基于运行姿态的风机载荷预测系统及风机降载延寿方法

780 编辑：中冶有色技术网来源：明阳智慧能源集团股份公司

2024-05-31 15:11:44

权利要求书： 1.一种基于运行姿态的风机载荷预测系统，其特征在于，包括：载荷采集仪、量产风机的风机主控和姿态监测传感器，其中，姿态监测传感器安装在研发样机或者量产风机上的塔顶位置，用于实时监测风机塔顶运动参数，其中，姿态监测传感器采用集成姿态仪，风机的塔顶运动参数包括塔顶位置的振动加速度和运动倾角；

载荷采集仪安装在研发样机上，当姿态监测传感器安装在研发样机上时，姿态监测传感器连接载荷采集仪，并向载荷采集仪发送研发样机的塔顶运动参数；

载荷采集仪用于实时采集研发样机关键位置的载荷，关键位置是指风机上需要检测载荷的位置，并使用同时间段的研发样机塔顶运动参数和研发样机的关键位置载荷，通过机器学习算法建立预测模型；载荷采集仪连接量产风机的风机主控，并且，其建立的预测模型嵌入于量产风机的风机主控中；

当姿态监测传感器安装在量产风机上时，姿态监测传感器连接量产风机的风机主控，并向风机主控发送量产风机的塔顶运动参数；

风机主控用于根据该运动参数，通过预测模型输出量产风机的关键位置载荷，并在载荷过大的情况下采用相关降载控制策略对风机关键部件进行降载控制。

2.根据权利要求1所述的基于运行姿态的风机载荷预测系统，其特征在于，姿态监测传感器分为第一姿态监测传感器和第二姿态监测传感器，第一姿态监测传感器安装在研发样机上，第二姿态监测传感器安装在量产风机上。

3.根据权利要求1所述的基于运行姿态的风机载荷预测系统，其特征在于，研发样机上的姿态监测传感器通过线缆连接载荷采集仪，量产风机上的姿态监测传感器通过线缆连接风机主控。

4.根据权利要求1所述的基于运行姿态的风机载荷预测系统，其特征在于，研发样机和量产风机的型号规格相同。

5.一种基于运行姿态的风机降载延寿方法，其特征在于，所述方法应用于权利要求1～

4中任一项所述的风机载荷预测系统，具体包括如下步骤：在机组研发样机的过程中，将姿态监测传感器和载荷采集仪安装在研发样机上，其中，姿态监测传感器采用集成姿态仪；

姿态监测传感器实时监测研发样机塔顶的运动参数并发送给载荷采集仪，载荷采集仪实时采集研发样机关键位置的载荷，并收集运动参数和关键位置载荷的时序数据，其中，风机的塔顶运动参数包括塔顶位置的振动加速度和运动倾角，关键位置是指风机上需要检测载荷的位置；

当收集完整的运行工况数据之后，载荷采集仪基于同时间段的研发样机塔顶运动参数和关键位置载荷，通过机器学习算法建立预测模型，以运动参数作为模型的输入，关键位置载荷作为模型的输出进行训练，得到训练好的可用于预测关键位置载荷的预测模型；

在机组量产完毕之后，确保控制测量一致的情况下，在每个量产风机的塔顶安装姿态监测传感器，并将训练好的预测模型嵌入到量产风机的风机主控中；

姿态监测传感器实时采集该量产风机的塔顶运动参数，并发送给风机主控；

风机主控在需要载荷控制的运行工况下，启动预测模型算法，实时读取量产风机的塔顶运动参数，并通过预测模型预测量产风机的关键位置载荷，在载荷过大的情况下采用相关降载控制策略对风机关键部件进行降载控制。

说明书：基于运行姿态的风机载荷预测系统及风机降载延寿方法技术领域[0001] 本发明涉及风力发电技术领域，特别涉及一种基于运行姿态的风机载荷预测系统及风机降载延寿方法。

背景技术[0002] 海上风电的长足发展，推动了风电辅控系统的进步，但现有的辅控系统基本都是各自独立的监测系统，仅对关心的信号进行采集，并发送至远程监控中心进行简单的显示

及阈值判断，可见，辅控系统昂贵的价格下也并未带来对风机足够的价值。

[0003] 在风机运行监测过程中，载荷监测以其专业性、测试复杂、施工困难等因素限制，在实际监测中存在较大的困难，并且监测的载荷也并未与控制系统进行交互，导致载荷的

变化特征无法对风机运行优化起到应有的辅助控制的功能。

发明内容[0004] 本发明的第一目的在于克服现有技术的缺点与不足，提供一种基于运行姿态的风机载荷预测系统，该系统可以在不测量载荷的情况下实时预测载荷，实现载荷与风机主控

交互，风机能够降本增效和降载延寿。

[0005] 本发明的第二目的在于提供一种基于运行姿态的风机降载延寿方法，该方法可以实现风机的智能降载控制，提升机组智能化程度。

[0006] 本发明的第一目的通过下述技术方案实现：一种基于运行姿态的风机载荷预测系统，包括：载荷采集仪、量产风机的风机主控和姿态监测传感器，其中，

[0007] 姿态监测传感器安装在研发样机或者量产风机上的塔顶位置，用于实时监测风机塔顶运动参数；

[0008] 载荷采集仪安装在研发样机上，当姿态监测传感器安装在研发样机上时，姿态监测传感器连接载荷采集仪，并向载荷采集仪发送研发样机的塔顶运动参数；

[0009] 载荷采集仪用于实时采集研发样机关键位置的载荷，并使用同时间段的研发样机塔顶运动参数和研发样机的关键位置载荷，通过机器学习算法建立预测模型；载荷采集仪

连接量产风机的风机主控，并且，其建立的预测模型嵌入于量产风机的风机主控中；

[0010] 当姿态监测传感器安装在量产风机上时，姿态监测传感器连接量产风机的风机主控，并向风机主控发送量产风机的塔顶运动参数；

[0011] 风机主控用于根据该运动参数，通过预测模型输出量产风机的关键位置载荷，并在载荷过大的情况下采用相关降载控制策略对风机关键部件进行降载控制。

[0012] 优选的，姿态监测传感器分为第一姿态监测传感器和第二姿态监测传感器，第一姿态监测传感器安装在研发样机上，第二姿态监测传感器安装在量产风机上。

[0013] 优选的，研发样机上的姿态监测传感器通过线缆连接载荷采集仪，量产风机上的姿态监测传感器通过线缆连接风机主控。

[0014] 优选的，研发样机和量产风机的型号规格相同。[0015] 优选的，风机的塔顶运动参数包括塔顶位置的振动加速度和运动倾角；关键位置是指风机上需要检测载荷的位置。

[0016] 优选的，姿态监测传感器采用集成姿态仪。[0017] 本发明的第二目的通过下述技术方案实现：一种基于运行姿态的风机降载延寿方法，所述方法应用于本发明第一目的所述的风机载荷预测系统，具体包括如下步骤：

[0018] 在机组研发样机的过程中，将姿态监测传感器和载荷采集仪安装在研发样机上；[0019] 姿态监测传感器实时监测研发样机塔顶的运动参数并发送给载荷采集仪，载荷采集仪实时采集研发样机关键位置的载荷，并收集运动参数和关键位置载荷的时序数据；

[0020] 当收集完整的运行工况数据之后，载荷采集仪基于同时间段的研发样机塔顶运动参数和关键位置载荷，通过机器学习算法建立预测模型，以运动参数作为模型的输入，关键

位置载荷作为模型的输出进行训练，得到训练好的可用于预测关键位置载荷的预测模型；

[0021] 在机组量产完毕之后，确保控制测量一致的情况下，在每个量产风机的塔顶安装姿态监测传感器，并将训练好的预测模型嵌入到量产风机的风机主控中；

[0022] 姿态监测传感器实时采集该量产风机的塔顶运动参数，并发送给风机主控；[0023] 风机主控在需要载荷控制的运行工况下，启动预测模型算法，实时读取量产风机的塔顶运动参数，并通过预测模型预测量产风机的关键位置载荷，在载荷过大的情况下采

用相关降载控制策略对风机关键部件进行降载控制。

[0024] 本发明相对于现有技术具有如下的优点及效果：[0025] (1)本发明基于运行姿态的风机载荷预测系统研究风机运动特性与关键位置载荷的内在联系，通过姿态监测传感器采集的风机塔顶运动参数来推导关键位置载荷，然后再

将预测的载荷反馈给风机主控进行载荷控制，可见，本发明系统可以在量产机组没有设置

测量载荷系统的情况下实现载荷的实时预测，并且也实现载荷与风机主控的交互，因此简

化了监测系统，降低了施工难度，实现了风机的降本增效和降载延寿。

[0026] (2)本发明风机载荷预测系统和风机降载延寿方法使用了机器学习算法建模来预测风机关键位置载荷，能够准确地预测出关键位置的载荷，有利于及时有效地降低关键部

件的疲劳载荷，实现机组关键部件的延寿控制，进而提高风机整体寿命，因此能对风机运行

优化起到辅助控制作用和提升机组的智能化程度。

附图说明[0027] 图1是本发明基于运行姿态的风机载荷预测系统的示意图。[0028] 图2是本发明基于运行姿态的风机降载延寿方法的流程图。具体实施方式[0029] 下面结合实施例及附图对本发明作进一步详细的描述，但本发明的实施方式不限于此。

[0030] 实施例[0031] 本实施例公开了一种基于运行姿态的风机载荷预测系统，如图1所示，包括：载荷采集仪3、量产风机7的风机主控5和姿态监测传感器1。

[0032] 其中，姿态监测传感器1安装在研发样机4或者量产风机7上的塔顶位置，用于实时监测风机塔顶运动参数。研发样机和量产风机的型号规格相同。风机的塔顶运动参数包括

塔顶位置的振动加速度和运动倾角。

[0033] 本实施例的姿态监测传感器采用集成姿态仪，可以同时输出多项塔顶运动参数。[0034] 这里姿态监测传感器具体是分为第一姿态监测传感器和第二姿态监测传感器，第一姿态监测传感器安装在研发样机上，并通过线缆连接载荷采集仪3。第二姿态监测传感器

安装在量产风机上，并通过线缆连接风机主控5。

[0035] 载荷采集仪安装在研发样机上，当第一姿态监测传感器安装在研发样机上时，第一姿态监测传感器向载荷采集仪发送研发样机的塔顶运动参数。

[0036] 载荷采集仪用于实时采集研发样机关键位置2的载荷，并使用同时间段的研发样机塔顶运动参数和研发样机的关键位置载荷，通过机器学习算法建立预测模型。关键位置

是指风机上需要检测载荷的位置。

[0037] 载荷采集仪可以通过有线或者无线的方式连接风机主控，并且其建立的预测模型可以嵌入于量产风机的风机主控中。

[0038] 当第二姿态监测传感器安装在量产风机上时，第二姿态监测传感器向风机主控发送量产风机的塔顶运动参数。

[0039] 风机主控用于根据该运动参数，通过预测模型输出量产风机的关键位置6的载荷，并在载荷过大的情况下采用相关降载控制策略对风机关键部件进行降载控制，降载控制策

略可根据实际情况选择，例如调整变桨角度、调整叶轮转速、功率控制等。

[0040] 本实施例还公开了一种基于运行姿态的风机降载延寿方法，所述方法应用于上述风机载荷预测系统，如图2所示，具体包括如下步骤：

[0041] 在机组研发样机的过程中，将姿态监测传感器和载荷采集仪安装在研发样机上；[0042] 姿态监测传感器实时监测研发样机塔顶的运动参数并发送给载荷采集仪，载荷采集仪实时采集研发样机关键位置的载荷，并收集运动参数和关键位置载荷的时序数据；

[0043] 当收集完整的运行工况数据之后，载荷采集仪基于同时间段的研发样机塔顶运动参数和关键位置载荷，通过机器学习算法建立预测模型，以运动参数作为模型的输入，关键

位置载荷作为模型的输出进行训练，得到训练好的可用于预测关键位置载荷的预测模型；

[0044] 在机组量产完毕之后，确保控制测量一致的情况下，在每个量产风机的塔顶安装姿态监测传感器，并将训练好的预测模型嵌入到量产风机的风机主控中；

[0045] 姿态监测传感器实时采集该量产风机的塔顶运动参数，并发送给风机主控；[0046] 风机主控在需要载荷控制的运行工况下，启动预测模型算法，实时读取量产风机的塔顶运动参数，并通过预测模型预测量产风机的关键位置载荷，在载荷过大的情况下采

用相关降载控制策略对风机关键部件进行降载控制。

[0047] 可见，本发明系统和方法可以在量产机组没有设置测量载荷系统的情况下实现载荷的实时预测，以及实现载荷与风机主控的交互，因此机组无需安装测量载荷系统即可实

时监测风机载荷，故可以实现风机的降本增效和降载延寿。

[0048] 上述实施例为本发明较佳的实施方式，但本发明的实施方式并不受上述实施例的限制，其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化，

均应为等效的置换方式，都包含在本发明的保护范围之内。