CN115681019A - 风机叶片损伤的预警方法、装置、设备、介质及程序产品 - Google Patents
风机叶片损伤的预警方法、装置、设备、介质及程序产品 Download PDFInfo
- Publication number
- CN115681019A CN115681019A CN202211326439.4A CN202211326439A CN115681019A CN 115681019 A CN115681019 A CN 115681019A CN 202211326439 A CN202211326439 A CN 202211326439A CN 115681019 A CN115681019 A CN 115681019A
- Authority
- CN
- China
- Prior art keywords
- period
- lightning
- fan blade
- signal
- sound
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 230000006378 damage Effects 0.000 title claims abstract description 145
- 238000000034 method Methods 0.000 title claims abstract description 58
- 230000005236 sound signal Effects 0.000 claims abstract description 88
- 208000025274 Lightning injury Diseases 0.000 claims abstract description 70
- 238000001228 spectrum Methods 0.000 claims description 59
- 238000001514 detection method Methods 0.000 claims description 37
- 230000004044 response Effects 0.000 claims description 32
- 238000010586 diagram Methods 0.000 claims description 13
- 238000013507 mapping Methods 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 6
- 238000000605 extraction Methods 0.000 claims description 6
- 230000003595 spectral effect Effects 0.000 claims description 6
- 230000000737 periodic effect Effects 0.000 claims description 2
- 238000012545 processing Methods 0.000 description 12
- 238000010248 power generation Methods 0.000 description 10
- 239000013598 vector Substances 0.000 description 10
- 238000004422 calculation algorithm Methods 0.000 description 8
- 238000004458 analytical method Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 4
- 230000036541 health Effects 0.000 description 4
- APTZNLHMIGJTEW-UHFFFAOYSA-N pyraflufen-ethyl Chemical compound C1=C(Cl)C(OCC(=O)OCC)=CC(C=2C(=C(OC(F)F)N(C)N=2)Cl)=C1F APTZNLHMIGJTEW-UHFFFAOYSA-N 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000005336 cracking Methods 0.000 description 3
- 239000000284 extract Substances 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 239000007787 solid Substances 0.000 description 3
- 208000027418 Wounds and injury Diseases 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 208000014674 injury Diseases 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000004146 energy storage Methods 0.000 description 1
- 230000003628 erosive effect Effects 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000001681 protective effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 239000002002 slurry Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/70—Wind energy
- Y02E10/72—Wind turbines with rotation axis in wind direction
Landscapes
- Wind Motors (AREA)
Abstract
本申请实施例公开了一种风机叶片损伤的预警方法、装置、设备、介质及程序产品,属于软件技术领域。该方法包括:通过雷电传感器采集雷击信号;响应于雷电传感器采集到雷击信号,将声音的采集周期从第一周期切换为第二周期,第二周期的周期时长小于第一周期的周期时长;控制声音传感器按照第二周期对风机叶片运行时的声音进行采集,得到至少一个周期的声音信号;分析至少一个周期的声音信号,确定风机叶片的壳体状况;响应于壳体状况指示风机叶片出现雷击损伤,发出预警信号。该方法在发生雷击事件后,能够在风机叶片出现雷击损伤时及时发出警报。
Description
技术领域
本申请实施例涉及软件技术领域,特别涉及一种风机叶片损伤的预警方法、装置、设备、介质及程序产品。
背景技术
风能发电的技术,是将风能转变为电能的技术,其利用风力带动风机叶片旋转,通过风机叶片的旋转带动发电机发电。
在风能发电的过程中,风机叶片的作用很重要,其决定着风力发电设备的捕风能力,进而影响到风力发电设备的发电效率。
因此,风机叶片的及时维护是具有重要的意义的,尤其是雷电天气下,风机叶片可能会遭遇雷击,导致风机叶片出现雷击损伤。
发明内容
本申请实施例提供了一种风机叶片损伤的预警方法、装置、设备、介质及程序产品。所述技术方案如下:
根据本申请的一方面内容,提供了一种风机叶片损伤的预警方法,所述方法包括:
通过雷电传感器采集雷击信号;
响应于所述雷电传感器采集到所述雷击信号,将声音的采集周期从第一周期切换为第二周期,所述第二周期的周期时长小于所述第一周期的周期时长;
控制声音传感器按照所述第二周期对风机叶片运行时的声音进行采集,得到至少一个周期的声音信号;
分析所述至少一个周期的声音信号,确定所述风机叶片的壳体状况;
响应于所述壳体状况指示所述风机叶片出现雷击损伤,发出预警信号。
根据本申请的另一方面内容,提供了一种风机叶片损伤的预警装置,所述装置包括:
第一采集模块,用于通过雷电传感器采集雷击信号;
切换模块,用于响应于所述雷电传感器采集到所述雷击信号,将声音的采集周期从第一周期切换为第二周期,所述第二周期的周期时长小于所述第一周期的周期时长;
第二采集模块,用于控制声音传感器按照所述第二周期对风机叶片运行时的声音进行采集,得到至少一个周期的声音信号;
识别模块,用于分析所述至少一个周期的声音信号,确定所述风机叶片的壳体状况;
预警模块,用于响应于所述壳体状况指示所述风机叶片出现雷击损伤,发出预警信号。
根据本申请的另一方面内容,提供了一种风机叶片检测设备,所述风机叶片检测包括:
雷电传感器,被配置为采集雷击信号;
声音传感器,被配置为采集风机叶片运行时的声音信号;
与所述雷电传感器和所述声音传感器分别相连的存储器,被配置为存储可执行指令、以及存储所述雷击信号和所述声音信号;
以及,与所述存储器相连的处理器,被配置为加载并执行所述可执行指令以实现如本申请各个方面提供的风机叶片损伤的预警方法。
根据本申请的另一方面内容,提供了一种计算机程序产品(或计算机程序),所述计算机程序产品(或计算机程序)包括计算机指令,所述计算机指令存储在计算机可读存储介质中;计算机设备的处理器从所述计算机可读存储介质读取所述计算机指令,所述处理器执行所述计算机指令,使得所述计算机设备执行上述风机叶片损伤的预警方法的各种可选实现方式中提供的方法。
根据本申请的另一个方面内容,提供了一种芯片,所述芯片包括可编程逻辑电路和/或程序指令,当所述芯片运行时,用于实现如本申请各个方面提供的风机叶片损伤的预警方法。
本申请实施例提供的技术方案带来的有益效果可以包括:
本申请提供的风机叶片的预警方法,在遭遇打雷天气时,可以通过雷电传感器检测雷击事件,在采集到雷击信号的情况下,存在风力发电设备遭遇雷击的可能性,从而控制声音传感器的采集周期从第一周期切换至第二周期,以将风机叶片运行时声音的采集频率调高,更加频繁的分析风机叶片的壳体状况,在壳体状况指示风机叶片出现雷击损伤时,及时发出警报信号,使得工作人员能够作出合理的应对。
附图说明
为了更清楚地介绍本申请实施例中的技术方案,下面将对本申请实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其它的附图。
图1示出了本申请一个示例性实施例提供的报警***的示意图;
图2示出了本申请一个示例性实施例提供的风机叶片损伤的预警方法的流程图;
图3示出了本申请另一个示例性实施例提供的风机叶片损伤的预警方法的流程图;
图4示出了本申请另一个示例性实施例提供的风机叶片损伤的预警方法的流程图;
图5示出了本申请一个示例性实施例提供的风机叶片损伤的预警装置的框图;
图6示出了本申请一个示例性实施例提供的计算机设备的结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,下面将结合附图对本申请实施方式作进一步地详细描述。
下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。
在本申请的描述中,需要理解的是,术语“第一”、“第二”等仅用于描述目的,而不能理解为指示或暗示相对重要性。在本申请的描述中,需要说明的是,除非另有明确的规定和限定,术语“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本申请中的具体含义。此外,在本申请的描述中,除非另有说明,“多个”是指两个或两个以上。“和/或”,描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。
图1示出了本申请一个示例性实施例提供的报警***的结构示意图,该报警***包括了风力发电设备120、风机叶片检测设备140、服务器160和控制台180。
风力发电设备120包括风机叶片122和塔筒124。风机叶片122用于扫风,从而使风力发电设备120将风能转换为电能,并将电能存储至储能设备中。塔筒124主要用于支撑风力发电设备的其他设备结构,比如,风机叶片122通过轮毂连接在塔筒124顶端。
风机叶片检测设备140包括雷电传感器11、声音传感器12和控制器13。示例性的,风机叶片检测设备140设置在塔筒上。示例性的,雷电传感器11可以安装在塔筒124顶部,声音传感器12可以安装在塔筒门上,控制器13可以安装在塔筒内。或者,风机叶片检测设备140中的控制器13可以安装在单独的机室内。
示例性的,每个风力发电设备120对应设置有各自的控制器13。或者,多个风力发电设备120对应设置有同一控制器13,比如,距离相近的多个风力发电设备120上的雷电传感器11与声音传感器12由同一控制器13统一控制。
声音传感器12与雷电传感器11分别与控制器13连接,连接方式包括有线或者无线网络连接。其中,声音传感器12用于采集风机叶片扫风时叶片间空气滑动产生的声音信号;雷电传感器11用于检测雷击事件;控制器13用于雷击事件、以及声音信号的处理。
风机叶片检测设备140与服务器160之间通过有线或者无线网络连接。示例性的,控制器13与服务器160之间通过有线或者无线网络连接。控制器13向服务器160上传雷击事件、以及处理后的各类信息,比如风机叶片的损伤类型与损伤程度等。
服务器160可以包括一台服务器160、多台服务器160、云计算平台和虚拟化中心中的至少一种。
服务器160还与控制台180之间通过有线或无线网络连接。示例性的,控制台180上设置有输入设备,比如触摸屏、键盘、鼠标和物理按键中的至少一种;控制台180上还设置有显示器。控制台180用于风力发电设备的运行状况的实时监控、风力发电设备的远程控制、以及风机叶片检测设备的远程控制。比如控制台180接收服务器160下发的风机叶片的损伤事件,针对上述损伤事件发起警报,并在显示器上显示风机叶片的损伤类型与损伤程度等信息。
示例性的,有线网络可以是城域网、局域网、光纤网等;无线网络可以是移动通信网络、无线保真网络(Wireless Fidelity,WiFi)等。
示例性的,本申请提供的风机叶片损伤的预警方法可以在上述***中实现,内容如下:
雷电传感器11在探测到雷击事件时,向控制器13上报雷击事件与雷电流数据。
控制器13会根据雷电流数据确定声音的采集周期,确定出与雷电流数据匹配的采集周期。比如,控制器13按照雷电流的电流值大小来确定采集周期,在雷电流的电流值小于10KA(千安培)时,确定声音的采集周期为5分钟;在雷电流的电流值大于10KA小于100KA时,确定声音的采集周期为3分钟;在雷电流的电流值大于100KA时,确定声音的采集周期为1分钟。
控制器13确定出雷电事件发生后的采集周期为第二周期,将声音传感器12的采集周期从第一周期切换至第二周期,第二周期的周期时长小于第一周期的周期时长。
声音传感器12按照第二周期采集声音信号,向控制器13上报每个周期的声音信号。
控制器13根据至少一个周期的声音信号分析风机叶片的壳体状况,在风机叶片发生损伤的情况下,分析得到风机叶片的损伤类型与损伤程度,比如,分析得到风机叶片出现雷击损伤与损伤程度;将风机叶片的损伤类型与损伤程度上报至服务器160。
服务器160下发风机叶片的损伤类型与损伤程度至控制台180。
控制台180在接收到风机叶片的损伤类型与损伤程度之后,发出报警,以对风机叶片出现损伤这一事件进行预警,并在显示器上显示风机叶片的损伤类型与损伤程度。
上述风机叶片的损伤识别是由控制器13本地运算得到的,在另一些实施例中,控制器13还可以将上述声音信号上报至服务器160,由服务器160基于上述声音信号进行风机叶片的损伤识别。
图2示出了本申请一个示例性实施例提供的风机叶片损伤的预警方法的流程图,该方法可以应用于图1所示的报警***中,该方法包括:
步骤210,通过雷电传感器采集雷击信号。
在雷电天气下,雷电传感器采集雷击信号,获得雷击信号的参数信息。可选地,雷击信号的参数信息包括雷电流的电流值、雷电流的峰值、雷电流的总电荷、雷电流的单位能量、以及雷电流的陡度中的至少一项。
雷电传感器采集到雷击信号,生成雷击事件;将雷击事件传递至控制器,或者将雷击事件和雷击信号的参数信息传递至控制器。
步骤220,响应于雷电传感器采集到雷击信号,将声音的采集周期从第一周期切换为第二周期,第二周期的周期时长小于第一周期的周期时长。
控制器响应于雷电传感器上报的雷击事件,将声音的采集周期从第一周期切换为第二周期。
或者,控制器响应于雷电传感器上报的雷击事件,基于雷电传感器上报的雷击信号的参数信息,将声音的采集周期从第一周期切换为第二周期。示例性的,控制器中设置有信号参数与周期之间的映射关系;控制器响应于雷电传感器采集到雷击信号,获取雷击信号的参数信息;基于信号参数与周期之间的映射关系,确定与参数信息对应的第二周期;将声音的采集周期从第一周期切换为第二周期。
示例性的,上述映射关系包括信号参数与周期之间的线性关系,信号参数指示的雷击强度越大,线性关系中的周期越小,比如,在信号参数为雷电流的电流值的情况下,雷电流的电流值越大,线性关系中的周期越小。
可选地,雷击信号的参数信息包括雷电流的电流值、雷电流的峰值、雷电流的总电荷、雷电流的单位能量、雷电流的陡度中的至少一项。
示例性的,雷击信号的参数信息包括雷电流的电流值;控制器响应于雷电传感器上报的雷击事件,获取雷电流的电流值;响应于雷电流的电流值大于第一电流阈值且小于第二电流阈值,确定第二周期的周期时长为第一时长;或者,响应于雷电流的电流值大于第二电流阈值且小于第三电流阈值,确定第二周期的周期时长为第二时长;或者,响应于雷电流的电流值为大于第三电流阈值,确定第二周期的周期时长为第三时长;其中,第一电流阈值小于第二电流阈值,第二电流阈值小于第三电流阈值;且第一时长大于第二时长,第二时长大于第三时长。
示例性的,雷击信号的参数信息包括雷电流的峰值;控制器响应于雷电传感器上报的雷击事件,获取雷电流的峰值;响应于雷电流的峰值大于第一峰值阈值且小于第二峰值阈值,确定第二周期的周期时长为第一时长;或者,响应于雷电流的峰值大于第二峰值阈值且小于第三峰值阈值,确定第二周期的周期时长为第二时长;或者,响应于雷电流的峰值大于第三峰值阈值,确定第二周期的周期时长为第三时长;其中,第一峰值阈值小于第二峰值阈值,第二峰值阈值小于第三峰值阈值;且第一时长大于第二时长,第二时长大于第三时长。
示例性的,雷击信号的参数信息包括雷电流的总电荷;控制器响应于雷电传感器上报的雷击事件,获取雷电流的总电荷;响应于雷电流的总电荷大于第一电荷阈值且小于第二电荷阈值,确定第二周期的周期时长为第一时长;或者,响应于雷电流的总电荷大于第二电荷阈值且小于第三电荷阈值,确定第二周期的周期时长为第二时长;或者,响应于雷电流的总电荷大于第三电荷阈值,确定第二周期的周期时长为第三时长;其中,第一电荷阈值小于第二电荷阈值,第二电荷阈值小于第三电荷阈值;且第一时长大于第二时长,第二时长大于第三时长。
示例性的,雷击信号的参数信息包括雷电流的单位能量;控制器响应于雷电传感器上报的雷击事件,获取雷电流的单位能量;响应于雷电流的单位能量大于第一能量阈值且小于第二能量阈值,确定第二周期的周期时长为第一时长;或者,响应于雷电流的单位能量大于第二能量阈值且小于第三能量阈值,确定第二周期的周期时长为第二时长;或者,响应于雷电流的单位能量大于第三能量阈值,确定第二周期的周期时长为第三时长;其中,第一能量阈值小于第二能量阈值,第二能量阈值小于第三能量阈值;且第一时长大于第二时长,第二时长大于第三时长。
示例性的,雷击信号的参数信息包括雷电流的陡度,雷电流的陡度是指雷电流随时间上升的变化率;控制器响应于雷电传感器上报的雷击事件,获取雷电流的陡度;响应于雷电流的陡度大于第一陡度阈值且小于第二陡度阈值,确定第二周期的周期时长为第一时长;或者,响应于雷电流的陡度大于第二陡度阈值且小于第三陡度阈值,确定第二周期的周期时长为第二时长;或者,响应于雷电流的陡度大于第三陡度阈值,确定第二周期的周期时长为第三时长;其中,第一陡度阈值小于第二陡度阈值,第二陡度阈值小于第三陡度阈值;且第一时长大于第二时长,第二时长大于第三时长。
需要说明的是,上述阈值区间可以是左闭右开区间,或者可以是左开右闭区间;上述参数信息的取值均为绝对值。以雷电流的电流值、阈值区间是左闭右开为例,在电流值的绝对值小于10KA时,发生雷击事件后的第二周期为5分钟,也即相邻两次声音信号的采集间隔5分钟;在电流值的绝对值大于等于10KA且小于100KA时,发生雷击事件后的第二周期为3分钟;在电流值的绝对值大于等于100KA时,发生雷击事件后的第二周期为1分钟。或者,以雷电流的电流值、阈值区间是左开右闭为例,在电流值的绝对值小于等于10KA时,发生雷击事件后的第二周期为5分钟,也即相邻两次声音信号的采集间隔5分钟;在电流值的绝对值大于10KA且小于等于100KA时,发生雷击事件后的第二周期为3分钟;在电流值的绝对值大于100KA时,发生雷击事件后的第二周期为1分钟。
步骤230,控制声音传感器按照第二周期对风机叶片运行时的声音进行采集,得到至少一个周期的声音信号。
示例性的,在修改采集周期为第二周期的下一时刻,控制器控制声音传感器按照第二周期对风机叶片运行时的声音进行采集,以及时在发生雷击事件后,对风机叶片的健康状态进行检测。
声音传感器按照第二周期对风机叶片运行时的声音进行采集,在采集得到至少一个周期的声音信号之后,将至少一个周期的声音信号上报至控制器。
上述声音信号包括风机叶片扫风时位于叶片间的空气滑动所产生的声音信号。上述声音信号还可能包括外部噪声;示例性的,声音传感器上还连接有处理盒子,通过处理盒子将声音信号发送至控制器;比如,声音传感器将采集到的声音信号传递至处理盒子,通过处理盒子对声音信号进行降噪处理,得到降噪后的声音信号,然后将降噪后的声音信号发送给控制器。
步骤240,分析至少一个周期的声音信号,确定风机叶片的壳体状况。
上述风机叶片的壳体状况包括风机叶片的损伤类型、损伤程度和损伤位置中的至少一项。示例性的,损伤类型包括雷击损伤;损伤位置包括雷击损伤的位置。
示例性的,控制器中设置有损伤识别算法,生成至少一个周期的声音信号的频谱图,将频谱图输入到损伤识别算法中,通过损伤识别算法分析识别风机叶片的壳体状况。示例性的,上述损伤识别算法可以包括两种模式:第一识别模式和第二识别模式;第一识别模式是对雷击损伤进行识别的模式,用于发生雷击事件时,对风机叶片的损伤识别,比如识别由雷击造成的叶尖炸开、蒙皮开裂、叶片断裂、叶片表面的雷击孔、条状蒙皮开裂、叶尖部分的导线熔断、高温膨胀等雷击损伤;第二识别模式是对除雷击损伤之外的其他类型损伤进行识别的模式,用于未发生雷击事件时,对风机叶片的损伤识别,比如识别叶片前缘腐蚀、叶片哨音等损伤。
控制器每次接收到声音传感器上报的至少一个周期的声音信号后,分析至少一个周期的声音信号,确定风机叶片的壳体状况。
步骤250,响应于壳体状况指示风机叶片出现雷击损伤,发出预警信号。
控制器响应于壳体状况为风机叶片出现雷击损伤,生成预警信号;将预警信号发送至控制台,由控制台基于预警信号发起警报。示例性的,控制器可以先将预警信号上传至服务器,由服务器将预警信号下发至控制台,由控制台基于预警信号发起警报。上述预警信号用于提醒工作人员风机叶片发生了损伤。
示例性的,不同的损伤程度对应不同等级的预警信号;响应于壳体状况指示风机叶片出现雷击损伤,获取雷击损伤的损伤程度;生成与损伤程度匹配的预警信号。
在一些实施例中,控制器在生成预警信号之后,将预警信号和风机叶片的壳体状况发送至控制台,由控制台基于预警信号发起警报,并展示风机叶片的壳体状况。比如,控制器将预警信号和风机叶片的壳体状况上传至服务器,由服务器向控制台发送风机叶片的壳体状况,由控制台在发起警报的同时,还在显示器上展示风机叶片的壳体状况,比如,在显示器上展示风机叶片存在雷击损伤、雷击损伤的程度、以及雷击损伤的位置等信息。
在另一些实施例中,控制器对频谱图识别得到的也可能是其他类型损伤,其他类型损伤是指除雷击损伤之外的损伤类型,比如,其他类型损伤包括叶片保护膜开裂、叶片前缘腐蚀、叶片根部断裂、以及叶片哨音中的至少一种。控制器还可以响应于壳体状况指示风机叶片出现其他类型损伤,发出预警信号。示例性的,不同类型损伤对应不同类型警报信号;控制器响应于壳体状况指示风机叶片出现其他类型损伤,生成与其他类型损伤匹配的类型的预警信号,发出预警信号。
在另一些实施例中,控制器响应于壳体状况指示风机叶片出现雷击损伤,控制风机停止运行。也就是说,在发现风机叶片发生损伤之后,立即收浆停机,以避免风机叶片的损伤加重。
综上所述,本实施例提供的风机叶片的预警方法,在遭遇打雷天气时,可以通过雷电传感器检测雷击事件,在采集到雷击信号的情况下,存在风力发电设备遭遇雷击的可能性,从而控制声音传感器的采集周期从第一周期切换至第二周期,以将风机叶片运行时声音的采集频率调高,更加频繁的分析风机叶片的壳体状况,在壳体状况指示风机叶片出现雷击损伤时,及时发出警报信号,使得工作人员能够作出合理的应对。
在一些实施例中,对于风机叶片的健康状况检测,控制器可以采用预设的检测策略;当发生雷击事件之后,控制器可以调整检测策略。示例性的,控制器响应于雷电传感器采集到雷击信号,将风机叶片的检测策略从第一检测策略切换为第二检测策略。示例性的,控制器响应于雷电传感器上报的雷击事件,获取雷电信号的参数信息;基于上述参数信息确定出第二检测策略;将风机叶片的检测测量从第一检测策略切换为第二检测策略。其中,上述第一检测策略是雷击事件发生之前检测风机叶片的健康状态所采用的策略。
上述检测策略包括风机叶片运行时声音信号的采集周期;其中,第一检测策略中的第一周期的周期时长大于第二检测策略中的第二周期的周期时长。
上述检测策略还可以包括每个周期内声音信号的采集时长、声音信号的上报周期中的至少一项,其中,上述上报周期是指声音传感器向控制器上报声音信号的周期,上述上报周期是声音信号的采集周期的整数倍。示例性的,第一检测策略中的第一采集时长小于或者等于第二检测策略中的第二采集时长;第一检测策略中的第一上报周期大于或者等于第二检测策略中的第二上报周期。
示例性的,上述检测策略的切换可以通过步骤220至步骤224来实现,步骤230可以通过步骤232至步骤234来实现,如图3所示,步骤如下:
步骤220,响应于雷电传感器采集到雷击信号,将声音的采集周期从第一周期切换为第二周期。
其中,第二周期的周期时长小于第一周期的周期时长。
步骤222,响应于雷电传感器采集到雷击信号,将声音的采集时长从第一采集时长切换为第二采集时长。
控制器在接收到雷电传感器上报的雷击事件之后,直接将声音的采集时长从第一采集时长切换为第二采集时长,也就是说,默认雷击事件发生后的采集时长为第二采集时长。
或者,控制器响应于雷电传感器上报的雷击事件,基于雷击信号的参数信息,确定出第二采集时长;将声音的采集时长从第一采集时长切换为第二采集时长。
示例性的,控制器基于雷击信号的信号参数与采集时长之间的映射关系,确定与参数信息对应的第二采集时长;之后将声音的采集时长从第一采集时长切换为第二采集时长。
示例性的,上述信号参数与采集时长之间的映射关系包括阈值区间与采集时长之间的一一对应关系。比如,当信号参数是雷电流的电流值时,阈值区间的取值越大,阈值区间对应的采集时长越大;或者,当信号参数是雷电流的峰值时,阈值区间的取值越大,阈值区间对应的采集时长越大;或者,当信号参数是雷电流的总电荷时,阈值区间的取值越大,阈值区间对应的采集时长越大。
示例性的,采集时长对应的阈值区间划分,与采集周期对应的阈值区间划分相同或者不同。
步骤224,响应于雷电传感器采集到雷击信号,将声音信号的上报周期从第一上报周期切换为第二上报周期。
控制器在接收到雷电传感器上报的雷击事件之后,直接将声音信号的上报周期从第一上报周期切换为第二上报周期,也就是说,默认雷击事件发生后的上报周期为第二上报周期。
或者,控制器响应于雷电传感器上报的雷击事件,基于雷击信号的参数信息,确定出第二上报周期;将声音信号的上报周期从第一上报周期切换为第二上报周期。
示例性的,控制器基于雷击信号的信号参数与上报周期之间的映射关系,确定与参数信息对应的第二上报周期;之后将声音信号的上报周期从第一上报周期切换为第二上报周期。
示例性的,上述信号参数与上报周期之间的映射关系包括阈值区间与上报周期之间的一一对应关系。比如,当信号参数是雷电流的电流值时,阈值区间的取值越大,阈值区间对应的上报周期越小;或者,当信号参数是雷电流的峰值时,阈值区间的取值越大,阈值区间对应的上报周期越小;或者,当信号参数是雷电流的总电荷时,阈值区间的取值越大,阈值区间对应的上报周期越小。
示例性的,上报周期对应的阈值区间划分,与采集周期对应的阈值区间划分相同或者不同,与采集时长对应的阈值区间划分相同或不同。
步骤232,控制声音传感器按照第二周期采集声音信号,得到长度为第二采集时长的声音信号。
声音传感器按照第二周期采集声音信号,在每个周期内采集长度为第二采集时长的声音信号。比如,在第二周期为3分钟、第二采集时长为43秒的情况下,声音传感器每3分钟采集一次声音信号,每次连续采集43秒的声音信号。
步骤234,按照第二上报周期将至少一个周期的声音信号上报至控制器。
声音传感器按照第二上报周期将至少一个周期的声音信号上报至控制器。比如,在第二周期为3分钟、第二上报周期为9分钟的情况下,声音传感器每采集3次声音信号上报一次,将三个周期的声音信号上报至控制器。
综上所述,本实施例提供的风机叶片损伤的预警方法,通过调整声音信号的采集周期、采集时长、以及上报周期,提高风机叶片损伤的检测频率,以在雷击事件发生后,能够及时发现风机叶片出现损伤,从而提出更合理的应对策略。
对于声音信号的分析,控制器通过损伤识别算法来完成,示例性的,上述实施例中的步骤240可以通过步骤242至步骤244来实现,如图4所示,以图2所示实施例为例,步骤如下:
步骤242,生成至少一个周期的声音信号的频谱图。
控制器对至少一个周期的声音信号进行短时傅里叶变换,得到声音信号的频谱图。示例性的,上述频谱图包含声音振幅的信息;比如,绘制频谱图可以采用不同的颜色表示。
步骤244,分析频谱图上声音信号的信号特征,基于信号特征确定风机叶片的壳体状况。
可选地,控制器在频谱图上划分出每个风机叶片的频谱区域;将每个频谱区域与参考区域图进行匹配,参考区域图是指一个存在雷击损伤的风机叶片运行时产生的声音信号所形成的频谱区域;响应于频谱区域与参考区域图匹配,确定壳体状况为风机叶片出现雷击损伤。
控制器中设置有参考区域图,参考区域图包括至少两个。不同参考区域图内所包含的雷击损伤类型相同;比如,参考区域图1与参考区域图2是图像表现不同的两张参考图,二者包含相同类型的雷击损伤。不同参考区域图内所包含的雷击损伤类型不同;比如,参考区域图3与参考区域图4是图像表现不同的两张参考图,二者包含不同类型的雷击损伤。每个参考区域图上可以包括至少一类雷击损伤。
示例性的,针对每个频谱区域,控制器将频谱区域分别与多个参考区域图进行匹配,计算频谱区域与每个参考区域图之间的特征相似度,确定出特征相似度大于相似度阈值的目标参考区域图,将目标参考区域图中所包含的损伤类型确定为频谱区域内所包含的损伤类型,得到风机叶片的损伤类型,比如,在目标参考区域图包含雷击损伤的情况下,确定风机叶片出现雷击损伤。
示例性的,控制器从频谱区域中提取出壳体特征向量,计算壳体特征向量与参考区域图的损伤特征向量之间的相似度,得到频谱区域与参考区域图之间的特征相似度;损伤特征向量是表征参考区域图中风机叶片损伤的特征向量。其中,损伤特征向量与壳体特征向量是采用相同提取方式得到的。损伤特征向量可以是预先提取得到的,在相似度计算过程中,控制器可以从存储器中直接获取得到损伤特征向量。
可选地,控制器在频谱图上划分出每个风机叶片的频谱区域,生成区域划分后的频谱图;将区域划分后的频谱图输入到损伤识别模型中,通过损伤识别模型针对每个频谱区域进行特征提取,得到每个频谱区域的信号特征;通过损伤识别模型对信号特征进行识别,输出风机叶片的壳体状况。
可选地,控制器将频谱图输入到损伤识别模型中,通过损伤识别模型对频谱图进行特征提取,得到频谱图的信号特征;通过损伤识别模型对信号特征进行识别,输出风机叶片的壳体状况。
示例性的,上述损伤识别模型可以基于信号特征进行分类,得到风机叶片的损伤类型;或者,损伤识别模型可以基于信号特征与各类型损伤的特征向量进行匹配,得到风机叶片的损伤类型。
示例性的,上述损失识别模型是采用机器学习的方式训练得到的。
示例性的,上述频谱区域的划分可以采用如下步骤实现:
21)调用信号分析算法从声音信号形成的时域信号图中提取信号包络线。
控制器从声音信号形成的时域信号图中提取信号包络线,其中,信号包络线是指与时域信号图中曲线族的每条线均有至少一点相切的一条曲线;将信号包络线中波谷所在的点在时域上的位置确定为切分点。
上述信号分析算法用于从声音信号的时域信号图中分析得到信号包络线。示例性的,上述信号分析算法可以包括转换函数,比如,可以包括希尔伯特(Hilbert)转换函数。可选地,后台服务器通过Hilbert转换函数从时域信号图中提取信号包络线。
22)将信号包络线中波谷所在的点在时域上的位置确定为切分点。
23)将声音信号转换为频谱图,按照切分点对频谱图进行切分,得到每个风机叶片的频谱区域。
示例性的,通过短时傅里叶变换或者拉普拉斯变换将声音信号转换为频谱图,在时间轴上按照切分点对频谱图进行切分,得到风机叶片的频谱区域。其中,在频谱图上,相邻的两个切分点之间的频谱区域指示的是一个风机叶片扫风时的频谱。
综上所述,本实施例提供的风机叶片损伤的预警方法,在基于频谱图确定出准确地风机叶片损伤之后,发出警报,以提醒工作人员及时作出合理应对。
在一些实施例中,上述风机叶片的壳体状况还可以用于指示风机叶片存在损伤或者不存在损伤;控制器还可以响应于上述壳体状况指示风机叶片存在损伤,发出预警光信号。其中,预警信号用于对风机叶片出现雷击损伤的事件进行预警。需要说明的是,在雷击事件发生后检测出的损伤,可以默认为雷击损伤。
控制器检测风机叶片是否存在损伤,可以采用如下步骤:
31)在频谱图上划分出每个风机叶片的频谱区域,生成区域划分后的频谱图。
上述频谱区域的划分可以参考步骤21至步骤23,此处不再加以赘述。
32)基于区域划分后的频谱图计算风机叶片扫风时的声谱差异因子。
上述声谱差异因子表示风机叶片的损伤程度,可选地,基于区域划分后的频谱图计算风机叶片扫风时的声谱差异因子。
可选地,区域划分后的频谱图包括至少两个频谱区域,控制器基于上述至少两个频谱区域计算声谱差异因子,示意性步骤如下:
步骤321,提取至少两个频谱区域中的信号峰值。
步骤322,根据至少两个频谱区域的信号峰值计算声音信号的时域因子和频域因子。
风力发电设备上设置有m个风机叶片;可选地,控制器计算声音信号的时域因子,首先,确定出每一个风机叶片对应的至少两个频谱区域的信号峰值中的中位数;其次,从m个风机叶片对应的m个中位数中确定出最大峰值和最小峰值;最终,将最大峰值与最小峰值的比值确定为时域因子。
示例性的,风机叶片包括三个风机叶片,若选取的曲线中包括了25个频谱区域,控制器在每一个频谱区域中确定出一个信号峰值,共25个信号峰值,其中,9个信号峰值为风机叶片A对应的信号峰值,8个信号峰值为风机叶片B对应的信号峰值,8个信号峰值为风机叶片C对应的信号峰值;控制器分别从风机叶片A、B、C的信号峰值中确定出对应的中位数a、b、c,从中位数a、b、c中确定出最大峰值和最小峰值,最终将最大峰值与最小峰值的比值确定为时域因子,比如最大峰值为a,最小峰值为c,则时域因子为a/c。
可选地,控制器计算声音信号的频域因子,首先,获取每相邻的m个频谱区域的信号峰值中的最大峰值,将最大峰值确定为候选峰值;其次,将至少两个候选峰值的中位数确定为频域因子;
或者,控制器计算区域划分后的频谱图中信号分布与理论分布之间的相对熵,即KL散度(Kullback-Leibler divergence);其次,将KL散度确定为频域因子。
示例性的,控制器将25个频谱区域自左至右标记为1至25,分别获取相邻频谱区域1-3、2-4、3-5、……、23-25中对应的信号峰值中的最大值,共得到23个信号峰值,从上述23个信号峰值中确定出中位数,该中位数即为一个频域因子。
再有,控制器计算区域划分后的频谱图中信号分布与理论信号分布之间的KL散度,将KL散度确认为另一频域因子。
需要说明的是,上述频域因子用于表示声音信号在频域上的分布特征,本申请中提供了上述两种计算声音信号在频域上的分布特征的方法,但本申请中计算声音信号在频域上的分布特征的方法不限于上述提供的两种方法。
步骤323,将时域因子与频域因子的加权平均值确定为声谱差异因子。
示例性的,控制器计算得到一个时域因子和两个频域因子,其次,计算一个时域因子和两个频域因子的加权平均值,并将上述加权平均值确定为声谱差异因子。
还需要说明的是,控制器还通过滤波器对声音信号进行滤波处理,得到滤波后的声音信号,并基于滤波后的声音信号生成频谱图,进而生成频谱差异因子。
33)在声谱差异因子大于差异阈值的情况下,确定壳体状况为风机叶片存在损伤。
另外,在声谱差异因子小于等于差异阈值的情况下,确定壳体状况为风机叶片不存在损伤。
综上所述,本实施例提供的风机叶片的损伤识别方法,通过声谱差异因子的计算,即可以确定风机叶片是否存在损伤、以及风机叶片的损伤程度。
需要说明的是,上述风机叶片损伤的预警方法可以应用于风机叶片检测设备中;或者,该方法中的损伤识别步骤应用于风机叶片检测设备中,后续由风机叶片检测设备将风机叶片的壳体状况传递给控制台,由控制台完成预警信号生成与展示。另外,在雷击事件发生后一定时长内,风机叶片检测设备采用第二周期、第二采集时长、以及第二上报周期来进行风机叶片的健康状态检测,在超出这个时长之后,则恢复到默认的检测策略。
下述为本申请装置实施例,可以用于执行本申请方法实施例。对于本申请装置实施例中未披露的细节,请参照本申请方法实施例。
图5示出了本申请一个示例性实施例提供的风机叶片损伤的预警装置的结构框图。该风机叶片损伤的预警装置可以通过软件、硬件或者两者的结合实现成为风机叶片检测设备的全部或一部分。该装置包括:
第一采集模块410,用于通过雷电传感器采集雷击信号;
切换模块420,用于响应于所述雷电传感器采集到所述雷击信号,将声音的采集周期从第一周期切换为第二周期,所述第二周期的周期时长小于所述第一周期的周期时长;
第二采集模块430,用于控制声音传感器按照所述第二周期对风机叶片运行时的声音进行采集,得到至少一个周期的声音信号;
识别模块440,用于分析所述至少一个周期的声音信号,确定所述风机叶片的壳体状况;
预警模块450,用于响应于所述壳体状况指示所述风机叶片出现雷击损伤,发出预警信号。
在一些实施例中,切换模块420,用于:
响应于所述雷电传感器采集到所述雷击信号,获取所述雷击信号的参数信息;
基于信号参数与周期之间的映射关系,确定与所述参数信息对应的所述第二周期;
将声音的采集周期从所述第一周期切换为所述第二周期。
在一些实施例中,所述参数信息包括雷电流的电流值;切换模块420,用于:
响应于所述雷电流的电流值大于第一电流阈值且小于第二电流阈值,确定所述第二周期的周期时长为第一时长;或者,
响应于所述雷电流的电流值大于所述第二电流阈值且小于第三电流阈值,确定所述第二周期的周期时长为第二时长;或者,
响应于所述雷电流的电流值为大于所述第三电流阈值,确定所述第二周期的周期时长为第三时长;
其中,所述第一电流阈值小于所述第二电流阈值,所述第二电流阈值小于所述第三电流阈值;且所述第一时长大于所述第二时长,所述第二时长大于所述第三时长。
在一些实施例中,所述参数信息包括雷电流的电流值、雷电流的峰值、雷电流的总电荷、雷电流的单位能量、雷电流的陡度中的至少一项。
在一些实施例中,识别模块440,用于:
生成所述至少一个周期的声音信号的频谱图;
分析所述频谱图上声音信号的信号特征;
基于所述信号特征确定所述风机叶片的壳体状况。
在一些实施例中,识别模块440,用于:
在所述频谱图上划分出每个所述风机叶片的频谱区域;
将每个所述频谱区域与参考区域图进行匹配,所述参考区域图是指一个存在雷击损伤的风机叶片运行时产生的声音信号所形成的频谱区域;
响应于所述频谱区域与所述参考区域图匹配,确定所述壳体状况为所述风机叶片出现雷击损伤。
在一些实施例中,所述参考区域图包括至少两个,不同参考区域图内所包含的雷击损伤类型相同或者不同。
在一些实施例中,识别模块440,用于:
在所述频谱图上划分出每个所述风机叶片的频谱区域,生成区域划分后的频谱图;
将所述区域划分后的频谱图输入到损伤识别模型中,通过所述损伤识别模型针对每个所述频谱区域进行特征提取,得到每个所述频谱区域的信号特征;
通过所述损伤识别模型对所述信号特征进行识别,输出所述风机叶片的壳体状况。
在一些实施例中,所述壳体状况还指示所述风机叶片上雷击损伤的位置。
需要说明的是:上述实施例提供的风机叶片损伤的预警装置在执行风机叶片损伤的预警方法时,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将设备的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。另外,上述实施例提供的风机叶片损伤的预警装置与风机叶片损伤的预警方法实施例属于同一构思,其具体实现过程详见方法实施例,这里不再赘述。
图6示出了本申请一个示例性实施例提供的计算机设备的结构示意图。该计算机设备可以是执行如本申请提供的风机叶片损伤的预警方法的风机叶片检测设备。具体来讲:
计算机设备700包括中央处理单元(CPU,Central Processing Unit)701、包括随机存取存储器(RAM,Random Access Memory)702和只读存储器(ROM,Read Only Memory)703的***存储器704,以及连接***存储器704和中央处理单元701的***总线705。计算机设备700还包括帮助计算机内的各个器件之间传输信息的基本输入/输出***(I/O***,Input Output System)706,和用于存储操作***713、应用程序714和其他程序模块715的大容量存储设备707。
基本输入/输出***706包括有用于显示信息的显示器708和用于用户输入信息的诸如鼠标、键盘之类的输入设备709。其中显示器708和输入设备709都通过连接到***总线705的输入输出控制器710连接到中央处理单元701。基本输入/输出***706还可以包括输入输出控制器710以用于接收和处理来自键盘、鼠标、或电子触控笔等多个其他设备的输入。类似地,输入输出控制器710还提供输出到显示屏、打印机或其他类型的输出设备。
大容量存储设备707通过连接到***总线705的大容量存储控制器(未示出)连接到中央处理单元701。大容量存储设备707及其相关联的计算机可读介质为计算机设备700提供非易失性存储。也就是说,大容量存储设备707可以包括诸如硬盘或者紧凑型光盘只读存储器(CD-ROM,Compact Disc Read Only Memory)驱动器之类的计算机可读介质(未示出)。
计算机可读介质可以包括计算机存储介质和通信介质。计算机存储介质包括以用于存储诸如计算机可读指令、数据结构、程序模块或其他数据等信息的任何方法或技术实现的易失性和非易失性、可移动和不可移动介质。计算机存储介质包括RAM、ROM、可擦除可编程只读存储器(EPROM,Erasable Programmable Read Only Memory)、带电可擦可编程只读存储器(EEPROM,Electrically Erasable Programmable Read Only Memory)、闪存或其他固态存储其技术,CD-ROM、数字通用光盘(DVD,Digital Versatile Disc)或固态硬盘(SSD,Solid State Drives)、其他光学存储、磁带盒、磁带、磁盘存储或其他磁性存储设备。其中,随机存取记忆体可以包括电阻式随机存取记忆体(ReRAM,Resistance RandomAccess Memory)和动态随机存取存储器(DRAM,Dynamic Random Access Memory)。当然,本领域技术人员可知计算机存储介质不局限于上述几种。上述的***存储器704和大容量存储设备707可以统称为存储器。
根据本申请的各种实施例,计算机设备700还可以通过诸如因特网等网络连接到网络上的远程计算机运行。也即计算机设备700可以通过连接在***总线705上的网络接口单元711连接到网络712,或者说,也可以使用网络接口单元711来连接到其他类型的网络或远程计算机***(未示出)。
上述存储器还包括一个或者一个以上的程序,一个或者一个以上程序存储于存储器中,被配置由CPU执行,以实现如上所述的风机叶片损伤的预警方法。
本申请实施例还提供了一种风机叶片检测设备,所述风机叶片检测设备包括:
雷电传感器,被配置为采集雷击信号;
声音传感器,被配置为采集风机叶片运行时的声音信号;
与所述雷电传感器和所述声音传感器分别相连的存储器,被配置为存储可执行指令、以及存储所述雷击信号和所述声音信号;
以及,与所述存储器相连的处理器,被配置为加载并执行所述可执行指令以实现如上各个实施例所述的风机叶片损伤的预警方法。
本申请实施例还提供了一种计算机可读存储介质,该计算机可读存储介质存储有至少一条指令,所述至少一条指令由处理器加载并执行以实现如上各个实施例所述的风机叶片损伤的预警方法。
可选地,该计算机可读存储介质可以包括:只读存储器(ROM,Read Only Memory)、随机存取记忆体(RAM,Random Access Memory)、固态硬盘(SSD,Solid State Drives)或光盘等。其中,随机存取记忆体可以包括电阻式随机存取记忆体(ReRAM,Resistance RandomAccess Memory)和动态随机存取存储器(DRAM,Dynamic Random Access Memory)。
本申请实施例还提供了一种计算机程序产品(或计算机程序),所述计算机程序产品(或计算机程序)包括计算机指令,所述计算机指令存储在计算机可读存储介质中;计算机设备的处理器从所述计算机可读存储介质读取所述计算机指令,所述处理器执行所述计算机指令,使得所述计算机设备执行如上各个实施例中提供的上述风机叶片损伤的预警方法。
根据本申请的另一个方面内容,提供了一种芯片,所述芯片包括可编程逻辑电路和/或程序指令,当所述芯片运行时,用于实现如上各个实施例所述的风机叶片损伤的预警方法。
上述本申请实施例序号仅仅为了描述,不代表实施例的优劣。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成,也可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,上述提到的存储介质可以是只读存储器,磁盘或光盘等。
以上所述仅为本申请的能够实现的示例性的实施例,并不用以限制本申请,凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (13)
1.一种风机叶片损伤的预警方法,其特征在于,所述方法包括:
通过雷电传感器采集雷击信号;
响应于所述雷电传感器采集到所述雷击信号,将声音的采集周期从第一周期切换为第二周期,所述第二周期的周期时长小于所述第一周期的周期时长;
控制声音传感器按照所述第二周期对风机叶片运行时的声音进行采集,得到至少一个周期的声音信号;
分析所述至少一个周期的声音信号,确定所述风机叶片的壳体状况;
响应于所述壳体状况指示所述风机叶片出现雷击损伤,发出预警信号。
2.根据权利要求1所述的方法,其特征在于,所述响应于所述雷电传感器采集到所述雷击信号,将声音的采集周期从第一周期切换为第二周期,包括:
响应于所述雷电传感器采集到所述雷击信号,获取所述雷击信号的参数信息;
基于信号参数与周期之间的映射关系,确定与所述参数信息对应的所述第二周期;
将声音的采集周期从所述第一周期切换为所述第二周期。
3.根据权利要求2所述的方法,其特征在于,所述参数信息包括雷电流的电流值;
所述基于信号参数与周期之间的映射关系,确定与所述参数信息对应的所述第二周期,包括:
响应于所述雷电流的电流值大于第一电流阈值且小于第二电流阈值,确定所述第二周期的周期时长为第一时长;或者,
响应于所述雷电流的电流值大于所述第二电流阈值且小于第三电流阈值,确定所述第二周期的周期时长为第二时长;或者,
响应于所述雷电流的电流值为大于所述第三电流阈值,确定所述第二周期的周期时长为第三时长;
其中,所述第一电流阈值小于所述第二电流阈值,所述第二电流阈值小于所述第三电流阈值;且所述第一时长大于所述第二时长,所述第二时长大于所述第三时长。
4.根据权利要求2所述的方法,其特征在于,所述参数信息包括雷电流的电流值、雷电流的峰值、雷电流的总电荷、雷电流的单位能量、雷电流的陡度中的至少一项。
5.根据权利要求1至3任一所述的方法,其特征在于,所述分析所述至少一个周期的声音信号,确定所述风机叶片的壳体状况,包括:
生成所述至少一个周期的声音信号的频谱图;
分析所述频谱图上声音信号的信号特征;
基于所述信号特征确定所述风机叶片的壳体状况。
6.根据权利要求5所述的方法,其特征在于,所述分析所述频谱图上声音信号的信号特征,包括:
在所述频谱图上划分出每个所述风机叶片的频谱区域;
将每个所述频谱区域与参考区域图进行匹配,所述参考区域图是指一个存在雷击损伤的风机叶片运行时产生的声音信号所形成的频谱区域;
所述基于所述信号特征确定所述风机叶片的壳体状况,包括:
响应于所述频谱区域与所述参考区域图匹配,确定所述壳体状况为所述风机叶片出现雷击损伤。
7.根据权利要求6所述的方法,其特征在于,所述参考区域图包括至少两个,不同参考区域图内所包含的雷击损伤类型相同或者不同。
8.根据权利要求5所述的方法,其特征在于,所述分析所述频谱图上声音信号的信号特征,包括:
在所述频谱图上划分出每个所述风机叶片的频谱区域,生成区域划分后的频谱图;
将所述区域划分后的频谱图输入到损伤识别模型中,通过所述损伤识别模型针对每个所述频谱区域进行特征提取,得到每个所述频谱区域的信号特征;
所述基于所述信号特征确定所述风机叶片的壳体状况,包括:
通过所述损伤识别模型对所述信号特征进行识别,输出所述风机叶片的壳体状况。
9.根据权利要求1至3任一所述的方法,其特征在于,所述壳体状况还指示所述风机叶片上雷击损伤的位置。
10.一种风机叶片损伤的预警装置,其特征在于,所述装置包括:
第一采集模块,用于通过雷电传感器采集雷击信号;
切换模块,用于响应于所述雷电传感器采集到所述雷击信号,将声音的采集周期从第一周期切换为第二周期,所述第二周期的周期时长小于所述第一周期的周期时长;
第二采集模块,用于控制声音传感器按照所述第二周期对风机叶片运行时的声音进行采集,得到至少一个周期的声音信号;
识别模块,用于分析所述至少一个周期的声音信号,确定所述风机叶片的壳体状况;
预警模块,用于响应于所述壳体状况指示所述风机叶片出现雷击损伤,发出预警信号。
11.一种风机叶片检测设备,其特征在于,所述风机叶片检测设备包括:
雷电传感器,被配置为采集雷击信号;
声音传感器,被配置为采集风机叶片运行时的声音信号;
与所述雷电传感器和所述声音传感器分别相连的存储器,被配置为存储可执行指令、以及存储所述雷击信号和所述声音信号;
以及,与所述存储器相连的处理器,被配置为加载并执行所述可执行指令以实现如权利要求1至9任一所述的风机叶片损伤的预警方法。
12.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有程序指令,所述程序指令被处理器执行时实现如权利要求1至9任一所述的风机叶片损伤的预警方法。
13.一种计算机程序产品,其特征在于,所述计算机程序产品包括计算机指令,所述计算机指令存储在计算机可读存储介质中;计算机设备的处理器从所述计算机可读存储介质读取所述计算机指令,所述处理器执行所述计算机指令,使得所述计算机设备执行如权利要求1至9任一所述的风机叶片损伤的预警方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211326439.4A CN115681019A (zh) | 2022-10-27 | 2022-10-27 | 风机叶片损伤的预警方法、装置、设备、介质及程序产品 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211326439.4A CN115681019A (zh) | 2022-10-27 | 2022-10-27 | 风机叶片损伤的预警方法、装置、设备、介质及程序产品 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115681019A true CN115681019A (zh) | 2023-02-03 |
Family
ID=85099881
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211326439.4A Pending CN115681019A (zh) | 2022-10-27 | 2022-10-27 | 风机叶片损伤的预警方法、装置、设备、介质及程序产品 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115681019A (zh) |
-
2022
- 2022-10-27 CN CN202211326439.4A patent/CN115681019A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR102509577B1 (ko) | 풍력 터빈 블레이드를 검사하는 방법 및 기기, 및 그 장치 및 저장 매체 | |
EP3431952B1 (en) | Condition monitoring system and wind turbine generation apparatus | |
US20160032893A1 (en) | System and method for enhanced operation of wind parks | |
CN104538233A (zh) | 变电站电动刀闸状态监测预警***及方法 | |
CN113467433A (zh) | 一种机械设备故障检测的方法及装置 | |
CN110469461A (zh) | 一种风机齿带的断裂预估方法、其装置及可读存储介质 | |
CN113027695B (zh) | 风力发电机组的桨距角异常的检测方法及装置 | |
CN109579911A (zh) | 一种风力发电机监测装置 | |
CN115681019A (zh) | 风机叶片损伤的预警方法、装置、设备、介质及程序产品 | |
CN116221037A (zh) | 一种风电机组监测方法和装置 | |
EP4254261A1 (en) | Blade fault diagnosis method, apparatus and system, and storage medium | |
KR102522685B1 (ko) | 송전 선로 이상 움직임 검출 장치 및 방법 | |
CN114279492A (zh) | 基于不同故障参数记录确定电缆故障信息方法和装置 | |
CN220979768U (zh) | 一种海上风电机组叶片故障诊断*** | |
CN117409816B (zh) | 一种基于声音信号的设备故障检测方法及*** | |
CN117494618B (zh) | 一种基于实时网络的风电场智能图像监控*** | |
CN117370847B (zh) | 基于深度学习的隔离开关检测方法及装置 | |
JP7278499B1 (ja) | 学習装置、異常兆候検知装置、異常兆候検知システム、学習方法およびプログラム | |
CN114320769A (zh) | 风力发电机组的检测方法及风力发电机组 | |
CN115831409A (zh) | 一种控制棒驱动机构的监测方法、***、设备及存储介质 | |
CN114282338A (zh) | 用于识别风力发电机组运行状态的方法及风力发电机组 | |
CN117767553A (zh) | 基于云边协同的电气设备保护方法及*** | |
CN118011115A (zh) | 一种基于硬件捕捉机制的在线避雷器监测***及方法 | |
CN117909780A (zh) | 基于智能传感设备的风电运维管理方法及*** | |
CN117553008A (zh) | 一种给水泵***运行状态监测方法、装置、设备和介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |