李奎 印厚飞 杨智 王志涛 黄苏敏 张抗抗

摘  要：工业4.0浪潮下催生的智慧风场和智能风机，极大限度地提升了风电作为清洁能源的各项效应，而叶片作为整个风机中最大的前端捕风部件，在业内智能技术的应用极其匮乏也是智能风机效能提升的一大短板，文章通过论述利用现有智能技术，应用于风机叶片进行全生命周期状态监测，实现叶片的健康预测、异常预警、预测性维护和基于大数据的生产设计端优化升级，打造智能叶片赋能风机和风场的智慧升级。

关键词：叶片;传感器;数字化;信息化;云技术;智能

中图分类号：TM315       文献标志码：A         文章编号：2095-2945（2020）33-0174-02

Abstract： Smart wind farm and intelligent wind turbine generated under Industrial 4.0 wave have greatly enhanced various effects of wind power as a clean energy， while blade as the largest front-end wind trapping component has its short board in the application and shortage of intelligent technology in industry in terms of efficiency improvement. This paper deals with the existing intelligent technology applied to the whole life cycle state monitoring of turbine blades， so as to realize the health prediction， anomaly early warning， predictive maintenance， as well as the optimization and upgrading of production design based on big data， and finally aims to create intelligent blade energizing fan and wind field wisdom upgrade.

Keywords： blade; sensor; digitalization; informatization; cloud technology; intelligent

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算法实現部件缺失识别预警，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。

2.2 网络化应用

鉴于叶片运行过程中旋转和自传的运行属性，叶片内部加装的传感装置其信号在出叶片段的传输不宜采用有线方式，需将所有布置在叶片本体上的底层传感器、上层PLC和数据采集变送终端，进行工业物联网改造或直接使用带工业物联网功能的终端，所有信号通过无线方式短距离传输至机舱的边缘计算接收终端，接收终端至数据处理中心利用风场现有的光纤网络进行数据传输，有线和无线网络有机结合充分发挥各自优势完成系统组网，网络的搭建是风机和叶片迈向智能化的桥梁，也是云风机、云叶片和云风场的必备基建。

2.3 数字化和信息化融合

通過传感器和PLC的底层监测，叶片的静态和动态状态实现了数字化转换，但基于物理硬件的数字化转换，需要与数字孪生技术进行融合才能方便进行人机交互，通过基于CAD/CAX建模的数字孪生技术，实现叶片监测的可视化和可交互，当然叶片的数字孪生模型可与风机和整个风场的孪生监控进行融合。以上所有监测数据通过机组本地网络传输至风机SCADA、CMS、风场监控中心和叶片生产厂家PLM服务器，软件部分通过专用的组态软件结合大数据监测平台和AI专家系统等信息化技术对叶片的运行状态进行实时分析，发现异常第一时间给出预警和报障，对需要停机或避障处理的故障通过系统AI发送相应指令进行偏航、变桨或停机，从而达到对叶片本体智能监测、精确避障和预测性维护的目的，预防叶片损伤和失能事故的发生。风场经营单位可根据定向监测结果提前进行预测性维护保养，提升叶片的健康状态和使用寿命，减少因叶片故障导致的停机和叶片损伤气动外形变化捕风能力变差带来的发电损失，提升风电场的发电效率和经济效能。

同时叶片的生产厂家可通过预留对应数据接口，将部分数据实时回传至自己的信息化服务器终端，叶片厂通过对数据的建模结合大数据平台实现对售后叶片状态的定向监测预警;通过对设计制造重大异常事故的监测实现叶片事故的快速响应、远程协同诊断和精确处置;通过对在役叶片的结构性能的变化监测预警，促使叶片厂家不断优化和调整叶片设计及生产工艺，发挥出风场真实环境叶片性能全生命测试平台的作用，充分暴露和检验叶片研发与测试阶段隐藏和未触及到的一些问题，通过智能手段赋能产品性能及质量提升。通过该技术叶片制造厂能实时掌握售出在役叶片的健康状态，及时进行或向业主推送预测性维护信息，变事后被动处理为事前预测，将小问题消除在萌芽状态避免大事故的发生。预测性维护也将打通叶片运维后市场，使叶片厂家实现从制造业向制造服务业转型升级，开创经济增长的新模式。

2.4 云技术应用

风机叶片在经过以上数字化、网络化、信息化的升级后，监测过程中将会产生大量不同类型的数据，随着时间的推移数据量将达到海量TB及PB级别，而智能监测平台和专家AI系统又对历史数据的连续性提出了很高的要求，海量数据的存储必将带来数据存储和备份硬件的投入增加，而风场的客观环境在数据存储的安全性上存在弊端，服务器、数据库、存储硬件的损坏都将对数据的完整性和安全性造成很大影响，大数据时代数据如金，此时云技术的应用就显得尤为重要，通过智能风机的工业互联网和专业数据服务商的云端解决数据存储、备份空间和安全完整问题，在信息化转变的过程中也可以在部分阶段通过云计算解决和释放系统算力，缓解计算硬件的投入和计算的及时性准确性问题，打造真正的智能云叶片。风机、风场的智能化使数据的价值和安全作为商业机密显得尤为重要，同时风机、风场及叶片的各种监测、控制数据、信息数据和云服务的过程中也需要确保数据安全，这里的数据安全在充分利用风机边缘系统和风场中控系统的防火墙及网络安全功能加以保障外，区块链数据分布式加密技术在数据出风场段能更大限度的确保所有数据的安全存储、传输和下载，是智能技术应用的重要信息安全手段。

2.5 模块化实现个性定制

智能叶片在软硬件系统的配套上，需要与叶片设计和制造三同时，做到同时设计、同时制造、同时投用，叶片在出厂时即完成所有硬件和软件的配置，监测功能上通过硬软的模块化实现功能选配，满足个性化定制要求，业主可根据需求选装全部或部分功能，也可以在后期利用模块化平台接口实现对应的硬件快速补装和系统功能开放。

3 结束语

通过以上基于数字化、网络化、信息化的升级，结合云计算、数字孪生和CPS技术实现了传统叶片向智能叶片的转变，打破叶片运维和监测预警的壁垒和真空，通过智能手段赋能产品性能及质量提升，通过监测实现预测性维护降低叶片大修的质量运维成本，提升风机叶片的使用寿命。叶片的智能化也将彻底弥补叶片与风机和风场智能化融合的缺口[5]，补齐智慧风场的基建短板，实现真正意义上的全系统智能风机和智慧风场，助力中国的风电迈上高质量发展之路。

参考文献：

[1]李宇.基于数据驱动的风机核心部件健康监测方法研究及应用[D].电子科技大学，2019.

[2]赵宇.风机叶片故障诊断传感器布置方法研究[D].兰州交通大学，2016.

[3]陶佳丽，王敏，周游游，等.风电叶片结构健康监测系统[J].电气自动化，2016，38（04）：62-64.

[4]赵娟.风机叶片健康监测声学特征提取方法研究[D].北京邮电大学，2018.

[5]李杰，邱伯华，刘宗长，等.CPS新一代工业智能[M].上海交通大学出版社，2017：128-139.