一种串列式双风轮风电机组载荷监测装置和预测方法与流程

1.本发明属于风电机组监测领域，具体设计一种串列式双风轮风电机组载荷监测装置和预测方法。


背景技术：

2.当前，风电机组正朝着大功率、长叶片、高塔筒方向发展，在材料体系无法取得突破的情况下，其核心关键技术将受到诸多限制。串列式双风轮风电机组能够实现风能的梯级利用，打破传统单风轮风电机组叶片长度随机组容量线性增长的规律，降低机组造价，提升场地利用率，近年来倍受风电行业关注。
3.相对于单风轮风电机组，串列式双风轮风电机组传动系统更长、更复杂，载荷准确监测和预测较之传统风电机组更为困难。


技术实现要素：

4.本发明提出一种串列式双风轮风电机组载荷监测装置和预测方法，以解决现有技术中串列式双风轮风电机组的载荷监测与预测困难的问题。
5.为达上述目的，本发明提出技术方案如下：
6.一种串列式双风轮风电机组载荷监测装置，包括多个光纤载荷传感器、多个光纤温度传感器、前风轮光纤传感分析仪、机舱式测风激光雷达、机舱交换机、后风轮光纤传感分析仪、塔筒光纤传感分析仪和塔底交换机；
7.光纤载荷传感器和光纤温度传感器连接前风轮光纤传感分析仪或后风轮光纤传感分析仪或塔筒光纤传感分析仪；
8.前风轮光纤传感分析仪、后风轮光纤传感分析仪和塔筒光纤传感分析仪连接设置在塔筒上的机舱交换机；
9.机舱交换机和机舱式测风激光雷达连接塔底交换机；
10.塔底交换机连接外置服务器。
11.优选的，前风轮光纤传感分析仪、后风轮光纤传感分析仪和塔筒光纤传感分析仪上都设有无线模块。
12.优选的，所述光纤载荷传感器在每支前风轮叶片的叶根截面和最大弦长截面各安装四支，光纤载荷传感器在每支后风轮叶片的叶根截面及最大弦长截面各安装四支。
13.优选的，所述光纤载荷传感器在塔筒的上、中、下端各设有四支。
14.优选的，每个光纤载荷传感器旁都设有光纤温度传感器。
15.优选的，前风轮光纤传感分析仪、后风轮光纤传感分析仪和塔筒光纤传感分析仪分别设置在前风轮轮毂、后风轮轮毂和塔筒上；塔底交换机设置在塔筒底部；机舱交换机设置在塔筒。
16.一种串列式双风轮风电机组载荷预测方法，具体步骤包括：
17.步骤1：接收来自塔底接收器的数据，包括机组运行数据和载荷数据；
18.步骤2：设置卷积神经元的核函数，获得多个卷积神经网络模型，以1m/s风速间隔对机组运行数据和载荷数据进行分组，将每组数据分别带入到一个卷积神经网络模型进行训练，得到载荷预测模型；
19.所述载荷预测模型包括多个卷积神经网络模型；
20.步骤3：根据待预测机组运行风速确定对应卷积神经网络，将待预测机组运行数据输入到载荷预测模型中对应卷积神经网络模型，得到预测载荷。
21.优选的，所述卷积神经元包括1个低频卷积神经元和多个高频卷积神经元。
22.优选的，所述低频卷积神经元采用高斯分布作为核函数，表达式为：
[0023][0024]
式中，μ为期望值，通常取值为0；σ为标准差，通常取值为1。
[0025]
优选的，所述高频卷积神经元采用正弦小波函数和余弦小波函数作为核函数，其中，正弦小波函数的表达式为：
[0026][0027][0028]
余弦小波函数的表达式为：
[0029][0030][0031]
式中，f(i)为频率系列，根据精度需求从低频到高频按倍数关系分成若干特征频率。
[0032]
本发明的有益之处在于：
[0033]
提出一种串列式双风轮风电机组载荷监测装置，利用传感器对双风轮机组各个部位的载荷进行准确监测。
[0034]
提出一种串列式双风轮风电机组载荷预测方法，建立载荷学习系统对模型进行训练，可以在传感器失效后，通过训练好的载荷预测系统对风电机组关键部位载荷进行预测。
附图说明
[0035]
构成本发明的一部分的说明书附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
[0036]
图1为一种串列式双风轮风电机组载荷监测装置示意图；
[0037]
图2为一种串列式双风轮风电机组载荷预测方法示意图；
[0038]
图3为卷积神经网络模型示意图。
[0039]
图中，1为前风轮叶片；2为光纤载荷传感器；3为光纤温度传感器；4为前风轮光纤传感分析仪；5为前风轮轮毂；6为机舱式测风激光雷达；7为机舱；8为机舱交换机；9为后风轮叶片；10为后风轮光纤传感分析仪；11为后风轮轮毂；12为塔筒；13为塔筒光纤传感分析仪；14为塔底交换机。
具体实施方式
[0040]
下面将参考附图并结合实施例来详细说明本发明。需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。
[0041]
以下详细说明均是示例性的说明，旨在对本发明提供进一步的详细说明。除非另有指明，本发明所采用的所有技术术语与本发明所属领域的一般技术人员的通常理解的含义相同。本发明所使用的术语仅是为了描述具体实施方式，而并非意图限制根据本发明的示例性实施方式。
[0042]
实施例1：
[0043]
请参阅图1所示，本发明提供一种串列式双风轮风电机组载荷监测装置，包括外置服务器、光纤载荷传感器2、光纤温度传感器3、前风轮光纤传感分析仪4、机舱式测风激光雷达6、机舱交换机8、后风轮光纤传感分析仪10、塔筒光纤传感分析仪13和塔底交换机14。前风轮光纤传感分析仪4、后风轮光纤传感分析仪10和塔筒光纤传感分析仪13上都设有无线模块。
[0044]
串列式双风轮风电机组包括前风轮轮毂5、机舱7、后风轮叶片9、后风轮轮毂11和塔筒12；其中，塔筒12顶端连接横向设置的机舱7中段，机舱7两端分别连接前风轮轮毂5和后风轮轮毂11，前风轮轮毂5上设有三片前风轮叶片1，后风轮轮毂11设有三片后风轮叶片9。
[0045]
光纤载荷传感器2在每支前风轮叶片1的叶根截面、最大弦长截面通过胶水各安装四支，光纤载荷传感器2在每支后风轮叶片9的叶根截面及最大弦长截面通过胶水各安装四支。
[0046]
在塔筒12的上端、中端、下端各安装四支；每个光纤载荷传感器2旁都通过胶水固定有一个光纤温度传感器3，此时前风轮上设有24个光纤载荷传感器2和24个光纤温度传感器3，后风轮上设有24个光纤载荷传感器2和24个光纤温度传感器3，塔筒12上设有12个个光纤载荷传感器2和12个光纤温度传感器3。
[0047]
前风轮上的24个光纤载荷传感器2和24个光纤温度传感器3接入前风轮光纤传感分析仪4，后风轮上的24个光纤载荷传感器2和24个光纤温度传感器3接入后风轮光纤传感分析仪10。
[0048]
前风轮光纤传感分析仪4和后风轮光纤传感分析仪10分别设置在前风轮轮毂5和后风轮轮毂11上。
[0049]
前风轮光纤传感分析仪4和后风轮光纤传感分析仪10通过无线模块将来自光纤载荷传感器2和光纤温度传感器3的数据传输至机舱交换机8。
[0050]
塔筒12上的12个光纤载荷传感器2和12个光纤温度传感器3接入塔筒光纤传感分析仪13，塔筒光纤传感分析仪13通过光缆将数据传输给设置在塔筒12底部的塔底交换机14。
[0051]
机舱交换机8设置在塔筒12上，机舱交换机8和塔底交换机14通过光纤连接，机舱交换机8的数据和塔底交换机14的数据在塔底交换机14完成汇合后发送至外置服务器。
[0052]
机舱7上设有机舱式测风激光雷达6，用于测量风速，并将数据发送至外置服务器，数据可通过塔底交换机14，也可不通过。
[0053]
实施例2：
[0054]
请参阅图2所示，本发明提供一种串列式双风轮风电机组载荷预测方法，接收机组运行数据和载荷数据。本实施例中，使用外置服务器进行接收，接收数据来自机舱式测风激光雷达6和塔底交换机14。
[0055]
机组运行数据：风速、偏航误差、前风轮桨矩角、前风轮发电机转矩、前风轮发电机转速、前风轮方位角、后风轮桨矩角、后风轮发电机转矩、后风轮发电机转速、后风轮方位角、机舱前后加速度、机舱左右加速度。
[0056]
载荷数据包括：叶片叶根截面及最大弦长截面摆振和挥舞弯矩，轮毂中心面内弯矩、面外弯矩和气动推力，塔筒上、中、下三个截面俯仰弯矩和倾覆弯矩。
[0057]
使用模型训练模块对数据进行处理，处理过程如图2所示，具体为：
[0058]
设置卷积神经元核函数，获得多个卷积神经网络模型，以1m/s风速间隔对数据进行分组，将每组数据分别带入到一个卷积神经网络模型进行训练，得到载荷预测模型，所述载荷预测模型包括多个卷积神经网络模型。
[0059]
在载荷预测模块，根据机组运行风速确定对应卷积神经网络，将机组运行数据输入到对应卷积神经网络模型，得到对应时刻关键部位载荷。
[0060]
卷积神经网络模型参加图3，一共包含三层：输入层、隐藏层和输出层；输入层对应风机数据，隐藏层对应卷积神经元，包括：1个低频卷积神经元和多个高频卷积神经元，输出层对应风机关键部位载荷，即通过双风轮载荷监测系统测得的关键部位载荷。
[0061]
卷积神经元算法可表示为：
[0062][0063]
式中，h为特征映射；g为核函数；f为输入函数。
[0064]
低频卷积神经元采用高斯分布作为核函数，表达式为：
[0065][0066]
式中，μ为期望值，通常取值为0；σ为标准差，通常取值为1。低频卷积神经元相当于低频滤波器，对输入信号进行低频滤波。
[0067]
高频卷积神经元采用正弦小波函数和余弦小波函数作为核函数，以提取输入信号的特征。
[0068]
其中，余弦小波函数的表达式为:
[0069][0070][0071]
正弦小波函数的表达式为：
[0072][0073][0074]
式中，f(i)为频率系列，根据精度需求从低频到高频按倍数关系分成若干特征频率。
[0075]
将根据上述方法设置模型训练模块，将模型训练模块放置于外置服务器中，即可实现串列式双风轮风电机组载荷的监测和预测，当传感器失效时，训练好的载荷预测模型可以对风电机组关键部位载荷进行预测。
[0076]
由技术常识可知，本发明可以通过其它的不脱离其精神实质或必要特征的实施方案来实现。因此，上述公开的实施方案，就各方面而言，都只是举例说明，并不是仅有的。所有在本发明范围内或在等同于本发明的范围内的改变均被本发明包含。
[0077]
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
[0078]
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
[0079]
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
[0080]
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
[0081]
最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求保护范围之内。

技术特征：
1.一种串列式双风轮风电机组载荷监测装置，其特征在于，包括多个光纤载荷传感器(2)、多个光纤温度传感器(3)、前风轮光纤传感分析仪(4)、机舱式测风激光雷达(6)、机舱交换机(8)、后风轮光纤传感分析仪(10)、塔筒光纤传感分析仪(13)和塔底交换机(14)；光纤载荷传感器(2)和光纤温度传感器(3)连接前风轮光纤传感分析仪(4)或后风轮光纤传感分析仪(10)或塔筒光纤传感分析仪(13)；前风轮光纤传感分析仪(4)、后风轮光纤传感分析仪(10)和塔筒光纤传感分析仪(13)连接设置在塔筒(12)上的机舱交换机(8)；机舱交换机(8)和机舱式测风激光雷达(6)连接塔底交换机(14)；塔底交换机(14)连接外置服务器。2.如权利要求1所述的一种串列式双风轮风电机组载荷监测装置，其特征在于，前风轮光纤传感分析仪(4)、后风轮光纤传感分析仪(10)和塔筒光纤传感分析仪(13)上都设有无线模块。3.如权利要求1所述的一种串列式双风轮风电机组载荷监测装置，其特征在于，所述光纤载荷传感器(2)在每支前风轮叶片(1)的叶根截面和最大弦长截面各安装四支，光纤载荷传感器(2)在每支后风轮叶片(9)的叶根截面及最大弦长截面各安装四支。4.如权利要求3所述的一种串列式双风轮风电机组载荷监测装置，其特征在于，所述光纤载荷传感器(2)在塔筒(12)的上、中、下端各设有四支。5.如权利要求4所述的一种串列式双风轮风电机组载荷监测装置，其特征在于，每个光纤载荷传感器(2)旁都设有光纤温度传感器(3)。6.如权利要求4所述的一种串列式双风轮风电机组载荷监测装置，其特征在于，前风轮光纤传感分析仪(4)、后风轮光纤传感分析仪(10)和塔筒光纤传感分析仪(13)分别设置在前风轮轮毂(5)、后风轮轮毂(11)和塔筒(12)上；塔底交换机(14)设置在塔筒(12)底部；机舱交换机(8)设置在塔筒(12)。7.一种串列式双风轮风电机组载荷预测方法，其特征在于，基于权利要求1-6所述的一种串列式双风轮风电机组载荷监测装置，具体步骤包括：步骤1：接收来自塔底接收器(14)的数据，包括机组运行数据和载荷数据；步骤2：设置卷积神经元的核函数，获得多个卷积神经网络模型，以1m/s风速间隔对机组运行数据和载荷数据进行分组，将每组数据分别带入到一个卷积神经网络模型进行训练，得到载荷预测模型；所述载荷预测模型包括多个卷积神经网络模型；步骤3：根据待预测机组运行风速确定对应卷积神经网络，将待预测机组运行数据输入到载荷预测模型中对应卷积神经网络模型，得到预测载荷。8.如权利要求7所述的一种串列式双风轮风电机组载荷预测方法，其特征在于，所述卷积神经元包括1个低频卷积神经元和多个高频卷积神经元。9.如权利要求8所述的一种串列式双风轮风电机组载荷预测方法，其特征在于，所述低频卷积神经元采用高斯分布作为核函数，表达式为：
式中，μ为期望值，通常取值为0；σ为标准差，通常取值为1。10.如权利要求8所述的一种串列式双风轮风电机组载荷预测方法，其特征在于，所述高频卷积神经元采用正弦小波函数和余弦小波函数作为核函数，其中，正弦小波函数的表达式为：达式为：余弦小波函数的表达式为：余弦小波函数的表达式为：式中，f(i)为频率系列，根据精度需求从低频到高频按倍数关系分成若干特征频率。

技术总结
本发明属于风电机组监测领域，具体设计一种串列式双风轮风电机组载荷监测装置和预测方法，包括在种串列式双风轮风电机组的多个关键部位设置传感器，收集来自传感器的数据，并将数据转送至外置服务器，在传感器有效时间范围内，可以实现对串列式双风轮风电机组关键部位载荷的准确监测，并通过检测所得的数据，建立载荷预测模型并对模型进行训练；当传感器失效时，通过训练好的载荷预测系统对风电机组关键部位载荷进行预测。键部位载荷进行预测。键部位载荷进行预测。


技术研发人员：逯智科 郭小江 卢坤鹏 唐巍 劳文欣 叶昭良 刘鑫 闫姝
受保护的技术使用者：华能海上风电科学技术研究有限公司
技术研发日：2023.03.31
技术公布日：2023/6/27