[发明专利]一种叶片状态检测方法和装置

说明书

本申请提供了一种叶片状态检测方法和装置，涉及风力发电机运维领域，旨在实时、准确地监测和评估叶片的状态。所述方法包括：获取实时测量数据，一个实时测量数据包括在一个采样时间范围内的各采样时间点采样到的各维度的数据；将所述实时测量数据输入映射网络，得到所述实时测量数据的数据表示，其中，所述映射网络是以健康数据为训练样本进行训练得到的，所述健康数据是指在叶片处于健康状态下采集的测量数据；获取所述健康数据的数据表示，所述健康数据的数据表示是利用所述映射网络得到的；根据所述实时测量数据的数据表示与所述健康数据的数据表示之间的相似性，确定所述叶片的状态。

技术领域

本申请涉及风力发电机运维领域，特别是涉及一种叶片状态检测方法和装置。

背景技术

风力发电是当前技术成熟、前景广阔的可再生能源利用方式之一，大力发展风力发电对于缓解能源危机、解决环境问题具有重要的意义。风力发电机是风力发电的重要装备，包括叶片、塔架、传统系统、发电系统、变桨系统、偏航系统等部分组成。在风力发电机的所有部件中，叶片可以视为重要的先导部件，其直接与外部的风接触，利用气动外形将风能转化为机械能，进而带动传动系统、发电系统运转，将机械能最终转化为电能，因此叶片的服役状态对于整个风力发电机的运行状况而言具有决定性影响。

由于叶片尺寸庞大、结构复杂，故障率较高，且叶片故障造成的停机时间较长，会造成发电量的巨大损失，严重的叶片故障甚至会引发叶片断裂，从而造成人员伤亡，是生产安全的重要威胁。目前风力发电机叶片的故障预防仍多依赖人工定期巡检，但这种方式需要的劳动强度大、工作环境有一定危险性，并且定期检查的方式无法在叶片运行期间进行实时的状态监测，具有较强的滞后性。因此，需要一种可以实时检测叶片状态的方法，及早发现叶片故障征兆，避免由于严重故障造成的灾难性后果，保证风力发电的效率和安全。

目前大多数风力发电机中安装了监视控制与数据采集(supervisory controland data acquisition，SCADA)系统，通过温度、压力、振动等多种传感器来监测风力发电机的运行状况，并远程实施变桨、偏航等控制环节，所以SCADA测量数据为开展风力发电机叶片状态监测提供了数据基础，可以通过数据驱动的模式识别方法对叶片的健康状况进行辨识，基于大量历史测量数据的数据驱动方法能够减少对故障机理相关的专家知识依赖，有利于风力发电技术人员的掌握及应用。然而，叶片故障的风力发电机长期运行存在安全风险，因而故障条件下的SCADA测量数据相对于健康测量数据来说是稀缺的，故障测量数据的缺乏导致数据驱动模型在训练过程中难以学到与故障状态有关的信息，无法保证不同健康状态下测量数据的可分性，从而影响叶片健康状况的判别效果。因此，相关技术中尚未考虑叶片故障测量数据的稀缺性对测量数据的干扰，无法根据SCADA测量数据对风力发电机叶片的健康状况进行实时、准确地监测和评估。

发明内容

鉴于上述问题，本发明实施例提供了一种叶片状态检测方法和装置，以便克服上述问题或者至少部分地解决上述问题。

本发明实施例的第一方面，提供了一种叶片状态检测方法，包括：

获取实时测量数据，一个实时测量数据包括在一个采样时间范围内的各采样时间点采样到的各维度的数据；

将所述实时测量数据输入映射网络，得到所述实时测量数据的数据表示，其中，所述映射网络是以健康数据为训练样本进行训练得到的，所述健康数据是指在叶片处于健康状态下采集的测量数据；

获取所述健康数据的数据表示，所述健康数据的数据表示是利用所述映射网络得到的；

根据所述实时测量数据的数据表示与所述健康数据的数据表示之间的相似性，确定所述叶片的状态。

可选地，所述根据所述实时测量数据的数据表示与所述健康数据的数据表示之间的相似性，确定所述叶片的状态，包括：

计算所述健康数据的数据表示的均值向量和协方差矩阵；