【技术领域】
新能源
【研究背景】
在碳达峰碳中和的“双碳”背景之下，风电作为绿色清洁能源之一正在全世界迅猛发展。叶片是风力发电机的关键部件，由于风力发电机长期在高山、沙漠、海洋等气候条件恶劣的地方工作，在重载荷，大扭矩以及盐雾侵蚀下，导致叶片出现裂纹、砂眼、腐蚀孔、开裂等缺陷，如果不能及时发现和维修，随着裂纹和腐蚀孔的扩大将会导致叶片断裂，给风场带来巨大的经济损失和安全问题。如何保证风力发电机组长年安全、正常运行是风电发展的一个极具挑战性的问题。因此，为了能够尽早地发现风力发电机叶片的故障，以便根据实际状况有计划的实施维修，避免由于突发事故导致的经济损失、安全威胁、社会影响，进行风力发电机叶片远程在线实时智能健康监测具有十分重要的现实意义和广阔的应用前景。
【成果介绍】
本系统能对风力发电场的风机叶片进行分布式远程在线智能健康监测，系统组成如图所示，该系统包括户外麦克风、信号采集与通信单元、光网络和风场监控中心服务器等。户外麦克风以非接触的方式采集风机叶片运行时产生的声信号，并传送给数据采集与通信单元，由通信单元将采集的信号通过网络上传至监控中心服务器，服务器包括接收端通信单元、信号处理与特征提取模块、神经网络和用户交互应用软件，由神经网络对风机叶片的健康状态进行判断，对缺陷进行分类，并发出报警。服务器交互应用软件能给用户提供友好的交互界面，用户可以通过PC机和手机远程登录服务器，实时查看声音监测信息，如时域图、频域图、时频域图等，也可以听取原始声信号，获得授权的工作人员可以对给出的故障信号进行再一次确认，并给出标注，还可以调取其历史记录，帮助用户分析。该系统能够远程实时非接触监测各风机叶片的健康状态并及时反馈给用户，有效解决了检测设备不易安装维护、无法远程在线监测、实时性差等技术问题。
【技术优势】
最新装机的风电机组一般都在1兆瓦以上，叶片直径可达七八十米甚至上百米。对于旋转设备的缺陷检测来说，传统的方法多为接触式检测法，存在传感器安装困难，检测范围有限等技术障碍，本成果开发的基于声学特征的风机叶片远程在线智能健康监测系统具有成本低、非接触、测量范围大、安装方便等优点。无论对于陆地风机或海洋风机来说，要像对通常的设备那样进行日常的维护几乎是不可能，每个风场都由许多分散的风力发电机组组成，由于风力发电机均工作在荒山、沙漠或海洋上，为了能够有效地对所有机组进行监测，就需要有能够对分散的风力发电机组进行统一有效监测的网络及服务器系统，本系统可实现分布式远程实时智能监测，提供了友好的人机交互功能，能够将叶片健康状态直观地呈现给用户，从而在叶片出现故障时及时预警，便于用户采取相应的措施，保证风力发电机的正常运行。
【专家介绍】
刘小英，深圳华中科技大学研究院研究员，副教授。长期从事光纤通信系统与器件、光纤传感网络与无线传感器网络方向研究。2009年 - 2010年，在美国南加州大学电子工程系光通信实验室做访问学者。2010年美国光学学会会员，中国机械工程学会高级会员。是OPT FIBER TECHNOL 审稿人，物理学报审稿人，教育部硕士学位论文评审人，主持与参与国家省部级项目多项。
