1 叶片在线监测系统简介
风力机叶片是风力发电机的重要组成部分，将声发射技术应用于风力机叶片裂纹损伤在线监测，可实现叶片的故障监测和故障预警。系统采用站内集中部署结构，在一个风电场内统一进行一套系统部署，并与SCADA系统通过接口连接以获取气象和运行参数辅助分析。声发射传感器部署架构如图1所示。
2 软件系统功能
叶片损伤报警系统应用服务端采用B／S结构，用户只需在常用浏览器下登录系统即可。软件系统功能模块主要有叶片状态监测、叶片故障诊断、叶片报警处理、报表与报告。
(1)叶片状态监测。根据叶片声发射特征，结合气象参数和机组运行参数，监N"t-片裂纹产生、叶片裂纹大小及产生位置等。叶片状态监测界面如图2所示。
(2)叶片故障诊断。结合叶片声发射特征监测历史数据，建立一套故障诊断流程，如图3所示。故障诊断核心为知识库的建立及故障诊断推理机的实现；知识库存储的规则可以用关联规则算法对已积累的风力发电机的全部故障和故障发生前较长时间的状态信息进行数据挖掘得到。
(3)叶片报警处理。叶片报警处理功能主要包括管理已接收到的报警、查看已接收的报警、查看已抑制的报警、报警信息过滤、报警上传与任务下达、报警信息原因排查、故障排除、管理验收任务和查看已解决报警。
(4)报表与报告。基于叶片的状态监测、故障诊断和报警的信息，根据客户企业对风力机设备状况与故障分析的各种报告报表格式，进行报表与报告的查询、统计和报表生成，以及人工加入分析内容和保持报表报告的功能实现。
3 系统具体实现
本方案采用声发射技术、现代数字信号处理技术及人工智能技术相结合，数据采集负责对声发射传感器输出信号进行模拟信号调理(放大、滤波)，利用高速、高分辨率、低噪音16位AD进行采样，由高性能的DSP芯片对采样后的信号进行数字域处理(信号去噪、信号特征提取和故障预识别)。数据采集器将提取到的信号特征参数数据通过FSK传输给数据集中器，数据集中器通过GPRS或以太网将信息送给数据服务器。数据服务器用人工智能方法进行故障识别，并进行自学习，运维人员可通过计算机查看风叶的健康状况。风力发电机叶片故障诊断系统整体框图如图4所示。数据集中器最大配置1拖32，即1个数据集中器可同时转发32路声发射特征信号，大约3～5m部署1个传感器。以25m的单片风叶为例。约布置传感器及采集器4～8个。
(1)声发射传感器选型。风力发电机叶片均采用复合型材料，大多为玻璃纤维增强塑料。研究结果表明，玻璃纤维增强塑料的声发射信号频率集中在60～400kHz，而异常信号频率主要集中在150kHz附近。国内主要声发传感器情况见表1。经对比，本系统采用北京声华的SRl 50M型声发射传感器。
(2)数据采集器设计方案。为便于设备维护，数据采集器采用模块化结构，总体方案如图5所示。
(3)电源设计方案。由于传感器需布置在风力机叶片上，不方便用电缆去其它地方取电给数据采集器，因此选用电池为数据采集器供电。但电池容量有一定限制，而从整个系统来看DSP芯片和信号调理模块部分功耗较高。风叶在发生裂纹和脱层等故障时，在一定应力作用下会发出声发信号。但风叶仅在受到较大的应力下才会发生折断或形变故障，在风速较小时不足以造成风叶折断和形变故障，也不足以激发裂纹和脱层等故障声发信号，因此在此期间可关闭DSP芯片及信号处理模块，关闭对声发信号的检测，从而降低设备功耗。本系统初步预计装12A·h24V电池，3～5年充电1次。
4 结束语
风力机叶片在线监测系统通过声发射技术、数字信号处理技术、无线通信技术和低功耗嵌入式系统设计技术及saas平台化管理软件技术，实现叶片的状态监测、故障诊断、报警处理和报表报告，大大提高了风力发电场的运维效率，降低了运维成本，同时减少了风力发电场安全生产事故的发生。
陆元明，张乃正
(上海电力新能源发展有限公司，上海200020)
鹏翔新闻
