风电机组塔筒在线监测技术的研究与应用

刘嵩

国核信息科技有限公司 山东济南 250101

科学技术的快速发展，使得诸多行业都加强了对先进技术的应用。风力塔筒是风力发电装置的重要受力部件之一。风力塔筒给风轮、机舱以及叶片提供满足要求的、可靠的稳定支撑力，提供安装、检修等工作平台。风电塔筒的正常工作状态是风电机组正常发电的基本保证。风电塔筒的沉降、倾斜、震动等现象会导致风电塔筒倒塌、起火等严重事故，殃及人身和财产安全。无人坚守的风电场，无法在第一时间通知管理人员调度检修人员在最短时间内修复风机设备，从而给风电场造成巨大损失，甚至造成灾难性的影响。

1 风机塔筒在线监测系统的搭建

设计可以通过网络实现远程监控的装置，将传感器与网络连接，即可实现在塔筒发生形变时向管理员报警。以塔顶和塔底的传感器为基础，在塔筒中部3 个高度阶段的传感器实现各方向的摇摆形变和扭转形变，可以得到塔筒的摆动角度、扭转角度等数据。选择传感器与网络的连接方式时，采用了一种现场存储和关联报警的连接方式，传感器将测量的数据存储在本地的存储器中，当风机塔筒因形变幅度过大导致停机后，管理员可前往现场寻找报警系统，并拷贝传感器中存储的形变数据，对风机安全系统进行手动复位，之后对传感器存储的波形进行分析。本系统可通过与工控机连接的方式，使管理员在现场对所有风机塔筒的形变状态进行监测，并根据风机形变的状态对风机做出停机调整[1]。

2 终端监测模块

监测中心将从服务器提取出有效信息，例如倾斜角度、沉降量、时间、日期、塔筒序号等，并载入本地数据库，由监测中心的预警系统进行数据预处理，并做进一步进行数据预测，对风电塔筒倾斜度和沉降量等状态做拟合，最终通过风电塔筒监测预警软件平台实现预警功能。如果超出管理人员设定的阈值，则自动发出警报，管理人员及时将报警信息提供给巡线人员或维护人员的手持终端，以通知人员采取相应的措施，对可能出现问题的塔筒进行检查，从而减少或避免风电塔筒因倒塌或其他故障所带来不可挽回的损失。巡线人员或维护人员的手持终端用于人工巡检、调试时准确的识别故障的塔筒号，便于准确定位，节省时间。

3 基于SCADA 数据的塔筒应力预测模型

基于SCADA 数据和塔筒应力监测数据，利用GA-BP 神经网络和PSO-BP 神经网络构建的风电机组塔筒应力预测模型结构输入数据包括两类：SCADA 数据和塔筒应力监测数据。SCADA 数据通过风电机组控制系统收集得到，而塔筒应力监测数据是由山西大学风电机组状态监测与诊断工程技术研究中心安装的塔筒应力监测系统采集得到的。风电机组服役期间每日都会伴随着工况的变化，由于正常发电工况所占时间较多，且是我们最为关注的工况，因此选择风电机组正常发电工况的数据进行预测[2]。为保证数据的有效性，对正常发电工况下采集的数据进行清洗。主要清洗的数据有：限功率状态下的数据；信息不完整的数据；其他异常数据。BP 神经网络是按照误差反向传播算法训练的多层前向神经网络，采用梯度下降法来实现各层神经元的权值和阈值的调整，直至满足预先设定的误差要求。BP 神经网络虽然有强大的非线性映射、自学习、结构简单等诸多优点，但是其也有训练速度较慢、存在陷入局部极小值的可能等不足，因此需要采用进化算法改进BP 神经网络。遗传算法是一类借鉴生物界自然遗传机制，通过模仿自然选择和物种进化，从而发展起来的随机全局搜索和优化方法。采用遗传算法优化BP 神经网络（GA-BP）能够获取神经网络更优的初始权值和阈值，因此可避免网络训练陷入局部极小值，同时提高收敛速度。粒子群算法是应用于计算智能领域的一种群体智能优化算法。采用粒子群算法对BP 神经网络进行初始权值和阈值进行优化，也能够实现BP 神经网络的收敛速度和精度的提高。清洗数据之后，对SCADA 数据中的多个参量与塔筒应力数据进行相关性分析，筛选得到与应力变化关系密切的SCADA 数据参量。基于这些实测数据，通过GA-BP 神经网络和PSO-BP 神经网络建立塔筒应力与SCADA 数据的关系模型，利用建立好的关系模型进行基于SCADA 数据的塔筒应力预测，并进行两个模型的对比分析。

4 沉降监测预警模块

管理人员也可以通过鼠标点击选择窗口右下角的选择系统选项，选择进入到沉降监测界面。沉降监测模块也包括数据监测、历史数据查询、预测报警等功能。系统通过多个传感器节点计算出塔筒的沉降量（系统自动设定每2 分钟采集一次沉降数据），并绘制成曲线，通过曲线观察沉降状况从而做出很好的判断，达到实时监测的作用，并将监测到的历史数据储存到本地数据库中，便于以后查询历史数据。系统也可手动选择监测的日期，进行相应时间的数据查询，然后显示在界面上，选择横向或纵向布局、彩色或黑白色、打印份数等，然后点击左上角的打印按钮，便可自动打印数据曲线报表。通过监测到的实时数据，通过预测算法，预测未来一段时间沉降趋势，可以更加方便的了解风电塔筒是否出现异常，如若出现异常，系统会做出相应的预警提示，预警界面。当出现数据异常提示，管理人员需要通知巡视人员或检修人员及时赶到现场查看塔筒的沉降状态，对可能发生故障的塔筒进行维护，避免发生事故，造成不可预估的后果[3]。

5 数据采集系统

在数据采集系统参数设定功能中规定了系统硬件的通信协议、通信端口及传输速度等参数；历史数据存储功能可以将采集到的数据按照时间顺序进行数据存储；故障状态预警功能会根据用户设定的预警范围自动对基础塔架倾斜角度进行预警，提醒用户注意塔架的实际状态。并且历史数据筛选与回放功能可以根据用户需要对不同传感器在不同时间段内的数据进行筛选，并按照用户需要进行显示，展示单台或多台风机基础塔架系统倾斜角度的历史变化规律。

6 现场实践阶段

基于以上研究，我们设计了一款专门针对塔筒形态在线监测的自动装置，通过试验各种原理传感器的灵敏度、改变传感器的安装位置、安装工艺等方式，发现在塔顶和塔基各安装一个传感器是较合理、经济的方案，这样既可以得到塔顶的摆动瞬时值，还可以得到基础环法兰的水平数据，实现了塔顶摆动度和塔基有角度沉降的在线监测。根据设备的实际情况，我们对采集到的数据传输路径进行了多种方案的设计，一是利用原有风电机组间的光纤通道将数据传输到风电场主控制室，这种施工方案在现场需要熔接光纤，因为部分风电机组间的备用光纤通道已经损坏，施工周期较长；二是利用无线传输技术将数据送到主控制室，发现在塔架内装设无线发射系统受金属屏蔽和风电场电磁干扰，信号有所失真；基于以上困难，我们采用了一种就地存储、硬件关联报警的处理思路解决了通讯方面带来的技术难题。当运行人员发现风电机组报 “安全链打开” 类似的严重故障停机后，到现场检查可以发现 “本系统处于报警输出状态”，提示检查摆动最大值，拷贝故障波形。对监测系统的波形拷贝完毕后可以通过手动复位，风电机组安全链恢复正常。通过安装在塔筒底部的在线监测装置画面可以实时监测顶部与底部的数据变化，同样若在风电场控制室安装了在线监测系统工控机，运行人员在控制室既可以观测到每台风电机组的塔体变形情况，风电机组维护人员可以在线观察塔筒的动态变形。需要指出的是，当处理过程中发出黄色警报时，可以为风电机组监控人员提供参考。风电机组监控人员根据塔体的变形特征和报警数量及持续时间作出调整叶片角度或停机的决策。

7 结语

风电机组塔筒形态在线监测系统是一款预防风机特性的点堆积曲线。组倒塔的在线远程监测系统。其主要是通过分别安装在风机塔筒顶部和基座上的两个高精度双轴倾角传感器组采集塔架顶部径向晃动和底部有角度沉降的坐标变化，并通过数据处理单元对数据进行存储和分析，从而发现风机塔筒和基座的微观形态变化，提前预知塔筒隐患。