀態(tài)監(jiān)測(cè)及預(yù)警的研究非常必要。1 風(fēng)力機(jī)葉片健康狀態(tài)監(jiān)測(cè)現(xiàn)狀從上世紀(jì)60年代開(kāi)始，國(guó)外對(duì)于風(fēng)力機(jī)葉片的監(jiān)測(cè)技術(shù)開(kāi)始發(fā)展，Bend等4通過(guò)對(duì)風(fēng)機(jī)葉片的監(jiān)測(cè)技術(shù)進(jìn)行研究，結(jié)果表明對(duì)海上風(fēng)機(jī)葉片進(jìn)行監(jiān)測(cè)的可行性。Chang-Hwan Kim等5通過(guò)對(duì)比應(yīng)變片和光纖光柵傳感器，結(jié)果表明用光纖光柵傳感器監(jiān)測(cè)葉片狀態(tài)較為準(zhǔn)確。KIM等6運(yùn)用光纖光柵傳感器對(duì)葉片的

5、運(yùn)行狀態(tài)進(jìn)行監(jiān)測(cè)。M.J.Blanch團(tuán)隊(duì)7,8運(yùn)用聲發(fā)射技術(shù)對(duì)葉片進(jìn)行實(shí)時(shí)監(jiān)測(cè)，實(shí)驗(yàn)結(jié)果表明，聲發(fā)射技術(shù)能夠有效的識(shí)別葉片故障。Kramer SGM9利用光纖傳感網(wǎng)絡(luò)傳回來(lái)的數(shù)據(jù)，監(jiān)測(cè)雷電對(duì)葉片的影響。國(guó)內(nèi)對(duì)于風(fēng)力機(jī)葉片健康狀態(tài)監(jiān)測(cè)以及預(yù)警的研究尚處于初始階段，目前主要是對(duì)風(fēng)力機(jī)葉片的監(jiān)測(cè)方法提出了構(gòu)想10。烏建中等11運(yùn)用短時(shí)傅里葉變換（STFT）對(duì)風(fēng)力機(jī)葉片不同裂紋程度的振動(dòng)信號(hào)進(jìn)行統(tǒng)計(jì)，結(jié)果證明利用STFT可以對(duì)風(fēng)機(jī)葉片的裂紋進(jìn)行監(jiān)測(cè)。張保欽等12運(yùn)用三軸加速度傳感器模型數(shù)據(jù)融合的辦法，開(kāi)發(fā)出風(fēng)機(jī)葉片振動(dòng)實(shí)時(shí)監(jiān)測(cè)系統(tǒng)。鄒潔等人13把光纖光柵傳感器安裝在風(fēng)力機(jī)葉片內(nèi)進(jìn)行試驗(yàn)，分析發(fā)現(xiàn)通過(guò)

6、監(jiān)測(cè)波長(zhǎng)可以判斷葉片狀態(tài)。根據(jù)上述研究，國(guó)內(nèi)外對(duì)風(fēng)力機(jī)葉片健康狀態(tài)監(jiān)測(cè)技術(shù)的研究成果相對(duì)較多，而對(duì)于風(fēng)機(jī)葉片健康狀態(tài)預(yù)警的研究還存在較大的優(yōu)化空間。本文通過(guò)和葉片正常運(yùn)行狀態(tài)的數(shù)據(jù)進(jìn)行比較，定量的判斷風(fēng)力機(jī)葉片當(dāng)前的運(yùn)行狀態(tài)，同時(shí)，對(duì)葉片可能發(fā)生的故障進(jìn)行預(yù)警，延長(zhǎng)風(fēng)機(jī)的使用壽命，減少維修成本。2 BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)2.1 神經(jīng)網(wǎng)絡(luò)的設(shè)計(jì)BP（Back Propagation）神經(jīng)網(wǎng)絡(luò)發(fā)展迅速、功能強(qiáng)大，如今被大多數(shù)研究人員廣泛應(yīng)用，神經(jīng)網(wǎng)路結(jié)構(gòu)由三層神經(jīng)元組成，分別為輸入層、隱含層和輸出層，結(jié)構(gòu)如圖1所示。圖1 神經(jīng)網(wǎng)絡(luò)模型結(jié)構(gòu)圖第45卷 第02期 2023-02【75】1）確定輸入層與輸出層

7、BP神經(jīng)網(wǎng)絡(luò)的輸入層與輸出層一般介于1,n之間，沒(méi)有硬性要求。2）選擇傳遞函數(shù)常用的傳遞函數(shù)包括logsig型傳遞函數(shù)和tansig型傳遞函數(shù)，這兩種函數(shù)屬于S型函數(shù),S型函數(shù)根據(jù)數(shù)值的大小，可以對(duì)縮放系數(shù)進(jìn)行合理調(diào)整，所以一般會(huì)采用S型函數(shù)處理輸入輸出之間的逼近關(guān)系。3）選擇隱含層隱含層由公式(1)來(lái)確定，其選擇無(wú)特別要求，最終能使訓(xùn)練誤差最小即可。隱含層的節(jié)點(diǎn)數(shù)公式為：knma=+(1)式中：K隱含層節(jié)點(diǎn)數(shù) n輸入節(jié)點(diǎn)數(shù) m輸出節(jié)點(diǎn)數(shù) a1-12的整數(shù)4）確定初始權(quán)值神經(jīng)網(wǎng)絡(luò)的訓(xùn)練過(guò)程其實(shí)就是通過(guò)不斷改變閾值和權(quán)值，使最后的結(jié)果最優(yōu)，初始權(quán)值不會(huì)太大，一般在（-1，1）之間。5）確定學(xué)習(xí)速

8、率學(xué)習(xí)速率設(shè)置過(guò)高會(huì)使整個(gè)系統(tǒng)運(yùn)行時(shí)失穩(wěn)；過(guò)低會(huì)增加訓(xùn)練時(shí)間，導(dǎo)致收斂很慢，所以一般范圍在（0.01，0.08）之間。6）誤差的確定誤差值設(shè)定過(guò)小，雖然精度很高，但是會(huì)導(dǎo)致訓(xùn)練過(guò)程很復(fù)雜，誤差值設(shè)定過(guò)大，預(yù)測(cè)結(jié)果就會(huì)不準(zhǔn)確，所以要不斷對(duì)比訓(xùn)練結(jié)果，最后訓(xùn)練誤差滿足需求或者訓(xùn)練已達(dá)上限就會(huì)停止。其基本的訓(xùn)練過(guò)如下：（1）構(gòu)建網(wǎng)絡(luò)層。確定維數(shù)n、隱層節(jié)點(diǎn)L和輸出層。（2）網(wǎng)絡(luò)初始化。傳遞函數(shù)、權(quán)值、閾值和訓(xùn)練次數(shù)的確定。（3）處理數(shù)據(jù)。確定試驗(yàn)樣本數(shù)和測(cè)試樣本數(shù)并對(duì)數(shù)據(jù)進(jìn)行歸一化處理。（4）計(jì)算隱層輸出H。(2)（5）計(jì)算輸出層O。(3)（6）計(jì)算誤差。(4)（7）權(quán)值與閾值的計(jì)算。(5)(6)(

9、7)(8)（8）將樣本數(shù)據(jù)導(dǎo)入神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，訓(xùn)練后的誤差接近目標(biāo)誤差，則停止，否則重復(fù)步驟3到步驟7，直到接近目標(biāo)誤差或達(dá)到訓(xùn)練上限為止14。2.2 神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)選定一組時(shí)間序列X1,X2,X3.Xn,利用前面n個(gè)時(shí)間序列值對(duì)Xn+1進(jìn)行預(yù)測(cè)，預(yù)測(cè)值與實(shí)際值之間具有某種函數(shù)關(guān)系，表達(dá)式為：Xm+1=f(Xm,Xm-1,.X1)，從而使預(yù)測(cè)問(wèn)題變?yōu)楹瘮?shù)的逼近問(wèn)題15。無(wú)論葉片出現(xiàn)裂紋還是葉根處螺栓松動(dòng)，這些故障都會(huì)通過(guò)葉片的振動(dòng)幅值和振動(dòng)頻率表現(xiàn)出來(lái)，所以通過(guò)葉片的振動(dòng)頻率和振動(dòng)幅值可以判斷當(dāng)前葉片的運(yùn)行狀態(tài)，本文以1.5m長(zhǎng)葉片作為對(duì)象，葉片的振動(dòng)幅值量作為特征量，將45組樣本數(shù)據(jù)導(dǎo)入B

10、P神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，最后用5組數(shù)據(jù)作為輸出，來(lái)檢驗(yàn)訓(xùn)練誤差是否為最小。訓(xùn)練樣本如表1所示。表1 45組時(shí)間序列訓(xùn)練樣本數(shù)據(jù)組別振動(dòng)幅值量(dm)數(shù)據(jù)組別振動(dòng)幅值量(dm)數(shù)據(jù)組別振動(dòng)幅值量(dm)11.302160.532310.92721.301170.514320.95131.297180.497330.95841.231190.496340.95651.203200.454350.95561.187210.456360.95470.987220.497370.95380.904230.499380.92190.876240.521390.934100.767250.614400.9451

11、10.734260.712411.011120.654270.751421.032130.617280.801431.047140.583290.854441.141160.554300.917451.150 通過(guò)對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行多次調(diào)整，神經(jīng)網(wǎng)絡(luò)訓(xùn)練參數(shù)如圖2所示，訓(xùn)練次數(shù)為17次，訓(xùn)練時(shí)間為5s。初始誤差為0.0590，訓(xùn)練后的誤差為2.4610-8，基本接近目標(biāo)誤差0。初始梯度為0.178，訓(xùn)練后梯度為7.2810-6，基本接近目標(biāo)梯度1.010-7。Mu值為1.010-7，驗(yàn)證失敗次數(shù)為6次。神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)結(jié)果如圖3所示，訓(xùn)練結(jié)果對(duì)比如表2所示，訓(xùn)練后誤差為2.4610-8，基本接近目標(biāo)誤

12、差0，說(shuō)明【76】第45卷 第02期 2023-02神經(jīng)網(wǎng)絡(luò)模型構(gòu)建很好。將訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)模型，運(yùn)用在風(fēng)機(jī)葉片健康狀態(tài)監(jiān)測(cè)系統(tǒng)中，對(duì)葉片進(jìn)行實(shí)時(shí)監(jiān)測(cè)并預(yù)測(cè)葉片未來(lái)時(shí)刻的運(yùn)行狀態(tài)。表2 訓(xùn)練結(jié)果對(duì)比第46組第47組第48組第49組第50組實(shí)際值1.0051.0221.0411.0521.061預(yù)測(cè)值1.0051.0141.0151.0141.015圖2 網(wǎng)絡(luò)訓(xùn)練參數(shù)圖3 網(wǎng)絡(luò)預(yù)測(cè)結(jié)果3 系統(tǒng)設(shè)計(jì)3.1 系統(tǒng)功能設(shè)計(jì)風(fēng)機(jī)葉片健康狀態(tài)監(jiān)測(cè)平臺(tái)模塊化功能如下所示：1）用戶登錄系統(tǒng)：用戶通過(guò)注冊(cè)登錄，進(jìn)入風(fēng)機(jī)葉片健康狀態(tài)監(jiān)測(cè)平臺(tái)的主界面，對(duì)系統(tǒng)進(jìn)行訪問(wèn)。2）人員信息管理系統(tǒng)：該模塊包括風(fēng)場(chǎng)工作人員、質(zhì)

13、量管理中心相關(guān)負(fù)責(zé)人以及相關(guān)領(lǐng)導(dǎo)的基本信息。3）風(fēng)場(chǎng)信息管理系統(tǒng)：該模塊包含風(fēng)場(chǎng)地址、風(fēng)場(chǎng)名稱、風(fēng)機(jī)總臺(tái)數(shù)、風(fēng)機(jī)機(jī)型、機(jī)位號(hào)、風(fēng)險(xiǎn)等級(jí)等基本信息。4）數(shù)據(jù)采集系統(tǒng)：計(jì)算機(jī)通過(guò)讀取傳感器傳回的葉片振動(dòng)數(shù)據(jù)，為監(jiān)測(cè)系統(tǒng)提供數(shù)據(jù)來(lái)源。5）數(shù)據(jù)儲(chǔ)存系統(tǒng)：此監(jiān)測(cè)平臺(tái)需要長(zhǎng)期對(duì)葉片的振動(dòng)幅值進(jìn)行監(jiān)測(cè)，因此系統(tǒng)會(huì)積累大量的監(jiān)測(cè)數(shù)據(jù)。6）數(shù)據(jù)通訊系統(tǒng)：將采集到的葉片振動(dòng)數(shù)據(jù)傳到監(jiān)測(cè)中心，實(shí)現(xiàn)網(wǎng)絡(luò)上信息資源的共享。7）故障預(yù)報(bào)警系統(tǒng)：葉片的振動(dòng)幅值可以從側(cè)面反映風(fēng)機(jī)葉片的健康狀態(tài)，當(dāng)預(yù)測(cè)出葉片的振動(dòng)幅值超出正常范圍，風(fēng)場(chǎng)工作人員就可以提前對(duì)葉片進(jìn)行維修。3.2 系統(tǒng)數(shù)據(jù)庫(kù)設(shè)計(jì)本文的風(fēng)機(jī)葉片健康狀態(tài)監(jiān)測(cè)平臺(tái)主要包

14、括：用戶登錄系統(tǒng)、人員信息管理系統(tǒng)、風(fēng)場(chǎng)信息管理系統(tǒng)、數(shù)據(jù)采集系統(tǒng)、數(shù)據(jù)儲(chǔ)存系統(tǒng)、數(shù)據(jù)通訊系統(tǒng)、故障預(yù)報(bào)警系統(tǒng)等幾個(gè)部分，基于此建立系統(tǒng)的數(shù)據(jù)庫(kù)模型。本系統(tǒng)采用Power Designer建模軟件，它是一個(gè)功能齊全且方便應(yīng)用的建模工具，它可以根據(jù)不同的模型開(kāi)發(fā)出不同的環(huán)境，模塊之間既相互獨(dú)立也相互聯(lián)系。采用Power Designer設(shè)計(jì)的風(fēng)機(jī)葉片健康狀態(tài)監(jiān)測(cè)平臺(tái)物理數(shù)據(jù)模型（部分模塊模型）如圖4所示。登錄信息登錄編號(hào)員工代號(hào)姓名性別角色權(quán)限聯(lián)系方式注冊(cè)時(shí)間numeric(20)numeric(20)varchar(20)varchar(1)varchar(20)numeric(20)date

15、員工賬號(hào)員工代號(hào)用戶名賬號(hào)密碼更改密碼numeric(20)varchar(20)varchar(20)numeric(20)權(quán)限設(shè)置序號(hào)一級(jí)權(quán)限一級(jí)權(quán)限描述二級(jí)權(quán)限二級(jí)權(quán)限描述審核人審核時(shí)間numeric(20)varchar(20)varchar(20)varchar(20)varchar(20)varchar(20)date工作人員信息員工代號(hào)角色編號(hào)員工姓名員工性別組代號(hào)婚否籍貫所在風(fēng)場(chǎng)numeric(20)numeric(20)varchar(20)varchar(1)numeric(20)varchar(1)varchar(20)varchar(20)角色管理組代號(hào)序號(hào)角色編號(hào)組名

16、稱組備注numeric(20)numeric(20)numeric(20)varchar(20)varchar(20)相關(guān)負(fù)責(zé)人信息員工代號(hào)員工姓名風(fēng)場(chǎng)名稱登錄編號(hào)員工性別婚否籍貫負(fù)責(zé)的風(fēng)場(chǎng)numeric(20)varchar(20)varchar(20)numeric(20)varchar(1)varchar(1)varchar(20)varchar(20)風(fēng)場(chǎng)信息風(fēng)場(chǎng)地址風(fēng)場(chǎng)名稱風(fēng)機(jī)總臺(tái)數(shù)風(fēng)機(jī)機(jī)型機(jī)位號(hào)風(fēng)險(xiǎn)等級(jí)varchar(20)varchar(20)numeric(20)varchar(20)char(20)varchar(10)員工角色分配角色編號(hào)組代號(hào)員工代號(hào)員工姓名主要工作numeric(20)numeric(20)numeric(20)varchar(20)varchar(20)風(fēng)機(jī)信息所在風(fēng)場(chǎng)風(fēng)機(jī)型號(hào)機(jī)位號(hào)風(fēng)險(xiǎn)等級(jí)生產(chǎn)廠家相關(guān)負(fù)責(zé)人varchar(20)numeric(20)numeric(20)varchar(10)varchar(20)varchar(20)數(shù)據(jù)采集工作人員姓名風(fēng)場(chǎng)名稱風(fēng)機(jī)機(jī)型機(jī)位號(hào)日期風(fēng)險(xiǎn)等級(jí)排查記錄表葉片數(shù)據(jù)varchar(20)varchar