基于振动的风机叶片故障监测方法研究

刘瑞刚

（北京国电电力新能源技术有限公司，北京 100101）

0 引言

近年来，我国风电装机容量增长迅速，但其他一系列与风电配套的措施暂时滞后，出现了一些制约国内风电产业发展的问题。风机叶片作为风电机组关键零部件之一，其状态的好坏会直接影响风电机组的发电效率。

为了能够实时监测风电叶片的运行状态，业内人士进行了多方探索并提出了多种解决方案：叶片超声波检测法[1]，适用于叶片成型后的出厂检验；无人机风电巡检[2]，操作技术门槛较高；光纤光栅技术在线监测方案准确度高[3]，但光纤传感器价格昂贵，使其在工程中批量使用受到限制；还有基于声学的叶片监测方案，声学故障库目前以仿真验证为主，距离真正投入风场使用还有很长的路要走。

该文研究通过在叶片内腔部位布置振动传感器来监测叶片运行的方法。针对采集到的风机叶片振动数据分析叶片的受力情况，进而研究叶片的故障类型，指导现场工程人员有计划地对风机叶片进行检修与维护。

1 叶片数据采集系统

风机叶片监测系统的数据采集环节主要由双轴加速度传感器、无线传输装置、数据采集单元、光纤环网、现场服务器以及分析和在线监测及故障诊断软件组成，如图1所示。叶片双轴振动传感器布置在距离叶根1/3叶片总长的位置，可同步采集叶片挥舞和摆振2个方向上的振动情况，3支叶片内双轴振动传感器加装的位置相同。数据采集装置安装在轮毂，随叶轮转动。轮毂与机舱之间采用无线通信，数据被安装在机舱控制柜中的无线AP接收后，通过机舱交换机进入风场网络，再由环网交换机上传至升压站服务器。

图1 叶片振动监测系统示意图

叶片监测系统通过在叶片内部加装双轴复合型振动传感器来监测叶片的挥舞、摆振和扭转等振动状态。通过对振动信号的深入分析，进而发现引起叶片空气动力学特性变化的故障为叶片覆冰、桨距角偏差和叶片撕裂。通过对叶片固有频率的变化分析，发现引起叶片刚度变化的损伤，如裂纹等。

叶片双轴加速度传感器内置温度采集单元，可采集叶片内腔表面的温度。用于辅助判断叶片覆冰的工况。

2 叶片监测数据分析方法

叶片监测数据分析方法传承了传动链振动监测对旋转大部件周期性振动数据的分析方法，并根据叶片自由的工作模式分为时域分析和频域分析2种。

2.1 时域分析

风电机组叶片振动数据来源分为3个通道：挥舞方向振动数据x（t）、摆振方向振动数据y（t）、温度c（t）。振动时域波形直观地反映了振动监测点处的振动状况。

风电场大规模使用的是三叶片风电机组，同一台机组3支叶片、同一风场的所有叶片批次原则上的运行模式与振动趋势是相同的。在时域中，该文采用比较分析法。

特征值趋势比较分析法：计算每支叶片在某一时段的特征值，对比相同时段同一台机组3支叶片的有效值，提取特征值趋势异常的叶片数据；对比同一风场所有叶片在相同时段的特征值趋势，提取特征值趋势异常的叶片数据。

特征值包括峰峰值、均值、有效值和歪度指标等，如公式（1）～公式（4）所示。通过多种特征的趋势比较，全面评估待测叶片特征，重点关注特征值异常的机组或者叶片。

式中：T为时间周期；x（t）为振动信号；N为样本点数。

在时域范围内，振动信号波形的变化趋势可大致反应被测量受力情况。

一般情况下，三叶片风力发电机组在运行过程中，3支叶片传感器监测到的振动情况是相近的。除相位上相差120°外，振动数据的特征值和波形走势情况是一致的。如果某支叶片覆冰造成叶片质量发生本质变化，或者某支叶片开裂造成叶片扫略阻力增大、振动异常的情况，从时域波形分析图谱中能发现异常，3支叶片的相关系数将发生变化。

如果3支叶片同时发生故障，从时域波形上不能很好区分叶片故障特征时，则需要参考叶片振动数据的频域信息。

2.2 频域分析

频域分析是指对信号进行频谱分析，对其进行傅里叶变换，得到其振幅谱与相位谱，是振动信号分析的主要手段。该方法是将信号中的频率成分提取出来，根据风电机组各部件的固有频率，反映振动信号内在的频率结构。

由理论力学可知，风机叶片作为单点的一阶弹性系统，其一阶固有频率f的计算如公式（5）所示。

式中：k为刚度系数，取决于单点的材料；m为单点的质量；π为圆周率常数，取值3.14。

根据原理，如果单点刚度大而质量小，其固有频率则高；如果刚度小而质量大，则其固有频率要低。通过对风电机组叶片做模态分析可知，目前的风电机组叶片的振动固有频率为0.3 Hz～1.2 Hz。

该文提出基于频域的叶片固有频率偏移的分析方法。该方法包括同一台机组3支叶片同一时段固有频率的对比分析方法、同一台机组同一支支叶片不同时段固有频率的对比分析方法2种。

其中，同一台机组3支叶片同一时段固有频率的对比分析方法具体步骤如下：首先，采用傅里叶变换FFT方法，从叶片摆振数据y（t）中提取叶片某一时段的一阶固有频率，记为Fy。其次，在叶片出厂报告中查询对应编号下的叶片固有频率出厂值Fn。最后，比较Fy与Fn的关系，评估叶片固有频率的变化情况。

当某支叶片覆冰造成叶片质量增大时，由一阶固有频率f的计算公式可知，在叶片刚度系数不变的情况下，Fy

Fy>Fn。

另外，同一台机组同一支支叶片不同时段固有频率的对比分析方法具体步骤如下：不同时段的叶片摆振数组定义为y（a）与y（b），其中，y（a）的取值时间早于y（b）的取值时间。首先，采用傅里叶变换FFT方法，从叶片摆振数据y（t）中提取叶片一阶固有频率，记为Fa与Fb。其次，比较Fa与Fb的关系，评估该叶片固有频率的变化情况。当Fa为叶片正常运行状态下（覆冰）数据，Fb为叶片覆冰后的数据，由一阶固有频率f的计算公式可知，造成叶片质量增大时，Fb

式中：H为叶片固有频率无量纲化系数；Fy为叶片摆振数据实时数据提取的固有频率；Fn为叶片出厂报告中查询对应编号下的叶片固有频率出厂值。

3 案例分析

叶片振动在线监测数据时域和频域分析的共同目标是将工作异常的风机叶片标识出来，方便现场运维人员进行有针对性地检修和维护。在升压站服务器上的叶片振动监测软件上，将时域和频域分析算法及逻辑写入，最终实现工况异常的叶片预警标识。以某风电场风力发电机组叶片的实测振动传感器采集的信号进行分析，场内共有25台风电机组2.0 MW的，装机容量为50 MW，风机叶片长度为63 m。每台机组上都加装了叶片振动监测系统，通过该系统实现风电场全场风机叶片状态的实时监测。

风机叶轮转速较低，根据旋转部件固有频率特性，设定叶片振动监测系统的数据采集策略见表1。为区分同一台风机3支叶片，将进入风机轮毂滑环动力及通信线缆进入的第一支叶片定义为S1号叶片，线缆的进入的第二支叶片为S2号叶片，线缆进入的第三支叶片为S3号叶片。

表1 叶片振动监测系统数据采集策略

从叶片在线监测系统数据库中提取#7号和#18号机组在触发叶片监测预警系统前、后一段时间的数据，作为该次案例分析的样本数据。

3.1 #7号机组分析

该风场叶片在线监测系统显示#7号机组特征值-峰峰值触发报警。提取#7号机组的三支叶片触发报警后的同一时刻的600个采样点的波形数据，计算并绘制叶片摆振方向的时域波形图如图2所示。可以看出，S2号叶片的时域波形与其他2支叶片相比较低。根据后台时域报警逻辑定义可知，该风机3支叶片在同一时刻的峰峰值不同，叶片S1峰峰值与叶片S3峰峰值相同，并均大于叶片S2峰峰值，而且叶片S2峰峰值与其他2支叶片峰峰值的差值均超出了设定的限值，随即触发报警。

根据风场巡检人员反馈，#7号机组S2号叶片变桨角度异常，已及时更正。变桨角度传感器精度不够、变桨电机损坏和个别变桨轴承摩擦力矩存在问题等都会导致叶片在变桨运行时出现偏差，造成叶片角度不统一的情况。

3.2 18#号机组分析

#18号机组特征值触发报警，叶片在线监测系统显示3支叶片同时结冰导致叶片一阶固有频率降低触发限值报警。首先，提取#18号机组的3支叶片触发报警时刻附近的200组波形数据，计算并绘制叶片摆振方向的特征值图谱，验证特征值差值没有触发报警阈值。其次，对3支叶片的波形数据做频率分析，计算每组数据3支叶片摆振数据的频率系数，绘制三叶片摆振频率系数变化趋势图，如图3所示，。可以看出，三叶片在一段时间内摆振频率系数同时发生跌落，跌落后的频率系数低于1。说明跌落后的叶片实时一阶固有频率低于叶片出厂固有频率数值，根据故障逻辑推理可知3支叶片同时遭遇刚度系数k减小，或者单点的质量m同时增大的情况。

图3 #18机组单叶片摆振固有频率系数图谱

另外，从温度曲线反馈情况可以看出，在摆振频率系数发生跌落的时段，叶片的温度在0 ℃左右。综上在线监测系统判断叶片结冰，系数跌落触发报警。根据风场巡检人员反馈，#18号机组3支叶片出现过同时结冰的情况，已及时安排叶片除冰作业。我国北部及高原地区经常出现冰雪天气，因此风机叶片可能产生结冰现象，表面容易产生覆盖层，影响叶片的强度和韧性，严重时将造成叶片损伤或断裂。

4 结论

风机叶片故障诊断是一个复杂而长期的过程，该文针对风机叶片故障诊断问题，分析了基于时域和频率的数据分析方法在单支和单台风机数据诊断上的应用。另外，还介绍了一种基于大数据的风机叶片故障诊断预警逻辑，在提升叶片故障诊断方法的同时，也提高了现场服务器预警的有效性，为数据诊断人员后期数据分析和故障分析打下了良好的基础。