风力机塔架安全在线监测系统研究与设计

李萌

风力机塔架安全在线监测系统研究与设计

李萌

（淮北职业技术学院机电工程系，安徽淮北，235000）

针对现有的风力机塔架安全监测系统中存在的不足，设计一种在线监测风力机塔架沉降、倾斜、变形、振动等状态变化的系统。基于多传感器信息融合技术，该系统将传感器采集的信号与预设的安全阀值进行比较，一旦发现塔架异常，可立即发出报警信号。对系统采集的历史数据进行软件分析，还可以预测未来风力机塔架状态的变化趋势，以便提前发现安全隐患并及时采取应对措施，避免严重事故的发生。试验证明，该系统具有较高的报警和预测精度，性能稳定，可靠性高，适合在大型风电场推广使用。

风力机；塔架；安全；在线监测；多传感器信息融合。

0. 引言

据统计，2017年中国新增装机的风电机组平均功率已提高至2.1兆瓦，4兆瓦及以上机组新增装机占比达到4.7%[1]。全球范围内风电机组单机容量正加速向大兆瓦方向迭代，我国也已进入陆上风电4兆瓦、海上风电7兆瓦的大型化时代[2]。大型风电场多选址在人烟稀少的荒郊野岭或者偏远海上，基本都属于无人值守状态。设备运行和安全状况的掌控，传统手段大都是安排人工巡查和设备定期检测，人力物力消耗巨大。当风电场建设在有泥石流和塌方隐患、周边有矿山开采等地质条件恶劣的地区，以及遇到暴风、地震、海啸等自然灾害的极端环境，无法完全实现事前预测和危机防控是十分危险的[3]。

现有的风力机塔架安全在线监测系统主要有基于全球卫星定位系统在线监测系统[4]和基于位移传感器在线监测系统[5]两种类型。这两种系统通常集中在对塔架基础不均匀沉降、塔筒沉降倾斜等方面的实时数据采集及信息处理，但是对于因为极端载荷作用、材料疲劳、法兰变形、焊缝开裂、螺栓松动等原因造成的塔架形态特征异常状况很难做出判断。上述系统大都缺乏对传感器一段时间内采集的海量数据进行有效甄别和处理的能力，难以对塔架未来安全及变化趋势做出有效预警。在空气动力载荷、惯性力和重力载荷、运行载荷和其他载荷作用下，如何保障风力机塔架的整体结构安全及长期稳定运行，是新型风力机塔架安全在线监测系统研究急需解决的问题。

1. 塔架监测预警方法研究

1.1 多传感器信息融合数据预处理

新型风力机塔架安全在线监测系统设计的目的，是能够通过传感器实时监测塔筒顶部径向晃动、塔筒底部和基础有角度的变化与垂直沉降、塔筒各段及联接处的形态变化等状况，数据的采集精度要求达到毫米级。为了实现上述功能，需建立一个基于物联网的风力机塔架倾斜、沉降、变形的数学模型及算法。由于风机自振、外部震动、仪器故障、设备停电、电磁干扰等异常情况的影响，传感器采集到的数据可能会产生误差，因此需要对数据进行预处理以剔除数据中坏值数据、空值数据的影响，提高系统报警和预测精度。多传感器信息融合技术是将来自多传感器或多信息源所获取的信息和数据，在一定的准则下加以自动分析和综合评估，以完成所需要的决策和估计而进行的信息处理过程[6]。常用的理论方法包括加权平均融合法、卡尔曼滤波法和人工神经网络法等[7]。传感器采集的风力机塔架安全及形态数据有大量、实时、动态等特性，所以优选采用人工神经网络法进行数据融合和预处理，以加强传感器采集数据的实时性和可行度，提高信息利用率和处理速度。

即用相邻数据平均值xk*代替该数据的缺省值，保证了数据库的完整性。采用多传感器数据融合技术对坏值和空值数据预处理后，将为下一步风力机塔架安全预警模型的计算分析提供了可靠的数据来源。

1.2 塔架安全监测系统预警模型

经研究得知，影响塔架倾斜、沉降、变形的因素主要有作用在塔架和叶轮上的风压力、风力机各部件自重、风电机组运行时的振动、极端工况下机械刹车系统作用、塔筒结构变形、法兰螺栓松动、地基沉降等[8]。风力是各种载荷作用中对塔架安全影响最大的因素，其可能使塔架产生过度变形并相对基础产生较大的倾覆力矩。因此需要建立以时间、风向和风速为自变量，倾斜度、沉降量、变形量为因变量的预测方程和数学模型，并代入未来一段时间内的风速和风向的估计值，从而对塔架安全状况进行评估和预测。

风力机一般由风轮气动系统、机械子系统、发电机子系统和变桨距伺服机构组成[9]。气动子系统主要用于把风能转化为机械能。风电场三维立体风主要集中作用在叶片上，这些力和塔身受到的风压力最终将共同作用在塔架上。气动子系统模型的输入量分别为风速v，桨距角β，风机叶轮转速Ωr，输出的是叶轮转矩Tr和叶轮上的风推力Ft。为方便计算，设分布在每个叶片上的风压力等效为一个作用在距旋转轴rb位置处的集中力Ft。考虑到不同工况，Ft的大小由如下气动子系统公式结合风力机外部工况条件综合确定。

风轮气动特性关系式为：

式中ρ为空气密度，R为叶轮半径，Ve为由工作点决定的系数，CT为推力系数，CQ为转矩系数。

图1所示的是风力机机械子系统示意图，yt为塔架垂直方向的挠度，ζ为塔架角位移，这两个参数也是判断风力机塔架安全状况的主要参数。机械子系统主要执行两个功能：一是将风轮转子的转矩传递给发电机，这部分功能主要由机舱内的传动轴、齿轮箱等传动链实现；二是支撑机舱、叶轮等其他装置，同时承受外界风推力等载荷，这部分功能主要由塔架及基础完成。为方便计算假设塔架倾斜、变形、沉降曲线参数的预测值随时间变化保持收敛，叶片转动一致且受力相同，从而将风力机塔架的非线性变形进行线性化处理。

图1 风力机机械子系统示意图

图2 风力机塔架安全预警算法流程图

对于有几个自由度的机械结构，根据其拉格朗日方程可得：

式中mt为塔架和机舱的总质量，mb为叶轮的质量，Jr为叶轮转子的转动惯量，Jg为发动机转子的转动惯量，Kt为塔架的刚度，Kb为每个叶片的刚度，Ks为传动系统的刚度，Bt为塔架的阻尼，Bb为叶片的阻尼，Bs为传动系统的阻尼，N为叶片的数量。

经过一些变换，得到下列状态模型：

经过推导和变换，得到机械子系统的状态方程：

在状态方程中，状态、输入和输出变量分别是：

其中，矩阵A、B、C是：

且

通过计算得到超定方程组的最小二乘解，即可以得到塔架倾斜度、沉降量、变形量与时间、风速等几个主要影响因素间的函数关系表达式。再将未来一段时间内的上述影响因素的估计值带入预测函数，就可以预测塔筒倾斜沉降变形的发展趋势，掌握塔架运行的安全状况。基于多传感器信息融合技术的风力机塔架安全预警算法如图2所示。当塔架倾斜沉降参数曲线出现明显变化，或风力机塔筒或法兰的变形数值超出安全阀值时，则判断风力机将可能出现故障，系统自动指令风电机组进行刹车停机等应急处理，并发出预警信号提醒风力机运维人员及时进行现场处理，排除隐患和险情。

2. 新型塔架监测系统设计

2.1 塔架监测系统硬件构成

风力机塔架安全在线监测系统的硬件设计如图3所示，包含以下几个部分：塔架实时动态监测装置、数据收集处理装置、数据传输存储装置、监测软件分析预警装置、监控终端记录及报警装置[10]。

风力机塔架安全在线监测装置的传感器安装位置及方式如图4所示，分别设计在塔架顶部、塔身、塔架底部，每个部分沿着塔筒壁周围圆周均布各安装4个传感器。塔筒顶部监测位置A点布置在塔筒偏航法兰下方的内壁上，采用双轴或三轴高精度垂直度监测装置，监测装置里的传感器利用重力加速度实现倾角测量，兼有测量塔筒变形的功能。由于大型风力机多采用分段塔筒，各段塔筒之间通过法兰联接。为了监测塔筒法兰盘、法兰螺栓等联接部分的倾斜、变形等问题，同样需要在B点和C点这些位置安装布置传感器。塔身布置的传感器类型与塔顶安装的类型一致，位置设在塔筒法兰盘联接段附近的筒壁。塔底的监测位置D点选取在塔筒和基础联接的基础环或直接安装在基础上，采用单轴高精度水平度监测装置。每个水平度监测装置中采用两个沉降传感器，一个传感器作为基准点传感器，另一个传感器作为测量点传感器，通过两者数据的比较获取实时的沉降测量数据。塔顶和塔身的监测点来监测塔架的整体状态，塔底的监测点来监测塔架基础的状态，可以实现的主要监测功能包括：塔筒的刚度圆、塔筒垂直度、塔筒同轴度、塔架基础的不均匀沉降量及沉降方向、暴风地震等异常极端工况下塔架形态的安全情况等。

图3 风力机塔架安全在线监测硬件构成

图4 塔架传感器安装位置

传感器的组网设计采用ZigBee物联网技术，传感器采集的数据通过有线或者无线方式进行传输[11]。然后利用数据处理单元对海量数据进行存储和分析，从中发现风力机塔筒和基础的微观形态变化。分析结果通过集中监控报警终端显示出来，从而预知塔架隐患，发出报警信号。系统实时监测风力机塔架的形态变化及故障，及时发现基础沉降和塔筒倾斜变形情况，有效应对传统人工定期巡检等方式的不足，对于维护风力机的安全稳定运行、保障风电机组财产安全具有极高的实用价值。

2.2 塔架监测系统软件构成

塔架安全在线监测系统的软件设计基于多传感器信息融合技术及其预警算法，如果传感器采集的数据经过软件分析认定存在影响塔架安全的故障或隐患，要提前做出相应的提示或预警，以保证风力机安全。塔架安全在线监测软件系统如图5所示，系统采用分层B/S体系结构，设计有倾斜监测预警模块、沉降监测预警模块和变形监测预警模块[12]。上述模块能够方便的对各项监测参数及数据进行分析，同时具备多台风力机的区域化综合管理功能。系统能够对传感器的安装位置、设备位置及编号等信息进行记录查询，便于对风力机进行远程控制。

图5 风力机塔架安全在线监测软件功能

倾斜监测预警模块的主要功能，是利用传感器记录塔架一定时间间隔内晃动的方向和幅度，一方面为塔架基础的不均匀沉降造成的倾斜提供预警，另一方面也为计算风载等外部载荷下塔架动态特性提供依据。沉降监测预警模块的主要功能，是通过传感器监测的实时数据和历史数据进行对比，对塔架基础及其附近地质环境的微小沉降进行记录和预警，防止出现塔架倒塌的严重事故。变形监测预警模块的主要功能，是通过对塔架各处传感器采集到的数据对比分析，找出塔筒局部受力或变形不均的情况，及时发现如塔筒变形、焊缝开裂、法兰损坏、螺栓疲劳、螺栓预应力不足等结构问题。考虑到风力机塔架形态变化量比较小，一般设定传感器的数据采集间隔为一天。如果遇到台风、地震等异常工况，也可以将数据采集间隔调整到每小时、每分钟、甚至每一秒。通过对一段时间内上述数据的点堆积图谱分析，还可以预测塔架结构和形态未来一段时间的变化趋势，为风力机结构和关键零部件的定期检查提供参考依据和技术支持[3]。在振动预警方面，对塔架由于风电机组运动部件产生的自振或者外部载荷造成的风机共振现象进行监测和记录，使风力机塔架保持良好的动力学性能和屈曲稳定性。

3. 新型在线监测系统上机试验

2015年通过与安徽某风电场合作，在该风电场21号风机安装风力机塔架安全在线监测试验系统。经过1个月时间的安装和调试，该系统达到正常监测运行水平。通过连续记录1个月内塔架倾斜角点堆积图和塔架位移数据变化趋势图，对塔架摆动角度和塔架倾斜性沉降情况进行分析，从而对塔架安全情况进行判断。

通过分析塔底径向倾斜角点堆积图，可以发现数据已偏离靶心往西北方向偏移。通过分析塔顶径向倾斜角点堆积图，可以发现数据往东南方向偏移量较大，此方向螺栓受力频繁易疲劳，在巡检的时候应对这部分螺栓应重点检查。通过塔架底部位移变化趋势图8，可以发现曲线在毫米级范围内波动，径向最大瞬时沉降量为1.357mm（图中圆圈标注处，时间点在5日9点17分），结合实时风速进行对比分析确定基础最大倾斜性沉降未超出预设的2mm报警值。图中径向位移趋势显示，塔基在西北方向出现有毫米级的倾斜性沉降，暂无倾斜性沉降继续发展趋势，需持续观察验证。通过塔架顶部角度变化趋势图9，可以发现径向最大瞬时摆动角度为5.622°（图中圆圈标注处，时间点在9日15点31分），结合实时风速进行对比分析确定塔架顶部平均摆动角度为0.6°，在规定偏差安全范围之内。

图6 塔底径向倾角点堆积图

图7 塔顶径向倾角点堆积图

图9 塔架顶部位移变化趋势图

4. 总结

通过上述试验验证，新型风力机塔架安全在线监测系统已在安徽某陆上风电场得到推广应用，并在2017年抵御台风的工作中发挥了重要的保障和预警作用。台风登陆风电场期间，系统实时监测并记录塔架顶部径向晃动与底部有角度的沉降变化等信号，成功提示发现了风力机塔筒和法兰多处故障隐患，保障了风电场财产和设备安全。

结果表明，基于多传感器信息融合技术的风力机塔架安全在线监测系统能够及时发现风力机塔筒形态变化和基础沉降情况，提前进行设备故障的预警和极端工况下的风力机自我保护控制，具有较高的监测精度和控制可靠性，自动化程度高。该系统为风电机组安全稳定运行提供技术保障，适合在大型风电场推广使用。

[1] Global Wind Energy Council. Global Wind Report 2017 [R]. 2018.04.

[2]李俊峰,高虎,郭雁珩,等. 中国风电发展报告2016 [M]. 北京: 中国环境科学出版社, 2016.

[3]刘峰. 风电机组塔筒在线监测技术的应用研究[J]. 风能, 2014(4):98-103.

[4]强同波,胡从川,王谦,等.基于高精度北斗定位的风电基础沉降[J].现代电子技术, 2017, 40(23):182-186.

[5]纪琨,余荣祖,毛璐明,等. 风机基础沉降监测系统应用研究[J]. 电网与清洁能源, 2013,8(29):79-82.

[6]李婷婷. 多传感器节点数据融合在风电塔筒监测预警中的应用[D]. 吉林: 东北电力大学, 2016.

[7]龙泉,刘永前,杨勇平. 状态监测与故障诊断在风电机组上的应用[J]. 现代电力, 2015,25(6):55-59.

[8]冀苗苗,刘成材,康占祥,等. 风电机组塔筒动态特性监测系统[J]. 测控技术, 2015(34):420-424.

[9]邓英. 风力发电机组设计与技术[M]. 北京: 化学工业出版社, 2011.

[10]兰海青.风力发电机塔筒沉降倾斜及震动安全监测系统[P].中国专利: CN204239154U, 2015-04-01.

[11]丁国亮,聂吉辉,周进艳. 基于无线通信网的风电塔筒倾斜沉降信息预警方法的研究概述[J]. 现代交际, 2017(447):193.

[12]邬春明,林欢,田章超. 基于物联网的风电杆塔倾斜沉降监测预警系统[J]. 东北电力大学学报, 2013, 33(5):22-27.

Research and Design of the Online Safety Monitoring System for Wind Turbine Tower

LI Meng

In view of the shortcomings existing in the safety monitoring system for wind turbine towers, an on-line system for monitoring settlement, inclination, deformation, vibration and other state changes of wind turbine towers was designed. Based on multi-sensor information fusion technology (MSIF), the system is used to compare the signal collected by the sensor with the preset safety threshold. Once the tower is found to be in an abnormal state, the system can immediately send out an alarm signal. Software analysis on the historical data collected by the system can also predict the future changing trend of the state of wind turbine towers so that potential safety hazards can be discovered ahead of time and then measures can be taken timely to avoid serious accidents. The results of experiments show that the system is of high accuracy in giving alarms and prediction with stable performance and high reliability, and is suitable for application in large wind farms.

wind turbine; tower, safety; online monitoring; MSIF.

TM614

A

1009-1114（2019）02-0010-06

2019-05-11

李萌（1984—），安徽萧县人，硕士，讲师，工程师，研究方向为风力机结构设计与分析。

安徽省高校优秀青年人才支持计划项目(gxyq2019212)；安徽省高等学校省级质量工程智慧课堂项目“机械设计基础”(2017zhkt399)；淮北职业技术学院自然科学研究重点项目(2019-A-6)。

文稿责编 承泽恩