李文明, 張?jiān)?/p>

(五凌電力有限公司，湖南 長沙 410000)

隨著新能源市場的版圖擴(kuò)大，風(fēng)力發(fā)電裝機(jī)容量的不斷增長，風(fēng)電項(xiàng)目建設(shè)逐漸向內(nèi)陸三、四類地區(qū)發(fā)展，風(fēng)電機(jī)組的塔筒、葉片也越來越高、長，風(fēng)機(jī)塔筒傾斜和倒塔等重大事故時(shí)有發(fā)生，對(duì)發(fā)電企業(yè)的安全生產(chǎn)造成嚴(yán)重威脅。部分公司已建立相應(yīng)的人工智能監(jiān)測系統(tǒng)對(duì)該類事故進(jìn)行在線監(jiān)測和早期預(yù)警，但由于系統(tǒng)多樣且存在不穩(wěn)定性，系統(tǒng)監(jiān)測數(shù)據(jù)是否與實(shí)際相符需要長期應(yīng)用驗(yàn)證，導(dǎo)致問題無法提前被預(yù)知發(fā)現(xiàn)，問題突發(fā)時(shí)運(yùn)維人員很難在極短的時(shí)間解決問題、排除故障，因此必須依據(jù)長期應(yīng)用效果對(duì)人工智能監(jiān)測系統(tǒng)進(jìn)行檢測，確保系統(tǒng)長時(shí)間穩(wěn)定運(yùn)行，提高系統(tǒng)的準(zhǔn)確性和有效性，對(duì)風(fēng)電相關(guān)系統(tǒng)選擇方面及運(yùn)維人員后期的維護(hù)工作起到指導(dǎo)作用。

1 塔筒傾覆人工智能監(jiān)測系統(tǒng)簡介

風(fēng)電機(jī)組基礎(chǔ)松動(dòng)、不均勻沉降，塔筒變形、連接開裂等劣化過程是造成塔筒傾覆事故的本質(zhì)隱患。塔筒傾覆人工智能監(jiān)測系統(tǒng)基于KxM工業(yè)智能平臺(tái)建立[1-3]，主要由傳感器、通信模塊、服務(wù)器和工業(yè)智能軟件系統(tǒng)組成，傳感器采集的信號(hào)經(jīng)通信模塊傳輸至服務(wù)器，服務(wù)器上運(yùn)行的工業(yè)智能軟件對(duì)綜合塔筒傾斜、基礎(chǔ)水平、風(fēng)速、風(fēng)向、功率等關(guān)聯(lián)信息[4-6]。運(yùn)用機(jī)器學(xué)習(xí)算法構(gòu)建設(shè)備模型，通過模型特征值的變化檢測設(shè)備的異常進(jìn)行在線分析和處理，實(shí)時(shí)計(jì)算與塔筒傾覆相關(guān)的劣化過程的特征指標(biāo)，自動(dòng)檢測指標(biāo)的異常狀態(tài)并在監(jiān)視終端頁面中顯示報(bào)警內(nèi)容[7-9]，如圖1所示。

圖1 塔筒傾覆人工智能監(jiān)測系統(tǒng)Fig.1 Tower overturning artificial intelligence monitoring system

2 研究過程

2.1 實(shí)驗(yàn)法檢測

以塔筒基礎(chǔ)不均勻沉降為檢測標(biāo)準(zhǔn)，利用理論計(jì)算值與實(shí)驗(yàn)測試值對(duì)比的方式驗(yàn)證該系統(tǒng)的準(zhǔn)確性[10-12]。具體實(shí)驗(yàn)方法為:傳感器與和傳感器安裝底板之間塞入一個(gè)標(biāo)準(zhǔn)塞尺，塞尺的厚度為0.1mm、0.2mm、0.3mm、0.4mm和0.5mm，塞尺的使用方法是將塞尺平直的塞入到安裝傳感器一端兩個(gè)螺絲的外部，且與兩個(gè)螺絲平行。使傳感器產(chǎn)生一定的傾斜角度來模擬基礎(chǔ)不均勻沉降的效果，然后根據(jù)測試系統(tǒng)輸出結(jié)果和實(shí)際塞入的塞尺厚度形成的角度計(jì)算得出基礎(chǔ)不均勻沉降的高度值是否具有一致性和準(zhǔn)確性。

角度計(jì)算方法、傳感器安裝方式和直尺安裝方式分別如圖2、圖3和圖4所示。

圖2 塞尺安裝形成角度示意圖Fig.2 Schematic diagram of the installation angle of the feeler gauge

圖3 塔筒底座傾角傳感器安裝圖Fig.3 Installation diagram of the inclination sensor of the tower base

圖4 塞尺驗(yàn)證方式示意圖Fig.4 Schematic diagram of feeler gauge verification method

圖中α角為人為設(shè)置的基礎(chǔ)不均勻沉降傾斜角度，來模擬基礎(chǔ)不均勻沉降故障。

任意選取兩臺(tái)風(fēng)機(jī)09號(hào)、10號(hào)進(jìn)行盲測，按照上圖所示將各部分安裝完畢，系統(tǒng)會(huì)在5分鐘后自動(dòng)診斷出基礎(chǔ)不均勻沉降故障的實(shí)測值報(bào)警。同時(shí)，五小時(shí)左右自動(dòng)診斷出基礎(chǔ)不均勻沉降故障的緩變量報(bào)警。兩周左右自動(dòng)診斷出基礎(chǔ)不均勻沉降故障的特征值報(bào)警。

理論值計(jì)算原理：此次試驗(yàn)采用的傳感器長度為89.5mm，塞尺厚度為H，α角為加墊片后的傳感器傾斜角度，根據(jù)三角函數(shù)理論[13-15]，如公式(1)所示：

sinα=H/89

(1)

如圖4所示，若基礎(chǔ)出現(xiàn)不均勻沉降，由于傳感器安裝在基礎(chǔ)環(huán)上，傳感器隨著基礎(chǔ)環(huán)的下沉而發(fā)生傾斜，而傳感器對(duì)向位置處有螺栓固定，整個(gè)基礎(chǔ)環(huán)不會(huì)發(fā)生完全正比例變形，根據(jù)材料力學(xué)理論，只能發(fā)生0.7D(基礎(chǔ)環(huán)直徑)的正比例變形，設(shè)傳感器的傾斜角度為α，則計(jì)算下沉量如公式(2)所示。

L=0.7×D×tg×α

L=0.7×D×tg[arcsin(H/92)]

(2)

L為塔筒基礎(chǔ)沉降量；

α為加墊片后的傳感器傾斜角度；

D為塔筒底部直徑4200mm；

0.7為系數(shù)。

按上述公式可推算出不同塞尺厚度所對(duì)應(yīng)的理論傾角值和基礎(chǔ)不均勻沉降量。

09號(hào)、10號(hào)兩臺(tái)風(fēng)機(jī)分別使用0.1mm、0.2mm、0.3mm、0.4mm、0.5mm、0.6mm厚度的塞尺進(jìn)行試驗(yàn)，試驗(yàn)結(jié)果如表1所示。

表1 理論計(jì)算值與試驗(yàn)實(shí)測值對(duì)比Tab.1 Comparison of theoretical calculation values and experimental values

由上表可知，在2臺(tái)風(fēng)機(jī)的基礎(chǔ)傾角傳感器底部塞入不同厚度的塞尺后所得人工干預(yù)數(shù)值和理論值基本一致，且裝完墊片后，數(shù)據(jù)系統(tǒng)會(huì)自動(dòng)分析采集到的人工干預(yù)數(shù)據(jù)，在小于5分鐘的時(shí)間內(nèi)自動(dòng)診斷出基礎(chǔ)不均勻沉降故障的實(shí)測值報(bào)警。同時(shí)，小于五小時(shí)內(nèi)自動(dòng)診斷出基礎(chǔ)不均勻沉降故障的緩變量報(bào)警。從數(shù)據(jù)分析可知該系統(tǒng)從理論上來說是準(zhǔn)確可靠的，且其能自動(dòng)對(duì)外部干擾因素做出分析及應(yīng)對(duì)，穩(wěn)定性較高。

2.2 直接檢測

直接檢測不同于實(shí)驗(yàn)法為直接采用沉降儀器對(duì)一臺(tái)已經(jīng)發(fā)生傾斜的風(fēng)機(jī)19號(hào)進(jìn)行測量，而不是模擬不同的沉降量[16-18]，以測量的數(shù)據(jù)和時(shí)間與同一時(shí)期監(jiān)測系統(tǒng)開始監(jiān)測的數(shù)據(jù)和時(shí)間作為基礎(chǔ)，比對(duì)每一次人工測量的數(shù)據(jù)和時(shí)間與在線監(jiān)測系統(tǒng)監(jiān)測的數(shù)據(jù)和時(shí)間，確定在線監(jiān)測系統(tǒng)監(jiān)測到的數(shù)據(jù)與人工監(jiān)測的數(shù)據(jù)是否一致，并進(jìn)行相應(yīng)的趨勢性分析。

19號(hào)風(fēng)機(jī)在2020年3月由監(jiān)測系統(tǒng)測得數(shù)據(jù)及趨勢圖6所示。

圖5 下沉量計(jì)算圖示Fig.5 Calculation diagram of subsidence amount

圖6 19號(hào)風(fēng)機(jī)基礎(chǔ)不均勻沉降量趨勢圖Fig.6 Trend diagram of uneven settlement of No.19 fan foundation

從表2和圖5中可以看出在3月下旬基礎(chǔ)在線監(jiān)測系統(tǒng)測試的不均勻沉降量最大值為0.732mm，平均值為0.4mm。塔筒傾斜率計(jì)算如公式(3)所示。

ΔS=S1-S2

tanθ=ΔS/L

(3)

S1、S2為基礎(chǔ)不均勻沉降值；

θ為基礎(chǔ)不均勻沉降引起的傾斜角；

ΔS為基礎(chǔ)不均勻沉降均差值；

L為兩監(jiān)測點(diǎn)的直線距離(4200mm)。

將基礎(chǔ)在線監(jiān)測系統(tǒng)測試的不均勻沉降量最大值0.732mm代入公式可得塔筒傾斜率為0.00017，傾斜率標(biāo)準(zhǔn)值為0.004。

根據(jù)3月監(jiān)測19號(hào)風(fēng)機(jī)各靜力水準(zhǔn)儀測點(diǎn)基礎(chǔ)沉降數(shù)據(jù)均值，共4個(gè)點(diǎn)I1、I2、I3、I4，其中I1與I3相對(duì)，I2與I4相對(duì)。測點(diǎn)I1、I2、I3、I4的基礎(chǔ)不均勻沉降均值分別為2.250mm、0.898mm、0.190mm、0.113mm，且相對(duì)兩測點(diǎn)直線距離為16m，由公式(3)計(jì)算可得測點(diǎn)I1與I3之間的塔筒傾斜率為0.000152，I2與I4之間的塔筒傾斜率為0.000049，此兩值均遠(yuǎn)小于標(biāo)準(zhǔn)值，風(fēng)機(jī)運(yùn)行時(shí)穩(wěn)定性良好。人工監(jiān)測計(jì)算與智能系統(tǒng)監(jiān)測塔筒傾斜率對(duì)比如表2所示。

表2 人工監(jiān)測與智能系統(tǒng)監(jiān)測塔筒傾斜率對(duì)比表Tab.2 Comparison table of tower tilt rate between manual monitoring and intelligent system monitoring

從表中可以看出19號(hào)風(fēng)機(jī)人工監(jiān)測計(jì)算數(shù)據(jù)與智能系統(tǒng)測得數(shù)據(jù)基本一致，系統(tǒng)監(jiān)測數(shù)據(jù)略大，說明此系統(tǒng)在實(shí)際環(huán)境中應(yīng)用良好，且系統(tǒng)內(nèi)部能做出相應(yīng)數(shù)據(jù)修正，避免了人為誤差因素，其準(zhǔn)確性得到進(jìn)一步驗(yàn)證體現(xiàn)。

2.3 多故障對(duì)比檢測分析

在以單故障條件檢測該人工智能系統(tǒng)數(shù)據(jù)準(zhǔn)確性的基礎(chǔ)上，取1臺(tái)已有傾斜度的風(fēng)機(jī)19號(hào)，隨機(jī)抽取3臺(tái)正常的風(fēng)機(jī)09號(hào)、10號(hào)、23號(hào)，將系統(tǒng)部署的全部故障條件基礎(chǔ)不均勻沉降值、基礎(chǔ)松動(dòng)值、塔筒垂直度及塔筒結(jié)構(gòu)松動(dòng)作為參照[19-21]，利用其特征值與實(shí)測值在相同時(shí)間段(本次取6個(gè)月)的對(duì)比進(jìn)一步對(duì)系統(tǒng)的長時(shí)間趨勢性進(jìn)行檢測。實(shí)測值受風(fēng)機(jī)工況影響比較大，系統(tǒng)的特征值是由大數(shù)據(jù)算法模型生成，排除了風(fēng)機(jī)工況的影響，特征值的變化反映了事物的本質(zhì)變化，與系統(tǒng)部署各故障變化大致成正比關(guān)系。

2.3.1 基礎(chǔ)不均勻沉降分析

基礎(chǔ)不均勻沉降實(shí)測值是由安裝在基礎(chǔ)環(huán)上的傾斜傳感器測試的傾斜信號(hào)計(jì)算出的數(shù)值，其值的變化可反映基礎(chǔ)結(jié)構(gòu)載荷的差異、地質(zhì)差異、風(fēng)機(jī)基礎(chǔ)環(huán)的水平度變化等。

09號(hào)、10號(hào)、19號(hào)、23號(hào)四臺(tái)風(fēng)機(jī)基礎(chǔ)不均勻沉降的實(shí)測值與特征值相互對(duì)比如圖7所示，其平均值、最大值、最小值對(duì)比如表3所示。

(a)實(shí)測值(a)Measured value

(b)特征值(b)Eigenvalues

表3 風(fēng)機(jī)基礎(chǔ)不均勻沉降量對(duì)比表Tab.3 Comparison table of uneven settlement of fan foundation

從圖中可知4臺(tái)風(fēng)機(jī)整體趨勢均比較穩(wěn)定，實(shí)測值與特征值在6個(gè)月時(shí)間內(nèi)均無超標(biāo)現(xiàn)象。4臺(tái)風(fēng)機(jī)基礎(chǔ)不均勻沉降按從優(yōu)到劣排序?yàn)?0號(hào)、09號(hào)、23號(hào)、19號(hào)，19號(hào)風(fēng)機(jī)實(shí)測最大值為2.53mm。由于為一臺(tái)機(jī)，排除地質(zhì)差異影響，說明其風(fēng)機(jī)基礎(chǔ)結(jié)構(gòu)載荷、風(fēng)機(jī)基礎(chǔ)環(huán)的水平度已發(fā)生變化，且特征值最大為1.73mm，說明該變化已產(chǎn)生實(shí)質(zhì)性作用，現(xiàn)場驗(yàn)證19號(hào)風(fēng)機(jī)確已產(chǎn)生傾斜度，實(shí)際風(fēng)機(jī)基礎(chǔ)環(huán)的水平度發(fā)生偏移，說明該系統(tǒng)在一定時(shí)間內(nèi)對(duì)基礎(chǔ)不均勻沉降趨勢分析較為準(zhǔn)確。

2.3.2 基礎(chǔ)松動(dòng)分析

基礎(chǔ)松動(dòng)數(shù)值的變化可反映出風(fēng)電機(jī)組整體的振動(dòng)性、風(fēng)機(jī)塔架傳到基礎(chǔ)的各類載荷和基礎(chǔ)環(huán)的連接、受力情況等[22-24]。

09號(hào)、10號(hào)、19號(hào)、23號(hào)四臺(tái)風(fēng)機(jī)基礎(chǔ)松動(dòng)的實(shí)測值與特征值相互對(duì)比如圖8所示，其平均值、最大值、最小值對(duì)比如表4所示。

(a)實(shí)測值(a)Measured value

(b)特征值(b)Eigenvalues

表4 風(fēng)機(jī)基礎(chǔ)松動(dòng)量對(duì)比表Tab. 4 Comparison table of basic looseness of fan

從圖中可知4臺(tái)風(fēng)機(jī)基礎(chǔ)松動(dòng)整體趨勢較為穩(wěn)定，其中19號(hào)風(fēng)機(jī)、23號(hào)風(fēng)機(jī)在統(tǒng)計(jì)時(shí)間段起始及末端出產(chǎn)生波動(dòng)，但23號(hào)相對(duì)值較小，其中19號(hào)風(fēng)機(jī)基礎(chǔ)松動(dòng)實(shí)測最大值為1.51%，特征最大值為3.70%，4臺(tái)放風(fēng)機(jī)基礎(chǔ)松動(dòng)按從優(yōu)到劣排序?yàn)?3號(hào)、09號(hào)、10號(hào)、19號(hào)。特征值變化及趨勢說明19號(hào)風(fēng)機(jī)基礎(chǔ)受力已產(chǎn)生不均勻現(xiàn)象，風(fēng)機(jī)塔架傳到基礎(chǔ)的各類載荷不平衡，實(shí)測值的大幅波動(dòng)表明，面對(duì)變化中的風(fēng)況，風(fēng)電機(jī)組應(yīng)對(duì)能力開始減弱，實(shí)際遠(yuǎn)程監(jiān)控?cái)?shù)據(jù)顯示19號(hào)風(fēng)機(jī)、10號(hào)風(fēng)機(jī)振動(dòng)值明顯高于其余兩臺(tái)風(fēng)機(jī)，在對(duì)基礎(chǔ)松動(dòng)的監(jiān)測上進(jìn)一步對(duì)系統(tǒng)做出驗(yàn)證，系統(tǒng)能清晰且穩(wěn)定反映出風(fēng)機(jī)塔筒實(shí)際狀態(tài)，可用于提醒運(yùn)維人員后續(xù)應(yīng)加強(qiáng)對(duì)19號(hào)風(fēng)機(jī)振動(dòng)值的觀測，巡視需嚴(yán)密監(jiān)視該機(jī)組的基礎(chǔ)環(huán)情況。

2.3.3 塔筒垂直度分析

塔筒垂直度可直接反應(yīng)風(fēng)電機(jī)組的傾斜程度，由于風(fēng)機(jī)塔筒為上細(xì)下粗的結(jié)構(gòu)，且由4節(jié)塔筒搭建而成，塔筒垂直度在一定程度上能反應(yīng)各節(jié)塔筒圓心相對(duì)基礎(chǔ)環(huán)的偏離程度[25-26]。

09號(hào)、10號(hào)、19號(hào)、23號(hào)四臺(tái)風(fēng)機(jī)塔筒垂直度的實(shí)測值與特征值相互對(duì)比如圖9所示，其平均值、最大值、最小值對(duì)比如表5所示。

(a)實(shí)測值(a)Measured value

(b)特征值(b)Eigenvalues

表5 風(fēng)機(jī)塔筒垂直度對(duì)比表Tab.5 Comparison table of verticality of wind turbine tower

從圖中可知4臺(tái)風(fēng)機(jī)整體趨勢較穩(wěn)定，其中10號(hào)風(fēng)機(jī)基礎(chǔ)松動(dòng)實(shí)測最大值、平均值為10.4%、6.3%，特征值最大、平均分別為6.2%、5.9%，相對(duì)于其他3臺(tái)風(fēng)機(jī)實(shí)測值、特征值都偏大，塔筒垂直度按照從優(yōu)到劣排序?yàn)?3號(hào)、09號(hào)、19號(hào)、10號(hào)，數(shù)值的變化說明10號(hào)風(fēng)機(jī)塔筒傾斜程度相對(duì)于其他3臺(tái)風(fēng)機(jī)要更加明顯，判斷該風(fēng)機(jī)塔筒已有偏離基礎(chǔ)環(huán)圓心現(xiàn)象。實(shí)際19號(hào)風(fēng)機(jī)傾斜程度更大，相比可知19號(hào)，以垂直度判斷的結(jié)果相對(duì)基礎(chǔ)沉降、基礎(chǔ)松動(dòng)系統(tǒng)準(zhǔn)確性降低，在運(yùn)維過程中可不作為主要參照物理量。

2.3.4 塔筒結(jié)構(gòu)松動(dòng)分析

塔筒結(jié)構(gòu)松動(dòng)可直觀反映風(fēng)電機(jī)組機(jī)械部分產(chǎn)生松動(dòng)現(xiàn)象[27-28]，機(jī)組螺栓有變形、松動(dòng)現(xiàn)象，螺栓發(fā)生松動(dòng)現(xiàn)象會(huì)直接影響風(fēng)機(jī)的扭矩系數(shù)及自鎖定能力，從而機(jī)組的振動(dòng)值也會(huì)偏高。

09號(hào)、10號(hào)、19號(hào)、23號(hào)四臺(tái)風(fēng)機(jī)塔筒垂直度的實(shí)測值與特征值相互對(duì)比如圖10所示，其平均值、最大值、最小值對(duì)比如表6所示。

(a)實(shí)測值(a)Measured value

(b)特征值(b)Eigenvalues

表6 風(fēng)機(jī)塔筒結(jié)構(gòu)松動(dòng)對(duì)比表Tab.6 Comparison table of structural looseness of wind turbine tower

從圖表中可知4臺(tái)風(fēng)機(jī)整體趨勢較為穩(wěn)定，相對(duì)而言19號(hào)風(fēng)機(jī)、23號(hào)風(fēng)機(jī)基礎(chǔ)松動(dòng)實(shí)測值變化幅度大，特征值在所取時(shí)間段初期產(chǎn)生波動(dòng)，其中19號(hào)風(fēng)機(jī)最大實(shí)測值、特征值分別為4.00、1.30，但其實(shí)測平均值相對(duì)較低為0.47，說明該風(fēng)機(jī)實(shí)測值間極差較大，波動(dòng)范圍大，特征值偏大說明該風(fēng)機(jī)塔筒結(jié)構(gòu)已發(fā)生松動(dòng)現(xiàn)象。4臺(tái)風(fēng)機(jī)塔筒結(jié)構(gòu)松動(dòng)按從優(yōu)到劣排序?yàn)?9號(hào)、23號(hào)、10號(hào)、19號(hào)，19號(hào)風(fēng)機(jī)機(jī)械部分如部分螺栓已產(chǎn)生松動(dòng)現(xiàn)象，說明該系統(tǒng)以塔筒結(jié)構(gòu)松動(dòng)值為依據(jù)判定準(zhǔn)確性符合實(shí)際，其判定優(yōu)先度要高于塔筒垂直度。

2.3.5 四故障對(duì)比分析

表7 部署故障測試與實(shí)際對(duì)比Tab.7 Deployment failure test and actual comparison

從表中可知智能監(jiān)測系統(tǒng)部署的四種故障監(jiān)測效果基本與實(shí)際相符，其中按監(jiān)測效果從優(yōu)至劣排序?yàn)樗步Y(jié)構(gòu)松動(dòng)、基礎(chǔ)松動(dòng)、基礎(chǔ)不均勻沉降、塔筒垂直度，在實(shí)際的應(yīng)用中根據(jù)各物理量的判定優(yōu)先順序?qū)\(yùn)維工作起到一定指導(dǎo)作用，但在總體上還是能夠說明該系統(tǒng)在6個(gè)月時(shí)間內(nèi)的預(yù)測及監(jiān)測效果較為良好，能夠?qū)\(yùn)維人員起到有效的預(yù)警作用，可有效避免塔筒傾覆等事故的發(fā)生。

3 結(jié)論及展望

隨著風(fēng)電的進(jìn)一步發(fā)展，該基于KxM工業(yè)智能系統(tǒng)模式建立的塔筒傾覆系統(tǒng)具有良好的應(yīng)用前景，且在該系統(tǒng)基礎(chǔ)上可增加大量拓展和人工智能模塊，如風(fēng)機(jī)葉片裂紋，主軸彎曲，軸承開裂等智能預(yù)警系統(tǒng)，進(jìn)一步加強(qiáng)運(yùn)維人員對(duì)風(fēng)機(jī)狀態(tài)的掌控，也在一定程度上減少風(fēng)機(jī)相應(yīng)的故障及事故。