基于风机塔筒倾覆监测系统的研究与应用

李文明, 张云

(五凌电力有限公司，湖南 长沙 410000)

随着新能源市场的版图扩大，风力发电装机容量的不断增长，风电项目建设逐渐向内陆三、四类地区发展，风电机组的塔筒、叶片也越来越高、长，风机塔筒倾斜和倒塔等重大事故时有发生，对发电企业的安全生产造成严重威胁。部分公司已建立相应的人工智能监测系统对该类事故进行在线监测和早期预警，但由于系统多样且存在不稳定性，系统监测数据是否与实际相符需要长期应用验证，导致问题无法提前被预知发现，问题突发时运维人员很难在极短的时间解决问题、排除故障，因此必须依据长期应用效果对人工智能监测系统进行检测，确保系统长时间稳定运行，提高系统的准确性和有效性，对风电相关系统选择方面及运维人员后期的维护工作起到指导作用。

1 塔筒倾覆人工智能监测系统简介

风电机组基础松动、不均匀沉降，塔筒变形、连接开裂等劣化过程是造成塔筒倾覆事故的本质隐患。塔筒倾覆人工智能监测系统基于KxM工业智能平台建立[1-3]，主要由传感器、通信模块、服务器和工业智能软件系统组成，传感器采集的信号经通信模块传输至服务器，服务器上运行的工业智能软件对综合塔筒倾斜、基础水平、风速、风向、功率等关联信息[4-6]。运用机器学习算法构建设备模型，通过模型特征值的变化检测设备的异常进行在线分析和处理，实时计算与塔筒倾覆相关的劣化过程的特征指标，自动检测指标的异常状态并在监视终端页面中显示报警内容[7-9]，如图1所示。

图1 塔筒倾覆人工智能监测系统Fig.1 Tower overturning artificial intelligence monitoring system

2 研究过程

2.1 实验法检测

以塔筒基础不均匀沉降为检测标准，利用理论计算值与实验测试值对比的方式验证该系统的准确性[10-12]。具体实验方法为:传感器与和传感器安装底板之间塞入一个标准塞尺，塞尺的厚度为0.1mm、0.2mm、0.3mm、0.4mm和0.5mm，塞尺的使用方法是将塞尺平直的塞入到安装传感器一端两个螺丝的外部，且与两个螺丝平行。使传感器产生一定的倾斜角度来模拟基础不均匀沉降的效果，然后根据测试系统输出结果和实际塞入的塞尺厚度形成的角度计算得出基础不均匀沉降的高度值是否具有一致性和准确性。

角度计算方法、传感器安装方式和直尺安装方式分别如图2、图3和图4所示。

图2 塞尺安装形成角度示意图Fig.2 Schematic diagram of the installation angle of the feeler gauge

图3 塔筒底座倾角传感器安装图Fig.3 Installation diagram of the inclination sensor of the tower base

图4 塞尺验证方式示意图Fig.4 Schematic diagram of feeler gauge verification method

图中α角为人为设置的基础不均匀沉降倾斜角度，来模拟基础不均匀沉降故障。

任意选取两台风机09号、10号进行盲测，按照上图所示将各部分安装完毕，系统会在5分钟后自动诊断出基础不均匀沉降故障的实测值报警。同时，五小时左右自动诊断出基础不均匀沉降故障的缓变量报警。两周左右自动诊断出基础不均匀沉降故障的特征值报警。

理论值计算原理：此次试验采用的传感器长度为89.5mm，塞尺厚度为H，α角为加垫片后的传感器倾斜角度，根据三角函数理论[13-15]，如公式(1)所示：

sinα=H/89

(1)

如图4所示，若基础出现不均匀沉降，由于传感器安装在基础环上，传感器随着基础环的下沉而发生倾斜，而传感器对向位置处有螺栓固定，整个基础环不会发生完全正比例变形，根据材料力学理论，只能发生0.7D(基础环直径)的正比例变形，设传感器的倾斜角度为α，则计算下沉量如公式(2)所示。

L=0.7×D×tg×α

L=0.7×D×tg[arcsin(H/92)]

(2)

L为塔筒基础沉降量；

α为加垫片后的传感器倾斜角度；

D为塔筒底部直径4200mm；

0.7为系数。

按上述公式可推算出不同塞尺厚度所对应的理论倾角值和基础不均匀沉降量。

09号、10号两台风机分别使用0.1mm、0.2mm、0.3mm、0.4mm、0.5mm、0.6mm厚度的塞尺进行试验，试验结果如表1所示。

表1 理论计算值与试验实测值对比Tab.1 Comparison of theoretical calculation values and experimental values

由上表可知，在2台风机的基础倾角传感器底部塞入不同厚度的塞尺后所得人工干预数值和理论值基本一致，且装完垫片后，数据系统会自动分析采集到的人工干预数据，在小于5分钟的时间内自动诊断出基础不均匀沉降故障的实测值报警。同时，小于五小时内自动诊断出基础不均匀沉降故障的缓变量报警。从数据分析可知该系统从理论上来说是准确可靠的，且其能自动对外部干扰因素做出分析及应对，稳定性较高。

2.2 直接检测

直接检测不同于实验法为直接采用沉降仪器对一台已经发生倾斜的风机19号进行测量，而不是模拟不同的沉降量[16-18]，以测量的数据和时间与同一时期监测系统开始监测的数据和时间作为基础，比对每一次人工测量的数据和时间与在线监测系统监测的数据和时间，确定在线监测系统监测到的数据与人工监测的数据是否一致，并进行相应的趋势性分析。

19号风机在2020年3月由监测系统测得数据及趋势图6所示。

图5 下沉量计算图示Fig.5 Calculation diagram of subsidence amount

图6 19号风机基础不均匀沉降量趋势图Fig.6 Trend diagram of uneven settlement of No.19 fan foundation

从表2和图5中可以看出在3月下旬基础在线监测系统测试的不均匀沉降量最大值为0.732mm，平均值为0.4mm。塔筒倾斜率计算如公式(3)所示。

ΔS=S1-S2

tanθ=ΔS/L

(3)

S1、S2为基础不均匀沉降值；

θ为基础不均匀沉降引起的倾斜角；

ΔS为基础不均匀沉降均差值；

L为两监测点的直线距离(4200mm)。

将基础在线监测系统测试的不均匀沉降量最大值0.732mm代入公式可得塔筒倾斜率为0.00017，倾斜率标准值为0.004。

根据3月监测19号风机各静力水准仪测点基础沉降数据均值，共4个点I1、I2、I3、I4，其中I1与I3相对，I2与I4相对。测点I1、I2、I3、I4的基础不均匀沉降均值分别为2.250mm、0.898mm、0.190mm、0.113mm，且相对两测点直线距离为16m，由公式(3)计算可得测点I1与I3之间的塔筒倾斜率为0.000152，I2与I4之间的塔筒倾斜率为0.000049，此两值均远小于标准值，风机运行时稳定性良好。人工监测计算与智能系统监测塔筒倾斜率对比如表2所示。

表2 人工监测与智能系统监测塔筒倾斜率对比表Tab.2 Comparison table of tower tilt rate between manual monitoring and intelligent system monitoring

从表中可以看出19号风机人工监测计算数据与智能系统测得数据基本一致，系统监测数据略大，说明此系统在实际环境中应用良好，且系统内部能做出相应数据修正，避免了人为误差因素，其准确性得到进一步验证体现。

2.3 多故障对比检测分析

在以单故障条件检测该人工智能系统数据准确性的基础上，取1台已有倾斜度的风机19号，随机抽取3台正常的风机09号、10号、23号，将系统部署的全部故障条件基础不均匀沉降值、基础松动值、塔筒垂直度及塔筒结构松动作为参照[19-21]，利用其特征值与实测值在相同时间段(本次取6个月)的对比进一步对系统的长时间趋势性进行检测。实测值受风机工况影响比较大，系统的特征值是由大数据算法模型生成，排除了风机工况的影响，特征值的变化反映了事物的本质变化，与系统部署各故障变化大致成正比关系。

2.3.1 基础不均匀沉降分析

基础不均匀沉降实测值是由安装在基础环上的倾斜传感器测试的倾斜信号计算出的数值，其值的变化可反映基础结构载荷的差异、地质差异、风机基础环的水平度变化等。

09号、10号、19号、23号四台风机基础不均匀沉降的实测值与特征值相互对比如图7所示，其平均值、最大值、最小值对比如表3所示。

(a)实测值(a)Measured value

(b)特征值(b)Eigenvalues

表3 风机基础不均匀沉降量对比表Tab.3 Comparison table of uneven settlement of fan foundation

从图中可知4台风机整体趋势均比较稳定，实测值与特征值在6个月时间内均无超标现象。4台风机基础不均匀沉降按从优到劣排序为10号、09号、23号、19号，19号风机实测最大值为2.53mm。由于为一台机，排除地质差异影响，说明其风机基础结构载荷、风机基础环的水平度已发生变化，且特征值最大为1.73mm，说明该变化已产生实质性作用，现场验证19号风机确已产生倾斜度，实际风机基础环的水平度发生偏移，说明该系统在一定时间内对基础不均匀沉降趋势分析较为准确。

2.3.2 基础松动分析

基础松动数值的变化可反映出风电机组整体的振动性、风机塔架传到基础的各类载荷和基础环的连接、受力情况等[22-24]。

09号、10号、19号、23号四台风机基础松动的实测值与特征值相互对比如图8所示，其平均值、最大值、最小值对比如表4所示。

(a)实测值(a)Measured value

(b)特征值(b)Eigenvalues

表4 风机基础松动量对比表Tab. 4 Comparison table of basic looseness of fan

从图中可知4台风机基础松动整体趋势较为稳定，其中19号风机、23号风机在统计时间段起始及末端出产生波动，但23号相对值较小，其中19号风机基础松动实测最大值为1.51%，特征最大值为3.70%，4台放风机基础松动按从优到劣排序为23号、09号、10号、19号。特征值变化及趋势说明19号风机基础受力已产生不均匀现象，风机塔架传到基础的各类载荷不平衡，实测值的大幅波动表明，面对变化中的风况，风电机组应对能力开始减弱，实际远程监控数据显示19号风机、10号风机振动值明显高于其余两台风机，在对基础松动的监测上进一步对系统做出验证，系统能清晰且稳定反映出风机塔筒实际状态，可用于提醒运维人员后续应加强对19号风机振动值的观测，巡视需严密监视该机组的基础环情况。

2.3.3 塔筒垂直度分析

塔筒垂直度可直接反应风电机组的倾斜程度，由于风机塔筒为上细下粗的结构，且由4节塔筒搭建而成，塔筒垂直度在一定程度上能反应各节塔筒圆心相对基础环的偏离程度[25-26]。

09号、10号、19号、23号四台风机塔筒垂直度的实测值与特征值相互对比如图9所示，其平均值、最大值、最小值对比如表5所示。

(a)实测值(a)Measured value

(b)特征值(b)Eigenvalues

表5 风机塔筒垂直度对比表Tab.5 Comparison table of verticality of wind turbine tower

从图中可知4台风机整体趋势较稳定，其中10号风机基础松动实测最大值、平均值为10.4%、6.3%，特征值最大、平均分别为6.2%、5.9%，相对于其他3台风机实测值、特征值都偏大，塔筒垂直度按照从优到劣排序为23号、09号、19号、10号，数值的变化说明10号风机塔筒倾斜程度相对于其他3台风机要更加明显，判断该风机塔筒已有偏离基础环圆心现象。实际19号风机倾斜程度更大，相比可知19号，以垂直度判断的结果相对基础沉降、基础松动系统准确性降低，在运维过程中可不作为主要参照物理量。

2.3.4 塔筒结构松动分析

塔筒结构松动可直观反映风电机组机械部分产生松动现象[27-28]，机组螺栓有变形、松动现象，螺栓发生松动现象会直接影响风机的扭矩系数及自锁定能力，从而机组的振动值也会偏高。

09号、10号、19号、23号四台风机塔筒垂直度的实测值与特征值相互对比如图10所示，其平均值、最大值、最小值对比如表6所示。

(a)实测值(a)Measured value

(b)特征值(b)Eigenvalues

表6 风机塔筒结构松动对比表Tab.6 Comparison table of structural looseness of wind turbine tower

从图表中可知4台风机整体趋势较为稳定，相对而言19号风机、23号风机基础松动实测值变化幅度大，特征值在所取时间段初期产生波动，其中19号风机最大实测值、特征值分别为4.00、1.30，但其实测平均值相对较低为0.47，说明该风机实测值间极差较大，波动范围大，特征值偏大说明该风机塔筒结构已发生松动现象。4台风机塔筒结构松动按从优到劣排序为09号、23号、10号、19号，19号风机机械部分如部分螺栓已产生松动现象，说明该系统以塔筒结构松动值为依据判定准确性符合实际，其判定优先度要高于塔筒垂直度。

2.3.5 四故障对比分析

表7 部署故障测试与实际对比Tab.7 Deployment failure test and actual comparison

从表中可知智能监测系统部署的四种故障监测效果基本与实际相符，其中按监测效果从优至劣排序为塔筒结构松动、基础松动、基础不均匀沉降、塔筒垂直度，在实际的应用中根据各物理量的判定优先顺序对运维工作起到一定指导作用，但在总体上还是能够说明该系统在6个月时间内的预测及监测效果较为良好，能够对运维人员起到有效的预警作用，可有效避免塔筒倾覆等事故的发生。

3 结论及展望

随着风电的进一步发展，该基于KxM工业智能系统模式建立的塔筒倾覆系统具有良好的应用前景，且在该系统基础上可增加大量拓展和人工智能模块，如风机叶片裂纹，主轴弯曲，轴承开裂等智能预警系统，进一步加强运维人员对风机状态的掌控，也在一定程度上减少风机相应的故障及事故。