一种风电机组部件的综合监测方法、装置及存储介质与流程

本技术涉及风力发电机的，尤其是涉及一种风电机组部件的综合监测方法、装置及存储介质。

背景技术：

1、风力发电机是将风能转换为机械功，机械功带动转子旋转，最终输出交流电的电力设备。风力发电机一般有风轮、发电机、调向器、塔架、限速安全机构和储能装置等构件组成。风力发电机的工作原理比较简单，风轮在风力的作用下旋转，它把风的动能转变为风轮轴的机械能，发电机在风轮轴的带动下旋转发电。

2、风力发电机的设备体积大，运行时间长，需要对风力发电机的不同部位进行实时监测，确保其正常运行和性能稳定。例如，使用图像识别模块对风机的外形尺寸、叶片变形程度和破损情况进行监测，使用温度传感模块对风机轴承等传动结构进行监测，使用姿态传感器对塔筒的倾斜度进行监测。

3、上述图像识别模块、温度传感模块和姿态传感器模块都是独立的监测模块，不同类型的监测模块之间无法实现数据共享和数据融合，因此，无法对风电机组部件进行综合监测得到综合的监测结果。

技术实现思路

1、为了能够对风电机组部件进行综合监测而得到综合的监测结果，本技术提供一种风电机组部件的综合监测方法、装置及存储介质。

2、第一方面，本技术提供一种风电机组部件的综合监测方法，采用如下的技术方案：

3、一种风电机组部件的综合监测方法，包括如下步骤：

4、基于图像模块获取风电机组叶片的叶片图像；根据所述叶片图像使用第一识别算法计算出叶片完整度；

5、基于振动模块获取风电机组转轴的振动波形，基于温度模块获取风电机组转轴的温度曲线；根据所述振动波形使用第二识别算法计算出异常振动点，根据所述温度曲线使用第三识别算法计算出异常温度点；根据所述异常振动点与所述异常温度点计算出转轴异常数值；

6、基于感应模块获取液压管路中的金属感应数据；根据所述金属感应数据使用第四识别算法计算出液体杂质量；

7、根据所述液体杂质量与所述转轴异常数值计算出第一监测预警值；

8、基于姿态模块获取塔筒的倾斜角度数据，基于探伤模块获取塔筒的裂纹波形数据；根据所述倾斜角度数据和裂纹波形数据使用第五识别算法计算出塔筒健康值；

9、根据所述叶片完整度与所述塔筒健康值计算出第二监测预警值；

10、根据所述第一监测预警值和所述第二监测预警值实时融合计算出综合监测值；其中，所述实时融合算法为加权平均算法，所述第一监测预警值具有第一加权值，所述第二监测预警值具有第二加权值；当风电机组的工作时长小于预设的参考时长，根据所述工作时长正相关调节所述第一加权值，根据所述工作时长反相关调节所述第二加权值；否则，根据所述工作时长反相关调节所述第一加权值，根据所述工作时长正相关调节所述第二加权值；

11、若所述综合监测值大于预设的监测报警值，则进行监测报警提示。

12、通过采用上述技术方案，对风电机组的外部参数和内部参数同时进行监测，包括叶片、转轴振动和温度、液压管路和塔筒多个维度；应用第一识别算法来计算出叶片的完整度，以检测叶片是否有裂缝、缺口或其他形式的损坏；应用第二识别算法和第三识别算法来分别识别出异常振动点和异常温度点，结合异常振动点和异常温度点，计算出转轴异常数值，以评估转轴的运行状态；应用第四识别算法来计算液压管路中的液体杂质量，以检测管路中的污染或磨损情况；应用第五识别算法，结合倾斜角度数据和裂纹波形数据，计算出塔筒的健康值。结合液体杂质量和转轴异常数值，计算出第一监测预警值；第一监测预警值综合反映了液压管路和转轴的健康状况，即外部参数的情况。结合叶片完整度和塔筒健康值，计算出第二监测预警值；第二监测预警值综合反映了叶片和塔筒的健康状况，即内部参数的情况。通过上述方式，能够有效地监测风电机组各个部件的健康状况，并根据综合监测值进行及时的报警提示，有助于预防潜在的安全隐患，提高风电机组的运行效率和可靠性。

13、可选地，所述图像模块包括设置在移动飞行平台上的摄像头和第一图形处理器；所述振动模块、所述感应模块、所述温度模块、所述液体杂质模块、所述姿态模块与所述探伤模块均与所述第一图形处理器无线电连接；

14、所述第一识别算法包括如下步骤：

15、所述图像数据包括形变数据、破损数据、裂纹数据和油污数据；

16、通过第一模板匹配法从所述叶片图像中识别出形变和破损部位，并生成形变数据和破损数据；

17、通过第二模版匹配法从所述叶片图像中识别出叶片表面裂纹和油污，并生成裂纹数据和油污数据；

18、所述叶片完整度=a1×形变数据+a2×破损数据+a3×裂纹数据+a4×油污数据；其中，a1、a2、a3和a4分别为形变数据、破损数据、裂纹数据和油污数据对应的权值；

19、将所述第一识别算法、第二识别算法、第三识别算法、第四识别算法与第五识别算法在所述第一图形处理器中执行计算；

20、若所述振动模块、所述感应模块、所述温度模块、所述液体杂质模块、所述姿态模块与所述探伤模块均与所述第一图形处理器断开无线电连接；将所述第一识别算法、第二识别算法、第三识别算法、第四识别算法与第五识别算法分布在对应的模块中执行计算。

21、通过采用上述技术方案，通过视觉检测风机叶片完整性、变形、裂纹以及表面污染等维度，实现叶片完整度的计算，从而更加全面地评估叶片的健康状况。

22、可选地，当所述振动模块、所述感应模块、所述温度模块、所述液体杂质模块、所述姿态模块与所述探伤模块均与所述第一图形处理器无线电连接时，获取每个模块与所述第一图形处理器之间无线电连接的信号强度值；

23、分布计算的方法一：

24、若所述信号强度值超过预设的阈值，则将对应的识别算法发送至所述第一图形处理器中执行计算；否则，对应的识别算法在对应的模块中执行计算；

25、分布计算的方法二：

26、根据所述信号强度值计算信号强度的比例值；

27、根据所述比例值正相关调节每个模块发送至所述第一图形处理器的计算量。

28、通过采用上述技术方案，信号越强，无人机计算越多；信号越弱，无人机计算的越少。通过根据信号强度分布计算任务，可以确保计算资源得到更加合理的利用，从而提高整个系统的运行效率。在连接质量不佳的情况下，将计算任务转移到模块内部执行可以减少数据传输的潜在问题，从而增强系统的稳定性和可靠性。这两种分布计算方法可以根据实际情况进行选择和应用，为系统提供了更大的灵活性和适应性。

29、可选地，所述振动模块包括设置在转轴上的振动传感器，所述温度模块包括设置在转轴销套上的温度传感器；

30、所述第二识别算法包括如下步骤：

31、将时域维度的所述振动波形转换为频域维度的第一频域数据；

32、从所述第一频域数据中提取出振动频率；

33、判断所述振动频率是否超过预设的频率阈值，若超过，则判断为异常频率；则，异常振动点=∑异常频率；

34、所述第三识别算法包括如下步骤：

35、将时域维度的所述温度曲线转换为频域维度的第二频域数据；

36、从所述第二频域数据中提取出温度的温度变化速率；

37、判断所述温度变化速率是否超过预设的速率阈值，若超过，则判断为异常温度变化速率；则转轴异常数值=∑异常温度变化速率。

38、通过采用上述技术方案，通过振动传感器和温度传感器实时捕获转轴和转轴销套的状态数据，实现风电机组部件的实时监测，通过频域分析提取特征并结合预设阈值，能够准确判断转轴和转轴销套是否存在异常；异常振动点和转轴异常数值的计算为风电机组部件的健康状况提供了量化评估指标。

39、可选地，所述第四识别算法包括如下步骤：

40、在设定时间段内，获取绝缘的所述液压管路中的金属感应数据；

41、根据所述金属感应数据匹配出金属量检测值；

42、通过所述金属量检测值计算出所述液体杂质量；

43、所述液体杂质量=k×金属量检测值，k为常数。

44、通过采用上述技术方案，随着风电机组工作时间的推移，液压管路的金属阀门可能会存在碎屑；因此，可以通过测量液压管路中金属含量，实时地获取液压管路中的金属感应数据，并据此计算出液体杂质的含量，从而实现对风电机组液压系统的持续监测。

45、可选地，所述第五识别算法包括如下步骤：

46、塔筒健康值=b1×倾斜角度数据+b2×裂纹波形数据，其中，b1和b2分别为倾斜角度数据和裂纹波形数据对应的计算权值。

47、可选地，方法还包括：

48、在设定时间段内，根据所述报警提示的次数，自适应调节所述参考时长：

49、若所述第一监测预警值的权值大于所述第二监测预警值的权值，根据所述报警提示的次数，正相关调节所述参考时长；所述报警提示的次数越多，所述参考时长越长；所述报警提示的次数越少，所述参考时长越短；

50、若所述第一监测预警值的权值小于等于所述第二监测预警值的权值，根据所述报警提示的次数，反相关调节所述参考时长；所述报警提示的次数越多，所述参考时长越小。

51、通过采用上述技术方案，自适应调节参考时长，参考时长如为使用寿命的中间时间点；因为处于前半时段使用寿命内，外部的机构都比较新，主导因素很可能来自于内部的结构带来的异常问题；当使用时间过半后，外部的结构一般存在一定程度的老化，而此时一般会对风电机组的内部进行定期检修，则内部的因素一般不会有太多的异常影响，主要是外部因素影响的较多。

52、内部维修次数多，中间时间点就延后，即定期检查的时间点延后，且延后的量和次数相关；外部维修次数多，中间时间点就提前，即定期检查的时间点提前，且提前的量和次数相关。

53、可选地，方法还包括：

54、根据所述叶片完整度和所述异常振动点计算出外部异常值；

55、外部异常值=c1×叶片完整度+c2×异常振动点，其中，c1和c2分别为叶片完整度和异常振动点对应的调节参数；

56、根据所述外部异常值调节所述第一加权值的变化幅度；所述外部异常值越大，所述第一加权值的变化幅度越大；所述外部异常值越小，所述第一加权值的变化幅度越小。

57、通过采用上述技术方案，基于叶片完整度和异常振动点来计算外部异常值，并据此调节第一加权值变化幅度的策略。

58、第二方面，本技术提供一种风电机组部件的综合监测装置，采用如下的技术方案：

59、一种风电机组部件的综合监测方法、装置及存储介质，包括处理器，所述处理器中运行有上述中任意一项所述的风电机组部件的综合监测方法的程序。

60、第三方面，本技术提供一种存储介质，采用如下的技术方案：

61、一种存储介质，存储有上述中任意一项所述的风电机组部件的综合监测方法的程序。

62、综上所述，本技术包括以下至少一种有益技术效果：通过外部参数和内部参数的同时监测，从而判断风电机组的状态；且随着风电机组的使用寿命以及预警的次数，灵活调节监测方法中的权值，从而自适应调节综合监测值。