[发明专利]基于经验模态分解的风电机组叶轮不平衡监测方法

说明书

一种经验模态分解的风电机组叶轮监测方法，包括如下步骤：1)数据采集过程，风电机组并网发电时，采集发电机定子相电流i_A和转速r；2)对采集的相电流i_A进行EMD分解，选取包含故障特征的主要成分，即第1个IMF分量，记为IMF(1)；3)对主要成分IMF(1)进行Hilbert包络解调，提取故障特征，谱信号为i_f；4)提取i_f中叶轮转速1倍频及倍频处幅值Q₁、Q₂和Q₃，若其值均大于对应的阈值，则判断不平衡故障存在。本发明提高了监测的准确度，在双馈机组的浆叶不平衡检测中具有一定的工程应用价值。

技术领域

本发明属于风电机组的在线故障诊断技术领域，涉及一种经验模态分解的风电机组叶轮故障监测方法。

背景技术

风电机组的运行环境通常都比较恶劣，叶片更会因风沙、结冰等造成质量不平衡，特别是近年来海上风电机组和低风速机型的推广应用，使得叶片越来越长，叶片断裂、结冰积雪的也现象越来越多。使得传动系统不平衡，造成整机的振动加剧，严重时甚至导致事故的发生。

考虑到不同叶片的差异性、故障机理的复杂性，难以建立较准确地诊断模型。并且机组运行工况随时变化、周围环境也实时变化，使得采集信号中噪声非常大，必须采取有效的降噪方法。

目前风力发电机组浆叶故障的监测可通过视频分析、振动监测、电信息等手段，但是这些方法大都需要增加设备，不仅成本大，而且可靠性不高、适应性较差。近年来各研究机构及风机制造商也对浆叶故障问题进行了相关研究，以及公布了一些专利。如“叶轮不平衡故障的双馈风力发电机定子电流诊断方法”，该方法对特征分量的提取需经二次求导重构定子电流和二次FFT运算，处理过程复杂。又如“一种双馈风力发电机叶片不平衡在线故障诊断方法”，是对电功率进行处理，需要采集电压和电流量，并且这些方法理论上可行，但工程上面对不同地域的风场、不同厂家的叶片、不同的风机运行工况，适应性较差。

发明内容

基于上述问题，本发明提出了一种经验模态分解的风电机组叶轮故障监测方法，该方法无需增加额外的设备，实现简单，浆叶故障特征的提取方便。

本发明的技术方案是这样实现的：

一种经验模态分解的风电机组叶轮故障监测方法，包括如下步骤：

1)数据采集过程，风电机组并网发电时，采集发电机定子相电流i_A和转速r；

2)对采集的相电流i_A进行EMD分解，选取包含故障特征的主要成分，即第1个IMF分量，记为IMF(1)；

3)对主要成分IMF(1)进行Hilbert包络解调，提取故障特征，谱信号为i_f；

4)提取i_f中叶轮转速1倍频及倍频处幅值Q₁、Q₂和Q₃，若其值均大于对应的阈值，则判断不平衡故障存在；

进一步，所述步骤3)中，对分解后得到的IMF(1)信号进行Hilbert变换，得到解调后的包络信号，并作去均值处理，得到i_C，对包络信号i_C进行FFT变换得到包络谱i_f；

所述步骤4)中，从包络谱i_f中提取叶轮转速的1倍频、2倍频和3倍频的幅值Q₁、Q₂和Q₃；