风机叶片智能化及应用

引言

中国的风电行业在过去十年中飞速发展，目前已经成为装机规模和增长速度最快的国家，但其蓬勃发展背后也存在着较大的隐患，主要在于风电的成本高昂，对国家补贴的依赖度大。而高昂的成本之中，运维成本和管理成本占了非常大的比例。风机降低成本主要有两个途径，一是降低制造成本，二是降低运维成本。在过去十几年的竞争中，风电装备制造商在降低生产制造成本方面做了大量的努力，成本的下降空间已经不大；但是风机在使用阶段的运维管理依然是比较粗犷的模式，风机的健康管理较为忽视特别是对服役叶片的健康关注最为缺乏，传统的管理方式对运维策略和计划缺少精细的管控，现场值守和维保服务的操作也比较混乱，这些都为通过智能技术的应用降低风机运维成本提供了很大的机会空间。

1 现状分析

叶片作为整个风电机组最前端的捕风机构，具有多重特性，从叶片本身看其复合材料结构决定了其运行期间自身状态的复杂性；从运行环境看，风机叶片是整个机组暴露在外部环境中长期运行的最大部件，风沙、盐雾、紫外线、雷电等都会对叶片造成一定的损伤；从功能发挥上看，作为捕风机构的叶片在运行过程中要承受各种风况施加的多变压力和自身动辄十几吨的重力，在风力和自重的交织作用下叶片全生命周期内无时无刻不在经受着摆震、弯曲、扭转的交替应力变化；从服役时间维度看，风机叶片的设计使用寿命一般为20 年，自然老化不可避免；在以上主观和客观因素的影响下，随着运行时间的推移将导致叶片发生破损、开裂乃至断裂等质量问题，这些问题无论从影响程度还是维修成本上都居高不下，如何能提前预知和预测这些问题的发生，实现及时准确预警和预测性维护显得尤为重要[1]。

目前行业内各整机厂商在风机和风场的运行上进行了大量智能技术的应用，利用SCADA 和CMS 对风机运行、风况预测、变流变压、并网上网等进行了很多的智能监控，成效显著。而对风机叶片的直接实时监测应用则几乎为零，现有的叶片状态监测多通过机舱震动、变桨监测等间接方式在问题发生后，对故障情况进行简单的报障和反推，预测性和时效性差。这也是当前在役叶片问题高发以及维护滞后维修成本居高不下的主要原因，因此利用智能技术通过传感器、工业物联网、PLC 监测组态、大数据、信息化等智能技术，对风机叶片实施直接智能监测打造智能叶片显得尤为重要[2]。

2 智能技术应用

根据大量在役叶片风场质量反馈的资料统计，风电叶片在运行期间容易发生的问题和故障可归纳为四类，第一类为极端工况或制造设计缺陷下应力应变变化导致的一些结构性破坏事故，如叶片的裂纹、开裂、折断和螺栓的断裂等；第二类为表面损伤带来的一般性问题，如油漆剥落、前缘腐蚀、雷击损伤、脏污覆冰等；第三类为雷击导致的结构失能，如雷击开裂、雷击断裂等；第四类为内外部辅件脱落缺失或内部碎物异响击打问题，如防雨罩脱落破损、抑噪尾缘及涡流发生器、表面导流条、内部粘接剂碎块、内部阻胶板连接杆脱落、配重砂散落等。不同的问题可采用不同智能技术实现实时监测。

2.1 传感器实现状态感知

（1）针对应力应变损伤问题，通过在叶片内部关键位置加装应变传感器、震动传感器和加速度传感器等矢量传感器[3]，同时辅以机器视觉技术和激光雷达扫描建模技术，可实现对叶片本体结构异常变化和严重结构失稳等动态和静态问题的监测。（2）针对表面损伤和雷击问题，通过机器视觉技术对叶片表面进行基于AI 算法的异常识别，将油漆剥落、前缘腐蚀、脏污覆冰等异常利用视觉识别出来，通过在叶片接雷系统上安装雷电记录传感器配合视觉验证实现对雷击及雷击损伤的识别监测。外部油漆腻子起皮脱落和哨声问题可通过声音传感器附加AI 算法过滤环境噪音后结合机器视觉进行识别[4]。（3）针对内外部辅件脱落缺失或内部碎物异响击打问题，其中辅件缺失可通过激光雷达结构建模扫描和机器视觉技术配合对应AI 算法实现部件缺失识别预警，内部碎块问题可通过声音传感器附加AI 算法过滤环境噪音后结合机器视觉加以判定识别。各种传感器的部署和应用，实现了叶片运行状态实时感知，使叶片具备“观”状态、“听”频谱、“感”振动的功能，构建了风机叶片自我感知的眼睛、耳朵、触感和神经系统。

文章来源：《科学与信息化》 网址: http://www.kxyxxhzz.cn/qikandaodu/2021/0119/970.html